ADVERTISEMENT
Nvidia執行長黃仁勳表示，該公司AI（AI）晶片的效能提升速度，比摩爾定律設定的歷史速度還要快。摩爾定律是數十年來推動運算技術進步的指標。
「我們的系統發展速度遠快於摩爾定律，」黃仁勳週二在接受採訪時表示。前一天晚上，他在拉斯維加斯舉行的消費電子展（CES）上向 10,000 名觀眾發表了主題演講。
摩爾定律由英特爾（Intel）共同創辦人戈登·摩爾（Gordon Moore）於 1965 年提出，預測電腦晶片上的電晶體數量大約每年會增加一倍，這基本上也使這些晶片的效能提高一倍。這個預測大部分都應驗了，並在數十年間創造了效能的快速提升和成本的直線下降。
近年來，摩爾定律的速度已經放緩。然而，黃仁勳聲稱Nvidia的 AI 晶片正以自己的加速步伐前進；該公司表示，其最新的資料中心超級晶片在運行 AI 推論工作負載方面的速度比上一代快 30 倍以上。
「我們可以同時構建架構、晶片、系統、函式庫和演算法，」黃仁勳說。「如果你這樣做，那麼你的發展速度就能超過摩爾定律，因為你可以在整個技術堆疊上進行創新。」
Nvidia執行長提出這個大膽主張之際，正好是許多人正在質疑 AI 的進展是否停滯不前。領先的 AI 實驗室——例如 Google、OpenAI 和 Anthropic——都使用Nvidia的 AI 晶片來訓練和運行他們的 AI 模型，而這些晶片的進步可能會轉化為 AI 模型能力的進一步提升。
這並非黃仁勳首次表示Nvidia正在超越摩爾定律。去年11月，他在一個podcast中曾提到，AI世界正在遵循所謂的「超摩爾定律」（Hyper Moore’s Law）。黃仁勳否認AI進展正在放緩，並指出現在有三個活躍的AI拓展定律：預訓練（pre-training），即AI模型從大量數據中學習模式的初始訓練階段；後訓練（post-training），利用如人類回饋等方法來微調AI模型的答案；以及推論運算（test-time compute），即在推論階段給AI模型更多的「思考」時間來回答問題。
「摩爾定律在運算歷史上如此重要，是因為它降低了運算成本，」黃仁勳說。「同樣的事情也將發生在推論領域上，我們會提高效能，因此推論的成本將會降低。」
（當然，Nvidia是乘著 AI 熱潮發展成為地球上最有價值的公司，所以黃仁勳這樣說對他有利。）
黃仁勳認為 AI 世界正以「超摩爾定律」的速度發展。
Nvidia的 H100 是科技公司訓練 AI 模型的首選晶片，但現在科技公司更加關注推論，一些人質疑Nvidia昂貴的晶片是否還能保持領先地位。
使用測試時間運算的 AI 模型目前的運行成本很高。有人擔心，OpenAI 的 o3 模型使用了測試時間運算的放大版本，對大多數人來說使用成本過高。例如，OpenAI 使用 o3 在通用智慧測試中達到人類水準的分數，每項任務花費近 20 美元。而 ChatGPT Plus 的訂閱費用為每月 20 美元，可使用一整個月。
黃仁勳在週一的主題演講中，像盾牌一樣高舉著Nvidia最新的資料中心超級晶片 GB200 NVL72。這款晶片在運行 AI 推論工作負載方面的速度比Nvidia之前最暢銷的晶片 H100 快 30 到 40 倍。黃仁勳表示，這種效能的飛躍意味著像 OpenAI 的 o3 這樣在推論階段使用大量運算的 AI 推理模型，隨著時間的推移將會變得更便宜。
黃仁勳表示，他總體上專注於創造更高效能的晶片，而從長遠來看，更高效能的晶片會帶來更低的價格。
黃仁勳表示，他的重點是開發更高性能的晶片，而更高性能的晶片從長遠來看能降低價格。「對於推論計算的直接且即時的解決方案，無論是在性能還是成本可負擔性上，都是提升我們的計算能力，」黃仁勳說。他指出，從長遠來看，AI推理模型還可以用來創建更好的數據，以供AI模型的預訓練和後訓練使用。
過去一年來，我們確實看到AI模型的價格大幅下降，部分原因來自像Nvidia這樣的硬體公司的計算突破。黃仁勳表示，他預期這一趨勢會在AI推理模型上繼續下去，儘管目前我們從OpenAI看到的第一版模型相當昂貴。
更廣泛地說，黃仁勳聲稱，如今Nvidia的AI晶片比10年前的性能提升了1,000倍。這是一個比摩爾定律所設定標準快得多的步伐，黃仁勳表示，他看不到這一趨勢會很快停止。
請注意！留言要自負法律責任，相關案例層出不窮，請慎重發文！