[新聞]黃仁勳:AI 熱潮不會像網路泡沫,數位勞動力將帶來數兆美元商機
黃仁勳:AI 熱潮不會像網路泡沫,數位勞動力將帶來數兆美元商機
https://tinyurl.com/23q2ogks
輝達 (NVIDIA) 執行長黃仁勳表示,AI 工廠和通用生成式運算將是下一波增長的關鍵動
力。對此,輝達不僅打造了 AI 革命的基礎設施,更將運算典範從儲存檢索式轉向 100%
生成式。
黃仁勳在Citadel Securities所舉行的座談會中深入剖析了輝達崛起的歷程、AI革命的本
質。首先,黃仁勳回溯輝達創立的1993年,指出當時正值PC與CPU革命的摩爾定律時代。
他觀察到,通用技術(如CPU)雖然用途廣泛,但在解決「非常困難」的問題時往往不夠
出色。所以,後來輝達的核心就是透過「加速運算」來增強通用運算,這是一種更具領域
針對性的解決方案。
https://youtu.be/m1wfJOqDUv4
另外,輝達必須同時發明新的技術和市場,這項任務的機率本質上趨近於零。但是,輝達
最終成功地建立了現代3D圖形遊戲生態系統,並意識到3D圖形的基礎數學(模擬現實)與
物理模擬密切相關。此後,輝達發明了CUDA平台,這是一個偉大的發明,讓輝達得以從垂
直集中的產業系統性地轉向通用運算。CUDA的出現,使全球的研究人員和學者能夠大幅放
寬摩爾定律的計算限制。黃仁勳強調,創造一個新的運算平台(如ARM或x86以外的平台)
極為罕見,輝達花了近30年才做到。
至於,針對AI革命的轉折發生在2010年代初。黃仁勳指出,輝達當時推行「CUDA
Everywhere」戰略,積極將CUDA推廣給科學家和研究人員。2011至2012年間,輝達的關鍵
貢獻是發明了新的求解器函式庫cuDNN。但更具前瞻性的觀察是,深度神經網路(藉由反
向傳播、長短期記憶網絡和Transformer架構)是一種通用函式逼近器,能夠學習幾乎任
何函式。所以,輝達決定重新發明運算堆疊的每一層(晶片、系統、軟體)。
輝達在2016年推出了世界上第一台AI工廠DGX-1。黃仁勳表示,AI工廠的設計目標,是提
供每單位能源的進出量能達到最高、規模最大、成本最低的系統。他將AI工廠稱為「工廠
」而非資料中心,是因為客戶正從中賺取收益。
如此,輝達的優勢在於,他們是唯一能同時設計整個基礎設施,包括GPU、CPU、網路、交
換機和所有軟體的公司。透過這種共同設計,輝達得以突破摩爾定律的限制,每年都能在
性能上提供約十倍的提升,同時維持軟體兼容性。黃仁勳強調,每單位能源的進出量(
Token生成率/單位能源)是華爾街低估的KPI,它直接決定了客戶的收入。
黃仁勳駁斥了當前AI熱潮是2000年網路泡沫的說法。他指出,今天的AI已經轉變了超大規
模業者(如Google、Amazon、Meta)數千億美元的業務(如搜尋、推薦系統)。下一波機
會在於「數位勞動力」(Agentic AI)和「實體AI」(Physical AI)。
其中在數位勞動力(Agentic AI)的部分,包括AI工程師、AI護士、AI會計師、AI行銷人
員等。這將補充並增強企業市場,帶來數兆美元的商機。這些AI需要持續「思考」和生成
結果,因此需要AI工廠作為運算基礎。而在實體AI的方面,包括自駕計程車,機械手臂等
「具體化」的AI等。由於實體AI利用與數位AI高度相似的通用智慧,但運用於不同的具體
形態。例如,機器人要實現未來發展,需要三種運算設施,訓練模型(AI工廠)、虛擬學
習世界(Omniverse)、以及機器人自身的大腦。
最後,談到主權AI,黃仁勳認為沒有國家可以負擔將所有國家數據外包,並回頭輸入智慧
的模式。所以,各國應進口、購買,同時也建立自己的國家智慧。而針對美國對中國的出
口管制,他直指決策者應當謹慎,因為對中國不利的政策也可能傷害美國。輝達在中國市
場的市場占比已從95%降至0%,他認為這是一個錯誤。因為,為了確保全球開發者繼續採
用美國技術堆疊,政策需要細緻的平衡。
黃仁勳總結指出,未來的運算範式將是100%生成式,所有內容都將即時生成,而非從儲存
中檢索。目前全球已建置的AI基礎設施僅數千億美元,對於一個可能每年需投入數兆美元
的產業來說,這僅僅是個開始。他建議企業資訊長應立即投資於建立自己的AI員工(數位
化員工),並對其進行訓練,使其符合公司的專業知識和文化。
