黄仁勋说：改变我一生的不是天赋，不是运气，更不是斯坦福的学历，而是我母亲的意志力！ 这句话黄仁勋说过不止一次，不是谦辞。母亲罗采秀，初中学历，只会说闽南语，9岁的黄仁勋和哥哥要独自去美国读书，罗采秀就拿着一本韦氏词典，每天挑十个单词，左边英文右边注中文，自己背完再逼儿子默写。 她的发音带着浓重口音，自己都不确定对不对，但没有停过一天。这种劲头，后来真的刻进了黄仁勋的骨子里。 2006年，英伟达在游戏显卡市场已经站稳脚跟。黄仁勋做了一个在公司内部争议极大的决定：把CUDA（统一计算架构）作为核心战略全面推进。 CUDA是一套编程平台，让开发者可以用C语言等通用语言直接调取显卡的并行算力，不再局限于图形渲染。这件事的提出者是黄仁勋从斯坦福大学挖来的工程师伊恩·巴克（Ian Buck）。 这个决定的代价很直接。为了让每块英伟达显卡都原生支持CUDA，芯片里要加入额外的硬件罗辑，导致芯片面积变大，制造成本上涨，而这部分成本根本无法从市场上回收——当时几乎没有人用GPU做科学计算。 从2006年到2010年前后，英伟达的利润率持续受到侵蚀，股价低迷。华尔街的分析师们在财报电话会议上一次次发难，有激进投资者直接提议拆分或出售英伟达。 黄仁勋没有让步。他让团队继续往前走，同时安排把显卡无偿捐赠给全球各大高校和科研机构，培养一批愿意用CUDA写程序的开发者群体。这个布局，外人看不出任何商业逻辑，在财报里更是看不到任何回报。 转折出现在2012年。多伦多大学的杰弗里·辛顿（Geoffrey Hinton）教授和学生亚历克斯·克里切夫斯基（Alex Krizhevsky）、伊利亚·苏茨克维（Ilya Sutskever），只用了两块英伟达GTX 580消费级显卡，用CUDA搭建了一个叫AlexNet的深度学习模型，参加当年的ImageNet图像识别大赛。 AlexNet的错误率比第二名低出10.8%，整个学术界都被震住了。从那以后，GPU训练AI这件事，才算被全世界看见。 然而黄仁勋的考虑已经到了另一个层面。随着AI模型规模不断扩张，训练一个大模型往往需要成千上万张GPU协同运行，GPU与GPU之间的数据传输速度成了最大瓶颈。谁掌握高速互联网络技术，谁就卡着整个AI算力的命脉。 2019年初，行业里传出消息：英特尔正在与以色列公司Mellanox（迈络思）秘密谈判，准备将这家在InfiniBand高性能网络互联领域占据主导地位的企业纳入麾下。 Mellanox由创始人伊亚尔·瓦尔德曼（Eyal Waldman）一手建立，其网络技术直接决定大规模GPU集群的运算效率。英特尔若拿下Mellanox，对英伟达的AI战略将是实质性打击。 黄仁勋亲自主导了这场并购战，报出69亿美元全现金的价格，以每股125美元击败了包括英特尔在内的所有竞标方。这是英伟达史上规模最大的一笔收购，也是下注最重的一次。
