作为一个曾经的臭打游戏少年，看到老黄在北京喝完豆汁，喝蜜雪，忽然有点感慨： 老黄2006年押CUDA时，根本不可能知道它对深度学习有用——因为深度学习当时还不存在。他押的只是一个模糊命题：并行计算总会对某种东西有用。 这意味着，英伟达最关键的成功因素，不是单一的战略眼光，而是三件事的叠加： 1.押对了一个足够通用的方向（并行计算） 2.这个方向恰好等到了一个超大应用来兑现（深度学习） 3.他在等待的十几年里，没有被换掉 2008年、2018年股价两次腰斩，分析师骂他不务正业，机构建议卖出。如果是一个受短期股东压力支配的职业CEO，CUDA很可能在某一轮成本削减里就被砍掉，或者被砍到只剩骨架。 Huang作为创始人有足够控制力，董事会动不了他，所以CUDA能熬到2012年AlexNet那一刻。

@python_xxt 这个逻辑完全不对，即使英伟达没有发明CUDA，在深度学习爆发后，英伟达也可以在几个月之内研发出CUDA。 百度搞无人驾驶、领先国内AI公司几十年，但现在最落后。 chatGPT发布之后，短短半年之后中国就有几百个大模型，关键不是搞的早，而是动作够快，能快速跟进。

Struggling with ED? Ro Sparks get you harder, faster, if prescribed. Compounded, not FDA approved. See safety info link on image.

@python_xxt 深度学习早就有了，当时是不火

@python_xxt 并且剧老黄说，当年被董事会批判了很久

@python_xxt 真他妈是个弱智，三个要素总结下：赌运气、干等、命硬不被炒。 真正的要素一个不说，公司活下来不是因为能盈利吗？不是因为游戏、可视化、机器学习的迭代带给计算源源不断的正反馈吗？每一步都有可预期盈利的商业逻辑支撑稳定的决策，在你嘴里成了碰运气的愣头青，简直就是在侮辱企业家。

@python_xxt GPU 做通用计算的概念远早于2006年的。不过当时的GPU 甚至都不是unified shader architecture, 做通用计算极其麻烦而且效率不高。G80研发了好几年才在2006年发布的，整个架构和上一代的nv40有了天翻地覆的变化，很多设计都是为了以后的通用计算打基础。

@python_xxt 当年老黄搞CUDA的时候，我还在我们学校电脑社团的小报上投了一个稿吹CUDA

@python_xxt 长期主义的胜利往往藏在这些看似随性的赌注里

@python_xxt 相比之下，英特尔那边CEO、董事会都是些什么货色，傲慢、短视……

@python_xxt 想当然了。 CUDA 出现20年了， 一直很有用， 并且也没有花什么钱。 事实上， 在CUDA之前， 很多人都在hack OpenGl to harness 显卡的平行计算能力。 很长时间，CUDA不温不火， 有一个niche market. 然后crypto 来了， 再然后AI火了。 老黄就牛大发了。

$NRED is up 3,300% in one year. The math is VERY STRONG - $25,000 position last year would be worth roughly $850,000 today. In just 6 months, the stock is up 451%. So the question is not only what already moved. The question is what the market is seeing now. Copper just hit all-time highs above $6.50/lb, up roughly 40% in 12 months. Analysts are warning about potential copper deficits in 2026 as AI infrastructure, data centers, EVs, robotics, military systems, and power-grid expansion continue accelerating. This is not only a mining story. It is a copper story. An AI infrastructure story. A power-grid story. NovaRed Mining ($NRED / $NREDF) is focused on copper-gold porphyry projects in British Columbia. Its Wilmac Copper-Gold Project spans approximately 39,000 acres near the producing Copper Mountain Mine. (Near 3 times the size of Manhattan, NY) Then comes MetalCore — NovaRed’s AI-driven mineral exploration platform designed to help evaluate mineral opportunities faster using available geological and satellite data. Most people see land. But what matters is what the data can reveal. Now NovaRed is adding strategic advisor Jake Amsterdam of Amsterdam & Partners LLP to support ESG positioning, governance, stakeholder engagement, and critical-minerals strategy. Because this story is not only geology. It is land. Data. Capital. Policy. Reputation. And timing. Copper is moving now. AI infrastructure is expanding now. Supply chains are tightening now. Major market symbols currently trending across AI, mining, energy, semiconductors, crypto, and momentum trading include: $NVDA $MSFT $AMD $SMCI $PLTR $TSLA $META $AMZN $GOOGL $AAPL $FCX $HBM $SCCO $TECK $RIO $BHP $NRED $SMR $OKLO $CCJ $LEU $MSTR $COIN $BTC $ETH $SPY $QQQ $DIA $IWM $SOUN $BBAI $IONQ $RKLB $ASTS $HOOD Some market commentary points to upside targets near $5 for NRED, but nothing is guaranteed. Do your own research. This is not financial advice or a recommendation to buy or sell securities.

