成人网游-人妖 女優 黄仁勋:AI 算力集群会彭胀到 100 万芯片,莫得任何物理定律不错劳苦
你的位置:成人网游 > 空姐大乱交 > 人妖 女優 黄仁勋:AI 算力集群会彭胀到 100 万芯片,莫得任何物理定律不错劳苦
人妖 女優 黄仁勋:AI 算力集群会彭胀到 100 万芯片,莫得任何物理定律不错劳苦
发布日期:2024-11-08 22:51    点击次数:128

人妖 女優 黄仁勋:AI 算力集群会彭胀到 100 万芯片,莫得任何物理定律不错劳苦

英伟达市值重回第一之际人妖 女優,黄仁勋再次继承采访。

除了谈我方和英伟达,还吹了一波马斯克,再再再次辅助 xAI 只花 19 天建起 10 万卡 H100 超等集群。

传说英伟达正在谈判投资 xAI,粗略此言不虚。

在这场访谈中他建议,莫得任何物理定律不错劳苦 AI 数据中心彭胀到一百万芯片。

这很难,但重新发理智能的答复太大,无法不去尝试。

为此他还建议了超等摩尔定律,从每两年性能翻倍,酿成每年翻两到三倍。

并指路了具体竣事道路,软硬件协同设计和数据中心级革命。

围不雅网友示意:很惊东谈主,但更惊东谈主的是我绝不怀疑他们真的能作念到。

这是老黄第二次参加访谈节目 No Priors,距离前次时隔一年。

在这场 36 分钟的访谈中,老黄还清醒了更多行业内幕和对来日的遐想:

摩尔定律的两个基本期间支撑还是遭遇瓶颈

ChatGPT 正在旧的西宾集群上作念推理,英伟达基础设施不错在西宾和推理中互相调治

英伟达不告成把数据中心当产物销售,但必须像对待产物一样对待它

xAI 赶紧建起超等集群主要归功于马斯克的意志力和实施力

英伟达里面高度依赖 AI 芯片设计,如果莫得 AI,造不出 Hopper 架构

半导体行业并不是对于制造芯片,而是对于为社会构建基础结构

AI 智能体不会干掉 SaaS,SaaS 销售专科智能体会带来繁荣发展

两三年后,每篇论文、每项科学和工程松懈都会以 AI

老黄当今每天学习任何东西都会先用 AI,即使是最基础的事实也会用 AI 反复核查

……

以下是采访全文编译整理。

全文整理

英伟达来日十年的赌注

主握东谈主:

英伟达还是走过了 30 年,瞻望来日的十年,您合计还有哪些遑急的赌注需要下?接下来是否只需扩大范畴?在从现存架构中榨取更多计较和内存方面,咱们是否遭遇了放置?您咫尺的关提防心是什么?

黄仁勋:

如果退一步念念考咱们所获得的成就,咱们还是从编程走向了机器学习,从编写软件用具到创建一个全新的生态系统。

通盘这些开端都运行在为东谈主类编程设计的 CPU 上,如今则运行在为 AI 编程设计的 GPU 上,主如若机器学习。

天下还是编削,咱们进行计较的方式、通盘期间栈都发生了变化。

咱们能够搞定的问题的范畴也发生了巨大变化,如果你能在一块 GPU 上并行化你的软件,你就为在通盘集群、以至多个集群或数据中心上并行化奠定了基础。

我合计,咱们还是为将计较彭胀到无东谈主设想过的水平作念好了准备,并在这个水平上开发软件。

接下来的十年里,咱们但愿每年在全体范畴上(而非单个芯片上)将性能进步两到三倍,从而使成本和能耗每年裁减两到三倍。

当你每年都翻倍或三倍增长,几年下来,这种复合增长会尽头惊东谈主。

咱们能突出东谈主们对摩尔定律的连结,即每两年性能翻倍,咱们将进入某种“超等摩尔定律”的弧线。

如何突出摩尔定律

主握东谈主:

你合计是什么让这一切比摩尔定律发生得更快?我知谈摩尔定律有点自我竣事的性质,先建议了这个想法,然后东谈主们努力去竣事它。

黄仁勋:

