Nvidia如何成長爲萬億美元公司
中文：城主
（聲明：在與本城聯繫並明確授權之前，請勿轉載）
2023年馬上過去了，在這個絕對的AI元年裡，NVidia這家公司絕對扮演了一個極其重要的角色。在算力供不應求的當前，他們家的顯卡給誰不給誰，或許就能決定一家公司的走向，甚至生死。
這個視頻對NVidia的歷程進行了精煉的總結，30分鐘的內容很值得一看：
慣例有B站傳送門：
【NVidia如何成爲一家價值一萬億美元的公司【中英】】 https://b23.tv/aaxix6s
-以下是本城根據視頻內容重寫的中文版-
220%，這是這家位於加州的芯片製造業巨頭股票價格令人矚目的增長幅度。他們已經成爲2023年標準普爾500指數中表現最佳的股票之一。
傳統上，英偉達被視爲幕後的支持者。它爲Netflix、Adobe、Airbnb、NASA乃至Kellogg提供雲服務支持。對於那些不熟悉科技行業的人來說，英偉達可能是您從未聽說過的最大公司之一。據亞馬遜透露，超過90%的財富100強企業都使用了AWS，即亞馬遜網絡服務，而這項服務得到了Nvidia硬件的支持。現在，Nvidia還爲ChatGPT等人工智能系統提供支持，並與谷歌合作。它的技術也被應用於亞馬遜的機器人倉庫中。
總的來說，英偉達的規模遠遠超出了大多數人的想象。他們並不僅僅是一家制造遊戲顯卡的公司，儘管這正是他們聲名遠揚的原因。他們在數字時代的淘金熱中銷售鏟子，爲基礎設施的建設提供支持。
因此，如今Nvidia的市值已經超過了1萬億美元。儘管有人質疑一家市值達1.2萬億美元的公司是否存在泡沫，但Nvidia對更廣泛行業的影響力是毋庸置疑的。從1995年瀕臨破產到現在，Nvidia已經在市場上摸爬滾打了很長時間。這是一個令人矚目的轉變。我們將探討Nvidia從技術壯舉到價格爭議的非凡歷程，揭示這家公司的真實規模和歷史。
回到20世紀90年代，那是一個電視畫質模糊、互聯網還在使用撥號連接、電腦外殼大多是米色的十年。我們這些在那個時代長大的人也見證了個人電腦的演變。
在90年代初，渲染文件瀏覽器窗口或文本塊是所有圖形處理的需求，而CPU的功能已經足夠強大。除非您從事動畫或工程設計行業，否則不需要複雜的圖形處理。如果您需要圖形處理，那麼視頻遊戲機就是您的選擇。
但是，如果有一個獨立的硬件處理器能夠輕鬆地將圖形處理引入個人計算領域會怎樣呢？
在陽光明媚的加利福尼亞州，三位工程師黃仁勳（Jensen Huang）、克里斯·馬拉喬夫斯基（Chris Malachowski）和柯蒂斯·普里亞姆（Curtis Priam）也有着同樣的想法。他們會在當地的一家丹尼斯餐廳見面，在那裡，源源不斷的咖啡激發了他們的靈感。
在一次會議中，他們意識到CPU作爲計算機的核心，被設計爲通用處理器，以串行處理的方式一次只能處理一個任務。然而，爲視頻遊戲生成3D圖形將是一個遊戲規則的改變者。換言之，這種芯片將複雜的任務分解成小任務，並且能夠同時執行它們。
這種方法對於渲染3D圖形等可以同時進行多項計算的任務來說，效率要高得多。這種新型芯片不會取代CPU，而是在圖形處理方面補充CPU的功能。這後來被稱爲GPU，而這個想法正是Nvidia的起點。這個想法在現代看來簡單明瞭，但它不僅徹底改變了計算領域，還在接下來的20年裡徹底改變了計算機科學。
但當時，Nvidia的重點是90年代PC上的遊戲體驗，而這個市場充滿了潛力。
