英伟达之芯
前史与背景 1963年黄仁勋生于中国台湾台南,父亲是化学工程师,母亲曾为小学教师。5岁全家迁居泰国,10岁因泰国政局动荡,与哥哥被送往美国,先入读肯塔基州奥奈达浸信会学院(实为青少年行为矫正机构),期间遭遇霸凌,与同学本·贝斯互助反击,学业升至全校第一。1975年全家在俄勒冈团聚,高中时黄仁勋乒乓球打入全美青少年排名,在丹尼餐厅打工锻炼出高压环境下的冷静应对能力,以接近满分的GPA考入俄勒冈州立大学电气工程系,与同学洛丽·米尔斯相恋。毕业后进入硅谷,先任职AMD,1984年向洛丽求婚后遭遇冰雪路面车祸,颈部受伤,康复后跳槽至LSI Logic,在职期间完成斯坦福大学电气工程硕士学业,结识同事柯蒂斯·普里姆、克里斯·马拉科夫斯基,三人合作开发的PC端图形芯片项目被太阳微系统管理层否决,遂决定共同创业。 初创受挫濒临破产 1993年黄仁勋、普里姆、马拉科夫斯基在圣何塞创办英伟达,黄仁勋任CEO,初期在普里姆的联排别墅办公,获红杉资本等机构投资。首款产品NV1芯片1995年上市,因不支持微软DirectX标准,游戏兼容性差遭大规模退货,公司资金耗尽濒临破产。1996年黄仁勋将员工从10...
关于奇境 AI
世界设定
科技发展规律与计算范式
- 摩尔定律:戈登·摩尔于1965年前后提出集成电路晶体管数量约每两年翻倍的经验预测,章节中亦出现“约18个月翻倍”的表述,2005年前后其持续带动性能增长的路径被认为面临物理瓶颈。
- 豪斯对摩尔定律的修正:大卫·豪斯提出芯片性能约每18个月提升一倍的表述,区别于晶体管数量翻倍。
- 黄氏定律:用于描述英伟达通过架构、软件与系统协同实现的高速算力增长,章节分别以过去8年算力增长千倍、10至12年年均翻倍等尺度说明其超越摩尔定律。
- 超级加速定律:黄仁勋提出的非摩尔定律增长范式,章节以GPU算力五年提升25倍、AI推理性能十年提升千倍为例。
- 登纳德缩放定律:罗伯特·登纳德及同事于1974年提出晶体管缩小时功率密度可保持不变的规律,其失效削弱了靠提高时钟频率获得性能的路径。
- 微芯片电流泄漏:深亚微米制程下晶体管漏电日益严重,成为2005年前后限制芯片性能与功耗的关键问题。
- 串行计算:以少量处理单元依次执行任务的计算方式,在大规模同类任务上受到吞吐量限制。
- 并行计算:将任务拆分后由多个处理单元同时执行的范式,贯穿图形渲染、科学模拟、深度学习及数据中心计算。
- 加速计算:以GPU等专用并行硬件协同CPU处理适宜任务的计算范式,是英伟达从图形芯片扩展至通用计算的核心路径。
- GPU通用计算(GPGPU):将原本用于图形渲染的GPU用于非图形任务的技术方向,由Brook与CUDA等工具推动普及。
- CPU与GPU分工:CPU擅长灵活的通用与顺序处理,GPU擅长对大量数据执行可并行化的计算,二者需协同工作。
- “送货车与摩托车队”类比:CPU被比作易于调度但单次运量有限的送货车,GPU被比作吞吐量高却需要复杂协调的摩托车队。
- “厨房刀具与食物处理机”类比:CPU被比作灵活处理单项工作的刀具,GPU被比作适合快速批量处理数据的食物处理机。
- IBM S/360架构:1964年推出的通用计算体系,被黄仁勋用于标示传统计算时代的起点,并与并行计算、神经网络和云计算形成对照。
- 数据中心即芯片:黄仁勋将通过高速网络协同工作的整个数据中心视为解决同一问题的统一计算系统。
- 算力即生产力:沈向洋提出算力富足将重塑科技创新坐标、推动AI产业化与社会变化的命题。
- 规模定律与扩展定律:AI模型性能随参数、数据和计算资源增加而改善,章节以AlexNet的两块GPU至GPT-4约两万张卡的扩张说明其产业影响。
- 边际成本归零效应:黄仁勋认为关键要素生产成本的持续下降会释放新需求与创造力,类比农业、电力和计算的发展。
- 农业革命:被概括为提高食物生产效率、降低食物边际成本的历史阶段。
- 工业革命:被概括为提高钢铁等基础材料产量并推动规模化制造的历史阶段。
- 信息技术革命:以信息生产与传播数量激增为特征,为数字社会奠定基础。
- 智能时代:以大规模“制造智能”为核心、由GPU与AI共同支撑的新产业阶段。
半导体器件、制造与产业链
- 晶体管:能够控制电流通断的半导体器件,是数字开关、逻辑门和集成电路的基本组成单元。
- 布尔代数:乔治·布尔建立的逻辑数学体系,为数字电路中的“与”“或”“非”等运算提供理论基础。
- 逻辑门:由晶体管构成、执行布尔运算的基本电路,组合后可实现加法等复杂计算。
- 面包板:可手工插接电阻、电容及晶体管的网格实验平台,用于制作放大器、加法器等入门电路。
- 微芯片与集成电路:以硅晶圆为基底制造并切割的微型固定电路单元,是现代电子设备的核心。
- 手工芯片设计时代:1980年代中期前,工程师常在纸上逐层绘制电路与布线,再由操作员制作光刻掩模板。
- 大规模集成技术(LSI):通过可复用电路设计模块提高设计自动化程度,使工程师得以关注更高层架构。
- 超大规模集成技术(VLSI):支持单芯片容纳数十万晶体管,使传统手工绘图方式难以维系。
- SPICE:基于命令行的集成电路仿真程序,黄仁勋曾将其从教学用途扩展到复杂客户设计需求。
- 光刻工艺:借助掩模与光学设备在硅晶圆上形成电路图案的制造步骤,对振动、灰尘及材料纯度高度敏感。
- 极紫外线光刻:用于制造先进微芯片的精密光刻技术,在章节中被形容为将逻辑电路“打印”到晶圆上。
- 无尘车间:晶圆制造所需的高洁净环境,进入台积电台南工厂须经过风淋并穿戴全套防护服。
- 鳍式场效应晶体管(FinFET):采用立体鳍状结构改善电流控制的晶体管技术,被用于先进GPU制造。
- 流片(tape-out):芯片设计完成并交付制造厂制作的节点,通常标志原型制造开始。
- 物理原型惯例:传统半导体开发通常依赖原型芯片验证设计,英伟达开发NV3时以仿真器绕开了这一环节。
- 芯片仿真器:以代码和大型硬件系统模拟芯片行为的设备,英伟达曾将线路裸露、运行缓慢的仿真器安置在休息室。
- 芯片逆向工程:爱好者和竞争者可拆解芯片封装、以显微镜观察电路,增加单靠硬件设计维持竞争优势的难度。
- 晶圆代工模式:台积电等企业专注制造客户设计的芯片,使设计公司无需自建晶圆厂。
- Fabless模式:英伟达采用的无晶圆厂经营模式,集中资源设计芯片并委托台积电等企业生产。
- IDM模式:英特尔等企业采用的设计与制造一体化模式,与Fabless及代工分工形成对照。
- 台湾半导体产业崛起:张忠谋于1980年代返台创办台积电,凭借政策支持及精密制造能力建立全球领先的代工产业。
- 台积电(TSMC):同时制造过GeForce和Radeon芯片的关键代工企业,其产能与工艺关系到全球电子产品供应。
- 台积电生产劳动制度:章节将其高强度工作安排描述为上午9点至晚上9点、每周六天的“996”工作制。
- 台积电不可替代性:其先进制造能力及交付速度被视为难以迅速复制,产能扰动可波及汽车、手机及医疗设备。
- 凤凰城台积电工厂:美国本土晶圆厂项目占地超过4平方公里、投资超过400亿美元,并配备独立水电气及特种气体系统。
- 钱德勒市英特尔工厂:投资约320亿美元,建设需大量混凝土与钢材,并以冰混混凝土、午夜浇筑应对当地高温。
- 半导体去全球化:张忠谋以“半导体行业已不再是全球化的了”概括出口限制与各国本土建厂加速的趋势。
图形硬件、计算芯片与产品
- GPU:最初负责图形渲染的并行处理器,后来经可编程架构与CUDA扩展为科学计算和AI训练硬件。
- GPU术语:英伟达曾将“Graphics Processing Unit”作为营销名称推广,随后成为图形处理器的通称。
- 图形加速卡:插入PC主板插槽、帮助计算机运行3D游戏的电路板,1993年前后有数十家公司竞争开发。
- Sun GX系列:黄仁勋与普里姆、马拉科夫斯基合作开发的三维图形处理器,可绘制线框与逐像素纹理并输出16色图像。
- NV1:英伟达首款芯片,采用与后来的主流三角形标准不兼容的二次纹理映射路线,商业表现失败。
- Diamond Edge:Diamond公司销售的NV1显卡,定价249美元,其绿色电路板及包装在章节中受到详细描写。
- NV2:为世嘉Dreamcast项目开发并制成实体的功能性原型芯片,英伟达交付后退出合作。
