AI世界的发动机：NVIDIA和黄仁勋的故事
目录
一、前言
二、独显教父的前世今生
三、NVIDIA，梦想的开始
四、九死一生的巅峰之路
五、绝处逢生的对话
六、来自社会的毒打
七、于失败处求成功
八、"你是我的英雄"
九、GPU概念的横空出世
十、"比英特尔快四倍"
十一、一时瑜亮：NVIDIA与ATI
十二、"两弹元勋"
十三、让NVIDIA登上AI神坛：神奇的CUDA架构
十四、2012:奇迹发生的一年
十五、花开的时候，没有声音
十六、在以太坊，搅拌浓密的哈希值
十七、泼天的富贵
十八、上帝的预言
十九、身经百战的人生经验
前言
2024年6月18日，一件事，引爆了整个美国金融圈：
6月18日这一天之内，NVIDIA（英伟达）的股价上涨了3.6%，市值飙升到了3.34万亿美元——这意味着他们一举超越了微软（MSFT）和苹果（AAPL），成为全球市值最高的上市公司。
虽然几天之后，英伟达的股价又出现了回调，但毫无疑问的是：在人工智能（AI Tech）方兴未艾的今天，NVIDIA绝对是全球科技企业中当仁不让的风暴眼，是星盘中的天元。以至于英伟达的CEO黄仁勋在采访中可以毫不避讳地说道：
“我们就是AI世界的引擎。”——CNBC采访，黄仁勋
他绝对没有吹牛。
生成式AI、自动驾驶（基于计算机视觉的）、加密货币、元宇宙等等这些掀起产业浪潮的科技领域和概念，背后都离不开NVIDIA显卡的支持。
汤晓鸥生前死后深有同感。
显卡教父的前世今生
1963年，黄仁勋出生于台南，9岁时，为了脱离时代的风口浪尖，他和哥哥被父母送往美国亲戚家。由于亲戚家的居住条件有限，刚到美国的时候，他和哥哥是在肯塔基州的一所寄宿学校里度过的。
（Oneida Baptist Institute，Kentucky）
这所学校的好处是学费低廉，与之相对应，学生来源是比较混杂的。以至于黄仁勋后来回忆道，“我是学校里唯一没有折叠刀的男孩。”
他在Oneida的舍友甚至是黑道上的文盲。作为交换，黄仁勋教舍友阅读，而舍友则教他格斗和健身。
几年后，黄仁勋的父母终于获准来到美国，定居在加州上面的俄勒冈州，兄弟俩与父母团聚。
高中期间，黄仁勋表现出了华人孩子的两大特点：成绩优异、运动天赋点满。他参加了学校的数学、计算机和科学俱乐部，连跳了两级，15岁拿到了全美乒乓球双打第三名的成绩，16岁就高中毕业了。
本科时，黄仁勋进入俄勒冈州立大学攻读电子工程专业（EE）；1984年，成绩优异的他成功进入斯坦福大学做研究、读硕士。
在实验室里，黄仁勋遇到了未来的妻子洛瑞·米尔斯（Lori Mills）。据黄仁勋回忆，当时的电子工程学院里有250名学生，但只有两三名女生。男生们都竞相去吸引Lori的注意，而黄仁勋只用了一句：
“你要看我作业吗？”
学霸的爱情就是如此简单。
给体育生艺术生抄作业、给尖子生讲题。借由讲题的名义，黄仁勋成功追到了爱慕已久的女生，顺利交往并修成正果，相伴至今。两人共同孕育有一男一女两个孩子，龙凤双全。
恋爱时，Lori曾问黄仁勋道，“你将来想做什么？”
黄仁勋说，“我30岁时会是一家公司的CEO。”
NVIDIA，梦想的开始
所以有人开玩笑说，“NVIDIA的诞生，就是黄仁勋为了兑现当年自己对女朋友吹过的牛。”
从斯坦福毕业后，黄仁勋先后在AMD和LSI Logic工作过，磨练出了丰富的技术经验。1993年，30岁的黄仁勋与另外两名同道Chris Malachowsky和Curtis Priem，共同创立了NVIDIA。
三人最初是在黄仁勋家附近一家名叫Denny's的牛奶心语里讨论创业方向的，那里有可以免费续杯的咖啡。他们坐而论道，一谈就是四五个钟头。无独有偶，黄仁勋读书的时候，还在这家餐厅勤工俭学，做过工读生，刷过无数的杯子和盘子。
黄仁勋后来自嘲道，“我应该是Denny’s最好的洗碗工了。”
九死一生的巅峰之路
伟大事业的成功绝不是偶然，背后是百折不挠的必然。英伟达迈向巅峰的道路并不平坦。
初创时代，黄仁勋在自己的前老板，LSI Logic CEO Wilfred Corrigan的帮助下，拿到了Sequoia Capital红杉资本和Sutter Hill Ventures萨特·希尔资本各100万美元的天使轮融资。
当时正处于PC革命爆发的前夜，Windows 95还没上市，但黄仁勋凭借自己敏锐的技术洞察力，已经看到了3D技术蕴含的巨大应用潜力，和3D游戏广大的市场前景。
他预想到，3D时代到来之后，全球各地的游戏玩家们，人手一台游戏机联机打怪，共同在虚拟世界里体验3D游戏带来的超强视觉冲击。
于是，NVIDIA决定将产品的技术路线聚焦于图像处理领域。1995年5月，英伟达推出了自己的第一款产品：显示芯片NVIDIA NV1.
