Nvidia如何成长为万亿美元公司
中文：城主
（声明：在与本城联系并明确授权之前，请勿转载）
2023年马上过去了，在这个绝对的AI元年里，NVidia这家公司绝对扮演了一个极其重要的角色。在算力供不应求的当前，他们家的显卡给谁不给谁，或许就能决定一家公司的走向，甚至生死。
这个视频对NVidia的历程进行了精炼的总结，30分钟的内容很值得一看：
惯例有B站传送门：
【NVidia如何成为一家价值一万亿美元的公司【中英】】 https://b23.tv/aaxix6s
-以下是本城根据视频内容重写的中文版-
220%，这是这家位于加州的芯片制造业巨头股票价格令人瞩目的增长幅度。他们已经成为2023年标准普尔500指数中表现最佳的股票之一。
传统上，英伟达被视为幕后的支持者。它为Netflix、Adobe、Airbnb、NASA乃至Kellogg提供云服务支持。对于那些不熟悉科技行业的人来说，英伟达可能是您从未听说过的最大公司之一。据亚马逊透露，超过90%的财富100强企业都使用了AWS，即亚马逊网络服务，而这项服务得到了Nvidia硬件的支持。现在，Nvidia还为ChatGPT等人工智能系统提供支持，并与谷歌合作。它的技术也被应用于亚马逊的机器人仓库中。
总的来说，英伟达的规模远远超出了大多数人的想象。他们并不仅仅是一家制造游戏显卡的公司，尽管这正是他们声名远扬的原因。他们在数字时代的淘金热中销售铲子，为基础设施的建设提供支持。
因此，如今Nvidia的市值已经超过了1万亿美元。尽管有人质疑一家市值达1.2万亿美元的公司是否存在泡沫，但Nvidia对更广泛行业的影响力是毋庸置疑的。从1995年濒临破产到现在，Nvidia已经在市场上摸爬滚打了很长时间。这是一个令人瞩目的转变。我们将探讨Nvidia从技术壮举到价格争议的非凡历程，揭示这家公司的真实规模和历史。
回到20世纪90年代，那是一个电视画质模糊、互联网还在使用拨号连接、电脑外壳大多是米色的十年。我们这些在那个时代长大的人也见证了个人电脑的演变。
在90年代初，渲染文件浏览器窗口或文本块是所有图形处理的需求，而CPU的功能已经足够强大。除非您从事动画或工程设计行业，否则不需要复杂的图形处理。如果您需要图形处理，那么视频游戏机就是您的选择。
但是，如果有一个独立的硬件处理器能够轻松地将图形处理引入个人计算领域会怎样呢？
在阳光明媚的加利福尼亚州，三位工程师黄仁勋（Jensen Huang）、克里斯·马拉乔夫斯基（Chris Malachowski）和柯蒂斯·普里亚姆（Curtis Priam）也有着同样的想法。他们会在当地的一家丹尼斯餐厅见面，在那里，源源不断的咖啡激发了他们的灵感。
在一次会议中，他们意识到CPU作为计算机的核心，被设计为通用处理器，以串行处理的方式一次只能处理一个任务。然而，为视频游戏生成3D图形将是一个游戏规则的改变者。换言之，这种芯片将复杂的任务分解成小任务，并且能够同时执行它们。
这种方法对于渲染3D图形等可以同时进行多项计算的任务来说，效率要高得多。这种新型芯片不会取代CPU，而是在图形处理方面补充CPU的功能。这后来被称为GPU，而这个想法正是Nvidia的起点。这个想法在现代看来简单明了，但它不仅彻底改变了计算领域，还在接下来的20年里彻底改变了计算机科学。
但当时，Nvidia的重点是90年代PC上的游戏体验，而这个市场充满了潜力。
因此，在1993年，Nvidia在加利福尼亚州弗里蒙特的一间公寓中成立，其宗旨是将并行处理的GPU应用于家用计算机中。有趣的是，“NVIDIA”这个名称实际上是由“NV”（代表“Next Version”）和“VIDIA”（源自拉丁语，意为“嫉妒”）两个词组合而成的。您可能已经注意到，NVIDIA的标志主要采用绿色。这象征着嫉妒，他们希望人们对他们芯片所提供的强大计算能力感到羡慕。
