本周，AI 领域最关心的重要事件是，“超级权重股”、“AI芯片之王”英伟达（NVIDIA）将于5月22日美股盘后发布2024自然年第一季度财报。
据华尔街分析师预计，截至4月份的一季度中，英伟达营收有望达到246亿美元，同比增长两倍多，到2025年1月财年结束时，季度销售额有望突破300亿美元大关；预计同期净利润138.6亿美元，同比增幅超过500%。
过去一个月内，英伟达股票以9.22%涨幅超越纳指，成为美国科技领域增长最快的龙头股，最新市值高达2.27万亿美元。
（图片来源：SemiAnalysis）
半导体平台SemiAnalysis日前披露称，刚发布的世界上性能最强 AI 芯片——英伟达B100 GPU售价将高达3万美元（约合人民币21.67万元、具体实时价格会有变化仅供参考），预计最快将于今年9月（四季度）开始量产。
目前，世界上只有四家科技公司的市值超过 2 万亿美元：微软、苹果、谷歌母公司Alphabet 和英伟达。而英伟达凭借其改变游戏规则的GPU引领了 AI 算力革命。过去短短八个月内，英伟达市值从1万亿美元飙升至 2 万亿美元，成为全球规模最大的半导体公司。
在这其中，今年61岁的英伟达联合创始人、CEO黄仁勋功不可没。
最近接受CBS《60分钟》对话时，黄仁勋坦言，AI 不会夺走你们的工作，使用 AI 的人会夺走你的工作，而一家企业如果没有更多的想法来投资增量收益，那么当工作被自动化替代时，企业不得不裁员，并加入那些有更多想法而又负担不起资金投资的公司，这样当 AI 自动化他们的工作时，情况当然会改变，当然会改变工作方式。
黄仁勋经常说，AI 将改变一切。
黄仁勋认为，GPU是英伟达 AI 超级计算机的强大引擎，使其能够快速吸收大量信息，而它与英伟达CUDA一同成为当前生成式 AI 的基础设施。
“它每秒进行千万亿次计算，这只是疯狂的数字。”黄仁勋表示。
市场普遍认为，此次财报中，华尔街对于英伟达的关注点有三个：1、英伟达业绩会否再超预期，以及利润率走势如何；2、最新推出的Blackwell架构的产能情况；3、GB200和上一代芯片换代之际，需求增速会否放缓？
黄仁勋强调，AI 将迎来进步和繁荣，并将缩小人类间的技术差距。未来10年，AI 计算能力将再提高100万倍。
以下是钛媒体AGI整理的黄仁勋近期两次接受CBS对话的核心内容，有删减：问：15岁起，你在Denny’s担任洗碗工，而到了30岁，已婚并育有孩子。但当1993年，你和两个朋友、英伟达联合创始人 Chris Malachowsky 和 Curtis Priem却选择创立了这家公司的时候，当时发生了什么？
黄仁勋：Denny's 是美国的餐馆，英伟达则是我和其它两位联合创始人在圣何塞 —— 我们家外面的 Denny's 创立的，所以他们最近联系了我，我们常坐的那个包厢现在成了 Nvidia 的包厢，名字是 Nvidia，这就是一个万亿美元公司的诞生地，这是一个非常自豪的时刻。
就在这家Denny's店，坐在后面，我们三个人决定创办这家公司。坦白说，我不知道该怎么做。他们也没有。我们谁都不知道该怎么做。
当时的一个最初想法是：用新的图形芯片加速计算机的处理能力。但我们最初的尝试失败了，1996 年公司几乎破产。
实际上，英伟达成立之时，正值 PC 革命刚刚开始，微处理器吸引了整个行业的想象力。世界正确地看到，CPU，微处理器，将会如何重塑 IT 行业，重塑计算机行业；在 x86 革命前后，成功的公司截然不同。我们在那个时期创办了我们的公司，我们的观点是，尽管通用计算非常令人惊叹，但它不可能成为所有问题的解决方案。
我们相信，存在一种我们称之为加速计算的计算方式，你会在通用计算旁边添加一个专家。如果你愿意的话，CPU 是一个通才，可以做任何事。它可以做任何事情。然而，显然，如果你能做任何事情，那么显然你不能做任何事情做得很好。
因此，我们认为有些问题不适合被我们所称的普通计算机解决。因此，我们开创了这家加速计算公司。问题是，如果你想创造一个计算平台公司，我不知道这里有多少计算机科学家，但如果你想创造一个计算平台公司，自1964年以来还没有一个这样的公司诞生，那是我出生后的一年，IBM 系统 System 360 完美地描述了一台计算机是什么。
