游戏宅男的AI逆袭
本文系华创资本（微信ID：ChinaGrowthCapital）授权i黑马发布
尽管PC游戏还有不小的市场空间，但运用显卡上的技术，Nvidia在人工智能领域展现出了巨大的优势。
时至今日，Nvidia联合创始人Chris Malachowsky还经常会在加州圣何塞一家Denny's餐馆里吃香肠煎蛋卷、喝焦糖咖啡。有趣的是，23年前的1993年4月，就是在这个脏乱不堪的餐馆里，三个年轻的电气工程师Chris Malachowsky，Curtis Priem和Jen-Hsun Huang（黄仁勋）创办了一家公司，他们致力于制造专门的芯片，能够为视频生成更快、更逼真的图表及图形。
圣何塞的东部是周边城镇中治安最差的区域，在Denny餐厅的前面甚至布满了子弹的弹孔，这是一些人和巡警车对射留下的。但是没有人能够想到，三个人这次的咖啡之约为一家伟大公司的未来种下了基础，它将在21世纪初以与英特尔在20世纪90年代相同的方式来对“计算”做出定义。
A16Z：“我们会把所有的钱都投入Nvidia”
“1993年是没有市场的一年，但是我们从中看到了一股浪潮。”Malachowsky说，“加州每年有一个著名的冲浪比赛，在五个月的时间里，当组织者看到某种类型的波浪现象时，他们会告知所有的冲浪者迅速在加州集合，因为两天内会有一个大的波浪出现。那就是我们所说的市场。我们可以开始着手准备了。”
Nvidia三位联合创始人所看到的是所谓的图形处理器单元或GPU的新兴市场，这些芯片通常作为插入PC主板的显卡出售，它们可以提供速度超快的3D图形。Nvidia有很多款著名的显卡，如“Titan X”或“GeForce GTX 1080”等等，这些显卡的售价高达1,200美元，它们在当时为Nvidia贡献了近一半收入来源。
Nvidia CEO Jen-Hsun Huang（黄仁勋）
尽管PC游戏有着巨大的市场空间，但运用显卡上的技术，Nvidia在人工智能领域展现出了巨大的优势。以深度学习为例，Nvidia可以使计算机独立发挥自己的能力，程序员再也不必手动编写所有的代码，并且计算机在图像和语音识别等领域表现出了无与伦比的准确性。
像谷歌、微软、Facebook和亚马逊这样的技术巨头正在为它们的数据中心购买更多的Nvidia的芯片。同样地，美国一些大的医院也正在使用Nvidia的芯片来查找医学图像中异常的部分，如CT扫描。特斯拉最近宣布将在其所有的汽车中安装Nvidia的 GPU，以实现无人驾驶。这些事实都确切表明了Nvidia在市场上的地位不容小觑。
“在Nvidia的历史上，我们从来没有处在如此重要的地位。这可以归功于我们做了一件非常成功的事情，即所谓的GPU计算。”黄仁勋在加利福尼亚州的圣克拉拉的Nvidia总部说道，当时他穿着他具有标志性的全黑色系服装：黑色皮鞋、黑色牛仔裤、黑色polo衫和黑色皮夹克。
全世界目前总共大约有超过3000家AI创业公司，其中绝大多数是在Nvidia的平台上发展起来的， 它们使用Nvidia的GPU将AI应用于股票交易、在线购物以及无人机导航。
硅谷著名VC机构A16Z合伙人Marc Andreessen说：“我们一直在投资将深度学习应用到各个领域的创业公司，这些创业公司几乎都在利用Nvidia的平台。这就像很多公司上世纪90年代依赖Windows那样，或是在2000年代末依赖iPhone那样。”
A16Z合伙人Marc Andreessen
Andreessen说：“A16Z有一个内部路演：如果我们是对冲基金，看看我们自己将投资哪些上市公司，结论是我们会把所有的钱都投入Nvidia。”
Nvidia在GPU领域具有绝对的主导地位，它占有超过70％的市场份额，并且在新兴市场上的扩张已经使其自己的股票飙升。Nvidia的股票在过去12个月中增长了近200％，在过去五年中增长了500％，这个表现为黄仁勋带来了近24亿美元的财富。
将深度学习的关键难题一举击破
其实在多年前，黄仁勋就认为Nvidia的芯片具备更大的潜力，而不仅仅只是应用在电子游戏上，但他当时并没有将公司战略方向转到“深度学习”上去。自20世纪60年代以来，深度学习一直被应用于学术领域，而在80年代和90年代取得了重大进展。 但有两个因素妨碍深度学习取得更大的突破：如何获取数据、怎样提高计算所需数据量的能力。
互联网解决了第一个问题：几乎所有的数据只需要每个人动动手指头即可获得，但计算能力的达成仍然遥不可及。
从2006年开始，Nvidia发布了一个名为CUDA的编程工具包，这个工具包允许编码器可以自由地对屏幕上每个像素进行编程。在CUDA发布之前， GPU的编程对于编码人员来说是一个令人难以置信的痛苦的过程，他们必须编写大量低端的代码来完成对像素进行阴影、反射、照明以及透明度的渲染。
