英特爾首席執行官帕特·基爾辛格（Pat Gelsinger）認為，英偉達（NVIDIA）在人工智能市場的成功離不開運氣。

在最近一次與麻省理工學院工程學院學生討論半導體行業現狀的公開討論中，基爾辛格說，英特爾本應引領人工智能，但走運的卻是英偉達。

很明顯基爾辛格的這一觀點忽略了英偉達是如何走到今天的。英偉達在 2023 年擁有的是僅次于蘋果的最炙手可熱的科技股之一的殊榮，在推動人工智能革命的關鍵硬件資源領域擁有最高的市場份額，當然還有一些小事，比如在游戲 GPU 市場的領導地位。英偉達所不具備的，是獲取 x86 處理器 IP 的能力。

長期以來，英偉達（NVIDIA）一直立志成為一家 CPU 公司，從 2000 年代早期/中期試圖與 AMD 合并的傳言，到 Tegra 智能手機應用處理器、各種基于 Arm 的產品，再到最近試圖從軟銀手中收購 Arm 但以失敗告終。盡管在 CPU 產業中運氣有限，無法與英特爾、AMD 甚至高通和聯發科平起平坐，但英偉達從未放棄成為計算硬件超級力量的目標，這也是我們認為英偉達擁有人工智能硬件市場的原因所在。

英偉達并不幸運，它花了 16 年時間才走到這一步。英偉達的 AI 硬件領導地位之旅始于 2000 年代后期，當時它看到了 GPU 成為通用處理器的潛力，因為可編程著色器本質上使 GPU 成為具有少量固定功能光柵硬件的多核處理器。NVIDIA GPU 的芯片區域的絕大部分由流式多處理器組成，即 GPU 的可編程 SIMD 功能。

英偉達最初試圖利用其 GPU 打入高性能計算市場，其 "特Tesla" GPU 和計算統一設備架構（CUDA）取得了豐碩成果。英偉達獨特的軟件堆棧可以讓開發人員在其硬件上構建和加速應用程序，其歷史可以追溯到 2007 年。CUDA 開啟了漫長而艱辛的旅程，十年后，英偉達從 "Volta "開始，在其 GPU 上首次押注加速人工智能。英偉達意識到，盡管其 GPU 和 HPC 處理器上有大量的 CUDA 內核，但仍需要一些固定功能的硬件來加速深度學習神經網絡的構建、訓練和推理，于是開發了 Tensor 內核。

在這段時間里，英特爾的行為仍然像一家 CPU 公司，而不是一家計算公司--其大部分收入來自客戶端 CPU，其次是服務器 CPU，而且一直將加速器放在次要位置。即使在英偉達的“Tesla”和 CUDA 于 2007 年興起之時，英特爾早在 2008 年就已經有了第一個 SIMD 加速器的藍圖，代號為 "Larrabee"。作為一項新生的硬件技術，英特爾并沒有給予 Larrabee 應有的重視。但這是英特爾的責任。自 2006 年收購 ATI 公司以來，AMD 一直是一家 CPU + GPU 公司，并試圖通過將其 Stream 計算架構與開放式計算軟件技術相結合來追趕英偉達。AMD 的 Instinct CDNA 處理器之所以沒有像英偉達的 A100 和 H100 處理器那樣成功，與英特爾的 "Ponte Vecchio "在這一市場上從未有過機會的原因是一樣的--它的上市速度太慢，沒有像英偉達那樣圍繞其芯片培育出一個生態系統。

硬件只是英偉達成長歷程的一小部分--該公司擁有龐大的、自上而下的軟件堆棧，包括自己的編程語言、API、預構建的計算和人工智能模型，以及多年來培育起來的獨立開發者和ISV生態系統。因此，當人工智能作為計算領域的一場革命大規模興起時，英偉達已經準備好了最快的硬件和最大的開發者社區，可以將其投入使用。我們在這篇社論的開頭就說過，英偉達在 2000 年代初沒有獲得 x86 許可是件好事。它可以轉換思路，將目光投向它已經在生產的、可以大規模計算數字的產品--帶有可編程著色器的圖形處理器。由此可見，如果說英偉達很走運，那么讓英偉達感到格外幸運的是，它沒有被 x86 許可證所束縛。