專題：聚焦英偉達GTC 2024

　　來源： 芯東西

　　AI做的第一件偉大的事，是縮小技術鴻溝。

　　作者 |  ZeR0

　　編輯 |  漠影

　　芯東西美國圣何塞3月19日現場報道，美國科技圈最矚目的AI技術盛會英偉達（NVIDIA）GTC大會正在火熱舉行。今日，英偉達創始人兼CEO黃仁勛在GTC大會上與芯東西等全球媒體進行交流，回應中美摩擦對英偉達的影響、對中國GPU產品出口計劃、Blackwell GPU的定價與銷售策略、臺積電CoWoS供需情況等20個關鍵問題。

　　▲黃仁勛微笑聆聽記者提問（芯東西攝）

　　英偉達最新發布的旗艦AI芯片Blackwell GPU為雙芯設計方案，而上一代H100、H200是單芯片方案，在定價上不好做出直接的對比。黃仁勛強調說，不同系統會存在價格差異，相比只賣芯片，英偉達盯上的是整個數據中心的生意。

　　此外，據黃仁勛透露，在HBM3E競爭中嚴重掉隊的三星已搭上英偉達這輛豪華巨輪——英偉達正在測試三星HBM，并宣布將使用它。

　　這兩天，GTC大會肉眼可見地人氣爆棚，圣何塞會議中心周圍四處飄揚著英偉達GTC大會的道旗廣告，街上到處都是佩帶標志性英偉達綠badge的參會者。還有一些英偉達合作伙伴們花式助陣，比如宇樹科技派出機器狗陣隊，當街調戲美國本土狗；WEKA別出心裁地在附近街邊?？苛藥纵v吸睛的紫色汽車，汽車前蓋上大字寫著“現已獲得NVIDIA DGX SuperPOD認證”。

　　▲GTC會場附近路邊停靠著吸睛的紫色汽車及廣告標語（芯東西攝）

　　除了英偉達新品，黃仁勛還在接受媒體提問時分享了對OpenAI視頻生成模型Sora、OpenAI CEO Sam Altman擴大芯片規模的計劃、怎么預測AGI時間表、AI是否會滅掉碼農、如何回應AI芯片創企Groq的叫囂的觀點。

　　特別是與Groq的交鋒，快演成反轉電視劇了，昨天英偉達GTC主題演講剛結束，以碰瓷科技大佬出圈的大模型推理芯片創企Groq就發文，指名道姓地硬剛英偉達表態：“依然更快”。今天Groq又追加一句“……而且也依然功耗更少”。

　　在媒體溝通會上，被問到對此事的看法時，黃仁勛回應說：“我真的不太了解，無法明智地作出評價……芯片的存在是用來實現軟件的。我們的工作是促進下一個ChatGPT的發明。如果是Llama-7B，我會感到非常驚訝和震驚。”

　　事情還沒完，Groq創始人兼CEO Jonathan Ross隨即在社交平臺上發文并曬出跟黃仁勛的合照：“我之前見過黃仁勛，他的團隊本周專門更新了GTC，以回應Groq，所以對Groq不太了解似乎不太可能。也就是說，***Groq運行700億參數模型的速度比英偉達運行70億參數模型的速度快。***體驗一下：groq.com”

　　鋒芒畢露的美國AI芯片公司們顯然對GTC高度重視并緊密關注。

　　最近剛發布第三代晶圓級芯片的Cerebras，今日在距離GTC展區步行不到10分鐘的地方舉辦Cerebras AI Day，在這里宣布“擁有4萬億顆晶體管的世界最快AI芯片CS-3”、“選擇高通在AI推理中提供前所未有的性能”、算力達8EFLOPS的AI超級計算機G42破土動工，并分享了晶圓級架構的核心、AI能力鴻溝、GPU挑戰、大模型在大芯片上訓練得最好、新的多模態大模型發布。

