老黃一口氣解密三代GPU！粉碎摩爾定律打造AI帝國，量產(chǎn)Blackwell解決ChatGPT全球耗電難題 精華
就在剛剛，老黃手持Blackwell向全世界展示的那一刻，全場的觀眾沸騰了。
它，是迄今為止世界最大的芯片！
眼前的這塊產(chǎn)品，凝聚著數(shù)量驚人的技術(shù)
如果用老黃的話說，它就是「全世界迄今為止制造出來的最復(fù)雜、性能最高的計算機。」
8年內(nèi)，1.8萬億參數(shù)GPT-4的訓(xùn)練能耗，直接瘋狂降到1/350；而推理能耗則直接降到1/45000
英偉達產(chǎn)品的迭代速度，已經(jīng)徹底無視摩爾定律。
就如網(wǎng)友所言，無所謂，老黃有自己的摩爾定律。
一手硬件，一手CUDA，老黃胸有成竹地穿過「計算通貨膨脹」，放出豪言預(yù)測道——在不久的將來，每一個處理密集型應(yīng)用都將被加速，每一個數(shù)據(jù)中心也肯定會被加速。
同時公開的Blackwell后三代路線圖：Blackwell Ultra（2025年），Rubin（2026年），Rubin Ultra（2027年）
「買得越多，省得越多」的黃式數(shù)學(xué)公式，也再次亮相。
全新計算時代開啟
演講開篇，老黃最先放出了一個Omniverse模擬世界中的演示。
他表示，「英偉達正處于計算機圖形模擬和人工智能的交叉點上。這是我們的『靈魂』」。
這一切都是物理世界中的模擬，它的實現(xiàn)，得益于兩項基本的技術(shù)——加速計算和人工智能，將重塑計算機產(chǎn)業(yè)。
到目前為止，計算機行業(yè)已有60多年的歷史，而現(xiàn)在，一個全新的計算時代已然開始。
1964年，IBM的System 360首次引入了CPU，通用計算通過操作系統(tǒng)將硬件和軟件分離。
架構(gòu)兼容性、向后兼容性等等，所有我們今天所了解的技術(shù)，都是從這個時間點而來。
直到1995年，PC革命開啟讓計算走進千家萬戶，更加民主化。2007年，iPhone推出直接把「電腦」裝進了口袋，并實現(xiàn)了云端鏈接。
可以看出，過去60年里，我們見證了2-3個推動計算行業(yè)轉(zhuǎn)變的重要技術(shù)節(jié)點。
加速計算：一手GPU，一手CUDA
而如今，我們將再一次見證歷史。老黃表示，「有兩個最基礎(chǔ)的事情正發(fā)生」。
首先是處理器，性能擴展已經(jīng)大大放緩，而我們所需的計算量、需要處理的數(shù)據(jù)都在呈指數(shù)級增長。
按老黃的話來說，我們正經(jīng)歷著「計算通貨膨脹」。
過去的20年里，英偉達一直在研究加速計算。比如，CUDA的出現(xiàn)加速了CPU負(fù)載。事實上，專用的GPU效果會更好。
當(dāng)我們運行一個應(yīng)用程序，不希望是一個運行100秒，甚至是100個小時的APP。
因此，英偉達首創(chuàng)了異構(gòu)計算，讓CPU和GPU并行運行，將過去的100個時間單位，加速到僅需要1個時間單位。
可見，它已經(jīng)實現(xiàn)了100倍速率提升，而功耗僅增加的3倍，成本僅為原來的1.5倍。
英偉達同時為價值十億美元的數(shù)據(jù)中心，配備了5億美元的GPU，讓其變成了「AI工廠」。
有了加速計算，世界上許多公司可以節(jié)省數(shù)億美元在云端處理數(shù)據(jù)。這也印證了老黃的「數(shù)學(xué)公式」，買得越多，省得越多。
除了GPU，英偉達還做了業(yè)界難以企及的事，那就是重寫軟件，以加速硬件的運行。
如下圖所示，從深度學(xué)習(xí)cuDNN、物理Modulus、通信Aerial RAN、基因序列Parabricks，到QC模擬cuQUANTUM、數(shù)據(jù)處理cuDF等領(lǐng)域，都有專用的CUDA軟件。
