万字全文｜黄仁勋专访：像交付iPhone一样交付“开箱即用”的AI数据中心、租用AI芯片设计师为自己工作

在这次深入的采访中，NVIDIA首席执行官黄仁勋讨论了公司对AI数据中心的宏伟愿景，目标是在未来十年内每年将数据中心的计算性能翻一番或三番，同时降低成本和能耗。他们采用协同设计方法优化算法和架构，通过在不同的精度级别之间切换，并将网络作为计算结构的一部分进行整合。NVIDIA将数据中心视为计算的基本单元，并为其构建了全面的垂直整合解决方案。为训练构建的基础设施也适用于推理，大型模型用于训练和知识提炼，以产生针对特定任务的更小、更高效的模型。CUDA为软件开发提供了稳定的基础，允许在不同的硬件和平台之间进行快速迭代和兼容。NVIDIA已经展示了快速部署大型AI集群的能力，例如为xAI部署了包含10万个GPU的集群，通过供应链、软件集成和数字孪生的预先规划和准备实现。构建更大的集群（例如20万、50万或100万GPU）将面临能源、供应链和资本方面的挑战，但NVIDIA相信这些挑战可以克服。AI和机器学习正在转变各种科学和工程领域，从芯片设计到材料科学和生物技术。AI已成为芯片设计中的关键工具，探索更大的设计空间，并找到比人类设计的解决方案更好的局部最优解。NVIDIA已从一家计算机制造商转变为建造“AI工厂”，生产如机器人和软件等“智能”应用。AI和机器人技术正在融合，导致应用如自动驾驶车辆和有形机器人，最终实现更广泛的AI体现。AI将成为各种角色中的“员工”，在市场营销和供应链管理等领域协助人类。NVIDIA的愿景强调指数级增长、协同设计、数据中心规模计算以及AI对行业和科学领域的变革性影响。讲话者讨论了在机器人学中模型和模式的一致性，以及使用视频示例为机器人生成指令的潜力。布朗菲尔德机器人系统，将机器人技术整合到现有基础设施中，被视为机器人技术广泛采用的有前景的途径。讲话者设想了一个由人类和AI员工混合组成的未来，如AI市场营销人员、AI设计师和AI供应链人员。讲话者认为芯片设计是AI集成最重要的领域，并期待在这一领域取得重大进展。AI和机器学习对各种科学和工程学科的影响延伸开来，讲话者预测在不久的将来会有一波突破。讲话者强调算法在不同领域的普遍适用性，以及将AI作为学习工具的使用。对话以讲话者表达对讨论的感激和强调在生活的各个方面使用AI的乐趣结束。- NVIDIA的目标是在未来十年内每年将计算性能翻倍或三倍，同时降低成本和能耗。 - NVIDIA采用协同设计方法，同时优化算法和架构。 - NVIDIA将网络视为计算结构，并通过技术如NVLink将数百个GPU整合为一个虚拟GPU。 - NVIDIA将训练基础设施应用于推理，并使用大型模型训练和蒸馏来产生更小、更高效的模型。 - CUDA提供稳定的基础，允许在软件层面上快速迭代。 - NVIDIA展示了快速部署大型AI集群的能力。 - 构建更大规模的超级集群将面临能源、供应链和资本等挑战。 - AI和机器学习正在改变各个科学和工程领域。 - AI已成为芯片设计的关键工具，能够探索更大的设计空间。 - NVIDIA已从电脑制造商转型为构建“AI工厂”的企业。 - AI和机器人技术将融合，实现更广泛的AI具身化。 - AI将成为各种角色的“员工”，协助人类工作。 - NVIDIA构建了全面的、垂直整合的数据中心解决方案。 - NVIDIA的市值已超过3万亿美元，公司正在重塑计算和构建智能工厂的产业。 - Jensen Huang认为，将事物标记化并与大型语言模型对齐可以帮助机器人生成相应的标记来执行任务。 - 棕地机器人系统是将机器人技术集成到已有基础设施中的系统，而绿地机器人系统是在专门为机器人技术设计的环境中部署机器人。 - Jensen Huang认为数字员工或AI员工将成为未来的趋势，各种领域都将有各种各样的AI员工。 - Jensen Huang希望芯片设计能成为公司人工智能化程度最高的部分。 - 人工智能和机器学习将在各个科学领域产生突破性的影响，这将改变我们的工作方式。 - Jensen Huang认为人工智能和机器学习的发展将是一场海啸，将在短时间内改变我们所做的一切。 - Jensen Huang强调人工智能和机器学习的普适性和统一性，它们在各个领域都能发挥作用。 - Jensen Huang表示他每天都使用人工智能作为导师来学习，并且几乎所有的事情都会用到它。