黄仁勋YC最新演讲：英伟达开局就选错技术，为什么还能赢30年？

点击加入，锁定周四直播

1995年，黄仁勋飞到日本，去见游戏巨头世嘉的负责人入交昭一郎。

他带去了一个坏消息：世嘉交给英伟达、价值约1200万美元的游戏主机芯片项目，做不出来了。

更不可思议的是，黄仁勋还提出了一个要求：虽然项目无法继续交付，但英伟达仍然需要世嘉提供500万美元，否则公司马上就会破产。

换成任何一家企业，这都是相当难以接受的请求。

但世嘉最终同意了。

30多年后，在Y Combinator（YC）创业学校访谈中，黄仁勋再次讲起了这段往事。他甚至承认：英伟达创立时选择的核心技术路线，从一开始就是错的。

老黄活动现场照

今天人们谈论英伟达，总会提到GPU、CUDA、AI算力，以及它在人工智能产业中的巨大影响力。

但黄仁勋在这场49分钟的访谈中，反复强调的却是一件事：技术会变化，真正重要的是你能否看清自己究竟在解决什么问题。

这或许才是英伟达穿越30多年技术周期的关键。

英伟达差点死在第一款产品上

1993年，黄仁勋和两位合伙人创立英伟达时，个人电脑刚刚开始普及。

三位创始人有一个大胆的想法：让每一台PC都拥有游戏主机般的图形处理能力。

当时，普通CPU虽然能处理各种计算任务，却不擅长快速完成复杂的3D图形运算。如果增加专门的加速器，就有机会让电脑流畅运行过去只有大型计算机才能处理的图形。

这就是英伟达最初的技术方向。

为了实现目标，团队设计了一套与行业主流不同的图形算法，甚至拿到了世嘉下一代游戏主机的合作合同。

可到了1995年，问题暴露了。

英伟达选用的技术路线无法满足市场需求。更尴尬的是，团队中甚至没有人真正掌握正确的图形处理方法。

与此同时，市场上已经出现了约35至40家PC图形芯片竞争者。

英伟达既没有成熟产品，也没有足够资金重新开始。

1995年世嘉与英伟达合作的报道

黄仁勋后来回忆，意识到问题以后，他跑到一家名为Fry's的电子商店，买回来三本介绍OpenGL和图形渲染管线的教材，交给工程师重新学习。

一家已经融过资、拿到大客户订单的芯片创业公司，居然要靠去商店买教材，从头补上最重要的技术课。

随后，黄仁勋向世嘉坦白，英伟达现有技术无法继续完成合同，建议世嘉另找合作伙伴。

但他请求对方再给英伟达一次机会。

世嘉负责人入交昭一郎后来在接受《Inc.》采访时解释，他已经不再看好原来的产品，却仍然相信黄仁勋的诚实、工程能力和创业决心。

世嘉最终提供了约500万美元的支持。虽然资金的具体交易形式如今已无法完全确认，但这笔钱确实让英伟达活了下来。

英伟达随后放弃旧架构，转向基于三角形的图形渲染路线，推出了后来取得商业成功的RIVA 128。

1999年，英伟达上市时估值约3亿美元，世嘉也出售了自己的持股，获得约1500万美元。

回忆到这，黄仁勋感叹。英伟达当年选错了技术，好在创办这家公司的根本想法是正确的。

究竟什么想法？

英伟达30年没有改变的，其实不是GPU

黄仁勋在访谈中解释，英伟达最初真正想做的是：通过加速计算，解决通用CPU难以高效完成的问题。

3D图形只是他们找到的第一个应用场景。

这也是为什么英伟达后来可以不断进入新的领域。

1999年，英伟达推出GPU（图形处理器），让复杂图形计算成为个人电脑的基本能力。

2006年，它推出CUDA并行计算平台，让GPU逐步从游戏图形处理器，变成可以加速科学计算和其他复杂算法的通用计算工具。

