黃仁勛帶領Nvidia成為全球最有價值的公司之一，這要歸功於他數十年來對加速計算能力的投資，這些投資推動了第一波大型生成式AI應用，然後引發了一連串的開發熱潮。
上周在美國丹佛舉行的SIGGRAPH 2024大會的爐邊對話環節中，這家AI計算巨頭的首席執行官、創始人就AI的變革力量、他對科技行業應對AI重大挑戰的信心、以及他為什麼相信Nvidia在可預見的未來仍將占據核心地位發表了幾項大膽聲明。
「每個人都在從CPU轉向加速計算，因為他們想節省能源。加速計算可以幫助你節省大量能源：在進行相同處理時節省20倍、50倍。因此，從社會的角度來看，我們要做的第一件事就是加速我們能加速的每一個應用。」
以下是黃仁勛關於AI將如何影響就業、科技行業如何處理重現虛假或誤導性資訊的AI模型、Nvidia如何克服困難取得現在的成就、以及他認為該行業為什麼以及如何解決AI日益增長的能源消耗問題的六個大膽聲明。
黃仁勛：AI「極有可能」改變所有人的工作
當黃仁勛被問及他認為AI將多大程度上增強任務甚至取代人類完成任務的時候，他表示，AI「極有可能」改變所有人的工作，包括他自己的工作。
這種變化將以AI助手的形式出現，黃仁勛認為「每個人」在未來某個不確定的時間點都會擁有這種助手。
「每家公司、公司的每個工作崗位都將擁有AI助手，」他說。
黃仁勛指出，這種變化已經在Nvidia發生。
「我們的軟體程式設計師現在有AI幫助他們編程，所有的軟體工程師都有AI幫助他們調試軟體，我們的晶片設計師有AI幫助他們設計晶片。」
關於最後一點，黃仁勛表示，如果沒有AI，Nvidia最新的兩種GPU架構Hopper和Blackwell「將無法實現」。
「如果沒有生成式AI，我們所做的任何工作都不可能再實現，」他說道，隨後又介紹了更多Nvidia員工使用AI的例子。
「我們的IT部門越來越多地幫助我們的員工提高工作效率，我們的供應鏈團隊也越來越多地使用AI來優化供應，儘可能提高效率，或者我們的數據中心團隊使用AI來管理數據中心，以儘可能節省能源，」他補充說。
黃仁勛：更精準的AI所需的技術已經就緒
黃仁勛表示，他相信使生成式AI工具更可控、更準確的必要技術已經到來。
他回應了一個問題，即他認為開發人員和研究人員如何解決目前AI模型最大的問題之一：容易「產生幻覺」並提供不正確或誤導性的資訊。
他提到了三項技術突破，這些突破有助於解決幻覺和生成式AI模型的相關問題。
他說，第一個突破來自OpenAI
改變遊戲規則的ChatGPT聊天機器人，被稱為「強化學習人類反饋」。他說，這涉及使用人類「來生成正確答案或最佳答案，使AI與我們的核心價值觀保持一致，或使我們的AI與我們希望它執行的技能保持一致」。
「這可能是一項非凡的突破，使他們能夠向所有人開放ChatGPT，」他說。
他說，另一個突破是所謂的「護欄」。
這項技術——Nvidia通過Nvidia NeMo框架在其他公司的產品之上為大型語言模型提供這項技術——「使AI將精力或反應集中在特定領域，這樣它就不會走神，也不會對你問它的各種問題發表長篇大論。」
第三個突破是檢索增強生成（RAG），使結果更加準確和可控，黃仁勛說。
RAG本質上允許AI模型根據它在矢量化資料庫中獲取的資訊提供答案，這些資料庫可以保存各種不同類型的資訊，具體取決於AI模型的應用。
「它可能是你寫過的所有文章，你寫過的所有論文，所以現在它變成了一個對你有權威的AI，本質上可能就是你的聊天機器人，」黃仁勛說。
「因此，我寫過或說過的所有內容都可以被矢量化，然後創建到語義資料庫中，然後在AI做出響應之前，它會查看你的提示，並從這個矢量資料庫中搜索適當的內容，」他補充說。
黃仁勛：「你必須用意志力將未來變為現實」
