NVIDIA 市值突破 4 萬億美元那天，華爾街的交易員們算了一筆賬：這家公司曾在 1996 年離破產(chǎn)只差 30 天現(xiàn)金。從瀕臨死亡到全球市值第一，中間隔著三次"自殺式"押注。第一次押錯了，差點(diǎn)死掉；第二次押早了，被罵了十年；第三次押對了，但沒人相信他能贏。

這不是勵志故事，是一個產(chǎn)品經(jīng)理用 30 年驗(yàn)證的殘酷邏輯：技術(shù)信仰需要現(xiàn)金流續(xù)命，而現(xiàn)金流往往來自你鄙視的生意。

1993：三個失敗者的開局，芯片行業(yè)的"反常識"入場

黃仁勛創(chuàng)立 NVIDIA 時 30 歲，之前被 AMD 和 LSI Logic 兩家公司開除過。他的兩個聯(lián)合創(chuàng)始人——Chris Malachowsky 和 Curtis Priem——同樣是被行業(yè)邊緣化的工程師。三個人在圣何塞一家餐廳的 booth 里畫出了第一張芯片圖紙，啟動資金只有 200 萬美元風(fēng)險投資。

當(dāng)時的芯片行業(yè)有個鐵律：做圖形處理（GPU）死路一條。PC 市場被英特爾 CPU 壟斷，圖形只是 CPU 的附屬功能，沒人愿意單獨(dú)花錢買一塊"加速卡"。黃仁勛的選擇像是明知山有虎——他賭的是 3D 游戲會爆發(fā)。

這個判斷本身沒錯，但執(zhí)行出了大問題。1995 年，NVIDIA 首款芯片 NV1 上市，選擇了當(dāng)時最冷門的四邊形填充（quadrilateral）技術(shù)路線，而非行業(yè)主流的三角形多邊形（polygon）。結(jié)果？世嘉（Sega）是唯一大客戶，訂單量撐不起產(chǎn)能，公司賬上現(xiàn)金只夠燒 30 天。

「我們離破產(chǎn)如此之近，以至于我每天早上醒來都在想，今天是不是該關(guān)門了。」黃仁勛后來回憶。1996 年，他做了一個被董事會反對的決定：放棄 NV1 的全部技術(shù)積累，砍掉四邊形路線，從零開始研發(fā)三角形架構(gòu)的 RIVA 128。這意味著承認(rèn)前三年研發(fā)投入全部打水漂，但如果不轉(zhuǎn)，30 天后就沒有 NVIDIA 了。

RIVA 128 在 1997 年上市，首年銷量 100 萬塊。這筆錢讓公司活了下來，但黃仁勛記住的不是成功，是轉(zhuǎn)身的痛感：技術(shù)信仰不能當(dāng)飯吃，該砍就砍。

1999-2006：GPU 是"顯卡"，但黃仁勛非要叫它"計(jì)算引擎"

活下來的 NVIDIA 成了游戲顯卡代名詞。1999 年推出 GeForce 256，首次定義 GPU（圖形處理器）概念；2000 年代初期，每款 3A 大作的發(fā)售都伴隨著"N 卡還是 A 卡"的爭論。按正常邏輯，公司應(yīng)該深耕游戲市場，把顯卡做成印鈔機(jī)。

黃仁勛偏不。2006 年，他推出 CUDA（統(tǒng)一計(jì)算設(shè)備架構(gòu)），一個讓開發(fā)者用 GPU 做通用計(jì)算的工具包。意思是：這塊"顯卡"不僅能畫圖，還能算股票模型、模擬蛋白質(zhì)折疊、訓(xùn)練人工智能。

華爾街的反應(yīng)是：你瘋了嗎？

游戲顯卡毛利率 60%，企業(yè)級計(jì)算市場幾乎為零。CUDA 前五年投入超過 10 億美元，卻看不到回報。股東電話會議上，分析師反復(fù)追問同一個問題：為什么不把資源集中在游戲業(yè)務(wù)？黃仁勛的回應(yīng)是：「我們在投資一個還不存在的市場。」

這個"不存在的市場"讓他付出了代價。2008 年金融危機(jī)，NVIDIA 股價從 37 美元跌到 6 美元，市值蒸發(fā) 80%。更糟的是，英特爾和 AMD 都在推自己的 GPU 計(jì)算方案，CUDA 看起來像是又一個技術(shù)自嗨。

但 CUDA 積累了一個關(guān)鍵資產(chǎn)：開發(fā)者。到 2012 年，全球已有 20 萬程序員在用 CUDA 寫代碼，雖然大多數(shù)人只是為了加速自己的科研模型。這個群體成了 NVIDIA 最隱蔽的護(hù)城河——當(dāng) AI 爆發(fā)時，全世界會 CUDA 的工程師，天然就是 NVIDIA 的用戶。

