顯卡（Video card，Graphics card）全稱顯示接口卡，又稱顯示適配器，是計算機最基本配置、最重要的配件之一。顯卡作為電腦主機里的一個重要組成部分，是電腦進行數模信號轉換的設備，承擔輸出顯示圖形的任務。顯卡接在電腦主板上，它將電腦的數字信號轉換成模擬信號讓顯示器顯示出來，同時顯卡還是有圖像處理能力，可協助CPU工作，提高整體的運行速度。對于從事專業圖形設計的人來說顯卡非常重要。 民用和軍用顯卡圖形芯片供應商主要包括AMD（超微半導體）和Nvidia（英偉達）2家。

如果你喜歡用電腦玩游戲，那么對 NVIDIA（英偉達）這個名字肯定不會陌生，NVIDIA 研發的旗艦級游戲顯卡，性能強大，發熱量驚人，有“核彈”之稱。隨著人工智能的興起，NVIDIA 的 CEO 黃仁勛（Jen-Hsun Huang）卻反復強調：顯卡公司NVIDIA 是一家人工智能公司！

2014 年，NVIDIA 的股價還在 25 美元附近徘徊，到了今天，NVIDIA 的股價卻已經飆到了 96 美元，翻了近 4 倍！堪稱美國科技界的一只“妖股”。

靠游戲顯卡發家的 NVIDIA，怎么就成了“人工智能”界的領頭羊呢？

險些夭折的NVIDIA

創建 NVIDIA 之前，黃仁勛曾經是 AMD 公司的芯片設計師，那時候的他或許想不到，二十年后，自己創立的公司會成為老東家最強勁的競爭對手。

在 AMD 公司，黃仁勛打下了結實的技術基礎，之后他又跳槽到了芯片公司 LSI-Logic，在那里，黃仁勛完成了從技術崗到銷售崗的轉型。1993 年，三十而立的黃仁勛和兩位好友共同創建了 NVIDIA，主攻當時仍處在萌芽階段的圖形芯片市場。

NVIDIA 做的第一件大事，就是花兩年時間研發了一款與市面上所有圖形芯片都不同的產品——NV1，其集成了顯卡、聲卡、手柄驅動等多種功能，瞄準的并不是 PC 市場，而是游戲主機。

可惜，NVIDIA 傾盡全力研發出來的第一款產品，卻始終沒有打進主流游戲市場，NVIDIA 花光了投資，幾近破產。

在走投無路之際，游戲公司世嘉伸出了援手——當時世嘉正在開發新一代的主機“土星”，他們認為 NVIDIA 芯片的高集成度能夠更好地在游戲機上發揮性能，因此投入了 700 萬美金支持 NVIDIA 研發新一代的產品。

世嘉土星游戲主機

重新定義“顯卡”

雖然世嘉跟 NVIDIA 的合作最終沒有成功，研發中的 NV2 芯片也因此流產，但靠著這 700 萬美金，黃仁勛終于摸到了市場的脈象——當時微軟發布了 Direct X 接口，可市面上支持這一標準的圖像芯片卻寥寥無幾，所有的圖像芯片廠商都在忙著推廣自己的接口。

黃仁勛決定，放棄部分已有的專利，轉而全面支持微軟的 Direct X 接口。同時，NVIDIA 全面提升了開發速度，每六個月就研發一款新產品。

轉型后的 NVIDIA 推出了 Riva 128 芯片，不僅性能足夠強大，而且造價也要比同類產品低廉不少，加上對 Direct X 的良好支持，成為不少 ODM 廠商的首選。

NVIDIA Riva 128 圖形芯片

之后，找對產品思路的 NVIDIA 開始奮起直追，于 1999 年推出了世界上首款 GPU（Graphics Processing Unit，圖形處理器）GeForce 256，與同時代的其他圖像芯片相比，GeForce 256 的創新之處在于，大大減少了對 CPU 的依賴，強化了對 3D 圖像的渲染功能，性能上遠遠地甩開了同期的對手。

得益于 GeForce 256 的出色表現，NVIDIA 拿到了微軟 Xbox 游戲機的訂單，輾轉多年以后，NVIDIA 又回到了他們最初想攻占的游戲機市場。

浮夸的 GeForce 256 包裝，凸顯其強大的性能

從顯卡到人工智能

其實，黃仁勛一直都知道，NVIDIA 的 GPU 絕不只是為電子游戲服務的，但是讓他想不到的是，GPU 居然還能在“深度學習”領域大放異彩。

“深度學習”是人工智能的關鍵，從 20 世紀 60 年代至今，“深度學習”領域一直沒有巨大突破的原因在于：

需要足夠龐大的數據量

需要足夠廉價的計算能力

互聯網的普及讓數據前所未有地龐大，而且每個人都能輕易地接觸到大量的數據，可是這么多年過去了，計算機的算力依舊不夠強大。

2006 年，為了減少開發者的負擔，NVIDIA 發布了一個名為 CUDA 的編程工具，開發者們通過這套工具，可以輕松地讓 GPU 同時對畫面上的每一個像素進行編程，讓他們完成一些簡單的渲染工作——這樣一來，開發者就無須不勝其煩地重復寫代碼了。

