国际消费电子展（CES）近日在拉斯维加斯举行，英伟达CEO黄仁勋在面向万人的主题演讲后接受TechCrunch采访时表示，其公司AI芯片的性能提升速度已远超数十年来推动计算机技术进步的“摩尔定律”设定的标准。这一突破性的进展，无疑将重塑AI的未来。
自戈登·摩尔于1965年提出“摩尔定律”以来，计算机芯片上的晶体管数量大约每年翻一番，从而使芯片性能也大致翻一番。这一预测基本实现了，并在几十年里推动了计算机性能的快速提升和成本的急剧下降。然而，随着科技的进步，这一定律的发展速度逐渐放缓。而英伟达的AI芯片，正以惊人的速度突破这一限制。
黄仁勋声称，英伟达的AI芯片正以自身的加速节奏发展。其最新的数据中心超级芯片在运行AI推理工作负载方面的速度比上一代产品快30多倍。这一进步并非偶然，而是英伟达持续创新，从架构、芯片、系统、库和算法等多方面进行突破的结果。
黄仁勋提出的“超摩尔定律”观点，正是对当前AI发展现状的精准描绘。他认为，当前AI领域存在三大扩展定律：预训练、后训练和推理时计算。预训练阶段，AI模型从海量数据中学习模式；后训练阶段，通过人类反馈等方法微调模型；推理时计算则让模型在回答每个问题后有更多时间“思考”。随着计算能力的提升，AI推理成本将逐步降低，类似于摩尔定律推动计算成本下降的历史进程。
英伟达的H100芯片曾是科技公司训练AI模型的首选，但随着科技公司更加关注推理，一些人开始质疑英伟达昂贵的芯片是否还能保持领先地位。然而，GB200 NVL72的推出，在运行AI推理工作负载方面的速度比英伟达之前最畅销的芯片H100快30到40倍，无疑给了质疑者一记重拳。黄仁勋表示，这种性能的飞跃意味着像OpenAI的o3这样在推理阶段使用大量计算的AI推理模型，其成本将随着时间的推移而降低。
然而，英伟达的突破并非终点，而是新的起点。黄仁勋表示，他总体上专注于创造性能更强的芯片，而性能更强的芯片从长远来看会带来更低的价格。他认为，AI推理模型可以用于为AI模型的预训练和后训练创建更好的数据，这将是未来降低AI成本的关键。
过去的一年里，我们确实看到了AI模型的价格大幅下降，部分原因是英伟达等硬件公司的计算技术突破。黄仁勋对此持乐观态度，他预计这种趋势将随着AI推理模型的发展而继续下去。他声称他今天的AI芯片比10年前的产品好1000倍，这是一个比“摩尔定律”设定的标准快得多的速度，他表示他认为这种速度没有停止的迹象。
总的来说，英伟达的AI芯片性能飙升，打破了“摩尔定律”的限制，为AI领域带来了巨大的变革。这一突破不仅提升了英伟达在硬件市场的竞争力，也为其他科技公司提供了更强大的工具来训练和运行AI模型。随着AI技术的发展，我们期待看到一个更加智能、成本更低的未来。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
