kirascobol
2023-12-12
nv
@半导体Bot：
九头蛇英伟达，还有多久才会被拉下宝座？
免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。
分享至
微信
复制链接
精彩评论
我们需要你的真知灼见来填补这片空白
打开APP，发表看法
APP内打开
发表看法
{"i18n":{"language":"zh_CN"},"detailType":1,"isChannel":false,"data":{"magic":2,"id":251292649640160,"tweetId":"251292649640160","gmtCreate":1702387934592,"gmtModify":1702387935970,"author":{"id":3576073448098987,"idStr":"3576073448098987","authorId":3576073448098987,"authorIdStr":"3576073448098987","name":"kirascobol","avatar":"https://static.tigerbbs.com/bcf913bc9685b4c2d9c14beeec840ea7","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":1,"individualDisplayBadges":[],"fanSize":1,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"html":"<html><head></head><body><p>nv</p></body></html>","htmlText":"<html><head></head><body><p>nv</p></body></html>","text":"nv","highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/251292649640160","repostId":251335149711664,"repostType":1,"repost":{"magic":2,"id":251335149711664,"tweetId":"251335149711664","gmtCreate":1702369234340,"gmtModify":1702369307359,"author":{"id":10000000000010366,"idStr":"10000000000010366","authorId":10000000000010366,"authorIdStr":"10000000000010366","name":"半导体Bot","avatar":"https://static.tigerbbs.com/8d0e9f632cb989ffc1282913c1284971","vip":8,"userType":8,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"fanSize":492,"starInvestorFlag":false},"themes":[{"themeId":"a67aa784dddf45919b412b3402984ffe","categoryId":"bc7f9e79615545918dda2e7d7cfb9e15","name":"半导体关注","type":0,"rnLink":"https://laohu8.com/RN?name=RNTheme&page=/theme/detail&rndata={\"themeId\":a67aa784dddf45919b412b3402984ffe}&rnconfig={\"headerBarHidden\": true}","description":"讨论半导体公司和行业动态，寻找投资机会","image":"https://static.tigerbbs.com/f1d7fef0b9dc567fd8d3e7ccdf7adaba"}],"images":[{"img":"https://static.tigerbbs.com/00f2084105ade9ebc05d88d007c471c7","width":"618","height":"336"},{"img":"https://static.tigerbbs.com/0f73172ae8eae6cc95eb9ae68f62dd87","width":"1080","height":"675"},{"img":"https://static.tigerbbs.com/6fd5684be7deeac654ad1ba45dd3ba99","width":"1080","height":"699"},{"img":"https://static.tigerbbs.com/ff1814ce3c053276e4a9a03522f7597d","width":"1080","height":"553"},{"img":"https://static.tigerbbs.com/5f9bae1e01e054f61088b69e3b183e55","width":"1080","height":"522"},{"img":"https://static.tigerbbs.com/d1326d401d308ebd31932d386bced6f0","width":"605","height":"289"},{"img":"https://static.tigerbbs.com/a3468e96f0bd868d053e76d0c69999d9","width":"623","height":"458"},{"img":"https://static.tigerbbs.com/f00de29dc2920c573c083adf323e08f3","width":"591","height":"302"},{"img":"https://static.tigerbbs.com/aa3e2eabb0d9a2ce9a9e59b12bf16d7a","width":"1070","height":"469"},{"img":"https://static.tigerbbs.com/4b76dfcc5fb55126a91cb78478f3a387","width":"688","height":"302"},{"img":"https://static.tigerbbs.com/95380b6f0c776c4082360cf058eec98a","width":"689","height":"369"},{"img":"https://static.tigerbbs.com/0a229652195dcdd79ab34fda2f210951","width":"750","height":"500"}],"coverImages":[{"img":"https://static.tigerbbs.com/00f2084105ade9ebc05d88d007c471c7","width":"618","height":"336"},{"img":"https://static.tigerbbs.com/0f73172ae8eae6cc95eb9ae68f62dd87","width":"1080","height":"675"},{"img":"https://static.tigerbbs.com/6fd5684be7deeac654ad1ba45dd3ba99","width":"1080","height":"699"}],"title":"九头蛇英伟达，还有多久才会被拉下宝座？","html":"<html><head></head><body><p>今年以来，风头最盛的科技公司无疑是英伟达，这家位于美国的跨国科技公司可以说是当今世界上最重要的公司之一。但对于普通人来说，过去除了PC消费者和游戏玩家外，许多人甚至都知道这公司是做什么的。今天我们来复盘一下英伟达的成功史，聊聊这家公司在当下能带给我们哪些启示。</p><p style=\"text-align: justify;\"></p><p><strong>创立伊始<br></strong></p><p style=\"text-align: justify;\">英伟达成立于1993年初，由黄仁勋，Chris Malachowsky，Curtis Priem三人在美国东圣何塞的一家路边小餐馆创立。相比于创立于1969年的AMD，英伟达其实是一家更为年轻的公司。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/00f2084105ade9ebc05d88d007c471c7\" tg-width=\"618\" tg-height=\"336\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">但是三位创始人都拥有深厚的相关行业背景。黄仁勋是中国台湾人，五岁时全家移居到了美国。后来成为了一名电气工程师，曾任LSI Logic 硬件总监和AMD微处理器设计师。Chris Malachowsky 是曾在Sun Microsystems工作的工程师；Curtis Priem曾任IBM和 Sun Microsystems的高级工程师和图形芯片设计师。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">创立伊始，三人就认为下一波计算浪潮的正确方向是基于图形计算的加速计算，因为它可以解决通用计算无法解决的问题。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">举例来说，过去的电脑游戏完全依赖CPU进行运算。因为当时游戏主要是在MS-DOS系统下运行，图像简陋，大部分时间是命令行交互。然而，随着游戏技术的不断发展和计算机图形学的进步，越来越多的游戏逐渐从MS-DOS（命令行交互系统）转向Windows（图形交互系统）。随之而来的是视频游戏的数量急剧增加。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/0f73172ae8eae6cc95eb9ae68f62dd87\" tg-width=\"1080\" tg-height=\"675\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">他们当时判断，这类视频游戏在未来将会拥有广阔的市场，而视频游戏所需的图形处理，特别是3D图形，需要大量的浮点数学计算，如何给视频游戏绘制图形，提高动态场景下表现力就是图形计算问题中最具挑战性的问题之一。而CPU中的数学协处理器明显无法满足这些需求。所以电脑图像等图形计算越来越需要专用的图形处理模块。后来GPU的成功也证明了三人对未来的惊人洞察力。视频游戏在未来成为了该公司垄断市场份额的关键领域。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">当然，在当时这一切还并不明朗。英伟达创立的时候，银行里只有4万美元的启动资金。但是由于三人的行业背景与远见，随后就获得了包括红杉资本在内的两千万美元风投资金。英伟达最初没有名字，联合创始人将他们的所有文件命名为 NV，即next version（下一个版本）。组建公司的需要促使三名联合创始人审视所有带有这两个字母的单词，最后他们想到了拉丁语“invidia”，意为“嫉妒”。