曾几何时，人工智能只是科幻小说中描绘的场景。如今，随着新一轮科技革命和产业变革的推动，人工智能的一些应用正在日益改变我们的生活，人类已经进入“智能时代”，世界各国纷纷抢滩布局，我国也做出了战略性部署。国务院2017年印发《新一代人工智能发展规划》提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，部署构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国。
与此同时，世界各大科技企业也逐步在人工智能领域布局并转型，其中最为成功的案例就是英伟达。NVIDIA是NVIDIACorporation（官方中文名称英伟达，以下统称英伟达）的简称，是一家以设计智核芯片组为主的无晶圆IC半导体公司，该公司创立于1993年1月，员工人数超过10，000名，2017财年公司收入高达69亿美元，总部位于美国加利福尼亚州圣克拉拉市。英伟达是一家以游戏和图像处理器起家的公司，但它现在已经迅速转型为一家专攻人工智能的公司。英伟达利用其图形处理器（GPU）技术、深度学习、Volta架构、CudaGPU编程平台以及在各个领域的合作关系，已经成为人工智能领域的巨头。更为准确的说，英伟达成为了人工智能领域的寡头。
GPU（图形处理器）的发明者
英伟达公司的创始人兼首席执行官是美籍华人黄仁勋，曾被《哈佛商业评论》评为“全球最佳表现CEO”。黄仁勋是早期硅谷的顶级华人创业者中的三驾马车之一，与Yahoo的杨致远和Youtube的陈士骏齐名，也是行业内公认的“AI教父”。黄仁勋是一位典型的理工男，思维严谨，逻辑缜密。有一次黄仁勋到北京的英伟达总部视察工作，一位销售人员跟黄仁勋夸耀某款电视盒子的芯片销量极高，但黄仁勋却没有直接表扬对方，而是先询问了电视盒子的价格。在了解到过低的价格以后，他把这位销售人员劈头盖脸地骂了一顿，因为过低的售价直接拉低了产品定位。就是在这么一位看似古板、严肃却充满大智慧的CEO的带领下，英伟达公司在近5年来引爆了人工智能，也引爆了公司的市值。
1999年，英伟达公司率先发明了图形处理器（GPU）。这极大地推动了PC游戏市场的发展，也重新定义了现代计算机图形技术，并彻底改变了并行计算。GPU深度学习为现代人工智能这个新的计算时代带来了新动力——在能够感知和理解世界的计算机、机器人和自动驾驶汽车中，GPU发挥着大脑的作用。
目前，GPU能够超高效地解决计算机科学领域中的一些最复杂的难题。它起初用来为视频游戏和好莱坞电影大片呈现惊人的虚拟世界。现在，人工智能正在渗透生活中的每个领域，大到改变我们的生活方式，击败人类围棋冠军，小到读取DNA来发现早期癌症迹象。这些人工智能应用方面的迅猛发展，受益于深度学习在近几年的迅猛发展。英伟达的GPU图形处理器和与之配套的CUBA平台基于GPU（显卡）进行大量并行计算的特性，已经成为深度学习中最为成熟的一套硬件系统。英伟达甚至是最先提出GPU这一技术特有名词的公司。人工智能的一个重要应用就是落地到各种终端设备上，比如汽车、电器、机器人、甚至是灯泡上，让它们变得智能起来。现在，英伟达的GPU能够模拟人类智能，可运行深度学习算法，并成为那些可感知和了解世界的计算机、机器人以及自动驾驶汽车的大脑。
英伟达游戏显卡
计算机游戏行业是全球规模最大的娱乐行业，其市值高达1000亿美元。而英伟达的GeForce游戏平台拥有2亿名游戏玩家，是规模最大的游戏平台。庞大的平台带来了庞大的流量和用户，这些忠实的用户的来源就是因为GeForceGTXGPU和GeForceExperience应用程序把日常的PC变成了性能强大的游戏机器。
