讀者要如何理解 NVIDIA 這家公司？過去多數人知道這家公司多半來自於遊戲市場。只要要玩電腦遊戲，電腦多半需要配備一張可以算圖、加速的顯示卡。這張卡的品牌商眾多，但背後技術多半來自 ATi（目前已經被 AMD 合併）、NVIDIA，這是許多人認識 NVIDIA 的開始。
遊戲市場不只是硬體重要，軟體平台與內容的匹配也是關鍵。在過去一段時間裡，大廠此消彼長的不同策略牽動了整個產業的發展。任天堂、SONY與微軟都切入家用電視遊樂器的市場很長一段時間；有段時期甚至有評論家認為電腦遊戲這個名詞將會從市場上消逝。但如今不但看來沒有消逝，甚至電腦連網遊戲跟著整個電競遊戲相關內容領域的發展成為另一種產業趨勢。
黃仁勳自己都強調，電競產業是一個仍在發展成長中，產值高達 1000 億美金的市場。如果不是與台灣廠商密切合作，NVIDIA 不可能把 GEFORCE 這個電競生態系創造得如此成功，讓世界上的每個玩家都可以很輕易的接觸到 NVIDIA 與電競的相關產品線。
雖然電競是一個龐大的市場，但由於硬體開發週期的特性，硬體廠商永遠比軟體廠商需要找尋下一支成長引擎。一系列無心插柳的作為讓 NVIDIA 看到了未來。
成功往往來自不經意，但堅定、積極的投資
一個還在讀大學尋求實習的學生 Ian Buck 來到 NVIDIA，並在隨後就讀博士班期間繼續認真研究透過 GPU 協助加速平行運算的可能性。對工程師來說，CPU 每次能夠處理的執行緒是有限的，加速處理的方法之一是加速每一個單位時間內可以進行的執行緒，另一個更好的方法是開出更多處理的執行緒。大部分 CPU 進步的方法都是前者，偶爾開出後者。但 GPU 原本天生的屬性的是可以大量平行處理更多簡單數學運算（乘或加）的執行緒，多數程式設計師需要的是如何自動調配透過平行運算來加速原本所需完成的運算工作。
2004 年，讀完博士的 Ian Buck 最後落腳 NVIDIA，並最終將這個自動調配 GPU 做平行演算的函式庫 CUDA 在 2007 年開發出來。那時候使用 CUDA 來應用 GPU 根本不是整個產業的主流，甚至多數人都不知道可以透過調用 GPU 來加速自己需要完成的運算工作。CUDA 最終根本性地改變了 NVIDIA，在推出 CUDA 時想法是可以透過 GPU 加速科學需求的運算（GPUPU），卻因為支持 ImageNet 的比賽結果，讓加拿大多倫多大學的小子替 NVIDIA 上了一課。原來 GPUPU 的演算，可以如此加速機器學習與人工智慧中最重要的演算法運行，這個概念值不止千金，根本性地啟發了 NVIDIA 大力將 GPU 運算朝向人工智慧應用方面轉型。也才會有大力投資 30 億美金，重新開發 GPU 核心設計，將 Tensor Core 的概念設計引入 GPU 這樣特別的想法付諸實現。
佈局完整，過去的經驗全都是今日成功的基礎
NVidia 早已不是過去的小公司，從 2006 年全球約 2000 人，擴張至今日超過萬人，擴張的絕大多數都是軟體或程式工程師（這也是為什麼 NVIDIA 需要蓋新總部的真正原因）。如果認真觀察 NVIDIA 如今網頁所列出的產品線，你會發現已經有超過一半以上的產品其實是以軟體的形式出現，但這些軟體多半都連動著自己所帶有的硬體發展。對 NVIDIA 來說，不斷地投資在這些軟體身上，方便開發者或使用者很容易調用自己的產品，都將是使用者最終決定採用 NVIDIA 的關鍵。
過去許多被市場認為的不成功，例如推出 NVIDIA 自己的主機板 mforce，卻都是今日成功的基礎，如果沒有過去做過這些硬體、驅動程式與各種需求的經驗，NVIDIA沒有辦法快速推出符合今日車用、城市應用等市場需求的合適產品。如今，NVIDIA 推出許多小型產品，如 Jetson 開發板系列，容許開發者在終端自行透過 SDK 設計對應的應用。當然，相較於更多免費、便宜、開源的開發板來說，Jetson 系列仍然昂貴，但 NVIDIA 正透過這些費用與特殊設計的機制（例如學生補助），篩選出合理、具有商業潛力的應用，並直接以公司資源投注在這些應用的合作開發上。
