图片来源@视觉中国

(资料图片仅供参考)

文 | Tech商业

AI计算芯片公司Nvidia英伟达的股价上周交易日飙升26%，该公司最新市值接近万亿美元大关。

Nvidia公司上周三发布的最新季度业绩引发了这一股价飙升。该公司表示正在提高芯片产量以满足“激增的需求”。

Nvidia 已经开始主导人工智能 (AI) 系统的芯片市场。

去年 11 月 ChatGPT 推出后，市场对该领域的兴趣达到了疯狂的水平——这给科技行业带来了巨大的震动。

从帮助演讲到计算机编程和烹饪，ChatGPT 已被证明是一种广受欢迎的 AI 应用。

但如果没有强大的计算机硬件，尤其是总部位于加利福尼亚的 Nvidia 的计算机芯片，这一切都不可能实现。

Nvidia 硬件最初以制造处理图形的计算机芯片类型而知名，特别是用于计算机游戏，它是当今大多数 AI 应用程序的基础。

Gartner 的半导体行业分析师 Alan Priestley 表示：“它是领先的技术参与者，能够帮助实现人工智能这种新技术。”

“Nvidia 之于 AI 几乎就像英特尔之于 PC，”TechInsights 分析师 Dan Hutcheson 认为。

ChatGPT 使用 10,000 个 Nvidia 的图形处理单元 (GPUs) 进行训练，这些单元聚集在属于Microsoft微软的超级计算机中。

被广泛使用的 A100 GPU 成本超过 10,000 美元

Nvidia 加速计算总经理兼副总裁伊恩·巴克 (Ian Buck) 表示：“它是众多超级计算机中的一种——有些是公开的，有些不是——使用 Nvidia GPU 构建，用于各种科学和人工智能用例。”

CB Insights最近的一份报告指出，Nvidia 拥有大约 95% 的机器学习 GPU 市场。

它的 AI 芯片也在为数据中心设计的系统中销售，每个芯片的价格约为 10,000 美元（8,000 英镑），但其最新和最强大版本的售价要高得多。

那么 Nvidia 是如何成为 AI 革命的核心参与者的呢？

简而言之，大胆押注自己的技术加上一些好的时机。

现任 Nvidia 首席执行官的黄仁勋早在 1993 年就是其创始人之一。当时，Nvidia 专注于为游戏和其他应用程序制作更好的图形。

1999 年，它开发了 GPU 来增强计算机的图像显示。

GPU 擅长同时处理许多小任务（例如处理屏幕上的数百万像素）——这一过程称为并行处理。

2006 年，斯坦福大学的研究人员发现 GPU 有另一种用途——它们可以加速数学运算，这是常规处理芯片无法做到的。

正是在那一刻，黄仁勋做出了对人工智能发展至关重要的决定。

他投入了 Nvidia 的资源来创建一种工具，使 GPU 可编程，从而为图形以外的用途开放了它们的并行处理能力。

该工具被添加到 Nvida 的计算机芯片中。对于电脑游戏玩家来说，这是一种他们不需要的功能，甚至可能都没有意识到，但对于研究人员来说，这是一种在消费类硬件上进行高性能计算的新方法。

正是这种能力帮助激发了现代人工智能的早期突破。

2012 年，Alexnet 亮相——一种可以对图像进行分类的 AI。Alexnet 仅使用 Nvidia 的两个可编程 GPU 进行训练。

训练过程只用了几天，而不是使用大量常规处理芯片需要几个月的时间。

GPU 可以大幅加速神经网络处理的发现开始在计算机科学家中传播开来，他们开始购买它们来运行这种新型工作负载。

“人工智能（的需求）找到了我们，”Buck表示。

Nvidia 通过投资开发更适合 AI 的新型 GPU 以及更多使该产品易于运作的软件来发挥其优势。

十年后，数十亿美元投入后，ChatGPT 出现了——一种可以对问题做出类似人类反应的人工智能。

2021 年，Metaphysic 凭借汤姆克鲁斯Tom Cruise的深度造假deep fakes成为头条新闻

AI 初创公司 Metaphysic 使用 AI 技术制作名人和其他人的逼真视频。它的汤姆克鲁斯深度造假事件在 2021 年引起了轰动。

为了训练和运行其模型，它使用了数百个 Nvidia GPU，其中一些从 Nvidia 购买，另一些则通过云计算服务访问。

“在我们所做的事情上，除了 Nvidia 之外别无选择，”其联合创始人兼首席执行官汤姆格雷厄姆 Tom Graham表示。“它遥遥领先。”

