21世纪经济报道记者倪雨晴 深圳报道 1972年，一个9岁的中国台湾男孩，被家人送往美国。在肯德基的家乡，肯塔基州的一家乡村寄宿学校读书。这是一所类似少管所的学校，据说这里每个孩子都有纹身，他身上也有，不过是在他的公司股票达到100美元时，纹了NVIDIA的logo，少年时期的回旋镖刺青了左臂。
虽然中文不好，但他一直发挥着华人优势。在体育方面是乒乓球，6年后，15岁的他获得美国乒乓球公开赛双打第三名。在事业方面则是计算机，20年后，他创立了这个世界上最伟大的半导体公司之一英伟达。50年后，他几乎统治整个算力世界。他是英伟达公司创始人兼 CEO黄仁勋。
互联网宿命论的鼻祖书《异类》中提到，比尔·盖茨和史蒂夫·乔布斯出生于1955年，这并非巧合。在他们的青年时期就碰到了计算机基础能力大爆发的时代。1946年第一台电子计算机发明，1968年英特尔成立，AMD1969年成立，这些是“基础性的时代机缘”。可见，太早，会因为前置技术不成熟，无法支持更强大的产品能力，太晚，市场已经被领先者占据先发优势。可见，天才在出生时，世界就已开始忙碌地为他做着准备。
1960年到2000年的四十年之间，世界上最强大的芯片公司陆续成立。这些公司为后续整个互联网、人工智能、乃至整个人类文明世界的繁荣奠定基础，这一时期的技术爆发前无古人。
游戏机男孩
1984年黄仁勋本科毕业，这一年第一台Mac电脑发布，个人电脑时代开启，相关领域就业蓬勃兴起，他将1984年称作“最适合毕业的年份”。正如2007年苹果手机发布，以及iPhone4发布后的几年，都是“最适合毕业的年份”。
黄仁勋先后于1983-1985年间和1985-1993年间在AMD（美国超威半导体公司）和巨积（LSI Logic Corporation美国电子公司），做芯片设计师。边工边读花了8年时间，于1990年获得斯坦福大学电子工程硕士学位。
1993年，30岁的黄仁勋，为兑现对夫人的承诺，也为避免被职场淘汰，成立了英伟达。相比之下，两位比他大8岁的前辈显得更加疯狂——社区双非大学生乔布斯20岁创办苹果，麻省波市大学肄业生比尔盖茨19岁创办微软。
黄仁勋去年曾在台大演讲，核心内容是回顾他创业历程中的三个故事。这三个故事对应英伟达乃至GPU市场的三个关键时期。分别可以总结为：游戏机男孩、计算平台雄心、算力有所不为。
游戏机时期是黄仁勋和比尔·盖茨的相爱相杀相助史。1995年，微软推出了PC史上划时代的Windows 95，并同时推出了以Direct3D为核心的DirectX标准。黄仁勋看准这个机会，全面支持微软的Direct X接口，推出了Riva128芯片，整机厂商开始集成英伟达。那时候显卡还不是主角，戴尔和惠普这样的组装机才是行业热门玩家。这是英伟达与微软的蜜月期，英伟达的角色就是配合好微软卖系统。
2000年，微软开始进军游戏机。希望通过Xbox与索尼、任天堂一决雌雄。为了这个项目，微软大手笔，仅单个项目订单就支付英伟达5亿美元，当时英伟达一整年的销售额才5亿美元。
2001年，微软大打价格战，每卖出一个Xbox就要亏126美元。微软开始向英伟达压价，彼时“皮衣哥”黄仁勋虽然弱小，但不肯向甲方妥协，并与微软对簿公堂。随后微软将订单转向英伟达的对手ATI，导致英伟达股价大跌90%。
皮衣哥虽然强势，但并不是莽夫。2003年，英伟达同意与微软再次合作Xbox。在一波三折的发展之中，算力平台的故事还在继续。
硬件雄心
英伟达的硬件产品总体沿着两个方向迭代，其一是产品线，其二是技术架构。
但这两条线并不完全划分清晰，英伟达的产品线像迷宫，堪称芯片领域的雅马哈。英伟达常见的产品线，GeForce系列，消费级GPU产品线就是消费者日常买的显卡；RTX/Quadro系列，即专业级GPU产品线；数据中心GPU，也即现在各家疯抢的核心AI芯片；Tesla系列，高性能计算和机器学习任务，已停止使用该名称；Tegra系列，移动处理器产品线，已经放弃，这属于算力有所不为的故事。
英伟达的架构演进相对清晰，这也侧面说明早期的黄仁勋更偏向技术玩家，近10年则对商业世界的理解愈发老辣。
2024年3月20日，英伟达GTC发布了Blackwell架构，数学家Blackwell在贝叶斯统计方面的开创性工作推动了人工智能领域的发展。从这些架构的命名习惯看，仁勋的偏好逐渐转向计算机和人工智能人物。英伟达的架构也愈发比产品线更出名，换句话说，黄仁勋干脆就是把架构当成产品线。
自OpenAI发布ChatGPT以来，生成式人工智能技术一直是备受关注的热门趋势。这项技术需要强大的算力来生成文本、图像、视频等内容。