也就有了后来的英伟达。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\"></p><p><strong>拓荒年代</strong></p><p style=\"text-align: justify;\">尽管拥有着卓越的远见，英伟达在早期也并非一帆风顺。从一开始，黄仁勋就致力于将英伟达打造成一家无晶圆厂芯片公司，即一家只设计产品，将生产外包给其他拥有芯片制造厂或晶圆厂的公司。在搞定了供应链和工厂等相关环节后，英伟达 的第一款芯片 NV1 于1995年正式发布。虽然NV1的开发成本高达1000 万美元（这部分资金主要来自红杉资本和 Sutter Hill Ventures），但不幸的是，该芯片试图囊括过多的功能，最终却未能吸引足够多的付费客户来为此买单，最终无人问津。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">这次失败给了英伟达相当沉重的打击。当时成立仅两年的 英伟达 几乎破产，被迫解雇了一半员工，仅保留了约 40 名员工。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">但是幸运的是，到了1996年中期，计算机图形3D功能的普及使得整个3D图形芯片行业的前景开始变得欣欣向荣了起来。这一年中，英伟达开始为Direct 3D提供支持，最终在游戏开发者的相关社区中建立了自己的地位。该公司还获得了第二轮风险投资融资，专注于为台式电脑市场提供领先的图形技术。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/6fd5684be7deeac654ad1ba45dd3ba99\" tg-width=\"1080\" tg-height=\"699\"><span>图片</span></p><p style=\"text-align: center;\">Riva 128时代的3D游戏</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">随后，英伟达于1997年推出了著名的RIVA系列图形处理器：Riva 128，也叫NV3 。Riva 代表“实时交互式视频和动画”。该显卡同时使用 2D 和 3D 加速以及多边形纹理映射。</p><p style=\"text-align: justify;\">当时 英伟达的竞争对手3dfx主导了市场，但NV3拥有 100MHz核心/内存时钟，基本上是3dfx的Voodoo1规格的两倍。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">NV3 有两种型号：Riva 128 和 Riva 128ZX。后者更强大，具有 8MB VRAM 和250MHz时钟速度。这一系列处理器大获成功，英伟达也因此在市场中更加站稳了脚跟。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">1998 年，英伟达推出了NV4，又名 Riva TNT。该显卡比以前的型号有所改进，支持 32 位真彩色。NV4 还拥有更多 RAM，包括 16MB SDR SDRAM，这意味着它也提供了更高的性能。RIVA TNT的良好性能也巩固了英伟达在开发强大图形适配器方面的声誉。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">大约在这个时候，英伟达开始定期更新显卡驱动程序，以确保最终用户获得良好的性能和兼容性，该公司至今仍在这样做。</p><p style=\"text-align: justify;\">英伟达的Riva TNT当时比3dfx的Vodoo2更便宜，只是性能稍慢一些。但是长期良好的驱动程序支持使得Riva TNT最终获取了成功。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/ff1814ce3c053276e4a9a03522f7597d\" tg-width=\"1080\" tg-height=\"553\"><span>图片</span></p><p style=\"text-align: center;\">Riva TNT时代的3D游戏</p><p style=\"text-align: center;\"></p><p style=\"text-align: justify;\">1999 年，英伟达继NV4之后推出了RIVA TNT2，也就是NV5。NV5（其代号）有更新，包括32位Z缓冲区/模板支持、高达32MB的VRAM和2048x2048纹理支持。更重要的是，这款显卡提高了时钟速度（高达150+MHz），与之前的型号相比，性能提升了17%。该卡是3dfx Voodoo3的直接竞争对手，两者都非常受欢迎。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">在RIVA系列后，1999年末，英伟达发布了世界上第一款GPU：GeForce 256 (NV10)。该款图形处理器可提供卓越的三维图形质量，以120MHz运行并具有四像素管道，实现了先进的视频加速、运动补偿和硬件子图片Alpha混合。该卡支持高达64MB的DDR SDRAM，运行频率高达166MHz。因此，它比NV5快50%。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">更重要的是，GeForce256还完全支持Direct3D 7，这意味着它可以为当时许多最好的PC游戏提供支持。GeForce 256的性能大幅优于现有其他同类产品。英伟达也凭借 GeForce256的发布而声名鹊起。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/5f9bae1e01e054f61088b69e3b183e55\" tg-width=\"1080\" tg-height=\"522\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">一连串的胜利让英伟达在众多制造商里脱颖而出。在此时期，英伟达与著名显卡制造商3dfx Interactive展开了较量，让 GeForce与3dfx Interactive的Voodoo技术展开竞争。3dfx曾是消费3D图形技术领域的先驱，领导着整个行业，但是GeForce256推出后不久，3dfx就破产了，英伟达最终获胜并于2000年收购了3dfx Interactive的剩余资产。而后ATI开始成为英伟达的主要竞争对手。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">这一时期，英伟达也饱受专利战争的打击。1998年，它收到了来自竞争对手的几起专利侵权诉讼，包括Silicon Graphics股份有限公司、S3股份有限公司和3dfx Interactive股份有限公司，所有诉讼都集中在英伟达使用的多纹理技术上。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">与此同时，英伟达的RIVA TNT凭借“我们所见过的最令人印象深刻的二维和三维组合性能”获得了《PC杂志》的编辑选择奖，英伟达连续第二年被无晶圆半导体协会（FSA）评为“最受尊敬的私营无晶圆半导体公司”。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/d1326d401d308ebd31932d386bced6f0\" tg-width=\"605\" tg-height=\"289\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">在98年秋季的COMDEX贸易展上，英伟达推出了英伟达 Vanta，这是一款旨在将台式计算机图形推向企业市场的图形加速器。也同样是这一年里，英伟达于1998年初申请首次公开募股，最终在1999年1月正式上市。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\"></p><p><strong>成长的巨人<br></strong></p><p style=\"text-align: justify;\">2001年伊始，尽管图形处理器市场经历了大幅整合，但仍呈现健康发展态势。1996-2001年，生产图形控制器的公司数量从45家减少到12家。包括S3、NeoMagic和Intel在内的几家主要参与者要么退出了图形市场，要么削减了新产品开发。但这段时间内，英伟达的事业可谓是一番风顺，蒸蒸日上。<br></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">收入和股价方面，英伟达继续创造创纪录的收入，2001年年底收入达到13.7亿美元，几乎是上一年收入的两倍。净利润也大幅增长至1.769亿美元。公司股价从年初的16.50美元上涨到2001年底的66.90美元。2001年12月英伟达取代安然公司跻身标准普尔500指数。<br></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">2003年，随着英伟达在GPU领域的主导地位的巩固（占据超过70%的市场份额）以及向新的细分市场的扩张，推动了其股价的急剧上涨。在过去12个月内，股价上涨近200%，在过去五年内更是翻了五倍以上。英伟达的市值达到500亿美元，其市盈率达到40多倍，正式成为该行业的领军企业。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">市场方面，GeForce系列显卡在市场上占有率逐渐升高直至近乎垄断。此时Nvida在游戏显卡领域的对手已经所剩无几，同时英伟达也开始为各大公司提供定制化图形硬件服务，先后获得了微软Xbox图形硬件的合同与协助设计PlayStation3中的RSX。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/a3468e96f0bd868d053e76d0c69999d9\" tg-width=\"623\" tg-height=\"458\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">2006年，英伟达发布了GeForce8系列，并推出了Tesla微架构。这是该公司的第一个统一着色器设计，也将成为未来显卡中最常用的架构之一。虽然英伟达以GeForce品牌向消费者销售GPU，但该公司以麦克斯韦（Maxwell)、图灵（Turing) 和特斯拉 (Tesla) 等著名科学家的名字命名每一代新一代企业架构产品。其中Tesla架构更是奠定了英伟达GPU未来二十年的基础。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">2010年，英伟达发布了基于其全新Fermi架构的GF100，也是第一个完整的GPU计算架构。2012年，英伟达发布了开普勒（Kepler）架构，该架构以这位因行星运动定律而闻名的天文学家的名字命名。目前英伟达还发布了Maxwell、Pascal、Turing 、Ampere、Hopper等架构，均以历史上著名的科学家为命名。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">这一期间，英伟达也大肆收购扩张自己的技术积累和实力。