标签： 硬件软件化

NVIDIA 收入构成（2025 财年）

细分领域	收入	占总收入比例	同比增长率
数据中心（AI）	1150亿美元以上	78%	400%+
游戏	180亿美元	12%	16%
专业可视化	20亿美元	1.5%	17%
汽车	17亿美元	1.2%	55%
OEM 及其他	11亿美元	0.8%	持平

英伟达商业模式简述

英伟达主要设计半导体产品（尤其是图形处理器 GPU），但其商业模式日益以软件为主导。公司通过三大主营业务板块获得收入：

• 数据中心（AI 基础设施）： 占 2025 财年收入的 78%。包括 GPU 销售、网络业务（Mellanox）和软件服务（DGX Cloud、NIM 微服务）。收入从 2023 财年的 150 亿美元增长至 2025 财年的 1150 多亿美元。

• 游戏业务： 占总收入 12%。面向消费级游戏的 GeForce 显卡。

• 专业可视化、汽车与代工业务： 剩余 10%份额。

英伟达毛利率约为74%——这对硬件公司而言堪称卓越，直接得益于其软件与平台战略。

第一课：在市场需要之前构建平台

2006 年，英伟达推出了 CUDA（统一计算设备架构）——一种软件层，使程序员能够使用 GPU 进行通用计算，而不仅仅是图形处理。当时，这种技术并没有明确的市场需求。早期用户主要是物理模拟和分子动力学领域的研究人员。

在人工智能使 GPU 计算成为主流之前，英伟达近十年来投入了数亿美元用于 CUDA 库、开发工具、文档和学术合作。

当 2012 年 AlexNet 在 ImageNet 竞赛中获胜（使用了英伟达的 GPU）后，深度学习迅速爆发，此时 CUDA 已经成熟、文档完善，并深深嵌入研究社区。任何切换到其他平台的尝试都将需要重写多年编写的代码。

初创企业启示： 在客户提出需求前，就应投资建设平台（生态系统、API、开发者体验、集成功能）。最终实现规模化的企业，往往都是那些为尚未形成的市场提前搭建好基础设施的先行者。

启示二：用教育培养黏性，而非合同约束

英伟达并未通过合同条款强制 AI 研究人员使用 CUDA，而是通过以下方式使其成为最顺滑的选择：

• 向学术研究者免费开放 CUDA 开发工具

• 发布深度技术文档和库

• 与大学合作，将 CUDA 融入机器学习课程

• 资助推动深度学习领域发展的研究

当企业人工智能支出激增时，CUDA 已不仅仅是一款产品——它成为了一种技能。数十万名机器学习工程师都接受过相关培训。转换成本不仅存在于技术层面，更已深深嵌入劳动力市场。

初创企业启示： 通过教育和技能发展建立的客户锁定比通过转换成本建立的锁定更持久。投资于帮助您的客户及其团队成功使用您的产品。

启示3：软件利润率补贴硬件投资

英伟达的毛利率（74%）远高于典型硬件公司（苹果为 1001#43%的综合毛利率；英特尔在崩盘前低于 50%），因为软件越来越多地构成了所交付的价值。NIM 微服务、CUDA 软件栈、AI 企业版许可和 DGX 云从硬件基础设施中产生了软件经济。

这形成了一种飞轮效应：高利润率资助研发（英伟达将约1001#20%的收入用于研发），从而产生更好的硬件，吸引更多开发者，增加软件采用率，进而维持高利润率。

初创企业启示： 若从事硬件或基础设施销售，务必掌控其上层软件层。硬件与软件的利润差，正是服务型业务与复利增长引擎的本质分野。

第四课：利用核心资产拓展相邻领域

NVIDIA 起步于游戏领域。他们扩展到了：

• 专业可视化 （设计师和工程师的工作站）——相同的 GPU，不同的市场

• 数据中心 （AI 训练与推理）——相同 GPU，不同市场

• 汽车行业 （自动驾驶计算）——相同 GPU 架构，不同应用场景

• 医疗保健 （医疗影像 AI）——相同的数据中心 GPU，不同的垂直领域

每次扩张都基于相同的核心资产（卓越的 GPU 设计与 CUDA 生态系统）进入新市场。英伟达正是这样将潜在市场规模从 100 亿美元（游戏领域）拓展至 1 万亿美元以上（AI 基础设施领域），而无需重构技术体系。

初创企业的经验教训： 明确你的核心技术和运营能力，并找出其适用的相邻领域。最好的增长策略往往不是推出新产品，而是为现有能力开拓新市场。

第五课：平台押注需着眼长远

当黄仁勋（NVIDIA 首席执行官）在 2013 年大力押注人工智能时——这比当前的人工智能热潮早了十年——大多数观察者认为他是在进行一项可疑的资源分配。当时，NVIDIA 在市场几乎可以忽略不计的情况下，打造了专为深度学习优化的数据中心 GPU。

