华裔黄仁勋：引领AI大爆炸

黄婉

当前，对于ChatGPT、元宇宙、区块链等这些人工智能火爆热词，相信很多人或多或少都会有所了解。但是你是否知道，这一切都离不开一个重要的基础硬件——GPU芯片。

可以说GPU芯片不仅是推动AI时代不断前行的内燃机，也是众多企业想要开启AI转型的一把金钥匙。

因此，在人工智能迅猛发展的当下，GPU芯片掀起了一轮又一轮抢购热潮。今年第二季度，英伟达（NVIDIA）的净利润便达到了61.9亿美元，同比增长843%。

更可怕的是，从GPU芯片供不应求的市场现状来看，英伟达的业绩很大程度上是因为“只能卖这么多”，而不是“卖出去了这么多”。

这让人不禁疑惑，能够量产GPU芯片的不止英伟达一家，而为什么偏偏是它成为当今AI芯片领域无法撼动的霸主？

押注AI，华裔老板赌对了

现在，我们能看到的是英伟达在人工智能领域赚得盆满钵满，而看不到的是早在十几年前，它就已窥见GPU芯片在AI领域的巨大潜力并秘密着手布局。

在当时的芯片行业，英特尔和ATI两大显卡巨头所推行的CPU芯片是计算机领域不可替代的主流，而GPU仅在相对小众的游戏行业使用。相比CPU的巨大应用市场，GPU对于显卡巨头来说不过是蝇头小利。

而正是这样一个别人看不上的领域，英伟达创始人黄仁勋却早已发现潜藏在下面的绿洲，并悄悄地打起了主意。

1999年，英伟达推出了首款GPU——GeForce256显卡，旨在为全球游戏玩家打造最好的3D图形芯片。

在初涉GPU领域后，黄仁勋发现除了游戏，GPU也可以用来帮助科学家进行庞大复杂的计算。

“也许计算世界不久后将出现新的算力——GPU将会代替CPU”，在隐隐察觉到这个趋势后，黄仁勋于2002年秘密启动了一个叫做CUDA的项目。

CUDA即统一计算设备架构，旨在让 GPU从单纯应用在游戏领域转向AI计算领域。

如果说GPU和CPU的真正区别在于擅长计算的方向不一样，那么CUDA就是真正使GPU的计算速度超越CPU的实现工具。

尽管，英伟达如今所拥有的CUDA使它生产GPU芯片无可替代，但在当时看来CUDA项目毫无意义，一来当时的GPU芯片应用场景有限，二来研发过程费钱费力。

“在CUDA推出十年以来，整个华尔街一直在问我们，为什么做了这项投入，却没有人使用它？他们对我们的市场估值为0元”，英伟达深度学习团队的布莱恩在聊到CUDA时说道。