Exluna，MediaQ，iReady，ULI电子，图形公司，这一连串的名字最终都成为了英伟达的一部分。2008年2月，英伟达 收购了 Ageia，也是著名物理引擎和物理处理单元PhysX的开发商。<strong>这些收购不仅仅为英伟达带来了技术资产，更重要的是促使诞生了后续影响深远的CUDA生态。</strong></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\"></p><p><strong>从游戏到人工智能<br></strong></p><p style=\"text-align: justify;\">尽管很多人认为国内游戏产业相关的政策导致了我国未能出现对应的显卡生产厂商，但事实远不是这么简单。从06年开始的CUDA生态和显卡架构设计来看，英伟达很早就开始选择押宝科学计算领域，并在该领域持续地进行投入，尽管06年前后的英伟达仍然是面向视频游戏的显卡公司。因此，英伟达在AI领域能取得成功更<strong>依赖于先见之明和长期不计回报进行对生态建设与维护，而不仅仅只是游戏业务带来的通用架构。</strong></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">时间回到2006年前后，随着GPU市场形成英伟达和 ATI（2006年被AMD收购）两强并立，英伟达寻求扩大其 GPU技术的使用范围。2004年，该公司开发了日后大名鼎鼎的CUDA，它的表层是一种类似于C++的指令集，用于GPU编程，底层则是一套GPU通用架构系统。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">CUDA不像游戏显卡那样使用3D图形库，而是允许程序员直接对GPU进行编程。这使得他们能够编写大量并行程序来执行高性能浮点处理，例如模拟、可视化和其他需要并行处理大量数据的应用程序。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">2006 年推出CUDA后，英伟达大学和相关领域大力推广这种编程语言。全球200多所大学都提供CUDA课程，生产了大量在英伟达生态下的程序员队伍。CUDA也成为后续英伟达垄断科学计算生态的重要一环。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/f00de29dc2920c573c083adf323e08f3\" tg-width=\"591\" tg-height=\"302\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">CUDA的底层是一种集成到每个英伟达GPU中的计算架构，它可以直接用 C 语言编程来加速数学处理，简化其在并行计算中的使用。这为软件开发人员提供了可以修改的硬件，并彻底拓展了GPU的功能边界。CUDA的首批应用之一是石油和天然气勘探，处理来自地质调查的大量数据。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">2010年，英伟达在人工智能领域取得重大突破，它使用GPU 训练机器学习模型，可以识别YouTube视频中的猫。这是一个重要的里程碑，它向世界展示了GPU在人工智能领域的巨大潜力。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">不过说起来，CUDA及其支持的任何东西在当时都无法为英伟达提供收入驱动因素，所以CUDA存在的意义饱受质疑，至少2010年前后的大多数观察家是这么认为的：”英伟达已经走上了长达十年的迷茫之路。首席执行官黄仁勋将公司游戏业务的所有现金投入到建立一个高度投机的平台上，该平台几乎没有明确的用例，也没有明显的巨大市场机会。”<br></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">“十年来，华尔街一直在问 英伟达，你们为什么要进行这项投资？没有人使用它。他们对我们的市值的估值为 0 美元。” 英伟达深度学习应用研究副总裁Bryan Catanzaro曾说道。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">然后，奇迹发生了。这一奇迹不仅使英伟达成为全球第八大市值公司，而且还推动了此后十年间发生的几乎所有互联网和技术创新。机器学会了如何学习，它们在英伟达提供的平台上学到了这一点。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/aa3e2eabb0d9a2ce9a9e59b12bf16d7a\" tg-width=\"1070\" tg-height=\"469\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">“直到2016年左右，即CUDA 推出10年后，人们突然意识到这是一种截然不同的编写计算机程序的方式。”Catanzaro 说。“它具有变革性的加速，然后在人工智能领域产生突破性的成果。”<br></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">毕竟，英伟达从深度学习探索时期就为那些早期先驱者提供了相应的技术支持。比如，AlexNet是计算机视觉领域的先驱神经网络，由Sutskever、Alex Krizhevsky和他们的博士导师 Geoffrey Hinton所开发。而Sutskever也是OpenAI的联合创始人及首席科学家。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">AlexNet于2012年10月赢得了ImageNet竞赛，实现了前所未有的图像识别精度。也直接导致了下一个十年的人工智能革命——从 Google Photos、Google Translate 和 Uber 到 Alexa和AlphaFold。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">随后，在每一个人工智能的闪光时刻，背后都是英伟达的GPU和CUDA支撑起这些群星闪耀的碎片。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">“2009 年，我记得在NIPS（现在的NeurIPS，人工智能著名顶级学术会议）上发表演讲时，我告诉大约 1000 名研究人员，他们都应该购买GPU，因为GPU将成为机器学习的未来，” 深度学习三巨头之一，Geoff Hinton曾这样说过 。<br></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">也有人认为，英伟达的成功纯粹是运气使然。然而，英伟达自己 并不同意这一评价。该公司坚称，英伟达从2000年代中期就意识到GPU加速神经网络的潜力，即使他们不知道人工智能将成为最重要的市场。“我们确实知道世界上最重要的问题需要加速计算，”英伟达发言人表示。“因此，我们投入巨资自上而下构建CUDA（计算统一设备架构），将通用加速交付到数百万开发人员手中。将CUDA添加到英伟达生产的每个 GPU中是一个巨大的赌注。”</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">英伟达于2007年添加的CUDA计算平台是一个软件和中间件堆栈，允许研究人员编程和访问GPU可以实现的计算能力和并行操作。英伟达内部和外部的专家都强调，如果英伟达没有在 2007年将CUDA添加到其中，深度学习革命就不会发生。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">在英伟达发布CUDA之前，GPU编程是一个漫长而艰巨的过程，需要编写大量低级机器代码。使用免费的CUDA，研究人员可以更快、更便宜地开发深度学习模型。当然，这一切都要在英伟达的硬件上进行。黄仁勋在2022年3月的采访中说 ：“CUDA使GPU变得易于使用，并且为了致力于保持每一代处理器CUDA兼容，英伟达还专门发明了一种新的编程模型。”</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/4b76dfcc5fb55126a91cb78478f3a387\" tg-width=\"688\" tg-height=\"302\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">可以说，没有英伟达和CUDA，AlexNet将无法问世。在过去的二十年中，英伟达一直致力于优化CUDA相关生态，提供高效和全面的相关接口。英伟达在GPU、加速库、系统和应用程序之间不断进行全栈迭代优化，同时通过添加新应用程序加速来扩大其平台的覆盖范围。对于科学、工业和应用的每个领域，英伟达都会创建一个完整的体系。英伟达有150多个SDK，服务于从游戏和设计到生命与地球科学、量子计算、人工智能、网络安全、5G和机器人等行业。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">英伟达从未向CUDA收取过一美元费用。但任何人都可以下载它、学习它、使用它。对于开发人员而言毫无疑问非常高效方便 。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">但是，世界上并没有真正免费的午餐。这里不得不重点强调一下，使用它所构建的一切都无法将其部署在英伟达芯片之外的任何设备上。CUDA与英伟达的硬件是紧密集成的。<strong>硬件捆绑软件，这使得英伟达的生态护城河近乎牢不可破。</strong>在深度学习时代，CUDA的优势和英伟达市场主导地位将其他显卡制造商打得毫无招架之力。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\"></p><p><strong>加速计算时代<br></strong></p><p style=\"text-align: justify;\">当然，英伟达的营收也并不只有AI，在加密货币兴起之时，英伟达也曾因此而大发横财。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">与CPU相比，GPU的计算速度更快、更节能。加密货币挖矿对GPU的需求意味着显卡多年来供不应求，这使得像英伟达 这样的GPU制造商就像加州淘金热期间的镐零售商一样抢手。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">当加密货币挖矿兴起时，英伟达需求激增，该公司甚至专门为加密货币创建了一个简化的GPU。但随着加密货币的崩溃，英伟达立刻遭遇了供需失衡，大量矿卡涌入二手游戏显卡市场，导致全球游戏玩家对英伟达怨声载道。然而对于此时的黄仁勋来说，因为主赛道已经切换到AI市场，他已经不在乎曾经把英伟达抬上垄断地位的游戏玩家群体了。从30系到40系游戏显卡各种缩水高价操作就可以看出，如今的英伟达对游戏玩家群体的轻视毫不掩饰。<br></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">去年年底开始的人工智能投资浪潮将英伟达的市值送上了万亿。许多公司将人工智能视为其未来增长不可或缺的一部分，并在计算基础设施方面进行了大量投资。对国内厂商也是如此，传言字节跳动斥巨资向英伟达购买数以万计的显卡。