历史转折中的英伟达：百亿豪赌奇迹 实习生项目救主

　　文/颜萌 李林（编译）

　　量子位 出品 | 公众号 QbitAI

　　所到之处，英伟达CEO黄仁勋例行强调：我们是一家AI公司。

　　谁又能说不是？

　　市值两年上涨 7 倍，芯片供不应求，屡战英特尔，坚持怼谷歌，是当前AI大红大紫中的实力玩家，也是AI大潮中最闪亮耀眼的明星缩影。

　　创立 24 年来，从游戏芯片供应商，到AI芯片垄断者，英伟达俨然历史钦定。

　　不过，回溯英伟达的风云际会，历史进程纵然功不可没，个人奋斗更是不容忽视——没有濒临破产时的豪赌，没有在CUDA上百亿美元的押注，又怎会有如今风光无限的英伟达和黄教主。

　　《纽约时报》记者Don Clark，决定揭秘英伟达“奇幻漂流”背后的关键时刻。

　　这不止是一个豪赌出奇迹的案例。

　　英伟达转折点

　　转折点是“CUDA”。

　　CUDA，英伟达的并行计算平台和编程模型。在它出现之前，英伟达的主要芯片GPU只是一个负责在屏幕上绘制图像的“图形处理单元”。

　　但CUDA的出现，让GPU拥有解决复杂计算问题的能力，可以帮助客户为不同的任务对处理器进行编程。

　　比如远在波兰的图像识别公司CTA.ai，可以用它帮助筛查肠道图像——仅需要病患咽下一个药丸大小的传感器，就能让医生检测肠道功能紊乱的速度能够比视频检查快速70%，不仅检查成本降低，而且诊断结果更精确。

　　对于类似的GPU应用，CTA.ai并不孤单。

　　GPU也正出现在越来越多出现在新兴设备上，比如无人车、机器人、自动驾驶汽车、服务器、超级计算机和虚拟现实设备。

　　它几乎是AI市场最为核心的需求品类，因为当前只有英伟达的GPU，才能快速处理各种复杂的人工智能任务，如图像识别、脸部识别和语音识别，甚至深度学习加速、气候建模，石油勘探都必须标配GPU。、

　　实际上，这样的应用，远超老黄的最初预期。

　　黄仁勋生于台湾，在俄勒冈州立大学和斯坦福大学学习电子工程，后来在硅谷的芯片制造商工作。

　　 1993 年，他和Chris Malachowsky、Curtis Priem一起创办了英伟达，最初，他们给游戏PC提供视觉特效，帮它们和那些专业的电子游戏机竞争。

　　Malachowsky说，公司最初的产品并不成功，而图形市场对手众多。后来，英伟达重组了它的产品和战略，逐渐与对手拉开距离，最终成就了在游戏PC中GPU加速器卡的绝对的领导地位。

　　GPU生成三角形以形成框架结构，模拟对象，为显示屏上的像素赋予颜色。要做到这一点，必须并行执行许多简单的指令，这就是图形芯片随着微型处理器数量的增加，性能优化的原因。

　　如何最大化利用这些微处理器的并行计算能力，始终是英伟达核心关心的问题。

　　也是CUDA诞生的原因。

　　实习生杰作

　　 2004 年，斯坦福大学博士生Ian Buck进入英伟达实习，这是CUDA研发的开端。当时，Buck参与过一项编程竞赛，任务是让能更容易地管理GPU的众多计算引擎。

△ Ian Buck 来源：heise.de

　　CUDA的核心设计理念就是计算机中的线程。与传统CPU中的4、 8 和 16 个线程不同，GPU中的线程可以多达几万个。

　　Buck表示，看起来这些线程的管理是一件十分复杂的事情。但实际上，编程人员主要的困难在于如何发挥这些线程的优势，而不是管理这些线程。早期，CUDA的性能主要依赖编程人员人工发现代码中可并行计算的部分。

　　目前，随着CUDA库的发展，这方面的工作开始越来越自动化。CUDA团队已经开发了很多石油、天然气和国防等相关产业所使用的科学计算方面的库。最终， 2012 年发布的Titan超级计算机使用了 18688 个NVIDIA Tesla K20 GPU作为协处理器，标志着GPGPU在高性能计算方面的成功推广和应用。从 2011 年开始，Top 500 的超级计算机中至少有 50 台会使用GPU进行加速。而这些机器基本上也都出现在Green 500（全球节能超级计算机榜单）的列表中。

　　Buck曾表示，在CUDA的应用当中，最让其影响深刻的就是，乳腺癌检测和诊断的系统。与传统方法相比，采用支持CUDA编程的Tesla GPU后，医生能够更早、更精确地发现乳腺癌。而美国国家癌症研究所数据显示，基于CUDA的系统在运行蛋白质配体运算（用于研发治疗癌症和老年痴呆症的新药）时只需要原来1/ 12 的时间。

　　此后，CUDA开始受到越来越多的关注。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!