英伟达刚官宣黄仁勋辞去了CEO的职务,震惊全球科技界。今天正好借着这个机会想聊聊老黄的逆袭狂飙人生。
其实很多人对黄仁勋的印象,停留在发布会舞台上一身黑衣,总是面带微笑从容地讲着算力与 AI。
从1993年创立英伟达到今天,他把职业生涯中最重要的33年,都留给了这家市值万亿美元公司。
他见证了个人电脑时代、互联网时代、游戏产业的崛起,也亲手推动了GPU从游戏显卡走向科学计算,再到颠覆全球的AI。
但把时间拉回到几十年前,黄仁勋的起点并不显赫,甚至有点落魄。
动荡的童年
黄仁勋5 岁跟着家人搬到泰国生活。9岁时,父母决定把他和哥哥送到美国,兄弟二人先落脚华盛顿州的塔科马,投奔远方亲戚。
初到美国的黄仁勋语言不熟悉,生活环境陌生,连学校的教育体系都需要重新适应。
后来,他和哥哥被送到了肯塔基州的Oneida Baptist Institute寄宿学校。这所学校与他原本想象中的普通学校差距很大。
这是一所带有宗教背景的寄宿教育机构,学生来自不同家庭,校园环境也相当复杂。
据《纽约客》2023年对黄仁勋的深度采访,他曾回忆,自己刚进入学校时,身边的同学经常抽烟、打架,而他的室友比他大很多岁。
黄仁勋当时身材瘦小,英语带有明显口音,也因此成为一些同学欺负的对象。
他每天上学的路上需要经过一座破旧的木桥,桥上的木板已经残缺不全,附近的孩子会摇晃桥边的绳索,让他失去平衡掉下去。
这段经历后来成为他性格形成的重要部分。黄仁勋没有把这段童年描述成什么励志传奇。
他在采访中提到,那时候没有太多可以求助的人,很多事情只能自己扛过去,人生就是不停地过独木桥。
几年后,黄仁勋的父母终于成功移民美国,和哥哥在俄勒冈州团聚。生活逐渐稳定下来,他也开始展现出自己的学习能力。
在俄勒冈州的Aloha高中,他的数学、计算机和科学成绩都很突出,还参加了乒乓球训练,成为全国排名靠前的青少年乒乓球选手。甚至跳过了两个年级,16岁便高中毕业。
在此期间为了帮助家庭,15岁的黄仁勋便在Denny's餐厅刷盘子补贴家用。而这个餐厅也成为黄仁勋事业的重要起点。
2023年黄仁勋再次回到梦开始的地方时感慨道:“Denny's教会了我很多东西。”
先做工程师积累技术
大学时期黄仁勋选了一个当时看起来非常普通、但后来改变了自己人生的专业电子工程。
八十年代个人电脑产业开始逐渐兴起,半导体和微处理器成为美国科技产业的重要发展方向。
黄仁勋进入俄勒冈州立大学,学习电子工程。1984年,他获得电子工程学士学位。这一步看起来并不惊人,却为他后来进入半导体产业打下了基础。
值得一提的是,他在大学期间认识了后来成为自己妻子的Lori Mills。两人一起学习、完成作业,后来结婚。
大学毕业后,黄仁勋进入AMD工作。AMD当时已经是美国重要的半导体公司之一,主要参与微处理器及相关芯片设计。
在那里,他接触到了微处理器设计的实际工作。不久之后,他转入LSI Logic。这次职业转换,对他而言非常重要。
LSI Logic是一家专注于半导体设计和相关技术的企业。黄仁勋在那里从事芯片设计工作,后来担任Coreware部门负责人。
他不仅接触到了芯片研发,还开始理解一家半导体企业如何把技术变成产品、如何与客户合作,以及如何在竞争激烈的市场中建立商业模式。这段经历让他逐渐从一个技术工程师,转变为具有产品和商业视角的管理者。
1992年,他获得斯坦福大学电子工程硕士学位。此时的黄仁勋已经30岁。他有稳定的工作,有家庭,也有机会继续在成熟的半导体企业里发展。
按照当时的职业发展路径,他完全可以继续在行业里晋升,成为一家芯片公司的高级管理人员。但一个机会改变了他的选择。
当时,他在LSI Logic工作期间,认识了两位来自Sun Microsystems的工程师:Chris Malachowsky和Curtis Priem。两人都有丰富的图形芯片设计经验。
他们看到了个人电脑和电子游戏产业的增长机会,也希望离开原来的公司,尝试创建一家自己的芯片企业。
于是找到了黄仁勋,希望他一起研究创业计划。黄仁勋后来在斯坦福商学院的一次访谈中回忆,两位朋友希望他来研究:如果要创办一家公司,究竟应该做什么。
三个人开始讨论创业。这个过程并没有发生在什么豪华办公室,也没有发生在投资银行的会议室。
就是在黄仁勋经常刷盘子的那家餐厅Denny's。这家餐厅后来也成为英伟达创业故事中最著名的地点之一。
当时,他们想做的是一种能够改善个人电脑三维图形显示效果的芯片。随着Windows和个人电脑产业的发展,电子游戏逐渐从简单的二维画面走向更复杂的三维场景。
