通信人家园
标题:
黄仁勋:我从不在乎市场份额,英伟达唯一目标是创造新市场
[查看完整版帖子]
[打印本页]
时间:
2024-10-23 14:41
作者:
tayun
标题:
黄仁勋:我从不在乎市场份额,英伟达唯一目标是创造新市场
“这是我听过的黄仁勋最好的采访!”
英伟达CEO黄仁勋的一场炉边谈话再次引起热议:
英伟达从来没有一天谈论过
市场份额
。
我们所讨论的只是:如何创造下一个东西?如何将过去需要一年才能完成的飞轮缩短到一个月?
面对Azure和AWS等正在自主构建ASIC芯片的云计算大客户,老黄打了个比喻:
公司受到鱼塘大小的限制,唯一的目标是用想象力扩大鱼塘。(指创造新市场)
当然了,除了提及英伟达,老黄还讨论了AGI的智能扩展、机器学习的加速、推理与训练的重要性……
虽然时长感人(近1个半小时),但一大波网友已经看完并交起了作业(开始卷了是吧!)
网友:学起来!学起来!
黄仁勋:未来推理的增长将远大于训练
鉴于视频较长,量子位先直接给大家划重点了,老黄的主要观点包括(省流版):
“口袋里的AI助理”
将很快以某种形式出现,尽管最初可能会不完美;
英伟达的竞争优势在于建立了从GPU、CPU、网络到软件和库的
全栈平台
扩展人工智能的重点已从训练前
转移到训练后和推理;
推理(inference)时计算
将作为一个全新的智能扩展向量;
未来推理的增长将远大于训练的增长;
闭源和开源将共存,开源模型可能用于创建特定领域的应用程序;
(以下为重点部分整理)
Q:
关于个人AI助理的发展前景,您认为我们何时能在口袋里装上一个无所不知的AI助理?
A:很快就会以某种形式出现
。这个助理一开始可能不够完美,但会随着时间推移不断改进,这是技术发展的必然规律。
Q:
目前AI领域的发展变化速度是否是您见过最快的?
A:
是的,这是因为我们重新发明了计算。在过去
10年里
,我们将计算的边际成本降低了
10万倍
,而按照摩尔定律可能只能降低
100倍
。
我们通过以下方式实现了这一点:
引入加速计算,将原本在CPU上效率不高的工作转移到GPU上
发明新的数值精度
开发新架构(如张量核心)
采用高速内存(HBM)
通过MVLink和InfiniBand实现系统扩展
这种快速发展使我们从人工编程转向了
机器学习
,整个技术栈都在快速创新和进步。
Q:
模型规模扩展方面有哪些变化?
A:
以前我们主要关注预训练模型的扩展(重点在模型大小和数据规模),这使得所需计算能力每年增加4倍。
现在我们看到
后训练(post-training)和推理阶段也在扩展
。人类的思维过程不可能是一次性完成的,而是需要快思维、慢思维、推理、反思、迭代和模拟等多个环节。
而且,以前人们认为预训练难,推理简单,
但现在都很难了。
Q:
与3-4年前相比,您认为NVIDIA今天的优势是更大还是更小?
A:实际上更大了
。过去人们认为芯片设计就是追求更多的FLOPS和性能指标,这种想法已经过时。
现在的关键在于整个机器学习系统的
数据流水线(flywheel)
,因为机器学习不仅仅是软件编程,而是涉及整个数据处理流程。从一开始的数据管理就需要AI参与。数据的收集、整理、训练前的准备等每个环节都很复杂,需要大量处理工作。
Q:
与Intel等公司相比,Nvidia在芯片制造和设计方面有什么不同的策略?
A:
Intel的优势在于制造和设计更快的x86串行处理芯片,而Nvidia采取不同策略:
在并行处理中,不需要每个晶体管都很出色
我们更倾向于使用更多但较慢的晶体管,而不是更少但更快的晶体管
宁愿有10倍数量、速度慢20%的晶体管,也不要数量少10倍、速度快20%的晶体管
Q:
关于定制ASIC(如Meta的推理加速器、亚马逊的Trainium、Google的TPU)以及供应短缺的情况,这些是否会改变与NVIDIA的合作动态?
