Nvidia CEO黄仁勋就AI的未来发表六项大胆声明

黄仁勋带领Nvidia成为全球最有价值的公司之一，这要归功于他数十年来对加速计算能力的投资，这些投资推动了第一波大型生成式AI应用，然后引发了一连串的开发热潮。

上周在美国丹佛举行的SIGGRAPH 2024大会的炉边对话环节中，这家AI计算巨头的首席执行官、创始人就AI的变革力量、他对科技行业应对AI重大挑战的信心、以及他为什么相信Nvidia在可预见的未来仍将占据核心地位发表了几项大胆声明。

“每个人都在从CPU转向加速计算，因为他们想节省能源。加速计算可以帮助你节省大量能源：在进行相同处理时节省20倍、50倍。因此，从社会的角度来看，我们要做的第一件事就是加速我们能加速的每一个应用。”

以下是黄仁勋关于AI将如何影响就业、科技行业如何处理重现虚假或误导性信息的AI模型、Nvidia如何克服困难取得现在的成就、以及他认为该行业为什么以及如何解决AI日益增长的能源消耗问题的六个大胆声明。

黄仁勋：AI“极有可能”改变所有人的工作

当黄仁勋被问及他认为AI将多大程度上增强任务甚至取代人类完成任务的时候，他表示，AI“极有可能”改变所有人的工作，包括他自己的工作。

这种变化将以AI助手的形式出现，黄仁勋认为“每个人”在未来某个不确定的时间点都会拥有这种助手。

“每家公司、公司的每个工作岗位都将拥有AI助手，”他说。

黄仁勋指出，这种变化已经在Nvidia发生。

“我们的软件程序员现在有AI帮助他们编程，所有的软件工程师都有AI帮助他们调试软件，我们的芯片设计师有AI帮助他们设计芯片。”

关于最后一点，黄仁勋表示，如果没有AI，Nvidia最新的两种GPU架构Hopper和Blackwell“将无法实现”。

“如果没有生成式AI，我们所做的任何工作都不可能再实现，”他说道，随后又介绍了更多Nvidia员工使用AI的例子。

“我们的IT部门越来越多地帮助我们的员工提高工作效率，我们的供应链团队也越来越多地使用AI来优化供应，尽可能提高效率，或者我们的数据中心团队使用AI来管理数据中心，以尽可能节省能源，”他补充说。

黄仁勋：更精准的AI所需的技术已经就绪

黄仁勋表示，他相信使生成式AI工具更可控、更准确的必要技术已经到来。

他回应了一个问题，即他认为开发人员和研究人员如何解决目前AI模型最大的问题之一：容易“产生幻觉”并提供不正确或误导性的信息。

他提到了三项技术突破，这些突破有助于解决幻觉和生成式AI模型的相关问题。

他说，第一个突破来自OpenAI改变游戏规则的ChatGPT聊天机器人，被称为“强化学习人类反馈”。他说，这涉及使用人类“来生成正确答案或最佳答案，使AI与我们的核心价值观保持一致，或使我们的AI与我们希望它执行的技能保持一致”。

“这可能是一项非凡的突破，使他们能够向所有人开放ChatGPT，”他说。

他说，另一个突破是所谓的“护栏”。

这项技术——Nvidia通过Nvidia NeMo框架在其他公司的产品之上为大型语言模型提供这项技术——“使AI将精力或反应集中在特定领域，这样它就不会走神，也不会对你问它的各种问题发表长篇大论。”

第三个突破是检索增强生成（RAG），使结果更加准确和可控，黄仁勋说。

RAG本质上允许AI模型根据它在矢量化数据库中获取的信息提供答案，这些数据库可以保存各种不同类型的信息，具体取决于AI模型的应用。

“它可能是你写过的所有文章，你写过的所有论文，所以现在它变成了一个对你有权威的AI，本质上可能就是你的聊天机器人，”黄仁勋说。

“因此，我写过或说过的所有内容都可以被矢量化，然后创建到语义数据库中，然后在AI做出响应之前，它会查看你的提示，并从这个矢量数据库中搜索适当的内容，”他补充说。

黄仁勋：“你必须用意志力将未来变为现实”

