“核武狂魔、两弹元勋”英伟达（NVIDIA）教主黄仁勋的百亿美元豪赌赢了！
《财富》美国500强里年过五十的首席执行官，大多都没有刺青，更别说刺青还是自身经营的公司的商标的情况。但出生于***的黄仁勋不属于大多数。首先，他在与合伙人联合创立公司24年后依旧留守经营，这点就很罕见。
黄仁勋不仅是一名训练有素的电气工程师（就读于俄勒冈州立大学和斯坦福大学），还是一位擅于用鼓励、以及如同狂风骤雨般的假期邮件（是在他的假期，而不是员工的假期期间发的）来领导员工的强大高管。按照业内许多人的说法，他眼力十足，很早就预见了一种新的计算方式将会带来蓬勃发展的市场，从而提前多年重新定位了他的公司。
这种眼力，以及公司惊人的财务业绩，让黄仁勋当仁不让地成为了《财富》2017年年度商人。
阿多比公司（adobe）的首席执行官山塔努·纳拉扬表示：“黄仁勋是结合了惊人预见力和不懈执行力的罕见人物。随着英伟达将重心放在了人工智能领域，领导层有了无限机遇可供把握。”
位于旧金山、英伟达三次投资的数据库公司mapd的首席执行官托德·莫斯塔克表示：“我认为黄仁勋是杰夫·贝佐斯和伊隆·马斯克那个档次的人物。”
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***，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。
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。
buck还介绍说，他之前和来自很多工业界的人士交流发现，他们宁愿牺牲性能，也不愿接受一门新的语言。为了能够给相关编程人员提供很好的入门体验，从而便于cuda的推广，cuda采用了已经流行的c语言作为基础。
这样，编程人员就不需要去学习特定的显示芯片的指令或是特殊的结构，即可编写gpu上运行的程序，这毫无疑问促进了cuda在程序员之间的流行。
此外，英伟达当年做出的一个决定也极为关键。现在已是英伟达负责加速计算的副总裁lan buck回忆说，英伟达让自家消费级gpu和高端产品都支持cuda。这就意味着只要研究人员、学生有笔记本电脑或者台式机，就能在学校实验室和宿舍里开发软件。
英伟达还说服了许多大学开设课程，教学生用他们公司的最新编程技术。程序员们逐渐把gpu应用于气候建模、勘探石油和天然气等很多领域。
2012年，gpu的强大能力和深度学习一起，震惊了学术界。当时，加拿大多伦多大学的geoffrey hinton带着两个学生，用gpu训练深度神经网络拿下了imagenet图像识别大赛的冠军。
buck表示，在gpu出现之前，训练这样一个系统可能需要整整一个学期。而有了这项技术，研究人员现在可以在很短的时间内完成这一过程。
“我无法想象要是没有gpu该怎么做。”斯坦福大学的副教授silvio savarese说。
而对于gpu和英伟达来说，最好的时间已经来到。只是同样让人难以想象的是这场从无到有背后的押注。
百亿美元押注
这绝对是一场赌上全部身家的押注。而最关键的拍板者是英伟达创始人：黄仁勋。
黄仁勋总被国内网友称为“老黄”，甚至被安上了“核武狂魔、两弹元勋”的名号，但本质上，他有着像乔教主一样严苛的个性、战略上的直觉。
也有人习惯把他和乔布斯相提并论，除了个性和才能之外，他们同样喜欢穿一身深色衣服，甚至同样为公司建了一栋引人注目的大楼。当然，改变英伟达命运的cuda，和改变苹果命运的iphone，也有不少相似之处——至少它们都诞生在同一年，都堪称孤胆押注。
当时是，老黄宣布要通过一些列软件开发和修改工作，让gpu胜任各种任务，不再只是负责在屏幕上绘制图像。
但最大的问题是钱、钱、钱！他说：“成本对公司来说奇高无比。”
一旦项目启动，每年砸到cuda上的研发成本估算就有5亿美元，而当时公司全年的总收入才大约30亿美元。也就是说，老黄把整个整个公司的1/6，押注在了和公司核心业务似乎没什么关系的一个软件平台上。
最后来看，自cuda推出以来，英伟达在将gpu转化为更通用的计算工具上投入了将近100亿美元。
说巧不巧，正当黄仁勋大举押注cuda之时，计算行业也正在发生广泛变革，摩尔定律带来的计算提升速度正在放缓，这也让当初借此统治芯片市场的英特尔，地位发生动摇，即便诸多芯片设计公司试图从无到有打造更专业芯片，并让该类芯片与英特尔处理器一同运行，利用芯片电路的微型化提供更多的好处。
但又怎挡得住英伟达的势能优势。在英特尔和其他芯片厂商转型途中，英伟达不需要从头做起，只要重新定位已有的芯片，利用在cuda项目中开发的芯片和软件，就能逐渐打造出一个广受程序员和企业欢迎的技术平台。