游戏行业的繁荣发展离不开不断涌现的优秀游戏大作，这些游戏的制作水准已经可以与好莱坞电影大片相媲美，游戏制作的过程中也离不开英伟达GPU强劲的处理性能。英伟达的Gameworks软件为大大小小的游戏设计软件提供了各种先进的算法与工具，从逼真的烟雾效果、水面效果，到精细的毛发和皮毛，使游戏图形的画面更加丰富、更有沉浸感。目前，GeForce系列显卡在游戏GPU行业中依旧领先，并始终保持着与最新、最热门的游戏之间的合作关系，如2017年10月发行的PC版《命运2》，11月发行的《决胜时刻》和《星际大战：战场前线II》。值得注意的是，PC游戏在近几年重新火爆，尤其是2017年的《绝地大逃杀》游戏，其火爆程度大大拉动PC游戏显卡的销售额。英伟达游戏显卡的成功主要归因于游戏显卡出色及严苛的图像处理功能：高端的技术研究与开发，以及可以持续吸引玩家注意力的行业口碑。
数据中心：主打深度学习
数据中心是英伟达又一个增速最快的板块，其增长主要归因于来自云服务和高性能计算供应商的需求及认可。英伟达的Volta处理器架构为全球最先进的数据中心。2017年第三季度，英伟达发布了TeslaP40和P4GPUs,以及TensorRT深度学习推理框架。这些发明突破了英伟达单纯神经网络训练的深度学习平台，提升了人工智能在超大规模数据中心时的工作效率。除此之外，英伟达已开始联系跨国企业，与多国展开合作，共同研发人工智能效率提升能力。
深度学习是机器学习的分支，是一种拥有多个处理层对数据进行高层抽象的算法。深度学习要求高计算性能的分为两种场景。一种是训练，即通过反复测试，找到一组可以让模型错误率最小的参数值。在现实场景中，训练量的需求会指数增长，训练的参数可能高达上万个。另一种是推理，即通过定义好的模型和参数进行运算，以解决任务。在此过程中，涉及到的芯片种类包括GPU，CPU，FPGA，TPU和ASIC。其中GPU具有高计算能力，在演算法开发和机器学习训练场景中占有绝对市场优势，尤其是英伟达处在接近垄断位置的GPU。
英伟达公司的未来发展方向
打造全球最快的超级计算机
在信息化时代，基础科学的研究方法也随之进步，计算成为基础科学研究必不可少的重要工具。世界科研强国也争相建造高性能计算机来满足基础科学领域的计算要求。对传统计算而言，摩尔定律即将步入尽头，而人们对于计算机运算速度以及功能的迫切渴求却才刚刚开始。摩尔定律由英特尔创始人之一戈登·摩尔于1965年提出，指的是在价格不变的情况下，集成电路上可容纳的元器件数目将每隔18-24个月增加1倍，而性能也将提升1倍。围绕摩尔定律的争论揭示了一个事实：它在50多年后终于遭遇人工智能（AI）的挑战，后者创造的巨量计算需求，给半导体市场带来了改变。目前GPU计算是HPC、数据中心使用最为广泛、同时也是最节能的计算方式，包括美国乃至欧洲最快的超级计算机都在使用。
助力改变生命的科学探索
医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程。它包含以下两个相对独立的研究方向：医学成像系统和医学图像处理。前者是指图像形成的过程，包括对成像机理、成像设备、成像系统分析等问题的研究；后者是指对已经获得的图像作进一步的处理，其目的是使原来不够清晰的图像复原，或者是为了突出图像中的某些特征信息，或者是对图像做模式分类等。
医学成像领域图像处理的关键因素就在于成像速度、图像尺寸以及分辨率。由于硬件设备的局限性，医学影像增强处理都是按照序列完成的。传统的利用CPU进行所有计算的方式不能满足实时绘制以及交互的要求。而且，在处理这些图像的同时，也浪费了医生和病人的许多宝贵的时间。近十年，GPU有了长足的发展,并且朝着通用计算的方向迈进，GPU的数据处理能力远远超越CPU，这使得在普通计算机上实现实时人体绘制变成了可能。如今的医学成像领域可以通过充分利用高速运算技术来提高医学成像的质量，微处理器受到智能手机以及平板电脑的创新发展的推动变得功能更加强大和低功耗。为了充分利用最新科技，最终获得快速高效的医疗成像效果，某医疗企业决定购入GPU设备平台，提升医疗成像的综合能力。