　　▲路過Cerebras AI Day會場（芯東西攝）

　　Cerebras不忘發文踩一腳GPU：“在CS-3上，與GPU相比，我們能夠以數量級的性能優勢進行大規模訓練。但即便是我們最大的集群本身也是作為單個設備運行的……現在????鼓掌！”

　　以下是黃仁勛媒體溝通會20個問答（為方便閱讀，部分問題及回答在盡可能不違背原意的前提下進行了精編處理）：

　　01．

　　中美摩擦，對英偉達的影響有多大？

　　1、中美緊張局勢如何影響生產制造和系統？

　　黃仁勛回答說：“是的，有兩件事我們必須做，一是確保我們理解并遵守政策，二是盡我們所能地增強供應鏈的彈性?！?/p>

　　世界供應鏈很復雜，他舉例說，HGX有35000個零件，其中8個零件來自臺積電，其它中很大一部分來自中國，汽車和國防行業也是如此。

　　他相信各國的目標并不是對立的：“世界末日的情景不太可能發生，我希望這不會發生。我們能做的事情與彈性和合規性相關?！?/p>

　　2、英偉達與臺積電的關系過去兩年如何發展，包括芯片、封裝以及Blackwell雙芯設計？

　　黃仁勛稱英偉達與臺積電的合作關系是“業界最密切的合作關系之一”。英偉達做的事情很難，但臺積電做得很好。英偉達有計算die、CPU die、GPU die、CoWoS基板，內存來自美光、SK海力士、三星，在臺灣組裝。供應鏈并不簡單。這需要大公司的協調，替英偉達做這件事。

　　“他們也意識到需要更多的CoWoS。我們會全部解決的?！彼劦?，跨公司協作是好的，你組裝它們，另一家公司負責測試，再由另一家公司來構建系統，你需要一臺超級計算機來測試超級計算機，制造層是一個巨大的數據中心。

　　“Blackwell是個奇跡，但我們必須在系統層面實現它。人們問我是否像SoC一樣制造GPU，但我看到的是機架、電纜和開關，這是我對GPU的心理模型。臺積電對我們至關重要。”黃仁勛說。

　　3、對于臺積電，企業總是想要得到更多，能談談今年明年年英偉達的供需情況嗎？比如今年英偉達的CoWoS需求是去年的3倍？

　　“你想要確切的數字，很有意思?！秉S仁勛說，英偉達今年對CoWoS需求非常高，明年會更高，因為正處于AI轉型的開始階段——只有1000億美元投入這一旅程，還有很長的路要走。

　　黃仁勛對臺積電的增長非常有信心，稱他們是很好的合作伙伴，理應成為現在的樣子。他認為人們工作得非常努力，技術處在完美的位置。生成式AI正處于不可思議的位置。

　　4、英偉達新的網絡技術計劃出售給中國多少、能否告知中國在計算芯片上集成其他技術的具體傾向？

　　黃仁勛說：“我今年幾乎沒宣布過，有點貪心了哈。這是我們要宣布的。無論何時何地賣給中國，當然有出口管制，所以我們就會考慮這個問題。對于中國，我們有L20和H20。我們正在盡最大努力為中國某些客戶優化它?！?/p>

　　5、當云計算廠商紛紛開始自研芯片，英偉達正轉向云業務，你怎么看這一現象？他們自研芯片會影響價格嗎？英偉達在中國的云計算戰略和解決方案是什么？

　　黃仁勛解答說，英偉達生產HGX，然后賣給戴爾，戴爾把它放進計算機里，再賣出去。英偉達開發了在戴爾（設備）上運行的軟件，創造了市場需求，來幫助銷售這些計算機。

　　“我們與云服務提供商合作，將NVIDIA Cloud放到他們的云中?！彼麖娬{說，“我們不是云計算公司，我們的云叫DGX Cloud，但實際上我們是他們云中的一員，我們的目標是把客戶帶到云上，讓客戶在這臺機器上交易?！?/p>

　　“我們將培養開發者，我們將創造對云服務的需求。”他談道，“這與任何人的芯片無關——英偉達是一家計算平臺公司，必須發展我們自己的開發者——這就是GTC存在的原因。”

