名利双收！硕士学历黄仁勋，当选美国工程院院士

作者 | Congerry  编辑 | 机器学习算法那些事

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

点击进入→自动驾驶之心技术交流群

本文只做学术分享，如有侵权，联系删文

黄仁勋的别名除了老黄、皮衣黄、AI教父，现在又要多一个了。

前段时间，英伟达创始人兼CEO黄仁勋被美国国家工程院（National Academy of Engineering，简称NAE）选为新院士。

入选理由是他的高性能图形处理单元 (GPU) 推动了人工智能革命。

NAE表示，授予工程院院士身份是为了表彰“对工程研究、实践或教育做出杰出贡献的人”，包括“对工程学文献做出重大贡献的人”，以及“开拓了新的和发展中的技术领域，在传统工程领域取得重大进步，或开发/实施创新的工程教育方法”。

此外，一同入选的还有谷歌搜索副总裁Nayak Pandurang、哥伦比亚大学执行副校长周以真、IEEE首任华人主席刘国瑞、清华电子工程系黄翊东教授等。

以后想买显卡，黄仁勋：“你甚至不愿叫我一声黄院士？”

值得注意的是，黄仁勋也成继马斯克和微软的纳德拉之后，第三位没有博士学位却当选美国工程院院士的科技圈风云人物。

1980年，黄仁勋进入美国俄勒冈州立大学（Oregon State University）攻读电机工程专业，并在1984年获得了学士学位。

大学毕业后，黄仁勋前往硅谷，在AMD公司任职芯片设计工程师，接触了更多芯片业前沿的技术。

担任工程师的黄仁勋

随后，黄仁勋继续深造，进入斯坦福大学（Stanford University），专注于电子工程领域，并在1990年获得了硕士学位。

此后，黄仁勋再无进修，止步硕士。

黄仁勋的职业生涯始于对电子游戏的热爱。他相信，游戏市场需要更强大的显卡来提供更逼真的视觉效果。

这一信念催生了英伟达的成立。

1993年，黄仁勋在丹尼餐厅（Denny’s）与两位好友克里斯·马拉科夫斯基（Chris Malachowsky）和柯蒂斯·普里姆 （Curtis Priem）见面，讨论如何开发一款能在个人电脑上实现逼真3D图形的芯片。

Curtis Priem（左），黄仁勋（中）和Chris Malachowsky（右）

1993年2月17日，NVIDIA诞生，黄仁勋担任总裁兼首席执行官，同日也是黄仁勋的30岁生日。

他们最初计划设计一款图形芯片，希望让竞争对手“羡慕嫉妒恨”。他们最初将公司命名为NVision，但后来发现这个名字已被一家卫生纸制造商使用。黄仁勋建议使用NVIDIA，这个名字来源于拉丁语的invidia，意为“嫉妒”。

1995年，NVIDIA推出了第一款图形芯片产品NV1。虽然NV1在图形显示技术上已有重大突破，但由于市场主流变化等缘故，NV1销量惨淡，公司也因风险投资所剩无几而开始被迫裁员。

1996年，黄仁勋开始改变NVIDIA的技术标准方向，并公开表示将完全支持微软Direct 3D API标准。

团队成员开始进行RIVA 128的开发，在1997年4月上市。由于RIVA 128的性能出众、价格实惠，很快受到市场关注，四个月内卖出了一百万片Riva 128芯片。

黄仁勋鼓励员工以一种紧迫感继续推出产品，并多年来在员工演讲中以“我们公司离破产只有30天”作为开场白，这句话成为了公司的非官方座右铭。

这款产品取得了巨大成功，奠定了英伟达在图形处理领域的领导地位。

1999年1月，凭借全新的显示芯片理念与技术，NVIDIA在纳斯达克成功上市。同年8月，NVIDIA推出GeForce系列的首个显示芯片产品GeForce 256，迅速将显示芯片业带入了GPU时代。

随着时间的推移，黄仁勋将目光投向了更广阔的领域。他预见到GPU的并行处理能力在科学计算和AI领域的潜力。

2006年，英伟达推出了CUDA（Compute Unified Device Architecture），这是一种允许开发者利用GPU进行通用计算的编程模型。这一创新为AI研究者提供了前所未有的计算能力，极大地加速了AI技术的发展。

黄仁勋的远见卓识在2012年得到了验证。

当时，AlexNet模型在ImageNet挑战赛中取得了突破性成果，这一模型正是基于英伟达的GPU进行训练的。

在AlexNet取得成功后，风险投资家开始大量投资于AI初创公司，这些公司大多基于英伟达的平台进行深度学习的应用开发。

2016年，英伟达向OpenAI的研究团队交付了其第一台专用AI超级计算机DGX-1，黄仁勋亲自将计算机送到OpenAI办公室，当时担任主席的埃隆·马斯克（Elon Musk）用开箱刀打开了包裹。

2017年，谷歌的研究人员引入了一种新的神经网络训练架构，称为Transformer。次年，OpenAI的研究人员使用谷歌的框架构建了第一个“生成预训练变换器”（GPT）。

GPT模型在英伟达超级计算机上训练，吸收了大量的文本数据，并学习如何建立类似人类的连接。2022年底，经过几个版本的迭代，ChatGPT向公众发布。

后面的事，大家也都知道。英伟达一跃成为资本和市场的宠儿。

2023年，英伟达的股价涨幅超过230%，市值破万亿美元。

2024年迄今，英伟达股价已累计大涨了约40%，截至周三收盘，其市值已升至了1.731万亿美元，仅比亚马逊的 1.771万亿美元价值低约3%，位居全球第六。

黄院士实打实地做到了名利双收。

投稿作者为『自动驾驶之心知识星球』特邀嘉宾，欢迎加入交流！

① 全网独家视频课程

BEV感知、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、车道线检测、轨迹预测、在线高精地图、世界模型、点云3D目标检测、目标跟踪、Occupancy、cuda与TensorRT模型部署、大模型与自动驾驶、Nerf、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频（扫码即可学习）

视频官网：www.zdjszx.com

② 国内首个自动驾驶学习社区

近2400人的交流社区，涉及30+自动驾驶技术栈学习路线，想要了解更多自动驾驶感知（2D检测、分割、2D/3D车道线、BEV感知、3D目标检测、Occupancy、多传感器融合、多传感器标定、目标跟踪、光流估计）、自动驾驶定位建图（SLAM、高精地图、局部在线地图）、自动驾驶规划控制/轨迹预测等领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球，这是一个真正有干货的地方，与领域大佬交流入门、学习、工作、跳槽上的各类难题，日常分享论文+代码+视频，期待交流！

③【自动驾驶之心】技术交流群

自动驾驶之心是首个自动驾驶开发者社区，聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多模态感知、Occupancy、多传感器融合、transformer、大模型、点云处理、端到端自动驾驶、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向。扫码添加汽车人助理微信邀请入群，备注：学校/公司+方向+昵称（快速入群方式）

④【自动驾驶之心】平台矩阵，欢迎联系我们！