二十世纪九十年代中期的时候, 黄仁勋三十刚出头, 他所创办的英伟达当时还并未完全稳定地站住脚跟, 可是他期望着发展得正如日中天一般的台积电去代工英伟达的显卡, 接着他打了电话过去, 然而却没有人理会。
好多好多年之后, 他依旧在朝着张忠谋倾诉这段旧日之事, 说道: “往昔给你拨打电话的时候电话打不通并且也没有谁回我, 是不是我把电话号码记错啦? 朝着你公司在美国当地的销售部门拨打电话同样也没有人接听。”。
现今, 全球科技领域之内怕没几个敢不回黄仁勋电话, 那昔日求人代工显卡的年轻男子被称作“教主”, 于3月21日的英伟达GTC大会期间, 他身着标志性黑色皮衣现身台上, 讲出了令人震惊的一番言语: 我们正处在AI的“iPhone时刻”。
2022年11月, 大语言模型GPT出现了, 这象征着能够生成自然文章以及图像的“生成式AI”将会在社会上得到普及, 进而给世界带来具有颠覆性的改变。而对这幅图景起到支撑作用的, 存在英伟达的GPU, 它是AI时代最为重要的基础设施当中的一个, GPU能够提供算力, 类似于AI时代的原油, 是极其重要且关键的存在, 它在整个AI发展进程里, 有着不可替代的作用, 是推动“生成式AI”发展的关键要素之一, 为其普及和发展提供了不可或缺的支持。
2020年, 在全世界运行AI的云计算体以及数据中心所构成的范围内, 占据比例达到80.6%的部分, 均是依靠英伟达的GPU来进行驱动的。2021年, 英伟达方面宣称, 在全球范围内处于前五百位的超算群体当中, 有七成的超算个体是由其这家特定公司所生产的芯片来驱动的, 而在最新的超算组成系统里, 该比例则高达九成。运行着GPT的微软数据中心, 使用了数量超过一万块的英伟达H100 GPU。在后续阶段, 预计将会需要数量超过3万块的英伟达GPU, 以此来维持更高版本的GPT模型能够正常运转。
犹如1970年代时欧派克进行限产那般, 全天下的汽车都面临缺油状况。当下若英伟达中断芯片供应, 无论你股价高到何种地步、营收阔绰到何种程度, 在全球前十大企业之中, 起码有一半企业会遭受巨大震动。
黄仁勋, 以及他所构建的算力帝国, 已然能够掌控时代的关键命脉, 在这当中, 存在着通向未来30年的隐秘奥秘。
十年前悄然发生的革命
在2023年英伟达举办的GTC的主题演讲里头, 黄仁勋特意提及了生成式AI所实现的飞跃:
在这十年的时间跨度当中, 我们从一开始仅仅能够做到自动对猫的图片进行判读, 发展进步到了如今可以自动生成那种, 有着一只, 穿着太空服的猫, 在月球表面漫步的图片的程度。
身为皮衣老黄, 真的是始终都没有忘记根本。不管是出现了“AI的iPhone时刻”这种情况, 还是英伟达摇身一变成为了“算力油田”, 这一切都是在之前就做好了充足的准备, 并且是源自于它自己家的“猫片”所引发的。
在2010年的某一天, 于加州帕罗奥图市的琼安咖啡馆内, 才担任英伟达首席科学家的比尔·戴利（Bill Dally）, 和那时在谷歌大脑任职的AI界宗师吴恩达（Andrew Ng）, 进行了聚餐。
在历经十余年过去以后, 他们将会发觉, 恰恰是这一场的会面, 不经意间地开启了一道通向AI崭新世界的大门。
两个相识已久的人, 在吃饭的时候, 说起了当时吴恩达所做课题遇到的阻碍, 那就是, 训练神经网络人工智能的计算能力不足了。
具体来说, 谷歌会运用数千万条YouTube视频, 以此来训练神经网络AI, 目的是分辨猫与人之间的差异。然而在当时, AI领域的那些领军人物, 依旧习惯于通过串联CPU, 去执行这样的任务。吴恩达预估, 若要完成该课题, 得使用1.6万块CPU。
哪怕是向来资金充裕的谷歌, 也不会轻易给公司内部任意一个研发项目组批准购买价值1.6万块CPU的预算。当年那位AI宗师同样被此难住了。
戴利听完老友诉说苦衷, 觉得自己存有现成的解决办法: 不就是在网络上寻找猫咪的影片, 何苦弄出1.6万块的中央处理器, 运用我们英伟达公司所提供的显卡产品, 只需几十块钱就能解决, 你相不相信?
