英伟达的联合创始人 Chris Malachowsky 正在加州圣何塞贝律耶沙的一家 Denny 吃他的香肠蛋卷，一边小口地啜吸碳烧咖啡。1993 年的 4 月，也就是在这样的一个昏暗的小餐厅里，三位年轻的工程师——Malachowsky、Curtis Priem 以及现在的英伟达总裁黄仁勋（Jen-Hsun Huang）决定创建一家芯片公司。三个人最原始的想法是生产一种专用芯片，这种芯片可以加快电子游戏中图形图像的渲染速度，同时也能有更逼真的显示效果。当时的圣何塞东区还只是市区后面的荒芜地带，而这家餐厅朝向街道的外墙上密密麻麻地布满子弹孔。没有人能预料到这三个每天狂饮咖啡的年轻人正在悄然改变未来计算机产业的发展。毫无疑问英伟达定义了 21 世纪前几十年计算机技术发展的基础，这和上个世纪 90 年代 Intel 公司一样。

　　「在 1993 年的时候，英伟达的芯片还没有市场，但是我们预料到这股浪潮即将来到，」Malachowsky 说。「在每年特定的 5 个月内加州会举办冲浪比赛。当远在太平洋另一端的日本有风浪的迹象出现时，加州的冲浪选手就蠢蠢欲动了，因为两天之内风浪就会到达加州海岸。这跟当时我们决定创建芯片公司的情形是一样的，我们是最先下水的冲浪选手。」
　　

　　

英伟达的创始人所预料的浪潮就是当时还处于市场萌芽期的图形处理器，也就是大家现在所熟知的 GPU。这些芯片最初是以板卡的形式出售给游戏玩家的，游戏玩家需要自己动手将芯片装到 PC 主板上，从而拥有更快的 3D 图形处理速度。他们的产品命名也很有讲究，用「Titan」"GeForce"这样具有超能力的字眼来开辟市场。他们的芯片单块价格甚至能到 1200 美元，20 年间所创造的收益占据 英伟达 50 亿美元市场收入的大半。

　　在 PC 游戏上的意外收获（英伟达最近一个季度的市场报表显示即使在 PC 市场已经很饱和的情况下，其 PC 部分的营业额相比去年仍有 63% 的增长），并不是华尔街最垂涎这家公司的地方。华尔街最眼红的是英伟达撞上了人工智能的浪潮。或许是硅谷给予英伟达的魔力，这家公司在图像处理上的技术（如：游戏中召唤出逼真的巨型外星景观或者如真实图片般十全十美的爆炸场景）居然可以神奇地为当前人工智能领域的研究热点——深度学习——所利用。深度学习可以让计算机具备自己学习的能力，不再需要程序员来敲入所有的代码，其已经在图像识别和语音识别上取得无可匹敌的识别精度。

　　谷歌、微软、Facebook 和亚马逊这几家技术巨头正在大量购买英伟达的芯片来扩充自己数据中心的处理能力。一些研究机构也在用英伟达的芯片来处理图像，如 Massachusetts General Hospital 正在用英伟达的芯片来标记 CT 扫描图片上的病变点。特斯拉也在最近宣布将在所有的汽车上安装英伟达的图形处理器，进而来实现无人驾驶。NVIDIA 的芯片还能为虚拟现实设备头设提供强大助力，在 Facebook 和 HTC 推向市场的产品中就有。

　　「在人工智能到来之前，英伟达从来都没有处于一个如此巨大的市场的中心，」黄仁勋在加州圣塔克拉的英伟达总部接受采访时说道；他依然是以一身纯黑的标配出现：黑色的皮鞋、黑色的裤子、黑色的 Polo 衫以及黑色的皮夹克。「这充分表明了一个事实，那就是我们在 GPU 的计算处理技术上无人能及。」

　　目前在全世界范围内有大约 3000 家人工智能公司，它们大部分都通过英伟达的平台来开发自己的业务。他们使用英伟达的 GPU 从而完成他们应用中的人工智能需求，这些应用包括股票交易、在线购物和无人驾驶。甚至有一家家电公司 June 也运用英伟达的芯片制造了一款人工智能驱动的烤箱。

　　「我们正在投资不同领域里新兴的需要借助深度学习来构建业务的公司，这些公司能够很好地从我们提供的平台上起步，」风险投资公司 Andreessen Horowitz 的 Marc Andreessen 谈到。「这跟以前通过微软 Windows 来构建服务以及最近通过 iPhone 来发布应用一样。」