(摩尔定律)有两个基本的期间支撑。一个是 Dennard Scaling,另一个是 Carver Mead’s VLSI Scaling。

这些都是严格的方法,但关系期间照实还是到了瓶颈。因此,咱们当今需要一种新的彭胀方式。

开端,新的缩放方式彰着触及到(软硬件)协同设计。

除非你能修改或编削算法以反应系统的架构,或者编削系统以适合新软件的架构,来去迭代,不然你毫无但愿。

但如果你能同期章程这两方面,你就不错作念一些事情,比如从 FP64 到 FP32,再到 BFLOAT,再到 FP8,以至 FP4,以至更小的精度。

是以我合计,协同设计是其中尽头遑急的一部分。

第二部分,咱们称之为全栈优化,是数据中心级别的革命。

咱们当今处理的大多数计较挑战,其中一个最令东谈主鼓吹确天然是推理时候的彭胀,基本上是以极低的蔓延生成 token,进行树搜索,链式念念维,可能在脑海中进行一些模拟,反念念我方的谜底。

AI 将自我指示,肃静地生成文本,并但愿在一秒钟内作念出响应。唯独能作念到这小数的方法是你的蔓延极低。

与此同期,数据中心仍然需要产生高迷糊量的 token,因为你仍然但愿裁减成本,保握高迷糊量,竣事答复。

这两个基本条款 —— 低蔓延和高迷糊量 —— 是相互矛盾的。

为了创造在两者上都尽头出色的东西,咱们必须去发明一些新东西,NVLink 恰是咱们竣事这一目标的方式。”

西宾和推理基础设施的互相调治

主握东谈主:

您的大客户中,有些许东谈主在谈判基础设施在大范畴西宾和推理之间的互相调治?

黄仁勋:

当今的基础设施是解耦的。

Sam(Altman)刚刚告诉我,他最近退役了 Volta。他们有 Pascal,有 Ampere,各式不同设立的 Blackwell 行将到来。

有些是为风冷优化的,有些是为液冷优化的,你的做事需要诈欺通盘这些。

英伟达的上风在于,今天为西宾构建的基础设施,未来将尽头适当用于推理。我肯定,大部分的 ChatGPT 做事都是在最近用于西宾的同类型系统上进行推理的。

如果你能在上头西宾,你就能在上头推理。

你实足有信心这些投资会得到答复,然后干涉新的基础设施来扩大范畴。

而且英伟达和通盘生态系统将辛苦于改良算法,使你的基础设施在短短一年内性能提高五倍,这种进展恒久不会编削。

因此,东谈主们将这么看待他们的基础设施:

国产视频偷拍在线福利

是的,尽管今天为西宾而构建它,同期会知谈它将在推理方面也会尽头出色。

而推理将是多纪律的。

开端,为了蒸馏出更小的模子,领有一个更大的模子看成起源是很好的。因此,你仍然会创造这些令东谈主难以置信的前沿模子,它们将用于始创性的责任,用来生成合成数据,用大模子来训导小模子,蒸馏出更小的模子。

但最终,你会有从巨型到袖珍的各式模子。袖珍模子将在特定任务上尽头灵验,固然泛化能力不如大模子,但在阿谁任务上理会尽头出色。咱们将在一个小小的规模中看到突出东谈主类的任务,由一个小小的模子完成。也许这不是一个小话语模子,而是一个微型话语模子,Tiny Language Model,或者其他什么。

是以我合计咱们会看到各式大小的模子,咱们的但愿是,就像今天的软件一样。

构建和托福完满的数据中心人妖 女優

主握东谈主:

英伟达为客户提供的支握正在像更大的范畴发展,从单个芯片到做事器,再到机架,再到 NV72,您如何看待这一进度?接下来会是什么?英伟达是否应该作念通盘数据中心?

黄仁勋:

事实上,咱们照实构建了完满的数据中心。

咱们的作念事方式是,如果你要开发软件,你需要完满神情的计较机。咱们不会只作念幻灯片演示然后托福芯片,咱们构建通盘数据中心。

在完成通盘数据中心之前,你怎么知谈软件是否平方责任?在通盘数据中心建成之前,你怎么知谈你的网罗是否平方责任,以及你期许的后果是否达到了?

