3 月 21 日晚上 11 点，英伟达 CEO 黄仁勋的演讲，为 GTC 2023 拉开序幕。
ChatGPT 和 GPT-4 掀起这股生成式 AI 热潮后，为 AI 提供心脏的英伟达成了背后的大赢家，也让今年的 GTC 注定成为有史以来最受关注的一届。
黄仁勋没有让关注者失望。
「AI 的 iPhone 时刻已经到来。」70 分钟的演讲里，老黄重复了四五遍。
每次讲这句话前，他都会分享一项关于生成式 AI 的新进展——对创作、医疗、工业等领域的革命，让普通人用浏览器就能训练大模型的云服务，以及让大模型处理成本下降 10 倍的超级芯片……
「AI 的发展会超过任何人的想象。」这句话是对这场演讲最好的注脚。
1、让大语言模型的处理成本下降一个数量级
2012 年，Alex Kerchevsky、Ilya Suskever 和他们的导师 Geoff Hinton 在两块 GeForce GTX 580 上，使用 1400 万张图像训练了 AlexNet——这被认为是这一轮 AI 革命的开端，因为它首次证明了 GPU 可以用于训练人工智能。
4 年后，黄仁勋亲手向 OpenAI 交付了第一台 NVIDIA DGX 超级计算机。此后数年，OpenAI 在大型语言模型上的突破让 AIGC 开始进入人们的视野，并在去年年底推出 ChatGPT 后彻底破圈。几个月内这个对话式 AI 产品吸引了超过 1 亿用户，成为历史上增长最快的 App。
NVIDIA DGX 最初被用作 AI 的研究设备，现在已经被企业广泛用于优化数据和处理 AI。根据黄仁勋，财富 100 强公司中有一半安装了 DGX。
在这之中，部署像 ChatGPT 这样的 LLM 正在成为 DGX 越来越重要的一项工作。对此，黄仁勋宣布了一种新的 GPU——带有双图形处理器 NVLink 的 H100 NVL。
基于英伟达的 Hopper 架构，H100 采用 Transformer 引擎，被设计用于专门处理类似 GPT 这样的模型。与用于 GPT-3 处理的 HGX A100 相比，一个搭载四对 H100 和 NVLINK 的标准服务器的处理速度快 10 倍。根据官网数据，H100 的综合技术创新。可以将大型语言模型的速度提高 30 倍。
「H100 可以将大型语言模型处理成本降低一个数量级，」黄仁勋说到。
此外，在过去的十年里，云计算每年增长 20%，成为一个 1 万亿美元的行业。为了 AI 和 云计算，英伟达设计了 Grace CPU，在新的架构下，GPU 负责处理 AI 的工作负载，Grace CPU 负责采样，二者之间通过一个 900 GB/s 的高速传输设备连接在一起。
「Grace-Hopper 是处理大规模数据集的最佳选择。」黄仁勋称，「我们的客户希望建立训练数据大几个数量级的 AI 大模型，Grace-Hopper 是理想的引擎。」
某种意义上来说，计算成本已经成为今天阻碍生成式 AI 发展的核心问题，OpenAI 为此烧掉了数十亿乃至上百亿美元，微软也出于成本考虑始终没有向更大范围的公众开放新 Bing，甚至限制用户每天的对话次数。
英伟达此时推出更高效的算力方案，无疑是给行业解决了一个大难题。
2、DGX Cloud：让任何企业都能构建 AI 能力
今年 GTC 上另一个涉及生成式 AI 的重点，就是 DGX Cloud。
实际上，这并不是英伟达第一次公布 DGX Cloud。此前英伟达四季报发布时，黄仁勋就向外界透露英伟达将与云服务厂商展开合作，让客户可以使用网页浏览器，就能通过 NVIDIA DGX Cloud 来使用 DGX 计算机，从而训练和部署大型语言模型或完成其他 AI 工作负载。