只有老黃賺大錢,其他因為AI被裁掉的人表示
--
俗話說的好,君子坦蕩蕩,小人做日常。
舉頭望明月,低頭做日常。
少壯不努力,老大做日常。
生自古誰無死,來生繼續做日常
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 123.195.194.185 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1760699514.A.A9C.html
推
10/17 19:25,
18小時前
, 1F
10/17 19:25, 1F
推
10/17 19:42,
18小時前
, 2F
10/17 19:42, 2F
→
10/17 19:55,
18小時前
, 3F
10/17 19:55, 3F
→
10/17 20:00,
18小時前
, 4F
10/17 20:00, 4F
推
10/17 20:13,
17小時前
, 5F
10/17 20:13, 5F
→
10/17 20:55,
17小時前
, 6F
10/17 20:55, 6F
→
10/17 20:55,
17小時前
, 7F
10/17 20:55, 7F
→
10/17 21:44,
16小時前
, 8F
10/17 21:44, 8F
→
10/17 21:44,
16小時前
, 9F
10/17 21:44, 9F
→
10/17 21:44,
16小時前
, 10F
10/17 21:44, 10F
→
10/17 21:44,
16小時前
, 11F
10/17 21:44, 11F
→
10/17 21:55,
16小時前
, 12F
10/17 21:55, 12F
→
10/17 21:55,
16小時前
, 13F
10/17 21:55, 13F
→
10/17 21:55,
16小時前
, 14F
10/17 21:55, 14F
→
10/17 21:55,
16小時前
, 15F
10/17 21:55, 15F
→
10/17 22:46,
15小時前
, 16F
10/17 22:46, 16F
→
10/17 22:46,
15小時前
, 17F
10/17 22:46, 17F
推
10/17 22:50,
15小時前
, 18F
10/17 22:50, 18F
→
10/17 22:50,
15小時前
, 19F
10/17 22:50, 19F
推
10/17 23:34,
14小時前
, 20F
10/17 23:34, 20F
→
10/17 23:34,
14小時前
, 21F
10/17 23:34, 21F
→
10/18 00:57,
13小時前
, 22F
10/18 00:57, 22F
推
10/18 02:20,
11小時前
, 23F
10/18 02:20, 23F
推
10/18 06:50,
7小時前
, 24F
10/18 06:50, 24F
→
10/18 06:50,
7小時前
, 25F
10/18 06:50, 25F
推
10/18 07:47,
6小時前
, 26F
10/18 07:47, 26F
→
10/18 09:26,
4小時前
, 27F
10/18 09:26, 27F
推
10/18 10:37,
3小時前
, 28F
10/18 10:37, 28F
推
10/18 10:59,
3小時前
, 29F
10/18 10:59, 29F
→
10/18 10:59,
3小時前
, 30F
10/18 10:59, 30F
推
10/18 11:23,
2小時前
, 31F
10/18 11:23, 31F
→
10/18 11:23,
2小時前
, 32F
10/18 11:23, 32F
推
10/18 13:03,
1小時前
, 33F
10/18 13:03, 33F
→
10/18 13:03,
1小時前
, 34F
10/18 13:03, 34F
→
10/18 13:04,
1小時前
, 35F
10/18 13:04, 35F
→
10/18 13:04,
1小時前
, 36F
10/18 13:04, 36F
Tech_Job 近期熱門文章
PTT職涯區 即時熱門文章