文｜Tech商業

AI計算芯片公司Nvidia英偉達的股價上周交易日飆升26%，該公司最新市值接近萬億美元大關。

Nvidia公司上周三發布的最新季度業績引發了這一股價飆升。該公司表示正在提高芯片產量以滿足“激增的需求”。Nvidia 已經開始主導人工智能 (AI) 系統的芯片市場。

去年 11 月 ChatGPT 推出后，市場對該領域的興趣達到了瘋狂的水平——這給科技行業帶來了巨大的震動。

從幫助演講到計算機編程和烹飪，ChatGPT 已被證明是一種廣受歡迎的 AI 應用。

但如果沒有強大的計算機硬件，尤其是總部位于加利福尼亞的 Nvidia 的計算機芯片，這一切都不可能實現。Nvidia 硬件最初以制造處理圖形的計算機芯片類型而知名，特別是用于計算機游戲，它是當今大多數 AI 應用程序的基礎。

Gartner 的半導體行業分析師 Alan Priestley 表示：“它是領先的技術參與者，能夠幫助實現人工智能這種新技術。”

“Nvidia 之于 AI 幾乎就像英特爾之于 PC，”TechInsights 分析師 Dan Hutcheson 認為。

ChatGPT 使用 10,000 個 Nvidia 的圖形處理單元 (GPUs) 進行訓練，這些單元聚集在屬于Microsoft微軟的超級計算機中。

被廣泛使用的 A100 GPU 成本超過 10,000 美元

Nvidia 加速計算總經理兼副總裁伊恩·巴克 (Ian Buck) 表示：“它是眾多超級計算機中的一種——有些是公開的，有些不是——使用 Nvidia GPU 構建，用于各種科學和人工智能用例。”

CB Insights最近的一份報告指出，Nvidia 擁有大約 95% 的機器學習 GPU 市場。

它的 AI 芯片也在為數據中心設計的系統中銷售，每個芯片的價格約為 10,000 美元（8,000 英鎊），但其最新和最強大版本的售價要高得多。

那么 Nvidia 是如何成為 AI 革命的核心參與者的呢？

簡而言之，大膽押注自己的技術加上一些好的時機。

現任 Nvidia 首席執行官的黃仁勛早在 1993 年就是其創始人之一。當時，Nvidia 專注于為游戲和其他應用程序制作更好的圖形。

1999 年，它開發了 GPU 來增強計算機的圖像顯示。

GPU 擅長同時處理許多小任務（例如處理屏幕上的數百萬像素）——這一過程稱為并行處理。

2006 年，斯坦福大學的研究人員發現 GPU 有另一種用途——它們可以加速數學運算，這是常規處理芯片無法做到的。

正是在那一刻，黃仁勛做出了對人工智能發展至關重要的決定。

他投入了 Nvidia 的資源來創建一種工具，使 GPU 可編程，從而為圖形以外的用途開放了它們的并行處理能力。

該工具被添加到 Nvida 的計算機芯片中。對于電腦游戲玩家來說，這是一種他們不需要的功能，甚至可能都沒有意識到，但對于研究人員來說，這是一種在消費類硬件上進行高性能計算的新方法。

正是這種能力幫助激發了現代人工智能的早期突破。

2012 年，Alexnet 亮相——一種可以對圖像進行分類的 AI。Alexnet 僅使用 Nvidia 的兩個可編程 GPU 進行訓練。

訓練過程只用了幾天，而不是使用大量常規處理芯片需要幾個月的時間。

GPU 可以大幅加速神經網絡處理的發現開始在計算機科學家中傳播開來，他們開始購買它們來運行這種新型工作負載。

“人工智能（的需求）找到了我們，”Buck表示。

Nvidia 通過投資開發更適合 AI 的新型 GPU 以及更多使該產品易于運作的軟件來發揮其優勢。

十年后，數十億美元投入后，ChatGPT 出現了——一種可以對問題做出類似人類反應的人工智能。

AI 初創公司 Metaphysic 使用 AI 技術制作名人和其他人的逼真視頻。它的湯姆克魯斯深度造假事件在 2021 年引起了轟動。

為了訓練和運行其模型，它使用了數百個 Nvidia GPU，其中一些從 Nvidia 購買，另一些則通過云計算服務訪問。“在我們所做的事情上，除了 Nvidia 之外別無選擇，”其聯合創始人兼首席執行官湯姆格雷厄姆 Tom Graham表示。“它遙遙領先。”

