英伟达黄仁勋的豪赌:行走在破产边缘，打造万亿AI“军火商”，营收增长三倍至181亿美元，利润从去年同期的6.8亿美元直接飙升至92亿美元。
在AI的浪潮下，Nvidia从台积电手中夺走了桂冠，并以其出人意料的“爆棚”表现成为上一季度的“芯片之王”。
人工智能领域正在进行一场战争，英伟达是唯一的军火商。
一位华尔街分析师曾评论道。
英伟达今天享受的“AI红利”来自于黄仁勋十几年前的“豪赌”。通过《纽约客》最近的一篇深度报道，我们可以看到这场决定性“豪赌”背后的更多细节。
成功从来不保证，破产永远在边缘。
点燃人工智能的“大爆炸”时刻
那是第一台8K分辨率的游戏机，占据了整面墙。太美了。
2000年，斯坦福学生伊恩·巴克(Ian Buck)将32块NVIDIA GeForce显卡和8台投影仪连接起来玩雷神的锤子，自己搭建了一台高清游戏机。
起初，NVIDIA GeForce的成功来自于游戏《雷神之锤》的帮助。在游戏的“死亡竞赛”模式中，GPU的并行计算赋予了玩家速度优势，因此GeForce会让玩家跟上每一款新产品。
巴克也很好奇GeForce除了让自己扔手榴弹更快还能做什么。
后来，巴克成功地黑进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。
不久，巴克成为了英伟达的一名员工。
▲伊恩·巴克现在是英伟达的副总裁。
黄仁勋希望巴克制作一套软件，这样每一台GeForce都可以变成一台超级计算机。同时也让硬件团队在芯片结构上做出相应的改变。
2006年，Buck为NVIDIA制造的CUDA正式推出，可以支持研究人员和程序员通过编程语言更加个性化和高效地利用GPU计算能力。
然而，消费者对黄仁勋想要推广的超级计算机不感兴趣。硅谷的热门科技播客“获得”评论道:
他们在这个新的芯片架构上花了很多钱。
他们花费数十亿美元服务于一个学术和科学计算的小领域，这个领域在当时还是一个小市场——市场规模肯定比他们投入的数十亿要小。
当时英威达也在广撒网，努力寻找目标客户。我尝试过股票交易员，石油勘探公司，分子生物学家等等，但是没有考虑过人工智能领域。
连“AI教父”都是毫无感觉的主动“上门”。
难怪。
▲《AI教父》杰弗里·辛顿
今天，我们将杰弗里·辛顿称为“人工智能教父”。
但在2009年，Hinton处于被资本排斥的AI领域，该领域的研究也被认为是小众的“神经网络”。
辛顿当年给英伟达写了一封邮件:
我刚刚告诉成千上万的机器学习研究人员，他们都应该购买英伟达显卡。你能免费送我一个吗？
结果呢？当然被拒绝了。
在此之前，Hinton尝试使用NVIDIA CUDA平台训练神经网络识别人类语言，发现结果的质量比预期好得多，于是决定在行业会议上展示。
虽然NVIDIA拒绝给Hinton送显卡，Hinton还是鼓励学生使用。
其中最关键的是他的两位杰出的程序员Alex Krizhevsky和Ilya Sutskever。
▲(从左至右)伊利亚·苏茨基弗、亚历克斯·克里热夫斯基和杰弗里·辛顿
眼尖的读者应该会发现，后者是OpenAI的首席科学家，主导着ChatGPT背后的技术。
2012年，Sutskever和Krizhevsky购买了两块NVIDIA GeForce显卡，在一周内，他们将数百万张图片数据注入神经网络，训练出“AlexNet”。事后，Sutskever回忆道:
GPU出现了，感觉是个奇迹。
他的感叹不无道理。
同年，谷歌购买了超过16000个CPU来训练其神经网络识别猫视频。
然而，AlexNet可以正确识别电动车、猎豹、货船等内容的图像，仅使用两个GPU。
2012年，在当时还相当权威的ImageNet大规模视觉识别挑战赛中，AlexNet以15.3%的top-5误差夺冠，远超第二名及之前的参赛选手，一度被怀疑作弊。辛顿评论道:
这是一个大爆炸的时刻。范式转变。
虽然不是故意的，但英伟达点燃了人工智能的“大爆炸”时刻。
成为一家AI公司
(黄仁勋)他在周五晚上发了一封邮件，说公司的一切都将围绕深度学习，我们不再是一家形象公司。
