大卫·柯克是美国计算机科学家，曾任NVIDIA首席科学家，在将图形处理单元（GPU）从专用图形硬件发展为通用并行计算平台方面发挥了关键作用。他被广泛认为是GPU计算的先驱，尤其是在CUDA开发中的领导地位，这一编程模型使研究人员和开发者能够利用GPU算力应用于科学和人工智能领域。
柯克在麻省理工学院（MIT）获得机械工程学士学位以及计算机科学硕士和博士学位。他的早期职业生涯包括在惠普和Crystal Dynamics任职，从事图形系统和视频游戏技术工作。1997年，他加入NVIDIA，担任首席科学家直至2009年。在任期间，他负责多代GeForce GPU的架构设计，并推动向通用GPU计算的转型。
对GPU计算的贡献
柯克最重要的贡献是他对CUDA的倡导和技术领导，该技术于2006年推出。CUDA允许程序员使用类似C的语言编写在NVIDIA GPU上运行的并行代码，大幅降低了高性能计算的门槛。这一创新使GPU进入计算物理、分子动力学等领域，并随后应用于深度学习和神经网络研究。柯克合著了教科书《大规模并行处理器编程》，该书成为GPU编程的标准参考。
在NVIDIA的角色
作为首席科学家，柯克指导NVIDIA的研发战略，专注于可扩展并行架构和图形硬件可编程性的集成。他在建立NVIDIA与大学的合作研究以及塑造公司GPU计算长期路线图方面发挥了重要作用。他的工作为NVIDIA后来在机器学习加速器领域的主导地位奠定了基础，因为GPU成为训练大型语言模型及其他AI系统的主要硬件。
NVIDIA之后的职业生涯与影响
2009年离开NVIDIA后，柯克成为New Enterprise Associates的合伙人，并共同创立了开放面板研究小组，探索人机交互的新形式。他还曾在伊利诺伊大学厄巴纳-香槟分校担任兼职教授，教授GPU计算课程。柯克的影响力通过其众多出版物和专利，以及对一代工程师的指导得以延续，这些工程师后来在AMD、Intel和Apple等公司领导GPU和AI项目。
荣誉与奖项
柯克因对计算的贡献获得了多项荣誉，包括2002年的ACM SIGGRAPH计算机图形学成就奖和2006年的IEEE计算机学会查尔斯·巴贝奇奖。他于2007年当选为计算机协会（ACM）会士，2009年当选为IEEE会士。他的工作被认为是现代加速计算时代的基础，支撑了生成式AI和神经网络研究的当代进展。
遗产
大卫·柯克关于GPU作为通用并行处理器的愿景改变了计算格局。他的努力帮助确立了异构计算的范式，即CPU和GPU协同解决复杂问题。如今，几乎所有主要AI系统，从OpenAI的GPT模型到Google DeepMind的AlphaFold，都依赖于可追溯至柯克在NVIDIA开创性工作的GPU加速。他的贡献持续影响AI硬件和软件的设计，巩固了他作为计算史上关键人物的地位。