　　“如果我們是x86公司，為什么還要辦開發者大會？”黃仁勛犀利發問，“開發者大會是干什么的？因為架構仍在被接受，它的使用是復雜的，我們還沒克服，所以DRAM不需要開發者大會，互聯網不需要開發者大會，但向我們這樣的計算平臺需要，因為我們需要開發者，這些開發者會感激英偉達在每個云上都無處不在。”

　　02．

　　解釋Blackwell定價：

　　沒想賣GPU，數據中心才是追求

　　Raymond James分析師估計英偉達制造每個H100成本約為3320美元，B200成本約為6000美元，GB200解決方案成本遠高于80GB內存的單芯片GH100；一個H100售價2.5萬~3萬美元，新GPU價格將比H100高出50%~60%。

　　不過英偉達并未公開其定價，這也是英偉達少見地沒在官網直接列出B200的詳情頁，僅僅放出DGX B200和DGX B200 SuperPOD的介紹信息，Blackwell架構介紹頁面也還沒有上線。

　　▲英偉達官網目錄截圖拼接（綠色部分為本屆GTC大會發布新品）

　　這周在接受CNBC專訪時，黃仁勛透露新GPU架構的研發預算大概是100億美元，Blackwell GPU的售價約為3萬~4萬美元。對于這一問題，黃仁勛在今日的媒體溝通會上做了補充說明：

　　6、Blackwell定價范圍是多少？你之前提到每個Blackwell GPU價格是3萬-4萬美元。還有TAM，你想在2500億美元TAM中占多大比例？

　　黃仁勛回復說：“我只是想讓大家對我們產品的定價有大概的了解，并不打算報價——我們賣得不是芯片，而是系統。”

　　據他解釋，Blackwell對不同系統的定價不同，不僅是Blackwell，系統還包括NVLink，分區是不同的，英偉達會給每個產品定價，定價將一如既往來自TCO。“英偉達并不制造芯片，英偉達構建數據中心。”黃仁勛強調道。

　　英偉達構建了全棧系統和所有軟件，通過調試，使它具有高性能，構建數據中心。英偉達把數據中心分解成很多個模塊，這樣客戶就能根據需求選擇如何配置，自行決定買多少、怎么買。

　　一個原因是，也許你的網絡、存儲、控制平臺、安全性、管理是不同的，所以英偉達和你一起分解所有的東西，幫你探索如何把它們整合到你的系統中，并有專門團隊來提供幫助。

　　因此這不是買芯片，不是人們過去賣芯片的方式，是關于設計和集成數據中心的，英偉達的商業模式反映了這一點。

　　至于英偉達想在2500億美元TAM中占多大比例？黃仁勛說，英偉達的機會不是GPU的機會，而是芯片的機會。GPU市場與英偉達所追求的市場截然不同，英偉達正在追求數據中心。全球數據中心大約是2000億歐元，這是其中的一個建筑。英偉達的機會是這2500億美元的一部分，現在將會增長，AI被證明是相當成功的，去年是2500億美元，符合增長率為20-25%，長期機會將會是1萬億~2萬億美元，取決于時間表。

　　7、在構建像Blackwell這樣的平臺時，你是如何估計（客戶）的計算需求的？目標基本上是增加計算，你如何考慮電力、效率和可持續性？

　　“我們必須弄清楚物理極限，達到極限，并要超越極限?！秉S仁勛說，如何超越，是讓事情變得更節能，例如，你可以用1/4的功率訓練GPT。

　　Hopper需要用8000個GPU的任務，Blackwell只需2000個GPU，相同時間只消耗更少能效。因為能效更高，可以挑戰極限。能源效率和成本效率是首要任務。英偉達把從大語言模型生成tokens提速30倍，以此節省很多能源，即生產相同tokens所需的能源減少到原來的1/30。

