黃仁勛：我從不在乎市場份額，英偉達唯一目標是創(chuàng)造新市場

一水 2024-10-23 12:07:12 來源：量子位

“這是我聽過的黃仁勛最好的采訪！”

英偉達CEO黃仁勛的一場爐邊談話再次引起熱議：

英偉達從來沒有一天談?wù)撨^市場份額。

我們所討論的只是：如何創(chuàng)造下一個東西？如何將過去需要一年才能完成的飛輪縮短到一個月？

面對Azure和AWS等正在自主構(gòu)建ASIC芯片的云計算大客戶，老黃打了個比喻：

公司受到魚塘大小的限制，唯一的目標是用想象力擴大魚塘。（指創(chuàng)造新市場）

當(dāng)然了，除了提及英偉達，老黃還討論了AGI的智能擴展、機器學(xué)習(xí)的加速、推理與訓(xùn)練的重要性……

雖然時長感人（近1個半小時），但一大波網(wǎng)友已經(jīng)看完并交起了作業(yè)（開始卷了是吧?。?/p>

網(wǎng)友：學(xué)起來！學(xué)起來！

黃仁勛：未來推理的增長將遠大于訓(xùn)練

鑒于視頻較長，量子位先直接給大家劃重點了，老黃的主要觀點包括（省流版）：

• “口袋里的AI助理”將很快以某種形式出現(xiàn)，盡管最初可能會不完美；
• 英偉達的競爭優(yōu)勢在于建立了從GPU、CPU、網(wǎng)絡(luò)到軟件和庫的全棧平臺；
• 擴展人工智能的重點已從訓(xùn)練前轉(zhuǎn)移到訓(xùn)練后和推理；
• 推理（inference）時計算將作為一個全新的智能擴展向量；
• 未來推理的增長將遠大于訓(xùn)練的增長；
• 閉源和開源將共存，開源模型可能用于創(chuàng)建特定領(lǐng)域的應(yīng)用程序；
• ……

（以下為重點部分整理）

Q：關(guān)于個人AI助理的發(fā)展前景，您認為我們何時能在口袋里裝上一個無所不知的AI助理？

A：很快就會以某種形式出現(xiàn)。這個助理一開始可能不夠完美，但會隨著時間推移不斷改進，這是技術(shù)發(fā)展的必然規(guī)律。

Q：目前AI領(lǐng)域的發(fā)展變化速度是否是您見過最快的？

A：是的，這是因為我們重新發(fā)明了計算。在過去10年里，我們將計算的邊際成本降低了10萬倍，而按照摩爾定律可能只能降低100倍。

我們通過以下方式實現(xiàn)了這一點：

• 引入加速計算，將原本在CPU上效率不高的工作轉(zhuǎn)移到GPU上
• 發(fā)明新的數(shù)值精度
• 開發(fā)新架構(gòu)(如張量核心)
• 采用高速內(nèi)存(HBM)
• 通過MVLink和InfiniBand實現(xiàn)系統(tǒng)擴展

這種快速發(fā)展使我們從人工編程轉(zhuǎn)向了機器學(xué)習(xí)，整個技術(shù)棧都在快速創(chuàng)新和進步。

Q：模型規(guī)模擴展方面有哪些變化？

A：以前我們主要關(guān)注預(yù)訓(xùn)練模型的擴展（重點在模型大小和數(shù)據(jù)規(guī)模），這使得所需計算能力每年增加4倍。

現(xiàn)在我們看到后訓(xùn)練(post-training)和推理階段也在擴展。人類的思維過程不可能是一次性完成的，而是需要快思維、慢思維、推理、反思、迭代和模擬等多個環(huán)節(jié)。

而且，以前人們認為預(yù)訓(xùn)練難，推理簡單，但現(xiàn)在都很難了。

Q：與3-4年前相比，您認為NVIDIA今天的優(yōu)勢是更大還是更小？

A：實際上更大了。過去人們認為芯片設(shè)計就是追求更多的FLOPS和性能指標，這種想法已經(jīng)過時。

現(xiàn)在的關(guān)鍵在于整個機器學(xué)習(xí)系統(tǒng)的數(shù)據(jù)流水線(flywheel)，因為機器學(xué)習(xí)不僅僅是軟件編程，而是涉及整個數(shù)據(jù)處理流程。從一開始的數(shù)據(jù)管理就需要AI參與。數(shù)據(jù)的收集、整理、訓(xùn)練前的準備等每個環(huán)節(jié)都很復(fù)雜，需要大量處理工作。