这便是为什么不时看到某些产物的践诺性能远低于他们在幻灯片上展示的峰值性能的原因。

计较还是不像曩昔那样。我常说,新的计较单元是数据中心。

对于咱们来说,这便是你必须托福的东西,这便是咱们当今构建的东西,咱们构建通盘系统,而且以完满的神情构建它。

然后以各式组合进行测试,风冷的 x86,液冷的 Grace,以太网,Infiniband,加上 NVLink,不加 NVLink,等等。

咱们构建每一种设立,咱们公司当今有五台超等计较机,来岁咱们很容易再建五台。

如果你对软件很进展,你就会构建我方的计较机,而且咱们以“数据中心即产物”的方式构建它们。

尽管咱们不告成销售数据中心看成产物,但咱们必须像对待产物一样对待它。

对于它的打算、修复、优化、调整、保握运行的一切,目标是让它像大开你的极新 iPhone 一样,一切都能平方责任。

天然,这背后有期间的古迹,但咱们当今有能力作念到这小数。

因此,如果你对数据中心感趣味,只需要给我一个空间,一些电力和冷却系统,咱们将在 30 天内匡助你修复起来。这短长常了不得的。

xAI 的超等集群

主握东谈主:

最近有一个令东谈主印象深远的案例,便是你们为 xAI 赶紧修复了一个集群。如果你悦目,请谈谈这个案例,因为岂论是范畴照旧速率都令东谈主惊骇。

黄仁勋:

好多功劳要归功于马斯克。

开端,决定去作念这件事,取舍模式,引入冷却和电力,然后决定修复一个领有 10 万个 GPU 的超等集群,这是有史以来最大的范畴。

然后倒推日程,咱们一齐打算他要启动系统的日历,这个日历是在几个月前详情的。

通盘的组件、OEM、系统、咱们与他们团队的软件集成、通盘的网罗模拟,咱们都事前以数字孪生的方式模拟了他的网罗设立。咱们事前准备了他的供应链,事前安排了通盘的网罗布线。咱们以至修复了一个小范畴的版块看成参考,以便在通盘征战到达之前进行测试。

到通盘征战到达的时候,一切都还是准备就绪,通盘的锻真金不怕火都完成了,通盘的模拟都完成了,然后是大范畴的集成,弘大的团队在一齐日夜不休地责任,几周内集群就启动了。

这真的是他(马斯克)的意志力和他能够念念考机械、电气问题并克服巨大劳苦的说明。

主握东谈主:

如果你瞻望来日,达到 20 万、50 万、100 万的超等集群,您合计最大的劳苦是什么?老本、动力、供应?

黄仁勋:

你刚才提到的这些身分,莫得一件是自便的。

是否值得追求这么的范畴彭胀?不必置疑是值得的。

要达到咱们设想中的那种计较机,能够自便地完成咱们条款它作念的事情,具有某种通用智能。以至咱们不错争论它是否真的具有通用智能,但即使接近它亦然一个古迹。

我合计有五到六个团队在努力尝试竣事这一目标,有 OpenAI、Anthropic、xAI,天然还有谷歌、Meta、微软等公司。

这个前沿规模,在攀高这座山岭的经过中,接下来的几步是至关遑急的。谁不想成为登上这座山岭的第一东谈主?

我合计,重新发理智能的赏赐太过遑急,无法不去尝试。

我合计,莫得物理定律的放置,但一切都会很难。

AI 芯片设计和英伟达的运作方式

主握东谈主:

一年前,当咱们一齐交谈时,咱们问过您,英伟达在东谈主工智能和其他规模中,您对哪些应用要津最感趣味,接下来将为客户提供哪些做事,您谈到了您最顶点客户的一些科学应用。

在曩昔的一年中,这还是成为更主流的不雅点。东谈主工智能在科学中的应用是否依然最令您鼓吹?