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/95380b6f0c776c4082360cf058eec98a\" tg-width=\"689\" tg-height=\"369\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">如今，英伟达在许多方面仍在不断进步。在硬件方面，它继续销售用于个人电脑和一些游戏机的GPU，并为服务器制造商、超大规模企业和超级计算机制造商提供计算加速器。在汽车领域它还为自动驾驶汽车制造芯片。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">此外，它还涉足服务业务，为制药公司、制造业和其他行业运营自己的云基础设施。它是一家软件供应商，开发任何人都可以用来加速英伟达硬件计算的通用代码库，以及更具体的工具，例如用于优化半导体制造中光刻阶段的cuLitho软件包。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">正如黄仁勋所认为的那样，当前对于AI的需求正是他所谓的数据中心和加速计算的新黎明。<strong>“世界正在从通用计算向加速计算过渡。”</strong></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">眼前，不论是硅谷还是中国，很多公司都在试图挑战英伟达在人工智能硬件领域的垄断地位，但起码目前来说，在训练GPU这个领域英伟达的地位仍难以取代。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\"><strong>关键问题在于英伟达体系中的三个重要部分被高度捆绑</strong>。一是硬件，一是CUDA软件以及围绕它的所有优化，一是网络和系统。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">虽然从微观到宏观的顺序是软件、硬件和网络，但软件确实很重要。<strong>很多人工智能硬件初创公司都有很好的硬件解决方案，但他们没有很好的软件解决方案。</strong>尽管对于我国的相关公司而言，情况并不完全相同，由于科技战和制裁的存在，许多公司在硬件方向也起步艰难。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">那些试图挑战英伟达的公司都面临以下困境：英伟达的硬件性能已经很卓越了，如果他们希望在硬件性能方面与英伟达竞争并逐渐发展自己的硬件优势，<strong>就必须构建一个与CUDA类似的生态系统。</strong>否则，他们难以吸引足够的客户来采购使用，让他们愿意抛开CUDA的便捷性和高性能来使用新硬件，更不用说逐渐积累技术发展出与英伟达相媲美的硬件。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">然而，如果你没有与英伟达显卡相匹配的硬件性能，构建类似CUDA的生态系统几乎是不切实际的，无从下手。这样的问题已经足够令人头疼，更不用说考虑到多个硬件在网络和系统领域的协同工作情况。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">换而言之，<strong>英伟达就像一条九头蛇，你砍掉一个头还不够，需要同时在多个方向都击败他，才有可能让自己的产品赢得市场空间。</strong>而英伟达在三个赛道上都属于领先位置，大多数公司能够在一个方面与他们竞争就已经难上加难了。除了谷歌，目前可能是拥有完整垂直全体系的最接近英伟达的竞争对手。但谷歌的相关产品都是定制的、内部的和专有的。他们不将其作为解决方案出售，也没有经过市场检验。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/0a229652195dcdd79ab34fda2f210951\" tg-width=\"750\" tg-height=\"500\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">这也是为什么英伟达能垄断人工智能的算力，迄今为止无人抗衡的原因。如果没有外力因素，可能无论谁在AI时代角逐获胜，OpenAI还是Google，英伟达都一直会是赢家之一。但传奇和神话并非牢不可破，地缘政治和科技战的不确定因素已经为英伟达未来的增长蒙上了一层阴影。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">在复杂的国际环境下，尽管要追赶的地方还有很多，但我国的许多企业背靠广阔的市场和坚实的科技政策支持，已经从艰难困境中看到了初步的希望。道阻且长，还望今朝相关从业者共勉。 <a data-mention-id=\"NVDA\" class=\"teditor-mention\" data-mention-name=\"英伟达\" href=\"https://laohu8.com/S/NVDA\">$英伟达(NVDA)$</a> </p><p>来源：微信公众号 海兰云UDC</p></body></html>","htmlText":"<html><head></head><body><p>今年以来，风头最盛的科技公司无疑是英伟达，这家位于美国的跨国科技公司可以说是当今世界上最重要的公司之一。但对于普通人来说，过去除了PC消费者和游戏玩家外，许多人甚至都知道这公司是做什么的。今天我们来复盘一下英伟达的成功史，聊聊这家公司在当下能带给我们哪些启示。</p><p style=\"text-align: justify;\"></p><p><strong>创立伊始<br></strong></p><p style=\"text-align: justify;\">英伟达成立于1993年初，由黄仁勋，Chris Malachowsky，Curtis Priem三人在美国东圣何塞的一家路边小餐馆创立。相比于创立于1969年的AMD，英伟达其实是一家更为年轻的公司。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/00f2084105ade9ebc05d88d007c471c7\" tg-width=\"618\" tg-height=\"336\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">但是三位创始人都拥有深厚的相关行业背景。黄仁勋是中国台湾人，五岁时全家移居到了美国。后来成为了一名电气工程师，曾任LSI Logic 硬件总监和AMD微处理器设计师。Chris Malachowsky 是曾在Sun Microsystems工作的工程师；Curtis Priem曾任IBM和 Sun Microsystems的高级工程师和图形芯片设计师。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">创立伊始，三人就认为下一波计算浪潮的正确方向是基于图形计算的加速计算，因为它可以解决通用计算无法解决的问题。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">举例来说，过去的电脑游戏完全依赖CPU进行运算。因为当时游戏主要是在MS-DOS系统下运行，图像简陋，大部分时间是命令行交互。然而，随着游戏技术的不断发展和计算机图形学的进步，越来越多的游戏逐渐从MS-DOS（命令行交互系统）转向Windows（图形交互系统）。随之而来的是视频游戏的数量急剧增加。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/0f73172ae8eae6cc95eb9ae68f62dd87\" tg-width=\"1080\" tg-height=\"675\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">他们当时判断，这类视频游戏在未来将会拥有广阔的市场，而视频游戏所需的图形处理，特别是3D图形，需要大量的浮点数学计算，如何给视频游戏绘制图形，提高动态场景下表现力就是图形计算问题中最具挑战性的问题之一。而CPU中的数学协处理器明显无法满足这些需求。所以电脑图像等图形计算越来越需要专用的图形处理模块。后来GPU的成功也证明了三人对未来的惊人洞察力。视频游戏在未来成为了该公司垄断市场份额的关键领域。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">当然，在当时这一切还并不明朗。英伟达创立的时候，银行里只有4万美元的启动资金。但是由于三人的行业背景与远见，随后就获得了包括红杉资本在内的两千万美元风投资金。英伟达最初没有名字，联合创始人将他们的所有文件命名为 NV，即next version（下一个版本）。组建公司的需要促使三名联合创始人审视所有带有这两个字母的单词，最后他们想到了拉丁语“invidia”，意为“嫉妒”。也就有了后来的英伟达。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\"></p><p><strong>拓荒年代</strong></p><p style=\"text-align: justify;\">尽管拥有着卓越的远见，英伟达在早期也并非一帆风顺。从一开始，黄仁勋就致力于将英伟达打造成一家无晶圆厂芯片公司，即一家只设计产品，将生产外包给其他拥有芯片制造厂或晶圆厂的公司。在搞定了供应链和工厂等相关环节后，英伟达 的第一款芯片 NV1 于1995年正式发布。虽然NV1的开发成本高达1000 万美元（这部分资金主要来自红杉资本和 Sutter Hill Ventures），但不幸的是，该芯片试图囊括过多的功能，最终却未能吸引足够多的付费客户来为此买单，最终无人问津。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">这次失败给了英伟达相当沉重的打击。当时成立仅两年的 英伟达 几乎破产，被迫解雇了一半员工，仅保留了约 40 名员工。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">但是幸运的是，到了1996年中期，计算机图形3D功能的普及使得整个3D图形芯片行业的前景开始变得欣欣向荣了起来。这一年中，英伟达开始为Direct 3D提供支持，最终在游戏开发者的相关社区中建立了自己的地位。该公司还获得了第二轮风险投资融资，专注于为台式电脑市场提供领先的图形技术。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/6fd5684be7deeac654ad1ba45dd3ba99\" tg-width=\"1080\" tg-height=\"699\"><span>图片</span></p><p style=\"text-align: center;\">Riva 128时代的3D游戏</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">随后，英伟达于1997年推出了著名的RIVA系列图形处理器：Riva 128，也叫NV3 。Riva 代表“实时交互式视频和动画”。该显卡同时使用 2D 和 3D 加速以及多边形纹理映射。</p><p style=\"text-align: justify;\">当时 英伟达的竞争对手3dfx主导了市场，但NV3拥有 100MHz核心/内存时钟，基本上是3dfx的Voodoo1规格的两倍。