黄仁勋:有两件事情同时发生,容易混为一谈,但把它们分开讲会更有帮助。首先,我们假设一个没有 AI 的世界。在这样的世界里,通用计算的进步已经停滞了。大家都知道,对于半导体物理学感兴趣的听众来说,Dennard 缩放和 Mead-Conway 的晶体管缩放都结束了。也就是说,晶体管的缩放带来等功率下的性能提升的时代已经结束。我们不会再看到 CPU 每年都快一倍的时代了。
如果CPU能每10年快两倍,那已经算幸运了。摩尔定律——大家记得,过去摩尔定律的提升是每五年 10 倍、每十年 100 倍。过去我们只需要等着 CPU 提速,而随着世界数据中心处理更多信息,CPU 每年都会快一倍,因此我们没有看到计算膨胀。但是现在,情况变了,计算的膨胀来了。因此,我们必须加速所有可以加速的部分。如果你做的是 SQL 处理,必须加速它。如果你做的是任何形式的数据处理,都需要加速它。如果你在创建一家互联网公司,拥有推荐系统,必须加速它。如今它们都已经完全加速了。
几年前,所有这些还都是运行在 CPU 上,但现在,世界上最大的推荐系统数据处理引擎都已经实现了加速。因此,如果你有推荐系统、搜索系统,或者任何大规模的数据处理系统,你必须加速它。第一个将发生的事情是,全球价值数万亿美元的通用数据中心将被现代化,加速成能够处理更多任务的计算架构。这将不可避免地发生,因为摩尔定律已经结束了。
令人惊讶的是,未来的第一个万亿数据中心将加速,创造出这种新类型的软件,叫做生成式 AI。这种生成式 AI 不仅仅是一种工具,它是一项技能。这就是为什么一个新的行业已经诞生的原因。到目前为止,整个 IT 行业都在制造工具和设备供人们使用。而现在,我们将首次创造出能够增强人类的技能。因此,人们认为 AI 将超越现有的万亿数据中心和 IT 领域,进入技能的世界。
什么是技能?一个数字司机是一项技能;自动化装配线上的机器人是一项技能;数字客户服务聊天机器人也是一种技能。像 NVIDIA 这样的公司中有一个数字员工,用来规划供应链。这可能是一个数字 SAP 代理。我们公司使用大量的 ServiceNow,现在我们有了数字员工服务。所以现在我们有了这些“数字人类”。这就是我们现在所处的 AI 浪潮。
Toshiya Hari:让我们换个角度。根据你刚才所说的内容,金融市场上有一种持续的争论,那就是随着我们继续构建 AI 基础设施,是否有足够的投资回报。你如何评估客户在这个周期中的投资回报率?如果你回顾一下个人计算机和云计算在类似采用周期中的情况,当时的投资回报如何?与现在我们继续扩展时相比,它们表现得如何?
黄仁勋:是的,令人惊讶的是,当你想构建这种 AI 计算机时,人们会使用诸如“超级集群”、“基础设施超级计算机”这样的词,这是有原因的。因为这不仅仅是一个芯片,也不仅仅是一台计算机,而是整个数据中心的构建。你可以想象在一个超级集群中的所有软件,去运行它。这里没有所谓的 Microsoft Windows 这样的操作系统。这些日子已经过去了。所有这些计算机内部的软件都是完全定制的,必须由人们去编写。所以,设计芯片的公司和设计超级计算机、超级集群以及所有这些软件的公司是同一个公司是非常合理的,因为这样做会更加优化,性能更高,能效更高,成本也更有效。
黄仁勋:我们的创新速度背后的基本方法是,因为我们构建的是一个基础设施。我们有七种不同的芯片,每个芯片的更新节奏最好是两年一轮。我们可以每年给它一个中期升级,但如果每两年推出一个新的架构,那你已经以光速运行了,这已经是非常快的了。现在我们有七种不同的芯片,它们共同提升系统性能。因此,我们每年都可以推出比上一代更好的 AI 集群或超级集群,因为我们有许多不同的组件可以进行优化。
黄仁勋:我们的公司现在与全球每一家 AI 公司合作。我们与全球每一家数据中心合作。我不认为有一家数据中心、一家云服务提供商或一家计算机制造商没有与我们合作。因此,随之而来的是巨大的责任。我们肩负着很多人的期望,每个人都在依赖我们。需求非常之大,我们的组件、技术、基础设施和软件的交付影响着客户的情绪,因为这直接影响他们的收入和竞争力。