NVIDIA的创始人都是杰出的工程师。黄仁勋（Jensen Huang）是一位台裔美国电气工程师，曾在LSI Logic担任核心软件总监，并且是AMD的微处理器设计师。您还记得LSI Logic这个名字吗？事实证明，这家公司对NVIDIA的成功起到了至关重要的作用。其他两位创始人同样能力出众。Chris Malachowski带来了他在惠普（HP）和Sun Microsystems工作期间的工程专业知识，而Curtis Priem是IBM和Sun Microsystems的前图形芯片设计师。
尽管NVIDIA的创始人都是资深工程师，但他们并不是唯一学习如何创建初创公司的人。这是NVIDIA创始人亲身经历的。实际上，一开始他们甚至不知道该如何开始。因此，他们在1993年聘请了一名律师参加了一次会议。首先，他们需要合并公司。为了确保一切顺利进行，他们需要一些初始资金来对公司股票进行估值。黄仁勋口袋里有200美元，他将这笔钱交给了律师。这笔不多的资金不仅帮助公司成立，还让黄仁勋获得了NVIDIA 20%的股份。
下一步是为公司筹集资金。然而，这个过程并不容易。正如NVIDIA的创始人很快发现的那样，风险投资家并不是对完美的商业计划感兴趣。相反，他们更看重创始人的声誉、过往的成功以及值得投资的宏伟愿景。NVIDIA最终从红杉资本和Sutter Hill Ventures那里获得了2000万美元的投资。对外界来说，这似乎是不可思议的。一家全新的公司怎么可能获得如此巨额的融资？
实际上，正是黄仁勋之前在LSI Logic的工作经历帮助他建立了联系，他联系了LSI的首席执行官，后者安排了与红杉资本的会面。红杉资本之前投资了LSI Logic，并通过首次公开募股（IPO）获得了创纪录的1.5亿美元回报。有了黄仁勋在LSI的投资背景，红杉资本愿意倾听他的建议。起初，红杉资本的创始人对投资一家显卡公司持怀疑态度。尽管面临高风险，他们还是决定投入资金，最初投资了200万美元，随后又追加了1800万美元。
在此，需要提供一些关键的背景信息。这个决策极具风险性，因为当时有89家其他公司也怀揣着与NVIDIA相似的宏伟目标。但事实证明，除了AMD和NVIDIA，NVIDIA是为数不多的幸存者之一。1999年NVIDIA上市时，市值达到了6亿美元，这意味着最初的投资者获得了高达100倍的回报。
这是故事的后话。在这个阶段，NVIDIA不过是由一群工程师组成的小团队。在获得资金后，NVIDIA花费了两年时间来组建团队并开发出他们的第一款产品NV1，该产品于1995年正式推出。NVIDIA是首家开发NV1芯片的公司，并与世嘉签订了协议，为其游戏机生产NV1芯片。这些芯片支持《Virtua Fighter》和《Daytona》等游戏。值得注意的是，NV1芯片也可以用于计算机，这意味着在1995年，人们可以在PC上本地玩Sega Saturn游戏。从上下文来看，第一台PlayStation游戏机是在一年前才发布的。直到今天，我认为还没有见过类似的事情发生。这就好比索尼制造了一款可以插入桌面电脑并在本地玩PS5游戏的计算机显卡。
然而，NVIDIA面临了一个问题。他们选择了基于四边形的图像渲染架构来设计NV1芯片，而这一决策并未得到世嘉的满意。尽管如此，NVIDIA的领导层拒绝改变他们的决策。那么，为什么他们会选择渲染四边形和矩形而不是三角形呢？评论中提到了这个选择的原因。使用四边形或矩形而不是三角形可以通过减少CPU的工作负载来加速渲染过程。至少在理论上是这样。这种方法可以减少多边形数量，并更好地渲染圆形对象。因此，你可以使用矩形来构建物体，而不是使用大量的三角形。当时，由于CPU和内存时钟速度较低，使用矩形而不是三角形在某些情况下是有意义的，尤其是在游戏中需要渲染更好的圆形物体或模型时，因为使用三角形会需要更多的处理能力。
