计算着色英伟达

芯际争霸 - 虫族英伟达

使劲抱着大腿，抱着抱着，自己也就变成了大腿。...

先上一张老图：

是的英伟达让那些关注细节的工程师们，在那个低分辨率满屏像素点的黑暗年代里看到了希望之光。

咳。说正经的。

在过去的2016财年，英伟达 (NVIDIA) 美股的全年涨幅达到了惊人的224%，成为美股2016年度明星。

究其原因，咱们来深扒一下黄仁勋带领下的NVIDIA。

发家行业：GPU (Graphic Processing Unit) 市场

Nvdia

Nvdia 的主战场位于GPU，而在这个市场上，NVDIA的市场占有率已经处于绝对领先的地位。比如下图中的台式电脑GPU市场上，NVDIA已经做到了82%，把竞争对手AMD甩了老远（18%）

然而这种市场上的巨大优势却并不是因为NVDIA的硬件产品比AMD牛逼了许多。从产品角度来说，AMD实际上与NVDIA并无太大差异，甚至在许多产品细分市场上还优于NVIDIA。比如下面这幅图：

在最近的硬件产品性能对照中，AMD的Radeon和Nvdia的GeFoce被同时应用于同一款对GPU要求很高的游戏中（孤岛危机 3），每秒钟帧数越高，代表该款GPU的表现越好。AMD和NVIDIA不相伯仲。

然而在产品齐头并进的局面下，AMD依然在市场占有率上被NVDIA打翻在地。究其原因，主要归功于一个公式：NVIDIA + Intel > AMD.

在过去将近10年的时间里，Intel几乎成为了高性能CPU计算的代名词（当当当当！）。于是在这个领域，NVIDIA很聪明的选择了中立立场，不生产x86 CPU处理器，避免与Intel的正面竞争，然后提供GPU技术以紧紧地抱住了Intel这条大腿。于是乎，Intel处理器+NVIDIA GPU很快变成了游戏市场上的标准配置。

而另一端，AMD从2010年以来就开始在市场上玩命儿地推广自己的综合解决方案：AMD既生产研发自己的CPU，也生产研发自己的GPU。即AMD的 Radeon GPU + AMD 的APU，并且小心翼翼地尝试在高性能和高能效之间取得平衡。然而尽管AMD的GPU与NVDIA相比算得上旗鼓相当，但CPU方面却着实比Intel差了一大截。于是在“综合解决方案”的策略下，AMD GPU的生意也被自己的CPU带沟里去了。于是Intel (CPU) + NVDIA (GPU) >AMD （APU+GPU）的格局就此形成。

如今的市场格局下，Intel的CPU已经远远领先于AMD的APU，两者的技术实力差距已经大到甚至不再是一场公平战役。在这样的背景下，AMD依旧孜孜不倦的宣传自己的Radeon GPU是AMD公司GPU+APU综合解决方案不可或缺的一部分，导致原本具备性能竞争力的GPU也被NVIDIA + Intel的组合彻底覆盖笼罩看不到太多竞争性。

CUDA

CUDA是NVIDIA的另一个Game Changing Move。

9年前，NVIDIA发布了一个名为CUDA的新API平台，允许软件开发人员将游戏处理器，即原先的GPU，用作其他的一般用途。史称：GPU 向GPGU (General Purpose Graphics Units)的变革。这项变革彻底改变了科学计算领域的计算能力和方式，而推动NVIDIA向这个方向变革的主要推手，却是NVIDIA抱着的另一条大腿：微软。

在NVIDIA推出CUDA平台之前，微软的著名游戏驱动API DirectX推出了一个新的版本：DirectX 10 (又称DX10)。DX10在3D图像处理方面较之前的版本都进化牛逼了许多许多，而这种进化很大程度上来源于微软采用的一种新的计算架构：Unified Shader Architecture (USA)。要想让这种新的计算架构发挥作用，硬件方面需要GPU同时具备传统GPU的着色能力（比如游戏中的烟雾效果或者灯光效果）和绘制几何顶点以及给游戏中多边形着色的能力。

为了适应微软DX10的性能要求，NVIDIA开发了新的集成芯片，即GeForce 8系。在GeForce 8的开发过程当中，NVIDIA的研发人员逐渐发现，GeForce 8 的Unified Shader Architecture能够应用于一般性用途。从技术层面来说，这种向量计算和着色计算的计算能力可以应用于任何一种计算用途，而不是仅仅局限于游戏的图像处理。

