英特尔首席执行官帕特·基尔辛格（Pat Gelsinger）认为，英伟达（NVIDIA）在人工智能市场的成功离不开运气。

在最近一次与麻省理工学院工程学院学生讨论半导体行业现状的公开讨论中，基尔辛格说，英特尔本应引领人工智能，但走运的却是英伟达。

很明显基尔辛格的这一观点忽略了英伟达是如何走到今天的。英伟达在 2023 年拥有的是仅次于苹果的最炙手可热的科技股之一的殊荣，在推动人工智能革命的关键硬件资源领域拥有最高的市场份额，当然还有一些小事，比如在游戏 GPU 市场的领导地位。英伟达所不具备的，是获取 x86 处理器 IP 的能力。

长期以来，英伟达（NVIDIA）一直立志成为一家 CPU 公司，从 2000 年代早期/中期试图与 AMD 合并的传言，到 Tegra 智能手机应用处理器、各种基于 Arm 的产品，再到最近试图从软银手中收购 Arm 但以失败告终。尽管在 CPU 产业中运气有限，无法与英特尔、AMD 甚至高通和联发科平起平坐，但英伟达从未放弃成为计算硬件超级力量的目标，这也是我们认为英伟达拥有人工智能硬件市场的原因所在。

英伟达并不幸运，它花了 16 年时间才走到这一步。英伟达的 AI 硬件领导地位之旅始于 2000 年代后期，当时它看到了 GPU 成为通用处理器的潜力，因为可编程着色器本质上使 GPU 成为具有少量固定功能光栅硬件的多核处理器。NVIDIA GPU 的芯片区域的绝大部分由流式多处理器组成，即 GPU 的可编程 SIMD 功能。

英伟达最初试图利用其 GPU 打入高性能计算市场，其 "特Tesla" GPU 和计算统一设备架构（CUDA）取得了丰硕成果。英伟达独特的软件堆栈可以让开发人员在其硬件上构建和加速应用程序，其历史可以追溯到 2007 年。CUDA 开启了漫长而艰辛的旅程，十年后，英伟达从 "Volta "开始，在其 GPU 上首次押注加速人工智能。英伟达意识到，InvenSense(应美盛)传感器/陀螺仪IC芯片 尽管其 GPU 和 HPC 处理器上有大量的 CUDA 内核，但仍需要一些固定功能的硬件来加速深度学习神经网络的构建、训练和推理，于是开发了 Tensor 内核。

在这段时间里，英特尔的行为仍然像一家 CPU 公司，而不是一家计算公司--其大部分收入来自客户端 CPU，其次是服务器 CPU，而且一直将加速器放在次要位置。即使在英伟达的“Tesla”和 CUDA 于 2007 年兴起之时，英特尔早在 2008 年就已经有了第一个 SIMD 加速器的蓝图，代号为 "Larrabee"。作为一项新生的硬件技术，英特尔并没有给予 Larrabee 应有的重视。但这是英特尔的责任。自 2006 年收购 ATI 公司以来，AMD 一直是一家 CPU + GPU 公司，并试图通过将其 Stream 计算架构与开放式计算软件技术相结合来追赶英伟达。AMD 的 Instinct CDNA 处理器之所以没有像英伟达的 A100 和 H100 处理器那样成功，与英特尔的 "Ponte Vecchio "在这一市场上从未有过机会的原因是一样的--它的上市速度太慢，没有像英伟达那样围绕其芯片培育出一个生态系统。

硬件只是英伟达成长历程的一小部分--该公司拥有庞大的、自上而下的软件堆栈，包括自己的编程语言、API、预构建的计算和人工智能模型，以及多年来培育起来的独立开发者和ISV生态系统。因此，当人工智能作为计算领域的一场革命大规模兴起时，英伟达已经准备好了最快的硬件和最大的开发者社区，可以将其投入使用。我们在这篇社论的开头就说过，英伟达在 2000 年代初没有获得 x86 许可是件好事。它可以转换思路，将目光投向它已经在生产的、可以大规模计算数字的产品--带有可编程着色器的图形处理器。由此可见，如果说英伟达很走运，那么让英伟达感到格外幸运的是，它没有被 x86 许可证所束缚。

• 英特尔
• 英伟
• 成功
• CEO
• 纯属