主播
节目简介
来源：小宇宙
哈喽大家好，欢迎回到《AI有点意思》！我是你们的老朋友小艾。
前面几期我们聊了好几位AI圈的大佬——辛顿坐了四十年冷板凳，杨立昆和辛顿吵得不可开交，哈萨比斯从国际象棋神童变成了诺奖得主，OpenAI从理想主义走向了商业化。
今天这一期，我们要聊一个人。这个人严格来说不算AI科学家，但他现在是AI时代最有权势的人之一。
他永远穿着一件标志性的黑色皮夹克，在舞台上像个摇滚明星一样接受全场欢呼。他掌管的公司，市值一度突破了5万亿美元——全球第一家。这个数字什么概念？相当于苹果加谷歌再加微软，还得搭上半个特斯拉。
你猜到了——黄仁勋，英伟达的创始人兼CEO。
但你可能想不到的是，这个掌管着全球最值钱公司的人，年轻时在美国肯塔基州的一所问题少年学校里扫厕所。更想不到的是，他创立英伟达的时候，启动资金只有600美元——三个人，每人200美元。
这个故事，得从1993年说起。那一年，30岁的黄仁勋辞掉了高薪工作，拉着两个同事在圣何塞的一家Denny's餐厅里创立了英伟达。公司名字来自拉丁语invidia，意思是“嫉妒”——他们想让竞争对手嫉妒到发绿。
结果第一个产品就差点把公司搞死。
NV1——黄仁勋后来承认，这是一款完全失败的产品。他们选择的技术路线跟市场主流不兼容，根本没人买。亏损严重，黄仁勋不得不裁掉70%的员工，公司濒临破产。
就在这个时候，日本游戏公司世嘉投了700万美元——这笔钱救了英伟达的命。但条件是黄仁勋必须飞到日本，当面承认自己的技术路线错了。
他去了。他认错了。他亲自向世嘉公司承认：“我们选错了方向。”
然后他做出了一个更疯狂的决定——放弃世嘉的投资方向，用仅剩的资源重新设计一款新产品。
这款产品叫RIVA 128，1997年上市，四个月卖了100万片。英伟达活过来了。
但你有没有发现一个细节？黄仁勋的“认错”，不是放弃，而是换一条路继续走。他认的是“技术路线错了”，但他从来没认过“GPU这条路不值得走”。
这就要说到一个关键问题了——GPU到底是什么？它和CPU有什么区别？为什么最后是它成了AI时代的“算力基石”？
打个比方你就明白了。CPU就像一个超级聪明的数学教授，什么问题都能解，但一次只能算一道题。而GPU像一千个小学生——每个都不如教授聪明，但他们可以同时做一千道简单的加减法。
具体来说，CPU的设计目标是“低延迟”——尽快完成一个任务。它有强大的计算单元、复杂的控制逻辑、大量的缓存，但核心数量有限。而GPU的设计目标是“高吞吐量”——同时完成尽可能多的任务。它有数以千计的计算核心，控制逻辑简单，缓存很少，但可以同时处理海量的数据。
所以CPU擅长逻辑控制、串行计算、复杂的条件判断。而GPU擅长的是大规模并行计算——把一个大任务拆成成千上万个小任务，同时算完再拼起来。
这个区别在2006年之前，对普通人来说没什么感觉——GPU就是用来打游戏的，让画面更流畅、更逼真。
但2006年发生了一件事，改变了GPU的命运。那一年，英伟达发布了一个叫CUDA的平台——全称是统一计算设备架构。简单说，CUDA让开发者能用普通的编程语言直接调用GPU的计算能力，而不需要学复杂的图形编程。
CUDA发布的时候，深度学习还是学术圈的小众话题，没人觉得GPU能用来训练神经网络。但黄仁勋看到了。他看到了并行计算的未来，看到了AI工厂的雏形，看到了一个万亿级市场的诞生。
他用CUDA把GPU从一个“游戏工具”变成了“通用计算引擎”。随后，英伟达围绕CUDA建立了一个庞大的软件生态系统——截至2025年，CUDA平台已支持超过600万名开发者，涵盖超过400个库、600个AI模型、3700个GPU加速应用。
这个生态，成了英伟达最深的“护城河”。开发者们二十年来一直在CUDA上构建AI工具，他们几乎不愿意从头再来。 即便竞争对手的芯片规格更优，转换成本也极其高昂。