当时并没有“显卡”的概念，这款产品被称作“多媒体加速器”，在技术上整合了2D和3D图像处理能力，并具备视频处理、声卡、游戏端口等功能，在技术上是比较领先的产品。但是，由于其定价不菲，NV1在市场上的销量一直低迷。
然而好消息是，NV1在图形处理领域所表现出的先驱性，引起了日本游戏巨头世嘉SEGA的注意。
九十年代的日本正值泡沫经济崩坏的就职冰河期，大量失业无业的年轻人选择放弃社交省钱在家打游戏，日本游戏产业在此期间迅猛发展。世嘉SEGA，正是时代的弄潮儿之一，成为了无数80、90后童年回忆的一部分。
世嘉希望英伟达为他们的新款游戏机SEGA SATURN研发显示芯片NV2，并给出了一份价值700万美元的合同。看到了未来的巨额回报，整个英伟达团队一时之间干劲十足。
然而NV2的研发很快惨遭碰壁。
当时3D图形处理技术方兴未艾，各路诸侯群雄逐鹿，业内并没有统一的技术路线和技术标准，八仙过海各显其能。
NVIDIA研究了世嘉游戏作品的图像表现之后，选择专攻四边形纹理贴图。然而1995年底，业内已有风声，微软将发布与Windows 95兼容的Direct 3D标准，该标准只支持三角形纹理贴图。
人家只顾自己的利益，直接修改了游戏规则——传统美国人再一次发扬了武林盟主的本色。
满脑子都是技术、一门心思满足甲方要求、对人性政治知之甚少的黄仁勋和英伟达，并未在第一时间意识到外部环境的变化，依旧执着于四边形纹理贴图的技术路线，相当于在无意之间就自动舍弃了Windows电脑的市场，损失了安装Windows操作系统的绝大多数PC个人电脑市场份额。
90年代，超过90%的PC个人电脑，安装的是Windows操作系统——这意味着NV2就算研发出来，在Windows电脑上，也是用不了的。
前期研发成本摊的太大，仅靠SEGA游戏机是无法摊平成本的。
完犊子了。
这犹如当头一棒，砸懵了踌躇满志的年轻人们。
等黄仁勋意识到问题严重性时，公司账上的流动资金，只够维持30天的运转了。开源节流之下，他只能忍痛挥泪，裁掉2/3的研发人员。
即便如此，面对暗淡的前景，留在公司的人们仍然觉得，末日就在眼前。
再强大的工程师团队，也要低头找钱。
为了保留NVIDIA的核心创造力，万般无奈之下，黄仁勋硬着头皮，找到了前通用、本田工程师、董事，现世嘉社长：入交 昭一郎。
入交昭一郎，东洋经济
绝处逢生的对话
黄：我坦白承认，我们的研发方向错了，为了不耽误世嘉新产品上市，请您尽快更换合作方。
入交：这样啊，真遗憾（そうですが、残念です）。
黄：虽然但是，我们还是厚着脸皮，希望您能支付之前700万美元的定金——没有这笔钱，英伟达就要破产了。
入交：这真是太严重了（それは大変）。
黄：这笔钱对SEGA来说不至于伤筋动骨，但对NVIDIA而言，是救命钱——如果没有我们，谁来为世嘉研发新的芯片？
入交社长沉默。
天底下哪有这样的事情——我要的东西你没有做出来，耽误了我的时间，导致原有计划严重滞后，造成了如此大的损失不说，还要我付给你钱？这不是开玩笑么？
但是，读者应该已经想到了：入交社长，还是按照黄仁勋提出的要求，拿出了这笔救命钱。
因为黄仁勋是这么说的：
“这次的失败，您应该知道是怎么回事，是技术标准的突然变化，造成了前期投入的功亏一篑——80年代的日美贸易摩擦，日本半导体产业的滑铁卢，不也是因为半导体产业标准的突然变化么？”
无疑，这句话戳中了日本人心中永远的痛。
对日本人而言，战后的昭和一代，在废墟中打着伞读书的昭和一代，那些理性的人，从军国主义的迷梦中醒来，认清了现实，想要在科技和经贸领域找到自己的存在。
于是，比如在半导体领域，他们接受了来自欧美的技术转让，在此基础上，发挥了东方人的专注和严谨，开出了自己的花，东芝。
后来，日美争夺半导体产业标准制定权，日本输了；后来一纸广场协议，日本失去了三十年。
不怪你啊，都是因为产业标准改了啊。
八九十年代啊，毫无办法，你我都没办法。
