新智元报道
：乔杨 好困
【新智元导读】 1999年，英伟达发布世界上首款GPU——GeForce 256。不仅彻底革新了游戏PC，更为之后的AI浪潮提供了无可比拟的动力。
1999年10月11日，正值世纪之交，一场科技革命正在悄然酝酿。
25年前的今天，英伟达发布了首款GeForece显卡——GeForce 256。
GeForce 256不仅仅是一张显卡，它也是世界上第一款GPU。虽然这一发布当时只有PC游戏玩家和科技爱好者关注，但却为今天生成式AI奠定了基础，铺就了未来游戏和计算领域的进步。
25周年整活欢庆
为了庆祝全球首款GPU25岁的生日，英伟达总部特意摆出了绿色爆米花。
英伟达总部举行周年纪念展示
官方放出的周年庆视频，从今年的《黑悟空》往前回溯，一幕幕都是英伟达GPU所赋能的各种游戏。
纳斯达克也和英伟达联动整活，把交易所附近弄成了绿油油的一片。
毕竟，没有GPU，就不会有英伟达如今的股价奇迹。
老黄本人，也前往纳斯达克大厅纪念这个革命性的时刻。
叉腰站在纳斯达克前的老黄，大广角镜头仰拍，俨然是指点江山的当代科技领袖。
世界上第一张GPU——游戏改变者
1999年，虽然市面上存在其他显卡，但GeForce 256是第一款以「GPU」为广告宣传的桌面卡。
当时至少有六家，甚至更多不同的公司生产视频卡硬件，但它们后来几乎都被AMD或英伟达收购。
GeForce 256究竟是不是实质上的第一块显卡？已经无从考证，但英伟达首次做出了这种区分，并大张旗鼓地将其称为GPU。
GeForce 256是首批支持当时新兴的T&L技术的显卡之一，减少了游戏中CPU的工作量，提供了视觉升级和更好的性能。
从固定功能T&L引擎，到可编程的顶点和像素着色器，再到统一着色器，现在又增加了网格着色器、光线追踪和AI计算等功能，所有现代显卡的设计很大程度上都归功于最初的GeForce。
最初的GeForce 256使用139 mm^2芯片，封装了1700 万个晶体管，采用台积电220nm工艺节点制造。
相比之下，当时的英特尔奔腾III 450 CPU使用250nm节点，将950万个晶体管封装到128 mm^2芯片中。这意味着， GeForce 256的尺寸增加了不到10%，晶体管总数却增加了80%。
1999年，GeForce 256的发行价格为199美元；考虑到通货膨胀因素，换算成今天的价格大致为373美元。
然而，过去25年中，英伟达的芯片技术和价格一起经历着突飞猛进。今天的高端CPU的价格仍然远低于500美元，但RTX 4090的起价已经达到了约1800美元。
与此同时，英伟达RTX 4090在608 mm^2的面积中封装了AD102芯片，采用台积电4N节点，内含760亿个晶体管。
GeForce 256标志着一个时间节点——GPU和显卡开始崛起，成为游戏PC最重要的组成部分，具有完整的 DirectX 7和OpenGL支持。
随着DirectX 8添加可编程着色器，GPU真正开始演进为一种不同的计算方式。如今的GPU提供高达petaflops 的计算性能，不仅仅为游戏行业带来了变革，也在为AI的狂飙式发展提供动力。
从游戏到AI
并行计算改变了游戏CG，也引起了研究人员的注意。他们意识到GPU可以在AI方向发挥巨大的计算潜力，能在游戏世界之外实现突破。
深度学习是一种依赖数十亿神经元和万亿连接的软件模型，需要巨大的算力。
传统的CPU设计用于顺序任务，无法高效处理这样的工作负载。而GPU凭借其大规模并行架构，完美胜任这一任务。
到2011 年，AI研究人员发现，英伟达的GPU具有处理深度学习庞大计算需求的能力。
谷歌、斯坦福大学和纽约大学的研究人员开始使用英伟达GPU加速AI开发，达到了以前只有超算才能实现的性能。
2012年出现了突破。多伦多大学的Alex Krizhevsky利用英伟达GPU赢得了ImageNet图像识别竞赛。他所用的神经网络AlexNet在一百万张图像上进行训练，击败了由视觉专家人工编写的软件。