也就是說，沒有CUDA，就等同于計算機圖形處理沒有OpenGL，數(shù)據(jù)處理沒有SQL。
而現(xiàn)在，采用CUDA的生態(tài)遍布世界各地。就在上周，谷歌宣布將cuDF加入谷歌云中，并加速世界上受歡迎的數(shù)據(jù)科學(xué)庫Pandas。
而現(xiàn)在，只需要點擊一下，就可以在CoLab中使用Pandas。就看這數(shù)據(jù)處理速度，簡直快到令人難以置信。
老黃表示，要推行一個全新的平臺是「蛋和雞」的困境，開發(fā)者和用戶，缺一不可。
但是經(jīng)過20年的發(fā)展，CUDA已經(jīng)打破了這個困境，通過全球500萬開發(fā)者和無數(shù)領(lǐng)域的用戶實現(xiàn)了良性循環(huán)。
有越多人安裝CUDA，運行的計算量越大，他們就越能據(jù)此改進性能，迭代出更高效、更節(jié)能的CUDA。
「AI工廠」全棧重塑
2012年，神經(jīng)網(wǎng)絡(luò)AlexNet的誕生，將英偉達第一次與AI聯(lián)系起來。我們都知道，AI教父Hinton和高徒當(dāng)時在2個英偉達GPU上完成AlexNet的訓(xùn)練。
深度學(xué)習(xí)就此開啟，并以超乎想像的速度，擴展幾十年前發(fā)明的算法。
但由于，神經(jīng)網(wǎng)絡(luò)架構(gòu)不斷scaling，對數(shù)據(jù)、計算量「胃口」愈加龐大，這就不得不需要英偉達重新發(fā)明一切。
2012年之后，英偉達改變了Tensor Core，并發(fā)明了NvLink，還有TensorRT、Triton推理服務(wù)器等等，以及DGX超算。
當(dāng)時，英偉達的做法沒有人理解，更沒人愿意為之買單。
由此，2016年，老黃親自將英偉達首個DGX超算送給了位于舊金山的一家「小公司」OpenAI。
從那之后，英偉達在不斷擴展，從一臺超算、到一個超大型數(shù)據(jù)中心。
直到，2017年Transformer架構(gòu)誕生，需要更大的數(shù)據(jù)訓(xùn)練LLM，以識別和學(xué)習(xí)一段時間內(nèi)連續(xù)發(fā)生的模式。
之后，英偉達建造了更大的超算。2022年11月，在英偉達數(shù)萬個GPU上完成訓(xùn)練的ChatGPT橫空出世，能夠像人類一樣交互。
這是世界第一次看到了生成式AI。它會一次輸出一個token，可以是圖像、語音、文字、視頻，甚至是天氣token，全部都是關(guān)于生成。
老黃表示，「我們可以學(xué)習(xí)的一切，現(xiàn)在都可以生成。我們現(xiàn)在已經(jīng)進入了一個全新的生成式AI時代」。
當(dāng)初，那個作為超算出現(xiàn)的計算機，已經(jīng)變成了數(shù)據(jù)中心。它可以輸出token，搖身一變成為了「AI工廠」。
而這個「AI工廠」，正在創(chuàng)造和生產(chǎn)巨大價值的東西。
19世紀(jì)90年代末，尼古拉·特斯拉發(fā)明了AC Generator，而現(xiàn)在，英偉達正創(chuàng)造可以輸出token的AI Generator。
英偉達給世界帶來的是，加速計算正引領(lǐng)新一輪產(chǎn)業(yè)革命。
人類首次實現(xiàn)了，僅靠3萬億美元的IT產(chǎn)業(yè)，創(chuàng)造出能夠直接服務(wù)于100萬億美元產(chǎn)業(yè)的一切東西。
傳統(tǒng)的軟件工廠，到如今AI工廠的轉(zhuǎn)變，實現(xiàn)了CPU到GPU，檢索到生成，指令到大模型，工具到技能的升級。
可見，生成式AI推動了全棧的重塑。
從Blackwell GPU到超級「AI工廠」
接下來就讓我們看看，英偉達是如何將一顆顆地表最強的Blackwell芯片，變成一座座超級「AI工廠」的。
