第 5 章
算力豪赌与华尔街的盲区
（以下为第5章《算力豪赌与华尔街的盲区》正文）
会议室里弥漫着咖啡因与焦虑混合的气味。这是2005年某个深秋的下午，英伟达圣克拉拉总部那间以“战情室”闻名的会议室，长条桌边围坐着公司几乎所有核心高管：首席科学家、硬件工程副总裁、软件负责人、财务总监，还有几位从CUDA早期研究项目中脱颖而出的骨干工程师。窗外是硅谷常见的晴朗，但室内的空气却凝重得几乎能触摸。投影仪亮着，屏幕上是密密麻麻的芯片架构图、市场预测曲线和财务报表摘要。话题的核心，是那个在少数工程师口中被称为“通用计算GPU”的设想，以及一个名为CUDA的软件平台雏形。
黄仁勋坐在长桌一端，没有立刻发言。他听着硬件副总裁用技术语言解释，若要为每颗消费级GPU加入足够的通用计算单元和内存访问逻辑，芯片面积将增加多少，功耗墙上限会面临何种挑战，以及由此带来的每颗芯片成本预估。财务总监随后接话，用冷静的语调汇报：如果执行此方案，公司毛利率将受到显著冲击，可能从历史高点下滑数个百分点，并持续至少两到三个财年。他展示的模型里，研发投入的曲线上扬，而新增的收入假设——基于那个当时小得可怜的高性能计算（HPC）市场——则是一条平缓得几乎看不见的细线。
“这相当于，”财务总监总结道，目光扫过在场所有人，“我们每年要投入数亿美元的额外成本，并承受利润率下滑的后果，去赌一个五到十年后可能、也可能不会出现的市场。在财务模型里，这笔投资的净现值是负数。”
软件负责人补充了生态建设的难度：“我们需要从头构建一整套编程环境、编译器、调试工具、数学库。这需要一个大型软件团队，其规模和专业性是我们从未组建过的。而且，初期用户将主要是学术界和研究机构，他们习惯于免费获取工具，商业回报路径极不清晰。”
反对的意见很具体，也很有力量。一位资深硬件架构师提出：“我们GPU的晶体管预算非常宝贵。每一平方毫米的硅面积，都应该用来提升游戏帧率或者降低功耗，以赢得下一代显卡的评测头名。把这些资源分给一个玩家根本用不到的功能，会削弱我们在核心战场上的竞争力。”
争论持续了数个小时。支持者寥寥无几，主要是那几位从零开始探索GPU计算的研究者，他们用激情和零星的成功案例试图描绘未来，但声音在冷冰冰的成本数字和市场份额图表面前显得单薄。绝大多数高管，包括许多对黄仁勋无比忠诚的副手，都倾向于更稳妥的路径：继续深耕图形市场，优化产品迭代节奏，用利润回馈股东。
黄仁勋一直沉默地听着，在笔记本上偶尔记下几个字。直到傍晚时分，争论的热度渐渐冷却，留下一种疲惫的悬而未决时，他才第一次开口。他的声音不高，却带着一种斩钉截铁的穿透力。
“我听到的都是成本，是风险，是不确定性。这很好，说明我们头脑清醒。”他顿了顿，“但你们有没有算过另一笔账？如果我们不做这个，五年后、十年后，英伟达会是什么？”
会议室更加安静了。
“我们今天能坐在这里讨论利润率，是因为我们在图形市场上暂时领先。但请注意，是‘暂时’。”黄仁勋站起身，走到屏幕前，手指点向那张代表PC显卡市场规模的曲线，“PC产业已经成熟，增长放缓。摩尔定律带来性能提升，但也带来价格压力。整机厂商、OEM客户，会不断挤压我们的利润空间。更关键的是，微软的DirectX和整个图形API生态，正在越来越深地介入，它决定着我们硬件特性的价值。我们赚的，是依附于PC产业周期和软件平台定义的辛苦钱。我们的命运，在某种程度上，并不完全掌握在自己手里。”
他切换画面，屏幕上出现了一张混乱的、描绘未来计算需求的示意图：基因测序、石油勘探、气候模拟、金融建模、甚至早期的机器学习模型……“世界正在数字化，数据的复杂度和规模在指数增长。传统CPU的串行处理模式，正在遇到瓶颈。计算，需要一种新的方式——大规模并行。”
