对于未来AI的发展方向，英伟达CEO黄仁勋又有了新的判断。他在稍早前举办的英伟达日本峰会上提到了两个AI趋势：

　　AI的可扩展性和多模态能力。这意味着AI能够处理和理解多种类型的数据，如文本、语音、图像和，并将这些数据类型相互关联，从而在多种应用场景中发挥作用。

　　AI应用的“寒武纪大爆发”。AI应用的爆炸性增长，将创造许多新的行业和公司。黄仁勋将这一时期比作“寒武纪大爆发”，一个生物多样性急剧增加的地质时期。

　　他强调，尽管芯片是AI系统的核心组件之一，但AI的真正价值和潜力在于整个系统的综合能力和广泛的应用前景。

　　黄仁勋认为，未来有两种类型的AI会非常受欢迎：数字AI工

　　黄仁勋将英伟达视为一家模拟技术公司，专注于模拟物理学、虚拟世界和智能，通过模拟帮助预测未来，更像是在造时间机器。他说，英伟达未来布局聚焦于AI技术和生态系统合作，通过加速计算和GPU强化CPU，同时提供丰富的软件和库支持AI发展。

　　他还说，一个新的行业——人工智能制造——正在诞生，届时每家公司都将成为AI制造商。

　　本质上，英伟达是一家模拟技术公司。我们模拟物理、虚拟世界和智能。通过我们的模拟技术，我们帮助您预测未来。因此，在许多方面，英伟达就像制造了时间机器。

　　事实上，我们几乎是计算机领域唯一一家不想取代CPU的公司。我们的目标是通过将计算密集型的工作负载转移到GPU上，从而释放CPU的能力。

　　在过去的十年里，我们让人工智能和机器学习的规模提高了 100 万倍。通过把机器学习的规模提升100万倍，我们实现了一个巨大的突破，也正是这个突破，催生了如今的 ChatGPT——人工智能的到来。

　　软件1.0 就是编写在 CPU 上运行的代码。现在我们进入了软件2.0时代，因为计算机速度已经非常快，你可以给它提供大量的样本数据，让它自己学习并预测函数。我们称之为软件 2.0。

　　现在的软件不再是手写的代码，而是在GPU上运行的神经网络。这些在GPU上运行的神经网络正在形成一种新的操作系统，一种新的使用计算机的方式，也就是现代计算机的操作系统，特别是大型语言模型。

　　这种机器学习方法已被证明具有令人难以置信的可扩展性。你可以用它做各种各样的事情，包括数字化文本、声音、语音、图像和。它可以是多模态的。你可以教它氨基酸序列，教它理解任何有大量观察数据的内容。

　　AI不单单是芯片的问题。系统不能单独工作。即使是世界上最先进的计算机也无法单独为人工智能工作。有时它必须与成千上万的其他计算机一起工作，像这样的节点一起作为一台计算机。有时他们必须分开工作，因为他们正在响应不同的客户、不同的查询，有时是单独的，有时是作为一个整体。

　　一个是数字化的，我们称之为AI代理，你可以在办公室里使用它们与你的员工合作。第二个是物理AI系统机器人。这些物理AI将是公司构建的产品。因此，公司将使用AI来提高员工的生产力，我们将使用AI来推动和授权我们销售的产品。车企未来会有两个工厂，一个工厂造汽车，一个工厂生产汽车里运行的AI。

　　现在我们有了一个以前从未存在过的新行业——人工智能位于计算机行业的顶端，但它被每个行业利用和创造。

　　为了实现机器人技术，我们需要建造三台计算机。第一台计算机训练AI，就像我们之前给你们举的所有例子一样。第一台是模拟AI。你需要给AI一个练习的地方，一个学习的地方，一个撤退的地方，接收它可以学习的合成数据。Omniverse平台，它使您能够创建AI。最终你想要的是AI。最终，你所期望的 AI，将会看到一个世界，它能识别、周围的环境以及你的需求，并生成相应的动作。