黄仁勋:

我很得意在英伟达有 AI“芯片设计师”,有 AI“软件工程师”。

它们尽头高效,如果莫得它们,咱们无法构建 Hopper。

它们与东谈主类比较不错探索更大的空间,因为它们有无尽的时候,它们在超等计较机上运行。咱们的东谈主类工程师时候有限,无法探索尽可能多的空间,也无法组合地探索空间。

我无法在我方探索的同期,涵盖你的探索和其他东谈主的探索。

咱们的芯片如斯之大,它们并不是看成一个芯片设计的,而是像一千个芯片那样设计的。咱们必须分袂优化每一个。

你真的想要优化更多的模块,跨模块协同设计,优化更大的空间。

莫得东谈主工智能,咱们的工程师无法作念到,咱们莫得富足的时候。

主握东谈主:

自从咱们前次交谈以来,还有一件事发生了变化。我查了一下,那时英伟达的市值约为 5000 亿好意思元,如今已跳跃 3 万亿好意思元。在曩昔的 18 个月里增多了 2.5 万亿好意思元的市值,相等于每月增多了 1000 多亿好意思元。

今天早些时候我来到英伟达公司,感受到了公司的活力,就像 15 年前我在谷歌时一样,能感受到公司的能量和鼓吹。

在这段时候里,有什么变化吗?或者说,有什么不同之处,岂论是英伟达的运作方式,照旧您对天下的见解,或者您不错选定的赌注的范畴?

黄仁勋:

公司无法像股价那样快速变化,是以在好多方面,咱们并莫得太大编削。

我合计,咱们需要退一步,问问我方,咱们在作念什么?

从行业角度来看,咱们重新发明了计较。它还是 60 年莫得被重新发明过了,这是一件何等遑急的事情。

在曩昔的 10 年里,咱们将计较的旯旮成本裁减了苟简一百万倍,以至于咱们不错说,让计较机去穷举地编写软件吧。

某种程度上,咱们不错说,咱们也在芯片设计中说了同样的话。咱们但愿计较机去发现一些咱们我方无法作念到的对于芯片的东西,探索咱们的芯片,并以咱们无法作念到的方式优化它。

因此,东谈主们运行意志到,咱们重新发明了计较。

但这究竟意味着什么?一忽儿之间,咱们创造了一个称为“智能”的东西,那么计较发生了什么变化呢?

咱们从数据中心运行。

数据中心是存储文献的多佃农场所。而咱们正在创建的新式数据中心并不是传统的数据中心。它们不是多佃农的,常常是单佃农的。它们不存储任何文献,只是在生成一些东西 —— 它们在生成 tokens。

这些 tokens 被重新组合成看似智能的东西,而这种智能有各式不同的神情,可能是机器东谈主的动作抒发,可能是氨基酸的序列,可能是化学链,或者各式道理的东西。

那么,咱们究竟在作念什么?咱们创造了一种新用具,一种新的机器,在好多方面,它是“生成式东谈主工智能”这个形色词的名词神情。

与其说是生成式东谈主工智能,不如说是一个东谈主工智能工场。它是一个生成东谈主工智能的工场,而且咱们正在以极大的范畴来竣事这小数。

东谈主们运行意志到,这可能是一个新行业。它生成 tokens,生成数字,但这些数字以相等有价值的方式构成。那么,哪些行业会从中受益?

然后,你再退一步,问我方英伟达在作念什么。

一方面,咱们重新发明了咱们所知谈的计较,因此有价值数万亿好意思元的基础设施需要当代化,这是其中一层。

更大的层面是,咱们正在构建的这个用具不单是是为了咱们正在当代化的数据中心,而是用于分娩一些新的商品。这个新商品行业能有多大?很难说,但可能价值数万亿好意思元。

是以,如果你退一步看,咱们不再制造计较机了,咱们在制造工场。

每个场合都需要它,每个公司都需要它。你能举出一个公司或行业说“你知谈吗,咱们不需要分娩智能,咱们还是领有富足多了”吗?

是以,我合计这是一个紧要理念,这是一种空洞的产业视角。

有一天,东谈主们会意志到,在好多方面,半导体行业并不是对于制造芯片,而是对于为社会构建基础结构。然后,一忽儿之间,民众都会说:“啊,我显明了,这是件大事。”

具身智能

主握东谈主:

您当今如何看待“具身化”?

