文|中外管理传媒 王爽

“先有仁勋后有天，显卡在手虐神仙！”这是游戏圈，曾经流传甚广的一句诗。

无论你能否接住诗中的“梗”，都能感受到其溢出的霸气。诗里提到的黄仁勋，就是近来硅谷最炙手可热的明星，也是目前硅谷地位最高的华人之一——英伟达CEO黄仁勋。

但在2022年之前，除了游戏玩家，知道黄仁勋和英伟达的人其实并不多。因为他们生产的不是聊天软件、购物平台、搜索引擎这类人们每天都在使用的产品，而是支持这些产品工作的硬件——GPU（图形处理器）。可以说，英伟达是名副其实的一家深藏功与名的“隐形冠军”企业。

美东时间5月30日，英伟达跻身万亿美元市值俱乐部，成为全球首家市值超过1万亿美元的芯片公司。而传统半导体巨头英特尔市值目前为1200多亿美元，英伟达相当于8个英特尔。有业内人士表示，英伟达股价的飞跃幅度“对技术乐观主义者来说，也是一个惊人的惊喜”。

光芒背后，英伟达的成功是不是偶然？对于同样To B，但身处不同行业的中国隐形冠军企业来说，英伟达能带给我们什么启发？

图源：英伟达官方微博

最适配AI的计算硬件，如何打造？

2021年，《时代》杂志评选了全球最具影响力的100人。黄仁勋不仅成功入选，还成为封面人物。在接受采访的时候，黄仁勋表示，在我们公司还很小的时候，就在努力发明一种全新的技术。这项技术就是支撑英伟达，成为业内翘楚的图形处理器——GPU。

1999年，英伟达研发成功并推出了全球首个加速计算产品GPU。这是一种通过插在PC主板上，为CPU（中央处理器）增加计算能力的芯片。GPU最大的特点就是，包含成百上千个计算核心，因此可以进行密集且大量的并行运算。

做个简单的比喻，CPU像是一个知识渊博的大教授，会做各种高难度的微积分，但是工资非常高，而且培养这种人才非常难。而GPU像是一群只会做加减乘除的小学生，但好处是随处可寻，而且工资低廉。但是，对于大量的简单运算来说，几十个小学生一起计算的速度，肯定要快过一个大教授。而这种运算能力，对于机器学习和神经网络训练和推理来说非常关键。

这英伟达GPU技术的诞生，也暗合了马斯克的思维秘诀——“第一性原理”的底层逻辑，意思是说看透事物的本质，把事物分解成最基本的组成，从源头解决问题。

2012年，可以对图像进行分类的AI应用Alexnet亮相，成为第一个应用深度神经网络的应用。令人惊讶的是Alexnet的开发者，仅使用了两张英伟达GPU，花费几天时间就取得了突破发展，完成了这项非常复杂的训练。而使用常规芯片训练，不仅需要配备大量芯片，而且需要长达几个月才能完成。难怪英伟达加速计算总经理兼副总裁Ian Buck，在接受媒体采访时曾表示：“是AI找到了我们。”

随着AI迎来爆发式发展，2022年第三季度，英伟达在全球GPU市场排名第一，占有率达到了86%。排名第二的AMD（美国超威半导体公司），仅拿到10%的市场份额。在全球超级计算机500强榜单中，90%的新系统都搭载了英伟达的产品。在主流云服务商的AI芯片占比中，英伟达更是碾压级的。他们的产品，一边涨价一边供不应求。如果不是因为产能受限，英伟达的市场占比只会更高。

按照TensorForce研究公司的估算，OpenAI的GPT最终将需要3万多张英伟达AI GPU。而亚马逊AWS、微软Azure、谷歌云、甲骨文这些云厂商，肯定也不会轻易在算力上吃亏，也会大量地采用英伟达的高端芯片来确保算力。

前不久，黄仁勋在英伟达的开发者大会上强调，“我们现在正处于AI的iPhone时刻。”言下之意，就是现在的人工智能可能会像iPhone一样深刻改变世界。而根据此前媒体的报道，业界目前已经达成共识，1万张A100或者是H100英伟达AI GPU，已经成为了玩大模型的入场券。如果没有门票，压根就别想玩大模型了，而收门票的就是英伟达。可以说，英伟达已经在AI基建领域产生了绝对的优势，甚至几乎垄断了行业。

图源：英伟达官网

“卖铲子”的英伟达

在2010年前后，包括AI教父Geoffrehy Hinton、AI学者吴恩达在内的很多行业大牛，都开始尝试在深度学习里使用GPU，并由此开启了GPU在AI领域的广泛使用。因此，有志于发展人工智能的大型公司也都在布局GPU。

谷歌的芯片TPU，不仅用于搜索结果，还用于某些机器学习任务。亚马逊同样拥有用于训练AI模型的定制芯片。AMD和英特尔都以制造CPU而闻名，也为人工智能应用制造专用GPU。另外，微软、Meta也都在开发自己的AI芯片。

