Burt J
2023-04-18
这篇文章不错，转发给大家看看
@胖虎哒哒：
【转】英伟达：人工智能背后的新帝国
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":651686672,"tweetId":"651686672","gmtCreate":1681817975696,"gmtModify":1681817977248,"author":{"id":3569893253045018,"idStr":"3569893253045018","authorId":3569893253045018,"authorIdStr":"3569893253045018","name":"Burt J","avatar":"https://static.tigerbbs.com/30cdb6b3763a79d47a7c875a20a8d7de","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":3,"crmLevelSwitch":0,"individualDisplayBadges":[],"fanSize":2,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"html":"<html><head></head><body>这篇文章不错，转发给大家看看</body></html>","htmlText":"<html><head></head><body>这篇文章不错，转发给大家看看</body></html>","text":"这篇文章不错，转发给大家看看","highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/651686672","repostId":651608659,"repostType":1,"repost":{"magic":2,"id":651608659,"tweetId":"651608659","gmtCreate":1681799074871,"gmtModify":1681799165912,"author":{"id":3510558082622800,"idStr":"3510558082622800","authorId":3510558082622800,"authorIdStr":"3510558082622800","name":"胖虎哒哒","avatar":"https://static.tigerbbs.com/75b95d9326c02813b7b87ba8c1eccb5a","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"currentWearingBadge":{"badgeId":"e50ce593bb40487ebfb542ca54f6a561-3","templateUuid":"e50ce593bb40487ebfb542ca54f6a561","name":"偶像虎友","description":"加入老虎社区1500天","bigImgUrl":"https://static.tigerbbs.com/8b40ae7da5bf081a1c84df14bf9e6367","smallImgUrl":"https://static.tigerbbs.com/f160eceddd7c284a8e1136557615cfad","grayImgUrl":"https://static.tigerbbs.com/11792805c468334a9b31c39f95a41c6a","redirectLinkEnabled":0,"hasAllocated":1,"isWearing":1,"stampPosition":0,"hasStamp":0,"allocationCount":1,"allocatedDate":"2023.02.23","individualDisplayEnabled":0},"individualDisplayBadges":[],"fanSize":22064,"starInvestorFlag":false},"themes":[{"themeId":"a430eef9089d40ecaa20416f0f41cab6","categoryId":"d316d8bd4a714fab9ea15fd7157c45e7","name":"中国版Chat GPT“群雄争霸”，大牛陆续入局，有哪些投资机会？","type":0,"rnLink":"https://laohu8.com/RN?name=RNTheme&page=/theme/detail&rndata={\"themeId\":a430eef9089d40ecaa20416f0f41cab6}&rnconfig={\"headerBarHidden\": true}","description":"Chat GPT：概念股商汤科技推出日日新模型、张勇表示阿里所有产品将接入通义千问、王慧文、李开复之后，搜狗创始人王小川5000万美元带资进组，入局AI大模型领域。中国版CHat GPT，你觉得有哪些投资机会呢？","image":"https://static.tigerbbs.com/edf2f616e6fa8e3aed8601d967cc1aa8"}],"images":[{"img":"https://static.tigerbbs.com/9cf259aa33c0621f616ec68e9ab6a1de","width":"600","height":"338"},{"img":"https://static.tigerbbs.com/5d8e48a22c9ec45b2bd28d335c91ffd5","width":"560","height":"474"},{"img":"https://static.tigerbbs.com/abca3ccce83d6fb2b2d332bdef6eb67d","width":"416","height":"234"},{"img":"https://static.tigerbbs.com/ff0b70abdbcdb75208bbf44e535eda5d","width":"1027","height":"513"},{"img":"https://static.tigerbbs.com/7ce3e3cc10eb2d61fff444aade7f2f3f","width":"1055","height":"568"},{"img":"https://static.tigerbbs.com/998d0c20131375e21f2dcc4d42a59f91","width":"829","height":"255"},{"img":"https://static.tigerbbs.com/1abcdd26df806876cb95e2fd97957018","width":"828","height":"467"},{"img":"https://static.tigerbbs.com/07408c9e96342c359c1c541c667ed1fd","width":"1080","height":"576"},{"img":"https://static.tigerbbs.com/d8b24284ed64e0a2b24f73f9b0b25c7c","width":"831","height":"438"}],"coverImages":[{"img":"https://static.tigerbbs.com/ff0b70abdbcdb75208bbf44e535eda5d","width":"1027","height":"513"},{"img":"https://static.tigerbbs.com/998d0c20131375e21f2dcc4d42a59f91","width":"829","height":"255"},{"img":"https://static.tigerbbs.com/5d8e48a22c9ec45b2bd28d335c91ffd5","width":"560","height":"474"}],"title":"【转】英伟达：人工智能背后的新帝国","extraTitle":"","html":"<html><head></head><body><p style=\"text-align: justify;\">英伟达无疑是近年新能源、AI热潮的最大赢家，分享一篇好文</p><hr><p style=\"text-align: justify;\">1990年代中期，黄仁勋30出头，他创办的 <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> 还没完全站稳脚跟，他希望如日中天的台积电能代工英伟达的显卡，他打电话过去，没人搭理。</p><p style=\"text-align: justify;\">多年后，他还在向张忠谋抱怨这段往事：“当年给你打电话打不通也没人回，是不是我电话号码记错了？给你公司在美国的销售部门打电话也没人接。”</p><p style=\"text-align: justify;\">今天，全球科技界恐怕没有几个人敢不接黄仁勋的电话，这个当年求人代工显卡的小伙子被称为“教主”，在3月21日的英伟达GTC大会上，他穿着标志性的黑色皮衣出现台上，说出了石破天惊的一番话：我们正处于AI的“iPhone时刻”。</p><p style=\"text-align: justify;\">2022年11月，大语言模型ChatGPT问世，预示着能生成自然文章和图像的“生成式AI”将在社会普及，给世界带来颠覆性的改变。而支撑这幅图景的，有英伟达的GPU——AI时代最重要的基础设施之一，GPU提供算力，犹如AI时代的原油。</p><p style=\"text-align: justify;\">2020年，全世界跑AI的云计算与数据中心，80.6%都在用英伟达的GPU驱动。2021年，英伟达称全球前五百个超算中，七成由它家的芯片驱动，在最新的超算系统中此比例是九成。运行ChatGPT的微软数据中心用了上万块英伟达H100 GPU。后续，预计需要超过3万块英伟达的GPU来维持更高版本的GPT模型运转。