- NV3:依靠芯片仿真器验证、配备128位宽总线的第三代芯片,后更名为Riva 128。
- Riva 128:名称展开为“Real-time Interactive Video and Animation Accelerator”,兼具游戏图形加速及其他PC显示功能,三角形渲染能力约每秒500万个。
- Riva TNT:采用双纹理单元与双像素渲染流水线的芯片,以并行图形处理提高性能。
- TNT2:1999年推出的图形加速器,可将雷神之锤III:竞技场运行帧率提高到约每秒60至70帧。
- GeForce NV10:1999年底推出、以“GPU”概念推广的产品,具有四条渲染管道及硬件级变换与光照能力。
- GeForce系列:英伟达消费级GPU主力产品线,持续通过快速更新与ATI、AMD等竞争。
- GeForce FX:因性能与风扇噪声问题遭到玩家批评,被戏称为“尘霸”并拿吹叶机作比。
- GeForce GTX 580:单价约500美元的游戏显卡,AlexNet研发者利用其搭建低成本训练系统。
- Quadro:英伟达面向专业图形市场的产品线,其竞争压力与硅图公司衰落相联系。
- Radeon:ATI推出、后归属AMD的GPU产品线,与GeForce长期构成主要市场竞争。
- Voodoo:3dfx公司的图形加速卡,曾主导市场,并成为GeForce发布时直接对标的产品。
- Savage 4:S3公司的图形处理器,曾在Camino平台表现良好并与TNT2竞争。
- Tegra:英伟达集成CPU、GPU等单元的低功耗系统级芯片,被用于任天堂Switch。
- 加密货币挖矿处理器(CMP):英伟达针对挖矿推出、移除视频输出并侧重哈希运算的产品线。
- 帕斯卡架构与P100:英伟达采用FinFET工艺的GPU架构及2016年产品,P100被描述为计算速度已超过数据输入速度。
- DGX-1:2016年推出的专用AI训练计算机,重约60公斤、售价约12.9万美元、功耗接近烘干机,被称为“便携式数据中心”。
- DGX机箱与“超级舱”:可组合为大型AI计算单元的模块化设备,配有密集电缆及空气、液体冷却系统。
- A100、H100、B100与B200:章节按2020、2022、2024及待发布阶段列出其单芯片功耗约250、350、700及1000瓦。
- Eos超级计算机:英伟达自有数据中心的万卡级AI超算,在章节中被用于说明超大规模模型训练速度。
- “Jellybean”计算机:比尔·戴利团队在麻省理工学院自行设计处理器、网络和应用的实验性并行计算系统,性能突出但未商业化。
- 阴极射线管显示器(CRT):早期图形计算成果的主要显示媒介,设备笨重且常仅支持单色或较低色深。
- 九英寸便携电视:普里姆用于游玩世嘉游戏的显示设备,其屏幕尺寸为九英寸。
- 英寸换算:章节提供“1英寸约等于2.54厘米”的尺寸说明。
图形技术、游戏与消费市场
- 线框与纹理绘制:早期三维图形先表示物体骨架,再以像素和纹理填充表面。
- 二次纹理映射:NV1采用的图形技术,与世嘉当时采用的技术路线相关,却未适应后来的主流开发标准。
- DirectX:微软于1995年推出的图形应用程序接口标准,其三角形建模路线使NV1架构失去兼容优势。
- 深度缓冲区:用于判断三维场景中物体前后遮挡的硬件功能,NV1缺乏该功能而产生显示错误。
- 图形流水线:将图形处理分解成多个执行阶段的结构,Riva TNT通过双流水线提高像素渲染吞吐量。
- 像素着色器:控制像素颜色与材质效果的计算单元,复杂场景需要更多着色能力处理光照与纹理。
- 可编程着色器:允许开发者自行定义光照及材质效果的技术,推动消费级游戏画面摆脱固定功能渲染的限制。
- Cg语言与《Cg教程》:英伟达为可编程着色器提供的开发语言及教材,教材封面使用虚拟形象“Dawn”。
- 变换与光照(T&L):GeForce将三维物体变换和光照计算整合进消费级显卡硬件的功能。
- 光线追踪:模拟光线传播与反射以形成逼真图像的技术,自2018年起进入英伟达消费显卡产品。
- 深度学习超级采样(DLSS):只直接渲染部分像素,再由神经网络补全画面的提效技术。
- 神经图形:以训练得到的视觉生成能力补充或替代部分传统物理建模的新图形范式。
- 游戏帧率:早期游戏约以每秒30帧形成连续运动感,英伟达早期仿真器每30秒一帧的速度无法用于实际互动。
- 《雷神之锤》系列:id Software的三维射击游戏,其图形需求、死亡竞赛模式及引擎传播使其成为显卡性能参照。
- 死亡竞赛:强调反应速度、地图控制和对手博弈的多人游戏模式,推动早期职业电竞形成。
- 职业玩家硬件门槛:TNT2等高速显卡提升选手可见画面数量,逐渐成为竞技玩家的标准装备。
- 《毁灭战士》:1993年推出的科幻恐怖第一人称射击游戏,刺激了PC图形性能需求。
- 《神秘岛》:1993年发布、以神秘岛屿为背景的益智游戏,是当时销量突出的PC作品。
- 《VR战士》:世嘉以块状三维人物呈现格斗的游戏,曾被用作NV1的销售卖点。
- 《暴力摩托》:英伟达早期办公场景中的游戏,普里姆的高分曾引起员工围观。
- 《光环》:章节将其视觉效果与可编程着色器推动的游戏画面进步联系起来。
- PC游戏黄金时代:章节以2000至2005年间使命召唤半条命2模拟人生和魔兽世界等作品概括宽带及高性能PC推动的繁荣。
- 高配游戏电脑文化:玩家通过透明机箱、灯光、超频主板与显卡配置展示技术兴趣及身份。
- “PC至尊”:部分PC玩家以硬件优越感区别于主机玩家的亚文化自称。
- 网络游戏奖励循环:以升级、任务及奖励反复驱动玩家投入时间的设计机制,与游戏障碍讨论相联系。
- 世嘉Dreamcast合作:英伟达为世嘉开发NV2原型,后决定放弃专用主机路线。
- 任天堂Switch双模式:采用Tegra芯片支持桌面与便携场景切换的游戏主机形态。
- GeForce Now:英伟达提供的云游戏服务,使性能有限的终端可借助远端GPU运行高要求游戏。
- 复仇者联盟电影:黄仁勋喜爱的商业电影类型,既用于休闲,也被其作为观察CGI进展的对象。
- 《侏罗纪公园》:1993年的电影,其真人画面与CGI融合被用作早期数字图形能力的代表。
- Diamond渠道双品牌:Diamond以Edge销售NV1、以Monster销售3dfx产品,造成英伟达产品的渠道竞争与混淆。
- Fry’s Electronics退货渠道:大型电子零售商宽松的退货政策,使销售不佳的NV1显卡大量退回并降价陈列。
- 百思买等零售渠道:Riva 128由下游企业制成显卡后,通过大众消费电子商店销售。
CUDA、软件生态与网络互连
- Brook语言:伊恩·巴克团队于2003年推出的开源工具,使科学计算能够借助游戏GPU执行,是CUDA之前的重要探索。
- CUDA:英伟达于2006年推出的并行计算平台与编程模型,允许开发者以GPU运行非图形任务并形成长期软件生态。
- CUDA核心:GPU中执行同类并行指令的计算电路单元,构成CUDA程序运行的硬件基础。
- CUDA软件栈:贯穿机器代码、编译器和应用层的工具体系,将底层GPU电路能力开放给科学及产业开发者。
- CUDA普及曲线:章节记载其2009年下载量超过30万、2012年新安装量降至10万,并在2017年达到270万次下载。
- “CUDA税”:英伟达内部对消费显卡承担通用计算硬件与研发成本的戏称,体现游戏业务支持长期计算布局。
- cuDNN:针对CUDA平台深度神经网络运算的加速软件库,重点优化矩阵及相关训练计算。
- AI计算近似策略:章节将权重截断、只保留部分符号信息及容忍数值误差列为cuDNN相关的AI特化优化思路。
- NVLink:英伟达用于多GPU高速协同的数据互连技术,服务于大型矩阵计算。
- InfiniBand:Mellanox开发、后纳入英伟达体系的高速网络互连技术,用于降低超算及AI数据中心的数据传输瓶颈。
- 领域专用SDK:英伟达提供近300种免费工具包,利用软件支持吸引不同领域的开发者持续使用其硬件。
- Drive:英伟达面向自动驾驶领域提供的软件工具与开发平台。
- BioNeMo:英伟达面向生物制药及相关研究的软件平台。
- Clara:英伟达面向医疗影像应用的软件工具体系。