医疗成像是最早利用GPU(图形处理器)并行计算加快性能的领域之一。GPU在这一领域的应用日趋成熟，目前有多款医疗设备均配备了英伟达TeslaGPU。AMAXPSC-HA1是AMAX自主研发的机型，专业针对医疗成像应用，有效地缩短了对图像的处理时间，图像准确度和精确度都获得显著提升，大大提升了医疗企业的工作效率和医疗成像的效果。
GPU深度学习引爆人工智能
深度学习虽然前景无限，但需要强大的计算性能作为支撑。英伟达打造了一款人工智能超级计算机：英伟达DGX-1，这台即插即用的设备在计算性能方面相当于一个含有250个节点的高性能计算集群，可将网络训练用时从数周缩短至短短几天。目前，英伟达的芯片在人工智能领域仍占据主导地位，英特尔和AMD是英伟达最强大的竞争对手，但目前他们的技术落后于英伟达。2017年11月，英伟达公布了一项新的人工智能技术，是一种可以创造出不存在的人的图像技术。英伟达的研究人员建立了一个全球性的生成对抗网络（GAN），通过让两个人工智能系统相互竞争的方式来创造出更高质量的模拟人的“照片”。机器不是单纯地去进行无休止的战斗，而是将整体的工作分成“创造图像”和“判断图像”两个方面，以便对结果进行更细致的微调。
科学家们给人工智能提供了真实的名人人物图像让它们开始制作，并逐步提高照片的分辨率，直到它们能够制作出相当逼真的人物照片。这些图像存在一些问题，如果你有一双敏锐的眼睛可能会注意到一些瑕疵，而专家们轻易地会忽略它们。但是，当模拟的图片底下没有介绍人物的上下文时，一般人可能不会注意到其与真实人物的图片的细微不同。不难想象，上面的图片会被适当地裁剪以被用于某个人的简介。
2016年9月13日，GTCCHINA2016（GPU技术大会）在北京召开，英伟达全球首发了两款深度学习和自动驾驶最新产品，并宣布与京东达成战略合作并共建联合实验室。而在2016年底举行的百度世界大会上，英伟达联合创始人、总裁兼首席执行官黄仁勋宣布英伟达与百度在无人驾驶领域开展合作。
由于布局较早，英伟达在深度学习市场占据了主要优势。目前国内外绝大多数的深度学习企业和机构都依托英伟达的GPU加速，包括Facebook、Google、阿里巴巴、百度等在内的全球互联网巨头均与英伟达有合作关系。前年一时无两的谷歌AlphaGo，身上也连接了170块GPU。在人工智能领域，目前大多数企业采用的是“CPU+GPU”的协同计算组合，在这种异构模式下，应用程序的串行部分在CPU上运行，而GPU作为协处理器主要负责计算任务最繁重的部分。目前英伟达正与全球最大的企业技术供应商展开合作，让每一家企业都能充分利用GPU深度学习的强大威力。
自动驾驶技术的不断创新
自动驾驶车辆将会使高达10万亿美元的交通行业变得现代化，但它们需要庞大的人工智能计算能力来支撑。英伟达DRIVEPX2是一款可扩展的人工智能车载超级计算机，可贯穿整个自动驾驶过程。现在已有80多家企业在利用英伟达DRIVEPX2进行开发工作。2017年，英伟达先后宣布其产品被特斯拉应用到全新自动驾驶系统，及与百度公司，欧洲TomTom公司展开了人工智能汽车以及地图系统项目的合作。公司CEO黄仁勋表示驾驶是人类一项通过后天学习得来的技巧。英伟达研究的人工智能产品本质在于可以通过观察人类的驾驶行为，学会在各种繁杂路况下驾驶车辆。另外，英伟达包揽了很多实力雄厚的合作伙伴，如奔驰、奥迪等大型企业。
2017财年英伟达公司的收入为69.1亿美元，较去年上升37.9%，毛利润为40.6亿美元，较去年上升44.5%，净收入16.7亿美元。其中，研究与开发费用占营收比始终在20%至30%左右，为运营成本的核心费用。随着英伟达公司近三年的业务逐渐多元化以及营收的大幅上升，研究与开发费用占营收比呈递减趋势，但是仍然保持在20%以上。