因此，在1993年，Nvidia在加利福尼亞州弗裡蒙特的一間公寓中成立，其宗旨是將並行處理的GPU應用於家用計算機中。有趣的是，“NVIDIA”這個名稱實際上是由“NV”（代表“Next Version”）和“VIDIA”（源自拉丁語，意爲“嫉妒”）兩個詞組合而成的。您可能已經注意到，NVIDIA的標誌主要採用綠色。這象徵着嫉妒，他們希望人們對他們芯片所提供的強大計算能力感到羨慕。
NVIDIA的創始人都是傑出的工程師。黃仁勳（Jensen Huang）是一位臺裔美國電氣工程師，曾在LSI Logic擔任核心軟件總監，並且是AMD的微處理器設計師。您還記得LSI Logic這個名字嗎？事實證明，這家公司對NVIDIA的成功起到了至關重要的作用。其他兩位創始人同樣能力出衆。Chris Malachowski帶來了他在惠普（HP）和Sun Microsystems工作期間的工程專業知識，而Curtis Priem是IBM和Sun Microsystems的前圖形芯片設計師。
儘管NVIDIA的創始人都是資深工程師，但他們並不是唯一學習如何創建初創公司的人。這是NVIDIA創始人親身經歷的。實際上，一開始他們甚至不知道該如何開始。因此，他們在1993年聘請了一名律師參加了一次會議。首先，他們需要合併公司。爲了確保一切順利進行，他們需要一些初始資金來對公司股票進行估值。黃仁勳口袋裡有200美元，他將這筆錢交給了律師。這筆不多的資金不僅幫助公司成立，還讓黃仁勳獲得了NVIDIA 20%的股份。
下一步是爲公司籌集資金。然而，這個過程並不容易。正如NVIDIA的創始人很快發現的那樣，風險投資家並不是對完美的商業計劃感興趣。相反，他們更看重創始人的聲譽、過往的成功以及值得投資的宏偉願景。NVIDIA最終從紅杉資本和Sutter Hill Ventures那裡獲得了2000萬美元的投資。對外界來說，這似乎是不可思議的。一家全新的公司怎麼可能獲得如此鉅額的融資？
實際上，正是黃仁勳之前在LSI Logic的工作經歷幫助他建立了聯繫，他聯繫了LSI的首席執行官，後者安排了與紅杉資本的會面。紅杉資本之前投資了LSI Logic，並通過首次公開募股（IPO）獲得了創紀錄的1.5億美元回報。有了黃仁勳在LSI的投資背景，紅杉資本願意傾聽他的建議。起初，紅杉資本的創始人對投資一家顯卡公司持懷疑態度。儘管面臨高風險，他們還是決定投入資金，最初投資了200萬美元，隨後又追加了1800萬美元。
在此，需要提供一些關鍵的背景信息。這個決策極具風險性，因爲當時有89家其他公司也懷揣着與NVIDIA相似的宏偉目標。但事實證明，除了AMD和NVIDIA，NVIDIA是爲數不多的倖存者之一。1999年NVIDIA上市時，市值達到了6億美元，這意味着最初的投資者獲得了高達100倍的回報。
這是故事的後話。在這個階段，NVIDIA不過是由一羣工程師組成的小團隊。在獲得資金後，NVIDIA花費了兩年時間來組建團隊並開發出他們的第一款產品NV1，該產品於1995年正式推出。NVIDIA是首家開發NV1芯片的公司，並與世嘉簽訂了協議，爲其遊戲機生產NV1芯片。這些芯片支持《Virtua Fighter》和《Daytona》等遊戲。值得注意的是，NV1芯片也可以用於計算機，這意味着在1995年，人們可以在PC上本地玩Sega Saturn遊戲。從上下文來看，第一臺PlayStation遊戲機是在一年前才發佈的。直到今天，我認爲還沒有見過類似的事情發生。這就好比索尼製造了一款可以插入桌面電腦並在本地玩PS5遊戲的計算機顯卡。
