最後，我們就聊聊現今大家都很關心的問題：為什麽AI開啟了屬於輝達的時代。為什麽挖礦，會首選輝達的顯卡呢？
首先，GPU成功的秘訣在於平行運算，它非常適合做AI模型的訓練。做個比喻，CPU很強大，是個通才，它能以極快的速度執行一個又一個的任務，這就是以串聯的方式處理問題。
而GPU擅長執行量大但並不複雜的任務，它包含成百上千的微處理器，能夠將任務分解成眾多小的計算單元，然後同時處理。
這就好像，GPU裡的處理器個別看都沒那麽聰明能幹，但像是要算幾千題10以內的加減法，一個指令下去，一人算一題，答案馬上就出來了。
圖形處理這類任務，比如一張圖片就有幾千萬個像素需要渲染，計算並不難，但量很大，就適合GPU來執行。
而在AI訓練中，深度學習模型所涉及的神經網絡計算任務，聽起來高大上，其實也是可以分解成大量密集計算的小任務。
最典型的例如圖像辨識，AI科學家吳恩達曾用2000多個CPU來完成海量圖像對AI的訓練，這需要巨額資金來建一個龐大的數據中心，也只有Google這樣的大廠才能這麽豪邁。
而使用GPU，輝達的研究團隊用12塊GPU就可以完成這2000個CPU的工作，提升效率的同時，成本還靠北的低。
其次，黃仁勳在2012年後幾乎All in人工智慧，為了讓輝達的GPU適應機器學習，進行了全方位的軟硬體佈局。
2012年發生了一個指標性事件，在李飛飛的第三屆ImageNet視覺識別挑戰賽上，被稱為“AI教父”的多倫多大學辛頓教授和他的兩名學生，用了一對輝達的GPU來訓練一個深度學習模型，識別正確率斷崖式領先，轟動了AI界。
這次的一戰成名，為輝達帶來了巨大的公關效益，使得輝達與AI被牢牢的綁在一起。黃仁勳抓住了人工智慧爆發的時機，在幾年內就以人工智慧為中心重塑了輝達。
黃仁勳在AI算力競賽的早期就意識到，深度學習的競爭不只看誰能製造出最快的晶片，而且還要看誰能讓軟硬體聯合工作。
類似於蘋果的iPhone，除了手機的硬體，還有iOS、App Store、iCloud等一系列的軟體和服務。
這是典型的輝達式成就，在機會面前，果斷出擊、“光速”行動，並且敢於徹底的自我革命。
《創新者的窘境》是黃仁勳最看重的書之一，它時時提醒黃仁勳不要用過去的邏輯來應對未來的競爭。
黃仁勳總是饑渴地讓員工告訴他外面世界的變化，一旦發現到市場機會，即使數年內都不會產生商業價值，他也會緊緊抓住。
輝達是極少數能跨越成功企業“死亡陷阱”的公司，如何避免只能一時領先，隨時被顛覆，黃仁勳的答案是——讓自己成為未來決定遊戲規則的人。
