英伟达想靠并购赢下AI时代_风闻

**作者｜**张尧

**编辑｜**胡展嘉

**运营｜**陈佳慧

**头图｜**英伟达官微

**出品｜**零态LT（ID：LingTai_LT）

DeepSeek引发的海啸，并未让英伟达一蹶不振。

2025年1月底，DeepSeek发布的开源模型R1，仅使用2048个英伟达H800芯片，耗费约560万美元，就可以比肩OpenAI同类模型，引发全球科技行业关注。有鉴于DeepSeek可能击垮英伟达“卖水人”的商业故事，资本市场开始谨慎看待后者。2025年1月以来，英伟达股价下跌约23%，市值蒸发超8444亿美元。

▲图：英伟达自1月来的股价走势图

不过近几天，英伟达却走出了“微笑曲线”。2月4～6日，英伟达股价连续三天上涨，累计涨幅达10%，市值重回3万亿美元上方。

这或许是因为英伟达积极“拥抱”DeepSeek所致。1月31日，英伟达官宣，DeepSeek-R1模型已作为NVIDIA NIM微服务预览版上线使用，“DeepSeek会需要更多英伟达芯片满足服务的需求。”

事实上，复盘英伟达的成长史不难发现，“拥抱”对手，恰恰是其崛起的关键诱因。考虑到AI技术方兴未艾，遭遇波折的英伟达，或将进一步加快投资AI企业的步伐。

吞并头号劲敌

英伟达成GPU领域龙头

尽管现如今已成全球科技霸主，但成立之初，英伟达无论是产品还是品牌号召力，均落后于IBM、3dfx等企业。

根据天眼查信息，以及媒体综合资料显示，1993年1月，黄仁勋、克里斯·马拉科夫斯基和克蒂斯·普里姆联合创立英伟达。彼时，IBM、Trident、3dfx等企业已经靠MGA、Trident 8900、Voodoo等显卡站稳脚跟，掀起了“显卡大战”。

由于对电子游戏充满热情，黄仁勋敏锐意识到，以四边形作为基本体，可以使画面更具表现力，并且也可以弯道超车一众使用三角形作为基本体的竞争对手。

然而，微软却宣布，其图形软件仅支持三角形，押错宝的英伟达顿时陷入困境，为此，英伟达解雇了50多名员工，并将剩余资金投入到未经测试的微芯片生产之中。

▲图：英伟达官网

事实证明，英伟达确实豪赌成功。1997年4月，英伟达推出全球首款支持硬件三角形引擎的128bit 3D图形处理芯片RIVA 128，售价仅为200美元，比竞争对手便宜30%左右。因极具性价比，RIVA 128上市四个月出货量破100万台。

得益于RIVA 128热销，1999年1月，英伟达在纳斯达克挂牌上市。随后，借助资本市场的力量，英伟达开始了并购之旅。

如果要选出上世纪 90年代GPU市场的龙头，3dfx说第二，没人敢说第一。凭借初代Voodoo的先发优势，以及与之匹配的Glide API，3dfx曾在3D显卡市场占据85%左右的份额。然而，由于产品进步迟缓，以及收购板卡制造厂STB Systems导致华硕、帝盟、技嘉等合作伙伴众叛亲离，20世纪末，3dfx一蹶不振。最终，2000年12月，英伟达斥资7000万美元现金以及100万美元股票收购3dfx。

▲图：英伟达官网

收购3dfx之前，英伟达已于1999年8月推出GeForce 256。由于可以以并行计算的方式渲染当时的热门游戏《雷神之锤》，GeForce 256引得无数PC玩家追捧。

将3dfx收入麾下后，英伟达不止减少了一个竞争对手，更斩获了40多项专利和100位经验丰富的工程师。得益于此，此后几年，英伟达持续精进GeForce、Quadro系列的升级产品，成功在GPU市场占有一席之地。

为了进一步强化在GPU领域的优势，2003～2008年，英伟达还陆续收购了视觉渲染软件开发公司Mental Images、游戏物理技术开发商AGEIA等企业。

其中Mental Images的光线追踪技术至今仍是英伟达GPU的看家本领。而AGEIA的物理引擎PhysX则被整合进了英伟达的GPU产品，可以极大地提升游戏的画面表现力。

