3月1日消息，除非你在十年前就热衷于桌面电脑游戏，否则你可能直到最近才开始注意到英伟达。这家公司专注于生产显卡和其他尖端技术产品，早已在游戏界声名显赫并取得巨大成功。然而，与过去一年英伟达所经历的爆炸性增长相比，这些成就显得相形见绌。
英伟达之所以能够在这一年中大放异彩，关键在于其技术为运行大型语言模型提供了强大的动力，而这些大型语言模型正是推动整个科技行业变革的生成式人工智能系统的基础。如今，英伟达已崛起成为科技界的巨头，其股价飙升，牢牢掌握着这个时代最具影响力、也最具争议的技术。
在《连线》杂志的“设备实验室”（Gadget Lab）专栏中，资深撰稿人威尔·奈特（Will Knight）、劳伦·古德（Lauren Goode）以及该杂志消费者科技和文化总监迈克尔·卡洛雷（Michael Calore），共同回顾了英伟达的崛起之路。英伟达凭借其尖端的芯片、服务器和数据中心技术，为人工智能的发展注入了强大的动力。
英伟达的疯狂崛起
英伟达创立于1990年代初，最初专注于为个人电脑视频游戏市场生产图形处理芯片。从这时起，英伟达便将赌注押在加速计算与通用计算上，通过开发专用芯片以增强个人电脑的性能。今日，英伟达已不再是单纯的图形芯片生产商，而是占据人工智能计算芯片市场大部分份额的科技巨头，市值近2万亿美元。
那么，是什么重大突破让英伟达声名鹊起呢？这要回溯到20世纪90年代。当时个人电脑游戏愈发流行，但主要依靠CPU（中央处理单元）运行，导致图形效果普遍不尽如人意。尽管CPU也可处理图形，但效率远不理想。英伟达敏感地捕捉到这一市场需求，决定开发专用处理器。由此，GPU（图形处理单元）诞生了。
在英伟达成立之前，黄仁勋曾在LSI Logic公司工作。他的两位朋友（同时也是合作伙伴）提出了一个大胆的想法：“我们何不一起创办一家专业显卡公司？”经过一番说服，黄仁勋辞去了工作，与他们共同创立了英伟达，据称这个创意是在快餐店中诞生的。1993年，英伟达正式成立。
然而，进入20世纪90年代中后期，英伟达经历了空前的挫折。公司推出的首批芯片接近失败，甚至一度面临破产。为挽救公司，英伟达不得不裁员大约70%，这是一次剧烈的人员调整。同时，他们需要加速制定新的芯片开发计划。然而当时芯片的研发周期通常长达18至24个月，这对正处于生死边缘的英伟达来说无疑是巨大的挑战。
在早期发展阶段，英伟达面临着没有自己的晶圆厂的局面，晶圆厂是生产所有芯片的关键设施。因此，英伟达不得不依赖于合作伙伴的代工服务来生产芯片。从设计到生产，再到后续的调整和优化，这个过程既漫长又复杂。 不过，英伟达找到了一种解决方案，即利用模拟器进行研发，并决定通过软件来快速发布和测试新的芯片。这种创新性的做法使得他们能够在短短六个月内推出名为RIVA 128的新芯片，有效地挽救了公司的早期困境。
英伟达在现代人工智能时代的崛起中发挥了至关重要的作用。大约十到十二年前，人工智能计算领域经历了一次深刻的变革。尽管此时人工智能算法已经展现出强大的能力，但大部分工作仍需人工编写，以期使机器能够执行更加智能的任务。然而，这种基于传统神经网络的方法已显得过时，并且效果不佳。
直到2010年左右，一个围绕互联网数据的会议成为了一个转折点。会议上，研究人员发现，更大的神经网络算法能够在GPU上高效执行。深度学习的研究人员随即意识到，他们可以借助GPU强化自己的算法。
2012年，一场图像分类算法的竞赛吸引了广泛的关注。利用GPU的深度学习团队在比赛中取得了压倒性的胜利，远远超过了其他竞争对手。这不是因为英伟达预见了这一切，而是因为他们的芯片恰巧特别适合执行这些任务。黄仁勋敏锐地捕捉到了这个机会，并成功地将其推向了更高的发展水平。
2017年，谷歌发布了Transformer（转换器）论文，再次引发了人工智能领域的重大变革，英伟达积极参与其中，与全球最顶尖的科技公司一道推进人工智能技术的发展。
这篇论文为语言机器学习领域带来了革命性的新方法，为建立当今强大的大语言模型奠定了基础。在此之前，尽管英伟达在图像识别和语音识别技术方面已经取得了显著的进步，并且其开发工具也受到高度评价，但“转换器”的出现标志着生成式人工智能语言模型和聊天机器人时代的正式到来。
