文/顏萌 李林（編譯）

量子位 出品 | 公眾號 QbitAI

所到之處，英偉達CEO黃仁勛例行強調：我們是一家AI公司。

誰又能說不是？

市值兩年上漲7倍，芯片供不應求，屢戰英特爾，堅持懟谷歌，是當前AI大紅大紫中的實力玩家，也是AI大潮中最閃亮耀眼的明星縮影。

創立24年來，從游戲芯片供應商，到AI芯片壟斷者，英偉達儼然歷史欽定。

不過，回溯英偉達的風云際會，歷史進程縱然功不可沒，個人奮斗更是不容忽視——沒有瀕臨破產時的豪賭，沒有在CUDA上百億美元的押注，又怎會有如今風光無限的英偉達和黃教主。

《紐約時報》記者Don Clark，決定揭秘英偉達“奇幻漂流”背后的關鍵時刻。

這不止是一個豪賭出奇跡的案例。

英偉達轉折點

轉折點是“CUDA”。

CUDA，英偉達的并行計算平臺和編程模型。在它出現之前，英偉達的主要芯片GPU只是一個負責在屏幕上繪制圖像的“圖形處理單元”。

但CUDA的出現，讓GPU擁有解決復雜計算問題的能力，可以幫助客戶為不同的任務對處理器進行編程。

比如遠在波蘭的圖像識別公司CTA.ai，可以用它幫助篩查腸道圖像——僅需要病患咽下一個藥丸大小的傳感器，就能讓醫生檢測腸道功能紊亂的速度能夠比視頻檢查快速70%，不僅檢查成本降低，而且診斷結果更精確。

對于類似的GPU應用，CTA.ai并不孤單。

GPU也正出現在越來越多出現在新興設備上，比如無人車、機器人、自動駕駛汽車、服務器、超級計算機和虛擬現實設備。

它幾乎是AI市場最為核心的需求品類，因為當前只有英偉達的GPU，才能快速處理各種復雜的人工智能任務，如圖像識別、臉部識別和語音識別，甚至深度學習加速、氣候建模，石油勘探都必須標配GPU。、

實際上，這樣的應用，遠超老黃的最初預期。

黃仁勛生于臺灣，在俄勒岡州立大學和斯坦福大學學習電子工程，后來在硅谷的芯片制造商工作。

1993年，他和Chris Malachowsky、Curtis Priem一起創辦了英偉達，最初，他們給游戲PC提供視覺特效，幫它們和那些專業的電子游戲機競爭。

Malachowsky說，公司最初的產品并不成功，而圖形市場對手眾多。后來，英偉達重組了它的產品和戰略，逐漸與對手拉開距離，最終成就了在游戲PC中GPU加速器卡的絕對的領導地位。

GPU生成三角形以形成框架結構，模擬對象，為顯示屏上的像素賦予顏色。要做到這一點，必須并行執行許多簡單的指令，這就是圖形芯片隨著微型處理器數量的增加，性能優化的原因。

如何最大化利用這些微處理器的并行計算能力，始終是英偉達核心關心的問題。

也是CUDA誕生的原因。

實習生杰作

2004年，斯坦福大學博士生Ian Buck進入英偉達實習，這是CUDA研發的開端。當時，Buck參與過一項編程競賽，任務是讓能更容易地管理GPU的眾多計算引擎。

△ Ian Buck 來源：heise.de CUDA的核心設計理念就是計算機中的線程。與傳統CPU中的4、8和16個線程不同，GPU中的線程可以多達幾萬個。

Buck表示，看起來這些線程的管理是一件十分復雜的事情。但實際上，編程人員主要的困難在于如何發揮這些線程的優勢，而不是管理這些線程。早期，CUDA的性能主要依賴編程人員人工發現代碼中可并行計算的部分。

目前，隨著CUDA庫的發展，這方面的工作開始越來越自動化。CUDA團隊已經開發了很多石油、天然氣和國防等相關產業所使用的科學計算方面的庫。最終，2012年發布的Titan超級計算機使用了18688個NVIDIA Tesla K20 GPU作為協處理器，標志著GPGPU在高性能計算方面的成功推廣和應用。從2011年開始，Top 500的超級計算機中至少有50臺會使用GPU進行加速。而這些機器基本上也都出現在Green 500（全球節能超級計算機榜單）的列表中。

Buck曾表示，在CUDA的應用當中，最讓其影響深刻的就是，乳腺癌檢測和診斷的系統。與傳統方法相比，采用支持CUDA編程的Tesla GPU后，醫生能夠更早、更精確地發現乳腺癌。而美國國家癌癥研究所數據顯示，基于CUDA的系統在運行蛋白質配體運算（用于研發治療癌癥和老年癡呆癥的新藥）時只需要原來1/12的時間。

此后，CUDA開始受到越來越多的關注。

Buck還介紹說，他之前和來自很多工業界的人士交流發現，他們寧愿犧牲性能，也不愿接受一門新的語言。為了能夠給相關編程人員提供很好的入門體驗，從而便于CUDA的推廣，CUDA采用了已經流行的C語言作為基礎。