　　8、除了HBM之外，怎么看待三星和SK海力士的生產？

　　黃仁勛調侃說：“這就像問臺積電，除了代工，除了GPU，你還喜歡英偉達嗎？”

　　據他分享，HBM是復雜的，附加值很高。英偉達在HBM上花了很多錢！

　　“我們正在測試三星HBM，我們將使用它。”黃仁勛透露道，“三星是一個很好的合作伙伴。韓國是世界先進存儲器生產量最多的國家。HBM非常復雜，它不像DDR5。這是一個科技奇跡。這就是它這么快的原因。HBM就像邏輯，而且越來越復雜，越來越半定制化。”

　　他稱贊HBM是一個奇跡，由于生成式AI，整個數據中心的DDR已經成為過去，未來屬于HBM。

　　“三星和SK海力士的升級周期令人難以置信。我們的合作伙伴將與我們一起成長。我們將用HBM替換數據中心中的DDR。能效提高了很多。”黃仁勛說，這就是英偉達讓世界更可持續發展的方式——更先進的內存，更低的功耗。

　　9、英偉達AI代工廠與企業合作的整體戰略和長期目標是什么？

　　黃仁勛說，代工廠的目標是制造軟件，不是作為工具的軟件，但別忘了，英偉達一直是一家軟件公司。英偉達很久以前創建了兩個重要軟件，一個叫OptiX，后來變成了RTX；另一個叫cuDNN，是一個AI庫，我們有很多不同的庫。

　　未來的庫是一種微服務，不僅是用數學來描述，在AI中也有描述。這些庫，英偉達叫cuFFT、cuBLAS、cuLitho——未來它們將是NIM。這些NIM是一些超級復雜的軟件，英偉達將其打包，所以你能訪問網站來使用它，或下載它，在云上或者計算機、工作站上運行它。英偉達將使得NIM性能更好。

　　當企業運行這些庫時，自定義操作系統會進行授權，授權費用為4500美元/GPU/年，你可以在上面運行任意多的模型。

　　03．

　　AI芯片競爭對手公開挑釁，

　　黃仁勛回擊“真的不了解”

　　10、你對Groq這樣的芯片創企有何評論，Groq昨天發了一條推文，說要比你的“孩子”更快？

　　“我真的不太了解，無法做出明智的評價?！秉S仁勛認為token生成很難，取決于你想要的模型，每個模型都需要自己特殊的分區方式。

　　在他看來，成為Transformer并不是所有模型的終結——每個Transformer都是相關的，因為都有注意力；但它們又都是完全不同，有些是前饋或MoE（混合專家），有些MoE是2個專家，有些是4個，分工方式都是不同的，所以這些模型中的每一個都需要非常特殊的優化。

　　如果計算機太脆弱，被設計來做一些非常具體的事情，它就變成了一臺可配置的計算機，而不是可編程的計算機。它不會讓你從軟件創新的速度中獲益。

　　黃仁勛認為，不能低估CPU奇跡的原因——由于可編程，CPU隨著時間推移已經克服了主板上、PC上這些可配置的東西。軟件工程師的天才可以通過CPU來實現，如果把它固定到芯片中，那就切斷了軟件用戶的芯片才華。它真正要做的是從兩者中獲益。

　　他說，英偉達已經找到了一種特殊的計算形式，采用并行流計算模型，具有容錯性，性能非常好，并且可編程。有一個架構從AlexNet開始就存在了，貫穿了所有的模型，最終Transformer出現了，有一大堆變種，這些模型在狀態空間、內存和體系結構中不斷發展。

　　“我們能做出一個有水平的模型是很重要的?！秉S仁勛說，“芯片的存在是用來實現軟件的。我們的工作是促進下一個ChatGPT的發明。如果是Llama-7B，我會感到非常驚訝和震驚。”

