全球市值第一 英偉達如何踏入AI計算芯片領域

美國半導體巨頭英偉達在6月初超過微軟成為全球市值最高的上市公司之后，7月初公司市值突破4萬億美元，成為有史以來首家達到這一重要里程碑的企業，當時的股價觸及164.32美元的歷史最高點，而目前英偉達的股價已經超過了180美元。

市場普遍認為，英偉達這波股價的飆升，主要由於投資者對於人工智能變革潛力的堅定信心，並且英偉達的主要合作伙伴OpenAI也在近期發佈了最新的GPT-5，英偉達的市值里程碑也凸顯了企業正將資產支出轉向AI領域的發展方向。

英偉達，最初是遊戲芯片製造商，隨后轉型為加密挖礦芯片製造商，如今則成為人工智能計算芯片製造巨頭，以及該領域無可爭議的早期贏家。

那麼，英偉達是如何踏入人工智能計算芯片領域的呢？

在《黃仁勛：英偉達之芯》一書中，作者為讀者們呈現了當時英偉達是如何抓住了這個千載難逢的機會。

千載難逢的機會

英偉達何以快速轉型

在提到英偉達的AI之路，需要先介紹一個重要的人物，那就是布萊恩·卡坦扎羅，他現任英偉達應用深度學習研究副總裁，領導團隊探索從語言理解到計算機圖形和芯片設計等多個領域的人工智能應用。

卡坦扎羅在本科學習期間曾經在英特爾做暑期實習生，當時英特爾讓實習生也參與設計一款每秒能脈動100億次的微芯片。經過計算，卡坦扎羅發現這個任務根本無法實現，他認為隨着晶體管尺寸不斷縮小，摩爾定律的極限已經觸手可及，傳統的計算機架構已經走到了盡頭，然而英特爾卻對此視而不見。

他堅信，解決之道在於重新設計微芯片，他在當時就推斷出了並行計算的殺手級應用，答案就是人工智能。2011年，獲得博士學位后，卡坦扎羅就加入了英偉達，並在研究所的擴展團隊任職，最初被分配去研究編程語言，但很快他就成為英偉達的首位專職人工智能研究員。

他的上司當時在開發一項新技術，不過運用的是傳統的計算架構，這項技術成本高昂，需要一個由2000個CPU組成的集羣，才能將1000萬個Youtube視頻縮略圖輸入神經網絡系統之中，並且識圖訓練它識別貓的能力。

這個項目耗資巨大，且耗電量驚人，但還是呈現出了一個引人矚目的貓科動物表型特徵的內部概念，英偉達的研究團隊這才意識到，有趣的並非是神經網絡能夠識別動物，而是實現這一目標居然需要如此龐大的計算量。

這項任務隨后交由卡坦扎羅用英偉達硬件來重現這個「貓臉識別」的試驗，而他僅用了12個GPU（圖形處理器）就完成了整個實驗。

在這之后，卡坦扎羅希望繼續在英偉達尋求更多的資源支持，以幫助他在cuDNN構建上的工作。（cuDNN就像是英偉達顯卡里的「 AI 特別加速器 」，讓訓練和使用人工智能變得又快又省力，是深度學習軟件背后的「提速神器」。）

但出乎他意料的是，2013年春，當他滿懷希望地向英偉達軟件團隊展示自己初步構建的cuDNN原型時，卻遭到了團隊的否定。

於是，卡坦扎羅在當時做了一個普通打工人絕對不敢輕易嘗試的舉動：他越級直接向黃仁勛陳述了自己的觀點。

當時，這項技術似乎還沒有進入黃仁勛的視野，在同年3月的GTC大會上，黃仁勛談及氣候建模與移動圖像的話題，卻對神經網絡隻字未提。但在與卡坦扎羅的首次會面之后，黃仁勛便產生了濃厚的興趣，整整一個周末都埋頭鑽研人工智能這一他之前幾乎未曾涉獵的領域。而在隨后的會面中，卡坦扎羅驚訝發現黃仁勛對於神經網絡的理解已然與他旗鼓相當，甚至可能更為深入。

黃仁勛更在自己的辦公室里告訴卡坦扎羅，他本人視cuDNN為公司20年曆程重最為重要的項目。黃仁勛在辦公室的白板上寫下：OIALO，即Once In A lifetime Opportunity——千載難逢的機會。

當然，黃仁勛也表示自己有時需要一些時間去接納新的觀念，但在人工智能方面，他經歷了一次深刻的頓悟后就迅速明白了，甚至比所有人都快。

黃仁勛認為這是因為他基於第一性原則在進行推導：既然它們能解決完全無結構的計算機視覺問題，那就引出了一個問題——還有什麼可以教給它們？答案似乎是：所有事物。

他斷定神經網絡將徹底變革社會，而他可以通過CUDA（Compute Unified Device Architecture，是英偉達推出的一種能夠讓普通程序員更方便地用來控制和利用GPU進行通用計算的編程平臺和開發工具包）佔據必要的硬件市場。