截止2017年12月10日，英伟达公司的股票价格为191.49美元，市值为1160.43亿美元，平均每股收益（EPS）为4.03美元，市盈率为47.52。英伟达近两年的股价，随着业绩不断屡创新高。而英伟达业绩增长的驱动力，主要来自于其在显卡市场的份额增大，而显卡市场本身规模也在迅猛发展。FactSet数据显示，英伟达股价在过去一年里暴涨了187%，同期标普500指数上涨17%。目前至少有4家华尔街机构将其目标价设定在200美元及以上。由于在数据中心、图像识别、人工智能、自动驾驶、高端游戏、AR/VR和加密货币开采等许多高增长领域的芯片需求强劲，英伟达的高估值似乎已被增长潜力所证明。英伟达的强劲表现得到了华尔街机构的一致青睐。
根据NVIDIA的财报可以看出（表1），游戏市场始终是NVIDIA收入的大头，比重超过50%。自2017年开始，NVIDIA在数据中心以及大数据市场中的收入比重逐渐提升，而在专业视觉处理器、汽车、代工及IP市场比重变化不大。2017财年第三季度，在总收入为26.4亿美元的情况下，各大板块收入如下：游戏收入占60%，数据可视化收入占9%，数据中心收入占20%，自动驾驶收入占5%，OEM&IP收入占7%。目前，游戏版块的增长非常强劲，而datacenter数据中心在近几个季度也有起飞的迹象。英伟达在数据中心市场仍有较大发展空间。
英伟达称其最大的发展方向为中国市场，预计中国数据中心市场在2020年前会每年扩大13%，为英伟达提供了可观潜在市场。即使2017上半年数据中心增长变缓，英伟达数据中心年增长率仍保持在175%左右。自动驾驶板块目前增长稳定，预计未来也会保持相对稳定的增速。总而言之，游戏市场是英伟达的现在，人工智能才是英伟达的未来。
自主创新的英伟达公司——走在人工智能的最前端
自主创新的理念由陈劲在1994年提出，最初是表述我国企业从技术引进到自主创新的学习模式。任何一个国家或企业为了在技术发展中处于领先地位，必须有效地协调技术引进、技术吸收与技术创新活动（陈劲，1994）。英伟达公司似乎在1994年就贯彻了自主创新的精神，并在五年后完成了自主开发的GPU技术，并形成了行业的变革。而如今的AI浪潮，也是基于英伟达公司百亿美元的铺垫。早在2004年，斯坦福大学在读博士生IanBuck在英伟达实习并研究如何更有效地管理GPU的计算引擎，并推动了CUDA（统一设备架构）的发展。在2006年之前，GPU是一个很封闭的体系。对普通研究者来说，想用好GPU是件很费劲的事。CUDA诞生之后，科研机构、高性能计算中心开始部署英伟达的GPU，研究者也渐渐将GPU用于气候模拟、地震数据处理、矿产储量计算等科学计算领域。为了丰富CUDA生态，英伟达很早就在高校上投入资源，培养开发者。2009年，英伟达在中国大陆开设了面向大学生的CUDA架构校园程序设计大赛，即使当时的英伟达还处在净亏损6800万美元的泥沼中。看似偶然的表象背后，都有一套必然的逻辑在支撑，英伟达公司在铺平CUDA架构道路的背后，为AI浪潮的到来夯实了基础。
出于竞争的需要，引进的技术多是“离散”的知识和信息集合，只有通过研究与开发才能掌握技术的本质。根据陈劲的自主创新理论，企业在技术创新时有三种学习模式（表2）。
目前的主流互联网公司，较多采用的创新学习模式是技术吸收和技术引进，例如腾讯公司的微信产品就是“干中学”和“用中学”的产物，通过对一个基础商业模型框架的不断渐进性创新，最终形成了“爆款”产品。英伟达公司则是典型的“研究开发中学”的范例。半导体产业高收入的背后是高投入和高风险，芯片研发与制造都需要大量资金投入，R&D研发投入也成了评判各大半导体公司的指标。目前R&D研发投入上花钱最多的半导体公司自然是老大Intel，不过英伟达公司是最愿意花钱研发的，平均都会拿出1/4的营收去做R&D研发。从2015年到2017年，英伟达公司的研发费用分别占到了公司营收的29%，26%和22%。同时，公司也倾向于投入巨额费用进行核心技术以及突破性技术的大型开发项目。2018年第一季度，Xavier自主机器处理器开始交付给客户，该处理器的总研发费用为20亿美元。在未来，英伟达拟投入30亿美元开发Volta架构的NVIDIATeslaV100,剑指AI和深度学习的未来需求。另外，黄仁勋的技术出身背景也决定了公司的创造性，一切用技术说话，用先进技术证明公司的价值，而不是通过资本运作、产品多样性等商业运作来获得市场。就是这种目标明确、坚定果断的自主技术创新精神，英伟达公司赢得了全球客户的认可，也让英伟达公司一直走在技术的前列，不断引领全球技术发展趋势。