“我们的GPU内部，正好有成千上万个小核心，天生为并行而生。”黄仁勋的目光扫过每一位与会者，“但如果没有一个通用的编程环境，让科学家和工程师能轻松地调用这些算力，这些核心就永远只是画图的工具，潜力会被锁死。CUDA，就是那把钥匙。”
“现在，这把钥匙没人需要，因为门还没出现。但门一定会出现。”他的语气变得异常坚定，“如果我们现在开始打造这把钥匙，并且确保未来每一扇可能的门，都只能用我们的钥匙打开——那么，当门一扇扇打开时，英伟达就不再是一家卖显卡的公司。我们将是卖‘算力’的公司，是计算基础设施的提供者。我们的市场边界，将从一个萎缩的PC游戏市场，扩展到整个科学计算、工程模拟、乃至未来可能出现的任何需要大规模并行计算的领域。那将是一个比图形大十倍、百倍的天地。”
“是的，代价高昂。是的，短期内会牺牲利润，会惹恼华尔街。”他最后说，“但如果我们不付这个代价，我们就永远只是个‘图形公司’，在看得见的天花板下，等待下一个周期性的寒冬。而寒冬总会到来。我不想等它来了再寻找外套。我想在寒冬到来之前，建造一座有壁炉的城堡。”
那场会议没有立刻达成所有人的共识，但黄仁勋以其不容置疑的意志和战略阐述，强行推动了方向的转变。CUDA从一个边缘研究项目，被提升为公司的核心战略。内部代号为“G80”的下一代旗舰GPU架构设计，开始进行重大调整——不仅仅是为了更快的图形渲染，更是为了更高效地执行通用计算任务。一个独立的软件部门开始秘密组建，招募编译器专家、数学库开发者和系统架构师。一场违背当时几乎所有商业逻辑的豪赌，在圣克拉拉那间会议室里，悄然拉开了序幕。
两年后的一个秋日，旧金山莫斯康尼会议中心。游戏开发者大会（GDC）的展厅里人声鼎沸，最新最炫的游戏预告片在巨幕上循环播放，震耳欲聋的音效和炫目的光效是这里的标配。但今天，在英伟达专属的演讲厅里，气氛却有些不同寻常。
黄仁勋走上舞台，标志性的黑色皮夹克，背后的大屏幕上没有《孤岛危机》的惊世画面，也没有与老对手ATI的性能对比图。取而代之的，是一个简洁的Logo——CUDA，以及一行英文：“The Architecture of Parallel Computing”（并行计算的架构）。
台下坐着几千人，其中大约三分之二是游戏开发者、记者和铁杆玩家，他们是这场盛会的主人。剩下的三分之一，则夹杂着一些神情更为专注、穿着也更为随意的人——他们中有大学教授、科研机构的工程师、少数对新硬件极其敏感的独立软件开发者。前排还坐着几位华尔街的半导体分析师，他们来此是为了第一时间捕捉产品信息，但此刻脸上也写着困惑。
“今天，我们发布一款革命性的产品。”黄仁勋的声音平稳有力，“它叫GeForce 8800 GTX。”
人群中爆发出预期的欢呼和口哨。对于玩家来说，这才是正题。关于这块新卡的传闻已经流传数月：基于全新的“Tesla”架构（此时这个代号尚未引发与电动汽车公司的关联），拥有128个着色器，采用统一渲染架构，性能将把前代旗舰远远甩开。
“是的，它是迄今为止最快的游戏显卡。”黄仁勋点头，似乎满足了玩家的期待。但紧接着，他话锋一转，“然而，今天最重要的，不是它有多快，而是它能做什么。”
大屏幕上，CUDA的编程示例开始滚动。黄仁勋用尽量通俗的语言解释：“想象一下，你有一个极其复杂的任务，比如模拟全球天气，或者训练一个能识别猫狗的人工智能模型。这个任务可以被拆解成成千上万个小问题，同时进行。CPU就像一个超级教授，一次只能专注解一道题，虽然他解题很快。而我们的GPU，就像一间坐满了聪明小学生的教室，每个小学生都会做简单的加减乘除，而且可以同时做不同的题目。”