黄仁勋:

我尽头鼓吹的小数是,在好多方面,咱们接近于东谈主工通用智能,但咱们也接近于东谈主工通用机器东谈主。token 便是 token,问题是你能否将其 token 化。

天然,正如你们所知,token 化并缺点易。但如果你能够将事物 token 化,与大型话语模子和其他模态对皆,假如不错生成一个视频,内容是我伸手去拿咖啡杯,为什么我不可指示机器东谈主生成能够提起咖啡杯的 token 呢?

直观上,你会合计对于计较机来说,问题述说是相等相似的。是以,我合计咱们尽头接近了,这令东谈主难以置信的鼓吹。

当今,有两个“棕地”(Brownfield)机器东谈主系统 ——“棕地”意味着你不需要编削环境 —— 即自动驾驶汽车和具身机器东谈主。

通过汽车和东谈主形机器东谈主,咱们践诺上不错在不编削天下的情况下将机器东谈主带到天下上,因为咱们还是为这两样东西构建了天下。

也许马斯克专注于这两种神情的机器东谈主并非碰巧,因为它们可能具有巨大的潜在范畴。

是以,我合计这是令东谈主鼓吹的,但其数字版块同样令东谈主鼓吹。

咱们正在指摘的是数字职工或 AI 职工。毫无疑问,咱们将领有各式千般的 AI 职工。来日将领有生物智能和东谈主工智能,咱们以一样的方式去指示(Prompt)它们。

我大多数时候都是指示我的职工,向他们提供布景,条款他们实施任务,他们会去招募其他团队成员,然后细腻,咱们来去换取。这与各式 AI 职工有何不同呢?

是以,咱们将领有东谈主工智能营销东谈主员、东谈主工智能芯片设计师、东谈主工智能供应链东谈主员等等。

我但愿有一天,英伟达在生物智能层面上变得更大,但在东谈主工智能层面上变得大得多。这是咱们来日的公司。

主握东谈主:

如果咱们一年后再来和您交谈,您合计公司哪个部分最具东谈主工智能化?

黄仁勋:

我但愿是芯片设计,这是最遑急的部分。因为它对咱们的影响最大,亦然咱们不错产生最大影响力的场合,这是一个极其清苦的问题。

咱们与 Synopsys 和 Cadence 合作。我实足不错设想他们领有 AI 芯片设计师给我租用,他们对特定的模块有所了解,熟识使用特定的用具,咱们将凭证需要雇佣一多半他们的东谈主工智能设计师,在芯片设计的对应阶段匡助咱们。

也许我会租用一百万个 Synopsys 的工程师来匡助我,然后再租用一百万个 Cadence 的工程师来匡助我。对他们来说,这是一个何等令东谈主鼓吹的来日,他们领有通盘这些智能体,在他们的用具平台之上并与其他平台合作。

你也会在 SAP 和 ServiceNow 哪里这么作念。东谈主们说这些 SaaS 平台将被颠覆,我践诺上合计相背,他们正坐在金矿上,如 Salesforce、SAP 等将因专科智能体繁荣发展。

Salesforce 有 Lightning,SAP 有 ABAP,每个东谈主都有我方的话语,对吗?咱们有 CUDA,还有用于 Omniverse 的 OpenUSD。

谁会创建一个在 OpenUSD 上尽头出色 AI 智能体?咱们会,因为莫得东谈主比咱们更平和它。

因此,我合计在好多方面,这些平台将露出出大量的智能体,咱们将把它们相互引介,它们将协同合作,搞定问题。

AI for Science

主握东谈主:

您看到有许多东谈主在东谈主工智能的各个规模责任,您合计有哪些被低估的规模,或者您但愿更多的企业家、工程师或交易东谈主士参与哪些方面的责任?