</p><p style=\"text-align: justify;\">如同1970年代的欧派克一限产，全世界的汽车都缺油。现在只要英伟达一断供芯片，管你天高股价、地大营收，全球前十大企业里，至少有一半要地震。</p><p style=\"text-align: justify;\">黄仁勋和他的算力帝国，已经能扼住时代命脉。这其中，有着通往未来30年的秘密。</p><p><strong>十年前悄然发生的革命</strong></p><p style=\"text-align: justify;\">2023年英伟达GTC的主题演讲中，黄仁勋专门提到了生成式AI的飞跃：</p><p style=\"text-align: justify;\">“十年间，我们从自动判读猫图，进步到能自动生成‘穿太空服的猫在月球漫步’的图片。”</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/7ce3e3cc10eb2d61fff444aade7f2f3f\" tg-width=\"1055\" tg-height=\"568\"><span>图片</span></p><p style=\"text-align: justify;\">皮衣老黄真不忘本。无论是“AI的iPhone时刻”，还是英伟达成为“算力油田”，都是蓄力于前，发端于自家的“猫片”。</p><p style=\"text-align: justify;\">2010年的一天，加州帕罗奥图市的琼安咖啡馆里，刚做上英伟达首席科学家的比尔·戴利（Bill Dally）和当时在谷歌大脑供职的AI界宗师吴恩达（Andrew Ng）聚餐。</p><p style=\"text-align: justify;\">十余年过去后他们会发现，正是这场会面，无意地打开了一道通往AI新世界的大门。</p><p style=\"text-align: justify;\">两个老友在席间聊起了吴恩达当时课题面临的障碍：训练神经网络AI的算力不够了。</p><p style=\"text-align: justify;\">具言之，谷歌要用数千万条YouTube视频来训练神经网络AI分辨猫与人的不同。而当时AI界的领军人物们仍然习惯串联CPU来执行此类任务。吴恩达预计，要完成课题得用1.6万块CPU。</p><p style=\"text-align: justify;\">就算是从不缺钱的谷歌，也不会给公司内任一研发项目组轻松批下买1.6万块CPU的预算。AI宗师当年也被难住了。</p><p style=\"text-align: justify;\">戴利听完老友诉苦，认为自己有现成解决方案：不就是在线寻猫片么，何必整1.6万块CPU，用我们英伟达公司的显卡产品，几十块就搞定，你信不信？</p><p style=\"text-align: justify;\">当时英伟达虽已制霸世界独立显卡业，但名声还只局限在极客、硬核游戏玩家、图形设计师等非普罗用户中。谁也不知道，这将是英伟达公司与人工智能行业双向奔赴、双双出圈的起点。</p><p style=\"text-align: justify;\">随后，戴利找上刚从加大伯克利分校招到英伟达的非正职研究员布莱恩· 卡坦扎罗（Bryan Catanzaro），请他帮忙。卡坦扎罗很快找到了解决方案：并联12块英伟达GPU成功驱动了吴恩达的神经网络模型，并联48块GPU就能获取预计要用1.6万块CPU才有的理想效果。</p><p style=\"text-align: justify;\">论文一出，学界响震：居然有这种好事？</p><p style=\"text-align: justify;\">两年后，AI界泰斗辛顿（Geoffrey Hinton）和学生克里泽夫斯基（Alex Krizhevsky）、萨茨克维尔（Ilya Suskever）效仿此举，用英伟达的GeForce GTX 580显卡训练由克里泽夫斯基提出的神经网络模型AlexNet，夺得ImageNet图像分类竞赛冠军，成为AI技术飞跃的奇点。</p><p style=\"text-align: justify;\">从此，英伟达在深度学习芯片市场上撒腿狂奔。2013年内，英伟达在全球深度学习芯片市场占有率是100%。在上个世纪能源是石油，在这个世纪能源是算力。以后的新时代里，黄仁勋的黑皮衣，如同上个世纪海湾国家显贵们的白罩袍，都是唯我独尊的霸主象征。</p><p style=\"text-align: justify;\">十余年过去，泰斗和宗师地位更高，年轻人也成了行业大佬。卡坦扎罗现在是英伟达副总裁、深度学习应用研究部负责人，萨茨克维尔现在是OpenAI的首席科学家、联合创始人、GPT系列大模型集合之父。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/07408c9e96342c359c1c541c667ed1fd\" tg-width=\"1080\" tg-height=\"576\"><span>图片</span></p><p><strong>｜左为黄仁勋，右为萨茨克维尔</strong></p><p>ChatGPT面世后，意外风靡世界，被称为AI技术革命的开始。然而即使这个大模型集合如OpenAI一开始预期的，作为GPT3到GPT4之间的过渡实验版本简单飘过，AI技术革命的下一个出圈爆点，钥匙还是会掌握在英伟达高层的朋友圈里。</p><p style=\"text-align: justify;\">因为算力的扩张与通用、技术的开发与布局，是英伟达成功的因由。</p><p><strong>一炮打哑，老黄吃瘪 </strong></p><p style=\"text-align: justify;\">大人物功成名就后，一般会支楞起来。</p><p style=\"text-align: justify;\">2018年初，《财富》杂志举办的活动中，有人问黄仁勋：你何时知道英伟达公司将会改变世界的？黄仁勋答：1993年2月17日，我成立公司的日子。不改变世界，我创个什么业？</p><p style=\"text-align: justify;\">皮衣哥自己说得响，但1990年代中，英伟达的运营低谷时账面上曾只有6个星期的资金，离关门一步之遥。</p><p style=\"text-align: justify;\">人尽皆知，英伟达靠开发显卡起家。然而黄仁勋创业的初心，与其说是做显卡，不如说一直都是求索算力提高的途径。</p><p style=\"text-align: justify;\">在1990年代，多媒体犹如近年的元宇宙、数据可视化犹如当下的生成式AI，都是从投资者到消费者都追捧的热门技术话题。多媒体与可视化数据在当年的舆论浪潮中，被夸到小可以养妻活儿、提高工作娱乐效率，大可以改天换地、重写行业经济版图。</p><p style=\"text-align: justify;\">这些技术的基础，是图像数据处理的更佳质量与速度。如果游戏、视频、PPT们始终停留在1992年的粗粝画质，啥都无从说起。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/abca3ccce83d6fb2b2d332bdef6eb67d\" tg-width=\"416\" tg-height=\"234\"><span>图片</span></p><p><strong>| 世界首款大卖FPS游戏1992年《重返德军总部3D》与2001、2019年系列续作的画质对比</strong></p><p>1995年，全球有三十家大公司在显卡市场上竞争。</p><p style=\"text-align: justify;\">然而追逐时尚比想象中要难。创业公司得决断：是专注个人电脑（PC）端的业务呢，还是专注特定公司的娱乐主机业务呢？是只做图像呢，还是做多媒体通抓音画呢？</p><p style=\"text-align: justify;\">尽管当时没有“赛道”的商业新话，企业家抉择的难度并不低于现在。</p><p style=\"text-align: justify;\">英伟达的创始概念是加速计算，即用特制设备来为CPU的运算工作减负提速，最简洁的落地方案，自然是堆算力造显卡处理图像。</p><p style=\"text-align: justify;\">筹到250万美元后，于1995年5月推出第一款产品：NV1。以现在的后见之明看，NV1的最大作用是给黄仁勋提供了反面经验：这种产品做得很好，以后千万不能做了。</p><p style=\"text-align: justify;\">出于为当时的游戏主机巨头世嘉公司服务的考量，NV1最突出的特色，是兼容世嘉游戏在PC上的运行，与业内既有和将出现的其他PC端3D图像程序基础架构的兼容性不够出色。</p><p style=\"text-align: justify;\">当时世嘉公司有意将游戏业务从街机、主机端扩展到PC端，NV1的努力迎合了主要合作商的需要，但局限了自己的市场潜力。而且NV1兼具显卡和声卡功能，偏离了加速计算基于图像落地的初衷，产品定位有欠清晰。</p><p style=\"text-align: justify;\">NV1没有一鸣惊人，英伟达公司却非一无所获。黄仁勋借此从风投机构融了650万美元的第二轮投资。</p><p style=\"text-align: justify;\">不过在1997年8月推出新产品Riva 128前，英伟达已经裁员过半，银行账户只剩不到6周的流动资金。办公室既窄小，地段又不佳。剩余的员工们不仅要在乒乓球桌上吃饭，连停车场也只能蹭旁边富国银行的，而这家网点已经被抢劫过两三回了。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/ff0b70abdbcdb75208bbf44e535eda5d\" tg-width=\"1027\" tg-height=\"513\"><span>图片</span></p><p><strong>｜英伟达现在的公司总部</strong></p><p style=\"text-align: justify;\">头炮打哑，只要教训真记住，对创业企业家来说并不完全是绝路。</p><p style=\"text-align: justify;\">虽然黄仁勋在各种活动上说创业首年的雇律师、订办公室早饭等各种经验非常宝贵，但从1997-1999年上半年的英伟达三款产品看，他记住的显然不止这些。