文/顏萌 李林（編譯）

　　量子位 出品 | 公眾號 QbitAI

　　所到之處，英偉達CEO黃仁勛例行強調：我們是一家AI公司。

　　誰又能說不是？

　　市值兩年上漲 7 倍，芯片供不該求，屢戰英特爾，堅持懟谷歌，是當前AI大紅大紫中的實力玩家，也是AI大潮中最閃亮耀眼的明星縮影。

　　創立 24 年來，從游戲芯片供應商，到AI芯片壟斷者，英偉達儼然歷史欽定。

　　不過，回溯英偉達的風云際會，歷史進程縱然功不成沒，個人奮斗更是不容忽視——沒有瀕臨破產時的豪賭，沒有在CUDA上百億美元的押注，又怎會有如今風光無限的英偉達和黃教主。

　　《紐約時報》記者Don Clark，決定揭秘英偉達“奇幻漂流”背后的關鍵時刻。

　　這不止是一個豪賭出奇跡的案例。

　　英偉達轉折點

　　轉折點是“CUDA”。

　　CUDA，英偉達的并行計算平臺和編程模型。在它出現之前，英偉達的主要芯片GPU只是一個負責在屏幕上繪制圖像的“圖形處理單元”。

　　但CUDA的出現，讓GPU擁有解決復雜計算問題的能力，可以幫手客戶為差別的任務對處理器進行編程。

　　好比遠在波蘭的圖像識別公司CTA.ai，可以用它幫手篩查腸道圖像——僅需要病患咽下一個藥丸大小的傳感器，就能讓醫生檢測腸道功能紊亂的速度能夠比視頻檢查快速70%，不但檢查成本降低，并且診斷結果更精確。

　　對于類似的GPU應用，CTA.ai并不孤單。

　　GPU也正出現在越來越多出現在新興設備上，好比無人車、機器人、自動駕駛汽車、辦事器、超級計算機和虛擬現實設備。

　　它幾乎是AI市場最為核心的需求品類，因為當前只有英偉達的GPU，才能快速處理各種復雜的人工智能任務，如圖像識別、臉部識別和語音識別，甚至深度學習加速、氣候建模，石油勘探都必需標配GPU。、

　　實際上，這樣的應用，遠超老黃的最初預期。

　　黃仁勛生于臺灣，在俄勒岡州立大學和斯坦福大學學習電子工程，后來在硅谷的芯片制造商工作。

　　 1993 年，他和Chris Malachowsky、Curtis Priem一起創辦了英偉達，最初，他們給游戲PC提供視覺特效，幫它們和那些專業的電子游戲機競爭。

　　Malachowsky說，公司最初的產品并不可功，而圖形市場對手眾多。后來，英偉達重組了它的產品和戰略，逐漸與對手拉開距離，最終成就了在游戲PC中GPU加速器卡的絕對的領導地位。

　　GPU生成三角形以形成框架結構，模擬對象，為顯示屏上的像素賦予顏色。要做到這一點，必需并行執行許多簡單的指令，這就是圖形芯片隨著微型處理器數量的增加，性能優化的原因。

　　如何最大化利用這些微處理器的并行計算能力，始終是英偉達核心關心的問題。

　　也是CUDA誕生的原因。

　　實習生杰作

　　 2004 年，斯坦福大學博士生Ian Buck進入英偉達實習，這是CUDA研發的開端。當時，Buck參與過一項編程競賽，任務是讓能更容易地辦理GPU的眾多計算引擎。

△ Ian Buck 來源：heise.de

　　CUDA的核心設計理念就是計算機中的線程。與傳統CPU中的4、 8 和 16 個線程差別，GPU中的線程可以多達幾萬個。

　　Buck體現，看起來這些線程的辦理是一件十分復雜的事情。但實際上，編程人員主要的困難在于如何發揮這些線程的優勢，而不是辦理這些線程。早期，CUDA的性能主要依賴編程人員人工發現代碼中可并行計算的部分。

　　目前，隨著CUDA庫的發展，這方面的工作開始越來越自動化。CUDA團隊已經開發了很多石油、天然氣和國防等相關產業所使用的科學計算方面的庫。最終， 2012 年發布的Titan超級計算機使用了 18688 個NVIDIA Tesla K20 GPU作為協處理器，標識表記標幟著GPGPU在高性能計算方面的成功推廣和應用。從 2011 年開始，Top 500 的超級計算機中至少有 50 臺會使用GPU進行加速。而這些機器基本上也都出現在Green 500（全球節能超級計算機榜單）的列表中。

　　Buck曾體現，在CUDA的應用傍邊，最讓其影響深刻的就是，，乳腺癌檢測和診斷的系統。與傳統方法比擬，采用支持CUDA編程的Tesla GPU后，醫生能夠更早、更精確地發現乳腺癌。而美國國家癌癥研究所數據顯示，基于CUDA的系統在運行蛋白質配體運算（用于研發治療癌癥和老年癡呆癥的新藥）時只需要本來1/ 12 的時間。

　　此后，CUDA開始受到越來越多的關注。

標簽：東營 林芝 九江 鹽城 烏魯木齊