　　「我们公司内部有一个玩笑，如果我们是对冲基金投资人我们将会投哪些大型公司，我们的选择是全部投给 。」Andreessen 补充说。

　　英伟达在 GPU 市场上拥有无可撼动的霸主地位，占据了总个市场份额的 70%，而且还在扩张新市场，这也使其股价飙升。英伟达的股价在过去的 12 个月内上涨了 200%，在过去的 5 年内上涨了 500%。500 亿美元的市值将会继续给英伟达带来 40 倍的市场收入，这在业内是拥有最高收益的公司。这也给黄仁勋本人带来 24 亿美元的收入（最初合伙人 Malachowsky 已处于半退休状态，而另一个创始人 Priem 已不在英伟达）。

　　英伟达飙升的股价也是美国最佳就职企业前 100 位排名将其排在半导体行业公司前列的原因之一。美国最佳就职企业前 100 排名是通过调查在 1000 个美国大型公司就业的 5 万就业人员而得出的，调查主要考虑的因素包括雇员对公司的评价、顾客对公司的评价以及股东的评价。

　　在报告考察的 10 个领域内，英伟达在员工薪水支付和员工福利、企业属性和对环境影响上的表现都远超平均水平。友好的员工工作政策，包括富裕的休假时间、弹性的工作时间以及压力缓解项目，这些使英伟达在 Glassdoor 的排名远远好于行业内的其他公司，Glassdoor 是硅谷技术人员跳槽的判断来源网站。在一个男性为主的行业，英伟达甚至有专门提高女性和少数族裔工程师在企业核心职位的政策。

　　「我运营公司的方式是把公司当做一个人来管理，公司是一个生命体。」黄仁勋说，「公司的文化是公司的精髓也是公司运作的保障。在怎么创建公司上我所学到的唯一有价值的东西就是：公司的文化是这个公司最宝贵的财富。」
　　

　　由 Nvidia’s GTX 1080 显卡驱动的 Titanfall 2 游戏截屏

　　

黄仁勋一直知道他们的图形芯片不只是能驱动最新的视频游戏，而且还有很大的潜力，但他并未预见到图形芯片向深度学习的转向。深度学习技术（传统上是指神经网络）可以说是在大脑中的神经元和突触的工作方式上获得了一点点启发。至少自 1960 年代以来，它们就一直存在于学术界了，到了 1980 年代和 1990 年代，学术界也取得了一些重大的进展。但这段时间还有两个因素一直在阻碍着深度学习的腾飞：算法的训练所需要的数据量和廉价纯粹的计算处理能力。互联网解决第一个问题，似乎突然之间，我们就有了带着每个人的标签的无限数据。但算力的问题还有待解决。

　　从 2006 年开始，英伟达发布了一个名叫 CUDA 的编程工具包，该工具包让开发者可以轻松编程屏幕上的每一个像素。为了渲染每一个像素，GPU 往往需要同时执行成千上万个微型的计算操作。这些操作执行的是很多更低层面的数学计算，比如渲染阴影、反射、光照和透明度。在 CUDA 发布之前，给 GPU 编程对程序员来说是一件极其痛苦的事，因为这涉及到编写大量低层面的机器码。而 CUDA 经过了 Nvidia 的多年开发之后，成功将 Java 或 C++ 这样的高级语言开放给了 GPU 编程，从而让 GPU 编程变得更加轻松简单。使用 CUDA，研究者可以更快更便宜地开发他们的深度学习模型。

　　「深度学习几乎就像是大脑一样，」黄仁勋说，「它高效得难以置信。你几乎可以教他做任何事。但它也有一个巨大的短板：它需要大量的计算。而现在我们有了 GPU，这简直就是为深度学习所设计的完美计算模型。」

　　大规模采用深度学习的关键时刻出现在 2010 年 Palo Alto 一家日式餐厅的晚宴上。斯坦福大学一位语气温和的教授吴恩达当时正在那里面见谷歌（现 Alphabet）CEO Larry Page 和时任 Google X 负责人的天才计算机科学家 Sebastian Thrun。两年之后，吴恩达写出了世界上最早的一篇关于有效应用 GPU 计算深度学习模型的学术论文。