隨著Nvidia成為今年全球最有價值的公司之一，毫無疑問，它成了生成式AI淘金熱的最大受益者之一。
不過，儘管Nvidia擁有合適的GPU、網路晶片、系統和軟體來實現開創性的AI功能（例如ChatGPT）以及隨後的開發風潮，但黃仁勛表示，這一切之所以發生，只是因為Nvidia逆勢而行，努力改變計算的發展軌跡。
「事情從來沒有朝著我們的方向發展。你必須用意志力將未來變為現實，」他說。
對Nvidia來說，面臨的最大利好是科技界對通過CPU進行通用計算的接受，黃仁勛稱這是一條「簡單」的路線。
「你有軟體，每年運行速度都會翻倍。想都別想，每五年，它的速度就會快10倍。每10年，它的速度就會快100倍。有什麼理由不愛呢？」他說。
黃仁勛認為，通用計算的問題在於「你可以縮小一個電晶體，但你無法縮小一個原子，最終CPU架構會走到盡頭。」出於這個原因，黃仁勛此前曾多次宣布摩爾定律的消亡，而業界傳統上一直依賴摩爾定律來不斷提高性能和效率。
黃仁勛表示，CPU的收益遞減是Nvidia利用其GPU開發加速計算的原因，但在這種高性能處理器上實現各種應用所需的工作是「非常困難的」。
例如，他說，Nvidia利用Nvidia cuDF軟體庫加速GPU上的數據處理工作負載，這項工作「極其困難」。
「這些表格中的內容可能是浮點數、64位整數，可能是數字、字母和各種各樣的東西。所以我們必須想辦法計算所有這些，」黃仁勛說。
他表示，這反映了Nvidia每次想要擴展到另一個市場時，都必須了解應用的工作原理。
「這就是我研究機器人技術的原因，這就是我研究自動駕駛汽車的原因：了解開拓該市場所必需的算法，了解其下的計算層，這樣我們才能取得非凡的成果，」黃仁勛說。
黃仁勛：生成式AI將降低網際網路能耗
在黃仁勛的爐邊談話中，AI應用較高且不斷增長的能源需求成為了一個主要話題，他指出Nvidia將幫助解決這一問題的幾種方法，包括聲稱生成式AI將降低網際網路的能耗。
他表示，網際網路的傳統計算方式稱為「基於檢索的計算」，這涉及獲取位於數據中心的預先存在的數據。
「一切都是預先記錄的。所有的故事都是預先記錄的，所有圖像都是預先記錄的，所有影片都是預先記錄的。因此，所有內容都預先存儲在某個數據中心內。」
黃仁勛表示，「生成式AI將減少網際網路上的能耗，因為我們不必去檢索資訊，而是可以當場生成資訊，因為我們了解上下文。」
「我們可能已經在設備上存儲了一些內容，可以生成響應，這樣你就不必去其他地方檢索它了，」他補充道。
黃仁勛：「AI不在乎它是在哪裡上學的」
黃仁勛認為，科技行業解決AI高功率需求的另一種方式是在「能源過剩」的地區建立數據中心。
「今天的數據中心當然建在社會電網附近，因為那是我們需要的地方。未來，你會看到數據中心將建在世界各地能源過剩的地方，」他說。
黃仁勛用一句似乎是他自己創造的格言來支持這一信念——「AI不在乎它是在哪裡上學的」——指的是模型在哪裡訓練並不重要，因為它會在其他地方被使用。
黃仁勛：「加速計算降低了能耗」
黃仁勛重申了他和Nvidia多年來關於加速計算的一個主要吸引力：GPU加速比通用CPU的能耗更低，但可以實現相同或更高的性能水平。
「加速計算減少了能耗，使我們能夠維持計算需求，而無需電力隨之增長，」他說。
他表示，這一點很重要，因為越來越多的科技公司正在開發具有尖端功能的AI模型，而這些模型需要電腦移動和處理大量數據。
「每個人都在從CPU轉向加速計算，因為他們想節省能源。加速計算可以幫助你節省大量能源：在進行相同處理時節省20倍、50倍。因此，從社會的角度來看，我們要做的第一件事就是加速我們能加速的每一個應用。」
他指出，其他類型的工作負載也可以從加速計算中受益，比如數據處理和高性能計算。
「能量密度更高，但使用的能源量卻大大降低。」他說。
