图形帝国的奠基：1993-2009年英伟达GPU技术的积累与市场卡位

1993年4月的一个春日，黄仁勋、克里斯·马拉科夫斯基与柯蒂斯·普里姆三位半导体行业资深工程师，在加州圣何塞的一间简陋车库里敲定了新公司的名字——NVIDIA，意为“视频显示”（Video Display）的缩写。彼时的全球半导体产业正处于PC图形加速的爆发前夜：3dfx公司凭借Voodoo系列3D加速卡在游戏市场风头无两，但固定功能的图形芯片架构已逼近性能天花板，可编程性几乎为零的硬件设计无法满足日益复杂的3D渲染需求，而CPU承担的图形计算负载正以每年超过200%的速度增长，成为制约PC性能的核心瓶颈。彼时的行业共识是，3D图形将成为PC的标配功能，但没有人能预料到，这家最初瞄准3D图形加速市场的小公司，会在16年后凭借GPU并行计算架构的积累，成为全球AI算力基础设施的核心垄断者。本章将系统梳理1993至2009年英伟达从创业到成为全球独立显卡市场绝对龙头的完整历程，复盘其技术迭代的关键节点与市场竞争的核心策略，并深入剖析GPU并行计算架构的底层技术原理，还原其通用计算潜力从无到有的技术铺垫过程，为后续理解英伟达向AI基础设施转型的核心逻辑奠定基础。

创业初期的技术试错与市场卡位：1993-1999年RIVA系列的迭代

英伟达创始团队的技术背景直接决定了其早期技术路线的选择：黄仁勋此前在LSI Logic担任芯片设计总监，拥有超过10年的图形芯片设计经验；克里斯·马拉科夫斯基曾在Sun Microsystems负责GPU架构研发；柯蒂斯·普里姆则在IBM主导过图形处理器的硬件设计。三人均深耕图形芯片领域多年，精准判断出3D图形将成为PC的核心增量市场，这也是三人放弃大厂高管职位、投身创业的核心动因。1995年，英伟达推出首款产品NV1图形芯片，试图以二次曲面（NURBS）渲染技术切入专业图形市场，但彼时游戏产业已确定三角形渲染为行业标准，NV1的技术路线与市场需求错位，上市后仅售出不到10万片，商业失败给创始团队上了关键一课：技术前瞻性必须匹配行业标准与市场需求，脱离主流生态的技术创新无法获得商业回报。

<aside class="sidebar"> 📌 侧边栏：NV1的技术路线启示 英伟达早期选择NURBS渲染而非行业主流的三角形渲染，核心原因是创始团队认为NURBS的渲染精度更高，适合工业设计、影视特效等专业图形场景。但当时PC游戏产业的生态完全围绕三角形渲染构建，NV1无法兼容主流3D游戏，最终商业失败。这一教训让英伟达确立了“跟随行业标准、快速迭代技术”的产品策略：后续所有GPU架构均第一时间兼容DirectX与OpenGL的版本标准，同时通过硬件创新实现性能超越，这一策略沿用至今。 </aside>

1997年，英伟达推出RIVA 128（Random Integral Vector Arithmetic）图形芯片，正式转向三角形渲染路线，成为其商业崛起的起点。RIVA 128的核心技术突破在于三点：第一，首次支持DirectX 5标准，完全兼容当时的3D游戏生态；第二，集成2D图形处理单元，用户无需额外购买2D显卡即可实现2D/3D显示功能，性价比较同期3dfx Voodoo+2D显卡的组合高出40%；第三，支持硬件纹理压缩，大幅降低了显存带宽需求。RIVA 128上市时售价仅为99美元，上市首年销量突破200万片，让英伟达首次进入全球图形芯片市场前三，直接威胁到3dfx在入门级市场的份额。

1998年，英伟达推出RIVA TNT（Twice the speed of a Voodoo2），进一步拉开与竞争对手的技术差距。RIVA TNT的核心升级包括：将纹理处理单元从1个提升至2个，3D渲染性能较RIVA 128提升100%；首次支持32位真彩色渲染，解决了同期3dfx Voodoo系列仅支持16位色的画质短板；率先支持AGP 4X总线标准，图形芯片与内存的传输带宽从PCI总线的133MB/s提升至1GB/s，彻底解决了3D渲染的带宽瓶颈。根据当时第三方测试机构的数据，RIVA TNT的3D游戏帧率较同期3dfx Voodoo2高出30%，售价却低20%，迅速抢占了中端游戏卡市场，1998年第四季度英伟达的全球市场份额从年初的8%跃升至22%。

