圖片來源@視覺中國
文 | 藍字計劃，作者｜袁榭
1990年代中期，黃仁勳30出頭，他創辦的英偉達還沒完全站穩腳跟，他希望如日中天的台積電能代工英偉達的顯卡，他打電話過去，沒人搭理。
多年後，他還在向張忠謀抱怨這段往事："當年給你打電話打不通也沒人回，是不是我電話号碼記錯了？給你公司在美國的銷售部門打電話也沒人接。"
今天，全球科技界恐怕沒有幾個人敢不接黃仁勳的電話，這個當年求人代工顯卡的小夥子被稱爲"教主"，在3月21日的英偉達GTC大會上，他穿着标志性的黑色皮衣出現台上，說出了石破天驚的一番話：我們正處于AI的"iPhone時刻"。
2022年11月，大語言模型ChatGPT問世，預示着能生成自然文章和圖像的"生成式AI"将在社會普及，給世界帶來颠覆性的改變。而支撐這幅圖景的，有英偉達的GPU——AI時代最重要的基礎設施之一，GPU提供算力，猶如AI時代的原油。
2020年，全世界跑AI的雲計算與數據中心，80.6%都在用英偉達的GPU驅動。2021年，英偉達稱全球前五百個超算中，七成由它家的芯片驅動，在最新的超算系統中此比例是九成。運行ChatGPT的微軟數據中心用了上萬塊英偉達H100 GPU。後續，預計需要超過3萬塊英偉達的GPU來維持更高版本的GPT模型運轉。
如同1970年代的歐派克一限産，全世界的汽車都缺油。現在隻要英偉達一斷供芯片，管你天高股價、地大營收，全球前十大企業裏，至少有一半要地震。
黃仁勳和他的算力帝國，已經能扼住時代命脈。這其中，有着通往未來30年的秘密。
十年前悄然發生的革命
2023年英偉達GTC的主題演講中，黃仁勳專門提到了生成式AI的飛躍：
"十年間，我們從自動判讀貓圖，進步到能自動生成‘穿太空服的貓在月球漫步’的圖片。"
皮衣老黃真不忘本。無論是"AI的iPhone時刻"，還是英偉達成爲"算力油田"，都是蓄力于前，發端于自家的"貓片"。
2010年的一天，加州帕羅奧圖市的瓊安咖啡館裏，剛做上英偉達首席科學家的比爾·戴利（Bill Dally）和當時在谷歌大腦供職的AI界宗師吳恩達（Andrew Ng）聚餐。
十餘年過去後他們會發現，正是這場會面，無意地打開了一道通往AI新世界的大門。
兩個老友在席間聊起了吳恩達當時課題面臨的障礙：訓練神經網絡AI的算力不夠了。
具言之，谷歌要用數千萬條YouTube視頻來訓練神經網絡AI分辨貓與人的不同。而當時AI界的領軍人物們仍然習慣串聯CPU來執行此類任務。吳恩達預計，要完成課題得用1.6萬塊CPU。
就算是從不缺錢的谷歌，也不會給公司内任一研發項目組輕松批下買1.6萬塊CPU的預算。AI宗師當年也被難住了。
戴利聽完老友訴苦，認爲自己有現成解決方案：不就是在線尋貓片麽，何必整1.6萬塊CPU，用我們英偉達公司的顯卡産品，幾十塊就搞定，你信不信？
當時英偉達雖已制霸世界獨立顯卡業，但名聲還隻局限在極客、硬核遊戲玩家、圖形設計師等非普羅用戶中。誰也不知道，這将是英偉達公司與人工智能行業雙向奔赴、雙雙出圈的起點。
随後，戴利找上剛從加大伯克利分校招到英偉達的非正職研究員布萊恩· 卡坦紮羅（Bryan Catanzaro），請他幫忙。卡坦紮羅很快找到了解決方案：并聯12塊英偉達GPU成功驅動了吳恩達的神經網絡模型，并聯48塊GPU就能獲取預計要用1.6萬塊CPU才有的理想效果。
論文一出，學界響震：居然有這種好事？