所以入交昭一郎答应了黄仁勋的请求。
后来，据入交昭一郎所说，他对黄仁勋的印象很好：他觉得这是一个真诚又充满激情的年轻人，他相信黄仁勋未来一定能成功，并愿意在他困难的时候，拉他一把。
也许这就是黄仁勋的人格魅力吧。对入交社长而言，因为自己淋过雨，所以想为年轻人，撑起一把伞。
来自社会的毒打：打不死你的，都会让你更强大
拿到700万美金的英伟达，逃过了30日生死劫。黄仁勋迅速调整研发方向，转而采用微软的Direct 3D标准，并从游戏设计公司Crystal Dynamics 晶体动力请来了加州理工、麻省理工博士大卫·柯克（David Kirk），担任首席科学家。
笔者注：不了解晶体动力的读者，应该听说过游戏《古墓丽影》系列，这就是晶体动力的作品。
1997年4月，NVIDIA第三代产品NV3，即Riva 128横空出世。凭借着其100M/S的像素填充率，NV3成为了当时市场上唯一【真正具有3D加速能力】的显示芯片。
不到一年，NV3的出货量，就突破了100万片——这意味着NVIDIA渡劫成功，终于脱离险境，活了下来。
于失败处求成功
NV2的研发失败，给黄仁勋好好上了一课。
这一劫让他明白：想要在竞争中生存下来，就要【向市场学习】，要足够谦逊，而且要学会及时纠错，绝不能把时间浪费在悔恨上。
知错要能改，挨打要立正。
此后余年，黄仁勋偶尔还是会将30 days挂在嘴边，提醒自己，要居安思危。
一个工程师到企业家的蜕变。
"You are my Hero"：英伟达与台积电，黄仁勋与张忠谋
1998年，英伟达与TSMC台积电达成了战略合作关系，将英伟达产品交付给台积电生产，自己则专注于研发。
此后数十年间，黄仁勋与台积电创始人张忠谋也结下了深厚的情谊。黄仁勋在多个场合曾经不止一次地公开感谢台积电对英伟达的帮助。
“我代表NVIDIA表示，你是我的英雄。”——斯坦福经济峰会，黄仁勋对张忠谋说
90年代末，英伟达研发Riva 128芯片。由于生产的复杂性，他们亟需一家专业的代工厂来帮他们制造芯片。
他们访遍了美国所有的代工厂，但没人愿意跟这家初创的小公司合作，最后是台积电的张忠谋伸出了援手，互相成就了彼此。
在接到张忠谋的电话时，黄仁勋激动地对身边的人说道：
“嘘🤫大家都安静，Morris Chang（张忠谋）打给我了。”
正是这通电话，开启了两家企业合作至今的故事。
英伟达真正的翻身仗，要数1999年8月推出的革命性产品：Geforce 256.
GPU概念的横空出世
1999年8月，英伟达发布了Geforce 256，并首创了图形处理器GPU（Graphics Processing Unit）这一概念。
此后，英伟达就把自己与“GPU发明者”深度绑定了起来，不容侧目。
这真是神之一手妙棋。
彼时的芯片市场，是intel英特尔的CPU所称霸的世界——这意味着英伟达如果想要杀出一条血路，就要另辟蹊径，吸取教训，不能硬刚。
于是他们就想到了营销GPU这一概念。
说到这里，我们需要复习一下计算机绪论的常识内容：
CPU的全称，是Central Processing Unit，即中央处理器
GPU的全称，是Graphics Processing Unit，即图形处理器
CPU可以被认为是计算机的大脑，负责处理大部分行动指令，擅长逻辑控制和复杂运算。
CPU的架构，包括：
1.ALU运算器
2.DRAM控制器
3.Cache缓存
是一个【层级架构】
为了应对不同类型的数据计算、响应人机交互操作，CPU需要更大的缓存，以保存各种任务状态，降低任务切换时间。
CPU也需要更复杂的控制器，控制运算逻辑和任务调度。
相对而言，真正负责【干活】的运算器ALU，也就是我们俗称的【核】，能使用的资源占比，相对就比较少了。
这就好比一家企业，发号施令协调工作的主管太多，真正干活的工人太少。
到了90年底中后期，井喷式发展的游戏和多媒体产业，对计算机的3D图形处理和渲染能力，提出了更高的要求。传统CPU对此力不从心，GPU就是为了分担CPU处理图形的工作重担而诞生的。
