NVIDIA成為首家「兆元俱樂部」晶片大廠　一文看懂輝達為何能獨領風騷！

圖文／CTWANT

在最近的人工智慧浪潮中，輝達（Nvidia Corporation）無疑是站在風口浪尖的一家公司，最近的表現甚至壓過了ChatGPT的東家微軟（Microsoft）。而NVIDIA之所以能獨領風騷，關鍵原因就是其備受人工智慧領域追捧的晶片，自從ChatGPT掀起「生成式人工智慧」的熱潮後，NVIDIA的A100Tensor Core GPU及更高一代的H100 Tensor Core GPU，便成為市場搶購的熱門產品，目前這些高端晶片及相應的顯卡已是一卡難求。

廣告 更多內容請繼續往下閱讀

綜合《財聯社》、BBC、CNBC的報導，近期AI概念股大熱，帶頭的NVIDIA漲勢不停，美東時間30日早盤開盤後，NVIDIA股價再飆近5%，市值正式突破1兆美元大關，雖然隨後又回吐漲幅，跌至9900億美元，但NVIDIA還是成為了第一家進入「兆元俱樂部」的晶片大廠。在30日開盤前，輝達的股價今年來已上漲166.5%。

微軟亞洲高級研究員張弋近期在Podcast節目中感嘆，現在居然到了整個地球都拿不出足夠的A100晶片的奇怪場景，一年前，幾乎沒人能料到這一情形。而人工智慧領域的初創公司CoreWeave創始人兼首席執行官Brannin McBee更驚嘆，「H100是地球上最稀缺的工程資源之一」，這句話足以讓人理解NVIDIA的盛況。

廣告 更多內容請繼續往下閱讀

但令人好奇的是，為何只有NVIDIA的晶片能成為人工智慧領域獨一無二的玩家？而這家過去在顯卡稱霸的公司，又為何能在深度學習和人工智慧領域傲視群雄？

1999年，初出茅蘆的NVIDIA首次推出了圖形處理器（GPU）這一概念。在此之前，包括英特爾（Intel Corporation）在內負責開發中央處理器（CPU）的公司都堅信圖形處理是CPU的事情，CPU幹的事越多越好，將圖形工作獨立到另一附屬處理器上的想法十分沒意義。此外，當時的圖形應用領域中又以搞遊戲的日本廠商話語權最重。日系主機的CPU很強，大部分開發工作都集中於CPU之上，因此GPU並沒有獲得多少市場青睞。

不過，不服氣的微軟當時想要衝擊屬於日本廠商的行業領先地位，於是開發出了Direct X這一專為多媒體以及遊戲開發的標準化API圖形介面，此後大量的圖形功能從CPU裡面移植出來，轉到GPU之上。加上微軟另一產品Xbox的推出，其CPU、GPU各司其職的搭配，打破了行業內CPU晶片一家獨大的局面。

而NVIDIA就是當年在硬體領域中少數幾家跟隨微軟腳步前進的公司。此後，微軟又推動了新的變革，引入統一著色器模型（Unified shader model），即GPU中一種著色器硬體形式。

統一著色器只是圖形應用上的一步，但卻給NVIDIA帶來完全不同的發展路線，可以說是NVIDIA耕耘GPU，以及深度學習領域發展中的重要起點。

在看到統一著色器模型後，NVIDIA果斷的把自己以前的GPU架構打掉重練。其GPU流處理器（Streamprocessor）被進行了細緻的分組，變成一個個小型流處理器且能單獨運行，解決了流處理器此前被綁定無法獨立運行而被迫閒置的問題。

這奠定了NVIDIA後來革命性的統一計算架構（CUDA）的出世，透過此項技術，使用者可利用NVIDIA的GPU進行圖像處理之外的運算。由於NVIDIA的流處理器是很獨立且標準的單元，極易控制和調度，這讓原本只能連續處理的任務可以被並行處理，使程式設計難度大大降低。

與此同時，NVIDIA的競爭對手冶天科技（ATI Technologies Inc.）卻因為早期沒有投入硬體架構變革，還是沿用過去的串列設計，導致沉沒成本（Sunk Cost）越來越高，最後便直接被NVIDIA擠出顯卡市場。

此後，NVIDIA又在2017年引入了突破性創新技術Tensor Core計算單元概念，其專門為深度學習而設計，支持更低精度的運算，從而大幅節省了模型算力，並將NVIDIA的GPU變成高效率又多功能的人工智慧處理器。

這一專用的加速單元很大程度上排擠了CUDA處理深度學習的空間，但也同時打了NVIDIA的競爭對手一個措手不及，讓AI專用晶片不再吸引人。於是，NVIDIA的GPU就在因緣際會之下成為AI領域最被認可的硬體。

事實上，當AI爆紅後，行業內的企業才無奈發現，GPU是簡單高效運行生成式AI模型的最好選擇，一個本用來玩遊戲的GPU不太可能切換去跑AI程式，但NVIDIA的GPU就是做到了！