游戏厂商希望电脑能够呈现更加真实的画面,而传统计算架构在处理大量图形运算时存在局限。
三个人判断,未来的个人电脑需要专门的图形处理能力。1993年4月5日,英伟达正式成立。
黄仁勋30岁,成为公司的CEO。另外两位联合创始人则分别负责技术和工程相关工作。一家后来改变全球计算产业格局的公司,就这样从一家餐厅中诞生了。
英伟达创业初期,差点直接倒闭
英伟达的成功,并不是从创立之初就注定的。恰恰相反,公司早期经历过一次非常危险的技术路线错误。
创业初期,英伟达将目标放在个人电脑三维图形芯片市场。当时,行业竞争已经非常激烈。公司需要找到自己的差异化优势,才能从其他芯片厂商手中争取市场。
在技术方案上,英伟达最初选择了一种与主流竞争对手不同的图形处理方式。采用四边形作为图形处理的基本图元,而竞争对手普遍使用三角形。这个决定后来被证明是一个重大错误。
微软随后宣布,其图形软件将支持三角形方案,而英伟达此前投入大量资源开发的技术路线因此陷入困境。
对一家刚刚成立不久的创业公司来说,这几乎是致命打击。产品路线错了,市场不接受,资金也越来越紧张。
黄仁勋面临的不是如何提高利润率,而是公司还能不能活下去。1996年,英伟达进行了大规模裁员。公司原本约有100名员工,黄仁勋不得不裁掉一半以上的人。
更困难的是,即使完成裁员,公司依然没有多少试错空间。黄仁勋决定改变技术路线,转向行业更成熟的三角形图形处理方案。但这次转型需要投入资金生产新芯片,而当时的新产品还没有经过充分验证。
黄仁勋后来在《纽约客》的采访中回忆,当时成功和失败的概率大约各占一半。但如果什么都不做,公司同样会倒闭。最终,决定赌一次,这款产品就是RIVA 128。结果出乎预料。
RIVA 128上市后,英伟达在短短四个月内卖出了100万颗。对于一家刚刚经历严重经营危机的公司来说,无疑是一次死里逃生的关键性转折。
黄仁勋后来还把这种危机意识带入公司的管理文化。他不希望员工因为一时的成功,就认为企业已经建立起了牢不可破的竞争优势。
在半导体行业,技术迭代非常快。今天领先,不代表明天领先。一家公司的产品可能刚刚取得市场成功,下一代技术就可能让它失去竞争力。
对于英伟达来说,创业初期最大的教训不是如何把产品卖出去,而是如何承认错误、及时改变方向。这也成为黄仁勋后来职业生涯中反复出现的一个主题。
重新定义GPU,打开一条全新赛道
九十年代后期,个人电脑市场迎来井喷式发展。电子游戏越来越复杂,电脑用户对图形性能的要求不断提高。英伟达也逐渐在这个市场中找到了自己的位置。
1999年,英伟达推出GeForce 256,并将GPU,也就是图形处理器,作为一个独立的产品类别进行推广。这是英伟达发展史上极为关键的一步。
在传统计算机架构中,CPU承担着通用计算任务。但随着三维图形、电子游戏和复杂视觉效果的发展,单靠CPU处理所有图形任务,效率越来越难以满足需求。
GPU则采用了不同的计算思路。能够将大量相似的计算任务拆分,同时交给许多计算单元处理。
如果把CPU比作一个人依次完成一批工作,那么GPU更像一支能够同时执行大量相似任务的队伍。这种并行计算能力,使GPU在图形处理领域拥有明显优势。
最初,GPU主要服务于电子游戏玩家。玩家购买显卡,是为了获得更清晰的画面、更流畅的游戏体验,以及更复杂的三维场景。
但黄仁勋看到的,并不只是游戏市场。他逐渐意识到,GPU背后的并行计算能力,可能有更广阔的应用空间。
2000年英伟达上市后继续扩大研发投入,黄仁勋又开辟了一条全新的赛道CUDA。这个后来成为英伟达转型的重要起点,也为今天的AI奠定基础。
一场豪赌,把GPU变成通用计算底座
2006年,英伟达推出CUDA架构。对于今天熟悉AI的人来说,CUDA并不陌生。但在当时,远没有现在这样的知名度。
CUDA的核心意义,是让开发者能够使用英伟达GPU进行更加广泛的并行计算,而不只是把GPU当作图形处理设备。
换句话说,英伟达开始尝试把GPU的计算能力开放给科学研究、工程模拟和其他专业领域。
这件事听起来并不复杂,但在商业上却非常冒险。因为当时GPU最明确的市场仍然是游戏。
游戏显卡有明确的消费者,有相对成熟的产品周期,也有稳定的商业需求。科学计算则完全不同。研究机构、大学实验室和专业用户的规模远小于游戏市场,开发工具也需要长期建设。
为了让GPU真正进入科学计算领域,英伟达不仅要改进硬件,还要投入大量资源开发软件生态。
这意味着公司需要同时承担硬件研发、软件开发和市场教育的成本。短期内,这些投入未必能够带来足够的收入。
