红米K40S：我心目中的千元机应该是什么样子
06-21
中国电子报 近两个月来，NVIDIA频频进行投资收购：先是投资了3家AI独角兽公司，随后斥资1万美元支持生物科技，并于7月19日收购了AI云服务公司 Lambda Labs。
还有消息称，在收购ARM的计划失败后，英伟达正在重新考虑成为ARM的主要投资者。
今年上半年持续投资下游应用企业的英伟达正在绘制新的投资版图。
NVIDIA投资“三步走” 据公开数据显示，NVIDIA自2009年成立以来，已投资、收购了50多家公司。
NVIDIA的发展历程可以分为三个阶段：2008年至2018年的维护期、2018年至2018年的发展期、2018年至2018年的扩张期。
数据中国电子报整理 在第一阶段，Nvidia、专注于游戏图形处理自研的公司，通过吞并头号竞争对手，改变了显卡竞争格局。
在此期间，NVIDIA 进军市场，推出了 GeForce，并定义了图形处理器 GPU。
2016年，NVIDIA以1万美元收购了3D显卡先驱3DFX。
此后，经历了20世纪90年代显卡公司的“生存游戏”后，Nvidia接手了宿敌3DFX，成为了幸存者。
第二阶段，英伟达的投资和并购并不高调。
2016年，CUDA护城河的建立和应用，让NVIDIA构筑了有别于其他显卡厂商的生态壁垒。
从“事后诸葛亮”来看，NVIDIA开发了CUDA平台，探索通用GPU，果断放弃了移动市场。
这一系列动作深刻影响了NVIDIA的发展方向，并最终推动NVIDIA形成一家专注于游戏显示器、数据中心和汽车的公司。
“三驾马车”的经营路线。
今年以来，NVIDIA的投资收购进程加快，对初创公司的支持力度也开始加大，进入了快速扩张的阶段。
过去八年里，英伟达投资了来自多个国家和地区的30多家公司，涉及人工智能、图像处理、自动驾驶、生物医药等领域。
数据中国电子报编译 黄仁勋曾提到NVIDIA的投资逻辑：第一，公司的愿景与NVIDIA一致，就是利用AI技术为社会创造更多价值；第二，这家公司需要NVIDIA的帮助；第三，该公司资质较为优良。
在又一轮激进扩张的短短一年时间里，NVIDIA已经投资并收购了约20家公司，这一数字已经超过了往年的总数。
随后几年，英伟达的并购之路并不顺利。
它成功收购了云网络交换机和适配器供应商Mellanox，但在从软银手中收购ARM的过程中也一波三折，最终因反垄断法不得不终止该计划。
半导体专家莫大康表示，英伟达的投资领域看似众多且复杂，但其实可以简单概括为两个基本方向：一是以GPU为计算核心的人工智能，二是汽车电子。
从其投资清单中可以发现，GPU软硬件能力的进一步提升以及自动驾驶的探索已成为英伟达的主要任务。
这种长期部署的迹象可能更早出现。
半导体行业专家盛凌海告诉记者：“英伟达决定拓展GPU的应用场景，GPGPU（通用GPU）由此诞生，因为黄仁勋意识到GPU擅长的并行计算不仅仅针对游戏，还针对游戏。
”未来可能会应用于其他领域，在数据处理需求巨大的行业中还有应用空间。
”年底，以ChatGPT为首的生成式人工智能进入了公众的视野。
对算力的巨大需求带动了GPU市场的火爆，英伟达当年就实现了万亿市值。
这不是“一夜暴富”，而是长期的成功。
长期布局形成的软硬件生态圈，成为英伟达的“底气”。
经过 2016 年的积极投资后，英伟达似乎正在走上另一条扩张之路。
英伟达上半年投资了三家被称为“AI独角兽”的公司。
其中，加拿大AI公司Cohere宣布完成2.7亿美元C轮融资；另一家人工智能初创公司 Inflection AI 宣布正在开发一款配备 22,000 个 NVIDIA H 芯片的超级计算机。
此外，英伟达的投资策略还涉及艺术创意AI，Runway表示将利用人工智能进行视频制作。
最近在社交媒体上引起关注的AI科幻预告片《Trailer:Genesis》是由Runway制作的。
Runway Product Runway Gen-2 7月12日，英伟达表示将向AI制药公司Recursion Pharmaceuticals投资1万美元，以加速其人工智能模型的训练，并将其用于药物研发。
两家公司将合作推动 Recursion 在生物和化学领域的 AI 基础模型的开发，并优先将其分发给使用 NVIDIA 云服务的生物技术公司。
向垂直领域延伸 NVIDIA此次针对下游应用进行布局，更多是为了完善现有的AI软硬件生态系统，加强供需联系，拓展业务渠道。
英伟达对整个图形处理器市场的争夺战很熟悉。
Nvidia 的产品自公司成立以来就经过了考验。
GPU所能提供的强大计算能力是其基础，但并不意味着计算能力的不断提升就能保证永恒的安全。
“AI热”的背后，更需要“冷思考”。
“AIGC是一个充满无限想象的话题，它已经在休闲娱乐、轻办公等领域崭露头角。
未来随着各种特殊模型的出现和算力的进一步提升，AIGC将渗透到更专业的技术领域。
”赛迪顾问研究员邓楚翔告诉《中国电子报》记者。
一方面，在数据处理量较大的行业，CPU很难处理海量的计算，需要GPU来处理大量的数据。
另一方面，当前的GPU可以满足通用内容自动生成的需求，但专业技术垂直领域的数据相对更加封闭和复杂，更多的专用模型和专用计算。
需要开发电源芯片来训练推理。
英伟达作为一家芯片设计公司，在计算电源领域的定位上，还需要考虑“把产品卖给谁”的问题。
这就需要NVIDIA积极探索，主动对接下游应用企业的需求，在AIGC、自动驾驶和生物医药方面，NVIDIA已经开始不断向各厂商提供产品。
高算力服务。
此外，NVIDIA还需要通过多方合作加速自身生态渗透。
如果说CUDA平台的建立实现了GPU的“用”，那么NVIDIA现在将推动这套软硬件生态系统。
向“应用”层面实现业务框架的又一次延伸。
因此，NVIDIA不仅为下游应用产业提供设备、算力和技术支持，同时也是下游尖端企业的投资者，从而实现螺旋式的反复强化。
过程。
【近期会议】8月10日，我们将为您带来“碳化硅材料与器件质量与成本控制先进技术解决方案”线上主题论坛，助力我国碳化行业技术演进。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-21
06-18
06-17
06-18
06-17
最新文章
英特尔收购芯片制造商eASIC，进一步减少对CPU的依赖
西门子携手现代汽车、起亚公司，共同推动交通运输行业数字化转型
行业领导者制定 Open Eye MSA 来帮助实现高速光连接应用
三星电子和 NAVER 合作
意法半导体和 Leti 合作开发 GaN-on-Si 功率转换技术
青岛将大力发展高世代TFT-LCD和Micro LED项目
长电科技参加IMAPS器件封装大会
三星正式发布Exynos 990旗舰处理器