兩年後，AI界泰鬥辛頓（Geoffrey Hinton）和學生克裏澤夫斯基（Alex Krizhevsky）、薩茨克維爾（Ilya Suskever）效仿此舉，用英偉達的GeForce GTX 580顯卡訓練由克裏澤夫斯基提出的神經網絡模型AlexNet，奪得ImageNet圖像分類競賽冠軍，成爲AI技術飛躍的奇點。
從此，英偉達在深度學習芯片市場上撒腿狂奔。2013年内，英偉達在全球深度學習芯片市場占有率是100%。在上個世紀能源是石油，在這個世紀能源是算力。以後的新時代裏，黃仁勳的黑皮衣，如同上個世紀海灣國家顯貴們的白罩袍，都是唯我獨尊的霸主象征。
十餘年過去，泰鬥和宗師地位更高，年輕人也成了行業大佬。卡坦紮羅現在是英偉達副總裁、深度學習應用研究部負責人，薩茨克維爾現在是OpenAI的首席科學家、聯合創始人、GPT系列大模型集合之父。
｜左爲黃仁勳，右爲薩茨克維爾
ChatGPT面世後，意外風靡世界，被稱爲AI技術革命的開始。然而即使這個大模型集合如OpenAI一開始預期的，作爲GPT3到GPT4之間的過渡實驗版本簡單飄過，AI技術革命的下一個出圈爆點，鑰匙還是會掌握在英偉達高層的朋友圈裏。
因爲算力的擴張與通用、技術的開發與布局，是英偉達成功的因由。
一炮打啞，老黃吃癟
大人物功成名就後，一般會支楞起來。
2018年初，《财富》雜志舉辦的活動中，有人問黃仁勳：你何時知道英偉達公司将會改變世界的？黃仁勳答：1993年2月17日，我成立公司的日子。不改變世界，我創個什麽業？
皮衣哥自己說得響，但1990年代中，英偉達的運營低谷時賬面上曾隻有6個星期的資金，離關門一步之遙。
人盡皆知，英偉達靠開發顯卡起家。然而黃仁勳創業的初心，與其說是做顯卡，不如說一直都是求索算力提高的途徑。
在1990年代，多媒體猶如近年的元宇宙、數據可視化猶如當下的生成式AI，都是從投資者到消費者都追捧的熱門技術話題。多媒體與可視化數據在當年的輿論浪潮中，被誇到小可以養妻活兒、提高工作娛樂效率，大可以改天換地、重寫行業經濟版圖。
這些技術的基礎，是圖像數據處理的更佳質量與速度。如果遊戲、視頻、PPT們始終停留在1992年的粗粝畫質，啥都無從說起。
1995年，全球有三十家大公司在顯卡市場上競争。
然而追逐時尚比想象中要難。創業公司得決斷：是專注個人電腦（PC）端的業務呢，還是專注特定公司的娛樂主機業務呢？是隻做圖像呢，還是做多媒體通抓音畫呢？
盡管當時沒有"賽道"的商業新話，企業家抉擇的難度并不低于現在。
英偉達的創始概念是加速計算，即用特制設備來爲CPU的運算工作減負提速，最簡潔的落地方案，自然是堆算力造顯卡處理圖像。
籌到250萬美元後，于1995年5月推出第一款産品：NV1。以現在的後見之明看，NV1的最大作用是給黃仁勳提供了反面經驗：這種産品做得很好，以後千萬不能做了。
出于爲當時的遊戲主機巨頭世嘉公司服務的考量，NV1最突出的特色，是兼容世嘉遊戲在PC上的運行，與業内既有和将出現的其他PC端3D圖像程序基礎架構的兼容性不夠出色。
當時世嘉公司有意将遊戲業務從街機、主機端擴展到PC端，NV1的努力迎合了主要合作商的需要，但局限了自己的市場潛力。而且NV1兼具顯卡和聲卡功能，偏離了加速計算基于圖像落地的初衷，産品定位有欠清晰。
NV1沒有一鳴驚人，英偉達公司卻非一無所獲。黃仁勳藉此從風投機構融了650萬美元的第二輪投資。