从它的名字 图形处理器 就能看出，GPU的任务单一且明确：就是图形渲染。
图形是由海量像素点组成的，属于“类型高度统一，相互无依赖的大规模数据”。所以GPU就被设计成了“擅长大规模并发计算”的架构，需要在最短的时间里完成大量同质化数据的并行运算。
是一个【扁平矩阵架构】。
既然要并行运算，那就需要更多的【核】了。由于任务单一且目标明确、没有其他杂活干扰，图形处理器GPU就不需要特别大的缓存和复杂的控制器。
大家干活就可以了，是一个扁平化管理的矩阵架构。
一般而言，CPU的核大约十几、几十个，而GPU的核可以达到几千甚至上万个。
所以，CPU就好比团队中几个学识渊博的核心精英，什么任务都能做，但要一项一项来；而GPU就像考场中呈矩阵排列的一大堆做题家，虽然只会做卷子，但胜在基数庞大，管理起来也方便。
如果图像处理相当于计算一亿个像素点，每个像素点都相当于一道简单算术题，那么人类伟大领袖能想到的最好办法，就是动用一亿做题家一起干。集体主义思想放光芒，优势在我。
英伟达曾发布过一段视频，生动形象地解释了CPU与GPU在图形处理领域的差别：
CPU就像是一把冒蓝火的加特林，快速突突突突突突，子弹依照位置次序一发一发地精准射在画布上，勾勒出图像的轮廓；
而GPU则是成千上万发计算排列好的子弹同时射出，万炮齐发，一下子就全射在画布上，把图形打出来了。
比英特尔快4倍：比摩尔定律更快的“黄氏定律”
GPU是为图形处理而生的，但歪打正着，在Deep Learning深度学习当道的今天，GPU用于处理海量训练数据也能事倍功半——这正是NVIDIA如今称霸AI芯片市场的原因，但这还是后话。
英伟达在推出Geforce 256的同年年初，也就是1999年，在纳斯达克成功上市，IPO价格为每股12美元，估值为6.26亿美元——而如今，英伟达的市值已经达到了3万亿上下，涨了4800倍。
一直以来，英伟达就在干一件事：设计和研发GPU。如今我们常常将GPU称为“显卡”，但准确地说，GPU是显卡的芯片，也就是显卡的心脏。
而“显卡”是把GPU、显存、接口等部件集合在一起的计算机扩展卡，也就是那长方形的一大块黑盒子。
英伟达只出货GPU，也就是显卡的心脏。而显卡的生产，则交给了全球第一家（也是最大的一家）集成电路代工制造商：TSMC台积电。
在台积电生产力的加持下，英伟达的黄仁勋，提出了与摩尔定律并称的“黄氏定律”。
摩尔定律是intel英特尔创始人之一的戈登·摩尔在1965年提出的，大概意思是说1单位面积上集成电路上可容纳的晶体管数目，在每过18～24个月都会翻一倍，也就是每隔两年，CPU的性能会翻一倍。
这被视为是冯·诺依曼架构下的计算机科学的铁律。
“黄氏定律”则说，GPU的发展速度将远远超过CPU。英伟达的战略核心，就是每隔6个月就将产品升级一次，其性能翻一番。
黄仁勋曾在多年前的一次采访中被问到：
“英特尔也即将推出专攻图像处理的产品，你们英伟达会不会因此而感到压力？”
黄仁勋反问道：
“他们的产品什么时候推出呀？”
“大约是2010年底吧。”
“这么久啊～”
黄的言外之意是说，到时候我们的产品早就不知道更新换代多少次了，天翻地覆了都。
我们都知道，显卡根据形态的不同，分为集成显卡和独立显卡。集成显卡集成于CPU中，与CPU共享内存；独立显卡则是一个独立的个体，有独立的显存，可以直接装到电脑主板上。
英伟达专注于独立显卡市场，而在这一领域，ATI曾经是英伟达最大的竞争对手。
一时瑜亮：NVIDIA与ATI
人们常常把搭载NVIDIA GPU的显卡称为N卡，把搭载ATI GPU的显卡称为A卡。
ATI是一家加拿大公司，比NVIDIA早成立8年，上世纪九十年代末开始进军独立GPU领域。2000年，ATI发布了继Geforce 256之后的第二款真正的GPU：Radeon 256.
