1.“顽童”创业
1963年，黄仁勋出生于台湾。 黄九岁时，工程师的父亲为了让他接受更好的教育，将两个儿子送到美国华盛顿州（叔叔家）。
结果到了美国后，由于舅舅家经济十分困难，他很快就把两兄弟送到了一所乡村寄宿学校。 在这里，黄仁勋不仅学会了爬墙树、偷食物，还学会了抽烟。
幸运的是，这样的生活只持续了两年。 黄的父母来到美国。 后来，黄家搬到了俄勒冈州，黄仁勋终于可以进入正规学校就读。
值得一提的是，黄仁勋在求学期间就展现出了惊人的乒乓球天赋——差一点就让他成为了职业选手！ 当时，15岁的他参加了美国乒乓球公开赛，并获得了青少年双打项目的第三名！
然而，由于他更热爱科技，最终他放弃了自己的爱好，在参加中考后进入了俄勒冈州立大学的电子专业。 1983年毕业后，他前往加州硅谷，加入AMD，成为一名芯片设计师。
两年后，他跳槽到另一家芯片公司LSI Logic。 1992年，当黄仁勋获得斯坦福大学硕士学位后，他辞去了工作，开始规划自己的“30岁承诺”。
原来，黄仁勋曾向妻子Lori许诺，到30岁时，他将拥有自己的公司。 于是，1992年底，在两位曾在SUN工作过的技术人员的邀请下，他欣然答应了。
1993年初，黄仁勋、Chris Malachowsky和Curtis Priem在美国加利福尼亚州正式创立了NVIDIA。
同时，为了兑现自己的承诺，他把上班的第一天定在了1993年2月17日，也就是他的30岁生日（下图是这个历史性日子的老照片）。 “顽皮男孩”的特质可以说伴随了黄仁勋一生。
2.“大佬”的帮助
NVIDIA成立时，市场上有20多家图形芯片公司（三年后，这个数字飙升至70家）。 但三位创始人仍然义无反顾地投身于这个市场。
1994年，NVIDIA与SGS-Thompson微电子公司（1998年更名为意法半导体）达成首次战略合作伙伴关系，共同开发和制造单芯片图形用户界面加速器。
不过，当时NVIDIA选择了方形图形技术，并不被其他人看好。 同时，它也看重芯片的多功能性，因此选择了集成游戏控制器、声卡等多种功能的芯片设计思路，以进军游戏主机市场。
此外，NVIDIA当时还选择了Diamond Multimedia Systems, Inc.作为业务合作伙伴——准备将该芯片安装在多媒体加速板上。
1995年5月，第一款产品NV1正式诞生。 同年7月底，与街机游戏领导者SEGA建立合作伙伴关系； 在SEGA的帮助下，《虚拟战士》成为第一款在NVIDIA显卡上运行的3D游戏。
同年11月，Diamond推出基于NVIDIA技术的Diamond Edge 3D。 这是首款主流多功能芯片：集成摇杆、游戏口、音效、显示、2D、3D等功能。
NVIDIA当时非常幸运。 不仅与世嘉合作获得了一些NV1芯片的额外申请，还获得了世嘉高达700万美元的研发定金，用于下一代产品NV2！
然而，世嘉和NVIDIA发生了冲突，因为NVIDIA强烈希望保留其成熟的正方形绘制技术，而多边形绘制技术才是前进的方向。 最终NV2芯片还没开发完成就被世嘉放弃了。
后来世嘉选择了3dfx作为新的合作伙伴。 但值得庆幸的是，世嘉作为业界的“大佬”并没有收回订金，不过这笔钱帮助NVIDIA生存到了Win95时代。
3、适应当前形势
在经历了NV1的挣扎和NV2的胎死腹中后，Nvidia最终决定放弃多媒体加速芯片的研发，转而专注于PC专用的2D/3D显卡，以降低研发成本。
1996年3月，NVIDIA与游戏开发者联盟制定了Direct 3D的主要规则，并推出了第一个支持Direct3D的微软DirectX驱动程序。 同年6月，将主要精力投入到台式电脑领先显示芯片的开发上。
