英伟达黄仁勋的豪赌濒临破产，打造万亿美元AI军火商

收入增长了两倍，达到 181 亿美元，利润从去年同期的 61 亿美元增长8 亿美元直接飙升至 92 亿美元。

在AI浪潮下，英伟达在最近一个季度以超出预期的爆发性表现从台积电手中夺得桂冠，成为芯片之王。

人工智能领域正在发生一场战争，英伟达是唯一的军火商。

英伟达今天享受的AI红利来自黄仁勋十多年前的赌博。 在《纽约客》最近的一篇深度报道中，我们能够看到这场决定性赌博背后的更多细节。

成功从来都不是凭空的，破产总是在边缘。

这是第一款具有 8k 分辨率的控制台，占据了一整面墙，而且非常漂亮。

一开始，英伟达的GeForce成功来自游戏《雷神之锤》。 在游戏的死亡竞赛模式中，GPU 的并行计算为玩家提供了速度优势，因此 GeForce 中的每款新产品都会跟上。

巴克还想知道，除了更快地投掷手榴弹之外，GeForce 还能做些什么。

后来，Buck 设法入侵了显卡的原始编程工具 Shader，利用其并行计算将 GeForce 变成了一台低成本的超级计算机。

没过多久，Buck 就成为了 NVIDIA 的员工。

Ian Buck 现在是 NVIDIA 的副总裁。

黄仁勋希望巴克开发一款软件，将每个GeForce变成一台超级计算机。 同时，也让硬件团队在芯片结构上进行相应的改造。

2006 年，Buck 为 NVIDIA 推出的 CUDA 正式推出，使研究人员和程序员能够通过编程语言更个性化、更高效地使用 GPU 的计算能力。

然而，消费者对黄仁勋想要推广的超级计算机兴趣不大。 流行的科技播客《Acquired in Silicon Valley》评论道：

他们在这个新的芯片架构上花了很多钱。

他们花费了数十亿美元来服务于学术和科学计算的利基市场，这在当时是一个很小的市场——肯定比他们投资的数十亿美元要小。

我甚至不觉得AI教父主动找上门来。

这也就不足为奇了。

人工智能教父杰弗里·辛顿（Geoffrey Hinton）

今天，我们将 Geoffrey Hinton 称为 AI 教父。

然而，在2024年，Hinton进入了被资本所不喜欢的AI领域，该领域的研究被认为是小众神经网络。

那一年，Hinton 给 Nvidia 写了一封这样的邮件：

我刚刚告诉成千上万的机器习研究人员，他们都应该购买Nvidia显卡。 你能免费给我寄一个吗？

在此之前，Hinton 曾尝试使用 NVIDIA CUDA 平台训练神经网络识别人类语言，发现结果质量比预期的要好得多，因此他决定在行业会议上展示。

虽然英伟达拒绝给Hinton显卡，但Hinton还是鼓励学生使用它。

其中最关键的是他最好的两位程序员，Alex Krizhevsky 和 Ilya Sutskever。

从左到右）伊利亚·苏茨凯弗、亚历克斯·克里热夫斯基和杰弗里·辛顿

眼尖的读者应该已经注意到，后者正是 OpenAI 的首席科学家，他主导了 ChatGPT 背后的技术。

2012 年，Sutskever 和 Krizhevsky 购买了两块 NVIDIA GeForce 显卡，并在一周内用数百万条数据淹没神经网络来训练 AlexNet。 事后看来，Sutskever回忆说：

GPU 出现了，感觉就像一个奇迹。

同年，谷歌购买了 16,000 多个 CPU 来训练他们的神经网络来识别猫**。

另一方面，AlexNet 仅使用两个 GPU 就能够正确识别电动汽车、猎豹、货船等的图像。

2024年，在当年还颇具权威性的ImageNet大规模视觉识别挑战赛中，Alexnet打出了15分的前5名失误他以3%的得分夺冠，远超第二名和往届选手，甚至还涉嫌作弊。 Hinton 评论道：