</p><p style=\"text-align: justify;\">英伟达的过往，映照着它的未来。</p><p><strong>把摩尔定律“卷”到极致</strong></p><p style=\"text-align: justify;\">英伟达此后的转向，一是主业放弃多媒体，专做PC端的显卡。</p><p style=\"text-align: justify;\">1990年代中期，游戏业的热门话题是从主机/街机走向PC，而不被注意的潜流是游戏同时在从PC单机走向PC端多人在线。关于图形渲染的硬件性能需求因此与日俱增。只满足这个缺口，已经足以养活整个行业。</p><p style=\"text-align: justify;\">二是垂直整合显卡的配套软件，自行开发显卡驱动程序和拓展软件开发工具包（SDK，software development kit）。</p><p style=\"text-align: justify;\">过去的惯例是，英伟达这些显卡研发公司把设计交付主板芯片生产商之后，由生产商自己分包给另外的承包者写显卡驱动。至于用显卡做图形设计等专门工作的终端用户、PC运行系统的开发商，与显卡研发者没有直接配合。凡此种种，局限了显卡的性能潜力和用户体验。</p><p style=\"text-align: justify;\">1996年，英伟达专为配合微软当时刚推出的Direct3D图形渲染插件，写了自家显卡驱动程序。1998年开始，英伟达公司会定期即时更新自家的通用显卡驱动程序。此举持续至今。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/998d0c20131375e21f2dcc4d42a59f91\" tg-width=\"829\" tg-height=\"255\"><span>图片</span></p><p>三是全力秉持和实现摩尔定律。这是英伟达现在成为全球算力第一供应商的基础。</p><p style=\"text-align: justify;\">不久前去世的英特尔联合创始人戈登·摩尔（Gordon Moore），在1965年提出了摩尔定律：集成电路上可容纳的晶体管数目，约每隔两年便会增加一倍。衍生的推论，是每隔18个月，芯片的性能就会因此提高一倍。</p><p style=\"text-align: justify;\">英伟达公司的决策层，立志要将摩尔定律永续实现。</p><p style=\"text-align: justify;\">从1990年代后半叶开始，英伟达的产品设计与研发部门一直有三个部分同时工作：一部分负责本年度新品的设计，一部分负责去年出品的翻新挖潜设计，一部分负责明年新品的设计。每款产品之间，基本要有一倍的性能提高，如果显存没有涨一倍，那么核心频率就得快一倍，如果都不行，那么至少制程要明显缩小。</p><p style=\"text-align: justify;\">如此的结果，是英伟达每半年至一年就会推出性能换代的新品，1999年之前的产品内部代码全叫NV，即“下一版”（Next Version）的首字母缩写。其他同业公司跟不上如此搏命的步伐，纷纷退出竞争。</p><p style=\"text-align: justify;\">1995年的三十家显卡设计大公司，到1999年末只剩下三家。英伟达与之后被AMD收购的ATI，并肩收割游戏玩家、专业设计师等高性能显卡用户的市场份额。英特尔依靠PC主板的垄断生产商地位，包揽主板集成显卡的低性能用户市场。</p><p style=\"text-align: justify;\">1999年10月，英伟达推出GeForce 256，在营销中称“这是世界上第一款GPU”。同年，过去占据显卡市场龙头的3dfx公司破产，被英伟达收购。显卡业告别创业者纷纷崛起的时代，进入了“红绿蓝三国战争”的时代（按商标颜色不同的消费者昵称，“红厂”为AMD、“绿厂”为英伟达、“蓝厂”为英特尔）。</p><p style=\"text-align: justify;\">在20世纪的末尾，没人知道这场竞逐的结果，会决定之后由谁主宰世界算力的供应。</p><p><strong>干翻英特尔和AMD</strong></p><p style=\"text-align: justify;\">经过20年，红绿蓝三厂竞争显卡市场霸主地位的结果揭晓：“绿厂”英伟达胜出了。</p><p style=\"text-align: justify;\">这场“三国演义”里，“蓝厂”英特尔一直是配角。凭借全球PC主板市场的垄断地位，英特尔的注意力一直放在CPU而非GPU。在英特尔眼中，要提高性能，得整个主板的整全性能一起提升，只提升图像处理的速度，那是偏门小道。</p><p style=\"text-align: justify;\">所以英特尔做显卡只是占位，表示这个市场的钱自己还是要赚点，没有完全放弃。这个策略的结果，现在已经被人做成了搞笑哏图。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/5d8e48a22c9ec45b2bd28d335c91ffd5\" tg-width=\"560\" tg-height=\"474\"><span>图片</span></p><p style=\"text-align: justify;\">究其原因，是CPU要负责整个电脑主板的序时性复杂运算，而GPU在成为通用类芯片前只需负责图像处理的并时性简单运算。如下图所示，单个CPU的控制元件、基础运算单元（ALU）、缓存（Cache）等，都比单个GPU数量少而负重大，因此提升性能的设计与制造难度都远更高。</p><p style=\"text-align: justify;\">黄仁勋多次说过，以CPU而言，摩尔定律已经过气，英特尔CPU性能翻倍的最快时限是每五年。然而他家的GPU嘛，还是每一至两年内性能翻倍的哦。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/1abcdd26df806876cb95e2fd97957018\" tg-width=\"828\" tg-height=\"467\"><span>图片</span></p><p style=\"text-align: justify;\">真正的激烈竞争，发生在英伟达和ATI/AMD之间。</p><p style=\"text-align: justify;\">这场角逐的早期，英伟达并不显操胜算。在2006年被AMD收购前，ATI出品的显卡，无论更新速度还是单个性能，都屡有明显优于英伟达竞品的佳作。高端显卡的世界第一，在2000年代前半段看不出究竟属谁。</p><p style=\"text-align: justify;\">但ATI在这场竞争中已经后续乏力，英伟达的产品更新与性能提升速度，始终达到了摩尔定律的金标准。而ATI的产品更新目标，从胜过英伟达竞品，逐渐变成了赶上英伟达竞品。</p><p style=\"text-align: justify;\">ATI/AMD因应此形势的对策，是改作中端显卡：比英特尔的集显性能强，比英伟达的高端显卡更便宜。并且在营销中攻击英伟达的竞品又贵又耗电：顾客大爷你们千万不要被它越来越吓人的性能参数骗了，不是物超所值的哦。</p><p style=\"text-align: justify;\">2006年，ATI被AMD收购，英伟达少了一个强对手，胜算增加。</p><p style=\"text-align: justify;\">唯一的变数在于芯片代工厂。</p><p style=\"text-align: justify;\">显卡业的过往通则，是ATI、英伟达等品牌企业管设计，然后将设计方案交付给芯片厂，委托它们制作成品。</p><p style=\"text-align: justify;\">当然，不是没有公司想囊括从设计到生产的全链条，但此举一般会给自己带来双倍的麻烦：以前承接你生意的芯片厂合作伙伴，以后就是要抢你生意的竞争对手。1990年代从显卡龙头到被英伟达收购的3dfx，就是如此把自己玩破产的。</p><p style=\"text-align: justify;\">在被收购前，ATI是台积电的大客户。但收购之后，2009年AMD与半导体大厂格芯签约，所有芯片都交由格芯制造。而格芯在芯片制程缩小的技术革新中逐渐落后于台积电，带累了AMD的所有产品，包括显卡。</p><p style=\"text-align: justify;\">与之相对的，是英伟达与台积电1997年敲定的合作关系合作越发紧密。</p><p style=\"text-align: justify;\">而这两家公司的牵手之路，颇有戏剧性。</p><p style=\"text-align: justify;\">1990年代中期，台积电已经是市值近60亿美元的大公司，英伟达没有上市，年营收2700万美元，两者体量差距不小。正如本文开头所述，黄仁勋给张忠谋本人和台积电美国办公室打电话，没人接。</p><p style=\"text-align: justify;\">最后，黄仁勋做出了科技史上的著名举动：给张忠谋写纸信。1997年，人在新竹的张忠谋收到来自美国的黄仁勋的信函后，大感兴趣，如信中所邀，给英伟达公司办公室回了电话。</p><p style=\"text-align: justify;\">在张忠谋的回忆中，黄仁勋接电话时，办公室背景音嘈杂。在互相通名介绍后，皮衣哥不得不在公司里怒叱：“都闭嘴！悄声些！电话那头是张忠谋！”等到两人第一次见面，黄仁勋先讲了半天图像加速运算的产品理念，张老板表示非常认同，反手递来宣传单。黄仁勋本以为轮到台积电介绍自己的技术与产能了，结果打开一看，是讲公司价值观的。</p><p style=\"text-align: justify;\">英伟达在这段合作关系的初期如此伏低做小，越往后收获越大。台积电的芯片制程每年都在缩小，集成电路上的元器件现在已经微缩到物理极限，无法比原子更小。芯片的精密度与日俱增，算力也跟着有数量级的飞跃。</p><p style=\"text-align: justify;\">“显卡战争”的结果，是英伟达胜势如潮涌，成为显卡业的世界第一。