AI 的火爆使得英伟达的市值水涨船高，成功跻身万亿美元俱乐部，作为公司的灵魂人物，黄仁勋一路走来经历了哪些故事？这位皮衣客又是如何一步步建立了他的显卡帝国？
从神经网络 AlexNet、到 ChatGPT，再到生成式 AI 的大爆发，英伟达的 GPU 功不可没。
在这场 AI 淘金热中，英伟达的市值水涨船高，成功进入万亿美元俱乐部，成为全球第 6 大市值最高的公司。
若说英伟达的成功背后，一定离不开这位灵魂人物 —— 黄仁勋。
人人皆知乔布斯、盖茨等科技巨人的故事，而一直不愿意抛头露面的老黄，除了一身皮衣，更多的经历鲜有人知。
这次，纽约客的最新采访深挖了老黄创业历程、管理方式、以及如何带领英伟达走向成功的过程。
黄仁勋出生于 1963 年的台湾，九岁时，他和哥哥被送往美国，在肯塔基州的奥奈达浸信会学院（ Oneida Baptist Institute, in Kentucky）学习。
黄仁勋和一个 17 岁的室友住在一起，他教室友识字，作为交换，室友教他卧推。每天晚上睡觉前，黄仁勋都要做一百个俯卧撑。
由于年龄太小，黄仁勋不能在这所学校上课，于是他去了附近的一所公立学校。
当时，校长向大家介绍了这位身材矮小、留着长发、操着浓重口音的亚洲移民。然而，也正因为这些特质，让黄仁勋饱受同学的霸凌。
几年后，黄仁勋的父母获准进入美国，定居在俄勒冈州，兄弟俩与父母团聚。
黄仁勋高中时成绩优异，是全国排名靠前的乒乓球运动员。他参加了学校的数学、计算机和科学俱乐部，跳了两级，16 岁就毕业了。—— 但是他也表示「我没有女朋友。」
后来，黄仁勋进入俄勒冈州立大学，主修电子工程。
在入门课上，他的实验搭档是 Lori Mills，认真、呆萌、有着一头棕色卷发。
据黄仁勋回忆，当时电子工程专业有 250 个学生，大概只有三个女生。男生们争相吸引 Mills 的注意，黄仁勋觉得自己处于劣势。「我是班里最年轻的孩子，看上去只有 12 岁左右」。
—— 然而，每个周末，黄仁勋都会给 Mills 打电话，缠着她一起做作业。
「我想给她留下深刻印象，不是因为我的长相，而是因为我完成作业的能力很强。」
做了六个月的功课后，黄仁勋鼓起勇气约她出去。她接受了邀请。
毕业后，黄仁勋和 Mills 在硅谷找到了一份微芯片设计师的工作 ——「她实际上比我挣的多」。
后来两人结婚了，几年后，Mills 离开了工作岗位，去抚养他们的孩子。那时，黄仁勋已经开始经营自己的部门，晚上则在斯坦福大学读研究生。
1993 年，他与 Chris Malachowsky 和 Curtis Priem 两位资深微芯片设计师共同创立了英伟达公司。
Malachowsky 和 Priem 希望设计出一种图形芯片。最初他们给公司起名叫 NVision，但后来得知这个名字已经被一家卫生纸制造商使用。
黄仁勋建议使用英伟达，取自拉丁文 i 英伟达，意为「嫉妒」。他选择丹尼餐厅（Denny's）作为组织业务的场所，是因为这里比家里安静，而且有便宜的咖啡。
他曾于 1980 年代在俄勒冈州的连锁餐厅工作过。「我发现，在逆境中我的思维最活跃。」
黄仁勋喜欢电子游戏，他认为市场需要更好的图形芯片。那时，艺术家们开始用被称为「基元」的形状来组装三维多边形，而不是手工绘制像素，这样做省时省力，但需要新的芯片。
英伟达的竞争对手使用三角形作为基元，但黄仁勋和同伴决定改用四边形。—— 不过后来证明这是一个错误，差点毁了公司。因为在英伟达发布第一款产品后不久，微软宣布其图形软件将只支持三角形。
由于资金短缺，黄仁勋决定回到传统的三角形方法。1996 年，他裁掉了英伟达一百多名员工中的一半，然后把公司剩余的资金押在了未经测试的微芯片生产上，他不确定这些微芯片是否能成功。
——「成功和失败的概率五五开，但无论如何我们都要倒闭了」。
当这款名为 RIVA 128 的产品上市时，英伟达的资金仅够支付一个月的工资。但这场赌博得到了回报，英伟达在四个月内卖出了一百万台 RIVA。
