Nvidia公司是一家总部位于美国加利福尼亚州圣克拉拉的美国跨国科技公司，在2023年进行了一系列收购，旨在加强其在快速发展的人工智能领域的地位。该公司由黄仁勋、克里斯·马洛夫斯基和柯蒂斯·普里姆于1993年创立，到那时已成为游戏和AI工作负载中图形处理单元（GPU）的主导供应商。2023年，Nvidia的收购策略聚焦于专门从事AI优化、边缘计算和软件工具的小型初创公司，以补充其以硬件为中心的业务模式。
其中最引人注目的收购之一是OmniML，这是一家开发软件以优化边缘设备机器学习模型的初创公司。这笔收购于2023年初完成，是Nvidia将其AI平台从数据中心扩展到嵌入式和边缘应用的更广泛努力的一部分。OmniML的技术旨在降低深度学习模型的计算需求，使其能够部署在工业传感器、无人机和自主机器等性能较低的硬件上。
战略背景
Nvidia在2023年的收购发生在生成式AI爆炸性增长的背景下。2022年底，大型语言模型和OpenAI的ChatGPT等工具的发布引发了对AI计算需求的激增，使Nvidia的数据中心GPU销售受益。然而，该公司面临来自AMD、Intel以及Google Cloud和Amazon Web Services等定制芯片设计者的日益激烈的竞争，这些公司正在开发自己的AI加速器。收购使Nvidia能够快速整合专业软件和人才，而不是全部内部开发。
该公司的机器学习平台CUDA长期以来一直是一道护城河，但Nvidia寻求加强其软件栈，以便在边缘部署AI。OmniML的工具旨在自动化压缩和优化神经网络的过程，这项任务传统上需要大量手动专业知识。通过收购OmniML，Nvidia旨在使其边缘计算产品对缺乏深度优化技能的开发者更加易于使用。
OmniML收购详情
OmniML是一家相对较小的初创公司，成立于2020年，总部位于加利福尼亚州圣何塞。该公司开发了一个平台，使用自动化机器学习（AutoML）技术针对特定硬件目标优化模型。其技术可以在保持准确性的同时减少神经网络的尺寸和延迟，这对于自动驾驶车辆和机器人等实时应用至关重要。
OmniML收购的财务条款未公开披露，这与Nvidia对较小交易的惯例做法一致。这笔收购于2023年2月被行业媒体报道，OmniML团队被整合到Nvidia的边缘计算部门。此举被视为对Qualcomm和Arm Holdings等竞争对手类似产品的直接回应，这些公司也在瞄准边缘AI市场。
其他2023年收购
除了OmniML之外，Nvidia在2023年还进行了其他几项收购，尽管许多规模较小且不太受关注。2023年3月，Nvidia收购了一家专注于AI基础设施编排的初创公司，该公司帮助管理跨GPU集群的分布式训练工作负载。这项技术被整合到Nvidia的DGX云和AI企业软件产品中。
2023年年中，Nvidia还收购了一家专注于工业检测计算机视觉的公司。这笔收购加强了Nvidia在制造和质量控制应用中的存在，其GPU已用于深度学习推理。该团队在数据增强和模型鲁棒性方面的专业知识被应用于Nvidia面向智慧城市和工厂的Metropolis平台。
此外，Nvidia收购了一家从事自然语言处理（NLP）优化的小型公司，尽管细节很少。这笔交易可能旨在提高在Nvidia硬件上运行的大型语言模型的效率，这是企业寻求部署生成式AI应用的关键领域。
对Nvidia业务的影响
2023年的收购是更广泛战略的一部分，该战略使Nvidia的市值在2023年5月超过1万亿美元，这得益于AI需求。该公司的数据中心收入（包括用于AI训练和推理的GPU）在这一年大幅增长。通过收购软件初创公司，Nvidia旨在创建一个更完整的生态系统，减少客户对第三方工具的依赖。
OmniML的技术对Nvidia的Jetson平台特别相关，该平台是面向机器人和边缘设备的嵌入式计算板系列。通过整合OmniML的优化工具，Nvidia可以为客户提供从云端模型训练到Jetson硬件部署的简化工作流程。这是相对于Groq和SambaNova等竞争对手的优势，后者主要专注于数据中心推理。
这些收购还带来了工程人才。Nvidia的员工队伍在2023年显著增长，初创团队增加了模型压缩、模型剪枝和高效推理等领域的专业知识。这帮助Nvidia保持了在每瓦特AI性能方面的领先地位，这是数据中心和边缘设备的关键指标。
监管和市场反应
Nvidia在2023年的收购狂潮没有像其尝试以400亿美元收购Arm Holdings那样引起同样的监管审查，后者因反垄断问题于2022年被放弃。2023年的交易规模较小，在美国、欧盟或中国等主要市场没有引发重大竞争问题。然而，一些分析师指出，Nvidia在AI硬件和软件方面日益增长的主导地位可能在未来引发审查。
市场对这些收购的反应总体上是积极的。投资者认为这些交易是Nvidia大量现金储备的审慎使用，到2023年年中其现金储备超过150亿美元。对边缘AI的关注被视为对数据中心市场潜在饱和的对冲，以及进入自动驾驶车辆和工业自动化等新兴应用的一种方式。
与竞争对手的比较
Nvidia的2023年收购策略与其主要竞争对手不同。AMD专注于通过合作伙伴关系和内部开发扩展其软件生态系统，而Intel在代工服务和网络等领域进行了更大规模的收购。Apple和Samsung Electronics继续开发自己的内部AI芯片，减少对外部供应商的依赖。
在边缘AI领域，Nvidia面临来自Qualcomm的竞争，后者在移动和汽车芯片方面拥有强大地位，以及来自Halcyon和Omniscient等提供专业优化工具的初创公司的竞争。通过收购OmniML，Nvidia旨在巩固其地位，并提供比竞争对手更集成的解决方案。
长期影响
2023年的收购是Nvidia成为全栈AI公司长期愿景的一部分，不仅提供硬件，还提供软件、工具和服务。这一策略通过Nvidia AI Enterprise的推出和其云产品的扩展得到加强。收购的技术预计将在未来产品中发挥作用，包括下一代GPU和边缘计算平台。
截至2025年，根据行业报告，Nvidia在独立台式机和笔记本电脑GPU市场持有92%的份额。该公司在AI加速器领域的主导地位更加明显，在用于训练和部署AI模型的GPU市场中占有超过80%的份额。2023年的收购通过加强Nvidia的软件生态系统并使客户更容易部署AI解决方案，为这一地位做出了贡献。
OmniML收购和其他2023年交易的全面影响将在几年内随着整合技术的成熟而实现。然而，战略方向是明确的：Nvidia旨在通过控制从数据中心到边缘设备的硬件和软件栈来保持其在AI领域的领导地位。
结论
Nvidia在2023年的收购，以收购OmniML为首，代表了将其AI主导地位扩展到边缘计算和软件优化的精心计算的努力。这些交易相对较小但具有战略意义，带来了专业技术和人才。在AI爆炸性增长的一年中，Nvidia利用其财务实力加强其生态系统，为未来几年的持续领导地位做好准备。这些收购还突显了AI行业的竞争动态，其中硬件、软件和优化工具日益交织在一起。