英伟达通用计算关键发展方向

回顾英伟达的发展史，英伟达CEO黄仁勋向来颇具“远见”，在30年前创立之初就能预见计算机发展带来的巨大图形计算需求。

为了让“通用计算”这一构想成为现实，英伟达“坚持”了十多年，各种创新协作压根没有停过。

在图形市场发展如日中天的情况下，在2004年前后再次预见了通用计算的广阔应用前景。

在这之前GPU仅仅只处理图形需求，英伟达官方为此专门开发了底层的调用机制和各种软件库，让开发者可以把GPU中大量的计算能力利用起来。

“专用”转向“通用”的关键决策，不仅改变了英伟达之后的发展轨迹，还让整个行业协作孵化出了人工智能这一关键发展方向。

英伟达架构的时间历程

2006年，从过往专用的GPU（图形处理器）全面转向GPGPU（通用计算图形处理器）；

2007年，GPGPU被正式命名为CUDA（统一计算架构），开发者只需要用简单编程语言就可以调用GPU计算；

l2008－2013年，推动与全球范围科研机构院校合作，在众多场景中应用GPU算力；

2014年，机器学习、计算机视觉首次出现在英伟达GTC上；

2015年，重点发布了自己在自动驾驶方向的产品NVIDIA DRIVE和技术布局；

2016年，再度更新GPU架构，升级人工智能方向上的加速计算和自动驾驶产品，开始以官方身份大规模开发软件生态；

2017年，再度更新GPU架构，祭出英伟达自己为AI打造的系统解决方案DGX和GPU云计算方案；

2018年，升级各个业务线的所有产品，深化AI领域的软件生态建设；

2019年，收购全球高性能网络技术公司Mellanox，发布光线追踪技术，全面搭建以英伟达CUDA技术为核心的云端生态系统，全面提升数据中心业务的产品表现和灵活性；

2020年，更新GPU架构，发布首款数据中心专用的DPU处理器，更新升级了包括显卡、自动驾驶、数据中心在内的所有业务芯片，同时第一次发布AI数据中心整体解决方案；

2021年，发布首款基于ARM架构的CPU产品Grace，首次组成“CPU＋GPU＋DPU”的超级组合。

2022年，更新GPU架构，再次全面更新所有产品线中的芯片。

通用计算全栈矩阵

这个矩阵理解为英伟达多年以来创新的积累，在这个巨大的多层平台上，是气象、医疗、语音、工业设计、专业图形处理、机器人、视频分析处理等典型人工智能赛道中的多种软件产品和解决方案，背后还有着上千万的开发者和全球近万家使用英伟达技术的创业公司。

截止目前，英伟达已经拥有一个产品众多，结构复杂，横跨不同行业、应用场景和解决方案的通用计算全栈矩阵。大致可以分为四层：

1． 底层硬件：芯片、服务器、网络互联硬件；

2． 底层软件：驱动软件、计算基础组件；

3． 框架软件：计算通用工具、算法库；

4． 实际应用：模型算法、领域应用、场景应用。

硬件从边缘领域的SoC，到传统的游戏显卡和加速卡，再到无限拓展的云端解决方案，甚至是目前地球单机并行运算能力最强的超级计算机中，都有英伟达统一微架构的GPU处理器。

不同物理尺寸、不同芯片数量、不同算力等级的硬件可以相互组合协作，组成各式各样的解决方案对应不同行业和应用场景。

结尾：持续创新是最好的策略

强大的全栈硬件能力，让英伟达输出的产品从过去的GPU、显卡一下子跃进为全球顶级的超级计算机制造商。

基于“通用计算全栈矩阵”这个发展核心，英伟达仍在持续推动新“创新”，以换取更多发展中的远见。

例如对于人工智能机器人，英伟达就专门打造了ISAAC（自动化移动机器人）平台，不同行业、不同机器人外形、不同需求的用户都能通过这个平台让自己的机器人变得更加智能和高效。

英伟达自己牵头，在英伟达自己的数字孪生世界Omniverse中构建了一个地球的数字孪生兄弟。

英伟达还专门预留了收集更多“百万倍计算挑战”的入口，包括用人工智能将药物研发加速720倍，监控预测南极洲陆地环境变化，推演新冠病毒变异机理和趋势，万亿原子量子精确分子动力学模拟在内的项目已经加入。

这些颇具未来属性、影响注定深远的新项目，很多或许不会成功，也不能给带来更多潜在的收入。