编译 | 张震 邱陆陆 高静宜
来源 | 纽约时报
在加州圣克拉拉，波兰图像科技初创公司 CTA.ai 的工程师正在试图推广一款更加舒适的结肠镜检测产品。
芯片是英伟达研发的，医生诊断时间也因此缩短很多。病人先吞下一个药片大小的传感器，仔细研究视频后，医生即可快速诊断出肠道疾病，速度快了 70%。手术成本也因此下降，诊断也更加准确，CTA CEO Mateusz Marmolowski 这样说道。
诸如 CTA 这样的医疗应用，不过是英伟达许多新目标之一。该公司芯片，也即大家所熟知的图形处理器（GPU）正被广泛应用于无人机、机器人、自动驾驶汽车、服务器、超级计算机以及虚拟现实设备，背后原因在于他们的芯片可以帮助快速完成复杂的人工智能任务，如图形、面部和语音识别。
AI 应用热度之高，使得有 24 年历史的英伟达成为科技领域最炙手可热的公司之一。该公司的股票在过去两年的时间里市场价值翻了七倍，市值超过 1000 亿美元，上一季度，公司利润上涨了 56%。
个人电脑销售量下跌，智能手机需求降低，芯片行业不景气...... 在这一背景下，英伟达的成功可谓是独树一帜。世界最大的芯片制造商，半导体制造商英特尔，一直被认为是 PC 机的大脑，但上一季度的利润仅上涨了 9%。
英伟达在加州圣克拉拉的演示室。
「他们正处于上升阶段，」谈到英伟达，Rosenblatt Securities 分析师 Hans Mosesmann 这样说到。自英伟达 1999 年上市，他就一直在跟踪这家公司。
推动这一浪潮的正是英伟达创始人、公司 CEO 黄仁勋。战略直觉、高要求的个性以及深色着装，让人想到斯蒂夫·乔布斯。
和乔布斯一样，黄仁勋要求建造一座让人印象深刻的英伟达总部大楼，不久，公司也会搬到新大楼。十几年前，黄仁勋做出重要一搏，结果就是 GPU 可以处理繁杂事务，而不仅仅是在电脑屏幕上画图像。
「对于这样的公司来说，其成本之高，难以想象。」现年 54 岁的黄仁勋说。英伟达每年大约为此花费高达 5 亿美元，当时英伟达总利润才 30 亿美元左右。这个「它」正是大家所熟知的统一计算设备架构（CUDA）。自 CUDA 推出以来，为将 GPU 转变成更加通用的计算工具，英伟达总投入已接近 100 亿美元。
在计算环境发生重大变化的时点，黄仁勋把赌注押给了 CUDA。当时英特尔正逐渐获得行业领导地位，这种地位来源于其芯片的计算速度提升。这在业界被概括为摩尔定律：根据观察，在行业历史上，每两年，芯片上的晶体管数量就会翻倍。而这一计算速度的提升如今已经放缓了。
英伟达的 CEO，黄仁勋，十年前做了一个重要的决定，对公司的图像处理器，或者说 GPU 做出了一系列重大改动和相应软件开发。
这一增长放缓导致设计师们开始思考更专门化的芯片，它们能够与英特尔的处理器一起工作，并更多享受芯片微型化带来的便利。从一开始就在做现有芯片重新定位而不是从头开始设计新芯片的英伟达，正是这一思路的第一批执行者。运用其芯片和其为 CUDA 开发的软件，英伟达逐渐创立了一个大受程序员和公司欢迎的技术平台。
「平台真的设计得很好。」John L. Hennessy，这位去年刚刚从斯坦福校长职位上退休的计算机科学家如是说。
现在，英伟达的芯片正在进军企业应用。例如，德国商业软件巨头 SAP 正在推行一种名为深度学习的人工智能技术，并将英伟达的 GPU 用于加速应付账款处理流程、匹配简历与空缺职位等工作。
SAP 也展示了英伟达支持的软件能够在篮球、足球等体育直播中捕捉公司 logo，以便广告从业者计算他们的品牌露出然后设法改进。
「这在之前是无法完成的任务，」SAP 的 CIO Juergen Mueller 说。
这样的应用已经远超黄仁勋最初的野心。黄仁勋出生在台湾，毕业于俄勒冈州立大学电子工程系和斯坦福大学，然后在硅谷工作。
公司最初的产品特别差。Malachowsky 先生说，而图像处理市场上还有一大堆竞争者。
但是，英伟达重组了公司的产品和战略，并逐渐拉大自己与竞争对手之间的距离，成为了游戏电脑中毋庸置疑的 GPU 领导者。
GPU 需要搭建框架结构，对对象进行模拟，并将色彩填进显示屏的像素点里。想要完成这项工作，需要并行执行众多简单的指令，这也是为什么图像处理芯片一般都由非常多小处理器组成。英伟达今年五月发布的一款名为 Vlota 的新 GPU 有超过 5000 个小处理器，而与之相比，最新的英特尔高端服务器芯片，只有 28 个大型的、通用处理器核心。
2004 年，英伟达开始力推 CUDA。此前，英伟达从斯坦福大学图形实验室挖走了 Ian Buck，他曾针对 GPU 计算性能进行优化工作。不久，英伟达改变芯片及开发软件支持策略，比如，支持标准编程语言，放弃被用来向图形芯片发出指令的晦涩工具。
英伟达将 CUDA 嵌入消费级 GPU 和高端产品中。这一决策至关重要，Buck 表示，只要有台笔记本或台式电脑，在学校实验室或宿舍就可以搞定软件修补工作。英伟达还游说许多大学开设课程教授这些新的编程技术。
去年，英伟达在圣克拉拉建设了新的总部。在过去的两年里，公司的股价暴涨了7倍。
程序员们逐渐将 GPU 应用于过去的案例中，也尝试在气候模型、石油勘探等新的应用场景中使用 GPU。2012 年，加拿大的研究人员开始在大型神经网络中使用 CUDA 和 GPU，进行深度学习算法的相关研究。英伟达也由此迈上一个新台阶。
神经网络系统的那些神奇技能是靠海量数据训练而来，并不依赖靠编程人员的明确定义。Buck 解释道，GPU 出现以前，训练这样一个系统可能需要一个学期。
如今，在新技术的加持下，研究人员仅用几周、几天甚至几小时即可完成这一过程。
「没有 GPU 如何实现这一任务，难以想象。」斯坦福大学副教授及 SAIL 丰田中心人工智能研究部门主管 Silvio Savarese 这样说道。
不过，竞争对手认为，芯片制造商的战斗才刚刚打响。
在 AI 芯片领域同样占有一席之地的英特尔，斥巨资收购了 FPGA 制造商 Altera，一些深度学习和计算机视觉初创企业以及以色列自动驾驶公司 Mobileye。
谷歌也加入芯片的研发行列，战胜人类冠军的 AlphaGo 就采用了谷歌的 TPU。最近，谷歌推出第二代 TPU，在某些应用领域性能已经超越 GPU。
不过，英伟达的地位并不会轻易被动摇。就资金投入来说，英伟达比其他竞争对手更具实力。CEO 黄仁勋看好游戏市场的发展前景，在 Volta 的研发上投入了 30 亿美元，史无前例。
英伟达表示，有超过 50 万的开发者正在基于 GPU 进行研发。公司希望其他芯片制造商可以帮助扩大 GPU 的开发者范围。一旦公司公布开源芯片设计方案，开发者就可以自行实现一些简易的深度学习应用，比如灯泡或者摄像机应用，无需为其他事情耗费精力。
AI 会影响到世界上的每一家公司。黄仁勋说，英伟达不会解决所有问题。
