母与子小说总市值达 3.335 万亿美元，超越微软和苹果，首次成为全球市值最高的上市公司。

　　英伟达的市值可谓一路狂飙，只用了3个多月的时间，实现了市值从 2 万亿美元到 3 万亿美元的跨越，而此前已创下了从1 万亿美元增长至 2万亿美元的最快纪录。

　　在 6 月初，英伟达就曾一度超越苹果成为成为全球市值第二的公司，分析师普遍预计超过微软登顶第一只是时间问题。

　　至此，英伟达成为全球最有价值的 AI 科技公司，也是 AI 浪潮成为这个新时代主旋律的一个里程碑。

　　黄仁勋的身价也如火箭般蹿升，一举突破 1000 亿美元大关，成功跨入《福布斯》全球富豪榜的「超富」行列。

　　从 0 到突破 1 万亿美元大关，英伟达用了近 25 年的时间，接着不到 9 个月便增至 2 万亿美元。

　　而进入 3 万亿美元俱乐部，英伟达只花了约 3 个月的时间，当时马斯克都忍不住感慨「Wow」。

　　飙涨的市值得益于英伟达在 AI 浪潮中不可或缺的地位。正如一位华尔街分析师曾评论的那样：

　　上个月，英伟达公布了 2025 财年第一财季财报，季度收入创下 260 亿美元的纪录，较上一财年第四季度增长 18%，较去年同期增长 262%，可谓是赚得盆满钵满。

　　Hargreaves Lansdown 股票分析主管达伦内森表示：「市场一直在努力跟上英伟达不断改善的增长轨迹。尽管目前的预期市盈率为 35 倍左右，但这并不让人觉得是泡沫区域。」

　　从第一次工业革命的蒸汽，到第二次工业革命的电力，再到黄仁勋高呼「下一次工业革命」中的 token，手握高性能芯片的英伟达注定是要占上一席之地。

　　未来十年内，随着 token 在各个领域内创造新产品、新服务，提升行业生产力，并预计产生高达 100 万亿美元的价值，这一变革将成为常态。

　　在 AI 浪潮下，只要 token 还在源源不断地产生，英伟达市值只会不断创下历史新高，比英特尔、AMD 、高通、博通加起来还高，成为「芯片之王」。

　　为满足行业需求和保持技术的市场竞争力，黄仁勋此前在财报会议上宣布英伟达 AI 芯片将转向「年更」节奏，在 Blackwell 之后，将推出一款全新的芯片，并确保此后每年都会有新的芯片发布。

　　黄仁勋认为已全面投产的 Blackwell 平台，将为万亿参数级生成式人工智能奠定基础。同时性能更为炸裂的新一代平台 Rubin 将于明年推出。

　　此外，其他所有芯片产品线的更新速度也将以非常快的速度推进，「新的 CPU、新的 GPU、新的网络网卡，新的交换机……即将迎来大量芯片新品。」

　　英伟达的核心理念也非常明确，首先构建覆盖整个数据中心规模的解决方案，然后将这些解决方案分解为各个部件，以每年一次的频率向全球客户推出，最后不遗余力地将所有技术推向极限。

　　事实上，作为 AI 行业的「发动机」，不管哪家 AI 初创笑到最后，英伟达一定会是从头笑到尾的那个。

　　路透社称，即便众多所谓的超大规模厂商也在积极研发自己的定制 AI 芯片，但这些新产品并不会对英伟达的市场份额构成实质性威胁。

　　AI 将为几乎每个行业带来显著的生产力提升，帮助公司更高效地管理成本和能源，同时拓展收入机会。

　　下一次工业革命已经开始，各公司和各国正与英伟达合作，将价值数万亿美元的传统数据中心转型为加速计算中心，并建立一种新型的数据中心——AI 工厂，来创造一种新的商品：人工智能。

　　在 Computex 2024 的主题演讲上，黄仁勋也表示，英伟达位于计算机图形学、模拟和人工智能的交汇点上，这构成了公司的灵魂。

　　而甚少有人知道的是，英伟达今天享受的「AI 红利」，来自于黄仁勋十多年前的「豪赌」。

　　《纽约客》此前的一篇深度报道，让我们得以看到这场决定性的「豪赌」背后的更多细节。

　　2000 年，斯坦福学生 Ian Buck 用 32 个英伟达 GeForce 显卡连在一起，外加 8 个投影仪来玩《雷神之锤》，自己造了个高清游戏机。

　　最开始，英伟达 GeForce 的成功来自于游戏《雷神之锤》的助力。在游戏的「死亡竞赛」模式中，GPU 的并行计算让玩家能有速度优势，因此 GeForce 每每出新品都会有玩家跟上。