既然巨头玩家都在做GPU，为什么唯独英伟达能够成功出圈，并且获得了近乎垄断的优势呢？

英伟达的优势有两点：一是硬件性能高，二是软件生态好用。

在硬件方面，英伟达不断增加对深度学习的专用硬件支持。比如说，支持混合精度计算，支持更大的缓存，有更快的网络通信和更低的延时。

在软件方面，英伟达提出了CUDA编程模型，实现了对主流的深度学习框架的原生支持。英伟达首席科学家Bill Dally说过，CUDA出现之前，全球能用GPU编程的人可能不超过100个，但是有了CUDA之后，使用GPU就变成了一件非常轻松的事情。当然是使用英伟达的GPU变成了一件非常轻松的事情。

而最重要的是，其他人入局都太晚了。

在2012年Alexnet团队使用英伟达GPU，以绝对优势获得了Imagenet图像识别竞赛冠军之后，英伟达的CUDA模型就成为了深度学习里的标配。而AMD在2016年才发布自己的AI产品MI300。英特尔更是在2020年底才发布了，他们的首款内置加速人工智能训练的Cooper Lake。而且，这两个平台都支持英伟达的CUDA。对用户来说，既然主流平台都支持CUDA，那我继续用CUDA不好吗？所以，除非AMD或者英特尔能有革命性的技术突破，在算力上碾压英伟达，不然就几乎不可能撼动CUDA的地位。

但黄仁勋不止一次谈到“摩尔定律”已经失效，在显卡芯片领域要遵循“黄氏定律”。即显示芯片每6个月性能提升一倍，相比摩尔定律的每18个月性能提升一倍，快了3倍。也就是说，从1999年，英伟达创造出GPU开始，英伟达一直在呈几何级的“飞”速前进。

而且，在今年的GDP开发的大会上，英伟达又推出了H100 GPU，不仅性能又上了一个台阶，同时还积极和云服务商合作，主动帮助云厂商部署云升级，提供各种和硬件结合的服务，让企业能更轻松地部署自己的AI模型。

消费者之所以选择英伟达，一方面是因为英伟达的产品是当前可出售的产品中最好用的。另外一方面，还因为他们只卖GPU，不参与大模型的具体竞争，所以其他公司不必担心自己的数据被“借鉴”。所以，现在如果想要加入AI里面的竞争，要么像谷歌一样财大气粗，可以为自己的生态打造专属芯片，要么就只能从英伟达手里采购大量的高端显卡。

如果说现在AI的竞争就像是当年的淘金热，那英伟达就是站在路边卖铲子的人。只不过当年卖铲子是批发生意，买家嫌贵可以换一家。而英伟达卖的铲子即使卖贵了，买家也毫无办法，不得不买。因为在GPU领域深耕多年的英伟达，已经实实在在地影响到整个AI产业的格局和发展速度。他立起了一堵难以逾越的高墙，高到全球第二大GPU厂商AMD很难翻越。近期数据显示，英伟达占GPU市场约70%的份额，第二名AMD则只占20%左右。

坚持奔跑，直到成为强者

事实上，英伟达不仅是在今年这场AI大模型的狂风骤雨中出尽了风头，还凭借着出色的算力能力，担当着近年来许多行业风口背后的算力“供应商”。

在虚拟货币爆火的那几年中，“挖矿”成为了一个热闹的灰色产业，英伟达的GPU一度是“挖矿”的主力；在自动驾驶风头正盛之时，英伟达切入汽车业务，并在2015年成功研发并交付了自动驾驶芯片；在元宇宙火起来之时，黄仁勋也高调地站了出来，曾多次公开表示：“人工智能和计算机图形学的结合将为元宇宙提供动力，即互联网的下一次演变。”

如今，虚拟货币熄火，自动驾驶还待爆发，元宇宙风停，AI大模型又如狂风骤雨一般袭来。无论行业潮起潮落、云卷云舒，英伟达依然都是“受益者”。

从游戏到人工智能，从云计算到挖矿，再到现在爆火的AI大模型，风口一个一个地换，去金矿淘金的人换了一波又一波，但在金矿旁边卖铲子的人一直都没变——穿着一身黑色皮衣的黄仁勋。追赶风口太累，卖铲子才能稳赚不赔，而这也是英伟达能踩中每个风口的主要原因。

黄仁勋曾说，我相信某一天会出来新的东西，剩下的就需要一些机缘巧合了。然而，这个世界上从来就没有什么机缘巧合。看似偶然的爆发，都是建立在牢固的基石之上。一位与黄仁勋相熟的业内知名人士对中外管理传媒表示，黄仁勋在2012年左右经历了他的“至暗时刻”，“当时，显卡到头了，挖矿还没有起来，公司举步维艰。但黄总依旧每天早上6:00左右去公司，异常勤奋的地工作。”在“熬”过了那段困难期之后，英伟达终于迎来了自己的辉煌时刻。

英伟达从一个游戏产业公司，到AI基建王者的历程，或许也是无数隐形冠军企业成功的缩影：靠市场需求反哺核心技术发展。需求是技术之母，市场是技术之父。但更重要的是，无论如何，都要在细分领域上坚守，直到成为强者。而心向未来，矢志不改，致力于未来的企业，其收获一定是超乎预期的。