亚洲欧美成人tvwwwcom,国产麻豆成人av精品,互操羞羞答答在线看

黃仁勛：英偉達(dá)的 AI 算力已經(jīng)「1 折」出售

發(fā)布日期： 2023-06-28 06:07:15 來(lái)源：極客公園

身穿皮夾克的黃仁勛，站在藍(lán)色沖浪板上，擺了幾個(gè)沖浪的姿勢(shì)。

(資料圖片)

這不是美國(guó)「網(wǎng)紅節(jié)」VidCon，而是美國(guó)知名數(shù)據(jù)平臺(tái) Snowflake 的開發(fā)者大會(huì)上的一景。

當(dāng)?shù)貢r(shí)間 6 月 26 日，英偉達(dá)創(chuàng)始人黃仁勛和 Snowflake 公司 CEO Frank Slootman 就「如何把生成式 AI 帶給企業(yè)用戶」展開探討。主持人則是前 Greylock 的 GP，現(xiàn)在是投資機(jī)構(gòu) Conviction 的創(chuàng)始人。

在會(huì)上，相較于「東道主」Frank 職業(yè)經(jīng)理人式的老成持重，「皮衣教父」一如既往地語(yǔ)出驚人，不僅稱雙方的合作是「要相愛(ài)，不要戰(zhàn)斗」（We are Lovers，not Fighters），更開玩笑說(shuō)，為 Snowflake 提供的經(jīng)過(guò)訓(xùn)練的模型，相當(dāng)于給客戶「打了 1 折」。

當(dāng)天，英偉達(dá)與 Snowflake 又共同放出大招：世界第一芯片公司與風(fēng)頭最勁的云數(shù)據(jù)平臺(tái)合作，推出共同合作。Snowflake 的用戶可以在數(shù)據(jù)不離開平臺(tái)的前提下，直接利用英偉達(dá)的預(yù)訓(xùn)練 AI 模型，在云平臺(tái)上對(duì)自己公司的數(shù)據(jù)進(jìn)行分析，開發(fā)針對(duì)自己數(shù)據(jù)的「AI 應(yīng)用」。

「目前的重大變革來(lái)自數(shù)據(jù)+AI 算法+計(jì)算引擎。通過(guò)我們的合作，我們的能夠?qū)⑦@三點(diǎn)帶到一起?！裹S仁勛講道。

Talking Points：

大語(yǔ)言模型+企業(yè)專屬數(shù)據(jù)庫(kù)=針對(duì)特定問(wèn)題的 AI 應(yīng)用；

以前是 Data going to Work，現(xiàn)在是 Work going to Data，讓計(jì)算去到數(shù)據(jù)所在之地，避免數(shù)據(jù)孤島；

英偉達(dá)提供的預(yù)訓(xùn)練模型，已經(jīng)是花費(fèi)數(shù)千萬(wàn)美元、在英偉達(dá) AI 工廠中訓(xùn)練出來(lái)的，所以在 Snowflake 上調(diào)用計(jì)算引擎已經(jīng)「打了 0.5 折」；

軟件 3.0 時(shí)代，基于模型、數(shù)據(jù)庫(kù)，企業(yè)能夠在幾天內(nèi)搭建自己的專屬應(yīng)用；

未來(lái)企業(yè)能夠生產(chǎn)許多智能代理，并運(yùn)行它們；

對(duì)于企業(yè)來(lái)說(shuō)，真正的難題是混合結(jié)構(gòu)的、非結(jié)構(gòu)化的數(shù)據(jù)，如何被調(diào)動(dòng)。這或許能夠帶來(lái)商業(yè)模式的更新。

以下為雙方對(duì)話主要內(nèi)容，經(jīng)極客公園整理編輯：

01 談合作：把最好的計(jì)算引擎，帶給最有價(jià)值的數(shù)據(jù)

Frank：

NVIDIA 目前在歷史上發(fā)揮著重要的作用。對(duì)于我們來(lái)說(shuō)，能夠帶來(lái)數(shù)據(jù)和大型企業(yè)的關(guān)系。我們需要啟用這項(xiàng)技術(shù)，以及讓整個(gè)服務(wù)堆棧來(lái)有效地使用它。我不想使用「天作之合」來(lái)形容，但是對(duì)于一個(gè)門外漢，是一個(gè)很好的機(jī)會(huì)，進(jìn)入到這扇機(jī)會(huì)的大門里。

