已经24岁的英伟达近期成为了科技行业最炙手可热的公司之一，股价直线飙升。借着人工智能浪潮，它将其图形处理器推向无人机、机器人、无人驾驶汽车等市场。
《纽约时报》近日撰文讲述该芯片厂商10多年前对通用计算GPU的押注如何造就了它当前的巨大成功。
以下是文章主要内容：
波兰图像技术初创公司CTA.ai的工程师团队在尝试为结肠镜检查推行一种更加舒适的替代选择。为此，他们利用一种视频游戏玩家所熟知的计算机芯片。
那些芯片出自硅谷公司英伟达之手。它的技术能够帮助快速筛查病患吞咽的药丸大小的传感器拍下的图像，使得医生检测肠道功能紊乱的速度能够比视频检查快速70%。CTA.ai的CEO马特乌什·马默洛斯基（Mateusz Marmolowski）指出，检查成本因此会降低，诊断也变得更加精确。
炙手可热
像CTA.ai正在引领的技术那样的医疗保健应用，是英伟达的众多新目标之一。该公司的芯片——名为图形处理芯片（GPU）——正在出现在越来越多的设备上，如无人机、机器人、无人驾驶汽车、、超级计算机和虚拟现实设备。其芯片能够大范围推广的一个重要原因是，它们能够快速地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。
市场对于AI应用感到十分兴奋，让已有24年历史的英伟达一跃成为科技行业最炙手可热的公司之一。它的市值在过去两年里飙涨了超过7倍，突破了1000亿美元关口。与此同时，其最近一个季度的营收也同比上涨56%。
英伟达近年来的巨大成功，让它成为了目前面临不少挑战的芯片行业中鹤立鸡群般的存在。该行业正在受到PC销售稳步下滑和智能手机需求增长放缓的双重影响。全球第一大芯片厂商、PC芯片市场长期以来的龙头老大英特尔在最近一个季度仅取得9%的营收增长。
说到英伟达，自它1999年上市以来便一直关注它的Rosenblatt Securities券商分析师汉斯·莫西曼（Hans Mosesmann）表示，“他们简直势如破竹。”
而该强势增长的公司背后的掌舵者是创始人兼CEO黄仁勋（Jen-Hsun Huang）。他拥有敏锐的战略直觉，个性出了名的严苛，常常穿深色的衣服，因此有人拿他来跟苹果已故CEO史蒂夫·乔布斯（Steve Jobs）比较。
跟乔布斯一样，黄仁勋也提出给公司打造富有吸引力的新总部大楼。该公司不久之后便将进驻新总部。
十多年前的关键押注
10多年前，黄仁勋下了一次关键性的赌注：押注一系列的改动和软件开发，来使得GPU能够处理在电脑屏幕上绘画以外的、更为复杂的任务。
“该举给公司带来了极大的成本压力。”54岁的黄仁勋说。他估计，该名为CUDA（统一计算设备架构）的项目每年需要花费5亿美元，而当时公司的总营收规模在30亿美元左右。英伟达称，自CUDA项目成立以来，公司在将GPU转变成更加通用的计算工具上的总支出接近100亿美元。
正当黄仁勋大举押注CUDA之时，计算行业在发生广泛的变化。英特尔当初能够在芯片市场占得统治地位，很大程度上是因为伴随摩尔定律而来的计算速度的提升。那些速度提升如今已经放缓。
这种放缓促使芯片设计公司纷纷开始着手打造更加专业化的芯片，该类芯片可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。英伟达拥有很大的先发优势，它并没有从头做起，而是专注于改造原有的芯片。利用在CUDA项目中开发的芯片和软件，该公司逐渐打造出一个广受程序员和企业欢迎的技术平台。
“他们被领导得很好。”去年卸任斯坦福大学校长的计算机科学家约翰·亨尼西（John L. Hennessy）说道。
如今，英伟达的芯片正在进军新的企业应用领域。例如，德国商业软件巨头SAP在力推一种名为深度学习的人工智能技术，利用英伟达的GPU执行诸如加速应付账款流程以及匹配简历和空缺职位的任务。