然而，随着内存的提升，这种方法已经失去了意义。即便如此，当时这种方法也并不实用，因为它意味着不支持OpenGL。NVIDIA甚至不想包括这一支持。NVIDIA和SGS Thompson的一份声明里，他们认为消费者根本不需要OpenGL，因此他们没有考虑支持它。后来，当Direct3D和DirectX出现时，这种基于四边形的渲染方法已经行不通了，因为DirectX不支持四边形渲染，只支持传统的三角形和其他类型的多边形渲染。NVIDIA确实发布了驱动程序或补丁来更新它以运行DirectX，但这只能通过软件模式，这意味着你只能在软件模式下运行硬件加速的Direct3D，这是毫无意义的。
尽管项目具有创新性，但最终还是失败了。它试图成为一个多功能的产品，将3D图形、视频和音频处理以及许多其他功能集成到一个芯片中。正如黄仁勋后来所说，它像一只章鱼一样复杂多面，可能过于超前了。最终的结果是，它未能吸引市场的注意力。市场真正想要的是更为简单的产品，他们想要一个专用的3D图形芯片，而不是像NV1那样的产品，它除了价格过高，与当时的竞争产品相比，也未能吸引市场的注意力。
不幸的是，更广泛的行业正朝着与NVIDIA不同的方向发展。微软最近推出了DirectX，这是一种新的应用程序接口（API），支持基于三角形的三维图形渲染标准。它简化了开发人员的图形编码工作，因此他们自然纷纷采用。这一变化导致NVIDIA的NV1芯片与DirectX不兼容，许多现有游戏在NVIDIA的新芯片上要么性能下降，要么根本无法运行。这种不兼容性对NVIDIA来说是一个沉重的打击。他们的客户合作伙伴Diamond Multimedia退回了他们购买的25万块NV1设备中的大部分，理由是销量不佳和缺乏游戏支持。这次退货几乎导致NVIDIA破产，迫使公司在80名员工中裁掉了40人，并留下了大量滞销的芯片。从根本上说，这是一场价值1000万美元的灾难。
在这场混乱中，NVIDIA还在为世嘉开发NV2芯片，但它同样基于过时的四边形架构。NVIDIA意识到他们必须转型才能生存。在这个关键时刻，黄仁勋面临了一个巨大的挑战。他向世嘉的首席执行官提出了一个大胆的请求：“请解除我们的合同，但我们需要全额付款。” NVIDIA迫切需要这笔资金来维持运营。世嘉的首席执行官慷慨地同意了黄的请求。这一慷慨之举使NVIDIA得以将重点和资源转向与行业发展方向一致的道路。如果当时世嘉撤回了投资，NVIDIA就将不复存在。
总的来说，NV1的失败成为了NVIDIA的一次重要学习经历，他们认识到了了解客户需求和市场趋势的重要性。这一认识决定了NVIDIA未来的战略方向。NVIDIA差点倒闭，而现在市值却超过了万亿美元，这实在是令人难以置信。他们决定倾听市场并专注于个人电脑市场，这是他们成功的起点。在最初的失败之后，NVIDIA选择进入正在蓬勃发展的PC市场，并推出了一款简单的产品。他们的策略是等待时机，然后迅速行动。
1999年，NVIDIA凭借GeForce 256显卡成功进入PC显卡市场。这款显卡不仅广受欢迎，还作为第一款可编程图形卡改变了整个行业的格局，并普及了“GPU”（图形处理单元）这一术语。它使普通游戏玩家和开发人员能够探索新的阴影和光效可能性，显著提升了游戏体验。随着NVIDIA的势头正盛，公司于同年上市。到了2000年，NVIDIA获得了一项重大合同，为微软的Xbox游戏机开发图形硬件，这笔交易为NVIDIA带来了2亿美元的巨额预付款。这与之前与世嘉在游戏机上的合作截然不同。Xbox计划于2001年推出，配备了定制的NV2-A控制台芯片。凭借这一成功的起点，NVIDIA在整个2000年代都保持了蓬勃发展的势头，在索尼PlayStation 3处理器、苹果、戴尔等计算机行业大品牌的制造过程中发挥了关键作用。惠普开始使用NVIDIA的GPU，公司不断发展壮大。
现在，让我们来探讨帮助他们实现这一目标的策略和技术。NVIDIA最重要的战略决策之一是作为一家专注于非手机芯片的公司运营。所谓的“无晶圆厂芯片公司”是指那些设计芯片但不亲自进行芯片制造的企业。NVIDIA的首席执行官黄仁勋对这种商业模式有着严格的选择标准。他指出：“虽然NVIDIA是一家无晶圆厂芯片公司，但这并不意味着它们在降低成本方面有所作为。对于NVIDIA来说，台湾半导体制造公司（TSMC）在过去三十年中一直是其重要的制造伙伴。作为全球最大且最先进的半导体代工企业，TSMC为包括苹果、AMD、高通等多家大型芯片设计公司提供制造服务。TSMC在NVIDIA取得持续成功的过程中扮演了关键角色，因为它们具备最优秀的制造技术。”