同樣，利用這一原理，深度學習的研究者們也可以利用 GPU 來完成大量低級計算，從而大大提升人工智能的計算能力。在世界范圍內，大約有 3000 家人工智能公司通過 NVIDIA 的芯片來滿足他們對人工智能的需求，其中不乏亞馬遜、谷歌、微軟等科技巨頭。

NVIDIA GPU 深度學習原理圖示

對于“深度學習”，黃仁勛是這樣理解的：

深度學習就像人腦一樣，你幾乎可以教會它任何東西，但它有個巨大的障礙：需要龐大的計算量，這跟我們的 GPU 的運算模式幾乎是一致的。

盡管 NVIDIA 的主營業務仍是顯卡，2017 財年第三季度，圖形芯片部門的營收占其總營收的 85%；但得益于人工智能領域的發展，NVIDIA 的汽車業務增長迅速，同比增長 60.8%，最新推出的車載電腦 DRIVE PX 2 更是被用到了特斯拉的電動汽車當中，發展前景十分可觀。

黃仁勛與特斯拉電動汽車

人工智能帶著顯卡廠家一起裝逼一起飛了。那么我們來看看，顯卡的前世今生。

原來的顯卡是什么？

顯卡的工作非常復雜，但其原理和部件很容易理解。在本文中，我們先來了解顯卡的基本部件和它們的作用。此外，我們還將考察那些共同發揮作用以使顯卡能夠快速、高效工作的因素。

顯示卡（videocard）是系統必備的裝置，它負責將CPU送來的影像資料（data）處理成顯示器（monitor）可以了解的格式，再送到顯示屏（screen）上形成影像。它是我們從電腦獲取資訊最重要的管道。因此顯示卡及顯示器是電腦最重要的部份之一。我們在監視器上看到的圖像是由很多個小點組成的，這些小點稱為“像素”。在最常用的分辨率設置下，屏幕顯示一百多萬個像素，電腦必須決定如何處理每個像素，以便生成圖像。為此，它需要一位“翻譯”，負責從CPU獲得二進制數據，然后將這些數據轉換成人眼可以看到的圖像。除非電腦的主板內置了圖形功能，否則這一轉換是在顯卡上進行的。我們都知道，計算機是二進制的，也就是0和1，但是總不見的直接在顯示器上輸出0和1，所以就有了顯卡，將這些0和1轉換成圖像顯示出來。

早期，顯卡計算能力不行，3D的數據處理不過來。古墓麗影中，勞拉的屁股是方的。

顯卡的主要部件是：主板連接設備、監視器連接設備、處理器和內存。不同顯卡的工作原理基本相同CPU與軟件應用程序協同工作，以便將有關圖像的信息發送到顯卡。顯卡決定如何使用屏幕上的像素來生成圖像。之后，它通過線纜將這些信息發送到監視器。

顯卡的演變自從IBM于1981年推出第一塊顯卡以來，顯卡已經有了很大改進。第一塊顯卡稱為單色顯示適配器（MDA），只能在黑色屏幕上顯示綠色或白色文本。而現在，新型顯卡的最低標準是視頻圖形陣列（VGA），它能顯示256種顏色。通過像量子擴展圖矩陣（QuantumExtendedGraphicsArray，QXGA）這樣的高性能標準，顯卡可以在最高達2040x1536像素的分辨率下顯示數百萬種顏色。

根據二進制數據生成圖像是一個很費力的過程。為了生成三維圖像，顯卡首先要用直線創建一個線框。然后，它對圖像進行光柵化處理（填充剩余的像素）。此外，顯卡還需添加明暗光線、紋理和顏色。對于快節奏的游戲，電腦每秒鐘必須執行此過程約60次。如果沒有顯卡來執行必要的計算，則電腦將無法承擔如此大的工作負荷。

顯卡工作的四個主要部件

顯卡在完成工作的時候主要靠四個部件協調來完成工作，主板連接設備，用于傳輸數據和供電，處理器用于決定如何處理屏幕上的每個像素，內存用于存放有關每個像素的信息以及暫時存儲已完成的圖像，監視器連接設備便于我們查看最終結果。