制霸高端显卡市场的英伟达，有足够的营收来打中端显卡、低端集显的价格战，产品与技术研发也有更充足的预算。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/d8b24284ed64e0a2b24f73f9b0b25c7c\" tg-width=\"831\" tg-height=\"438\"><span>图片</span></p><p><strong>｜今年奥斯卡颁奖礼前，英伟达公司官网称：竞争“最佳视效”奖项的五部电影，视效都是用我司的芯片和基础技术做出来的</strong></p><p style=\"text-align: justify;\">英伟达的技术优势，从一步领先，到一骑绝尘。生成式AI爆火之后，2023年2月英特尔和AMD的CEO也在疾呼：我司有广泛的产品门类适合此行业，明年生成式AI将会更加主流普罗化、更有意义。</p><p style=\"text-align: justify;\">这简直是在哀求：时代的脚步啊，你等一等，别让姓黄的把这份钱都赚完了。</p><p><strong>通用算力，一统江湖</strong></p><p style=\"text-align: justify;\">胜出后，英伟达的显卡研发没有放缓，算力持续增强。在2000年代后半叶，英伟达就开始着眼未来，研究这些算力的未来用途。</p><p style=\"text-align: justify;\">2006年，英伟达推出CUDA开发平台，软件开发者可以通过这一平台，使用C语言编写GPU片上程序，来完成复杂的计算。GPU从此实际脱离图像处理的单一用途，成为了真正的GPGPU（通用GPU）。</p><p style=\"text-align: justify;\">强大的算力一旦能通用，成为其他行业的驱动力就是迟早的事。英伟达本身最先想通了这点，在AI领域的布局远比公众想象的早，技术领军人早就和英伟达关系密切。</p><p style=\"text-align: justify;\">2010年的吴恩达寻猫片典故之前，2008年卡坦扎罗加入公司，他当时在加州大学伯克利分校做研究生时，就将注意力集中在为AI开发GPU上。2009年，AI界泰斗辛顿在学术会议上，劝上千名研究者赶快买GPU，那是深度学习的未来之光。2016年，微软技术大拿黄学东创下了语音识别AI错误率与专业人类速记员持平的纪录后，得奖开香槟的地点，是黄仁勋的大别墅。</p><p style=\"text-align: justify;\">2010-2012年的深度学习飞跃开始后，英伟达已经是稳赢不输的世界“算力油田”，把握数据量与运算速度的世界巅峰。之后所有挑战都能克服，所有阻难都是表象。</p><p style=\"text-align: justify;\">英伟达把自己强大的GPU拓展到其他行业的尝试并不是次次得手。Tegra芯片最终没有成功进入手机市场，挖矿芯片随着加密货币潮的褪热前景黯淡，与特斯拉在自动驾驶系统的合作无疾而终，2022年黄仁勋“元宇宙将挺过任何经济下行”的预言现在像个玩笑话。</p><p style=\"text-align: justify;\">然而这些不成功尝试是力不虚掷、功不唐捐的。Tegra芯片装不进手机，那就卖给马斯克装进特斯拉车里。为元宇宙开发的Omniverse平台，用来合成训练AI的物理数据，多样性与过拟合规避还胜过了真实世界数据。扎克伯格做不动元宇宙，但黄仁勋的Omniverse却是长做长有。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/9cf259aa33c0621f616ec68e9ab6a1de\" tg-width=\"600\" tg-height=\"338\"><span>图片</span></p><p><strong>｜英伟达的数字孪生体技术，已经足以为地球物理的机器学习模型提供高置信度模拟运算</strong></p><p style=\"text-align: justify;\">即使有意竞争者的挑战，最后也成了给英伟达捧场。</p><p style=\"text-align: justify;\">2016年，谷歌宣布专门为AI研究开发了机器学习的专属芯片TPU（张量处理单元），并设计了基准测试工具MLPerf。然而在大多数年度的MLPerf测试中，按英伟达员工的自述，“黄总说，我们每次运行MLPerf基准测试时，都要向谷歌证明我们的GPU比TPU运算速度快，哪怕只快一点点就好。”</p><p style=\"text-align: justify;\">今年谷歌的TPUv4终于在MLPerf基准测试测试中赢了英伟达的A100芯片，成为业界大新闻：居然有芯片强过了英伟达产品！</p><p style=\"text-align: justify;\">蓄势强劲，横绝宇内。从现在到可预见未来的英伟达，如同1970年代至今的迪拜和利雅得：前30年是世界经济的不起眼齿轮，以后就是世界经济的动力舱。一直主宰能源驱动的上游，不管下游行业如何变动，自己都是八风不动。</p><p style=\"text-align: justify;\">不管福特和丰田谁赢了家用车竞争，顾客最后都要找海湾土豪买油。不管元宇宙还是生成式AI谁是真正的未来数字产业走向，跑模型的数据中心都要找英伟达买芯片。共生双赢，的确是英伟达赢两次。</p><p><br>作者｜袁榭</p></body></html>","htmlText":"<html><head></head><body><p style=\"text-align: justify;\">英伟达无疑是近年新能源、AI热潮的最大赢家，分享一篇好文</p><hr><p style=\"text-align: justify;\">1990年代中期，黄仁勋30出头，他创办的 <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> 还没完全站稳脚跟，他希望如日中天的台积电能代工英伟达的显卡，他打电话过去，没人搭理。</p><p style=\"text-align: justify;\">多年后，他还在向张忠谋抱怨这段往事：“当年给你打电话打不通也没人回，是不是我电话号码记错了？给你公司在美国的销售部门打电话也没人接。”</p><p style=\"text-align: justify;\">今天，全球科技界恐怕没有几个人敢不接黄仁勋的电话，这个当年求人代工显卡的小伙子被称为“教主”，在3月21日的英伟达GTC大会上，他穿着标志性的黑色皮衣出现台上，说出了石破天惊的一番话：我们正处于AI的“iPhone时刻”。</p><p style=\"text-align: justify;\">2022年11月，大语言模型ChatGPT问世，预示着能生成自然文章和图像的“生成式AI”将在社会普及，给世界带来颠覆性的改变。而支撑这幅图景的，有英伟达的GPU——AI时代最重要的基础设施之一，GPU提供算力，犹如AI时代的原油。</p><p style=\"text-align: justify;\">2020年，全世界跑AI的云计算与数据中心，80.6%都在用英伟达的GPU驱动。2021年，英伟达称全球前五百个超算中，七成由它家的芯片驱动，在最新的超算系统中此比例是九成。运行ChatGPT的微软数据中心用了上万块英伟达H100 GPU。后续，预计需要超过3万块英伟达的GPU来维持更高版本的GPT模型运转。</p><p style=\"text-align: justify;\">如同1970年代的欧派克一限产，全世界的汽车都缺油。现在只要英伟达一断供芯片，管你天高股价、地大营收，全球前十大企业里，至少有一半要地震。</p><p style=\"text-align: justify;\">黄仁勋和他的算力帝国，已经能扼住时代命脉。这其中，有着通往未来30年的秘密。</p><p><strong>十年前悄然发生的革命</strong></p><p style=\"text-align: justify;\">2023年英伟达GTC的主题演讲中，黄仁勋专门提到了生成式AI的飞跃：</p><p style=\"text-align: justify;\">“十年间，我们从自动判读猫图，进步到能自动生成‘穿太空服的猫在月球漫步’的图片。”</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/7ce3e3cc10eb2d61fff444aade7f2f3f\" tg-width=\"1055\" tg-height=\"568\"><span>图片</span></p><p style=\"text-align: justify;\">皮衣老黄真不忘本。无论是“AI的iPhone时刻”，还是英伟达成为“算力油田”，都是蓄力于前，发端于自家的“猫片”。</p><p style=\"text-align: justify;\">2010年的一天，加州帕罗奥图市的琼安咖啡馆里，刚做上英伟达首席科学家的比尔·戴利（Bill Dally）和当时在谷歌大脑供职的AI界宗师吴恩达（Andrew Ng）聚餐。</p><p style=\"text-align: justify;\">十余年过去后他们会发现，正是这场会面，无意地打开了一道通往AI新世界的大门。</p><p style=\"text-align: justify;\">两个老友在席间聊起了吴恩达当时课题面临的障碍：训练神经网络AI的算力不够了。</p><p style=\"text-align: justify;\">具言之，谷歌要用数千万条YouTube视频来训练神经网络AI分辨猫与人的不同。而当时AI界的领军人物们仍然习惯串联CPU来执行此类任务。吴恩达预计，要完成课题得用1.6万块CPU。</p><p style=\"text-align: justify;\">就算是从不缺钱的谷歌，也不会给公司内任一研发项目组轻松批下买1.6万块CPU的预算。AI宗师当年也被难住了。</p><p style=\"text-align: justify;\">戴利听完老友诉苦，认为自己有现成解决方案：不就是在线寻猫片么，何必整1.6万块CPU，用我们英伟达公司的显卡产品，几十块就搞定，你信不信？</p><p style=\"text-align: justify;\">当时英伟达虽已制霸世界独立显卡业，但名声还只局限在极客、硬核游戏玩家、图形设计师等非普罗用户中。