　　「在 2008 年，深度学习还非常不受欢迎，」吴恩达说，「思考算法技巧可要性感多了。」

　　Thrun，首批实用自动驾驶车辆中的一部分就是由他研发的，在斯坦福时与吴恩达一个办公室，而且这两位科学家向 Page 游说，要在谷歌建造一支深度学习研究团队。这是有意义的：对于建造世界上最大的神经网络来说，谷歌庞大的计算基础结构再合适不过了。佩奇同意了，Google Brain（谷歌大脑）也因此诞生。如今，谷歌大脑的深度学习研究几乎渗透到每个谷歌产品中，特别是搜索、语音和图像识别。

　　当谷歌开始成立谷歌大脑时，2500 英里之外的另一位研究人员也正在摆弄着深度学习技术。2012 年，Alex Krizhevsky 当时还是多伦多大学的博士生，向 ImageNet 提交了一些令人吃惊的研究。Alex Krizhevsky 将 120 万张图片输入一个深度学习神经网络，这个网络是由英伟达的 GeForce 游戏卡驱动的。他的模型的图像识别准确率是当时最高的，误差率仅为 15%——之前还高达 25%，这是一巨大飞跃。Alex Krizhevsky 不仅轻易赢得了比赛，而且其成绩也在学术界中迅速火起来（目前，Alex Krizhevsky 和他的前多伦多大学教授都在谷歌工作。）

　　这些成果既出，深度学习开始如野火般燎原。除了谷歌，微软、Facebook 和亚马逊也出现了前瞻的深度学习研究项目。英伟达决定重金投资带有 CUDA 的重点软件生态系统，这也是这一转变的关键促成因素。在英伟达领导 CUDA 研发的 Ian Buck 说，「多年来我们进行了大量投资。现在，很清楚，我们正受益于这一长期愿景。Jen-Hsun 投入其中多年。」

　　英伟达已经在为深度学习定制最优化硬件，这就体现在最新的服务器芯片 Tesla P100 上，他将八块芯片安装在 3 英尺长 5 英寸厚的矩形容器 DGX-1 上，并且英伟达将其称之为「世界上第一台人工智能超级计算机」。这个价值 13 万美金的机器性能上能进行每秒 170 万亿次浮点运算，而传统的服务器标准为 250 万亿次浮点运算每秒。八月份时，黄仁勋亲自将其中第一块交付给了 Elon Musk 及其在旧金山非营利性人工智能研究组织 OpenAI。

　　

　　黄仁勋 1963 年出生于台湾，早年就显现出竞争的意识，10 岁时就读于肯塔基州东部乡下了一所寄宿制学校，当时他的父母还在办移民手续。这是一所混乱的学校，他的室友已经 17 岁了，比他年长 7 岁；当时他正在从一场最后给他留下了 7 个刺伤的打架中恢复。黄仁勋开始痴迷于乒乓球，这成了他逃避混乱环境的一种方式。1978 年，15 岁的黄仁勋在美国乒乓球公开锦标赛中获得初级双打第三名。

　　高中时黄仁勋爱上了计算机，后来去了俄勒冈州立大学学习计算机科学和芯片设计，并在那里遇到了未来的妻子 Lori。毕业后，他们搬到了硅谷，黄仁勋在那里为英特尔竞争对手 AMD 工作，这是他第一份设计处理芯片的工作。他没有放弃学业，并于 1992 年获得斯坦福大学电气工程硕士学位。在芯片制造商 LSI 公司工作时，他遇到了 Malachowsky 和 Priem，他们都在 Sun Microsystems 工作。

　　那时黄仁勋刚刚 30 岁，三个人开始设想着开创个图形芯片公司。他们看到了提升基本图形处理上的一个巨大机会，当时的基本图形处理还只能在 PC 端使用。

　　英伟达的第一个芯片 NV1 发布于 1995 年，花费了 1000 万美元的开发经费，这笔钱是由 Sequoia Capital 和 Sutter Hill Ventures 资助的。不幸的是，这款芯片试图解决太多的问题，并没有赢得多少付费客户。英伟达当时只有两岁，几乎快破产了且被迫裁员一半，剩下 40 人左右。但其 1997 年发布的第三个芯片 RIVA 128 却是一个突破性的成功。它比任何其他图形处理器都快了 400％，公司的生存也就得到了保证。