然而，NVIDIA面臨了一個問題。他們選擇了基於四邊形的圖像渲染架構來設計NV1芯片，而這一決策並未得到世嘉的滿意。儘管如此，NVIDIA的領導層拒絕改變他們的決策。那麼，爲什麼他們會選擇渲染四邊形和矩形而不是三角形呢？評論中提到了這個選擇的原因。使用四邊形或矩形而不是三角形可以通過減少CPU的工作負載來加速渲染過程。至少在理論上是這樣。這種方法可以減少多邊形數量，並更好地渲染圓形對象。因此，你可以使用矩形來構建物體，而不是使用大量的三角形。當時，由於CPU和內存時鐘速度較低，使用矩形而不是三角形在某些情況下是有意義的，尤其是在遊戲中需要渲染更好的圓形物體或模型時，因爲使用三角形會需要更多的處理能力。
然而，隨着內存的提升，這種方法已經失去了意義。即便如此，當時這種方法也並不實用，因爲它意味着不支持OpenGL。NVIDIA甚至不想包括這一支持。NVIDIA和SGS Thompson的一份聲明裡，他們認爲消費者根本不需要OpenGL，因此他們沒有考慮支持它。後來，當Direct3D和DirectX出現時，這種基於四邊形的渲染方法已經行不通了，因爲DirectX不支持四邊形渲染，只支持傳統的三角形和其他類型的多邊形渲染。NVIDIA確實發佈了驅動程序或補丁來更新它以運行DirectX，但這隻能通過軟件模式，這意味着你只能在軟件模式下運行硬件加速的Direct3D，這是毫無意義的。
儘管項目具有創新性，但最終還是失敗了。它試圖成爲一個多功能的產品，將3D圖形、視頻和音頻處理以及許多其他功能集成到一個芯片中。正如黃仁勳後來所說，它像一隻章魚一樣複雜多面，可能過於超前了。最終的結果是，它未能吸引市場的注意力。市場真正想要的是更爲簡單的產品，他們想要一個專用的3D圖形芯片，而不是像NV1那樣的產品，它除了價格過高，與當時的競爭產品相比，也未能吸引市場的注意力。
不幸的是，更廣泛的行業正朝着與NVIDIA不同的方向發展。微軟最近推出了DirectX，這是一種新的應用程序接口（API），支持基於三角形的三維圖形渲染標準。它簡化了開發人員的圖形編碼工作，因此他們自然紛紛採用。這一變化導致NVIDIA的NV1芯片與DirectX不兼容，許多現有遊戲在NVIDIA的新芯片上要麼性能下降，要麼根本無法運行。這種不兼容性對NVIDIA來說是一個沉重的打擊。他們的客戶合作伙伴Diamond Multimedia退回了他們購買的25萬塊NV1設備中的大部分，理由是銷量不佳和缺乏遊戲支持。這次退貨幾乎導致NVIDIA破產，迫使公司在80名員工中裁掉了40人，並留下了大量滯銷的芯片。從根本上說，這是一場價值1000萬美元的災難。
在這場混亂中，NVIDIA還在爲世嘉開發NV2芯片，但它同樣基於過時的四邊形架構。NVIDIA意識到他們必須轉型才能生存。在這個關鍵時刻，黃仁勳面臨了一個巨大的挑戰。他向世嘉的首席執行官提出了一個大膽的請求：“請解除我們的合同，但我們需要全額付款。” NVIDIA迫切需要這筆資金來維持運營。世嘉的首席執行官慷慨地同意了黃的請求。這一慷慨之舉使NVIDIA得以將重點和資源轉向與行業發展方向一致的道路。如果當時世嘉撤回了投資，NVIDIA就將不復存在。