2022年，ChatGPT横空出世。全世界突然发现，训练大模型需要海量的GPU——而英伟达，恰好拥有全世界最好的GPU。订单像雪片一样飞来。英伟达最新季度营收达到了820亿美元，毛利率从61%扩大到了75%。
但黄仁勋并没有停在这里。
2026年6月，英伟达在COMPUTEX展会上发布了一款叫RTX Spark的全新芯片——一款面向Windows设备的AI超级芯片，将CPU、GPU与AI单元整合为单颗SoC。黄仁勋在现场将这次PC智能化升级对标“智能手机革命”，联想、惠普、戴尔、微软、华硕等一线PC品牌定于秋季首发搭载RTX Spark的Windows整机。
这意味着英伟达正在从“显卡供应商”转型为“PC底层架构制定者”。它不再满足于做一台电脑里的“那块肌肉”——它要做整台电脑的“大脑”。
从Denny's餐厅的600美元起步，到5万亿美元的市值；从一款差点搞死公司的失败产品，到定义整个AI时代的算力底座——黄仁勋和英伟达的故事，本质上是一个关于“远见”和“坚持”的故事。
当所有人都觉得GPU只是用来打游戏的时候，他看到了AI。当所有人都觉得CUDA是个“没什么用的工具”的时候，他投入了全部资源去建设生态。当所有人都觉得“GPU只能是电脑里的一个零件”的时候，他开始重新发明个人电脑本身。
所以小艾觉得，黄仁勋最厉害的地方不是“赌对了AI”——而是他在AI还没被“看见”的时候，就已经在铺路了。他不是追风的人，他是那个让风刮起来的人。
好了，今天这一期我们聊了黄仁勋和英伟达的故事，聊了GPU和CPU的区别，也聊了CUDA生态为什么成为英伟达最深的护城河。
下一期，我们要聊一个正在发生的故事——开源模型正在挑战闭源巨头的统治地位。Meta的Llama、中国的DeepSeek和智谱，凭什么能用十分之一的成本去挑战OpenAI？这场“AI的安卓与iOS之战”，谁会赢？记得订阅《AI有点意思》，我们下期见！
前面几期我们聊了好几位AI圈的大佬——辛顿坐了四十年冷板凳，杨立昆和辛顿吵得不可开交，哈萨比斯从国际象棋神童变成了诺奖得主，OpenAI从理想主义走向了商业化。
今天这一期，我们要聊一个人。这个人严格来说不算AI科学家，但他现在是AI时代最有权势的人之一。
他永远穿着一件标志性的黑色皮夹克，在舞台上像个摇滚明星一样接受全场欢呼。他掌管的公司，市值一度突破了5万亿美元——全球第一家。这个数字什么概念？相当于苹果加谷歌再加微软，还得搭上半个特斯拉。
你猜到了——黄仁勋，英伟达的创始人兼CEO。
但你可能想不到的是，这个掌管着全球最值钱公司的人，年轻时在美国肯塔基州的一所问题少年学校里扫厕所。更想不到的是，他创立英伟达的时候，启动资金只有600美元——三个人，每人200美元。
这个故事，得从1993年说起。那一年，30岁的黄仁勋辞掉了高薪工作，拉着两个同事在圣何塞的一家Denny's餐厅里创立了英伟达。公司名字来自拉丁语invidia，意思是“嫉妒”——他们想让竞争对手嫉妒到发绿。
结果第一个产品就差点把公司搞死。
NV1——黄仁勋后来承认，这是一款完全失败的产品。他们选择的技术路线跟市场主流不兼容，根本没人买。亏损严重，黄仁勋不得不裁掉70%的员工，公司濒临破产。
就在这个时候，日本游戏公司世嘉投了700万美元——这笔钱救了英伟达的命。但条件是黄仁勋必须飞到日本，当面承认自己的技术路线错了。
他去了。他认错了。他亲自向世嘉公司承认：“我们选错了方向。”
然后他做出了一个更疯狂的决定——放弃世嘉的投资方向，用仅剩的资源重新设计一款新产品。
这款产品叫RIVA 128，1997年上市，四个月卖了100万片。英伟达活过来了。
但你有没有发现一个细节？黄仁勋的“认错”，不是放弃，而是换一条路继续走。他认的是“技术路线错了”，但他从来没认过“GPU这条路不值得走”。