　　Buck 也好奇，除了让自己投手榴弹速度快点以外 GeForce 还能做什么。

　　后来，Buck 成功黑进了显卡的原始编程工具「着色器（shader）」，利用其并行计算，将 GeForce 变成了一台低成本的超级计算机。

　　黄仁勋想让 Buck 做一套软件，让每一个 GeForce 都能变成超级计算机。同时，也让硬件团队在芯片结构上进行对应改造。

　　2006 年，Buck 为英伟达做的 CUDA 正式推出，可支持研究人员和编程人员通过编程语言来更个性化和高效地利用 GPU 的计算能力。

　　然而，消费者对于黄仁勋想给大家普及的超级计算机没啥兴趣。硅谷科技播客「Acquired」如此评论道：

　　他们花了几十亿美元，目标在于服务学术和科学计算的一个小众领域，那在当时还是一个不大的市场 —— 市场规模肯定比他们投入那几十亿小。

　　当时的英伟达也在广撒网，努力寻找目标客户。试了股票交易员、石油勘探公司、分子生物学家等等，但并没有考虑过人工智能领域。

　　然而，在 2009 年，Hinton 是在被资本嫌弃的 AI 领域里，研究在该领域里还要算上是小众的「神经网络」。

　　我刚给上千个机器学习研究人员说，他们都该去买英伟达的显卡。你可以免费寄一个给我吗？

　　在那之前，Hinton 曾尝试用英伟达 CUDA 平台去训练神经网络来识别人类语言，发现成果的质量比想象中好很多，于是决定在行业会议上展示。

　　虽然英伟达不肯给 Hinton 送显卡，但 Hinton 依旧鼓励学生用它。

　　眼尖的读者应该有发现，后者就是 OpenAI 的首席科学家，那个主导了 ChatGPT 背后技术的人。

　　也是同一年，Google 曾购置了一万六千多个 CPU 来训练他们的神经网络，以做到可以识别出猫咪视频。

　　而 AlexNet 却能够正确地识别电动车、猎豹、货运船等内容的图像，只用了两个 GPU。

　　（黄仁勋）他在周五晚上发出一份邮件，表示公司一切将围绕深度学习展开，我们不再是一家图像公司。

　　在 AlexNet 登场之后，没过几年，近乎所有参加大规模视觉识别挑战赛的人都选用了神经网络这种形式。

　　到了 21 世纪 10 年代中期，用 GPU 训练的神经网络在图片识别的准确度已经达到 96%，这个精确水平甚至已经超过了人类。

　　我们能够解决计算机视觉问题，一个完全无组织结构的问题，这个事实指向了一个问题：「你还能教它什么其他的东西？」

　　他认为神经网络将改变社会，他也可以用 CUDA 来垄断这背后所需硬件的市场。

　　当时还未和 OpenAI 决裂的马斯克亲自开箱了这个由 3000 人耗时 3 年打造的成果。

　　谁能想到，第二年 Google 就公布了一种新的神经网络训练架构 Transformer。

　　这次的新突破再被 Sutskever 抓住，引领 OpenAI 建造出来第一个 GPT 模型，一切都建立于英伟达的超级计算机上。

　　两年前的今天，OpenAI 正式向公众发布了 ChatGPT，改变了一切，其中也包括英伟达。

　　在 2023 年，英伟达的股价累计飙升超过 200%，成为全球首家市值突破万亿美元的芯片制造商。

　　曾经不被看好的 CUDA 也聚合了 400 万名开发者，成为了英伟达在 AI 领域的另一「护城河」。

　　无论是航空航天、生物科学、机械以及能源探索等领域研究，大部分都是在 CUDA 之上进行。

　　英伟达最新的 AI 产品 DGX H100 则是一个重达 370 磅的金属盒子，定价高达 50 万美元。

　　和当时送到 OpenAI 办公室的 DGX-1 相比，新产品运行速度提升了五倍。

　　他们想设计一款能让竞争对手「嫉妒死（green with envy）」的芯片。黄仁勋想到了「Nvidia」这个名字，融入了拉丁语中「嫉妒（invidia）」这个词。

　　如今的英伟达当然让竞争对手眼红，连连锁餐厅丹尼的 CEO 都特意为他们做了一块纪念牌，让英伟达的光也照在餐厅里。

　　英伟达初成立时，喜欢电子游戏的黄仁勋认为游戏市场值得拥有更好的显卡，在 1995 年推出了首款产品 NV1。

　　然而，NV1 并没有真正地被主流市场接受过，其中一大原因在于同年微软推出了 D3D 的 API，但 NV1 却不支持 D3D。接下来一代产品 NV2 也失败了。

　　「赌」输了一次的黄仁勋不服气，他在 1996 年辞退了一半员工，收紧资金，把一切都押在了未经测试的新产品上：

　　当 RIVA 128 正式开售，英伟达剩下的钱只够顶一个月的开支了。所幸 RIVA 128 获得了成功，4 个月就售出了上百万件。

　　黄仁勋没有炒掉负责这个产品的经理，而是开了一场大会，聚集了几百号人，让这个经理去讲述每一个最终导向这场闹剧的决策。

　　黄仁勋还喜欢鼓励员工去追求「0 亿美元市场（zero-billion-dollar market）」 —— 那些不仅还没有竞争对手，甚至还没有明确顾客的实验性领域。