1963
出生于台湾台南
黄仁勋出生于台湾台南一个清贫、充满求知欲的教育工作者家庭。
→ 第 2 章1967
父亲前往纽约市
黄仁勋四岁时,父亲离开台湾前往纽约市,为家庭的未来打下根基。
→ 第 2 章1968
五岁被送往泰国
黄仁勋和哥哥在没有父母陪伴的情况下登机前往泰国,寄住在亲戚家,并就读于一所纪律严明的当地寄宿学校。
→ 第 2 章1972
移民至肯塔基州乡下
九岁时,黄仁勋远赴美国,与叔叔一同定居在肯塔基州偏僻的奥奈达,后来进入奥奈达浸信会学院就读。
→ 第 2 章1980s
俄勒冈州立大学
黄仁勋攻读电气工程,结识未来的妻子洛瑞·米尔斯,并受到一位招聘人员的鼓励——对方认识到他的芯片设计知识在产业界的价值。
→ 第 3 章1980s
斯坦福与最初的工作
黄仁勋在斯坦福攻读硕士学位,同时在 AMD 和 LSI Logic 从事白天的工作,逐渐形成了他的效率哲学和关于并行计算的早期愿景。
→ 第 3 章Late 1980s
图形芯片的洞见
在一场半导体与计算行业的展会上,黄仁勋看到一个展示游戏用图形芯片的小展台,不禁思索它们是否能做得更多——这一念头日后将催生英伟达的第一款 GPU。
→ 第 3 章1989
GX 图形引擎规格敲定
到 1989 年,柯蒂斯、克里斯和黄仁勋完成了许多人认为不可能完成的事,敲定了 Sun 革命性 GX 图形引擎的规格,它能够承担多达 80% 的计算工作量。
→ 第 4 章Late 1990s
GeForce 256 因客户需求而生
一次对沮丧的游戏工作室的关键走访促使黄仁勋打造出 GeForce 256,它被描述为世界上第一块 GPU,专注于纯粹的性能与可靠性。
→ 第 11 章1993
英伟达成立
英伟达成立之时,几乎无人相信GPU在游戏之外还有作为,而英特尔等行业巨头则主导着处理器市场。
→ 第 5 章1993
英伟达成立
黄仁勋与柯蒂斯·普里姆、克里斯·马拉乔斯基共同创办英伟达,以速度和执行为主要优势,与英特尔这样的巨头竞争。
→ 第 6 章1993
英伟达成立
黄仁勋创立英伟达,并从一开始就确立了一种绝不容忍空话、含糊和借口的文化。
→ 第 7 章1993
英伟达成立
黄仁勋联合创立英伟达,最初聚焦于游戏和图形加速。
→ 第 8 章1993
英伟达成立
英伟达成立之际,计算行业正聚焦于由英特尔和 AMD 主导的 CPU;黄仁勋却押注于专门的图形硬件。
→ 第 9 章1993
英伟达创立
黄仁勋与人共同创办英伟达,最初专注于游戏图形;其第一款产品 NV1 在商业上失败,教会了他少做几件、把它做到极致。
→ 第 10 章1993
英伟达联合创立
黄仁勋与人共同创立英伟达,决心建立一家让最好的点子取胜、而非让经过层层审批的点子取胜的公司。
→ 第 11 章1993
英伟达成立
黄仁勋与克里斯·马拉乔斯基、柯蒂斯·普里姆共同创立英伟达,在业界聚焦于 CPU 时押注 GPU。
→ 第 14 章1995
NV1 上市并失败
英伟达的第一款产品 NV1 上市后反响平平,因为它的二次曲面纹理映射与行业已采用的 Direct3D 游戏互不兼容。
→ 第 7 章1997
RIVA 128 发布
在 NV1 商业失败之后,英伟达在 GPU 上加倍投入,推出 RIVA 128,取得巨大成功,使公司走向主导地位。
→ 第 9 章1997
RIVA 128 发布
在 NV1 商业失败之后,英伟达站稳脚跟过程中的一款早期突破性产品。
→ 第 14 章1999
GeForce 256 发布
英伟达发布GeForce 256,被誉为全球首款GPU,全身心投入用GPU革新游戏体验的理念。
→ 第 5 章1999
GeForce 256 发布
英伟达在从早先 NV1 芯片的失败中重新振作后,推出了被称为世界上第一款 GPU 的 GeForce 256。
→ 第 6 章1999
GeForce 256 上市
英伟达发布了被誉为世界上第一块 GPU 的 GeForce 256;它完全兼容 Direct3D,并具备硬件变换与光照,重新确立了英伟达在行业中的地位。
→ 第 7 章1999
GeForce 256与上市
