除非你在十年前就熱衷於桌上電腦遊戲，否則你可能直到最近才開始注意到英偉達。這家公司專注於生產顯示卡和其他尖端技術產品，早已在遊戲界聲名顯赫並取得巨大成功。然而，與過去一年英偉達所經歷的爆炸性成長相比，這些成就顯得相形見絀。

英偉達之所以能夠在這一年中大放異彩，關鍵在於其技術為運行大型語言模型提供了強大的動力，而這些大型語言模型正是推動整個科技行業變革的生成式人工智慧系統的基礎。如今，英偉達已崛起成為科技界的巨頭，其股價飆升，牢牢掌握著這個時代最具影響力、也最具爭議的技術。

在《連線》雜誌的「設備實驗室」（Gadget Lab）專欄中，資深撰稿人威爾奈特（Will Knight）、勞倫古德（Lauren Goode）以及該雜誌消費者科技與文化總監邁克爾·卡洛雷（Michael Calore），共同回顧了英偉達的崛起之路。英偉達憑藉其尖端的晶片、伺服器和資料中心技術，為人工智慧的發展注入了強大的動力。

英偉達的瘋狂崛起

英偉達創立於1990年代初，最初專注於為個人電腦電玩市場生產圖形處理晶片。從這時起，英偉達便將賭注押在加速運算與通用運算上，透過開發專用晶片以增強個人電腦的效能。今日，英偉達已不再是單純的圖形晶片生產商，而是佔據人工智慧運算晶片市場大部分份額的科技巨頭，市值近2兆美元。

那麼，是什麼重大突破讓英偉達聲名大噪呢？這要回溯到20世紀90年代。當時個人電腦遊戲愈發流行，但主要依靠CPU（中央處理單元）運行，導致圖形效果普遍不盡人意。儘管CPU也可處理圖形，但效率遠不理想。英偉達敏感地捕捉到這一市場需求，決定開發專用處理器。由此，GPU（圖形處理單元）誕生了。

在英偉達成立之前，黃仁勳曾在LSI Logic公司工作。他的兩位朋友（同時也是合作夥伴）提出了一個大膽的想法：「我們何不一起創辦一家專業顯卡公司？」經過一番說服，黃仁勳辭去了工作，與他們共同創立了英偉達，據稱這個創意是在快餐店中誕生的。1993年，英偉達正式成立。

然而，進入1990年代中後期，英偉達經歷了空前的挫折。公司推出的首批晶片接近失敗，甚至一度面臨破產。為挽救公司，英偉達不得不裁員約70%，這是劇烈的人員調整。同時，他們需要加速制定新的晶片開發計畫。然而當時晶片的研發週期通常長達18至24個月，這對正處於生死邊緣的英偉達來說無疑是個巨大的挑戰。

在早期發展階段，英偉達面臨沒有自己的晶圓廠的局面，而晶圓廠是生產所有晶片的關鍵設施。因此，英偉達不得不依賴合作夥伴的代工服務來生產晶片。從設計到生產，再到後續的調整和最佳化，這個過程既漫長又複雜。不過，英偉達找到了一種解決方案，就是利用模擬器進行研發，並決定透過軟體來快速發布和測試新的晶片。這種創新性的做法使得他們能夠在短短六個月內推出名為RIVA 128的新晶片，有效地挽救了公司的早期困境。

英偉達在現代人工智慧時代的崛起中發揮了至關重要的作用。大約十到十二年前，人工智慧運算領域經歷了一次深刻的變革。儘管此時人工智慧演算法已經展現出強大的能力，但大部分工作仍需人工編寫，以期使機器能夠執行更聰明的任務。然而，這種基於傳統神經網路的方法已顯得過時，且效果不佳。

直到2010年左右，一個圍繞網路數據的會議成為了一個轉捩點。會議上，研究人員發現，更大的神經網路演算法能夠在GPU上有效執行。深度學習的研究人員隨即意識到，他們可以藉助GPU強化自己的演算法。

2012年，一場影像分類演算法的競賽吸引了廣泛的關注。利用GPU的深度學習團隊在比賽中取得了壓倒性的勝利，遠遠超過了其他競爭對手。這不是因為英偉達預見了這一切，而是因為他們的晶片恰好特別適合執行這些任務。黃仁勳敏銳地捕捉到了這個機會，並成功地將其推向了更高的發展水平。

2017年，Google發布了Transformer（轉換器）論文，再次引發了人工智慧領域的重大變革，英偉達積極參與其中，與全球最頂尖的科技公司一道推進人工智慧技術的發展。

這篇論文為語言機器學習領域帶來了革命性的新方法，為建立當今強大的大語言模型奠定了基礎。在此之前，儘管英偉達在圖像識別和語音識別技術方面已經取得了顯著的進步，並且其開發工具也受到高度評價，但「轉換器」的出現標誌著生成式人工智慧語言模型和聊天機器人時代的正式到來。