1997年4月，全球首款128位3D处理器RIVA 128（核心代号NV3）推出。 这也是第一款支持微软Direct3D加速的图形芯片。
当时Windows 95已经流行，所以黄仁勋在总结了NV1和NV2的经验教训后，决定如果自己制定规则的能力不够强，就跟风而行，于是他把微软的Direct3D作为优先API。
事实证明，这个决定是极其正确的！ 虽然RIVA 128的图像质量无法与当时主流的3dfx Voodoo相媲美，但由于其低廉的价格、高性能的2D/3D加速能力以及对AGP1x接口的支持，很快获得了OEM厂商的认可。
1997年8月，我们与Dell、Gateway、Micron建立合作伙伴关系，并在接下来的四个月内完成了100万台的出货量！ 凭借强大的微软平台和卓越的战略眼光，NVIDIA取得了难得的胜利！
1998年3月，与台积电正式签署合作伙伴关系； 次年5月，与微软合作，在电脑游戏开发者大会上推广双方共同开发的DirectX 6.0； 并于9月成功入选OpenGL结构评审委员会。
与此同时，年内发布的业界首款多纹理3D显示芯片RIVA TNT（核心代号NV4）以其优异的性能继续抢占市场。 同年发布的另一款Vanta显示芯片进入商用台式电脑市场。
1999年4月，NVIDIA再接再厉，推出了未来“NVIDIA显卡王朝”的基石产品——RIVA TNT2（核心代号NV5）。 从这一代开始，依托众多衍生车型，产品的市场细分正式开始。
NVIDIA显卡王朝
1、破碎方式
RIVA TNT2之所以能够以众多衍生型号进入各个细分市场，依靠的是其自身强大的性能——核心频率和显存容量由于制程技术的升级而得到了大幅提升，以及其更具优势的价格。
反观NVIDIA最大的竞争对手3dfx，不仅在新品上“挤牙膏”，而且采用的是AGP2x接口所以只支持16位色彩（RIVA TNT2是AGP4x接口所以支持32位色彩） ）。 换句话说，NVIDIA的显卡性价比明显更高——消费者纷纷转向NVIDIA。
而且，此时的3dfx已经失去了世嘉这棵“大树”，也因为其独特的显卡而失去了Diamond、Gigabyte、Innovation、Elsa等大厂的支持（更糟糕的是，这些大厂厂商全部转用NVIDIA）。
然而，真正让NVIDIA崛起并彻底击败3dfx的，是1999年8月发布的世界上第一款GPU（GraphicsProcessingUnit，“图形处理器”）——具有里程碑意义的GeForce256。
首次增加了硬件T&L（全称Transforming & Lighting，意为“坐标变换和光影计算”），从而减轻了CPU的处理负荷，使显卡成为电脑的核心硬件，彻底解放CPU。 接下来的 11 月，世界上最快的工作站 GPU Quadro 发布。
值得一提的是，1999年初，NVIDIA在纳斯达克上市，并于年内达到了显示芯片出货量突破1000万片的里程碑！ 一组“组合拳”下来，3dfx彻底愣住了！
GeForce256的出现，直接改变了业界的竞争格局。 因为原本只能用“高端CPU+显卡”才能完成的工作，现在可以用“更便宜的CPU+GeForce256”来完成，而且流畅度更加出色！
花更少的钱做同样的事情，效率更高。 NVIDIA 实现了如此革命性的事情！ 得益于这一出色的表现，2000年3月，NVIDIA成功获得了微软首款XBOX游戏机的图形处理器订单——并在多年后重新回到了原本想要占领的游戏机市场。
同年推出GeForce2，并在此基础上推出了其他丰富的产品线，如11月发布的全球首款笔记本电脑GPU-GeForce2 Go； 从此，这种“阉割法”就成了N卡的招牌。 方法，每次都有效！
2、两大英雄争霸
