2000 年，斯坦福大学一名学生的一个想法催生了 CUDA——这项技术是当今整个人工智能革命的基础。一切始于 8K 版的《雷神之锤 3》。
2000 年一个寂静的周四晚上，斯坦福大学的学生 Ian Buck 面临一个看似无法解决的问题：以真正的 8K 分辨率玩《雷神之锤 3》。不是简单地玩，而是同时用八台投影仪进行渲染。
他的解决方案介于天才与疯狂之间：他将 32 块 Nvidia Geforce 显卡连接成一个渲染农场。这听起来像是一个雄心勃勃的书呆子的简单故事，却为 21 世纪最宝贵的技术之一埋下了种子。因为巴克的想法为 Nvidia 的 CUDA 技术铺平了道路——该平台如今已成为几乎所有大型人工智能系统的骨干。
从游戏到科学愿景
对于巴克来说，Quake 3 实验是一个转折点。他意识到了当时几乎没有人理解的一点：图形处理器不仅能够绘制三角形，还能成为通用的计算机器。凭借这一见解，这位计算机科学专业的学生深入研究了 Nvidia 芯片的技术规格，并开始了他的博士项目（来源： Xataka）。
- 结果：在 DARPA 奖学金的支持下，巴克与一个小型研究小组共同开发了一种名为“Brook”的开源编程语言。这种语言能够将显卡转变为分散式超级计算机。
- 突然之间，人们可以在 GPU 上执行并行计算了，比如一个单元照亮多边形 A，另一个单元栅格化多边形 B，第三个单元存储数据。
随后发表了一篇题为《GPU 的布鲁克：图形硬件上的流计算》（可通过 斯坦福大学）发表了一篇题为《Brook for GPUs：图形硬件上的流计算》的论文，引起了一个人的关注：英伟达创始人黄仁勋。他立刻意识到这其中蕴藏着巨大的潜力，直接将巴克招入英伟达。
CUDA 的诞生
2005 年：Silicon Graphics 公司因英伟达的冲击而倒闭。如今，这家美国计算机制造商只剩下 OpenGL 规范了。
当时，大约 1200 名前 SGI 员工涌入了英伟达的研究部门。其中包括并行处理领域的先驱约翰·尼克尔斯，他之前的一个项目虽然失败了，但现在与巴克一起组建了一个新项目。
- 这个项目起初的名字让人感到困惑，而不是说明问题：“统一计算领域架构”，简称 CUDA。
- 2006 年 11 月，英伟达发布了该免费软件的第一个版本，但仅限于自己的硬件合作伙伴使用。
最初的兴奋很快消退了。2007 年，CUDA 的下载量仅为 13,000 次。数百万 Nvidia 用户只想将他们的显卡用于游戏。CUDA 编程非常复杂，投资似乎难以收回成本。即使在内部，该项目也消耗了大量资源，却未取得显著成果。
通往人工智能革命的漫长道路
在最初几年里，CUDA 当然没有发展成人工智能技术——当时几乎没有人谈论人工智能。相反，使用 CUDA 的都是研究实验室和科研机构。
但巴克本人在 2009 年接受 Tom’s Hardware 的采访中，Buck 本人已经预见到未来的发展方向：
我们将看到个人媒体中的各种可能性，例如基于内容（面部、地点）的图像和照片分类——这些操作需要巨大的计算能力。
巴克是否完美地描绘了未来几年，这取决于你们自己。至少，他并没有为自己的预感等待太久。
- 2012 年，两名博士生亚历克斯·克里泽夫斯基和伊利亚·苏茨克弗在杰弗里·欣顿的指导下，提出了一个名为 “AlexNet”。
- 该软件能够根据图像内容自动对图像进行分类——这个想法在之前被认为在计算上是不可能的。
关键的是：他们使用配备 CUDA 软件的 NVIDIA 显卡对这个神经网络进行了训练。
至此，两个世界终于融合在一起。CUDA 和人工智能突然变得有意义了。剩下的就是历史了：斯坦福大学一名学生的一个荒唐想法，最终发展成如今数百万人工智能系统所依赖的技术，并使 NVIDIA 成为全球最有价值的科技公司。
