问题——以图形处理见长的GPU厂商如何摆脱单一标签、进入更广阔的通用计算市场，是摆在英伟达面前的关键课题。黄仁勋在访谈中表示，当时市场对GPU的认知主要停留在游戏和图形渲染。如果只依赖单一场景，企业的增长空间和抗周期能力都会受限；但若过早全面转向通用计算，又可能削弱图形技术的既有优势，影响核心业务的稳定。如何在“专精”与“通用”之间找到平衡点，成为其战略选择的核心。 原因——技术演进与需求变化为GPU走向通用计算带来机会。随着可编程着色器等技术发展，GPU的可编程能力逐步增强；同时，单精度浮点等通用计算性能提升，使其在科学计算、工程仿真等高并行任务中显现潜力。黄仁勋指出，CUDA推出的重要目标之一，是让GPU从单一图形管线扩展为开发者可广泛调用的计算资源，并以软件平台降低使用门槛，形成“硬件能力—编程模型—工具链—开发者”的闭环。 影响——在消费级显卡体系中推进CUDA及有关架构，短期内带来不小的成本与经营压力。黄仁勋回忆，当时公司收入主要来自游戏显卡，新平台难以迅速带来直接回报，却需要持续投入工具链、编译器、驱动和开发套件，阶段性推高研发成本并加重经营压力。更关键的是，通用计算生态的形成需要长期积累，从开发者教育、应用迁移到行业规范建立都不可能一蹴而就。同时，竞争对手也在CPU、GPU及软件栈上持续加码，生态竞争逐渐成为决定性因素。 对策——以长期投入推进软件生态建设，是其强调的主线。黄仁勋表示，英伟达在较长时间内持续维护CUDA的兼容性与开发体验，通过完善工具链、培育开发者社区，并与科研机构和产业客户协作，逐步扩大应用覆盖。在他看来，庞大的消费级显卡装机规模为开发者触达与技术扩散提供了基础，也让平台能力能在更大范围内被验证与迭代；同时，在工作站和超级计算等领域的持续投入，帮助高端行业用户建立信心，推动更多关键应用迁移到GPU加速计算。 前景——从行业趋势看，算力需求仍将上行，平台化竞争会深入加深“生态壁垒”。随着大模型训练与推理、智能制造、生命科学、自动驾驶等领域对并行计算的依赖增强，除了硬件性能，软件栈成熟度、开发者供给和应用适配效率也将成为影响产业格局的重要指标。黄仁勋认为，企业需要在技术路线选择上保持前瞻，同时避免“重硬件、轻生态”的短视。业内分析人士指出，异构计算格局将长期并存，开放标准与跨平台兼容需求也会增强；谁能在性能、成本、易用性与生态协同之间给出更优解，谁就更可能在下一阶段竞争中占据主动。
从“高风险押注”到“平台化护城河”，CUDA的发展轨迹揭示了科技创新的一条规律：真正改变产业格局的往往不是单次产品迭代，而是围绕开发者与应用场景的长期投入所形成的系统能力。面对新一轮技术变革，各方既要坚持长期投入，也要把握开放合作与生态共建的方向，以更高质量的创新供给推动产业升级与可持续发展。