为什么最近英伟达突然大放异彩？一家显卡公司为什么和无人车扯上关系？这个故事要从十多年前讲起。

　　显卡疯子

　　1993年英伟达成立，4年时间里英伟达先后推出NV1和NV2芯片。由于押注在错误的技术方向，NV1耗尽了公司最早的投资，为了生存，公司从100多人裁员到30多人。

　　这时日本游戏巨头世嘉伸出橄榄枝，希望英伟达研发一款游戏机芯片，定金700万美元。这笔钱拯救了英伟达的命运。但世嘉后来放弃了合作，NV2最终也失败了。

　　一再的碰壁足够让创业者就此倒下，但黄仁勋毫无疑问是顽强的，他要为已然奄奄一息的英伟达找到一个突围的出口。

　　他将英伟达的战略从游戏主机转向PC市场，并马上从游戏设计公司晶体动力请来David Kirk博士担任首席科学家，组织了一个庞大的研发团队。

　　同时，黄仁勋决定采用微软PC显卡市场的Direct 3D API标准。这一做法让英伟达获得微软垂青。在微软带动下，下游厂商纷纷和英伟达结成伙伴。抱紧微软大腿后，英伟达终于活了下来。

　　（2002年的黄仁勋）

　　后来才有了英伟达的显卡霸业。

　　有诗为证：“ 先有仁勋后有天，显卡在手虐神仙。”

　　David Kirk在英伟达居功至伟

　　David Kirk博士是图形学和高性能并行计算的大神，除了做显卡，他另一大贡献就是搞出了CUDA，被誉为CUDA之父，后当选美国工程院院士。

　　（黄仁勋三顾茅庐请来David Kirk）

　　CUDA的诞生

　　随着显卡的发展，GPU（图形处理器）越来越强大，而且GPU为显示图像做了优化，在计算上已经超越了通用的CPU，特别擅长并行计算。

　　图形运算的特点是大量同类型数据的密集运算。GPU的微架构就是面向适合于矩阵类型的数值计算而设计的，如此强大的芯片如果只是作为显卡就太浪费了。但在CUDA问世之前，对GPU编程必须要编写大量的底层语言代码，是程序员不折不扣的噩梦。

　　David Kirk慧眼识珠，在他的主导下，英伟达推出CUDA，让显卡可以用于通用并行计算等其他非图形计算，

　　CUDA是英伟达利用GPU平台进行通用并行计算的一种架构，简单的说，就是普通程序员可以利用C语言、C++等为CUDA架构编写程序在GPU平台上进行大规模并行计算，就是让普通程序员也能用上核武器。

　　CUDA的诞生为英伟达进军人工智能埋下伏笔。

　　高性能并行计算

　　随着CUDA的发展和GPU可编程性的增强，利用GPU完成通用计算的受到高度重视，即将GPU用于通用计算，这就形成了CPU+GPU的异构模式。

　　2007年英伟达推出专为高性能计算而设计的Tesla GPU，此后很多年，在高性能并行计算领域，无人可与英伟达匹敌，Intel和AMD都被虐成渣。

　　2010年11月的全球最快超级计算机的前五强计算机中，有三台均采用NVIDIA Tesla GPU。而在2012年11月至2013年6月是世界上最快的超级电脑泰坦也是使用了18,688颗NVIDIA Tesla芯片 。

　　CUDA和GPGPU计算被广泛应用于金融交易、生物医疗、地理信息系统、天气预报、国防等需要高性能计算的领域，而NVIDIA Tesla GPU也占据了70%的GPU市场。

　　AI狂人

　　那么老黄作为显卡疯子怎么又转型成了“AI狂人”了呢？这得益于深度学习的发展。

　　深度学习神经网络尤其是几百上千层的神经网络需对高性能计算需求非常高，GPU对处理复杂运算拥有天然的优势：它有出色的并行矩阵计算能力，对于神经网络的训练和分类都可以提供显著的加速效果。

　　所以搭载GPU的超级计算机已经成为训练各种深度神经网络的不二选择，比如谷歌大脑早期就是使用英伟达的GPU做深度学习。

　　世界上目前约有3000多家AI初创公司，大部分都采用了英伟达提供的硬件平台。Andreessen Horowitz风投公司的合伙人马克·安德森也曾表示，他们已经投资了大批基于深度学习的创业公司，几乎每个公司都在采用英伟达平台。

　　而乘着深度学习这股东风，英伟达股价在过去的12个月上涨近200%，在过去5年上涨超过500%。

　　而反过来，GPU的发展使得计算能力的增加，直播，也促进了深度学习的发展。

　　无人车

　　在今年的CES上，黄仁勋发表了主旨演讲，吸引了全世界的目光。

　　（还是同一件黑夹克）