注意看，下面這塊是搭載了Blackwell GPU的量產(chǎn)級主板。
老黃手指的這里是Grace CPU。
而在這里，我們可以清晰地看到，兩個連在一起的Blackwell芯片。
在8年里，每一代英偉達芯片的Flops，都增長了1000倍。
與此同時，摩爾定律在這8年里，卻似乎逐漸失效了。
即使和摩爾定律最好的時刻相比，Blackwell算力的提升也是驚人的。
這將直接導(dǎo)致的結(jié)果，就是成本的顯著下降。
比如，訓(xùn)練一個1.8萬億參數(shù)、8萬億token的GPT-4所用的能耗，直接降至1/350！
Pascal需要消耗的，是1000吉瓦時，這就意味著，它需要一個1000吉瓦的數(shù)據(jù)中心。（1吉瓦=1000兆瓦）
而且如果這樣的數(shù)據(jù)中心真的存在的話，訓(xùn)練也GPT-4也需要整整一個月的時間。
而100兆瓦的數(shù)據(jù)中心，大概需要一年。
這也就是為什么，ChatGPT這樣的LLM， 在八年前是根本不可能存在的。
如今有了Blackwell，過去的1000吉瓦時直接可以降到3吉瓦時。
可以說，Blackwell就是為了推理，為了生成token而生的。它直接將每token的能量降低了45000倍。
在以前，用Pascal產(chǎn)生1個token的消耗，相當(dāng)于兩個200瓦的燈泡運行2天。讓GPT-4生成一個單詞，大概需要3個token。這根本不可能讓我們得到如今和GPT-4聊天的體驗。
而現(xiàn)在，我們每個token可以只使用0.4焦耳，用很少的能量，就能產(chǎn)生驚人的token。
它誕生的背景，正是運算模型規(guī)模的指數(shù)級增長。
每一次指數(shù)級增長，都進入一種嶄新的階段。
當(dāng)我們從DGX擴展到大型AI超算，Transformer可以在大規(guī)模數(shù)據(jù)集上訓(xùn)練。
而下一代AI，則需要理解物理世界。然而如今大多數(shù)AI并不理解物理規(guī)律。其中一種解決辦法，是讓AI學(xué)習(xí)視頻資料，另一種，則是合成數(shù)據(jù)。
第三種，則是讓計算機互相學(xué)習(xí)！本質(zhì)上就和AlphaGo的原理一樣。
巨量的計算需求涌來，如何解決？目前的辦法就是——我們需要更大的GPU。
而Blackwell，正是為此而生。
Blackwell中，有幾項重要的技術(shù)創(chuàng)新。
第一項，就是芯片的尺寸。
英偉達將兩塊目前能造出來的最大尺寸的芯片，用一條10TB/s的鏈路鏈接起來；然后再把它們放到同一個計算節(jié)點上，和一塊Grace CPU相連。
在訓(xùn)練時，它被用于快速檢查點；而在推理和生成的場景，它可以用于儲存上下文內(nèi)存。
而且，這種第二代GPU還有高度的安全性，我們在使用時完全可以要求服務(wù)器保護AI不受偷竊或篡改。
并且，Blackwell中采用的是第5代NVLink。
而且，它是第一代可信賴、可使用的引擎，通過該系統(tǒng)，我們可以測試每一個晶體管、觸發(fā)器、片上內(nèi)存和片外內(nèi)存，因此我們可以當(dāng)場確定某個芯片是否出現(xiàn)故障。
基于此，英偉達將擁有十萬個GPU超算的故障間隔時間，縮短到了以分鐘為單位。
因此，如果我們不發(fā)明技術(shù)來提高超算的可靠性，那么它就不可能長期運行，也不可能訓(xùn)練出可以運行數(shù)月的模型。
如果提高可靠性，就會提高模型正常的運行時間，而后者顯然會直接影響成本。
最后，老黃表示，解壓縮引擎的數(shù)據(jù)處理，也是英偉達必須做的最重要的事之一。
通過增加數(shù)據(jù)壓縮引擎、解壓縮引擎，就能以20倍的速度從存儲中提取數(shù)據(jù)，比現(xiàn)在的速度要快得多。
超強風(fēng)冷DGX & 全新液冷MGX