2012-2024：ImageNet 那一夜，黃仁勛等了 6 年的"意外"

2012 年 9 月 30 日，多倫多大學(xué)的 Alex Krizhevsky 帶著兩塊 NVIDIA GTX 580 顯卡，在 ImageNet 圖像識別競賽上碾壓了所有對手。他的神經(jīng)網(wǎng)絡(luò)模型錯誤率比第二名低 10.8 個百分點(diǎn)，而訓(xùn)練這個模型只花了幾天——傳統(tǒng) CPU 集群需要數(shù)周。

深度學(xué)習(xí)（deep learning）的算力瓶頸，被游戲顯卡意外解決了。

黃仁勛等這一刻等了六年。CUDA 推出時，他設(shè)想的"通用計(jì)算"場景是氣象模擬、金融建模、石油勘探——全是傳統(tǒng)高性能計(jì)算（HPC）的領(lǐng)地。AI 訓(xùn)練不在計(jì)劃內(nèi)，但 GPU 的并行架構(gòu)恰好匹配神經(jīng)網(wǎng)絡(luò)的矩陣運(yùn)算需求。

ImageNet 之后的故事被復(fù)述太多次：2016 年黃仁勛親手把第一臺 DGX-1 超級計(jì)算機(jī)送到 OpenAI，2017 年 Transformer 架構(gòu)發(fā)布，2022 年 ChatGPT 引爆生成式 AI。NVIDIA 數(shù)據(jù)中心業(yè)務(wù)從 2016 年的 8.3 億美元增長到 2024 年的 1150 億美元，八年翻 138 倍。

但少有人注意的是，黃仁勛在這個周期里做了另一個"錯誤"決定：2019 年收購 Mellanox，一家做網(wǎng)絡(luò)設(shè)備的公司，成交價 69 億美元。當(dāng)時沒人理解，AI 算力為什么要買網(wǎng)絡(luò)公司？

答案在 2023 年揭曉。大模型訓(xùn)練需要數(shù)千塊 GPU 協(xié)同工作，瓶頸從單卡算力變成了卡間通信。Mellanox 的 InfiniBand 網(wǎng)絡(luò)技術(shù)成了 GPT-4 訓(xùn)練的基礎(chǔ)設(shè)施，這筆收購讓 NVIDIA 從"賣鏟子"升級成"賣整條挖礦流水線"。

2024 年，NVIDIA 數(shù)據(jù)中心業(yè)務(wù)毛利率 76%，比游戲業(yè)務(wù)還高。那個"不存在的市場"，最終成了比游戲更肥的現(xiàn)金牛。

4 萬億之后的隱憂：黃仁勛的第四次押注會是什么？

市值登頂?shù)?NVIDIA 面臨一個老問題：所有技術(shù)紅利都會過期。CUDA 生態(tài)被 AMD 的 ROCm 和英特爾的開源方案圍攻，谷歌 TPU、亞馬遜 Trainium 等專用芯片在特定場景性價比更高。更直接的威脅來自客戶——微軟、Meta、谷歌都在自研 AI 芯片，2024 年三大云廠商資本開支的 40% 流向了"非 NVIDIA"選項(xiàng)。

黃仁勛的回應(yīng)是 Omniverse 和機(jī)器人。2024 年，他在 GTC 大會上用兩小時演示了"物理 AI"——讓機(jī)器人在虛擬世界里訓(xùn)練，再部署到現(xiàn)實(shí)。這個場景比 AI 訓(xùn)練更小，比自動駕駛更虛，但邏輯和 2006 年推 CUDA 時一模一樣：投資一個還不存在的市場。

歷史不會簡單重復(fù)。2006 年 CUDA 有游戲業(yè)務(wù)輸血，2024 年的 Omniverse 沒有這樣的現(xiàn)金牛。NVIDIA 的研發(fā)投入從 2016 年的 15 億美元膨脹到 2024 年的 110 億美元，股東對"長期主義"的耐心正在變薄。

黃仁勛今年 61 歲，還在穿那件標(biāo)志性的皮夾克。上個月有記者問他：如果 Omniverse 失敗了怎么辦？他的回答是：「我已經(jīng)失敗過很多次了。問題是，你能從失敗里學(xué)到什么？」

1996 年他學(xué)到了"該砍就砍"，2006 年他學(xué)到了"提前六年布局"，2019 年他學(xué)到了"控制基礎(chǔ)設(shè)施"。現(xiàn)在他賭的是：當(dāng)物理世界需要 AI 時， Omniverse 會是唯一的訓(xùn)練場。這個判斷對嗎？也許 2030 年會有答案——如果 NVIDIA 還沒被自己的客戶顛覆的話。