本文目录一览：
黄仁勋有一票权吗
有。
黄仁勋，美籍华人，祖籍浙江省青田县，NVIDIA公司创始人兼首席执行官。1993年创办NVIDIA（全球最大显卡芯片厂商）。
黄仁勋的人物经历
黄仁勋 于1963年2月17在台湾台北出生，
1972年与家人迁往泰国，后来被送往美国肯塔基州一间基督教学校就读，完成课程后迁往俄勒冈州，15岁时参加美国乒乓球公开赛，在青年组双打赛事中夺得季军。
1984年于俄勒冈州大学取得电机工程学位，其后在斯坦福大学取得硕士学位。
黄仁勋曾在AMD(1983年－1985年)及LSI Logic(1985年－1993年)工作，
1993年创立NVIDIA。 黄仁勋是圈子里有名的工作狂，他曾经解释自己为何如此狂热：为了我们的孩子们，让他们的将来更好一些。
回顾黄仁勋的历史，总觉得这个答案另有原因--他的童年颇为坎坷。 黄仁勋是幼童留美。9岁那年和比自己大一岁的哥哥，被父亲送到了华盛顿州的舅舅家。据他说，当工程师的父亲这样做，主要是出于教育考虑。
到美国后，舅舅家经济非常困难，很快把小哥俩送到了肯塔基州的一所乡村寄宿学校。黄仁勋后来回忆说：这个学校其实更像一所少年教养院，每个孩子都有刀．而同学更是全身刺青。
多年以后，黄仁勋回忆起这段生活时承认，自己也参与了许多淘气活动，比如爬墙上树、偷吃东西甚至抽烟。但“这危险的一课”并没有让自己变坏，反而学会了坚强和适应环境，他认为这对自己的一生都有好处。 幸好这样的生活只持续了两年，黄仁勋的父母就来到了美国，他也得以进入正规学校读书。似乎是中国人的专利，黄仁勋的成绩非常优异，并且在乒乓球上显示了过人的天赋,让他几乎成为职业选手，而他个人的最好成绩则是全美双打第三名。
但黄仁勋说，因为自己“更热爱技术”，所以在高中联考后就立即从爱好中抽身出来，进入俄勒冈州立大学的电子专业读书，这年他16 岁。在大学时他的职业规划就是宏大的，他立志要成为全球的图形皇帝。
英伟达创始人黄仁勋
黄仁勋是美籍华人，NVIDIA公司创始人兼首席执行官，1993年创办NVIDIA（全球最大显卡芯片厂商）。2001年黄仁勋在《财富》“40岁以下最富40人”排名第12位。
黄仁勋为人不张扬，国内很少有人知道这位杰出华人的成功之路。其实他的成绩已经足够与王嘉廉和杨致远等华人IT精英并驾齐驱。同时，他经常被用户亲切地叫作“老黄”。2019年福布斯全球亿万富豪榜排名第546位，财富值38亿美元。
扩展资料：
NVIDIA公司创立于1993年，总部位于美国加利福尼亚州圣克拉拉市。美籍华人Jensen Huang（黄仁勋）是创始人兼CEO。
1999年，NVIDIA定义了GPU，这极大地推动了PC游戏市场的发展，重新定义了现代计算机图形技术，并彻底改变了并行计算。2017年6月，入选《麻省理工科技评论》“2017 年度全球50大最聪明公司”榜单。
在GTC 2020主题演讲中，NVIDIA宣布推出Ampere架构，这是NVIDIA发布的第八代GPU架构，包含超过540亿个晶体管，性能相较于前代提升了高达20倍，也是NVIDIA 8代GPU历史上最大的一次性能飞跃。NVIDIA A100是首款基于NVIDIA Ampere架构的GPU。作为一款通用型工作负载加速器，A100还被设计用于数据分析、科学计算和云图形。
参考资料来源：百度百科-黄仁勋
英伟达创始人黄仁勋是一个什么样的人？
16年上半年的时候因为住得跟黄老大家近，而且当时MX算是早期开发，跟核弹厂靠得比较近，所有有过好几次私下交流。黄老大给我映像比较深的几个地方：NV转DL非常迅速，上上下下感觉是真的实实在在的做一些DL相关的事情。其他硬件公司例如AMD，qualcomm，和Intel，在那个时期更多是响应老大号召嘴上说说，而不是真的吧DL当做公司的主目标之一在做。16年3月份的时候听他一直说NV是一家AI公司，现在看起来，确实在一些方面做得蛮好。作为硬件公司，挺难得。他曾自豪的说，NV之所以行动迅速，是因为不考虑往后兼容性。哪里快就走哪里，哪里不爽砍哪里。你看intel，要兼容各种老程序，所以新东西用起来就慢。他似乎是不怎么靠秘书，基本大部分行程就是他自己安排。例如找他吃法直接给他发短信，然后直奔PA那几家他常去的餐厅就行。有段时间只要说出来讨论DL，即使已经有约了，也会过来敢个场。记得有次饭都快吃完了，他突然说要先走，因为一会儿要再跟老婆出去吃顿。说话很有力气，感觉可以从早到晚说个不停。他自称会管第一线的工程师，给他们布置任务，检查进度。要求任何可能会阻碍进度的事情需要第一时间跟他汇报。他论文读得还算多，arxiv也会跟。是我见过大厂老大里面对当下新技术细节了解最深的。我拍过他一次马屁，感觉他很受用。我说NV的硬件很大程度影响了DL的发展，因为GPU是DL主流执行硬件，大家或多或少会偏向GPU上执行比较好的神经网络。但离媒体宣称的“AI教父”还是差得有点远，但应该算是这波热潮里面工业界早期的“DL布道者”。
