2023年，英伟达市值突破万亿，每股破400美金。
但此时此刻，英伟达的股价只能说是平平无奇。
从2000年左右到2014年中，英伟达的股价始终在4到5美元左右徘徊，市值几十亿美金。
在这一点上，孟繁岐今天见到的两位大佬经历还挺类似的，都是厚积薄发，突然开始起飞，然后一举突破万亿。
此前四月份的时候，谷歌和白度本年第一季度的分红已经到账。孟繁岐分出了相当一部分金额，分批次购入了英伟达大约百分0.5的股份。
百分之0.5看上去很少，可对于英伟达这样已经市值几十亿的公司来说，想购入股权就远远不如去年年底买入米忽悠那么轻松随意了。
百分之十几二十多的股权，张口就要，那是非常早期时候，天使轮时期的事情。
英伟达已经上市了十几年，就连创始人黄仁勋目前所拥有的股份，都已经被稀释得很少了。
此刻坐在孟繁岐两旁的黄仁勋和马斯克，就属于完全不同风格路线的两位创始人。
黄仁勋最初启动创业的资金只有四万美元，创业道路走得甚是艰难。早期由于一次技术路线的选择错误，险些早早就倒闭。
还是靠着黄仁勋三寸不烂之舌，硬是说服了日本SEGA没有退出合作。
在这样的经济情况之下，作为创始人的黄仁勋，最大的个人股权持有者，也仅持有大约百分之3.5的股权。
07年的时候，黄仁勋坚持cUdA显卡加速技术，但这个方法成本很高，让英伟达的利润部分遭受了很大的冲击，市值仅能维持在十亿美金左右，是后来的千分之一。
股东们对cUdA的态度非常消极，并希望专注盈利能力，但黄仁勋还是顶住了压力。
相比之下，马斯克在创业的时候，资金就富裕多了。
可即便如此，他最终在特斯拉持有的股份，也仅百分之20左右。
“我在特斯拉和英伟达持有的股份不必太多，一两年内尽量增持到百分之2左右就好了，如果真的遇到了很大的阻力，也不必硬抗。”
百分之2到3左右的股份，在两家公司开始发力之后，就已经足以为孟繁岐带来500多亿美金的身家。
这个数字，都够排进世界富豪前25名了。
更不用说孟繁岐还会有其他产业，这个数字将会到达一个惊人的地步。
“非常感谢你的慷慨，谷歌大脑团队至少会需要两三千张泰坦Z。至于我个人，其实也有自己打造一个超算中心的想法。”
孟繁岐目测，黄仁勋直接掏出大几千张泰坦Z应该是很困难的。
人工智能这个GpU市场才刚刚开始，任何理智的企业家都不会贸然生产太多，尤其在公司的现金流相对紧张的时候。
“不过我个人的超算打造，可能会等到明年的这个时候，我想先跟黄老板预订一两千台下一代显卡。”
自己的超算肯定是要打造的，但却没必要那么着急，前期的工作还是白嫖谷歌就好。
可以提前预订一批，明年此时早早做一些基建准备，拿到显卡后就可以迅速启动。
“哦？你有意打造自己的超级计算机，那为什么不现在出手？”黄仁勋感觉有些奇怪，孟繁岐属于技术人员中很会敛财分成的。
黄仁勋觉得，他那点钱虽然办公司不大够，但搞超算是绰绰有余了。
虽然说，他承诺每六个月升级一代，但算力这种东西，难道还等得了？早买早享受啊！
“现在英伟达的麦克斯韦架构，还没法满足我计划中的需求，两位也知道，我不比那些科技公司，家大业大。让我打造一个上千显卡的超算，我肯定还是需要精打细算一下的。”
“你对显卡架构还有了解和研究？”马斯克感觉有些惊奇，硬件方面的东西要比人工智能软件算法来得更加细分，也更加专业多了。
AI的算法思想，可能不同研究相互之间还能触类旁通，硬件架构若是不下苦功研究，肯定是搞不明白人家设计原理的。
“我已经下定决心，在之后的架构设计上，往人工智能和深度学习的方向倾斜，以求更好的支持。”
黄仁勋听到孟繁岐对英伟达的架构有想法，喜出望外。
