【芯历史】从“显卡大厂”到“AI霸主”,英伟达的版图没有边界?

老伙计网报道(文/木棉),近日,英伟达宣布将以400亿美元收购英国芯片设计公司Arm,这一“重磅炸弹”将这两家公司——特别是英伟达——推向了舆论的风口浪尖。如果交易最终达成,这将是半导体行业有史以来最大的并购交易,英伟达将成为横跨服务器、PC、消费电子和智能手机等多个重要领域的关键角色。

实际上,英伟达从来就不是一个缺少故事的公司,回顾英伟达的发展历史,从一家单纯卖显卡的公司到横跨多领域的巨头,英伟达有何成长的故事?

“显卡大厂”故事的开启

爱玩游戏的人大概率都知道英伟达,而说起英伟达,同样绕不开其创始人黄仁勋。

1993年,黄仁勋和朋友Chris Malachowsky和Curtis Priem联合创立了Nvidia,Malachowsky和Priem是太阳微系统公司(Sun Microsystems)的工程师,黄仁勋当时是San Jose芯片制造商LSI Logic的董事。他们创业的初衷是研发一种专用芯片,用来加快电子游戏中3D图像的渲染速度,带来更逼真的显示效果。

《【芯历史】从“显卡大厂”到“AI霸主”,英伟达的版图没有边界?》

Nvidia原始资金为4万美元,一开始公司并没有起名字。彼时,所有文件都冠以两字词NV开头,含义是 Next Version(下一版)。后来,为了整合公司,他们审核了所有带“N”和“V”的单词,最后选了“Nvidia”,拉丁词寓意为“羡慕”。谁能想到经过二十多年后,籍籍无名的Nvidia发展成了全球最受瞩目的芯片公司,旗下拥有GeForce、Quadro、Tesla、Tegra等多个产品线,着实成为了一家令人“羡慕”的公司。

1995年,Nvidia推出第一款产品,即个人电脑多媒体卡NV1,不过由于NV1塞进了太多的功能,导致性能低下而宣告失败。此外,NV1耗尽了公司最早的投资,虽然Nvidia还想继续开发NV2,但是由于资金短缺,而被迫终止。为了生存,公司大刀阔斧裁员,从100多人裁减至30多人。

《【芯历史】从“显卡大厂”到“AI霸主”,英伟达的版图没有边界?》

1996年,Nvidia把重心转到了图形处理器上。其后两年时间,英伟达陆续推出RIVA128、RIVA128ZX、RIVATNT等图形处理器。这些新产品不仅支持微软Direct3D和OpenGL标准,在能效上也超越了竞争对手3Dfx的Voodoo和ATI的Rage Pro,加上价格低廉,逐渐获得了整机厂的青睐。

1999年,英伟达迎来了具有里程牌意义的一年。同年它首创并定义GPU这一词汇,这极大地推动了PC游戏市场的发展,重新定义了现代计算机图形技术,并彻底改变了并行计算。

与此同时,英伟达发布了第一款GeForce产品——GeForce 256显卡。GeForce 256继前代Riva TNT2显卡最大的改变是率先增加了T&L引擎的支持,由于显卡采用T&L引擎能够分担处理器运算负载,对于支持T&L引擎的第一人称射击游戏,也就是Quake,对于这种具有革命意义的电子游戏来说,GeForce 256的效能可以完全发挥出来,而其他3dfx、S3 Graphics等厂商而言,通通望尘莫及,而唯一能与之抗衡的,只有一年后才出现的ATI Radeon 256显卡。

此后,英伟达开始了快速发展。2000年底,英伟达以7000万美元现金、100万股公司股票,将竞争对手3dfx收入囊中,正式成为行业老大。

最终,英伟达凭借GeForce系列显卡在游戏市场所向披靡,和成立于1969年的AMD同坐一把交椅,N卡和A卡孰优孰劣之争也是游戏界老生常谈的话题。

埋下进军人工智能伏笔

2004年到2007年,英伟达游戏和专业绘图处理器业务稳步增长,度过了顺风顺水的四年。按照既定的路线走下去,英伟达现在的title或许只有“显卡大厂”。不过,伟大的公司之所以伟大,还在于它目光长远且敢于创新。在这四年里,英伟达首席科学家David Kirk思考着一个更长远的问题——让只做3D渲染的GPU技术通用化。

最初的GPU只是用来处理图形显示的任务,计算纯交给CPU,这事实上造成了大量运算能力的浪费。随着显卡的发展,GPU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。

