【圖解】17年前的關鍵決策,造就市值逼近兆元的Nvidia!黃仁勳做對什麼?
【圖解】17年前的關鍵決策,造就市值逼近兆元的Nvidia!黃仁勳做對什麼?

編按:
在Nvidia股價持續水漲船高的狀況下,創辦人黃仁勳的身價也跟著暴漲,單日就成長了23%,約64億美元,創下個人歷來最高紀錄,也是今年來富豪榜上財富增值最快的贏家。

根據彭博億萬富豪榜統計,由於這股AI熱潮,黃仁勳今年以來,身價已經增值 146%,約202億美元,目前在富豪榜上排行37名。

5月25日,輝達(NVIDIA)在公布第一季財報後的隔天,投資界掀起巨浪。

知名分析師陸行之一早便在臉書指出,輝達第一季數據中心營收來到42.84億美元,大幅超過英特爾(Intel)的37.18億美元,正式成為數據中心晶片和AI (人工智慧)GPU(繪圖處理器)的唯一霸主。

讓華爾街興奮的還不只如此,輝達在今日盤後股價上漲了28%,市值更暴漲約來到7552億美元。《華爾街日報》就指出,輝達很可能會成為全球第一間,躋身進入兆元俱樂部的晶片公司。

受惠於生成式AI浪潮,輝達預期2023Q2的營收將來到110億美元,年增64%,大幅超過華爾街預期。陸行之表示,過去常聽到一顆蘋果救台積電,「現在救世主恐怕要換人做了。」 然而,輝達並非在成立初期,就預期了AI的爆發。

遊戲起家、爆發於AI,黃仁勳:沒預期過

在輝達1993年創立之初,瞄準的是來自遊戲領域的GPU應用,玩家會購買內含輝達晶片的顯卡,以獲得更好的3D圖形體驗。

不過GPU能進行平行運算的特性,加上逐步演進的算力,相當適合運用於需要運算大量資料的AI模型建置,這也讓GPU逐漸地被AI科學家們注意到。

人工智慧領域先驅者傑佛瑞.辛頓(Geoffrey Hinton)就曾在公開場合中指出:「GPU將會是機器學習的未來。」OpenAI聯合創辦人暨首席科學家Ilya Sutskeve也在今年的GTC大會上指出,一開始也不知道GPU要用在哪,「後來發現ImageNet和數據很適合用GPU來運算,速度很快,訓練規模也前所未有。」

Geoffrey Hinton
人工智慧先驅Geoffrey Hinton曾在公開場合呼籲AI研究者,採用GPU運行龐雜數據。
圖/ Johnny Guatto_University of Toronto

輝達創辦人黃仁勳也曾在一次與《Forbes》的採訪中提到,他曾預期GPU會應用在遊戲以外的領域,「但我從沒想過GPU會轉向深度學習的應用。」

不過商機並非只有輝達創辦人黃仁勳一人看到,同時間也有不少新創盯緊AI商機準備發展GPU。真正讓輝達建立起護城河的,是黃仁勳在2006年時所做出的重大決策:發展CUDA(Compute Unified Device Architecture)。

一個決策造就輝達金輝煌,CUDA是什麼?

在輝達決定發展CUDA以前,AI已經有近45年的發展,遲遲一直無法起飛的原因,除了需要更多的數據用以訓練模型,另一個便是算力問題。

CUDA是一套輝達提供給開發人員的編程工具,讓工程師能運用CUDA,省下大量撰寫低階語法的時間,而是能直接使用高階語法諸如C++或Java等來編寫應用於通用GPU上的演算法,解決平行運算中複雜的問題。

NVIDIA 創辦人暨執行長黃仁勳於GTC 2023回答媒體提問
輝達執行長黃仁勳於2006年,在不被看好情況下決心投入CUDA的開發。
圖/ 輝達提供

2012年,一名多倫多大學的學生Alex Krizhevsky,運用兩張輝達顯卡和120萬張圖片進行AI建模,達到錯誤率僅15%的成績,和前一年的25%相比為飛躍式的進步。

這樣的成果不僅讓Krizhevsky在學術界一砲而紅,也讓諸如微軟(Microsoft)、谷歌(Google)和亞馬遜(Amazon)等科技巨頭相繼投入AI的研究。而輝達大力投資底層軟體CUDA的舉動,也成為AI發展上不可或缺的要素。

CUDA創造的龐大AI生態系,後進者難匹敵

事實上,在黃仁勳決心砸錢投資CUDA時,曾遭到不少市場投資人的嘲笑和看衰,最後結果證明,當初的選擇造就了如今的千億市值。

《Forbes》指出,如今全球約有3000家的AI新創,大多數的新創都創建於輝達的CUDA平台。這也意味著,輝達的策略如同蘋果iOS系統一樣,從底層軟體出發,讓平台長出一個龐大的軟體生態,搶下十足的藍海優勢,也讓後進者難以突破。

輝達執行長黃仁勳與OpenAI聯合創始人暨首席科學家Ilya Sutskeve
OpenAI聯合創始人暨首席科學家Ilya Sutskeve,於2023年的GTC大會上和黃仁勳對談時指出,GPU是他們訓練模型的關鍵。
圖/ 輝達GTC線上論壇

創意電子共同創辦人、現任AI晶片商創鑫智慧執行長林永隆指出,輝達CUDA的策略相當成功,如今CUDA也跟著輝達每一代的GPU發展不斷優化。

顧能(Gartner)分析師Chirag Dekate則認為,輝達如今已成為AI的代名詞,「它不僅是GPU運算公司,它基本上已經是一家AI超級運算公司。」

責任編輯:錢玉紘

往下滑看下一篇文章
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