英偉達是如何成為晶片行業巨頭的（那些營收超百億美元的半導體廠商之二）

2023-05-28 11:21:53

2021，英偉達是否能續寫傳奇？

亂石穿空，驚濤拍岸，捲起千堆雪，江山如畫，一時多少豪傑。

當前，在新興產業亟待爆發，中美貿易戰疊加新冠疫情等多重因素催化之下，全球半導體產業正經歷著一場前所未有之大變局，而英偉達就是這激流中湧現出來的一朵耀眼浪花。

▲ 英偉達創始人黃仁勳

2021年2月25日，英偉達公布了2021財年（2020年度）財務數據，年度營收與淨利潤都創下歷史新高 —— 營收166.75億美元，同比增長53%，淨利潤為43.32億美元，同比增長55%。

股價5年暴漲20倍，營收在近兩年才剛剛突破百億美元，市值卻一路衝到了3500億美元以上，英偉達一夜間成為全球市值最高的晶片設計企業、世界第三大半導體公司。這家1993年才成立的年輕公司創造的傲人業績，不得不令人側目。

▲ 英偉達近年來營收增速

1993年成立之初，英偉達瞄準爆發前夜的顯卡（GPU）細分市場，2002年後靠拳頭產品站穩行業龍頭，2006年提前布局高性能計算業務，2012年押寶人工智慧浪潮，乘勢爆發。而今，數據中心、汽車正成為英偉達瞄準的新一輪增長曲線。

從GPU起家，立足於遊戲黃金賽道

1999年，英偉達推出GeForce256，這個產品具有裡程碑意義，通過打垮當時的競爭對手ATI成為顯卡龍頭。

由於主要面向遊戲市場，英偉達的GPU（顯卡）避免了像英特爾CPU那樣的尷尬：CPU出貨量的增長隨著個人電腦見到天花板後停止，而GPU由於是滿足遊戲對更高清畫質、更快刷新的追求持續升級。

根據英偉達披露，2010-2015年在全球電腦市場逐步倒退的情況下，公司遊戲顯卡出貨量5年實現9%的年複合增長，銷售均價及收入分別呈現11%和21%的年複合增長，成功與下行的行業趨勢實現背離。

植根於遊戲，使得英偉達能夠抵禦下滑，也獲得了源源不斷的現金流，即使時至今日，遊戲GPU收入佔公司的比重也仍然超過50%。

砸重金推開放式架構創新，布局高性能計算

2006年，英偉達逐步確立GPU市場霸主地位：通過和蘋果電腦、微軟的Xbox主機、索尼PlayStation3主機的合作，發展順風順水，而且外延併購了很多圖形領域的公司，技術實力更上一個臺階。

然而，逆水行舟，不進則退。面對風雲瞬息萬變的市場格局，只有未雨綢繆，才能立於不敗之地。

英偉達毅然決然開始了一項由內而外的突破。

首席科學家戴維·柯克做出了一系列在當時看來風險極高的瘋狂決策，他竭力勸服董事長黃仁勳把GPU通用化 —— 讓一塊只能渲染圖形的獨立顯卡，變成一個通用計算圖形處理器，並且強烈要求英偉達現有與即將推出的所有GPU都必須支持CUDA程序。公司從 2006 年開始投入大量資源，並決定讓未來每一顆 GPU 都支持 CUDA。

英偉達的 CUDA 計算框架（Compute Unified Device Architecture），極大地簡化了對 GPU 進行編程的流程，開發者可以不再使用複雜的機器語言進行編程，而是可以直接通過 CUDA 框架將高級語言編寫好的程序用 GPU 進行計算，受到極大的歡迎。

正是這次大膽的嘗試，使得英偉達不再只是優秀的硬體製造商，而是具備核心軟體系統的生態創造者。這也是後來為什麼英偉達的GPU成為AI領域機器學習算法的通用晶片的核心原因。

▲ CUDA構建的強大生態，支持所有主流深度學習框架

雖然初期推廣並不順利，但2009年，由於基於CUDA的高性能運算研究成果陸續在眾多知名期刊發表並獲得認可，英偉達終於迎來了業務轉機，並奠定了之後10年的AI晶片市場絕對霸主地位，為業界提供了強大的並行運算能力。