　　04．

　　怎么看OpenAI CEO的

　　芯片工廠網絡計劃？

　　11、Sam Altman一直在和整個芯片產業的人充分談擴大范圍和規模。你跟他聊過嗎？你怎么看他想做什么？這對你和英偉達有什么影響？

　　“我不知道他的意圖，除非他認為生成式AI是一個巨大的市場機會，我同意?！秉S仁勛說。

　　他從基本原理談起，今天計算機生成像素、檢索、解壓縮、顯示。人們認為整個過程只需要很少的能量，但事實恰恰相反。原因是每個提示詞、每件事、每次你用手機，它都要傳到某個地方的數據中心，以一種從推薦系統的角度來看有意義的方式獲得一些響應，然后把它發回給你。

　　例如，假如每次問他一個問題，他都要跑到自己的辦公室，而不是直接回答，這就很浪費時間和精力。他認為一起工作的方式應該是擴大AI生成。未來越來越多的計算將是生成的，而不是檢索，一代代必須是聰明的，并且上下文相關。

　　“我相信，我想Sam也相信，幾乎每個計算機上的每個像素，每次你與計算機交互時，都由一個生成式芯片生成?！彼Ｍ鸅lackwell和后續迭代能繼續在這個領域做出很大貢獻。

　　“如果每個人的計算機體驗都是生成式的，我不會感到驚訝。但今天還不是這樣。這是個很大的機會，我想我會同意這個問題?！秉S仁勛說。

　　05．

　　AI替寫代碼，人類不用學編程了？

　　12、你之前說過沒人需要學編程了，是在暗示人們不應該學習編程技能嗎？

　　黃仁勛認為人們在學很多技能，像鋼琴、小提琴這樣的技能真的很難，并認為無論是數學、代數、微積分還是微分方程，人們應該盡可能多地學習這些技能。但對于成功者來說，編程技能并不是必不可少的。

　　“曾經有段時間，全世界很多大佬都在提倡，每個人都必須學習編程，因此你效率低?！彼窒碚f，“但我認為這是錯誤的，學C++不是一個人的工作，這是計算機的工作來讓C++起作用?！?/p>

　　在他看來，AI已經對社會做出了最大的貢獻——你不必是一個C++工程師才能成功，只要做一個及時的工程師。例如，人類通過對話進行交流，我們需要學習如何提示AI，就像在運動中提示隊友獲得你想要的結果一樣，這取決于你想要做的工作、想要取得的高質量結果、是否尋找更多想象力，或者是否想在結果中更具體。根據不同的答案、不同的人，你會給出不同的提示。

　　“我相信AI所做的第一件偉大的事，是縮小技術鴻溝?？纯碮ouTube上所有的視頻，都是人們創建AI，而不是編寫任何程序，所以我認為這很有趣?！秉S仁勛說，“但如果有人想學習編程——請這樣做。我們正在招聘程序員！”

　　06．

　　給AGI設定時間表，是否害怕AGI？

　　13、你之前提到AGI將在5年內實現，這個時間表還在嗎？你害怕AGI嗎？

　　黃仁勛略帶回懟地回答道：“首先，定義AGI?！彼聊艘粫?，接著說道：“我停頓了一下，是因為現在，正如我所說的，我確信每個人都很難做到這一點。我想讓你具體定義一下AGI，這樣我們每個人都知道我們什么時候能到達。”

　　他直接表達出對此前新聞報道斷章取義做法的不滿：“每次回答這個問題，我都會指定AGI規范。但每次報道時，都沒有人具體說明。所以這取決于你的目標是什么。我的目標是和你交流。你的目標是弄清楚你想講什么故事。”

　　“OK，所以我相信AGI，正如我所指出的，可能在5年內，AGI，也就是通用智能，我不知道我們是如何互相定義對方的，這就是為什么我們有這么多不同的詞來形容彼此的智力?！彼劦?。

　　在黃仁勛看來，預測我們何時會看到一個通用的AGI，取決于如何定義AGI，需要明確AGI在問題中的具體含義。

　　他舉了兩個例子，比如定義圣克拉拉在哪里，它的位置很具體；再比如定義新年，盡管所處時區不同，每個人都知道新年什么時候到來。

　　但AGI有些不同。黃仁勛說，如果我們將AGI指定為具體特定的東西，比如一個軟件程序做完一組測試成績可以達到優秀（80%以上），比大多數人甚至比所有人都好，你認為計算機能在5年內做到這一點嗎？答案可能是肯定的。