黃仁勛：

我們是 lovers，而不是對(duì)手。我們要把世界上最好的計(jì)算引擎帶到世界上最有價(jià)值的數(shù)據(jù)?；叵脒^(guò)去，我已經(jīng)工作了很長(zhǎng)時(shí)間，但是還沒(méi)有那么老。Frank，你更老一些（笑）。

最近，由于眾所周知的原因，數(shù)據(jù)是巨大的，數(shù)據(jù)是寶貴的。它必須是安全的。移動(dòng)數(shù)據(jù)很困難，數(shù)據(jù)的引力真實(shí)存在。因此，對(duì)我們來(lái)說(shuō)，把我們的計(jì)算引擎帶到 Snowflake 上要容易得多。我們的伙伴關(guān)系是加速 Snowflake，但它也是關(guān)于將人工智能帶到 Snowflake。

最核心的是，數(shù)據(jù)+人工智能算法+計(jì)算引擎的組合，我們的伙伴關(guān)系將所有這三件事結(jié)合在一起。令人難以置信的有價(jià)值的數(shù)據(jù)，令人難以置信的偉大的人工智能，令人難以置信的偉大的計(jì)算引擎。

我們可以一起做的事情，是幫助客戶使用他們的專有數(shù)據(jù)，并用它來(lái)編寫 AI 應(yīng)用程序。你知道，這里的重大突破是，你第一次可以開發(fā)一個(gè)大型語(yǔ)言模型。你把它放在你的數(shù)據(jù)前面，然后你與你的數(shù)據(jù)交談，就像你與一個(gè)人交談一樣，而這些數(shù)據(jù)將被增強(qiáng)到一個(gè)大型語(yǔ)言模型中。

大型語(yǔ)言模型加知識(shí)庫(kù)的組合等于一個(gè)人工智能應(yīng)用。這一點(diǎn)很簡(jiǎn)單，一個(gè)大型的語(yǔ)言模型將任何數(shù)據(jù)知識(shí)庫(kù)變成一個(gè)應(yīng)用程序。

想想人們所寫的一切驚人的應(yīng)用程序。它的核心始終是一些有價(jià)值的數(shù)據(jù)。現(xiàn)在你有一個(gè)查詢引擎通用查詢引擎在前面，它超級(jí)智能，你可以讓它回應(yīng)你，但你也可以把它連接到一個(gè)代理，這是 Langchain 和向量數(shù)據(jù)庫(kù)帶來(lái)的突破。將數(shù)據(jù)和大語(yǔ)言模型疊加的突破性的東西正在到處發(fā)生，每個(gè)人都想做。而 Frank 和我將幫助大家做到這一點(diǎn)。

02 軟件 3.0：建立 AI 應(yīng)用，解決一個(gè)特定問(wèn)題

主持人：

作為投資者來(lái)看這種變化，軟件 1.0 是非常確定的代碼，由工程師按照功能寫出來(lái)；軟件 2.0 是用仔細(xì)收集的標(biāo)記的訓(xùn)練數(shù)據(jù)優(yōu)化一個(gè)神經(jīng)網(wǎng)絡(luò)。

你們?cè)趲椭藗兦藙?dòng)軟件 3.0，這套基礎(chǔ)模型本身有令人難以置信的能力，但它們?nèi)匀恍枰c企業(yè)數(shù)據(jù)和自定義數(shù)據(jù)集合作。只是針對(duì)它們?nèi)ラ_發(fā)那些應(yīng)用程序要便宜得多。

對(duì)于那些深入關(guān)注這個(gè)領(lǐng)域的人來(lái)說(shuō)有一個(gè)問(wèn)題，基礎(chǔ)模型是非常泛化，它可以做所有事情嗎？為什么我們需要自定義模型和企業(yè)數(shù)據(jù)呢？

