英伟达创立与GPU技术的起源

1993年的硅谷，PC产业的第三次浪潮正从文本处理、电子表格等生产力工具向多媒体应用渗透，其中最具想象空间的空白领域当属3D图形处理。彼时主流PC的图形能力仍停留在VGA标准阶段：640×480分辨率、16色显示，所有2D图形渲染均由CPU直接完成，3D场景渲染更是完全不存在商业化解决方案。游戏开发者想要实现《德军总部3D》《毁灭战士》这类伪3D效果，需要靠CPU手动计算每个像素的坐标和遮挡关系，Intel 486DX2 66MHz处理器每秒仅能处理约2000个三角形，复杂场景的帧率不足5帧，完全无法满足交互需求。3D图形处理的算力缺口，成为整个PC产业等待填补的核心痛点。

正是在这一背景下，黄仁勋、克里斯·马拉科夫斯基（Chris Malachowsky）、柯蒂斯·普里姆（Curtis Priem）三位拥有图形芯片研发经验的工程师在2月共同创立了英伟达（NVIDIA）。三人此前均在硅谷头部科技公司担任图形芯片研发负责人：黄仁勋在LSI Logic负责工作站图形芯片项目，马拉科夫斯基曾在Sun Microsystems主导高端图形系统的架构设计，普里姆则在IBM参与过图形硬件的底层开发。三人对3D图形处理的算力瓶颈有切身体会，一致认为CPU的串行架构天生不适合处理高度并行的图形渲染任务，必须开发专用的并行计算芯片来承接这一需求。公司名称“NVIDIA”源自拉丁语“invidia”（意为“嫉妒”），寓意其产品性能足够强大到让竞争对手嫉妒，也暗含了团队对技术极致性的追求。

初创团队的第一个技术判断是：3D图形芯片必须走“全集成”路线，而非当时行业主流的“2D主卡+3D子卡”分离方案。1995年，英伟达推出首款商用芯片NV1，试图在一块芯片上集成2D图形加速、3D图形渲染、音频处理和PCI总线控制四大功能，直接替代用户手中的2D显卡和独立声卡。从技术逻辑上看，这一设计符合当时用户对“高性价比一体化方案”的期待，但NV1的核心技术选择却埋下了致命的隐患：它没有采用当时行业已经逐步统一的三角形光栅化渲染管线，而是自研了基于二次曲面（Quadric Surface）的渲染架构。

二次曲面渲染的理论优势非常明显：相比三角形这种平面近似方案，二次曲面可以更精准地模拟球体、圆柱体等光滑曲面的3D效果，渲染质量更高。但这一技术路线的致命缺陷在于完全脱离了产业生态：1995年之前的所有3D游戏引擎、图形API（如OpenGL 1.0、DirectX 1.0）均基于三角形光栅化标准开发，NV1既不兼容DirectX也不兼容OpenGL，需要游戏开发者单独为其重写渲染引擎。同时，NV1集成的音频功能采用了世嘉Saturn游戏机的音频核心，与当时已经占据主流市场的Sound Blaster声卡完全不兼容，用户无法在NV1上使用成熟的音频软件。从技术参数来看，NV1采用0.5μm工艺，集成250万个晶体管，主频50MHz，2D图形填充率为15M像素/秒，3D渲染填充率仅为1.5M像素/秒，最高支持2MB显存，售价199美元。由于生态兼容性极差，NV1上市后全年销量不足10万片，英伟达1995财年营收仅700万美元，亏损300万美元，团队规模从30人裁撤至15人，濒临破产。

NV1的失败给英伟达上了最关键的一课：芯片设计不能脱离产业生态，自创技术标准的成本远高于兼容主流标准的收益。团队迅速调整技术路线，放弃二次曲面渲染架构，全面转向三角形光栅化标准，同时砍掉芯片上的音频功能，专注于图形处理能力。1997年，英伟达推出第二款芯片RIVA 128（NV3），首次采用行业主流的三角形光栅化架构，支持Direct3D和OpenGL双API，采用0.35μm工艺，集成350万个晶体管，主频100MHz，3D渲染填充率提升至10M像素/秒，硬件T&L（Transform and Lighting，几何变换与光照计算）单元的引入让CPU的图形处理负担降低了60%以上，售价仅为129美元，比竞争对手3dfx的Voodoo2芯片便宜近50%。凭借极高的性价比和良好的兼容性，RIVA 128迅速获得戴尔、惠普等OEM厂商的订单，1997财年英伟达营收突破1.3亿美元，实现盈利2000万美元，成功走出破产危机。