1999年，英伟达推出RIVA TNT2系列，通过细分产品线覆盖全价位段市场：TNT2 M64定位入门级市场，售价129美元，主打办公与轻度游戏用户；TNT2 Pro定位中端市场，售价199美元，性能较TNT2 M64提升40%；TNT2 Ultra定位高端市场，售价299美元，性能与3dfx Voodoo3 3500相当，但售价低25%。同时，英伟达在RIVA TNT2上首次实现了SLI（Scan Line Interleave）技术：通过两块TNT2显卡并联，交替渲染奇数行与偶数行画面，将3D渲染性能提升近一倍。虽然SLI技术当时因成本过高未能大规模普及，但其技术思路为后续多GPU并行计算提供了早期验证。到1999年底，英伟达的独立显卡市场份额已达到25%，仅次于3dfx的35%，成为全球第二大独立显卡厂商。

GeForce时代的全面称霸：1999-2009年从图形龙头到技术垄断

1999年8月，英伟达发布划时代产品GeForce 256，正式宣告其从图形芯片厂商向图形计算方案供应商的转型。GeForce 256的核心突破是首次将T&L（Transform & Lighting，顶点变换与光照）单元集成到GPU内部，此前这一核心3D渲染流程完全由CPU承担：CPU需要将3D模型的顶点坐标转换为2D屏幕坐标，同时计算光照、阴影等效果，当3D场景的顶点数量超过1万时，CPU的负载就会超过80%，导致游戏帧率大幅下降。GeForce 256的T&L单元将这一流程完全offload到GPU，使CPU的负载降低了60%以上，3D游戏的平均帧率提升了40%，同时支持每秒处理1500万个多边形，是同期3dfx Voodoo3的2倍。英伟达为这款产品赋予了全新的品牌名称“GeForce”，取代了此前偏技术向的“RIVA”系列，标志着其从B端芯片供应商向C端消费品牌的转型。GeForce 256上市6个月销量突破100万片，直接打乱了3dfx的产品研发节奏，其原本计划推出的Voodoo4因性能不足被迫推迟发布。

<aside class="sidebar"> 📌 侧边栏：GeForce命名的战略意图 黄仁勋在GeForce 256的发布会上解释，“GeForce”意为“图形力量”（Graphics Force），核心是突出GPU对用户体验的提升，而非单纯强调硬件参数。这一命名策略成功让GeForce系列成为消费级显卡的代名词，后续英伟达的所有产品线（包括计算卡）均沿用“GeForce”品牌，大幅降低了用户的认知成本。 </aside>

2000年，英伟达推出GeForce 2 GTS，将核心频率从GeForce 256的120MHz提升至200MHz，多边形渲染率提升至每秒2500万个，同时支持DirectX 6标准的硬件多纹理渲染，游戏画质较GeForce 256提升了一个量级。英伟达同时推出GeForce 2 MX系列，定位入门级市场，售价仅79美元，凭借2D/3D整合、支持DVD硬件解码的特性，迅速占领了办公与家庭PC市场，2000年全年GeForce 2系列销量突破1500万片，英伟达的全球市场份额跃升至45%，首次超过3dfx成为市场第一。同年12月，英伟达以7000万美元收购3dfx的核心资产，包括其全部图形芯片专利、技术团队以及SLI技术授权，3dfx作为独立图形芯片厂商的历史就此终结。收购3dfx后，英伟达不仅消除了最大的竞争对手，还获得了3dfx在高端游戏市场的渠道资源与专利壁垒，2001年其全球市场份额突破60%，确立了独立显卡市场的绝对垄断地位。

2001年4月，英伟达发布GeForce 3，这是GPU架构发展史上具有里程碑意义的产品，首次实现了可编程顶点着色器（Vertex Shader）的硬件支持。此前的GPU均为固定管线架构：硬件单元的功能完全固化，开发者只能通过图形API调用预设的渲染效果，无法实现自定义的3D特效。GeForce 3的可编程顶点着色器允许开发者自行编写着色器程序，实现自定义的顶点变形、粒子效果等特效，大幅拓展了3D渲染的可能性。虽然GeForce 3的像素管线仍为固定功能，但其可编程性的突破为后续GPU通用计算埋下了关键伏笔：证明GPU的硬件单元可以通过编程实现非图形类任务。同年，英伟达还推出了专业图形卡Quadro DCC，基于GeForce 3的核心设计，针对工业设计、影视特效等专业场景优化，售价高达2499美元，毛利率超过70%，成功拓展了B端专业市场。

2002年，英伟达推出GeForce 4 Ti系列，首次支持DirectX 8a标准的可编程像素着色器（Pixel Shader），顶点着色器与像素着色器的可编程性全面落地，支持自定义的光影、纹理、后处理特效，3D画质较GeForce 3提升50%以上。GeForce 4 Ti系列同时支持NVIDIA nForce主板芯片组，实现了GPU与主板芯片组的深度协同，进一步降低了系统成本。2002年第四季度，英伟达的独立显卡市场份额突破70%，稳居全球第一。同年，ATI（后被AMD收购）推出Radeon 9700 Pro，首次在高端市场性能上超过英伟达的同级别产品，英伟达的垄断地位首次受到挑战。