他此前听马斯克说孟繁岐针对tegra做了算子优化的时候，就想聊这方面的事情了。
但黄仁勋想的是，孟繁岐可以说一说自己在软件方面的理解，比如他认为怎样的算子操作会是今后的主流。
然后自己从中总结归纳，看看能不能找到思路去优化以后的显卡硬件架构。
却没有想到，孟繁岐直接帮他跳过了中间的那么多步骤，直接一步到位，直捣黄龙了。
“你觉得现在麦克斯韦架构，有什么不足之处？”
黄仁勋刚刚才在台上发布了麦克斯韦架构，此时听到有人表示这个架构还有很多不足，他一点也不恼怒，不觉得自己的产品受到了侮辱，反而十分开心。
孟繁岐看到他的反应，也不意外。按孟繁岐对黄仁勋的了解，他可能是硅谷大公司老板里对新技术细节最了解最追求的了，几十年来，仍旧管理第一线的工程师，布置任务并听取汇报。
即便后来如日中天，他也从来没有松懈过，就更不提现在了。
“下一代的新架构，当会加很多的cUdA核心，这种常规的更新不提，我觉得很重要的一点是，良好的Fp16数据处理能力。”
Fp32是单精度浮点数，Fp16指半精度浮点数。
后者相比前者只使用一半的比特去表达浮点数字，因此速度上是Fp32的两倍，显存的需求上也减少了一半。
只不过精度上会略有损失，而根据后来的经验，这种损失是比较小，而且完全可以接受的。
“你是说，今后人工智能的训练和部署，将会很快往Fp16，甚至更小的数字类型上转移？”
黄仁勋品了一下，这是个相当重要的信息，早准备几个月，最后达成的效果可能会天差地别。
“除了Fp16还有另一种数字类型我比较推荐，这个过两天我专门写两页发给你。”
Fp16后来在大模型时代出现了一些比较烦人的数值问题，bF16作为一种新的格式逐渐流行了起来。
它和Fp16的速度和显存占用一致，只是用来表达整数和小数的比特数量不一。
“另一方面，就是多显卡的交互问题。随着单GpU的计算能力越来越难以应对深度学习对算力的需求，人们自然而然会开始用多个GpU去解决问题。”
“从单机多GpU到多机多GpU，这当中对GpU互连的带宽的需求也越来越多。采用Infiniband和100Gb Ethernet去通信，在单机内，特别是从单机单卡到达单机8卡以后，pcIe的带宽往往就成为了瓶颈。”
“pcIe是单通道两对差分线，一对发送一对接收。英伟达完全可以考虑用8对或者更多差分线组成一根子链，一对子链中一根发送数据一根接收数据，组成一根链接。”
“毕竟即便算力再强，由于显存的限制，我们仍旧需要使用多个GpU完成一个任务，这种情况下，数据传输互通的能力至关重要。”
“你很确定规模庞大的模型会成为市场的主流吗？”
孟繁岐说得这两点，黄仁勋基本都是认可的，一定程度上他也已经有了模糊的想法往这些方向发展。
孟繁岐只是非常清晰地将内容表达了出来，让他如拨云见日，茅塞顿开。
可对于模型的大小判断上，他有些不大确定。
目前业界对规模特别庞大的模型，还是比较不看好的。
一是因为孟繁岐当初的dreamNet，千层并没有比百层有更好的效果，模型大小增加了十倍，可在千分类上的性能却相差无几。这就显得大模型有些愚蠢。
二是因为孟繁岐数次做出了骚操作，计算量动不动减少快十倍，参数量也是大大削减，结果对性能影响却很小。
如此一来，在这种技术的环境和趋势下，的确很难有人会料到超大模型会有那么魔幻的性能突破。
“只要这批显卡到了谷歌，明年此时，我一定能让大模型成为主流。”
孟繁岐信心满满地说道。
“你若是真的能做到，明年的新卡，我直接送伱一千张。”
黄仁勋不是乱说，也不是不相信这件事。
而是倘若孟繁岐把大模型做成了主流，那这方面显卡需求量，可以说十倍百倍不止了。
和庞大的利润相比，送个一两千张，根本不叫事。