　　黄仁勋演讲全文如下：

　　欢迎来到英伟达AI峰会。你刚才看到的一切都是模拟的。没有动画。本质上，英伟达是一家模拟技术公司。我们模拟物理、虚拟世界和智能。通过我们的模拟技术，我们帮助您预测未来。因此，在许多方面，英伟达就像制造了时间机器。今天，我们将与您分享我们的一些最新突破。但最重要的是，这是一个关于日本生态系统的活动。我们在这里有很多合作伙伴，包括350家初创公司、250,000名开发者和数百家公司。我们来这里已经很久了。自公司成立以来，日本市场对我们非常重要。在日本，我们有许多“第一次”尝试。第一个与我们合作的游戏开发者是世嘉的铃木裕，他是一位著名的3D游戏开发者，首先与我们合作将世嘉令人惊叹的3D游戏移植到英伟达的图形处理器上。东京工业大学首次使用英伟达CUDA构建超级计算机Subamer 1.2，使我们能够利用我们的图形处理器推动科学计算。日本在许多方面都是第一。这也是我们首次能够创建移动处理器，这催生了我们非常重要的项目之一——任天堂Switch。如此多的“第一次”。现在我们正处于一个新时代的开始，AI革命，一个新的行业，非凡的技术变革。这是一个非常令人兴奋的时刻，但也非常关键。因此，我们在这里与日本生态系统的优秀公司合作，将AI引入日本，以便我们能够充分利用眼前这个非凡的机会。今天我们在这里有许多合作伙伴，我要感谢GMO互联网集团、惠普、微软Azure、三井集团等白金赞助商。我想感谢你们所有人。还有其他56个赞助商。感谢大家的到来，感谢大家的支持。英伟达发明了加速计算，但并没有取代CPU。事实上，我们几乎是计算机领域唯一一家不想取代CPU的公司。我们的目标是通过将计算密集型的工作负载转移到GPU上，从而释放CPU的能力。这是GPU，这是CPU。通过结合这两者，我们可以利用这两种处理器的最佳功能：CPU非常擅长顺序处理，而图形处理器则非常擅长并行处理。我稍后会详细讨论这个，但这就是加速计算，不仅仅是并行计算，而是CPU和GPU的协同工作。这种计算模型对世界来说是全新的。事实上，CPU自1964年开始就已经存在了，也就是我出生的第二年，至今已有60年。我们今天在计算机上看到的绝大多数运行在CPU上的软件。但现在有一个新的变化，计算模型正在发生根本性变化。然而，为了实现这一点，你不能仅仅将顺序运行的CPU软件放到GPU上并行运行。我们必须创建一大堆新的算法，就像OpenGL使计算机图形应用程序能够通过图形处理器连接到加速一样，我们必须为许多不同的应用程序创建许多特定领域的库。这些是我们公司拥有的350个不同库中的一些，非常重要的库。Kulethos是一个用来加速计算光刻的工具，这是芯片制造过程中的一个步骤。计算光刻是一个复杂的过程，通常需要数周时间来计算许多层的图案。但使用Kulethos后，这个时间可以缩短到几个小时。当然，我们能够缩短芯片制造的周期，但同样重要的是，我们能够让光刻技术的算法变得更加复杂，这意味着我们可以推动半导体技术达到更高的精度，比如2纳米、1纳米甚至更小的尺度。因此，计算光刻的过程将通过Kulethos和Spark Solver的DSSAI Ariel技术得到加速。我今天将会详细讨论这个话题。这个新开发的库非常了不起，它使计算机能够运行5G无线电的技术栈。简单来说，就是可以在Nvidia的CUDA加速器上实时操作一个无线电。此外，CUDA也被用于量子模拟，比如模拟量子电路。还有用于基因测序的配对技术，以及KUV技术，这是一种用于存储向量数据的技术，也用于索引和查询向量数据库，这些数据库在人工智能领域特别有用。NumPy是一个用于数值计算的库。它是世界上最流行的数值处理库之一，大约有五百万不同的开发者在使用。这个库非常受欢迎，仅在上个月就达到了3000万次的下载量，这是一个惊人的数字。现在，NumPy已经完全支持在多个GPU和多个计算节点上进行加速计算，这使得它在处理大规模数据时更加强大。建议你去了解一下这个库，它的强大功能确实令人难以置信。