英伟达已经与甲骨文展开合作，预计下个季度微软 Azure 也会开始托管 DGX 云，而谷歌云也将在不久之后加入这一行列，以托管的方式向那些有意愿构建新产品和发展 AI 战略的企业提供 DGX 云服务。
黄仁勋称，这种合作关系将英伟达的生态系统带到了云服务商手中，同时扩大了英伟达的市场规模和覆盖面。企业将能够每月租用 DGX 云集群，确保他们能够快速轻松地扩展大型多节点 AI 训练。
3、ChatGPT 只是开始
「加速计算是曲速引擎，AI 就是它的能源。」黄仁勋说道，「生成式 AI 日新月异的能力，给我们重新构想其产品和商业模式带来了紧迫感。」
ChatGPT 和 GPT-4 为代表的大语言模型在过去几个月火遍全球，但对英伟达来说，ChatGPT 和大模型并不是 AI 的全部。会上，黄仁勋还分享了更多英伟达在 AI 领域的探索和他本人的观察。
首先是最火的生成式 AI。
只需要一张手绘的草图，就能生成 3D 建模的户型。
撰写代码也不在话下。
还有创作音乐。
为了加速那些寻求利用生成 AI 的人的工作，英伟达宣布成立 NVIDIA AI Foundations，这是一个云服务和代工厂，面向需要构建、改进和定制 LLM 和生成式 AI 的用户，这些客户使用其专有数据训练特定领域的 AI。
AI Foundations 的服务包括 NVIDIA NeMo，用于构建文本-文本的生成模型；毕加索，一种视觉语言模型制作服务，面向希望构建基于经授权内容训练模型的用户；以及 BioNeMo，帮助生物医药研究人员。
作为生产力工具，AI 也在发挥巨大的价值，黄仁勋在演讲中介绍了几个非常有意思的案例。
第一个是与美国电信巨头 AT&T。AT&T 需要定期派遣 3 万名技术人员，为 700 个区域的 1300 万名客户提供服务。这个庞大的数据，调度是一个痛点，如果在 CPU 上运行，调度优化需要一整夜的时间才能完成。
借助英伟达的 CuOpt，AT&T 可以将调度方案的优化时间加快 100 倍，并可实时更新其调度方案。
某种意义上，在英伟达的帮助下，AT&T 做到了美团、滴滴这些需要实时匹配的互联网公司用好多年积累才做到的事情。
另一个案例是与芯片公司的合作。随着中美科技战，大多数人都知道了光刻机这个半导体产业的关键设备。但鲜为人知的是，随着制程技术的发展，芯片设计对算力的需求也是半导体行业的一大痛点。
今天计算光刻是芯片设计和制造领域最大的计算工作负载，每年需要消耗数百亿 CPU 小时，并且随着算法越来越复杂，计算光刻的成本也在提高。
对此，英伟达宣布推出 cuLitho——一个计算光刻库。并与 ASML、台积电等巨头展开合作，从而大幅降低芯片设计过程中的算力消耗，节能减排。
事实上，减少能源消耗，提高计算效率，是黄仁勋眼中 AI 技术将为人类社会带来的另一大价值。而在摩尔定律失效的当下，加速计算和 AI 的到来恰逢其时。
「各行业正都在面对可持续发展、生成式 AI 和数字化的挑战。工业公司正在竞相数字化，并重塑为软件驱动的科技公司——成为颠覆者，而不是被颠覆者，」加速计算让这些公司可以应对这些挑战，黄仁勋说道。「加速计算是减少电力消耗、实现可持续性发展和碳中和的最佳方式。」
最后，类似于一个彩蛋，从老黄此次演讲的表现不难猜测，视频中出现的老黄，应该全程是一个虚拟形象。如无意外，很有可能也是「生成式 AI」的产物——在表现 AI 进步的同时，也算是黄仁勋为自己家「核弹算力」再次「现身说法」。
