当前位置：

社区首页

文化娱乐

在线教育

IT互联网

文章详情

黄仁勋的买买买清单，和被收购者进入“英伟达宇宙”后的生态位

Mellanox撑起网络业务、DeepMap进入汽车与仿真体系，百亿美元买来的Hugging Face，又会在“英伟达宇宙”里找到什么位置？

图片来源：AI生成

作者 | 张牙

编辑 | 赵小芝麻

9月3日，英伟达（NVIDIA）宣布以129.303亿美元收购Hugging Face。Hugging Face最初以聊天机器人起家，后来发展成全球最重要的开放AI平台之一。超过1800万名开发者、研究人员和创作者在这里分享超过300万个模型、50万个数据集及100万个应用。大家常把它叫作“AI界的GitHub”，很多开发者找模型、看文档和测试Demo，都会从这里路过。英伟达承诺平台将继续支持不同模型、云服务和计算平台，也不会强制绑定英伟达硬件。房东换了，平台上的用户们自然要先抬头看一眼。

英伟达今天的地位，很大一部分来自GPU架构、CUDA等长期内部研发。与此同时，英伟达也通过收购，把物理引擎、编译器、网络设备、高精地图和集群管理软件搬进自己的体系。

先把Hugging Face放回购物车，看看英伟达过去33年至关重要的几个“必买好司”。

英伟达称双方将一同扩展Hugging Face的平台，强化其基础设施，并让全球的开发者和机构能够更广泛地使用AI

图片来源：NVIDIA官方

从游戏图形、物理模拟、科学计算、移动芯片，

到数据中心网络、自动驾驶和AI集群运营，

33岁的英伟达，购物清单上都有谁？

3Dfx：英伟达在游戏显卡市场的“成人礼”

把时间线拉回千禧年前后，3Dfx仍是PC 3D图形市场中最有影响力的公司之一。其Voodoo系列广受玩家欢迎，也帮助3D加速进入主流PC游戏。

随着产品节奏和经营状况恶化，3Dfx在2000年12月与英伟达达成资产出售协议，交易于2001年4月完成。英伟达购买了部分图形芯片资产、专利和专利申请，并吸收相关人员，资产总收购价格约7420万美元。

3Dfx退出后，英伟达获得图形技术资产，也少了一位极具号召力的对手。此后PC独立显卡市场逐渐形成英伟达与ATI竞争的格局，ATI又在2006年被AMD收购。

在市场层面，英伟达完成关键整合，GeForce也由挑战者逐渐走向主导位置。

3Dfx Voodoo 3 1000入门级3D显卡

图源：VGA Museum

AGEIA：PhysX从游戏物理走向机器人仿真

AGEIA成立于2002年，主要开发PhysX物理引擎和物理处理器PPU。当时的设想很直观：显卡负责画面，PPU计算碰撞、布料、烟雾、碎片和物体运动。一张卡负责让桌子看起来够真实，另一张卡负责算桌子被掀翻以后怎么飞。

2008年2月，英伟达完成收购，随后将PhysX引入GPU计算。独立PPU逐渐退出市场，PhysX却进入大量PC和主机游戏，让爆炸碎片、衣物和场景互动更像真实世界。多年后，它又进入NVIDIA Omniverse和Isaac仿真模拟平台，用来模拟机器人抓取、机械运动及数字孪生环境，为物理AI打造基底。

PhysX进入Omniverse平台与机器人仿真场景

图片来源：NVIDIA官方技术博客

PGI：让科学家不必从头学习CUDA

2013年，英伟达从意法半导体手中收购The Portland Group，也就是PGI。它主要提供Fortran、C和C++编译器及高性能计算工具，客户集中在科研机构、大学和工程企业。

始于上个世纪50年代的Fortran听起来颇有上古气息，却长期活跃在天气预报、流体力学和工程模拟中。许多科研程序积累了几十年代码，如果让研究团队为了使用GPU全部重写，自然工作量是十分恐怖的，但PGI的到来，可以帮助这些传统程序更顺利地接入GPU，相关编译器后来进入NVIDIA HPC SDK，演变为nvfortran、nvc和nvc++，让研究人员的程序也能在GPU上顺利跑起来。

NVIDIA HPC软件开发套件（SDK）是面向高性能计算的完整编译器、软件库与工具套件，提供C、C++ 和 Fortran编译器，支持使用标准C++ 和Fortran、OpenACC® 指令以及CUDA®，为HPC建模与仿真应用提供GPU加速。