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">NV3 有两种型号：Riva 128 和 Riva 128ZX。后者更强大，具有 8MB VRAM 和250MHz时钟速度。这一系列处理器大获成功，英伟达也因此在市场中更加站稳了脚跟。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">1998 年，英伟达推出了NV4，又名 Riva TNT。该显卡比以前的型号有所改进，支持 32 位真彩色。NV4 还拥有更多 RAM，包括 16MB SDR SDRAM，这意味着它也提供了更高的性能。RIVA TNT的良好性能也巩固了英伟达在开发强大图形适配器方面的声誉。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">大约在这个时候，英伟达开始定期更新显卡驱动程序，以确保最终用户获得良好的性能和兼容性，该公司至今仍在这样做。</p><p style=\"text-align: justify;\">英伟达的Riva TNT当时比3dfx的Vodoo2更便宜，只是性能稍慢一些。但是长期良好的驱动程序支持使得Riva TNT最终获取了成功。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/ff1814ce3c053276e4a9a03522f7597d\" tg-width=\"1080\" tg-height=\"553\"><span>图片</span></p><p style=\"text-align: center;\">Riva TNT时代的3D游戏</p><p style=\"text-align: center;\"></p><p style=\"text-align: justify;\">1999 年，英伟达继NV4之后推出了RIVA TNT2，也就是NV5。NV5（其代号）有更新，包括32位Z缓冲区/模板支持、高达32MB的VRAM和2048x2048纹理支持。更重要的是，这款显卡提高了时钟速度（高达150+MHz），与之前的型号相比，性能提升了17%。该卡是3dfx Voodoo3的直接竞争对手，两者都非常受欢迎。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">在RIVA系列后，1999年末，英伟达发布了世界上第一款GPU：GeForce 256 (NV10)。该款图形处理器可提供卓越的三维图形质量，以120MHz运行并具有四像素管道，实现了先进的视频加速、运动补偿和硬件子图片Alpha混合。该卡支持高达64MB的DDR SDRAM，运行频率高达166MHz。因此，它比NV5快50%。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">更重要的是，GeForce256还完全支持Direct3D 7，这意味着它可以为当时许多最好的PC游戏提供支持。GeForce 256的性能大幅优于现有其他同类产品。英伟达也凭借 GeForce256的发布而声名鹊起。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/5f9bae1e01e054f61088b69e3b183e55\" tg-width=\"1080\" tg-height=\"522\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">一连串的胜利让英伟达在众多制造商里脱颖而出。在此时期，英伟达与著名显卡制造商3dfx Interactive展开了较量，让 GeForce与3dfx Interactive的Voodoo技术展开竞争。3dfx曾是消费3D图形技术领域的先驱，领导着整个行业，但是GeForce256推出后不久，3dfx就破产了，英伟达最终获胜并于2000年收购了3dfx Interactive的剩余资产。而后ATI开始成为英伟达的主要竞争对手。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">这一时期，英伟达也饱受专利战争的打击。1998年，它收到了来自竞争对手的几起专利侵权诉讼，包括Silicon Graphics股份有限公司、S3股份有限公司和3dfx Interactive股份有限公司，所有诉讼都集中在英伟达使用的多纹理技术上。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">与此同时，英伟达的RIVA TNT凭借“我们所见过的最令人印象深刻的二维和三维组合性能”获得了《PC杂志》的编辑选择奖，英伟达连续第二年被无晶圆半导体协会（FSA）评为“最受尊敬的私营无晶圆半导体公司”。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/d1326d401d308ebd31932d386bced6f0\" tg-width=\"605\" tg-height=\"289\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">在98年秋季的COMDEX贸易展上，英伟达推出了英伟达 Vanta，这是一款旨在将台式计算机图形推向企业市场的图形加速器。也同样是这一年里，英伟达于1998年初申请首次公开募股，最终在1999年1月正式上市。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\"></p><p><strong>成长的巨人<br></strong></p><p style=\"text-align: justify;\">2001年伊始，尽管图形处理器市场经历了大幅整合，但仍呈现健康发展态势。1996-2001年，生产图形控制器的公司数量从45家减少到12家。包括S3、NeoMagic和Intel在内的几家主要参与者要么退出了图形市场，要么削减了新产品开发。但这段时间内，英伟达的事业可谓是一番风顺，蒸蒸日上。<br></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">收入和股价方面，英伟达继续创造创纪录的收入，2001年年底收入达到13.7亿美元，几乎是上一年收入的两倍。净利润也大幅增长至1.769亿美元。公司股价从年初的16.50美元上涨到2001年底的66.90美元。2001年12月英伟达取代安然公司跻身标准普尔500指数。<br></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">2003年，随着英伟达在GPU领域的主导地位的巩固（占据超过70%的市场份额）以及向新的细分市场的扩张，推动了其股价的急剧上涨。在过去12个月内，股价上涨近200%，在过去五年内更是翻了五倍以上。英伟达的市值达到500亿美元，其市盈率达到40多倍，正式成为该行业的领军企业。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">市场方面，GeForce系列显卡在市场上占有率逐渐升高直至近乎垄断。此时Nvida在游戏显卡领域的对手已经所剩无几，同时英伟达也开始为各大公司提供定制化图形硬件服务，先后获得了微软Xbox图形硬件的合同与协助设计PlayStation3中的RSX。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/a3468e96f0bd868d053e76d0c69999d9\" tg-width=\"623\" tg-height=\"458\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">2006年，英伟达发布了GeForce8系列，并推出了Tesla微架构。这是该公司的第一个统一着色器设计，也将成为未来显卡中最常用的架构之一。虽然英伟达以GeForce品牌向消费者销售GPU，但该公司以麦克斯韦（Maxwell)、图灵（Turing) 和特斯拉 (Tesla) 等著名科学家的名字命名每一代新一代企业架构产品。其中Tesla架构更是奠定了英伟达GPU未来二十年的基础。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">2010年，英伟达发布了基于其全新Fermi架构的GF100，也是第一个完整的GPU计算架构。2012年，英伟达发布了开普勒（Kepler）架构，该架构以这位因行星运动定律而闻名的天文学家的名字命名。目前英伟达还发布了Maxwell、Pascal、Turing 、Ampere、Hopper等架构，均以历史上著名的科学家为命名。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">这一期间，英伟达也大肆收购扩张自己的技术积累和实力。Exluna，MediaQ，iReady，ULI电子，图形公司，这一连串的名字最终都成为了英伟达的一部分。2008年2月，英伟达 收购了 Ageia，也是著名物理引擎和物理处理单元PhysX的开发商。<strong>这些收购不仅仅为英伟达带来了技术资产，更重要的是促使诞生了后续影响深远的CUDA生态。</strong></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\"></p><p><strong>从游戏到人工智能<br></strong></p><p style=\"text-align: justify;\">尽管很多人认为国内游戏产业相关的政策导致了我国未能出现对应的显卡生产厂商，但事实远不是这么简单。从06年开始的CUDA生态和显卡架构设计来看，英伟达很早就开始选择押宝科学计算领域，并在该领域持续地进行投入，尽管06年前后的英伟达仍然是面向视频游戏的显卡公司。因此，英伟达在AI领域能取得成功更<strong>依赖于先见之明和长期不计回报进行对生态建设与维护，而不仅仅只是游戏业务带来的通用架构。</strong></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">时间回到2006年前后，随着GPU市场形成英伟达和 ATI（2006年被AMD收购）两强并立，英伟达寻求扩大其 GPU技术的使用范围。2004年，该公司开发了日后大名鼎鼎的CUDA，它的表层是一种类似于C++的指令集，用于GPU编程，底层则是一套GPU通用架构系统。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">CUDA不像游戏显卡那样使用3D图形库，而是允许程序员直接对GPU进行编程。这使得他们能够编写大量并行程序来执行高性能浮点处理，例如模拟、可视化和其他需要并行处理大量数据的应用程序。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">2006 年推出CUDA后，英伟达大学和相关领域大力推广这种编程语言。全球200多所大学都提供CUDA课程，生产了大量在英伟达生态下的程序员队伍。CUDA也成为后续英伟达垄断科学计算生态的重要一环。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/f00de29dc2920c573c083adf323e08f3\" tg-width=\"591\" tg-height=\"302\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">CUDA的底层是一种集成到每个英伟达GPU中的计算架构，它可以直接用 C 语言编程来加速数学处理，简化其在并行计算中的使用。