“话说回来，英伟达也不是故意囤货，它已经努力与多个芯片代工厂，合作进行生产，只可惜芯片的供应链，弹性不足，当然这也是所谓“爆发式”的很好体现。”
“其实就连英伟达与AI产业的相遇，也有不少意外的成分，一直以来，黄勋一伙人，做的是游戏显卡芯片。”
“1999年，英伟达推出的GeForce系列显卡，借着游戏《雷神之锤》的火热，卖得很成功。”
“2000年，在斯坦福大学，学习计算机图形的研究生，Ian Buck将32张GeForce卡链在一起，用八台投影仪，玩起了《雷神之锤》，就这样，他打造出一台8K分辨率的游戏机。”
“这种对于美的感知力，和创业时看重图像渲染显卡生意的黄勋不谋而合，同样相似的，还有他们对于美的想象力。”
“Buck想，GPU并行计算能力这么强，不该只拿来打游戏啊，于是他和小伙伴们创立“Brook”项目，打算从GPU支持可编程开始，将GPU用于通用计算，并发表了一系列论文。”
“这些论文，让黄勋捡起了Buck这个宝，投入了不少资源，支持Brook项目，毕竟，多一个应用场景，公司就多出一条活路。”
“2004年，博士还没毕业的Ian Buck进入英伟达实习，开始创造GPGPU模型，这里科普一下，GPGPU的前一个GP，是指General Purpose，通用计算，也就是利用GPU强大的算力，来处理其他领域问题。”
“之所以放弃CPU，可以想想这个比喻；一个CPU就像一个大学生，微分积分都会算。”
“一个GPU则像很多个中学生，只会算简单的加减乘除，但如果有个工作，需要计算几亿次，100以内的加减乘除，那么几十个中学生，显然是吊打大学生的，而AI模型训练，恰恰就需要这种计算。”
“虽然中学生和大学生，术业有专攻，前提是把一道难题，分解成无数个中学生，能解决的小题才行，现实中，得让开发者，能方便地写出代码，利用上显卡的并行计算能力才行。”
“现任英伟达副总裁的Ian Buck当年进入英伟达后，就继续他的博士课题，带领团队在2006年推出了至今，仍持续迭代的并行计算平台CUDA，如今绝大多数的AI模型，都是利用CUDA开发的。”
“这个想法，在当年是非常有前瞻性的，可能太先锋了，所以外界质疑一片，投资人的担忧，也不难理解，“科学计算”这样的方向，在当时看，全部市场加起来，不过几十亿美元，而2008年，英伟达营收超过40亿美元，净利润达到7.98亿美元。”
“不好好弄潜力巨大的游戏主业，却走多元化路线，有些不够老实，且投入大量人力和资金，在CUDA上的后果就是，金融危机之后，英伟达利润大幅走低，甚至在2009和2010年出现亏损，股价重挫。”
“一时间，华尔街上所有人，都追问黄勋，为什么要做CUDA，甚至华尔街，将CUDA的市场价值，定义为“零”。”
“黄勋后来采访时说，他只知道他押注的是“加速计算”，并相信这是未来，如果这份坚持是对的，那么更大更宽的市场，会向他打开大门。”
“这样的远见和野心，让我想起了国内比亚迪的王福，在电池生意做得风生水起之时，盯住了更大的市场，虽然无法预料电动车市场，到底能否、何时才能启动，但硬着头皮，坚持了下去。”
“而此时的英伟达，离AI产业还隔着一个计算机大赛，上天没有让老黄等太久，2012年，本轮AI浪潮小荷初露尖尖角。”
“当年，后称“深度学习之父”的Jeffery Hinton教授，带着他的两位学生Alex Krizhevsky和Ilya Sutskeverz，参加了全球最为权威的计算机，视觉大赛ImageNet大赛，设计的深度卷积神经网络AlexNet一举夺冠。”
“对了，Ilya Sutskeverz，不是重名，他就是如今OpenAI的首席科学家，他们夺冠的秘诀，竟然来自英伟达。”
“原来，用两张搭载着CUDA的英伟达GTX580显卡训练训练AlexNet，只花一周时间，就搞定了1400万张图片的工作量，这个过程，如果用CPU来做，需要几个月。”
“这标志着整个人工智能历史上，算力的重大突破，一夜之间，GTX580变成了通往未来，最重要的必要装备，很快，谷歌，IBM等各大厂商，还有各个高校实验室，纷纷开始向英伟达订购GPU。”
“也商人也学术的老黄，开始加速打造，为AI设计的GPU硬件，后面的事情，大家大抵可以猜到：计算机大赛后的那一年，也就是2013年，英伟达年报收入，业务分类方法，进行了改版，专门辟出一块“数据中心”。”
这章没有结束，请点击下一页继续阅读！