2000年11月，收购显卡之王3dfx知识产权（核心图形资产）。 长达数年的“显卡竞赛”最终以NVIDIA的全面胜利而告终。 接下来我们要面对的是另一个显卡对手——ATI。
2001年2月，业界第一个可编程GPU GeForce3推出，允许开发人员创建定制的视觉效果。 此时，NVIDIA的发展势头异常迅猛。 2002年2月，直接突破1亿颗图形处理器出货量水平！
2003年，收购无线领域图形和多媒体技术领导者MEDIA Q（成立于1997年），进军无线移动市场（包括手机、PDA、液晶显示器等移动设备）。
2004年6月，NVIDIA的SLI技术问世，该技术允许多个GPU连接在一起，从而大大提高了单台PC的图形处理能力。
至此，ATI已经出现彻底崩溃的迹象。 相比之下，NVIDIA就无敌了。
同年与暴雪娱乐合作发布采用3D图形技术的游戏《魔兽世界》。 这款大型多人在线游戏很快成为世界上最受欢迎的游戏。 第二年，它开始为索尼 PlayStation 3 开发处理器。
2005年底，宣布收购台湾核心逻辑技术开发商宇力电子。 此举可谓一石二鸟——不仅打击了ATI（ULi是其南桥芯片供应商），也强化了自身技术。 力量。
2006年，CUDA架构推出，这是通用GPU计算的革命性架构。 同年，它收购了 Hybrid Graphics（1994 年成立于芬兰），这是一家手持设备嵌入式 2D 和 3D 图形软件开发商。
另一方面，2006年，ATI被AMD以54亿美元巨资收购——而随后的“二侠争霸”直接变成了AMD与NVIDIA之间的接力格局。 2007年，Tesla GPU诞生，提供堪比超级计算机的计算能力，广泛应用于药物研发、医学成像、天气建模等领域。
此外，2007 年 NVIDIA 收购了 PortalPlayer，这是一家个人媒体播放器半导体、固件和软件供应商。 同年年底，正式中文名称“NVIDIA”正式启用——NVIDIA王朝开始成型。
3.显卡王朝
2008年，英伟达低调收购了Mental Images（1986年成立于德国）。 该公司是视觉渲染软件领域的领导者，其 Iray 软件与 Quadro GPU 相结合，通过逼真的设计渲染为创意专业人士提供即时反馈。
此外，同年还收购了游戏物理技术开发商AGEIA。 该公司的 PhysX 软件用于游戏中，以重现物理属性对物理世界中物体的影响。 当时Intel已经收购了另一家物理加速卡公司Havok，而NVIDIA正在与AGEIA对抗。 AMD只能黯然观战。
2009年，在首届GPU技术大会上，NVIDIA发布了名为“Fermi”的新一代CUDA GPU架构。 这种架构虽然性能极强，但功耗也极高，因此2010年11月推出的该架构旗舰产品GTX580被戏称为“核弹显卡”。
2011年初，“Project Denver”在CES大会上启动，首次为PC开发基于ARM指令集的超高效定制架构CPU。 次年，基于全新“开普勒”架构的GeForce GTX600系列显卡发布。
这一代的功耗表现相比上一代有了很大的提升，尤其是旗舰型号GTX680，不仅帮助Nvidia重新夺回了单核显卡的宝座，也成为了N的发展方向的转折点。卡 - 切割和游戏 无关的结构侧重于图形性能，以显着提高能源效率。
事实证明，计算卡和游戏卡分开开发是一个具有里程碑意义的战略计划。 此后，Nvidia的游戏显卡以无与伦比的速度发展，把A卡甩得越来越远（直到2019年AMD才无奈宣布也将采用游戏显卡和计算卡分开设计）。
2013 年，GeForce GTX TITAN 面向游戏玩家推出。 它的诞生可以说开启了“超级计算机游戏时代”。 同年，收购了波特兰集团（成立于1989年），进一步推动了NVIDIA创建开发者工具以加速计算革命的进程。
