來源：英偉達

近兩個月，英偉達頻頻出手進行投資和收購：先是連投三家AI獨角獸企業，緊接著花費5000萬美金支持生物技術，又在7月19日收購了AI云服務公司Lambda Labs。更有消息傳出，英偉達在收購ARM計劃宣告失敗之后，在重新思考成為ARM的錨定投資者。在今年上半年不斷加注下游應用企業的英偉達，正在繪制一副全新投資版圖。

英偉達投資“三步走”

據公開數據顯示，自1993年英偉達成立至今，其投資、并購的公司有五十余家。

英偉達的發展歷程可以劃分成為三個階段：1993年至2006年的守成期,2007年至2015年的發力期以及2016年至今的擴張期。

數據來源：中國電子報整理

在第一階段，專注于游戲圖形處理自研的英偉達通過吞并頭號勁敵，改變了顯卡競爭格局。這段時間里，英偉達敲鐘上市，推出GeForce256并定義了圖形處理器GPU。2000年，英偉達以7000萬美元收購3D顯卡的先驅者3DFX。自此，在經歷了上世紀九十年代顯卡公司的“生存游戲”后，英偉達將頭號勁敵3DFX收入麾下，在成為幸存者的同時嶄露頭角。

在第二階段，英偉達的投資并購舉動并不高調。2007年，護城河CUDA的建成和應用，使英偉達構建出不同于其他顯卡廠商的生態壁壘。以“馬后炮”的視角來看，當年英偉達開發CUDA平臺，探索通用GPU，果斷放棄移動市場，這一系列舉動深刻影響了英偉達的發展方向，最終推動英偉達形成了以游戲顯示、數據中心、汽車作為“三駕馬車”的業務路線。

自2015年以來，英偉達的投資并購進程加速，對于初創公司扶持力度也開始加大，走向了飛速擴張的階段。在過去的8年中，英偉達投資了來自多個國家和地區的30余家公司，涉及人工智能、圖像處理、自動駕駛、生物醫療等多個領域。

數據來源：中國電子報整理

黃仁勛曾提到英偉達的投資邏輯：一是該公司的愿景與英偉達一致，即利用AI技術為社會創造更多價值；二是這家公司需要英偉達的幫助；第三是這家公司有著相對優秀的資質。

又一輪激進擴張

僅2017年一年，英偉達便投資并購了約20家公司，這已經超過了之前幾年數量的總和。隨后幾年里，英偉達在并購道路上不算一帆風順。它成功收購了云網絡交換機和適配機供應商Mellanox，卻也在從軟銀手里收購ARM的過程中一波三折，并最終因反壟斷法而不得不終止這項計劃。半導體專家莫大康表示，英偉達的投資領域看似繁多復雜，其實可以簡要歸納成兩個基本方向：一個是以GPU為計算核心的人工智能，另一個則是汽車電子。

在其投資名單里可以發現，對于GPU軟硬件能力的進一步提升和對自動駕駛的探索成為了英偉達的主要任務。這樣的長期部署可能在更早之前就有跡象。半導體行業專家盛陵海向《中國電子報》記者表示：“英偉達決定拓展GPU的應用場景，由此誕生了GPGPU（通用GPU），因為黃仁勛意識到了GPU擅長的并行計算在游戲之外，可能在未來其他對龐大數據有處理需求的行業上都有用武之地?！?/p>

2022年年末，以ChatGPT為首的生成式人工智能走進大眾視野，龐大的算力需求推動GPU行情火爆，推動英偉達于2023年實現萬億市值。這并非“一夜暴富”，而是厚積薄發。長期布局形成的軟硬件生態成為了英偉達的“底氣”。在2017年激進投資之后，英偉達似乎開始了又一次擴張之路。

英偉達在2023年上半年先后投資了三家被譽為“AI獨角獸”的企業。其中，加拿大AI公司Cohere宣布完成2.7億美元C輪融資；另一家人工智能初創公司Inflection AI宣布正在開發一款配備2.2萬片英偉達H100的超級計算機。除此之外，英偉達的投資策略也涉及到藝術創意類AI，Runway表示將使用人工智能來進行視頻生產。近期在社交媒體上受到關注的AI科幻預告片《Trailer:Genesis》便是交由Runway進行視頻生成的。

7月12日，英偉達表示將向一家AI制藥公司Recursion Pharmaceuticals投資5000萬美元，加速其人工智能模型的訓練并用于藥物研發。兩家公司將合作推進Recursion在生物和化學領域 AI 基礎模型的開發，并優先將其分發給使用英偉達云服務的生物科技公司。

向垂直領域延伸

英偉達此次瞄準了下游應用進行布局，更多是為了完善自身已有的AI軟硬件生態體系，在加強供需對接的同時，拓展業務渠道。

英偉達很熟悉整個圖形處理器市場的戰斗，自公司創建以來，英偉達的產品已經身經百戰。GPU能夠提供的強大算力是其立身之本，但并不意味著不斷提升算力就能夠永葆無虞，“AI熱”的背后更需要“冷思考”。“AIGC是一個充滿無限想象的話題，目前已在休閑娛樂、淺辦公等領域展露頭角。隨著未來各種專用模型的出現以及算力的進一步提升，AIGC將滲透進更多專業技術領域。”賽迪顧問研究員鄧楚翔告訴《中國電子報》記者。

一方面，在大量數據處理的行業中，CPU難以勝任龐大的計算量，需要GPU處理大量的并行數據；另一方面，目前的GPU能夠滿足通用型內容自動生成的需求，但是專業技術的垂直領域的數據相對更為封閉和復雜，有待開發出更多的專用模型和專用的算力芯片去訓練推理。

作為芯片設計企業的英偉達站在算力供給端的位置，還需要考慮到“把產品賣給誰”的問題。這就需要英偉達主動挖掘、主動對接下游應用企業的需求。在AIGC、自動駕駛和生物醫療上，英偉達已經開始不斷向各個廠商提供高算力服務。

除此之外，英偉達需要通過多方合作來加速自身的生態滲透。如果說CUDA平臺的建成實現了對GPU的“使用”，那么現在英偉達就要將這一套軟硬件生態推廣到“應用”的層面，以實現業務框架的再一次延展。因此，英偉達不僅向下游應用行業提供設備、算力以及技術支持，也是下游新銳企業的投資者，從而達成反復強化自身的螺旋式上升過程。

審核編輯：湯梓紅