根據財聯社報導，輝達之所以能獨領風騷，主要關鍵原因之一在於其廣受人工智慧領域追捧的晶片產品，即A100晶片及更新一代的H100晶片，目前這些高階晶片及相應的顯卡已是一卡難求。
微軟亞洲研究員的高級研究員張弋近期在播客節目中感嘆，現在居然到了整個地球都拿不出足夠的A100晶片的奇景，在1年前，幾乎沒有人會料到這種情形。
輝達2020年推出的A100晶片現在是有價無市，而受惠於ChatGPT爆紅的H100更是被各大科技業者瘋狂搶購。也讓輝達的業績一路長紅，股價更是節節攀升。
AI人工智慧領域的新創公司Core Weave創辦人兼執行長Brannin McBee感歎：「H100是地球上最稀缺的工程資源之一。」這句話足以形容目前輝達迎來的盛景。
至於為何只有輝達的晶片成為人工智慧領域獨一無二的玩家？而輝達一向在顯卡稱霸的公司，又為何能在深度學習和人工智慧領域打下這麼大的一片江山？
財聯社指出，1999年，初露頭角的輝達首次推出GPU這概念。在此之前，包括英特爾在內的CPU廠商都堅信圖形處理是CPU的任務，CPU做的事情愈多愈好，將圖形工作獨立到另一附屬處理器上的想法十分雞肋。
當時，圖形應用領域中又以開發遊戲的日本廠商具有話語權，日系主機的CPU很強，大部分開發工作都集中於CPU之上，因此GPU並沒有獲得多少市場空間。
轉機在於，微軟想要衝擊屬於日本遊戲廠的領先地位，其開發出Direct X這標準化的API圖形介面，之後大量的圖形功能從CPU裡面移植出來，轉到GPU之上。加上微軟另一產品Xbox的推出，其CPU、GPU各司其職的搭配，打破業界CPU晶片一家獨大的局面。
輝達當年是少數幾家跟著微軟發展的公司，並深耕GPU領域，之後微軟又推動另一次變革，引入統一渲染技術，即讓GPU將圖形繪製的頂點計算和之後的渲染兩個步驟進行合併，它和顯卡領域另一知名公司ATI合作GPU Xenos，成功應用此技術。
統一渲染只是圖形應用上的一步，卻給輝達帶來完全不同的發展契機，可以說是輝達在後來GPU發展，甚至介入深度學習領域中的起點。
財聯社指出，在看到統一渲染架構之後，輝達果斷地將自己之前的GPU架構推倒重來，其GPU流處理器被進行細緻的分組，變成一個個小型流處理器且能單獨運作，解決流處理器之前被綁定無法獨立運作而被迫閒置的問題。
這奠定輝達後來革命性CUDA架構的出世。由於輝達的流處理器是很獨立且標準的單元，極易控制和調度，這讓原本只能連續處理的任務可以被並行處理。讓程式設計難度大大降低。
與此同時，輝達的競爭對手ATI因為早期沒有投入硬體架構變革，因為沿用過去的串列設計，沉沒成本越來越高，讓其革新變得愈來愈難且愈來愈貴，最後成功被輝達擠出顯卡市場。
此後，輝達又在2017年引入Tensor Core計算單元概念，其專門為深度學習而設計，支援更低精度的運算，從而大幅節省模型算力。
這一專用的加速單元明顯排擠CUDA處理深度學習的空間，但也同時也對輝達競爭對手殺個措手不及，讓AI專用晶片不再吸引人，於是，輝達GPU成為AI領域最被認可的硬體。
2003年，快速反覆運算，不斷試錯的輝達推出一個不受歡迎的項目，其開發一款SoC晶片，將基於ARM架構的CPU與自己的GPU整合在一起。
自SoC晶片之後，輝達每隔幾年都發表一些晶片。2015年，其推出Tegra K1，使用ARM公版CPU和自己的開普勒架構GPU，但由於功耗和發熱皆不盡理想，對大部分使用者來說很折磨。
但業內人士卻對這些挫折十分認可，一位投資人曾說，輝達在守住GPU基本盤的同時，不斷向新的領域伸出觸角，並讓無數買它顯卡的人陪它分攤成本。他還稱讚，雖然輝達的很多東西，如CUDA在一段時間內看不到落地的場景，但在試錯過程中，它建立起完整的生態，並在一股新風向襲來時，成功站上風口。
這也是輝達GPU打敗其他晶片，成功吃下AI紅利的一個原因。一方面，GPU的通用性更佳，比專用晶片更適應變化；另一方面，輝達擁有完整生態，讓它的GPU成為現階段最合適的那個選擇。
事實上，當AI一瞬間爆發，業界發現，GPU是簡單高效運作生成式AI模型的最好選擇，一個本用來玩遊戲的GPU不太可能切換去跑AI程式，目前只有輝達的GPU能夠做到運作AI模型。
爆料信箱：news@nextapple.com
★加入《壹蘋》Line，和我們做好友！
★下載《壹蘋新聞網》APP
★Facebook 按讚追蹤
往下閱讀下一則新聞