@python_xxt cuda一开始弄出来是给高清HDTV和h264硬解码的，还记得我那会天天在思路高清论坛，大家研究。当时cpu根本无法解码1080p，很卡，需要显卡帮助硬解。但是普遍硬件兼容性很差。nvda就出了cuda，性能优越。没想到后面阴差阳错放到ai那方面。老黄觉得方向也对，然后调整方向，成就了今天的英伟达。

@python_xxt CUDA对游戏并不是完全没用啊，那会儿一票开放世界游戏用CUDA去做非常拟真的特效，印象深刻的有《正当防卫》系列里的水面。（不是PhysX）

深度学习没那么年轻，现在的东西公式都是几十年前的，只要硬件满足了就可以上，当时也有基础的卷积网络了，06年有深度学习这一词也不奇怪，只是没人知道会那么恐怖 再加上cuda本来就不只是深度学习用，科学计算，物理引擎模拟，加密全部都用的上，cuda最开始就是为了科学计算用的来着 感觉最神使鬼差的还是传统观念上为了渲染画面的gpu反而是最终展现出了更高的计算潜力，而不是cpu，也就是注意到了这点才有的cuda吧

@python_xxt 人在谈论自己专业以外的事情时很容易露怯哈哈

@python_xxt 中间其实有几次大涨已经稳住cuda了，一次是crypto挖矿一次是早年的自动驾驶

@python_xxt 一開始就是物理和圖像的應用啊, 顆粒和流體的模擬本身就有需求, 而CUDA適配深度學習也不是直接的, 想快還得多接個CUDNN庫

@python_xxt CUDA在当时还是明确有用的，并不是目标不明确不清晰，比如游戏领域的图形处理和渲染；只是后来并行计算找到了更杀手级的应用领域和场景，做机器学习和深度学习等

@python_xxt GPGPU之前就有。用shader做的，甚至有用光栅化做的。但普通人很难入手。直到有了CUDA，才很大程度上解决这个问题。后来有一堆生态围绕着CUDA发展起来，才真正成了护城河。当然，游戏更多用的是compute shader。

KAT ATTACK 💥 MSG was loud after that two-handed flush!

@python_xxt 不对吧，之前就招聘很多机器学习的岗位

@python_xxt 其实早就在游戏开发中被使用了，而且越来越被应用，

@python_xxt 资本都是短视的，只有牛人才能创造伟大的公司

@python_xxt 大概是09年10年，我压片，把长电影压成可以在nds上播放的格式，就见识到cuda的厉害了。

@python_xxt 当时amd收购ati，是他首席科学家告诉他，要想对抗，得发展数据中心、超级计算机业务了，所以才有了CUDA。 这种程度的商人，可以投资前景不明朗的技术，但绝对不会没有计划的把不明朗的技术放到自己的产品上。

@python_xxt 在Cuda之前，人们就已经在用DirectX做并行计算了，你不懂线性代数不代表别人不懂，上世纪50年代就有了

@python_xxt 计算机图形学的底层渲染算法也需要大量的并行计算处理。

@python_xxt 并行计算就算没有机器学习也绝对有用，就06年的背景下，没有机器学习也有大量科学计算需求

Shop kitchen essentials at Amazon 🍳

@python_xxt 显卡公司能打的就一家Radeon(后来被AMD收购），而且显卡已经比CPU更复杂了，怎么看老黄都不可能翻车。

@python_xxt 🍱 ‍👧 🦛 ✡️

@python_xxt 😍 🥹 🫛 🦶

@python_xxt @grok 總結評論區

@python_xxt 这事后诸葛吗

@python_xxt 足够的坚强