NVIDIA 股价创历史新高，过去几年经历了什么
从 PC 时代走到移动时代，再到现在的物联网、人工智能、大数据和自动驾驶时代，电子终端市场眼见了多少企业起朱楼，宴宾客和楼塌了。作为终端市场的半导体市场，也看遍了某些曾经的巨头因为转型不力而惨淡经营，有些凭借丰厚家底基业长青，少数半导体公司凭借自己的先天优势和环境的助力，走上了前所未有的高度，英伟达就是其中的一个。
英伟达 CEO 黄仁勋
这个做显卡出身的企业在过去的一年里，股价从 30.92 美元飙升到 93.36 美元（截止到 2016 年 11 月 18 日）的历史高位，市值上涨超过了 200% 。而从英伟达今年 8 月的财报我们可以看出，公司的总收入为 14.28 亿美元，同比增长 24% ，而利润达到了 2.53 亿美元，同比增长 873% 。
这个一直被中国网友调侃为“ 出色 PPT 设计师 ”的公司是怎样从过去几年的起伏不定的状态中走出来，并走向“芯生”巅峰的呢？回头看，这真的是天时地利人和的结果。
英伟达过去两年的股价走势（ source ：雅虎财经）
成名于 PC 时代
1993 年， LSI Logic 前 SOC 战略部主管黄仁勋携手 ChrisMalachowsky 和 Curtis Priem 创立了英伟达公司，公司的最初目标是为个人电脑生产能够执行全动态视频和立体声处理的微处理器。到了 1995 年 5 月，该公司推出了其第一款产品 NV1 ，但是还没有显卡的概念，英伟达就把他称之为多媒体加速器。
英伟达 NV1
这是第一个集成 GUI 加速、全动态视频加速、三维渲染的微处理器。 NV1 的出现让个人 PC 可以和视频游戏系统一争高下。 NV1 的出色表现除了让英伟达获得了风投的关注以外，还吸引了当时最大游戏机制造商世嘉的目光。当时世嘉和英伟达达成了一个协议，在其第六代家用游戏机“土星”和个人电脑上采用 NV1 。
NV1 的凭空出世让很多人见识到了这个新型产品的潜力，到了 1996 年中，全球共有 30 多家供应商提供 3D 图形芯片。而这个时候的英伟达又先人一步对微软 Direct3D 的支持，加强和游戏开发社区的关系。
之后经过了几年的深耕，到 1997 年底，市场分析机构数据显示，英伟达在 3D 图形处理器的市场份额去到了 24% 。这与其在 NV1 后推出的 RIVA 128 （市场上称之为 NV3 ）优越的市场表现密不可分。
RIVA 128
凭借着创立几年的优越表现，英伟达在 1999 年 1 月成功上市，在第一个财年里，英伟达的营收为 1.58 亿美元，较上年的 1300 万美元增加了 10 倍有余，而利润也从上年的 130 万上升到 410 万美元，较之在 1999 年市值破 5000 亿美元的 Intel 来说，英伟达的这个表现不值一提，可是在这个相当于初创的小市场，英伟达表现还是比较抢眼的。
在之后，英伟达通过自主研发、与当时的图形公司 SGI 交差授权和收购 3dfx Interactive 等一系列举措扩充其产品线，将产品推向了低端电脑市场，同时英伟达还和宏碁实验室建立了战略合作关系，为其接下来的爆发奠定了深厚的基础。
在 1999 年，英伟达除了上市以外，还有一个创举，那就是推出了下一代的图形加速器 GeForce256 ，从严格意义上来说，这个产品才是业界的第一个 GPU 。 这个产品的出现，极大的减轻了个人电脑 CPU 在图形处理方面的压力。可以说它的出现，直接改变了 PC 的构成。
GeForce256
根据当时 Electronic Buyers 的报道， GeForce256 的出现不但减轻了 CPU 的负担，还让软件工程师们可以执行人工智能等复杂的附加功能，我想黄仁勋应该也没想到在 17 年后的今天，人工智能会成为推动其走向人生巅峰的动力之一，这是后话，我们暂且按下不谈。