回报起初来得缓慢：先是研究实验室，然后是云服务提供商，最后是企业级人工智能。到2023年，世界发现它比英伟达更需要英伟达。

初创企业的教训： 对平台战略的坚定信念需要耐心，而这种耐心大多数创始人和投资者都难以提供。但那些在规模上取得成功的公司，几乎总是那些从一开始就为一个被竞争对手视为“为时过早”的未来而构建的企业。

第六课：构建你无法依赖他人的供应链

英伟达设计芯片，但不制造芯片（无晶圆厂模式——台积电制造英伟达的 GPU）。然而，英伟达已大力投资于设计定制网络芯片（收购 Mellanox）、定制内存封装（HBM 集成）以及能够整合整个技术栈的软件。

通过控制每个关键组件的设计——即使制造环节外包——NVIDIA 也能实现端到端的性能优化，这是由通用零部件组装商无法比拟的。

初创企业的启示： 识别你价值链中具有战略意义的组件（控制权=竞争优势）与商品化组件（外包=效率）。掌控战略组件，将其他部分外包。

第7课：品牌即技术权威

在人工智能市场中，NVIDIA 的品牌与其技术权威密不可分。“运行在 NVIDIA 上”是人工智能基础设施严肃性的信号，就像“由 AWS 提供支持”曾是云计算领域的信号一样。这种品牌溢价并非来自营销，而是通过十年的技术领导力、发表的研究成果以及对开发者社区的投资所赢得的。

初创企业的教训： 在技术市场中，品牌是通过技术信誉建立的——包括发表文章、开源贡献、开发者倡导以及持续兑现承诺——而不是通过广告。在技术领域中，拥有最高持久利润率的公司，正是那些品牌能在复杂领域中传递信任的公司。

常见问题

1. 英伟达面临的最大竞争风险是什么？

超大规模企业自研芯片（谷歌 TPU、亚马逊 Trainium、微软 Maia）构成最严峻威胁。若顶级 AI 客户能开发出满足自身工作负载的替代方案，市场对英伟达 GPU 的需求可能在高端市场趋于平缓。CUDA 生态系统的用户黏性是其核心防御壁垒。

2. 英伟达能否维持现有利润率？

74%的毛利率让英伟达获得超额回报。长期来看，AMD（ROCm 平台）、超大规模企业自研芯片以及中国本土 GPU 替代方案（如华为昇腾）将带来竞争压力。但英伟达的软件生态护城河仍是其商业模式中最稳固的要素。

3. 英伟达如何挺过2018-2019年加密货币挖矿崩盘？

加密货币挖矿市场崩溃时，英伟达游戏业务收入骤降。该公司得以幸存是因为其数据中心 GPU 业务实现了收入多元化——在游戏业务低迷时期，云服务商和研究机构维持了需求。依托相同核心资产实现跨市场布局，为其提供了抗风险能力。

4. 哪些初创企业最类似英伟达的平台模式？

Stripe（支付领域的开发者平台）、Twilio（通信领域的开发者平台）和 Snowflake（拥有生态系统的数据平台）具有相似架构：它们都在基础设施层之上，构建了开发者优先、用户迁移成本高且具备软件经济特性的平台。

5. CUDA 的护城河真如宣称的那般坚固吗？

坚固但并非不可攻破。AMD 的 ROCm 平台正在进步。PyTorch 现已支持多种后端。对于从零开始训练的新模型，转换成本确实存在但并非不可克服。英伟达的护城河在企业软件栈（专为 CUDA 构建的框架、模型和部署工具）以及接受过 CUDA 培训的研究人员现有基础方面最为强大。

6. 英伟达的成功对专注于 AI 的初创企业意味着什么？

这证明了人工智能基础设施将规模巨大且持久。基于英伟达平台（模型训练、推理优化、人工智能应用）的初创企业将受益于不断壮大的生态系统。而试图取代英伟达的初创企业则面临科技史上最强的平台锁定之一，应以清醒的头脑评估这一挑战。

结论

英伟达从游戏芯片制造商崛起为市值3万亿美元的人工智能基础设施公司，堪称现代科技领域最具启发性的商业模式案例之一。贯穿其成功轨迹的并非运气，而是对平台经济学、生态系统发展的精准押注，以及在市场爆发前耐心布局的远见。所有科技创业者都能从中汲取经验：如何通过教育体系构建用户黏性，如何依托核心资产拓展相邻领域，以及如何凭借数十年技术积淀赢得行业权威地位。