随着Nvidia成为今年全球最有价值的公司之一，毫无疑问，它成了生成式AI淘金热的最大受益者之一。

不过，尽管Nvidia拥有合适的GPU、网络芯片、系统和软件来实现开创性的AI功能（例如ChatGPT）以及随后的开发风潮，但黄仁勋表示，这一切之所以发生，只是因为Nvidia逆势而行，努力改变计算的发展轨迹。

“事情从来没有朝着我们的方向发展。你必须用意志力将未来变为现实，”他说。

对Nvidia来说，面临的最大利好是科技界对通过CPU进行通用计算的接受，黄仁勋称这是一条“简单”的路线。

“你有软件，每年运行速度都会翻倍。想都别想，每五年，它的速度就会快10倍。每10年，它的速度就会快100倍。有什么理由不爱呢？”他说。

黄仁勋认为，通用计算的问题在于“你可以缩小一个晶体管，但你无法缩小一个原子，最终CPU架构会走到尽头。”出于这个原因，黄仁勋此前曾多次宣布摩尔定律的消亡，而业界传统上一直依赖摩尔定律来不断提高性能和效率。

黄仁勋表示，CPU的收益递减是Nvidia利用其GPU开发加速计算的原因，但在这种高性能处理器上实现各种应用所需的工作是“非常困难的”。

例如，他说，Nvidia利用Nvidia cuDF软件库加速GPU上的数据处理工作负载，这项工作“极其困难”。

“这些表格中的内容可能是浮点数、64位整数，可能是数字、字母和各种各样的东西。所以我们必须想办法计算所有这些，”黄仁勋说。

他表示，这反映了Nvidia每次想要扩展到另一个市场时，都必须了解应用的工作原理。

“这就是我研究机器人技术的原因，这就是我研究自动驾驶汽车的原因：了解开拓该市场所必需的算法，了解其下的计算层，这样我们才能取得非凡的成果，”黄仁勋说。

黄仁勋：生成式AI将降低互联网能耗

在黄仁勋的炉边谈话中，AI应用较高且不断增长的能源需求成为了一个主要话题，他指出Nvidia将帮助解决这一问题的几种方法，包括声称生成式AI将降低互联网的能耗。

他表示，互联网的传统计算方式称为“基于检索的计算”，这涉及获取位于数据中心的预先存在的数据。

“一切都是预先记录的。所有的故事都是预先记录的，所有图像都是预先记录的，所有视频都是预先记录的。因此，所有内容都预先存储在某个数据中心内。”

黄仁勋表示，“生成式AI将减少互联网上的能耗，因为我们不必去检索信息，而是可以当场生成信息，因为我们了解上下文。”

“我们可能已经在设备上存储了一些内容，可以生成响应，这样你就不必去其他地方检索它了，”他补充道。

黄仁勋：“AI不在乎它是在哪里上学的”

黄仁勋认为，科技行业解决AI高功率需求的另一种方式是在“能源过剩”的地区建立数据中心。

“今天的数据中心当然建在社会电网附近，因为那是我们需要的地方。未来，你会看到数据中心将建在世界各地能源过剩的地方，”他说。

黄仁勋用一句似乎是他自己创造的格言来支持这一信念——“AI不在乎它是在哪里上学的”——指的是模型在哪里训练并不重要，因为它会在其他地方被使用。

黄仁勋：“加速计算降低了能耗”

黄仁勋重申了他和Nvidia多年来关于加速计算的一个主要吸引力：GPU加速比通用CPU的能耗更低，但可以实现相同或更高的性能水平。

“加速计算减少了能耗，使我们能够维持计算需求，而无需电力随之增长，”他说。

他表示，这一点很重要，因为越来越多的科技公司正在开发具有尖端功能的AI模型，而这些模型需要计算机移动和处理大量数据。

“每个人都在从CPU转向加速计算，因为他们想节省能源。加速计算可以帮助你节省大量能源：在进行相同处理时节省20倍、50倍。因此，从社会的角度来看，我们要做的第一件事就是加速我们能加速的每一个应用。”

他指出，其他类型的工作负载也可以从加速计算中受益，比如数据处理和高性能计算。

“能量密度更高，但使用的能源量却大大降低。”他说。