2013年至2023年这十年，英伟达的市值翻了115倍，是美国股市回报率最高的公司。

看到别人看不到的机会，成为人工智能弄潮儿

黄仁勋出生于中国台湾，四岁随父母移民美国。1984年大学毕业，获得俄勒冈州立大学和斯坦福大学工程学位。1993年，他与两位朋友共同创办了英伟达，总部设在美国加利福尼亚州圣克拉拉市。

早期英伟达的产品是GPU(图形处理器)，俗称显卡，主要用于游戏。英伟达在3D游戏领域取得突破性进展，成为GPU行业的领头羊。

到2021年为止，能够量产GPU的公司只有英伟达、AMD和英特尔。英特尔以集成GPU为主，AMD两者都有，而英伟达则提供独立GPU，在独立GPU市场，英伟达占80%多的市场份额。

不过相对于CPU(中央处理器)，GPU的市场小得多。芯片行业的老大是主要生产CPU的英特尔和AMD。2000年，英特尔的市值是2770亿美元，世界排名第六，是英伟达的60倍，如今是英伟达的七分之一。

CPU和GPU的区别主要是，CPU擅长逻辑控制的串行计算，GPU则擅长大规模的并行计算。

经常打的一个比方是，CPU好比学识渊博的教授，而GPU好比一群小学生。即使教授再神通广大，也不能一秒钟内做500次加减法，而500个小学生同时做就能做到。所以，重复的简单计算适合用GPU。而图形的识别，就是对每个像素进行同样的简单计算，显然用一群小学生同时计算比用一个教授一个个像素计算效率要高得多。

因此，GPU特别适用于图形图像计算、天气预报、神经网络AI模型以及虚拟货币挖矿等。

2010年，谷歌负责人工智能的吴恩达为了训练神经网络来识别猫，最初使用了16000台计算机的CPU完成了训练，耗费巨大。随后他与英伟达探讨了这件事情，英伟达仅采用了12个GPU就完成了训练。

黄仁勋敏锐地意识到机会来了，GPU不再只是游戏的显卡，它在AI领域有着得天独厚的优势，随着AI的发展，GPU的需求将与日俱增，而CPU将成为配角。英伟达赶超英特尔和AMD，在此一搏。

当时，适逢投资周期低谷，热过一阵的AI已经被很多人遗忘，就是业内人士所谓的“AI寒冬”，研究开发人员哀叹他们将永远无法获得足够的算力实现自己的梦想。而黄仁勋则逆势投资，摩拳擦掌，大举切入数据中心市场。

英特尔和AMD还浑然不觉芯片行业将发生地动山摇的变化。每次新技术的问世普及，都是行业洗牌的大好时机，英雄还是狗熊，立见分晓。

2017年黄仁勋宣布将英伟达的未来押注在AI上。彼时，OpenAI才刚刚成立不到两年，ChapGPT的研究还在起步阶段。

2021年第二季度，英伟达的数据中心业务销售收入首次超过它原来的主业游戏。

此外，早在2008年，英伟达就开始布局自动驾驶平台化芯片，抢占智能汽车市场份额。同时，英伟达元宇宙(NvidiaOmniverse)制定通用标准，打通不同设计平台，已成为元宇宙平台级应用。

黄仁勋的梦想不仅仅是摆脱游戏公司的定位，成为AI浪潮中的“卖铲人”，他更希望成为AI浪潮的推动者、加速者。这些年，黄仁勋一再表示：“英伟达不是游戏公司，它将推动下一个AI大爆炸。”

一开始很多人认为他想多了，一个卖游戏显卡的公司是不是高估了自己?

去年11月ChapGPT横空出世，举世瞩目，大家忽然都明白了，AI时代已经来临。AI是继个人电脑、英特网、移动电话、云之后又一个革命性的技术，而且影响将更深远。

英伟达是这波AI大浪潮中获益最多的公司。2023年年初至今，它的股价已经翻了近两倍。

正如芒格所说：“永远不要低估一个高估他自己的人，因为他很可能是对的。”虽然最近他说的是马斯克，然而对黄仁勋也同样适用。

推出全套产品与服务，锁定客户，打造进入壁垒

客户使用GPU，需要和CPU配套，而CPU的龙头老大是英特尔，老二是AMD。黄仁勋决定自研CPU，为客户提供全套服务。

2021年英伟达推出自己的CPUGrace系列产品，以GraceHopper(格蕾丝·赫柏)命名。Grace是一位传奇女性，她是耶鲁大学第一位女博士，杰出的计算机科学家，同时也是美国海军将军。她发明了世界上第一个编译器，开发了第一套完整的程序语言COBOL。美国海军“赫柏号”驱逐舰就是以她命名的。

CPUGrace基于软银集团旗下的芯片设计公司ARM的架构。ARM是移动设备的首选架构，市场占有率超过90%，被誉为“移动互联网时代的明星”。

很多年前，黄仁勋就和软银接洽，希望收购ARM。2020年9月，软银宣布同意以高达400亿美元的价格将ARM出售给英伟达。但是后来因各国监管部门的反对没有成交。今年年初，英伟达不得不宣布收购计划最终失败，取而代之的是以12.5亿美元获得20年使用权的新交易。

不过对其他公司的收购相对顺利得多。2019年，英伟达以69亿美元收购了Mellanox公司，获得了InfiniBand(无限宽带)技术，使网络交换速度得到保证。同时获得了Bluefield芯片，英伟达将其称为DPU(DataProcessingUnit)，承担原先需要CPU来执行的网络数据处理、分发的重任，有效降低云计算的性能损失，释放CPU算力，降低功耗的同时，大大降低云数据中心的运营成本。

至此，英伟达的CPU+GPU+DPU产品矩