纸飞机:1万块GPU砸向欧洲！老黄怒怼AI末日论：全球首个工业AI云来了

　　【新智元导读】推理模型开始「自言自语」、量子计算进入临界点……AI大航海时代已然启航，这不是一次产品发布会，而是未来的预言书。巴黎GTC大会，黄仁勋开讲了！这次他脱下了皮衣。

　　他表示，人工智能既不会引发反乌托邦式灾难，也不会导致垄断，它是解放人类的工具。

　　再巴黎GTC会议后的新闻发布会上，黄仁勋认为AI的确改变了职场，但驳斥了Dario Amodei最近关于AI导致大裁员的预测：

　　每个人的工作都会发生变化。虽然部分岗位会被替代，但也会涌现出大量新职业……

　　这些GPU将用于在德国建设全球首个工业AI云平台，加速欧洲工业巨头的制造应用。

　　此外，与多家公司和研究机构建立了合作关系，包括与Mistral合作开发AI云服务等。

　　DGX Cloud Lepton正在连接欧洲开发者与全球AI基础设施。我们正在与来自欧洲的伙伴共同打造AI工厂网络，供开发者、研究人员和企业将本地的突破性成果扩展为全球性创新。

　　这意味着客户能够自动将推理工作负载从不同的云平台之间转移，同时理论上保持相同的软件用户界面和体验。

　　如果DGX Lepton成功，它将为所有新云（neocloud）创建标准的用户体验、价值和性能水平，这将导致这些新云陷入激烈的价格战，最终使利润降至极低的商品水平。

　　这是英伟达首次在巴黎举行GTC大会，拉开2025年VivaTech的序幕，揭示了从智能体系统到AI工厂的下一阶段AI计算。

　　在巴黎GTC上，黄仁勋回顾了AI的发展，强调了AI在理解、感知、推理、规划和执行任务方面的进步。

　　回到2012年，那时英伟达与开发者合作，「深度学习」的新算法横空出世，诞生了AlexNet，这被认为是AI的宇宙大爆炸时刻。

　　它拥有「多模态」能力——能够同时理解图像和文字，所以我们可以用文字“提示”AI去创作图像。

　　为了支持开源生态，让开发者与企业也能拥有世界一流的大模型，于是英伟达打造了NeMo框架和Nemotron项目。

　　NeMo是NVIDIA开发的全栈大模型平台，而Nemotron是提升开源模型质量的专项计划。

　　LLaMA Nemotron针对性强化了开源的Llama模型，效率和准确率大幅度提升。

　　从根本上说，智能是关于理解、感知、推理、规划任务（如何解决问题），然后执行任务。

　　这就是聪明人之所以聪明的原因，他们能够解决复杂问题，将问题一步步分解，思考如何解决问题；也许会进行研究，也许会学习一些新信息，获得一些帮助；使用工具，并一步步解决问题。

　　智能体AI（Agentic AI）具备这些能力，它能将所学知识应用到新问题中，逐步拆解复杂问题，找到解决方案。比如：

　　面对没见过的问题，AI可以自己想步骤、找工具、搜索资料、调用其他智能体、整合上下文，并一步步完成任务。

　　这种AI不是生成视频、图像或文本，而是生成局部运动。它能够行走，或者伸手抓取东西，使用工具。AI以物理形式具身化的能力基本上就是机器人技术。

　　这些能力，即实现智能体（基本上是信息机器人）和具身化AI（物理机器人）的基本技术，现在已经摆在我们面前。

　　从虚拟世界走向现实，这就是「具身智能」（Embodied AI）的世界。机器人就是这种智能的物理体现。

　　这是有史以来开发的第一个加速计算应用程序，计算机图形的发展令人难以置信。

　　GeForce将CUDA带给世界，这使得机器学习研究人员和AI研究人员能够推进深度学习。

　　随后，深度学习彻底改变了计算机图形，并使我们将计算机图形提升到全新的水平成为可能。

　　因为所有事物都可以被数字孪生，我们可以在将其投入物理世界之前，完全以数字方式进行设计、规划、优化和操作。

　　所有以巨大规模运行的事物都将首先以数字方式构建，并且会有数字孪生来操作它们。

　　该计算设备重两吨半，1.2万个零件，大约300万美元。120千瓦，由150家工厂制造，200家技术合作伙伴与英伟达合作完成

　　它不再是那种一问一答的ChatGPT，现在是推理模型，当思考时，它会生成更多的token。

　　它会一步步地分解问题、推理；尝试各种不同的路径：也许是思维链（chain of thoughts），也许是思维树（tree of thoughts）的最佳结果。

　　可能你已经看到这些研究模型在反思答案，说「这是一个好答案吗？你能做得更好吗？」然后推理模型会说：「哦，是的，我能做得更好。」然后回去思考更多。

　　因此，这些思考模型、推理模型实现了令人难以置信的性能，但这需要更多的算力。

　　而最终的结果，MVLink 72 Blackwells的架构，带来了性能的巨大飞跃，在仅仅一代之内实现30到40倍的性能提升。

　　而解读下图的方式是：X轴代表它思考的速度。Y轴代表工厂在同一时间支持大量用户时的产出量。

　　他们最初的应用之一是分子动力学模拟。从那以后，他们走过了漫长的道路，开发了无数的库。

　　事实上，使加速计算与众不同的原因在于，它不仅仅是一个新的处理器，也不仅仅是你编译代码就能运行的软件。

　　你必须彻底重新设计你的计算方式，重新构思你的算法。而这对大多数人来说极其困难——

　　计算光刻，也许是今天半导体设计中最重要的应用之一；它在台积电、三星等大型晶圆厂中运行，在芯片制造之前会运行一个基于反物理算法的流程，称为Computational Lithography（计算光刻）。

　　cuOpt：刚刚开源的应用库，它能加速决策制定，优化数百万变量和约束的问题，比如旅行商问题。

　　他们有400多个类似的库，每一个都加速特定的应用领域，每一个都为行业打开新的可能。

　　第一一个纠错算法于1995年被发明，而在2023年，将近30年后，世界上第一个逻辑量子比特由谷歌演示。从那时起，几年后，逻辑量子比特的数量（由大量带纠错的物理量子比特表示）开始增长。

　　就像摩尔定律一样，完全可以预期每5年逻辑量子比特增加10倍，每10年增加100倍。这些逻辑量子比特将得到更好的纠错，更健壮，性能更高，更有弹性，当然也将继续可扩展。

　　英伟达与世界各地的量子计算公司以多种不同的方式合作，而欧洲相关从业者最多。

　　现在，英伟达很清楚：「我们已经触手可及，能够在未来几年将量子计算，量子经典计算应用于可以解决一些有趣问题的领域。」

　　在接下来的几年里，或者至少是下一代超级计算机，都将配备QPU，并且QPU将连接到GPU。QPU当然会进行量子计算，而GPU将用于预处理、控制、纠错（这将是计算密集型的）、后处理等。

　　原标题：《1万块GPU砸向欧洲！老黄怒怼AI末日论：全球首个工业AI云来了》

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。