最近，有關英偉達及其創始人兼首席執行官黃仁勛的消息成為網絡熱搜詞條。
人們關注的焦點之一是財富。英偉達的股價過去一年上漲近140%，目前市值約3.2萬億美元。2024年，英偉達股價幾度超越蘋果成為全球市值最高公司。投資人最新透露，英偉達有近80%的員工已成為“百萬美元富翁”，其中一半的人凈資產達到2500萬美元，約合1.8億元人民幣。
技術是財富的基石。英偉達正在研發物理ChatGPT，或機器人ChatGPT，這可能使人工智能（AI）在新的一年或未來幾年徹底改變世界。英偉達研發物理ChatGPT既是其一以貫之的風格和技術路線，也是英偉達的大部分員工能成為百萬富翁的秘訣，更是推動社會進步和經濟發展的動力。同時，這也是《黃仁勛：英偉達之芯》一書的核心內容。
《黃仁勛：英偉達之芯》，[美]斯蒂芬·威特著，周健工譯，中國財政經濟出版社2024年12月出版，定價：89.9元。出版社供圖
一
OpenAI研發的ChatGPT等生成式AI只是一種大語言模型，能夠理解并生成自然語言文本，為人類做許多文本工作，也能參與各種對話和交流場景，但仍然不能與人進行真實和實時的交流。而2019年，英偉達首次推出的開源AI系統Megatron就是訓練大規模模型技術，對諸如ChatGPT底層架構等AI領域的發展產生重大影響，為包括OpenAI在內的公司在大語言模型研發方面取得突破奠定了基礎。
不過，黃仁勛現在更看重的是通用人形機器人技術，這是未來人類最需要、最為實用的技術，但很難突破和實現。
黃仁勛認為，隨著Transformer模型、大語言模型以及基礎模型方面的突破，英偉達能夠在該領域取得突破并作出真正貢獻的核心技術，就是物理AI或物理ChatGPT，即能讓機器人通過在虛擬世界的學習，獲得真實物理世界物與物、物與人的交互能力，以及交融和對接的能力，成為人類最實用和最有效的AI工具。
具體而言，英偉達將要推出宇宙和全景宇宙平臺，即物理ChatGPT，它能夠在虛擬環境中模擬真實世界，大大縮短了機器學習的時間。如果讓人形機器人像人一樣行動，它需要按照人類的時間進度線性學習，需要在現實世界中訓練機器人學習，如學習行走、取物、做家務等。但在虛擬仿真環境的全景宇宙中，英偉達可以創建多個不同的多元宇宙，讓機器人并行學習，可能同時以10萬種不同的方式學習。如此，就可以將原本需要10年才能訓練機器人完成的任務，縮短至幾個小時，極大地提高效率和可行性。
讀完《黃仁勛：英偉達之芯》一書，就會知道推出物理ChatGPT和人形機器人指日可待。因為本書描述的一個核心問題就是黃仁勛和英偉達創新的速度，這在過去體現為“黃氏定律”，這一定律在現在和未來也會體現出來。
該書通過傳記的形式，詳細介紹了黃仁勛創業和對計算機、AI的貢獻。其中，僅英偉達開發的可以高速進行數學計算的電子電路的圖形處理單元GPU技術，就為無數科研和商業應用提供了強大的計算能力，黃仁勛也因此贏得了“AI教父”的稱號。
“某某之父”或“某某之母”是指某一事業和產品，或某一潮流、某個時代的開創者、奠基者。今天，人們已經進入AI時代，而開創這個時代的絕非一個人或幾個人，至少是幾十或上百位計算機科學、物理學、電子學、半導體、機器學習、神經科學、認知科學、心理學、哲學、語言學等方面的科學家、工程師、技術人員、學者。在這些方面卓有貢獻者都可以稱為“AI之父”。
正因如此，美國《時代》雜志在2023和2024年都公布了AI百大影響力人物，共分為四大類——領導者、創新者、塑造者及思想家。黃仁勛兩次均入選領導者，也即人們俗稱的“教父”。這100人中也包括OpenAI首席執行官奧特曼、Google DeepMind首席執行官兼聯合創始人哈薩比斯、臺積電董事長魏哲家等。
二
AI離不開芯片或晶片、晶圓，通過將包括半導體設備、被動組件等電路小型化的方式，將電路集成在半導體芯片上，這是AI的物質基礎和運行基礎。
今天，就全球的大部分技術潮流，如云計算、加密貨幣、元宇宙、AI、o?po云服務而言，英偉達都是領先者和深度參與者。更重要的是，全球大部分AI模型，幾乎都是用英偉達的顯卡訓練出來的。
