英特爾首席執(zhí)行官帕特·基爾辛格（Pat Gelsinger）認為，英偉達（NVIDIA）在人工智能市場的成功離不開運氣。

在最近一次與麻省理工學院工程學院學生討論半導體行業(yè)現(xiàn)狀的公開討論中，基爾辛格說，英特爾本應(yīng)引領(lǐng)人工智能，但走運的卻是英偉達。

很明顯基爾辛格的這一觀點忽略了英偉達是如何走到今天的。英偉達在 2023 年擁有的是僅次于蘋果的最炙手可熱的科技股之一的殊榮，在推動人工智能革命的關(guān)鍵硬件資源領(lǐng)域擁有最高的市場份額，當然還有一些小事，比如在游戲 GPU 市場的領(lǐng)導地位。英偉達所不具備的，是獲取 x86 處理器 IP 的能力。

長期以來，英偉達（NVIDIA）一直立志成為一家 CPU 公司，從 2000 年代早期/中期試圖與 AMD 合并的傳言，到 Tegra 智能手機應(yīng)用處理器、各種基于 Arm 的產(chǎn)品，再到最近試圖從軟銀手中收購 Arm 但以失敗告終。盡管在 CPU 產(chǎn)業(yè)中運氣有限，無法與英特爾、AMD 甚至高通和聯(lián)發(fā)科平起平坐，但英偉達從未放棄成為計算硬件超級力量的目標，這也是我們認為英偉達擁有人工智能硬件市場的原因所在。

英偉達并不幸運，它花了 16 年時間才走到這一步。英偉達的 AI 硬件領(lǐng)導地位之旅始于 2000 年代后期，當時它看到了 GPU 成為通用處理器的潛力，因為可編程著色器本質(zhì)上使 GPU 成為具有少量固定功能光柵硬件的多核處理器。NVIDIA GPU 的芯片區(qū)域的絕大部分由流式多處理器組成，即 GPU 的可編程 SIMD 功能。

英偉達最初試圖利用其 GPU 打入高性能計算市場，其 "特Tesla" GPU 和計算統(tǒng)一設(shè)備架構(gòu)（CUDA）取得了豐碩成果。英偉達獨特的軟件堆棧可以讓開發(fā)人員在其硬件上構(gòu)建和加速應(yīng)用程序，其歷史可以追溯到 2007 年。CUDA 開啟了漫長而艱辛的旅程，十年后，英偉達從 "Volta "開始，在其 GPU 上首次押注加速人工智能。英偉達意識到，盡管其 GPU 和 HPC 處理器上有大量的 CUDA 內(nèi)核，但仍需要一些固定功能的硬件來加速深度學習神經(jīng)網(wǎng)絡(luò)的構(gòu)建、訓練和推理，于是開發(fā)了 Tensor 內(nèi)核。

在這段時間里，英特爾的行為仍然像一家 CPU 公司，而不是一家計算公司--其大部分收入來自客戶端 CPU，其次是服務(wù)器 CPU，而且一直將加速器放在次要位置。即使在英偉達的“Tesla”和 CUDA 于 2007 年興起之時，英特爾早在 2008 年就已經(jīng)有了第一個 SIMD 加速器的藍圖，代號為 "Larrabee"。作為一項新生的硬件技術(shù)，英特爾并沒有給予 Larrabee 應(yīng)有的重視。但這是英特爾的責任。自 2006 年收購 ATI 公司以來，AMD 一直是一家 CPU + GPU 公司，并試圖通過將其 Stream 計算架構(gòu)與開放式計算軟件技術(shù)相結(jié)合來追趕英偉達。AMD 的 Instinct CDNA 處理器之所以沒有像英偉達的 A100 和 H100 處理器那樣成功，與英特爾的 "Ponte Vecchio "在這一市場上從未有過機會的原因是一樣的--它的上市速度太慢，沒有像英偉達那樣圍繞其芯片培育出一個生態(tài)系統(tǒng)。

硬件只是英偉達成長歷程的一小部分--該公司擁有龐大的、自上而下的軟件堆棧，包括自己的編程語言、API、預構(gòu)建的計算和人工智能模型，以及多年來培育起來的獨立開發(fā)者和ISV生態(tài)系統(tǒng)。因此，當人工智能作為計算領(lǐng)域的一場革命大規(guī)模興起時，英偉達已經(jīng)準備好了最快的硬件和最大的開發(fā)者社區(qū)，可以將其投入使用。我們在這篇社論的開頭就說過，英偉達在 2000 年代初沒有獲得 x86 許可是件好事。它可以轉(zhuǎn)換思路，將目光投向它已經(jīng)在生產(chǎn)的、可以大規(guī)模計算數(shù)字的產(chǎn)品--帶有可編程著色器的圖形處理器。由此可見，如果說英偉達很走運，那么讓英偉達感到格外幸運的是，它沒有被 x86 許可證所束縛。