Nvidia 如何借游戏之力称霸 AI 领域

在机器学习成为热门之前，游戏就已经引领了计算科技的潮流

Nvidia 的首席执行官黄仁勋，一个既低调又爱穿皮夹克的人物，正沐浴在一连串的成功中。他共同创建并领导的这家科技企业，如今已是全球第六大的公司，其芯片和软件成为了推动人工智能革命的核心力量。在这个财年里，Nvidia 的收入可能超过整个美国视频游戏行业的总和。

对一家 AI 超级计算机——例如支持 OpenAI 的 ChatGPT——的制造商来说，这看似只是个小插曲。但 Nvidia 一开始是以生产视频游戏硬件起家的，曾为个人电脑和微软的 Xbox 游戏机生产图形芯片。尽管它在十年前转变了发展方向，游戏业务直到去年仍是其最大的收入来源。

Nvidia 的这次转型堪称商业史上最大胆的之一，不亚于任天堂从制造纸牌转向游戏机，或丰田从织布机转向汽车的历史性跨越。难怪黄仁勋多年来始终如履薄冰。“我喜欢处于濒临灭亡的边缘……我享受这种紧张感，”他在本周的纽约时报 DealBook 峰会上表示。

但这种转变并不像表面上那样古怪：视频游戏与人工智能实际上有着诸多共通之处，长期以来，游戏一直是个人电脑技术的前沿。“我们是第一个坦承，我们的计算机只会玩游戏的，”一位任天堂高管在 20 世纪 80 年代对 FT 表示，他当时正谈论他们刚推出的“家庭电脑”游戏机。

任天堂随后推出了超级马里奥兄弟游戏和 Game Boy 便携设备。当黄仁勋在 1993 年共同创立 Nvidia 时，紧接着索尼在第二年推出其首款 PlayStation，游戏已成为最引人注目的图形计算形式。对于一个游戏迷来说，把 Nvidia 的图形处理单元（GPU）推向游戏市场，显然是顺理成章的。

企业转型有两种：一种是顺势而为，另一种则是命运的巧合。Netflix 从 DVD 租赁开始，转向流媒体是自然的发展。诺基亚的创始人在 1865 年建立了一家造纸厂，当时他们并未预见到最终会进入电信设备制造业。Nvidia 从游戏 GPU 转向 AI 超级计算机，介于两者之间。

Nvidia 在 1999 年推出首款 GPU 后不久，其并行计算的用途（通过同时进行大量小型计算以加速任务）显然有更广泛的应用前景。但具体应用于何处却不那么明显：机器学习当时正处于低潮，Nvidia 更多地专注于移动计算和大规模视觉模拟。

直到 2012 年，黄仁勋才意识到 AI 的巨大潜力。当时，包括现在 OpenAI 的首席科学家 Ilya Sutskever 在内的一个团队，使用 Nvidia 技术训练了一个名为AlexNet的神经网络，用以识别图像。四年后，黄仁勋向 OpenAI 交付了其首款 AI 超级计算机，最新版本配备了35,000 部件，售价高达 25 万美元或更多，成为其快速发展的基础。

游戏与 AI 之间的共同点在于，强大的计算能力至关重要。GPU 能够迅速处理信息，使得图形技术能持续精进。在丰富细致的虚拟世界中，玩家之间的互动需要大量的计算力来实现深度渲染的图像。

这也正体现了 AI 领域的一个“苦涩教训”：神经网络的设计固然重要，但决定其处理信息和生成图像能力的关键因素是计算速度。一旦神经网络开始在最初为游戏设计的 GPU 上进行训练，它们就从 2000 年代初的“AI 冬天”中苏醒过来。

“图形处理和 AI 有一个共同的特点，那就是计算能力越强，结果越好，”Nvidia 的应用深度学习研究副总裁 Bryan Catanzaro 说。由于 Nvidia 的最新技术比起最初的 GPU，强大了数千倍（甚至以某些标准计算是数百万倍），它使得 AI 变得异常流畅。

从 Nvidia 的角度来看，游戏和 AI 之间还有一个有利的区别。即使是最狂热的游戏玩家也有他们愿意为新图形卡支付的价格上限，但需要超级计算机来竞争 OpenAI 的公司可能会支付高达数十万美元的费用。Nvidia 因此处于一个极其有利的谈判位置，尽管这种情况 可能不会永远持续。

游戏和 AI 背后的技术未来可能再次汇聚。如果人类即将频繁与 AI 智能体互动成为现实，我们必须寻找超出在对话框中输入指令的交互方式。这些新的互动方式可能需要更加流畅，甚至可能类似于游戏和虚拟世界。

游戏从来都不是一项简单的技术活动，Nvidia 的崛起就是最佳证明。IBM 在 1997 年构建了 Deep Blue 超级计算机来挑战国际象棋大师 Garry Kasparov，而 Nvidia 则专注于为游戏制造 GPU。它们是各自时代最具挑战性的应用，但也为未来的技术创新铺平了道路。永远不要误以为玩游戏就是在浪费时间。

转译自：Nvidia played its way to the domination of AI

http://t.cn/A6lzbNet

#微博新知#