總的來說，NV1的失敗成爲了NVIDIA的一次重要學習經歷，他們認識到了瞭解客戶需求和市場趨勢的重要性。這一認識決定了NVIDIA未來的戰略方向。NVIDIA差點倒閉，而現在市值卻超過了萬億美元，這實在是令人難以置信。他們決定傾聽市場並專注於個人電腦市場，這是他們成功的起點。在最初的失敗之後，NVIDIA選擇進入正在蓬勃發展的PC市場，並推出了一款簡單的產品。他們的策略是等待時機，然後迅速行動。
1999年，NVIDIA憑藉GeForce 256顯卡成功進入PC顯卡市場。這款顯卡不僅廣受歡迎，還作爲第一款可編程圖形卡改變了整個行業的格局，並普及了“GPU”（圖形處理單元）這一術語。它使普通遊戲玩家和開發人員能夠探索新的陰影和光效可能性，顯著提升了遊戲體驗。隨着NVIDIA的勢頭正盛，公司於同年上市。到了2000年，NVIDIA獲得了一項重大合同，爲微軟的Xbox遊戲機開發圖形硬件，這筆交易爲NVIDIA帶來了2億美元的鉅額預付款。這與之前與世嘉在遊戲機上的合作截然不同。Xbox計劃於2001年推出，配備了定製的NV2-A控制檯芯片。憑藉這一成功的起點，NVIDIA在整個2000年代都保持了蓬勃發展的勢頭，在索尼PlayStation 3處理器、蘋果、戴爾等計算機行業大品牌的製造過程中發揮了關鍵作用。惠普開始使用NVIDIA的GPU，公司不斷髮展壯大。
現在，讓我們來探討幫助他們實現這一目標的策略和技術。NVIDIA最重要的戰略決策之一是作爲一家專注於非手機芯片的公司運營。所謂的“無晶圓廠芯片公司”是指那些設計芯片但不親自進行芯片製造的企業。NVIDIA的首席執行官黃仁勳對這種商業模式有着嚴格的選擇標準。他指出：“雖然NVIDIA是一家無晶圓廠芯片公司，但這並不意味着它們在降低成本方面有所作爲。對於NVIDIA來說，臺灣半導體制造公司（TSMC）在過去三十年中一直是其重要的製造夥伴。作爲全球最大且最先進的半導體代工企業，TSMC爲包括蘋果、AMD、高通等多家大型芯片設計公司提供製造服務。TSMC在NVIDIA取得持續成功的過程中扮演了關鍵角色，因爲它們具備最優秀的製造技術。”
黃仁勳對此深有體會。他自己也曾說過：“如果沒有TSMC所做的開創性工作，NVIDIA不可能有今天的成就。”儘管NVIDIA的製造過程是外包的，但這使得公司能夠將資源集中用於創新。NVIDIA開始將其關注點從遊戲芯片和圖形處理擴展到其他領域。他們認識到，GPU及其強大的並行處理能力可以被更廣泛地利用。
NVIDIA現在致力於爲開發者提供頂尖的硬件，並通過工具和軟件來充分發揮GPU的潛力。2006年，NVIDIA推出了名爲CUDA的軟件工具包。在CUDA問世之前，對GPU進行編程需要進行大量的特殊修改，這對程序員而言是一項極具挑戰性的工作。它涉及到複雜的底層機器語言或應用程序接口（API）。但是，有了CUDA之後，程序員可以使用C、C++和Java等標準編程語言來編寫能夠在GPU上運行的程序，這大大簡化了編程過程。NVIDIA的軟件工具包是基於CUDA開發的，其影響不僅限於圖形領域，還拓展到了能夠利用並行處理能力的更多應用程序。這爲所有需要處理大量數據的行業提供了新的可能性。
