2023年8月英伟达发布二季度财报：
大模型快速发展，驱动公司需求高景气度，英伟达整体财务表现及指引强劲。
①整体：英伟达收入135.1亿美元（同比 101%，环比 88%),高于公司此前110亿美元的指引范围。
GAAP毛利率70.1%（同比 26.6pcts，环比 5.5pcts)，GAAP净利润同比 843%至61.9亿美元。
②分业务：在GAAP下，数据中心业务收入103.2亿美元（同比 171%，环比 141%）；
游戏业务收入22.4亿美元（同比 22%，环比 11%）；
专业可视化收入3.8美元（同比-24%，环比 28%）；
汽车业务营收2.5亿美元（同比 15%，环比-15%）。
③财务指引：展望Q3，公司营收预计为160亿美元（±2%）。
全球加速计算芯片龙头，AI浪潮最大卖水者。
①高性能AI计算芯片需求旺盛：随着人工智能与大模型浪潮的来临，AI应用的落地对算力提出更高的要求，生成式AI、大语言模型的飞速发展驱动英伟达HGX等高端GPU订单量强劲增长。
②英伟达持续推出新品，巩固AI计算领域龙头地位：公司新推出的L40GPU；GraceHopper平台；DGXGH200人工智能平台适用于各类高性能计算任务，有望进一步释放生产力，强化公司在AI计算领域的竞争优势。
老黄于1963年2月在台湾出生，后在1972年举家移民美国。
老黄在上高中的时候就迷上了计算机，高中毕业后就报考了俄勒冈州大学学习计算机科学和芯片设计。在那里，他遇到了他未来的妻子……Lori。
毕业后，他们搬到了硅谷，黄仁勋开始了他在竞争对手AMD的第一份工作。老黄工作的同时也在继续着学业，并于1992年在斯坦福大学获得了电子工程硕士学位。
在他的第二份工作，就职于芯片制造商LSI Corp期间，他遇到了在Sun Microsystems（太阳计算机系统公司）工作的Malachowsky和Priem。
1993年4月，在圣何塞Berryessa立交桥附近的Denny's里，三位年轻的电气工程师——黄仁勋和朋友马拉乔斯基（Chris Malachowsky）和Curtis Priem联合创立了NVIDIA，启动资金4万美元，致力于生产能够为视频游戏生成更快、更逼真的图形专用芯片。
公司起初没有名字。
黄仁勋说：“我们想不出名字，就给所有的文档命名为NV，意思是‘下一代’（next version）。”
由于需要让公司具象化，创始人只能去查阅所有带了这两个字母的单词，他们发现了“invidia”，它在拉丁语中意为“羡慕”。
于是名字就这么敲定了！
三人在21世纪初看到了数字化浪潮的机会，并且希望用与英特尔在1990年代相同的方式定义计算。
英伟达创始人之一的马拉乔斯基说：“ 1993年没有市场，但我们看到了一波热潮。” “每年都有一个加州冲浪比赛，比赛时间为五个月。当他们在日本看到某种形式的波浪现象或风暴时，便告诉所有冲浪者出现在加利福尼亚州，因为两天内会发生波浪。就是这样我们才刚开始。”
浪潮？
三人看到的浪潮，就是那个年代新兴市场——
图形处理器（GPU）。
NVIDIA创立的时候，市场上足足有20多家图形芯片公司（三年后这个数字更是飙升到了70家）。
但是，三位创始人还是义无反顾地投身于这个市场当中。
在 PC 诞生之初，并不存在 GPU的概念，所有的图形计算都由 CPU 进行计算，直到NVIDIA提出了GPU概念。
GPU通常作为视频游戏玩家插入PC主板的卡出售，可提供超快的3D图形。不过这项技术在当时并不被看好。
1995年9月30日，英伟达发布第一款可以真正意义上被称为显卡的产品：
叫做NVIDIA STG-2000X。
该产品采用英伟达的第一代NV1架构，开发成本为1000万美元。
这款产品并不成功，而且花光了英伟达筹来的第一笔投资，之后又经历了NV2的研发，均在市场上没有掀起什么浪花。这个刚成立没几年的年轻公司几乎*，陷入财政危机的英伟达被迫解雇一半员工，最后仅保留了约40名核心人员艰难地维持公司的运作。
直到1997年，RIVA128的研发，它的速度是其他图形处理器的4倍，被视为英伟达第一款最成功的显示核心。
借着这款产品的成功，英伟达一鼓作气于1998年秋和1999年2月分别推出了TNT和TNT2，一举占据了显卡芯片市场的主流位置。
从此GPU就改变了世界，特别是在游戏领域，NVIDIA GPU几乎已经成为了游戏设备的标配。
上个世纪90年代末，70家GPU公司中存活下来的只有Nvidia和AMD。
与台积电
1998 年英伟达与台积电签署了合作伙伴关系协议，台积电开始协助制造NVIDIA 产品。
这里还有一段小故事：
也许是同是老乡情谊，在一次采访中黄仁勋回记起1995 年的某天，张忠谋在跟他谈生意时说道，“我赴汤蹈火也要拿到你生意。” 黄仁勋说：“我们两家总共已做过100 亿美元的生意”。
