NVIDIA联合创始人合影，从左至右为柯蒂斯、黄仁勋、克里斯
1993年年初，时任美国芯片制造商LSI Logi董事的黄仁勋，与在Sun Microsystems公司任职芯片工程师的好友克里斯·马拉科夫斯基（Chris Malachowsky）和柯蒂斯·普里姆（Curtis Priem，2003年退休）见面，讨论如何开发一款能在个人电脑上实现逼真3D图形的芯片。在认为PC图形芯片市场大有可为后，凭借着银行里的4万美元，于1993年2月17日创办公司。该公司最初没有名字，所有关于公司的文件仅以“NV”（next version，意指“下一个版本”）命名，出于注册公司的命名需要，联合创始人们最终将公司命名为NVIDIA，该词灵感源于拉丁语“invidia”（意为“嫉妒”）。1993年4月5日，NVIDIA在加利福尼亚州正式注册成立 。
1994年6月，与意法半导体（SGS- Thompson）达成了首个战略合作伙伴关系，为该公司制造单芯片图形用户界面加速器 。
1995年5月，推出首款图形芯片产品NVIDIA NV1，该产品是首款能够实现3D渲染、视频加速和集成GUI加速的商用图形处理器。6月，获得红杉资本和西瑞雅风险投资（Sutter Hill Ventures）的首轮融资。7月，与世嘉建立合作伙伴关系 。
1996年6月，获得红杉资本和西瑞雅风险投资的第二轮融资。期间因开发资金短缺，首席执行官黄仁勋解雇了50多名员工，将公司剩余资金投入新产品的设计开发 。
1997年4月，推出全球首款128位3D处理器RIVA 128，在上市后的前四个月内出货量突破100万台。8月，与戴尔、Gateway、美光等原始设备制造商建立合作关系。12月，扩大公司管理团队 。
1998年，与台积电签约建立多年战略合作伙伴关系，台积电开始协助制造NVIDIA产品。期间继续拓展RIVA处理器系列，2月推出RIVA 128ZX，3月推出业界首款多纹理3D处理器RIVA TNT 。
NVIDIA标志（1993-2006）
1999年1月22日，NVIDIA挂牌上市。除推出RIVA TNT2、NVIDIA Vanta两大处理器产品外，推出了全球首款GPU（图形处理器），即1999年8月的GeForce 256。11月，推出适用于专业图形的工作站GPU“Quadro” 。
2000年，NVIDIA与微软达成合作，为微软首款Xbox游戏机开发图形处理器等硬件。除了发布GeForce、Quadro系列的升级产品外，发布了全球首款笔记本电脑GPU“GeForce2 Go” 。
2001年，推出业内首款可编程GPU“NVIDIA GeForce3”，使开发者能够创建定制视觉效果。年度收入达10亿美元，成为美国发展最快的半导体公司，被纳入纳斯达克100指数和标准普尔500指数 。
2002年，处理器出货达1亿台 。2004年，推出SLI技术，允许多个GPU连接，借此以提升单台机器的图形处理能力。2005年，为索尼PlayStation 3游戏机开发处理器。
在2006年-2014年，NVIDIA除了保持GPU产品的设计开发外，开始进行CUDA技术的研发、推广、布局，试图让GPU产品均可支持CUDA。期间因手机等移动端市场庞大，NVIDIA也曾试图打开新市场，但由于竞争激烈等缘故而暂停计划 。
2006年，NVIDIA推出用于通用GPU计算的架构“CUDA”，使GPU的平行运算功能拓展至科学研究领域。2007年，推出Tesla GPU，使超级计算机中提供的计算能力可被广泛用于药物研发、医学成像和天气建模等领域研究人员的工作。
2008年，推出运用于手机等移动设备的处理器Tegra 。2009年，推出FERMI架构与3D Vision技术 。2011年，处理器出货达10亿台。推出基于超高效 ARM 架构的定制CPU“丹佛计划”（Project Denver）。2012年，推出基于Kepler架构的GeForce GTX 600系列 。2013年，推出搭载触控笔和摄像头功能的平板电脑Tegra Note、便携游戏设备NVIDIA SHIELD、视觉计算设备NVIDIA GRID等 。2014年，发布移动设备芯片Tegra K1与平板电脑SHIELD TABLET 。
