光子盒研究院

2013年至2023年这十年，有一家公司的市值翻了115倍、一跃成为美国股市回报率最高的公司——这就是英伟达。

黄仁勋出生于中国台湾，四岁随父母移民美国。1984年大学毕业，获得俄勒冈州立大学和斯坦福大学工程学位。

1993年，黄仁勋以5万刀美元创办英伟达，并以做3D游戏的图形处理器(Graphic Processing Units, GPU；俗称显卡)起家。面向游戏玩家出售能提升画面清晰度的显卡，是它当时的主要营收。

到2012年，英伟达定义的GPU被应用于深度学习研究，GPU的并行计算能力在处理密集数据时效率远高于CPU——这为英伟达成为AIGC最大的获利者，埋下伏笔。

到2021年为止，能够量产GPU的公司只有英伟达(N卡)、AMD和英特尔。英特尔以集成GPU为主，AMD两者都有，而英伟达则提供独立GPU，在独立GPU市场，英伟达占80%多的市场份额：一步坐上了显卡王者的宝座。

作为当时显卡市场最强劲的产品线之一，英伟达GeForce无疑具有跨时代的意义

经过历次更新换代，到2022年，英伟达发布的高端GPU H100已经成为全球领先的科技公司、初创企业之间的AI军备竞赛所争相竞逐的对象——单块价格在eBay上已超4万美元、成品更是供不应求。

不过，真正让英伟达产品成为爆点的转折，发生在今年的台北电脑展（COMPUTEX 2023）大会上。彼时，CEO黄仁勋正式向传统服务器发起挑战：“我们已到达生成式AI引爆点。从此，全世界的每个角落，都会有计算需求。”在他看来，CPU已经是过去式，而GPU才是未来，让后者取代前者的引爆点则是AIGC——生成式人工智能。

CPU和GPU的区别主要是，CPU擅长逻辑控制的串行计算，GPU则擅长大规模的并行计算。从通用服务器到AI服务器，一个最显著的变化就是GPU取代了CPU成为整机最核心的运算单元以及价值量占比最大的部分：传统服务器通常至多配备4个CPU+相应内存和硬盘；而在AI服务器中，通常是2颗CPU+8颗GPU。

——这意味着，GPU不再只是游戏的显卡，而CPU将成为配角。

2020年，黄仁勋首次提出 “CPU+GPU+DPU（Data Processing Unit 数据处理器）” 这一数据中心系统解决方案。2023年5月底，凭借着英伟达数据中心业务（不再是游戏业务）的营收增长，其股价一周内飙涨3000亿美元、市值突破万亿美元：成为美国第七个、史上第九个跻身万亿市值俱乐部的科技公司。

一路走来，英伟达经历过创业初期处理器设计的失败，放弃已跻身全球前五的移动处理器市场，也拥抱了加密货币、元宇宙热潮，甚至受加密货币低谷影响、去年市值一度腰斩至3000亿美元......直到ChatGPT的发布和AIGC浪潮，英伟达终于成为了AI时代的最大受益者。

这一切并非机遇巧合使然，而是来自长久的战略谋划。

早在2017年，黄仁勋便宣布，将英伟达的未来押注在AI上：彼时，OpenAI才刚刚成立不到两年，ChapGPT的研究还在起步阶段。

早在2008年，英伟达就开始布局自动驾驶平台化芯片，抢占智能汽车市场份额。同时，英伟达元宇宙（Nvidia Omniverse）也制定了通用标准、打通不同设计平台，成为元宇宙平台级应用。

他的高瞻远瞩也同样发生在量子科技领域。

2021年，英伟达推出了名为cuQuantum的量子电路模拟SDK。cuQuantum旨在加快所有电路模拟框架的速度，并被集成到Cirq、Qiskit Pennylane、Orquestra等。

据该公司报道，使用cuQuantum可以模拟理想或嘈杂的量子比特，其规模和性能是目前的量子硬件所无法实现的。

2021年英伟达的cuQuantum

去年，英伟达发布了QODA（现在的CUDA平台），该平台被设计为一种混合的量子-经典编程模型，使量子计算更容易获得。

在NVIDIA DGX系统以及科学超级计算中心和公共云中可用的大量NVIDIA GPU安装基础的帮助下，HPC和AI领域的专家可以将量子计算轻松整合到现有的应用程序中，同时利用当前的量子处理器和未来量子机器的模拟。

英伟达也一直在探索GPU在量子领域的应用。2023年3月，英伟达DGX Quantum正式发布——这是世界上第一个GPU加速的量子计算系统。在英伟达Grace Hopper超级芯片和开源的CUDA量子编程模型的支持下，NVIDIA DGX Quantum将强大的加速计算平台与Quantum Machines的OPX量子控制平台相结合。

