Nvidia Part II: The Machine Learning Company (2006-2022)
2022/4/20
Acquired
B
Ben Gillibrand
D
David Rosenthal
Ben Gillibrand：NVIDIA 通过构建强大的GPU架构、硬件、软件和服务，成功模拟现实世界，其应用已从游戏领域扩展到数字孪生、科学计算、药物研发和气候变化预测等多个领域，其改进之大令人难以置信。
深度学习的兴起是 NVIDIA 取得成功的关键因素，AlexNet 的出现以及其在 NVIDIA GPU 上的运行，标志着人工智能领域的重大突破。深度学习推动了互联网价值的转移，NVIDIA 通过提供底层硬件和软件，在这一过程中占据了关键地位。数据中心业务已成为 NVIDIA 重要的收入来源，与游戏业务规模相当，未来发展方向包括机器人、自动驾驶和元宇宙等领域。
David Rosenthal：NVIDIA 在早期克服了市场竞争和英特尔带来的挑战，通过快速的产品迭代、自主研发的驱动程序以及可编程着色器技术，在图形卡市场取得了成功。自主研发驱动程序提升用户体验，并培养了内部的软件开发团队。可编程着色器技术首次建立了与开发者的直接关系，为其特定硬件开发带来了优势。Jensen Huang 致力于将 NVIDIA 推向通用计算领域，这是一个长期且具有挑战性的目标，押注CUDA，但当时市场不明朗，投资回报存在不确定性。CUDA 的市场在当时并不明确，主要目标是科学计算领域。CUDA 是 NVIDIA 的计算统一设备架构，是一个免费但专有的平台，只能在 NVIDIA 硬件上运行，商业模式类似于苹果，通过提供完整的开发者生态系统来销售其硬件。深度学习的广泛应用使得 NVIDIA 成为关键的平台型公司，数据中心业务的快速增长，以及推出数据处理单元（DPU），完善了其CPU、GPU和DPU的三足鼎立的计算架构。
Jensen Huang：NVIDIA 通过持续迭代GPU加速库、系统和应用，并拓展应用领域，构建了完整的CUDA生态系统。构建CUDA是一个全新的编程模型，需要创建编译器团队、SDK、库以及开发者生态系统。NVIDIA Omniverse 是一个企业级元宇宙平台，用于模拟和测试各种应用场景。
Deep Dive
By 2006, NVIDIA had established itself in the gaming market. However, CEO Jensen Huang had a bigger vision. He saw the potential of GPUs for general-purpose computing and began investing heavily in CUDA, a platform for parallel processing. Despite skepticism from Wall Street and the market, Huang remained committed to this vision.
- NVIDIA dominated the graphics card market with 6-month chip cycles and programmable shaders.
- They focused on gaming but a Stanford researcher's email hinted at the potential of GPUs for scientific computing.
- Jensen Huang bet big on CUDA, a new programming model for parallel computing, despite an unclear market.
Shownotes Transcript