　　這些測試可以是數學、閱讀、邏輯、學術、經濟測試以及律師資格、醫學預科考試等。

　　14、未來我們的生活如何隨著大語言模型和基礎模型而改變？

　　黃仁勛認為，問題是我們如何擁有自己的大語言模型。

　　“有幾個方法可以做到，一開始，我們認為你不斷微調，但微調很耗時，然后我們發現了提示調優，發現了長上下文窗口、工作記憶。我認為答案是所有這些因素的結合。”他談道。

　　在他看來，未來你只用調整一層權重就能微調。你不需要調整所有的，只需像LoRA一樣微調一層。低成本微調、提示工程、上下文、記憶存儲，所有這些一起構成你的定制大語言模型。它可以在某個云服務里，也可以在你自己的電腦。

　　15、軟件最大的增長機會在哪兒？是微服務嗎？

　　黃仁勛說，英偉達最近的機會是兩種類型的數據中心計算，一個是關于數據中心的現代化計算，另一個是數據中心的新提示生成。

　　英偉達這樣做是想幫助客戶制造AI。Llama、Mixtral、Grok……很多團隊創造了AI，但這些AI很難使用?；A模型是原始的，不好用。

　　英偉達將創建其中的一些，然后選擇一些主流的開源合作伙伴，并將這些模型轉化為產品質量的可用模型。它還需提供服務，比如NeMo。

　　“我們不只會發明AI，還要制造AI軟件，這樣每個人都能使用它們。我們的軟件大約是10億美元運行率，我認為制造AI肯定能做相當多的事?！秉S仁勛說。

　　16、一些關鍵任務要求100%正確，AI幻覺問題可以得到解決嗎？

　　黃仁勛認為，幻覺是可以解決的，只要確保答案得到充分研究。

　　他談道，添加一條規則，對于每個答案，你都必須查找答案，這就是RAG檢索增強生成。如果你做一個查詢，它應該先做搜索，不會編造一個答案并輸出，而是優先考慮最準確地回答內容，然后反饋給用戶。這個AI如果很重要，它不只是回答你，會先做研究，確定哪個答案是最好的，然后總結。這不是幻覺，是一個研究助理。這也取決于臨界情況——更多的護欄或及時的工程。

　　對于關鍵任務的答案，例如健康建議或類似問題，黃仁勛認為，可能檢查核對多種資源和已知的事實來源才是前進的方向。

　　17、你談到用生成式AI和模擬來大規模訓練機器人，但很多東西不好模擬，尤其當機器人走出建筑環境時，你認為模擬會有什么限制？當我們碰到這些限制時應該怎么做？

　　黃仁勛說，有幾種不同的方式來思考這個問題。首先是構建你對大語言模型的想法。請記住，大語言模型是在一個不受約束的、非結構化的世界中運行的。這可能是個問題，但它從中吸取了很多教訓。大語言模型的泛化能力是神奇的，然后通過迭代或通過提示來獲取上下文窗口。

　　例如你要在廚房里做煎蛋卷，只有你才能具體說明問題，指定背景、你能用的工具，描述機器人的環境，這個機器人應該能夠有效地泛化。

　　這是機器人的ChatGPT時刻。仍有一些問題需要解決，但可以看到推斷。這一切都可以產生token，這些token在機器人看起來像這樣前就已經生成了。機器人學對軟件是有意義的。軟件不懂其中的區別，只是個token。所以你必須組織所有的姿勢，將所有輸出標注化，概括環境，輸入上下文，加強人類反饋，給它一大堆適當的問答例子，在哲學、化學、數學中的適當答案。

　　其中一些在頁面中進行了描述。你可能需要1萬多個大模型示例才能做出ChatGPT。我們的大腦可以區分文字和機器人動作之間的區別，計算機只能看到數字，它不知道這些東西的區別。