- Morpheus:英伟达面向网络安全应用提供的工具平台。
- Highlights:英伟达面向游戏内容生成与片段制作的工具。
- 免费工具包“宝藏”战略:黄仁勋以免费SDK降低入门门槛,再通过后续硬件需求维系用户关系。
- 技术债务:快速发布产品积累的代码、工具链及架构问题,被英伟达人员形容为高速竞争留下的“战斗伤痕”。
- Larrabee:英特尔曾尝试开发的与GPU通用计算竞争的项目,章节指出其未能延续。
- 软件生态壁垒:硬件易被研究与仿制,CUDA、工具包及开发者使用习惯因而成为英伟达的重要竞争优势。
人工智能历史、学习机制与数据
- 早期“神经网”:1940年代以机电硬件模拟神经元与突触的实验方向,投入高而缺乏实用成果。
- 单层神经网络局限:1969年前后的研究揭示其处理某些逻辑任务的能力不足,影响后续研究信心。
- 第一次AI寒冬:1974年前后符号主义AI进展不及预期所引发的资金和信任危机。
- 专家系统泡沫:1980年代多个国家大规模资助专家系统,许多计划未产生相应的实用成果。
- 反复出现的AI寒冬:人工智能研究经历多轮期待与幻灭,神经网络曾长期处于主流学界边缘。
- 神经网络:受生物神经系统启发、以可调连接权重处理信息的计算模型,在GPU算力支持下重新兴起。
- 深度学习:利用多层神经网络从数据中学习表示的方法,依赖大量训练数据与并行算力。
- 卷积神经网络:借助卷积滤波器提取图像局部特征的神经网络结构,是AlexNet的基础。
- 人工神经元权重矩阵:表示网络连接强度的数字结构,储存训练所得模式并决定模型输出。
- 反向传播:通过输出误差逐层调整网络连接权重的训练方法,章节追溯了1970年代探索及1986年的推广。
- 监督学习:利用人工标注的输入与答案训练模型的范式,ImageNet及AlexNet是其代表案例。
- 强化学习:系统通过行动、奖励反馈与策略更新改善表现的学习方式,早期成功案例包括西洋双陆棋程序。
- 训练与推理分离:训练通常消耗大量数据和算力,完成训练的模型则可能在普通PC等较轻量设备上执行推理。
- 神经网络黑箱性:模型内部权重难以直接翻译成人类可读的决策规则,造成解释和诊断困难。
- AI教材中的神经网络边缘地位:2000年代主流教材大量介绍其他方法,却仅用少量篇幅讨论神经网络。
- 神经网络学术偏见:辛顿将学界对其成果及解释方式的系统性排斥称为“意识形态”问题。
- ImageNet:李飞飞主导建立的图像数据集,含逾1500万张标注图片及约22000个类别。
- Amazon Mechanical Turk标注:ImageNet及Behavior-1K等项目借助分布式人类劳动收集分类或行为排序数据。
- ImageNet挑战赛:年度图像识别评测平台,为2012年AlexNet突破及后来识别率提升提供公开基准。
- AlexNet:2012年以GPU训练并在ImageNet竞赛取得突破的卷积神经网络,章节列出约65万个神经元和6300万个连接。
- AlexNet训练平台:克里泽夫斯基等研究者使用GeForce GTX 580及CUDA,以相对低廉的游戏硬件训练模型。
- “SuperVision”:与AlexNet相关的模型命名,呼应其利用标注图像进行监督学习的方式。
- ImageNet人类水平对照:章节称2016年优秀参赛模型准确率达到98%,超过所列的人类平均水平95%。
- 视觉识别的进化隐喻:格陵兰发现的三叶虫化石被用于说明早期视觉器官与智能演化之间的关系。
- “水母”西洋双陆棋AI:可在普通PC运行、能力超过许多人类玩家的神经网络程序,改变了棋手训练方式。
- 西洋双陆棋规则:24点棋盘上双方依据两颗骰子移动棋子,涉及击子、重新入场及最终移出棋盘。
- 限注德州扑克AI:弗雷德里克·达尔曾将下注额度受限的双人扑克建模为神经网络任务。
- 无限注德州扑克难题:任意下注额度扩大了状态空间,使早期模型难以充分训练与计算。
- 赌场扑克AI部署:章节记载达尔授权的限注德州扑克程序在拉斯维加斯接受真钱挑战并保持不败。
- “深蓝”:1997年击败卡斯帕罗夫的高成本专用国际象棋计算机,被用来对照可普及的“水母”。
- DNNResearch:辛顿、克里泽夫斯基和苏茨克弗于2012年创办的公司,凭AlexNet相关成果通过邮件竞价以4400万美元出售给谷歌。
- AlphaGo:DeepMind开发并于2016年击败李世石的围棋AI,被视为深度学习与强化学习的重要里程碑。
- AlphaFold2:DeepMind研发的蛋白质结构预测系统,可由氨基酸序列推断三维结构。
- Behavior-1K:李飞飞主导、利用人类行为排序数据并在Omniverse中训练智能体完成劳动任务的项目。
- 生成式AI“幻觉”:模型可能生成语言流畅但事实错误或语义不当的内容,反映输出可信度问题。
- GPU算力军备竞赛:AlexNet后,更大模型与数据集持续提高训练算力需求,使GPU成为AI基础设施的重要资源。
Transformer、生成式AI与模型产品
- 词元(token):语言模型处理文本的基本单位,可为完整词语或“un-”“-ness”等亚词片段。
- 自注意力:让文本中不同位置的词元相互建立加权联系的机制,是Transformer的核心。
- Transformer:2017年提出、以注意力机制为核心的神经网络架构,适合并行训练并成为大语言模型基础。
- 循环神经网络(RNN):传统序列建模方法,包括长短时记忆结构;章节指出其编程和编译复杂度促使英伟达转向Transformer。
- 消融实验:关闭模型的某些模块、比较结果以判断其作用的研究方法,曾用于推动Transformer结构简化。
- 束搜索:在生成文本时保留多条候选路径并筛选输出的解码方法。
- 词语关联认知图谱:以词汇间关系解释意义形成的理论视角,被用于说明语言模型如何利用统计联系处理语义。
- 涌现:模型规模增加后出现未针对性编写的新能力的现象,章节以零样本任务等为例。
- GPT系列:OpenAI基于Transformer开发的生成式预训练语言模型系列。
- GPT-1:2018年推出、参数约1亿的早期模型,以BookCorpus训练,生成质量仍较有限。
- BookCorpus:约含7000本免费电子书的语料库,以科幻与爱情作品为主,用于GPT-1训练。
- 维基百科语料:涵盖大量主题的文本资源,被用于语言生成实验及模型训练。
- GPT-2:2018年推出、参数约15亿的模型,章节称其使用约800万个网页、60亿词训练,并表现出初步零样本能力。
- 网页爬取训练数据:来自开放网络的大规模文本集合,为GPT-2等模型提供语料。
- GPT-3:2020年推出、在超过1TB文本上训练的大语言模型,具备代码生成及部分推理能力。
- ChatGPT:2022年末面向公众推出的对话式AI产品,可接受自然语言指令并引发广泛使用。
- GPT-4:2023年发布的多模态模型,章节以约万亿参数的估计、专家混合架构及专业考试表现描述其能力。
- GPT-4o:2024年5月发布的低延迟多模态模型,能够处理文本、音频、图像和视频等输入输出。
- Character.AI:诺姆·沙泽尔创办的角色聊天平台,章节记载其于2024年被谷歌收购。
- Astra:谷歌于2024年展示、可结合环境观察、实时问答及细节记忆的AI助手。
- Claude:Anthropic推出的AI模型,章节将其表现与GPT-4o相比较。
- DALL-E、Midjourney与Stable Diffusion:依据文字提示生成图像的系统,标志2022年前后图像生成能力进入公众视野。
- Sora:OpenAI于2024年推出的视频生成模型。
- Udio与Suno:提供跨曲风歌曲生成服务的音乐AI产品。
- Jasper:可协助快速生成营销方案的AI应用。
- PicassoGAN:英伟达内部展示的生成对抗网络应用,可根据自然语言提示生成图像。
- 动作迁移与人脸替换:英伟达内部展示的实时视觉AI能力,可将影视角色的面部替换为其他人物。
- 预训练:模型利用大规模数据学习一般语言或世界知识的初始训练阶段。
- 后训练:利用强化学习、人类或AI反馈、合成数据等方法调整模型行为与专长的阶段。