Blackwell是一個重大的躍進，但對老黃來說，這還不夠大。
英偉達不僅要做芯片，還要制造搭載最先進芯片的服務(wù)器。擁有Blackwell的DGX超算，在各方面都實現(xiàn)了能力躍升。
集成了Blackwell芯片的最新DGX，能耗僅比上一代Hopper提升了10倍，但FLOPS量級卻提升了45倍。
下面這個風(fēng)冷的DGX Blackwell，里面有8個GPU。
而對應(yīng)散熱器的尺寸也很驚人，達到了15kW，并且是完全的風(fēng)冷。
如果你喜歡部署液冷系統(tǒng)呢？英偉達也有新型號MGX。
單個MGX同時集成72個Blackwell GPU，且有最新的第五代NVLink每秒130TB的傳輸速度。
NVLink將這些單獨的GPU彼此連接起來，因此我們就得到了72個GPU的MGX
介紹完芯片，老黃特意提到了英偉達研發(fā)的NVLink技術(shù)，這也是英偉達的主板可以越做越大的重要原因。
由于LLM參數(shù)越來越多、越來越消耗內(nèi)存，想要把模型塞進單個GPU已經(jīng)幾乎是不可能的事情，必需搭建集群。其中，GPU通信技術(shù)的重要性不亞于計算能力。
英偉達的NVLink，是世界上最先進的GPU互連技術(shù)，數(shù)據(jù)傳輸速率可以堪稱瘋狂！
因為如今的DGX擁有72個GPU，而上一代只有8個，讓GPU數(shù)直接增加了9倍。而帶寬量，則直接增加了18倍，AI FLops增加了45倍，但功率僅僅增加了10倍，也即100千瓦。
下面這個NVLink芯片，也堪稱是奇跡。
人們之所以意識到它的重要性，是因為它將所有這些不同的GPU連接在一起，從而能夠讓十萬億參數(shù)的LLM運行起來。
500億個晶體管，74個端口，每個端口400GB，7.2TB每秒的橫截面帶寬，這本身就是個奇跡。
而更重要的是，NVLink內(nèi)部還具有數(shù)學(xué)功能，可以實現(xiàn)歸約。對于芯片上的深度學(xué)習(xí)，這尤其重要。
有趣的是，NVLink技術(shù)，大大拓寬了我們對于GPU的想象。
比如在傳統(tǒng)的概念中，GPU應(yīng)該長成這樣。
但有了NVLink，GPU也可以變成這么大。
支撐著72個GPU的骨架，就是NVLink的5000根電纜，能夠在傳輸方面節(jié)省20kw的功耗用于芯片計算。
老黃拿在手里的，是一個NVLink的主干，用老黃的原話說，它是一個「電氣機械奇跡」
NVLink做到的僅僅是將不同GPU芯片連接在一起，于是老黃又說了一句「這還不夠宏大」。
要連接超算中心內(nèi)不同的主機，最先進的技術(shù)是「無限帶寬」（InfiniBand）。
但很多數(shù)據(jù)中心的基礎(chǔ)設(shè)施和生態(tài)，都是基于曾經(jīng)使用的以太網(wǎng)構(gòu)建的，推倒重來的成本過高。
因此，為了幫助更多的數(shù)據(jù)中心順利邁進AI時代，英偉達研發(fā)了一系列與AI超算適配的以太交換機。
網(wǎng)絡(luò)級RDMA、阻塞控制、適應(yīng)性路由、噪聲隔離，英偉達利用自己在這四項技術(shù)上的頂尖地位，將以太網(wǎng)改造成了適合GPU之間點對點通信的網(wǎng)絡(luò)。
由此也意味著，數(shù)百萬GPU數(shù)據(jù)中心的時代，即將到來。
全球2800萬開發(fā)者，即時部署LLM
在英偉達的AI工廠中，運行著可以加速計算推理的新型軟件——NIM。
老黃表示，「我們創(chuàng)建的是容器里的AI」。
這個容器里有大量的軟件，其中包括用于推理服務(wù)的Triton推理服務(wù)器、優(yōu)化的AI模型、云原生堆棧等等。
現(xiàn)場，老黃再一次展示了全能AI模型——可以實現(xiàn)全模態(tài)互通。有了NIM，這一切都不是問題。