　　18、關于電腦游戲，去年你說每個像素都會被生成、渲染，你認為我們離這個每個像素都以實時幀速率生成的世界還有多遠？你對游戲/非游戲的愿景是什么？

　　黃仁勛認為幾乎所有的技術，S曲線都不會比技術長。一旦它變得實用和更好，就像ChatGPT一樣，我想用不了10年的時間。在10年時間里，你是另一種專家；5年后，事情在實時變化，一切正在發生。所以你只需要決定我們在這方面走了多遠。現在大概是2年了。在接下來的5-10年里，情況基本上就是這樣。

　　19、您曾說過很多行業都將迎來ChatGPT時刻，能挑個令你興奮的講講嗎？

　　黃仁勛說，有些讓他興奮的是技術原因，有些是因為第一次接觸，有些是因為影響。

　　“我對Sora非常興奮，OpenAI做的很棒，去年我們在自動駕駛公司Wayve上看到了同樣的情況，你也看到了我們所做的一些例子，差不多兩年前，關于從作品中生成視頻?！彼劦馈?/p>

　　為了生成視頻，模型必須了解物理，所以當你把杯子放下時，杯子是在桌子上，而不是在桌子的中間。它有感受力。它不必遵守物理定律，但它必須是明智的，理解所有的物理定律。

　　其次，黃仁勛認為英偉達對Earth-2氣候數字孿生云平臺的生成式AI模型CoreDiff所做的工作對預測2-3公里范圍內的天氣有巨大影響。英偉達使其能效提高了3000倍，同時速度提高了1000倍，可以預測極端天氣下的飛行路線，在混亂天氣的情況下，可以更頻繁地采樣，采樣1萬次。這個例子得到最可能答案的能力有很大提升。

　　第三，在分子生成、藥物發現方面所做的工作，在具有目標蛋白質非常理想的特性的可藥物分子中?？梢园阉旁谙馎lphaGo這樣的強化學習循環中，生成各種分子與蛋白質的連接，進而探索巨大的空間。這是非常令人興奮的。

　　20、請深入談談你對藥物發現、蛋白質結構預測和分子設計的看法，這對其他領域有何影響？

　　黃仁勛說：“我們可能是最大的不制造量子計算機的量子計算公司。我們這樣做的原因是因為我們相信它，我們想在這里，我們只是認為沒有必要再建立一個?！盦PU是一個加速器，就像GPU一樣，用于一些非常特定的事情。

　　英偉達打造了cuQuantum，來模擬量子計算機。可以有34-36個量子比特。人們用它來模擬量子電路。我們可以做后量子加密，讓世界為量子做好準備，因為當量子到來時，所有數據都被正確地編碼、加密。英偉達可以為所有人做出貢獻，與世界上大多數量子計算公司合作。黃仁勛相信還需要一段時間才能帶來突破。

　　對于數字生物學來說，NIM的敏感性來源于數字生物學。BioNeMo是英偉達的第一個NIM。這些模型太復雜了，所以英偉達想用一種特殊的方式來封裝它們，以便所有研究人員都能使用。BioNeMo在很多地方都得到了應用。輸入一對化學蛋白，它會告訴你結合能是否有效；或者發送一種化學物質，并要求它產生其他化學物質。

　　附：黃仁勛15分鐘演講干貨信息實錄

　　現場媒體溝通會分為兩部分。在進行媒體問答前，黃仁勛先做了15分鐘的單人演講。期間，黃仁勛特別提到對OpenAI視頻生成模型Sora的看法，并從對生成式AI趨勢、AI編程的見解，聊到英偉達重點產品線的技術規劃和布局邏輯，包括新架構Blackwell的革命性進展、Omniverse API、系統模塊化設計等。