要理解這一點，還是要用數據說話。按照摩爾定律，芯片的算力每10年約有100倍的增長。而根據英偉達的數據，在過去8年里，英偉達芯片的算力已經增長了1000倍。10年100倍是摩爾定律，8年1000倍是前者的10倍。這是什么呢？這就是“黃氏定律”。也因此，在算力上，可以說已經從摩爾定律時代進入“黃氏定律”時代。
進一步看，2024年諾貝爾物理學獎和化學獎都頒發給了與AI有關的研究成果，其中加拿大多倫多大學的杰弗里·欣頓由于發明了能捕捉有特征意義的圖片和數據的深度卷積神經網絡（AlexNet），而與美國普林斯頓大學的約翰·霍普菲爾德共同獲得諾貝爾物理學獎。
然而，如果沒有黃仁勛和英偉達研發的GPU，AlexNet在實際用途上并不被看好，甚至連欣頓也認為用處不大。不過，在2012年，采用兩塊英偉達生產的GTX580GPU訓練AlexNet需要6天，但是到2018年，采用常用的英偉達DGX-2GPU訓練AlexNet，只需要18分鐘。英偉達芯片的算力不只是讓AlexNet進入實用階段，而且讓今天的語音助手、刷臉支付、人臉識別，以及整個AI技術走向了產業化和實用化。
從上述及AI發展歷程來看，可以認為，沒有黃仁勛和英偉達，就沒有今天的AI。從時間點看，黃仁勛有一些關鍵的人生節點：出生于中國臺灣，5歲從臺灣跟隨父母到泰國，10歲跟隨父母移民到美國，20歲大學畢業入職第一家公司硅谷AMD，30歲創立英偉達，35歲決定獨霸圖形市場，36歲公司上市，躋身千萬富翁行列，38歲成為標準普爾最年輕的首席執行官，50歲頓悟神經網絡研發，押注AI，55歲創造“黃氏定律”，60歲入選《時代》周刊全球AI領袖。
而從技術節點看，黃仁勛和英偉達實現了從芯片到超級計算機，再從統一計算架構到一系列人工智能軟件，包括為神經網絡學習提供超級算力的一系列芯片。在這些關鍵點上，每踩準一個點，就不只是創造偉大的業績，推動技術進步和經濟極快增長，還可以成為一個新時代的開創者。
英偉達在2006年至2009年研發的CUDA就不是單一的技術，而是一種整合技術，是該公司對通用圖形處理器GPGPU的正式統合。通過這一技術，使用者可利用英偉達GeForce 8以后的GPU和較新的Quadro GPU進行計算，而C語言仍是其基礎，可以讓大多數人直接以熟悉的C語言寫出在顯示芯片上執行的編程，而不需要學習特定的顯示芯片的指令或特殊的結構。這實際上就是一種技術和應用的騰飛。
早在2007年，欣頓及團隊就意識到CUDA對圖像識別的重要性。2008年，CUDA就在欣頓的實驗室得到應用。欣頓要求他的兩位學生蘇茨克弗和克里澤夫斯基利用英偉達的GPU訓練計算機學會圖像識別。2012年初，克里澤夫斯基改造了一個原本僅用于教學練習的經典學術圖像識別網絡，使其能夠在CUDA上順暢運行。
令人震驚的是，GPU僅用30秒就完成了訓練。接下來，欣頓和蘇茨克弗及克里澤夫斯基對英偉達的GPU算力更是驚得目瞪口呆，因為他們創建了一個神經網絡，命名為Super Vision，在機器學習中利用圖像網絡這樣帶標簽的數據集進行訓練稱為“監督學習”。而在理想狀態下，英偉達的兩個GeForce 8GPU每秒能執行3萬億次操作。換算下來，英偉達的GPU能在不到一周時間內完成1億個不同的數學步驟。這相當于將人類原本需要90億年才能完成的計算量，都編碼進了Super Vision那“脆弱”的合成大腦之中。但是，如果沒有CUDA，這個合成大腦就無法運轉。
黃仁勛的這部傳記其實再次提出了一個科學與技術的區分和關聯問題。科學是解決是什么和為什么的問題，技術是解決做什么和怎么做的問題。欣頓提出了AlexNet是什么和為什么的原理，但黃仁勛和英偉達給予了這一科學原理要做什么和怎么做的路徑，包括打開方式和執行運營方式，如此才能在圖形識別和人臉識別，以及AI其他領域進行全面的社會應用。
2015年后，黃仁勛和英偉達全面投入到AI的做法，意味著不只是今天的信息技術、互聯網、個人電腦、智能手機等在以更快更好的速度更新并服務于每一個人，也意味著以芯片算力為基礎的技術和AI僅僅是一個開端。未來，這些技術會更全面和深入地改變人們的生活，也改變世界。
本文鏈接：八年千倍，是如何做到的？http://www.lensthegame.com/show-11-16786-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： “天關”衛星發現125億光年外的伽馬暴