2012年，深度学习模型AlexNet在图像识别竞赛中取得突破，在许多人看来，这意味着计算机终于更擅长识别图片了，但黄仁勋看到的是另一件事。

他认为，深度学习提供了一种具有广泛适用性的函数近似方法，可以让计算机通过数据学习过去难以用明确规则描述的复杂问题。

2012年AlexNet原始论文中的双GPU神经网络结构示意图

如果这种方法持续进步，受到影响的就会是整个计算产业。

从底层芯片、软件工具到应用开发，都可能围绕新的计算方法重新组织，英伟达开始持续投入计算机视觉、自动驾驶和机器人等领域。

回过头看，英伟达的成长经历包含着一个有意思的反差。

它曾经因为坚持错误的图形算法差点倒闭，后来却因为坚持加速计算的长期方向，抓住了人工智能的机会。

一家公司到底应该坚持什么、放弃什么？

黄仁勋的答案很有启发。

他把公司比作一辆F1赛车。创始人既是赛车的设计者，也是亲自驾驶它的人。

当技术和市场发生变化时，你必须不断调整赛车，让它更适合完成自己的任务，而不能被已经设计好的组织和技术路径束缚。

这也是他反复强调学习、接触一线技术、保持好奇心的原因。

对创业者来说，这意味着产品可以改变，技术路线也可以改变。但你必须知道，自己究竟发现了什么重要的需求，又为什么有能力比别人做得更好。

如今，新一轮AI硬件创业热潮，正在让这个问题重新变得重要。

今天的AI硬件，会重演1990吗？

1990年代，PC图形芯片市场一度涌现出约40家竞争者。大家都看到了3D图形的机会，却不知道究竟哪条技术路线能够走通。

英伟达差点因为选错技术而倒闭，最终通过放弃错误架构，才成为那一轮产业竞争的赢家。

30多年后，类似的故事正在AI硬件市场上演。

2026年上半年，全球AI眼镜出货量达到420万副，Meta占据81.3%的市场份额；专注会议记录的Plaud累计销量超过200万台，主打轻量显示的Even Realities半年出货超过10万副，不同的技术路线都开始找到自己的市场。

与此同时，Friend的AI陪伴项链、Meta的Muse Charm和亚马逊新推出的Bee设备，也在探索个人AI的新入口，但能否形成稳定的消费需求，仍有待验证。

AI硬件正在从眼镜扩散到胸针、项链、腕带和各种新形态。

周四前哨科技特训营直播PPT

这像极了当年的PC图形芯片市场：大家都知道一场技术变革正在到来，但究竟需要什么产品、采用什么技术、谁能够真正赚到钱，仍然存在巨大的不确定性。

黄仁勋的创业经历，恰好给出了一个重要启示：技术路线可以改变，但必须找到值得长期解决的问题。

这也是前哨科技特训营最近研究AI硬件时特别关注的事情。

在刚刚结束的周四《AI硬件新形态：未来赛道前瞻》专题中，王煜全结合全球上千家AI硬件企业的研究，对不同产品背后的真实需求、技术成熟度和商业化前景进行了系统梳理。

AI眼镜之后，还有哪些新硬件形态值得关注？Agent技术的发展，会让哪些过去无法实现的产品真正成为生意？中国成熟的硬件供应链，又能从这轮创新中获得什么机会？

王煜全希望帮助大家提前识别的，正是那些有望穿越技术迭代和市场淘汰的产业机会。

如果你关注科技创业、产业变革，或者希望提前理解AI可能带来的新商业机会，欢迎加入前哨科技特训营，观看这期完整直播回放。

回到黄仁勋的故事。

30多年前，英伟达选错了自己的第一条技术路线，却因为及时纠错，保住了继续探索的机会。

今天，AI硬件领域或许也会重演类似的产业洗牌。

未来的赢家，未必是最早做出某种AI硬件的公司，一定是那些真正找到了需求、又能不断适应产业变革的公司。

毕竟，英伟达从来不是靠第一次就选对技术，走到了今天。