黄仁勋鼓励他的员工带着绝望的情绪继续出货，在以后的日子里，每逢面对员工演讲，他的开场白就是「我们公司还有三十天就要倒闭了」。这句话至今仍是公司的非正式座右铭。
位于圣克拉拉（ Santa Clara）的英伟达总部中心有两座巨大的建筑，每座建筑都呈三角形。从沙发、地毯到小便池的防溅罩，整个大楼内部都是这种形状的缩影。
每栋大楼的顶层都有一个酒吧，公司鼓励员工把办公室当作灵活的空间，在这里用餐、编码和社交。如果员工在会议桌上用餐，AI 可以在一小时内派遣清洁工进行清理。在股价上涨之前，英伟达就被评为美国最佳工作场所之一。
在标准计算机体系结构中，大部分工作由被称为中央处理器（CPU）的微型芯片完成。几十年来，CPU 的主要制造商一直是英特尔，英特尔曾多次试图迫使英伟达退出市场。
黄仁勋描述英伟达与英特尔之间的关系是「Tom and Jerry relationship」—— 每当他们靠近，我们就拿起芯片跑路。
对此，英伟达采用了另一种方法。1999 年，公司在上市后不久就推出了名为 GeForce 的图形卡。
与通用 CPU 不同的是，GPU 把复杂的数学任务分解成小的计算，然后用并行计算的方法一次处理完。CPU 的功能就像一辆送货卡车，一次送一个包裹；而 GPU 则更像一支摩托车队，在城市中穿梭。
GeForce 系列取得了成功。《Quake》（《雷神之锤》）系列视频游戏推动了它的流行，该游戏使用并行计算来渲染玩家可以用榴弹发射器射击的怪物。
《Quake》系列还推出了多人对战的模式，PC 游戏玩家为了获得优势，每次升级都会购买新的 GeForce 显卡。
2000 年，斯坦福大学计算机图形学的研究生 Ian Buck 将 32 块 GeForce 显卡连接在一起，使用 8 台投影仪玩 Quake。—— 这是第一台 8K 分辨率的游戏机，它占据了整面墙。 「It was beautiful.」
GeForce 显卡附带了一种叫做「着色器」的原始编程工具。在美国研究机构 darpa 的资助下，Ian Buck 黑进了着色器，访问了下面的并行计算电路，将 GeForce 变成了一台低成本的超级计算机。
随后不久，Ian Buck 就开始在英伟达上班了。
自 2004 年以来，Buck 一直负责英伟达超级计算软件包（CUDA）的开发工作。黄仁勋的愿景是让 CUDA 能够在每一块 GeForce 显卡上运行。
在 Buck 开发软件的同时，英伟达的硬件团队开始在微芯片上为超算分配空间。英伟达的首席芯片工程师 Arjun Prabhu 将微芯片设计比作城市规划，芯片的不同区域专门用于执行不同的任务。
2006 年底，当 CUDA 发布时，华尔街的反应是惊愕。黄仁勋将超级计算带给了大众，但大众并没有表现出他们需要这样的东西。
硅谷流行播客《Acquired》的主持人 Ben Gilbert 表示，英伟达花了数十亿美元瞄准学术和科学计算的一个不起眼的角落，而这在当时并不是一个大市场。
到 2008 年底，英伟达的股价下跌了 70%。
黄仁勋认为，CUDA 的存在将扩大超级计算领域。但这一观点并未得到广泛认同。
20 世纪初，提起 AI，完全是一个冷门的学科。人工智能在图像识别、语音识别等领域的进展一直止步不前。
在这个不受欢迎的学术领域中，使用「神经网络」（受人脑启发的计算结构）来解决问题，更是没有得到许多计算机科学家的青睐。
当时，深度学习研究员 Bryan Catanzaro 劝阻老黄，「不要研究神经网络。因为当时人们认为，这已经过时了，而且不起作用」。
Catanzaro 还将继续研究神经网络的研究人员，统一称为「荒野中的先知」。
这其中的一位先知，便指的是从多伦多大学教授退休、有 AI 教父之称的 Geoffrey Hinton。
2009 年，Hinton 的研究小组使用英伟达的 CUDA 平台，训练了一个神经网络来识别语音。
没想到，这项研究结果的质量，让 Hinton 本人感到非常惊讶，并在当年的一次会议上汇报了结果。然后，他主动联系了英伟达。