接下来的周一早上，我们变成了一个AI公司。
真的，就是那么快。
英伟达副总裁格雷格·埃斯蒂斯(Greg Estes)告诉《纽约客》。
AlexNet出现后，在几年的时间里，几乎所有参加大型视觉识别挑战的人都选择了神经网络的形式。
到1910年代中期，GPU训练的神经网络在图像识别方面的准确率已经达到96%，甚至已经超过了人类。
黄仁勋的超级计算机愿景实现了，他开始寻找下一个目标:
我们可以解决计算机视觉这个完全无组织结构的问题，这个事实指向了一个问题:“你还能教它什么？」
黄仁勋内心的答案似乎是——一切。
他认为神经网络会改变社会，他也可以用CUDA垄断背后硬件的市场。
他一跃而起，开始了英伟达的AI之旅。
这一次，AI行业的领军人物再也不用给英伟达写邮件申请免费显卡了。
2016年8月，黄仁勋亲自向OpenAI的办公室交付了世界上第一架DGX-1。
当时还没有和OpenAI决裂的马斯克亲自开箱，耗时三千人三年打造。
在官方新闻稿中，黄仁勋开玩笑地说:
如果这是唯一出货的产品，项目成本将高达20亿美元。
谁能想到，第二年，谷歌公布了新的神经网络训练架构Transformer。
这个新突破被Sutskever抓住，他领导OpenAI建立了第一个GPT模型，一切都建立在NVIDIA的超级计算机上。
一年前的今天，OpenAI正式向公众发布了ChatGPT，它改变了一切，包括NVIDIA。
订单不限，供不应求。
2023年，英伟达股价飙升超过200%，成为全球首家市值突破万亿美元的芯片厂商。
一度不被看好的CUDA也聚集了400万开发者，成为NVIDIA在AI领域的又一条“护城河”。
无论在航空航天、生物科学、机械和能源探索领域，大部分研究都是在CUDA上进行的。
英伟达最新的人工智能产品DGX H100是一个370磅重的金属盒子，价格为50万美元。
与当时送到OpenAI office的DGX-1相比，新产品的运行速度提高了5倍。
想训练AlexNet，一分钟就能搞定。
总是濒临破产的赢家。
今年9月，黄仁勋被邀请回到加州圣何塞的丹尼餐厅。
当时就是在这家餐厅的摊位上，他和合伙人起草了文件，成立了英伟达。
他们想设计一种让他们的竞争对手“羡慕嫉妒恨”的芯片。黄仁勋想到了“Nvidia”这个名字，并加入了拉丁词“嫉妒”。
如今的英伟达当然让竞争对手眼红，甚至连锁餐厅丹尼的CEO还特意为他们做了一张纪念牌，让英伟达的光芒也能在餐厅里闪耀。
但是，英伟达的成功并不是一个特别典型的“赢家”故事。
英伟达刚成立的时候，喜欢视频游戏的黄仁勋认为游戏市场应该有更好的显卡。1995年，他推出了第一款产品NV1。
然而，NV1并没有真正被主流市场接受，一个主要原因是微软在同年推出了D3D API，但NV1不支持D3D。下一代产品NV2也失败了。
输了一次“赌局”的黄仁勋并不信服。1996年，他解雇了一半员工，收紧了资金，把一切都放在了未经测试的新产品上:
概率是50/50，但无论如何我们都在破产的边缘。
RIVA 128正式上线时，英伟达留下的钱只够一个月的开销。幸运的是，《RIVA 128》很成功，在四个月内卖出了数百万件。
从那时起，黄仁勋就鼓励员工带着这种“绝望”去工作。
对黄仁勋来说，困难和失败并不陌生:
我发现当我遇到困难的时候，我想得最清楚。
我的心率甚至会下降。
他甚至坚持“失败必须要分担。”
之前英威达送了个故障显卡，显卡上的风扇超级响。
黄仁勋并没有解雇负责这个产品的经理，而是召开了一个有数百人参加的会议，要求经理说出最终导致这场闹剧的每一个决定。
显示“失败”也成为了英伟达内部的一种“习俗”。
也能很快看出谁能留在这里，谁不能。
如果有人开始建立防守，那么我知道他们不会呆很久。
英伟达软件负责人德怀特·迪克斯(Dwight Diercks)说。
黄仁勋还喜欢鼓励员工追求“零亿美元市场”——没有竞争对手甚至没有明确客户的实验领域。
毕竟，正如黄仁勋所说:
我一直以为我们离破产只有30天了。这一点从未改变。
没有理由不打。"