2025年10月29日英伟达市值突破5万亿美元。从1万亿到5万亿英伟达只用了不到三年——0到1万亿用了6138天1万亿到2万亿用了180天2万亿到3万亿用了66天3万亿到4万亿用了273天4万亿到5万亿仅用了78天。2026年5月市值进一步突破5.5万亿美元成为史上首家达成这一里程碑的企业。而2012年AlexNet横空出世时英伟达的市值仅约80亿美元。整整十年英伟达在黑暗中等待。2022年11月ChatGPT发布时英伟达市值约4000亿美元。然后爆发了。一家做游戏芯片起家的公司怎么就成了AI时代的“算力之王”这篇文章不讲股价、不讲芯片参数只拆解一个核心问题英伟达的“基因”是什么这个基因如何驱动它从游戏芯片跃迁到AI基座从“图形处理”到“加速计算”一个被外界发现的基因英伟达上半场的核心能力是并行处理。1999年英伟达推出GeForce 256——全球首款GPU。它的使命很清晰在游戏领域做3D图形的并行加速。这是一个专用场景——给电子游戏里的三维图形加速。在那个场景里“计算”这两个字甚至不存在。计算是CPU的活儿GPU只管“处理”图形。但2003年前后一个出乎意料的现象出现了。一些研究人员发现GPU里藏着一种通用的计算能力。在做图形处理时GPU要进行浮点运算、矩阵乘法等复杂计算——而这些恰恰是科学计算需要的。英伟达自己根本没有意识到它蕴含着“计算”这个属性。连这个基因突变都是外人涌现出来的。在所有发现GPU通用计算能力的人中有一个人的角色至关重要——比尔·戴利斯坦福大学计算机系主任。戴利长期研究并行计算他一直有一个理念CPU的串行计算效率不高他设想一种理论上的并行计算架构。但大家都不搭理他——英伟达也不搭理他因为英伟达当时根本不懂“计算”。直到科学家们开始用GPU做通用计算戴利突然发现英伟达的GPU就是他说的“并行计算”的最佳载体。他写了好几篇论文来推广这个理念。黄仁勋这时候才真正理解——我原来不仅仅是在游戏领域做图形处理我居然可以做通用的计算。黄仁勋醒悟之后做了一件事邀请戴利担任英伟达的首席科学家。此后十几年戴利带领英伟达研究团队将GPU的并行计算能力推向了一个又一个新高。并行计算这个词是连接英伟达上半场和下半场唯一共同的关键词。从并行处理到并行计算就在这件事上发生了基因突变。今天有AI是因为黄仁勋顿悟了他的基因是并行计算。如果没有这个词就没有今天的AI。黄仁勋将这套方法论总结为“加速计算”——英伟达的核心理念和灵魂。今天他会说英伟达是一家“加速计算公司解决普通计算机无法解决的计算问题”。但请注意黄仁勋创业之初根本不知道这些。他是在漫长的探索中才逐渐意识到“加速计算”才是他的真正使命。CUDA把“被发现的基因”变成“护城河”发现了“并行计算”这个基因之后英伟达要做的是把它变成一个产品、一个平台、一个生态。2006年英伟达推出了CUDACompute Unified Device Architecture——一个通用并行计算平台和编程模型。CUDA的革命性在于它提供了一套简单的编程模型让开发者能用近似C语言的方式驾驭GPU内部成百上千个并行核心。但当时几乎没人需要它。黄仁勋后来回忆CUDA在当年贡献了0%的营收却消耗了英伟达巨大的成本。游戏玩家不需要CUDA游戏开发者不需要CUDA。CUDA是一个为“不存在的问题”准备的“不存在的解决方案”。2006年做CUDA2012年AlexNet才证明了神经网络的可能性——整整6年。2012年看见了曙光真正的商业化爆发是10年之后的2022年。16年的寂寞。但黄仁勋的逻辑是如果不做CUDA没有生态CPU迟早把你干没。从硬件到软件、从产品到平台、从专用到通用——这是英伟达必须走的路。G80——第一款具有计算功能的GPU——用了4年研发成本4.75亿美元占英伟达4年总研发预算的三分之一。2006年到2016年十年间每年投入5亿美元用于CUDA推广、开发者激励、大学课程建设。英伟达的软件工程师是硬件工程师的10倍——英伟达本质上是一家软件公司但当时没人知道。市场怎么反应股价跌到1.5美元市值跌了80%。资本市场称CUDA为“资金黑洞”。有恶意收购者意图换掉董事会、把黄仁勋赶下CEO的位置。他唯一坚持的CUDA不能放弃。今天CUDA的装机量已达数亿GPU渗透了每一家云厂商和每一个主要行业。