黄仁勋:

开端,我合计被诬陷和低估的是在水面之下的活动,即在东谈主工智能和机器学习影响下的松懈性科学、计较机科学和工程学。

我合计,你无法走进任何一个科学系、表面数学系,而不看到东谈主工智能和机器学习,以及咱们今天所指摘的这些责任将如安在未来带来变革。

如果你把天下上的通盘工程师、通盘科学家聚在一齐,而且你合计他们今天的责任方式是来日的早期迹象,那么你将在短时候内看到东谈主工智能的海啸,机器学习的海啸,编削咱们所作念的一切。

请记取,我看到了计较机视觉的早期迹象,看到 Alex、Ilya 和 Hinton 的责任(AlexNet),看到 Yann LeCun,天然还有斯坦福的吴恩达。

咱们很运气地从猫的视觉揣摸出了计较机科学和计较的深远变革,这么的揣摸对咱们来说是运气的。

当今咱们被它所激发,以至于编削了咱们通盘的作念事方式。

但这花了多万古候?从不雅察到阿谁玩物般的 AlexNet,按今天的纪律它被合计是一个玩物,到在物体识别方面达到突出东谈主类的能力,只用了几年时候。

当今正在发生的是通盘科学规模变革的海浪,莫得一个科学规模被落下。

我想尽头明确地说,从量子计较到量子化学,通盘科学规模都参与了咱们正在商酌的(AI 合作)方法。

如果咱们再给我方两三年时候,天下将会编削,将不会有一篇论文、一项科学或工程松懈,其基础不是生成式东谈主工智能。我当今尽头详情这小数。

对于好多对于这是否是好景不长的问题,你只需要回到第一道理,不雅察践诺发生的事情。

计较堆栈,也便是咱们进行计较的方式,还是编削。编写软件的方式还是编削,这短长常中枢的东西。

软件是东谈主类编码常识的方式,这是咱们编码算法的方式。咱们当今以尽头不同的方式编码它,这将影响一切,其他任何东西都将不同于以往。

是以,我合计,我是在和已司连结这小数的东谈主交谈,咱们都看到了同样的事情。

你们所合作的通盘初创公司,我所合作的科学家和工程师,莫得东谈主会被落下。

咱们将带着通盘东谈主一齐前进。

黄仁勋每天都在用 AI

黄仁勋:

我我方每天都在使用 AI,我不知谈你们怎么样,但 AI 当今是我的导师。

我学习任何东西都会先去找 AI。

为什么要用清苦的方式去学习呢?告成去找 AI,告成去找 ChatGPT,或者巧合我会用 Perplexity,这取决于我问题的表述方式,我就从哪里运行学习。然后,如果你悦目,你不错深入连系。

但天哪,这果真太棒了。险些通盘我知谈的东西,我都会再三证据。即使对于一个事实,我合计的基本真义,而且我是众人,我仍然会去找 AI,检讨、再检讨。

这太棒了,当今我作念险些通盘的事情都触及到 AI。

One More Thing

最新爆料,凭证最近行将出书的张忠谋列传,2013 年傍边台积电曾筹商黄仁勋是否有趣味接任 CEO,但老黄拒却了。

10 多年前,英伟达还不是像今天这么的硕大无比。但刚刚推出 Kepler 架构 GPU 系列,新的 Tegra 系列挪动芯片,以及 Shield 游戏机,并连续报复数据中心。

那时黄仁勋对英伟达来日充满信心,通知在公司现存总部以西建造一个更大的总部。

台积电不得不取舍 Plan B,从里面莳植两名工程师高管并培养成商东谈主,修复双指点制,分袂担任董事长和 CEO。看成对比,黄仁勋一直在英伟达同期担任董事长兼 CEO。

当今,黄仁勋对数据中心和东谈主工智能的计谋愿景匡助英伟达成为全球市值最高的公司。

完满视频:

https://youtu.be/hw7EnjC68Fw?si=SbOfncJCXs0_zt3L

参考继续:

[1]https://www.tomshardware.com/tech-industry/tsmc-founder-once-asked-nvidias-jensen-huang-to-take-the-reins-according-to-upcoming-morris-chang-biography

本文来自微信公众号:量子位(ID:QbitAI),作家:梦晨

告白声明:文内含有的对外跳转继续(包括不限于超继续、二维码、口令等神情)人妖 女優,用于传递更多信息,勤俭甄选时候,扫尾仅供参考,IT之家通盘著作均包含本声明。



相关资讯