根据天眼查等媒体综合信息来看，成立最初的十五年，英伟达的经营重心主要集中于GPU。通过一系列并购，英伟达的GPU逐渐建立起较强的比较优势，进而成为了消费者的主流选择，而英伟达也顺势成为GPU领域的龙头。调研数据显示，2007年，英伟达营收为41亿美元，是上市时的11倍，GPU市占率约为65%。

移动芯片受挫

英伟达苦练CUDA内功

尽管2008年前后，PC依然是当之无愧的大众计算平台，但随着技术逐渐成熟，智能手机也开始乳莺初啼，逐渐彰显想象力。

事实上，早在iPhone诞生之初，英伟达就看到了移动终端的潜力，天眼查信息显示，英伟达先后于2007年斥资3.57亿美元收购为苹果iPod打造SoC芯片的PortalPlayer、2011年斥资3.67亿美元收购英国基带芯片制造商Icera，入局移动芯片市场。

▲图：英伟达

2008年2月，英伟达推出了自家首款移动芯片产品Tegra，集成ARM架构处理器和GeforceGPU，主要面向小型移动设备。得益于多年深耕GPU积累的经验，英伟达推出的Tegra处理器性能强大，但由于此前较少涉猎小型移动设备，而智能手机的散热能力又十分有限，该处理器也出现了严重的发热问题。

比如，2013年9月问世的小米3中国移动版搭载了英伟达Tegra 4处理器，使用Cortex-A15四核架构，性能是A9架构的240%。央广网报道，首批发售的16GB TD版小米3手机游玩《极品飞车》时，17分钟温度超40℃，1小时后温度超50℃。

这直接导致，诸多智能手机厂商纷纷冷眼看待Tegra芯片。最终，2015年，英伟达无奈出售Icera业务，退出移动芯片市场。

尽管在智能手机市场竹篮打水一场空，但与布局Tegra相同步，英伟达也推出了CUDA计算架构。这让错失移动互联网红利的英伟达，找到了新的商业护城河。

▲图：英伟达

2006年，英伟达打造了一个可以在GPU上进行并行计算的编程模型和工具CUDA。借助CUDA，开发者们无需在低阶语法的撰写上耗费大量时间，可以直接运用C++、Java等高阶语法，编写适用于通用GPU的算法。这一转变，有效攻克了并行运算中复杂的难题，让算法开发变得更加高效、便捷，大幅提升了开发者的工作效率。

为了夯实CUDA的竞争力，2013年，英伟达收购高性能计算系统编译器开发公司PGI。收购完成后，PGI为英伟达多核x86芯片和GPGPU系统开发高级编程框架。目前，英伟达仍在使用PGI命名自家的HPC编译器和工具集。

或许是因为移动芯片失败带来的挫败感太强，除了前期收购PortalPlayer、Icera等移动芯片相关企业，2008～2015年，英伟达并未并购太多企业，而是退回GPU舒适圈，通过CUDA计算架构，牢牢锁住下游客户。

这不光奠定了英伟达GPU行业翘楚的地位，也为公司布局AI技术，奠定了夯实的基础。

再次加速并购

英伟达能赢下AI时代吗

尽管CUDA计算架构的本意在于帮助工程师更高效率编写适用于通用GPU的算法，但其在AI领域也有诸多优势。

AI任务通常涉及处理海量的数据，如大规模的图像、音频和文本数据等。CUDA能够利用英伟达GPU的大量核心进行并行计算，可同时处理大量数据元素，大大提高数据处理速度。

此外，CUDA与深度学习框架的集成非常紧密，提供了简洁的API和工具，使得开发者可以轻松地将CUDA的功能融入到AI项目中。即使是没有深入了解CUDA底层原理的开发者，也可以通过这些框架方便地利用CUDA的优势，快速搭建和训练AI模型。

2024年5月，当被Stripe创始人Patrick Collison问及“如果没有CUDA，NVIDIA能在AI领域取得同样的成功吗？”时，黄仁勋坦率地表示，“不，这是不可能的。CUDA可能是现代计算领域最重要的发明之一。”

再加上英伟达GPU具备大量计算核心，可同时处理多个任务，实现高度并行计算。2023年后，伴随着ChatGPT爆火，英伟达讲出了“卖水人”的商业故事，即成为AI算力关键供应商。