　　随后跟随他们进入这一领域的其它公司的芯片打破这一性能记录。接下来的十五年中这一行业经历了激烈的竞争。最后在 20 世纪 90 年代末存在的 70 个 GPU 公司中，只有 英伟达和 AMD 生存下来。

　　在那段时间里，黄仁勋设法创造了一个非常健康快乐的团队，这反映其在Just 100 榜单上的排名。黄仁勋十分关心他的员工，在 2015 年职场多样性会议上发表演讲后，他向英伟达少量女性员工讲述了他们在向前攀登时所面临的挑战。育儿例假是黄仁勋做出的重大改进。现在新的父母可以得到 22 个星期的带薪休假，然后用另外 8 个星期的灵活时间过渡回来。

　　黄仁勋把很多员工的幸福归功于英伟达现在所正在做的努力。并且进入深度学习等领域已经重振了其员工活力。黄仁勋说：「你的工作和社会的利益之间必须有联系，我们为了使社会受益所做的工作在某种程度上几乎就是科学幻想了，我们希望能够进一步探索推进癌症的治疗，这听起来不可思议。」

　　英伟达的成功没有被忽视。事实上每个芯片厂商的主要力量都突然投入到实现人工智能梦想上了。许多新兴的创业公司正在设计新类型的深度学习芯片架构，而且芯片玩家也不是唯一兴奋的。深度学习对于未来科技业务至关重要，谷歌以前是英伟达最重要的客户之一，并从未制造过自己的芯片，然而现在也成为了竞争对手。

　　在 5 月份年度开发者大会上，谷歌宣布已经构建了名为张量处理单元（Tensor Processor Unit）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来改进匹配和搜索结果。

　　类似地，另一个英伟达客户微软正在为其数据中心制造自己的芯片：称为可编程门阵列（field-programmable gate array 或 FPGA）的定制芯片，其在制造后可以重新编程，并已被证明对人工智能应用十分有用。

　　半导体行业领军者英特尔似乎特别害怕英伟达正在取得的进步。英特尔 在智能手机市场上失败后之后，它十分渴望不要错过下一个深入学习的潮流。不过它缺乏自己最先进的人工智能研究，所以已经开始狂热地收购了。最近 Intel 兼并了两个人工智能芯片初创公司：Nervana，其在 4 月份报告称用了 4 亿多美元，还有未公开金额的 Movidius。去年，英特尔用 167 亿美元拍下了 FPGA 制造商 Altera。

　　英特尔是在保护其最赚钱的摇钱树：数据中心，它几乎完全垄断了 99％的市场份额。英伟达目前的芯片还不能取代那些 Intel 处理器，它们暂时只能加速这些处理器。但英特尔显然更喜欢它的客户完全使用它的硬件。到 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。有了 Nervana 团队的技术支持，英特尔现在敢于宣称它能在 2020 年之前加速深度学习网络 100 倍。

　　相对于英特尔、AMD 和其他竞争对手，英伟达有很大的占先优势。但它不能放松，多年来在这个领域它一直是垄断的，不过现在这个市场热闹了起来。「我认为英伟达处于一个很好的位置，有很大的胜算，但我现在还不会给他们让步，」资深技术分析师 Jon Peddie 说。「有太多的人盯着这块领域了。」

　　黄仁勋说：「人工智能计算就是计算的未来，只要继续让我们的平台成为人工智能计算最好的平台，我认为我们就能在许多业务上取得领先地位，GPU 将会是所有公司的必备产品。」

　　而且黄仁勋已经继承了 Intel 老板 Andy Grove 在上个世纪 90 年代发行的畅销书「唯偏执狂才能生存（Only the Paranoid Survive）」中倡导的哲学。他说：「我常常设想想企业会在一个月后倒闭，这一点对我来说永远不会改变，这并不是对失败的恐惧，而是对自满情绪真正的恐惧，我并不想让这种自满发生。」

　　

　　选自福布斯

　　作者：Aaron Tilley

　　机器之心编译

　　参与：朱思颖、蒋思源、李泽南、吴攀、微胖

　　原文链接：http://www.forbes.com/sites/aarontilley/2016/11/30/nvidia-deep-learning-ai-intel/#7a339e139ccb

本站转载自：http://it.sohu.com/20161201/n474637589.shtml?qq-pf-to=pcqq.c2c

附件下载：