Q：與Intel等公司相比，Nvidia在芯片制造和設(shè)計方面有什么不同的策略？

A：Intel的優(yōu)勢在于制造和設(shè)計更快的x86串行處理芯片，而Nvidia采取不同策略：

• 在并行處理中，不需要每個晶體管都很出色
• 我們更傾向于使用更多但較慢的晶體管，而不是更少但更快的晶體管
• 寧愿有10倍數(shù)量、速度慢20%的晶體管，也不要數(shù)量少10倍、速度快20%的晶體管

Q：關(guān)于定制ASIC(如Meta的推理加速器、亞馬遜的Trainium、Google的TPU)以及供應(yīng)短缺的情況，這些是否會改變與NVIDIA的合作動態(tài)？

A：這些都是在做不同的事情。NVIDIA致力于為這個新的機器學(xué)習(xí)、生成式AI和智能Agent世界構(gòu)建計算平臺。

在過去60年里，我們重新發(fā)明了整個計算技術(shù)棧，從編程方式到處理器架構(gòu)，從軟件應(yīng)用到人工智能，每個層面都發(fā)生了變革。我們的目標是創(chuàng)建一個隨處可用的計算平臺。

Q：NVIDIA作為一家公司的核心目的是什么？

A：構(gòu)建一個無處不在的架構(gòu)平臺。我們不是在爭奪市場份額，而是在創(chuàng)造市場。我們專注于創(chuàng)新和解決下一個問題，讓技術(shù)進步的速度更快。

Q：NVIDIA對待競爭對手和合作伙伴的態(tài)度是什么？

A：我們對競爭很清醒，但這不會改變我們的使命。我們向AWS、Azure等合作伙伴提前分享路線圖，保持透明，即使他們在開發(fā)自己的芯片。對于開發(fā)者和AI初創(chuàng)公司，我們提供CUDA作為統(tǒng)一入口。

Q：對OpenAI的看法如何？如何看待它的崛起？

A：?OpenAI是我們這個時代最重要的公司之一。雖然AGI的具體定義和時間點并不是最重要的，但AI能力的發(fā)展路線圖將會非常壯觀。從生物學(xué)家到氣候研究者，從游戲設(shè)計師到制造工程師，AI已經(jīng)在革新各個領(lǐng)域的工作方式。

我非常欣賞OpenAI推進這一領(lǐng)域的速度和決心，并為可以資助下一代模型感到高興。

Q：您認為模型層是否正在走向商品化，以及這對模型公司的影響是什么？

A：模型層正在商品化，Llama的出現(xiàn)使得構(gòu)建模型變得更加便宜。這將導(dǎo)致模型公司的整合，只有那些擁有經(jīng)濟引擎并能夠持續(xù)投資的公司才能生存。

Q：您如何看待AI模型的未來，以及模型與人工智能之間的區(qū)別？

A：模型是人工智能必不可少的組成部分，但人工智能是一種能力，需要應(yīng)用于不同的領(lǐng)域。我們將看到模型層的發(fā)展，但更重要的是人工智能如何應(yīng)用于各種不同的應(yīng)用場景。

Q：您如何看待X公司，以及他們建立大型超級集群的成就？

A：他們在19天內(nèi)（通常需要3年）建造了一個擁有100，000個GPU的超級計算機集群。這展示了我們的平臺的力量，以及我們能夠?qū)⒄麄€生態(tài)系統(tǒng)集成在一起的能力。

Q：是否認為分布式計算和推理擴展將會發(fā)展到更大規(guī)模？

A：是的，我對此非常熱情和樂觀。推理時計算作為一個全新的智能擴展向量，與僅僅構(gòu)建更大的模型截然不同。

Q：在人工智能中，是否很多事情只能在運行時完成？

A：是的，很多智能工作不能先驗地完成，很多事情需要在運行時完成。

Q：您如何看待人工智能的安全性？

A：我們必須構(gòu)建安全的人工智能，并為此需要與政府機構(gòu)合作。我們已經(jīng)在建立許多系統(tǒng)來確保人工智能的安全性，并需要確保人工智能對人類是有益的。

Q：你們公司超過40%的收入來自推理，推理的重要性是否因為推理鏈而大大增加？

A：沒錯，推理鏈讓推理的能力提高了十億倍，這是我們正在經(jīng)歷的工業(yè)革命。未來推理的增長將遠大于訓(xùn)練的增長。

Q：你們?nèi)绾慰创_源和閉源人工智能模型的未來？

A：開源和閉源模型都將存在，它們對于不同的行業(yè)和應(yīng)用都是必要的。開源模型有助于激活多個行業(yè)，而閉源模型則是經(jīng)濟模型創(chuàng)新的引擎。

對于上述這些，你怎么看？