更新于2023-03-23

GTC 2023 CEO Keynote：“AI的 iPhone时刻已经到来”

NVIDIA的GTC 2023正在如火如荼的举行，老黄的GTC Keynote演讲已经结束，感兴趣的童鞋可以官网观看（中文字幕），也可以下载官方PPT（全英文）。太长不看？那就看小编“人工”智能的图文汇总吧！

图片来自于@ NVIDIA，版权属于原作者

首先，刀客黄打了个很巧妙的比方：“如果把加速计算比作曲率引擎，那么动力来源就是AI。”玩过P社四萌、戴森球或者科幻迷对于曲率引擎并不陌生，实现超光速移动的方式无非就是虫洞和曲率引擎，而两种方式所需能量也不可估量。回到现实中，“计算”也正在“光速”发展，而AI则是关键，想要公司不掉队，就得重新构思产品和商业模式。

图片来自于@ NVIDIA，版权属于原作者

“各个行业的企业正在竞相进行数字化转型，希望成为软件驱动的科技公司，成为行业颠覆者而不是被颠覆者。”而这，正是老黄举办GTC和大力发展数字中心业务的原因之所在了，老黄表示：“加速是重获优势、实现可持续发展，以及达到净零排放的最佳途径。”

图片来自于@ NVIDIA，版权属于原作者

接下来就是王婆卖瓜的环节，老黄表示“AI的 iPhone时刻已经到来”，通过n个例子说明了NVIDIA如何提供训练和部署尖端AI服务所需的各种技术，并且带来了NVIDIA cuLitho 计算光刻技术，甚至ASML也计划内置NVIDIA cuLitho进他们的光刻机设备。同时，老黄的CPU+GPU超级大饼也在本届GTC上展出实物，满足有本地算力需求的客户，而NVIDIA AI Foundations、DGX AI和Omniverse Cloud，让你只需要游览器就能使用AI创造价值。

“AI的 iPhone时刻已经到来”

首先，我们来看看AI的iPhone时刻。十年前，NVIDIA提供了GTX 580核战术显卡帮助训练了AlexNet计算视觉模型，触发了AI的“大爆炸”，而十年后的ChatGPT引爆新一轮AI风潮，瞬间吸引了超过1亿用户，成为有史以来增速最快的应用。

图片来自于@ NVIDIA，版权属于原作者

训练GPT-3模型需要的浮点计算量是AlexNet的一百万倍，结果就是创造出来ChatGPT，“AI的 iPhone时刻已经到来”。

图片来自于@ NVIDIA，版权属于原作者

通过30年的努力，NVIDIA已经形成了良好的生态闭环，旗下显卡都能支持CUDA，众多行业顶尖公司采用NVIDIA的AI和加速计算平台实现所需，而“加速计算是减少功耗、实现可持续发展和净零排放的最好方式”。

图片来自于@ NVIDIA，版权属于原作者

NVIDIA cuLitho向物理极限进发

在老黄罗列了10多分钟各行业巨头应用NVIDIA加速计算的范例后，终于迎来了本次发布会的重头戏，NVIDIA cuLitho计算光刻技术。众所都周知，Intel苦于工艺进步已多年，以至于制程相继被台积电和三星所赶上，老怼手AMD也重振雄风，而现在能够不断试探物理极限的方法在老黄手上，很神奇。

图片来自于@ NVIDIA，版权属于原作者

这里面的难点在于Mask（掩膜）和Wafer（晶圆）上的图案完全不一样，如下图所示。

图片来自于@ NVIDIA，版权属于原作者

而计算光刻技术，模拟了光通过光学元件和光刻胶相互作用时的行为，根据麦克斯韦方程来推导，这是芯片设计和制造领域中所需算力最多的关键步骤之一。

图片来自于@ NVIDIA，版权属于原作者

然后NVIDIA就推出了cuLitho——一个计算光刻库。

图片来自于@ NIVIDA，版权属于原作者

老黄和ASML、台积电、新思科技等行业翘楚已经练习时长4年了，只因想把计算光刻加速40倍以上。举个栗子，NVIDIA H100需要89块掩膜板，CPU运行处理单个掩膜板的计算时间长达2周，而GPU上运行cuLitho只需8小时即可处理完成一个掩膜板。