当时, 英伟达已然称霸世界独立显卡行业, 然而其名声却仅仅局限于极客、狂热硬核游戏玩家、图形设计师等并非普罗大众的用户群体之中。谁都无从知晓, 这将会是英伟达公司与人工智能行业相互奔赴、各自都成功出圈的起始点。
接着, 戴利找到了那位才从加大伯克利分校被招进英伟达的并非正职的研究员布莱恩· 卡坦扎罗（Bryan Catanzaro）, 向他寻求帮助。之后, 卡坦扎罗迅速找到了应对办法: 把12块英伟达GPU并联起来, 成功驱动了吴恩达的神经网络模型, 而将48块GPU并联起来, 便能得到预计需要使用1.6万块CPU才会有的理想成效。
论文一出，学界响震：居然有这种好事？
两年过后, 在AI领域堪称泰斗的辛顿（Geoffrey Hinton），还有他的学生克里泽夫斯基（Alex Krizhevsky）以及萨茨克维尔（Ilya Suskever）, 跟着去效仿这样的行为, 借助英伟达的GeForce GTX 580显卡来训练那个由克里泽夫斯基所提出来的神经网络模型AlexNet, 最终赢得了ImageNet图像分类竞赛的冠军, 进而成为了AI技术实现飞跃的奇点。
从此, 英伟达于深度学习芯片市面之上纵情狂奔。在2013年期间, 英伟达于全球深度学习芯片市场之中的占有率为100%。于上个世纪之时, 能源即为石油, 而在这个世纪里, 能源则是算力。在往后的新时代这一阶段, 黄仁勋的黑皮衣, 恰似上个世纪海湾国家显贵们所着白罩袍那般, 皆是唯我独尊的霸主象征。
过去十多年, 泰斗以及宗师的地位愈发高了, 年轻人同样成了行业中的大佬。至于卡坦扎罗, 如今身为英伟达副总裁, 也是深度学习应用研究部的负责人。而萨茨克维尔, 当下是OpenAI的首席科学家, 还是联合创始人, 更是GPT系列大模型集合的开创者。
｜左为黄仁勋，右为萨茨克维尔
GPT出现于市面之后, 出人意料地在全世界广泛流行起来, 被视作AI技术革命的开端被称呼。可是即便这个大模型集合按照OpenAI一开始所期望的情形来讲属于是GPT3到GPT4之间的过渡性实验版本那样简单地掠过, AI技术革命的下一个能够在大众中引起轰动的关键爆点, 其钥匙依然会被掌控在英伟达高层的朋友圈范围当中。
英伟达成功, 原因在于算力扩张, 跟通用技术开发与布局有关 , 是这些造就其成功。
一炮打哑，老黄吃瘪
大人物功成名就后，一般会支楞起来。
2018 年初时, 于《财富》杂志所举办的相关活动里, 有人向黄仁勋进行了询问, 问的是: 你究竟是在什么时候知晓英伟达公司是将会对世界产生改变的? 黄仁勋给出的回答是: 在 1993 年 2 月 17 日, 也就是我创办公司的那个日子。其表示若不会对世界作出改变, 那我去开创什么事业?
皮衣哥讲得倒是响亮, 然而在二十世纪九十年代中期的时候, 英伟达步入运营低谷阶段, 那个时期其账面上仅仅存有六个星期的资金, 距离关门就差那么一步之遥了。
众人皆晓, 英伟达借开发显卡而起步。可是呢, 黄仁勋开启创业之旅的最初心念, 相较于是去做显卡, 倒不如讲始终都是在探寻算力提升的办法。
在二十世纪九十年代之际, 多媒体恰似近些年的元宇宙, 数据可视化仿若当下的生成式人工智能, 皆是从投资者直至消费者均热衷追捧之热门技术话题。多媒体与可视化数据, 于当年的舆论浪潮当中, 被赞誉到小能赡养妻子维持生计、提升工作娱乐方面之效率水平, 大能推翻天地格局做出重大变化、重新书写行业经济领域之版图。
这些技术所依托的根基, 乃是图像数据处理方面具备更优的质量以及更快的速度。要是游戏、视频、亦或是PPT一直维持在1992年那般粗糙的画质状态, 那么任何事情都没办法展开讨论。
1995年，全球有三十家大公司在显卡市场上竞争。
可是, 去追逐时尚, 比大伙想象的情形还要困难些。创业的公司, 需要做出这样的决断: 究竟是专心致力于个人电脑也就是PC端的业务, 还是专心致力于特定公司的娱乐主机业务? 到底是仅仅开展图像方面的业务, 还是开展多媒体通抓音画方面的业务?