英伟达公司的研发高级副总裁兼首席科学家BillDally博士是美国国家工程院院士、美国艺术与科学学院院士、IEEE和ACM的会员，同时也是英伟达自主创新道路上的关键人物。目前Dally博士主要关注的研究方向包括：自动驾驶平台、新一代深度学习加速器、神经网络的压缩与简化。其中，神经网络的压缩和简化是学术界与工程界都在研究讨论的重要问题。目前的深度神经网络普遍较大，无论是云端还是在终端，都会影响网络速度，增大功耗。而这一领域的两大研究方向就是降低计算精度（比如从32比特到8比特）和剪枝（purne）。在Dally博士的引领下，英伟达公司的研究领域虽然都是基础研究，但是一旦产生突破，就会形成颠覆性的创新成果。基于这条创新路径，我们可以认为英伟达公司是一家典型的自主技术创新公司。
在未来，英伟达公司的业务量和市值都会呈几何级增长，这是技术潮流和行业变革带来的红利。但是，英伟达公司未来面临的最大风险就是“大公司病”。虽然掌握着核心技术，但是随着未来国际合作越来越多，公司规模不断扩张，潜在的公司管理问题和费用占比的问题也会浮出水面。在公司管理上，英伟达公司作为研发和销售型企业会产生层层代理和跨国管理需求，英伟达公司的销售管理费用目前也正在逐年增长。而代理和跨国管理，包括海外研发中心的建设规划，都是英伟达公司需要审慎考虑的重大决策。在费用占比上，随着公司业务的多元化和更多的交流合作，是否还能维持较大的R&D费用投入以及如何保障股东利益都是英伟达公司未来需要考虑的问题。
结语
技术革命让市场产生了剧变。技术发展的趋势由传统的单一商业模式逐渐转变为更加开放的云平台、由大数据支撑的解决方案型商业服务。而在计算芯片领域，传统的CPU已经达到了摩尔定律的尽头，基于GPU的计算芯片成为了新的爆发点。基于传统硬件制造的惠普公司被大数据、云服务以及人工智能埋没，而不断自我变革的新型硬件制造公司英伟达顺应了时代的潮流，在分享经济、数字经济、云端作业的潮流下砥砺前行。
人工智能目前是科技行业最热门的领域，但其潜力仍被低估。麦肯锡在最近发表的一份报告《人工智能：下一个数字前沿》中提到：“经过几十年的希望和失望，人工智能的再次崛起将为全球经济带来深刻变化……我们已经看到了早期投入人工智能的公司获得了商业利益的例子。虽然许多公司还没有意识到人工智能的好处，但前沿公司已经获利颇丰”。
英伟达公司正悄无声息地布局和统治未来的人工智能市场，让那些对GPU的批评、质疑在凶猛的市值增长面前失去了话语权。英伟达是一家真正的由技术创新驱动的公司，通过对GPU技术的不断完善和发掘，已经成功地从一家图形处理器公司转型为引爆人工智能的综合性硬件公司。在企业发展的道路上，对于GPU技术的创新能力是其核心能力，也给公司带来了丰厚的回报。在不久的将来，当人工智能技术遍布全世界每一个角落的时候，英伟达公司的价值可能会远超现在的任何一家互联网公司。
对中国而言，人工智能更是缩短中西科技差异的罕有机会。除了国家积极推出响应政策外，各类市场、资本、初创、巨头也纷纷应声而起，占据各类AI应用赛道。2018年伊始，人工智能的竞争进入白热化阶段，抢占市场成了2018年AI企业们的关键目标。对于中国的人工智能企业来说，把握核心创新能力，积极拓展市场，形成基于核心能力的创新生态圈，会让很多企业脱颖而出。
本文责任编辑：高菁阳
刘彦声：清华大学经济管理学院博士生