Frank：

所以我們有非常泛化的模型，可以做詩(shī)，處理《了不起的蓋茨比》的做摘要，做數(shù)學(xué)問(wèn)題。

但是在商業(yè)中，我們不需要這些，我們需要的是一個(gè) Copilot，在一個(gè)非常狹窄，但是非常復(fù)雜的數(shù)據(jù)集上獲得非凡的洞見(jiàn)。

我們需要了解商業(yè)模式和商業(yè)動(dòng)態(tài)。這樣的計(jì)算上不需要那么昂貴，因?yàn)橐粋€(gè)模型并不需要在一百萬(wàn)件事情上接受訓(xùn)練，只需要知道非常少的、但很深入的主題。

舉個(gè)例子。我是 Instacart 的董事會(huì)成員，我們一個(gè)大客戶，像 DoorDash 和所有其他企業(yè)常面臨的問(wèn)題是，他們不斷增加營(yíng)銷費(fèi)用，來(lái)了一個(gè)客戶，客戶下了一個(gè)訂單，客戶要么不回來(lái)，要么 90 天后回來(lái)，這非常不穩(wěn)定。他們把這稱為流失客戶。

這是復(fù)雜問(wèn)題的分析，因?yàn)榭蛻舨换貋?lái)的原因可能有很多。人們想找到這些問(wèn)題的答案，它在數(shù)據(jù)中，不在一般的互聯(lián)網(wǎng)中，而且可以通過(guò)人工智能找出來(lái)。這就是可能產(chǎn)生巨大價(jià)值的例子。

主持人：

這些模型應(yīng)該如何與企業(yè)數(shù)據(jù)互動(dòng)？

黃仁勛：

我們的戰(zhàn)略和產(chǎn)品是各種尺寸、最先進(jìn)的預(yù)訓(xùn)練模型，有時(shí)你需要?jiǎng)?chuàng)建一個(gè)非常大的預(yù)訓(xùn)練模型，以便它可以產(chǎn)生 prompt，來(lái)教更小的模型。

而較小的模型幾乎可以在任何設(shè)備運(yùn)行，也許延遲非常低。然而它的泛化能力并不高，zero shot（零樣本學(xué)習(xí)）能力可能更有限。

因此，你可能有幾種不同類型不同大小的模型，但在每一種情況下，你必須做監(jiān)督的微調(diào)，你必須做 RLHF（人類反饋的強(qiáng)化學(xué)習(xí)），以便它與你的目標(biāo)和原則保持一致，你需要用矢量數(shù)據(jù)庫(kù)之類的東西來(lái)增強(qiáng)它，所以所有這些都匯集在一個(gè)平臺(tái)上。我們有技能、知識(shí)和基本平臺(tái)，幫助他們創(chuàng)建自己的人工智能，然后將其與 Snowflake 中的數(shù)據(jù)連接起來(lái)。

現(xiàn)在，每個(gè)企業(yè)客戶的目標(biāo)不應(yīng)該是思考我如何建立一個(gè)大型的語(yǔ)言模型，他們的目標(biāo)應(yīng)該是，我如何建立一個(gè)人工智能應(yīng)用程序來(lái)解決特定的問(wèn)題？那個(gè)應(yīng)用可能需要 17 個(gè)問(wèn)題來(lái)做 prompt，最終得出正確的答案。然后你可能會(huì)說(shuō)，我想寫一個(gè)程序，它可能是一個(gè) SQL 程序，可能是一個(gè) Python 程序，這樣我就可以在未來(lái)自動(dòng)做這個(gè)。

你還是要引導(dǎo)這個(gè)人工智能，讓他最終能給你正確的答案。但在那之后，你可以創(chuàng)建一個(gè)應(yīng)用程序，可以作為一個(gè)代理（Agent）24/7 不間斷地運(yùn)行，尋找相關(guān)情況，并提前向你匯報(bào)。所以我們的工作就是幫助客戶建立這些人工智能的應(yīng)用，這些應(yīng)用是有安全護(hù)欄的、具體的、定制的。