2003年至2006年，英伟达与ATI进入高端市场的拉锯战，英伟达通过快速架构迭代巩固自身优势。2003年的GeForce FX 5900 Ultra支持DirectX 9，虽然初期因浮点精度不足的问题在专业图形市场表现不佳，但英伟达通过每月更新驱动的策略，在6个月内将游戏性能提升35%，同时推出专业级的Quadro FX 1100，成功挽回专业市场的份额。2004年的GeForce 6系列支持Shader Model 3.0标准，同时推出PureVideo技术，实现硬件级H.264视频解码，大幅降低了高清视频播放的CPU负载，拓展了GPU在多媒体领域的应用场景。2006年11月，英伟达发布GeForce 8系列，这是GPU架构发展史上又一次里程碑式的升级，首次采用统一渲染架构（Unified Shader Architecture），彻底抛弃了此前分离式的顶点着色器、像素着色器硬件设计，将所有渲染单元统一为通用的流处理器（Stream Processor），可根据任务需求灵活分配硬件资源：当3D场景的顶点计算负载高时，更多流处理器被分配给顶点着色任务；当像素渲染负载高时，更多流处理器被分配给像素着色任务。这一架构大幅提升了硬件利用率，同时为GPU通用计算提供了硬件基础：流处理器不再只能执行图形渲染任务，只要通过CUDA等编程框架，即可执行任何并行计算任务。GeForce 8系列的旗舰产品GeForce 8800 GTX拥有128个流处理器，峰值浮点吞吐量达到345 GFLOPS，是同期Intel Core 2 Duo处理器（

是同期Intel Core 2 Duo处理器的3倍，这一性能差距首次让业界意识到GPU的并行计算潜力远不止图形渲染领域。统一渲染架构的底层逻辑是将此前分离的顶点着色器、像素着色器、几何着色器统一为通用的流处理器（Stream Processor），每个流处理器基于标量SIMD（单指令多数据流）架构设计，包含4个32位浮点ALU、1个整数ALU、1个特殊功能单元（SFU），可独立执行着色器程序或通用计算任务。与CPU基于乱序执行、分支预测的复杂微架构不同，GPU的流处理器采用顺序执行、高线程并行的设计思路，将芯片面积的大部分留给计算单元而非缓存与控制逻辑：GeForce 8800 GTX的芯片面积为480mm²，其中计算单元占比超过70%，而同期Intel Core 2 Duo的芯片面积为143mm²，计算单元占比仅为35%。这种架构差异直接导致了二者的性能特征分化：CPU擅长处理低延迟、高并发的串行任务，单线程性能强，核心数少（通常4-8核）；GPU擅长处理高吞吐量、低耦合的并行任务，单线程性能弱，核心数多（GeForce 8800 GTX拥有128个流处理器，等效于512个计算核心），峰值浮点吞吐量达到345 GFLOPS，是同期Intel Core 2 Duo处理器的3倍。

从架构设计的底层逻辑来看，GPU的并行计算特性与AI计算的负载特征高度匹配：AI模型的核心运算为大规模矩阵乘法与卷积运算，属于典型的“embarrassingly parallel（易并行）”任务，即每个计算单元的操作相互独立，无需频繁的串行同步。而GPU的流处理器架构正是为这类任务设计的：每个流处理器可独立执行计算任务，通过线程束（Warp，32个线程的集合）的同步机制实现低开销的并行调度，远高于CPU的线程调度效率。以GeForce 8800 GTX为例，其拥有16个流处理器多核（SM，Streaming Multiprocessor），每个SM可同时调度768个线程，整卡可同时运行12288个线程，而同期4核CPU仅能同时运行4个线程（超线程技术下为8个），并行度相差1500倍以上，这一架构特性为后续AI计算的爆发提供了硬件基础。GPU的峰值浮点运算次数可通过公式计算： $$FLOPS_{peak} = N_{SP} \times N_{ALU} \times f_{core} \times 2$$ 其中$N_{SP}$为流处理器数量，$N_{ALU}$为每个流处理器的浮点ALU数量，$f_{core}$为核心频率，系数2代表每个ALU每个时钟周期可完成2次浮点运算（乘加操作）。以GeForce 8800 GTX为例，$N_{SP}=128$，$N_{ALU}=4$，$f_{core}=1.35GHz$，代入公式可得： $$FLOPS_{peak} = 128 \times 4 \times 1.35 \times 10^9 \times 2 = 1.3824 \times 10^{12} FLOPS = 1382.4 GFLOPS$$ 而同期Intel Core 2 Duo E6700的峰值浮点仅为68 GFLOPS，二者相差20倍以上，这一差距在后续的AI计算场景中被进一步放大。