不過在1997年8月推出新産品Riva 128前，英偉達已經裁員過半，銀行賬戶隻剩不到6周的流動資金。辦公室既窄小，地段又不佳。剩餘的員工們不僅要在乒乓球桌上吃飯，連停車場也隻能蹭旁邊富國銀行的，而這家網點已經被搶劫過兩三回了。
頭炮打啞，隻要教訓真記住，對創業企業家來說并不完全是絕路。
雖然黃仁勳在各種活動上說創業首年的雇律師、訂辦公室早飯等各種經驗非常寶貴，但從1997-1999年上半年的英偉達三款産品看，他記住的顯然不止這些。
英偉達的過往，映照着它的未來。
把摩爾定律"卷"到極緻
英偉達此後的轉向，一是主業放棄多媒體，專做PC端的顯卡。
1990年代中期，遊戲業的熱門話題是從主機/街機走向PC，而不被注意的潛流是遊戲同時在從PC單機走向PC端多人在線。關于圖形渲染的硬件性能需求因此與日俱增。隻滿足這個缺口，已經足以養活整個行業。
二是垂直整合顯卡的配套軟件，自行開發顯卡驅動程序和拓展軟件開發工具包（SDK，software development kit）。
過去的慣例是，英偉達這些顯卡研發公司把設計交付主闆芯片生産商之後，由生産商自己分包給另外的承包者寫顯卡驅動。至于用顯卡做圖形設計等專門工作的終端用戶、PC運行系統的開發商，與顯卡研發者沒有直接配合。凡此種種，局限了顯卡的性能潛力和用戶體驗。
1996年，英偉達專爲配合微軟當時剛推出的Direct3D圖形渲染插件，寫了自家顯卡驅動程序。1998年開始，英偉達公司會定期即時更新自家的通用顯卡驅動程序。此舉持續至今。
三是全力秉持和實現摩爾定律。這是英偉達現在成爲全球算力第一供應商的基礎。
不久前去世的英特爾聯合創始人戈登·摩爾（Gordon Moore），在1965年提出了摩爾定律：集成電路上可容納的晶體管數目，約每隔兩年便會增加一倍。衍生的推論，是每隔18個月，芯片的性能就會因此提高一倍。
英偉達公司的決策層，立志要将摩爾定律永續實現。
從1990年代後半葉開始，英偉達的産品設計與研發部門一直有三個部分同時工作：一部分負責本年度新品的設計，一部分負責去年出品的翻新挖潛設計，一部分負責明年新品的設計。每款産品之間，基本要有一倍的性能提高，如果顯存沒有漲一倍，那麽核心頻率就得快一倍，如果都不行，那麽至少制程要明顯縮小。
如此的結果，是英偉達每半年至一年就會推出性能換代的新品，1999年之前的産品内部代碼全叫NV，即"下一版"（Next Version）的首字母縮寫。其他同業公司跟不上如此搏命的步伐，紛紛退出競争。
1995年的三十家顯卡設計大公司，到1999年末隻剩下三家。英偉達與之後被AMD收購的ATI，并肩收割遊戲玩家、專業設計師等高性能顯卡用戶的市場份額。英特爾依靠PC主闆的壟斷生産商地位，包攬主闆集成顯卡的低性能用戶市場。
1999年10月，英偉達推出GeForce 256，在營銷中稱"這是世界上第一款GPU"。同年，過去占據顯卡市場龍頭的3dfx公司破産，被英偉達收購。顯卡業告别創業者紛紛崛起的時代，進入了"紅綠藍三國戰争"的時代（按商标顔色不同的消費者昵稱，"紅廠"爲AMD、"綠廠"爲英偉達、"藍廠"爲英特爾）。
在20世紀的末尾，沒人知道這場競逐的結果，會決定之後由誰主宰世界算力的供應。
幹翻英特爾和AMD
經過20年，紅綠藍三廠競争顯卡市場霸主地位的結果揭曉："綠廠"英偉達勝出了。
