AI往事（四）：一块显卡如何颠覆人工智能？
从游戏娱乐到加密货币挖矿，再到AI训练，这块芯片经历了怎样的蜕变？
如果我问各位：在当今的AI时代，谁才是真正的赢家？
很多人可能会脱口而出：OpenAI、Anthropic、Google、DeepSeek。
但实际上，如果从市值角度衡量，最大的受益者。
可能是一家过去被许多年轻人视为游戏装备的公司：NVIDIA（英伟达）。
如今，全球几乎所有的大模型。
几乎所有AI训练中心，几乎所有超级计算机，内部都搭载着它的GPU。
然而，二十多年前，没人能预料到，这家公司最终会彻底改变世界。
因为，它的起点，只是销售游戏显卡。
GPU最初只为游戏而生
时间回溯到1990年代。
那时，电脑游戏日益复杂。
早期的游戏，角色只有寥寥几个像素。
随后，3D画面、光影效果、逼真的天空场景开始出现。
真实的爆炸、水面的波动，让CPU逐渐不堪重负。
为什么？
因为CPU虽然极为聪明，但一次只能专注处理少量任务。
就像医院里的主任医师，能应对最棘手的病例。
但无法同时接诊上千名患者。
于是，工程师想出了一个办法：将那些大量重复、计算规则一致的图形任务，交给另一种芯片，这就是GPU，即图形处理器。
CPU负责思考，GPU负责执行。
一个主决策，一个主搬运。
GPU的核心优势并非更聪明，而是数量庞大
许多人误以为GPU比CPU更高级，其实不然。
CPU的核心数很少，但每个核心性能极强。
GPU的每个核心相对简单，但数量极多。
如果把CPU比作一位顶尖外科医生，GPU更像一支数千人的施工队。
单个人能力有限。
但协同作业，速度惊人。
而游戏画面的渲染，恰恰需要这种能力。
因为一幅图像包含数百万个像素，每个像素几乎可以同时计算，GPU天生为此而生。
后来，比特币矿工率先发现了GPU的另一种用途
时间来到2009年，比特币问世，挖矿热潮兴起。
所谓挖矿，本质上是不断进行大量重复计算。
突然有人发现，GPU挖矿的速度远超CPU。
于是，全球开始疯狂抢购显卡。
很多人或许还记得，那几年显卡价格翻了好几倍，游戏玩家反而一卡难求。
真正的推手并非AI，而是挖矿。
当时许多人认为，GPU终于迎来了第二个春天。
没人想到，真正的大时代尚未开启。
AI科学家也盯上了GPU
就在矿工疯狂购入显卡时，另一群人也有了新发现。
神经网络训练，其实与游戏画面处理有相似之处。
为什么？因为神经网络中有无数神经元，每个神经元都在重复执行相同的数学运算。
这种运算，CPU处理太慢，而GPU则恰到好处。
于是，AI研究人员开始悄悄购买游戏显卡。
许多实验室最初训练AI时，用的就是普通游戏显卡。
甚至有人调侃，那些天天玩《魔兽世界》《CS》的年轻人。
无意间为未来的人工智能提供了养分。
真正改变世界的不是GPU，而是CUDA
GPU虽然强大，但最初并非为AI设计，早期只能处理游戏图形，没有针对AI训练和推理的接口，程序员难以使用，配置过程繁琐复杂。
2006年，英伟达做了一件后来改变世界的事：推出了CUDA。CUDA是Compute Unified Device Architecture的缩写，中文常译为“统一计算设备架构”。它是一种让开发者利用GPU进行通用计算的并行计算平台和编程模型。
很多人觉得这个名字晦涩难懂。
其实，你可以把CUDA理解为：GPU的Windows。
或者：GPU的通用语言。
以前，GPU只能听懂游戏语言。
CUDA问世后，任何程序员都能让GPU进行计算。
AI研究人员终于可以便捷地利用数千个GPU核心训练神经网络。
随后，越来越多的AI框架开始支持CUDA。
整个AI世界开始加速前进。
如今，没有CUDA，几乎就没有今天的大模型。
黄仁勋或许也未曾料到
现在很多人认为英伟达是一家AI公司。
但实际上，它始终是一家GPU公司。
它只是坚持做了一件别人觉得不那么重要的事：不断提升GPU性能，持续完善CUDA生态。
等到AI真正爆发时，全世界突然发现，除了英伟达，几乎没有谁做好了准备。
所以今天，不是AI选择了GPU。
而是GPU，等来了AI。
为什么GPU改变了人工智能？
其实原因只有一句话。
AI并非不会学习，只是以前学得太慢。
过去，训练一个神经网络可能需要几个月甚至几年。
如今，数千块、数万块GPU协同工作。
速度提升了数百倍、数千倍，甚至数万倍。
人工智能终于等来了自己的引擎。
如果说神经网络赋予了AI学习能力。
那么GPU则赋予了AI奔跑能力。
⸻
写在最后
回顾历史，人工智能的发展充满了偶然。
如果没有电子游戏，GPU可能不会发展如此迅速。
如果没有GPU，神经网络或许仍沉睡在实验室中。
如果没有CUDA，程序员也难以真正驾驭GPU。
许多伟大的技术并非为未来而发明。
而是在解决当下问题时，无意间改变了未来。
GPU就是如此，它最初只是为了呈现更精美的游戏画面。
最终，却帮助人类创造了ChatGPT，并引领整个世界迈入人工智能时代。
下一篇。
我们将继续探讨另一个同样关键的问题。
为什么互联网会成为AI最好的老师？
没有互联网，今天的大模型还能出现吗？
AI时间轴
1999年，NVIDIA提出GPU概念。
2006年，CUDA正式发布，GPU首次成为通用计算平台。
2012年，AlexNet借助GPU横扫ImageNet竞赛，深度学习时代正式开启。
⸻
如果你只记住一句话
GPU并非为人工智能而生，它只是为了让游戏更真实，却意外点燃了AI革命。
知而后行，行而求知。
从手术室到机房，从临床到系统。
记录一名麻醉医生关于医疗AI、医院信息化与持续成长的探索。
—— 医路智行录