转译：《Nvidia CEO：我们对 AI 下了重注，而这一决策鲜为人知》
Nvidia 创始人兼 CEO Jensen Huang 最近在 SIGGRAPH 洛杉矶主题演讲中表示，公司在 2018 年做出了一项关键商业决策，这一决策在当时很少有人预见到它将如何重新定义 Nvidia 的未来，以及对整个不断发展的行业产生深远影响。当然，这一决策已经取得了巨大成功，但 Huang 认为，这只是以 Nvidia 硬件为主导的 AI 驱动未来的序幕。这是否是一个幸运的或明智的赌注？看起来，两者都是。
Huang 在演讲中回顾道，五年前的那个关键时刻是选择采用 AI 驱动的图像处理技术，即光线追踪（RTX）和智能升级（DLSS）。 (引用根据我的笔记整理，可能并非原话，详细内容可能会在核查记录后稍作调整。)
“我们意识到光栅化技术已接近极限，”他说。2018 年是 Nvidia 的一个关键时刻，公司需要彻底改革硬件、软件和算法。在我们用 AI 重塑计算机图形的同时，我们也在重塑 GPU，以适应 AI 的需求。”
尽管光线追踪和 DLSS 在消费者 GPU 和游戏领域仍处于渐进采纳阶段，但 Nvidia 创建的架构被证明是不断成长的机器学习开发社区的理想伙伴。
为了训练越来越庞大的生成模型，所需的大量计算能力并非仅能由传统数据中心和部分 GPU 提供，而是需要像 H100 这样从一开始就设计用于大规模运算的系统。可以说，AI 发展在某种程度上受限于这些计算资源的可用性。Nvidia 正在经历类似于 Beanie Baby 的热潮，并且销售了它能生产出的所有服务器和工作站。
但 Huang 强调，这只是个开始。新的模型不仅需要被训练，而且还需由数以百万计甚至数以亿计的用户定期实时运行。
他说：“未来，无论是在视觉效果、快速数字化的制造业市场、工厂设计，还是重工业领域，大语言模型 (LLM) 都将成为核心技术。'人类’将成为新的编程语言。”黄博士预测，自然语言界面将在这些领域得到广泛应用。
他补充道：“整个工厂将通过软件定义和机器人化实现自动化。我们将要建造的汽车，甚至本身就是机器人。这可以说是机器人设计的机器人制造机器人。”
黄博士的这一观点虽然合理，但也非常符合英伟达 (Nvidia) 的利益。有些人可能不同意他的看法。
尽管大语言模型的依赖程度尚不明确，但几乎没有人认为它不会被采用。即使是保守的估计，也表明将来必须在新的计算资源上进行大量投资。
他认为，在上一代以 CPU 为核心的计算资源上投资数百万美元是不明智的。相比之下，像 GH200 这样的新推出的、专门用于数据中心的 AI 开发硬件，在成本和功耗方面都有显著优势，能以不到十分之一的代价完成相同的工作。
他兴奋地展示了一个视频，视频中展示了多个 Grace Hopper 计算单元如同乐高积木般组装成一个刀片，然后是一个机架，接着是一排 GH200。这些设备以极高的速度连接在一起，形成了“世界上最大的单一 GPU”，拥有一整个每秒一百万亿次的机器学习 (ML) 专用计算能力。
“顺便说一下，这是真实大小，”他站在可视化的中心，戏剧性地说道。“而且，它甚至可能运行《Crysis》游戏。”
他认为，这些设备将成为未来数字化、AI 主导的工业中的基本单元。
他笑着说：“我不知道谁是第一个说出这话的，但是……你买的越多，省的也就越多。如果你们从今天的演讲中只记住一件事，那就是这句话。”他的话在 SIGGRAPH 的游戏观众中引起了笑声。
他没有提及 AI 面临的诸多挑战、监管问题，或者 AI 概念的变化——就像去年已经发生过多次的那样。当然，这是一种乐观的世界观。但在淘金热中卖铲子和锄头的人，确实可以有这样的想法。
#AI技术# #人工智能#
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
