【gabpmatlab源码】【国外免费源码共享网站】【php源码加密工具商用】看NVIDIA和AMD的互競激勵，台灣已從「武器國防」走向「半導體國防」-皮皮网

文：藏紅花

對90年代念電機系的和互競朋友來說，擁一張有NVIDIA的激勵顯卡來玩遊戲，是台灣體國夢寐以求的夢想。而CPU當然是已從INTEL為霸主，若是武器沒那麼多的預算，就只能考慮AMD的國防gabpmatlab源码CPU。

雖然效能沒那麼好，半導但是和互競主打CP值高，作為第二名的激勵選擇，AMD在學生和小資族群中仍然有其魅力，台灣體國即便後來AMD吃下ATI，已從切入顯卡領域，武器但在效能及品牌忠誠度上，國防仍落後NVIDIA。半導

NVIDIA先在顯卡市場立於不敗之地

從以上的和互競背景敘述，大略可以得到幾個重點：第一，過去在顯示卡市場中，專注在顯卡的NVIDIA處於霸主地位。第二，AMD不論是在CPU市場或是顯卡領域，都無法超越第一名的INTEL和NVIDIA。

如今來到AI晶片的新藍海，眼看NVIDIA的「兆元皮衣男」黃仁勳在台颳起一陣旋風，搶產能也搶眼球，AMD的国外免费源码共享网站蘇姿丰儘管後腳立馬跟進，仍難望其項背，這場AI大戰，目前是NVIDIA獨領風騷。

要瞭解NVIDIA和AMD這兩家對人類未來AI有強大影響力的公司30年來的競合關係，得先從早期的電腦遊戲開始說起。

90年代的遊戲，從2D進入3D，需要強大的圖形加速處理器，NVIDIA看準這個市場，和ATI（後來被AMD收購）先後推出不同產品，儘管效能不相上下，但NVIDIA很早就深諳「團體作戰」的道理。

為了打敗競爭對手，黃仁勳找來霸主微軟合作，推動標準繪圖介面，用來對抗ATI的產品，最終取得大部分遊戲業者支持，成功取代ATI成為新主流。

從這個策略就看得出，黃仁勳的行銷策略靈活，他先找微軟推動「標準繪圖介面」，換言之就是自己建立繪圖的度量衡標準，接下來遊說搶攻最需要繪圖晶片的遊戲廠商，讓他們與自己站在同一陣線，php源码加密工具商用果然成功擊退競爭對手。接下來的比特幣挖礦熱潮，更讓NVIDIA賺得滿坑滿谷。

但另一方面，一直是老二的AMD就沒這麼幸運，AMD買下ATI後，原本打的如意算盤是，直接透過收購取得ATI足以和當INTEL抗衡的GPU 及晶片組等技術，並推出圖形性能一流的APU產品。

但沒想到INTEL技高一籌，竟然推出劃世代的Intel Core 2 Duo，取得市場領先地位。

更可惜的是，AMD自收購ATI後，就掉入了錢坑，最終被迫分拆Flash及晶片製造業務，將晶圓製造廠獨立出去，成為今天的GlobalFoundries，自此之後，AMD要製造晶片，得靠台積電這樣的代工廠，和別的IC設計大廠一起排排坐搶產能。

由繪圖世界再擴展，NVIDIA和AMD的断网报警系统源码戰役更精采

你以為這兩家公司的競爭就這樣結束了嗎？其實還沒完。

第一回合的顯卡市場結束後，時序進入21世紀，黃仁勳的視角更多元化，從繪圖晶片的世界擴展出去，NVIDIA推出許多衍生的運算產品，比如說通用運算加速晶片、汽車自動駕駛晶片、手機晶片等等。

雖然這些嘗試並不是每樣都成功，但他靈活的市場操作手段和靈敏的嗅覺，也確保了其後他創造NVIDIA的技術生態優勢，也為後來的AI產品奠定基礎。

就在AMD深陷併購ATI的泥淖中時，2006年，黃仁勳就已經推出了CUDA平台，使其GPU具備通用計算能力，希望所有開發人員，都在CUDA平台的基礎上做研發，簡單來說，有點類似開放原始碼的概念，讓各路高手都以此作為開發的基礎平台。

CUDA是Compute Unified Device Architecture的簡稱，這個運算平台和程式設計模型，它讓開發人員可以將計算密集型工作交由GPU來執行，工程软件集成需要源码充分利用GPU的高度平行運算能力，加速各種複雜的運算任務，例如科學計算、機器學習、資料分析等。

CUDA平台是劃時代的產物，除了前述的計算分析，它還能推動現今最需要的複雜模擬與大數據分析，顯著提升圖形生成和渲染的速度，最重要的是，它就是進入AI領域的門檻！

在AI領域，CUDA是驅動深度學習技術不斷突破的強大引擎。CUDA充分釋放了GPU的極高並行運算能力，大幅加速了AI模型訓練的速度，有效解決了傳統CPU在處理大量數據和高運算負載時的瓶頸問題。

CUDA專為AI工作量身打造的Tensor Core，讓矩陣運算的效能再次大幅提升，使複雜模型訓練易如反掌。CUDA強勁的加速能力，現今GPT-3等大型語言模型的訓練才能出現在世人眼前。

憑藉著CUDA，黃仁勳順利由繪圖晶片教父成為AI教父

也正因為有了CUDA，黃仁勳順利從繪圖晶片教父搖身一變成為AI教父，這都歸功於他腦袋中深植的「標準平台」概念。

在繪圖晶片大戰的時代，他知道自己的實力不足以建立標準規格，因此和微軟合作，建構繪圖介面標準，等到時機成熟，他立刻建構自己的CUDA平台，所有的工程師都得在這個平台上研發作業，這樣的遠見，不是一個只會作研發的工程師可以達成。

反觀AMD，在這波AI浪潮下，只能急起直追，因為比起其他的產品線，根據分析師預估，2024年AI晶片的銷售額僅有400億美元，到了3年後將會成長10倍，來到4000億美元，這是一個人人都想搶的大餅，不能只有NVIDIA獨領風騷，在南韓都想分一杯羹的情況下，AMD只能前進，不能回頭。

看看NVIDIA的歷史軌跡，蘇姿丰要追上NVIDIA，她採取的是「砸大錢」、「找合作伙伴」兩個方法並行。

首先，儘管規模不如輝達，但AMD每年的研發支出接近60億美元，與輝達一樣。AMD以樂高拼積木式手法套用到GPU，靠著將十幾個「小晶片」（chiplet）組合成一個晶片，提高處理速度的方法見效。

去年12月，ChatGPT製造商Open AI就表示使用MI300進行部分模型訓練。

在仿效NVIDIA當年找微軟合作的方式上，AMD去年12月宣布與包括兩大網路設備製造商博通（Broadcom）和思科（Cisco）在內的公司建立合作夥伴關係，並支持一個名為Ultra Ethernet Consortium（UEC）的晶片到晶片開源通訊倡議，要作為輝達提倡的InfiniBand的替代方案。

蘇姿丰一連串的下猛藥，就是希望在黃仁勳的CUDA平台之外，大家還能夠擁有第二個選擇。出於蘇姿丰一直傳達分散風險的說法，微軟和Meta已經宣布，計劃在資料中心使用AMD的GPU。