---

文/颜萌 林李 李林

量子位 出品 | 公众号

所到之处，英伟达CEO黄仁勋例行强调：我们是一家AI公司。

谁又能说不是？

市值两年上涨10倍，芯片供不应求，屡战英特尔，坚持怼谷歌，是当前AI大红大紫中的实力玩家，也是AI大潮中最闪亮耀眼的明星缩影。

创立20年来，从游戏芯片供应商，到AI芯片垄断者，英伟达俨然历史钦定。

不过，回溯英伟达的风云际会，历史进程纵然功成名就，个人奋斗更是不容忽视——没有濒临破产时的豪赌，没有在CUDA上百亿美元的押注，又怎会有如今风光无限的英伟达和黄教主。

《纽约时报》记者Don Clark，决定揭秘英伟达“奇幻漂流”背后的关键时刻。

这不止是一个豪赌出奇迹的案例。

英伟达转折点

转折点是“CUDA”。

CUDA，英伟达的并行计算平台和编程模型。在它出现之前，英伟达的主要芯片GPU只是一个负责在屏幕上绘制图像的“图形处理单元”。

但CUDA的出现，让GPU拥有解决复杂计算问题的能力，可以帮手客户为各种任务对处理器进行编程。

好比远在波兰的图像识别公司CTA.ai，可以用它帮手筛查肠道图像——仅需要病患咽下一个药丸大小的传感器，就能让医生检测肠道功能紊乱的速度能够比视频检查快速70%，不但检查成本降低，并且诊断结果更精确。

对于类似的GPU应用，CTA.ai并不孤单。

GPU也正出现在越来越多出现在新兴设备上，比如无人车、机器人、自动驾驶汽车、服务器、超级计算机和虚拟现实设备。

它几乎是AI市场最为核心的需求品类，因为当前只有英伟达的GPU，才能快速处理各种复杂的人工智能任务，如图像识别、脸部识别和语音识别，甚至深度学习加速、气候建模，石油勘探都必需标配GPU。

实际上，这样的应用，远超老黄的最初预期。

实习生杰作

黄仁勋生于台湾，在俄勒冈州立大学和斯坦福大学学习电子工程，后来在硅谷的芯片制造商工作。

1993年，他和Chris 、 Priem一起创办了英伟达，最初，他们给游戏PC提供视觉特效，帮它们和那些专业的电子游戏机竞争。

说，公司最初的产品并不成功，而图形市场对手众多。后来，英伟达重组了它的产品和战略，逐渐与对手拉开距离，最终成就了在游戏PC中GPU加速器卡的绝对的领导地位。

GPU生成三角形以形成框架结构，模拟对象，为显示屏上的像素赋予颜色。要做到这一点，必需并行执行许多简单的指令，这就是图形芯片随着微型处理器数量的增加，性能优化的原因。

如何最大化利用这些微处理器的并行计算能力，始终是英伟达核心关心的问题。

也是CUDA诞生的原因。

1998年，斯坦福大学博士生Ian Buck进入英伟达实习，这是CUDA研发的开端。

当时，Buck参与过一项编程竞赛，任务是让能更容易地办理GPU的众多计算引擎。

△Ian Buck来源：heise.de

CUDA的核心设计理念就是计算机中的线程。与传统CPU中的4、8和16个线程差别，GPU中的线程可以多达几万个。

Buck体现，看起来这些线程的办理是一件十分复杂的事情。但实际上，编程人员主要的困难在于如何发挥这些线程的优势，而不是办理这些线程。

早期，CUDA的性能主要依赖编程人员人工发现代码中可并行计算的部分。

目前，随着CUDA库的发展，这方面的工作开始越来越自动化。

CUDA团队已经开发了很多石油、天然气和国防等相关产业所使用的科学计算方面的库。

最终，2012年发布的Titan超级计算机使用了16个 Tesla K20 GPU作为协处理器，标识表记标帜着GPGPU在高性能计算方面的成功推广和应用。

从2012年开始，的超级计算机中至少有100台会使用GPU进行加速。而这些机器基本上也都出现在的列表中。

Buck曾体现，在CUDA的应用傍边，最让其影响深刻的就是乳腺癌检测和诊断的系统。

与传统方法比拟，采用支持CUDA编程的Tesla GPU后，医生能够更早、更精确地发现乳腺癌。

而美国国家癌症研究所数据显示，基于CUDA的系统在运行蛋白质配体运算时只需要本来1/5的时间。

此后，CUDA开始受到越来越多的关注。

随着CUDA技术的不断成熟，英伟达也推出了更多针对不同应用场景的GPU产品，如专门用于深度学习的Tesla P100、Titan X等。

这些产品在人工智能、自动驾驶、医疗健康等领域取得了显著的应用成果。

值得一提的是，CUDA的成功还得益于英伟达对开源社区的支持。

英伟达积极推动CUDA开源，鼓励开发者使用CUDA开发各种应用。

这种开放的态度使得CUDA得到了更广泛的应用，进一步推动了GPU技术的发展。

在未来的发展中，英伟达将继续致力于GPU技术的创新，为更多行业带来革命性的变化。

“我们相信，CUDA将继续推动AI、自动驾驶、医疗健康等领域的发展，为人类创造更大的价值。”黄仁勋表示。

正如黄仁勋所言，CUDA不仅是英伟达的成功，更是整个GPU行业乃至整个计算行业的成功。

它为全球的开发者提供了一个强大的平台，让他们能够创造出更多创新的应用，推动人类社会的发展。

未来，CUDA将继续引领GPU技术的发展，为人类创造更多可能性。

欢迎用实际体验验证观点。