这就要说到一个关键问题了——GPU到底是什么？它和CPU有什么区别？为什么最后是它成了AI时代的“算力基石”？
打个比方你就明白了。CPU就像一个超级聪明的数学教授，什么问题都能解，但一次只能算一道题。而GPU像一千个小学生——每个都不如教授聪明，但他们可以同时做一千道简单的加减法。
具体来说，CPU的设计目标是“低延迟”——尽快完成一个任务。它有强大的计算单元、复杂的控制逻辑、大量的缓存，但核心数量有限。而GPU的设计目标是“高吞吐量”——同时完成尽可能多的任务。它有数以千计的计算核心，控制逻辑简单，缓存很少，但可以同时处理海量的数据。
所以CPU擅长逻辑控制、串行计算、复杂的条件判断。而GPU擅长的是大规模并行计算——把一个大任务拆成成千上万个小任务，同时算完再拼起来。
这个区别在2006年之前，对普通人来说没什么感觉——GPU就是用来打游戏的，让画面更流畅、更逼真。
但2006年发生了一件事，改变了GPU的命运。那一年，英伟达发布了一个叫CUDA的平台——全称是统一计算设备架构。简单说，CUDA让开发者能用普通的编程语言直接调用GPU的计算能力，而不需要学复杂的图形编程。
CUDA发布的时候，深度学习还是学术圈的小众话题，没人觉得GPU能用来训练神经网络。但黄仁勋看到了。他看到了并行计算的未来，看到了AI工厂的雏形，看到了一个万亿级市场的诞生。
他用CUDA把GPU从一个“游戏工具”变成了“通用计算引擎”。随后，英伟达围绕CUDA建立了一个庞大的软件生态系统——截至2025年，CUDA平台已支持超过600万名开发者，涵盖超过400个库、600个AI模型、3700个GPU加速应用。
这个生态，成了英伟达最深的“护城河”。开发者们二十年来一直在CUDA上构建AI工具，他们几乎不愿意从头再来。 即便竞争对手的芯片规格更优，转换成本也极其高昂。
2022年，ChatGPT横空出世。全世界突然发现，训练大模型需要海量的GPU——而英伟达，恰好拥有全世界最好的GPU。订单像雪片一样飞来。英伟达最新季度营收达到了820亿美元，毛利率从61%扩大到了75%。
但黄仁勋并没有停在这里。
2026年6月，英伟达在COMPUTEX展会上发布了一款叫RTX Spark的全新芯片——一款面向Windows设备的AI超级芯片，将CPU、GPU与AI单元整合为单颗SoC。黄仁勋在现场将这次PC智能化升级对标“智能手机革命”，联想、惠普、戴尔、微软、华硕等一线PC品牌定于秋季首发搭载RTX Spark的Windows整机。
这意味着英伟达正在从“显卡供应商”转型为“PC底层架构制定者”。它不再满足于做一台电脑里的“那块肌肉”——它要做整台电脑的“大脑”。
从Denny's餐厅的600美元起步，到5万亿美元的市值；从一款差点搞死公司的失败产品，到定义整个AI时代的算力底座——黄仁勋和英伟达的故事，本质上是一个关于“远见”和“坚持”的故事。
当所有人都觉得GPU只是用来打游戏的时候，他看到了AI。当所有人都觉得CUDA是个“没什么用的工具”的时候，他投入了全部资源去建设生态。当所有人都觉得“GPU只能是电脑里的一个零件”的时候，他开始重新发明个人电脑本身。
所以小艾觉得，黄仁勋最厉害的地方不是“赌对了AI”——而是他在AI还没被“看见”的时候，就已经在铺路了。他不是追风的人，他是那个让风刮起来的人。
好了，今天这一期我们聊了黄仁勋和英伟达的故事，聊了GPU和CPU的区别，也聊了CUDA生态为什么成为英伟达最深的护城河。
下一期，我们要聊一个正在发生的故事——开源模型正在挑战闭源巨头的统治地位。Meta的Llama、中国的DeepSeek和智谱，凭什么能用十分之一的成本去挑战OpenAI？这场“AI的安卓与iOS之战”，谁会赢？记得订阅《AI有点意思》，我们下期见！
外观