QDF是一个用于处理数据帧和结构化数据的库，它支持像SQL、Pandas、Polars等数据处理技术，以及解决复杂的旅行商问题。这个库极大地加速了这些问题的解决，速度提升了数百倍。接下来提到的是KUDNN，这是我们创建的最重要的库之一，全称是深度神经网络的qdnn。这个库负责处理深度学习模型中不同层次的数据。通过创建qdnn并推动深度学习的普及和加速，在过去的十年里，我们让人工智能和机器学习的规模提高了 100 万倍。通过把机器学习的规模提升100万倍，我们实现了一个巨大的突破，也正是这个突破，催生了如今的 ChatGPT——人工智能的到来。简而言之，KUDNN库对于推动人工智能的发展起到了关键作用。Qdnn做了一些特别的事情，它改变了我们编写和使用软件的方式。软件 1.0 就是编写在 CPU 上运行的代码。现在我们进入了软件2.0时代，因为计算机速度已经非常快，你可以给它提供大量的样本数据，让它自己学习并预测函数。我们称之为软件 2.0。这样它就能自我学习并预测函数是什么，这就是机器学习。所以，现在的软件不再是手写的代码，而是在GPU上运行的神经网络。这些在GPU上运行的神经网络正在形成一种新的操作系统，一种新的使用计算机的方式，也就是现代计算机的操作系统，特别是大型语言模型。这种机器学习方法已被证明具有令人难以置信的可扩展性。你可以用它做各种各样的事情，包括数字化文本、声音、语音、图像和。它可以是多模态的。你可以教它氨基酸序列，教它理解任何有大量观察数据的内容。理解数据含义的第一步是，通过研究互联网上的大量文本，我们能够理解单词、词汇、语法，甚至通过找到模式和关系来理解单词的含义。使用相同的方法，我们现在不仅能够理解连接到不同模态的不同数据类型的含义，例如，单词和图像之间的关系。通过学习多模态，我们现在甚至可以翻译和生成各种智能信息。如果你观察所有那些令人惊叹的新兴公司和他们创造的应用程序，你会发现它们可以被归为两种类型，这些类型在一张幻灯片上从一侧到另一侧展示。第一种是文本到文本的应用，包括文本的总结、问答系统、文本生成和讲故事。第二种是到文本的应用，比如为生成字幕。还有图像到文本的应用，比如图像识别，以及文本到图像的应用，比如图像生成，例如Mid Journey这样的服务。还有文本到的创作，比如Runway ML这样的平台。所有这些不同的组合都是真正的突破。你甚至可以用蛋白质发短信，解释蛋白质的作用，给化学物质发短信，描述一种可能成为成功药物的化学物质的特性。对于药物发现，您甚至可以拥有和文本到机器人的应用。这些组合中的每一个都是一个新的行业、新的公司、新的应用程序用例。现在AI应用正在以寒武纪时代的速度爆炸式增长，而我们才刚刚开始。当然，机器学习的一个特性是，大脑越大，我们能教给它的数据越多，它就变得越聪明。我们称之为比例定律。有充分的证据表明，随着我们扩大模型的规模，训练数据的数量、有效性、质量和智力的表现每年都在提高。该行业正在将模型的大小扩大2倍左右，相应地需要2倍的数据。因此我们需要四倍的计算量。将人工智能推向下一个水平所需的计算资源量是非凡的。我们称之为缩放律，训练缩放律。预培训是其中的一部分，后培训包括强化学习、人类反馈、强化学习、AI反馈。现在有很多不同的方法在后期训练阶段使用合成数据生成。因此，培训、预培训和后培训正在享受非常显著的扩展，我们继续看到出色的结果。好吧，当草莓或开放AIS01,1被宣布时，向世界展示了一种新型的推理是当你与AI互动时，就像ChatGPT一样。但ChatGPT是一次性的。你问一个问题，你让它为你做点什么。无论你有什么问题，无论你通过一次拍摄提供了什么提示，它都能给出答案。然而，我们知道思考往往不仅仅是一次性的。思考需要我们做多重计划，多个潜在的答案，从中选择最好的一个。就像我们思考时一样，我们可能会在给出答案之前反思答案。反思，我们可能会把一个问题分解成一步步的思维链。我们发明了许多不同的技术，随着我们应用越来越多的计算，推理的表现越来越好。现在我们有了第二个缩放定律，推理缩放定律，不仅仅是生成下一个单词，思考，反思，规划。