辉达黄仁勋的豪赌：走在破产边缘，打造上兆元 AI“军火商”

▼

营收翻两倍至 181 亿美元，利润从去年同期 6.8 亿飙升至 92 亿美元。AI 浪潮下，辉达第一季以超于期待的“爆炸”表现，从台积电手上夺走桂冠，成为“晶片之王”。

“人工智慧领域正在打仗，而辉达是唯一军火商”，华尔街分析师评论。

辉达今天享受的“AI 红利”，来自黄仁勋十多年前的“豪赌”。《纽约客》最近深度报道，可看到这场决定性豪赌背后更多细节。从来没法为成功打包票，破产永远在旁边等着。

点燃人工智慧的“大爆炸”时刻

那是第一台 8K 解析度游戏机，占据整面墙，太美了。

2000 年史丹佛学生 Ian Buck 连结 32 张辉达 GeForce 显示卡，外加八台投影机玩〈雷神之锤〉，自己做了一台高清游戏主机。辉达 GeForce 成功一开始就是〈雷神之锤〉帮助，“死亡竞赛”模式 GPU 平行运算让玩家有速度优势，故 GeForce 每次出新品都会有玩家跟上。Buck 也好奇，除了让投手榴弹速度再快点 GeForce 还能做什么，故骇进显示卡原始程式设计工具“着色器”（shader），用并行计算将 GeForce 变成低成本超级电脑。

没多久，Buck 就变成辉达员工。

▲ Ian Buck 现在是辉达副总裁。（Source：辉达）

黄仁勋想请 Buck 做一套软件，让每张 GeForce 都变成超级电脑，也让硬件团队晶片结构跟着改造。2006 年 Buck 设计 CUDA 推出，支援研究员和程式设计人员用程式语言更个人化和高效使用 GPU 的运算力。但消费者对黄仁勋想普及的超级电脑没兴趣，硅谷科技Podcast“Acquired”如此评论：

他们为新晶片架构花费巨资。

他们花了几十亿美元，目标是服务学术和科学计算的小众领域，当时还不是很大的市场，规模一定比投资的几十亿少。

辉达虽广撒网，努力寻找目标客群，试过股票交易员、石油探勘公司、分子生物学家等等，但并没有考虑过人工智慧领域。连“AI 教父”主动“上门”都没有感觉。这也难怪。

▲“AI 教父”Geoffrey Hinton。（Source：Ramsey Cardy / Collision via Sportsfile, CC BY 2.0, via Wikimedia Commons）

今日人称 Geoffrey Hinton 为“AI 教父”，但 2009 年 Hinton 是在资本嫌弃的 AI 领域研究小众“神经网络”。Hinton 当年给辉达的信这样写：

我刚对上千位机器学习研究员说，他们都该去买辉达显示卡。你们可以免费给我一张吗？

结果？辉达当然是拒绝。

Hinton 曾试用辉达 CUDA 平台训练神经网络辨识人类语言，发现成果品质比想像好很多，于是决定于产业会议示范。虽然辉达不肯给 Hinton 显卡，但 Hinton 依旧鼓励学生使用，最关键就是他门下两位也很有名的程式设计师 Alex Krizhevsky 和 Ilya Sutskever。

眼尖读者应该发现了，后者就是 OpenAI 首席科学家，ChatGPT 技术主导者。

2012 年，Sutskever 和 Krizhevsky 买了两张辉达 GeForce 显卡，一周内喂神经网络数百万张图片，训练出“AlexNet”。Sutskever 回想：

GPU 出现了，感觉就像奇迹。

他的感叹不无理由。同年 Google 购买一万六千多张 CPU 训练神经网络，以辨识猫咪影片，AlexNet 却能正确辨识电动车、猎豹、货船等，只用到两张 GPU。

2012 年仍相当权威的大规模视觉辨识挑战赛（ImageNet Large Scale Visual Recognition Challenge），AlexNet 以 Top5 误差 15.3% 成绩夺冠，表现远优于第二名和历届参赛者，出众到一度怀疑是作弊。Hinton 评论：