然而，虽然 Nvidia 的主导地位目前看起来稳固，但长期来看更难预测。TIRIAS Research 的另一位行业分析师 Kevin Krewell 指出：“Nvidia 背负着每个人都想打倒的目标。”

其他大型半导体公司提供了一些竞争。AMD 和英特尔都以制造中央处理器 (CPU) 而闻名，但它们也为人工智能应用制造专用 GPU（英特尔最近才加入竞争）。

谷歌拥有张量处理单元 (TPU)，不仅用于搜索结果，还用于某些机器学习任务，而亚马逊拥有用于训练 AI 模型的定制芯片。据称微软也在开发AI芯片，Meta也有自己的AI芯片项目。

此外，数十年来首次出现计算机芯片初创企业，包括 Cerebras、SambaNova Systems 和 Habana（被英特尔收购）。他们打算从头开始，为 AI 提供更好的 GPU 替代品。

总部位于英国的 Graphcore 生产其称为智能处理单元 (IPU) 的通用 AI 芯片，据称其具有更强的计算能力并且比 GPU 更便宜。

Graphcore 成立于 2016 年，已获得近 7 亿美元（5.6 亿英镑）的资金。

它的客户包括四个美国能源部国家实验室，它一直敦促英国政府在一个新的超级计算机项目中使用它的芯片。

“[Graphcore] 已经构建了一个处理器来处理当今存在的 AI，因为它会随着时间的推移而发展，”该公司的联合创始人兼首席执行官 Nigel Toon 说。

他承认与英伟达这样的巨头竞争是一项挑战。虽然 Graphcore 也有软件可以让其技术易于使用，但当世界已经构建了在 Nvidia GPU 上运行的 AI 产品时，很难协调转换。

Toon称，随着时间的推移，随着 AI 从尖端实验转向商业部署，具有成本效益的计算将开始变得更加重要。

回到 Nvidia，Ian Buck 并不过分关注竞争。 “现 在每个人都需 要人工智能，”他说。 “由其他人决定他们将在哪里做出贡献。 ”

Nvidia CEO黄仁勋：AI带来巨大机遇，是计算机行业的重生

在英伟达Nvidia公司乘AI之风，股价飙升之际，上周六该公司CEO黄仁勋出现在台湾大学毕业典礼上，黄仁勋在演讲中嘱咐毕业生要把握现在的AI机会。

黄仁勋表示，企业和个人都需要熟悉人工智能，否则就有错失良机的风险。

“40 年，我们创造了 PC、互联网、移动、云，现在又创造了 AI 时代。你们（这一代）会创造什么？不管是什么，像我们一样去追赶它们。不要慢慢走，要跑起来”。“你要么是为了食物而奔跑，要么是在避免成为食物而奔跑。（ Either you are running for food, or you are running from becoming food）”

黄仁勋在演讲中还列举了他自己公司早期的失误。“在英伟达，我经历过失败——非常大的失败。所有的失败都令人羞辱和尴尬。其中许多几乎令我们注定失败……但面对我们的错误，谦虚地寻求帮助，拯救了英伟达。”

黄仁勋还将2023 年称为“毕业的完美年份”，并将人工智能革命比作“计算机行业的重生”。

“人工智能带来了巨大的机遇，”他告诉毕业生，必须“利用人工智能，并在人工智能副驾驶copilot的辅助下做出惊人的事情。”

关键词：