1998年，英伟达拿到了决定其后续发展的关键订单：成为微软第一代Xbox游戏机的独家GPU供应商。这一订单的价值不仅在于每年超过1亿美元的稳定营收，更在于得到了微软的官方背书：Xbox的GPU需要兼容DirectX标准，这倒逼英伟达完善了对DirectX的驱动优化，也帮助其GPU架构得到了全球游戏开发者的认可。Xbox订单的落地让英伟达的研发投入提升了3倍，为1999年GeForce 256的研发提供了充足的资金支持，也标志着英伟达正式从“小众图形芯片厂商”升级为“头部消费电子芯片供应商”。

RIVA 128的市场成功验证了三角形光栅化路线的正确性，也让英伟达看到了并行计算架构在图形处理领域的巨大潜力。彼时3D游戏产业正处于爆发前夜，《雷神之锤》《古墓丽影》等3A级游戏对图形性能的需求呈指数级增长，传统的软件T&L方案已经无法满足需求：CPU需要花费70%以上的算力处理3D图形的几何变换和光照计算，导致游戏帧率不足10帧，交互体验极差。1999年8月，英伟达推出第四款芯片GeForce 256，首次正式提出GPU（Graphics Processing Unit，图形处理器）的概念，将图形处理从CPU的附属功能升级为独立的专用计算单元，成为整个图形产业的分水岭产品。

从技术原理来看，GeForce 256的核心创新是将原本由CPU承担的T&L计算完全集成到芯片内部，通过专用的硬件单元实现并行处理。此前的3D图形

此前的3D图形渲染管线中，顶点几何变换（Transform）与光照计算（Lighting，合称T&L）完全由CPU以串行方式完成，每渲染一帧画面，CPU需要先处理所有3D模型的顶点坐标变换——即根据摄像机位置、模型位置、旋转缩放参数，将模型的本地坐标系顶点转换为屏幕坐标系下的2D坐标，再计算每个顶点受光源位置、材质属性影响后的颜色值，最后将处理后的顶点数据传给图形芯片进行光栅化、像素渲染。对于包含1万个顶点的复杂3D场景，CPU每秒需要完成60次这样的全流程计算，仅T&L环节就占用CPU 70%以上的算力，导致游戏帧率长期停留在10-20帧的区间，画面卡顿、跳帧成为3D游戏的普遍体验。

1999年8月，英伟达推出的GeForce 256（内部代号NV10）首次将T&L单元集成到图形芯片内部，通过专用硬件实现并行计算，正式提出GPU（Graphics Processing Unit，图形处理器）的概念，将图形处理从CPU的附属功能升级为独立的专用计算单元，成为整个图形产业的分水岭产品。从技术架构来看，GeForce 256的T&L单元采用独立的向量运算单元设计，每个顶点变换需要执行16次浮点乘法和12次浮点加法，其T&L单元峰值处理能力达到1500万顶点/秒，是当时主流CPU（Intel Pentium II 450MHz）T&L处理能力的4倍以上，直接将CPU的图形处理负担降低了60%以上。除了硬件T&L单元，GeForce 256还搭载了4个像素渲染单元、2个顶点渲染单元，采用0.22μm工艺制造，集成2300万个晶体管，核心频率120MHz，搭载128位DDR显存，显存带宽达到4.4GB/s，像素填充率高达480M像素/秒，是前代产品RIVA 128的48倍。

GeForce 256的架构核心是大规模并行计算范式的首次商业化落地：图形渲染的每个顶点变换、每个像素的光照/纹理计算都是完全独立的无依赖任务，可以拆分到成百上千个小型计算单元同时处理，无需像CPU那样依赖复杂的串行控制逻辑。这种架构设计直接匹配了图形处理的并行特性，也为其后续转型通用计算、支撑AI训练埋下了最核心的技术伏笔。为了更清晰地展示GeForce 256的渲染管线与CPU负担的差异，可以用如下流程图示意： ```mermaid graph LR A[3D模型顶点数据] --> B[CPU<br>仅传输原始顶点坐标] B --> C[GeForce 256硬件T&L单元<br>并行处理1.5M顶点/秒的变换与光照] C --> D[三角形光栅化单元<br>将3D模型转换为2D像素网格] D --> E[像素渲染单元<br>并行处理纹理映射、抗锯齿、颜色混合] E --> F[显存输出最终画面] style C fill:#f9f,stroke:#333,stroke-width:2px style E fill:#9f9,stroke:#333,stroke-width:2px style B fill:#99f,stroke:#333,stroke-width:2px ``` 从流程图中可以看到，CPU在GeForce 256架构下仅需要承担顶点数据传输的极轻量工作，原本占满CPU算力的T&L环节完全由GPU的并行单元完成，这是3D游戏性能实现跨越式提升的核心原因。