SAP还展示了一款由英伟达芯片驱动的软件，该软件可在篮球、足球等体育赛事直播期间识别企业logo，这样广告主就能够它们的品牌在比赛期间的曝光度，也能够采取行动去进行改进。
“那在以往是无法做到的。”SAP首席创新官于尔根·穆勒（Juergen Mueller）指出。
这类应用远远超过了黄仁勋当初的雄心。他出生于台湾，曾在俄勒冈州立大学和斯坦福大学攻读电气工程，毕业以后供职过数家硅谷芯片厂商。他于1993年与克里斯·马拉切斯基（Chris Malachowsky）和柯蒂斯·普雷艾姆（Curtis Priem）共同创立英伟达，最初他们致力于帮助PC提供可与专用视频游戏主机相媲美的视觉效果。
马拉切斯基称，公司最初的产品是个败笔，图形处理器市场也引来了大批的竞争对手。
不过，英伟达后来调整了它的产品和战略，并逐渐与竞争对手区分开来，成为用于游戏PC的GPU加速卡市场当仁不让的龙头老大。
GPU形成三角形态来组成框架式的结构，模拟物体，将色彩应用到显示屏上的像素。为此，很多简单的指令必须要并行执行，正因为此，图形芯片依靠数目众多的微型处理器来进化。英伟达5月发布的新图形芯片Volta含有5000多个这样的处理器;相比之下，英特尔新的高端服务器芯片只有28个体积较大的通用处理器核心。
GPU 被用于各种应用领域
2004年，在将斯坦福大学博士生和公司实习生伊恩·布克（Ian Buck）招到麾下后，英伟达开始大举展开它的CUDA项目。布克曾参与一项涉及简化利用GPU的众多计算引擎过程的编程挑战赛。英伟达不久以后便对它的芯片作出改动，开发出软件辅助工具，其中包括支持标准的编程语言，而非用于向图形芯片发出指令的神秘工具。
该公司后来将CUDA整合到消费级GPU和高端产品。布克指出，该决定至关重要，因为它意味着拥有笔记本电脑或者台式游戏PC的研究人员和学生可以在大学实验室和宿舍捣鼓软件。英伟达还说服多家高校提供它的新编程技术方面的课程。
程序员渐渐地将GPU用于气候模拟、石油和天然气发现等应用领域。2012年，在加拿大研究人员开始将CUDA和GPU应用于极大的神经网络（深度学习所需的多层级软件）后，该技术进入了新的发展阶段。
那些系统被训练来执行各种任务，比如通过暴露在数百万张图像面前识别出一张面孔，而不是通过程序员制定的定义来识别。布克说，在GPU崛起以前，训练这类系统可能要耗费一整个学期。
在该新技术的帮助下，研究人员如今能够在短短几周、几天甚至几个小时之内就能完成训练过程。
“我无法想象没有使用GPU的话，我们如何能够完成这件事情。”斯坦福大学计算机科学副教授西尔维奥·萨瓦雷斯（Silvio Savarese）指出。他还领导该大学的SAIL-Toyota人工智能研究中心。
AI争夺战
竞争对手们认为，芯片厂商之间的AI争夺战才刚刚打响。
英特尔的标准芯片已经被广泛用于执行AI任务，不过该公司还斥巨资收购了多家公司，其中包括：可编程芯片厂商Altera;数家专注于深度学习和机器视觉技术的初创公司;以色列汽车技术提供商Mobileye。
谷歌近期为曾帮助AlphaGo击败人类围棋冠军的自主研发AI芯片推出了第二个版本。该搜索巨头声称，该芯片在一些应用上相比GPU拥有巨大的优势。像Wave Computing这样的创业公司也发出了类似的豪言壮语。
不过，要撼动英伟达的地位并非易事。一方面，该公司有能力在芯片上投入比大多数AI竞争对手都要多的资金——据黄仁勋估计，英伟达在Volta上的投入达到了创行业记录的30亿美元——因为它可从仍处于增长的游戏市场获得稳定的收入流。
英伟达表示，目前有50多万名开发者在使用GPU。该公司预计，一旦它开始免费提供一个可用于低端深度学习应用（如灯泡和摄像头）的开源芯片设计，其它的芯片厂商将会帮助进一步扩大它的开发者群体。那些低端应用不在英伟达的目标范围之内。
黄仁勋说，“AI将会影响世界上的每一家公司。我们不会去解决它的所有应用。”