“CUDA，就是给这群小学生编写任务书的语言和方法。有了它，程序员就能直接把GPU当作一个强大的并行计算引擎来使用，而不仅仅是一个画图工具。”
为了让大家更直观地理解，他展示了几个应用案例：一个天体物理学家使用GPU集群模拟星系碰撞，速度比用传统CPU集群快了上百倍；一个生物信息学家用GPU分析基因序列数据；甚至还有一个小例子，用GPU实时进行高清视频的降噪处理。
对于在场的大多数游戏玩家和开发者来说，这些内容有些超前且陌生。他们更关心的是，GeForce 8800 GTX在《使命召唤》里的帧率能提升多少。然而，对于坐在后排的那几十位计算科学家和前沿工程师来说，黄仁勋的话如同在寂静的房间里投下了一枚震撼弹。他们之前或许零星听说过GPU可用于计算的传言，也看到过一些极其初级的尝试，但从未有一家公司如此郑重其事地，将“通用并行计算”作为一款消费级旗舰产品的核心卖点之一，并配套发布了正式的编程工具。
演讲结束后的问答环节，焦点果然集中在图形性能和价格上。只有寥寥数个问题涉及CUDA，提问者用词谨慎，带着试探：“CUDA目前支持哪些科学计算库？”“它的内存模型如何与现有的CPU程序交互？”“未来会有更多针对计算的优化吗？”
黄仁勋和他的技术负责人一一作答，态度诚恳且充满鼓励。他们知道，今天种下的，只是一颗种子。
GeForce 8800 GTX如期上市，如预期般在各大硬件评测网站横扫千军，牢牢确立了英伟达在消费级显卡市场的技术霸主地位。疯狂的游戏玩家和PC爱好者争相抢购，渠道迅速铺开。从表面上看，这是又一次辉煌的产品发布，巩固了英伟达的图形王座。
然而，在光鲜的评测成绩和销售数据背后，一场静默的成本地震正在英伟达的财务报表和华尔街分析师的模型里引发连锁反应。
问题首先体现在“硅”的层面。G80芯片的晶体管数量高达6.81亿，核心面积远远超过上一代G71。在同样的晶圆上，能切割出的G80芯片数量显著减少，单颗芯片的制造成本大幅上升。更大的芯片面积也意味着更高的功耗和发热量，这迫使显卡厂商（AIC）采用更复杂的散热方案和更昂贵的供电设计，进一步推高了整卡的物料成本（BOM）。
更为隐蔽的是，为了支持CUDA通用计算，G80在架构上做出的妥协。它的“统一着色器架构”虽然提高了资源利用率，但为了兼顾计算和图形两套工作负载，设计复杂度陡增。验证周期拉长，潜在的设计瑕疵风险上升。部分早期批次的芯片，或许就因为这些复杂度的提升，在特定高负载计算场景下暴露出未预料到的稳定性问题——这为日后的一场巨大危机埋下了伏笔。
英伟达的财务部门最先感受到寒意。在接下来的一个季度财报电话会议上，当黄仁勋和CFO介绍完创纪录的收入和市场份额后，一位尖锐的分析师立刻抓住了毛利率的变化。
“黄先生，我们注意到本季度公司毛利率环比出现了明显下滑，尽管收入增长强劲。管理层此前提到了对CUDA和通用计算的战略投资。能否详细说明，这种成本结构的变化，在多大程度上是由于新产品（指G80及其衍生计算卡）中为支持通用计算而增加的芯片面积、设计复杂度和相关研发投入所致？这种成本上升是过渡性的，还是会长期持续？”
CFO的回应是标准的：“毛利率波动受多重因素影响，包括产品组合、良率爬升过程中的成本以及一次性研发投入。我们相信随着产品成熟和规模效应，成本会得到优化。”
但分析师不依不饶：“具体到CUDA带来的影响，管理层预计需要多少个季度，或者需要达到怎样的Tesla计算卡出货规模，这部分增加的成本才能被摊薄或通过新增收入覆盖？”
