读《英伟达之道》，看英伟达的崛起之路

英伟达，这个人工智能计算领域的领导者，如今市值已经突破5.45万亿美元，登顶全球企业市值榜首。很多人只看见它如今风光无限，却很少了解到这家企业数次濒临倒闭、靠一次次的技术豪赌才走到今天。最近一周读完了《英伟达之道》这本书，看到了英伟达如何从一个岌岌可危的初创公司，成长为全球AI算力平台巨头。

第一阶段：初创绝境

1993年，黄仁勋、普利姆和马拉科夫斯基共同创立英伟达，目标做PC的3D图形芯片。但是NV1、NV2技术路线判断失误，产品失败，公司濒临破产，资金只够维持几十天。公司把全部的资源投入到RIVA 128，团队顶着只能一次流片成功的压力，硬件与驱动并行开发。

1997年，RIVA 128芯片集成的显卡上市后受到追捧，成为英伟达首款大获成功的产品。从此，英伟达站稳PC显卡市场，与台积电达成合作，为后续GeForce乃至GPU的诞生打下基础。

第二阶段：CUDA诞生

站稳游戏显卡市场后，英伟达开始研发GPU和CUDA（统一计算设备架构）。GPU用于海量并行运算，不只可以打游戏渲染画面，还能做科学计算。CUDA是面向GPU的通用计算软件开发平台与编程模型，它提供专用编程语言、编译器、工具库与调试套件，让开发者不用深究显卡底层图形渲染逻辑，就能够直接调用GPU的大规模并行算力，执行复杂的科学仿真、矩阵运算以及数据处理任务。

由于CUDA短期几乎没有收入，英伟达承受着巨大压力，公司市值暴跌。但黄仁勋仍然坚持将所有消费级GeForce显卡强制内置CUDA能力，并将CUDA工具链免费开放，走进全球高校，开课培养开发者，不计成本扩大开发者基数。

第三阶段：AI时代到来

在2012年第三届ImageNet大规模视觉识别挑战赛中，多伦多大学提交的参赛作品AlexNet碾压传统计算机视觉算法取得成功。AlexNet团队使用英伟达的GPU支持了一个小规模的深度学习神经网络，输入ImageNet的图片后，让它“学习”图片并建立图片与关联标签的关系。

AlexNet的胜利不仅使深度学习受到广泛关注，更为英伟达带来了巨大的公关效应。从此，开发者们集体转向GPU，在想到人工智能时顺理成章首选英伟达。除了芯片硬件，CUDA生态成为英伟达的壁垒，大量科研人员、工程师开始基于CUDA写代码，形成强大锁定效应。

第四阶段：转向计算平台公司

在AI需求爆发之后，英伟达没有止步于只生产销售GPU芯片，而是确立了平台化的发展战略。公司依靠CUDA构建起庞大的开发者生态，收购Mellanox补齐算力系统短板，设立长期研究小组（NVIDIA Research）负责开展不追求短期收益的前沿图形研究。实时光线追踪算法、DLSS深度学习超采样技术都源于这个小组的前期研究，并成功商业化。现在的英伟达不再仅仅把自己定位为显卡公司，而是想打造面向人工智能的完整计算平台。

读完整本书，能感觉到其实英伟达崛起最重要的就是黄仁勋这个人，就像书中说的那样：

黄仁勋无疑是唯一能够将英伟达带到今天这个位置的人。他不仅掌握了技术与商业策略，还理解了实际运营一家大公司的日常工作的艰辛。他亲自执行自己的高标准，并在问题萌芽之前就将其消除。他构建的英伟达能够实现跃迁式的性能提升，而不仅仅是缓慢的渐进式改进。整个业务都以“光速”运行，而且如果黄仁勋发现你在懈怠，他会当众指出。也许对英伟达之道最简洁的定义就是黄仁勋之道，或者干脆说，它就是黄仁勋本人。

谢谢你看我的文章，如果觉得不错，给我点个关注吧！我们，下次接着聊。

作者：小芯叽