如果你问今天 AI 行业”谁推动了 GPU 计算时代”，答案里一定有一个名字——黄仁勋（Jensen Huang）。他从 1993 年创办 NVIDIA（英伟达），到 2026 年把 NVIDIA 推上全球市值第一的位置，用30年时间把一家小显卡公司变成 AI 时代的”卖铲人”——他不是 AI 从业者，但所有 AI 公司都在为他打工。但黄仁勋的故事不只是 GPU。
一、早年：从台湾到美国硅谷
黄仁勋 1963 年出生于台湾台南，9 岁随家人移民美国肯塔基州。他从小是问题少年——打架、被送进少管所、被美国学校开除，但他自学编程，1978 年考入俄勒冈州立大学电子工程专业，1984 年拿到学士学位。
黄仁勋大学毕业后进入 AMD 担任芯片设计师，1985 年跳槽到 LSI Logic。1990 年起在 Sun Microsystems 担任硬件主管。他在传统芯片行业积累的 10 年经验，让他看清楚 1990 年代 PC 图形市场的空白。
二、创办 NVIDIA：1993 年的赌局
1993 年 2 月，30 岁的黄仁勋与 Curtis Priem、Malcolm Sims 在加州圣何塞创办 NVIDIA——目标是为 PC 游戏市场开发高性能图形处理器（GPU）。
公司命名由来：NV（Next Version，下一代）+ Invidia（拉丁语”嫉妒”）——让竞争对手”嫉妒”。
早期危机（1995-1997）：NVIDIA 第一代 NV1 芯片销售惨淡，公司几近破产。1997 年黄仁勋做了关键决策：放弃自研 API，全面转向行业标准 Direct3D。这个决策让 NVIDIA 活下来并成为主流。
RIVA 128 突破（1998）：NVIDIA 推出 RIVA 128 芯片——第一款性能价格比击败 3dfx 的消费级显卡。这个单品被业内认为是 NVIDIA 真正崛起的标志。
三、CUDA：把 GPU 变成通用计算平台（2006）
2006 年 11 月，黄仁勋做出了 NVIDIA 历史上最具战略意义的赌注——推出 CUDA（Compute Unified Device Architecture）。
CUDA 的核心创新：让 GPU 不再只能做图形渲染，而是可以通用并行计算。这个决策在当时被华尔街质疑——”谁会用 GPU 做科学计算？”——但黄仁勋坚持了 10 年。
战略投入：NVIDIA 每年投入数十亿美元到 CUDA 生态。这是当时芯片行业没有公司敢做的赌注——竞争对手（AMD、Intel）只在观望。
CUDA 的早期应用（2006-2012）：石油勘探、分子动力学、医学成像、天气预报。这些应用让 CUDA 生态慢慢建立，但真正的爆发要等到 2012 年。
四、AI 革命的”卖铲人”（2012-2024）
2012 年，深度学习的”ImageNet 时刻”——Geoffrey Hinton 的学生 Alex Krizhevsky 用 NVIDIA GTX 580 GPU 训练 AlexNet，把 ImageNet 错误率从 26% 降到 15%。
这是 NVIDIA 的”登月时刻”——从此 GPU 成为 AI 训练的标准硬件。
关键节点一：DGX-1（2016）。黄仁勋亲自把第一台 DGX-1 深度学习服务器送到 OpenAI——这是 OpenAI 训练 GPT 系列的硬件基础。
关键节点二：A100（2020）。NVIDIA 推出 Ampere 架构 A100 GPU，算力达到 312 TFLOPS，从此成为云厂商标配。
关键节点三：H100（2023）。NVIDIA 推出 Hopper 架构 H100，单芯片算力达到 1000 TFLOPS，是 GPT-4 训练的核心硬件。H100 一卡难求，价格从 2 万美元炒到 5 万美元。
关键节点四：市值奇迹（2024-2026）。
– 2024 年 6 月，NVIDIA 市值突破 3 万亿美元，超越苹果成为全球第二大公司。
– 2024 年 10 月，NVIDIA 市值突破 3.4 万亿美元，短暂成为全球市值第一。
– 2025 年 6 月，NVIDIA 推出 Blackwell 架构 B200 GPU，单芯片算力达到 2.5 PFLOPS。
– 2026 年 3 月，NVIDIA 市值稳定在 4 万亿美元区间，成为全球市值第一。
五、AI 软件生态：CUDA + TensorRT + Triton
黄仁勋清楚知道，卖硬件不如卖生态。NVIDIA 在 CUDA 之外还构建了完整的 AI 软件栈：
关键产品一：TensorRT。GPU 上的深度学习推理引擎，把训练好的模型部署到生产环境。
关键产品二：cuDNN。深度神经网络的 GPU 加速库，是 PyTorch、TensorFlow 训练的事实标准。
关键产品三：Triton Inference Server。开源推理服务框架，让企业可以在 GPU 上部署任意模型。
关键产品四：NeMo。大模型训练框架，对标 HuggingFace + DeepSpeed。
关键产品五：Isaac Sim。机器人仿真平台，对标 Omniverse。
生态壁垒：CUDA 经过 12 年的开发者积累，形成 400 万开发者社区——AMD、Intel 想打破 CUDA 生态至少需要 5-10 年。
六、AI 政策与公共发声
黄仁勋是 AI 时代最有产业影响力的企业家之一。
关键贡献一：政策参与。他是美国白宫 AI 顾问委员会成员（2023-至今），直接影响拜登政府的 AI 政策。
关键贡献二：国会作证。2023 年他在美国国会作证，呼吁美国”对中国出口管制要精准、不能伤及美国企业”。
关键贡献三：媒体发声。他经常在 CNBC、Bloomberg、NYT 等媒体发声，把 GPU + AI 产业的语言翻译给大众。
关键贡献四：行业布道。他在 2024 年公开表示“未来 10 年 AI 算力需求将增长 1000 倍”，成为整个 AI 硬件行业的”水星信使”。
七、卖铲人的三十年：英伟达如何重新定义算力
1993-2005：GPU 时代——把 PC 图形市场从 3dfx 手中抢过来
2006-2011：CUDA 时代——10 年孤军硬上押注通用 GPU 计算
2012-2023：AI 算力时代——成为深度学习革命的硬件基础设施
2024-至今：AI 基础设施时代——市值登顶全球第一，定义”AI 时代的卖铲人
