NVIDIA走向“芯生”巅峰，都经历了什么？

量又创新低，自2011年达到3.62亿台的高点后，过去4年跌幅超20%。

全球智能手机出货量和全球PC出货量的走势对比

随着PC的不景气，以图形处理器为主要营收的英伟达从2009年开始表现不佳，但最近几年有了一些起色。

英伟达的营收、毛利、净利表现

英伟达各类业务收入

除了GPU之外，移动业务的开展不顺是英伟达过去几年不被市场看好的主要原因。上图中Tegra处理器就是拖累英伟达的重要X因素。

其实在苹果和安卓出来之后，英伟达本身已经看到了移动处理器的市场，因此在2008年，英伟达针对移动市场推出了Tegra系列芯片组，这是主要针对手机和平板的产品系列。

每个 Tegra 内置ARM架构的处理器核心、基于GeForce的图形处理器、音效处理器、北桥芯片、南桥芯片和内存控制器置入一个单一的软件包。

由于NVIDIA在移动方面的经验不足，其第一代Tegra产品发布的时候，只能够专注于一种操作系统。所以，NVIDIA选择与微软合作。例如Zune HD就利用了Tegra芯片。之后，NVIDIA不再专注于一种平台。第二代的Tegra已经可以支持Android。

其实当时Tegra 2系列已经获得了摩托罗拉、LG、还有几家国产品牌力挺；而Tegra 3也有 HTC One X和Nexus7采用；到了Tegra4，由于前代的表现不佳，已经没有国际大厂敢用到旗舰上了，最知名的只有小米将其应用在小米3移动版上。到了最新的Tegra K1和X1，似乎已经都没有厂商用了，貌似只有英伟达在其Shield X1平板和游戏机上用。可以说英伟达与移动无缘了。

根据知乎用户卢亮的观点，英伟达Tegra能有这样的结果，与英伟达大吹特吹的GPU和游戏性能有关，尤其是在Tegra3时期被高通、三星等SoC完爆之后，就没有翻身的机会了。

他还特别对这个系列的几款产品做了评价。

Tegra2时代，那时候高通还是主打被人诟病的胶水双核，Tegra2性能小胜，视频解码能力完爆高通。凭借优秀的看电影解码能力，此时期Tegra2是当年安卓平板的标配。

Tegra3时代，GPU性能被完爆，视频解码也被追上。不多的大厂多半是为了制衡高通，还有就是一些国产山寨平板，可能同期高通卖的太好，小厂完全没有议价能力。

他强调，Tegra3本来出货就晚，出的时候还不如高通上代的Adreno 2XX系列。没多久8064出了，用的Adreno 320，Tegra3被吊打。想想用高通处理器稳定30帧以上的游戏，换成Tegra3只有10帧，就没有终端敢采用。

Tegra4时代，挽回一点面子，但表现仍然不如骁龙800的Adreno 330。而此时市场机会已经错过了，再想从高通那里抢回份额已经很难。

再加上，英伟达的Tegra没有基带集成，加上在PC端强势的英伟达在GPU在上也继承了相关优势，但是对于移动设备开发商来说，这个可能就显得没那么重要，于是最后造成了成本过高，于是英伟达在这个庞大的市场里近乎颗粒无收。但没想到，用不了三年，英伟达再一次成为了市场关注的热点。

人工智能推动股价走向历史新高

兴起于2007年的移动设备市场在最近几年走势疲软，半导体厂商们正在寻找下一波利润增长点，而在终端需求和上游技术的推动下，人工智能进入了飞速发展的阶段，可预期的市场规模吸引了厂商的高度关注。

根据Tractica的数据显示，到2025年，AI的市场规模会激增到368亿美元。而英伟达的GPU天生属性，使其成为人工智能时代的"新贵"。

人工智能的市场规模预测（source：Tractica）

在对并行计算有更强需求的人工智能领域，相比CPU来说，GPU的计算性能有大幅提升,当前英伟达GPU计算性能已经超过CPU50倍,并且其性能还在快速提升,从13-15年英伟达GPU性能就提升5倍。使其成为人工智能公司的首选。

而在今年年初纽约大学的一场"人工智能的未来"年度座谈会上，英伟达CEO受邀做了发言。

他表示，GPU 加速型计算是一种新型计算模式，它利用大规模并行图形处理器来加速那些具备并行特点的应用程序。科学家和研究人员转而采用 GPU 来执行分子级模拟以确定救命药物的有效性、以 3D 图形形式呈现我们的器官 (利用少量 CT 扫描来重建图像)、或者运行银河级模拟以发现支配我们宇宙运行的定律。

他还指出，NVIDIA GPU 天生擅长处理并行任务，可令 DNN 的速度提升 10-20 倍，从而能够将反复训练耗时从数周缩短至数天，并且我们没有就此止步。通过与人工智能开发者展开合作，我们不断改善我们的 GPU 设计、系统架构、编译器以及算法并在短短的三年里使训练深度神经网络的速度提升了 50 倍，这一发展速度远比摩尔定律快多了。我们预计，在未来几年里训练速度将再提升 10 倍。

而英伟达现在在人工智能领域也有了几款不错的产品布局，主要集