NVIDIA的AI硬體領導之旅始於2000年代末，當時它看到了GPU成為通用處理器的潛力，因為可編程著色器本質上使GPU成為多核處理器，並在其上配備了少量固定功能光柵硬體。NVIDIA GPU晶片的絕大多數由串流多處理器組成，即GPU的可程式SIMD功能。

NVIDIA最初嘗試透過GPU打入HPC市場，並透過Tesla GPU和運算統一設備架構（CUDA）取得了成果。NVIDIA獨特的軟體可讓開發人員在其硬體上建立和加速應用，其歷史可以追溯到2007年。CUDA開啟了漫長而詳盡的旅程，十年後NVIDIA在其GPU上首次押注加速AI ，從Volta開始NVIDIA意識到儘管其GPU和HPC 處理器上有大量CUDA核心，但仍需要一些固定功能的硬體來加速深度學習神經網路的打造、訓練和推理，因此開發了Tensor核心。

一直以來Intel一直表現得像一家CPU公司，而不是一家計算公司——它的大部分收入來自客戶端CPU，其次是伺服器CPU，並且它一直將加速器放在較低的優先事項上。即使Tesla和CUDA在2007年起飛，Intel早在2008年就已經制定了第一個SIMD加速器藍圖，代號為Larrabee。該公司尚未給予Larrabee作為新興硬體技術所需的關注。但這是Intel的事。AMD自2006年收購ATI以來一直是一家CPU+GPU公司，並試圖透過將其流運算架構與開放運算軟體技術結合來追趕NVIDIA。AMD的Instinct CDNA處理器不如NVIDIA的A100和H100處理器那麼成功的原因與Intel從未憑藉其Ponte Vecchio在這個市場上獲得機會的原因相同——它上市緩慢，並且沒有圍繞它培育生態系統它的晶片。

硬體只是NVIDIA成長故事的一小部分——該公司擁有龐大的、自上而下的軟體，包括自己的程式語言、API、預先打造的計算和人工智慧模型；以及多年來培育的由獨立開發者和ISV組成的蓬勃發展的生態系統。因此當人工智慧作為一場運算革命大規模爆發時，NVIDIA已經準備好擁有最快的硬體以及可以使用它的最大的開發者社群。NVIDIA沒有在2000年代初獲得x86許可證是件好事。它可以轉換方向，審視自己已經在做的一件可以大規模處理數字的事情——帶有可編程著色器的GPU。NVIDIA非常幸運的是它沒有被x86授權所困擾。