AI热潮下的最大赢家，英伟达却有段忍辱负重史

达成了专利交叉许可协议。

忍辱负重铺长路
2004年到2007年，英伟达游戏和专业绘图处理器业务稳步增长，度过了顺风顺水的四年。不过，在这四年里，英伟达首席科学家David Kirk却在思考着一个更长远的问题--让只做3D渲染的GPU技术通用化。

理由是，英特尔的CPU可以通过多线程技术被所有计算机应用分享，但GPU还只能通过OpenGL/DirectX等接口跟用户交互。如果能够在GPU中提供合适的编程模型，将丰富的GPU并行运算资源分享给开发者，那么每台PC都可以变成一座超大规模高性能计算机。

这样的设想只能满足英伟达2007年新推出的大规模并行运算芯片--Tesla，对于其传统游戏和专业绘图业务来说，并没有这样的高性能运算需求。不过David Kirk最终还是说服了黄仁勋，投入大量资源研发出了能够让GPU变得通用化的CUDA（Compute Unified Device Architecture）技术，并让每一颗英伟达GPU都支持CUDA。

这一疯狂举动成本巨大。由于必须在硬件产品设计中增加相关CUDA逻辑电路，使得芯片面积增大、散热增加、成本上升、故障率增高；同时，还要保证每款产品的软件驱动都支持CUDA，这对英伟达的工程师来说是巨大的工作量。

2008年，CPU巨头AMD收购英伟达老对手ATI，形成了CPU整合GPU的新解决方案。Intel也终止了与英伟达的合作，在自家芯片组中集成了3D图形加速器。巨头夹击中，英伟达只得走高性能独立显卡一条路，然而其主打的高端笔记本独显产品8600M系列却出现了和散热有关的品质问题，导致黑屏或烧机等故障。很多人认为，该事故原因主要由于支持CUDA会加大芯片散热压力，英伟达采用了芯片制造商台积电不成熟的封装材料，才导致散热出现问题。

2008年，英伟达营收骤降16%，股价从37美元跌到6美元左右。不过，一时的挫折并未动摇黄仁勋的信念和决心。

2009年到2012年，虽然英伟达在移动市场上表现平平，甚至为了对抗高通，还做了一桩不划算买卖。但是，随着基于CUDA的通用GPU在高性能计算领域威力凸显，英伟达也迎来了发展史上最重要的时期。

2012年，深度神经网络技术在通用GPU的支持下实现重大突破，包括计算机视觉、语音识别、自然语言处理，以及各个领域的人工智能技术都得到了快速发展的条件。英伟达的数据中心业务也蒸蒸日上，为大大小小的公司提供强大计算力支持。

很难说是人工智能捧"红"了英伟达，还是英伟达成就了人工智能。不过可以肯定的是，在已经到来的AI时代，英伟达为各行各业提供了发展和应用人工智能技术的有力支持。

产品业务篇
两类产品、四大市场
自创立至今，英伟达曾推出过包括GPU、CPU、主板芯片组等多种类型的芯片产品。主板芯片组业务由于和英特尔的纠葛已经在2009年彻底停掉。如今，英伟达的芯片产品包括两大类别：GPU和Tegra处理器。

表：英伟达产品类别

这两大类产品、七大系列又分别服务于游戏、专业视觉化、数据中心、汽车四大市场。此外，OEM和专利授权也为公司贡献着一部分营收。

图：FY2013-2016英伟达四大市场营收数据

表：FY 2015-2017英伟达各市场营收数据，注：英伟达财年一般截止当年1月底。

游戏业务产品包括为PC游戏设计的GeForce GTX GPU，SHIELD家族中针对平板和便携设备的移动游戏，为云端游戏设备提供的GRID，以及游戏平台开发服务。

游戏一直是英伟达的主要营收来源，自2015财年Q4以来占比一直保持在50%以上，每年增长率也稳定在30%以上。由于游戏是人类长久刚需，PC仍是目前主流游戏设备，计算能力的提升带动了视频游戏产业在过去十几年间经历了爆发性增长，这种爆发还会持续下去。

专业视觉化产品在设计制造、数字内容创造、企业图像视觉领域发挥着重要作用。该业务以Quadro为核心，通过和独立软件开发商合作，用于提高汽车、媒体、娱乐、油气、以及医疗影像等行业核心环节生产力。随着虚拟现实技术的发展，它所服务的行业已经从游戏拓展到医疗、建筑、产品设计、零售、旅游等众多领域。

自1999年推出以来，专业视觉化业务一直为英伟达贡献着稳定营收。受其他业务增长影响，这块业务近几年占比持续下降，增长率经历了2014和2015年的停滞和下降，去年有了11%的增长。

数据中心产品主要是英伟达的Tesla芯片，它将GPU并行处理用于通用目的计算，大大提高了高性能计算器以及数据中心系统的计算表现，降低了能耗，为航空、生物科学研究、医疗以及流体模拟、能源探测、深度学习、计量金融以及数据分析等领域广泛应用。此外，Tesla GPU以及cuDNN软件已经被广泛用于深度学习，用来处理图像识别、语音识别、语义理解等AI任务。除