《NVIDIA：GPU 发展史》

01失败的第一款芯片（1993—1997）

NV1：押错的图形技术路线

NVIDIA 于 1993 年 4 月 5 日由黄仁勋、Chris Malachowsky 和 Curtis Priem 共同创立——按公司自己的说法，创始会议是在圣何塞的一家 Denny's 餐厅召开的。公司首款产品 NV1（1995 年）押注一种名为二次曲面渲染的图形方案，而非当时行业围绕微软 DirectX 标准逐渐统一采用的三角形渲染方案。这次押注在商业上失败了，NVIDIA 一度濒临资金耗尽。

RIVA 128：力挽狂澜

转机出现在 1997 年的 RIVA 128：一款采用传统三角形渲染的 3D 芯片，上市头四个月就卖出逾一百万片。它不仅挽救了公司，还确立了此后 NVIDIA 反复重演的模式。

02GeForce 与「GPU」的诞生

GeForce 256 与上市

1999 年 1 月 22 日，NVIDIA 以每股 12 美元的价格在纳斯达克上市。同年，公司发布 GeForce 256，并将其宣传为全球首款“GPU”（图形处理器）——这一术语是 NVIDIA 为此次发布自创的，此前并非行业既有说法。这一称号背后的技术主张是：GeForce 256 把此前由 CPU 承担的变换与光照计算，转移到了显卡本身之上。

“全球首款”的核实

GeForce 256 是否真的是首款实现这一功能的芯片，硬件史学者对此存在争议——竞争对手也曾发布过功能有所重叠的芯片——但这一营销说法最终站住了脚，“GPU”成为该品类的行业标准术语，NVIDIA 也自此与这一称号紧密绑定。

03对 CUDA 长达十年的投入

CUDA 发布，与 Tesla 同步登场

2006 年 11 月，NVIDIA 发布 CUDA，这是一个编程平台，让开发者能够编写直接运行在 GPU 硬件上的通用代码，而不必再像研究者此前依赖的笨拙变通方法那样，把非图形计算伪装成图形操作，通过 OpenGL 执行。CUDA 与 NVIDIA 的 Tesla GPU 架构同步发布，该架构引入统一着色器模型，让芯片上的每个核心都能执行通用计算，而不是被固定拆分为仅用于图形或仅用于着色的单元。

AlexNet：说服整个领域的关键时刻

此后多年，CUDA 在这家游戏公司的账本上看起来更像是一项旁支投资——一款面向科研和科学计算、没有明显大众市场的工具。这一局面在 2012 年发生改变：Alex Krizhevsky 与 Ilya Sutskever 在 Geoffrey Hinton 指导下，在两块 NVIDIA GTX 580 游戏 GPU 上训练出名为 AlexNet 的深度卷积神经网络，并以显著优势赢得 ImageNet 竞赛。如今，AlexNet 被普遍认为是说服机器学习领域相信 GPU 而非 CPU 才是大规模深度学习正确硬件的关键时刻——而彼时 NVIDIA 已经花了六年时间构建让这一切成为可能的软件层。

CUDA 护城河

这六年的先发优势，积累成了比单一世代性能领先更持久的东西：一条软件护城河。2006 年至 2012 年间，每一个针对 CUDA 编写的框架、软件库和研究代码库，都让脱离 NVIDIA 硬件的代价变得更高而非更低，这种态势此后只会愈发加深——如今，CUDA 被普遍认为是 AMD 等芯片厂商，尽管已经造出具有竞争力的硬件本身，却始终难以从 NVIDIA 手中夺得可观 AI 训练市场份额的头号原因。

04AI 超级周期（2017—2026）

Tensor Core：专用硬件

NVIDIA 2017 年推出的 Volta 架构引入了 Tensor Core——这是专为加速深度学习核心的矩阵乘法运算而设计的硬件，而非由图形硬件改造而来。此后每一代架构——Ampere、Hopper、Blackwell——都在延续这一押注。

H100 与 ChatGPT 引发的需求冲击

Hopper 架构及其旗舰芯片 H100，于 2022 年 3 月在 NVIDIA GTC 主题演讲上发布，是最明显的转折点。NVIDIA 宣称 H100 在 AI 训练方面比上一代快至多 9 倍，并围绕面向大语言模型的专用“Transformer 引擎”打造。八个月后，OpenAI 发布 ChatGPT，各大科技公司争相训练和运行竞争模型——几乎全部使用 NVIDIA 的 A100 和 H100 芯片，因为竞争芯片厂商的硬件当时并不存在可与 CUDA 相媲美的软件生态。这波需求激增，正是下文所述市值增长的直接原因。