因为晚推出了一年，所以Radeon 256的性能，比NVIDIA Geforce 256更好——此后多年，NVIDIA与ATI一直处于“关公战秦琼”的状态；两家公司的产品，也经常被网友拿来对比调侃。
2004-2005年间，ATI的市场占有率，甚至一度超过NVIDIA。然而转折出现在2006年7月，CPU市场占比仅次于intel的第二大供应商AMD，以54亿美元的价格收购了ATI——A卡上的标志，从ATI变成了AMD。
黄仁勋听到这个消息后说道：
“ATI这是打算认输了，让我们称为世界上唯一一家独立的图形芯片公司吧。”
曾经有AMD的离职员工爆料称，AMD最初是考虑过收购NVIDIA的，但黄仁勋坚持在公司合并之后，自己仍然出任CEO——AMD这才退而求其次，收购了ATI。
事实证明，黄仁勋的坚持，再次帮他度过难关：为了收购ATI，AMD几乎用尽了自己所有的流动资金，并产生了25亿美元的债务——因为债务危机，二者的合并，并没能产生1+1>2的合力，反而让NVIDIA坐收渔翁之利，趁机重新找回了市场竞争力。
虽然在完成对ATI的消化整合之后，AMD也曾经数次发动进攻，但是大势已去。昔日独显双雄的局面一去不复返，只有NVIDIA独霸天下。
2007年之后，NVIDIA在独立GPU市场的占有率，“一直遥遥领先于同行”。
“两弹元勋”
插一句题外话：与ATI/AMD缠斗的那些年里，NVIDIA的黄仁勋还意外喜提了“两弹元勋”的戏称。
“‘两弹元勋’黄仁勋，手搓GTX战术核显卡，一发可击沉整个航母编队”
2010年12月，AMD推出了高端显卡HD6900系列。迫于竞争压力，仅仅3个月，英伟达就匆匆推出了对标产品GTX 590.
GTX 590性能确实强悍，发热和功耗也是高得吓人。发烧友们买了显卡之后喜欢“超频”，让显卡在标准功率之上超频工作，获得更好的性能体验——结果散热压不住，GTX 590起火了，内存主板CPU电源全都烧了。
此后，GTX 590就被显卡发烧友们戏称为“核弹”，黄仁勋也喜提“两弹元勋”的称号。
“我成为了死神，世界的毁灭者。”——奥本海默
NVIDIA此后推出了GTX 690 790显卡，虽然功耗有所改善，但发热量仍然高得吓人。于是在网友们的嬉笑怒骂之中，GTX 790战术核显卡的美名，就众口铄金了。
本来这只是一个梗，但不知道是谁整活，把“核显卡”的这个梗写进了百度百科。于是在2014年，甘肃卫视的一档军事节目的剧本，直接引用了这段百度百科的内容，未经审核，就让主持人一本正经地说出了这段话：
“搭载GTX 690战术核显卡的火箭推进榴弹（RPG），一发就可以摧毁一个航母战斗群。”
再加上NVIDIA早期曾经推出过Riva TNT系列显卡，驱动的名字就叫做TNT 2 Properties，这更加印证了老黄是个做军火的。
不开玩笑了，回归正题。2006年，AMD收购ATI的同一年，NVIDIA发布了CUDA架构，这成为了NVIDIA迈向巅峰的重要一步。
将NVIDIA推上AI神坛：神奇的CUDA架构
CUDA的全称是Compute Unified Device Architecture（统一计算架构），是NVIDIA为GPU设计的一种并行计算平台和编程模型，这使得开发人员能够使用C、C++和Fortune等编程语言直接在GPU上编程，利用GPU的算力去做更多的事情，不仅仅限于图像处理。
更通俗的解释是，在CUDA出现之前，GPU只是一个在屏幕上“绘制”图像的图形处理单元；但是有了CUDA之后，GPU的算力变得通用了，不同领域的开发人员们可以使用他们已经熟悉的编程语言，直接在GPU上编程，驱动GPU完成不同的计算任务。
划重点：CUDA让GPU单一的图形处理算力，变成了多领域通用的算力。
所以，GPU如今能被广泛的应用于Deep Learning深度学习、大数据处理、加密货币挖矿等领域，全靠CUDA的支撑。
CUDA不可缺少，居功至伟。
NVIDIA决定开发CUDA的契机，说起来也是相当有意思的。早在2000年，斯坦福大学计算机系的一名研究生伊恩·巴克（Ian Buck），将32块Geforce显卡并联在一起组成矩阵，使用8个投影仪（呈4*2排列）投射出了一个8K分辨率的巨型屏幕，玩游戏《雷神之锤》。
Geforce显卡附带了一种叫做Shader着色器的原始编程工具。伊恩“黑”进了着色器，访问了下面的并行计算电路，组合了它们的算力，将几十个Geforce显卡，改装成了一台低成本的“超级计算机”。