傳統上，NVIDIA 在算圖加速上的應用仍有演進，許多應用都與 VR、AR 有關，這些應用也將逐漸影響到未來產業。黃仁勳在 2017 GTC 與 Computex 都仍有一個小篇章在介紹 NVIDIA 在 VR 上的進展，著重在 VR 虛擬實境的工作環境演化上。這個稱之為 Holodeck 的專案，是一個以真實影像模型為基礎的互動共同工作實境，特別適用在設計類的專案情境上。在 Computex 2017 現場，黃仁勳甚至邀請了 Gogoro 的創辦人陸學森一起上台感受多人遠端實際體驗 Holodeck 中的 Gogoro 一代與 Go Station 的設計。
相對 Apple、微軟、IBM 等不同廠商的發表會。NVIDIA 黃仁勳在 GTC 與 Computex 的演說都更像是一場個人秀（編按：無怪乎現在人稱人工智慧教父），但圍繞著人工智慧作為主題核心所要傳達的概念是很清晰明確的。NVIDIA 將挾現有 GPU 開發、平行運算作為根基，並可以 CUDA 作為輔助協助各家深度學習框架優化（並非僅 Google 的 TensorFlow、微軟的 Cognative Toolkit 自家的深度學習框架），除了讓需要深度學習或人工智慧計算的企業或組織能建構有足額的硬體資源，也讓所有希望接觸深度學習運算資源的人或組織可以透過雲計算等方式，快速學習、部署自己的深度學習運算環境。目標要讓 GPU 運算環境容易建置、轉移、無所不在。
開源架構，透過生態系建構讓 NVIDIA 更強壯
在大數據口號喊了許多年後，許多產業內公司都逐漸真的開始累積起穩定、龐大的數據量，除了已知、常見符合常理的推論，配合簡單統計與預測模型，可以協助公司找出龐大資料中所隱含的資訊外，資料科學家都在努力尋找出那些未知，但可以替公司自動化的資訊，能夠讓企業最終省下大把成本，自動化更多工作。最靠近 NVIDIA 應用與商業模式的 Google 率先跳出自己打造晶片 TPU，縱有 Alpha GO 的成功在前，加上 Google Translate 的應用在後證明 TPU 專案在內部具有足夠價值，但在雲端運算的市場上，是否能競逐商業效益仍未可知。但 NVIDIA 目前在軟、硬體、雲計算、端計算應用領域佈局完整，並相對得到生態系伙伴的信任。
連曾被 Linux 之父 Linus Torvalds 調侃，對開放社群相對不友善的 NVIDIA，都甚至準備要透過開源硬體架構 DLA 來建造更廣大的生態系。加上幾乎所有車廠、科技廠在矽谷都以前所未有的砸錢速度投資在自動駕駛領域內，不難看到整個產業發展正在非常快速的前進，透過開源架構可能是能夠包容整個產業、加速產業運作的最好選項。
仔細看看本屆 GTC 的贊助商們（AWS、IBM、CISCO、DELL & EMC、HPE、SUPERMICRO、inspur 浪潮與新聚思科技），就不難理解哪些企業將圍繞在接下來人工智慧、深度學習等需要資料、需要演算、能夠提供運算能量、提供運算框架、協助人才應用人工智慧達成前述應用的周遭趨勢。
許多人都看好 NVIDIA 未來數年在人工智慧、深度學習上的進展。矽谷有許多華人圈的專屬討論群，在黃仁勳於 GTC 演講後股票大漲之際，議論紛紛 NVIDIA 的未來。同一時間微軟也在西雅圖舉辦自己年度的重要開發者會議 Build，但顯然得到的關注度不如 GTC。許多討論群人士紛紛表示，看起來這一仗黃仁勳打得非常漂亮。
對 NVIDIA 來說，從原本的遊戲、電競領域舒適圈跳開本不是容易的事。54 歲的黃仁勳正值壯年，兩個孩子都大了以後，顯然把拼勁全力衝刺在事業上。看來 NVIDIA 正像他第三個剛過了青春期的孩子，正往人工智慧與深度學習的商業市場上野蠻生長。
