如果要说哪家公司是目前全球最炙手可热的公司，相信很多人第一时间的答案一定是老黄的英伟达。在前不久公布的2023年度财报当中，英伟达营收达到了609.22亿美元，净利润297.6亿美元，同比分别增长126%和581%。横向比较一下，英特尔2023年营收542亿美元，净利润16.89亿美元，同比分别下降14%和78.9%，AMD营收226.8亿美元，净利润8.54亿美元，同比分别下降3.9%和35.3%，英伟达在同类型公司中可谓鹤立鸡群。因为AI革命的发生，英伟达的芯片在过去一年一直处于供不应求的状态，以至于它的毛利率达到了恐怖的72.7%，超过了茅台。那么作为一家高科技企业，英伟达接下来是会挤牙膏收割毛利，还是进一步创新推高AI算力呢？就在今天早上的GTC2024上，黄仁勋给了我们答案。01
想要快，就要大！
那就造的大一些！这是黄仁勋今早在GTC 2024上给出的答案。这个大芯片，是目前英伟达，或者说这个地球上最快的AI计算芯片，它就是全新一代的BlackWell GPU芯片。与上一代的Hopper相比，新一代的芯片在面积上的确大出了不少。老黄解释道，这是因为一块完整的BlackWell芯片，其实是由两块同架构的小芯片构成。因为制程从之前的台积电4N工艺升级到了现在的4NP工艺，所以即使单个小芯片的晶体管也比之前提升了200亿个，当两个小芯片合在一起后，一块完整的BlackWell芯片的晶体管数量达到了惊人的2080亿！要知道，上一代的Hopper规格只是800亿。在显存方面，新芯片依然采用了HBM3E规格的显存，但是容量从141GB提升到了现在192GB，带宽从4.8TB/S提升到了8TB/S。除了晶体管带来的计算能力提升，在架构上，英伟达对于FP4这个精度的计算也做了一些优化，在这个精度上，计算能力相比上代提升了5倍，其它的精度上，BlackWell的提升大约在2.5倍左右。这就像给一台发动机在增大的排量的同时，还给内部进行了一些优化，双管齐下，跑的更快了。FP4精度不高，但响应快，因此一般都用在大模型的推理当中，优化过后，使用新芯片进行推理的速度提升了30倍。也就是说，如果把目前的ChatGPT中的GPU都换成BlackWell，那么我们得到回答的速度将会有着至少十几倍的提升。抛开专门的FP4优化，在正常的大模型训练下，采用新芯片的GB200计算卡，要比老款H100快上2.5倍到4倍。演讲中，老黄并没有提到配备一个GPU芯片的B200或者B100，只拿出了配备了2块GPU+1块CPU的GB200。其中的CPU依然是上一代ARM架构的Grace，只是GPU有了升级。在展示BlackWell的后半段，老黄还回顾了从2016年开始，英伟达显卡在计算速度上的提升，虽然精度略有不同，但可以看出，这几年老黄在计算卡上确实没有挤牙膏，每次算力的提升都是实打实的。02
超级计算机的新骨骼
比如组成BlackWell的两个小芯片，它们之间的互联速度就达到了10TB/S，按照老黄的说法，这个速度已经可以满足芯片缓存（Cache）的要求，可以完全把它看作一个单独的大芯片。英伟达引以为傲的NVlink，也算是这次最佳配角，全新的NVLink交换机带宽提升到了7.2TB/S。NVLink交换机的存在，就像人体的骨骼和血管一样，它的存在，把各个GPU计算节点连接在一起，让它们更好的发挥，协同。这次NVLink的提升，72个的GPU可以连接在一起，组成一个DXG超级计算机，并且可以让整个计算机被看做一个超级大的GPU来用。为了达到72个GPU之间的高速互联，DXG内部总共使用了3.2公里长的光纤线缆。这样一台DXG服务器在训练AI时候的算力达到了恐怖的720 PFLOPs，6年前老黄亲手把DXG初代机交给马斯克和OpenAI的时候，那台机器的算力只有0.17 PFLOPs，6年时间，DXG服务器的算力提升了3600倍！在介绍GPU的最后，老黄用大家熟悉的GPT做了一个非常量化的比较，他说目前的OpenAI最先进的模型的参数是1.8万亿个。在使用A100 GPU训练的时候，需要25000个，耗费时间3-6个月，到上一代H100，数量降低到8000块，时间压缩到90天，需要消耗1500万度电，如果用最新的BlackWell GPU，训练时间没变，依然是90天，但是GPU的数量将缩减至1/4，电量只需要400万度。03
老黄依然没有忘记元宇宙
2个小时的演讲中，前一个小时围绕着硬件，后一个小时则是软件的“推广”。NIM是英伟达新推出的一种大模型部署“傻瓜化服务”，只要你的显卡支持CUDA，那么就可以非常简单的利用NIM来部署和微调出属于自己业务的大模型。剩下的时间，老黄都在介绍它的“元宇宙”——Omniverse。只不过和以前单纯的把所有的东西都数字化不同，Omniverse现在更多的扮演了AI和现实世界中的中间层。AI虽然能做到很多事情，但无法直接感觉现实世界，它只能通过各种资料来学习，从来没有实际上手过，就像经验值为0的小菜鸟。如果想让AI做到完美的控制机器，就要尽可能的让AI去现实世界中练习。但现实练习的成本太高了，比如让AI管理一个仓库，总不能让工人，货物和机器人一起作AI的“陪练”。这个时候Omniverse就派上用场了，它对于现实物理的完美模拟，可以让AI在虚拟工厂中进行训练。在老黄的例子中，Omniverse通过数字孪生把自动化工厂和工厂中搬运机器人联系起来。在工厂中，有一堆货物从货架上掉下来。视频中AI会根据工厂中工人的位置，货物掉落的位置，为搬运机器人指出一条既不干扰工人工作，也不会被货物绊倒的路线。有过这样的经验，AI在现实中碰到同样的情况就可以妥善处理了。在训练之后，人类还可以直接和AI对话，让它重现刚才发生的情况以及它的对策。除了工业，老黄还启动了Gr00t计划，同上面一样，这也是一个AI，Omniverse，现实的三层结构。只不过这次它应用在机器人身上。机器人通过AI，人类远程示教来进行学习，然后在Omniverse这个“虚拟锻炼场”进行各种锻炼，最终达到在现实中完成任务的目的。演讲的最后，老黄还请出了一排机器人和两个装有英伟达Jetson处理器的小机器人，虽然和小机器人的沟通演示有些失败，但是对于一些像跟随，停止等基本指令，小机器人还是执行到位了。
04
人类已经处在AI发展的快车道上
第一，当然是AI算力的进一步提升，基于你的不同应用场景，新一代的英伟达芯片将带来2.5倍到30倍不等的算力提升。这意味着我们将看到更强大的模型，以及更快的模型响应速度，具备实用性的视频图文语音多模态模型也将成为可能。这一块是英伟达市值翻倍的动力，也是接下来很长一段时间的中心所在。第二，在大模型的应用场景上，老黄的目标，是从现在的白领服务业领域，向数字孪生，向工业，向机器人的方向扩展。2024年我们将看到AI更多的出现在现实世界，特别是人型机器人的时代可能很快就会到来。
Ps：GPT4.0永久使用资格，3月份即将停售，感兴趣的读者可以看一下：点击此处