如今，英偉達已經在CUDA基礎上開發和積累了針對不同領域的大量算法與軟體，讓數不清的開發者不用寫一行代碼，就能先讓一套深度學習基礎模型跑起來，站在巨人的肩膀上升級。

CUDA架構的推出，使英偉達押注人工智慧這一新興領域獲得重大成功，並由此將市場布局拓展到自動駕駛等更廣闊領域。

進軍數據中心，發掘下一片藍海

「數據中心」被越來越多的分析師認定為下一個蘊藏著巨大商業潛力的藍海市場。

根據中信證券數據，過去10年，全球數據量CAGR接近50%，過去5年仍保持26%的複合增速；2020年，全球數據量將達到51ZB之巨 —— 並且持續爆發增長。

▲ 全球數據量增速

在消費網際網路、工業網際網路、5G、人工智慧等多重需求強勢推動之下，全球數據中心需求維持在15%~20%的高速增長，中國市場則更是超過了30%。隨著個人電腦市場逐漸飽和，爆發式增長的數據中心需求也成為了全球半導體市場的主要增長來源。

英偉達也瞄準了這一巨大潛力市場。

英偉達的企業級GPU產品 V100在2017年一經推出，就在兩年內獲得了巨大成功，直接打入了包括亞馬遜、微軟、阿里以及騰訊等雲服務巨頭的數據中心核心地帶，成為各家GPU計算服務團隊不可缺少的晶片產品。

GPU的並行運算結構對訓練機器學習和深度學習模型有著天然優勢。與人工智慧相關的任務，從數據處理效率、功耗等多方面考慮，使用GPU進行模型訓練是最好的選擇之一。

2019年3月，英偉達宣布耗資69億美元收購以色列伺服器網絡架構服務商Mellanox。

這既是英偉達歷史上最大的一筆收購，也是這家AI晶片巨頭開始有意將核心業務從遊戲向數據中心過渡的裡程碑事件。Mellanox最為擅長的，是製造幾種用來提升數據傳輸效率的通信設備，就是幫數據中心用最高效的方式，連接數據中心內部所有的伺服器。

這意味著，假如英偉達能夠通過一套連接系統，將數據中心的數萬個計算節點上的GPU連接起來，那麼節點間形成的信息流動，將匯聚成更加龐大的算力。

而巨量算力對應的，是雲計算數據中心的擴張速度，呈爆發式增長的數據量，更大更複雜的計算任務，以及2023年將突破500億美元的市場規模。

根據英偉達最新的2020財年Q4財報數據，增長強勁的數據中心板塊，已經躍升為英偉達最具有市場拓展潛力的業務分支，收入同比增長43%，逼近10億美元大關。

拓展汽車與自動駕駛業務

英偉達最新的2020財年Q4財報數據，」包含了車載信息娛樂與自動駕駛解決方案的汽車業務相關收入。這一部分看似表現平平，只有1.63億美元，同比增長1%，卻是一個不可忽視的長線市場。

遊戲、數據中心和汽車業務這三個板塊，更像是對應了英偉達的「過去」、「現在」和「未來」。雖然「遊戲」是英偉達必須守住的老本行，但趨於飽和、不斷被移動端擠壓，而新興市場則是英偉達實現可持續發展的源動力。

隨著新能源汽車越來越火熱，汽車晶片需求必然增大，英偉達有足夠發揮的空間。事實上，在 2021 財年裡，英偉達已經圍繞著汽車業務進行了廣泛的布局。

在家用車領域，蔚來和上汽集團都選擇和英偉達合作，推動汽車的智能化。2021年1月，蔚來發布了旗下第一款轎車產品 ET7，搭載了算力超過 1000TOPS 的超算平臺 Adam，而驅動這個平臺的正是四顆英偉達 DRIVE Orin 系統級晶片。也是1月，上汽集團和阿里巴巴聯手發布智己汽車，也採用了多塊英偉達的 DRIVE Orin 晶片，計算平臺性能可達 500~1000 TOPS。

