现如今，时隔 5 个月后，更准确的说，或许黄仁勋的金句可以改写为「英伟达 AI 的 iPhone 时刻已经到了。」
生成式 AI 的爆火，让人们得以窥见下一个风口，无数科技巨头争先抢后地躬身入局生成式 AI 赛道，试图打开这道充满机遇的科技大门。
但想法很主观，现实很客观，算力、模型、数据一直是 AI 发展的三大要素，AI 芯片所代表的算力既是人工智能的底层基石，也是打开这道科技大门的钥匙。
而现如今，这把通往未来的钥匙正掌握在英伟达的手中。
58 年前，英特尔创始人之一戈登• 摩尔在搜集 1959 年至 1965 年集成电路上晶体管数量的数据基础上，提出了著名的摩尔定律。
集成电路上可容纳的晶体管数目，约每隔两年便会增加一倍。
随后新的推断又涌现了出来，两年的时间间隔被缩短到了 18 个月。
在摩尔定律的作用下，CPU 和 GPU 的处理性能都获得了指数级的增长，2000 年以后，CPU 从单核走向多核，核心数量得到大幅提升。
AI 深度学习的训练和推理大量依赖矩阵计算和浮点计算，对算力提出了极高的要求，而 GPU 能够大规模并行计算，在矩阵和向量计算上远超 CPU，成为高性能计算的「宠儿」。
此外，高速的内存宽带、可扩展性强的算力池、专门优化的深度学习框架、云端部署支撑等优点，也坚定确立了 GPU 在 AI 时代的算力核心地位。