這種趨勢始於2008年，當時東京工業大學在其超級計算機Tsubame 1.01中採用了CUDA加速的GPU。從那時起，包括亞馬遜網絡服務（Amazon Web Services）、谷歌雲平臺（Google Cloud Platform）和Netflix在內的許多其他數據中心開始在各種應用中使用GPU，涵蓋了雲計算、機器學習、視頻流和網絡搜索等領域。但真正的加速發生在人工智能領域的興起之際。2012年被許多人視爲人工智能的“大爆炸時刻”，在這一年，NVIDIA的創新促成了人工智能領域的重大突破。這一突破發生在ImageNet競賽上，這是一個全球性的年度比賽，各地團隊在此競爭，展示他們的軟件性能。同年，NVIDIA展示了其在圖像識別方面的能力。當時還是多倫多大學學生的亞歷克斯·克拉澤夫斯基博士以一種創新的方式參加了這項比賽。他利用GPU的強大計算能力，提高了深度學習神經網絡AlexNet的計算效率。深度學習是一種允許計算機在無需程序員干預的情況下自我學習的過程。
通過將兩張NVIDIA GeForce GTX 580遊戲卡連接到他的計算機，克拉澤夫斯基得以處理AlexNet神經網絡的120萬張圖像。他的成果在當時是非常顯著的，圖像識別的錯誤率降至15%，遠低於前一年的25%。這在當今看來或許顯得微不足道，但在當時卻是一項重大的進步。工具如ChatGPT、Google Gemini現在能夠以更高的準確性執行任務。然而，在當時，這種技術被視爲革命性的。它標誌着人工智能“冬天”的結束。在經歷了數十年的發展之後，人工智能已經能夠以高精度處理圖像識別任務。直到那個時刻，許多專家還堅持認爲神經網絡永遠不會變得實用，但事實證明他們錯了。
NVIDIA GeForce GTX 580顯卡在這一進程中扮演了至關重要的角色，因爲它們針對CUDA進行了優化，從而能夠實現並行算法。這些顯卡對於AlexNet AI執行的深度學習任務至關重要。現在，深度學習應用的廣泛可能性已經大門敞開。NVIDIA已經做好了準備，對CUDA以及用於構建NVIDIA生態系統的軟件所做的戰略性時間和投資正在收穫成果。NVIDIA的GPU已經成爲訓練和部署生成式人工智能和大型語言模型的事實標準。例如，以ChatGPT而聞名的OpenAI就使用了A100系列GPU，以便快速、廣泛地部署其人工智能模型。
在2022年11月ChatGPT問世之後，所有主要的科技公司都希望抓住人工智能熱潮的機會，紛紛搶購NVIDIA的GPU。A100 GPU尤其受到追捧，僅微軟一家就使用了多達10,000個。考慮到每臺A100的售價爲10,000美元，NVIDIA的銷量達到了數十萬臺。由於這種熱潮，NVIDIA的銷售額飆升至130億美元，截至2023年7月的季度收入爲50億美元，對於NVIDIA來說，這是驚人的101%的增長。這是前年的情況。到了5月25日，他們的股票市值在一天之內達到了1840億美元。最終，在2023年5月30日，NVIDIA成爲世界上第六家市值達到1萬億美元的公司，加入了蘋果、微軟、亞馬遜、Alphabet和特斯拉等公司的行列。
截至2023年12月，該公司的價值爲1.15萬億美元。NVIDIA對醫療保健行業的影響僅僅是衆多影響之一。在2022年，NVIDIA的基因組測序技術創造了最快DNA測序的吉尼斯世界紀錄，僅用5小時2分鐘就完成了這一壯舉。NVIDIA的芯片技術影響了更廣泛的領域。Tegra芯片最初是爲手機設計的，現在卻在驅動着自動駕駛汽車的主要電子商務業務。特斯拉在2016年至2019年期間使用這些芯片爲其Model 3提供動力。儘管特斯拉現在使用自己的芯片，但NVIDIA仍爲梅賽德斯-奔馳等其他汽車製造商提供半自動駕駛技術。