1995 年，32 岁的黄仁勋遭遇商业瓶颈写信给张忠谋，询问台积电能否替NVIDIA 代工生产第一颗芯片。随后台积电接下英伟达的订单，帮助其快速占领市场。黄仁勋对这段雪中送炭的情谊感动不已，据说还将这段经历画成了漫画送给张忠谋。
2017年黄仁勋获颁交大名誉博士，张忠谋也亲自到场祝贺，并表示与黄仁勋的友谊长达25年。
张忠谋2018年6月在台积电*常会后正式退休后，黄仁勋还受邀参加张忠谋的家宴。黄仁勋在家宴致词最后，也念了他写给张忠谋的一封信。
上市
英伟达1999年1月全年营收突破1.5亿美元，并同年在美国纳斯达克挂牌上市。发行时，市值达2.3亿美元左右。
2000年，公司收购九十年代末至二十世纪初的显卡芯片领导者3dfx，进一步壮大技术储备。
2007年英伟达收入超过40亿美元，与上市时相比收入翻了近26倍！
2009年，在第一届GPU技术大会上，英伟达发布了名为“Fermi (费米) ”的新一代CUDA GPU架构。这个架构虽然性能极强，但功耗也极高，所以2010年十一月份推出的该架构之旗舰产品GTX580被戏称为“核弹显卡”。
2011年初，在CES大会上推出“Project Denver (丹佛计划) ”，首次为PC开发基于ARM指令集的超高效定制架构CPU。
2012年发布了基于“Kepler ”开普勒架构的GeForce GTX600系列显卡。
事实证明，计算卡和游戏卡分开发展是极具里程碑意义的战略规划，从此英伟达的游戏显卡发展速度一骑绝尘，将A卡越甩越远（直到2019年AMD才无奈宣布也会采取游戏卡和计算卡分开设计的策略）。
受到“显卡门”事件以及全球经济危机的影响，上升势头正猛的英伟达遭遇了当头棒喝。公司一次性支付了近2亿美元来解决该产品质量问题，重创之后英伟达进入了短暂的停滞期。
关键性的2012年！
2012年，多伦多大学的Alex Krizhevsky创办了能够从100万样本中自动学习识别图像的深度神经网络“AlexNet”，成为人工智能的标志性事件。
随后，斯坦福的 Andrew Ng 与 NVIDIA 研究室合作开发了一种使用大规模GPU 计算系统训练网络的方法。
深度神经网络技术迅速发展，Nvidia 也一举成为深度学习领域最炙手可热的公司。
2014年，推出“Maxwell (麦克斯韦) ”GPU架构，能效比继续大幅提升。
2016年，全新的“Pascal (帕斯卡) ”架构诞生，叠加全新的16nm制程工艺，直接助力“甜点产品”GTX 1060成为英伟达历史上最为畅销的显卡！
至此，英伟达王朝的霸业正式建立，双雄争霸已分胜负——AMD在其步步紧逼之下毫无还手之力（特别是高端领域）。
2016年，英伟达推出全球首款一体化深度学习超级计算机——DGX-1，这是一款搭载了8块 P100加速器的超算，可强力支持人工智能应用程序。当时黄仁勋独具慧眼，第一台DGX-1直接捐给了初创的OpenAI。
2017年，推出了“Volta ”GPU伏特架构，其中首次引入了名为Tensor Core （张量核心）的计算单元，专为深度学习而设计。
基于此架构设计的V-100 GPU加速器，为DGX系列AI超级计算机提供了极其强劲的动力支持！
2018年推出了Turing GPU图灵架构，为全球首款具备实时光线追踪功能的GPU提供支持。
实时光追长期以来一直被视为计算机图形技术的终极目标，英伟达此举可谓重塑了计算机图像技术。
2019年，丰田和沃尔沃集团开始使用NVIDIA DRIVE端到端平台，以开发和训练安全的自动驾驶汽车，并部署到全球的交通运输行业。
2020年，英伟达收购了高性能互联技术领域的领头羊 迈络思 Mellanox（迈络思，成立于1999年），HPC领域的两家卓越公司合二为一。
同年隆重推出了Ampere GPU安培架构，助力实现一种新的功能强大且灵活的数据中心。
2022年十一月底，OpenAI旗下的聊天机器人ChatGPT推出，此后迅速在社交媒体上走红爆火。
而实际处理ChatGPT的GPU，正是英伟达的A-100 (基于安培架构) ！
也是在2022年，黄仁勋终于公布了NVIDIA新一代架构与核心。
当然这次是面向HPC高性能计算、AI人工智能的“Hopper”（郝柏架构），对应核心编号“GH100”，同时发布的还有基于新核心的加速计算卡“H100”、AI计算系统“DGX H100”。
与传闻不同，GH100核心采用的其实是台积电目前最先进的4nm工艺，而且是定制版，CoWoS 2.5D晶圆级封装，单芯片设计，集成多达800亿个晶体管，号称世界上最先进的芯片。
英伟达首席科学家 Bill Dally 所描述的“后摩尔定律时代计算机性能如何实现的结构性转变”主要基于人类的聪明才智。
这一特征似乎难以建立一条定律，但 Dally 认为，下面的图表标志着“黄氏定律”的开始。
“黄氏定律”，即显卡芯片每6个月性能提升一倍。