2014年推出“Maxwell”GPU架构，能效比持续大幅提升。 2016年，全新“帕斯卡”架构横空出世，再加上全新的16nm制程工艺，直接帮助“甜点产品”GTX 1060成为英伟达历史上最畅销的显卡！
至此视觉效果软件，NVIDIA王朝的霸权已经正式确立，两位英雄已经分出胜负——AMD在其逼迫的压力下毫无还手之力（尤其是在高端领域）。 桌面端尘埃落定，那么Nvidia在移动端的表现如何呢？
人工智能王
1.浙记移动端
2003年收购MEDIA Q后不久，NVIDIA就推出了首款专为移动计算设计的产品GoForce 2150。在接下来的几年里，它又推出了多款此类芯片。 但事实证明视觉效果软件，独立GPU芯片在移动计算产品中几乎没有立足之地。
于是，NVIDIA转向开发SoC芯片，并开始整合ARM CPU和自家的移动GPU（2006年收购的Hybrid Graphics发挥了很大作用）。 终于在2008年，Tegra移动处理器问世——现在Nvidia正式参与了移动计算平台的竞争。
2011年初，全球首款双核移动处理器Tegra2推出，并基于此打造出第一款Android平板电脑。 同年11月，英伟达发力，发布了全球首款四核移动芯片Tegra3。
虽然Tegra3的性能有了很大的提升，但由于制造工艺没有升级，功耗表现一言难尽（其实上一代产生的热量就已经很“感人”了）。 2012年，HTC发布号称“全球首款四核手机”One X深受其影响。
2013年初，继续发布新一代四核移动处理器Tegra4和首款全集成4G LTE基带移动处理器Tegra4i。 这一代的工艺升级为当时最先进的台积电28nm工艺，可以说已经做好了翻盘的准备。 斗争！
然而号称“全球最强”的Tegra4集成的GPU仍然采用旧的分离渲染架构，所以一旦达到需要统一渲染架构的OpenGL ES 3.0环境，就会直接停下来！ 同时，公版CPU采用的A15架构产生大量热量（72核GPU也产生大量热量）。
更糟糕的是，这款处理器没有集成基带，所以小米3移动版选择了外挂展讯基带。 谁知道信号体验如何？ 另外，Tegra4的CPU和GPU落后，发热、卡顿、兼容性差等各种缺点暴露出来！
虽然还有另外一款集成基带芯片、缩小GPU核心尺寸的Tegra4i，但上市已经太晚了。 直到高通的骁龙800流行起来才引起风波。 关键是性能方面没有优势。
最终，在4G普及前夕，高通凭借完全自研的CPU和GPU架构，以及SoC集成的“全网通”解决方案，彻底甩开了包括英伟达、德州在内的众多老对手。仪器远远落后。 他去世后，英伟达退出了手机芯片市场。
2. 最佳归因
2014年，Nvidia推出了Tegra K1。 它有两种方案（均采用28nm工艺制造），一种是32位四核Cortex-A15架构，主打产品是小米平板（第一代），另一种是双核64位自主开发的Denver架构。
GPU升级为开普勒架构，共有192个CUDA核心（这次终于是统一渲染架构了），具备了入门级独立显卡的性能能力。 当然，随着性能的飙升，功耗和发热量自然也很高，基本不指望用在手机上。
而且，NVIDIA此时已经退出了炙手可热的手机芯片市场，所以这款非常强大的芯片只能在Android平板电脑中找到一席之地，或者安装在NVIDIA自家的掌上电脑中。 此外，一些车企也采购了这款芯片。 应用于车辆和机器。
2015年初，Tegra X1继续推出，工艺升级为台积电20nm工艺。 CPU采用“四颗A57+四颗A53”的八核架构，GPU升级为拥有256个CUDA核心的Maxwell架构。
这款“核弹芯片（高功耗）”之所以非常成功，是因为英伟达有幸遇到了一个大客户——任天堂。 更幸运的是，它成为了流行的 Switch 的芯片！