虽那时不存在“赛道”这样用于商业的新鲜话语, 然而企业家做出抉择时面临的难度, 并不比当下要低。
由英伟达开创定义的加速计算概念, 其意是借助特制设备, 为CPU承担实现运算工作的过程减轻负担并提升速度, 而最为简便直接的能够将该概念予以落地实施的方案, 自然而然地便是通过堆砌算力来制造显卡, 以此用于处理图像。
在筹措到250万美元的后续, 于1995年5月之际推出了第一款产品, 即NV1。从如今凭借后见之明去看待, NV1所具备的最大作用便是为黄仁勋给予了反面经验, 那就是这种产品做得相当不错, 往后可千万不要再去做了。
旨在为那时的游戏主机大公司世嘉公司提供服务的思考下, NV1极为显著的特色, 是让世嘉游戏能够在PC上兼容运行, 然而同行业内已存在以及将会出现的别的PC端3D图像程序基础架构的兼容性并不够突出。
时, 世嘉公司存有将游戏业务自街机、主机端朝PC端予以扩展之意, NV1的奋力迎合契合了主要合作商的需求, 然而却对自身的市场潜力造成了局限。并且, NV1具备显卡与声卡功能, 背离了加速计算基于图像落地的原本意图, 产品定位存在不够清晰的状况。
NV1未曾有一鸣惊人的表现, 不过英伟达公司并非毫无收获, 黄仁勋凭借此景从风投机构融得了第二轮投资, 金额为650万美元。
然而, 在1997年8月推出新产品Riva 128以前, 英伟达就已经进行了裁员, 且裁员数量超过了一半, 其银行账户内所剩的流动资金仅够维持不到6周的时间。办公室空间狭窄, 所处地段也不好。留下的员工们不仅得在乒乓球桌上用餐, 就连停车场都得蹭旁边富国银行的, 而这家网点已经遭遇过两三回抢劫了。
头炮打哑，只要教训真记住，对创业企业家来说并不完全是绝路。
虽说黄仁勋于各类活动当中讲, 创业第一年雇请律师, 预订办公室早饭等林林总总的经验着实十分宝贵, 然而从1997年到1999年上半年期间英伟达的三款产品去看, 他记住的明显不止是这些。
英伟达的过往，映照着它的未来。
把摩尔定律“卷”到极致
英伟达此后的转向，一是主业放弃多媒体，专做PC端的显卡。
二十世纪九十年代中期, 游戏行业的热门讨论点是从主机或者街机朝着PC转变, 然而不被人留意的潜在趋势是游戏与此同时正从PC单机迈向PC端多人在线。鉴于此, 关于图形渲染的硬件性能需求随之不断增加。仅仅填补这个缺口, 便已然足够支撑起整个行业。
其一, 是对显卡的相关配套软件实施垂直化整合, 其二, 在于自行去开展显卡驱动程序的研究开发工作 , 其三, 则是自行开发那款拓展软件开发工具包（SDK, software development kit）。
英伟达这类显卡研发公司, 过去的惯例是，将设计交给主板芯片生产商, 之后, 由生产商自行分包, 给另外的承包者, 由承包者去写显卡驱动。终端用户, 就是, 用显卡做图形设计等专门工作的那些人, 还有PC运行系统的开发商, 和显卡研发者没有直接配合，像这样的这些情况, 限制了显卡的性能潜力, 也影响了用户体验。
在1996年的时候, 英伟达专门为了配合微软当时刚刚推出的Direct3D图形渲染插件, 从而编写了自家的显卡驱动程序。从1998年起始, 英伟达公司会按照固定的周期进行即时更新自家的通用显卡驱动程序。这样的行为一直持续到现在。
其三是竭尽全力秉持并达成摩尔定律, 这乃是英伟达当下成为全球算力处于首位供应商的根基。
英特尔联合创始人戈登·摩尔（Gordon Moore）不久前离世, 在1965年他提出摩尔定律, 集成电路上那能够容纳的晶体管的数量, 大概每隔两年就会增多一倍, 其衍生的推论是, 每隔18个月, 芯片的性能就会因为这个而提高一倍。