图片来自于@ NVIDIA，版权属于原作者

同时，台积电可以通过在500个DGX H100系统上使用cuLitho加速，将功率从35MW降至5MW，替代用于计算光刻的4万台CPU服务器。短期看，使用cuLitho的晶圆厂每天的光掩膜产量可以增加数倍，而耗电量则降低至几分之一；长期看，可以节能减排，为2nm及更高工艺的生产做好准备。

图片来自于@ NVIDIA，版权属于原作者

“我们正处于AI的iPhone时刻”

过去十年，云计算每年增长20%，已发展成为一个万亿美元的产业，算力则是重中之重，为此NVIDIA也推出了Grace Superchip这一高性能计算模块。

图片来自于@ NVIDIA，版权属于原作者

Grace Superchip封装好的计算模块大小仅有8x5英寸，1U风冷机架可以放入2个模块。相比传统x86 CPU，Grace性能可领先30％，能效可领先70％，数据中心吞吐能力可领先1倍，目前也有众多服务器厂商正在样品测试。

图片来自于@ NVIDIA，版权属于原作者

对于类似ChatGPT的大型语言模型（LLM），就需要新的GPU和DGX AI超级计算机了，在老黄亲手把全球首台DGX送至OpenAI后，《财富》100强企业目前有一半安装了DGX AI超级计算机。

图片来自于@ NVIDIA，版权属于原作者

推动DGX的引擎，就是全新的H100 GPU了。新版本DGX搭载8个NVIDIA H100 GPU，基于NVIDIA Hopper架构的H100配有一个Transformer引擎，旨在处理驱动ChatGPT的类似GPT模型。8个H100通过NVLINK彼此相连协同工作，组成1个巨型GPU。而每个巨型GPU都通过400Gbps超低延迟的Quantum InfiniBand计算网络相连，形成一台AI超级计算机，进而组成一个现代的AI工厂。

图片来自于@ NVIDIA，版权属于原作者

然后老黄点题，“我们正处于AI的iPhone时刻”。

图片来自于@ NVIDIA，版权属于原作者

进而引出了自己的NVIDIA DGX Cloud服务，通过和Microsoft Azure、Google GCP和Oracle OCI合作，“从浏览器上” 就能随时随地将AI带给每家公司。通过NVIDIA AI Enterprise，“DGX Cloud为客户提供 NVIDIA AI和世界领先云服务提供商的出色服务。”

图片来自于@ NVIDIA，版权属于原作者

在拥有了强大算力之后，NVIDIA甚至推出了“AI代工厂”——NVIDIA AI Foundations云服务。你可以理解成传统行业的OEM、ODM、EMS形式代工厂，但代工的内容从实体变成了构建模型和生成AI。NVIDIA NeMo，可以构建自定义语言文本-文本转换生成模型；Picasso，可以简化构成自定义生成式AI应用所需的训练、优化和推理；BioNeMo，则推动了2万亿美元规模的药品研发行业。

图片来自于@ ，版权属于原作者

CPU+GPU超级大饼

对于需要本地算力的客户，NVIDIA推出了全新推理平台，一个体系下针对不同推理有4种配置：针对AI视频工作负载的L4；针对Omniverse、图形渲染及文本转图像和文本转视频等生成式ai的L40；针对ChatGPT的大型语言模型（LLM）推理的改进版本Hopper H100——双GPU的H100 NVL；以及去年的CPU+GPU超级大饼——Grace-Hopper。

图片来自于@ NVIDIA，版权属于原作者

老黄手里的这块就是去年GTC上宣布的Grace Hopper，没错就是缝合怪，和2个Grace的Grace Superchip类似，Grace Hopper把Grace和Hopper缝到一个PCB上，900GB/s的带宽通信比PCIe总线快了近10倍，是非常适合处理LLM和海量数据的计算模块。

图片来自于@ NVIDIA，版权属于原作者

AI & Omniverse

有了以上这些硬件和软件的基础，AI & Omniverse成就未来无限可能。老黄介绍了Omniverse在3万亿美元规模的汽车产业数字化中的作用，通用、梅赛德斯-奔驰、宝马、比亚迪、Lucid Motors等传统和“新势力”车厂都应用Omniverse虚拟化生产，Amazon也通过Omniverse构建更智能化的物流仓储。