1964年，IBM 描述了 System 360 有一个中央处理单元，I/O 子系统，直接内存访问，虚拟内存，跨可扩展架构的二进制兼容性，它描述了我们今天所描述的计算机的一切，60 年后，我们感觉有一种新的计算形式，可以解决一些有趣的问题，当时并不完全清楚我们能解决什么问题，但我们觉得加速计算有未来。
尽管如此，我们还是出发去创办这家公司，并做出了一个非常好的首次决策，坦白说，直到今天这个决策都是不可思议的，如果有人走过来对你说，我们要发明一个世界上没有的新技术，每个人都想围绕 CPU 建立一家计算机公司，我们想围绕与 CPU 相连的其他东西建立一家计算机公司，第一点。
第二点，杀手级应用是一款视频游戏，一款 1993 年的 3D 视频游戏，而且那个应用不存在，构建这个公司的公司不存在，我们试图构建的技术不存在。因此，现在你有一家公司，既面临技术挑战，又面临市场挑战和生态系统挑战，因此这家公司成功的可能性几乎为0％，但不管怎样，我们很幸运，因为两位非常重要的人。
坦率地说，我们三个联合创始人曾一起工作过的，他们是当时技术行业中非常重要的人物，我给当时世界上最重要的风险投资家 Don Valentine 打电话，告诉 Don 给这个孩子一些钱，然后沿途搞清楚这是否行得通，幸运的是他们这样做了，但那个商业计划，即使是今天，我也不会投资，因为它有太多的依赖性，每一个都有一定的成功概率。
当你把这些加在一起时，乘起来，你得到的是 0％，尽管如此，我们设想会有一个名为视频游戏的市场，这个市场将成为世界上最大的娱乐产业，当时它是 0；我们推测，3D 图形将被用于讲述几乎所有运动、游戏的故事。因此，在虚拟世界中，你可以拥有任何游戏，任何运动，结果每个人都会成为游戏玩家。
Don Valentine 问我，这个市场会有多大？我说，将来每个人都会是游戏玩家，也是创办公司时的错误答案，坦白说，这些都是糟糕的习惯，糟糕的技能，我不是在建议你们这样做；不管怎样，结果证明是真的，视频游戏成为了世界上最大的娱乐产业，3D 图形获得了成功，我们找到了加速计算的第一个杀手级应用，这为我们赢得了时间，使用加速计算解决了一系列其他问题，最终转向了 AI。
问：为什么英伟达要采取Fabless模式？
黄仁勋：我们不做制造的原因是因为台积电做得太好了，而且他们已经在做了，我为什么要去夺取他们的工作？我喜欢台积电的人，他们是我的好朋友，仅仅因为我有业务，我可以进入这个领域，那又怎样？他们为我做得很好，让我们不要浪费时间去重复他们已经做过的事情，让我们浪费时间做一些没有人做过的事情，没有人做过的事情，这就是你如何建立一些特别的东西，否则，你只是在谈论市场份额。
我们观察到两件事情：加速计算是一个软件问题，是一个算法问题，而 AI 是一个数据中心问题，所以我们是唯一一个出去构建所有这些东西的公司，我们做的一部分是商业模式的选择，我们本可以成为一家数据中心公司，完全垂直整合。然而，我们认识到，无论一家计算机公司有多成功，它都不会是世界上唯一的计算机公司，而作为一个平台计算公司更好，因为我们热爱开发者。作为一个为世界上每一家计算机公司服务的平台计算公司，比单独成为一家计算机公司要好。
我们采取了这种方法，将这个与这个房间大小相当的数据中心，所有的电线、所有的开关和网络以及大量软件，我们将所有这些分解，并集成到全世界其他不同的数据中心中，这是一个疯狂的复杂问题，我们找到了一种方法，在必要时拥有足够的标准化，在需要时拥有足够的灵活性，以便我们能够与全世界的计算机公司进行足够的合作。
结果是，Nvidia 的架构现在被植入到世界上每一家计算机公司中，这创造了一个更大的足迹，更大的安装基础，更多的开发者，更好的应用程序，这使客户更加满意，他们购买更多的芯片，这增加了安装基础，增加了我们的研发预算等等，飞轮效应，正反馈系统，这就是它的运作方式，简单明了。
问：随着大模型的到来，你认为，需要多少个服务器GPU来训练这些计算机？
黄仁勋：创建 GPT-4 所需的是 16000 个 GPU，这是目前任何人使用的最大的模型，价值 10 亿美元，而这只是一张支票，甚至不是一张很大的支票，不要害怕，不要让任何人劝阻你创业，去实现你的梦想。