伊恩说，这或许是世界上第一台8K分辨率的显示器。它占据了整面墙，看起来简直棒极了。
这一事件，让NVIDIA意识到了GPU在超级计算领域的巨大潜力——这位同学都可以黑进并行计算电路直接驱动GPU的ALU，产生算力去做更多的工作，那我们正规军为什么不可以？
NVIDIA首席科学家大卫·柯克（David Krik）认为：从长远看，让原本只做3D图形渲染的GPU技术通用化，让GPU算力通用化，有着重大的战略意义。
伊恩的整活之举，启发了NVIDIA的新技术思路，他的整活被变成了创造力——这也正是伊恩后来入职NVIDIA的原因。
伊恩现在已经是NVIDIA的一名VP/GM了。
决定启动CUDA项目之后，NVIDIA每年砸到CUDA项目上的资金，至少5亿美元起步。这些年，NVIDIA在将GPU转化为更通用的计算工具方面，投入了将近100亿美元——反映在账目上，就是成本的增加、利润率的降低甚至亏损。
黄仁勋有着自己的愿景。
他说，他想要让每一颗NVIDIA的GPU都能够支持CUDA，但这意味着芯片的面积将增加、散热量将增加、成本上升、故障率增高。他的这一举动在当时被外界视为不计成本的疯狂之举，外界并不看好。
更何况，CUDA在当时只是一个与公司核心业务关系并不紧密的项目。因此，即使黄仁勋如何苦口婆心、挖心挖肺地去阐述CUDA的价值，华尔街的分析师和投资者们也并不买账。
华尔街甚至将CUDA项目估值为0——他们觉得，你一个做“游戏显卡”的公司，为什么要花钱去做梦呢？
并不是每一个投资人都懂技术，也并不是每一个人都能理解你的构想——更多的人只会按照自己的逻辑去理解你，愿意陪跑的永远只是少数的几个人。
正因为能理解你、信任你的人寥寥无几，所以，珍惜知心人。
2008年，英伟达还经历了“显卡门”危机。
NVIDIA的G84、G86系列显卡，由于存在封装缺陷，导致装机之后电脑无法开机、开机黑屏——客户和投资人对英伟达的不满上升到了极点。
那一年，英伟达的市值蒸发了76.3%。
2012:奇迹发生的一年
直到2012年，事情出现了转机。
2012年，Deep Learning深度学习之父杰夫里·辛顿（Jeffery Hinton）教授，带领他的两名学生亚历克斯·克里热夫斯基（Alex Krizhevsky）和伊利亚·苏茨克韦尔兹（Ilya Sutskeverz），参加了全世界最权威的计算机视觉大赛ImageNet。他们设计的深度卷积神经网络AlexNet，以压倒性的优势取得了冠军。此事标志着一直持续至今的【连接主义学派】人工智能研究热潮的复苏。
这篇论文此后被引用了超过13万次，成为了计算机科学史上最具影响力的论文之一。
笔者注：人工智能分为符号主义学派Symbolism、连接主义学派Connectionism、行为主义学派Behaviorism、频率学派Frequentism、贝叶斯学派Bayesian等
而他们团队训练AlexNet模型所使用的硬件，就是两块双GPU的GTX 580显卡。
AlexNet有6000万个参数，和65万个神经元。完整训练ImageNet数据集至少需要262千万亿次浮点运算，但4个NVIDIA GPU在一个星期内就完成了训练。
如果用同样数量的CPU训练，时长可能要达到1～2年。
2012年，Google团队曾经用1.6万个CPU训练了一个可以识别猫的计算机视觉神经网络模型，但准确度却远远比不上只用了4个GPU训练出来的AlexNet模型。
可以说，是深度学习算法和GPU的算力一拍即合，才引发了如今的人工智能大爆炸时代。
辛顿说，用专门的GPU训练神经网络的速度要比使用通用CPU快100倍。然后他又补充说，如果没有CUDA，要进行Machine Learning就太麻烦了。
（辛顿：我为CUDA代言）
一夜之间，NVIDIA从一家“生产游戏显卡的图形公司”，变身成为“为人工智能的发展提供引擎的中流砥柱”。
昔日不受花街大佬待见的CUDA，也随之成为了新时代的宠儿，各路资本纷纷追捧。
黄仁勋说：我赌赢了，愚蠢且势利的资本。
花开的时候，没有声音
2016年8月，黄仁勋以NVIDIA公司的名义，向一家初创公司捐赠了第一台搭载了8块GPU的、专用于人工智能领域的超级计算机DGX-1，价值12.9万美元。
黄仁勋在机身上写下了这样一句话：
“To the future of computing and humanity,I present you the world’s first DGX-1!”
