5.2 深度學習革命與GPU#

人工智慧在矽谷早有伏筆：史丹佛、柏克萊的實驗室數十年來持續產出機器學習人才。2006年辛頓（Geoffrey Hinton）等人提出深度信念網路的有效訓練方法，2012年他的學生Krizhevsky以卷積神經網路AlexNet贏得ImageNet競賽，錯誤率斷崖式下降——深度學習的「Apple II時刻」。這場革命的硬體基礎來自一家看似無關的公司：黃仁勳（Jensen Huang）1993年創立的輝達（NVIDIA），原本為遊戲圖形打造GPU，其大規模平行架構恰好適合神經網路訓練。2016年NVIDIA交付第一台DGX-1給OpenAI，成為AI時代的象徵性時刻。

軟體層面，Google大腦（2011）與Facebook AI Research（2013）把大規模數據與運算投入研究；2017年Google發表Transformer架構（Attention Is All You Need），成為後來一切大模型的共同祖先。開源生態（TensorFlow、PyTorch）讓學術成果迅速工程化。人才循環再次顯形：辛頓的學生散布OpenAI、Google、Apple；OpenAI本身即由前Google/矽谷核心人士推動成立（2015）。

因果分析：這條因果鏈幾乎是矽谷前史的重演：遊戲市場（消費需求）餵養GPU（如同軍方訂單餵養積體電路），學術突破（如同PARC）經由人才流動與開源（如同叛徒文化）外溢，最後由創投與大公司資本化。摩爾定律的放緩反而催生了「為AI特化的硬體」——歷史再次證明，矽谷的適應力來自把每一個舊曲線的終點變成新曲線的起點。