为了更好地便于大家交流学习，EETOP组建了
EETOP GPU&FPGA深度学习群
欢迎行业内朋友加入，加群方法：长按二维码加群主好友，发送如下信息：加群+深度学习+所在公司（或院校）
长按二维码，加群主为好友，拉你入群
加群前请务必在朋友圈分享至少一篇EETOP的微信文章
来源：科技博观
9月26日上午，GTC China 2017的舞台上，NVIDIA创始人黄仁勋发表 “引领AI新格局”的主题演讲。这位1963年出生的科技大佬，不爱格子衫，也不爱白衬衣黑西裤，一件标志性的皮衣像极了中年摇滚歌手。
演讲刚开始，黄仁勋就抛出三枚“核弹”：摩尔定律已经终结；设计人员无法再创造出可以实现更高指令级并行性的CPU架构；晶体管数每年增长50%，但CPU的性能每年仅增长10%。三句话，句句都不忘揶揄英特尔。
尽管黄仁勋一向着装另类、语出惊人，其公司市值也超过1000亿美元，但国内很少有人知道这位华人大佬的成功之路。今天，就给大家讲一讲，他是如何把一家小公司带上图形芯片王座的。
9岁闯荡美国，立志30岁创业
1972年，9岁的黄仁勋和哥哥从台湾飞去美国，按照父母的安排，兄弟俩会去华盛顿投奔舅舅。由于舅舅家经济困难，就把哥俩送到了一所乡村寄宿学校。黄仁勋后来回忆，这个学校像少年教养院，每个孩子都有刀，很多同学全身都是刺青。
两年后，黄仁勋的父母移民美国，哥俩得以进入正规学校读书。而黄仁勋在少年时期就展露出天赋，无论是体育还是文化课都比美国同龄人优秀：15岁夺得全美乒乓球公开赛的双打第三名， 16岁考上美国俄勒冈州立大学电子工程专业。
当然，黄仁勋追女孩的天赋也是一流的——19岁那年，他在实验室结识一个女孩，为了吸引女孩的注意，黄仁勋画下大饼：30岁时会拥有自己的公司。事实证明，这波操作很不理工男，女孩不仅答应做他的女朋友，后来还成了他的妻子。
创立NVIDIA，经历了九死一生
1983年，黄仁勋奔赴硅谷开始寻梦之旅。他选择AMD作为职业生涯第一站，并成为一名芯片设计工程师。到了1985年，22岁的黄仁勋离开AMD，进入偏向芯片图形处理功能的LSI Logic。这两份工作，为他日后打造图形芯片帝国夯实了基础。
在LSI Logic工作的8年，黄仁勋不仅拿到斯坦福的硕士学位，还结识了志同道合的克里斯与普雷艾姆。三人都看好图形芯片，而且想用创业改变世界。于是，1993年NVIDIA成立了，由黄仁勋出任总裁兼CEO，上班的第一天正是他的30岁生日。
创业之初，黄仁勋向专家咨询图形芯片的趋势，得到的回复是最好别干这个。黄仁勋显然没被吓到，他坚信可以构建出一个图形芯片帝国。倔强的男人运气不会太差，随后他就在著名的沙丘路拿到220万美金的投资，这在1993年可是个天文数字。
幸运不会一直都在，先行者总要付出代价。1995年，NVIDIA推出的NV1不被认可，这差点让公司破产。就在举步维艰之时，世嘉公司的700万美元订金到账，但NV2最终也沦为一款失败之作。唯一值得庆幸的是，这笔钱帮NVIDIA撑到了新时代的到来。
抱上微软大腿，成为硅谷亿万富翁
1995年之后，微软公布了Windows专用的图形接口Direct3D，并想扶植一家企业抗衡风头正盛的3Dfx。黄仁勋发现了这个机会，他果断决定全面支持微软的接口，这也让NVIDIA成为抱上微软大腿的幸运儿。
1997年，NVIDIA发布的NV3一炮而红，让公司得以起死回生。1999年，NVIDIA又发布GeForce 256，这款开天辟地的GPU，相当于给电脑装上CPU之外的另一个大脑。GPU的市场反应异常火爆，这也让黄仁勋在公司上市后成为亿万富翁。
到了2000年年底，NVIDIA将老对手3Dfx尽收囊中。此时，在图形芯片市场里堪称NVIDIA对手的，就只剩下了ATI和英特尔。黄仁勋提出，显卡芯片每6个月性能提升一倍，这也成为与摩尔定律并称的 “黄氏定律”。
从推出GPU 概念开始，此后虽然也经过若干次起伏，但时至今日，黄仁勋一直扮演着显卡芯片的领跑者角色。同时，他也开启了怼天怼地怼空气模式，被称为IT届最好斗的人。据不完全统计，黄仁勋得罪过AMD、英特尔、微软、苹果、讯景……
对了，除了现在“AI教父”的绰号，他还有个“核弹狂魔”的称号，至于这个酷炫名字的来历，只能笑而不语了。
关注EETOP公众号，后台发送消息：百宝箱，阅读模拟IC相关文章：
10分钟！用初中数学知识看懂深度学习！
AI芯片|浅析Yann LeCun提到的两款Dataflow Chip
走进深度学习，你需要先了解这25个概念和术语...
AI芯片踏入红海
解读AI：快速获取样本将成重点研究方向
机器学习和深度学习的最佳框架大比拼
深入浅出机器学习
机器学习和深度学习的最佳框架大比拼
哪些国家和大学人工智能研究领先？中国第一？
人工智能的“脑洞”有多大？院士：目前太依赖计算
浅说深度学习：核心概念
深度学习简易入门
几张图读懂机器学习：基本概念、五大流派与九种常见算法
通过生活案例读懂机器学习五大算法思维
腾讯云FPGA的深度学习算法
如何在单块GPU上训练超大型深度学习模型
AI芯片怎么降功耗？从ISSCC2017说起
AI驾临人间 四大芯片流派华山论剑
机器学习追根溯源：和计算机技术一样久远
[透析] 卷积神经网络CNN究竟是怎样一步一步工作的？
中国正在引领人工智能？纽约时报说：“是的！”
Nvidia是如何成为AI圈的弄潮儿
人工智能芯片: AI巨轮的引擎
李开复|如何给非专业人士讲解什么是深度学习
神经网络入门
从人工智能能机器学习到深度学习，不容错过的人工智能简史
浅析：人工智能的前沿—机器视觉的种类
浅析深度学习
在机器学习中机器是怎么从资料中「学」到东西的？
12张图生动地告诉你，深度学习中的卷积网络是怎么一回事？
从人工智能机器学习到深度学习，不容错过的人工智能简史
【高盛AI研究报告】人工智能是时代的拐点
一文带你理解深度学习的局限性
无解的神经网络内在逻辑
FPGA是如何实现30倍速度的云加速的？都加速了哪些东西
深度学习 语音识别 FPGA 实现
2017年人工智能行业分析：芯片企业最少，计算机视觉与图像企业数量最多
关于人工智能的七大常见误解与七个真相！
一个故意不通过图灵测试的人工智能-Part 1
最适合人工智能开发的5种编程语言
一文说清楚机器学习、深度学习、人工智能的区别与联系
机器学习与人工智能究竟有何区别？
机器学习算法比较
云中的机器学习：FPGA 上的深度神经网络
什么是机器学习?
机器学习导入芯片设计领域
AI技术大爆发背景下，开源深度学习框架的发展趋势如何？
中国初创公司在AI芯片（IP）领域的机会
深度学习简易入门
浅谈Alpha Go所涉及的深度学习技术
深度学习 语音识别 FPGA 实现
点击阅读原文查看更多