这为软件开发人员提供了可以修改的硬件，并彻底拓展了GPU的功能边界。CUDA的首批应用之一是石油和天然气勘探，处理来自地质调查的大量数据。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">2010年，英伟达在人工智能领域取得重大突破，它使用GPU 训练机器学习模型，可以识别YouTube视频中的猫。这是一个重要的里程碑，它向世界展示了GPU在人工智能领域的巨大潜力。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">不过说起来，CUDA及其支持的任何东西在当时都无法为英伟达提供收入驱动因素，所以CUDA存在的意义饱受质疑，至少2010年前后的大多数观察家是这么认为的：”英伟达已经走上了长达十年的迷茫之路。首席执行官黄仁勋将公司游戏业务的所有现金投入到建立一个高度投机的平台上，该平台几乎没有明确的用例，也没有明显的巨大市场机会。”<br></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">“十年来，华尔街一直在问 英伟达，你们为什么要进行这项投资？没有人使用它。他们对我们的市值的估值为 0 美元。” 英伟达深度学习应用研究副总裁Bryan Catanzaro曾说道。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">然后，奇迹发生了。这一奇迹不仅使英伟达成为全球第八大市值公司，而且还推动了此后十年间发生的几乎所有互联网和技术创新。机器学会了如何学习，它们在英伟达提供的平台上学到了这一点。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/aa3e2eabb0d9a2ce9a9e59b12bf16d7a\" tg-width=\"1070\" tg-height=\"469\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">“直到2016年左右，即CUDA 推出10年后，人们突然意识到这是一种截然不同的编写计算机程序的方式。”Catanzaro 说。“它具有变革性的加速，然后在人工智能领域产生突破性的成果。”<br></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">毕竟，英伟达从深度学习探索时期就为那些早期先驱者提供了相应的技术支持。比如，AlexNet是计算机视觉领域的先驱神经网络，由Sutskever、Alex Krizhevsky和他们的博士导师 Geoffrey Hinton所开发。而Sutskever也是OpenAI的联合创始人及首席科学家。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">AlexNet于2012年10月赢得了ImageNet竞赛，实现了前所未有的图像识别精度。也直接导致了下一个十年的人工智能革命——从 Google Photos、Google Translate 和 Uber 到 Alexa和AlphaFold。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">随后，在每一个人工智能的闪光时刻，背后都是英伟达的GPU和CUDA支撑起这些群星闪耀的碎片。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">“2009 年，我记得在NIPS（现在的NeurIPS，人工智能著名顶级学术会议）上发表演讲时，我告诉大约 1000 名研究人员，他们都应该购买GPU，因为GPU将成为机器学习的未来，” 深度学习三巨头之一，Geoff Hinton曾这样说过 。<br></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">也有人认为，英伟达的成功纯粹是运气使然。然而，英伟达自己 并不同意这一评价。该公司坚称，英伟达从2000年代中期就意识到GPU加速神经网络的潜力，即使他们不知道人工智能将成为最重要的市场。“我们确实知道世界上最重要的问题需要加速计算，”英伟达发言人表示。“因此，我们投入巨资自上而下构建CUDA（计算统一设备架构），将通用加速交付到数百万开发人员手中。将CUDA添加到英伟达生产的每个 GPU中是一个巨大的赌注。”</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">英伟达于2007年添加的CUDA计算平台是一个软件和中间件堆栈，允许研究人员编程和访问GPU可以实现的计算能力和并行操作。英伟达内部和外部的专家都强调，如果英伟达没有在 2007年将CUDA添加到其中，深度学习革命就不会发生。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">在英伟达发布CUDA之前，GPU编程是一个漫长而艰巨的过程，需要编写大量低级机器代码。使用免费的CUDA，研究人员可以更快、更便宜地开发深度学习模型。当然，这一切都要在英伟达的硬件上进行。黄仁勋在2022年3月的采访中说 ：“CUDA使GPU变得易于使用，并且为了致力于保持每一代处理器CUDA兼容，英伟达还专门发明了一种新的编程模型。”</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/4b76dfcc5fb55126a91cb78478f3a387\" tg-width=\"688\" tg-height=\"302\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">可以说，没有英伟达和CUDA，AlexNet将无法问世。在过去的二十年中，英伟达一直致力于优化CUDA相关生态，提供高效和全面的相关接口。英伟达在GPU、加速库、系统和应用程序之间不断进行全栈迭代优化，同时通过添加新应用程序加速来扩大其平台的覆盖范围。对于科学、工业和应用的每个领域，英伟达都会创建一个完整的体系。英伟达有150多个SDK，服务于从游戏和设计到生命与地球科学、量子计算、人工智能、网络安全、5G和机器人等行业。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">英伟达从未向CUDA收取过一美元费用。但任何人都可以下载它、学习它、使用它。对于开发人员而言毫无疑问非常高效方便 。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">但是，世界上并没有真正免费的午餐。这里不得不重点强调一下，使用它所构建的一切都无法将其部署在英伟达芯片之外的任何设备上。CUDA与英伟达的硬件是紧密集成的。<strong>硬件捆绑软件，这使得英伟达的生态护城河近乎牢不可破。</strong>在深度学习时代，CUDA的优势和英伟达市场主导地位将其他显卡制造商打得毫无招架之力。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\"></p><p><strong>加速计算时代<br></strong></p><p style=\"text-align: justify;\">当然，英伟达的营收也并不只有AI，在加密货币兴起之时，英伟达也曾因此而大发横财。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">与CPU相比，GPU的计算速度更快、更节能。加密货币挖矿对GPU的需求意味着显卡多年来供不应求，这使得像英伟达 这样的GPU制造商就像加州淘金热期间的镐零售商一样抢手。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">当加密货币挖矿兴起时，英伟达需求激增，该公司甚至专门为加密货币创建了一个简化的GPU。但随着加密货币的崩溃，英伟达立刻遭遇了供需失衡，大量矿卡涌入二手游戏显卡市场，导致全球游戏玩家对英伟达怨声载道。然而对于此时的黄仁勋来说，因为主赛道已经切换到AI市场，他已经不在乎曾经把英伟达抬上垄断地位的游戏玩家群体了。从30系到40系游戏显卡各种缩水高价操作就可以看出，如今的英伟达对游戏玩家群体的轻视毫不掩饰。<br></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">去年年底开始的人工智能投资浪潮将英伟达的市值送上了万亿。许多公司将人工智能视为其未来增长不可或缺的一部分，并在计算基础设施方面进行了大量投资。对国内厂商也是如此，传言字节跳动斥巨资向英伟达购买数以万计的显卡。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/95380b6f0c776c4082360cf058eec98a\" tg-width=\"689\" tg-height=\"369\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">如今，英伟达在许多方面仍在不断进步。在硬件方面，它继续销售用于个人电脑和一些游戏机的GPU，并为服务器制造商、超大规模企业和超级计算机制造商提供计算加速器。在汽车领域它还为自动驾驶汽车制造芯片。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">此外，它还涉足服务业务，为制药公司、制造业和其他行业运营自己的云基础设施。它是一家软件供应商，开发任何人都可以用来加速英伟达硬件计算的通用代码库，以及更具体的工具，例如用于优化半导体制造中光刻阶段的cuLitho软件包。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">正如黄仁勋所认为的那样，当前对于AI的需求正是他所谓的数据中心和加速计算的新黎明。<strong>“世界正在从通用计算向加速计算过渡。”</strong></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">眼前，不论是硅谷还是中国，很多公司都在试图挑战英伟达在人工智能硬件领域的垄断地位，但起码目前来说，在训练GPU这个领域英伟达的地位仍难以取代。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\"><strong>关键问题在于英伟达体系中的三个重要部分被高度捆绑</strong>。一是硬件，一是CUDA软件以及围绕它的所有优化，一是网络和系统。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">虽然从微观到宏观的顺序是软件、硬件和网络，但软件确实很重要。<strong>很多人工智能硬件初创公司都有很好的硬件解决方案，但他们没有很好的软件解决方案。</strong>尽管对于我国的相关公司而言，情况并不完全相同，由于科技战和制裁的存在，许多公司在硬件方向也起步艰难。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">那些试图挑战英伟达的公司都面临以下困境：英伟达的硬件性能已经很卓越了，如果他们希望在硬件性能方面与英伟达竞争并逐渐发展自己的硬件优势，<strong>就必须构建一个与CUDA类似的生态系统。