“黄氏定律”并非英伟达自己的首创说法。IEEE Spectrum 第一个提出以黄仁勋命名定律，“黄氏定律”后来因《华尔街日报》的一篇专栏而广为人知。
根据 Dally 最近在 Hot Chips 2023 会议上的演讲，上图显示过去十年 GPU AI 推理性能增长了 1000 倍。
Dally 表示，有趣的是，与摩尔定律不同，工艺缩小对黄氏定律的进展几乎没有影响。
Dally 回忆起如何通过改变英伟达 GPU 底层数字处理来实现 16 倍的增长。使用Transformer 引擎的 Nvidia Hopper 架构的到来带来了另一个巨大的推动。
Hopper 使用 8 位和 16 位浮点与整数数学的动态组合，实现了 12.5 倍的性能飞跃，并且节省了能源。
英伟达 DGX 面向最高端的系统；
HGX 系统面向超大规模数据中心；
而新的 MGX 系统则处于这两者之间，而且 DGX 和 HGX 将与新的 MGX 系统共存。
英伟达的 OEM 合作伙伴在设计人工智能中心的服务器时面临着新的挑战，会降低设计和部署的速度。英伟达的新 MGX 参考架构旨在加快这一过程，提供了100 多种参考设计。
MGX 系统由模块化设计组成，涵盖了CPU 和 GPU、DPU 和网络系统的各个方面，但也包括了基于常见的 x86 和 Arm 处理器的设计。
英伟达还提供了空冷和液冷的设计选项，以适应各种应用场景。华硕、技嘉、永擎和和硕都将使用 MGX 参考架构来开发将在今年晚些时候到明年初推出的系统。
加利福尼亚州圣克拉拉 – GTC —
太平洋时间2023年3月21日 —
英伟达宣布与Quantum Machines合作打造了一个新系统，它为高性能、低延迟量子经典混合计算领域的研究人员提供了一个革命性的新架构。
NVIDIA 高性能计算和量子计总监Tim Costa表示：“量子加速的超级计算有望重塑科学和工业，并服务于人类生活的方方面面。NVIDIA DGX Quantum将帮助研究人员在量子-经典计算领域突破界限。”
全球首个GPU加速的量子计算系统——NVIDIA DGX Quantum结合了。
由NVIDIA Grace Hopper超级芯片和CUDA Quantum开源编程模型构建的全球最强加速计算平台，
以及与由Quantum Machines构建的全球最先进的量子控制平台OPX。
该组合使研究人员能够构建将量子计算与先进的经典计算相结合的超强应用，进而推动校准、控制、量子纠错和混合算法的发展。
DGX Quantum 特有的是一个通过PCIe连接到Quantum Machines OPX 的NVIDIA Grace Hopper系统，它能够使GPU和量子处理器（QPU）之间的延迟降低到亚微秒级。
Quantum Machines联合创始人兼首席执行官Itamar Sivan表示：“我们正在迈向一个新的量子计算时代，越来越多的研究人员将比以往更容易使用量子计算。
我们与NVIDIA在DGX Quantum系统方面的合作将助力新一代创新者去解决一些全球所面临的最重大挑战。”
Grace Hopper集成了高性能的NVIDIA Hopper 架构 GPU 与NVIDIA 新推出的Grace CPU，能够大幅提升超大型AI和HPC应用的性能。
对于运行TB级数据的应用，它能够实现高达10倍的性能提升， 为解决那些世界上最复杂难题的量子经典计算研究人员提供前所未有的帮助。
OPX 是一个通用的量子控制系统，它将实时经典计算引擎加入到量子控制堆栈的核心，从而最大程度地提高QPU的性能，并为量子算法开辟了新的可能性。
从几个量子比特的QPU到一个量子加速的超级计算机，Grace Hopper和OPX 系统均可根据系统大小进行扩展。
DGX Quantum还为开发者提供 NVIDIA CUDA Quantum，这一强大的一体化软件堆栈现已开源。
CUDA Quantum是一个混合量子经典计算平台，能够在一个系统中实现QPU、GPU和CPU的集成和编程。
NVIDIA发布了一批将CUDA Quantum集成到其平台的新的合作伙伴，包括量子硬件公司：
Anyon Systems；
Atom Computing；
IonQ；
ORCA Computing；
Oxford Quantum Circuits；
QuEra；
量子软件公司：
Agnostiq；
QMware；
以及几家超算中心——日本国家高级产业科学技术研究院；
IT Center for Science（CSC）和美国国家超级计算应用中心（NCSA）。
与一贯的500强CEO的形象不符的是，黄仁勋有着别具一格的风格。
标志性的皮衣，以及手臂上有一个英伟达logo的抽象版本。
“我一直认为我们距离*还有30天的时间，”
黄仁勋说，
“这不是害怕失败，而是害怕自满，我甚至不希望自己安定下来。”