黄仁勋接过话筒，他的回答更侧重于战略层面：“我们正在为一个我们认为至关重要的未来并行计算市场打下基础。这需要持续的投资，包括在芯片架构和软件生态上的投入。短期内，这种投资会反映在我们的成本结构中。但我们坚信，这项投资将为英伟达打开前所未有的增长空间，并构建起长期的竞争壁垒。我们请求投资者和我们一样，具有战略耐心。”
“战略耐心”，这个词成了接下来几年英伟达与华尔街之间拉锯战的关键词。在分析师们的财务模型里，英伟达的估值核心依然是“PC图形市场领导者”。模型的关键输入变量是PC出货量增长率、游戏软件销售额、新产品发布周期、以及与ATI（后被AMD收购）的竞争份额变化。CUDA和Tesla带来的成本增加，是一个明确的负向因子，而其对应的收入增长假设，由于基数太小、市场不确定性太高，被保守地设为极低甚至为零。
于是，在每一份季度业绩报告后，反复上演着相似的场景：英伟达公布强劲的收入和游戏市场份额数据，但同时披露因研发投入增加和成本结构变化导致的毛利率压力。电话会议上，分析师们前半程祝贺图形业务的成功，后半程则反复质疑CUDA战略的财务合理性、投资回报时间表，以及管理层是否过于沉迷技术理想而忽视股东价值。
“我们建立模型评估英伟达，”一位来自美银美林的分析师在一次行业会议上直言不讳，“CUDA带来的不确定性使得估值很难给高。它消耗现金，稀释利润，而目标市场（HPC）的规模在可预见的未来似乎不足以改变公司的基本面。这让我们更倾向于将其视为一个周期性半导体股票，而非成长型科技公司。”
资本市场的反应直接而残酷。尽管英伟达的营收仍在增长，但其股价在2006年底冲高后，便进入了漫长的盘整和下跌通道。相比之下，同期受益于智能手机爆发的苹果、高通等公司股价一路高歌猛进。华尔街的主流叙事开始形成：英伟达被一个名叫CUDA的“昂贵爱好”分心，管理层在浪费股东的钱，追逐一个虚无缥缈的“通用计算”梦想。
内部的压力同样真实。销售部门抱怨，推销Tesla计算卡异常困难。他们面对的客户是习惯了英特尔或IBM全栈解决方案的大型企业IT部门或国家级实验室。这些客户需要的是从硬件到操作系统、编译器、中间件、直至应用软件的完整生态和支持保障。英伟达能提供的只有一块卡和一套相对初级的CUDA开发工具。
“客户问我们，‘你们的GPU计算方案有没有像MATLAB那样成熟的商业软件支持？有没有像英特尔那样的全球技术支持团队？’我们只能诚实回答，这些都需要他们自己去开发或集成。”一位销售总监在内部会议上沮丧地汇报，“他们的IT部门评估后认为风险太高，不值得改变现有的稳定计算架构。即使有个别科学家对性能感兴趣，也无法推动整个机构的采购决策。”
更让销售团队感到无力的是竞争对手的漠视。英特尔几乎公开地表达了对GPU计算的不以为然，其高管多次表态，通用计算的未来依然在x86架构的CPU上。AMD虽然拥有GPU业务，但其战略重心摇摆不定，时而宣传Fusion（CPU+GPU融合）概念，时而又将资源重新倾斜回与英特尔的CPU竞争和传统图形市场。英伟达发现自己像是在对着空旷的旷野呼喊，声音传出去了，却得不到像样的回响。
唯一持续增长的，是那支日益庞大的软件工程团队。他们在日以继夜地工作，修复CUDA编译器的Bug，优化数学库的性能，编写示例代码，举办开发者研讨会，与顶尖大学合作开设课程。他们的工作成果，体现在不断升级的CUDA版本号（1.0, 1.1, 2.0...）和逐渐完善起来的工具链上。但这些工作的直接产出，很难用销售额或市场份额来衡量。他们像在建造一座宏伟的图书馆，藏书日益丰富，但访客却门可罗雀。