现在，这样的平台已然展现在世人面前，但不意味着战场就此风平浪静。
芯片战争还在继续
英伟达的竞争对手们说，在ai领域，芯片制造商之间的斗争才刚开始。
首先是英特尔，这家传统芯片巨头在这场战争中不甘落后，接连重金收购了可编程芯片制造商altera、专注于研究深度学习和机器视觉的其他创业公司、还有为汽车生产驾驶辅助设备的以色列公司mobileye。
还有google，其中最醒目的莫过于最近则发布的第二代tpu，这是该公司内部开发的人工智能芯片，在它的助力下，谷歌在围棋比赛中击败了世界冠军柯洁。谷歌声称，这种芯片在某些应用程序中比gpu有更明显的优势。
当然，诸如wave computing之类的初创公司也这么说。
但击败英伟达并不容易。
一个很重要的原因是，这家公司有来自游戏市场的，源源不断的收入，他们能投入到芯片研发上，比大多数人工智能竞争对手都要多。
比如说前不久发布的volta架构，就投入了30亿美元研发费用，创下了行业记录。
英伟达表示，目前有50多万开发人员使用gpu。此外，这家公司还打算开源一种芯片架构，免费供其他芯片厂商用在灯泡、摄像头等低端深度学习应用上，借此在这些自己不打算涉足的领域，扩大粉丝基础。
老黄说，“人工智能终将影响到世界上的每一家公司，但我们不会什么都做。”
不了解黄仁勋的人以为这是谦虚，熟悉他的人就知道，这是杀伐征战24年后，老黄敢赌敢赢背后的专注力。
直流电能计量应用
变频器容量的选择方法
区块链项目发展有哪几种模式
针对 Flutter应用优化的崩溃报告分析
全球三大晶圆代工厂今年将导入极紫外光微影技术 家登EUV光罩盒将大出货
“核武狂魔、两弹元勋”英伟达（NVIDIA）教主黄仁勋的百亿美元豪赌赢了！
智慧交通什么时候可以全方位的发挥作用
ch32控制板是什么？
国内工业机器人产量迎来开门红未来产量增长仍将持续
库存多！HP11731A衰减器
三星投18亿美元扩充OLED生产线 预计明年上线
医疗物联网存在什么风险
如何才能解决目前机器人行业用工难的问题
噪声、相位噪声、信噪比、噪声系数之间有什么区别
传统农业插上物联网翅膀 厚积数年即将迎来喷发期
苹果决定彻底抛弃这款手机了
华为mate10就要来了！华为mate9降至冰点价，对比华为P10，你选择谁？
浩瀚卓越618预售，超值惊喜价就把新款稳定器带回家
怎么测整流桥的好坏？
基于数字锁相环实现X光安检机控制信号时钟提取系统的设计
黄仁勋不仅是一名训练有素的电气工程师（就读于俄勒冈州立大学和斯坦福大学），还是一位擅于用鼓励、以及如同狂风骤雨般的假期邮件（是在他的假期，而不是员工的假期期间发的）来领导员工的强大高管。按照业内许多人的说法，他眼力十足，很早就预见了一种新的计算方式将会带来蓬勃发展的市场，从而提前多年重新定位了他的公司。
这种眼力，以及公司惊人的财务业绩，让黄仁勋当仁不让地成为了《财富》2017年年度商人。
阿多比公司（adobe）的首席执行官山塔努·纳拉扬表示：“黄仁勋是结合了惊人预见力和不懈执行力的罕见人物。随着英伟达将重心放在了人工智能领域，领导层有了无限机遇可供把握。”
位于旧金山、英伟达三次投资的数据库公司mapd的首席执行官托德·莫斯塔克表示：“我认为黄仁勋是杰夫·贝佐斯和伊隆·马斯克那个档次的人物。”
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***，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。
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。
buck还介绍说，他之前和来自很多工业界的人士交流发现，他们宁愿牺牲性能，也不愿接受一门新的语言。为了能够给相关编程人员提供很好的入门体验，从而便于cuda的推广，cuda采用了已经流行的c语言作为基础。
这样，编程人员就不需要去学习特定的显示芯片的指令或是特殊的结构，即可编写gpu上运行的程序，这毫无疑问促进了cuda在程序员之间的流行。
此外，英伟达当年做出的一个决定也极为关键。现在已是英伟达负责加速计算的副总裁lan buck回忆说，英伟达让自家消费级gpu和高端产品都支持cuda。这就意味着只要研究人员、学生有笔记本电脑或者台式机，就能在学校实验室和宿舍里开发软件。
英伟达还说服了许多大学开设课程，教学生用他们公司的最新编程技术。程序员们逐渐把gpu应用于气候建模、勘探石油和天然气等很多领域。
