1993年：一家只做游戏显卡的小公司
1993年，30岁的黄仁勋和两个合伙人在加州一家 Denny's 餐厅里创办了英伟达。那时候的硅谷，个人电脑刚刚走进家庭，游戏画面粗糙得像马赛克。黄仁勋的判断很简单：未来人们会需要更好的图形体验，而专门处理图像的芯片就是答案。
这个想法并不新鲜，但英伟达差点死在起跑线上。前两款芯片都失败了，公司资金紧张到发不出工资。1997年，英伟达推出 Riva 128，才终于站稳脚跟。随后 GeForce 256 的发布，让“GPU”这个词第一次进入大众视野。
回头看，英伟达的前十年，只干了一件事：把游戏画面做得更漂亮。没人想到，这张小小的游戏显卡，后来会成为大模型时代的“石油”。
2006年那场被嘲笑的豪赌：CUDA
2006年，黄仁勋做了一个让华尔街费解的决定：把英伟达的游戏显卡开放给科学家和程序员，推出通用计算平台 CUDA。
当时的显卡是为画三角形设计的，让显卡去算天气预报、分子模拟，听起来像让赛车去耕田。更关键的是，CUDA 是免费的。英伟达每年投入数亿美元，却看不到明确的商业回报。
但黄仁勋看准了一点：GPU 的并行架构，天然适合处理大量重复计算。游戏画面里的每一个像素，和科学计算里的每一个数据点，本质上是一回事。这个当时不被理解的战略，后来成了英伟达最深的护城河。
2012年：一张 GTX 580 改变AI历史
2012年秋天，多伦多大学教授杰弗里·辛顿带着两个学生参加 ImageNet 图像识别比赛。他们用的不是 CPU，而是四张英伟达 GTX 580 显卡。这个叫 AlexNet 的神经网络，以压倒性优势夺冠，把错误率从 26% 一下拉到 15%。
深度学习研究者突然发现，原来训练神经网络真正需要的是“暴力算力”，而显卡是最便宜的暴力来源。一夜之间，全球高校的实验室都开始抢购 GeForce 显卡。英伟达花了七年时间种下的 CUDA 生态，在这一年迎来了春天。
从那一刻起，英伟达不再只是一家游戏公司。它成了人工智能革命的地基。
大模型时代：卖铲子的人最赚钱
2022年底，ChatGPT 的发布点燃了大模型竞赛。训练一个 GPT 级别的模型，需要数千张顶级 GPU 连续运转数月。全球科技巨头排队给英伟达送钱，A100 和 H100 芯片一度比奢侈品还难买。
2024年，英伟达数据中心业务季度收入首次超过游戏业务，公司市值一度突破三万亿美元。黄仁勋最爱用的一个比喻是：淘金热里，卖铲子的人最赚钱。而英伟达，就是 AI 淘金热里唯一的大规模铲子工厂。
这家曾经只做游戏显卡的公司，如今掌控着全球 AI 算力的心脏。
黄仁勋的管理哲学：永远像创业公司一样打仗
英伟达的崛起，不只是押对了技术方向。黄仁勋的管理方式也与众不同。他常年穿黑色皮夹克，直接向六十多位高管汇报，取消了许多传统大公司的层级会议。
他相信，信息不应该在层层汇报中被过滤。员工可以直接给他发邮件，问题会被立刻拉到最高层解决。这种扁平化的文化，让英伟达在三十年后依然保持着创业公司的敏捷。
黄仁勋常说：“我们离破产只有三十天。”这句话他挂在办公室里，也刻进了公司的基因里。
给AI开发者的三条启示
第一，算力是新时代的编译器。 十年前，开发者比拼的是算法技巧；今天，谁能更高效地调用 GPU 算力，谁就能更快把想法变成模型。理解 CUDA、TensorRT、NCCL 这些底层工具，正在成为核心竞争力的来源。
第二，不要只盯着模型参数。 大模型的竞争已经从“谁的参数更多”转向“谁的训练效率更高”。同样的模型，用更优的并行策略和显存管理，训练成本可能差出几倍。
第三，基础设施才是长期战场。 黄仁勋三十年前押注的是大多数人看不起的底层硬件。对普通开发者来说，这意味着：在追逐热门应用的同时，也要关注那些被低估的工具链、数据集和部署平台。
结语
从大模型训练到自动驾驶，从科学计算到机器人控制，英伟达的芯片已经无处不在。黄仁勋用三十年时间证明了一件事：在技术浪潮里，最持久的胜利，往往属于那些愿意在别人看不见的地方持续下注的人。
当后人回望 AI 革命，他们会记得 ChatGPT、会记得 GPT-4，也会记得那个穿着皮夹克、在游戏显卡里埋下 AI 种子的华裔中年人。