图片来源：NVIDIA官方

Icera：没有延续下来的手机基带业务

英伟达的购物车里也有买回来后发现不太合身的东西。2011年，英伟达以约3.67亿美元收购英国基带芯片公司Icera，希望让Tegra同时拥有应用处理器和蜂窝基带，向手机厂商提供更完整的方案。那几年，几乎每家有芯片梦想的公司都想在智能手机里坐上主桌。

Icera技术随后进入Tegra 4i等产品，但英伟达没有建立足够的客户和出货规模。基带市场还牵涉通信专利、运营商认证、各地频段和长期合作，这些很难随技术一起打包。2015年，英伟达关闭Icera基带业务，并将资源更多投向深度学习、自动驾驶和游戏。

英伟达于2013年2月发布旗下首款完全集成的4G LTE 移动处理器——NVIDIA® Tegra® 4i，是基于ARM Cortex-A9处理器打造的SoC解决方案，旨在通过单颗集成处理器驱动智能手机所有主要功能

图片来源：NVIDIA官方

Mellanox：英伟达由此建立起网络业务

2019年3月，英伟达宣布以约69亿美元收购Mellanox，交易于2020年4月完成。Mellanox彼时已经拥有InfiniBand和以太网交换机、ConnectX网络适配器、互连芯片、软件，以及覆盖超级计算机、云服务商和企业数据中心的客户体系。

AI训练规模扩大后，成千上万颗GPU需要持续交换数据。GPU跑得再快，网络堵在路上，数据中心也只能上演价值不菲的“集体等消息”。Mellanox成为英伟达网络业务的主体，Cumulus Networks随后补充网络操作系统，Augtera又将监控能力带进Spectrum-X。今天的Quantum、Spectrum-X、ConnectX和BlueField共同构成数据中心网络产品体系。其联合创始人兼CTO Michael Kagan后来还出任英伟达CTO，这家公司确实连产品带人一起搬进了新家。

NVIDIA创始人兼首席执行官黄仁勋表示：“AI与数据科学的应用日益广泛，正在重塑计算和数据中心架构。随着Mellanox的加入，全新的NVIDIA已具备从AI计算到网络的端到端技术，以及从处理器到软件的全栈产品与解决方案，并拥有推动下一代数据中心发展的规模实力。”

图片来源：NVIDIA官方

DeepMap：

自动驾驶上路之前，先把地图画给机器看

2021年，自动驾驶正处在资本和产业高度关注的阶段。车辆既要看见周围的车、人和交通信号，也要知道自己在道路中的精确位置。这一年，英伟达宣布收购高精地图公司DeepMap。

DeepMap的能力在于开发地图采集、构建、定位和云端更新技术，会使用多类传感器和定位数据。普通导航地图告诉司机在哪里转弯，高精地图还要把车道线、道路边界和交通标志整理成机器能读的信息。人类迷路还能凭感觉开，自动驾驶系统可万万不能“我觉得应该是这条路”。

收购后，相关技术进入NVIDIA DRIVE Map。高精地图可以帮助车辆定位，也能将真实道路转换成仿真环境，还能用于机器人建图。地图、仿真和机器人看起来分属不同业务，实际都要先回答：机器所处的世界，究竟长什么样。

在 2022年GTC主题演讲中，NVIDIA发布了DRIVE Map多模态地图平台，旨在提升安全性的同时，支持更高级别的自动驾驶，该平台将DeepMap专业测绘的高精度与基于AI的众包地图所具备的高时效性和大规模覆盖能力相结合

图片来源：NVIDIA官方

Run:ai：

GPU越来越贵，怎么分也成了一门生意

当GPU多了起来，如何分配也变成了一项需要专事专办的任务，以避免有人排队等卡时，另一边的昂贵算力设备却在摸鱼的情况发生，Run:ai所关注的便是GPU集群的使用效率。2024年，英伟达宣布收购Run:ai，并在年底完成交易，交易金额约7亿美元。

Run:ai利用Kubernetes管理AI工作负载，根据任务动态分配GPU。收购后，它继续以NVIDIA Run:ai的名称提供产品，并进入NVIDIA AI Enterprise和Mission Control。Mellanox负责让设备高速连接，Run:ai安排算力由谁使用，英伟达由此继续向AI数据中心的日常运营延伸。