黄仁勋是这座图书馆最坚定的守护者和宣传员。在每一个可能的场合——公司内部会议、行业大会、财报电话会、甚至与媒体的非正式交谈——他都在不厌其烦地推销他的愿景：计算正在并行化，GPU是并行的未来，CUDA是通向未来的桥梁。他的论述充满逻辑，也充满感染力。但在2007年到2008年间，随着金融危机乌云的聚集，他的声音开始显得有些孤独和苍白。
2008年，全球金融海啸呼啸而至。消费电子市场瞬间冰封，PC和游戏机销量断崖式下跌。英伟达的营收在一个季度内暴跌。然而，真正的致命一击来自内部。
此前，为了在激烈的竞争中不断刷新图形性能纪录，英伟达在芯片设计上采取了激进策略，并引入了当时尚不完全成熟的65纳米制程工艺。部分批次的移动版GeForce 8系列显卡（广泛用于笔记本电脑）和少量桌面版显卡，被发现在使用一段时间后，因芯片封装材料或内部连接存在缺陷，会导致过热、花屏甚至完全失效。
问题大规模爆发。戴尔、惠普、联想等全球顶级PC厂商的退货和索赔要求如雪片般飞来。英伟达不得不进行一次高达近两亿美元的巨额产品质量担保减记。这笔开支几乎吞噬了公司当季的全部利润，并导致连续两个季度出现净亏损。公司的现金流迅速紧张，与OEM客户的关系跌入冰点，品牌声誉严重受损。
内外夹击之下，英伟达的股价从2007年的高点暴跌超过80%。关于公司可能破产的传言在市场上流传。财务部门每天都在紧张地测算现金 runway，法务部门则疲于应对潜在的集体诉讼。那段日子，黄仁勋面容严峻，频繁地与核心团队召开紧急会议，讨论如何削减非核心开支、聚焦资源、渡过生存危机。
在这样一片愁云惨雾和生死存亡的压力下，CUDA战略及其相关的庞大软件投入，自然成为内部审视和质疑的焦点。一些高管在紧急会议上直言不讳：“公司已经到了悬崖边！我们必须砍掉所有不直接贡献于当前收入的项目，包括那个无底洞CUDA！把钱省下来，集中资源确保下一款游戏显卡成功，渡过寒冬，活下去才是硬道理！”
黄仁勋面临着他职业生涯中最艰难的抉择之一。是断臂求生，砍掉CUDA这个被视为“长期未来”但当前毫无产出甚至加剧负担的项目，以最快速度恢复财务健康？还是咬牙坚持，在生死关头继续为一个不确定的未来投入珍贵的资源？
在最高决策层的闭门会议里，争论异常激烈。支持砍掉CUDA的声音认为，这是纯粹的商业理性，公司首先需要活下去。而坚持保留的一方则争辩道，如果现在砍掉，那么过去几年的投入将付诸东流，公司未来将永远锁死在图形芯片的狭窄赛道上，无法摆脱周期性行业的宿命。
黄仁勋在仔细听取了所有意见，尤其是财务部门对最坏情况的推演后，做出了他的决定。他同意进行痛苦的全面收缩和裁员，严格控制运营成本，推迟或取消一些长期的前沿研究项目。但是，在缩减令的名单上，他坚定地将CUDA核心团队和Tesla计算事业部划了出去。
“CUDA和Tesla是我们未来的命脉，而不是可有可无的选项。”他在解释这一决定时说，“我们可以暂时降低它的优先级，可以更严厉地考核它的进展，但绝不能砍掉。一旦砍掉，我们就等于亲手关闭了通向另一片大陆的大门。现在门还没打开，但我们已经能感觉到门缝透来的风。我们不能因为暂时的风暴，就拆了造船的车间。”
这个决定在当时看来近乎固执，甚至有些愚蠢。它意味着在公司现金流最紧张的时候，依然要为一个看不见回报的项目“烧钱”。它让那些主张彻底聚焦图形业务以求生存的同事感到不解和失望。但黄仁勋以他最高领导者的权威，强行保留下了这颗火种。
金融危机后的复苏是缓慢的。2009年，消费市场开始回暖，英伟达的图形芯片业务逐渐恢复元气，股价也从谷底有所反弹。然而，CUDA和通用计算的故事，依然徘徊在商业世界的聚光灯之外。