- 测试时间计算:模型在回答时投入额外计算进行分解、模拟和多步推理的方式。
- 通用人工智能(AGI):章节将其界定为能够完成各种人类任务的软件,其实现可能性与风险均有争议。
- 2022至2024年AI能力扩展:章节按图像生成、自然语言写作、语音及音乐生成、视频生成和数学推理描述生成式AI的进展时间线。
数据中心、云服务、能源与科学应用
- GPU数据中心:由大批GPU机架、光纤网络及冷却设施构成的计算场所,可对外出租训练与推理算力。
- 云端GPU计费:云服务商按GPU使用时间等指标收费,将计算能力作为类似基础公共资源的商品出售。
- AI工厂与数字智能工厂:黄仁勋将以电力为输入、以模型训练或数字智能为输出的专用数据中心比作工厂。
- 万亿美元基础设施周期:黄仁勋对全球持续建设AI数据中心、网络和供电系统的长期投资规模的概括。
- GPU超级计算集群:企业训练与部署AI模型的成组计算设施,章节称2023年美国百强企业中约半数已采购英伟达相关系统。
- 劳登县数据中心集群:弗吉尼亚州大型数据中心密集区,承担大量网络及云计算负荷。
- 数据中心电力瓶颈:GPU算力和网络带宽扩张后,电网供电能力成为进一步建设AI设施的重要约束。
- 超大规模设施耗电:章节以吉瓦级年度用电规模及单座核反应堆产出作比较,强调AI数据中心的能源需求。
- 道明尼能源电网升级:弗吉尼亚州供电企业为满足数据中心需求实施带电升级,并考虑增加其他发电来源。
- 高压输电作业:技术人员依靠绝缘杆、阻燃衣物及手套,在高空对高电压线路作业。
- AI任务能耗对照:章节以普通搜索约0.3瓦时、生成式AI搜索约3瓦时及生成长文所耗电量说明计算需求变化。
- 高频散热噪声:持续运行的风扇为高功耗电路散热,其尖锐声响是硬件实验室的环境特征。
- 大数据增长:天文学、医学、金融、互联网等领域的数据集扩张,为GPU批量处理创造需求。
- LIGO引力波天文台:通过远距离激光干涉观测时空变化的科研设施,其数据处理是GPU科学计算应用之一。
- 冷冻电子显微镜:将生物样本固定于非晶态冰中成像,再借助GPU重建分子三维结构的研究技术。
- 真锅淑郎气候模型:20世纪60年代末借助大型计算机建立地球模型并研究二氧化碳温室效应的案例。
- NASA气候预测:20世纪80年代的计算模型曾预测地表增温及高层大气变化,后成为观测检验对象。
- “地球-2”:英伟达提出的高精度地球气候模拟项目,目标包括城市街区尺度的风速预测。
- 比特币挖矿:通过大量哈希计算参与区块生成的过程,曾吸引矿工利用GPU并行能力。
- 水电走廊:华盛顿州东韦纳奇等低价水电地区聚集挖矿设备与高密度GPU机架。
- 科学计算工具革命隐喻:黄仁勋以廉价望远镜推动天文学发现的历史,类比CUDA降低科研计算门槛的潜力。
- 望远镜起源:章节叙述17世纪初镜片组合、伽利略改良及其天文观测,将其作为工具普及引发科学进步的参照。
机器人、数字孪生与未来空间
- Isaac:英伟达面向机器人训练的仿真平台,支持在高保真物理环境中并行开展强化学习。
- GR00T:英伟达于2024年GTC展示的机器人训练平台,服务于具身智能研发。
- Omniverse:英伟达的工业数字孪生及协同仿真平台,用于物理环境模拟、设计和训练。
- 工业元宇宙:Omniverse所代表的高精度工业虚拟环境与实时协作方向,并以软件服务方式提供能力。
- 建筑数字孪生:先在虚拟模型中测试建筑变化,再将可行方案应用于实体空间的工作方式。
- “变形建筑”:黄仁勋设想可依据使用需求实时调整空间功能乃至物理形态的AI建筑。
- 全景监视与清洁调度:英伟达办公空间使用摄像头和AI发现清洁需求,再安排工作人员处理,尚未形成完全自动闭环。
- AI学习型建筑:将感知、数字孪生及自动化能力逐步嵌入总部空间的设想与实践。
- 自动驾驶计算:英伟达芯片及Drive工具包所面向的交通领域应用方向。
企业、资本与产业竞争
- 英伟达:由图形芯片公司发展为GPU、AI计算、数据中心和软件平台供应商的企业。
- 英特尔:传统CPU领域的重要企业,曾低估图形芯片市场,并与英伟达代表的加速计算路线形成对照。
- AMD与ATI:AMD拥有Radeon GPU业务,并以Zen架构在CPU市场与英特尔竞争,形成跨CPU、GPU的产业格局。
- GPU双寡头:GeForce与Radeon长期争夺消费级独立显卡市场的竞争结构。
- 3dfx兴衰:Voodoo曾主导图形加速卡市场,后遭遇英伟达产品迭代及竞争压力。
- 硅图公司(SGI):曾是专业图形计算代表企业,章节记载其2005年退市及相关人才流向英伟达。
- 1990年代图形卡竞争:1993年前后至少35家公司投入研发,厂商还通过寄送预览卡获取媒体评测。
- 六个月产品周期:英伟达以约每半年推出新品的节奏争夺市场,并承担持续高压及技术债务。
- 主板集成显卡竞争:TNT2时期,预装及主板渠道是英伟达争取戴尔、康柏等PC厂商业务的重要战场。
- 世嘉与英伟达NV2合同:世嘉约定收到功能性原型后支付100万美元,英伟达交付后正式退出项目。
- Windows通用显卡转向:英伟达放弃专用游戏主机芯片路线,转而争夺兼容Windows的广泛PC市场。
- 下游显卡分销:英伟达提供芯片,合作伙伴制作显卡,再通过百思买等零售商销售。
- 硅谷创业融资生态:英伟达始于联排别墅卧室而非典型车库,早期受到红杉资本及萨特·希尔资本等机构关注。
- 吉姆·盖瑟的董事会工作:这位硅谷律师曾一年参加129次董事会,体现当地创业公司对法律和治理顾问的需求。
- 红杉资本早期投资:章节记载英伟达早期估值约600万美元,上市后为投资者创造显著回报。
- 纳斯达克上市:英伟达1999年初以代码NVDA上市,章节列出约6亿美元估值、每股12美元发行价及随后股价上涨。
- 标准普尔500指数:英伟达于2001年11月取代安然被纳入该指数。
- 互联网泡沫破灭:2000年代初科技股崩盘,使高科技企业及投资者面对资金与信心冲击。
- 安然破产:2001年的重大财务造假事件,强化资本市场对企业会计披露的审视。
- “9·11”事件:2001年美国遭受的恐怖袭击,与科技股下跌等事件共同加剧市场恐慌。
- 美国证券交易委员会(SEC):负责证券市场监管与企业披露调查的机构,曾调查英伟达相关财务问题。
- 加密货币销售披露争议:SEC指控英伟达披露挖矿需求对GPU销售影响不足,双方以550万美元和解且公司未承认或否认指控。
- 英伟达估值逻辑:章节将其股价与市场对黄仁勋长期技术押注能力的信任相联系。
- 英伟达市值跃升:章节记载其2023年5月25日单日市值增长约2000亿美元,2024年2月22日增长2770亿美元。
- “地球上最重要的股票”:高盛于2024年2月对英伟达的称呼,体现其在AI投资热潮中的市场地位。
- 长期股价涨幅:章节称英伟达自1999年IPO至2024年中期累计上涨约300000%。
- 股票期权重新定价压力:股价快速上涨改变部分员工和高管对旧有期权价格及个人财富的感受。
- 员工股票购买计划:允许员工按特定折扣及历史较低股价购买公司股票,形成长期财富激励;黄仁勋早年亦参加AMD的员工持股计划。
- AI芯片市场份额:章节称英伟达占据近九成AI芯片市场,因此被形容为AI竞争中的“军火供应商”。
- 高毛利竞争诱因:章节称英伟达AI芯片毛利率超过90%,吸引其他企业研发替代硬件。
- TPU、Dojo与晶圆级芯片:谷歌、特斯拉和Cerebras提出的AI计算替代路线,反映对英伟达优势的竞争。
- 采购惯性壁垒:企业采购者为降低职业风险,倾向选择已广泛部署的英伟达平台。
- AI初创融资潮:章节称2023年全球AI初创公司融资约500亿美元,覆盖医疗、教育、商业和机器人等领域。
- FOMO采购心理:企业高管因担心错过AI机会而购买硬件,同时承受证明投资价值的压力。
- 企业“知识引擎”:利用内部邮件、专利和法律材料定制大语言模型的企业项目,实际效果可能低于采购期待。
- AI泡沫争议:艾略特管理公司从应用成熟度、成本效益、能耗及可靠性评估AI投资风险,同时指出其资金结构有别于早期金融泡沫。
- 微软与OpenAI“受限”利润模式:限制投资回报分配的安排,被章节联系到OpenAI持续开发更复杂模型的动力。
