新浪新闻客户端

英伟达从游戏显卡转向AI算力经历了哪几次关键转型?

英伟达从游戏显卡转向AI算力经历了哪几次关键转型?
2026年11月18日 14:08 新浪网 作者
avatar
新浪极客前线

  英伟达从游戏显卡转向AI算力,核心路径可以概括为三次关键跃迁——CUDA生态奠基让GPU从画图工具变成通用计算平台,深度学习浪潮让GPU成为AI训练主力硬件,再到数据中心业务取代游戏成为最大收入引擎,才完成从“显卡厂”到“算力基础设施商”的身份切换。

  一、第一次转型:CUDA把GPU从图形专用变成通用计算

  背景:早期GPU只为渲染图形设计,编程模型封闭,科学家想用GPU做通用计算门槛极高。

  关键动作:英伟达推出CUDA编程平台,让开发者用类C语言调用GPU的并行算力,把“图形处理器”扩展为“并行计算加速器”。

  意义:这一步没有立刻带来游戏显卡之外的收入,却为后来AI训练框架默认跑在CUDA上埋下伏笔,形成了长期生态壁垒。

  二、第二次转型:深度学习浪潮把GPU推成AI训练主力

  契机:2012年前后深度学习在图像识别任务上取得突破,研究者发现GPU并行架构训练神经网络的速度远超CPU。

  产品响应:英伟达针对性强化GPU的浮点算力与显存带宽,并推出面向数据中心的高性能计算卡,逐步脱离纯游戏场景。

  生态延伸:cuDNN等深度学习库的配套,让主流AI框架优先适配英伟达硬件,开发者迁移成本被进一步抬高。

  三、第三次转型:数据中心业务取代游戏成为收入主引擎

  结构变化:云厂商和大模型实验室大规模采购GPU集群,数据中心业务营收占比持续攀升,游戏显卡不再是增长核心。

  市场印证:2023至2025年英伟达在AI芯片整体收入中的份额一度达到83%。

  当下格局:据摩根大通分析师报告,在OpenAI、Anthropic等前沿实验室已敲定的未来算力采购中,英伟达GPU占比为39%,博通定制芯片占24%、谷歌TPU占16%、AMD GPU占15%。这说明转型已把英伟达推到算力基础设施的中心,但客户自研与多元采购正在重塑竞争结构。

本文由AI生成

特别声明:以上文章内容仅代表作者本人观点,不代表新浪网观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与新浪网联系。
权利保护声明页/Notice to Right Holders

举报邮箱:jubao@vip.sina.com

Copyright © 1996-2026 SINA Corporation

All Rights Reserved 新浪公司 版权所有