谁也不知道，这将是英伟达公司与人工智能行业双向奔赴、双双出圈的起点。</p><p style=\"text-align: justify;\">随后，戴利找上刚从加大伯克利分校招到英伟达的非正职研究员布莱恩· 卡坦扎罗（Bryan Catanzaro），请他帮忙。卡坦扎罗很快找到了解决方案：并联12块英伟达GPU成功驱动了吴恩达的神经网络模型，并联48块GPU就能获取预计要用1.6万块CPU才有的理想效果。</p><p style=\"text-align: justify;\">论文一出，学界响震：居然有这种好事？</p><p style=\"text-align: justify;\">两年后，AI界泰斗辛顿（Geoffrey Hinton）和学生克里泽夫斯基（Alex Krizhevsky）、萨茨克维尔（Ilya Suskever）效仿此举，用英伟达的GeForce GTX 580显卡训练由克里泽夫斯基提出的神经网络模型AlexNet，夺得ImageNet图像分类竞赛冠军，成为AI技术飞跃的奇点。</p><p style=\"text-align: justify;\">从此，英伟达在深度学习芯片市场上撒腿狂奔。2013年内，英伟达在全球深度学习芯片市场占有率是100%。在上个世纪能源是石油，在这个世纪能源是算力。以后的新时代里，黄仁勋的黑皮衣，如同上个世纪海湾国家显贵们的白罩袍，都是唯我独尊的霸主象征。</p><p style=\"text-align: justify;\">十余年过去，泰斗和宗师地位更高，年轻人也成了行业大佬。卡坦扎罗现在是英伟达副总裁、深度学习应用研究部负责人，萨茨克维尔现在是OpenAI的首席科学家、联合创始人、GPT系列大模型集合之父。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/07408c9e96342c359c1c541c667ed1fd\" tg-width=\"1080\" tg-height=\"576\"><span>图片</span></p><p><strong>｜左为黄仁勋，右为萨茨克维尔</strong></p><p>ChatGPT面世后，意外风靡世界，被称为AI技术革命的开始。然而即使这个大模型集合如OpenAI一开始预期的，作为GPT3到GPT4之间的过渡实验版本简单飘过，AI技术革命的下一个出圈爆点，钥匙还是会掌握在英伟达高层的朋友圈里。</p><p style=\"text-align: justify;\">因为算力的扩张与通用、技术的开发与布局，是英伟达成功的因由。</p><p><strong>一炮打哑，老黄吃瘪 </strong></p><p style=\"text-align: justify;\">大人物功成名就后，一般会支楞起来。</p><p style=\"text-align: justify;\">2018年初，《财富》杂志举办的活动中，有人问黄仁勋：你何时知道英伟达公司将会改变世界的？黄仁勋答：1993年2月17日，我成立公司的日子。不改变世界，我创个什么业？</p><p style=\"text-align: justify;\">皮衣哥自己说得响，但1990年代中，英伟达的运营低谷时账面上曾只有6个星期的资金，离关门一步之遥。</p><p style=\"text-align: justify;\">人尽皆知，英伟达靠开发显卡起家。然而黄仁勋创业的初心，与其说是做显卡，不如说一直都是求索算力提高的途径。</p><p style=\"text-align: justify;\">在1990年代，多媒体犹如近年的元宇宙、数据可视化犹如当下的生成式AI，都是从投资者到消费者都追捧的热门技术话题。多媒体与可视化数据在当年的舆论浪潮中，被夸到小可以养妻活儿、提高工作娱乐效率，大可以改天换地、重写行业经济版图。</p><p style=\"text-align: justify;\">这些技术的基础，是图像数据处理的更佳质量与速度。如果游戏、视频、PPT们始终停留在1992年的粗粝画质，啥都无从说起。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/abca3ccce83d6fb2b2d332bdef6eb67d\" tg-width=\"416\" tg-height=\"234\"><span>图片</span></p><p><strong>| 世界首款大卖FPS游戏1992年《重返德军总部3D》与2001、2019年系列续作的画质对比</strong></p><p>1995年，全球有三十家大公司在显卡市场上竞争。</p><p style=\"text-align: justify;\">然而追逐时尚比想象中要难。创业公司得决断：是专注个人电脑（PC）端的业务呢，还是专注特定公司的娱乐主机业务呢？是只做图像呢，还是做多媒体通抓音画呢？</p><p style=\"text-align: justify;\">尽管当时没有“赛道”的商业新话，企业家抉择的难度并不低于现在。</p><p style=\"text-align: justify;\">英伟达的创始概念是加速计算，即用特制设备来为CPU的运算工作减负提速，最简洁的落地方案，自然是堆算力造显卡处理图像。</p><p style=\"text-align: justify;\">筹到250万美元后，于1995年5月推出第一款产品：NV1。以现在的后见之明看，NV1的最大作用是给黄仁勋提供了反面经验：这种产品做得很好，以后千万不能做了。</p><p style=\"text-align: justify;\">出于为当时的游戏主机巨头世嘉公司服务的考量，NV1最突出的特色，是兼容世嘉游戏在PC上的运行，与业内既有和将出现的其他PC端3D图像程序基础架构的兼容性不够出色。</p><p style=\"text-align: justify;\">当时世嘉公司有意将游戏业务从街机、主机端扩展到PC端，NV1的努力迎合了主要合作商的需要，但局限了自己的市场潜力。而且NV1兼具显卡和声卡功能，偏离了加速计算基于图像落地的初衷，产品定位有欠清晰。</p><p style=\"text-align: justify;\">NV1没有一鸣惊人，英伟达公司却非一无所获。黄仁勋借此从风投机构融了650万美元的第二轮投资。</p><p style=\"text-align: justify;\">不过在1997年8月推出新产品Riva 128前，英伟达已经裁员过半，银行账户只剩不到6周的流动资金。办公室既窄小，地段又不佳。剩余的员工们不仅要在乒乓球桌上吃饭，连停车场也只能蹭旁边富国银行的，而这家网点已经被抢劫过两三回了。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/ff0b70abdbcdb75208bbf44e535eda5d\" tg-width=\"1027\" tg-height=\"513\"><span>图片</span></p><p><strong>｜英伟达现在的公司总部</strong></p><p style=\"text-align: justify;\">头炮打哑，只要教训真记住，对创业企业家来说并不完全是绝路。</p><p style=\"text-align: justify;\">虽然黄仁勋在各种活动上说创业首年的雇律师、订办公室早饭等各种经验非常宝贵，但从1997-1999年上半年的英伟达三款产品看，他记住的显然不止这些。</p><p style=\"text-align: justify;\">英伟达的过往，映照着它的未来。</p><p><strong>把摩尔定律“卷”到极致</strong></p><p style=\"text-align: justify;\">英伟达此后的转向，一是主业放弃多媒体，专做PC端的显卡。</p><p style=\"text-align: justify;\">1990年代中期，游戏业的热门话题是从主机/街机走向PC，而不被注意的潜流是游戏同时在从PC单机走向PC端多人在线。关于图形渲染的硬件性能需求因此与日俱增。只满足这个缺口，已经足以养活整个行业。</p><p style=\"text-align: justify;\">二是垂直整合显卡的配套软件，自行开发显卡驱动程序和拓展软件开发工具包（SDK，software development kit）。</p><p style=\"text-align: justify;\">过去的惯例是，英伟达这些显卡研发公司把设计交付主板芯片生产商之后，由生产商自己分包给另外的承包者写显卡驱动。至于用显卡做图形设计等专门工作的终端用户、PC运行系统的开发商，与显卡研发者没有直接配合。凡此种种，局限了显卡的性能潜力和用户体验。</p><p style=\"text-align: justify;\">1996年，英伟达专为配合微软当时刚推出的Direct3D图形渲染插件，写了自家显卡驱动程序。1998年开始，英伟达公司会定期即时更新自家的通用显卡驱动程序。此举持续至今。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/998d0c20131375e21f2dcc4d42a59f91\" tg-width=\"829\" tg-height=\"255\"><span>图片</span></p><p>三是全力秉持和实现摩尔定律。这是英伟达现在成为全球算力第一供应商的基础。</p><p style=\"text-align: justify;\">不久前去世的英特尔联合创始人戈登·摩尔（Gordon Moore），在1965年提出了摩尔定律：集成电路上可容纳的晶体管数目，约每隔两年便会增加一倍。衍生的推论，是每隔18个月，芯片的性能就会因此提高一倍。</p><p style=\"text-align: justify;\">英伟达公司的决策层，立志要将摩尔定律永续实现。</p><p style=\"text-align: justify;\">从1990年代后半叶开始，英伟达的产品设计与研发部门一直有三个部分同时工作：一部分负责本年度新品的设计，一部分负责去年出品的翻新挖潜设计，一部分负责明年新品的设计。每款产品之间，基本要有一倍的性能提高，如果显存没有涨一倍，那么核心频率就得快一倍，如果都不行，那么至少制程要明显缩小。