最終，我們?cè)谖磥?lái)都將成為智能制造商，當(dāng)然雇用員工，但我們將創(chuàng)建一大堆代理，它們可以用 Lang Chain 類似的東西來(lái)創(chuàng)建，連接模型、知識(shí)庫(kù)、其他 API，在云中部署，并將其連接到所有的 Snowflake 數(shù)據(jù)。

你可以規(guī)?；夭僮鬟@些 AI，并不斷地完善這些 AI。因此，我們每個(gè)人都將制造 AI、運(yùn)行 AI 工廠。我們將把基礎(chǔ)設(shè)施放在 Snowflake 的數(shù)據(jù)庫(kù)，客戶可以在那里使用他們的數(shù)據(jù)，訓(xùn)練和開發(fā)他們的模型，操作他們的 AI，因此，Snowflake 將是你的數(shù)據(jù)存儲(chǔ)庫(kù)和銀行。

有了自己的數(shù)據(jù)金礦，所有人都將在 Snowflake 上運(yùn)行 AI 工廠。這是目標(biāo)。

03 「核彈」雖貴，直接用模型相當(dāng)于「打 1 折」

黃仁勛：

我們?cè)?NVIDIA 建立了有五個(gè) AI 工廠，其中四個(gè)是世界前 500 名的超級(jí)計(jì)算機(jī)，另一個(gè)正在上線。我們使用這些超級(jí)計(jì)算機(jī)來(lái)做預(yù)訓(xùn)練模型。因此，當(dāng)你在 Snowflake 中使用我們的 Nemo AI 基礎(chǔ)服務(wù)時(shí)，你將得到一個(gè)最先進(jìn)的預(yù)訓(xùn)練模型，已經(jīng)有幾千萬(wàn)美元的費(fèi)用投入其中，更不用說(shuō)研發(fā)投入了。所以它是預(yù)先訓(xùn)練好的。

然后有一大堆其他的模型圍繞著它，這些模型用于微調(diào)、RLHF。所有這些模型的訓(xùn)練成本都要高得多。

因此，現(xiàn)在你已經(jīng)將預(yù)訓(xùn)練模型適應(yīng)于你的功能，適應(yīng)于你的護(hù)欄，優(yōu)化你希望它具有的技能或功能類型，用你的數(shù)據(jù)增強(qiáng)。因此，這將是一個(gè)更具成本效益的方法。

更重要的是，在幾天內(nèi)，而不是幾個(gè)月。你可以在 Snowflake 開發(fā)與你的數(shù)據(jù)連接的人工智能應(yīng)用程序。

你應(yīng)該能夠在未來(lái)快速建立人工智能應(yīng)用程序。

因?yàn)槲覀儸F(xiàn)在看到它正在實(shí)時(shí)發(fā)生。已經(jīng)有一些應(yīng)用能夠讓你和數(shù)據(jù)聊天，比如 ChatPDF。

主持人：

是的，在軟件 3.0 時(shí)代，95% 的培訓(xùn)費(fèi)用已經(jīng)由別人承擔(dān)了。

黃仁勛：

（笑）是的，95％的折扣，我無(wú)法想象一個(gè)更好的交易。

主持人：

這是真正的動(dòng)力，作為投資人，我看到在分析、自動(dòng)化、法律等領(lǐng)域的非常年輕的公司，他們的應(yīng)用已經(jīng)在六個(gè)月或更短的時(shí)間內(nèi)實(shí)現(xiàn)了真正的商業(yè)價(jià)值。其中一部分原因是他們從這些預(yù)先訓(xùn)練好的模型開始，這對(duì)企業(yè)來(lái)說(shuō)是一個(gè)巨大的機(jī)會(huì)。

黃仁勛：

每家公司都會(huì)有數(shù)百個(gè)，甚至 1000 個(gè)人工智能應(yīng)用程序，只是與你公司的各種數(shù)據(jù)相連。所以，我們所有人都必須善于構(gòu)建這些東西。

04 原來(lái)是數(shù)據(jù)找業(yè)務(wù)，現(xiàn)在是業(yè)務(wù)找數(shù)據(jù)