这是一个重要的**时刻。 范式转变。

黄仁勋在周五晚上发了一封电子邮件，说一切都将围绕深度学习习展开，我们不再是一家图像公司。

接下来的星期一早上，我们成为了一家人工智能公司。

真的，就是这么快。

在Alexnet首次亮相后的几年内，几乎所有参加大规模视觉识别挑战的人都选择了神经网络。

到 21 世纪 10 年代中期，在 GPU 上训练的神经网络已达到 96% 的识别准确率，甚至超过了人类。

黄仁勋对超级计算机的愿景成真了，他开始寻找下一个目标：

事实上，我们能够解决计算机视觉问题，一个完全无组织的问题，这指向了一个问题：你还能教它什么？」

他认为神经网络将改变社会，他也可以利用CUDA来垄断其背后的硬件市场。

他跳入了这一飞跃，开始了 NVIDIA 的 AI 之旅。

这一次，人工智能行业的领导者不再需要给NVIDIA写电子邮件来申请免费显卡。

2016 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。

当时还没有与OpenAI决裂的马斯克，亲自开箱了这个花了3000人3年时间打造的成就。

在官方新闻稿中，黄仁勋开玩笑地说：

如果这是唯一要发货的产品，该项目将耗资20亿美元。

Sutskever抓住了这一新突破，他带领OpenAI在NVIDIA的超级计算机上构建了第一个GPT模型。

一年前的今天，OpenAI 正式向公众发布了 ChatGPT，改变了一切，包括 Nvidia。

订单不停，供不应求。

2024年，英伟达股价飙升超过200%，成为全球首家市值超过万亿美元的芯片厂商。

曾经不景气的CUDA，也聚集了400万开发者，成为英伟达在AI领域的又一护城河。

航空航天、生物科学、力学和能源勘探的研究主要在 CUDA 之上进行。

英伟达最新的人工智能产品DGX H100是一个370磅重的金属盒，售价为50万美元。

与当时交付给 OpenAI 办公室的 DGX-1 相比，新产品的运行速度提高了五倍。

如果你想训练AlexNet，你可以在不到一分钟的时间内完成。

9 月，黄被邀请回到加利福尼亚州圣何塞的 Danny's。

当时，正是在这家餐厅的展位上，他与合作伙伴一起起草了文件，并创立了英伟达。

他们想设计一种芯片，让他们的竞争对手羡慕不已。 黄仁勋想出了nvidia这个名字，结合了拉丁语中的嫉妒（invidia）。

如今的英伟达，无疑让竞争对手脸红，就连连锁餐厅的CEO丹尼也特意为他们制作了纪念牌匾，让英伟达的光芒也照耀在餐厅里。

然而，英伟达的成功并不是一个特别典型的成功者故事。

当英伟达成立时，热爱电子游戏的黄仁勋认为游戏市场应该有更好的显卡，并于 1995 年推出了第一款产品 NV1。

然而，NV1 并没有真正在主流市场获得关注，其中一个主要原因是Microsoft在同一年推出了 D3D API，但 NV1 不支持 D3D。 下一代 NV2 也失败了。

不服气，一次赌输的黄仁勋在2024年解雇了一半的员工，收紧了钱，把所有赌注都押在了未经测试的新产品上：

赔率是50比50，但无论如何我们已经处于破产的边缘。

从那时起，黄先生就鼓励员工带着这种绝望去上班。

对黄仁勋来说，困境和失败并不陌生：

我发现，在困难的情况下，我的思维最清晰。

我的心率甚至会下降。

此前，英伟达曾送过有问题的显卡，显卡上的风扇声音超级大。

黄仁勋没有解雇负责该产品的经理，而是与数百人开会，向经理讲述最终导致这场闹剧的每一个决定。

显示失败也已成为NVIDIA内部的习。

您还可以快速查看谁可以留在这里，谁不能留在这里。

如果有人开始挺身而出，那么我知道他们不会存在太久。

黄仁勋还喜欢鼓励员工追求零亿美元的市场，探索还没有竞争对手的实验领域，甚至没有明确的客户。

毕竟，正如黄仁勋所说：

我总觉得我们离破产只有30天了。 这一点没有改变。