3月18-21日，英伟达在美国圣何塞召开GTC大会，作为一年一度的技术发布会，GTC大会被誉为AI行业风向标。
北京时间3月19日凌晨，黄仁勋亲自发布了B200 GPU芯片，首度采用芯片封装设计，即在一个大芯片上集成了两个相同制程工艺的小芯片。
在制程工艺无法提升的前提下，如何实现性能的进一步突破？英伟达本次的解题思路参照了2022年苹果在M1 Ultra芯片上的做法：将两个M1 Max芯片组合在一起构成M1 Ultra，在同样制程工艺的基础上实现了性能提升。
B200发布后，顿时被视为地表最强AI芯片，一众大咖纷纷站台支持。连一向最毒舌的马斯克也不吝溢美之词，赞誉在当下的AI领域，英伟达的硬件无可比拟。
在生成式AI这股火爆趋势中充当“AI军火商”的英伟达，凭借此前发布的A100、H100等GPU，股价一路飙红，几乎每天都在创造新纪录，总市值相继迈过1万亿美元、2万亿美元，目前已成为仅次于微软和苹果的美股第三大上市公司。
继两年前推出Hopper架构后，英伟达带着全新一代的Blackwell再次震撼AI界，黄仁勋希望以此开启AI的变革时刻。
基于Blackwell架构开发的B200芯片，在制程工艺上延续了H100的5nm，不过为了尽最大可能提升算力，英伟达首度采用了封装工艺，B200由两个基于台积电4NP工艺的Blackwell GPU组合而成，总晶体管数量达到2080亿个，是H100的2倍多，能够提供高达20 Peta FLOPS的算力，是H100的5倍。
性能提升的同时，B200在成本和能耗上，相比H100，最高可以降低25倍。叠加B200搭配的8颗HBM3e内存，最大可支持10万亿参数模型的训练（GPT-3模型参数为1750亿，GPT-4模型参数约为1.8万亿）。
以GPT-4为例，之前需要用8000个Hopper GPU干的活儿，现在用2000个Blackwell GPU就能做到，且功耗能减少到原来的约四分之一，即从15兆瓦降至4兆瓦。
如果想要更强性能，只需把两个B200 GPU与一个Grace CPU相结合，就能搭建为GB200超级芯片，可以为大语言模型的推理环节提升30倍工作效率。在GPT-3 LLM基准测试中，GB200的性能是H100的7倍，训练速度则是H100的4倍。
万亿参数模型有许多好处，比如进行自然语言处理任务，如翻译、问答、抽象和流畅性；掌握更长期的背景和对话能力；结合语言、视觉和语音的多模态应用；进行创意应用程序，例如讲故事、诗歌生成和代码生成；进行科学应用，例如蛋白质折叠预测和药物发现；实现个性化，能够形成一致的个性并记住用户上下文。
英伟达最近几代架构，在名称上都有致敬科学家的惯例。上一代产品Hopper架构是致敬计算机软件工程学家格蕾丝•霍珀（Grace Murray Hopper），这一代Blackwell架构则是致敬第一位入选美国国家科学院的黑人学者、统计学家兼数学家大卫•布莱克韦尔（David Harold Blackwell）。
值得一提的是，Blackwell并非某一款芯片的专属名，而是指代英伟达的新一代芯片平台。基于该平台，英伟达提供多种服务器节点规格，性能从小到大依次为HGC B100，HGX B200，以及GB200 NVL72。最强大的GB200 NVL72系统，配备36颗Grace GPU和72块Blackwell GPU，具有1440 Peta FLOPS的FP4 AI推理性能，和720 Peta FLOPS的FP8 AI训练性能。一个机柜可以训练27万亿参数模型，单独一个便可以撑起约15个GPT-4参数规模的大模型。
在商业化层面，英伟达已经有了初步计划。黄仁勋表示，计划用Blackwell向世界各地的人工智能公司进军，与所有OEM、区域云、国家主权AI、电信公司签约。
英伟达尚未明确给出B200芯片的具体上市时间和价格，只表示将于今年晚些时候发货，届时亚马逊、谷歌、微软和甲骨文将成为首批提供Blackwell芯片驱动的云服务提供商。
英伟达能强大到今天这样，绝不仅只是因为幸运。黄仁勋曾骄傲地回顾：“我们做的几乎每件事，都是创造技术，创造市场。”
回溯到1993年，微处理器和PC革命初现端倪，黄仁勋和另外两个理工青年克里斯·马拉科夫斯基（Chris Malachowsky）、柯蒂斯·普里姆（Curtis Priem）一起创立英伟达，起步的技术和应用领域分别是3D图形处理和电子游戏。
早期，CPU无法满足3D游戏实时渲染所需的算力，要用专门的芯片来处理图形，而当时的图形处理芯片动辄天价，一般人根本无法染指。黄仁勋他们意识到，要把百万美元的技术适配入三四百美元的电脑，除了需要发明新的图形计算方式，还得去开拓市场。这个理念就是今日这家伟大公司的立足点，生态链本质。“你有一项难以商品化的技术，瞄准了一个尚未存在的市场，这个交集就是我们公司的创立点。”
