英偉達是如何成長為 AI“算力之王” 的？

不愧是 AI 算力之王！英偉達一季度營收大超預期，AI 芯片所在數據中心業務的營收創歷史新高，給出的指引更是炸翻全場，預計二季度營收達到 110 億美元，比市場預期高出 50% 以上。

強勁業績助推下，英偉達股價原地起飛，週三美股盤後一度飆升近 30%，朝着美股第七家市值超萬億美元的公司再進一步。

和所有升級打怪的遊戲類似，英偉達的晉級之路也始於新手村：

1993 年成立，1998 年推出炸彈級 RivaTNT 芯片，1999 年推出世界上第一顆 GPU——GeForce，2000 年收購顯卡芯片巨頭 3dfx，在接下來的六年裏又打得老牌顯卡公司 ATI 被迫賣身 AMD，同時不計成本開發革命性 CUDA 架構，在不斷研發和收購中成為芯片之王。

根據 Jon Peddie Research 發佈的 GPU 市場數據統計報告，英偉達 2022 年全年 PC GPU 出貨量高達 3034 萬塊，是 AMD 的近 4.5 倍；截至 2022 年四季度，在獨立 GPU 市場，英偉達佔據 84% 的市場份額，遠超同業競爭公司。

那麼，英偉達到底是如何在羣雄逐鹿的局勢中攻城略地，在變幻莫測的市場中決策千里的？週四，中泰證券王芳團隊發佈行業深度報告，將英偉達成長的核心戰略總結為三個詞：研發為底、生態為徑、AI 為翼。

英偉達成長三部曲

縱觀歷史，英偉達的成長史主要分成三個階段：初具規模→成為獨顯霸主→轉戰 AI 算力芯片：

1993-2000：初具規模，提升研發效率戰勝對手

1993 年黃仁勳、克里斯·馬拉科夫斯基和柯蒂斯·普利姆在美國加州創立了英偉達。在創建之初，公司設想着個人電腦將會成為遊戲、多媒體的主流消費設備。

英偉達在 1996 年，推出 NV3 系列的 Riva128 芯片，在性能方面具有優勢，並且芯片尺寸更小，因此結構成本更低，通過數據對比，RIVA128 甚至優於下一年 Intel 推出的 i740，而且 i740 不支持任何 OpenGL 驅動程序。在英偉達推出 RIVATNT 時已經沒有產品能夠和其匹敵。

1999 年，Intel 宣佈完全退出獨立顯卡芯片組業務。而在 2000 年英偉達推出 GeForce256，全面超過當時行業最大競爭者 3dfx，最終 3dfx 宣佈破產並且被英偉達收購。

2001-2006：寡頭壟斷，逐步成為獨顯市場霸主

英偉達預測未來能夠實現通話和多媒體功能的手機半導體將會大放異彩，因此積極通過收購移動端公司來佈局移動端圖像芯片產業，並緊密融合 Direct3D 和 OpenGL 以最大程度地支持第三方軟件。

在經歷了行業發展初期洗牌之後，英偉達在獨立顯卡市場上的主要競爭對手只剩下 ATI，整個獨立顯卡行業逐步向寡頭壟斷轉變。在這六年時間裏，公司曾因產品定位和市場需求貼合度不夠而落後，但通過堅持投入研發，完善產品線，競爭力持續提升。

2006 年 AMD 收購 ATI 後，英偉達終成行業霸主。

2007-2023：重 “芯” 開始，引領人工智能計算

智能手機浪潮來臨，但是由於時機和定位上的失誤，英偉達錯失機遇。於是，英偉達退出手機市場，轉向汽車、人工智能市場，調整競爭策略。事實證明英偉達的轉型抓住了市場需求的改變，英偉達 2015-2023 年營收增速可觀。

研發為底，深耕 GPU 算力

正如中泰證券研報指出，研發實力是一家芯片設計公司的核心競爭力，英偉達從發展初期即重視研發生產力，以高投入換去高回報不斷提升產品競爭力。通過對比英偉達和老對手 AMD 的研發和市場表現，中泰證券發現：

2005 年，AMD 的研發費用為 11 億美元，是英偉達的 3.2 倍左右，而到了 2022 年，英偉達的研發費用達到了 73.4 億美元，是 AMD 的 1.47 倍。

由於性能、構建、價格的不同，二者逐步產生差異化，形成了錯位競爭。至 2022 年第三季度，英偉達基本佔據 88% 市場份額，AMD 則降低至 8%。

研發投入帶給英偉達高回報，在主流遊戲和顯卡天梯測評上，AMD 落後於英偉達。

生態為徑，CUDA 自成體系

英偉達成長為 AI 產業龍頭的背後，是 CUDA 幫助其構建強大生態護城河，進一步增加了競爭壁壘。據中泰證券報告介紹：

CUDA 是英偉達基於其生產的 GPUs 的一個並行計算平台和編程模型，目的是便於更多的技術人員參與開發。開發人員可以通過 C/C++、Fortran 等高級語言來調用 CUDA 的 API，來進行並行編程，達到高性能計算目的。

CUDA 平台的出現使得利用 GPU 來訓練神經網絡等高算力模型的難度大大降低，將 GPU 的應用從 3D 遊戲和圖像處理拓展到科學計算、大數據處理、機器學習等領域。這種生態系統的建立讓很多開發者依賴於 CUDA，進一步增加了英偉達的競爭優勢。

對比微軟的 DirectCompute，CUDA 勝在配套設施的支持。與 DirectCompute 相比，CUDA 由於其豐富的功能庫，完善的開發工具和廣泛的應用支持，尤其在科學計算和深度學習領域，具有明顯優勢。CUDA 在英偉達 GPU 上的性能優化也更為出色。而 DirectCompute 作為跨平台工具，其優勢在於與 DirectX 的兼容性以及對多種硬件的支持。

AI 為翼，轉型切入算力芯片領域

正如英偉達成立初期抓住了遊戲市場對於 3D 圖像渲染技術的需求，近年來隨着人工智能的發展為 GPU 帶來更大增長空間，英偉達抓住下游發展新機遇，推出 AI 加速卡，伴隨以ChatGPT為代表的生成式AI大模型發展進入快速增長通道。中泰證券報告顯示：

根據 Tractica 的數據，2018 年全球 AI 硬件市場的收入為 196 億美元，其中 GPU 的收入佔 36.2% 為 71 億美元。而在 2025 年將達到 2349 億美元，其中 GPU 的收入佔 23.2% 為 545 億美元。儘管 GPU 市場佔比出現下滑，但是全球 AI 硬件市場在不斷上升，將會給 GPU 市場帶來更多的增長空間。

在人工智能和機器學習的加速應用下，英偉達的 GPU 已成為行業內的首選解決方案，廣泛應用於各個領域，從遊戲和專業視覺應用到數據中心和自動駕駛汽車。

本文觀點主要來自中泰證券，作者：王芳、楊旭、李雪峯，原文標題：《解析英偉達成長的核心戰略：研發為底、生態為徑、AI 為翼》

王芳持證編號 S0740521120002

楊旭持證編號 S0740521120001

李雪峯持證編號 S0740522080004