AlexNet 採用兩顆 NVIDIA GPU 奪下 ImageNet 冠軍：現代深度學習革命與 AI 算力浪潮的歷史序幕

2012 年 10 月，在一年一度的歐洲電腦視覺會議（ECCV）與 ImageNet 大規模視覺識別挑戰賽（ILSVRC）頒獎典禮上，發生了一場徹底改寫人類科技發展軌跡的歷史事件 —— 多倫多大學的研究團隊以遠超第二名將近 11 個百分點的驚人優勢奪下圖像分類世界冠軍。這套震驚學界的深度卷積神經網路名為 AlexNet，而孕育它的關鍵硬體基礎，正是兩顆市售的 NVIDIA GeForce GTX 580 顯示卡。

數十年演算法理論與硬體算力的歷史性交會

自 1980 年代起，包括「AI 教父」Geoffrey Hinton 在內的學者們便已建立了反向傳播（Backpropagation）與深層神經網路的數學模型。然而在此後近三十年間，學術界受限於當時 CPU 極為緩慢的計算吞吐量，無法訓練擁有上百萬參數的多層神經網路，導致神經網路研究長期陷入漫長冰河期。

轉機發生在 2012 年。Hinton 的博士生 Alex Krizhevsky 憑藉對底層硬體與並行架構的深刻理解，親自使用 NVIDIA CUDA 撰寫了一套極致優化的 2D 卷積程式碼（cuda-convnet）。他將具備 6000 萬個參數、65 萬個神經元的 8 層深層神經網路，精巧地拆分配置在兩顆僅有 3GB 記憶體的 NVIDIA GeForce GTX 580 顯卡上，兩顆 GPU 彼此透過主機板匯流排在特定卷積層進行資料同步。

這套硬體架構將原本需要數個月甚至數年才能完成的訓練時間，直接壓縮至短短 5 到 6 天。

震撼世界的競賽成果：Top-5 錯誤率腰斬

在包含 120 萬張高解析度圖片、涵蓋 1000 個類別的 ImageNet 評測資料庫中：

• 傳統基於手工特徵工程（Hand-crafted Features）的最佳演算法，其 Top-5 錯誤率仍在 26.2% 左右徘徊；
• AlexNet 繳出了不可思議的 15.3% 錯誤率成績，以壓倒性的領先優勢將世界紀錄徹底粉碎！

這項成果向全世界證明：只要有足夠龐大的資料量（Big Data）與具備極限吞吐能力的並行算力（GPU Computing），深層神經網絡就能具備自我學習高階抽象特徵的強大智慧。

黃仁勳的世紀豪賭：全力將 NVIDIA 轉型為 AI 運算公司

AlexNet 的勝利在電腦科學界激起了巨大波瀾，但敏銳洞察其終極商業與歷史意義的，正是 NVIDIA 創辦人兼執行長黃仁勳。

黃仁勳在得知 AlexNet 的突破後，立即召集公司最高技術領導層做出了成立以來最大膽的戰略決定：賭上公司的全部資源，將 NVIDIA 由單純的 PC 遊戲顯示卡製造商，全面轉型為全球人工智慧基礎設施供應商。NVIDIA 開始傾注數十億美元，將深度學習專用算子、矩陣乘法優化以及神經網路架構全面整合進未來的晶片與 CUDA 軟體棧（如 cuDNN），為十年後 ChatGPT 與生成式 AI 的全面爆發，點燃了最初始的火種。