</p><p style=\"text-align: justify;\">如此的结果，是英伟达每半年至一年就会推出性能换代的新品，1999年之前的产品内部代码全叫NV，即“下一版”（Next Version）的首字母缩写。其他同业公司跟不上如此搏命的步伐，纷纷退出竞争。</p><p style=\"text-align: justify;\">1995年的三十家显卡设计大公司，到1999年末只剩下三家。英伟达与之后被AMD收购的ATI，并肩收割游戏玩家、专业设计师等高性能显卡用户的市场份额。英特尔依靠PC主板的垄断生产商地位，包揽主板集成显卡的低性能用户市场。</p><p style=\"text-align: justify;\">1999年10月，英伟达推出GeForce 256，在营销中称“这是世界上第一款GPU”。同年，过去占据显卡市场龙头的3dfx公司破产，被英伟达收购。显卡业告别创业者纷纷崛起的时代，进入了“红绿蓝三国战争”的时代（按商标颜色不同的消费者昵称，“红厂”为AMD、“绿厂”为英伟达、“蓝厂”为英特尔）。</p><p style=\"text-align: justify;\">在20世纪的末尾，没人知道这场竞逐的结果，会决定之后由谁主宰世界算力的供应。</p><p><strong>干翻英特尔和AMD</strong></p><p style=\"text-align: justify;\">经过20年，红绿蓝三厂竞争显卡市场霸主地位的结果揭晓：“绿厂”英伟达胜出了。</p><p style=\"text-align: justify;\">这场“三国演义”里，“蓝厂”英特尔一直是配角。凭借全球PC主板市场的垄断地位，英特尔的注意力一直放在CPU而非GPU。在英特尔眼中，要提高性能，得整个主板的整全性能一起提升，只提升图像处理的速度，那是偏门小道。</p><p style=\"text-align: justify;\">所以英特尔做显卡只是占位，表示这个市场的钱自己还是要赚点，没有完全放弃。这个策略的结果，现在已经被人做成了搞笑哏图。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/5d8e48a22c9ec45b2bd28d335c91ffd5\" tg-width=\"560\" tg-height=\"474\"><span>图片</span></p><p style=\"text-align: justify;\">究其原因，是CPU要负责整个电脑主板的序时性复杂运算，而GPU在成为通用类芯片前只需负责图像处理的并时性简单运算。如下图所示，单个CPU的控制元件、基础运算单元（ALU）、缓存（Cache）等，都比单个GPU数量少而负重大，因此提升性能的设计与制造难度都远更高。</p><p style=\"text-align: justify;\">黄仁勋多次说过，以CPU而言，摩尔定律已经过气，英特尔CPU性能翻倍的最快时限是每五年。然而他家的GPU嘛，还是每一至两年内性能翻倍的哦。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/1abcdd26df806876cb95e2fd97957018\" tg-width=\"828\" tg-height=\"467\"><span>图片</span></p><p style=\"text-align: justify;\">真正的激烈竞争，发生在英伟达和ATI/AMD之间。</p><p style=\"text-align: justify;\">这场角逐的早期，英伟达并不显操胜算。在2006年被AMD收购前，ATI出品的显卡，无论更新速度还是单个性能，都屡有明显优于英伟达竞品的佳作。高端显卡的世界第一，在2000年代前半段看不出究竟属谁。</p><p style=\"text-align: justify;\">但ATI在这场竞争中已经后续乏力，英伟达的产品更新与性能提升速度，始终达到了摩尔定律的金标准。而ATI的产品更新目标，从胜过英伟达竞品，逐渐变成了赶上英伟达竞品。</p><p style=\"text-align: justify;\">ATI/AMD因应此形势的对策，是改作中端显卡：比英特尔的集显性能强，比英伟达的高端显卡更便宜。并且在营销中攻击英伟达的竞品又贵又耗电：顾客大爷你们千万不要被它越来越吓人的性能参数骗了，不是物超所值的哦。</p><p style=\"text-align: justify;\">2006年，ATI被AMD收购，英伟达少了一个强对手，胜算增加。</p><p style=\"text-align: justify;\">唯一的变数在于芯片代工厂。</p><p style=\"text-align: justify;\">显卡业的过往通则，是ATI、英伟达等品牌企业管设计，然后将设计方案交付给芯片厂，委托它们制作成品。</p><p style=\"text-align: justify;\">当然，不是没有公司想囊括从设计到生产的全链条，但此举一般会给自己带来双倍的麻烦：以前承接你生意的芯片厂合作伙伴，以后就是要抢你生意的竞争对手。1990年代从显卡龙头到被英伟达收购的3dfx，就是如此把自己玩破产的。</p><p style=\"text-align: justify;\">在被收购前，ATI是台积电的大客户。但收购之后，2009年AMD与半导体大厂格芯签约，所有芯片都交由格芯制造。而格芯在芯片制程缩小的技术革新中逐渐落后于台积电，带累了AMD的所有产品，包括显卡。</p><p style=\"text-align: justify;\">与之相对的，是英伟达与台积电1997年敲定的合作关系合作越发紧密。</p><p style=\"text-align: justify;\">而这两家公司的牵手之路，颇有戏剧性。</p><p style=\"text-align: justify;\">1990年代中期，台积电已经是市值近60亿美元的大公司，英伟达没有上市，年营收2700万美元，两者体量差距不小。正如本文开头所述，黄仁勋给张忠谋本人和台积电美国办公室打电话，没人接。</p><p style=\"text-align: justify;\">最后，黄仁勋做出了科技史上的著名举动：给张忠谋写纸信。1997年，人在新竹的张忠谋收到来自美国的黄仁勋的信函后，大感兴趣，如信中所邀，给英伟达公司办公室回了电话。</p><p style=\"text-align: justify;\">在张忠谋的回忆中，黄仁勋接电话时，办公室背景音嘈杂。在互相通名介绍后，皮衣哥不得不在公司里怒叱：“都闭嘴！悄声些！电话那头是张忠谋！”等到两人第一次见面，黄仁勋先讲了半天图像加速运算的产品理念，张老板表示非常认同，反手递来宣传单。黄仁勋本以为轮到台积电介绍自己的技术与产能了，结果打开一看，是讲公司价值观的。</p><p style=\"text-align: justify;\">英伟达在这段合作关系的初期如此伏低做小，越往后收获越大。台积电的芯片制程每年都在缩小，集成电路上的元器件现在已经微缩到物理极限，无法比原子更小。芯片的精密度与日俱增，算力也跟着有数量级的飞跃。</p><p style=\"text-align: justify;\">“显卡战争”的结果，是英伟达胜势如潮涌，成为显卡业的世界第一。制霸高端显卡市场的英伟达，有足够的营收来打中端显卡、低端集显的价格战，产品与技术研发也有更充足的预算。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/d8b24284ed64e0a2b24f73f9b0b25c7c\" tg-width=\"831\" tg-height=\"438\"><span>图片</span></p><p><strong>｜今年奥斯卡颁奖礼前，英伟达公司官网称：竞争“最佳视效”奖项的五部电影，视效都是用我司的芯片和基础技术做出来的</strong></p><p style=\"text-align: justify;\">英伟达的技术优势，从一步领先，到一骑绝尘。生成式AI爆火之后，2023年2月英特尔和AMD的CEO也在疾呼：我司有广泛的产品门类适合此行业，明年生成式AI将会更加主流普罗化、更有意义。</p><p style=\"text-align: justify;\">这简直是在哀求：时代的脚步啊，你等一等，别让姓黄的把这份钱都赚完了。</p><p><strong>通用算力，一统江湖</strong></p><p style=\"text-align: justify;\">胜出后，英伟达的显卡研发没有放缓，算力持续增强。在2000年代后半叶，英伟达就开始着眼未来，研究这些算力的未来用途。</p><p style=\"text-align: justify;\">2006年，英伟达推出CUDA开发平台，软件开发者可以通过这一平台，使用C语言编写GPU片上程序，来完成复杂的计算。GPU从此实际脱离图像处理的单一用途，成为了真正的GPGPU（通用GPU）。</p><p style=\"text-align: justify;\">强大的算力一旦能通用，成为其他行业的驱动力就是迟早的事。英伟达本身最先想通了这点，在AI领域的布局远比公众想象的早，技术领军人早就和英伟达关系密切。</p><p style=\"text-align: justify;\">2010年的吴恩达寻猫片典故之前，2008年卡坦扎罗加入公司，他当时在加州大学伯克利分校做研究生时，就将注意力集中在为AI开发GPU上。2009年，AI界泰斗辛顿在学术会议上，劝上千名研究者赶快买GPU，那是深度学习的未来之光。2016年，微软技术大拿黄学东创下了语音识别AI错误率与专业人类速记员持平的纪录后，得奖开香槟的地点，是黄仁勋的大别墅。</p><p style=\"text-align: justify;\">2010-2012年的深度学习飞跃开始后，英伟达已经是稳赢不输的世界“算力油田”，把握数据量与运算速度的世界巅峰。之后所有挑战都能克服，所有阻难都是表象。</p><p style=\"text-align: justify;\">英伟达把自己强大的GPU拓展到其他行业的尝试并不是次次得手。Tegra芯片最终没有成功进入手机市场，挖矿芯片随着加密货币潮的褪热前景黯淡，与特斯拉在自动驾驶系统的合作无疾而终，2022年黄仁勋“元宇宙将挺过任何经济下行”的预言现在像个玩笑话。