黄仁勋对此深有体会。他自己也曾说过：“如果没有TSMC所做的开创性工作，NVIDIA不可能有今天的成就。”尽管NVIDIA的制造过程是外包的，但这使得公司能够将资源集中用于创新。NVIDIA开始将其关注点从游戏芯片和图形处理扩展到其他领域。他们认识到，GPU及其强大的并行处理能力可以被更广泛地利用。
NVIDIA现在致力于为开发者提供顶尖的硬件，并通过工具和软件来充分发挥GPU的潜力。2006年，NVIDIA推出了名为CUDA的软件工具包。在CUDA问世之前，对GPU进行编程需要进行大量的特殊修改，这对程序员而言是一项极具挑战性的工作。它涉及到复杂的底层机器语言或应用程序接口（API）。但是，有了CUDA之后，程序员可以使用C、C++和Java等标准编程语言来编写能够在GPU上运行的程序，这大大简化了编程过程。NVIDIA的软件工具包是基于CUDA开发的，其影响不仅限于图形领域，还拓展到了能够利用并行处理能力的更多应用程序。这为所有需要处理大量数据的行业提供了新的可能性。
这种趋势始于2008年，当时东京工业大学在其超级计算机Tsubame 1.01中采用了CUDA加速的GPU。从那时起，包括亚马逊网络服务（Amazon Web Services）、谷歌云平台（Google Cloud Platform）和Netflix在内的许多其他数据中心开始在各种应用中使用GPU，涵盖了云计算、机器学习、视频流和网络搜索等领域。但真正的加速发生在人工智能领域的兴起之际。2012年被许多人视为人工智能的“大爆炸时刻”，在这一年，NVIDIA的创新促成了人工智能领域的重大突破。这一突破发生在ImageNet竞赛上，这是一个全球性的年度比赛，各地团队在此竞争，展示他们的软件性能。同年，NVIDIA展示了其在图像识别方面的能力。当时还是多伦多大学学生的亚历克斯·克拉泽夫斯基博士以一种创新的方式参加了这项比赛。他利用GPU的强大计算能力，提高了深度学习神经网络AlexNet的计算效率。深度学习是一种允许计算机在无需程序员干预的情况下自我学习的过程。
通过将两张NVIDIA GeForce GTX 580游戏卡连接到他的计算机，克拉泽夫斯基得以处理AlexNet神经网络的120万张图像。他的成果在当时是非常显著的，图像识别的错误率降至15%，远低于前一年的25%。这在当今看来或许显得微不足道，但在当时却是一项重大的进步。工具如ChatGPT、Google Gemini现在能够以更高的准确性执行任务。然而，在当时，这种技术被视为革命性的。它标志着人工智能“冬天”的结束。在经历了数十年的发展之后，人工智能已经能够以高精度处理图像识别任务。直到那个时刻，许多专家还坚持认为神经网络永远不会变得实用，但事实证明他们错了。
NVIDIA GeForce GTX 580显卡在这一进程中扮演了至关重要的角色，因为它们针对CUDA进行了优化，从而能够实现并行算法。这些显卡对于AlexNet AI执行的深度学习任务至关重要。现在，深度学习应用的广泛可能性已经大门敞开。NVIDIA已经做好了准备，对CUDA以及用于构建NVIDIA生态系统的软件所做的战略性时间和投资正在收获成果。NVIDIA的GPU已经成为训练和部署生成式人工智能和大型语言模型的事实标准。例如，以ChatGPT而闻名的OpenAI就使用了A100系列GPU，以便快速、广泛地部署其人工智能模型。