在这个背景下，英伟达先后推出V100、A100和H100等多款用于AI训练的芯片。A100和H100一方面是限制对象的典型，另一方面也是ChatGPT训练能力的核心芯片，这也让A100与H100在民间名声大噪。
英伟达A100的官网价是1万美元，H100是3.6万美元。以英伟达的A100芯片的性能指标作为限制标准。后来又修改为以综合运算性能和性能密度为指标。其实质都是核心传输和计算能力。
当前，算力焦虑成为新的焦虑类型，国内从投资人到程序员都逢人必谈A100和H100。也许从来没有一种电子产品像英伟达的显卡一样“你天天听说，但是又用不上”。在生成式AI突飞猛进之下，英伟达的产业链地位也进一步上升。
软件起飞
但英伟达可不只有硬件产品，英伟达官网上的软件目录比硬件还长。
黄仁勋高瞻远瞩之处在于，他知道硬件公司不能只做硬件，要做生态，生态的另外一只手就是软件，准确地说是算力操作系统。可以说英伟达CUDA(Compute Unified Device Architecture)是算力世界的“Linux+Windows”。
对比来看，Linux开发者社区强，商业社区弱，Windows商业社区强，开发者生态管控能力弱。而CUDA，有强大的社区开发者、有广泛的商业应用、还有云。
CUDA与英伟达GPU芯片的关系，更像是iOS与iPhone的关系。它们都提供了强大的开发者生态，对上层应用性能提供强有力保障，也都相当封闭，仅支持自家硬件。
虽然被诟病安装和维护繁琐，CUDA对开发者依然是友好的，特别是对于深度神经网络的资深玩家。对他们来说，最终的运算速度是痛点，其他麻烦都可以忽略。一位资深开发者告诉21世纪经济报道记者，实际上，目前几乎全部的深度学习框架都对CUDA进行了封装支持，包括pytorch，TensorFlow等，初学者学习pytorch的第一句话都是torch.cuda.is_available()。这几乎是深度学习领域的“Hello World”，甚至应该说是“Hello Nvidia”。
CUDA的前身之一是Brook项目。最初是由斯坦福大学博士在Ian Buck 在2000前后创立，他们计划开发一个新的编程系统，让GPU可用于除了图形计算外的其他领域。
这就是社区的力量，开发者社区有高水平的免费劳动力为你添砖加瓦，废寝忘食，而且还能省去招聘选人的成本，并在未来成为公司的核心员工。Ian Buck后来成为英伟达CUDA的负责人——加速计算部门的总经理，这个故事至今还被挂在英文达的官网。
2000年，Ian Buck将32张GeForce显卡并行，将GeForce显卡改造成了一台超级计算机。这一经典操作收入了维基百科。底层逻辑很简单，英伟达一直抛弃其他任务，让芯片干活更纯粹，不断地堆叠并行计算，特别是并行乘法计算。
黄仁勋希望CUDA运行在每一张英伟达的显卡上，让大批天下寒士都可以使用GPU进行加速计算。天才的思路总是相似的，纳德拉对其扛鼎之作Windows10的KPI就是装机量，让更多的设备用上Windows10，而不是赚多少钱。这才使得Windows10在很多升级策略上采取了免费方案。
搭上AI
任何领域的突破都需要机缘巧合。而你要做的就是做好准备。2012年，当时还在谷歌的吴恩达和Jeff Dean训练了一个在图像中识别猫的神经网络。这一实验性的项目，对人工智能图像识别领域却是划时代意义的，人脸识别从此开始走入寻常生活。
上述工作使用了大约1.6万个CPU，而AI大拿Sutskever和Krizhevsky却仅用2块英伟达GeForce。他们所在的Geoffrey Hinton的研究小组，很早就开始使用英伟达CUDA平台训练神经网络。他们也是碰巧发现GPU竟然比CPU快这么多。
英伟达则是碰巧遇到人工智能的发展主要依赖算力。需求依然是第一位的，不然它也不得不滑入技术过剩的境地。
Sutskever和Krizhevsky都是大名鼎鼎的Geoffrey Hinton的博士。Geoffrey Hinton被誉为深度学习之父，他和另外两位神经网络先驱Yann LeCun、Yoshua Bengio获得了2018年的图灵奖。而Sutskever是OpenAI的技术总监。Krizhevsky则是斩获ImageNet第一名的图像识别神经网络AlexNet的第一作者。
任何产品的推广最好方式都是KOL带货。Geoffrey Hinton的推广和AlexNet的名声大噪使得GPU和CUDA开始出圈。到底是CUDA带火了英伟达的GPU，还是GPU带火了CUDA。就像到底是iOS让iPhone成功，还是iPhone让iOS成功。他们是孪生配套，缺一不可。
英伟达开发者项目副总裁Greg Estes回忆道：“黄仁勋在周五晚上发出了一封电子邮件，说一切都将转向深度学习，我们不再是一家图形公司(no longer a graphics company)。到了周一早上，我们就成为了一家人工智能公司。确实，就这么快。”
