-
日期: 2025-01-07 | 來源: 騰訊科技 | 有0人參與評論 | 專欄: 電動車 | 字體: 小 中 大
黃仁勳： 我們的緊迫感源自於為客戶服務。我從未感到壓力，因為我的客戶中有些也在制造其他芯片。我們只是在構建不同的東西。我很高興他們現在有了新的數據雲，並且正在用視頻開發自己的產品，這證明了他們做出了明智的選擇。我們的技術發展速度非常快。每年性能翻倍，同時成本也幾乎減半，這比摩爾定律的速度還要快，堪稱最佳時代。
目前，企業的關鍵在於兩個行業的服務：軟件行業和解決方案工程師，後者幫助客戶將軟件適配到業務流程中。我們的戰略是與這兩個生態系統合作，幫助它們構建具有自主能力的AI。
例如，與ServiceNow的合作很成功，我們將推出壹系列基於ServiceNow的智能代理，提升服務和工業支持的效率。這就是我們在解決方案創新方面的策略之壹。還有，我們與埃森哲和勞埃德等公司的合作也非常出色，特別是埃森哲，在幫助客戶將AI整合到他們的系統中方面做得非常好。因此，我們的首要任務是推動整個生態系統發展AI，因為這與開發軟件不同，它需要壹套專門的工具。
總之，過去壹年我們在構建自主AI工具包方面取得了很大進展，現在關鍵是如何部署這些技術並加速應用。
問題12： 你好，Jensen，昨晚看到50/70系列的發布和價格上漲，同時還保持了我們預期的性能，真是讓人興奮。那麼關於60系列，我們可以期待些什麼呢？
黃仁勳：真不可思議，我們昨晚發布了肆款RTX Blackwalls，最低性能的那款就達到了目前世界上最高GPU的性能。這讓我們更能感受到AI的強大能力。沒有AI、沒有張量核心以及DLSS4的創新，這種能力根本不可能實現。至於其他內容，我沒有什麼新消息可以宣布。
問題13：你在分享中提到了Agent AI。像AWS、微軟、Salesforce這樣的公司，它們也有平台並鼓勵客戶進行開發，你是如何與它們合作的？你們是如何起步的？
黃仁勳：英偉達是壹家科技平台公司，而非直接面向企業的公司。
我們的核心目標是構建工具包、庫和人工智能模型，尤其是針對像ServiceNow這樣的企業級工具包。我們主要關注的領域包括ServiceNow、SAP、Oracle、Synopsys、Cadence和西門子等公司。雖然這些公司在各自領域有豐富的積累，但他們並不希望將精力投入到計算層和AI庫的開發上。因此，我們為他們提供了這壹解決方案。
這個過程非常復雜，因為我們討論的是如何將像ChatGPT這樣的技術嵌入到容器中，並優化微服務和端點。
為了確保這些產品能夠在任何雲端環境中高效運行，我們開發了NIM和NEMO技術。NIM和NeMo可以被看作類似於CUDA及其CUDA-X庫的技術。
值得強調的是，這些技術並非為了與客戶競爭，而是為了支持他們。事實上，許多雲服務提供商（CSP）已經開始使用NeMo來訓練大型語言模型或引擎模型，且其雲端已部署了大量的NIMs和NEMO，工作方式類似。
CUDA-X庫對平台至關重要，它極大推動了深度學習技術的發展。我們為行業創建了這些庫，避免他們從零開始開發，節省了大量的時間和資源。通過提供NeMo和NIM等技術，我們幫助行業專注於其核心業務，無需自行構建復雜的AI基礎設施。
問題14：除了雲端和本地計算的平衡，你認為當前非游戲PC市場中最大的未滿足需求是什麼？是處理能力、靈活性，還是其他方面的技術瓶頸？
黃仁勳：DIGITS代表深度學習GPU智能訓練系統，它是壹個面向數據科學家和機器學習工程師的平台。如今他們大多依賴個人電腦、Mac或工作站來進行相關工作。坦白說，對於大多數人的電腦來說，運行機器學習和數據科學任務，像使用pandas（Python 數據處理庫）等工具，並不是最優選擇。
而現在，我們有了壹個小巧的設備可以放在桌子上使用，你與這個設備的互動方式，類似於與雲端對話的方式。為什麼你需要這樣的設備呢？原因在於，大多數開發者通常需要長期依賴機器工作。如果始終在雲端環境中進行開發，費用可能會迅速累積。因此，我們提供了為個人開發雲的解決方案。這款設備特別為數據科學家、學生以及需要全天候在線的工程師設計，幫助他們在本地完成工作，減少雲端費用。
我認為DIGITS填補了人工智能發展中的壹個重要空白。人工智能最初是在雲端起步的，未來也將回歸雲端。然而，這使得普通計算機難以跟上這壹進程。因此，我們需要像DIGITS這樣的設備，來彌補這壹差距。
問題15： 最近Twitter上有人提到“奇點即將到來”的觀點，讓我很震驚。在大會分享中，你也提到“機器人時代將到來”。如果這是真的，機器人會無處不在並迅速加速發展，可能會從會議響應、周圍的財產開始。你認為機器人未來會朝哪個方向發展？我們應該如何應對？- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見