英伟达公司的决策层，立志要将摩尔定律永续实现。
从二十世纪九十年代后半叶起, 英伟达的产品设计和研发部门始终存在三个部分同步开展工作, 一部分承担本年度新品的设计；一部分负责去年出品的翻新挖掘潜力的设计, 一部分致力于明年新品的设计。每一项款品与各项款品之间, 基本上得具有一倍的性能提升, 如果显存未增至一倍, 那么核心频率就得快出一倍, 如果两者都无法达成, 那么起码制程要显著缩小。
这般的结果, 乃是英伟达每隔半年到一年就会推出性能进行换代的新作品, 在1999年以前的产品国内代码全部称作NV, 这是“下一版”（Next Version）的首个字母的缩写。别的同业公司跟不上这样拼命的脚步, 都相继退出竞争。
1995年时, 存在着三十家显卡设计大公司, 到了1999年末只剩为三家 , 其中, 英伟达和后来被AMD收购的ATI, 一同去收割游戏玩家、专业设计师等这些高性能显卡用户的市场份额 , 英特尔凭借PC主板垄断生产商的那个地位, 独占主板集成显卡所需的低下性能的用户市场。
1999年10月, 英伟达推出了GeForce 256, 在营销时宣称“这是世界上第一款GPU”, 同年, 过去长久占据显卡市场龙头地位的3dfx公司宣告破产, 进而被英伟达予以收购, 从此显卡业与创业者纷纷崛起的时代作别, 步入了“红绿蓝三国战争”的时代, （按照商标颜色差异不同的消费者昵称, “红厂”是 AMD、“绿厂”是英伟达、“蓝厂”是英特尔）。
到了20世纪接近结束的时候, 没有谁清楚, 这场竞争角逐的最终结果, 将会去决定往后是由哪一方来主导世界算力的供应。
干翻英特尔和AMD
历经 20 年, 红色、绿色、蓝色的三家工厂, 在显卡市场争夺霸主之位的最终结果得以揭晓, 其中, 被称作“绿厂”的英伟达获得了胜利, 是这样的。
在这场堪称“三国演义”的情形当中, 被称作“蓝厂”的英特尔的的确确一直都只是充当配角的角色。英特尔是依靠着在全球PC主板市场所占据的垄断地位, 所以其注意力长期以来都是一直放在CPU这个方面而非GPU之上。在英特尔它自己的眼中看来, 要是希望提高性能, 那就必须要使得整个主板自内而外、方方面面的整全性能一同得到提升才行, 仅仅只是去提升图像处理的速度, 在它看来那完全就是属于旁门左道、不登大雅之堂的做法啊。
因而英特尔对于显卡的涉足, 仅仅旨在占据一个位置, 意即这个市场之中属于自己可赚取的那部分金钱还是要获取一些的, 并没有全然选择放弃。而针对于此策略催生的结果, 当下已然被他人制作成了充满诙谐意味的搞笑哏图。
探寻其背后缘由, 实际上是由于CPU承担着整个电脑主板的序时性复杂运算任务, 然而GPU在尚未成为通用类芯片之前, 仅仅只需负责图像处理的并时性简单运算工作。观察如下图所示情况, 单个CPU的管控元件、基础运算单元也就是ALU、缓存即Cache等, 在数量方面都比单个GPU要少, 并且负担更为重大, 结果导致提升性能的设计难度以及制造难度都远远更高。
英伟达黄仁勋多次讲过一段话, 这段话提到, 就CPU所处的情况来论, 摩尔定律已然过时, 英特尔所生产的CPU在性能实现翻倍方面, 其最快所需要到的间隔期限是每五年。不过, 对于英伟达自家制作的GPU来讲, 它在性能翻倍这事上, 却是保持着每一至两年就能够翻一番这样的频率。
真正的激烈竞争，发生在英伟达和ATI/AMD之间。
早期, 这场竞争中, 英伟达看上去不显著有操胜券的可能。2006年被AMD收购以前, ATI生产的显卡, 不管是更新的速度, 还是单个具备的性能, 常有显著比英伟达竞争产品优秀的出色作品。2000年代前半段, 高端显卡的世界排名第一, 没办法看出到底属于谁。
