江西上饶百亿引导基金招募GP
06-18
营收翻三倍达到1亿美元，利润从去年同期的6.8亿美元直接飙升至92亿。
在AI浪潮下，英伟达最近一个季度的表现超出预期，从台积电手中夺回了桂冠，成为“芯片之王”。
人工智能领域正在爆发一场战争，而英伟达是唯一的军火商。
一位华尔街分析师曾这样评价。
英伟达如今享受到的“AI红利”，来自于黄仁勋十多年前的“豪赌”。
通过《纽约客》近期的深度报道，我们可以看到这场决定性“赌博”背后的更多细节。
成功永远是不可能的，破产总是在边缘。
点燃人工智能的“大爆炸”时刻是第一台8K分辨率的游戏机，它占据了一整面墙。
真是太美了。
2016年，斯坦福大学学生伊恩·巴克将32块Nvidia GeForce显卡连接在一起，再加上8台投影仪玩游戏，搭建了一台高清游戏机。
一开始，NVIDIA GeForce的成功是靠游戏《雷神之锤》的帮助。
在游戏的“死亡竞赛”模式中，GPU的并行计算让玩家具有速度优势，因此每次GeForce发布新产品，玩家都会跟上。
Buck 还想知道 GeForce 除了让自己投掷手榴弹的速度更快之外还能做什么。
后来，巴克成功侵入了显卡的原始编程工具“shader”，并利用其并行计算将GeForce变成了低成本的超级计算机。
没过多久，巴克就成为了 NVIDIA 的员工。
▲ Ian Buck 现任 Nvidia 副总裁。
黄仁勋希望巴克制作一套软件，可以将每台 GeForce 变成超级计算机。
同时，也允许硬件团队对芯片结构进行相应的修改。
2017年，巴克为NVIDIA工作的CUDA正式推出，让研究人员和程序员能够使用编程语言更加个性化、高效地利用GPU的计算能力。
然而，消费者对黄仁勋想要普及的超级计算机兴趣不大。
硅谷热门科技播客《Acquired》评论道：他们在这种新的芯片架构上花费了大量资金。
他们花费了数十亿美元旨在服务于学术和科学计算的利基领域，这在当时是一个很小的市场——当然比他们投资的数十亿美元要小。
当时，NVIDIA也在广撒网，试图寻找目标客户。
我尝试过股票交易员、石油勘探公司、分子生物学家等，但没有考虑人工智能领域。
根本就没有“AI教父”主动“找上门来”的感觉。
难怪。
▲“AI教父”Geoffrey Hinton 今天，我们将称呼Geoffrey Hinton为“AI教父”。
然而2009年，Hinton身处被资本鄙视的AI领域，他在该领域的研究还被认为是小众的“神经网络”。
Hinton 当年给 NVIDIA 写了这封电子邮件：我刚刚告诉数千名机器学习研究人员，他们都应该购买 NVIDIA 显卡。
可以免费寄一份给我吗？结果？当然被拒绝了。
在此之前，Hinton 曾尝试使用 NVIDIA CUDA 平台训练神经网络来识别人类语言。
他发现结果的质量比预期好得多，因此他决定在行业会议上展示它。
尽管Nvidia拒绝向Hinton发送显卡，但Hinton仍然鼓励学生使用它。
其中最关键的就是他的两位杰出的程序员Alex Krizhevsky和Ilya Sutskever。
▲（从左到右）Ilya Sutskever、Alex Krizhevsky 和 ??Geoffrey Hinton 眼尖的读者应该发现了，后者是 OpenAI 的首席科学家，也就是 ChatGPT 背后的技术主导者。
2009年，Sutskever和Krizhevsky购买了两张Nvidia GeForce显卡，在一周内将数百万图像数据输入神经网络，并训练“AlexNet”。
Sutskever事后回忆道：当GPU出现时，感觉就像是一个奇迹。
他的叹息并非没有道理。
同样在同一年，谷歌购买了超过 16,000 个 CPU 来训练他们的神经网络，以便它能够识别猫的视频。
另一方面，AlexNet 仅使用两个 GPU 就能正确识别电动汽车、猎豹、货船等图像。
2016年，在当年还是相当权威的ImageNet大规模视觉识别挑战赛中，AlexNet以15.3%的top-5错误率获得冠军。
其表现远优于第二名及往届选手，表现十分出色。
他一度被怀疑作弊。
Hinton 评论道： 这是一个大爆炸的时刻。
范式转变。
虽然并非有意为之，但英伟达却点燃了人工智能的“大爆炸”时刻。
成为一家人工智能公司（黄仁勋） 他在周五晚上发出一封电子邮件称，公司的一切都将围绕深度学习展开，我们将不再是一家影像公司。