這場"三國演義"裏，"藍廠"英特爾一直是配角。憑借全球PC主闆市場的壟斷地位，英特爾的注意力一直放在CPU而非GPU。在英特爾眼中，要提高性能，得整個主闆的整全性能一起提升，隻提升圖像處理的速度，那是偏門小道。
所以英特爾做顯卡隻是占位，表示這個市場的錢自己還是要賺點，沒有完全放棄。這個策略的結果，現在已經被人做成了搞笑哏圖。
究其原因，是CPU要負責整個電腦主闆的序時性複雜運算，而GPU在成爲通用類芯片前隻需負責圖像處理的并時性簡單運算。如下圖所示，單個CPU的控制元件、基礎運算單元（ALU）、緩存（Cache）等，都比單個GPU數量少而負重大，因此提升性能的設計與制造難度都遠更高。
黃仁勳多次說過，以CPU而言，摩爾定律已經過氣，英特爾CPU性能翻倍的最快時限是每五年。然而他家的GPU嘛，還是每一至兩年内性能翻倍的哦。
真正的激烈競争，發生在英偉達和ATI/AMD之間。
這場角逐的早期，英偉達并不顯操勝算。在2006年被AMD收購前，ATI出品的顯卡，無論更新速度還是單個性能，都屢有明顯優于英偉達競品的佳作。高端顯卡的世界第一，在2000年代前半段看不出究竟屬誰。
但ATI在這場競争中已經後續乏力，英偉達的産品更新與性能提升速度，始終達到了摩爾定律的金标準。而ATI的産品更新目标，從勝過英偉達競品，逐漸變成了趕上英偉達競品。
ATI/AMD因應此形勢的對策，是改作中端顯卡：比英特爾的集顯性能強，比英偉達的高端顯卡更便宜。并且在營銷中攻擊英偉達的競品又貴又耗電：顧客大爺你們千萬不要被它越來越吓人的性能參數騙了，不是物超所值的哦。
2006年，ATI被AMD收購，英偉達少了一個強對手，勝算增加。
唯一的變數在于芯片代工廠。
顯卡業的過往通則，是ATI、英偉達等品牌企業管設計，然後将設計方案交付給芯片廠，委托它們制作成品。
當然，不是沒有公司想囊括從設計到生産的全鏈條，但此舉一般會給自己帶來雙倍的麻煩：以前承接你生意的芯片廠合作夥伴，以後就是要搶你生意的競争對手。1990年代從顯卡龍頭到被英偉達收購的3dfx，就是如此把自己玩破産的。
在被收購前，ATI是台積電的大客戶。但收購之後，2009年AMD與半導體大廠格芯簽約，所有芯片都交由格芯制造。而格芯在芯片制程縮小的技術革新中逐漸落後于台積電，帶累了AMD的所有産品，包括顯卡。
與之相對的，是英偉達與台積電1997年敲定的合作關系合作越發緊密。
而這兩家公司的牽手之路，頗有戲劇性。
1990年代中期，台積電已經是市值近60億美元的大公司，英偉達沒有上市，年營收2700萬美元，兩者體量差距不小。正如本文開頭所述，黃仁勳給張忠謀本人和台積電美國辦公室打電話，沒人接。
最後，黃仁勳做出了科技史上的著名舉動：給張忠謀寫紙信。1997年，人在新竹的張忠謀收到來自美國的黃仁勳的信函後，大感興趣，如信中所邀，給英偉達公司辦公室回了電話。
在張忠謀的回憶中，黃仁勳接電話時，辦公室背景音嘈雜。在互相通名介紹後，皮衣哥不得不在公司裏怒叱："都閉嘴！悄聲些！電話那頭是張忠謀！"等到兩人第一次見面，黃仁勳先講了半天圖像加速運算的産品理念，張老闆表示非常認同，反手遞來宣傳單。黃仁勳本以爲輪到台積電介紹自己的技術與産能了，結果打開一看，是講公司價值觀的。
英偉達在這段合作關系的初期如此伏低做小，越往後收獲越大。台積電的芯片制程每年都在縮小，集成電路上的元器件現在已經微縮到物理極限，無法比原子更小。芯片的精密度與日俱增，算力也跟着有數量級的飛躍。