「我发了一封电子邮件说：『听着，我刚刚告诉上千名机器学习研究人员，他们应该去购买英伟达显卡。你能免费送我一块吗？』」。
然而，英伟达最后的回复只有一个字「No」。
尽管受到了冷落，Hinton 还是鼓励自己的学生使用 CUDA，包括自己引以为傲的高徒 Alex Krizhevsky。
2012 年，Krizhevsky 和研究伙伴 Ilya Sutskever 在预算紧张的情况下，购买了 2 张 GeForce 显卡 ——GTX 580 GPU。
然后，Krizhevsky 开始在英伟达的并行计算平台上，训练视觉识别神经网络 ——AlexNet，一周内就向其输入了数千万张图像。
Hinton 回忆道，「他的卧室里那两块 GPU 一直嗡嗡运转不停，可想而知，他父母一定支付了相当可观的电费」。
随后，Krizhevsky 和小伙伴一起带着 AlexNet 参加了一年一度的 ImageNet 大赛，一举夺得冠军，第一个深度卷积网络模型就此诞生了。
GeForce 显卡的能力，让 Ilya 和 Krizhevsky 双双感到惊讶。
其实，2012 年早些时候，谷歌研究人员吴恩达、Jeff Dean 曾训练了一个可以「识别猫」的神经网络。
谷歌这项工作使用了大约 1.6 万个 CPU，而 Sutskever 和 Krizhevsky 仅用 2 块英伟达电路板就产生了「世界级」的效果。
然而，AlexNet 在比赛中得分如此之高，以至于组织者最初怀疑 Krizhevsky 是否以某种方式作弊。因为神经网络在当时并不受欢迎，Ilya 和 Krizhevsky 是唯一一个使用这种技术的参赛团队。
Hinton 称，「那是一种大爆炸的时刻。这就是范式的转变」。
这篇「ImageNet Classification with Deep Convolutional Neural Networks」9 页神作自 2021 年诞生以来，至今已被引用了了 14 万 + 次，成为计算机史上重要的里程碑。
Krizhevsky 开创了许多重要的编程技术，但他的主要发现是，「专用的 GPU 可以训练神经网络，速度比通用 CPU 快 100 倍」。
Hinton 补充道，「如果没有 CUDA，做机器学习就会非常麻烦」。
随后几年内，ImageNet 竞赛的每个参赛者都在用上了「神经网络」。到 20 世纪 20 年代中期，在 GPU 上训练的神经网络识别图像的准确率达到了 96%，远远超过了人类。
过去十年来，黄仁勋在推动超级计算和 GPU 的普及上取得了巨大的成功。
他表示，「事实上，它们现在可以解决完全非结构化的计算机视觉问题，那么接下来，你还能教它做什么？」
老黄再下注：英伟达从图形公司，升级「AI 公司」
答案似乎是：什么都可以！
黄仁勋总结说，神经网络将彻底改变社会，他可以利用 CUDA 占领必要的硬件市场。
当时，他宣布再次押注公司。
他在周五晚上发出一封邮件，「一切都将转向深度学习，我们不再是一家图形公司。从下周一早上开始，我们是一家人工智能公司」。
英伟达的蜕变，从字面上看，就是这么快。
就在黄仁勋发送那封电子邮件之时，他找到了英伟达首席人工智能研究员 Catanzaro，进行了一次思想实验。
Catanzaro 表示，「他让我想象，把英伟达的 8000 名员工都带进停车场，然后我可以自由地从停车场选择任何人加入自己的团队」。
在 AlexNet 成功之后，风险投资人开始向 AI 投入大笔资金。
Andreessen Horowitz 公司的 Marc Andreessen 在 2016 年表示，「我们一直在投资许多将深度学习应用于许多领域的初创公司，每一家公司都有效地建立在英伟达的平台之上」。
大约在那个时候，英伟达向 OpenAI 的研究小组，交付了第一台专用的人工智能超级计算机 DGX-1。
黄仁勋亲自把 DGX-1 带到了 OpenAI 的办公室，是由时任董事长的马斯克开箱。