接下来的周一早上，我们成为一家人工智能公司。
真的，就是这么快。
Nvidia 副总裁 Greg Estes 告诉《纽约客》。
AlexNet出现后，几年之内，几乎所有参与大规模视觉识别挑战的人都选择了神经网络形式。
到2010年代中期，用GPU训练的神经网络在图像识别方面已经达到了96%的准确率，这个准确度甚至超过了人类的水平。
黄仁勋对超级计算机的愿景实现了，他开始寻找下一个目标：我们可以解决计算机视觉问题，一个完全非结构化的问题，这一事实指向了一个问题：“你还能教它什么？”黄仁勋心里的答案似乎是——一切。
他相信神经网络将改变社会，他还可以利用CUDA垄断其背后所需硬件的市场。
他迈出了一步，开始了英伟达的人工智能之旅。
这一次，AI行业的领导者不再需要写电子邮件给Nvidia申请免费显卡。
2018年8月，黄仁勋亲自将世界上第一台DGX-1交付给OpenAI的办公室。
当时尚未与 OpenAI 决裂的马斯克亲自拆箱了这款耗时三年打造的产品。
黄仁勋在官方新闻稿中开玩笑说：如果这是唯一发货的产品，该项目将耗资 20 亿美元。
谁能想到，第二年，谷歌就宣布了 Transformer，一种新的神经网络训练架构。
Sutskever 捕捉到了这一新突破，带领 OpenAI 构建了第一个 GPT 模型，该模型全部构建在 NVIDIA 超级计算机上。
一年前的今天，OpenAI 正式向公众发布了 ChatGPT，改变了一切，包括 Nvidia。
订单源源不断，供大于求。
2018年，英伟达股价飙升超过30%，成为全球首家市值突破万亿美元的芯片制造商。
一度不被看好的CUDA也聚集了数万开发者，成为NVIDIA在AI领域的又一条“护城河”。
无论是航空航天、生物科学、机械、能源勘探等领域的研究，大部分都是在CUDA上进行的。
Nvidia最新的AI产品DGX H是一个重10磅的金属盒子，售价50万美元。
与当时发送到 OpenAI 办公室的 DGX-1 相比，新产品的运行速度快了五倍。
如果你想训练AlexNet，一分钟就可以完成。
永远“濒临破产”的胜利者 今年9月，黄仁勋受邀回到加州圣何塞的丹尼餐厅。
当时，他与合作伙伴在这家餐厅的摊位上起草了文件，成立了英伟达。
他们希望设计出一款让竞争对手“羡慕不已”的芯片。
黄仁勋想出了“Nvidia”这个名字，融合了拉丁语“invidia”的意思。
如今，英伟达无疑嫉妒其竞争对手。
就连连锁餐厅 Denny’s 的 CEO 还专门为他们制作了一块纪念牌匾，让 Nvidia 的光芒能够在餐厅里闪耀。
然而，英伟达的成功并不是一个特别典型的“赢家”故事。
NVIDIA刚成立时，热爱电子游戏的黄仁勋认为游戏市场值得更好的显卡，并于2006年推出了第一款产品NV1。
然而，NV1并没有真正被主流市场所接受。
原因之一是微软同年推出了D3D API，但NV1并不支持D3D。
下一代产品NV2也失败了。
“赌注”输了的黄仁勋并不服气。
他在2016年解雇了一半员工，收紧了资金，并将一切赌注押在未经测试的新产品上：赔率是50/50，但无论如何我们都已经破产了。
边缘。
当RIVA正式发售时，Nvidia只剩下一个月的开支。
幸运的是，RIVA 取得了成功，在 4 个月内销售了数百万台。
从那时起，黄仁勋就鼓励员工带着这种“绝望”的心态去工作。
困难和失败对黄仁勋来说并不陌生：我发现我在困难的情况下思考得最清晰。
我的心率甚至会下降。
他甚至坚持“失败必须共同承担”。
此前，英伟达曾发出过一款有问题的显卡，风扇噪音很大。
黄仁勋没有解雇负责产品的经理，而是召开了一次会议，召集了数百人，并要求经理描述最终导致这场闹剧的每一个决定。
显示“失败”已经成为NVIDIA内部的一种“习惯”。
您还可以从中快速辨别谁可以留在这里，谁不能留在这里。
如果有人开始防御，我知道他们不会坚持太久。
Nvidia 软件主管德怀特·迪尔克斯 (Dwight Diercks) 说道。
黄仁勋还喜欢鼓励员工追求“零十亿美元市场”——这些实验领域不仅还没有竞争对手，甚至还没有明确的客户。
毕竟，正如黄仁勋所说：我总觉得我们距离破产只有30天了。
这一点从未改变过。
没有理由不尝试一下。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态