目前，整個科技產業正經歷前所未有的快速發展，無論是新創公司還是大型公司，都在激烈爭奪運算資源。有一段時間，英偉達的GPU供不應求，其受追捧程度甚至超越了同等重量的黃金，這在一定程度上也是因為這些GPU被廣泛用於加密貨幣的挖礦。面對供應鏈挑戰，英偉達持續努力，將其晶片推廣到全球市場。同時，黃仁勳對於未來的硬體發展尤其關注，特別是在建造大型電腦中心以及滿足公司對於現場進行人工智慧運算的大型設備需求方面。

對英偉達而言，資料中心已成為其業務的重要組成部分。隨著整個運算產業由終端設備運算轉變為雲端運算轉變，英偉達緊跟潮流。過去大多數加速運算都在個人電腦端進行，而如今，隨著Google、亞馬遜等科技巨頭相繼推出雲端服務，大量運算任務開始遷移至雲端，微軟亦步亦趨加入其中。

英偉達積極參與這項變革，並計畫發展更多針對人工智慧的超級運算資料中心。這些資料中心不僅為軟體公司提供服務，也支援製造商、自動駕駛汽車和生物技術公司等越來越多地採用人工智慧技術。

同時，重要的市場參與者如Google、Meta和微軟正致力於開發自己的演算法，並研究建構自己的晶片。這些公司的潛在優勢在於已經建立了龐大的資料中心網路。這在一定程度上反映了對模型規模的需求不斷增長，需求可以高效連接、數以萬計的晶片，這在過去十年中是難以想像的。這也凸顯了黃仁勳的先見之明和捕捉機會的能力，成功地將人工智慧技術提供給多樣化的客戶群。

特別值得一提的是，英偉達收購Mellanox是一個極具遠見的決策。此次收購為英偉達帶來了至關重要的晶片層面網路技術，進一步加強了其在人工智慧領域的領導地位。

英偉達面臨的競爭

英偉達目前在人工智慧領域佔據領導地位，其超級運算GPU需求持續旺盛，CUDA程式設計模型的廣泛應用也為該公司建構了堅固的市場障礙。除此之外，英偉達透過擁有大量資料中心及對小型人工智慧企業的策略性投資，進一步加強了其市場位置。

儘管英偉達在AI領域擁有顯著的優勢，但多家大型科技公司擁有挑戰其地位的潛力。威爾奈特認為，Google是英偉達的最大競爭對手。谷歌在AI晶片開發方面擁有悠久的歷史，並在AI軟體領域佔據重要地位。谷歌的獨特策略能夠有效率地連接多個效能較低的晶片，形成強大的運算網路。根據Google最近的實驗，他們成功將5萬個GPU聯網以訓練語言模型，這項成就凸顯了Google在解決晶片間通訊瓶頸上的顯著進展。

谷歌透過優化晶片間的光纖網絡，在提升運算速度方面取得了重大成果，奈特認為，Google在該領域的持續創新成為業界焦點。同時，微軟等其他大型科技公司也積極研發自己的AI晶片，使得市場競爭更加激烈。

另外，眾多新創公司，如Cerebras，正在探索非傳統的AI晶片設計，可能引發技術領域的顛覆性突破，對英偉達等產業領頭羊構成挑戰。儘管如此，Google被黃仁勳視為其最需要關注的大型公司對手。

確實，Google在其人工智慧模式Gemini上選擇使用自家的TPU（張量處理單元），而非英偉達的GPU，這項決策背後無疑反映了Google在人工智慧硬體方面的野心和策略考量。同時，亞馬遜AWS展現出潛在的「黑馬」實力。雖然目前在人工智慧領域的成績尚不顯著，卡爾勒認為，亞馬遜AWS的隱藏實力有望在關鍵時刻發揮作用。

特別值得注意的是，OpenAI的競爭對手Anthropic獲得了亞馬遜AWS的重大投資，此舉同樣備受矚目。作為協議的一部分，Anthropic將在亞馬遜的晶片上運行其下一代模型，即GPT-4或GPT-5的潛在競爭者。這不僅證明了亞馬遜對人工智慧領域的承諾和決心，也暗示了其晶片技術可能擁有強大的競爭優勢。

至於英特爾和AMD，奈特指出了這兩家公司在人工智慧領域所面臨的不同挑戰。他提到，AMD以其具有競爭力的晶片產品，正逐步成為大模型開發者的首選之一。而英特爾雖然努力重返該領域，卻面臨重大挑戰。然而，由於美國政府的巨額補貼，英特爾可能在改善現有技術和開發新晶片上實現重大突破，這甚至可能包括為英偉達生產晶片。

晶片出口禁令

隨著美國政府加強支持國內晶片製造業，並致力於在美國境內增加更多的晶片生產，它同時對此類技術施加了出口管制，為英偉達以及整個晶片產業帶來了複雜的影響。

古德表示，出口管制的實施意味著英偉達必須重新設計或調整其晶片，以確保它們符合管制要求，從而繼續對中國進行出口。中國市場對英偉達極為重要，公司希望能夠持續在該市場銷售其晶片。同時，這些管制措施也對英偉達的資料中心業務造成了影響，甚至可能對整個晶片產業造成深遠的影響。