（为了人类和计算的未来，我把世界上第一台DXG-1送给你们！）
这家初创公司的联合创始人伊隆·马斯克、山姆·奥特曼以及一众早期员工，也激动地在机身上签下了自己的名字。
6年后的2022年11月，这家公司发布了划时代的Chat GPT，一鸣惊人——是的，这家公司，就是Open AI。
Chat GPT发布一周后用户破百万，两个月后用户破亿，NVIDIA芯片的市场需求也随之开始暴增。
NVIDIA与Open AI之间的故事，看似是一段投桃报李的缘分，但又何尝不是黄仁勋对AI领域的提前下注呢？
搅拌浓密的哈希值
其实早在2017年，NVIDIA还被天上掉下来的另外一块馅饼砸中过。
2017年，加密货币迎来大牛市，吸引了大量矿工投入时间资源挖币。挖比特币需要矿机，而矿机运行需要的哈希算法需要大量算力——NVIDIA的GPU，正是算力的来源。
您可以参考本公众号之前的文章：
全球显卡的销量也急剧增加，价格也水涨船高。以最受矿工欢迎的GTX 1060为例，2017年5月之前的售价为1650元人民币/张，2017年6月之后就涨到了2900元人民币/张。
NVIDIA此后还推出了多款取消I/O输出接口的GPU，仅支持OpenGL——这意味着此类GPU无法直接用于游戏图形处理，故而业内人士将此类GPU称为“专业矿卡”。
受益于挖矿热潮，NVIDIA的2018财年收入，创下了97.1亿美元的新高，成为了加密货币大牛市背后的大赢家。
泼天的富贵
是自己，靠前瞻性布局，挣来的。
如今NVIDIA的市值是Tencent腾讯的6.7倍，TSMC台积电的3.8倍，intel英特尔的22.8倍，AMD的11.3倍。虽然纵观整个GPU市场，intel仍占有60%以上的市场份额，但这是因为大部分的intel CPU内置了相应的集成GPU，而在利润丰厚的独立GPU市场，intel毫无话语权，NVIDIA独步天下。
截止到2023年底，NVIDIA GPU在独显市场占比80%，AMD占比19%，intel只占比1%。如果单看AI GPU市场，NVIDIA产品的占比甚至达到了98%。
根据投行Raymond James瑞杰金融的估算，每一片NVIDIA H100 AI芯片的制造成本是3320美元，而售价则高达25000～30000美元——NVIDIA芯片的利润率，逼近1000%，但依旧供不应求，没人质疑。
核心科技是第一生产力。
2024年3月，NVIDIA重磅推出了Balckwell B2000 GPU和GB200超级芯片。Blackwell系列芯片的名字来源于数学家、博弈论家、概率论家大卫·布莱克威尔（David Blackwell）。
NVIDIA高级科学家Jim Fan 自豪地说：
“Blackwell，the new beast in town.”
（Blackwell，业内的新生猛兽。）
Blackwell B200 GPU有2080亿个晶体管，性能达到了H100的2.5倍；GB200超级芯片更是将2个GPU与1个CPU相结合，在拥有1750亿个参数的GPT-3大语言模型的基准测试中，GB200的性能是H100的7倍，训练速度是H100的4倍。
OpenAI的CEO山姆·奥特曼Sam Altman在看完NVIDIA新品发布会后，在X上发文：
“This is the most interesting year in human history,except for all future years.”
（这是人类历史上最有趣的一年，但会是未来最无趣的一年。）
3D游戏、加密货币、人工智能——NVIDIA一次次的踩中风口，成就了如今AI霸主的地位。这其中是存在运气的成分，但黄仁勋的前瞻性眼光是毋庸置疑的。
16年前的一档电视访谈节目中，主持人将芯片行业比作“三国演义”：intel是曹操，AMD是刘备，NVIDIA是孙权，并问黄仁勋是否同意。
黄仁勋的阅历和修养，让他明显不屑于纠结在这种庸俗的层面当中。他说整个世界是相当复杂的，二十年后的世界，是我们以现在的眼光所无法预料的——你现在提到的这些所谓的巨头，在二十年之后，可能都不会继续叱咤风云，如果你以狭隘的眼光看待世界，那你的战略布局也必然是狭隘的。
上帝的回答，让猿人在地表无所遁形、独自凌乱。
神仙的预言
8年前，黄仁勋也曾预言：AI浪潮将很快到来。
“我们将迎来令人振奋的一年，因为AI非常重要，因为VR非常重要。”——非凡新闻采访，黄仁勋
如今他对未来又抱有怎样的看法呢？
2023年3月，黄仁勋喊出了那句振奋人心的口号：AI的iPhone时代已经来临。