GeForce 256上市后迅速获得市场认可，1999年第四季度销量突破100万片，占据全球3D显卡市场份额的40%，首次超过长期霸占市场第一的3dfx成为行业龙头。其市场成功的核心原因不仅是性能领先，更是生态兼容性的优势：GeForce 256完整支持微软DirectX 6.0和OpenGL 1.1标准，所有基于主流图形API开发的游戏无需修改即可直接运行，而竞争对手3dfx的Voodoo3系列仍然仅支持自研的Glide API，生态壁垒极高。以当时全球最火的游戏《反恐精英》为例，在800×600分辨率、高画质设置下，GeForce 256可以稳定输出60帧的流畅画面，而3dfx Voodoo3仅能跑28帧，ATI的Rage 128 Pro仅能跑22帧，玩家群体的口碑传播直接带动了GeForce 256的销量爆发。1999财年英伟达营收突破4.5亿美元，同比增长250%，净利润1.2亿美元，市值突破100亿美元，正式确立了自己在图形芯片行业的领导地位。

为了更直观地对比GeForce 256与同期竞品的性能差异，下表整理了1995-2000年英伟达核心GPU与同期主流竞品的参数对比： | 芯片型号 | 发布时间 | 工艺制程 | 晶体管数（万） | 核心频率（MHz） | T&L单元峰值性能（顶点/秒） | 像素填充率（M像素/秒） | 显存带宽（GB/s） | DirectX支持 | 售价（美元） | |-------------------|----------|----------|----------------|----------------|---------------------------|------------------------|------------------|-------------------|--------------| | NV1 | 1995 | 0.5μm | 250 | 50 | 无（软件T&L） | 1.5 | 0.8 | 无 | 199 | | RIVA 128（NV3） | 1997 | 0.35μm | 350 | 100 | 500万 | 10 | 2.1 | DirectX 3.0 | 129 | | 3dfx Voodoo2 | 1998 | 0.35μm | 500 | 90 | 无（软件T&L） | 90（双卡SLI） | 1.6 | 无（仅3D子卡） | 349 | | ATI Rage 128 Pro | 1999 | 0.25μm | 800 | 110 | 无（软件T&L） | 12 | 2.2 | DirectX 6.0 | 149 | | GeForce 256（NV10） | 1999 | 0.22μm | 2300 | 120 | 1500万 | 480 | 4.4 | DirectX 6.0 | 299 | | 3dfx Voodoo3 | 1999 | 0.25μm | 1200 | 125 | 无（软件T&L） | 15 | 2.0 | 无（仅3D子卡） | 399 | 从参数对比中可以清晰看到，英伟达的技术迭代速度远快于竞争对手：从1997年的RIVA 128到1999年的GeForce 256，仅用2年时间就实现了晶体管数量增长5.5倍、像素填充率增长48倍、T&L能力从无到有的跨越，而同期3dfx的Voodoo系列从Voodoo2到Voodoo3的像素填充率仅提升了67%，且仍然没有硬件T&L单元，技术差距被迅速拉开。3dfx在2000年宣布破产，其核心资产包括图形专利、SLI多卡互联技术被英伟达收购，进一步巩固了英伟达的技术壁垒。

GeForce 256的成功让英伟达的管理层进一步确认了并行计算路线的正确性，2000年英伟达做出了其发展历程中第二次关键的战略取舍：彻底放弃独立2D图形市场，将所有资源投入3D并行计算架构的研发。这一决策的背景是PC图形市场的结构性变化：1999年Intel发布的i810芯片组已经集成了2D图形加速和基础3D加速功能，主板的2D显卡市场快速萎缩，1999年独立2D显卡的出货量同比下降72%，行业预测到2001年独立2D显卡的市场规模将不足5亿美元，且利润空间被持续压缩。而3D显卡市场正处于爆发期，1999年全球3D显卡出货量同比增长190%，预计到2001年市场规模将突破18亿美元。