每个人都希望你认为这是一个巨大的问题，非常昂贵。其实不是，让我告诉你为什么，我们公司大约花了 5～6 亿美元的工程成本来设计一颗芯片，然后一到两年后，我按下回车键，发一封电子邮件给台积电，通过 FTP 传送一个大文件给台积电，他们就会制造它，这个过程让我们公司花费了大约 5 亿美元。
总共花了 55 亿美元，我得到了一颗芯片，这颗芯片对我们来说当然很有价值，但这没什么大不了的。我一直在做这个，所以如果有人说，嘿 Jensen，你需要创建一个价值 10 亿美元的数据中心，一旦你插上电，钱就会从另一边喷涌而出。我会立刻去做，显然很多人也会这样做，因为谁不想创建一个产生智能的工厂呢？
现在 10 亿美元其实并不是很多钱，坦白说，全球每年在基础设施计算基础设施上的支出约为 2500 亿美元，我们中没有人正在产生金钱，只是在存储我们的文件，传递我们的电子邮件，那已经是 2500 亿美元了，我们增长如此之快的原因之一是，经过 60 年的发展，通用计算正在衰退，因为再投资 2500 亿美元创建另一个通用计算数据中心是不明智的，它在能源上过于粗暴，在计算上太慢。
现在加速计算来了，那 2500 亿美元将用于创建加速计算数据中心，我们很高兴支持客户这样做。除此之外，加速计算，你现在有了一个生成 AI 的基础设施，就像我们刚刚谈论的所有事情，基本上的工作方式是你拿很多数据，然后压缩它。
深度学习就像一个压缩算法，你试图学习你正在研究的数据的数学表达、模式和关系，并将其压缩成一个神经网络，所以输入的是，比方说，数万亿字节，数万亿个 Token ，所以说几万亿字节，输出的是 100GB，所以你已经把所有那些数据压缩成了这个小小的文件，100GB 就像 2 张 DVD，你可以在手机上下载并观看，对吧？
因此，你可以在手机上下载这个巨大的神经网络。现在，所有这些数据已经被压缩进去了，这个压缩的神经网络模型是一个 LLM，意味着你可以与之交互，你可以提问，它会回到它的记忆中，理解你的意图，并为你生成文本，与你进行对话，所以，核心就是这样，听起来神奇，但对房间里所有的计算机科学家和科学家来说，这是非常合理的，不要让任何人说服你这花费了很多钱，我会给你一个很好的折扣，大家都去创建 AI 吧。
问：你认为在过去30多年间，英伟达能够成为万亿美金公司，是运气还是愿景使然？
黄仁勋：那就是——运气是由远见创造的。我们发明了这种功能，然后有一天，创建深度学习的研究人员发现了这种架构，因为事实证明这种架构非常适合他们。
问：你如何管理英伟达这家市值2.27万亿美金的公司？如何在管理供应链、客户过程中实现规模翻倍？
黄仁勋：我喜欢管理，只有其中的一部分，就是数钱，很有趣。早上起来，在所有的现金上滚来滚去，这不就是你们所有人来这里的目的吗？我理解这是最终目标，建立公司很难，没有什么容易的事情，有很多痛苦和磨难，需要大量努力。
如果这很容易，每个人都会去做，并且关于所有公司，无论大小，无论是我们的还是其他技术公司，你总是在垂死，原因是总有人试图超越你，所以你总是在走向破产的路上；如果你不内化这种感觉，如果你不相信这一点，你将会破产。而且我最初是在 Denny 开始的，你们都知道，英伟达是在极其不可能的情况下建立起来的。我们花了很长时间才走到今天。我的意思是，我们是一家有30年历史的公司。当 Nvidia 刚成立时，1993年，Windows 95 还没有推出。那时候，才是第一台可用的 PC ，我们没有电子邮件。那时还没有笔记本电脑或智能手机。所有这些东西都不存在，所以你可以想象，我们刚开始时的世界和现在的世界是多么不同。
显然，公司全靠人，如果有正确的系统，你周围有像我一样出色的人，公司就会拥有技能。不管你是销售1000亿美元还是2000亿美元，都无关紧要。