当前，整个科技行业正经历前所未有的快速发展，无论是初创企业还是大型公司，都在激烈争夺计算资源。有一段时间，英伟达的GPU供不应求，其受追捧程度甚至超越了同等重量的黄金，这在一定程度上也是因为这些GPU被广泛用于加密货币的挖矿。面对供应链挑战，英伟达持续努力，将其芯片推广到全球市场。与此同时，黄仁勋对于未来的硬件发展尤为关注，特别是在构建大型计算机中心以及满足公司对于现场进行人工智能计算的大型设备需求方面。
对英伟达而言，数据中心已成为其业务的重要组成部分。随着整个计算行业由终端设备计算向云计算转变，英伟达紧跟潮流。过去大多数加速计算都在个人电脑端进行，而如今，随着谷歌、亚马逊等科技巨头相继推出云服务，大量计算任务开始迁移至云端，微软亦步亦趋加入其中。
英伟达积极参与这一变革，计划发展更多针对人工智能的超级计算数据中心。这些数据中心不仅为软件公司提供服务，也支持制造商、自动驾驶汽车和生物技术公司等越来越多地采用人工智能技术。
同时，重要的市场参与者如谷歌、Meta和微软正致力于开发自己的算法，并研究构建自己的芯片。这些公司的潜在优势在于已经建立了庞大的数据中心网络。这在一定程度上反映了对模型规模的需求不断增长，需求可以高效连接、数以万计的芯片，这在过去十年中是难以想象的。这也凸显了黄仁勋的先见之明和捕捉机遇的能力，成功地将人工智能技术提供给多样化的客户群。
特别值得一提的是，英伟达收购Mellanox是一个极具远见的决策。此次收购为英伟达带来了至关重要的芯片层面网络技术，进一步加强了其在人工智能领域的领导地位。
英伟达面临的竞争
英伟达目前在人工智能领域占据领导地位，其超级计算GPU需求持续旺盛，CUDA编程模型的广泛应用也为公司构建了坚固的市场壁垒。除此之外，英伟达通过拥有大量数据中心及对小型人工智能企业的战略性投资，进一步加强了其市场位置。
尽管英伟达在AI领域拥有显著的优势，但多家大型科技公司拥有挑战其地位的潜力。威尔·奈特认为，谷歌是英伟达的最大竞争对手。谷歌在AI芯片开发方面拥有悠久的历史，并在AI软件领域占据重要地位。谷歌的独特战略能够高效连接多个性能较低的芯片，形成强大的计算网络。根据谷歌最近的实验，他们成功将5万个GPU联网以训练语言模型，这一成就凸显了谷歌在解决芯片间通信瓶颈上的显著进展。
谷歌通过优化芯片间的光纤网络，在提升计算速度方面取得了重大成果，奈特认为，谷歌在该领域的持续创新成为业界焦点。同时，微软等其他大型科技公司也在积极研发自己的AI芯片，使得市场竞争更加激烈。
另外，众多初创公司，如Cerebras，正在探索非传统的AI芯片设计，可能引发技术领域的颠覆性突破，对英伟达等行业领头羊构成挑战。尽管如此，谷歌被黄仁勋视为其最需关注的大型公司对手。
确实，谷歌在其人工智能模型Gemini上选择使用自家的TPU（张量处理单元），而非英伟达的GPU，这一决策背后无疑反映了谷歌在人工智能硬件方面的野心和战略考量。 与此同时，亚马逊AWS展现出潜在的“黑马”实力。虽然目前在人工智能领域的成绩尚不显著，卡尔勒认为，亚马逊AWS隐藏的实力有望在关键时刻发挥作用。
特别值得注意的是，OpenAI的竞争对手Anthropic获得了亚马逊AWS的重大投资，此举同样备受瞩目。作为协议的一部分，Anthropic将在亚马逊的芯片上运行其下一代模型，即GPT-4或GPT-5的潜在竞争者。这不仅证明了亚马逊对人工智能领域的承诺和决心，也暗示了其芯片技术可能拥有强大的竞争优势。
至于英特尔和AMD，奈特指出了这两家公司在人工智能领域所面临的不同挑战。他提到，AMD以其具有竞争力的芯片产品，正逐步成为大模型开发者的首选之一。而英特尔虽然努力重返该领域，却面临重大挑战。然而，得益于美国政府的巨额补贴，英特尔可能在改善现有技术和开发新芯片上实现重大突破，这甚至可能包括为英伟达生产芯片。
芯片出口禁令
随着美国政府加大力度支持国内芯片制造业，并致力于在美国境内增加更多的芯片生产，它同时对此类技术施加了出口管制，给英伟达以及整个芯片行业带来了复杂的影响。
古德表示，出口管制的实施意味着英伟达必须重新设计或调整其芯片，以确保它们符合管制要求，从而继续对中国进行出口。中国市场对英伟达极为重要，公司希望能够持续在该市场销售其芯片。同时，这些管制措施也对英伟达的数据中心业务造成了影响，甚至可能对整个芯片产业造成深远的影响。