- 颠覆式创新:克莱顿·克里斯坦森提出从边缘、低利润或未充分服务的市场起步,逐渐进入主流市场的理论。
- 《创新者的窘境》:解释成熟企业为何会因维护现有高价值业务而错过新技术的著作。
- 边缘市场优先:英伟达先服务游戏、学术计算等较小市场,再借助技术进步向更大的市场扩张。
- 逆周期研发:英伟达在科学软件收入尚低时持续投入,以培育未来市场与开发者基础。
- Starboard Value激进投资:投资机构通过持股、董事会诉求及详尽报告推动企业改变经营策略。
- AI淘金热“卖铲人”:黄仁勋被类比为淘金热期间销售工具的人,其所售工具是高价AI训练芯片。
- “零亿美元市场”:黄仁勋用来指代尚未形成收入、但可能由新技术创造的市场。
- “基于愿景的运气”:黄仁勋对技术路线中的预判与偶然机会共同促成成功的概括。
企业管理、劳动制度与组织文化
- “离破产只有30天”:黄仁勋反复强调的警句,用于维持公司对竞争与经营风险的警觉。
- 失败公开化:项目失败或延期后由负责人公开解释问题,管理层进行严厉复盘并作为组织学习材料。
- “光速”调度:先估计任务在理想条件下最快能完成的速度,再据此制定现实交付计划的方法。
- “最重要五件事”:员工每周提交五项首要任务,供黄仁勋了解组织重点与执行进度。
- 扁平化直报:章节分别记载黄仁勋直接领导30余名副总裁及后来的55名下属,组织中不设传统意义上的固定二把手。
- 灵活重组职责:英伟达强调根据任务变化重新组合团队与职责,而非完全依赖固定部门等级。
- “只有努力工作”文化:英伟达强调高强度工程执行,而非将健身房等福利设施作为雇主形象中心。
- “终身事业”:英伟达年度报告中倡导员工将公司视为可以长期投入、取得成就的工作场所。
- 严苛招聘与工程师中心:公司重视执行能力、工程判断及高密度工作,形成区别于部分游戏公司的文化。
- 阻力指数(RI):英伟达内部绩效评价用语,其中“需要改进”是严重负面评价。
- 远程协作:分布式工作习惯使英伟达在疫情期间保持运营,GTC等活动则改为线上。
- 技术保密:严格保密协议限制内部AI演示对外传播,体现AI研发竞争趋于封闭。
- “宝藏式”开发者培育:通过免费软件工具扩大用户群,以长期硬件和平台使用实现商业回报。
- AI 101培训:面向全体员工普及AI知识的企业学习安排。
- AI助手办公流程:将AI工具逐步嵌入公司日常工作、组织学习和建筑管理的实践方向。
- 痛苦与磨难价值论:黄仁勋认为困难经历和较低期望能锻炼韧性与性格。
- 领导者三重角色:章节将信念与不确定性承受力、坚韧与坦诚、服务他人成就概括为CEO的重要素质。
- 第一性原理思维:从物理、数学和可验证条件出发判断技术路径,避免仅凭恐惧或乐观作决策。
- “三错法”:以认错、知错、改错推动持续迭代的风险应对思路。
- 现任者与挑战者思维:将市场领先者视为暂时的“现任者”,要求其保持挑战自身地位的姿态。
- 无限游戏与有限游戏:借詹姆斯·卡斯的理论区分持续适应的事业与以单次胜负为终点的竞争。
- 硅谷双工程师家庭:1980年代科技从业夫妻可凭双份收入购房和储蓄,但育儿服务不足可能中断其中一方的职业。
- 工程师家庭传承:章节指出部分英伟达工程师出身工程师家庭,反映技术教育的代际影响。
地理、建筑、教育与日常空间
- 阿巴拉契亚山区克莱县:黄仁勋1973至1975年生活的肯塔基州地区,当地有烟草种植、煤矿劳动及缺乏自来水的家庭。
- 奥奈达浸信会学院:位于肯塔基州小镇、创办于1899年的学校,20世纪70年代兼具青少年行为矫正机构特征。
- 丹尼餐厅:24小时营业的美国连锁餐厅,黄仁勋少年时期曾在此工作,接触当地餐饮及劳动文化。
- 圣何塞贝里埃萨路丹尼餐厅:1993年英伟达创业讨论所涉餐厅,章节记录其地址、早餐海报、餐台、咖啡区、烟灰缸及带弹孔的窗户。
- Paddle Palace:俄勒冈州乒乓球俱乐部,由Elks Lodge舞厅改造,是黄仁勋高中时期训练和工作的场所。
- 加州与俄勒冈州交界山路:黄仁勋与洛丽·米尔斯1984年圣诞夜车祸地点,章节描写附近废弃金矿墓地和黑冰。
- 丰田SUPRA:黄仁勋年轻时购买的直列六缸双门跑车,在1984年车祸中损毁。
- 硅谷:旧金山湾区南部的半导体与科技产业集聚地,以低层办公楼、公路、停车场及高密度财富创造为特征。
- 101号公路科技走廊:连接圣何塞与帕洛阿托的主要道路,沿线分布苹果、英特尔、思科及硅图公司等企业。
- “深坑”办公室:LSI Logic低隔间的开放办公区,黄仁勋曾将其视为理想的工程工作场所。
- 活动办公室:1980年代流行的可调高度隔间环境,配有CRT、荧光灯、地毯及管道吊顶。
- 洛斯阿尔托斯山丘:硅谷富裕住宅区,黄仁勋曾在此购地建造约600平方米的住宅。
- 毛伊岛海滨度假屋:黄仁勋用于招待张忠谋等友人的度假地产。
- 圣克拉拉早期总部:英伟达约2001年前后迁入的玻璃钢结构园区,面积约4.5万平方米并设空中连廊。
- “奋进号”总部:英伟达圣克拉拉新总部建筑,三角形贯穿外形及内部设计,并使用VR和GPU实时渲染辅助建造。
- “旅行者号”总部:与“奋进号”配套的办公建筑,章节记载其约7万平方米及内部人工山峰、垂直花园等空间。
- “NV”建筑命名:Endeavor与Voyager名称中的字母组合被用来呼应英伟达标识。
- 斯坦福夜校硕士项目:黄仁勋在职攻读电气工程硕士约八年,于1992年完成。
- 斯坦福CS229课程:章节将2017年深度学习课程的热门程度作为AI人才需求增长的表现。
- GPU技术大会(GTC):英伟达自2009年起举办的行业活动,首届在圣何塞费尔蒙酒店举行,包含技术演讲及公众演示。
- GTC彩弹演示:以大量彩弹同时构成像素图像,对照单发绘图,直观展示并行计算概念。
社会结构、政策、法律与AI影响
- 美国校园反亚裔辱称:黄仁勋在1970年代肯塔基州校园遭遇针对华裔的“Chinks”等种族主义言语攻击。
- 乒乓外交:1971年中美借运动员互访推动关系缓和,朱迪·博钦斯基是章节提及的参与者。
- 硅谷移民工程师社群:闽南语使用者、德国工程师及华裔技术人员等共同构成多语言协作环境。
- 移民身份认同:黄仁勋在美国生活多年后仍自称移民,并强调家庭、工作和待人方式受到中国文化影响。
- “竹子天花板”:描述亚裔技术人员人数较多、进入企业高层比例却偏低的晋升障碍概念。
- 亚裔高管比例落差:章节引用2010年前后的数据说明美国科技劳动人口与管理层中的亚裔占比不相称。
- 亚裔工程师结构变化:英伟达员工群体逐渐由以美国白人男性为主,转向更多南亚和东亚背景员工。
- 电气工程性别失衡:美国相关专业毕业生以男性为绝大多数,章节指出女性对该学科的兴趣及参与度较低。
- 黑人工程师代表不足:章节称截至2020年英伟达全球员工中黑人占比低于1%,并将其与工程人才培养结构相联系。
- 1993年加州犯罪潮:章节记载该年全州逾4000人遇害,圣何塞餐厅的环境描写亦带有此背景。
- 美国对华芯片出口限制:2022年起,美国限制英伟达A100、H100及后来部分高端显卡对中国出口。
- 先进光刻机出口管制:美国推动限制先进光刻设备输往中国大陆,影响半导体供应链布局。
- ARM收购监管风险:监管机构担忧英伟达同时控制芯片设计知识产权与AI加速硬件会损害竞争。
- 加州SB 1047法案:针对训练成本超过1亿美元的前沿AI模型提出安全要求,2024年9月遭州长否决。
- AI版权诉讼:多位作家及纽约时报就OpenAI使用受版权保护的训练材料提出法律主张。
- 深度伪造诈骗:章节记载2023年香港以AI克隆声音冒充同事的诈骗案例,造成企业重大损失。
- 政治语音伪造:AI语音克隆可被用于制作公众人物虚假录音并扰乱公共讨论。
- AI就业冲击:影像诊断、商品质检、农业采摘及企业中层知识工作均被列为可能受到自动化影响的领域。
- 游戏障碍讨论:章节将网络游戏的重复奖励机制与精神医学诊断分类中的游戏障碍联系起来。
- 婴儿潮退休投资者:因持有英伟达股票而改善财务处境、支持黄仁勋的投资者群体。
- 激进散户投资者:以高风险股票期权押注英伟达、对其领导者形成强烈认同的个人投资者。
- 2024年诺贝尔化学奖:章节将德米斯·哈萨比斯所获奖项与AlphaFold2的蛋白质结构研究贡献相联系。
