英偉達通用計算關鍵發展方向

回顧英偉達的發展史，英偉達CEO黃仁勛向來頗具“遠見”，在30年前創立之初就能預見計算機發展帶來的巨大圖形計算需求。

為了讓“通用計算”這一構想成為現實，英偉達“堅持”了十多年，各種創新協作壓根沒有停過。

在圖形市場發展如日中天的情況下，在2004年前后再次預見了通用計算的廣闊應用前景。

在這之前GPU僅僅只處理圖形需求，英偉達官方為此專門開發了底層的調用機制和各種軟件庫，讓開發者可以把GPU中大量的計算能力利用起來。

“專用”轉向“通用”的關鍵決策，不僅改變了英偉達之后的發展軌跡，還讓整個行業協作孵化出了人工智能這一關鍵發展方向。

英偉達架構的時間歷程

2006年，從過往專用的GPU（圖形處理器）全面轉向GPGPU（通用計算圖形處理器）；

2007年，GPGPU被正式命名為CUDA（統一計算架構），開發者只需要用簡單編程語言就可以調用GPU計算；

l2008－2013年，推動與全球范圍科研機構院校合作，在眾多場景中應用GPU算力；

2014年，機器學習、計算機視覺首次出現在英偉達GTC上；

2015年，重點發布了自己在自動駕駛方向的產品NVIDIA DRIVE和技術布局；

2016年，再度更新GPU架構，升級人工智能方向上的加速計算和自動駕駛產品，開始以官方身份大規模開發軟件生態；

2017年，再度更新GPU架構，祭出英偉達自己為AI打造的系統解決方案DGX和GPU云計算方案；

2018年，升級各個業務線的所有產品，深化AI領域的軟件生態建設；

2019年，收購全球高性能網絡技術公司Mellanox，發布光線追蹤技術，全面搭建以英偉達CUDA技術為核心的云端生態系統，全面提升數據中心業務的產品表現和靈活性；

2020年，更新GPU架構，發布首款數據中心專用的DPU處理器，更新升級了包括顯卡、自動駕駛、數據中心在內的所有業務芯片，同時第一次發布AI數據中心整體解決方案；

2021年，發布首款基于ARM架構的CPU產品Grace，首次組成“CPU＋GPU＋DPU”的超級組合。

2022年，更新GPU架構，再次全面更新所有產品線中的芯片。

通用計算全棧矩陣

這個矩陣理解為英偉達多年以來創新的積累，在這個巨大的多層平臺上，是氣象、醫療、語音、工業設計、專業圖形處理、機器人、視頻分析處理等典型人工智能賽道中的多種軟件產品和解決方案，背后還有著上千萬的開發者和全球近萬家使用英偉達技術的創業公司。

截止目前，英偉達已經擁有一個產品眾多，結構復雜，橫跨不同行業、應用場景和解決方案的通用計算全棧矩陣。大致可以分為四層：

1． 底層硬件：芯片、服務器、網絡互聯硬件；

2． 底層軟件：驅動軟件、計算基礎組件；

3． 框架軟件：計算通用工具、算法庫；

4． 實際應用：模型算法、領域應用、場景應用。

硬件從邊緣領域的SoC，到傳統的游戲顯卡和加速卡，再到無限拓展的云端解決方案，甚至是目前地球單機并行運算能力最強的超級計算機中，都有英偉達統一微架構的GPU處理器。

不同物理尺寸、不同芯片數量、不同算力等級的硬件可以相互組合協作，組成各式各樣的解決方案對應不同行業和應用場景。

結尾：持續創新是最好的策略

強大的全棧硬件能力，讓英偉達輸出的產品從過去的GPU、顯卡一下子躍進為全球頂級的超級計算機制造商。

基于“通用計算全棧矩陣”這個發展核心，英偉達仍在持續推動新“創新”，以換取更多發展中的遠見。

例如對于人工智能機器人，英偉達就專門打造了ISAAC（自動化移動機器人）平臺，不同行業、不同機器人外形、不同需求的用戶都能通過這個平臺讓自己的機器人變得更加智能和高效。

英偉達自己牽頭，在英偉達自己的數字孿生世界Omniverse中構建了一個地球的數字孿生兄弟。

英偉達還專門預留了收集更多“百萬倍計算挑戰”的入口，包括用人工智能將藥物研發加速720倍，監控預測南極洲陸地環境變化，推演新冠病毒變異機理和趨勢，萬億原子量子精確分子動力學模擬在內的項目已經加入。

這些頗具未來屬性、影響注定深遠的新項目，很多或許不會成功，也不能給帶來更多潛在的收入。