这标志着科技领域的重大转变。曾经像科幻小说一样的情景——计算机通过大量数据自主学习和适应——如今在GPU的强大性能推动下成为现实。
到2015年，AI在感知能力上已达到超人水平，谷歌、微软等科技巨头所训练的模型，在图像识别、语音理解等任务中超越了人类表现，而这一切都由在GPU上运行的深度神经网络驱动。
2016年，老黄向OpenAI捐赠了第一台 NVIDIA DGX-1 AI 超级计算机，亲自送货、亲手安装。
DGX配备了8个当时最先进的GPU，OpenAI随后利用这些GPU训练了ChatGPT。
之后的故事我们都知道了。
2022年发布的ChatGPT在几个月内用户量破亿，展示了以GPU为代表的算力是如何在生成式AI变革中发挥巨大力量的。
「强化学习之父」Rich Sutton在一次演讲中表示，过去的100多年中，我们一直在见证摩尔定律。近年来AI领域的进步，至少有一半归功于算力方面指数级的增长。
未来，英伟达还将通过硬件方面的创新，缔造怎样的技术变革？
参考资料：
https://blogs.nvidia.com/blog/first-gpu-gaming-ai/
https://www.tomshardware.com/pc-components/gpus/nvidia-geforce-256-celebrates-its-25th-birthday-company-talks-about-a-quarter-century-of-gpu-progression
消失的第三方之图形显示芯片篇
在当今的显卡市场，英伟达和AMD几乎垄断了消费者的选择，两家公司的产品线清晰且技术对比深入人心。 然而，回顾过去，图形显示芯片市场曾是群雄逐鹿的“战国时代”。 20到25年前，消费者有更多品牌可供选择，如3dfx，其Voodoo系列在1996年凭借Voodoo和Glide API颠覆了市场，让3D应用体验变得触手可及。 尽管如此，3dfx的辉煌如流星般短暂，其膨胀和傲慢导致了市场份额的丧失，最终被英伟达收购。 SiS和XGI这两个品牌更多地被视为主板芯片组厂商的副业，SiS曾试图在图形领域发力，但重心始终在芯片组上，而XGI则在被AMD并购后淡出显卡市场。 3Dlabs作为专业领域的领导者，曾主导OpenGL标准，但随着DirectX的崛起，逐渐失去市场。 Trident作为多媒体先驱，曾主导电视和家庭娱乐市场，但在3D时代遭遇挑战，最终破产。 PowerVR则在移动市场找到了新生，凭借TBDR技术引领变革，从PC领域的边缘角色转变为移动图形技术的引领者。 ATI作为最后的双雄之一，通过坚持技术研发和与微软的紧密合作，与英伟达展开激烈竞争。 Matrox则以色彩和多屏显示技术著称，尤其在专业领域拥有传奇地位，但逐渐转向了专业市场。 S3 Graphics曾是显卡市场的霸主，但驱动问题和收购策略使其逐渐式微，最终被HTC收购。
全球芯片排名前十
1、英特尔公司成立于1968年，是全球半导体行业和计算创新领域的领先厂商。 作为世界上最大的半导体芯片制造商，英特尔拥有数十年的生产历史，自推出全球首个处理器以来，对我们的生活产生了重大影响，并引发了信息技术革命。 2、高通成立于1985年，是美国较大的无生产线半导体生产商、无线芯片组及软件技术供应商。 高通是5G研发、商用与实现规模化的推动力量之一，致力于发明突破性基础科技，改变了世界连接、计算和沟通的方式。 高通的芯片在GPU性能上具有优势，在游戏过程中表现突出，且兼容性好，是移动CPU中兼容性最好的。 3、英伟达始创于1993年，是全球知名的电脑显卡供应商，也是较早推出图形处理器技术的公司。 Nvidia的芯片架构能够在通用性和效率之间实现良好的平衡，在此基础上，一套易用且能充分调动芯片架构潜力的软件生态则让Nvidia在机器学习模型社区拥有巨大的影响力。 