它可以提供一種簡單、標(biāo)準(zhǔn)化的方式，將生成式AI添加到應(yīng)用程序中，大大提高開發(fā)者的生產(chǎn)力。
現(xiàn)在，全球2800萬開發(fā)者都可以下載NIM到自己的數(shù)據(jù)中心，托管使用。
未來，不再耗費數(shù)周的時間，開發(fā)者們可以在幾分鐘內(nèi)，輕松構(gòu)建生成式AI應(yīng)用程序。
與此同時，NIM還支持Meta Llama 3-8B，可以在加速基礎(chǔ)設(shè)施上生成多達3倍的token。
這樣一來，企業(yè)可以使用相同的計算資源，生成更多的響應(yīng)。
而基于NIM打造的各類應(yīng)用，也將迸發(fā)涌現(xiàn)，包括數(shù)字人、智能體、數(shù)字孿生等等。
老黃表示，「NVIDIA NIM集成到各個平臺中，開發(fā)人員可以隨處訪問，隨處運行 —— 正在幫助技術(shù)行業(yè)使生成式 AI 觸手可及」。
智能體組隊，萬億美元市場
而智能體，是未來最重要的應(yīng)用。
老黃稱，幾乎每個行業(yè)都需要客服智能體，有著萬億美元的市場前景。
可以看到，在NIM容器之上，大多數(shù)智能體負(fù)責(zé)推理，去弄清任務(wù)并將其分解成多個子任務(wù)。還有一些，它們負(fù)責(zé)檢索信息、搜索，甚至是使用工具等。
所有智能體，組成了一個team。
未來，每家公司都將有大量的NIM智能體，通過連接起來組成一個團隊，完成不可能的任務(wù)。
GPT-4o軀殼，老黃做出來了
在人機交互這方面，老黃和Sam Altman可以說是想到一起了。
他表示，雖然可以使用文字或語音形式的prompt給AI下達指令，但很多應(yīng)用中，我們還是需要更自然的、更類人的交互方式。
這指向了老黃的一個愿景——數(shù)字人。相比現(xiàn)在的LLM，它們可以更吸引人，更有同理心。
GPT-4o雖是實現(xiàn)了無法比擬的類人交互，但缺少的是一個「軀體」。
而這次，老黃都幫OpenAI想好了。
未來，品牌大使也不一定是「真人」，AI完全可以勝任。
從客戶服務(wù)，到廣告、游戲等各行各業(yè)，數(shù)字人帶來的可能將是無限的。
連接Gen AI的CG技術(shù)，還可以實時渲染出逼真的人類面部。
低延遲的數(shù)字人處理，遍及全球超過100個地區(qū)。
這是由英偉達ACE提供的魔力，能夠為創(chuàng)建栩栩如生的數(shù)字人，提供相應(yīng)的AI工具。
現(xiàn)在，英偉達計劃在1億臺RTX AI個人電腦和筆記本電腦上，部署ACE PC NIM微服務(wù)。
這其中包括英偉達首個小語言模型——Nemotron-3 4.5B，專為在設(shè)備上運行而設(shè)計，具備與云端LLM相似的精度和準(zhǔn)確性。
此外，ACE數(shù)字人類AI新套件還包括基于音軌生成身體手勢——NVIDIA Audio2Gesture，即將推出。
老黃表示，「數(shù)字人類將徹底改變各個行業(yè)，ACE提供的多模態(tài)LLM和神經(jīng)圖形學(xué)的突破，使我們更接近意圖驅(qū)動計算的未來，與計算機的交互將如同與人類的交互一樣自然」。
預(yù)告下一代芯片Rubin
Hopper和Blackwell系列的推出，標(biāo)志著英偉達逐漸搭建起完整的AI超算技術(shù)棧，包括CPU、GPU芯片，NVLink的GPU通信技術(shù)，以及NIC和交換機組成的服務(wù)器網(wǎng)絡(luò)。
如果你愿意的話，可以讓整個數(shù)據(jù)中心都使用英偉達的技術(shù)。
這足夠大、足夠全棧了吧。但是老黃表示，我們的迭代速度還要加快，才能跟上GenAI的更新速度。
??英偉達在不久前就曾放出消息，即將把GPU的迭代速度從原來的兩年一次調(diào)整為一年一次，要用最快的速度推進所有技術(shù)的邊界。??