这两个同时存在的比例定律将要求我们驱动计算超快的速度。每次我们交付新一代、新架构时，我们都会将性能提高X倍，但我们也会将功率降低相同的X倍。我们将成本降低相同的X因子。因此，提高性能与降低成本完全相同。提高性能与降低能量完全相同。因此，随着世界继续吸收和拥抱人工智能，我们的使命是，我们有责任尽可能快地不断提高性能。在此过程中，扩大人工智能的覆盖范围，提高其有效性，降低成本，降低功耗。这就是我们选择一年周期的原因。不过，AI不单单是芯片的问题。这些AI系统是巨大的。这是Blackwell系统，Blackwell一款GPU的名称，但它也是整个系统的名称。GPU本身就是非凡的。有两种Blackwell芯片。每个Blackwell芯片都是世界上最大的芯片，拥有1040亿个晶体管，由台积电在最先进的4纳米节点制造。这两个Blackwell芯片通过每秒10TB的低能链路连接在一起。就在中间，那条线，那条缝，两种芯片之间的数千个相互连接，每秒10TB。它由八个HBM3E存储器连接，这些存储器加在一起每秒运行8TB。这两个GPU连接到另一个低能耗、非常节能的城市的CPU，每秒1TB。每个GPU都通过MVLink以每秒1.8TB的速度连接。那是每秒很多TB。原因是这个系统不能单独工作。即使是世界上最先进的计算机也无法单独为人工智能工作。有时它必须与成千上万的其他计算机一起工作，像这样的节点一起作为一台计算机。有时他们必须分开工作，因为他们正在响应不同的客户、不同的查询，有时是单独的，有时是作为一个整体。为了使MV和GPU能够一体工作，我们当然有网络2 CX Sevens将这个GPU与数千个其他GPU连接起来。但是我们仍然需要这个MV链接，让我们能够将几个GPU连接到我身后的一个机架上。一个机架连接到这个MV每秒5.8 TB。带宽是世界上最高的带宽网络的35倍，这使我们能够将所有这些GPU连接到这个MV链路交换机上。一个机架中有九个MV链接交换机。每个机架有72台这样的电脑。通过这个脊柱连接它。这是MV链接脊柱。这是电缆，铜，50磅的铜直接由这个令人难以置信的谷神星驱动，我们称之为MV链接。它们以这种方式连接到计算机MV链接，这个开关将所有这些计算机连接在一起。因此，结果是72台这些计算机连接为一个大型GPU，一个非常大的GPU。从软件的角度来看，它只是一艘巨轮。这些架子，这些MB连接72个系统，这个架子重3000磅。不可能登上这个舞台。否则，我给你看，是3000磅120千瓦。那就是，我有我的朋友在这里，那是许多Nintendo Switch的力量。它不便携，但非常强大。这就是黑墙系统。我们设计它，使它可以像这样配置为一个Superpod，或者一个巨大的数据中心，有成千上万个，希望有成千上万个，它们通过交换机连接到它们。其中一些是量子无限带交换机。如果您想拥有专用的AI工厂或Spectrum X，英伟达 Spectrum X革命性的以太网系统，您可以将其集成到现有的以太网环境中。我们可以用这些建造AI超级计算机。我们可以将它们集成到企业数据中心、超大规模服务器或为边缘配置它们。Blackwall系统不仅功能强大，而且适应性极强，可以适应世界计算基础设施的每个角落。当然，计算机，但最重要的是，如果没有运行在其上的所有软件，这台计算机就根本无法操作。当你看到这些电脑，所有的液体冷却，所有的电线，你的大脑会爆炸。你如何编写这样一台令人难以置信的计算机？这就是英伟达软件堆栈的地方，这就是我们在Cuda Nickel的所有努力，我们所有的Megatron核心，我们创建的所有软件，Tensor，RTLM，Triton，我们多年来创建的所有软件集成到系统中，使每个人都有可能在世界各地部署AI超级计算机。当然，最重要的是，我们有AI软件，可以让人们轻松构建AI。那么什么是AI？我们用很多不同的方式谈论AI，但我认为有两种类型的人工智能会非常受欢迎。我认为有两个模型非常有帮助。这对我很有帮助。第一，数字AI工