- 2024年诺贝尔物理学奖:章节将杰弗里·辛顿所获奖项与其人工神经网络基础研究相联系。
- 2019年图灵奖:本吉奥、辛顿与杨立昆共同获得这一计算机科学领域的重要奖项。
- 美国国家工程院院士:章节记载黄仁勋于2024年获此身份。
- 菲尔兹奖与AI原创性:黄仁勋以计算机未来能否获得数学最高荣誉设问,讨论AI成为原创科学主体的可能性。
AI风险、认知边界与哲学命题
- 超级智能假说:具有广泛抽象能力的AI可能持续改进自身,达到超出人类理解与控制范围的能力。
- “曲别针制造器”:尼克·波斯特洛姆提出的思想实验,说明只追求单一目标的AI可能为制造更多曲别针而消耗人类资源。
- 对齐问题:如何使强大AI追求的目标持续符合人类真实利益与约束的技术难题。
- p(doom):AI社群用以表达AI导致人类灭绝可能性的概率估计,章节列出杨立昆、本吉奥和辛顿之间差异显著的判断。
- “末日人工智能”:黄仁勋用于警示脱离人类干预、自主处理信息并采取有害行动的AI形态的说法。
- 推理能力时间判断:章节记载黄仁勋以2024年为基准,预计AI自主理解问题的推理能力仍需约两至三年发展。
- 人脑与反向传播差异:人工神经网络使用的误差反传方式,并不等同于生物大脑实际学习机制。
- 神经胶质细胞缺位:现有AI模型没有与脑内支持神经元运作的胶质细胞相对应的结构。
- 自主神经系统缺位:AI模型没有调节呼吸、心率及内脏活动的生理系统。
- 脑区与腺体差异:下丘脑、海马及松果体等人脑结构没有在现有AI模型中获得直接对应。
- 生理驱动差异:激素、性欲、睡眠、生殖及生存本能等生命机制并非当前AI模型的组成部分。
- 情感与感官差异:梦境、亲子之爱、感官记忆、情感和想象力等人类经验不能仅凭模型输出视为已被复制。
- 黑箱透明化探索:通过要求模型解释步骤等交互方式辅助检查答案,但其输出说明不等于完全揭示内部运算。
- 辛顿过渡阶段论:认为人类智能可能只是通向更高级机器智能的暂时阶段的观点。
- 克拉克“机械进化”预言:阿瑟·克拉克于1964年设想机器进化速度远高于生物进化,并可能改变人类的历史地位。
- 拟像与仿真:鲍德里亚关于符号脱离并取代现实的思想,被用于讨论AI生成内容对真实感的冲击。
- 技术替代的马车夫隐喻:以汽车替代马车职业类比AI引起的就业焦虑,同时指出AI影响范围可能更广。
- 马克·吐温“历史重复论”争议:章节反对直接以既有历史类比解释超大规模机械智能的出现。
- AP英语考试参照:章节以GPT-4在AP英语语言与写作考试中的成绩,讨论模型写作能力与人类表现的差异。
- 《她》的AI伴侣形象:电影中的人机情感互动被用于类比公众对GPT-4o实时语音交互的感受。
历史文化符号、个人细节与叙事隐喻
- “约翰·亨利时刻”:取自人与机器竞赛的美国民间传说,用于比喻机器能力越过人类职业能力的节点。
- 《神经漫游者》与“矩阵”:威廉·吉布森小说中的共享虚拟空间,为沉浸式数字图形想象提供文化参照。
- 《黑客帝国》:其数字世界视觉呈现被用来衡量三维图形发展的远景。
- 《降临》的环形语言:电影以非线性符号呈现完整意义的设定,被用于说明跨距离建立文本联系的灵感。
- “Attention Is All You Need”:Transformer论文标题,后来成为AI领域广为传播的文化标识。
- “打怪兽的芯片造大脑”:诺姆·沙泽尔以游戏GPU转向AI训练的用途变化所作的比喻。
- “替代宇宙”:黄仁勋以AI及并行计算构建全新数字现实的战略隐喻。
- DNA双螺旋隐喻:以神经网络与并行计算相互促进,类比共同形成新型智能系统的遗传基础。
- “GPU与AI融合奇迹”:章节将两条曾被低估的技术路线相遇,视为现代AI发展的关键偶然与长期积累。
- 帕斯卡的齿轮:17世纪机械计算器象征计算工具的早期历史,与现代智能机器形成对照。
- ENIAC:1946年诞生的早期通用电子计算机,被用于展示计算设备的代际变化。
- 《变形记》:奥维德作品关于形态变化的意象,被用于解释AI艺术与技术变革。
- 代达罗斯隐喻:以古希腊神话中的工匠比喻黄仁勋的系统建造能力及技术风险意识。
- 科幻叙事排斥:黄仁勋强调英伟达所做的是严肃工程实践,不愿仅以星际迷航等科幻作品解释。
- “iPhone时刻”:黄仁勋用2007年智能手机转折类比AI可能重塑各行业交互方式的阶段。
- “皮夹克哲学”:黄仁勋标志性黑色皮夹克被视为其工作姿态与公司公共形象的符号。
- BURBERRY黑色T恤:章节记载黄仁勋于2020年购买24件并长期轮换穿着。
- 全黑着装:黄仁勋与建筑师柯浩曾以黑色皮夹克、牛仔裤和鞋子的相似造型作为采访中的调侃。
- 豪车与威士忌收藏:章节列出特斯拉跑车、科尼赛克超跑及威士忌,作为黄仁勋早年生活爱好的细节。
- 豪宅空虚感:子女离家、宠物去世及工作压力被章节用来解释黄仁勋部分家庭情绪与行为。
- 贝尼哈纳厨师技艺:日式铁板烧的抛饭、洋葱火山及接烤虾表演,是章节描写黄仁勋个人生活的细节。
- 乔治·贝利:电影生活多美好中重视社区责任的人物,被普里姆视为人生参照。
- Slack“詹森”表情包:英伟达员工制作的黄仁勋主题表情,用于内部庆祝技术或股价里程碑。
- 火人节文化对照:章节以英伟达员工鲜少提及该节日,衬托公司以工作为中心的氛围。
- 系统效应、冰山效应与相变效应:用于强调技术成功背后存在多层结构、长期反馈与突然跃迁,而非单一原因。
- 二十一世纪新扫盲运动:主张将线性代数、微积分、概率统计、量子力学、认知科学及生命科学纳入AI时代基础素养。
角色档案
英伟达及其员工、董事与顾问
- 黄仁勋(詹森、Jensen):英伟达联合创始人兼长期首席执行官,主导公司从图形芯片厂商转向GPU、CUDA与人工智能计算基础设施。
- 克里斯·马拉科夫斯基(马拉科夫斯基):英伟达联合创始人,长期参与工程和管理工作,曾试图调解黄仁勋与柯蒂斯·普里姆的冲突。
- 柯蒂斯·普里姆(普里姆):英伟达联合创始人及首任首席技术官,主导NV1架构设计,后因技术路线与管理冲突离开公司。
- 戴维·柯克(柯克):英伟达图形技术专家、前首席科学家,参与早期芯片架构、人才招募及CUDA研究团队建设。
- 德怀特·迪克斯(迪克斯):英伟达早期工程师,参与NV1、NV3测试及后续软件工程管理。
- 杰夫·费舍尔:英伟达初创员工,记录NV1原型芯片开箱,后负责公司游戏业务。
- 蒂姆·利特尔:参与NV1相关游戏开发并批评其技术缺陷,后来曾在英伟达工作。
- 杰弗里·迪克斯坦(迪克斯坦):英伟达内部人士,讲述黄仁勋公开批评员工的管理方式。
- 丹·维沃利(维沃利):由硅图公司加入英伟达的营销人员,参与TNT品牌推广及“GPU”称谓的传播。
- 莎伦·克莱:英伟达质量管控工程师,负责GeForce FX后续产品的大量测试。
- 本·加利克(加利克):由3dfx加入英伟达的程序员及基层经理,参与处理公司技术债务问题。
- 卡伦·华乌尔姆:由3dfx加入英伟达的员工,曾比较两家公司的工作文化。
- 汤米·李:黄仁勋在LSI Logic的首任老板,后受邀加入英伟达。
- 克里斯蒂娜·霍伯格:英伟达前首席财务官,因未记录开支问题受到美国证券交易委员会指控并离职。
- 约翰·尼科尔斯:英伟达并行计算工程师及CUDA早期核心开发者,患病期间仍持续工作,2011年去世。
- 伊恩·巴克(巴克):参与Brook与CUDA早期架构开发的工程师,重点负责底层机器代码和数值技术。
- 阿尔琼·普拉布:英伟达硬件工程负责人,参与CUDA芯片设计及并行计算产品规划。
- 布雷特·库恩:CUDA项目早期工程师,曾解释面向科学计算的研发成本如何由游戏显卡业务分担。
- 巴斯·阿尔斯(Bas Arts、阿尔斯):英伟达编译器工程师,参与CUDA及面向Transformer等模型的编译器开发,曾离职后重返公司。
- 萨默·哈勒佩特:英伟达硬件工程师,曾讲述黄仁勋的管理方式及自己学习电路焊接的经历。
- 德布·舒奎斯特:英伟达运营及全球供应链负责人,推动缩短产品生产周期并协调半导体供应。
- 布莱恩·卡坦扎罗:英伟达人工智能研究员及深度学习部门负责人,推动cuDNN和神经图形技术开发,曾短暂离职后回归。
- 菲利普·范德梅尔施:由CUDA矩阵乘法库项目转入cuDNN团队的程序员,承担重要编程工作。