"顯卡戰争"的結果，是英偉達勝勢如潮湧，成爲顯卡業的世界第一。制霸高端顯卡市場的英偉達，有足夠的營收來打中端顯卡、低端集顯的價格戰，産品與技術研發也有更充足的預算。
英偉達的技術優勢，從一步領先，到一騎絕塵。生成式AI爆火之後，2023年2月英特爾和AMD的CEO也在疾呼：我司有廣泛的産品門類适合此行業，明年生成式AI将會更加主流普羅化、更有意義。
這簡直是在哀求：時代的腳步啊，你等一等，别讓姓黃的把這份錢都賺完了。
通用算力，一統江湖
勝出後，英偉達的顯卡研發沒有放緩，算力持續增強。在2000年代後半葉，英偉達就開始着眼未來，研究這些算力的未來用途。
2006年，英偉達推出CUDA開發平台，軟件開發者可以通過這一平台，使用C語言編寫GPU片上程序，來完成複雜的計算。GPU從此實際脫離圖像處理的單一用途，成爲了真正的GPGPU（通用GPU）。
強大的算力一旦能通用，成爲其他行業的驅動力就是遲早的事。英偉達本身最先想通了這點，在AI領域的布局遠比公衆想象的早，技術領軍人早就和英偉達關系密切。
2010年的吳恩達尋貓片典故之前，2008年卡坦紮羅加入公司，他當時在加州大學伯克利分校做研究生時，就将注意力集中在爲AI開發GPU上。2009年，AI界泰鬥辛頓在學術會議上，勸上千名研究者趕快買GPU，那是深度學習的未來之光。2016年，微軟技術大拿黃學東創下了語音識别AI錯誤率與專業人類速記員持平的紀錄後，得獎開香槟的地點，是黃仁勳的大别墅。
2010-2012年的深度學習飛躍開始後，英偉達已經是穩赢不輸的世界"算力油田"，把握數據量與運算速度的世界巅峰。之後所有挑戰都能克服，所有阻難都是表象。
英偉達把自己強大的GPU拓展到其他行業的嘗試并不是次次得手。Tegra芯片最終沒有成功進入手機市場，挖礦芯片随着加密貨币潮的褪熱前景黯淡，與特斯拉在自動駕駛系統的合作無疾而終，2022年黃仁勳"元宇宙将挺過任何經濟下行"的預言現在像個玩笑話。
然而這些不成功嘗試是力不虛擲、功不唐捐的。Tegra芯片裝不進手機，那就賣給馬斯克裝進特斯拉車裏。爲元宇宙開發的Omniverse平台，用來合成訓練AI的物理數據，多樣性與過拟合規避還勝過了真實世界數據。紮克伯格做不動元宇宙，但黃仁勳的Omniverse卻是長做長有。
即使有意競争者的挑戰，最後也成了給英偉達捧場。
2016年，谷歌宣布專門爲AI研究開發了機器學習的專屬芯片TPU（張量處理單元），并設計了基準測試工具MLPerf。然而在大多數年度的MLPerf測試中，按英偉達員工的自述，"黃總說，我們每次運行MLPerf基準測試時，都要向谷歌證明我們的GPU比TPU運算速度快，哪怕隻快一點點就好。"
今年谷歌的TPUv4終于在MLPerf基準測試測試中赢了英偉達的A100芯片，成爲業界大新聞：居然有芯片強過了英偉達産品！
蓄勢強勁，橫絕宇内。從現在到可預見未來的英偉達，如同1970年代至今的迪拜和利雅得：前30年是世界經濟的不起眼齒輪，以後就是世界經濟的動力艙。一直主宰能源驅動的上遊，不管下遊行業如何變動，自己都是八風不動。
不管福特和豐田誰赢了家用車競争，顧客最後都要找海灣土豪買油。不管元宇宙還是生成式AI誰是真正的未來數字産業走向，跑模型的數據中心都要找英偉達買芯片。共生雙赢，的确是英偉達赢兩次。
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體App