现在的真相是，供应链并不简单，有人知道 G-Force 显卡长什么样吗？举手示意一下，有谁知道 Nvidia 的显卡长什么样，所以你会认为，显卡就像一个插入 PC 的 PC Express 插槽的卡带，但我们现在的显卡芯片，在这些深度学习系统中使用的，有 35000 个部件，重达 70 磅，因为它们太重了，所以需要机器人来组装，它们需要超级计算机来测试，因为它本身就是一台超级计算机，而且成本是20万美元，用这20万美元，你可以购买一台这样的计算机，它可以替换几百个通用处理器，这些处理器的成本高达几百万美元，每花费 20 万美元在 Nvidia 购买，你就能节省 250 万美元的计算成本，这就是为什么我告诉你们，买得越多，节省得越多；显然，这个策略非常成功，人们真的在排队购买，这就是我们的工作；供应链非常复杂，我们制造了世界上最复杂的计算机，但这真的有多难呢？其实非常难，核心在于，如果你被出色的人包围，简单的真相是，这一切都关乎人；我很幸运，周围有一个伟大的管理团队，然后 CEO 会说类似“让它成为第一名”的话，比如“让它运作”。
问：摩尔定律已经“死”了吗？你为何要提出“Jensen定律”？
黄仁勋：答案是，实际上，摩尔定律非常好，我从中受益了。整个行业都从中受益了，计算机行业之所以存在就是因为它，但最终通用计算的摩尔定律，并不是关于计算中晶体管的数量，它关于晶体管的数量，你如何使用它对于 CPU，你如何最终转化为性能，那个曲线不再是每 5 年增长 10 倍。如果你幸运的话，那个曲线是每 10 年两到四倍。问题是，那个曲线是每 10 年 2～4 倍。
计算需求和我们使用计算机解决问题的愿景，我们的想象力，使用计算机解决问题的想象力是不是超过了每 10 年 4 倍？所以我们的想象力、我们的需求、世界对所有这些的消费都超过了这个限制，你可以通过购买更多的 CPU 来解决这个问题，你可以购买更多，但问题是这些 CPU 消耗了太多的能源，因为它们是通用的，就像一个通才，一个通才不如一个专家效率高，他们的工艺不如专家好，他们不像专家那样有生产力；如果我要做开胸手术，不要给我找个通才，你们知道我的意思吗？如果你们在周围，就叫个专家好了，所以新闻作者的方式太蛮力了，所以现在这让世界消耗太多能源，让世界花费太多，只是为了粗暴地强行推动通用计算。
现在幸运的是，我们长时间以来一直在研究加速计算，正如我所提到的，加速计算不仅仅是关于处理器，它实际上是关于理解应用领域，然后创建必要的软件、算法、架构和芯片；我们不知怎么地找到了一种方法，用一种架构来做这些，这是我们所做工作的天才之处，我们不知怎么地找到了这种架构，它既非常快，有时候要加速 CPU 100*500 倍，甚至有时候 1000 倍，但它又不是那么特定，只用于一种单一活动，这合理吗？而且你需要足够广泛，以便你有大市场，但你需要足够狭窄，以便你可以加速应用程序，这条微妙的界线，这把剃刀边缘，是英伟达存在的原因。如果我在 30 年前解释这个，没有人会相信，事实上，如果你现在诚实地说，也没人会相信。
我们花了很长时间，我们坚持下去，我们从地震处理开始，分子动力学，图像处理，当然还有计算机图形学，我们不断地努力，不断地努力，不断地努力，天气模拟，流体动力学，粒子物理，量子化学，然后有一天深度学习，然后是变换器，接下来将是某种形式的强化学习变换器，然后会有一些多步推理系统，所以所有这些事情，我们只是一个应用程序。
不知怎的，我们找到了一种方法，创造了一个架构，解决了所有这些问题，这个新定律会结束吗？我不这么认为。原因是这样的，它不取代 CPU，它补充了 CPU，那么问题是，接下来会有什么东西来补充我们？
我们只是把它连接在旁边，所以当时机到来时，我们会知道我们应该使用另一个工具来解决问题，因为我们是在为我们试图解决的问题服务。我们不是在尝试制造一把刀，让每个人都使用它。我们不是在尝试制造一把钳子，让每个人都使用它。我们是为了加速计算服务于问题，所以这是你们所有人都要学习的一件事。确保你的使命是正确的。确保你的使命不是制造火车，而是促进交通，这合理吗？我们的使命不是制造 GPU。我们的使命是加速应用程序，解决普通计算机无法解决的问题。如果你的使命表述得当，你专注于正确的事情，它将永远持续下去。
（本文首发于钛媒体App，作者｜林志佳，编辑｜胡润峰）
友情提示
本站部分转载文章，皆来自互联网，仅供参考及分享，并不用于任何商业用途；版权归原作者所有，如涉及作品内容、版权和其他问题，请与本网联系，我们将在第一时间删除内容！
联系邮箱：1042463605@qq.com