1995年，黄仁勋赴日面见世嘉负责人入交昭一郎，带来了一个坏消息：世嘉委托英伟达、价值约1200万美元的游戏主机芯片项目无法交付。更令人意外的是，黄仁勋请求世嘉继续提供500万美元资金支持，否则英伟达将面临破产。
这一看似无理的要求最终被世嘉接受。30多年后，黄仁勋在Y Combinator访谈中复盘此事，坦承英伟达创立初期的核心技术路线从一开始就是错误的。
如今人们提及英伟达，往往聚焦于GPU、CUDA及AI算力。但黄仁勋强调，技术形态会变，核心在于能否看清所解决的问题本质。这或许是英伟达穿越三十余年技术周期的关键所在。
生死关头：英伟达差点倒在第一款产品上
1993年英伟达成立时，三位创始人旨在让PC拥有游戏主机般的图形处理能力。当时CPU不擅长复杂3D运算，团队设计了独特的图形算法，并获得了世嘉下一代主机的合作合同。
然而至1995年，危机爆发。英伟达的技术路线无法满足市场需求，且团队缺乏正确的图形处理知识。与此同时，市场上涌现出约35至40家竞争对手，英伟达既无成熟产品，也无力重启研发。
黄仁勋回忆，意识到问题后，他亲自去电子商店购买OpenGL和图形渲染管线教材，让工程师从头学习。一家已获融资且拥有大客户的芯片公司，竟需靠买教材补课来挽救危局。
随后，黄仁勋向世嘉坦白技术困境，建议对方另寻伙伴，但恳求再给一次机会。世嘉负责人入交昭一郎虽不看好原产品，但被黄仁勋的诚实、工程能力及决心打动，提供了约500万美元支持。
这笔资金让英伟达得以存活。公司随即放弃旧架构，转向基于三角形的图形渲染路线，推出了商业成功的RIVA 128。1999年英伟达上市时估值约3亿美元，世嘉减持获利约1500万美元。黄仁勋感叹：虽然当年选错了技术，但创办公司的根本理念是正确的。
三十年坚守：变的不是GPU，而是加速计算的本质
黄仁勋指出，英伟达的初心并非仅仅制造图形芯片，而是通过加速计算，解决通用CPU难以高效完成的问题。3D图形仅是第一个应用场景。
- 1999年，推出GPU，使复杂图形计算成为PC基本能力；
- 2006年，推出CUDA平台，将GPU转化为加速科学计算的通用工具；
- 2012年，AlexNet突破图像识别，黄仁勋洞察到深度学习作为一种函数近似方法，能解决规则难以描述的复杂问题。
随着深度学习的进步，整个计算产业围绕新方法重组。英伟达顺势投入计算机视觉、自动驾驶和机器人领域。
这一历程揭示了一个反差：曾因坚持错误图形算法濒临倒闭，却因坚持“加速计算”的长期方向而抓住AI机遇。
黄仁勋将公司比作F1赛车，创始人既是设计者也是驾驶者。面对市场变化，必须不断调整赛车以适应任务，而非被既有路径束缚。对创业者而言，产品和技术路线可变，但必须明确自身解决的核心需求及竞争优势。
历史回响：今天的AI硬件会重演1990年代吗？
1990年代，PC图形芯片市场群雄逐鹿，技术路线不明。英伟达通过纠错胜出。三十多年后，AI硬件市场正上演类似剧情。
2026年上半年，全球AI眼镜出货量达420万副，Meta占据81.3%份额；会议记录设备Plaud销量超200万台，轻量显示设备Even Realities半年出货超10万副。同时，Friend项链、Meta Muse Charm及亚马逊B设备等新形态也在探索个人AI入口。
AI硬件正从眼镜扩散至胸针、项链、腕带等多种形态。
这与当年的PC图形市场极为相似：变革已至，但何种产品、技术及商业模式能最终胜出，仍具巨大不确定性。
黄仁勋的经验启示我们：技术路线可调整，但必须锁定值得长期解决的问题。
在前哨科技特训营近期关于《AI硬件新形态：未来赛道前瞻》的研究中，王煜全梳理了全球上千家AI硬件企业，分析其真实需求、技术成熟度及商业化前景。重点探讨AI眼镜后的新硬件形态、Agent技术带来的产品机遇，以及中国供应链在其中的角色。
回到黄仁勋的故事，30多年前英伟达因及时纠错而幸存。今日AI硬件领域或许也将经历类似的洗牌。
未来的赢家，未必是最早推出某种AI硬件的公司，而是那些真正洞察需求、并能随产业变革不断适应的企业。
毕竟，英伟达的成功并非源于第一次就选对技术，而是源于在错误中坚持正确方向的韧性。