4、联发科技是台湾上市公司，始创于1997年，是一家专注于创造横跨信息科技、消费电子及无线通信领域的IC解决方案的现代化企业。 目前，联发科技已经是全球第四大半导体公司，旗下研发的芯片一年会驱动超过15亿台智能终端设备。 5、海思是华为技术公司旗下的企业，自1991年起专注于制造消费电子、通信等领域的光网络芯。 海思芯片虽然大多数自用，但仅是华为手机的销量，就已经让海思在国内手机芯片市场超过高通，并曾进入全球半导体前十大供应商，显示出海思的强大实力。 6、博通是全球基础架构技术供应商，创立于1991年，专注于提供半导体和基础设施软件解决方案。 博通的ETC芯片占据市场份额七成，但ETC占博通收入只有约10%，ETC芯片在博通集成公司收入占比微不足道，可以忽略不计。 7、AMD创立于1969年，在2006年收购了芯片巨头ATI公司，是一家专注于微处理器设计和制造的大型跨国公司。 自成立以来，AMD在半导体产品领域进行了多项突破性的行业创新，始终处于行业前沿。 8、TI德州仪器始于1930年，以开发制造半导体和计算机技术而闻名，75年来TI公司卓有成效地推动着社会发展。 从默默无闻地开发德州油田到在全球市场占据领先地位，TI在其员工理念的指引下逐步发展壮大。 9、ST意法半导体是意大利的SG微电子公司与法国Thomson半导体公司合并而成的，成立于1988年，是目前世界较大的半导体公司。 旗下不仅有知识产权含量高的专用产品，还有多领域的创新产品，如安全性智能卡芯片、高性能微控制器等。 10、NXP源自于荷兰，前身是飞利浦旗下的分支公司，是全球性汽车半导体品牌，全球前十大半导体公司之一，总部位于荷兰Eindhoven。 NXP的电源管理芯片可以开发新的工艺、封装和电路设计技术，也将出现性能更好的设备，进一步功率密度，延伸电池寿命，减少电磁干扰，增强电源和信号完整性，提高体系安全性，让国际各地的工程师可以创新国际。
只占营收1.3%的汽车业务，值得英伟达全力以赴吗？
英伟达交出了一份非常漂亮的财报，拿到了非常漂亮的市值，但这其中也许并不包含汽车业务。
在规模达到70亿美元的中国AI芯片市场上，英伟达的市场占有率超过90%。 中国市场超过80%的智能驾驶芯片，都来自英伟达。 但英伟达智能驾驶软件的发展，却与芯片的强势地位并不匹配。
“我们始终处于危险之中”。 这是英伟达创始人兼首席执行官黄仁勋的口头禅，用来表达英伟达在汽车业务上的挑战，并不为过。 虽然英伟达在汽车业务上几近垄断了智能驾驶的基础设施，是当之无愧的“组委会”，但当各个“参赛运动员”并不希望完全受制于英伟达时，英伟达同样也在应用层面加快布局，亲自下场赛跑。
英伟达不是智能驾驶芯片的唯一解法从2022年伊始到2023年结束，英伟达的季度收入从82.88亿美元增长至221.03亿美元，但是汽车业务的季度收入一直在2亿美元左右徘徊。 汽车业务在英伟达总收入的占比，到去年第四季度，已经只剩1.3%。
汽车业务，是英伟达在数据中心、游戏、专业可视化之后的第四大板块。 黄仁勋对汽车业务的预期收入，是要达到百亿美元级别。 而目前，至少还差出两个数量级。 2022年的GTC大会（GPU Technology Conference）上，黄仁勋甚至当英伟达收入达到万亿美元时，汽车业务要占到30%。
但是，英伟达在智能驾驶芯片，尤其是高端市场的智能驾驶芯片，已经处于垄断地位。 原因无他，就是算力高、生态开放。 挑选英伟达智能驾驶芯片的客户，也基本都是希望建立技术门槛、愿意投入的车企。
根据英伟达的数据，现在智能驾驶模型所基于的Transformer架构没有出现之前，算力需求大致是每两年提升8倍。 但自从Transformer架构开始大范围应用后，算力需求变成了每两年提升275倍。
英伟达Orin现在是多数车企高阶智能驾驶几近“唯一”的选择，但却不会一直都是“唯一”的选择。