而Nvidia花费了多年时间开发出来的CUDA，它具备了一种高级编程语言，就像Java或C ++那样。使用CUDA这种工具，研究人员可以更快捷以及成本更低地开发他们的深度学习模型。
2012年，一位多伦多大学的学生对深度学习的鼻祖Alex Krizhevsky提出了一些有参考性的建议：深度学习团队应当由来自世界各地的人员构成，这样才能深刻地了解他们的软件如何准确地识别图像中的对象和场景。在Krizhevsky的卧室里，他构建了一个深度学习的神经网络，由两个Nvidia GeForce游戏卡提供动力。这个模型实现了以前从未有过的准确性，计算错误率只有15％，这与上一年的25％左右的数字相比有了巨大的飞跃。
随着这些可喜的结果出现，深度学习开始如野火一般蔓延。除了谷歌以外，前瞻性的深度学习研究项目开始在微软，Facebook和亚马逊等公司深度开展。Nvidia决定使用CUDA大力投资于底层软件生态系统，这是深度学习转变的关键性推动因素。
Nvidia目前已经对“深度学习”的硬件进行了越来越完备的优化。它采用了最新的服务器芯片Tesla P100，并将其中的8个放入DGX-1，一个3英尺长，5英寸薄的矩形容器，Nvidia称其为“世界上第一个放在盒子里的AI超级计算机。”这台价值130,000美元的机器具备170 teraflops的性能，这可以与250台传统服务器相匹敌。今年8月，黄仁勋亲自将第一台机器交给了Elon Musk以及他的旧金山AI非营利组织OpenAI。
黄仁勋将全球首台 AI 超级电脑系统NVIDIA DGX-1送交到OpenAI
乒乓球运动员黄先生如何击败追赶者
黄仁勋身上具备的竞争精神自他童年时期就已经显现出来。1963年他出生于台湾，10岁的时候他来到美国肯塔基州东部农村一个贫困的寄宿学校，最终在这里度过了他极为艰苦的青少年时期。黄仁勋将主要精力放在了乒乓球上，1978年，他在美国乒乓球公开锦标赛中取得了青少年双打第三名的成绩，当时年仅15岁。
黄仁勋和马斯克
黄仁勋在高中时期，对电脑产生了浓厚的兴趣，最后他来到俄勒冈州立大学学习计算机科学和芯片设计，在那里，他遇到了他未来的妻子。毕业后，他们搬到了硅谷，在那里黄仁勋开始他的第一份工作，为英特尔的竞争对手AMD设计芯片。之后他继续进行深造，1992年在斯坦福大学获得电气工程硕士学位。后来他遇到了Malachowsky和Priem，他们俩当时都在Sun公司工作。
那年30岁的黄仁勋开始创立一家芯片公司，他看到了一个巨大的机会，首先在基本的计算机程序中的图形处理器上取得一些进展，然后在PC上提供可供人们利用的一些东西。
最终，Nvidia设计的第一个芯片NV1于1995年发布，这款芯片在开发过程中花费了1000万美元，不幸的是，NV1没有赢得太多客户的青睐。Nvidia当时仅仅成立两年，由于这件事几乎破产，被迫裁员一半。但Nvidia的第三款芯片——在1997年发布的RIVA 128，被证明是突破性的成功，它比其他任何的图形处理器的速度都要更快。由于这款产品的出现，Nvidia得以继续生存下去。
Nvidia的成功产生了重大影响，也“培养”了几大重量级竞争对手，例如Nvidia最重要的客户谷歌。
在2016年5月的年度开发者大会上，谷歌宣布已经构建了一个名为Tensor处理器单元的定制芯片，该芯片是为TensorFlow及其深度学习框架量身定制的。谷歌表示，它已经为其数据中心配备了这些芯片，以改进谷歌地图的功能以及其他的一些设备。
类似地，另一个Nvidia的大客户微软正在为其数据中心制造自己的产品：被称为“现场可编程门阵列（或FPGA）”的定制芯片，它可以自己进行再编程，并已被证明对AI应用非常有帮助。
除此之外，Nvidia最大的竞争对手自然是英特尔。在智能手机上失利之后，英特尔想尽一切办法不愿错过深度学习这片蓝海。由于缺乏自身先进的人工智能研究，英特尔已经开始一股收购狂潮，最近英特尔购买了两家AI芯片创业公司：Nervana和Movidius。
Nvidia目前的芯片还不能完全取代Intel处理器，他们只能产生一种加速作用。但英特尔显然更愿意它的客户使用他们自己开发的硬件。2017年，英特尔计划推出针对深度学习优化的服务器芯片，即新的Xeon Phi处理器。通过在Nervana团队中获得的技术，英特尔声称，它可以在2020年之前加速深度学习网络100次。
Nvidia的优势在于已经有了一个良好的开端，但它不能完全松懈下来。多年来，Nvidia一直处于市场的最前沿，而现在各大竞争对手正蜂拥而至。
黄仁勋说：“ AI计算是计算领域的未来，只要我们继续让Nvidia平台成为AI计算的最佳平台，我们就能够在竞争中赢得大量的业务，而GPU帮助我们超越其他所有的公司。”
匿名用户
