黄仁勳：AI 热潮不会像网路泡沫，数位劳动力将带来数兆美元商机 https://tinyurl.com/23q2ogks 辉达 (NVIDIA) 执行长黄仁勳表示，AI 工厂和通用生成式运算将是下一波增长的关键动 力。对此，辉达不仅打造了 AI 革命的基础设施，更将运算典范从储存检索式转向 100% 生成式。 黄仁勳在Citadel Securities所举行的座谈会中深入剖析了辉达崛起的历程、AI革命的本 质。首先，黄仁勳回溯辉达创立的1993年，指出当时正值PC与CPU革命的摩尔定律时代。 他观察到，通用技术（如CPU）虽然用途广泛，但在解决「非常困难」的问题时往往不够 出色。所以，後来辉达的核心就是透过「加速运算」来增强通用运算，这是一种更具领域 针对性的解决方案。 https://youtu.be/m1wfJOqDUv4 另外，辉达必须同时发明新的技术和市场，这项任务的机率本质上趋近於零。但是，辉达 最终成功地建立了现代3D图形游戏生态系统，并意识到3D图形的基础数学（模拟现实）与 物理模拟密切相关。此後，辉达发明了CUDA平台，这是一个伟大的发明，让辉达得以从垂 直集中的产业系统性地转向通用运算。CUDA的出现，使全球的研究人员和学者能够大幅放 宽摩尔定律的计算限制。黄仁勳强调，创造一个新的运算平台（如ARM或x86以外的平台） 极为罕见，辉达花了近30年才做到。 至於，针对AI革命的转折发生在2010年代初。黄仁勳指出，辉达当时推行「CUDA Everywhere」战略，积极将CUDA推广给科学家和研究人员。2011至2012年间，辉达的关键 贡献是发明了新的求解器函式库cuDNN。但更具前瞻性的观察是，深度神经网路（藉由反 向传播、长短期记忆网络和Transformer架构）是一种通用函式逼近器，能够学习几乎任 何函式。所以，辉达决定重新发明运算堆叠的每一层（晶片、系统、软体）。 辉达在2016年推出了世界上第一台AI工厂DGX-1。黄仁勳表示，AI工厂的设计目标，是提 供每单位能源的进出量能达到最高、规模最大、成本最低的系统。他将AI工厂称为「工厂 」而非资料中心，是因为客户正从中赚取收益。 如此，辉达的优势在於，他们是唯一能同时设计整个基础设施，包括GPU、CPU、网路、交 换机和所有软体的公司。透过这种共同设计，辉达得以突破摩尔定律的限制，每年都能在 性能上提供约十倍的提升，同时维持软体兼容性。黄仁勳强调，每单位能源的进出量（ Token生成率/单位能源）是华尔街低估的KPI，它直接决定了客户的收入。 黄仁勳驳斥了当前AI热潮是2000年网路泡沫的说法。他指出，今天的AI已经转变了超大规 模业者（如Google、Amazon、Meta）数千亿美元的业务（如搜寻、推荐系统）。下一波机 会在於「数位劳动力」（Agentic AI）和「实体AI」（Physical AI）。 其中在数位劳动力（Agentic AI）的部分，包括AI工程师、AI护士、AI会计师、AI行销人 员等。这将补充并增强企业市场，带来数兆美元的商机。这些AI需要持续「思考」和生成 结果，因此需要AI工厂作为运算基础。而在实体AI的方面，包括自驾计程车，机械手臂等 「具体化」的AI等。由於实体AI利用与数位AI高度相似的通用智慧，但运用於不同的具体 形态。例如，机器人要实现未来发展，需要三种运算设施，训练模型（AI工厂）、虚拟学 习世界（Omniverse）、以及机器人自身的大脑。 最後，谈到主权AI，黄仁勳认为没有国家可以负担将所有国家数据外包，并回头输入智慧 的模式。所以，各国应进口、购买，同时也建立自己的国家智慧。而针对美国对中国的出 口管制，他直指决策者应当谨慎，因为对中国不利的政策也可能伤害美国。辉达在中国市 场的市场占比已从95%降至0%，他认为这是一个错误。因为，为了确保全球开发者继续采 用美国技术堆叠，政策需要细致的平衡。 黄仁勳总结指出，未来的运算范式将是100%生成式，所有内容都将即时生成，而非从储存 中检索。目前全球已建置的AI基础设施仅数千亿美元，对於一个可能每年需投入数兆美元 的产业来说，这仅仅是个开始。他建议企业资讯长应立即投资於建立自己的AI员工（数位 化员工），并对其进行训练，使其符合公司的专业知识和文化。 只有老黄赚大钱,其他因为ＡＩ被裁掉的人表示 -- 俗话说的好，君子坦荡荡，小人做日常。 举头望明月，低头做日常。 少壮不努力，老大做日常。 生自古谁无死，来生继续做日常 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 123.195.194.185 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Tech_Job/M.1760699514.A.A9C.html