特斯拉计算卡在HPC领域的开拓，进展如同在水泥地上种草。确实有一些前沿的研究机构和拥有强大内部技术团队的企业（主要是石油勘探公司）开始尝试使用GPU进行地震数据处理和分子动力学模拟。学术论文中，引用GPU计算加速的研究成果开始零星出现，速度提升的数字看起来令人振奋——有些案例甚至达到了百倍以上。
但这些成功都带有强烈的“实验室”色彩。使用门槛极高，往往需要科学家本人同时精通领域知识、并行计算理论以及相对晦涩的CUDA编程。能够跨过这道门槛的“全才”凤毛麟角。更关键的是，这些应用往往是“一次性”的科研项目，而非可复制、可商业化推广的标准解决方案。
英伟达的开发者关系团队在大学中推广CUDA课程时，经常遇到教授的疑问：“教学生这个有必要吗？他们毕业了去企业里，根本用不上。企业用的都是成熟的商业软件，没人会让他们自己从头用CUDA写程序。”
销售团队拜访大型企业时，得到的反馈更加直接：“你们的硬件速度确实快，但我们需要的是完整的解决方案。你们有经过认证的操作系统、编译器、应用软件吗？有7x24小时的全球技术支持吗？如果我们采用了你们的平台，出了问题找谁？我们的IT部门无法维护这样一个非主流的系统。”
这些问题，像一堵堵无形的墙，将GPU计算围困在一个很小的专业圈子里。市场增长缓慢得让人绝望。CUDA开发者社区虽然在扩大，但规模始终有限，其中能贡献代码、报告Bug、撰写教程的核心活跃分子更是不多。
竞争对手的态度依然暧昧。英特尔在2009年左右开始谨慎地提出“众核”（Many-Core）概念，暗示未来处理器将集成更多核心以应对并行计算需求，但其路线图核心仍是x86架构的演进。AMD则继续在“Fusion”的概念上摇摆，试图在CPU中集成更强的GPU单元，但重心仍是优化传统图形和游戏体验。整个产业界对“GPU通用计算”的主流看法，仍是“有趣的研究方向”，而非“迫在眉睫的商业现实”。
在英伟达内部，CUDA战略进入了一种“煎熬的维持”状态。它已经证明了技术可行性，也拥有了一小批狂热的支持者。但它就像一个提前降临到世上的未来使者，格格不入，难以被当下理解。它需要时间成长，需要生态哺育，需要杀手级应用来证明自己不可或缺。而这一切，在2010年前后的商业环境中，似乎都遥遥无期。
华尔街的耐心彻底耗尽。在后续的财报电话会上，分析师们的提问越来越不客气：
“黄先生，CUDA和Tesla业务营收占比至今仍是个位数，但相关的研发和市场费用却在持续增长。请问管理层，你们设定的具体财务目标是什么？在什么时间节点，如果达不到某个份额或盈利水平，管理层会考虑调整这项战略？”
“我们看到，即便是那些早期采用GPU计算的案例，也严重依赖特殊的硬件定制和软件优化，难以规模化推广。管理层所说的‘平台化’、‘生态系统’，具体体现在哪里？除了学术论文，我们何时能看到来自商业软件公司的大规模支持？”
“公司的毛利率长期受到CUDA相关成本的拖累。管理层是否认为，英伟达的游戏显卡业务，其长期健康的毛利率水平，将永久性地低于历史水平？因为你们选择在其中嵌入了一个无法变现的计算功能。”
黄仁勋的回答，始终保持着一种战略家的沉稳和推销员的热忱混合的语气：“我们投资的是计算的未来基础架构。这类投资的回报曲线不是线性的，而是阶梯式的，甚至可能出现很长的平台期。我们需要耐心培育开发者，完善工具链，与合作伙伴共同孵化应用。我们坚信，并行计算是解决未来一系列重大挑战的关键。英伟达正处在这个历史性转折的最佳位置上。”
“耐心”和“坚信”，在追求季度增长和明确预期的资本市场上，显得越来越苍白无力。一些曾经将英伟达视为成长股的基金开始减仓，公司的股票流动性变差，估值持续承压。管理层在每次投资者交流会上，都需要花费大量时间解释为何要坚持这个“烧钱”的战略。
