在拉斯維加斯舉行的國際消費電子展 (CES) 上，英偉達 CEO 黃仁勛在一次面向萬人的主題演講后接受 TechCrunch 采訪時表示，其公司 AI 芯片的性能提升速度已遠超數(shù)十年來推動計算機技術進步的“摩爾定律”設定的標準。
“我們的系統(tǒng)進步速度遠超摩爾定律，”黃仁勛周二表示。
據(jù)了解，“摩爾定律”由英特爾聯(lián)合創(chuàng)始人戈登 摩爾于 1965 年提出，預測計算機芯片上的晶體管數(shù)量將大約每年翻一番，從而使芯片性能也大致翻一番。這一預測基本實現(xiàn)了，并在幾十年里推動了計算機性能的快速提升和成本的急劇下降。
近年來，“摩爾定律”的發(fā)展速度有所放緩。然而，黃仁勛聲稱，英偉達的 AI 芯片正以自身的加速節(jié)奏發(fā)展；該公司表示，其最新的數(shù)據(jù)中心超級芯片在運行 AI 推理工作負載方面的速度比上一代產(chǎn)品快 30 多倍。
“我們可以同時構建架構、芯片、系統(tǒng)、庫和算法，”黃仁勛說，“如果這樣做，我們就能比摩爾定律更快地發(fā)展，因為我們可以在整個技術棧中進行創(chuàng)新�！�
英偉達 CEO 發(fā)表這一大膽言論之際，正值許多人質疑 AI 發(fā)展是否停滯之時。包括谷歌、OpenAI 和 Anthropic 在內(nèi)的領先 AI 實驗室都使用英偉達的 AI 芯片來訓練和運行其 AI 模型，而這些芯片的進步可能會轉化為 AI 模型能力的進一步提升。
這并非黃仁勛首次暗示英偉達正在超越“摩爾定律”。早在去年 11 月的一次播客節(jié)目中，黃仁勛就曾提出 AI 世界正以“超摩爾定律”的速度發(fā)展。
黃仁勛還駁斥了“AI 進展放緩”的觀點。他認為，當前 AI 領域存在三大擴展定律：預訓練（pre-training）、后訓練（post-training）和推理時計算（test-time compute）。預訓練階段，AI 模型從海量數(shù)據(jù)中學習模式；后訓練階段，通過人類反饋等方法微調(diào)模型；推理時計算則讓模型在回答每個問題后有更多時間“思考”。黃仁勛強調(diào)，隨著計算能力的提升，AI 推理成本將逐步降低，類似于摩爾定律推動計算成本下降的歷史進程。
英偉達的 H100 芯片曾是科技公司訓練 AI 模型的首選，但現(xiàn)在科技公司更加關注推理，一些人開始質疑英偉達昂貴的芯片是否還能保持領先地位。
目前，使用測試時計算的 AI 模型運行成本高昂。有人擔心 OpenAI 的 o3 模型（使用了規(guī)�；臏y試時計算）對大多數(shù)人來說過于昂貴。例如，OpenAI 使用 o3 在一項通用智能測試中達到人類水平的分數(shù)，每項任務花費近 20 美元。而 ChatGPT Plus 的訂閱費用為每月 20 美元。
在周一的主題演講中，黃仁勛像舉著盾牌一樣展示了英偉達最新的數(shù)據(jù)中心超級芯片 GB200 NVL72。這款芯片在運行 AI 推理工作負載方面的速度比英偉達之前最暢銷的芯片 H100 快 30 到 40 倍。黃仁勛表示，這種性能的飛躍意味著像 OpenAI 的 o3 這樣在推理階段使用大量計算的 AI 推理模型，其成本將隨著時間的推移而降低。
黃仁勛表示，他總體上專注于創(chuàng)造性能更強的芯片，而性能更強的芯片從長遠來看會帶來更低的價格。“無論是在性能還是成本承受能力方面，測試時計算的直接解決方案是提高我們的計算能力，”黃仁勛表示。他指出，從長遠來看，AI 推理模型可以用于為 AI 模型的預訓練和后訓練創(chuàng)建更好的數(shù)據(jù)。
在過去一年里，我們確實看到了 AI 模型的價格大幅下降，部分原因是英偉達等硬件公司的計算技術突破。黃仁勛表示，他預計這種趨勢將隨著 AI 推理模型的發(fā)展而繼續(xù)下去。
黃仁勛聲稱他今天的 AI 芯片比 10 年前的產(chǎn)品好 1000 倍。這是一個比“摩爾定律”設定的標準快得多的速度，黃仁勛表示他認為這種速度沒有停止的跡象。