进入了 21 世纪前几年，基本上就是英伟达和 ATI 两者在图形处理器上的斗争。而英伟达的表现在这几年也是起起伏伏。到 2007 年 8 月，英伟达创了 IPO 以来的最高股价，在那之后，英伟达的股价一泻千里，这多多少少与当年的一个举动有关。
因为在同年 1 月，苹果公司发布了第一代 iPhone ，掀起了轰轰烈烈的移动设备革命， PC 市场急转下滑，转型不力的英伟达迎来了创业以来的最难时机。
英伟达的股价的历史走势，红框内为最高价后的一两年的走势（ source ：雅虎财经）
苹果推动的移动革命“受害者”
2007 年，对黑莓，诺基亚来说是一个悲伤的年份，作为智能手机先锋的前者和功能手机绝对霸主的后者都被一个以前做 mp3 的公司推动的移动设备革命干掉。除了这些直接“受害者”以外， PC 时代的直接受益者英伟达也成为了“简介受害者”。
因为移动设备的兴起， PC 市场日渐惨淡，加上在移动 GPU 和 CPU 方面的表现不力，英伟达迎来了大挑战。
首先 PC 的衰落让英伟达表现不佳。
市场研究公司 IDC 数据显示， 2015 年全球智能手机出货量超过 14 亿部，相比 2007 年 1.24 亿部的增长量，增幅达 1000% 以上。与此同时，市场研究公司 Gartner 数据表明，全球 PC 出货量又创新低，自 2011 年达到 3.62 亿台的高点后，过去 4 年跌幅超 20% 。
全球智能手机出货量和全球 PC 出货量的走势对比
随着 PC 的不景气，以图形处理器为主要营收的英伟达从 2009 年开始表现不佳，但最近几年有了一些起色。
英伟达的营收、毛利、净利表现
英伟达各类业务收入
除了 GPU 之外，移动业务的开展不顺是英伟达过去几年不被市场看好的主要原因。上图中 Tegra 处理器就是拖累英伟达的重要 X 因素。
其实在苹果和安卓出来之后，英伟达本身已经看到了移动处理器的市场，因此在 2008 年，英伟达针对移动市场推出了 Tegra 系列芯片组，这是主要针对手机和平板的产品系列。
每个 Tegra 内置 ARM 架构的处理器核心、基于 GeForce 的图形处理器、音效处理器、北桥芯片、南桥芯片和内存控制器置入一个单一的软件包。
由于 NVIDIA 在移动方面的经验不足，其第一代 Tegra 产品发布的时候，只能够专注于一种操作系统。所以， NVIDIA 选择与微软合作。例如 Zune HD 就利用了 Tegra 芯片。之后， NVIDIA 不再专注于一种平台。第二代的 Tegra 已经可以支持 Android 。
其实当时 Tegra 2 系列已经获得了摩托罗拉、 LG 、还有几家国产品牌力挺；而 Tegra 3 也有 HTC One X 和 Nexus7 采用；到了 Tegra4 ，由于前代的表现不佳，已经没有国际大厂敢用到旗舰上了，最知名的只有小米将其应用在小米 3 移动版上。到了最新的 Tegra K1 和 X1 ，似乎已经都没有厂商用了，貌似只有英伟达在其 Shield X1 平板和游戏机上用。可以说英伟达与移动无缘了。
根据知乎用户卢亮的观点，英伟达 Tegra 能有这样的结果，与英伟达大吹特吹的 GPU 和游戏性能有关，尤其是在 Tegra3 时期被高通、三星等 SoC 完爆之后，就没有翻身的机会了。
他还特别对这个系列的几款产品做了评价。
Tegra2 时代，那时候高通还是主打被人诟病的胶水双核， Tegra2 性能小胜，视频解码能力完爆高通。凭借优秀的看电影解码能力，此时期 Tegra2 是当年安卓平板的标配。
Tegra3 时代， GPU 性能被完爆，视频解码也被追上。不多的大厂多半是为了制衡高通，还有就是一些国产山寨平板，可能同期高通卖的太好，小厂完全没有议价能力。
他强调， Tegra3 本来出货就晚，出的时候还不如高通上代的 Adreno 2XX 系列。没多久 8064 出了，用的 Adreno 320 ， Tegra3 被吊打。想想用高通处理器稳定 30 帧以上的游戏，换成 Tegra3 只有 10 帧，就没有终端敢采用。