- 格雷格·埃斯特斯:英伟达副总裁,见证黄仁勋在2013年推动公司转向人工智能的决策。
- 马克·汉密尔顿:英伟达资深超级计算机工程师,参与Eos超算系统的建设与运维。
- 阿维纳坦·奥尔:英伟达工程师,在2023年10月7日哈马斯袭击以色列期间被劫持。
- 柯莱特·克雷斯(科利特·克雷斯、科莱特·克雷斯):英伟达首席财务官,负责公布公司财务业绩。
- 蒂姆·泰特:英伟达总法律顾问。
- 杰伊·普里:英伟达销售主管,2005年加入公司。
- 戴维·香农:英伟达前总法律顾问,公司总部的一间酒吧以其姓氏命名。
- 鲍勃·谢宾:英伟达团队成员,曾协调并推动本书项目。
- 一位前员工(未具名):曾在多名高管面前遭黄仁勋质问薪酬并要求退还工资。
- 25岁中国籍女性员工(未具名):刚获计算机科学硕士学位的英伟达新员工,向作者表达对工作环境的认同。
- 产品演示专家(未具名):在英伟达行政套房向作者展示光线追踪场景和数字化身。
- 质量控制技术员(未具名群体):在英伟达实验室测试微芯片性能的年轻员工群体。
- 坦奇·考克斯:英伟达早期投资方代表及长期董事,参与公司治理并就黄仁勋的领导与战略发表意见。
- 马克·史蒂文斯(Mark Stevens):红杉资本派驻英伟达的早期董事,长期担任公司董事会成员。
- 吉姆·盖瑟:协助英伟达注册及早期股权安排的律师,后加入公司董事会。
- 哈维·琼斯:英伟达长期董事会成员。
- 布鲁克·西韦尔:英伟达董事及审计委员会主席。
- 唐·赫德森:曾任市场营销高管,2013年Starboard Value施压后加入英伟达董事会。
黄仁勋家庭与私人关系
- 黄兴泰:黄仁勋的父亲、化学工程师,曾赴美国接受培训并推动全家迁居美国。
- 罗采秀(罗蔡秀喜):黄仁勋的母亲,曾任小学教师,并在子女移居美国前辅导他们学习英语。
- 杰夫·黄(杰夫、Jen-Chieh Huang):黄仁勋的哥哥,少年时期与黄仁勋一同赴美国求学。
- 吉姆·黄(吉姆、吉米·黄、Jen-Che Huang):黄仁勋的弟弟,后来取得电气工程学位并长期在英特尔工作。
- 洛丽·米尔斯(洛丽):黄仁勋的妻子,曾在硅图公司工作,后承担家庭育儿事务。
- 黄胜斌:黄仁勋的儿子,曾经营鸡尾酒吧,后加入英伟达机器人研究团队。
- 黄敏珊:黄仁勋的女儿,曾从事餐饮及奢侈品相关工作,后加入英伟达市场部门。
- 洛丽的父亲(未具名):黄仁勋的岳父,与黄仁勋关系亲近。
- “寿司”:黄仁勋一家收养的狗,在家中新生儿到来时表现出强烈好奇。
- 詹斯·霍斯特曼(霍斯特曼):黄仁勋在LSI Logic时期的同事及多年好友,多次向作者讲述其工作与家庭生活。
英伟达早期投资、合作与竞争企业
- 威尔弗雷德·科里根(科里根):LSI Logic创始人,曾提拔黄仁勋,并为英伟达获得早期投资提供背书。
- 唐·瓦伦丁:红杉资本创始人,参加英伟达早期融资推介并最终决定投资。
- 张忠谋:台积电创始人及前首席执行官,长期与黄仁勋合作并保持私人交往。
- 苏姿丰:AMD首席执行官、黄仁勋远房亲属,带领AMD成为英伟达的重要竞争对手。
- 福雷斯特·诺罗德:AMD高级执行官,曾评价苏姿丰与黄仁勋的冒险精神和坚定信念。
- 何国源:ATI联合创始人兼首席执行官,带领公司在显卡市场与英伟达竞争。
- 亚历克斯·勒普:3dfx首席执行官,在公司陷入财务困境后同意向英伟达出售资产。
- 帕特·基尔辛格:英特尔首席执行官,曾参与i740、Larrabee及Arc等图形芯片项目。
- 埃亚尔·沃尔德曼(Eyal Waldman):Mellanox创始人及前首席执行官,推动InfiniBand网络技术发展,其公司后被英伟达收购。
- 安德鲁·费尔德曼(Andrew Feldman):Cerebras首席执行官,曾批评英伟达对客户的商业做法。
- 约翰·卡马克:id Software首席程序员及毁灭战士雷神之锤核心开发者,曾为英伟达显卡技术提供验证与支持。
- 特伦特·雷兹诺:雷神之锤游戏音效制作人。
- 宫本茂:任天堂游戏设计师,参与形成Switch的产品理念。
- 乔纳森·温德尔:以“fatal1ty”为名的职业雷神之锤III选手,曾代言英伟达显卡。
- 约翰·霍普森:曾在光环游戏工作室任研究员,提出关于游戏吸引玩家反复游玩的理论。
- 乔恩·佩迪(佩迪):计算机图形领域评论者,曾就英伟达的市场、技术和竞争处境发表评论。
- 汉斯·莫斯曼:半导体行业分析师,曾评论黄仁勋与苏姿丰的竞争关系及客户采购英伟达产品的倾向。
- 杰夫·史密斯(Jeff Smith):Starboard Value负责人,曾向英伟达及Mellanox施加股东压力。
- 富达基金代表(未具名):英伟达大股东的代表,曾在会谈中严厉质询英伟达团队。
- 艾略特管理公司基金经理(未具名):向投资者提出人工智能可能存在泡沫风险的警告。
人工智能研究机构与科技公司
- 杰弗里·辛顿:神经网络与深度学习先驱、多伦多大学教授,参与反向传播研究及AlexNet项目,后公开警示人工智能风险。
- 亚历克斯·克里泽夫斯基:辛顿的学生及AlexNet核心开发者,以英伟达GPU训练图像识别神经网络。
- 伊利亚·苏茨克弗(苏茨克弗):AlexNet合作者及OpenAI联合创始人,参与大模型研发并关注人工智能对齐问题。
- 阿卜杜勒拉赫曼·穆罕默德:多伦多大学研究生,参与辛顿团队早期语音识别神经网络研究。
- 乔治·达尔:多伦多大学研究生,参与使用英伟达硬件训练语音识别模型。
- 李飞飞:计算机视觉研究者及ImageNet项目发起人,推动大规模图像数据集和视觉人工智能研究。
- 吴恩达:人工智能研究者,曾开展大规模神经网络研究,并与布莱恩·卡坦扎罗在百度合作。
- 沃伊切赫·扎伦巴:曾在谷歌研究神经网络的研究员,后成为OpenAI联合创始人。
- 德米斯·哈萨比斯:DeepMind联合创始人,领导AlphaGo、AlphaFold等人工智能项目。
- 穆斯塔法·苏莱曼:DeepMind联合创始人。
- 谢恩·莱格:DeepMind联合创始人。
- 安德烈·卡帕西:OpenAI联合创始人,曾展示图像与语言结合的神经网络研究。
- 格雷格·布罗克曼:OpenAI联合创始人及首任首席技术官。
- 山姆·奥尔特曼(萨姆·奥尔特曼、奥尔特曼、奥特曼):OpenAI领导者,推动GPT系列模型研发、融资及商业化。
- 埃隆·马斯克(马斯克):特斯拉及xAI负责人、OpenAI联合创始人,既采购AI算力,也持续参与人工智能风险讨论。
- 里德·霍夫曼:LinkedIn联合创始人及OpenAI早期捐赠者。
- 约书亚·本吉奥:深度学习研究者,主张加强对前沿人工智能模型的安全监管。
- 杨立昆:神经网络研究者及Meta首席人工智能科学家,反对人工智能必然导致人类灭绝的观点。
- 马克·扎克伯格(扎克伯格):Meta首席执行官,推动公司投资大模型及人工智能计算基础设施。
- 桑达尔·皮查伊:谷歌首席执行官,领导谷歌的人工智能战略。
- 萨提亚·纳德拉(纳德拉):微软首席执行官,推动微软云计算业务与OpenAI合作。
- 拉里·埃里森:甲骨文联合创始人,曾投资并行计算企业,并向黄仁勋寻求更多AI芯片供应。
Transformer研究团队
- 雅各布·乌斯科雷特:谷歌研究员、Transformer论文作者之一,推动自注意力机制的设计。
- 伊利亚·波洛舒金:谷歌研究员、Transformer论文作者之一,参与提出跨位置处理文本信息的方案。
- 阿希什·瓦斯瓦尼:谷歌研究员、Transformer论文作者之一,参与早期机器翻译模型研发。
- 诺姆·沙泽尔:Transformer团队成员,参与模型工程实现,后创办Character.AI。
- 利昂·琼斯:Transformer论文作者之一,参与可视化与搜索方法开发,并提出论文标题。
- 卢卡斯·凯泽:Transformer团队成员,参与相关模型与文本生成实验。
- 艾丹·戈麦斯:Transformer团队成员,曾阐述模型语言能力的涌现现象。
- 汉斯:雅各布·乌斯科雷特的父亲、计算语言学研究者,曾对自注意力构想表示怀疑。
并行计算、神经网络与其他学术研究者
- 戈登·摩尔:英特尔联合创始人、摩尔定律提出者,其预测成为半导体行业发展的重要参照。
- 大卫·豪斯:英特尔高管,曾对芯片性能增长速度提出广为传播的表述。