05两轮繁荣与萧条：加密货币挖矿周期（2016—2022）

第一轮繁荣：价格攀升，披露滞后

早在 AI 为 NVIDIA 芯片带来持续需求之前，加密货币挖矿曾两次制造出剧烈但短暂的需求高峰——这两次都在 NVIDIA 如今谈论需求的方式上留下了持久印记。2016 年，NVIDIA 市值约为 140 亿美元。到 2018 年，随着以太坊等可用 GPU 挖矿的加密货币走红，市值据报攀升至 1,750 亿美元；NVIDIA 公布 2018 财年营收创下当时纪录，达 97.1 亿美元，同比增长 41%——NVIDIA 自己的业绩解读将这一增长笼统归因于游戏、数据中心等多个市场，并未单独指出挖矿的具体贡献。

SEC 和解

这一遗漏后来演变成了法律问题。2022 年 5 月，美国证券交易委员会（SEC）指控 NVIDIA 信息披露不充分，认定公司在 2018 财年连续多个季度未能告知投资者，加密货币挖矿需求是其游戏 GPU 营收增长的重要组成部分——掩盖了这部分增长在挖矿需求消退后可能无法持续的风险。NVIDIA 达成和解，同意接受禁止令并支付 550 万美元罚款，但未承认也未否认 SEC 的指控。需求消退来得很快：2018 年 11 月公布的 2019 财年第三季度业绩，因加密相关需求疲软而令投资者失望，当年股价累计下跌约 31%；同月，比特币自身市值跌破 1,000 亿美元——较 2018 年 1 月据报约 3,000 亿美元的峰值大幅回落。

第二轮繁荣与“低算力”限制方案

2021 年迎来第二波、规模更大的挖矿热潮，再次以以太坊为中心，推动 NVIDIA 2022 财年营收增至 269 亿美元（增长 61%），市值一度据报突破 8,000 亿美元。这一次，NVIDIA 试图直接避免重演 2018 年那种玩家反弹和缺货投诉：2021 年 2 月发布的 RTX 3060 搭载了一种“低算力”（Lite Hash Rate，LHR）限制器，NVIDIA 称其通过驱动、芯片与固件之间一种防篡改握手机制，将以太坊挖矿性能削减约一半。但这一限制并未真正守住——大约两周后，一份泄露的 NVIDIA 开发版驱动完全移除了该限制器；此后一年间，矿工通过更多泄露和修改版驱动，逐步夺回了更多被封锁的性能，即便 NVIDIA 已将 LHR 扩展到了大多数 RTX 30 系列产品线。

“合并”一夜之间终结以太坊 GPU 挖矿

第二波热潮的终结并非因为崩盘，而是因为协议本身发生了变化：以太坊于 2022 年 9 月转向权益证明机制（“合并”），一夜之间使该网络的 GPU 挖矿失去意义，也带走了 GPU 挖矿需求的主要来源。NVIDIA 于次月，即 2022 年 10 月，彻底移除了 LHR 限制——彼时限制的需求来源其实早已消失，这项限制本身已无实际意义。两轮周期呈现出相同的模式：由挖矿驱动、NVIDIA 既未主动制造也无法完全掌控的需求激增，随后是同样非 NVIDIA 所致的崩盘。

06成为全球市值最高的公司

跨越 1 万亿美元，再到 5 万亿美元

NVIDIA 于 2023 年 6 月首次突破 1 万亿美元市值——距 ChatGPT 发布仅七个月。此后市值持续攀升：2025 年 7 月约达 4 万亿美元，2025 年 10 月收盘首次突破 5 万亿美元，2026 年 5 月创下 5.5 万亿美元的纪录，是任何上市公司达到过的最高市值。截至 2026 年年中，它仍是全球市值最高的公司，约一年内市值增长两倍，增速快于 Apple 和 Microsoft——这两家是美国仅有的另外两家市值曾突破 3 万亿美元的公司。

股票拆分意味着什么

自 2000 年以来，NVIDIA 已进行六次股票拆分（最近一次是 2024 年 6 月的 10 比 1 拆分），这意味着 1999 年 IPO 时购买的一股，仅按股数计算，到 2026 年年中会变成 480 股——这只是拆分带来的机械效应，并非回报率。

07前方挑战

以往的繁荣—萧条周期，以及这一轮有何不同

NVIDIA 此前已经历过与自身产品路线图无关的剧烈需求繁荣—萧条周期——最典型的就是上文详述的两轮加密货币挖矿周期，每一轮都在挖矿经济性逆转或网络底层算法变化后，紧接着出现供应过剩。当前由 AI 数据中心驱动的需求周期规模更大。

竞争对手与对 TSMC 的依赖

即便以 NVIDIA 目前的规模而言，竞争和依赖风险依然真实存在。AMD 以及越来越多的超大规模云厂商正在打造各自的定制 AI 芯片（见下文），试图侵蚀 NVIDIA 在高端市场的地位——但目前没有一家复制出可与 CUDA 相媲美的软件生态深度。与此同时，NVIDIA 的全部芯片产能都依赖单一外部代工厂 TSMC——这是整个行业共有的集中度风险，但对 NVIDIA 而言仍是一个真实的单点故障隐患。NVIDIA 汽车芯片对中国市场的出口敞口，以及其数据中心芯片面临的出口限制，本站的 DRIVE 一文有更详细的介绍。

08常见问题

09参考来源