</p><p style=\"text-align: justify;\">然而这些不成功尝试是力不虚掷、功不唐捐的。Tegra芯片装不进手机，那就卖给马斯克装进特斯拉车里。为元宇宙开发的Omniverse平台，用来合成训练AI的物理数据，多样性与过拟合规避还胜过了真实世界数据。扎克伯格做不动元宇宙，但黄仁勋的Omniverse却是长做长有。</p><p class=\"t-img-caption\"><img alt=\"图片\" title=\"图片\" src=\"https://static.tigerbbs.com/9cf259aa33c0621f616ec68e9ab6a1de\" tg-width=\"600\" tg-height=\"338\"><span>图片</span></p><p><strong>｜英伟达的数字孪生体技术，已经足以为地球物理的机器学习模型提供高置信度模拟运算</strong></p><p style=\"text-align: justify;\">即使有意竞争者的挑战，最后也成了给英伟达捧场。</p><p style=\"text-align: justify;\">2016年，谷歌宣布专门为AI研究开发了机器学习的专属芯片TPU（张量处理单元），并设计了基准测试工具MLPerf。然而在大多数年度的MLPerf测试中，按英伟达员工的自述，“黄总说，我们每次运行MLPerf基准测试时，都要向谷歌证明我们的GPU比TPU运算速度快，哪怕只快一点点就好。”</p><p style=\"text-align: justify;\">今年谷歌的TPUv4终于在MLPerf基准测试测试中赢了英伟达的A100芯片，成为业界大新闻：居然有芯片强过了英伟达产品！</p><p style=\"text-align: justify;\">蓄势强劲，横绝宇内。从现在到可预见未来的英伟达，如同1970年代至今的迪拜和利雅得：前30年是世界经济的不起眼齿轮，以后就是世界经济的动力舱。一直主宰能源驱动的上游，不管下游行业如何变动，自己都是八风不动。</p><p style=\"text-align: justify;\">不管福特和丰田谁赢了家用车竞争，顾客最后都要找海湾土豪买油。不管元宇宙还是生成式AI谁是真正的未来数字产业走向，跑模型的数据中心都要找英伟达买芯片。共生双赢，的确是英伟达赢两次。</p><p><br>作者｜袁榭</p></body></html>","text":"英伟达无疑是近年新能源、AI热潮的最大赢家，分享一篇好文 1990年代中期，黄仁勋30出头，他创办的 $英伟达(NVDA)$ 还没完全站稳脚跟，他希望如日中天的台积电能代工英伟达的显卡，他打电话过去，没人搭理。 多年后，他还在向张忠谋抱怨这段往事：“当年给你打电话打不通也没人回，是不是我电话号码记错了？给你公司在美国的销售部门打电话也没人接。” 今天，全球科技界恐怕没有几个人敢不接黄仁勋的电话，这个当年求人代工显卡的小伙子被称为“教主”，在3月21日的英伟达GTC大会上，他穿着标志性的黑色皮衣出现台上，说出了石破天惊的一番话：我们正处于AI的“iPhone时刻”。 2022年11月，大语言模型ChatGPT问世，预示着能生成自然文章和图像的“生成式AI”将在社会普及，给世界带来颠覆性的改变。而支撑这幅图景的，有英伟达的GPU——AI时代最重要的基础设施之一，GPU提供算力，犹如AI时代的原油。 2020年，全世界跑AI的云计算与数据中心，80.6%都在用英伟达的GPU驱动。2021年，英伟达称全球前五百个超算中，七成由它家的芯片驱动，在最新的超算系统中此比例是九成。运行ChatGPT的微软数据中心用了上万块英伟达H100 GPU。后续，预计需要超过3万块英伟达的GPU来维持更高版本的GPT模型运转。 如同1970年代的欧派克一限产，全世界的汽车都缺油。现在只要英伟达一断供芯片，管你天高股价、地大营收，全球前十大企业里，至少有一半要地震。 黄仁勋和他的算力帝国，已经能扼住时代命脉。这其中，有着通往未来30年的秘密。 十年前悄然发生的革命 2023年英伟达GTC的主题演讲中，黄仁勋专门提到了生成式AI的飞跃： “十年间，我们从自动判读猫图，进步到能自动生成‘穿太空服的猫在月球漫步’的图片。” 图片 皮衣老黄真不忘本。无论是“AI的iPhone时刻”，还是英伟达成为“算力油田”，都是蓄力于前，发端于自家的“猫片”。 2010年的一天，加州帕罗奥图市的琼安咖啡馆里，刚做上英伟达首席科学家的比尔·戴利（Bill Dally）和当时在谷歌大脑供职的AI界宗师吴恩达（Andrew Ng）聚餐。 十余年过去后他们会发现，正是这场会面，无意地打开了一道通往AI新世界的大门。 两个老友在席间聊起了吴恩达当时课题面临的障碍：训练神经网络AI的算力不够了。 具言之，谷歌要用数千万条YouTube视频来训练神经网络AI分辨猫与人的不同。而当时AI界的领军人物们仍然习惯串联CPU来执行此类任务。吴恩达预计，要完成课题得用1.6万块CPU。 就算是从不缺钱的谷歌，也不会给公司内任一研发项目组轻松批下买1.6万块CPU的预算。AI宗师当年也被难住了。 戴利听完老友诉苦，认为自己有现成解决方案：不就是在线寻猫片么，何必整1.6万块CPU，用我们英伟达公司的显卡产品，几十块就搞定，你信不信？ 当时英伟达虽已制霸世界独立显卡业，但名声还只局限在极客、硬核游戏玩家、图形设计师等非普罗用户中。谁也不知道，这将是英伟达公司与人工智能行业双向奔赴、双双出圈的起点。 随后，戴利找上刚从加大伯克利分校招到英伟达的非正职研究员布莱恩· 卡坦扎罗（Bryan Catanzaro），请他帮忙。卡坦扎罗很快找到了解决方案：并联12块英伟达GPU成功驱动了吴恩达的神经网络模型，并联48块GPU就能获取预计要用1.6万块CPU才有的理想效果。 论文一出，学界响震：居然有这种好事？ 两年后，AI界泰斗辛顿（Geoffrey Hinton）和学生克里泽夫斯基（Alex Krizhevsky）、萨茨克维尔（Ilya Suskever）效仿此举，用英伟达的GeForce GTX 580显卡训练由克里泽夫斯基提出的神经网络模型AlexNet，夺得ImageNet图像分类竞赛冠军，成为AI技术飞跃的奇点。 从此，英伟达在深度学习芯片市场上撒腿狂奔。2013年内，英伟达在全球深度学习芯片市场占有率是100%。在上个世纪能源是石油，在这个世纪能源是算力。以后的新时代里，黄仁勋的黑皮衣，如同上个世纪海湾国家显贵们的白罩袍，都是唯我独尊的霸主象征。 十余年过去，泰斗和宗师地位更高，年轻人也成了行业大佬。卡坦扎罗现在是英伟达副总裁、深度学习应用研究部负责人，萨茨克维尔现在是OpenAI的首席科学家、联合创始人、GPT系列大模型集合之父。 图片 ｜左为黄仁勋，右为萨茨克维尔 ChatGPT面世后，意外风靡世界，被称为AI技术革命的开始。然而即使这个大模型集合如OpenAI一开始预期的，作为GPT3到GPT4之间的过渡实验版本简单飘过，AI技术革命的下一个出圈爆点，钥匙还是会掌握在英伟达高层的朋友圈里。 因为算力的扩张与通用、技术的开发与布局，是英伟达成功的因由。 一炮打哑，老黄吃瘪 大人物功成名就后，一般会支楞起来。 2018年初，《财富》杂志举办的活动中，有人问黄仁勋：你何时知道英伟达公司将会改变世界的？黄仁勋答：1993年2月17日，我成立公司的日子。不改变世界，我创个什么业？ 皮衣哥自己说得响，但1990年代中，英伟达的运营低谷时账面上曾只有6个星期的资金，离关门一步之遥。 人尽皆知，英伟达靠开发显卡起家。然而黄仁勋创业的初心，与其说是做显卡，不如说一直都是求索算力提高的途径。 在1990年代，多媒体犹如近年的元宇宙、数据可视化犹如当下的生成式AI，都是从投资者到消费者都追捧的热门技术话题。多媒体与可视化数据在当年的舆论浪潮中，被夸到小可以养妻活儿、提高工作娱乐效率，大可以改天换地、重写行业经济版图。 这些技术的基础，是图像数据处理的更佳质量与速度。如果游戏、视频、PPT们始终停留在1992年的粗粝画质，啥都无从说起。 图片 | 世界首款大卖FPS游戏1992年《重返德军总部3D》与2001、2019年系列续作的画质对比 1995年，全球有三十家大公司在显卡市场上竞争。 然而追逐时尚比想象中要难。创业公司得决断：是专注个人电脑（PC）端的业务呢，还是专注特定公司的娱乐主机业务呢？是只做图像呢，还是做多媒体通抓音画呢？ 尽管当时没有“赛道”的商业新话，企业家抉择的难度并不低于现在。 英伟达的创始概念是加速计算，即用特制设备来为CPU的运算工作减负提速，最简洁的落地方案，自然是堆算力造显卡处理图像。 筹到250万美元后，于1995年5月推出第一款产品：NV1。以现在的后见之明看，NV1的最大作用是给黄仁勋提供了反面经验：这种产品做得很好，以后千万不能做了。 出于为当时的游戏主机巨头世嘉公司服务的考量，NV1最突出的特色，是兼容世嘉游戏在PC上的运行，与业内既有和将出现的其他PC端3D图像程序基础架构的兼容性不够出色。 当时世嘉公司有意将游戏业务从街机、主机端扩展到PC端，NV1的努力迎合了主要合作商的需要，但局限了自己的市场潜力。而且NV1兼具显卡和声卡功能，偏离了加速计算基于图像落地的初衷，产品定位有欠清晰。 NV1没有一鸣惊人，英伟达公司却非一无所获。黄仁勋借此从风投机构融了650万美元的第二轮投资。 不过在1997年8月推出新产品Riva 128前，英伟达已经裁员过半，银行账户只剩不到6周的流动资金。办公室既窄小，地段又不佳。剩余的员工们不仅要在乒乓球桌上吃饭，连停车场也只能蹭旁边富国银行的，而这家网点已经被抢劫过两三回了。 图片 ｜英伟达现在的公司总部 头炮打哑，只要教训真记住，对创业企业家来说并不完全是绝路。 虽然黄仁勋在各种活动上说创业首年的雇律师、订办公室早饭等各种经验非常宝贵，但从1997-1999年上半年的英伟达三款产品看，他记住的显然不止这些。 英伟达的过往，映照着它的未来。 把摩尔定律“卷”到极致 英伟达此后的转向，一是主业放弃多媒体，专做PC端的显卡。 1990年代中期，游戏业的热门话题是从主机/街机走向PC，而不被注意的潜流是游戏同时在从PC单机走向PC端多人在线。关于图形渲染的硬件性能需求因此与日俱增。只满足这个缺口，已经足以养活整个行业。 二是垂直整合显卡的配套软件，自行开发显卡驱动程序和拓展软件开发工具包（SDK，software development kit）。 