主持人：

我一直從大企業(yè)參與者聽到的一個(gè)問(wèn)題是，我們必須去投資人工智能，我們需要一個(gè)新的堆棧（Stack）嗎？應(yīng)該如何考慮與我們現(xiàn)有的數(shù)據(jù)堆棧相連？

Frank：

我認(rèn)為它在不斷發(fā)展。模型們正逐漸變得更簡(jiǎn)潔、安全、更好地被管理。所以，我們沒(méi)有一個(gè)真正明確的觀點(diǎn)，這就是每個(gè)人都會(huì)使用的參考架構(gòu)？有些人將有一些中央服務(wù)的設(shè)置。微軟有 Azure 中的人工智能版本，它們的很多客戶正在與 Azure 進(jìn)行互動(dòng)。

但我們不清楚什么模型將主導(dǎo)，我們認(rèn)為市場(chǎng)將在使用難易、成本這些事上進(jìn)行自我排序?，F(xiàn)在僅僅是開始，不是最終的狀態(tài)。

安全部門也會(huì)參與進(jìn)來(lái)，關(guān)于版權(quán)的問(wèn)題會(huì)被革新?，F(xiàn)在我們對(duì)技術(shù)很著迷，現(xiàn)實(shí)中的問(wèn)題也會(huì)被同時(shí)處理。

黃仁勛：

我們現(xiàn)在正經(jīng)歷 60 年來(lái)第一次根本性的計(jì)算平臺(tái)變革。如果你剛剛讀了 IBM System 360 的新聞稿，你會(huì)聽到關(guān)于中央處理單元、IO 子系統(tǒng)、DMA 控制器、虛擬內(nèi)存、多任務(wù)、可擴(kuò)展計(jì)算向前和向后端兼容，而這些概念，實(shí)際都是 1964 年的東西，而這些概念幫助我們?cè)谶^(guò)去六十年來(lái)，不斷進(jìn)行 CPU 擴(kuò)展。

這樣的擴(kuò)展已經(jīng)進(jìn)行了 60 年了，但這已經(jīng)走到了盡頭?，F(xiàn)在大家都明白，我們無(wú)法再擴(kuò)展 CPU 了，突然之間，軟件變化了。軟件的編寫方式，軟件的操作方式，以及軟件能做的事情都與以前有很大的不同。我們稱之前的軟件為軟件 2.0?，F(xiàn)在是軟件 3.0。

事實(shí)就是，計(jì)算已經(jīng)從根本上改變了。我們看到兩個(gè)基本的動(dòng)力在同時(shí)發(fā)生，這也是為什么現(xiàn)在事情正在發(fā)生劇烈震蕩。

一方面，你不能再不斷地購(gòu)買 CPU。如果你明年再買一大堆 CPU，你的計(jì)算吞吐量將不會(huì)增加。因?yàn)?CPU 擴(kuò)展的終點(diǎn)已經(jīng)到來(lái)了。你會(huì)多花一大堆錢，你不會(huì)得到更多的吞吐量。因此，答案是你必須去加速（英偉達(dá)加速計(jì)算平臺(tái)）。圖靈獎(jiǎng)獲得者談到了加速，英偉達(dá)開創(chuàng)了加速，加速計(jì)算現(xiàn)在已經(jīng)到來(lái)。

另一方面是，計(jì)算機(jī)的整個(gè)操作系統(tǒng)發(fā)生了深刻的改變。我們有一個(gè)叫 NVIDIA AI Enterprise 的層，而其中的數(shù)據(jù)處理、訓(xùn)練、推理部署，整個(gè)現(xiàn)在已經(jīng)整合到或正在整合到 Snowflake 中，因此，從開始數(shù)據(jù)處理，一直到最后的大模型部署，整個(gè)背后的計(jì)算引擎都被加速了。我們將賦能 Snowflake，在這里你將能夠做得更多，而且你將能夠用更少的資源做到更多。

如果你去任何一個(gè)云，你會(huì)看到 NVIDIA GPU 是其中最昂貴的計(jì)算實(shí)體。但是，如果你把一個(gè)工作負(fù)載放在上面，你會(huì)發(fā)現(xiàn)我們做得非?？?。就好像你得到了一個(gè) 95% 的折扣。我們是最昂貴的計(jì)算實(shí)體，但我們是最具成本效益的 TCO。