隨即，黃仁勛開始舉全公司之力投入該項目的研究和發展，並在隨后的某一個周五晚間在內部發了電子郵件宣告公司將全面轉向深度學習，不再只是一家圖形芯片公司。而到了周一早上，英偉達便已經轉型為一家AI芯片公司。

轉變就是這麼快。

加速演化

軟件與硬件共同激發AI變革

在人類的大腦組織中，每個神經元平均維持着約1000個與其他相鄰神經元的突觸連接。大腦通過化學方式改變這些連接，而神經網絡則通過矩陣乘法來實現這一改變。

矩陣乘法是通過結合2個網格的數字來生成第3個網絡。雖然規則並不複雜，擔當規模增大時，計算量會急劇上升。這使得矩陣乘法非常適合並行處理。然而，在神經網絡興起之前，英偉達並未將矩陣成為視為重點。

AI及深度學習領域里非常重要的一個經典神經網絡模型——AlexNet，在2012年ImageNet圖像識別比賽中首次提出，並一舉拿下冠軍。簡單來説，AlexNet就是「一隻超級聰明的AI看圖機器」，靠多層神經元分層處理圖片。

AlexNet使用了65萬個神經元來模擬6300萬個突觸連接，在這樣的規模下，單個突觸的影響幾乎可以忽略不計。相較於序列代碼對錯誤的極度敏感（有時一個錯誤的符號就可能導致整個操作系統崩潰），神經網絡則對錯誤的容忍度高很多。

基於這一觀察，在開發cuDNN時，英偉達的程序員在精度和速度之間做出了新的權衡。他們認為，優秀的神經網絡軟件應更注重速度而非精度。也就是説，隨着網絡規模的擴大，訓練準確率將不再是唯一的關注點，用户能否快速獲得答案同樣重要。

書中舉了一個例子，大家可以想象一位無所不知的專家，他能夠給出準確的回答，但是，每小時僅吐露一個字。

儘管推理過程所需的算力低於訓練階段，但隨着時間的推移，它在cuDNN庫中的重要性日益凸顯。

回過頭來看，其實自20世紀50年代起，人工智能技術歷經數次炒作，最終多尷尬收場。卡坦扎羅與該領域的所有研究者一樣，對AI在商業領域過往的滑鐵盧也心知肚明，同樣擔憂其再次讓市場和投資者失望。

時間來到2014年初，cuDNN在當年的GTC大會上，由黃仁勛登臺推薦，這是英偉達21年曆程中首次公開與AI的結合。隨后，卡坦扎羅登臺，運用AlexNet的改良版來識別社交媒體上發佈的狗狗品種，並在網絡的實時運行中，成功辨識出了多個犬種。

而在兩年后的2016年，谷歌研發出來的AlphaGo，同樣是一種神經網絡，在一系列扣人心絃的圍棋對決中，戰勝了圍棋大師李世石。並隨着谷歌在AI方面的深耕，其對GPU的需求日益凸顯。谷歌的「麥克卡車項目」的終極成果預計將使用超過4萬個英偉達的GPU，投入資金超過1.3億美元，這一訂單也成了英偉達有史以來接到的最大單筆訂單。

而且，這還僅僅只是一個開端。

隨着AI不斷取得突破，並行計算也迎來了發展的新曙光。深度學習不僅是軟件的革命，同樣也是硬件的革命，兩者的結合纔會催生出理想的形態。可以説，在並行計算機上運行的神經網絡，就像是新型強大生命體的DNA雙螺旋結構，將在未來重塑人類文明。<完>

福利社新活動

根據微信后臺數據，為過往歷史文章「點贊」及「點❤」最多的讀者送上精美周邊：本期為「睿見讀書會」磁吸書籤一套。

請獲獎讀者后臺聯繫小編。

注：微信公眾平臺提供過去15日內的閲讀統計數據，本次統計截至8月10日。每位讀者每期僅獲得一個類別的獎項。

本期獲獎名單

點贊最多

欣生萬法

點❤最多

茶木龍

風險提示：本公司承諾以誠實信用、勤勉盡責的原則管理和運用基金財產，但不保證基金一定盈利，也不保證最低收益，投資者投資於本公司基金時應認真閲讀相關基金合同、招募説明書等文件並選擇適合自身風險承受能力的投資品種進行投資。基金過往業績並不預示其未來表現，基金管理人管理的其他基金的業績也不構成基金業績表現的保證。本文觀點僅代表個人，不代表公司立場，僅供參考，不作為投資建議。基金投資有風險，請審慎選擇。