于是经过一番研发工作之后，NVIDIA推出了CUDA API，允许非游戏或者图像处理的软件开发者使用NVIDIA的处理器进行一般用途的并行计算。对于那些处在需要进行高性能运算能力（High Performance Computing）的领域的从业者来说，这意味着天翻地覆的变革。在CUDA发布之前，要进行高性能运算HPC，就意味着需要一台超级计算机或者是一堆价值不菲的高性能计算机。但CUDA推出之后，这些都变成了浮云。

一个最直观的例子来源于密码学领域。在CUDA发布之前，想要强行破解一串密码必须要一台超级计算机或者一堆计算机连成的巨大网络来进行并行运算。但即使是有这样一台超级计算机或者超级网络，破解一个现代密码器中的哪怕是小于6位数的密码也需要花费数天甚至数周才能完成。

CUDA改变了这一切。如果使用CUDA平台然后整两块NVIDIA的GPU来进行并行运算，同样的密码破解问题，30分钟就能完成。

几周缩短到30分钟。靠。

而密码学领域还仅仅只是其中一个小小的关于CUDA和GPGU提高计算效率的例子。其它许许多多领域还包括地理空间技术分析，比特币挖矿，DNA序列再排序以及其他许多高性能计算问题（HPC）的实践领域。

而这种变革也并不仅仅只是性能上的。NVIDIA的并行计算能力能够称霸市场，还源于它相比原先高性能计算的便宜到令人发指的价格。在过去要进行高性能计算，一台超级计算机就得花掉数百万上千万美元。CUDA出现之后，研究人员需要做的就是去亚马逊上淘它一堆NVIDIA处理器芯片卡回来，最多也就花个十几万美金。而现在许多科学研究机构的现状也确实是这样：它们对外声称的超级计算机，其实就是一堆NVIDIA GPU串成的一个并行计算器而已。

NVIDIA的老对手AMD当然也不会放过这个市场机会，他们在CUDA之后也推出了自己的并行计算平台：OpenCL。然而当这个产品出现的时候，NVIDIA CUDA已经在市场上爽歪歪地独占市场了一年多，市场先发优势非常明显。优异的产品管理加上骨灰级的市场营销手段让NVIDIA将这一年多的领先优势很快转化成了随后的大比分绝对优势的领先。同时，由于CUDA平台要求必须使用NVIDIA的处理器集成卡也帮助NVIIDA牢牢掐住了这个飞速增长市场的咽喉。而这一切，与NVIDIA原先所做的游戏图像处理领域，已经几乎毫无关系了。

Kepler，NVDIA的GPU杀手锏

以上的种种似乎都在证明，如果市场给了NVIDIA一厘米机会，结合其出色的战略发展能力和市场营销能力，NVIDIA可以将其发展成一公里的优势。

今天NVIDIA在GPU市场上的霸主地位很大程度上来源于其近期的GPU架构Kepler，这玩意儿给了NVIDIA一公里的机会，然后NVIDIA把它变成了从地球到月球的距离。

在2012年的GPU市场上，NVIDIA实际上处在一个被动挨打的局面。AMD的Radeon显卡在过去的5年时间里一直玩儿命的揍着NVIDIA。尽管NVIDIA在DX10推出之后的一般运算上有了先发优势，但AMD在GPU性能上一度出现了领先态势。2012年前后的一段时间里，在高性能游戏社区中，甚至出现了Intel CPU+ AMD GPU的标准配置的声音，AMD一路高歌猛进，对NVIDIA痛打落水狗。

然后NVIDIA就推出了Kepler，在GPU计算架构上来了个华丽转身。一夜之间，NVIDIA王者归来。

于是再一次的，NVIDIA充分调动了其在CUDA上积累的优势，加上不断的游说Intel和其他三A游戏公司（比如说EA），NVIDIA再一次整合了他们的小小的竞争性优势并将其转化成了市场的绝对领先态势。

一个NVIDIA市场营销能力的典型范例是当年的超级计算机Cray’sTitan。黄仁勋大爷好说歹说千方游说，终于将NVIDIA GeForce Titan装进了这台当时世界上首屈一指的超级计算机里面。然后在那段Titan超级计算机世界领先的时间里，NVIDIA在全世界各地拼命地吆喝自己是全球最牛超级计算机的GPU提供商，赚足了眼球和注意力。于是对于个人电脑硬件发烧友来说，NVIDIA变成了最高性能的代名词。

所以总结来说，今天的英伟达的成就，主要来源于其高超的市场战略，精妙的产品管理，卓越的战略眼光以及老黄远近驰名的暴脾气。

有兴趣的话，整点他家股票呗。