找准方向后，英伟达凭借出色的研发实力，推出性价比超高的rival 128和rivaTNT2奠定行业地位，又及时抱紧微软大腿支持其Direct 3D显示标准，并在1999年推出划时代的独立显卡GeForce 256，拿下微软Xbox和索尼PS3几亿美元订单，GPU时代从此开启。游戏产业的发展，与英伟达显卡技术的进步相辅相成。
CPU能进行复杂的逻辑推理，而GPU擅长执行无关顺序的大量相似计算任务。瞄准这个特性，黄仁勋思考如何挖掘出GPU更大的潜力，让GPU能够编程，进行更多通用目的的计算。
2004年，机会出现了。斯坦福博士生伊恩•巴克（Ian Buck）开发了一个叫Brook的项目，通过C语言将GPU计算扩展到一些图形以外的领域。黄仁勋火速把他挖到手，领导新项目CUDA（Compute Unified Device Architecture，统一计算架构）。CUDA平台为开发者提供了一套简单易懂的编程模型，提升了处理大规模计算的并行计算能力，同时降低了功耗，大大节约成本。
英伟达让自家的所有显卡都支持CUDA，通过软硬件协同，将GPU的应用边界从游戏和3D图像渲染扩展到了整个加速计算领域，逐渐搭起了自身的技术护城河。
至今仍在英伟达任职的伊恩已是业界资深专家，担任超大规模与高性能计算部门副总裁和总经理。
CUDA推出初期，没有带来明显效益，华尔街首当其冲地频泼冷水。但黄仁勋越来越多地发现航天、能源、生物领域开始使用自己的显卡。他坚定地看好高性能计算的市场前景，在公司营收不到30亿美元的时候，每年狂砸至少5亿美元投入研发，并继续完善生态支持。
“在市场出现前，要看到未来成功的早期指标，而且越早越好，原因是你想尽早看到自己正走在正确的道路上。”
2012年，在ImageNet大赛上，AlexNet团队凭借深度学习+英伟达CUDA/显卡突破了神经网络训练的算力瓶颈，以压倒性优势夺冠，轰动学界。黄仁勋更加确信了GPU无限的未来潜能。
2016年，黄仁勋亲手把英伟达历时5年打造的全球第一台“DGX-1”AI超级计算机捐赠给彼时尚是个研究实验室的OpenAI，这一幕至今令马斯克回想起仍热泪盈眶，嗟叹连连。
风靡全球的比特币挖矿潮中，英伟达大赚了一笔，也让更多人对GPU的能力有了认识，进而刮目相看。
英伟达不断推动技术进步，把GPU效能提升，成本降低，让全世界越来越多的研究人员开始认真思考大规模计算。
英伟达一路辅佐着深度学习和机器学习，迎来了2020年后的生成式AI大爆发。此时它已经一骑绝尘，把包括AMD在内的所有竞争对手远远甩在身后。以至于当任何公司想要训练大语言模型时，翻遍市场上所有加速芯片，竟找不到第二个比英伟达GPU更好的选择。
很快，专为AI而生的A100和H100供不应求，成了OpenAI、谷歌、微软、Meta等巨头争相拼抢的“算力黄金”，甚至它本身就是硬通货，拥有多少块英伟达显卡，就有多大的底气和话语权。
从04年布局CUDA向通用加速计算转型，到12年全力押注深度学习，期间遭遇多次身价跳水，在外界并不看好的路上，面对“不存在的市场”潜心研发，给自己和生态伙伴铺路，英伟达实际上是用了20年的时间沉淀积累，打磨羽翼，预判好了风口站在那里等着。当风来时，它便自然张开翅膀，扶摇起飞。
每18个月性能翻一倍的摩尔定律已经被“黄氏定律”（Huang’s law）取代，即AI背景下GPU的性能将实现逐年翻倍，由黄仁勋在2018年的GTC大会上提出。他还给自己定出了更高的目标：“产品必须每6个月升级一次，功能翻一番。”虽然自己比地球上任何人都有更多竞争对手，“但在计算世界中，我们是一个伟大的标准。我们在每一个云中，在每一个计算机公司中。这就是我们的优势。”
除了起跑比别人早，跑得比别人远，还得跑得更快，而且一刻不能停，这种综合能力才是真正的护城河。
英伟达在加速计算和软件开发上的革新，使得深度学习成本在过去的十年间降低了100万倍。未来十年里，想象它把计算能力再提升100万倍，将会发生什么？
“模型将持续学习。学习和训练过程，训练和推理、部署、应用过程都将融为一体。强化学习会基于这些实时互动和实时创造的合成数据，循环和持续。当计算的边际成本降低到接近零时，就会有很多新的方法去做你想做的事情，就像大语言模型。否则你永远不会考虑——这就是我们要做的：更多的计算。”
谈到AGI时，黄仁勋说，“如果对AGI的定义是它通过人类的数学、推理、医学、律师等测试，那么我会告诉你5年内就会做得很好。如果是拥有人类般的智能，那我不确定。但我们都在努力让它变得更好。”
过去半年多来，他观察到世界各地都出现了主权AI觉醒，英伟达作为“地缘政治风险的典型例子”，会理解并保持敏捷，以便更好地遵守。
所以这就是现在的英伟达。当我们看到它拔地而起，高耸入云，也别忘记它已经向下扎根了30年。当然没有这波AI浪潮，成就不了这家全球第三大市值公司；但若没有英伟达的技术助推，人工智能也不会是今天的样子。