文字 | 三体君

编辑 | 三体君

英伟达近期宣告，将举办一系列盛大庆典以纪念GeForce品牌创立25周年，并计划在即将开始的CES 2025大会上隆重推出新一代GeForce RTX 50系列，代号为“Blackwell”的GPU。

无疑，英伟达是全球顶尖的企业之一，整个人工智能技术领域的革新都是在其提供的核心组件——GPU的基础上搭建起来的。正是CEO黄仁勋将AI从梦想变为现实，也让英伟达跻身全球市值最高的公司行列。

他的成就源于其工程化的思维方式，对计算的透彻认识，以及对AI技术的敏锐洞察，甚至是在竞争对手的重重包围下，不得不开辟出“无人竞争的市场”。

对AI、AGI的极度乐观

即便是人工智能领域最为乐观的预言家，也坚持认为应保持一定的谨慎态度，例如，OpenAI 的创立初衷便是为了预防潜在灾难。然而，近乎仅黄仁勋一人坚信，人工智能仅会带来正面影响：

一旦人工智能网络能够习得并掌握从字节、语言、图像直至蛋白质序列等多种数据的解析能力，一种革命性、创新性的力量便随之诞生。我们骤然间拥有了能领悟词汇深层含义的计算机。得益于生成式人工智能，信息能够在不同形态间自如转换，诸如从文本至图像、从蛋白质至文本、从文本至蛋白质，乃至从文本至化学品等。这一原本作为函数逼近器（Function Approximator，数学领域的核心概念，广泛应用于各领域）及语言转换工具的存在，如今面临的挑战在于，我们如何高效利用其潜力？全球范围内，创业公司如雨后春笋般层出不穷，它们融合了这些多样化的模型与能力，展现出无穷的潜力。

因此，我认为真正令人瞩目的飞跃在于，我们现已能够领悟信息的深层含义。这意味着，作为数字生物学家，你能理解所观察数据的意义，从而在浩瀚数据中精确捕获关键信息；作为英伟达公司的芯片设计师、系统设计师，或是农业技术人员、气候科学家、能源研究者，在探索新材料的征途上，这无疑是一项开创性的成就。

黄仁勋坚信，人工智能引发灾难性后果的可能性为零。

从CPU到GPU，

与人工智能携手“制造”智能

追溯过往，农业领域的变革促使我们实现了食物产量的飞跃，而工业领域的革新则显著提升了钢铁的生产规模。步入信息技术的新纪元，信息的数量呈现出前所未有的激增态势。

如今，在智能时代的浪潮中，英伟达与人工智能正并肩“孕育”智能。

从编程到机器学习，从中央处理器到图形处理器，这标志着一个新时代的曙光已经到来。

再者，鉴于图形处理器的卓越性能，我们如今能够开发的软件种类堪称惊人，而这一强大基石之上，正是人工智能的繁荣景象。这正是其问世所触发的变革，计算机科学因此迎来了翻天覆地的变化。此刻，我们需要深思的问题是，这一系列变化将如何重塑我们的行业？我们正竞相运用机器学习来开拓新的人工智能疆域。那么，人工智能的本质究竟是什么呢？这其实是一个广为人知的概念，即认知过程的自动化与问题解决过程的自动化。问题解决的自动化可归结为三大核心理念：观察并感知周遭环境，理解并推断环境状况，进而提出并实施行动方案。

我们正在打造诸如Copilots、ChatGPT等智能工具，它们是我们创造出的各类智能“用户”，实质上如同灯泡和烤面包机，是消耗能量的装置。但设想一下，那些令人瞩目的、我们人人都会使用的智能设备，它们将接入一个全新的工厂体系。这个体系曾经是以交流电发电厂为标志，而现在，新的工厂体系将是数字智能的摇篮。

从工业的视角来看，我们正实实在在地开创一个新兴产业，这个产业在吸纳能量并孕育数字智能，而这些数字智能可广泛应用于多种不同场景。我们坚信，这个数字智能产业的消耗量将是庞大的，而这个行业在过去是未曾存在的，就如同交流电发电行业在过去也不存在一样。

坚守加速计算引擎CUDA，

从芯片公司转型为AI芯片公司

英伟达于2006年凭借CUDA及首款专为科学计算设计的GPU开启了加速计算的征程。CUDA的核心思想是将原本服务于视频游戏的并行处理能力重新部署给科学界。黄仁勋坚信：在某个地方，定有一位热衷者，其创意将借CUDA得以实践；在某处，定有某位研究生会绕过复杂的资助流程，用有限的生活费购买一个英伟达GPU，从而引发一场技术革新；在某处，定有一个被边缘化的科学分支，正期盼CUDA的强大助力，以颠覆传统模式。

黄仁勋确信：神经网络将深刻重塑社会，而他可借助CUDA在关键硬件市场中占据一席之地。他宣布公司将全力投入此项目的发展。英伟达迅速从一家传统芯片公司转变为专注于AI的芯片公司。

CUDA库是英伟达持续进步的核心驱动力，黄仁勋视其为“加速计算的驱动核心”，它推动了从AI赋能的医疗创新到量子电路模拟的各个领域的发展。包括诺贝尔奖得主在神经网络和蛋白质预测领域的突破性成就，均得益于英伟达的技术支撑。

黄仁勋称：“AI将加快科学发现的步伐，重塑各行各业，并彻底转变全球每一个价值百万亿美元的市场。”