那麼，這樣一家公司是如何運營的呢？它是如何如此迅速地實現轉型，並以微軟十分之一的員工規模服務於如此多的行業？讓我們快速瞭解一下NVIDIA的管理風格，因爲這很有趣。CEO黃仁勳直接管理着一個由40人組成的團隊，他相信扁平化組織結構的力量。在這裡，不存在只有副總裁或董事參加的獨家會議。任何人都可以加入並參與其中，這是一個開放的平臺。公司內部並沒有舉行職業發展建議會議，這是因爲正如黃仁勳所指出的，他的管理團隊已經取得了顯著的成功。他採取了一種更加充滿活力的管理方法，鼓勵公司內的任何人隨時向他提交他們認爲最重要的五件事。在信息流動方面，每個人都能夠隨時掌握最新情況，這確保了信息能夠迅速傳播。公司沒有設定固定的規劃週期，比如宏偉的五年計劃或一年計劃。一切都是爲了保持靈活性，以適應不斷變化的商業環境和市場條件，特別是在快速發展的人工智能領域。詹森先生還專注於吸引頂尖人才，並保持團隊的精簡高效。
然而，在新冠疫情之後的經濟衰退期間，包括Facebook、亞馬遜和谷歌在內的大型科技公司裁掉了數千名員工。與此形成鮮明對比的是，英偉達承諾避免裁員或減薪，反而承諾爲員工提供加薪。自從1995年Sega芯片遭遇裁員危機以來，NVIDIA在內部運作方面經歷了巨大的變化。以2008年NVIDIA的Tegra芯片出現問題爲例，NVIDIA希望進入移動行業，因此開發了Tegra智能手機芯片。而實際上，基於Tegra的Android平板電腦，如Asus Transformer，我個人就擁有一臺，我發現它的性能非常出色。但顯然，許多其他人並不這麼認爲，因爲這款芯片未能引起足夠的關注並最終失敗了。一個由千餘名工程師組成的團隊負責開發Tegra系列。在芯片出現問題後，詹森並沒有解僱這些工程師，而是保留了這個團隊，並鼓勵他們尋找新的發展方向。這個團隊後來與NVIDIA現有的汽車部門合作，共同研發了自動駕駛汽車芯片。
我們已經討論了NVIDIA參與的許多項目以及他們一直在進行的工作，但還有一個關鍵領域需要討論，那就是他們最初的關注點：遊戲。儘管NVIDIA已經進行了業務多元化，但他們並沒有完全放棄遊戲市場。GPU仍然是他們業務的核心。2018年，NVIDIA推出了RTX系列顯卡，普及了一種名爲光線追蹤的技術。光線追蹤是一種高要求的技術，用於模擬光線路徑，能夠創造出更加真實的陰影、反射和效果。在過去，這通常不是實時效果，而是3D藝術和動畫領域的標準。黃仁勳認爲，光線追蹤之所以成爲可能，是因爲NVIDIA在物理模擬和人工智能方面的研究。他解釋說，NVIDIA使用AI來生成場景中每個光線追蹤像素的七個像素，這就像是一個拼圖，AI幫助填補了缺失的部分。NVIDIA還推廣了AI的另一個應用——視頻遊戲的實時AI升級，這個過程稱爲DLSS。理論上，它可以在不增加計算負擔的情況下實現更清晰、更高分辨率的遊戲體驗。
但在所有這些進展中，NVIDIA的GPU也遇到了問題，現在我們進入了一個有爭議的話題。