然而，雖然 Nvidia 的主導地位目前看起來穩固，但長期來看更難預測。TIRIAS Research 的另一位行業分析師 Kevin Krewell 指出：“Nvidia 背負著每個人都想打倒的目標。”

其他大型半導體公司提供了一些競爭。AMD 和英特爾都以制造中央處理器 (CPU) 而聞名，但它們也為人工智能應用制造專用 GPU（英特爾最近才加入競爭）。

谷歌擁有張量處理單元 (TPU)，不僅用于搜索結果，還用于某些機器學習任務，而亞馬遜擁有用于訓練 AI 模型的定制芯片。據稱微軟也在開發AI芯片，Meta也有自己的AI芯片項目。

此外，數十年來首次出現計算機芯片初創企業，包括 Cerebras、SambaNova Systems 和 Habana（被英特爾收購）。他們打算從頭開始，為 AI 提供更好的 GPU 替代品。

總部位于英國的 Graphcore 生產其稱為智能處理單元 (IPU) 的通用 AI 芯片，據稱其具有更強的計算能力并且比 GPU 更便宜。

Graphcore 成立于 2016 年，已獲得近 7 億美元（5.6 億英鎊）的資金。

它的客戶包括四個美國能源部國家實驗室，它一直敦促英國政府在一個新的超級計算機項目中使用它的芯片。

“[Graphcore] 已經構建了一個處理器來處理當今存在的 AI，因為它會隨著時間的推移而發展，”該公司的聯合創始人兼首席執行官 Nigel Toon 說。

他承認與英偉達這樣的巨頭競爭是一項挑戰。雖然 Graphcore 也有軟件可以讓其技術易于使用，但當世界已經構建了在 Nvidia GPU 上運行的 AI 產品時，很難協調轉換。

Toon稱，隨著時間的推移，隨著 AI 從尖端實驗轉向商業部署，具有成本效益的計算將開始變得更加重要。

回到 Nvidia，Ian Buck 并不過分關注競爭。“現在每個人都需要人工智能，”他說。“由其他人決定他們將在哪里做出貢獻。”

Nvidia CEO黃仁勛：AI帶來巨大機遇，是計算機行業的重生

在英偉達Nvidia公司乘AI之風，股價飆升之際，上周六該公司CEO黃仁勛出現在中國臺灣大學畢業典禮上，黃仁勛在演講中囑咐畢業生要把握現在的AI機會。

黃仁勛表示，企業和個人都需要熟悉人工智能，否則就有錯失良機的風險。

“40 年，我們創造了 PC、互聯網、移動、云，現在又創造了 AI 時代。你們（這一代）會創造什么？不管是什么，像我們一樣去追趕它們。不要慢慢走，要跑起來”。“你要么是為了食物而奔跑，要么是在避免成為食物而奔跑。（ Either you are running for food, or you are running from becoming food）”

黃仁勛在演講中還列舉了他自己公司早期的失誤。“在英偉達，我經歷過失敗——非常大的失敗。所有的失敗都令人羞辱和尷尬。其中許多幾乎令我們注定失敗……但面對我們的錯誤，謙虛地尋求幫助，拯救了英偉達。”

黃仁勛還將2023 年稱為“畢業的完美年份”，并將人工智能革命比作“計算機行業的重生”。“人工智能帶來了巨大的機遇，”他告訴畢業生，必須“利用人工智能，并在人工智能副駕駛copilot的輔助下做出驚人的事情。”