黄仁勋自掏腰包50亿，开源英伟达GPU管理工具_风闻

贾浩楠 发自 凹非寺

量子位 | 公众号 QbitAI

离2025年只剩十几个小时，黄仁勋拿出50亿真金白银给大家发红包了！

他刚花7亿美金（51亿RMB）收购了一家初创公司，专门做GPU管理工具的。

并且立刻就宣布：开源所有平台和技术，买了英伟达GPU就能免费用。

不愧老黄，花“小钱”办大事。

英伟达新收购

英伟达刚刚完成收购的这家公司，名字叫Run:ai，2018年成立，投资人包括著名的老虎基金、Insight Partners、红杉资本等等。

创业7年时间，Run:ai做的产品全部围绕一件事——怎么用GPU，当然不是个人PC，而是围绕AI、工业领域的训练计算任务，包括研发、管理、配置等等一系列工具。

简单来说，Run:ai有一整套基于Kubernetes（谷歌的开源容器编排引擎）的开放平台，提供GPU管理工具。

对于开发者来说，ai Dev提供从概念到部署的过程开发工具。比如提供各种集成开发环境的工具、内置W&B、Comet.ml、MLflow等等工具追踪训练结果、提供训练数据集的管理工具…

所有这些功能，全都以最直观最“傻瓜”式的方式，清晰呈现在操作面板，所见即所得：

另外，ai Dev还支持自动化分布式训练，一个命令行就可以将训练负载扩展到多个 GPU 节点…

其他的产品还包括ai Control Plane，也是可视化的面板，用来管理用户本地的GPU设施、在不同任务间一键分配算力资源、记录GPU的能耗成本等等功能：

当然，Run:ai还提供了AI 工作负载调度程序，用户只用设置优先级和各项任务的配额，系统会自动优化资源分配。

目前Run:ai 的解决方案已经与NVIDIA DGX、NVIDIA DGX SuperPOD、NVIDIA Base Command、NGC containers和NVIDIA AI Enterprise软件等等产品集成。

总的来看，英伟达花7亿美金买的Run:ai，本质就是一个GPU的“数据产品经理”：提供业务看板、GPU权限分配、任务分配…等等直观可视化操作工具。

在收购同时，英伟达还宣布开源Run:ai的所有平台技术。

Run:ai的用户，包括全球打印机巨头斑马技术、用端到端技术一鸣惊人的自动驾驶公司Wayve、伦敦医学影像与人工智能中心等等。

举个简单的例子，Wayve通过Run:ai提供的工具，将原先不足25%的GPU集群效率，提升到80%以上。

对于有雄厚研发实力和AI积累的大公司来说，这样的内部工具自研不是问题，但对于中小规模、非AI行业的用户来说，Run:ai这一套不高深的技术，却很关键。

英伟达收购Run:ai，好处有什么？

回想一下2018年时，深度学习技术才刚刚在落地应用方面崭露头角。那时的英伟达市值只有1000多亿美元，主要产品还是20系列显卡，AI计算硬件也是基于RTX游戏显卡改的。

但就是在2018年，老黄第一次公开提出传统GPU已经到达极限，英伟达今后要战略转向：“重新发明图形处理器用于AI”，适应飞速增长的AI训练、研发需求。

现在看来，老黄在2018年做出了一项重塑AI、科技，甚至千行百业的重大决策。

带着英伟达突破3万亿美元市值，也让技术没那么高深，但眼光独到的Run:ai水涨船高。

但问题是，老黄收购之后就立刻搞开源，有必要吗？

直接和Run:ai合作，赚企业的钱不是更好？

所以说黄仁勋是花小钱办大事呢~

现在的情况是，核心的GPU架构、性能本身，能威胁到英伟达的其实并不多。目前英伟达控制着高端芯片市场80%的份额，几乎100%的AI计算份额。

但老黄一直在寻求构建产品+生态的立体优势。

比如在 2019 年斥资 69 亿美元收购了高性能计算公司 Mellanox，还收购了用于边缘 AI 工作负载的 OmniML、用于数据存储和管理的 SwiftStack 以及用于块存储的 Excelero。

另外英伟达还在硬件、软件、数据中心管理平台、机器人技术、安全分析和移动能力等方面进行了大量投资。

最广为人知的案例，应该就是当年试图以 400 亿美元收购英国芯片设计公司 Arm，但因为反垄断原因终止。

老黄一直在做的，就是AI行业的垂直整合，从芯片到工具再到软件应用，打造一个能满足任何AI用户的一站式商店。

买英伟达GPU，现在直接送“开箱工具”。

让AI创业公司更集中资源在主要业务，同时也给千行百业亟需被AI重塑的玩家扫除门槛。

移动互联网时代，苹果用这套打法登顶封神。

AI时代，英伟达直接Control C+V。