。唐·克拉克，《为什
家24岁
芯片制造公司是科技行业热门之》（Whya24-Year-OldChipmakerIsOneofTech'sHotProspects），《纽约时报》，2017年9月1日。普拉迪普·古普塔（PradeepGupta），《CUDA回顾：GPU计算起源评论》（CUDARefresher:ReviewingtheOriginsofGPUComputing），英伟达，2020年4月23日，进化，苹果及通用GPU》（AppletoBuildOwnGPU，theEvolutionofGPUs，AppleandtheGeneral-PurposeGPU），StratecheryNewsletter，2017年4月12日。本·汤普森，《英伟达整合梦想》（Nvidia'sIntegrationDreams），StratecheryNewsletter，2020年9月15日。2006年，英伟达意识到高速并行计算可以用于计算机图形以外用途，发布
CUDA（统计算设备架构）软件，该软件允许GPU以标准编程语言进行编程，不需要任何图形参考。尽管英伟达正在大量出产流图形处理芯片，但根据该公司2017年项估计，为让程序员而不仅仅是图形专家都能使用英伟达芯片，黄仁勋在这项软件工程上花费至少100亿美元。黄仁勋赠送CUDA软件，但该软件只适用于英伟达芯片。通过使芯片在图形处理行业之外发挥作用，英伟达发现从计算化学到天气预报并行处理巨大新市场。当时，黄仁勋只能模糊地感知到并行处理最大应用——人工智能——潜在增长。
如今，英伟达芯片主要由台积电制造，这在大多数先进数据中心可以找到。幸好英伟达不需要建立自己晶圆厂，否则在启动阶段很可能筹集不到必要资金。给在丹尼快餐店干活芯片设计师几百万美元已经是场赌博，即使对硅谷最有冒险精神投资者来说，当时赌上1亿美元（那时建个新晶圆厂成本）也是个难题。此外，正如杰瑞·桑德斯所指出，运行个晶圆厂是昂贵且耗时。像英伟达那样，简单地设计顶级芯片就足够困难。如果英伟达还必须管理自己制造环节，它可能就没有足够资源构建软件生态系统。
英伟达并不是唯家为专用逻辑芯片开发新应用无晶圆厂公司。通信理论教授欧文·雅
请关闭浏览器阅读模式后查看本章节，否则可能部分章节内容会丢失。