AI for Science：

为科学家提供算力支持

黄仁勋主动拓展游戏玩家以外的客户群体，为诸如气候科学家、放射科医生、深海石油勘探员等算力需求庞大的用户提供援助。

在2018年的超级计算机大会上，我曾推介人工智能，但当时面临诸多非议。原因在于，那时的人工智能犹如一个“封闭系统”。时至今日，它虽仍保留部分“封闭系统”的特征，但已比先前更为开放。例如，你我均可视为“封闭系统”，但现在我们能向AI提问：“你为何提出这样的提议？”或“请逐步说明你是如何得出这一结论的。”通过这类询问，AI正逐渐变得更为清晰易懂且易于阐释。因为我们能通过提问来探究其推理过程。重要的不仅是获取答案本身，更在于答案的合理性及其是否基于基本原理。这在2018年是无法实现的。

目前，AI尚无法直接从基本原理中推导出答案，而是通过观测数据来学习和得出结论。因此，它并非是对基本原理求解器的模拟，而是在模仿智能和物理现象。那么，这种模仿对于科学而言是否具有价值呢？我认为，其价值巨大。因为在众多科学领域中，尽管我们理解基本原理，如薛定谔方程、麦克斯韦方程等，但当面对大型系统时，我们却难以模拟和理解。因此，我们仅凭基本原理进行求解是行不通的，这在计算上存在局限性，甚至是不可能的。然而，我们可以利用AI，训练其理解这些物理原理，并借助其模拟大型系统，从而协助我们理解这些系统。

如今，我们或许已掌握了计算机科学技术，使得数字生物学家、气候科学家以及处理异常庞大复杂问题的科学家们能够首次真正洞察物理系统。这是我的期望，期望能在这一交叉学科领域实现这一愿景。

黄氏定律，AI时代的摩尔定律

黄仁勋为我们描绘了一幅光明且充满希望的未来图景，这在很大程度上要归功于他和英伟达在过去十多年间对该领域的杰出贡献。摩尔定律在科技界一直备受关注，而近年来，“黄氏定律”也逐渐广为人知。在计算机行业的早期，英特尔提出的摩尔定律曾预测计算能力每18个月翻一番。然而，在过去10到12年间，特别是在黄仁勋的引领下，计算能力的增长速度甚至超越了这一预测，实现了每年翻一番甚至更快的增长。大型语言模型在过去12年里的计算需求每年都以超过4倍的速度急剧增长。若保持这一速度持续10年，计算需求的增长将是一个惊人的天文数字——高达100万倍。

我们正处在一个趋势中：神经网络的规模越大，用于训练的数据量越多，AI似乎就越智能。这一经验规律与摩尔定律有着相似之处，我们可以称之为“规模效应（Scaling Effect）”，且这一效应似乎仍在持续发挥作用。然而，我们也清楚地认识到，仅仅依靠预训练，即利用全球范围内的海量数据自动挖掘知识，是远远不够的。接下来，还有后训练阶段，也就是深入研究某一特定技能，这需要强化学习、人类反馈、AI反馈、合成数据生成以及多路径学习等多种技术的综合运用。简而言之，后训练就是选择一个特定领域，并致力于对其进行深度研究。

而在这之后，我们最终会迎来所谓的“思考”阶段，也就是测试阶段的计算。有些事情你一眼就能看出答案，而有些则需要我们将其分解成多个步骤，并从基本原理出发，逐一寻找解决方案。这可能需要我们进行多次迭代，模拟各种可能的结果，因为并非所有答案都是可预见的。因此，我们称之为思考，且思考的时间越长，答案的质量通常越高。而大量的计算资源将帮助我们产出更高质量的答案。

虽然今天的答案已是我们所能提供的最优结果，但我们仍在寻找一个临界点，即所得到的答案不再受我们当前所能提供的最优水平的限制。在这一点上，你需要判断答案是否真实、有意义且明智。我们必须达到一个境界，即所得到的答案在很大程度上是可靠的。我认为，这还需要几年的时间才能实现。

与此同时，我们仍需不断提升计算能力。正如你之前提到的，过去10年里，我们将计算性能提高了100万倍。而英伟达的贡献在于，我们将计算的边际成本降低了同样的幅度。想象一下，如果生活中有你所依赖的事物，如电力或其他任何选择，当它的成本降低了100万倍时，你的行为习惯将会发生根本性的改变。

对于计算，我们的看法也已经发生了巨大的变化，而这正是英伟达有史以来最伟大的成就之一。我们利用机器去学习海量的数据，这是研究人员无法单独完成的，而这正是机器学习能够取得成功的核心所在。黄仁勋对AI技术的预见和市场布局，使他仿佛来自未来，他极具前瞻性地闯入一个又一个未被开发的市场，精准把握每一个关键的技术节点，将整个行业，甚至人类社会带入了一个新的时代。当再次聚焦于技术本身时，黄仁勋带领的英伟达，是否最终能够摆脱技术发展周期的束缚，还是始终能在每一次技术变革的竞争中胜出，让我们共同期待。

免责声明

我们尊重每一位原创作者的心血，转载均注明文章作者及来源。若涉及版权问题，请与我们联系。我们会第一时间处理。

关于我们:

洞察全球商业规律与趋势、助力中国企业征战全球；我们提供出海一站式服务、目标市场出海深度考察与资源对接。