“皮衣教主”黄仁勋与他的自动驾驶帝国
就在今年9月，我们@皆电体验了蔚来NOP（Navigate on Pilot）功能。捏指一算，这是继特斯拉FSD（NoA）之后第二款能基于导航规划路线实现自动进出闸道，自动变道超车的辅助驾驶功能了。
NOP目前已经通过FOTA的形式推送给用户，支持蔚来全部车型。尽管是“老掉牙”的ES8，其内置Mobileye EyeQ4芯片的算力冗余已经能完全满足NOP的需求。
提及到高级辅助驾驶，除了高清摄像头、各种雷达之外，芯片可以说是最重要，也是车企最难攻克的部分，目前除了特斯拉能实现自研之外，包括奔驰、宝马、蔚来、小鹏都选择了外购芯片。而能提供这类芯片的ADAS厂商也不少，像Mobileye、博世、德州仪器以及英伟达，看到这里可能有人会问：
“英伟达不是做显卡GPU的那个吗？”
与博世、德州仪器这些熟悉的面孔相比，英伟达确实足够“跨界”，但做GPU就不能做自动驾驶了吗？显然不是，现在Mobileye不也是英特尔的嘛…
GPU为什么能做自动驾驶
至于为什么你用来打游戏的显卡能应用到自动驾驶，那我得先从自动驾驶得以实现的流程来说。
自动驾驶主要由感知、决策以及执行三个流程组成，摄像头/传感器感知路况、路况信息传给自动驾驶芯片进行决策，决策信息再传给方向盘/发动机执行具体动作，而GPU就参与到“决策”那个流程。
“决策”实际上就是深度学习，而深度学习则是一个模拟了人脑神经系统而建立的数学网络模型，这个模型的特点是数据量大（路况信息多），当中包含了大量且无逻辑关联的数据，这和GPU的日常工作（渲染画面）很相似（每一帧画面上的像素都是独立、无逻辑关联的），因此并行计算能力更出色的GPU自然就能胜任深度学习这份工作了。
虽然GPU天生适合做深度学习，但编写一个能让GPU高效运转的程序则相当困难，直到2007年英伟达发布了CUDA编程工具包，方便程序员利用JAVA、C++写代码之后，搭载GPU的超级计算机才开始遍地开花。（全球超算TOP500中，前 10名有8家用的都是英伟达GPU）
NVIDIA DRIVE AGX Orin
DRIVE AGX Orin是英伟达最新一代用于自动驾驶和机器人的软件定义平台，它由新架构的GPU、Arm Hercules CPU、深度学习和计算机视觉加速器组成，性能是上一代DRIVE Xavier的7倍，算力可达200Tops。
AGX Orin可以处理自动驾驶中同时运行的大量应用以及深度神经网络，作为一个软件定位平台，AGX Orin兼容从L2级到L5级的自动驾驶，方便OEM开发应用于不同领域的产品系列，另外，值得一提的是这套平台预计在2022年实现SOP，至于为什么选择2022年？看看大众、吉利想要在2022年干嘛就一清二楚了。
“打造安全的自动驾驶汽车，也许是当今社会所面临的最大计算挑战。实现自动驾驶汽车所需的投入呈指数级增长，面对复杂的开发任务，像Orin这样的可扩展、可编程、软件定义的AI平台不可或缺。”——英伟达创始人黄仁勋
英伟达与它的自动驾驶帝国
20年前，英伟达重新定义了现代计算机图形技术，并推动了PC游戏市场的发展，而20年后的今天，英伟达已经摇身一变成为一家在AI技术、云计算领域处于领先的头部企业。
2015年——Drive PX，算力（单精度浮点计算能力）2Tops，支持L2级自动驾驶
2016年——Drive PX2，算力8Tops，支持L3级自动驾驶
2017年——Drive Xavier，算力30Tops，支持L4级自动驾驶
2019年——DRIVE AGX Orin，算力200Tops，支持L5级自动驾驶并兼容L2～L4级自动驾驶
仅5年时间，NVIDIA DRIVE自动驾驶平台的算力就有了将近100倍的提升，再看看隔壁Mobileye最新的EyeQ5仅有12Tops，算力上都不知道差了多少个华莱士了。当然，NVIDIA DRIVE上的GPU属于通用型计算芯片， 所以算力高的同时也带来更高的功耗与搭建成本。而Mobileye EyeQ4则基于定制的ASIC架构，因此能耗表现比NVIDIA DRIVE好太多。
NVIDIA DRIVE的“朋友圈”