这一战略决策的代价是短期损失部分营收：2000年英伟达的2D图形业务营收占比从1998年的45%骤降至12%，砍掉2D业务后短期损失了约5000万美元的营收，部分依赖2D显卡业务的OEM客户（如低端PC厂商）也暂时流失。但英伟达的管理层坚持了这一决策，黄仁勋在内部会议上明确表示：“2D图形是夕阳产业，未来所有的图形算力都会集中在3D并行处理上，我们要把所有筹码都押在并行架构上，哪怕短期损失一部分订单。”这一决策的直接结果是英伟达的研发投入从1999年的1.2亿美元提升到2001年的3.8亿美元，占营收的比例从27%提升到35%，为后续可编程渲染管线、更高效的流处理器架构的研发提供了充足的资金支持。

> 📌 侧边栏：可编程渲染管线的历史意义 > 2001年英伟达推出的GeForce 3首次引入了可编程顶点着色器和像素着色器，允许开发者通过自定义程序控制每个顶点、每个像素的渲染逻辑，打破了此前固定渲染管线的限制。这一特性不仅让游戏画面实现了动态阴影、体积光、凹凸贴图等前所未有的效果，更重要的是首次证明了GPU的并行计算能力可以被编程调用，不再局限于图形处理任务，为后续CUDA通用计算平台的推出奠定了基础。

英伟达在1999-2000年确立的“专用并行架构”路线，不仅让其在3D图形时代站稳了脚跟，更重要的是，这种架构的通用性为后续的转型埋下了清晰的技术伏笔。早在2000年，英伟达的边缘业务团队就与NASA喷气推进实验室（JPL）合作，尝试用GeForce 256处理火星探测器的地形数据渲染：原来用CPU渲染1平方公里的火星地形数据需要8小时，而GPU仅需12分钟，效率提升了40倍。这一项目让英伟达的工程师第一次意识到，GPU的并行架构不仅可以处理图形像素，还可以处理任何可以拆分为大量独立并行计算任务的数据——比如科学计算中的流体模拟、物理仿真，视频编码中的帧处理，乃至后续的神经网络计算。

从架构原理来看，GPU的并行计算能力天生就匹配AI训练的核心需求：AI训练的本质是对海量数据进行大规模的矩阵运算、张量计算，每个计算节点的结果互不依赖，可以完全并行处理。而GPU的流处理器架构采用SIMD（单指令多数据流）设计，即一个控制单元可以同时向多个计算单元发送相同的指令，处理不同的数据，这种架构的吞吐量远高于CPU的SISD（单指令单数据流）架构。我们可以用简单的公式量化这种效率差异：假设一个计算任务可以拆分为$N$个独立的子任务，每个子任务的计算时间为$t$，CPU的串行计算总时间为： $$T_{CPU} = N \times t$$ 而GPU的并行度为$k$（即同时可以处理$k$个子任务），则GPU的计算总时间为： $$T_{GPU} = \lceil \frac{N}{k} \rceil \times t$$ 当$N$远大于$k$时，$T_{GPU}$远小于$T_{CPU}$。例如对于包含10万个元素的矩阵乘法任务，每个元素的计算时间为1μs，CPU串行计算需要100ms，而GeForce 256的并行度为128，仅需要约0.78ms，效率提升超过128倍。这种架构优势在图形处理任务中已经得到验证，而AI训练的矩阵运算与图形渲染的像素计算在并行特性上完全一致，这为英伟达后续切入AI市场提供了先天的技术基础。

2001年，英伟达推出GeForce 3，首次在GPU中引入可编程着色器，允许开发者通过Cg（C for Graphics）语言自定义渲染逻辑，这让GPU的计算能力不再局限于图形处理，而是可以处理通用的并行计算任务。当时英伟达内部将这个方向命名为GPGPU（General-Purpose computing on Graphics Processing Units，图形处理器的通用计算），虽然当时这一方向还没有形成商业化产品，仅是小范围的技术探索，但已经证明了GPU并行架构的通用计算潜力。2003年，英伟达的工程师首次用GeForce FX实现了快速傅里叶变换（FFT），比当时主流CPU的实现快10倍以上，这一成果后来成为CUDA技术的核心原型。

与同期图形芯片厂商的竞争差异，也印证了英伟达战略选择的正确性：3dfx因为坚持封闭的G