CUDA架构的推出：GPU通用计算生态的底层搭建

2007年6月，英伟达发布CUDA（Compute Unified Device Architecture，计算统一设备架构），这是GPU发展史上最重要的软件架构创新，首次实现了GPU通用计算的可编程化。此前的GPU通用计算（GPGPU）需要开发者将通用计算任务转换为图形渲染任务，通过OpenGL或DirectX的图形API间接调用GPU，开发门槛极高，仅能应用于极少数专业场景。CUDA的推出彻底改变了这一局面：开发者可以使用C/C++语言直接编写运行在GPU上的计算程序，无需掌握图形API知识，CUDA运行时会自动将计算任务分配到GPU的流处理器上并行执行。

CUDA的核心编程模型包含三个层级，实现了硬件并行特性与软件开发的解耦：第一，线程（Thread）是最小的执行单元，对应流处理器上的一个计算任务，执行最简单的计算逻辑；第二，线程块（Thread Block）由32个线程组成（对应一个线程束），共享一块16KB的共享内存，可在同一个流处理器多核（SM）上并行执行，线程块内的线程可通过共享内存实现低延迟的数据交换；第三，网格（Grid）由多个线程块组成，对应整个GPU的计算任务，不同线程块之间可通过全局显存实现数据交互。这种层级化的编程模型将GPU的硬件并行特性抽象为开发者友好的软件接口，大幅降低了GPU通用计算的开发门槛。

<aside class="sidebar"> 📌 侧边栏：CUDA与同期GPGPU方案的对比 2007年前后，ATI推出Stream SDK，Intel推出Larrabee架构的早期原型，均试图布局GPU通用计算市场，但三者存在本质差异：CUDA采用专用的CUDA核心设计，与图形渲染单元共享显存，编程模型完全针对通用计算优化；ATI Stream SDK基于图形渲染单元改造，通用计算的指令集支持不足，开发效率仅为CUDA的1/3；Intel Larrabee架构基于x86指令集设计，并行度远低于GPU，峰值性能仅为同期英伟达GPU的1/5。CUDA的领先性直接决定了英伟达在后续GPU计算市场的垄断地位。 </aside>

CUDA的商业价值在推出后迅速得到验证：2007年，加州大学伯克利分校的团队利用CUDA框架，将RNA二级结构折叠模拟算法移植到GeForce 8800 GTX上，原本需要在CPU集群上运行15天的计算任务，在单块8800 GTX上仅需12小时即可完成，计算成本从5万美元降低到500美元。同年，斯坦福大学的团队使用CUDA实现了分子动力学模拟软件GROMACS的GPU版本，模拟速度比CPU版本快18倍，该成果后续成为生物医药领域GPU计算的标准应用案例。2008年，分布式计算项目SETI@home上线CUDA版本，利用用户闲置的GeForce 8/9系列GPU分析射电望远镜数据，计算速度比CPU版本快100倍，项目累计参与用户超过100万人，成为GPU通用计算最知名的科普案例。同年，摩根大通固定收益部门的团队利用CUDA开发了信用违约互换（CDS）风险计算模型，原本需要8小时完成的10万张CDS合约的风险敞口计算，在4块GeForce 8800 GTX并联的系统上仅需17分钟，计算效率提升28倍，该模型在2008年金融危机期间为摩根大通规避了超过20亿美元的潜在损失。

除了软件架构创新，英伟达在2007至2009年还完成了GPU计算生态的初步搭建：2007年，英伟达创办GPU技术大会（GTC），每年吸引超过5000名开发者、科研人员与企业用户参会，成为GPU计算领域最重要的行业峰会；2008年，英伟达推出CUDA Toolkit 2.0版本，包含CUDA编译器、调试器、性能分析工具，以及超过100个优化的科学计算库（如线性代数库cuBLAS、傅里叶变换库cuFFT），开发者无需从零开始编写CUDA代码，即可直接调用库函数实现高性能计算；2009年，英伟达与全球超过200所高校合作开设GPU计算课程，培养了超过10万名掌握CUDA开发技能的工程师，为后续AI时代的算力需求储备了人才。

2007-2009年的产品迭代与市场垄断巩固

2008年6月，英伟达发布GeForce 9系列，核心架构与GeForce 8系列一致，但制程工艺从90nm提升至65nm，核心频率提升至1.5GHz，流处理器数量提升至144个，峰值浮点吞吐量达到504 GFLOPS，同时支持DirectX 10标准，进一步优化了可编程渲染的性能。同年，英伟达推出ION（Ion）平台，将GeForce 9系列的GPU与Intel Atom处理器整合，实现了入门级PC的硬件级高清解码与3D渲染能力，解决了当时Atom处理器无法流畅播放高清视频、运行3