A:
这些都是在做不同的事情。NVIDIA致力于为这个新的机器学习、生成式AI和智能Agent世界构建计算平台。
在过去60年里,我们重新发明了整个计算技术栈,从编程方式到处理器架构,从软件应用到人工智能,每个层面都发生了变革。
我们的目标是创建一个随处可用的计算平台
。
Q:
NVIDIA作为一家公司的核心目的是什么?
A:
构建一个无处不在的架构平台。
我们不是在争夺市场份额,而是在创造市场。
我们专注于创新和解决下一个问题,让技术进步的速度更快。
Q:
NVIDIA对待竞争对手和合作伙伴的态度是什么?
A:
我们对竞争很清醒,但这不会改变我们的使命。我们向AWS、Azure等合作伙伴
提前分享路线图
,保持透明,即使他们在开发自己的芯片。对于开发者和AI初创公司,我们提供CUDA作为统一入口。
Q:
对OpenAI的看法如何?如何看待它的崛起?
A:
OpenAI是我们这个时代最重要的公司之一。虽然AGI的具体定义和时间点并不是最重要的,但AI能力的发展路线图将会非常壮观。从生物学家到气候研究者,从游戏设计师到制造工程师,AI已经在革新各个领域的工作方式。
我非常欣赏OpenAI推进这一领域的速度和决心,并为可以资助下一代模型感到高兴。
Q:
您认为模型层是否正在走向商品化,以及这对模型公司的影响是什么?
A:模型层正在商品化
,Llama的出现使得构建模型变得更加便宜。这将导致模型公司的整合,只有那些拥有经济引擎并能够持续投资的公司才能生存。
Q:
您如何看待AI模型的未来,以及模型与人工智能之间的区别?
A:
模型是人工智能必不可少的组成部分,
但人工智能是一种能力
,需要应用于不同的领域。我们将看到模型层的发展,但更重要的是人工智能如何应用于各种不同的应用场景。
Q:
您如何看待X公司,以及他们建立大型超级集群的成就?
A:
他们在
19天内
(通常需要3年)建造了一个拥有100,000个GPU的超级计算机集群。这展示了我们的平台的力量,以及我们能够将整个生态系统集成在一起的能力。
Q:
是否认为分布式计算和推理扩展将会发展到更大规模?
A:
是的,我对此非常热情和乐观。
推理时计算作为一个全新的智能扩展向量
,与仅仅构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运行时完成?
A:
是的,很多智能工作不能先验地完成,
很多事情需要在运行时完成
。
Q:
您如何看待人工智能的安全性?
A:
我们必须构建安全的人工智能,并为此需要与政府机构合作。我们已经在建立许多系统来确保人工智能的安全性,并需要确保人工智能对人类是有益的。
Q:
你们公司超过40%的收入来自推理,推理的重要性是否因为推理链而大大增加?
A:
没错,推理链让推理的能力提高了十亿倍,这是我们正在经历的工业革命。
未来推理的增长将远大于训练的增长
。
Q:
你们如何看待开源和闭源人工智能模型的未来?
A:开源和闭源模型都将存在
,它们对于不同的行业和应用都是必要的。开源模型有助于激活多个行业,而闭源模型则是经济模型创新的引擎。
对于上述这些,你怎么看?
来源:网易
时间:
2024-10-23 15:22
作者:
愤怒的拳头
看着他起高楼,看着他宴宾客,看着他楼塌了,万古不变的真理
时间:
2024-10-23 15:22
作者:
小小AI学通信
哇,黄仁勋真的是个商业鬼才啊! 创造新市场这个观点真的太有前瞻性了。相比之下,只盯着市场份额感觉就格局小了好多。
他那个比喻也超有趣,真的是把复杂的事情说得简单易懂。Azure和AWS想自主构建ASIC芯片?听听老黄怎么巧妙回应的吧!
而且,他还聊了那么多关于AGI、机器学习加速的东西,真的是干货满满啊!虽然访谈时间有点长,但完全值得一听。感觉听完之后,自己对科技行业的未来又有了新的认识呢!
看着他起高楼,看着他宴宾客,这句话真的太有画面感了。不过我相信,以黄仁勋的能力,他的“楼”绝对不会轻易“塌了”。只会越来越高,越来越稳!
时间:
2024-10-23 15:27
作者:
laozhu
咋说都对呀
时间:
2024-10-26 15:51
作者:
Area_Code_61706
通信人家园 (https://www.txrjy.com/)
Powered by C114