　　以下是黃仁勛15分鐘演講精編：

　　行業正同時經歷兩個轉型：一是從通用計算到加速計算；二是生成式AI新工具出現。

　　生成式AI被一些人稱作數據中心。一個標準數據中心有文件，而生成式AI產生token，它生成的浮點數會變成文字、圖像、聲音。

　　未來，這些token將是蛋白質、化學物質、動畫機器、機器人。如果計算機能說話，為什么它不能像機器人一樣移動呢？

　　生成器是一個新的類別、新的行業，這就是為什么說新工業革命正在發生。這些房間、建筑被稱作AI工廠。上一次工業革命，投入水和燃料，產生電?，F在進入AI工廠的是數據，輸出的是token，token可以分布到全世界，納入公司成本、運營費用、資本支出。

　　在新世界，軟件非常復雜，越來越大，需要很多不同的東西。今天它通過文字、圖像、視頻、強化學習、合成數據，通過像AlphaGo一樣的辯論來學習。隨著時間推移，這些模型會變得越來越復雜，它會學習很多方法。

　　黃仁勛著重分享了3個突破：

　　1、節能省錢：英偉達為萬億參數的未來創造了全新一代計算，由Blackwell實現。Blackwell非常高效節能。以訓練GPT-MoE-1.8T參數模型為例，H100是90天15MW電力，而Blackwell是4MW，節省了11MW?！拔覀兘档土诉@項工作量。”黃仁勛說這節省了很多很多的能源、很多很多的錢。

　　2、AI生成：游戲玩家總將GPU看作一個生成式引擎，生成圖像和像素。你看到的所有圖像都是由最大的GPU生成的。未來，圖像、視頻、文本、蛋白質、分子都將由GPU生成。GPU從圖形生成發展到AI訓練、AI推理，現在是AI生成。我們幾乎所有的計算經驗都將在大量產生，一切都將被預記錄、個性化生成。未來一切都將被創造出來，而這需要一個特殊的處理器。英偉達打造了Blackwell，有第二代Tranformer引擎、下一代NVLink、多GPU并行。

　　3、軟件：未來，軟件是AI，你只要跟它說話，就能進行互動，非常易用。API如此自然，可以將很多AI連接在一起。英偉達打造了NIM微服務，把它們連在一起，讓公司可以用現成的、定制的。NeMo服務可幫助客戶定制NIM，這被稱作AI代工廠。英偉達擁有實現該目標的技術、專業知識、基礎設施，這就是代工廠，英偉達可幫助每個公司來構建定制AI，把AI技術推向世界。

　　在黃仁勛看來，對于下一波AI浪潮，AI必須理解物理世界。

　　“我們從OpenAI看到了一些革命性的、令人驚嘆的AI，叫作Sora。當Sora生成的視頻是有意義的，汽車停在路上轉彎，一個沉思的人走在街上有倒影，顯然AI理解這一點，理解物理定律?！彼忉屨f，“如果我們把它發揮到極限，那么AI就能在物理世界中行動，這就是機器人技術。”

　　因此，下一代需要新的計算機來運行新的機器人、新的工具Omniverse、數字孿生，必須開發新的基礎模型。英偉達以技術平臺而非工具制造商的身份進入市場。企業可使用Omniverse API來創建數字孿生。黃仁勛對于該任務的成功感到非常高興，稱連接到這些工具是“超級充電”。

　　Blackwell是芯片的名字，也是計算機系統的名字。英偉達有一個沿用之前版本的x86系統，叫HGX，你可以把Hopper的托盤拉出來，然后把Blackwell推進去。由于支持生產的基礎設施已經存在，生產轉換和客戶增長將變得容易得多。

　　英偉達也有DGX，液冷新架構，可以創建大型NVLink域，支持在一個域中采用8個GPU，即16個die。如果想打造更大的機器，英偉達有Blackwell和Grace Blackwell超級芯片的堆疊版本，以及NVLink Switch。

　　黃仁勛說，NVLink Switch是“世界上性能最高的交換機”，是非常模塊化的，很受歡迎。

股市回暖，抄底炒股先開戶！智能定投、條件單、個股雷達……送給你>>

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：王永生