从本质上讲，DGX Quantum的特点是将NVIDIA Grace Hopper GPU通过PCIe连接到Quantum Machines OPX+，在GPU和QPU之间提供亚微秒级的延迟。利用这一组合，研究人员可以构建将量子计算与经典计算相结合的应用程序，从而实现校准、控制、量子纠错和混合算法。

英伟达表示，对于运行TB级数据的应用程序，它可以提供高达10倍的性能，这为量子级研究人员提供了前所未有的力量来解决他们的复杂问题。

从药物发现到投资组合优化，量子计算有可能带来计算能力的巨大飞跃。然而，这需要通过开发算法、研制量子处理器以及创建紧密结合量子-经典组件的系统和工具来推动量子科研的商业化。

英伟达的量子生态系统正在全球范围内扩展，大量的量子计算研究现在都在NVIDIA GPU上进行：

据悉，英伟达已经与Anyon Systems、Atom Computing、IonQ、ORCA Computing、Oxford Quantum Circuits、罗尔斯-罗伊斯和QuEra合作，将CUDA Quantum整合到他们的平台中；量子软件公司Agnostiq和QMware，多个超级计算中心，如国家先进工业科技研究所、IT科学中心（CSC）和国家超级计算应用中心（NCSA）、尤利希超级计算机中心(FZJ)也正与英伟达合作......

与其芯片战略类似，英伟达的量子布局并未涉及过多复杂的硬件制造，而是专注于经典-量子混合计算——公司的态度是，将经典计算与量子计算相结合的混合解决方案将带来科学上的突破，与业内创新公司的合作将使更多的开发者能够获得量子和经典计算的最佳工具。

与人工智能一样，量子计算已经被炒作了几十年。事实上，研究人员期望量子计算有助于推进机器学习——这是人工智能的一种类型。但商业领域的人工智能似乎已经奄奄一息，直到2022年底，创造内容的生成式人工智能风靡全球。同时，目前还不清楚量子计算的“杀手级应用”是什么。

尽管如此，业界人士仍期望基于电子的超级计算机能够生存下去。量子计算机将不会取代它们；相反，预计它们将共存，量子计算机可能会协助解决最紧迫的问题，如模拟气候变化。

行业的下一个里程碑将被描述为“量子优势”——这就出现在当量子计算机实际上比经典计算机更快、或更便宜、或使用更少的功率来解决一个具有商业利益的问题时。“没有人知道，它可能会在未来10年内出现，还是在未来三、四年内出现。甚至，有可能在量子计算机大到足以破解公共加密密钥之前，它们就已经进入了具有商业优势的体制。”亚马逊网络服务的Braket量子计算服务的总经理Richard Moulds曾如此表示。

现在，大家都正在寻找量子计算的相关优势。

在去年发布的YouTube视频《英伟达在Q2B大会上的特别演讲》中，英伟达HPC和量子产品总监Tim Costa介绍了cuQuantum的使用案例，其中包括宝马公司优化机器人寻路和路由、大型咨询公司德勤和SoftServe在量子机器学习中开发应用，以解决材料和药物发现方面的客户问题，以及富士胶片利用量子探索张量网络方法（拥有1000多个量子比特）进行材料科学模拟。

——英伟达的新系统使量子计算有了更多新的应用场景，未来，量子产业也有望迎来属于自己的ChatGPT时刻。

一直以来，黄仁勋的梦想就不仅仅是摆脱游戏公司的定位，成为AI浪潮中的“卖铲人”，他更希望成为AI浪潮的推动者、加速者。这些年，黄仁勋曾一再表示：“英伟达不是游戏公司，它将推动下一个AI大爆炸。”

在黄仁勋布下的宏图中，未来十年，英伟达会将计算速度再加快一百万倍，而领域将不限于生物、物理、人工智能、机器人等各个场景。

值得强调的是，尽管英伟达一时风头无两、优势很大，市场也仍然存在着很大的不确定性。随着科技的进步，谁都难以预料是否有新秀干翻老师傅，就比如智能手机时代，苹果曾完全颠覆了由诺基亚统治的市场格局。

参考链接：

[1]https://mp.weixin.qq.com/s/Os8_fJSNCUnMIulYBhD7Mg

[2]https://mp.weixin.qq.com/s/RrSoEQJ3GEEUf-hEm1EASw

[3]https://mp.weixin.qq.com/s/5yxWuIJih_bOruDASfLbMw

[4]https://mp.weixin.qq.com/s/9VrS3HP8PMEfMAMgQWHqcg

[5]https://blogs.nvidia.com/blog/2021/04/12/what-is-quantum-computing/

[6]https://thequantuminsider.com/2023/04/28/nvidia-quantum-computing/

[7]https://mp.weixin.qq.com/s/OJ-bJ4Viw0YbACKnSjLYlw