2012年，gpu的强大能力和深度学习一起，震惊了学术界。当时，加拿大多伦多大学的geoffrey hinton带着两个学生，用gpu训练深度神经网络拿下了imagenet图像识别大赛的冠军。
buck表示，在gpu出现之前，训练这样一个系统可能需要整整一个学期。而有了这项技术，研究人员现在可以在很短的时间内完成这一过程。
“我无法想象要是没有gpu该怎么做。”斯坦福大学的副教授silvio savarese说。
而对于gpu和英伟达来说，最好的时间已经来到。只是同样让人难以想象的是这场从无到有背后的押注。
百亿美元押注
这绝对是一场赌上全部身家的押注。而最关键的拍板者是英伟达创始人：黄仁勋。
黄仁勋总被国内网友称为“老黄”，甚至被安上了“核武狂魔、两弹元勋”的名号，但本质上，他有着像乔教主一样严苛的个性、战略上的直觉。
也有人习惯把他和乔布斯相提并论，除了个性和才能之外，他们同样喜欢穿一身深色衣服，甚至同样为公司建了一栋引人注目的大楼。当然，改变英伟达命运的cuda，和改变苹果命运的iphone，也有不少相似之处——至少它们都诞生在同一年，都堪称孤胆押注。
当时是，老黄宣布要通过一些列软件开发和修改工作，让gpu胜任各种任务，不再只是负责在屏幕上绘制图像。
但最大的问题是钱、钱、钱！他说：“成本对公司来说奇高无比。”
一旦项目启动，每年砸到cuda上的研发成本估算就有5亿美元，而当时公司全年的总收入才大约30亿美元。也就是说，老黄把整个整个公司的1/6，押注在了和公司核心业务似乎没什么关系的一个软件平台上。
最后来看，自cuda推出以来，英伟达在将gpu转化为更通用的计算工具上投入了将近100亿美元。
说巧不巧，正当黄仁勋大举押注cuda之时，计算行业也正在发生广泛变革，摩尔定律带来的计算提升速度正在放缓，这也让当初借此统治芯片市场的英特尔，地位发生动摇，即便诸多芯片设计公司试图从无到有打造更专业芯片，并让该类芯片与英特尔处理器一同运行，利用芯片电路的微型化提供更多的好处。
但又怎挡得住英伟达的势能优势。在英特尔和其他芯片厂商转型途中，英伟达不需要从头做起，只要重新定位已有的芯片，利用在cuda项目中开发的芯片和软件，就能逐渐打造出一个广受程序员和企业欢迎的技术平台。
现在，这样的平台已然展现在世人面前，但不意味着战场就此风平浪静。
芯片战争还在继续
英伟达的竞争对手们说，在ai领域，芯片制造商之间的斗争才刚开始。
首先是英特尔，这家传统芯片巨头在这场战争中不甘落后，接连重金收购了可编程芯片制造商altera、专注于研究深度学习和机器视觉的其他创业公司、还有为汽车生产驾驶辅助设备的以色列公司mobileye。
还有google，其中最醒目的莫过于最近则发布的第二代tpu，这是该公司内部开发的人工智能芯片，在它的助力下，谷歌在围棋比赛中击败了世界冠军柯洁。谷歌声称，这种芯片在某些应用程序中比gpu有更明显的优势。
当然，诸如wave computing之类的初创公司也这么说。
但击败英伟达并不容易。
一个很重要的原因是，这家公司有来自游戏市场的，源源不断的收入，他们能投入到芯片研发上，比大多数人工智能竞争对手都要多。
比如说前不久发布的volta架构，就投入了30亿美元研发费用，创下了行业记录。
英伟达表示，目前有50多万开发人员使用gpu。此外，这家公司还打算开源一种芯片架构，免费供其他芯片厂商用在灯泡、摄像头等低端深度学习应用上，借此在这些自己不打算涉足的领域，扩大粉丝基础。
老黄说，“人工智能终将影响到世界上的每一家公司，但我们不会什么都做。”
不了解黄仁勋的人以为这是谦虚，熟悉他的人就知道，这是杀伐征战24年后，老黄敢赌敢赢背后的专注力。
直流电能计量应用
变频器容量的选择方法
区块链项目发展有哪几种模式
针对 Flutter应用优化的崩溃报告分析
全球三大晶圆代工厂今年将导入极紫外光微影技术 家登EUV光罩盒将大出货
“核武狂魔、两弹元勋”英伟达（NVIDIA）教主黄仁勋的百亿美元豪赌赢了！
智慧交通什么时候可以全方位的发挥作用
ch32控制板是什么？
国内工业机器人产量迎来开门红未来产量增长仍将持续
库存多！HP11731A衰减器
三星投18亿美元扩充OLED生产线 预计明年上线
医疗物联网存在什么风险
如何才能解决目前机器人行业用工难的问题
噪声、相位噪声、信噪比、噪声系数之间有什么区别
传统农业插上物联网翅膀 厚积数年即将迎来喷发期
苹果决定彻底抛弃这款手机了
华为mate10就要来了！华为mate9降至冰点价，对比华为P10，你选择谁？
浩瀚卓越618预售，超值惊喜价就把新款稳定器带回家
怎么测整流桥的好坏？
基于数字锁相环实现X光安检机控制信号时钟提取系统的设计