但黄仁勋选择了继续投入。CUDA的推出,实际上改变了英伟达的商业模式。
过去,英伟达主要向消费者和电脑厂商销售显卡。而CUDA逐渐让开发者、大学、科研机构和企业成为英伟达生态的一部分。
开发者开始基于英伟达GPU编写程序,科研人员开始使用GPU完成复杂计算,软件工具和开发经验不断积累。随着使用者越来越多,英伟达的硬件也获得了更广泛的应用场景。
这种变化有一个重要结果:客户购买英伟达产品,不再只是因为某一代显卡性能更强,而是因为他们已经在英伟达的平台上建立了大量软件、代码和工作流程。这就形成了非常重要的技术生态壁垒。
不过,这个战略在早期并没有获得所有投资者的认可。CUDA在2006年推出时,市场对英伟达大规模投入超级计算和科学计算并不看好。
到2008年底,英伟达股价曾下跌了约70%。但黄仁勋不在乎这些,他依然坚定看好CUDA未来的发展前景。
2012年重要事件,让英伟达看到未来
2012年,AI领域发生了一件影响深远的事情。
在ImageNet图像识别竞赛中,一套名为AlexNet的深度神经网络取得了突破性成绩。
利用GPU加速深度学习训练,在图像识别任务中显著降低了错误率。
这件事的重要性,不仅在于某个模型赢得了一场比赛。让整个计算机科学界重新认识到,GPU可能成为AI发展的重要基础设施。
传统计算机主要依赖CPU执行通用计算任务,但深度学习需要大量矩阵运算和并行计算。
GPU恰好具备这样的优势。更重要的是,英伟达此前已经投入多年建设CUDA软件生态。
研究人员不仅能够购买GPU,还能够利用CUDA开发和训练深度学习模型。也就是说,英伟达此前在游戏之外建立的计算平台,突然找到了一个极具增长潜力的新市场。
黄仁勋迅速意识到这一点。2013年前后,英伟达开始进一步将AI确立为重要发展方向。公司投入资源开发面向深度学习的GPU和计算平台。
当时,AI并不像今天这样受到资本市场追捧。它仍然处在相对专业的科研领域,商业应用也没有完全成熟。
但黄仁勋没有把它当成一个短期热点。他开始把英伟达的未来,与AI计算能力绑定在一起。
2016年,英伟达又推出DGX-1深度学习超级计算机,将GPU、系统和软件整合为面向AI研发的计算平台。
黄仁勋的目标不再只是卖出一颗芯片,而是向客户提供完整的AI计算基础设施。
ChatGPT帮助英伟达开启狂飙模式
2022年底, ChatGPT的横空出世让AI赛道全面爆发,微软、谷歌、亚马逊等大量科技公司争先恐后扩建算力集群,而黄仁勋多年前预判的CUDA终于得到丰厚回报。
英伟达牢牢占据全球 AI 算力基础设施的核心位置,搭建起了硬件、软件和开发者组成的综合算力平台。
尤其是在大语言模型出现之后,这种模式的重要性进一步提高。训练一个高性能的AI模型,需要大量GPU协同工作。
这些GPU之间必须保持高速通信,数据中心需要提供电力、散热、网络和软件支持。
如果芯片性能很强,但系统之间无法高效协作,整个计算集群也难以发挥应有的能力。
英伟达因此不断向系统级解决方案延伸。从GPU,到CUDA,再到NVLink、高速网络、DGX系统,以及后来的整套数据中心平台,英伟达的业务边界越来越广。
这也是为什么很多科技公司即使希望降低对英伟达的依赖,也不能简单地换掉一颗芯片就解决问题。还需要考虑软件兼容性、开发者工具、模型迁移、系统架构和运行效率。
换句话说,英伟达建立的不是单一产品优势,而是一种平台型竞争技术优势。
这一转变也改变了市场对半导体行业的理解。过去,很多人认为芯片行业的竞争,主要集中在制程、性能、成本和产品周期。但人工智能时代的竞争,已经不仅是单颗芯片的性能竞争。
还包括,芯片架构能否满足大规模并行计算;软件平台能否支持开发者持续创新;数据中心系统能否高效连接大量GPU;
产品能否支持不同规模的人工智能模型;企业能否在全球范围内提供稳定的供应和技术支持。
黄仁勋很早就意识到,英伟达不能只依赖某一代芯片。它必须成为整个计算生态的一部分。从商业角度看,这是英伟达能够在人工智能浪潮中获得巨大机会的重要原因。
而从企业管理角度看,这也是黄仁勋33年职业生涯中最值得研究的战略选择。
他没有在游戏显卡业务取得成功后就停止探索。也没有在CUDA投入多年后,因为短期收益不明显就放弃。
很多今天看起来顺理成章的业务,实际上都是在市场还不确定的时候开始投入的。这也是英伟达和许多追逐短期热点的企业之间,一个重要的区别。
—THE END—
编辑:fanye
来源:经管之家
热门跟贴