天眼查及Gartner披露的数据显示，2024年，英伟达共销售约150万～200万个AI GPU，为2023年的三倍。同期，英伟达在全球人工智能芯片市场的市占率高达90%，创历史新高。

英伟达在AI领域成为至关重要的“卖水人”，一方面与自家的GPU产品算力充沛以及差异化的CUDA计算架构有直接联系，另一方面，也离不开十数年的潜心布局。尽管近年来AI技术才成为时代的风口，但早在2015年，英伟达就已开始悄然布局相关业务。

▲图：东兴证券

2015～2022年，英伟达相继收购TransGaming、Mellanox、SwiftStack等游戏技术、通信网络技术、存储软件公司，在以通信网络为代表的其它设施领域构筑了深厚的商业护城河。

乍一看，这些并购活动与AI并无直接关联，但实际上，它们却为英伟达的AI技术发展带来了深远影响。通过这些并购，英伟达得以打造更为完备的端到端解决方案，应用于数据中心和高性能计算领域。这不仅使英伟达在AI和HPC应用场景中，实现了计算与网络的深度融合，还显著提升了其产品在处理相关工作负载时的性能表现。

▲图：Dolphin Research

通过高质量的通信网络串联起高算力的GPU后，随着AI技术飞速发展，数据中心业务逐渐成为英伟达的营收支柱。财报显示，2024年Q3，英伟达数据中心业务营收308亿美元，同比增长112%，营收占比高达87.79%。

正因为收购以Mellanox为代表的通信网络技术公司意义重大，2023年10月，接受《Acquired》采访时，黄仁勋感叹道，“这是我所做的最佳战略决策之一。”

成为AI领域的“卖水人”后，英伟达并未停止扩张的脚步，而是加速并购AI相关企业，Dealroom披露的数据显示，2024年，英伟达斥资10亿美元，投资了50家AI初创公司，包括Run:ai、Nebulon、OctoAI等。对此，黄仁勋表示，“我们是首批投资自己的AI超级计算机的科技公司之一。”

英伟达之所以亲自下场，扶持AI初创企业，固然与微软、亚马逊、谷歌等巨头正纷纷“出逃”，着力打造定制芯片有直接联系，另一方面，也是希望向垂直领域延伸，充分挖掘下游企业的需求。

比如，英伟达24财年股东大会，黄仁勋对外表示，“在医疗保健领域，特别是在药物研发这一细分市场，人工智能的应用正为其注入前所未有的强大动力。”为此，英伟达开发了一系列创新工具，包括专为药物发现设计的Biomolecular Generative AI平台、Pararay软件等，这些工具可以使计算机辅助药物研发变得切实可行。

而为了推广这些创新工具，英伟达近年来接连投资了Vinbrain、Terray、Evolutionary Scale等AI制药企业。

据悉，Vinbrain的AI医生助手DrAid，基于NVIDIA DGX A100 超级计算机开发。无独有偶，英伟达也对外表示，将为Terray提供NVIDIA DGX Cloud平台，利用NVIDIA AI软件堆栈和全栈计算专业知识，协助后者优化和扩展基础模型的开发。

总而言之，复盘英伟达过去三十多年的成长史可以发现，其成长历程可以分成三个阶段。

第一个阶段主要聚焦GPU产品，通过收购3dfx成功在GPU市场站稳脚跟；第二个阶段虽然试图发力移动芯片，但因产品存在严重的发热问题，英伟达无奈退守GPU市场，通过CUDA计算架构，夯实了基本盘；第三个阶段则依托于高质量的GPU和通信网络技术，成为了AI时代的“卖水人”。

回顾英伟达的成长历程时，黄仁勋表示，公司推出的几个具有里程碑意义的关键技术，都源于自家GPU技术的“泛化”应用。如果说“泛化”的理念源于英伟达的前瞻性眼光，那么“泛化”的具象化表现，则以并购为主。

通过并购一众杰出的企业，英伟达得以不断拓宽GPU的应用边界，进而成为了科技行业的翘楚。相信随着AI技术不断发展，英伟达不会停下并购的脚步，而是将继续“泛化”出更多的惊喜。

如对稿件有异议请联系[email protected]

—END—

本文为零态 LT 原创，未经允许，请勿转载

原文链接：https://mp.weixin.qq.com/s/oKz7ucSKBU0CW5AVGTntgQ