于是,2006年,在DavidKirk博士的主导下,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。所谓CUDA技术,简单来说就是打通了所有GPU内小核心的并行计算能力,能够解放GPU的计算能力,使得GPU能够承担和CPU一样的计算任务的技术。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。CUDA的到来可以说是结束了程序员的噩梦。

《【芯历史】从“显卡大厂”到“AI霸主”,英伟达的版图没有边界?》

而DavidKirk博士也因此被誉为CUDA之父。对于英伟达来说,DavidKirk博士居功至伟。他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,后当选美国工程院院士。

CUDA的诞生为英伟达进军人工智能埋下了伏笔。

CUDA出师不利

2006年之后,英伟达在坚持主流显卡市场的同时,也在继续布局CUDA,推出了CUDA平台和Tesla架构。当时,英伟达推出的GeForce 400,500,600,700系列不仅在性能上超过竞争对手,而且功耗较低。

然而,CUDA的发展就没有那么顺利了。一方面,英伟达推出的大规模并行运算芯片——Tesla,对于其传统游戏和专业绘图业务来说,并没有这样的高性能运算需求。另一方面,David Kirk博士说服黄仁勋投入大量资源研发CUDA技术,并让每一颗英伟达GPU都支持CUDA。而这一疯狂的举动导致成本剧增。由于必须在硬件产品设计中增加相关CUDA逻辑电路,使得芯片面积增大、散热增加、成本上升、故障率增高;同时,还要保证每款产品的软件驱动都支持CUDA,这对英伟达的工程师来说是巨大的工作量。

除了内部发展不顺之外,英伟达也外部受敌。2008年,CPU巨头AMD收购英伟达老对手ATI,形成了CPU整合GPU的新解决方案。Intel也终止了与英伟达的合作,在自家芯片组中集成了3D图形加速器。

种种不利因素的影响下,2008年,英伟达营收骤降16%,股价从37美元跌到6美元左右。

不过,一时的挫折并未动摇黄仁勋的信念和决心,他仍然坚持继续布局CUDA技术。事实证明,黄仁勋的坚持是对的,英伟达也终守得云开见月明。

2009年到2012年,随着基于CUDA的通用GPU在高性能计算领域威力凸显,英伟达也迎来了发展史上最重要的时期。

跨进人工智能大门

2012年,ImageNet(图像识别领域赛事)大赛上,当时Geoffrey Hinton的学生通过两个GPU将深度卷积神经网络AlexNet的准确率提高了10.8%,震撼了学术界,英伟达也借此一战成名,从游戏市场一大步跨入AI市场。

此后,英伟达乘着深度学习和区块链的东风,成为AI芯片领域的绝对霸主。黄仁勋更是在GTC 2015上直言,“我们不是硬件公司,我们是AI公司”。

2012年英伟达与Google的人工智能团队合作,建造了当时最大的人工神经网络,之后各深度学习团队开始广泛大批量使用NVIDIA显卡。

2013年,英伟达与IBM在建立企业级数据中心达成合作。

2017年,英伟达发布了面向L5完全无人驾驶开发平台PegASUS。自2014年至2018年,英伟达股价翻了9倍多。2018年,深度学习将Nvidia送上了AI领域第一股。

2019年,英伟达开始正面对刚Intel,69亿美元击败Intel收购以色列公司Mellanox。英伟达与Mellanox的合并,能增强其数据中心和人工智能业务,可与Intel竞争。资料显示,占据70%高性能计算的计算机网络通信标准InfiniBand市场的Mellanox,是该领域绝对的老大,Intel也只能屈居其下。

很难说是人工智能捧“红”了英伟达,还是英伟达成就了人工智能,但是,两者的关系可以说是“相辅相成”。在已经到来的AI时代,英伟达为各行各业提供了发展和应用人工智能技术的有力支持。英伟达推出了在人工智能、高性能计算、机器人、自动驾驶、医疗健康、专业化视觉等领域的多项创新应用。

数据显示,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。AndreessenHorowitz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。

结语:毋庸置疑,英伟达是我们这个时代最伟大的公司之一。在黄仁勋的带领下,英伟达从曾经的小小显卡设计和提供商,逐渐变成了AI领域最具有发言权的公司之一。在人工智能到来的风口下,得益于此前的转型和布局,终成“AI霸主”。

英伟达的成功,与其说是“时势造英雄”,不如说是“英雄造就了时势”。试想,十多年前在不被看好的情况下,还敢于孤掷一注押宝CUDA技术,能有这样魄力的人又有多少呢。

(校对/零叁)

发表评论

电子邮件地址不会被公开。 必填项已用*标注