英伟达黄仁勋是谁？带你认识AI时代的幕后推手
哈哈，你之前的感觉其实没全错，他就是那个‘卖显卡的老板’，只不过后来发现这显卡能用来搞人工智能，直接成了AI世界的军火商。黄仁勋是美籍华人，1963年出生在台湾，9岁去了美国。1993年和两个朋友创立了英伟达，当时的目标就是造专门处理图像的芯片——GPU。
那时候游戏市场刚起步，3D画面需要大量并行计算，传统的CPU根本忙不过来。打个比方，CPU像个数学教授，一次只算一道超难的题；GPU却像个指挥千军万马的将军，同时处理成千上万道简单运算。这个特性当初是为了让游戏跑得流畅，没想到二十年后，竟然成了AI训练的命脉。
问得好，这也是绝大多数人最初的误区。其实，AI训练的核心就是巨量的矩阵乘法——数十亿个数字之间的简单乘加运算，跟图形渲染里的像素计算需求几乎一模一样。2006年，黄仁勋做了一个当时看起来有点疯狂的决定：推出CUDA平台，让开发者可以直接用GPU来算科研问题，不光是画三角形。
说白了，CUDA就是给GPU装上了一套‘万能方言’，让搞科学的人也能轻松使唤它。2012年，多伦多大学的团队用英伟达GPU训练出了AlexNet，图片识别准确率直接把传统方法按在地上摩擦，从此，整个AI界开始疯抢英伟达的显卡。后来OpenAI训练GPT-1、GPT-2、GPT-3，一直到今天的GPT-5.5，背后的算力几乎都在英伟达GPU上跑。讲真，没有CUDA，大模型的训练速度可能要慢100倍，甚至根本不可行。
这又是另一个常见的误解。如果只是买几块显卡回家玩，那是游戏发烧友的事；但训练类似GPT-5.5这样的模型，需要成千上万张GPU组成集群，还要解决散热、通信、故障恢复等一堆工程噩梦。英伟达厉害就厉害在它不光卖芯片，它卖的是整套‘AI工厂’——DGX系统、Mellanox高速网络、CUDA软件栈，甚至黄仁勋自家都开始设计数据中心布局了。
举个例子，2024年发布的H200芯片，今年主流已经是B300系列，一块卡的价格顶一辆中档轿车，而且经常卖到断货。你想啊，大模型公司为了抢这些卡，提前一两年就下订单。黄仁勋自己都说，我们不是卖芯片，我们卖的是‘算力时间’。这就像当年淘金热，他不去淘金，他卖给所有淘金者铲子，而且别的铲子都没他的好用。
对，标志性的皮衣，几乎成了他的战袍。他是个工作狂，据说几十年如一日，每周工作七天。风格非常直接，内部开会有时候会直接爆粗口，但对技术和长期规划极有远见。他经常说‘我们离倒闭只有30天’，即使英伟达市价已经超过苹果，这种忧患意识让他总能提前踩中下一波浪潮。
很多人以为他只是个商人，其实他是工程师出身，对架构细节能跟技术团队深入讨论。2016年，他亲手把第一台DGX-1超级计算机送到OpenAI办公室，当时接收的人里就有马斯克。那台机器专门标着‘为了支持人类智慧的进步’，如今看来，这句话真不是说说的。
目前看，英伟达在训练端的统治力依然稳固，但挑战者也不少。Google有自研的TPU，亚马逊有Trainium，连OpenAI都在捣鼓自己的芯片。不过黄仁勋一直在迭代，像今年的B300和即将推出的R系列，性能又翻倍了。其实更关键的是生态锁死：几乎所有AI框架都是基于CUDA优化，开发者习惯了，迁移成本极高。就像我们平时交流用普通话，突然让你改用方言，所有人重新学一遍，成本太高。
不过，AI推理的战场可能比训练要大得多，一些新兴芯片公司在做能效比更优的推理芯片。黄仁勋的应对是‘全栈出击’，从训练到推理，从数据中心到自动驾驶，甚至到机器人仿真平台，他都想插一脚。未来不一定永远赢，但短期内，他依然是那个‘卖水的’，而AI淘金热远远没结束。
那普通人该怎么关注他？有什么可以上手的AI工具吗？