</strong>否则，他们难以吸引足够的客户来采购使用，让他们愿意抛开CUDA的便捷性和高性能来使用新硬件，更不用说逐渐积累技术发展出与英伟达相媲美的硬件。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">然而，如果你没有与英伟达显卡相匹配的硬件性能，构建类似CUDA的生态系统几乎是不切实际的，无从下手。这样的问题已经足够令人头疼，更不用说考虑到多个硬件在网络和系统领域的协同工作情况。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">换而言之，<strong>英伟达就像一条九头蛇，你砍掉一个头还不够，需要同时在多个方向都击败他，才有可能让自己的产品赢得市场空间。</strong>而英伟达在三个赛道上都属于领先位置，大多数公司能够在一个方面与他们竞争就已经难上加难了。除了谷歌，目前可能是拥有完整垂直全体系的最接近英伟达的竞争对手。但谷歌的相关产品都是定制的、内部的和专有的。他们不将其作为解决方案出售，也没有经过市场检验。</p><p style=\"text-align: justify;\"></p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/0a229652195dcdd79ab34fda2f210951\" tg-width=\"750\" tg-height=\"500\"><span>图片</span></p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">这也是为什么英伟达能垄断人工智能的算力，迄今为止无人抗衡的原因。如果没有外力因素，可能无论谁在AI时代角逐获胜，OpenAI还是Google，英伟达都一直会是赢家之一。但传奇和神话并非牢不可破，地缘政治和科技战的不确定因素已经为英伟达未来的增长蒙上了一层阴影。</p><p style=\"text-align: justify;\"></p><p style=\"text-align: justify;\">在复杂的国际环境下，尽管要追赶的地方还有很多，但我国的许多企业背靠广阔的市场和坚实的科技政策支持，已经从艰难困境中看到了初步的希望。道阻且长，还望今朝相关从业者共勉。 <a data-mention-id=\"NVDA\" class=\"teditor-mention\" data-mention-name=\"英伟达\" href=\"https://laohu8.com/S/NVDA\">$英伟达(NVDA)$</a> </p><p>来源：微信公众号 海兰云UDC</p></body></html>","text":"今年以来，风头最盛的科技公司无疑是英伟达，这家位于美国的跨国科技公司可以说是当今世界上最重要的公司之一。但对于普通人来说，过去除了PC消费者和游戏玩家外，许多人甚至都知道这公司是做什么的。今天我们来复盘一下英伟达的成功史，聊聊这家公司在当下能带给我们哪些启示。 创立伊始 英伟达成立于1993年初，由黄仁勋，Chris Malachowsky，Curtis Priem三人在美国东圣何塞的一家路边小餐馆创立。相比于创立于1969年的AMD，英伟达其实是一家更为年轻的公司。 图片 但是三位创始人都拥有深厚的相关行业背景。黄仁勋是中国台湾人，五岁时全家移居到了美国。后来成为了一名电气工程师，曾任LSI Logic 硬件总监和AMD微处理器设计师。Chris Malachowsky 是曾在Sun Microsystems工作的工程师；Curtis Priem曾任IBM和 Sun Microsystems的高级工程师和图形芯片设计师。 创立伊始，三人就认为下一波计算浪潮的正确方向是基于图形计算的加速计算，因为它可以解决通用计算无法解决的问题。 举例来说，过去的电脑游戏完全依赖CPU进行运算。因为当时游戏主要是在MS-DOS系统下运行，图像简陋，大部分时间是命令行交互。然而，随着游戏技术的不断发展和计算机图形学的进步，越来越多的游戏逐渐从MS-DOS（命令行交互系统）转向Windows（图形交互系统）。随之而来的是视频游戏的数量急剧增加。 图片 他们当时判断，这类视频游戏在未来将会拥有广阔的市场，而视频游戏所需的图形处理，特别是3D图形，需要大量的浮点数学计算，如何给视频游戏绘制图形，提高动态场景下表现力就是图形计算问题中最具挑战性的问题之一。而CPU中的数学协处理器明显无法满足这些需求。所以电脑图像等图形计算越来越需要专用的图形处理模块。后来GPU的成功也证明了三人对未来的惊人洞察力。视频游戏在未来成为了该公司垄断市场份额的关键领域。 当然，在当时这一切还并不明朗。英伟达创立的时候，银行里只有4万美元的启动资金。但是由于三人的行业背景与远见，随后就获得了包括红杉资本在内的两千万美元风投资金。英伟达最初没有名字，联合创始人将他们的所有文件命名为 NV，即next version（下一个版本）。组建公司的需要促使三名联合创始人审视所有带有这两个字母的单词，最后他们想到了拉丁语“invidia”，意为“嫉妒”。也就有了后来的英伟达。 拓荒年代 尽管拥有着卓越的远见，英伟达在早期也并非一帆风顺。从一开始，黄仁勋就致力于将英伟达打造成一家无晶圆厂芯片公司，即一家只设计产品，将生产外包给其他拥有芯片制造厂或晶圆厂的公司。在搞定了供应链和工厂等相关环节后，英伟达 的第一款芯片 NV1 于1995年正式发布。虽然NV1的开发成本高达1000 万美元（这部分资金主要来自红杉资本和 Sutter Hill Ventures），但不幸的是，该芯片试图囊括过多的功能，最终却未能吸引足够多的付费客户来为此买单，最终无人问津。 这次失败给了英伟达相当沉重的打击。当时成立仅两年的 英伟达 几乎破产，被迫解雇了一半员工，仅保留了约 40 名员工。 但是幸运的是，到了1996年中期，计算机图形3D功能的普及使得整个3D图形芯片行业的前景开始变得欣欣向荣了起来。这一年中，英伟达开始为Direct 3D提供支持，最终在游戏开发者的相关社区中建立了自己的地位。该公司还获得了第二轮风险投资融资，专注于为台式电脑市场提供领先的图形技术。 图片 Riva 128时代的3D游戏 随后，英伟达于1997年推出了著名的RIVA系列图形处理器：Riva 128，也叫NV3 。Riva 代表“实时交互式视频和动画”。该显卡同时使用 2D 和 3D 加速以及多边形纹理映射。 当时 英伟达的竞争对手3dfx主导了市场，但NV3拥有 100MHz核心/内存时钟，基本上是3dfx的Voodoo1规格的两倍。 NV3 有两种型号：Riva 128 和 Riva 128ZX。后者更强大，具有 8MB VRAM 和250MHz时钟速度。这一系列处理器大获成功，英伟达也因此在市场中更加站稳了脚跟。 1998 年，英伟达推出了NV4，又名 Riva TNT。该显卡比以前的型号有所改进，支持 32 位真彩色。NV4 还拥有更多 RAM，包括 16MB SDR SDRAM，这意味着它也提供了更高的性能。RIVA TNT的良好性能也巩固了英伟达在开发强大图形适配器方面的声誉。 大约在这个时候，英伟达开始定期更新显卡驱动程序，以确保最终用户获得良好的性能和兼容性，该公司至今仍在这样做。 英伟达的Riva TNT当时比3dfx的Vodoo2更便宜，只是性能稍慢一些。但是长期良好的驱动程序支持使得Riva TNT最终获取了成功。 图片 Riva TNT时代的3D游戏 1999 年，英伟达继NV4之后推出了RIVA TNT2，也就是NV5。NV5（其代号）有更新，包括32位Z缓冲区/模板支持、高达32MB的VRAM和2048x2048纹理支持。更重要的是，这款显卡提高了时钟速度（高达150+MHz），与之前的型号相比，性能提升了17%。该卡是3dfx Voodoo3的直接竞争对手，两者都非常受欢迎。 在RIVA系列后，1999年末，英伟达发布了世界上第一款GPU：GeForce 256 (NV10)。该款图形处理器可提供卓越的三维图形质量，以120MHz运行并具有四像素管道，实现了先进的视频加速、运动补偿和硬件子图片Alpha混合。该卡支持高达64MB的DDR SDRAM，运行频率高达166MHz。因此，它比NV5快50%。 更重要的是，GeForce256还完全支持Direct3D 7，这意味着它可以为当时许多最好的PC游戏提供支持。GeForce 256的性能大幅优于现有其他同类产品。英伟达也凭借 GeForce256的发布而声名鹊起。 图片 一连串的胜利让英伟达在众多制造商里脱颖而出。在此时期，英伟达与著名显卡制造商3dfx Interactive展开了较量，让 GeForce与3dfx Interactive的Voodoo技术展开竞争。3dfx曾是消费3D图形技术领域的先驱，领导着整个行业，但是GeForce256推出后不久，3dfx就破产了，英伟达最终获胜并于2000年收购了3dfx Interactive的剩余资产。而后ATI开始成为英伟达的主要竞争对手。 这一时期，英伟达也饱受专利战争的打击。1998年，它收到了来自竞争对手的几起专利侵权诉讼，包括Silicon Graphics股份有限公司、S3股份有限公司和3dfx Interactive股份有限公司，所有诉讼都集中在英伟达使用的多纹理技术上。 与此同时，英伟达的RIVA TNT凭借“我们所见过的最令人印象深刻的二维和三维组合性能”获得了《PC杂志》的编辑选择奖，英伟达连续第二年被无晶圆半导体协会（FSA）评为“最受尊敬的私营无晶圆半导体公司”。 图片 在98年秋季的COMDEX贸易展上，英伟达推出了英伟达 Vanta，这是一款旨在将台式计算机图形推向企业市场的图形加速器。也同样是这一年里，英伟达于1998年初申请首次公开募股，最终在1999年1月正式上市。 成长的巨人 2001年伊始，尽管图形处理器市场经历了大幅整合，但仍呈现健康发展态势。1996-2001年，生产图形控制器的公司数量从45家减少到12家。包括S3、NeoMagic和Intel在内的几家主要参与者要么退出了图形市场，要么削减了新产品开发。但这段时间内，英伟达的事业可谓是一番风顺，蒸蒸日上。 收入和股价方面，英伟达继续创造创纪录的收入，2001年年底收入达到13.7亿美元，几乎是上一年收入的两倍。净利润也大幅增长至1.769亿美元。公司股价从年初的16.50美元上涨到2001年底的66.90美元。2001年12月英伟达取代安然公司跻身标准普尔500指数。 2003年，随着英伟达在GPU领域的主导地位的巩固（占据超过70%的市场份额）以及向新的细分市场的扩张，推动了其股价的急剧上涨。在过去12个月内，股价上涨近200%，在过去五年内更是翻了五倍以上。英伟达的市值达到500亿美元，其市盈率达到40多倍，正式成为该行业的领军企业。 市场方面，GeForce系列显卡在市场上占有率逐渐升高直至近乎垄断。此时Nvida在游戏显卡领域的对手已经所剩无几，同时英伟达也开始为各大公司提供定制化图形硬件服务，先后获得了微软Xbox图形硬件的合同与协助设计PlayStation3中的RSX。 图片 2006年，英伟达发布了GeForce8系列，并推出了Tesla微架构。这是该公司的第一个统一着色器设计，也将成为未来显卡中最常用的架构之一。虽然英伟达以GeForce品牌向消费者销售GPU，但该公司以麦克斯韦（Maxwell)、图灵（Turing) 和特斯拉 (Tesla) 等著名科学家的名字命名每一代新一代企业架构产品。其中Tesla架构更是奠定了英伟达GPU未来二十年的基础。 2010年，英伟达发布了基于其全新Fermi架构的GF100，也是第一个完整的GPU计算架构。