所以，如果你的工作是運(yùn)行工作負(fù)載，可能是訓(xùn)練大型語(yǔ)言模型，可能是微調(diào)大型語(yǔ)言模型，如果你想這樣做，一定要進(jìn)行加速。

加速每一個(gè)工作負(fù)載，這就是整個(gè)棧的重塑。處理器因此發(fā)生變化，操作系統(tǒng)因此不同，大的語(yǔ)言模型是不同的，你寫 AI 應(yīng)用程序的方式是不同的。

未來(lái)，我們都要寫應(yīng)用。我們都要把我們的 prompt 和我們的上下文，和少數(shù)幾個(gè) Python 命令連接起來(lái)，連接到大語(yǔ)言模型和自己的數(shù)據(jù)庫(kù)或者公司的數(shù)據(jù)庫(kù)中，開發(fā)自己的應(yīng)用程序。每個(gè)人都將成為一個(gè)應(yīng)用程序的開發(fā)者。

主持人：

但不變的是，它仍然是你的數(shù)據(jù)。你仍然需要對(duì)它進(jìn)行微調(diào)。

Frank：

原來(lái)我們都覺(jué)得更快的總是更貴的。實(shí)際上突然之間，更快的是更便宜的，這是一種反直覺(jué)的東西。因此，有時(shí)人們想減少供應(yīng)，以為這樣更便宜，結(jié)果卻更貴。

另一個(gè)與之前矛盾的是，原來(lái)都是數(shù)據(jù)去找業(yè)務(wù)（data going to work)，而現(xiàn)在，業(yè)務(wù)去找數(shù)據(jù) (work going to data)。過(guò)去的六十年，或者更多年，我們一直在讓數(shù)據(jù)去找業(yè)務(wù)，這導(dǎo)致了大規(guī)模的信息孤島。而如果你想擁有一個(gè) AI 工廠，用之前的做法將是非常困難的。我們必須把計(jì)算帶到數(shù)據(jù)所在的地方。我認(rèn)為我們現(xiàn)在正在做的就是正確的方式。

05 企業(yè)如何獲得最快和最大的價(jià)值

Frank：

最快和獲得最大價(jià)值其實(shí)是兩個(gè)很不一樣的問(wèn)題。

最快的話，你很快能夠看到，數(shù)據(jù)庫(kù)各處都上線了人工智能增強(qiáng)的搜索方式，因?yàn)檫@是最容易增加的功能?，F(xiàn)在，甚至一個(gè)文盲都能從數(shù)據(jù)中獲取有價(jià)值的信息，這真非常不可思議，這是終極的交互民主化。搜索功能極大增強(qiáng)，你就向主界面提一個(gè)問(wèn)題，它們可以把這些問(wèn)題帶到數(shù)據(jù)自己進(jìn)行查詢。這是掛在低處的果實(shí)，最容易的，我們認(rèn)為這是階段一。

接下來(lái)，我們就開始真正關(guān)注真正的難題，就是專有的企業(yè)數(shù)據(jù)，混合結(jié)構(gòu)化的、非結(jié)構(gòu)化的，所有這些，我們?nèi)绾握{(diào)動(dòng)這些數(shù)據(jù)？

我前面已經(jīng)提到了 to C 企業(yè)面臨的流失率問(wèn)題，供應(yīng)鏈管理方面的問(wèn)題。當(dāng)供應(yīng)鏈特別復(fù)雜的時(shí)候，如果有一個(gè)事件發(fā)生了，我們?nèi)绾沃匦抡{(diào)整一個(gè)供應(yīng)鏈，使其運(yùn)轉(zhuǎn)？我現(xiàn)在該怎么做？供應(yīng)鏈?zhǔn)怯珊芏嗖煌膶?shí)體組成的，不是單一的企業(yè)。歷史上，這是一個(gè)從未被計(jì)算解決過(guò)的問(wèn)題。供應(yīng)鏈管理從來(lái)沒(méi)有形成過(guò)一個(gè)平臺(tái)，它幾乎是一個(gè)電子郵件，電子表格形成的體系，除了一些小的例外。因此，這是極其令人興奮的。