▲ 蔚來ET7搭載英偉達 DRIVE Orin 系統級晶片

在商用車領域，英偉達在 2021 財年也有收穫。2020 年 12 月，初創公司 Zoox 發布了 L5 級全自動駕駛計程車，Einride 發布了新一代無人駕駛卡車 Pod，都採用英偉達的晶片。在技術端，英偉達 2020 年悄然布局雷射雷達：一方面，收購技術可用於雷射雷達的瑞典初創公司 Optigot，同時招聘相關人才。另一方面，拓展與雷射雷達廠商的合作。

黃仁勳預測，到 2030 年將有 20% 的汽車實現高級自動駕駛，其中大部分會採用英偉達技術。

收購ARM，打通更廣闊生態系統

2020年9月13日，英偉達宣布收購Arm，交易金額為400億美元。這一消息在紛紛擾擾的2020年的半導體產業，再次掀起巨浪。

目前智慧型手機行業諸多軟硬體巨頭已經在主打AI功能，蘋果、高通和華為等廠商都推出了強調AI運算性能的處理器，但如果英偉達將自己的AI技術全線滲透到Arm晶片設計之中，相當於從底層架構徹底改變了目前AI行業的版圖，覆蓋到未來整個智慧型手機行業。

相比已經陷入飽和的智慧型手機行業，增長空間巨大的雲計算市場是英偉達更為看重的領域。按照黃仁勳的規劃，未來Arm的晶片設計都將貫穿AI技術，這不僅會直接影響到智慧型手機行業，更會影響到數據中心市場。

目前的數據中心市場雖然還是被英特爾x86架構佔據主導，但低功耗越來越成為數據中心的關鍵因素，諸多廠商已經在基於Arm架構衝擊這一領域

英偉達在人工智慧方面實力與Arm龐大的計算生態系統結合起來，將自己的AI戰略推向新的高度，尤其是打開雲計算的廣闊市場。

並不都是歲月靜好，英偉達依然挑戰重重

在利潤豐厚，且仍然是一片藍海的數據中心AI晶片市場，無論是敵人還是客戶，你能想到的一切企業，基本都可以對英偉達構成生存威脅：

英特爾、AMD、高通、ARM、三星、英飛凌等半導體製造商；運營著超大數據中心，急切需要多樣化AI晶片組技術的亞馬遜、微軟、谷歌、阿里以及IBM等雲服務廠商；以及如今看起來還不成氣候，但卻數量驚人的創業公司。

此外，在實現自己AI貫穿Arm的戰略宏圖之前，英偉達還需面臨一個更為艱苦的挑戰：反壟斷審批。蘋果、英特爾、高通、華為、三星、聯發科、展訊都會密切關注著這筆交易。在未來汽車、人工智慧和數據中心等業務領域，他們更是英偉達的直接競爭對手。這些企業或許會推動美國和中國監管部門嚴格審核英偉達的這筆交易。

而國家戰略也是英偉達無法迴避的。英偉達收購Arm之後，Arm變成了美國公司的子公司。不僅中國監管部門會考慮到這一因素，即便是歐洲監管部門也會謹慎考慮。

繼續破圈，突破晶片技術極限

面對重重挑戰，英偉達迫切需要找到新的增長曲線，唯有繼續尋求新的突破。

利用GPU的加速處理技術，AI正在醫療、自動駕駛汽車和機器人等多個行業的特定領域平臺發揮巨大作用。目前由GPU支持的超級計算機已被廣泛用於藥物發現、基因組學以及生物學等領域。英偉達也在不斷進行基礎研究投入，以尋求晶片物理極限的突破，讓AI的性能得到進一步的提升。比如，英偉達正在推進的如何在GPU上實現高效的推理加速器，矽光子學（silicon photonics）和Python編程等項目。

矽光子學，是一種基於矽片的雷射技術，能夠更廣泛地應用於計算機中，通過採用大規模矽基製造技術，能大幅度降低計算機和數據中心的成本。該技術離商品化仍有很長距離，但研究人員相信，未來他們能夠將數十個甚至數百個混合矽雷射器，與其他矽光子學部件一起被集成到單一矽基晶片上。