2012年，英伟达发布了开普勒（Kepler）架构，该架构以这位因行星运动定律而闻名的天文学家的名字命名。目前英伟达还发布了Maxwell、Pascal、Turing 、Ampere、Hopper等架构，均以历史上著名的科学家为命名。 这一期间，英伟达也大肆收购扩张自己的技术积累和实力。Exluna，MediaQ，iReady，ULI电子，图形公司，这一连串的名字最终都成为了英伟达的一部分。2008年2月，英伟达 收购了 Ageia，也是著名物理引擎和物理处理单元PhysX的开发商。这些收购不仅仅为英伟达带来了技术资产，更重要的是促使诞生了后续影响深远的CUDA生态。 从游戏到人工智能 尽管很多人认为国内游戏产业相关的政策导致了我国未能出现对应的显卡生产厂商，但事实远不是这么简单。从06年开始的CUDA生态和显卡架构设计来看，英伟达很早就开始选择押宝科学计算领域，并在该领域持续地进行投入，尽管06年前后的英伟达仍然是面向视频游戏的显卡公司。因此，英伟达在AI领域能取得成功更依赖于先见之明和长期不计回报进行对生态建设与维护，而不仅仅只是游戏业务带来的通用架构。 时间回到2006年前后，随着GPU市场形成英伟达和 ATI（2006年被AMD收购）两强并立，英伟达寻求扩大其 GPU技术的使用范围。2004年，该公司开发了日后大名鼎鼎的CUDA，它的表层是一种类似于C++的指令集，用于GPU编程，底层则是一套GPU通用架构系统。 CUDA不像游戏显卡那样使用3D图形库，而是允许程序员直接对GPU进行编程。这使得他们能够编写大量并行程序来执行高性能浮点处理，例如模拟、可视化和其他需要并行处理大量数据的应用程序。 2006 年推出CUDA后，英伟达大学和相关领域大力推广这种编程语言。全球200多所大学都提供CUDA课程，生产了大量在英伟达生态下的程序员队伍。CUDA也成为后续英伟达垄断科学计算生态的重要一环。 图片 CUDA的底层是一种集成到每个英伟达GPU中的计算架构，它可以直接用 C 语言编程来加速数学处理，简化其在并行计算中的使用。这为软件开发人员提供了可以修改的硬件，并彻底拓展了GPU的功能边界。CUDA的首批应用之一是石油和天然气勘探，处理来自地质调查的大量数据。 2010年，英伟达在人工智能领域取得重大突破，它使用GPU 训练机器学习模型，可以识别YouTube视频中的猫。这是一个重要的里程碑，它向世界展示了GPU在人工智能领域的巨大潜力。 不过说起来，CUDA及其支持的任何东西在当时都无法为英伟达提供收入驱动因素，所以CUDA存在的意义饱受质疑，至少2010年前后的大多数观察家是这么认为的：”英伟达已经走上了长达十年的迷茫之路。首席执行官黄仁勋将公司游戏业务的所有现金投入到建立一个高度投机的平台上，该平台几乎没有明确的用例，也没有明显的巨大市场机会。” “十年来，华尔街一直在问 英伟达，你们为什么要进行这项投资？没有人使用它。他们对我们的市值的估值为 0 美元。” 英伟达深度学习应用研究副总裁Bryan Catanzaro曾说道。 然后，奇迹发生了。这一奇迹不仅使英伟达成为全球第八大市值公司，而且还推动了此后十年间发生的几乎所有互联网和技术创新。机器学会了如何学习，它们在英伟达提供的平台上学到了这一点。 图片 “直到2016年左右，即CUDA 推出10年后，人们突然意识到这是一种截然不同的编写计算机程序的方式。”Catanzaro 说。“它具有变革性的加速，然后在人工智能领域产生突破性的成果。” 毕竟，英伟达从深度学习探索时期就为那些早期先驱者提供了相应的技术支持。比如，AlexNet是计算机视觉领域的先驱神经网络，由Sutskever、Alex Krizhevsky和他们的博士导师 Geoffrey Hinton所开发。而Sutskever也是OpenAI的联合创始人及首席科学家。 AlexNet于2012年10月赢得了ImageNet竞赛，实现了前所未有的图像识别精度。也直接导致了下一个十年的人工智能革命——从 Google Photos、Google Translate 和 Uber 到 Alexa和AlphaFold。 随后，在每一个人工智能的闪光时刻，背后都是英伟达的GPU和CUDA支撑起这些群星闪耀的碎片。 “2009 年，我记得在NIPS（现在的NeurIPS，人工智能著名顶级学术会议）上发表演讲时，我告诉大约 1000 名研究人员，他们都应该购买GPU，因为GPU将成为机器学习的未来，” 深度学习三巨头之一，Geoff Hinton曾这样说过 。 也有人认为，英伟达的成功纯粹是运气使然。然而，英伟达自己 并不同意这一评价。该公司坚称，英伟达从2000年代中期就意识到GPU加速神经网络的潜力，即使他们不知道人工智能将成为最重要的市场。“我们确实知道世界上最重要的问题需要加速计算，”英伟达发言人表示。“因此，我们投入巨资自上而下构建CUDA（计算统一设备架构），将通用加速交付到数百万开发人员手中。将CUDA添加到英伟达生产的每个 GPU中是一个巨大的赌注。” 英伟达于2007年添加的CUDA计算平台是一个软件和中间件堆栈，允许研究人员编程和访问GPU可以实现的计算能力和并行操作。英伟达内部和外部的专家都强调，如果英伟达没有在 2007年将CUDA添加到其中，深度学习革命就不会发生。 在英伟达发布CUDA之前，GPU编程是一个漫长而艰巨的过程，需要编写大量低级机器代码。使用免费的CUDA，研究人员可以更快、更便宜地开发深度学习模型。当然，这一切都要在英伟达的硬件上进行。黄仁勋在2022年3月的采访中说 ：“CUDA使GPU变得易于使用，并且为了致力于保持每一代处理器CUDA兼容，英伟达还专门发明了一种新的编程模型。” 图片 可以说，没有英伟达和CUDA，AlexNet将无法问世。在过去的二十年中，英伟达一直致力于优化CUDA相关生态，提供高效和全面的相关接口。英伟达在GPU、加速库、系统和应用程序之间不断进行全栈迭代优化，同时通过添加新应用程序加速来扩大其平台的覆盖范围。对于科学、工业和应用的每个领域，英伟达都会创建一个完整的体系。英伟达有150多个SDK，服务于从游戏和设计到生命与地球科学、量子计算、人工智能、网络安全、5G和机器人等行业。 英伟达从未向CUDA收取过一美元费用。但任何人都可以下载它、学习它、使用它。对于开发人员而言毫无疑问非常高效方便 。 但是，世界上并没有真正免费的午餐。这里不得不重点强调一下，使用它所构建的一切都无法将其部署在英伟达芯片之外的任何设备上。CUDA与英伟达的硬件是紧密集成的。硬件捆绑软件，这使得英伟达的生态护城河近乎牢不可破。在深度学习时代，CUDA的优势和英伟达市场主导地位将其他显卡制造商打得毫无招架之力。 加速计算时代 当然，英伟达的营收也并不只有AI，在加密货币兴起之时，英伟达也曾因此而大发横财。 与CPU相比，GPU的计算速度更快、更节能。加密货币挖矿对GPU的需求意味着显卡多年来供不应求，这使得像英伟达 这样的GPU制造商就像加州淘金热期间的镐零售商一样抢手。 当加密货币挖矿兴起时，英伟达需求激增，该公司甚至专门为加密货币创建了一个简化的GPU。但随着加密货币的崩溃，英伟达立刻遭遇了供需失衡，大量矿卡涌入二手游戏显卡市场，导致全球游戏玩家对英伟达怨声载道。然而对于此时的黄仁勋来说，因为主赛道已经切换到AI市场，他已经不在乎曾经把英伟达抬上垄断地位的游戏玩家群体了。从30系到40系游戏显卡各种缩水高价操作就可以看出，如今的英伟达对游戏玩家群体的轻视毫不掩饰。 去年年底开始的人工智能投资浪潮将英伟达的市值送上了万亿。许多公司将人工智能视为其未来增长不可或缺的一部分，并在计算基础设施方面进行了大量投资。对国内厂商也是如此，传言字节跳动斥巨资向英伟达购买数以万计的显卡。 图片 如今，英伟达在许多方面仍在不断进步。在硬件方面，它继续销售用于个人电脑和一些游戏机的GPU，并为服务器制造商、超大规模企业和超级计算机制造商提供计算加速器。在汽车领域它还为自动驾驶汽车制造芯片。 此外，它还涉足服务业务，为制药公司、制造业和其他行业运营自己的云基础设施。它是一家软件供应商，开发任何人都可以用来加速英伟达硬件计算的通用代码库，以及更具体的工具，例如用于优化半导体制造中光刻阶段的cuLitho软件包。 正如黄仁勋所认为的那样，当前对于AI的需求正是他所谓的数据中心和加速计算的新黎明。“世界正在从通用计算向加速计算过渡。” 眼前，不论是硅谷还是中国，很多公司都在试图挑战英伟达在人工智能硬件领域的垄断地位，但起码目前来说，在训练GPU这个领域英伟达的地位仍难以取代。 关键问题在于英伟达体系中的三个重要部分被高度捆绑。一是硬件，一是CUDA软件以及围绕它的所有优化，一是网络和系统。 虽然从微观到宏观的顺序是软件、硬件和网络，但软件确实很重要。很多人工智能硬件初创公司都有很好的硬件解决方案，但他们没有很好的软件解决方案。尽管对于我国的相关公司而言，情况并不完全相同，由于科技战和制裁的存在，许多公司在硬件方向也起步艰难。 那些试图挑战英伟达的公司都面临以下困境：英伟达的硬件性能已经很卓越了，如果他们希望在硬件性能方面与英伟达竞争并逐渐发展自己的硬件优势，就必须构建一个与CUDA类似的生态系统。否则，他们难以吸引足够的客户来采购使用，让他们愿意抛开CUDA的便捷性和高性能来使用新硬件，更不用说逐渐积累技术发展出与英伟达相媲美的硬件。 然而，如果你没有与英伟达显卡相匹配的硬件性能，构建类似CUDA的生态系统几乎是不切实际的，无从下手。这样的问题已经足够令人头疼，更不用说考虑到多个硬件在网络和系统领域的协同工作情况。 换而言之，英伟达就像一条九头蛇，你砍掉一个头还不够，需要同时在多个方向都击败他，才有可能让自己的产品赢得市场空间。而英伟达在三个赛道上都属于领先位置，大多数公司能够在一个方面与他们竞争就已经难上加难了。除了谷歌，目前可能是拥有完整垂直全体系的最接近英伟达的竞争对手。但谷歌的相关产品都是定制的、内部的和专有的。他们不将其作为解决方案出售，也没有经过市场检验。 图片 这也是为什么英伟达能垄断人工智能的算力，迄今为止无人抗衡的原因。如果没有外力因素，可能无论谁在AI时代角逐获胜，OpenAI还是Google，英伟达都一直会是赢家之一。但传奇和神话并非牢不可破，地缘政治和科技战的不确定因素已经为英伟达未来的增长蒙上了一层阴影。 在复杂的国际环境下，尽管要追赶的地方还有很多，但我国的许多企业背靠广阔的市场和坚实的科技政策支持，已经从艰难困境中看到了初步的希望。道阻且长，还望今朝相关从业者共勉。 $英伟达(NVDA)$ 来源：微信公众号 海兰云UDC","highlighted":1,"essential":2,"paper":2,"link":"https://laohu8.com/post/251335149711664","repostId":0,"isVote":1,"tweetType":1,"commentLimit":10,"symbols":["NVDA"],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":14147,"xxTargetLangEnum":"ZH_CN"},"isVote":1,"tweetType":1,"viewCount":118,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"EN","currentLanguage":"EN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":2,"xxTargetLangEnum":"ORIG"},"commentList":[],"isCommentEnd":true,"isTiger":false,"isWeiXinMini":false,"url":"/m/post/251292649640160"}
精彩评论