或者我們可以重新計(jì)算大型的呼叫中心的投資，優(yōu)化零售的定價(jià)，像我說(shuō)的，這是一個(gè)大企業(yè)的 CEO 們一直期待的重新定義商業(yè)模式，是真正的潛力。

06 對(duì)企業(yè)的建議：

黃仁勛：

我會(huì)問(wèn)自己，第一，什么是我唯一最有價(jià)值的數(shù)據(jù)庫(kù)？第二件事，我會(huì)問(wèn)自己，如果我有一個(gè)超級(jí)、超級(jí)、超級(jí)聰明的人，而企業(yè)的一切數(shù)據(jù)都經(jīng)過(guò)那個(gè)超級(jí)智能，我會(huì)問(wèn)那個(gè)人什么？

根據(jù)每個(gè)人的公司，這是不同的。Frank 的公司客戶數(shù)據(jù)庫(kù)非常重要，因?yàn)樗泻芏嗫蛻?。而我自己的公司，沒(méi)有那么多客戶，但對(duì)我的公司而言，我的供應(yīng)鏈超級(jí)復(fù)雜，而且我的設(shè)計(jì)數(shù)據(jù)庫(kù)也超級(jí)復(fù)雜。

對(duì) NVIDIA 來(lái)說(shuō)，沒(méi)有人工智能我們已經(jīng)無(wú)法建造出GPU。因?yàn)槲覀兊墓こ處煻疾豢赡芟馎I那樣，為我們進(jìn)行大量的迭代和探索。因此，當(dāng)我們提出人工智能的時(shí)候，第一個(gè)應(yīng)用在我們自己的公司。而且，所以 Hopper（英偉達(dá)超算產(chǎn)品）不可能沒(méi)有人工智能的設(shè)計(jì)。

我們也會(huì)將我們自己的 AI 應(yīng)用于我們自己的數(shù)據(jù)中。我們的錯(cuò)誤數(shù)據(jù)庫(kù)就是一個(gè)完美的應(yīng)用場(chǎng)景。如果你看一下 NVIDIA AI 的代碼量，我們有幾百個(gè)軟件包，結(jié)合在一起，支持一個(gè)應(yīng)用程序能夠跑起來(lái)。我們現(xiàn)在正在努力的一些事情，就是如何使用 AI 去弄清楚如何給它打安全補(bǔ)丁，如何最好地維護(hù)它，這樣我們就可以不必干擾整個(gè)上層應(yīng)用層的同時(shí)，能夠向后端兼容。

這都是 AI 能夠?yàn)槟闾峁┐鸢傅摹Ｎ覀兛梢杂靡粋€(gè)大語(yǔ)言模型去回答這些問(wèn)題，為我們找到答案，或者向我們揭示一些問(wèn)題，然后工程師就可以再將其修好?；蛘?AI 可以推薦一個(gè)修復(fù)方法，人類工程師再去確認(rèn)這是不是一個(gè)好的修復(fù)方法。

我覺(jué)得不是所有人都認(rèn)識(shí)到了他們每天都在處理的數(shù)據(jù)里面，其實(shí)蘊(yùn)含著多少智能、洞見(jiàn)和影響力沒(méi)有被發(fā)掘。這就是為什么我們所有人都要參與進(jìn)來(lái)，幫助帶來(lái)這樣的未來(lái)。

現(xiàn)在，你儲(chǔ)存在數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)，第一次可以被連接進(jìn)人工智能工廠。你將能夠生產(chǎn)信息情報(bào)，這是世界上最有價(jià)值的商品。你坐在一個(gè)自然資源的金礦上——你公司的專有數(shù)據(jù)，而我們現(xiàn)在把它連接到一個(gè)人工智能引擎上，另一端每天直接產(chǎn)生信息情報(bào)，以難以置信的情報(bào)量從另一端涌出，甚至在你睡覺(jué)時(shí)也在源源不斷地產(chǎn)出。這是有史以來(lái)最好的事情。

（文章來(lái)源：極客公園）

關(guān)鍵詞：