AlexNet 採用兩顆 NVIDIA GPU 奪下 ImageNet 冠軍：现代深度学習革命与 AI 算力浪潮的历史序幕

2012 年 10 月，在一年一度的歐洲电脑視覺会議（ECCV）与 ImageNet 大规模視覺識別挑戰賽（ILSVRC）頒獎典禮上，发生了一场徹底改寫人类科技发展軌跡的历史事件 —— 多倫多大学的研究團隊以遠超第二名將近 11 个百分点的驚人优勢奪下图像分类世界冠軍。这套震驚学界的深度卷積神经网络名为 AlexNet，而孕育它的关鍵硬件基礎，正是兩顆市售的 NVIDIA GeForce GTX 580 顯示卡。

数十年算法理论与硬件算力的历史性交会

自 1980 年代起，包括「AI 教父」Geoffrey Hinton 在內的学者们便已建立了反向傳播（Backpropagation）与深層神经网络的数学模型。然而在此後近三十年间，学术界受限於當时 CPU 極为緩慢的计算吞吐量，無法訓練擁有上百萬參数的多層神经网络，导致神经网络研究長期陷入漫長冰河期。

轉机发生在 2012 年。Hinton 的博士生 Alex Krizhevsky 憑藉对底層硬件与並行架構的深刻理解，親自使用 NVIDIA CUDA 撰寫了一套極致优化的 2D 卷積代码（cuda-convnet）。他將具備 6000 萬个參数、65 萬个神经元的 8 層深層神经网络，精巧地拆分配置在兩顆僅有 3GB 内存的 NVIDIA GeForce GTX 580 顯卡上，兩顆 GPU 彼此透過主机板匯流排在特定卷積層进行資料同步。

这套硬件架構將原本需要数个月甚至数年才能完成的訓練时间，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 萬張高分辨率图片、涵蓋 1000 个类別的 ImageNet 评测数据库中：

• 傳统基於手工特徵工程（Hand-crafted Features）的最佳算法，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，以壓倒性的領先优勢將世界紀錄徹底粉碎！

这項成果向全世界证明：只要有足夠龐大的資料量（Big Data）与具備極限吞吐能力的並行算力（GPU Computing），深層神经网絡就能具備自我学習高階抽象特徵的強大智慧。

黃仁勳的世紀豪賭：全力將 NVIDIA 轉型为 AI 运算公司

AlexNet 的胜利在电脑科学界激起了巨大波瀾，但敏銳洞察其終極商業与历史意義的，正是 NVIDIA 创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术領导層做出了成立以来最大膽的戰略決定：賭上公司的全部資源，將 NVIDIA 由单純的 PC 游戲顯示卡製造商，全面轉型为全球人工智能基礎设施供应商。NVIDIA 开始傾注数十億美元，將深度学習专用算子、矩陣乘法优化以及神经网络架構全面整合进未来的芯片与 CUDA 软件棧（如 cuDNN），为十年後 ChatGPT 与生成式 AI 的全面爆发，点燃了最初始的火種。