更何况研制CUDA还要耗费每年近5亿美元的资金，而当时英伟达每年的利润额也不过才30亿美元。

即便如此，英伟达始终笃定自己选择的赛道。2010年，在与谷歌人工智能专家吴恩达进行一次关于CPU和GPU的测试，让英伟达意识到机会来了。

当时，吴恩达为了构建神经网络AI模型耗费巨大，使用了16000台计算机的CPU完成。而相比之下，英伟达仅用12台使用CUDA的GPU芯片就完成了。

就是这场测试，让英伟达看到了GPU在AI 领域的巨大潜力。

2017年，黄仁勋正式宣布将英伟达的未来押注在AI上。彼时，OpenAI才刚刚成立不到两年，ChapGPT的研究还在起步阶段。

在一片迷茫的前景下，英伟达却似乎能够拨雾见云般预见未来的发展趋势。

毫无疑义，英伟达赌对了，在ChatGPT被众多企业视为金矿的情况下，卖挖金工具的英伟达早已凭借GPU芯片赚翻了。

回顾英伟达抢先达到人工智能拐点的过程，不难发现，机会之下是英伟达高瞻远瞩的洞察力和独一无二的判断力。

但從另一个方面来看，这又何尝不是一场豪赌？赌赢了好说，赌输了怎么办？

英伟达的答案是：错了就尊重事实，立马掉头。

数次“折戟”，定义今日英伟达

尊重事实，迅速认错，这听起来是一个非常浅显的道理，但又有多少企业却因为在某个领域，明明看不到希望，还在不断加大投入，最终跌入深渊。

英伟达的成名之路同样不是一帆风顺的。但是，它总能够在遇到失败时，汲取教训，迅速掉头。

在数次失败经历中，最为惊险的还是在创业初期。当时，英伟达离倒闭只差一步之遥。

作为“愣头青”的英伟达于1995年发布了第一款芯片产品NV1，但作为市场上还算先进的产品，NV1却沦落到无人问津的尴尬境地。

原因很简单，当时，英伟达的首席技术官——普雷艾姆将四边形纹理贴图技术应用在NV1中。然而这项技术会导致NV1芯片不兼容Windows即将发行的3D标准，这也就相当于自动舍弃了主流市场。

除了与主流趋势相悖之外，为了追求利润，NV1的定价与当时的众多芯片相比并无优势。多重因素影响下，NV1的销量日渐低迷。

此时唯一的好消息是，游戏主机厂商——世嘉看重了英伟达的潜力，豪掷700万美元想要将NV1的下一代芯片NV2使用在其下一代土星主机上。

但普雷艾姆对于四边形纹理技术有着难以想象的执着，在二代芯片中，竟全然不顾Windows的3D标准，依然使用上了原有的技术。

看着合约即将到期，黄仁勋意识到如果再任其发展下去，到时候700万美元的资金就会变成债务，那么公司可能很快就要破产。

他向世嘉坦言英伟达在研发上的问题。也许是出于日本企业重视信誉的原因，黄仁勋争取到了六个月的宝贵时间。

在这宝贵的六个月中，英伟达进行了大刀阔斧的改革，先是将普雷艾姆替换，让大卫·柯克带领团队面向主流标准研发NV3，后找到了台积电及显卡主板商达成合作，以此拓展销路。

1997年，NV3凭借具有性价比的定价和与主流标准相契合的特性，一经推出便迅速赢得消费者和各大主机厂商的青睐。不到一年，产品出货量就突破了100万片。英伟达也终于存活了下来。

黄仁勋在今年给台大毕业生的演讲中提到：“英伟达经历过无数次的失败，但也正是这些失败，定义了今天的英伟达”。

黄氏定律，一往无前超“摩尔”

摆脱破产危机，走过初创时期之后，是什么维持英伟达仍然长盛不衰呢？

与摩尔定律并称的黄氏定律给了我们答案。

你们知道摩尔定律嘛？这是由曾经的CPU王者——英特尔的创始人摩尔所提出揭示信息技术更迭速度之快的定律，即每一美元所能买到的电脑性能，将每隔18个月翻一番。

而黄仁勋所提出的黄氏定律，并列甚至直接超越了曾经的摩尔定律。

黄氏定律下，英伟达每6个月就会推出新品，功能翻一番。相比起摩爾定律，速度直接翻三倍。

之所以英伟达要保持如此快速的更迭速度，是因为随着其它芯片巨头的进入，GPU行业的竞争也日渐激烈。比如ATI、英特尔也开始生产中低端的GPU产品，它们的产品性能虽然没有追上英伟达，但也能在很多方面满足用户需求。

因此，作为领头羊的英伟达难免会有危机感。对此，英伟达就像电影《阿甘正传》中不断奔跑的阿甘一样，只有不断奔跑，奔跑，再奔跑，因为一旦停下来就很可能被后来者超越。

这种快速更迭能力，在今年的新品发行速度中就可见一斑。今年3月，英伟达推出了H100 GPU，以满足企业日益增长的算力需求；5月份，便推出了GH200 GPU，相比第一代它使用了256个超级芯片组成；这还没完，8月份，又推出了新版的GH200，其内存相比前者增加了1.7倍。

用速度抢生意，在高速的产品更迭频率之下，跟不上英伟达速度的竞品只能纷纷离场。

目前，英伟达的GPU在AI领域市占率高达80%，而AI的大爆炸才刚刚开始。

从GPU芯片起飞，英伟达正飞向浩瀚无垠的天空。

编辑/车玉龙