Im November 2006 lancierte NVIDIA mit der GeForce 8800 GTX CUDA — und machte GPUs erstmals in Standard-C für beliebige parallele Berechnungen programmierbar, nicht nur für Grafik. Jensen Huang ordnete an, CUDA in jede NVIDIA-GPU zu integrieren, vom Budget-Chip bis zur Workstation. Die Entscheidung kostete jahrelang Milliarden an R&D, baute aber einen Software-Graben auf, der heute schwerer zu überwinden ist als jeder Chip-Vorsprung: cuDNN, NCCL, TensorRT, NIM und Dynamo bauen alle darauf auf, und über vier Millionen Entwickler programmieren auf CUDA.

Im Herbst 2012 gewann AlexNet — entwickelt von Alex Krizhevsky, Ilya Sutskever und Geoffrey Hinton — den ImageNet-Wettbewerb mit großem Vorsprung, trainiert auf nur zwei NVIDIA GTX 580. Die Arbeit zeigte, dass GPU-beschleunigtes Deep Learning konventionellen Methoden überlegen ist. NVIDIA hatte diesen Wandel nicht selbst initiiert, aber seine Hardware ermöglichte ihn — und das Unternehmen richtete sich daraufhin konsequent auf KI-Compute aus.

Am 27. April 2020 schloss NVIDIA die rund 7 Mrd. USD teure Übernahme von Mellanox ab — in der KI-Geschichte oft unterschätzt. Für große Sprachmodelle zählt nicht nur die Leistung einer einzelnen GPU, sondern das Verbinden tausender GPUs zu einem System: Latenz, Topologie, Bandbreite, Kühlung. Mellanox brachte InfiniBand und Hochleistungsnetzwerke und legte damit das Fundament für NVIDIAs spätere Rack-Scale-Systeme wie GB200 NVL72. Strategisch war Mellanox fast so wichtig wie A100 oder H100.

Die H100 (Hopper, 2022) bot deutlich höhere Transformer-Leistung als die A100 und führte das FP8-Datenformat für LLM-Training ein. Als ChatGPT im November 2022 erschien, explodierte die Nachfrage: H100-GPUs waren bis Ende 2023 nahezu unbeschaffbar, mit Wartezeiten von sechs bis zwölf Monaten. Die H100 wurde zum Sinnbild des Compute-Engpasses, der das gesamte KI-Rennen prägte — und zum Motor von NVIDIAs historischem Umsatz-Steilflug. Die H200 (November 2023) erweiterte Hopper um HBM3e-Speicher (141 GB, 4,8 TB/s).

Blackwell (März 2024) kombiniert zwei Chips zu einer logischen GPU mit 208 Milliarden Transistoren. Das flüssigkeitsgekühlte GB200 NVL72 — ein Rack mit 72 Blackwell-GPUs und 36 Grace-CPUs — gilt als eines der leistungsfähigsten kommerziell verfügbaren KI-Systeme; NVIDIA nennt 25-fache Leistung pro Watt gegenüber H100 (Eigenangabe). 2024 gab es allerdings Berichte über Design-, Ramp- und Thermalprobleme; Jensen Huang bestätigte später einen behobenen Designfehler. Bis 2025 meldete NVIDIA NVL72 in voller Produktion — kein problemloser Start, aber ein gelungener Hochlauf.

Am 22. September 2025 kündigten NVIDIA und OpenAI eine strategische Partnerschaft an: NVIDIA will progressiv bis zu 100 Mrd. USD in OpenAI investieren, sobald Gigawatt-Phasen ausgerollt werden, verknüpft mit mindestens zehn Gigawatt NVIDIA-Infrastruktur für OpenAIs nächste Modellgeneration; die erste Phase soll in der zweiten Jahreshälfte 2026 mit der Vera-Rubin-Plattform anlaufen. OpenAI formulierte dies zunächst als Letter of Intent — Details sollten später finalisiert werden. Es ist dennoch der bislang größte Compute-Deal der KI-Geschichte und zeigt, wie tief NVIDIA mit den größten Modell-Laboren verflochten ist.

Im April 2026 schloss NVIDIA erstmals oberhalb von 5 Billionen USD Börsenwert; 2026 bewegt sich der Wert je nach Tag und Quelle um bzw. über diese Marke — „wertvollstes Unternehmen der Welt" ist daher eine Momentaufnahme, keine dauerhaft stabile Aussage. Getragen wird die Bewertung von einer der steilsten Wachstumskurven der Tech-Geschichte: Rekordumsatz von 215,9 Mrd. USD im Geschäftsjahr 2026 (193,7 Mrd. davon Rechenzentrum) und ein Q1-FY2027-Umsatz von 81,6 Mrd. USD (+85 % YoY), davon 75,2 Mrd. aus dem Rechenzentrum (+92 %). NVIDIA verdient nicht am besten Modell, sondern an der Hardware, auf der alle Modelle entstehen.