2018年，加密貨幣挖礦熱潮正處於高峰期，礦工們爭相購買儘可能多的GPU以賺取利潤。這導致對GPU的需求激增，對於通常使用這些GPU的人來說，市場上的GPU供應已經枯竭，尤其是遊戲玩家。在某些情況下，價格甚至飆升了71%以上。在這一增長勢頭中，NVIDIA的遊戲收入增長了26%，達到了16.5億美元。NVIDIA宣稱2018年初的收入增長主要是由遊戲市場推動的，並淡化了加密貨幣熱潮的影響。然而，加密貨幣的繁榮纔是收入增長的真正原因。這種措辭損害了投資者準確評估公司業績的能力。他們在不自覺中所進行的高風險投資，隨着加密貨幣市場的崩潰而告終。這一事件引起了美國證券交易委員會的注意，NVIDIA因被控非法隱瞞信息而受到指責。爲了和解，NVIDIA同意在2022年支付550萬美元的罰款，儘管他們沒有承認任何有罪或不當的行爲。但是，他們確實同意改進其收入來源的披露方式。在2021年，爲了解決遊戲顯卡短缺的問題，NVIDIA決定推出專門的加密貨幣挖礦處理器，即CMP系列。儘管如此，由於CMP的價格高達每臺4300美元，加密貨幣礦工更傾向於購買普通的遊戲顯卡。
黃仁勳是爲數不多的自公司成立以來一直擔任首席執行官的科技巨頭之一。在過去的30年裡，他的長期成功領導受到了一些批評。他管理風格中最具爭議的方面之一是對利潤的不懈追求，有時甚至被認爲是近乎貪婪。在被美國證券交易委員會罰款之後，缺乏透明度使得許多投資者感到被誤導。此外，遊戲社區對於顯卡的高昂價格感到不滿。網上有一個熱烈的討論，指出NVIDIA顯卡的價格過高，尤其是在中端市場，而AMD在這一領域則更具競爭力。
黃仁勳的商業道德在2022年與EVGA的衝突中受到了質疑。EVGA是一個重要的NVIDIA GPU生產合作夥伴，他們決定與NVIDIA斷絕關係並退出GPU市場。EVGA的首席執行官Andrew Han表示，這一決定是基於NVIDIA在有爭議的定價策略上溝通不力。這類爭議爲黃仁勳的領導能力蒙上了陰影，並挑戰了他以利潤爲導向的做法的正當性。
或許是爲了強調這些挑戰，黃仁勳最近在一次採訪中表示，如果能回到過去，他會選擇不再走上這條職業道路。他認爲，創辦和經營像NVIDIA這樣規模的公司是一件非常困難的事情。作爲一名創業者，他經歷了許多掙扎和磨難，從1995年解僱持有NV1芯片的員工開始，到與更大的競爭對手競爭，再到應對持續的不確定性壓力。在他看來，任何理智的人都不會願意承受這種壓力。他反思道，如果在2023年神奇地回到30歲，與兩位最聰明的朋友在丹尼家討論創業，他會選擇不這麼做。他認爲，忽略即將創辦的公司的具體情況，僅僅是因爲建立一家公司的過程比預期要困難得多，如果當時他們意識到將要面臨的痛苦、磨難、脆弱感、挑戰、尷尬和羞恥，以及所有可能出錯的事情，他相信沒有人會選擇創業。
儘管如此，NVIDIA在過去兩年中取得了巨大的增長，股價在去年上漲了220%，收入增長了206%。對於這種增長能否持續，意見分歧。一種觀點認爲，人工智能將繼續成爲一個龐大的產業，而這纔剛剛開始，NVIDIA將繼續順應這一趨勢。他們目前正在全力投入人工智能研究，並發表了一系列論文，儘管有些被批評爲毫無價值。另一種看法是，這種增長模式是不可持續的。實際上，NVIDIA 並非 GPU/AI 硬件市場的唯一競爭者。亞馬遜和微軟都在努力開發自己的定製芯片。在桌面計算市場，微軟已經通過其 Arc 系列產品加入了競爭。AMD 也在不斷取得成就。更重要的是，NVIDIA 極度依賴臺灣的臺積電來生產其半導體芯片，這可能成爲潛在的問題。然而，這個問題不僅僅影響 NVIDIA，它也關係到全球半導體供應鏈的整體狀況。
目前，面臨 NVIDIA 的威脅比過去幾年要多。因此，我們需要耐心等待，看看未來會發生什麼。關於 NVIDIA 的故事就告一段落了。這是一段相當漫長的旅程。目前，NVIDIA 正處於歷史新高點，但這是否代表了一個關鍵的趨勢，還是僅僅是一個泡沫，我們還需要進一步觀察。