过去的惯例是，英伟达这些显卡研发公司把设计交付主板芯片生产商之后，由生产商自己分包给另外的承包者写显卡驱动。至于用显卡做图形设计等专门工作的终端用户、PC运行系统的开发商，与显卡研发者没有直接配合。凡此种种，局限了显卡的性能潜力和用户体验。 1996年，英伟达专为配合微软当时刚推出的Direct3D图形渲染插件，写了自家显卡驱动程序。1998年开始，英伟达公司会定期即时更新自家的通用显卡驱动程序。此举持续至今。 图片 三是全力秉持和实现摩尔定律。这是英伟达现在成为全球算力第一供应商的基础。 不久前去世的英特尔联合创始人戈登·摩尔（Gordon Moore），在1965年提出了摩尔定律：集成电路上可容纳的晶体管数目，约每隔两年便会增加一倍。衍生的推论，是每隔18个月，芯片的性能就会因此提高一倍。 英伟达公司的决策层，立志要将摩尔定律永续实现。 从1990年代后半叶开始，英伟达的产品设计与研发部门一直有三个部分同时工作：一部分负责本年度新品的设计，一部分负责去年出品的翻新挖潜设计，一部分负责明年新品的设计。每款产品之间，基本要有一倍的性能提高，如果显存没有涨一倍，那么核心频率就得快一倍，如果都不行，那么至少制程要明显缩小。 如此的结果，是英伟达每半年至一年就会推出性能换代的新品，1999年之前的产品内部代码全叫NV，即“下一版”（Next Version）的首字母缩写。其他同业公司跟不上如此搏命的步伐，纷纷退出竞争。 1995年的三十家显卡设计大公司，到1999年末只剩下三家。英伟达与之后被AMD收购的ATI，并肩收割游戏玩家、专业设计师等高性能显卡用户的市场份额。英特尔依靠PC主板的垄断生产商地位，包揽主板集成显卡的低性能用户市场。 1999年10月，英伟达推出GeForce 256，在营销中称“这是世界上第一款GPU”。同年，过去占据显卡市场龙头的3dfx公司破产，被英伟达收购。显卡业告别创业者纷纷崛起的时代，进入了“红绿蓝三国战争”的时代（按商标颜色不同的消费者昵称，“红厂”为AMD、“绿厂”为英伟达、“蓝厂”为英特尔）。 在20世纪的末尾，没人知道这场竞逐的结果，会决定之后由谁主宰世界算力的供应。 干翻英特尔和AMD 经过20年，红绿蓝三厂竞争显卡市场霸主地位的结果揭晓：“绿厂”英伟达胜出了。 这场“三国演义”里，“蓝厂”英特尔一直是配角。凭借全球PC主板市场的垄断地位，英特尔的注意力一直放在CPU而非GPU。在英特尔眼中，要提高性能，得整个主板的整全性能一起提升，只提升图像处理的速度，那是偏门小道。 所以英特尔做显卡只是占位，表示这个市场的钱自己还是要赚点，没有完全放弃。这个策略的结果，现在已经被人做成了搞笑哏图。 图片 究其原因，是CPU要负责整个电脑主板的序时性复杂运算，而GPU在成为通用类芯片前只需负责图像处理的并时性简单运算。如下图所示，单个CPU的控制元件、基础运算单元（ALU）、缓存（Cache）等，都比单个GPU数量少而负重大，因此提升性能的设计与制造难度都远更高。 黄仁勋多次说过，以CPU而言，摩尔定律已经过气，英特尔CPU性能翻倍的最快时限是每五年。然而他家的GPU嘛，还是每一至两年内性能翻倍的哦。 图片 真正的激烈竞争，发生在英伟达和ATI/AMD之间。 这场角逐的早期，英伟达并不显操胜算。在2006年被AMD收购前，ATI出品的显卡，无论更新速度还是单个性能，都屡有明显优于英伟达竞品的佳作。高端显卡的世界第一，在2000年代前半段看不出究竟属谁。 但ATI在这场竞争中已经后续乏力，英伟达的产品更新与性能提升速度，始终达到了摩尔定律的金标准。而ATI的产品更新目标，从胜过英伟达竞品，逐渐变成了赶上英伟达竞品。 ATI/AMD因应此形势的对策，是改作中端显卡：比英特尔的集显性能强，比英伟达的高端显卡更便宜。并且在营销中攻击英伟达的竞品又贵又耗电：顾客大爷你们千万不要被它越来越吓人的性能参数骗了，不是物超所值的哦。 2006年，ATI被AMD收购，英伟达少了一个强对手，胜算增加。 唯一的变数在于芯片代工厂。 显卡业的过往通则，是ATI、英伟达等品牌企业管设计，然后将设计方案交付给芯片厂，委托它们制作成品。 当然，不是没有公司想囊括从设计到生产的全链条，但此举一般会给自己带来双倍的麻烦：以前承接你生意的芯片厂合作伙伴，以后就是要抢你生意的竞争对手。1990年代从显卡龙头到被英伟达收购的3dfx，就是如此把自己玩破产的。 在被收购前，ATI是台积电的大客户。但收购之后，2009年AMD与半导体大厂格芯签约，所有芯片都交由格芯制造。而格芯在芯片制程缩小的技术革新中逐渐落后于台积电，带累了AMD的所有产品，包括显卡。 与之相对的，是英伟达与台积电1997年敲定的合作关系合作越发紧密。 而这两家公司的牵手之路，颇有戏剧性。 1990年代中期，台积电已经是市值近60亿美元的大公司，英伟达没有上市，年营收2700万美元，两者体量差距不小。正如本文开头所述，黄仁勋给张忠谋本人和台积电美国办公室打电话，没人接。 最后，黄仁勋做出了科技史上的著名举动：给张忠谋写纸信。1997年，人在新竹的张忠谋收到来自美国的黄仁勋的信函后，大感兴趣，如信中所邀，给英伟达公司办公室回了电话。 在张忠谋的回忆中，黄仁勋接电话时，办公室背景音嘈杂。在互相通名介绍后，皮衣哥不得不在公司里怒叱：“都闭嘴！悄声些！电话那头是张忠谋！”等到两人第一次见面，黄仁勋先讲了半天图像加速运算的产品理念，张老板表示非常认同，反手递来宣传单。黄仁勋本以为轮到台积电介绍自己的技术与产能了，结果打开一看，是讲公司价值观的。 英伟达在这段合作关系的初期如此伏低做小，越往后收获越大。台积电的芯片制程每年都在缩小，集成电路上的元器件现在已经微缩到物理极限，无法比原子更小。芯片的精密度与日俱增，算力也跟着有数量级的飞跃。 “显卡战争”的结果，是英伟达胜势如潮涌，成为显卡业的世界第一。制霸高端显卡市场的英伟达，有足够的营收来打中端显卡、低端集显的价格战，产品与技术研发也有更充足的预算。 图片 ｜今年奥斯卡颁奖礼前，英伟达公司官网称：竞争“最佳视效”奖项的五部电影，视效都是用我司的芯片和基础技术做出来的 英伟达的技术优势，从一步领先，到一骑绝尘。生成式AI爆火之后，2023年2月英特尔和AMD的CEO也在疾呼：我司有广泛的产品门类适合此行业，明年生成式AI将会更加主流普罗化、更有意义。 这简直是在哀求：时代的脚步啊，你等一等，别让姓黄的把这份钱都赚完了。 通用算力，一统江湖 胜出后，英伟达的显卡研发没有放缓，算力持续增强。在2000年代后半叶，英伟达就开始着眼未来，研究这些算力的未来用途。 2006年，英伟达推出CUDA开发平台，软件开发者可以通过这一平台，使用C语言编写GPU片上程序，来完成复杂的计算。GPU从此实际脱离图像处理的单一用途，成为了真正的GPGPU（通用GPU）。 强大的算力一旦能通用，成为其他行业的驱动力就是迟早的事。英伟达本身最先想通了这点，在AI领域的布局远比公众想象的早，技术领军人早就和英伟达关系密切。 2010年的吴恩达寻猫片典故之前，2008年卡坦扎罗加入公司，他当时在加州大学伯克利分校做研究生时，就将注意力集中在为AI开发GPU上。2009年，AI界泰斗辛顿在学术会议上，劝上千名研究者赶快买GPU，那是深度学习的未来之光。2016年，微软技术大拿黄学东创下了语音识别AI错误率与专业人类速记员持平的纪录后，得奖开香槟的地点，是黄仁勋的大别墅。 2010-2012年的深度学习飞跃开始后，英伟达已经是稳赢不输的世界“算力油田”，把握数据量与运算速度的世界巅峰。之后所有挑战都能克服，所有阻难都是表象。 英伟达把自己强大的GPU拓展到其他行业的尝试并不是次次得手。Tegra芯片最终没有成功进入手机市场，挖矿芯片随着加密货币潮的褪热前景黯淡，与特斯拉在自动驾驶系统的合作无疾而终，2022年黄仁勋“元宇宙将挺过任何经济下行”的预言现在像个玩笑话。 然而这些不成功尝试是力不虚掷、功不唐捐的。Tegra芯片装不进手机，那就卖给马斯克装进特斯拉车里。为元宇宙开发的Omniverse平台，用来合成训练AI的物理数据，多样性与过拟合规避还胜过了真实世界数据。扎克伯格做不动元宇宙，但黄仁勋的Omniverse却是长做长有。 图片 ｜英伟达的数字孪生体技术，已经足以为地球物理的机器学习模型提供高置信度模拟运算 即使有意竞争者的挑战，最后也成了给英伟达捧场。 2016年，谷歌宣布专门为AI研究开发了机器学习的专属芯片TPU（张量处理单元），并设计了基准测试工具MLPerf。然而在大多数年度的MLPerf测试中，按英伟达员工的自述，“黄总说，我们每次运行MLPerf基准测试时，都要向谷歌证明我们的GPU比TPU运算速度快，哪怕只快一点点就好。” 今年谷歌的TPUv4终于在MLPerf基准测试测试中赢了英伟达的A100芯片，成为业界大新闻：居然有芯片强过了英伟达产品！ 蓄势强劲，横绝宇内。从现在到可预见未来的英伟达，如同1970年代至今的迪拜和利雅得：前30年是世界经济的不起眼齿轮，以后就是世界经济的动力舱。一直主宰能源驱动的上游，不管下游行业如何变动，自己都是八风不动。 不管福特和丰田谁赢了家用车竞争，顾客最后都要找海湾土豪买油。不管元宇宙还是生成式AI谁是真正的未来数字产业走向，跑模型的数据中心都要找英伟达买芯片。共生双赢，的确是英伟达赢两次。 作者｜袁榭","highlighted":1,"essential":2,"paper":2,"link":"https://laohu8.com/post/651608659","repostId":0,"isVote":1,"tweetType":1,"commentLimit":10,"symbols":["TSM","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":12842,"xxTargetLangEnum":"ZH_CN"},"isVote":1,"tweetType":1,"viewCount":1461,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"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":27,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"isCommentEnd":true,"isTiger":false,"isWeiXinMini":false,"url":"/m/post/651686672"}
精彩评论