随着人工智能日新月异，黄仁勋缔造的算力帝国一路狂飙。而算力，也成为各家争夺的战略资源。
中国信通院算力指数发展白皮书2023显示，2022年中国算力规模达到180 Exa Flops(Exa是10的18次方)，占全球总量的33%，其中基础算力为26%，智能算力分别为28%，超级算力为18%。美国占全球总量的34%，其中基础算力为27%，智能算力分别为45%，超级算力为48%。在存量算力上，中国和美国是唯二的世界强国。
近年来，中国也在加速算力网络的建设，2023年发布的《算力基础设施高质量发展行动计划》提出，到2025年，计算力方面，算力规模超过300 EFLOPS，智能算力占比达到35%。
其中，粤港澳大湾区就是建设全国一体化算力网络的重要枢纽，在2023年，中国算力网粤港澳大湾区调度中心正式上线，这是韶关市与鹏城实验室共同建设的“中国算力网”项目全国首个区域级资源调度中心。
算力资源的竞赛，已经拉开帷幕。一位IT资深从业者对记者分析道，首先，算力在任何项目上都是重要但又极度短缺的。其次，计算设备有存量算力，且可以进行分布式全球化的采集，比电力、石油更容易跨空间部署。同时，算力早已是一种比能源抽象，不易于普通人理解，重要性却不亚于能源的资源，因为它可以解决科技瓶颈的问题。
理论、实验、计算被称为现代科学研究中的三大手段。其中计算是最晚加入的小辈，但现在却起到核心驱动作用，很多理论可以用计算来验证，很多实验可以用算力来组织。
这就是为什么“我们需要的是飞行汽车，但时代却给我一个140字的推特”，“人类需要AI去洗碗，扫地，做家务。他们却在写诗画画搞音乐”，这类嘲笑不值一驳的原因。
假如没有社交网络，就没有那么多人在互联网上发表观点，就没有这么多的在线语料数据。没有语料数据，就没有大语言模型的数据基础，就没有ChatGPT的核心，也就没法和人类高智能的交互，迁移学习的思路也就不复存在，后面的洗碗扫地机器人也会大受影响。相反，自从有了大语言模型之后，很多家务机器人开始层出不穷。嘲笑并不都是坏事，这提供另一种角度，也为创造者提供动力。
目前人类文明发展的底座之一是人工智能。人工智能的发展底座是算力，算力的底座是电力，电力的底座是各类基础能源，这是科技树的逻辑链条也是现实掣肘。甚至有业内人士指出，算力是一种被编译的电力，或者从更大的角度来说，算力是一种被编译的能源。
黄仁勋说，从现在的角度看，要支持未来的算力需求，也许需要烧掉14个行星，3个星系，4个太阳来提供能源。但这不必，计算框架在提升，芯片的功耗在降低。
从观望者悲观的角度看，人类历史从来都是资源争夺的“零和博弈”。从人类走出非洲大陆开始，争夺地盘、食物、能源从未停止。
从探索者乐观的角度看，从木头中激发火，从石头中发掘硅，人类一直在做大增量市场，每次资源短缺，新的技术总能及时涌现。
《流浪地球2》中，周喆直富有深意地说“有人，在帮我们”。
21世纪经济报道见习记者 顾婷婷 杭州报道如何让沉睡在实验室里的专利真正应用到车间，真正面向市场，转化为真正的新质生产力？3月19日，由国家知识产权局组织的高校和科研机构存量专利盘活 肺癌是全球死亡率最高的恶性肿瘤。其中非小细胞肺癌（NSCLC）占比达到85%。表皮生长因子受体（EGFR）是NSCLC最常见的驱动突变基因。现在，一个国际科学家团队首次证明，EGFR的一个关键界面可能会成为更 3月21日是世界睡眠日，中国主题为“健康睡眠 人人共享”。近日发布的《2023年中国居民睡眠白皮书》显示，我国居民平均睡眠时长6.75小时，平均在零点后入睡，夜间睡眠时长普遍偏短。你是否有睡眠困扰 记者3月20日从中国科学技术大学获悉，该校郭光灿院士团队在量子态分辨研究中取得重要进展：他们在最小资源消耗的量子态分辨问题中首次提出了全局最优自适应策略，并发展了自适应集体测量实验技术， 3月21日，人工智能大模型赋能企业科技创新研讨会在广州召开。中国知网在会议期间发布了专利大数据智能应用产品“AI Pat+”。据中国知网相关负责人介绍，中国知网在人工智能大模型领域的深入研发 随着无人驾驶技术的快速发展，无人车在城市配送、环卫清扫、安防巡逻等应用场景中已得到较好示范应用。3月22日，南京溧水经济开发区管委会与南京易咖智车科技有限公司联合举办“金陵智地 易启未 。本文链接：乒乓球运动员与他的算力帝国丨百人百业①http://www.sushuapos.com/show-2-4557-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 新研究预测气候变化可能导致蜜蜂数量下降