在自动驾驶领域还没出现垄断型企业的今天，生态的丰富程度似乎比硬件（算力）来得更重要。在文章的开头我们提及到特斯拉FSD是一套封闭的辅助驾驶系统，其实Mobileye与之对比起来，也只是“相对”开放而已，Mobileye可以把整套自动驾驶解决方案卖给不同的车企，但并不会针对车企的需求进行定制（或许是因为ASIC架构的缘故？不过现在英伟达也在迫使Mobileye的技术体系走向开放，例如EyeQ5已经支持多达20个包括激光雷达在内的传感器），而作为后起之秀的英伟达则采用开放的技术体系，他们不仅卖芯片/平台、软件开发包、应用工具等等，还会主动和车企进行深度合作来研发较高级别的自动驾驶技术，也正因如此，目前不少车企、Tier 1的产品都基于NVIDIA DRIVE，例如博世在BCW发布的自动驾驶系统、奥迪的zFAS等等。
在我们那身边也有一个例子，那就是搭载了XPILOT 3.0的小鹏P7，XPILOT 3.0应用到NVIDIA Drive Xavier自动驾驶芯片，已经具备支持L4级别自动驾驶的能力，而对于获取高精地图数据涉及到的基带以及车辆定位技术，XPILOT 3.0则应用了高通骁龙820A芯片，这种让主机厂根据功能整合不同供应商解决方案的做法同样也是NVIDIA Drive足够开放的体现。
在上年GTC China大会上，英伟达还宣布了滴滴将使用英伟达的GPU开发自动驾驶和云计算解决方案。包括在云端（数据中心）采用了其GPU训练机器学习算法，在车端也搭载了NVIDIA DRIVE平台。
事实上，在国内除了滴滴之外，还有包括小鹏汽车、文远知行、小马智行、美团、菜鸟、京东以及高德地图、百度地图等企业宣布了与英伟达合作，在某种程度上，因为NVIDIA DRIVE足够开放，它已经获得了不少主机厂、Robotaxi公司以及Tier 1的青睐。
大手笔买买买
纵观海外那些处于行业第一梯队的半导体厂商，外延式并购是它们提升竞争力的主要手段，为此在近1年内英伟达也开启了疯狂剁手模式。
（1）488亿元收购Mellanox Technologies
在今年4月底，英伟达完成了对Mellanox Technologies的收购，可能大家对Mellanox Technologies比较陌生，事实上这是一家在1999年就成立的公司，主营业务包括服务器以及存储端到端连接方案，是一家在InfiniBand以及以太网互联产品深耕数十年的厂商。
目前数据中心业务已经占据了英伟达总收入的1/3，而收购Mellanox Technologies这一举动让英伟达除了拥有从人工智能计算到网络的端到端技术之外，还拥有了从处理器（GPU）到软件的全堆栈产品。随着全球互联网服务需求的激增，应用到人工智能技术和加速计算的落地场景将变得更多。
（2）2733.2亿元收购Arm
*中国监管机构还没批准（反垄断的原因）
收购完Mellanox之后，英伟达在今年9月又表示打算将ARM收入囊中。因为移动平台的Tegra系列处理器已经折戟，所以英伟达在智能手机、平板电脑或是IoT等市场几乎没有份额，而这些领域又刚好是ARM的强项。
要是这桩收购能成的话，英伟达的短板一下子就给补全了。试想了一下，英伟达的人工智能计算平台与ARM庞大的生态系统相结合会是一件多么“恐怖”的事，届时我们生活中能接触到的几乎所有电子产品都离不开英伟达，估计英特尔、高通、AMD都会被吓到“鼻哥窿都冇肉”。
至于在汽车领域，NVIDIA DRIVE平台和基于ARM的车机也可以在功能上做更多打通，从而形成一套完整的车机娱乐/导航/自动驾驶系统解决方案，再打包卖出去。
自动驾驶的未来，真的属于GPU吗？
人工智能算法是核心，硬件是基础，随着最近几年深度学习需求量增多，FPGA、ASIC芯片开始陆续浮出水面，甚至有人说，人工智能、自动驾驶的硬件之争，归根到底就是GPU、FPGA以及ASIC芯片之争。
正如我们本文的主角英伟达是GPU的拥趸，而占据高级别辅助驾驶系统大半市场的Mobileye又一直沿用ASIC架构芯片一样，究竟谁才是自动驾驶的未来呢？
看来只有时间才能证明了。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
黄仁勋为什么帮华为
黄仁勋没有帮华为。
英伟达宣称，Arm被收购之后仍将保留其名称和品牌，将华为设计CPU至关重要的ARM收入囊中，不给其供货。
伴随着ARM与英伟达的成功合体，顶层芯片设计技术无一例外，全部都被黄仁勋购买，华为日后的路无疑会变的更加难走，日后恐怕连设计ARM架构的CPU都会出现阻碍。
本文链接：http://www.jxlawfirm.com.cn/qiche/4032.html 转载需授权！