cuBLAS做线性代数cuDNN做深度学习TensorRT做推理优化——这些被打磨了近二十年的数学库构成了英伟达无法撼动的生态壁垒。CUDA不仅是一个编程接口它包含了一整套丰富的、经过高度优化的数学库。越多的开发者使用CUDA就会催生越多的基于CUDA的应用程序和框架这些杀手级应用又会吸引更多的用户和开发者投身于CUDA生态。这个正向飞轮一旦转动起来就无法停下。2012当AI找到英伟达2009年AI教父杰弗里·辛顿意识到在并行计算处理器上运行神经网络是AI的未来方向。他给英伟达写了一封邮件“你们能送我一张免费的GPU显卡吗”——英伟达连信都没回。2012年辛顿的学生Alex Krizhevsky买了两张单价500美元的GeForce GTX 580在自己卧室的台式电脑里插上这两张GPU跑了两周训练出了AlexNet。在ImageNet竞赛中AlexNet以压倒性优势击败所有对手——错误率只有第二名的一半。两块游戏显卡两周训练时间改变了人类历史的走向。但更大的转折发生在另一个地方。英伟达内部一个叫卡坦扎罗的年轻研究员基于CUDA系统针对神经网络开发了一个专用软件库——cuDNN。他向主管展示创意时被骂了。沮丧之下他决定做一次越级汇报。黄仁勋的反应出乎所有人意料。他立即明白了这个项目的分量把卡坦扎罗叫到办公室说“这是公司20年来最重要的项目千载难逢的机会。”然后他说“公司有8000人你想用谁就用谁。”一位副总裁回忆黄仁勋在周五晚上发了一封邮件——“我们将全面转向深度学习不再只是一家图形芯片公司。”到了周一早上英伟达已经转型为一家AI芯片公司。一封邮件跨越了一个非连续性鸿沟。有一句话让我几乎落泪“六年时间他始终站在船头远望彼岸。如今他仿佛看见了传说中的亚特兰蒂斯。”从2006年到2012年开着那条船在大洋里找啊找——终于看见了传说中的亚特兰蒂斯。但遗憾的是他站在船头又仰望了十年一直没有找到那个新大陆。AlexNet的本质是卷积神经网络应用在视觉领域——这是一个专用模型只能在特定领域工作对算力的需求没有“永不满足”的特征。它不是真正的AI属性只是一个小模型。真正的转折发生在2017年。谷歌大脑发表了惊世论文——《Attention is All You Need》提出了Transformer架构。它极其简洁运用了并行的理念——每个token可以跟所有其他token建立联系计算可以并行化。它不是用因果、逻辑、规则而是用相关性来解释一切。Transformer就是找到了万事万物背后联系的“蒸汽机”。黄仁勋瞬间理解了Transformer的意义。从第一性原理看Transformer是一个通用函数逼近器能力几乎相当于上帝。他让团队为Transformer开发专用编译器把大模型训练时间从几个月缩短到几天——在ChatGPT发布前一个月完成。至此技术已经到位战场还没出现。该谁上场了OpenAI。算力×模型AI时代的“基因双螺旋”OpenAI成立于2015年但一直到2018年都在迷茫——在游戏里做AI怎么都跑不通。2018年马斯克对OpenAI彻底失望准备关掉它。就在马斯克放弃的那个会议上伊利亚·苏茨克维看见了Transformer论文。他是全世界第一个理解了这个论文分量的人——比那八个作者都理解。伊利亚立刻说“我们赶紧放弃游戏做AI把所有事情架构在Transformer上。”然后故事我们都知道了。伊利亚从维基百科训练获得灵感提出了预训练的概念——从海量无标注的互联网数据中训练模型加上基于人类反馈的强化学习RLHF做对齐。GPT-3达到1000亿参数智能涌现出现了。这是人类历史上iPhone之后最伟大的时刻。2022年11月30日ChatGPT上线。五天用户破百万两个月用户破亿——史上增长最快的消费级互联网产品。AI终于找到了杀手级应用飞入了寻常百姓家。但真正的受益者是谁英伟达。2012年AlexNet只是早期信号2022年ChatGPT才是那个“泼天富贵”。从2006年CUDA诞生到2022年ChatGPT爆发——16年英伟达一直在等待。为什么英伟达能等到这一天因为AI时代的底层逻辑和英伟达的“基因双螺旋”完美匹配。上半场的基因双螺旋3D图形对芯片性能的需求永不满足GPU越强、图形越逼真、需求越大——自己转起来了。下半场的基因双螺旋大模型对算力的需求永不满足算力越强、模型越大、对算力的需求越大——又是一个自主性内循环。