几个月后，黄仁勋接受了未来学家瑞安·帕特尔的采访，采访中黄仁勋表示：这是人类第一次看到通用计算和AI技术转型同时出现，Deep Learning深度学习的发展，结合算力的进步，将会带来1+1>2的效果，甚至会让计算技术每10年就提高100万倍。2年之后，NVIDIA，甚至整个行业，都将改头换面。
2024年3月初，黄仁勋在母校斯坦福举办的一场活动上预测说：AI将在5年内通过所有人类测试，包括数学测试、推理测试、历史测试、生物学测试、医学考试、律师考试，以及你能想到的任何一个测试——届时你可以说，AI已经拥有了人类的智慧，Artificial General Intelligence AGI 通用人工智能时代，将全面来临。
（我知道国内的宣传不是这么说的，因为国民经济运转的基本逻辑不同，国内是以人为本的）
“你列出了你能想到的每一项测试，然后把它放在计算机科学面前，我猜五年后，计算机会把每一项都做得很好。”——斯坦福座谈，黄仁勋
黄仁勋的发言，与一份据说是从Open AI内部放风出来的文件内容高度一致：2027年将出现可以执行通用任务、可以像人类一样思考和学习、具有自主意识和情感的通用人工智能。
“Q*2025（GPT-8）was planned to be released in 2027 achieving full AGI…”
“Q*2023=48 IQ”
“Q*2024=96 IQ(delayed)”
“Q*2025=145 IQ(delayed)”
在2024年台北国际电脑展上，黄仁勋发表了一场主题为《开启产业革命的全新时代》的演讲。在演讲中，黄仁勋对未来做出了展望：
一、未来全球AI产业的规模，将超过100万亿美元，比IT时代的3万亿美元的规模，高出了33倍以上，具有强大的市场前景；
二、在未来，PC个人电脑才是AI的主要载体，AI应用程序将充实在每个人的生活当中；
三、实体人工智能将融入人类的日常生活，AI将理解这个物理世界，智能硬件机器人将无处不在。
“下一波AI浪潮将是物理AI，AI将理解这个世界的物理定律，可以与我们共事。”——《开启产业革命的全新时代》，黄仁勋
黄仁勋还曾经发表过一个非常惊人的观点，那就是：在未来，首先消失的一个职业，一定是程序员。
在过去20年间，几乎所有教育界、科技界大佬，都在不断强调学习计算机科学和编程的重要性。但黄仁勋却说，事实可能正好相反：在AI的帮助下，未来每一个人都可以是程序员，人类的自然语言就将成为编程语言。
笔者注：您高估了人类的局限性，高估了人欺人的那种唯我独尊的人性——人欺人是不需要逻辑的，只需要似是而非和形而上学。提升市场预期就好吧。
黄仁勋认为，年轻人更应该专注于学习生物、教育等AI无法替代人类的领域的知识。
笔者注：如果人类真的能突破自身的局限性，摆脱人性的弱点，学会理性和逻辑——那这个人学什么都是通的，比如落合阳一。
在以往的很多演讲内容当中，黄仁勋都留下了给年轻人的宝贵建议。
身经百战的人生经验
在2024年斯坦福大学经济峰会上，当他被问到“关于成功，有什么给斯坦福学子的建议”时，黄仁勋说：
“我觉得我最大的优点之一，就是我对自己的期待值很低，知足常乐，方能保持韧性——而大多数斯坦福学生对自己的期待值都很高——当然了，你们这么优秀，也配得上高期待，你们来自于世界上最好的大学，是同辈中的顶尖人才。”
“但是期待值很高的人，往往韧性比较低，容易纠结和自我怀疑，而不幸的是，百折不挠的韧性，对于成功来说，至关重要。”
黄仁勋强调，“成功不是来自于智慧，而是来自于品格，品格都是在苦难和挑战中磨砺出来的。”
“我希望年轻人有机会经历大量的痛苦和磨难。”
2023年5月，黄仁勋受邀在台大毕业典礼上致辞。在致辞内容中，他提到了自己在创业过程中的三次低谷：NV2的研发失败；CUDA的饱受争议；退出手机芯片市场。
他想藉由这三件事，告诉台大毕业生三个宝贵的人生经验：
1.在困境中，要懂得谦卑地寻求帮助（NV2的研发失败）；
2.要实现长远的愿景，就要有承受眼前苦难的能力（CUDA的饱受争议）；
3.有时候“放弃错误的方式和路径”也是一种智慧，不要硬碰硬，而是学会在进攻中游走，进而另辟蹊径，有舍才有得（退出手机芯片市场）。
最后黄仁勋用这样的一句话作结：跑起来，别用走的——不管你是为了寻求食物而跑，还是为了避免成为猎物而跑，无论什么原因，都要跑起来。
未来的AI技术发展是否会继续沿袭连接主义学派的深度学习路径发展，NVIDIA是否会继续Stand Alone也并未可知，但黄仁勋身上的特质正应验了那句话：
“小的成功可能是运气，但大的成功一定不是偶然。”