Tegra4 时代，挽回一点面子，但表现仍然不如骁龙 800 的 Adreno 330 。而此时市场机会已经错过了，再想从高通那里抢回份额已经很难。
再加上，英伟达的 Tegra 没有基带集成，加上在 PC 端强势的英伟达在 GPU 在上也继承了相关优势，但是对于移动设备开发商来说，这个可能就显得没那么重要，于是最后造成了成本过高，于是英伟达在这个庞大的市场里近乎颗粒无收。但没想到，用不了三年，英伟达再一次成为了市场关注的热点。
人工智能推动股价走向历史新高
兴起于 2007 年的移动设备市场在最近几年走势疲软，半导体厂商们正在寻找下一波利润增长点，而在终端需求和上游技术的推动下，人工智能进入了飞速发展的阶段，可预期的市场规模吸引了厂商的高度关注。
根据 Tractica 的数据显示，到 2025 年， AI 的市场规模会激增到 368 亿美元。而英伟达的 GPU 天生属性，使其成为人工智能时代的“新贵”。
人工智能的市场规模预测（ source ： Tractica ）
在对并行计算有更强需求的人工智能领域，相比 CPU 来说， GPU 的计算性能有大幅提升 , 当前英伟达 GPU 计算性能已经超过 CPU50 倍 , 并且其性能还在快速提升 , 从 13-15 年英伟达 GPU 性能就提升 5 倍。使其成为人工智能公司的首选。
而在今年年初纽约大学的一场“人工智能的未来”年度座谈会上，英伟达 CEO 受邀做了发言。
他表示， GPU 加速型计算是一种新型计算模式，它利用大规模并行图形处理器来加速那些具备并行特点的应用程序。科学家和研究人员转而采用 GPU 来执行分子级模拟以确定救命药物的有效性、以 3D 图形形式呈现我们的器官 ( 利用少量 CT 扫描来重建图像 ) 、或者运行银河级模拟以发现支配我们宇宙运行的定律。
他还指出， NVIDIA GPU 天生擅长处理并行任务，可令 DNN 的速度提升 10-20 倍，从而能够将反复训练耗时从数周缩短至数天，并且我们没有就此止步。通过与人工智能开发者展开合作，我们不断改善我们的 GPU 设计、系统架构、编译器以及算法并在短短的三年里使训练深度神经网络的速度提升了 50 倍，这一发展速度远比摩尔定律快多了。我们预计，在未来几年里训练速度将再提升 10 倍。
而英伟达现在在人工智能领域也有了几款不错的产品布局，主要集中在人工智能的重要分支之一的深度学习。
深度学习是人工智能 (AI) 中发展迅速的领域之一，可帮助计算机理解大量图像、声音和文本形式的数据。利用多层次的神经网络，现在的计算机能像人类一样观察、学习复杂的情况，并做出相应的反应，有时甚至比人类做得还好。这样便提供了一种截然不同的方式，用于思考数据、技术以及人类所提供的产品和服务。
在今年 4 月 5 日的 GPU （图形处理器）技术大会上，英伟达首席执行官黄仁勋公布了最新款的专门用于人工智能研究领域的 Tesla P100 图形处理芯片，他号称这款 GPU 的开发，英伟达花费了 20 亿美元的研发费用。
英伟达 Tesla T100
另外还有 Tesla M40 深度学习加速器和专为深度学习打造的，型号为 DGX-1 超级计算机。
根据官方介绍，这款售价 12.9 万美元的计算机，相当于集成了 250 个服务器，拥有 7 TB 的 SSD 存储， 8 块 Tesla P100 GPU 和两个 Xeon 处理器，整台设备是去年发布的超级计算机运算能力的 12 倍。
英伟达 DGX 1
而与深度人工智能密切相关，现在又非常人们的的无人驾驶，更是英伟达股价上扬的一个重要利好。 IHS 汽车半导体事业部高级分析师 Luca De Ambroggi 称，“人工智能一直被认为是能够实现无人驾驶汽车商业化的关键推动技术”。
基于人工智能的深度学习和大数据分析，对于需要大量数据积累对比的无人驾驶来说，是天生的“舵手”。