在2022年11月ChatGPT问世之后，所有主要的科技公司都希望抓住人工智能热潮的机会，纷纷抢购NVIDIA的GPU。A100 GPU尤其受到追捧，仅微软一家就使用了多达10,000个。考虑到每台A100的售价为10,000美元，NVIDIA的销量达到了数十万台。由于这种热潮，NVIDIA的销售额飙升至130亿美元，截至2023年7月的季度收入为50亿美元，对于NVIDIA来说，这是惊人的101%的增长。这是前年的情况。到了5月25日，他们的股票市值在一天之内达到了1840亿美元。最终，在2023年5月30日，NVIDIA成为世界上第六家市值达到1万亿美元的公司，加入了苹果、微软、亚马逊、Alphabet和特斯拉等公司的行列。
截至2023年12月，该公司的价值为1.15万亿美元。NVIDIA对医疗保健行业的影响仅仅是众多影响之一。在2022年，NVIDIA的基因组测序技术创造了最快DNA测序的吉尼斯世界纪录，仅用5小时2分钟就完成了这一壮举。NVIDIA的芯片技术影响了更广泛的领域。Tegra芯片最初是为手机设计的，现在却在驱动着自动驾驶汽车的主要电子商务业务。特斯拉在2016年至2019年期间使用这些芯片为其Model 3提供动力。尽管特斯拉现在使用自己的芯片，但NVIDIA仍为梅赛德斯-奔驰等其他汽车制造商提供半自动驾驶技术。
那么，这样一家公司是如何运营的呢？它是如何如此迅速地实现转型，并以微软十分之一的员工规模服务于如此多的行业？让我们快速了解一下NVIDIA的管理风格，因为这很有趣。CEO黄仁勋直接管理着一个由40人组成的团队，他相信扁平化组织结构的力量。在这里，不存在只有副总裁或董事参加的独家会议。任何人都可以加入并参与其中，这是一个开放的平台。公司内部并没有举行职业发展建议会议，这是因为正如黄仁勋所指出的，他的管理团队已经取得了显著的成功。他采取了一种更加充满活力的管理方法，鼓励公司内的任何人随时向他提交他们认为最重要的五件事。在信息流动方面，每个人都能够随时掌握最新情况，这确保了信息能够迅速传播。公司没有设定固定的规划周期，比如宏伟的五年计划或一年计划。一切都是为了保持灵活性，以适应不断变化的商业环境和市场条件，特别是在快速发展的人工智能领域。詹森先生还专注于吸引顶尖人才，并保持团队的精简高效。
然而，在新冠疫情之后的经济衰退期间，包括Facebook、亚马逊和谷歌在内的大型科技公司裁掉了数千名员工。与此形成鲜明对比的是，英伟达承诺避免裁员或减薪，反而承诺为员工提供加薪。自从1995年Sega芯片遭遇裁员危机以来，NVIDIA在内部运作方面经历了巨大的变化。以2008年NVIDIA的Tegra芯片出现问题为例，NVIDIA希望进入移动行业，因此开发了Tegra智能手机芯片。而实际上，基于Tegra的Android平板电脑，如Asus Transformer，我个人就拥有一台，我发现它的性能非常出色。但显然，许多其他人并不这么认为，因为这款芯片未能引起足够的关注并最终失败了。一个由千余名工程师组成的团队负责开发Tegra系列。在芯片出现问题后，詹森并没有解雇这些工程师，而是保留了这个团队，并鼓励他们寻找新的发展方向。这个团队后来与NVIDIA现有的汽车部门合作，共同研发了自动驾驶汽车芯片。
我们已经讨论了NVIDIA参与的许多项目以及他们一直在进行的工作，但还有一个关键领域需要讨论，那就是他们最初的关注点：游戏。尽管NVIDIA已经进行了业务多元化，但他们并没有完全放弃游戏市场。GPU仍然是他们业务的核心。2018年，NVIDIA推出了RTX系列显卡，普及了一种名为光线追踪的技术。光线追踪是一种高要求的技术，用于模拟光线路径，能够创造出更加真实的阴影、反射和效果。在过去，这通常不是实时效果，而是3D艺术和动画领域的标准。黄仁勋认为，光线追踪之所以成为可能，是因为NVIDIA在物理模拟和人工智能方面的研究。他解释说，NVIDIA使用AI来生成场景中每个光线追踪像素的七个像素，这就像是一个拼图，AI帮助填补了缺失的部分。NVIDIA还推广了AI的另一个应用——视频游戏的实时AI升级，这个过程称为DLSS。理论上，它可以在不增加计算负担的情况下实现更清晰、更高分辨率的游戏体验。