公司内部，尽管黄仁勋以其强大的意志力维持着对CUDA的投入，但长期的付出与回报不成正比，也在侵蚀着团队的士气。软件团队在构建一个庞大而复杂的软件栈，用户却寥寥无几；硬件团队在设计芯片时，必须不断权衡图形性能与计算需求，有时为了满足CUDA的编程模型，不得不牺牲一些纯粹的渲染效率，这在以往是不可想象的；销售团队在推广Tesla时，反复面对客户的质疑和漫长的决策周期。
那是一段漫长而寂静的“荒野行走”。黄仁勋常常在不同的会议室里，向不同的人——焦虑的董事会成员、不耐烦的投资者、疲惫但仍有信念的工程师——重复讲述同一个关于未来的故事。他像一个孤独的领航员，指着远方地平线上一抹依稀可辨的亮光，而大多数人只看到脚下荒芜的土地和漫天的风沙。
2011年，基于更成熟28纳米工艺的Kepler架构发布。它在能效比上取得了巨大进步，CUDA的编程模型也随着版本升级（CUDA 4.0引入统一虚拟内存等）变得更加友好。Tesla计算卡的型号不断更新，性能持续提升。全球范围内，采用GPU加速的超级计算机榜单上，出现的英伟达产品越来越多。一些新的应用领域，如医学成像分析、计算金融，开始有先行者尝试使用GPU。
但所有这些进展，仍然像是投入深潭的小石子，激起一圈圈涟漪，却未能改变潭水的深邃与平静。华尔街的报告里，英伟达的评级在“持有”与“中性”间徘徊。核心的质疑从未消失：一家游戏显卡公司，如此执着地投资一个看似小众的“通用计算”平台，究竟是在引领未来，还是在挥霍现在？
黄仁勋和他的核心团队，只能靠着日益深厚的信念和零星传来的技术捷报相互取暖。每一次有研究团队用GPU计算将某个模拟时间从月缩短到天，每一次有初创公司基于CUDA开发出原型产品，每一次有学生在开源社区贡献了有用的CUDA库，都成为荒野中的小小篝火，让这支队伍得以在寒夜中辨明方向，继续前行。
他们不知道的是，就在他们苦苦支撑、在华尔街的冷眼和市场的寂静中艰难跋涉时，一场发源于多伦多大学安静实验室里的技术突破，正在悄然酝酿。那场突破将第一次向全世界清晰地证明：GPU，尤其是被CUDA深度优化和武装起来的GPU，并不仅仅是一种更快速的图形渲染工具，或是一种小众的科学计算加速器。它是一种能够重新定义人工智能，乃至整个信息技术产业未来面貌的、具有革命性潜力的算力引擎。
但在那道光芒真正刺破云层之前，英伟达必须继续背负着“烧钱的执念”这个略带贬义的标签，背负着华尔街的持续质疑和短期业绩的沉重压力，在荒野中走下去。它的“成长”，正体现在这种负重前行之中——从一家成功的图形芯片公司，向着一家自己定义的、未知的计算基础设施公司艰难蜕变。这个过程注定是痛苦、缓慢且充满误解的。
当2012年的钟声敲响时，英伟达的资产负债表上依然趴着CUDA带来的结构性成本，股价在低谷徘徊，黄仁勋鬓角的白发似乎又多了几丝。但公司的基因、组织的架构、技术的路线，已经被CUDA这场豪赌不可逆转地重塑。软件团队的力量在悄然壮大，硬件设计以计算优先的理念已成为内部共识，“NVIDIA”这个名字，开始在计算机图形学之外的、另一个更广阔的计算世界里，被一小群但至关重要的人所认知、讨论和期待。
这种成长，无声无息，却渗透到骨髓。它让英伟达在承受市场严冬和财务压力的同时，内部却在进行着一场深刻的、面向未来的蜕变。它不再仅仅满足于“画出更好的图”，它正在努力学习一种全新的、更强大的语言——一种关于并行、关于通用计算的语言。
而当一个公司开始掌握一种更强大的语言时，离它用这种语言书写传奇，或许就只差一个偶然的、激动人心的句子了。那句话，将在不久的将来，由一群多伦多大学的研究者，用一组卷积神经网络的参数，在英伟达的GPU上，震撼整个世界。