2017 年，谷歌的研究人员提出了 Transformer 的神经网络架构。次年，OpenAI 的研究人员便使用谷歌的框架构建了第一个「生成式预训练 Transformer」。
GPT 模型在英伟达超级计算机上进行训练，使用了大量的文本语料库，并学习如何建立类似人类的联系。
2022 年底，经过多年迭代，当红炸子鸡 ChatGPT 终于面向公众发布。
也就是从那时起，英伟达显卡需求爆单。
其中，最强悍的 DGX H100，一个重达 160 多公斤的金属盒子，价格高达 50 万美元，已经缺货了数月。
DGX H100 的运行速度是训练 ChatGPT 的硬件的 5 倍，并且可以在不到 1 分钟的时间内训练 AlexNet。
英伟达预计，将在 23 年年底前售出 50 万台 DGX H100。
应用于神经网络的处理能力越强，其输出就越复杂。对于最先进的 AI 系统，或许需要数十个英伟达 DGX H100。
如果这还不够，英伟达将把这些计算机像图书馆堆栈一样排列，用价值数千万美元的超级计算设备填满数据中心。
显然，人工智能的能力没有明显的限制。
在接下来的几年里，英伟达的硬件将加速进化到计算机时钟周期的速度，从而训练出各种类似的人工智能模型。
据介绍，英伟达卖出的设备毛利率接近 70%。
巨大的利润让所有开发 AI 训练硬件的谷歌、特斯拉，以及初创公司都垂涎欲滴。
说起来，英伟达最激烈的竞争对手是 AMD。
自 2014 年以来，AMD 一直由另一位才华横溢的工程师苏姿丰（Lisa Su）经营。自她成为公司负责人以来的几年里，AMD 的股价上涨了 30 倍，使她成为这个时代最成功的半导体 CEO，仅次于黄仁勋。
值得一提的是，老黄和苏姿丰还是亲戚关系。
老黄本人很少接受采访。他表示，「我并没有做什么特别的事，主要是我的团队的努力，我也不确定为什么我被选为首席执行官，我并没有任何特别的驱动力」。
当老黄下定决心在 30 岁经营一家企业的时候，他的联创 Chris Malachowsky 说，「你真的不是一个好演讲者，因为你比较内向」。
老黄表示，「我只有一个超能力 —— 做作业」。英伟达软件主管 Dwight Diercks 称老黄可以在一个周末掌握任何课题。
黄仁勋更喜欢敏捷的公司结构，没有固定的部门或等级制度。取而代之的是，员工每周提交一份清单，列出他们正在做的 5 件最重要的事情。
而他自己，每天也要写几百封回复的邮件，与员工聊天，通常仅有几句话。一位高管将这些邮件比作俳句，另一位还比作赎金票据。
老黄自己还制定了一套自己经常引用的管理格言。
在安排任务时，老黄会要求员工考虑「光速」。这不仅意味着快速行动； 相反，员工应该考虑一项任务可以完成的绝对速度，然后朝着可实现的目标逆向努力。
也许老黄最激进的信念是「失败必须分享」。
2000 年初，英伟达曾出货了一款有故障的显卡，风扇声音过大、过度活跃。
然而，黄仁勋没有解雇该显卡的产品经理，而是安排了一次会议，让经理们向几百人介绍了，他们做出的每一个导致惨败的决定。
英伟达的员工们有时也会抱怨，老黄的性格反复无常。
黄仁勋表示，「这其实是我脑子里想的和嘴里说的不一致。当错位很严重时，就会表现为愤怒」。
即便在他很冷静的时候，黄仁勋的强势也可能是压倒性的。一名员工形容，「与他交流就像把手指插进电插座里」。
尽管如此，英伟达员工流失率很低。
GPU 的销量暴涨，也让英伟达成为了世界算力霸主，成功进入万亿美元俱乐部。这背后离不开领导人黄仁勋的「疯狂式」的管理策略。
老黄曾表示，当你创立一家公司时，很自然地从第一性原理开始。
参考资料：
https://www.newyorker.com/magazine/2023/12/04/how-jensen-huangs-nvidia-is-powering-the-ai-revolution
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。