英伟达在今年 9 月推出了最新的车载自动驾驶计算平台—— DRIVE PX 2 ，这个平台可以极大地提升用电效率，而且相比该公司在今年早些时候 CES 大展上推出的最早版本，体积也更小了。
DRIVE PX 2
DRIVE PX 2 是第二代 DRIVE PX 平台，英伟达称这个平台正被大量原始设备厂商（ OEM ）、研究机构和其他合作伙伴广泛使用。得益于 DRIVE PX 平台，客户可以对安装在车辆上的自动驾驶监控系统的图形和传感器数据实时地进行处理。这种能力对自动化技术来说至关重要，因为它能够在不连接到强大的远程服务器的情况下，积极满足用户的需要。
目前百度将在自家无人驾驶汽车上使用这个平台。在此之前，百度更与英伟达宣布达成合作 ，联手打造一款“从云到车”的完整自动驾驶系统。
种种因素交织在一起，推动了英伟达走到了历史新高，所以说天时地利人和成就了现在的英伟达。
未来会高枕无忧吗？
从现在来看，英伟达的表现是非常不错的，但并没有到可以高枕无忧的时候。在人工智能领域，除了要面对来自 Intel 和 Xilinx 这些传统半导体大厂的竞争外，一些新兴的公司也会对英伟达造成威胁。
Intel 通过对 FPGA 厂商 Altera 等厂商的收购，布局人工智能硬件。
英特尔收购的芯片公司名单（ source ：亿欧网）
另外还有软件公司的收购，从大数据运算入手，加持人工智能。
Intel 收购的软件公司（ source ：亿欧网）
除了收购技术以外， Intel 本身也投入到产品的研发中。日前在在美国举行的 Supercomputing 2016 大会上， Intel 展示其两款新型 Xeon 处理器，以及支持深度学习的新型 FPGA 卡；为人工智能未雨绸缪。
英特尔推出一款新的 Arria 10 PCIe 卡，用于深度学习。（图片： Intel ）
本身强大的制造技术积累和购买补充，相信 Intel 会是英伟达的最大竞争者。
而传统 FPGA 大厂 Xilinx 的布局也不容忽视。在今年九月 Xilinx 宣布收购 Auviz Systems ，震惊人工智能界。
AuvizSystems 专注于数据中心和嵌入式系统的加速应用，在卷积神经网络方向有着一定的技术积累。其技术专长是 FPGA 实现、机器学习、视觉算法等，为行业提供基于 FPGA 的中间件 IP ，以减少应用程序的功耗。这与 Xilinx 本身在 FPGA 的积累结合起来，能给英伟达带来多大的挑战，让我们拭目以待。
在本月初，英国人工智能初创公司 Graphcore 筹得了来自三星和博世风投的总计 3000 万美元融资，目标是赶超英特尔和英伟达。 Graphcore 是一家开发所谓的 IPU( 智能处理器 ) 硬件系统的初创公司。目前普遍用于机器学习应用的硬件处理器是 GPU( 图像处理器 ) 。 Graphcore 自称在人工智能学习的反应速度以及低能耗方面，它开发的产品要比目前市场上所有的图像处理解决方案好 100 倍。
Graphcore 计划于明年向市场投放产品，主要应用于无人驾驶汽车和云计算，以及任何可能用到机器学习技术的领域。
在一个巨头和新贵环视的市场里，英伟达最终表现会如何，那就需要时间见证了。
http://weixin.qq.com/r/ckMQCMnEiJT3rY1r9xZg (二维码自动识别)
【关于转载】：转载仅限全文转载并完整保留文章标题及内容，不得删改、添加内容绕开原创保护，且文章开头必须注明：转自“半导体行业观察icbank”微信公众号。谢谢合作！
http://weixin.qq.com/r/4DnawhbEYEsfrVKh92zy (二维码自动识别)
【关于投稿】：欢迎半导体精英投稿，一经录用将署名刊登，红包重谢！来稿邮件请在标题标明“投稿”，并在稿件中注明姓名、电话、单位和职务。欢迎添加我的个人微信号MooreRen001或发邮件到 jyzhang@moore.ren