- 安迪·格鲁夫:英特尔前首席执行官,只有偏执狂才能生存作者,其管理思想影响黄仁勋。
- 西摩·克雷:超级计算机先驱及克雷公司创始人,在书中被用作并行计算发展史的参照。
- 克莱顿·克里斯坦森:哈佛商学院教授、创新者的窘境作者,曾为英伟达提供咨询。
- 比尔·戴利(戴利):曾任斯坦福大学计算机科学系主任,后任英伟达首席科学家,推动并行计算及人工智能硬件研究。
- 胡文美:计算机科学家,与戴维·柯克合著大规模并行处理器编程教材。
- 尼古拉斯·平托:计算机视觉研究者,曾在英伟达GTC大会展示使用CUDA进行视频人物识别的成果。
- 邱定伟:物理学研究者,曾使用英伟达显卡进行科学计算;章节材料另将其记为英伟达早期员工。
- 吉姆·普卢默:斯坦福大学工程学院前院长及英特尔董事,曾对比尔·戴利加盟英伟达表示惊讶。
- 基普·索恩:物理学家及引力波研究者,其相关研究使用GPU计算资源。
- 叶夫根·切博塔尔:机器人研究者,利用强化学习训练机械臂完成击球任务。
- 真锅淑郎:气候物理学家,因气候变化相关研究获得诺贝尔物理学奖。
- 马文·明斯基:人工智能研究先驱,曾研究早期神经网络的能力局限。
- 保罗·韦尔博斯:计算机科学家,独立提出将反向传播用于相关计算问题的方法。
- 大卫·鲁梅尔哈特:与杰弗里·辛顿、罗纳德·威廉姆斯合作发表反向传播研究的科学家。
- 罗纳德·威廉姆斯:反向传播算法重要论文的合著者。
- 塞波·林纳因马:芬兰数学家,早期提出与反向传播有关的算法方法。
游戏人工智能与棋类研究者
- 纳克·巴拉德:职业西洋双陆棋选手,参加1997年与“水母”程序相关的挑战赛。
- 迈克·森基维茨:职业西洋双陆棋选手,与纳克·巴拉德共同参加人机挑战。
- 马尔科姆·戴维斯:西洋双陆棋大师,在1997年挑战赛中担任机器方操作者。
- 弗雷德里克·达尔:开发商业化西洋双陆棋神经网络程序“水母”的研究者,后来研究扑克人工智能。
- 杰拉尔德·特索罗:IBM研究员、TD-Gammon开发者,推动强化学习在西洋双陆棋中的应用。
- 基特·伍尔西:西洋双陆棋教练及理论家,曾评价TD-Gammon并借助程序分析撰写棋书。
- 加里·卡斯帕罗夫:国际象棋世界冠军,1997年败给IBM计算机“深蓝”。
童年、教育与体育关系
- 本·贝斯:黄仁勋在奥奈达求学时的同学和朋友,成年后任养老院管理员。
- 詹姆斯·安德森·伯恩斯:奥奈达浸信会学院创办者,最初希望通过办学化解当地家族纷争。
- 卢·博钦斯基:乒乓球俱乐部经营者及黄仁勋少年时期的教练。
- 朱迪·博钦斯基:卢·博钦斯基的女儿,曾获邀参加“乒乓外交”相关访华活动。
- 乔·罗曼诺斯基:黄仁勋的乒乓球伙伴及卢·博钦斯基的朋友,曾评价黄仁勋学习乒乓球的速度。
- 迪安·范海登:黄仁勋的高中好友,其家庭的大学经历影响黄仁勋择校。
- 泰格·伍兹:职业高尔夫球手,被电竞选手乔纳森·温德尔视为持续获胜的榜样。
- 迈克尔·乔丹:职业篮球运动员,被乔纳森·温德尔用来类比自己的商业合作关系。
- 韦恩·格雷茨基:职业冰球运动员,其关于预判冰球落点的名言被黄仁勋援引。
思想、文学、艺术与文化人物
- 马库斯·奥勒留:古罗马皇帝及斯多葛哲学家,其文字被用于本书献词。
- 帕斯卡尔:法国数学家、物理学家及哲学家,其对机械计算器的思考被引入AI讨论。
- 尼克·波斯特洛姆:哲学家,以“曲别针最大化”思想实验及超级智能研究闻名。
- 保罗·科埃略:巴西作家、牧羊少年奇幻之旅作者,是黄仁勋提及的喜爱小说家。
- 威廉·吉布森:科幻作家、神经漫游者作者,其关于电子游戏沉浸感的观察被书中引述。
- 安·兰德:小说家及思想家,其作品作为硅谷流行读物被提及。
- 艾萨克·阿西莫夫:科幻作家,其作品作为硅谷流行读物被提及。
- 道格拉斯·亚当斯:科幻作家、银河系漫游指南作者,其作品作为硅谷流行读物被提及。
- 阿瑟·克拉克:科幻作家,其关于机械进化的文字成为作者采访黄仁勋时的话题。
- 京特·安德斯:哲学家、过时的人作者,其技术批判思想被作者引述。
- 马克斯·霍克海默:法兰克福学派思想家、启蒙的辩证合著者。
- 西奥多·阿多诺:法兰克福学派思想家、启蒙的辩证合著者。
- 让·鲍德里亚:法国哲学家,其拟像理论被用于讨论AI生成内容。
- 丹尼尔·卡尼曼:心理学家,以双过程认知理论及思考,快与慢闻名。
- 尤瓦尔·赫拉利:历史学家,其对技术和人类社会关系的论述被书中引用。
- 李光耀:新加坡前总理,其关于多元文化与空调技术的观点被提及。
- 玄珍(Jane Hyun):管理顾问,提出职场中的“竹子天花板”概念。
- 史蒂夫·乔布斯:苹果公司联合创始人,其领导风格、着装及与约翰·斯卡利的冲突被用作参照。
- 约翰·斯卡利:苹果公司前首席执行官,其与乔布斯的冲突被用作企业管理案例。
- 亚当·萨维奇:流言终结者主持人,曾在英伟达GTC大会演示串行与并行计算的区别。
- 杰米·海尼曼:流言终结者主持人,与亚当·萨维奇共同完成GTC大会演示。
- 杰里·奥巴赫:演员,其电视剧影像被用于计算机视觉识别测试。
- 詹姆斯·厄尔·琼斯:演员,曾授权使用自己的声音制作达斯·维达的合成语音。
- 雷菲克·阿纳多尔:多媒体艺术家,曾为英伟达GTC大会制作人工智能驱动的视觉装置。
- 布莱恩·威尔逊:音乐人,在书中作为本田摩托车目标用户案例被提及。
- 塞缪尔·布兰南:美国淘金热时期的设备供应商,被黄仁勋用来类比AI时代的基础设施供应者。
- 约翰·亨利:美国民间传说中的铁路工人,其与机器竞赛的故事被用于讨论技术替代。
- 乔治·布尔:数学家及逻辑学家、布尔代数创立者,也是杰弗里·辛顿的祖先。
- 罗伯特·奥本海默:物理学家,在记者提问中被用作黄仁勋面对技术伦理责任的类比。
- 保罗·格雷厄姆:创业投资人及Y Combinator创始人,提出“创始人模式”与“经理人模式”的区分。
政策、建筑及其他外部人士
- 柯浩:Gensler建筑师,负责英伟达总部建筑设计,并与黄仁勋讨论建筑构想。
- 莉娜·卡恩:美国联邦贸易委员会主席,关注英伟达市场地位可能带来的竞争问题。
- 加文·纽森:加利福尼亚州州长,2024年否决人工智能安全法案SB 1047。
- 约翰·亨利以外的未具名政策相关人员:章节材料未提供可单独建档的姓名或事迹。
- OpenAI“草莓计划”研究人员(未具名群体):据书中叙述,参与代号“草莓计划”的人工智能研究。
作者、出版与事实核查团队
- 斯蒂芬·威特(作者、叙述者):本书英文原著作者及纽约客记者,多次采访黄仁勋和相关人士。
- 威林·戴维森:纽约客编辑,曾委托作者撰写成为本书基础的英伟达专栏。
- 艾利森·洛伦岑:维京出版公司编辑,参与本书收购、编辑与出版。
- 斯图尔特·威廉姆斯:博德利·黑德出版公司编辑,参与本书出版工作。
- 肖恩·莱弗里:本书手稿事实核查人员。
- Yinuo Shi:本书手稿事实核查人员。
- 安娜·科尔敦斯基:本书手稿事实核查人员。
- 克里斯·帕里斯-兰姆:作者经纪人,长期支持其写作事业。
- 麦根·麦克内里:作者伴侣,在写作期间提供支持。
- 杰伊·布齐克:作者朋友,曾与作者深入交流英伟达相关话题。
- 马库斯·莫雷蒂:作者朋友,曾与作者深入交流英伟达相关话题。
- 伦纳德·麦克法兰:作者父亲。
- 戴安娜·麦克法兰:作者母亲。
- 艾米莉·麦克法兰:作者妹妹。
- 简·麦克法兰:作者女儿,本书题献对象。
- 周健工:本书中文版译者,撰写附录中的黄仁勋人物关系材料。
- 比尔·惠特克:60分钟主持人,曾采访黄仁勋。
其他被提及的人物与虚构角色
- 亚力克·尼科尔斯:约翰·尼科尔斯的儿子,曾回忆父亲的工作与家庭生活。
- 洛丽·米尔斯父亲的相貌参照者吉米·斯图尔特:演员,在书中被用于形容洛丽父亲的外貌。
- 乔治·贝利:电影生活多美好的虚构主角,被柯蒂斯·普里姆视为人生榜样。
- 达斯·维达:星球大战虚构反派,曾被3dfx员工用作黄仁勋的绰号。
- 萨默·哈勒佩特的父亲(未具名):在萨默年幼时教她焊接电路。
- 萨默·哈勒佩特的女儿(未具名):萨默曾尝试向其传授电路焊接技能。
- 埃亚尔·沃尔德曼的小女儿(未具名):在2023年10月7日哈马斯袭击以色列期间遇害。
- 约翰·尼科尔斯之外的英伟达员工子女(未具名群体):章节材料提及杰夫·费舍尔的子女也曾在英伟达任职。