可ATI于这场竞争里头已然后续没了力量, 英伟达的产品更新以及性能提升速率, 一直都达成了摩尔定律的卓越标准。并且ATI的产品更新目的, 由胜过英伟达的竞争产品 , 慢慢演化成了赶上英伟达的竞争产品。
ATI/AMD针对这种形势所采取的对策, 是转而制作中端显卡, 这种中端显卡比英特尔的集显性能要强, 但其价格比英伟达的高端显卡更为便宜。而且在进行营销推广期间, 则是抨击英伟达的竞品既价格高昂又非常耗电, 声称顾客大爷们千万不要被其愈发令人感到震惊的性能参数蒙骗了, 并非是那种物超所值的产品哦。
在2006那一刻, ATI被AMD所收购, 如此一来, 英伟达少了个强劲对手, 进而其胜算得以增加了。
唯一的变数在于芯片代工厂。
往日显卡业界通行的做法是, ATI、英伟达等品牌企业负责进行设计, 之后把设计方案交给芯片厂, 委托芯片厂去完成成品的制作工作。
当然了, 并非不存在那种想要包揽涵盖从设计直至生产的整个链条的公司, 然而这样的举动通常来讲会给自己招致双倍的麻烦, 以往承接你业务的芯片厂合作伙伴, 往后就会变成要抢夺你业务的竞争对手, 20世纪90年代从显卡领域占据领先地位直至被英伟达收购的3dfx, 便是像这样把自身搞到破产的。
在被收购以前, ATI身为台积电的大客户, 然而收购过后, 在2009年的时候, AMD同半导体大厂格芯签订了合约, 所有芯片都交由格芯进行制造, 可是格芯在芯片制程缩小的技术革新里渐渐落后于台积电, 连累了AMD的全部产品, 其中包含显卡。
恰恰相反的是, 英伟达和台积电在1997年就确定, 双方的合作关系, 变得越来越紧密。
而这两家公司的牵手之路，颇有戏剧性。
上世纪九十年代中期时, 台积电已然是市值将近六十亿美元的大型公司, 英伟达尚未上市, 年收达到两千七百万美元, 二者在规模上的差距颇为显著。就如同本文开首提及的那般, 黄仁勋拨打张忠谋本人以及台积电美国办公室的电话, 均无人接听。
最终, 黄仁勋实施了科技史上堪称知名的行为: 向张忠谋递送纸质信件。1997年, 身处新竹的张忠谋收到源自美国的黄仁勋所寄的信函之后, 兴致颇高, 按照信里的邀约, 给英伟达公司办公室拨去了电话。
在张忠谋所留存的记忆里头, 当黄仁勋接听电话之际, 那办公室里的背景声响杂乱纷扰。在彼此都通报了各自名字予以介绍之后, 皮衣哥于公司内部不得不愤怒地大声呵斥道: “统统都闭上嘴巴！安静一些！电话那头可是张忠谋啊！”待到两人首次碰面之时, 黄仁勋先是阐述了好长一阵子关于图像加速运算的产品理念, 张老板对此表达了极为强烈的认同, 紧接着反手递过来一张宣传单页。黄仁勋原本以为接下来就该轮到台积电来介绍自身的技术以及产能状况了, 然而等打开一看, 却是在讲公司的价值观的篇章。
英伟达于这段合作关系起始阶段这般委曲求全, 越往后所获愈丰。台积电的芯片制程年年都在变小, 集成电路之上的元器件如今已然微缩至物理极限, 无法变得比原子还要小。芯片的精密度日益增进, 算力也随之产生数量级的迅猛提升。
“显卡战争”的结果是什么, 是英伟达以如潮涌般的胜势, 成为了显卡业的世界第一名。英伟达制霸着高端显卡市场, 它拥有足够的营收来开展中端显卡、低端集显的价格战, 并且在产品与技术研发方面也有着更为充足的预算。
在生成式AI爆火之后, 英伟达的技术优势, 先是一步领先, 而后一骑绝尘, 2023年2月英特尔和AMD的CEO也在极力疾呼: 我司所拥有的产品门类极为广泛, 是适合此行业的, 明年生成式AI将会变得更加主流普罗化, 且更具意义。
