3月21日晚上11点，英伟达CEO黄仁勋的演讲，为GTC 2023拉开序幕。

ChatGPT和GPT-4掀起这股生成式AI热潮后，为AI提供心脏的英伟达成了背后的大赢家，也让今年的GTC注定成为有史以来最受关注的一届。

黄仁勋没有让关注者失望。

「AI的iPhone时刻已经到来。」70分钟的演讲里，老黄重复了四五遍。

每次讲这句话前，他都会分享一项关于生成式AI的新进展——对创作、医疗、工业等领域的革命，让普通人用浏览器就能训练大模型的云服务，以及让大模型处理成本下降10倍的超级芯片……

「AI的发展会超过任何人的想象。」这句话是对这场演讲最好的注脚。

2012年，Alex Kerchevsky、Ilya Suskever和他们的导师Geoff Hinton在两块GeForce GTX 580上，使用1400万张图像训练了AlexNet——这被认为是这一轮AI革命的开端，因为它首次证明了GPU可以用于训练人工智能。

4年后，黄仁勋亲手向OpenAI交付了第一台NVIDIA DGX超级计算机。此后数年，OpenAI在大型语言模型上的突破让AIGC开始进入人们的视野，并在去年年底推出ChatGPT后彻底破圈。几个月内这个对话式AI产品吸引了超过1亿用户，成为历史上增长最快的App。

NVIDIA DGX最初被用作AI的研究设备，现在已经被企业广泛用于优化数据和处理AI。根据黄仁勋，财富100强公司中有一半安装了DGX。

在这之中，部署像ChatGPT这样的LLM正在成为DGX越来越重要的一项工作。对此，黄仁勋宣布了一种新的GPU——带有双图形处理器NVLink的H100 NVL。

基于英伟达的Hopper架构，H100采用Transformer引擎，被设计用于专门处理类似GPT这样的模型。与用于GPT-3处理的HGX A100相比，一个搭载四对H100和NVLINK的标准服务器的处理速度快10倍。根据官网数据，H100的综合技术创新。可以将大型语言模型的速度提高30倍。

「H100可以将大型语言模型处理成本降低一个数量级，」黄仁勋说到。

此外，在过去的十年里，云计算每年增长20%，成为一个1万亿美元的行业。为了AI和云计算，英伟达设计了Grace CPU，在新的架构下，GPU负责处理AI的工作负载，Grace CPU负责采样，二者之间通过一个900GB/s的高速传输设备连接在一起。

「Grace-Hopper是处理大规模数据集的最佳选择。」黄仁勋称，「我们的客户希望建立训练数据大几个数量级的AI大模型，Grace-Hopper是理想的引擎。」

某种意义上来说，计算成本已经成为今天阻碍生成式AI发展的核心问题，OpenAI为此烧掉了数十亿乃至上百亿美元，微软也出于成本考虑始终没有向更大范围的公众开放新Bing，甚至限制用户每天的对话次数。

英伟达此时推出更高效的算力方案，无疑是给行业解决了一个大难题。

今年GTC上另一个涉及生成式AI的重点，就是DGX Cloud。

实际上，这并不是英伟达第一次公布DGX Cloud。此前英伟达四季报发布时，黄仁勋就向外界透露英伟达将与云服务厂商展开合作，让客户可以使用网页浏览器，就能通过NVIDIA DGX Cloud来使用DGX计算机，从而训练和部署大型语言模型或完成其他AI工作负载。

英伟达已经与甲骨文展开合作，预计下个季度微软Azure也会开始托管DGX 云，而谷歌云也将在不久之后加入这一行列，以托管的方式向那些有意愿构建新产品和发展AI战略的企业提供DGX云服务。

黄仁勋称，这种合作关系将英伟达的生态系统带到了云服务商手中，同时扩大了英伟达的市场规模和覆盖面。企业将能够每月租用DGX云集群，确保他们能够快速轻松地扩展大型多节点AI训练。

「加速计算是曲速引擎，AI就是它的能源。」黄仁勋说道，「生成式AI日新月异的能力，给我们重新构想其产品和商业模式带来了紧迫感。」

ChatGPT和GPT-4为代表的大语言模型在过去几个月火遍全球，但对英伟达来说，ChatGPT和大模型并不是AI的全部。会上，黄仁勋还分享了更多英伟达在AI领域的探索和他本人的观察。

首先是最火的生成式AI。

只需要一张手绘的草图，就能生成3D建模的户型。

撰写代码也不在话下。

还有创作音乐。

为了加速那些寻求利用生成AI的人的工作，英伟达宣布成立NVIDIA AI Foundations，这是一个云服务和代工厂，面向需要构建、改进和定制LLM和生成式AI的用户，这些客户使用其专有数据训练特定领域的AI。

AI Foundations的服务包括NVIDIA NeMo，用于构建文本-文本的生成模型；毕加索，一种视觉语言模型制作服务，面向希望构建基于经授权内容训练模型的用户；以及BioNeMo，帮助生物医药研究人员。

作为生产力工具，AI也在发挥巨大的价值，黄仁勋在演讲中介绍了几个非常有意思的案例。

第一个是与美国电信巨头AT&T。AT&T需要定期派遣3万名技术人员，为700 个区域的1300万名客户提供服务。这个庞大的数据，调度是一个痛点，如果在CPU上运行，调度优化需要一整夜的时间才能完成。

借助英伟达的CuOpt，AT&T可以将调度方案的优化时间加快100倍，并可实时更新其调度方案。

某种意义上，在英伟达的帮助下，AT&T做到了美团、滴滴这些需要实时匹配的互联网公司用好多年积累才做到的事情。

另一个案例是与芯片公司的合作。随着中美科技战，大多数人都知道了光刻机这个半导体产业的关键设备。但鲜为人知的是，随着制程技术的发展，芯片设计对算力的需求也是半导体行业的一大痛点。

今天计算光刻是芯片设计和制造领域最大的计算工作负载，每年需要消耗数百亿 CPU小时，并且随着算法越来越复杂，计算光刻的成本也在提高。

对此，英伟达宣布推出cuLitho——一个计算光刻库。并与ASML、台积电等巨头展开合作，从而大幅降低芯片设计过程中的算力消耗，节能减排。

事实上，减少能源消耗，提高计算效率，是黄仁勋眼中AI技术将为人类社会带来的另一大价值。而在摩尔定律失效的当下，加速计算和AI的到来恰逢其时。

「各行业正都在面对可持续发展、生成式AI和数字化的挑战。工业公司正在竞相数字化，并重塑为软件驱动的科技公司——成为颠覆者，而不是被颠覆者，」加速计算让这些公司可以应对这些挑战，黄仁勋说道。「加速计算是减少电力消耗、实现可持续性发展和碳中和的最佳方式。」

最后，类似于一个彩蛋，从老黄此次演讲的表现不难猜测，视频中出现的老黄，应该全程是一个虚拟形象。如无意外，很有可能也是「生成式AI」的产物——在表现AI进步的同时，也算是黄仁勋为自己家「核弹算力」再次「现身说法」。