英伟达上市,并推出GeForce 256,称其为世界上第一款GPU。
→ 第 8 章1999
GeForce 256 发布
一款标志着英伟达崛起的重大突破产品,此时黄仁勋已设想 GPU 将成为计算引擎。
→ 第 14 章2006
CUDA 推出
英伟达推出CUDA,将GPU转变为通用加速器,并为人工智能和深度学习奠定基础。
→ 第 5 章2006
CUDA发布
尽管行业最初心存疑虑,英伟达仍推出CUDA,向通用计算敞开了GPU的大门。
→ 第 8 章2006
押注 GPU 驱动 AI
英伟达押注 GPU 能够驱动人工智能,并在 AI 工作负载远未成为主流之前就重金投入 CUDA。
→ 第 10 章2006
CUDA 推出
尽管遭到业界质疑,英伟达仍投资于通用 GPU 计算,为 AI 时代播下种子。
→ 第 14 章2008
应对金融危机
在全球金融危机中,黄仁勋拒绝以此为借口,推动英伟达去创新,以便在经济回暖时领先一步。
→ 第 10 章2008
全球金融危机
在显卡需求暴跌之际,黄仁勋没有退缩,反而以对 AI 和数据中心计算的押注向前推进。
→ 第 14 章2010 年代中期
全力押注 AI
随着深度学习让 GPU 成为训练神经网络的关键,英伟达从一家游戏公司转型为 AI 巨擘,打造出 Tesla V100 等硬件。
→ 第 9 章Early 2010s
大举进军 AI
黄仁勋几乎独自一人拍板,决定英伟达将大举进军 AI,这一决定后来被视为公司历史上最重大的决定之一。
→ 第 11 章Mid-2010s
连夜向 OpenAI 运送 DGX
黄仁勋打通采购流程的繁文缛节,连夜把一台英伟达 DGX 超级计算机运给 OpenAI,把他们的研究从数月加速到数周。
→ 第 11 章2010s
向人工智能转型
在2010年代初,黄仁勋推动工程师在业界认识到需求之前就为AI优化GPU,使英伟达在AI成为主导趋势时领先数年。
→ 第 12 章2011
Tegra移动芯片
英伟达推出面向移动设备的Tegra芯片;它表现不俗,却未能称霸,引发了黄仁勋对行动过慢的自我批评。
→ 第 8 章2012
AlexNet 赢得 ImageNet
由英伟达 GPU 驱动的 AlexNet 赢得 ImageNet 竞赛,证明深度学习能够胜过传统机器学习,并加速了 AI 热潮。
→ 第 6 章2012
AlexNet赢得ImageNet
在英伟达GPU上训练出来的AlexNet以惊人的优势赢得ImageNet竞赛,引爆了以英伟达硬件为中心的人工智能革命。
→ 第 8 章2012
AI 研究者采用英伟达 GPU
研究者们开始用英伟达 GPU 来加速深度学习;黄仁勋意识到 AI 将重新定义计算,并向 CUDA 投入数十亿美元。
→ 第 11 章2012
AlexNet 突破
一个用英伟达 GPU 训练的深度学习模型打破了图像识别基准,点燃了 AI 对 GPU 的需求。
→ 第 14 章2016
大胆转向 AI 计算
黄仁勋不顾业界的怀疑,把英伟达的未来押在 AI 计算上,投入数十亿美元用于研发。
→ 第 10 章2019
下滑与极致担责
放缓的游戏市场、疲弱的数据中心销售和加密货币的崩塌使英伟达股价下跌近五成;黄仁勋承担全部责任并领导了一场扭转。
→ 第 10 章2020
着手收购 Arm Holdings
英伟达着手收购Arm Holdings,使自身成为横跨移动、云端与人工智能各类平台的核心角色。
→ 第 5 章2020
创纪录的复苏
不到一年,英伟达股价攀升至创纪录的水平,市值突破 3000 亿美元,AI 成为核心支柱,数据中心板块成为重要的增长引擎。
→ 第 10 章2020
致员工的疫情信
黄仁勋写下一封承诺不裁员的亲笔信,作为富有同理心的领导力范例而成为传奇。
→ 第 14 章21世纪初
危机与Xbox绝地反击
英伟达丢掉了一份关键的游戏主机合同,随后凭借拿下微软第一代Xbox的GPU交易而复苏。
→ 第 8 章21 世纪初
GPU 作为原始算力
黄仁勋意识到 GPU 的用途远不止游戏,在质疑声中大力投资 CUDA,以实现通用并行计算。
→ 第 9 章