英伟达和OpenAI的关系就是今天AI时代的“Wintel联盟”——大模型OpenAI和算力英伟达之间的双螺旋。奥特曼发现了另一个Scaling Law算力越多收入越多。2025年9月英伟达宣布向OpenAI投资最高1000亿美元。为什么因为OpenAI如果失败了英伟达也会失败——它们是共生关系是彼此的基因内核。AI工厂从芯片到基座的最后一次跃迁黄仁勋重新定义了数据中心。他说“传统的数据中心正在死亡。这些AI数据中心根本不是数据中心——它们只有一个工作生产智能Token。它们是AI工厂是收入产生设施不是成本中心。”黄仁勋进一步阐述“AI工厂现在是一个国家基础设施的一部分。每个国家、每个社会、每家公司都将依赖它。”过去智能只能从人类大脑产生。今天AI工厂里就能生产出Token——注入大模型产生智能。人类历史上第一次智能不是由人类大脑产生的而是由机器产生的。英伟达的产品到底是什么是芯片是系统是数据中心还是基础设施其实是基础设施——AI时代的基座。从GPU芯片到AI基础设施英伟达完成了最后一次商业模式跃迁。历史上从未有一个公司的产品会成为整个时代的基座。2025财年截至2025年1月英伟达总营收达到1305亿美元同比增长114%净利润729亿美元同比增长145%。其中数据中心业务达到1152亿美元占总营收的88%。而在全球AI芯片市场英伟达占据超过90%的份额。2024年6月18日英伟达市值3.4万亿成为全球市值最高的公司。2025年10月29日突破5万亿。2026年5月突破5.5万亿。黄仁勋凭一己之力把美国的经济从衰退的边缘挽救回来。这句话不是夸张——2025年上半年美国GDP增长的92%来自于对AI的投资而AI投资的核心是英伟达的芯片。物理AI英伟达的第三次豪赌黄仁勋的第三次豪赌在物理AI。他不但有一个三维的测试仿真平台还有物理AI大模型机器人已经做出来了。英伟达开源了Newton物理引擎、Isaac GR00T模型和Cosmos世界基础模型目标是让机器人拥有“物理直觉”和“推理能力”。物理AI到今天为止只有两个领域是跑通的。第一个是智能汽车——自动驾驶的背后需要新能源车作为载体。除了特斯拉新能源车几乎全是中国的。欧洲在这个领域败得一塌涂地。你得跑得足够多才有数据来训练AI。第二个是智能机器人——今天的机器人并不智能大多是基于规则编程。一旦机器人有了智能大脑世界将彻底改变。中国在物理AI领域的优势在供应链和制造能力上遥遥领先。中国今天能够制造全世界80%以上的产品这在历史上从未有过。这是一个巨大的结构性优势。中美AI竞赛中国的机会在哪里AI分四层应用、模型、算力、电力。中国在模型层大概落后美国六七个月。我们真的感谢DeepSeek——如果没有DeepSeek差距会更大。DeepSeek是中国国运的AI支点。千问模型在全球范围内表现优秀开源策略正在影响全世界。中国在应用层遥遥领先。今天做AI应用的年轻人生来就是全球化的。美国投资人如果看到一个AI to C项目会问一句话“如果中国人做你怎么办”——就像当年在中国问“如果腾讯做了你怎么办”一样。中国最大的差距在算力层——指数级的、数量级的差距。但禁运反而给了中国芯片机会。如果中国市场只能用英伟达的芯片中国芯片就永远没有迭代的机会。禁运把中国芯片推上了牌桌——虽然性能差距巨大但有了迭代的机会。假以时日差距会缩小。如果DeepSeek和华为能够形成“基因双螺旋”——模型与算力的自主性内循环——向全世界输出那将是AI时代的两条轮子一条是美国的英伟达和OpenAI另一条是中国的DeepSeek和华为。这将是一场世界级别的国运之争。英伟达的故事才刚刚开始2025年10月29日英伟达市值突破5万亿美元。但黄仁勋说“我们花了31年走到这里而我们的旅程才刚刚开始。”英伟达从游戏芯片到AI基座从并行处理到并行计算从硬件到生态——每一次跃迁都不是“规划”出来的而是在与世界互动中“发现”了自己的基因然后坚定地成为自己。英伟达的成功归根结底是对自身基因的深刻理解和坚持。它找到了“并行计算”这个基因然后等了16年等到了AI时代的到来。当泼天富贵降临时英伟达是唯一有盆接住的那一家。黄仁勋说“如果我不做这件事它就不会发生。”这句话是对“长期主义”最朴素、也最深刻的定义。AI时代才刚刚开始。英伟达的故事也才刚刚写到第一章。中国在AI时代的征途也才刚刚拉开序幕。