這樣，編程人員就不需要去學習特定的顯示芯片的指令或是特殊的結構，即可編寫GPU上運行的程序，這毫無疑問促進了CUDA在程序員之間的流行。

此外，英偉達當年做出的一個決定也極為關鍵。現在已是英偉達負責加速計算的副總裁lan Buck回憶說，英偉達讓自家消費級GPU和高端產品都支持CUDA。這就意味著只要研究人員、學生有筆記本電腦或者臺式機，就能在學校實驗室和宿舍里開發軟件。

英偉達還說服了許多大學開設課程，教學生用他們公司的最新編程技術。程序員們逐漸把GPU應用于氣候建模、勘探石油和天然氣等很多領域。

2012年，GPU的強大能力和深度學習一起，震驚了學術界。當時，加拿大多倫多大學的Geoffrey Hinton帶著兩個學生，用GPU訓練深度神經網絡拿下了ImageNet圖像識別大賽的冠軍。

Buck表示，在GPU出現之前，訓練這樣一個系統可能需要整整一個學期。而有了這項技術，研究人員現在可以在很短的時間內完成這一過程。

“我無法想象要是沒有GPU該怎么做。”斯坦福大學的副教授Silvio Savarese說。

而對于GPU和英偉達來說，最好的時間已經來到。只是同樣讓人難以想象的是這場從無到有背后的押注。

百億美元押注

這絕對是一場賭上全部身家的押注。而最關鍵的拍板者是英偉達創始人：黃仁勛。

黃仁勛總被國內網友稱為“老黃”，甚至被安上了“核武狂魔、兩彈元勛”的名號，但本質上，他有著像喬教主一樣嚴苛的個性、戰略上的直覺。

也有人習慣把他和喬布斯相提并論，除了個性和才能之外，他們同樣喜歡穿一身深色衣服，甚至同樣為公司建了一棟引人注目的大樓。當然，改變英偉達命運的CUDA，和改變蘋果命運的iPhone，也有不少相似之處——至少它們都誕生在同一年，都堪稱孤膽押注。

當時是，老黃宣布要通過一些列軟件開發和修改工作，讓GPU勝任各種任務，不再只是負責在屏幕上繪制圖像。

但最大的問題是錢、錢、錢！他說：“成本對公司來說奇高無比。”

一旦項目啟動，每年砸到CUDA上的研發成本估算就有5億美元，而當時公司全年的總收入才大約30億美元。也就是說，老黃把整個整個公司的1/6，押注在了和公司核心業務似乎沒什么關系的一個軟件平臺上。

最后來看，自CUDA推出以來，英偉達在將GPU轉化為更通用的計算工具上投入了將近100億美元。

說巧不巧，正當黃仁勛大舉押注CUDA之時，計算行業也正在發生廣泛變革，摩爾定律帶來的計算提升速度正在放緩，這也讓當初借此統治芯片市場的英特爾，地位發生動搖，即便諸多芯片設計公司試圖從無到有打造更專業芯片，并讓該類芯片與英特爾處理器一同運行，利用芯片電路的微型化提供更多的好處。

但又怎擋得住英偉達的勢能優勢。在英特爾和其他芯片廠商轉型途中，英偉達不需要從頭做起，只要重新定位已有的芯片，利用在CUDA項目中開發的芯片和軟件，就能逐漸打造出一個廣受程序員和企業歡迎的技術平臺。

現在，這樣的平臺已然展現在世人面前，但不意味著戰場就此風平浪靜。

芯片戰爭還在繼續

英偉達的競爭對手們說，在AI領域，芯片制造商之間的斗爭才剛開始。

首先是英特爾，這家傳統芯片巨頭在這場戰爭中不甘落后，接連重金收購了可編程芯片制造商Altera、專注于研究深度學習和機器視覺的其他創業公司、還有為汽車生產駕駛輔助設備的以色列公司Mobileye。

還有Google，其中最醒目的莫過于最近則發布的第二代TPU，這是該公司內部開發的人工智能芯片，在它的助力下，谷歌在圍棋比賽中擊敗了世界冠軍柯潔。谷歌聲稱，這種芯片在某些應用程序中比GPU有更明顯的優勢。

當然，諸如Wave Computing之類的初創公司也這么說。

但擊敗英偉達并不容易。

一個很重要的原因是，這家公司有來自游戲市場的，源源不斷的收入，他們能投入到芯片研發上，比大多數人工智能競爭對手都要多。

比如說前不久發布的Volta架構，就投入了30億美元研發費用，創下了行業記錄。

英偉達表示，目前有50多萬開發人員使用GPU。此外，這家公司還打算開源一種芯片架構，免費供其他芯片廠商用在燈泡、攝像頭等低端深度學習應用上，借此在這些自己不打算涉足的領域，擴大粉絲基礎。

老黃說，“人工智能終將影響到世界上的每一家公司，但我們不會什么都做。”

不了解黃仁勛的人以為這是謙虛，熟悉他的人就知道，這是殺伐征戰24年后，老黃敢賭敢贏背后的專注力。