英伟达成为业界公认的“产业风向标”，黄仁勋的发言也备受关注。

此前，黄仁勋曾表示，加速计算和生成式 AI 已达到一个转折点。而黄仁勋（Jensen Huang）先后参加了斯坦福商学院SIEPR经济峰会以及View From The Top 系列活动，围绕着加速计算的本质、模型训练的未来、人工智能（AGI）何时实现，AI增长需要多少额外芯片产能等方面，分享了不少真知灼见。

而在过去30多年的时间里，英伟达一直致力于一种称为加速计算的新型计算方式。研究加速计算的核心原因是，通用计算并不适合每一个工作领域，开发一种解决通用计算不擅长问题的计算方式。“事实上，我们在特定计算领域有效地做到了这一点。这本质上是算法的可以并行化。我们已经将计算机的计算成本降低到接近零。”

黄仁勋看来，AI是被加速计算所支持，可能是技术产业中最伟大的发明。AI很可能是21世纪最重要的事物。英伟达擅长的是加速计算，但英伟达的架构不仅能加速算法，而且是可编程的，这意味着你可以用它来处理SQL，他们可以加速量子物理、加速所有的流体和粒子代码等等广泛领域，其中之一才是生成式AI。

我们需要回到基本原理，思考生成式AI是什么。以往，信息被预先记录然后根据算法进行检索，而未来，信息处理的方式将从根本上发生变化。生成式AI将从一个信息“种子”出发，计算的未来将高度依赖生成而非检索。

如果在未来，内容将是AI生成式的，那么，计算形态会发生怎样的改变？

现在我们训练模型然后应用模型，再训练、再推理，在未来，我们将有持续的训练，甚至我们可以选择是否把训练的结果部署到应用中，AI通过观看视频和文本，不断地自我改进

学习过程和训练过程。推理过程、训练过程、部署过程、应用过程将变得一体，而且这种循环将是持续的。所以，未来的AI计算机也会做类似的事情，它会合成数据，再进行强化学习，再继续以真实世界的经验为基础，它会想象一些事情，然后用真实世界的经验来测试，整个循环就是一个巨大的循环。这就是当你能够将计算成本降低到接近零时，会发生的事情。

可我们什么时候能实现AGI？黄仁勋的回答是“如果对AGI的定义是它通过人类的数学、推理、医学、律师等测试，那么我会告诉你5年内就会做得很好。如果是拥有人类般的智能，那我不确定。但我们都在努力让它变得更好。”

这就离不开芯片。那么，为了支持AI的增长，需要多少额外的芯片产能？

简单说，我们是需要更多的fab。然而，我们也在不断改进算法和处理过程，效率在时间上有了巨大的提升。并不是说计算的效率就是今天这样，因此需求就是这么多。与此同时，我每10年都在提高计算能力一百万倍，而需求却增长一万亿倍，这两者必须相互抵消。然后还有技术扩散等等，这只是时间问题，但这并不改变这样一个事实：总有一天，世界上所有的计算机都将100%地改变，每一个数据中心，价值数万亿美元的基础设施，将完全改变，然后在这之上还会建造新的基础设施。

此外，黄仁勋还提到下一个即将到来的是液冷技术。它以数据中心的规模进行计算。在未来的10年里，我们将深度学习的计算能力再提高100万倍，会发生什么在未来，我们将有持续学习。我们可以决定是否将那个持续学习的结果部署到世界上的应用中，但计算机将观察视频和新文本，并从所有互动中不断改进自己。液冷GPU将以数据中心的规模进行计算。对于未来是否愿意为一定规模的客户定制解决方案，“如果是在现有生态系统基础上扩展，我们将非常乐意。”

没有一家公司可以仅靠一股热潮就能拔地而起。在黄仁勋看来，英伟达所做的每一件事，都是在创造技术，同时创造市场。过去三十余年，英伟达向下扎根，几乎每项工作围绕技术和市场展开。同时，他们也会向上攀岩——“对于未来，我们会做更多的计算，会将计算的边际成本降低到接近零。”

正如黄仁勋曾说过的那般：“你不是为了食物而奔跑，就是为了避免成为食物而奔跑。往往你无法分辨到底是哪种情况。不管怎样，都要奔跑。”沿着AI的方向，一头算力猛兽正在狂奔，影响着“整个地球”。

Reference：

1.https://www.nvidia.cn/gtc-global/keynote/

也许你还想看:

经纬张颖：2023，不只克服困难而是习惯困难 

经纬徐传陞：做VC这么多年，人们总在问我同一个问题 

经纬张颖内部讲话：2024，四大关键决策

经纬2023年终盘点：Adaptability is the key to thriving