Switch推出时，已经是2017年了，此时Tegra移动处理器系列刚刚走过了十年。 但“吃一顿好饭永远不会太晚。” 趁着Switch，Tegra移动处理器终于有机会大显身手了！
2016年8月，Tegra Parker推出，工艺升级为16nm工艺。 CPU采用“四个A57+两个Denver2”的六核架构，GPU升级为全新Pascal架构。
次年9月，Xavier发布（两年后才交出样品，量产要等到2020年），工艺升级为12nm工艺。 这是英伟达首款为高级自动驾驶开发的芯片，同时也针对机器人和边缘计算等计算平台。
Tegra系列芯片已经发展到Xavier一代。 它不再只是一个处理器，而是完成了一次华丽的蜕变——成为一台提供人工智能的超级计算机（因此“Tegra”前缀被去掉了）！
3.人工智能王
要说Nvidia在AI领域称霸的由来，还得追溯到2006年推出的通用GPU计算的CUDA架构。它的革命性之处在于，它可以充分利用并行处理能力GPU通过CUDA编程解决巨大的计算问题。
打个比方，如果让一个数学教授和100个小学生比拼数学能力，那么如果给他们一个高等数学方程，数学教授可以轻松解出，但100个小学生当场就糊涂了; 但如果给他们100道四算术题，那么100个小学生的计算速度比数学教授快得多！
这里，数学教授扮演CPU的角色，100名小学生扮演GPU的100个核心的角色，而100道四算运算题指的是通用GPU计算。 恰好人工智能深度学习依赖于通用GPU计算！
2016年，NVIDIA推出了全球第一台集成深度学习超级计算机——DGX-1，这是一台配备8个P100加速器、能够强力支持人工智能应用的超级计算机。 当时黄仁勋眼光独到，将第一台DGX-1直接捐赠给了初创公司OpenAI。
2017年推出“Volta”GPU架构，首次引入了名为“Tensor Core”的计算单元，专为深度学习而设计。 基于该架构设计的Tesla V100 GPU加速器为DGX系列AI超级计算机提供了极其强大的动力支持！
2018年，我们再接再厉，推出了“图灵”GPU架构，为全球首款具备实时光线追踪能力的GPU（即RTX 8000）提供支持。 实时光线追踪长期以来一直被视为计算机图形技术的终极目标，而NVIDIA的此举可以说重塑了计算机图形技术。
2019 年，丰田和沃尔沃集团开始使用 NVIDIA DRIVE 端到端平台开发和训练安全的自动驾驶汽车，并将其部署到全球交通行业。
2020年，NVIDIA收购了高性能互连技术领导者Mellanox（成立于1999年），将HPC领域的两家优秀公司合而为一。 同年推出“Ampere”GPU架构，助力实现强大、灵活的新型数据中心。
2022年11月底，OpenAI旗下人工智能会话聊天机器人ChatGPT上线，并迅速在社交媒体上走红。 真正处理ChatGPT的GPU是NVIDIA的HGX A100（基于Ampere架构）！
结尾：
2020年9月开始的“英伟达400亿美元收购ARM”交易，因严格的监管审查和竞争对手的反对，于2022年2月正式以失败告终。 为此，NVIDIA向软银支付了12.5亿美元的巨额资金。 “分手费”。
原因是ARM本身太重要了。 如今，在移动市场，90%以上的智能手机、平板电脑等移动设备都在使用ARM提供的架构，更不用说物联网了。 因此，欧盟、中国和美国科技巨头（如谷歌、苹果、高通）都强烈反对。
不过，对于英伟达来说，这只能算是“小赌小乐”的一个小插曲，并没有损害它的活力。 近年来除了继续在显卡领域占据主导地位外，得益于人工智能和自动驾驶的快速发展，其市值已超过7100亿美元（半导体行业最高）！