但在所有这些进展中，NVIDIA的GPU也遇到了问题，现在我们进入了一个有争议的话题。
2018年，加密货币挖矿热潮正处于高峰期，矿工们争相购买尽可能多的GPU以赚取利润。这导致对GPU的需求激增，对于通常使用这些GPU的人来说，市场上的GPU供应已经枯竭，尤其是游戏玩家。在某些情况下，价格甚至飙升了71%以上。在这一增长势头中，NVIDIA的游戏收入增长了26%，达到了16.5亿美元。NVIDIA宣称2018年初的收入增长主要是由游戏市场推动的，并淡化了加密货币热潮的影响。然而，加密货币的繁荣才是收入增长的真正原因。这种措辞损害了投资者准确评估公司业绩的能力。他们在不自觉中所进行的高风险投资，随着加密货币市场的崩溃而告终。这一事件引起了美国证券交易委员会的注意，NVIDIA因被控非法隐瞒信息而受到指责。为了和解，NVIDIA同意在2022年支付550万美元的罚款，尽管他们没有承认任何有罪或不当的行为。但是，他们确实同意改进其收入来源的披露方式。在2021年，为了解决游戏显卡短缺的问题，NVIDIA决定推出专门的加密货币挖矿处理器，即CMP系列。尽管如此，由于CMP的价格高达每台4300美元，加密货币矿工更倾向于购买普通的游戏显卡。
黄仁勋是为数不多的自公司成立以来一直担任首席执行官的科技巨头之一。在过去的30年里，他的长期成功领导受到了一些批评。他管理风格中最具争议的方面之一是对利润的不懈追求，有时甚至被认为是近乎贪婪。在被美国证券交易委员会罚款之后，缺乏透明度使得许多投资者感到被误导。此外，游戏社区对于显卡的高昂价格感到不满。网上有一个热烈的讨论，指出NVIDIA显卡的价格过高，尤其是在中端市场，而AMD在这一领域则更具竞争力。
黄仁勋的商业道德在2022年与EVGA的冲突中受到了质疑。EVGA是一个重要的NVIDIA GPU生产合作伙伴，他们决定与NVIDIA断绝关系并退出GPU市场。EVGA的首席执行官Andrew Han表示，这一决定是基于NVIDIA在有争议的定价策略上沟通不力。这类争议为黄仁勋的领导能力蒙上了阴影，并挑战了他以利润为导向的做法的正当性。
或许是为了强调这些挑战，黄仁勋最近在一次采访中表示，如果能回到过去，他会选择不再走上这条职业道路。他认为，创办和经营像NVIDIA这样规模的公司是一件非常困难的事情。作为一名创业者，他经历了许多挣扎和磨难，从1995年解雇持有NV1芯片的员工开始，到与更大的竞争对手竞争，再到应对持续的不确定性压力。在他看来，任何理智的人都不会愿意承受这种压力。他反思道，如果在2023年神奇地回到30岁，与两位最聪明的朋友在丹尼家讨论创业，他会选择不这么做。他认为，忽略即将创办的公司的具体情况，仅仅是因为建立一家公司的过程比预期要困难得多，如果当时他们意识到将要面临的痛苦、磨难、脆弱感、挑战、尴尬和羞耻，以及所有可能出错的事情，他相信没有人会选择创业。
尽管如此，NVIDIA在过去两年中取得了巨大的增长，股价在去年上涨了220%，收入增长了206%。对于这种增长能否持续，意见分歧。一种观点认为，人工智能将继续成为一个庞大的产业，而这才刚刚开始，NVIDIA将继续顺应这一趋势。他们目前正在全力投入人工智能研究，并发表了一系列论文，尽管有些被批评为毫无价值。另一种看法是，这种增长模式是不可持续的。实际上，NVIDIA 并非 GPU/AI 硬件市场的唯一竞争者。亚马逊和微软都在努力开发自己的定制芯片。在桌面计算市场，微软已经通过其 Arc 系列产品加入了竞争。AMD 也在不断取得成就。更重要的是，NVIDIA 极度依赖台湾的台积电来生产其半导体芯片，这可能成为潜在的问题。然而，这个问题不仅仅影响 NVIDIA，它也关系到全球半导体供应链的整体状况。
目前，面临 NVIDIA 的威胁比过去几年要多。因此，我们需要耐心等待，看看未来会发生什么。关于 NVIDIA 的故事就告一段落了。这是一段相当漫长的旅程。目前，NVIDIA 正处于历史新高点，但这是否代表了一个关键的趋势，还是仅仅是一个泡沫，我们还需要进一步观察。