那就是宇宙大爆炸时刻。模范式转变。

虽然不是刻意为之，但辉达就这样引发人工智慧的“大爆炸”时刻。

成为 AI 公司

（黄仁勋）周五晚上寄信，表示公司将围绕深度学习展开，我们不再是图像处理公司。

之后星期一清晨，我们就变成 AI 公司。

真的，就是那么快。

辉达副总裁 Greg Estes 告诉《纽约客》。AlexNet 登场后，没过几年，几乎所有参加大规模视觉辨识挑战赛的人都选神经网络。到 2010 年代中期，GPU 训练的神经网络图片辨识准确度达 96%，甚至超过人类。黄仁勋的超级电脑愿景成真，他开始找下一个目标：

我们能解决电脑视觉问题，完全无组织结构的问题，这事实指向另一个问题：“你还能教它什么东西？”

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，他也可用 CUDA 垄断硬件市场。他纵身一跃，开启辉达的 AI 征途，这次 AI 界领导者不再需要写信给辉达要免费显卡了。2016 年 8 月，黄仁勋亲自将世界首台 DGX-1 送至 OpenAI 办公室，当时世界都不知道与 OpenAI 决裂的马斯克亲自开箱三千人耗时三年打造的成果。

（Source：MIT Technology Review）

官方新闻稿黄仁勋开玩笑：

如果这是我们唯一出货的产品，造价就会高达 20 亿美元。

谁能想到，第二年 Google 就公布新神经网络训练架构 Transformer。新突破再被 Sutskever 抓住，引领 OpenAI 建造第一个 GPT 模型，一切都建立在辉达超级电脑基础上。一年前的今天，OpenAI 发表 ChatGPT，改变一切，也包括辉达。

订单不止，供不应求。

今年辉达股价飙升超过 200%，成为全球首家市值破兆美元的晶片制造商。曾不被看好的 CUDA 也集合 400 万名开发者，成为辉达 AI 领域的另一道护城河。无论航太、生物科学、机械或能源探索等，大部分都用 CUDA 进行。

辉达最新 AI 产品 DGX H100 是重达 370 磅的金属盒，定价高达 50 万美元。和送到 OpenAI 办公室的 DGX-1 相比，新产品运作速度提升五倍，要从头训练出 AlexNet，一分钟就可搞定。

总是“在破产边缘”的成功者

9 月黄仁勋受邀回加州圣荷西那家丹尼餐厅。当年他就是在这家餐厅卡座和合伙人起草成立辉达，他们想设计让竞争对手“嫉妒死”（green with envy）的晶片。黄仁勋想出“Nvidia”之名，融合拉丁文“嫉妒”（invidia）之意。现在辉达当然让竞争对手眼红，丹尼 CEO 都特意为他们做了一块纪念牌，让辉达的光也能照耀餐厅。

然而，辉达成功并不是典型故事。

辉达初成立时，喜欢电子游戏的黄仁勋认为游戏市场值得拥有更好显卡，1995 年推出首款产品 NV1。但 NV1 没有被主流市场接受过，一大原因在同年微软推出 D3D API，但 NV1 不支援 D3D。下一代 NV2 也失败了。“赌”输一次的黄仁勋不服气，1996 年辞退一半员工，收紧资金，全押未经测试的新产品：

机率一半一半，但无论如何我们都在破产边缘。

当 RIVA 128 开售，辉达剩下现金只够付一个月开支。所幸 RIVA 128 大成功，四个月就售出上百万张，那时起黄仁勋就开始鼓励员工带着这种“绝望”工作。因对黄仁勋而言，困境和失败并不陌生：

我发现，我在困境中想事情最清楚。

心率甚至会下降。

他甚至坚持“失败一定要分享”。辉达曾出货有问题显卡，风扇运转超级吵。黄仁勋没有炒掉产品经理，而是开一场大会，聚集几百人，让经理分析每个导向这次失败的决策。展现“失败”，也成了辉达的“习俗”。

你也可以很快看出，谁会留下，谁不可以。

如果有人开始充满防御心，我就知道他们待不久了。

辉达软件负责人 Dwight Diercks 说。

黄仁勋也喜欢鼓励员工追求“0 亿美元市场”（zero-billion-dollar market），挑战不仅没有对手，甚至连明确顾客都没有的实验性领域。毕竟如黄仁勋所言：

我一直觉得我们离破产只有 30 天。这点从来没变。

没什么理由不拼命。

（本文由 爱范儿 授权转载；首图来源：辉达）

▼

   特别声明    本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。