这简直如同在发出哀求, 时代在不断前行的脚步呀, 你稍微停顿一下, 不要致使姓黄的那个人将这一份钱财全部赚取完毕了。
通用算力，一统江湖
英伟达在胜出之后, 其显卡研发并未出现放缓的情况, 而是使得算力持续不断地增强, 在2000年代后半叶的时候, 英伟达就已然开始将目光投向未来, 着手对这些算力的未来用途展开研究。
2006年时, 英伟达推出了CUDA开发平台, 该平台之下软件开发者能完成复杂计算来经由其使用C语言编写GPU片上程序, 于此之后GPU实际且真正脱离了图像处理的单一用途, 转而成为了GPGPU（通用GPU）。
假若强大的算力能够实现通用, 那么成为其他行业的驱动力便只是时间早晚的问题, 英伟达最先明白这一点, 其在AI领域的布局, 实际上要远早于公众的想象, 并且那些技术领军人, 早就与英伟达保持着密切的关系。
在2010年的吴恩达寻猫片典故之前, 2008年卡坦扎罗加入了公司, 他那时在加州大学伯克利分校做研究生之际, 就把注意力集中在了为AI开发GPU上, 2009年, AI界泰斗辛顿在学术会议上, 劝说了上千名研究者赶紧去买GPU, 那可是深度学习的未来之光, 2016年, 微软技术大拿黄学东创下了语音识别AI错误率和专业人类速记员持平的纪录后, 得奖开香槟的地点, 是黄仁勋的大别墅。
自2010年至2012年深度学习实现飞跃起始, 英伟达已然成为稳操胜券、不会落败的世界“算力油田”, 稳稳占据着把控数据量以及运算速度的世界顶尖高度.此后, 所有的挑战均可被克服, 所有的阻碍都仅仅是表面现象。
英伟达有着将自身强大的GPU拓展至其他行业的尝试, 然而这尝试并非每次都能成功, Tegra芯片最终没能成功进入手机市场, 挖矿芯片伴随加密货币潮的退去前景变得黯淡, 其与特斯拉在自动驾驶系统方面的合作也无果而终, 2022年黄仁勋所说的“元宇宙将挺过任何经济下行”的预言如今好似一句玩笑话。
可是, 这些没能成功的尝试并非是白白耗费力气、毫无收益的。Tegra芯片没办法装进手机里面, 那就把它卖给马斯克, 让其装进特斯拉汽车里去。那为了元宇宙而开发的Omniverse平台, 被用于合成训练AI的物理数据, 在多样性方面以及对过拟的合规规避上, 甚至还超过了真实世界的数据。扎克伯格在元宇宙方面进展不顺利, 然而黄仁勋的Omniverse却是持续有成果。
即使有意竞争者的挑战，最后也成了给英伟达捧场。
2016年, 谷歌宣称专门针对AI研究, 开发出了机器学习的特定芯片TPU（张量处理单元）, 还设计了基准测试工具MLPerf。可是, 在多数年度的MLPerf测试里, 依照英伟达员工自己所说, 出现了这样的陈述, “黄总讲, 我们在每一回运行MLPerf基准测试之际, 都得向谷歌表明, 我们的GPU运算速度比TPU快, 哪怕仅仅快那么一点点也行。”。
今年, 科技领域发生一件业界大新闻, 谷歌的TPUv4, 在MLPerf基准测试里, 最终赢了英伟达之A100芯片, 令人诧异, 竟是有芯片在此角逐中, 比英伟达所产还有优势！
储存力量气势强大, 跨越宇宙范围。从当下直至能预见到的将来的英伟达, 恰似在二十世纪七十年代迄今那段时间里的迪拜和利雅得一般: 在开始的三十年是世界经济里不被留意的齿轮, 此后便成了世界经济的动力舱室。始终是掌控能源驱动的上游部分, 无论下游行业怎样发生变化, 自身都稳如泰山。
不论福特或者丰田哪方在家庭用车竞争里胜出, 最终顾客都得去寻觅海湾地区的富豪来购买燃油。不管是元宇宙还是生成式人工智能哪一个堪称真正的未来数字产业发展方向, 运行模型的数据中心都得向英伟达采购芯片。互利共赢, 确实是英伟达能赢得两次对吧。