英伟达在AI芯片领域的垄断地位，客观上会激发大厂入局造芯的动力，这是产业绕不开的趋势。 这里不仅有技术原因，还有成本原因，尤其是时间成本。
大模型已经步入一个需要快速迭代更新的阶段，车企更希望将产品迭代的节奏掌握在自己手上，而不是等待英伟达固定周期的性能升级。 而且，车企如果只是想用AI芯片去做智能驾驶，虽然非常烧钱，但实际上并不存在多少生态门槛。 因为跑自家的大模型，并不一定要依赖英伟达的通用并行计算架构CUDA。
如果类比“挖矿”的话，相对通用的GPU最终都会被绝对专用的ASIC所取代。 所以，实力强、资金强、野心强的车企，会去积极研发适合自家模型的专用芯片，比如明年蔚来即将在ET9上首发上车的5nm神玑NX9031。
高算力的AI芯片，在很长一段时间内都将是AI竞争的核心。 智能驾驶作为AI的应用领域之一，自然也不例外。 智能驾驶越是深化，头部车企开发自研芯片的脚步，也会越快。
英伟达要“硬”更要“软”在国内大家熟知采用英伟达智能驾驶芯片的车企，往往只是采用了英伟达的硬件、基础设施和开发环境，软件层面都是自主开发。 但是，海外车企与英伟达的合作，同样也有“交钥匙”的形式，比如奔驰。
英伟达不仅要为奔驰提供智能驾驶的架构、硬件、算法，还会与奔驰共同组建和分享数据库。 当然，英伟达这样做的结果，是要和奔驰“收入分享”，从奔驰智能驾驶系统的收入中抽取四成。 但如此重磅的合作中，英伟达预计于今年年中交付的解决方案，目前却在遭遇延期的危机。
奔驰甚至都已经准备让Momenta负责这一代车型在中国市场的智能驾驶。
于是，英伟达找来了小鹏汽车原自动驾驶副总裁吴新宙，并且在北京、上海、深圳开启了与智能驾驶软件相关的上百个职位的招募。 当下最紧迫的任务，就是把奔驰服务好，让这一代奔驰S级具备高阶智能驾驶的能力。
尽管从第四季度的财报来看，汽车业务只占英伟达营收的1.3%，与之对应的是数据中心业务则要占到83.3%。 但是，此前中国市场对这项最赚钱业务的收入贡献都在20%-25%左右，而在美国出口禁令发布的2023年第四季度，中国市场在英伟达数据中心业务收入的占比，已经掉到了个位数。
早在2022年，美国就发布针对中国市场的AI芯片出口限制，当时英伟达A100和H100芯片在禁售之列。 虽然此后，英伟达做出调整，推出符合美国规定的中国市场定制款芯片H20，理论算力相比H100下降了大约80%。 但这种性能，其实已经失去了相对国产芯片的竞争优势。
美国对中国的芯片禁令，让很多中国客户开始加紧部署AI芯片的国产化替代。
比如，英伟达已经在GPU等加速计算芯片、自研芯片的云服务商、Arm架构CPU芯片、网络产品四个领域里，都将华为视为竞争对手。
所以，尽管英伟达现在的计算卡卖得很好，但地缘政治的不确定性谁都无法预测。 尽管英伟达的智能驾驶芯片现在同样卖得很好，但是倒逼头部车企自主开发以及缺少平价方案，同样也会阻碍收入的进一步提升。
只有卖软件、卖软硬融合的方案，才能开启英伟达的第二增长曲线，才能帮助英伟达实现万亿营收的野心。
即便现在汽车业务的收入放在英伟达的大盘子里几近可以忽略不计，但遥想20年前英伟达开始开发CUDA，让图形显示卡可以进行通用并行计算，同样也是顶着10年看不到未来的压力，把这事持之以恒地做了，于是才有了今天英特尔在AI领域的地位。 汽车业务同样如此。
写在最后汽车的智能化，改写了汽车产业的供应链格局。 原先的供应商层级、供应议价权，已经被打乱。 放在燃油车时代，芯片厂商对整车厂是Tier 2，如今会变为Tier 1。 而在中央计算架构驱使的软硬件融合方案实现后，“英伟达”们甚至会变成Tier 0.5或者所谓的“超级供应商”。 而主机厂原本把控的供应议价权，也会因为供应商层级的变化，而开始部分让渡给供应商。
所以，汽车业务在英伟达当下的业务结构中，可能还很弱小，但却应当是潜力巨大的增长点。 英伟达对于营收的野心，远远不止于现在的体量。 因为，英伟达全年609.22亿美元的营收规模，与它市值接近的几家巨头相比，实在还是太小了。