NVIDIA Run:ai能够实现动态资源分配、AI生命周期支持以及策略化资源管理

图片来源：NVIDIA官方

除了使用钞能力搬回来的公司，被英伟达以同样逻辑“招安”的不少人才也值得关注

英伟达在不同技术和产业节点吸引到了不少关键人才，经验与行业关系也跟着人一起流动。

Michael Kagan：

从被收购公司的联合创始人，

到英伟达CTO

Michael Kagan是Mellanox联合创始人及原CTO。2020年Mellanox并入英伟达后，他出任英伟达首席技术官，并一直担任这一职位。

Kagan直接进入全公司技术领导层。随着AI系统从单颗芯片走向机架和数据中心，网络架构也进入英伟达最高层的技术决策。他的经历还有点“带着公司入职”的意味：近70亿美元买到网络业务，也带回一位总管全局的技术负责人。

Michael Kagan，NVIDIA首席技术官（CTO）

图片来源：NVIDIA官方作者页

Ian Buck：

从高校项目进入英伟达，

把GPU带出图形世界

2004年，Ian Buck在斯坦福大学完成博士研究后加入英伟达，此前负责Brook项目，探索GPU的通用计算。

加入英伟达后，他成为CUDA的创造者之一。今天看起来理所当然的“用GPU训练AI”，在当年还是一群人试图让显卡认真干点别的。目前，Buck担任Hyperscale and High-Performance Computing副总裁，负责面向大型云厂商和AI公司的相关产品，也经常代表英伟达讨论超级计算和大规模AI基础设施。

Ian Buck，NVIDIA HPC和超大规模数据中心副总裁

图片来源：NVIDIA官方作者页

Bill Dally：

从学术界进入英伟达研究体系

Bill Dally长期研究并行计算、网络架构、信号传输和芯片互连，曾任斯坦福大学计算机科学系主任。2009年，他加入英伟达并担任首席科学家，目前仍负责英伟达的研究工作。

Dally加入时，GPU计算刚开始进入科学计算和AI研究。此后，处理器怎样通信、数据怎样路由、系统怎样扩展，这些听起来颇为学院派的问题，都变成了AI数据中心里真金白银的工程问题。他时常露面在英伟达的技术活动、研究项目和架构讨论中，讨论芯片性能、能源效率及未来计算。

Bill Dally，NVIDIA首席科学家兼高级研究副总裁

图片来源：NVIDIA GTC官方演讲嘉宾页

吴新宙：

从英伟达客户侧，

走到汽车业务的产品与工程一线

吴新宙进入英伟达的路径很有意思：他此前长期站在客户一侧。加入前，他负责小鹏汽车自动驾驶中心约五年，领导过超过1000人的团队（小鹏本身也是英伟达汽车计算平台的客户）。再往前，他还曾负责高通的自动驾驶团队。

吴新宙足够熟悉车企在量产时间、软件交付、车型适配和安全验证上的实际需求，2023年8月，他带着这些经验加入英伟达，目前担任汽车业务副总裁，负责战略、产品规划和工程执行。2025年英伟达发布全栈自动驾驶软件平台时，官方文章正是由他署名，他也逐渐成为汽车业务中经常对外出现的面孔。

吴新宙，NVIDIA全球副总裁、汽车事业部负责人

图片来源：NVIDIA官方作者页

老黄的购物车里，真没有一件是凑单的吗？

把这七家公司放回一张清单：

3Dfx帮助英伟达完成显卡市场整合；
AGEIA留下PhysX，让物理计算从游戏走到机器人；
PGI把科学计算老代码接上GPU；
Icera记录手机基带业务的进入与退出；
Mellanox撑起网络业务；
DeepMap完善自动驾驶能力；
Run:ai开始管理客户手里的GPU，让算力尽量别在机房里带薪休假。

它们有些保留原品牌，有些进入更大的产品，也有业务已经关闭。英伟达沿着计算系统不断向外延伸，从图形走到物理，从芯片走到编译器，从服务器走到网络，再从硬件走到集群运营。

沿着这条路线再看Hugging Face，交易的落点也更具体。英伟达销售GPU、网络设备和数据中心系统，同时提供CUDA-X软件库、NVIDIA AI Enterprise、NeMo开发框架、NIM推理微服务、Blueprints参考工作流及Nemotron等开放模型，帮助客户训练、调整和部署AI应用。