早在2012年，由于ImageNet大赛中以GPU为基础进行视觉识别训练的AlexNet（卷积神经网络架构）在准确率上获得了突破性进展，NVIDIA开始关注并布局人工智能市场。通过搭建人工神经网络及企业级数据中心等方针，在2015年后正式投身于人工智能领域 。
2015年，NVIDIA发布支持高级驾驶辅助系统的NVIDIA DRIVE，旨在发展自动驾驶汽车领域；同年发布的处理器GeForce GTX TITAN X，是为训练深度神经网络而打造；移动芯片Tegra X1，试图为深度学习和计算机视觉应用程序带来更高的处理能力。一系列的产品发布与宣传，标志着NVIDIA开始正式投身深度学习领域 。
2016年-2020年，NVIDIA推出了GPU架构（PASCAL、VOLTA）、服务器（DGX-1、Jetson TX2、DGX-2）、自动驾驶平台（DRIVE PX 2）等关于人工智能领域的产品或平台，旨在为人工智能发展提供强劲助力 。
NVIDIA Omniverse构筑的虚拟厨房与黄仁勋
2021年，随着元宇宙概念兴起，NVIDIA依托GPU底层算力等优势推出模拟协作平台NVIDIA Omniverse，试图对元宇宙进行探索发展。在2021年4月举行的GTC大会上，NVIDIA利用NVIDIA Omniverse平台构建了黄仁勋的虚拟厨房以及他本人的数字克隆人，经媒体报道后成为了元宇宙概念的热议话题之一 。
在AI生态发展方面，NVIDIA采用投资并购等方式试图推动加速计算带来的转型 。自2023年开始，NVIDIA面向云服务市场展开规划。2023年GTC大会上，NVIDIA宣布与微软Azure、谷歌Cloud等多家云服务供应商合作，推出NVIDA DGX Cloud；6月，宣布与数据云Snowflake合作。通过该类举措，试图将AI三要素（数据、计算、模型）整合于云服务，在AI领域进行长期布局。
2024年2月，NVIDIA开始计划建立新业务部门，专注于为其他公司设计定制芯片，包括先进的人工智能（AI）处理器 。同月，与软银达成合作联盟“AI-RAN Alliance”，成员包括爱立信和诺基亚。该联盟旨在利用人工智能改善无线服务，目标是将利用手机基站分发人工智能处理的技术商业化。此外，推出免训练，可生成连贯图片的文生图模型ConsiStory 。3月的2024 GTC 大会，推出多项产品和升级规划，主要为用于取代Hopper架构的Blackwell架构、升级自动驾驶芯片平台Thor、NIM微服务、Omniverse Cloud API等 。
2024年4月22日，日本产业技术综合研究院宣布与英伟达合作开发量子计算系统，该计划预计2025年启动 。
2024年4月25日，极越宣布将与NVIDIA协作打造智能汽车，从2026年起，极越量产车型将搭载NVIDIA集中式车载计算平台NVIDIA DRIVE Thor，该平台架构专为Transformer、LLM和生成式AI工作负载而设计 。
2024年6月2日晚间，宣布下一代GPU架构“Rubin”，预计于2026年推出，为Blackwell的下一个平台 。
2024年6月，英伟达发布开源模型Nemotron-4 340B。
2024年7月18日，谷歌等14家科技公司在阿斯彭安全论坛上宣布成立安全人工智能联盟（CoSAI），创始成员包括英伟达。
当地时间2024年7月22日，埃隆·马斯克在社交平台X上发文宣布，xAI团队、X团队、英伟达及支持公司于当地时间凌晨4时20分开始在孟菲斯超级集群上进行训练。
2024年7月24日消息，NVIDIA宣布推出新的NVIDIA AI Foundry服务和NVIDIA NIM推理微服务，与Meta刚推出的Llama 3.1系列开源AI大模型配合一起部署使用。
2024年8月27日，英伟达推出NVIDIA NIM代理蓝图（NIM Agent Blueprints），这是一个先进的开源基础模型，由英伟达的合作伙伴生态系统支持，涵盖了企业开发人员构建和部署定制的生成式AI应用程序所需的一切工作流，包括示例应用程序、参考代码、自定义文档和用于部署的Helm图表。
2024年8月29日，英伟达发布截至7月底的2025财年第二季度财报，营收为300亿美元（约合人民币2138亿元），同比增长122%，环比增长15%；净利润为166亿美元（约合人民币1183亿元），同比增长168%，环比增长12%。