今天的演講中，老黃再次實錘官宣GPU年更。但是他又緊跟著疊了個甲，說自己可能會后悔。
無論如何，我們現(xiàn)在知道了，英偉達不久后就會推出Blackwell Ultra，以及明年的下一代的Rubin系列。
從孿生地球，到具身AI機器人
除了芯片和超算服務(wù)器，老黃還發(fā)布了一個所有人都沒有想到的項目——數(shù)字孿生地球「Earth-2」。
這也許是世界范圍內(nèi)最有雄心的項目（甚至沒有之一）。
而且根據(jù)老黃的口吻推測，Earth-2已經(jīng)推進了數(shù)年，今年取得的重大突破才讓他覺得，是時候亮出來了。
為什么要為建造整個地球的數(shù)字孿生？是要像小扎的元宇宙那樣，把社交和互動都搬到線上平臺嗎？
不，老黃的愿景更宏偉一些。
他希望在Earth-2的模擬，可以預(yù)測整個星球的未來，從而幫我們更好地應(yīng)對氣候變化和各種極端天氣，比如可以預(yù)測臺風(fēng)的登陸點。
Earth-2結(jié)合了生成式AI模型CorrDiff，基于WRF數(shù)值模擬進行訓(xùn)練，能以12倍更高的解析度生成天氣模型，從25公里范圍提高到2公里。
不僅解析度更高，而且相比物理模擬的運行速度提高了1000倍，能源效率提高了3000倍，因此可以在服務(wù)器上持續(xù)運行、實時預(yù)測。
而且，Earth-2的下一步還要將預(yù)測精度從2公里提升到數(shù)十米，同時考慮城市內(nèi)的基礎(chǔ)設(shè)施，甚至可以預(yù)測到街道上什么時候會刮來強風(fēng)。
而且，英偉達想數(shù)字孿生的，不止是地球，還有整個物理世界。
對于這個狂飆突進的AI時代，老黃大膽預(yù)測了下一波浪潮——物理AI，或者說是具身AI。
它們不僅需要有超高的認(rèn)知能力，可以理解人類、理解物理世界，還要有極致的行動力，完成各種現(xiàn)實任務(wù)。
想象一下這個賽博朋克的未來：一群機器人在一起，像人類一樣交流、協(xié)作，在工廠里創(chuàng)造出更多的機器人。
而且，不僅僅是機器人。一切能移動的物體都會是自主的！
在多模態(tài)AI的驅(qū)動下，它們可以學(xué)習(xí)、感知世界，理解人類指令，并進化出計劃、導(dǎo)航以及動作技能，完成各種復(fù)雜任務(wù)。
那要怎樣訓(xùn)練這些機器人呢？如果讓他們在現(xiàn)實世界橫沖直撞，代價要比訓(xùn)練LLM大得多。
這時，數(shù)字孿生世界就大有用武之地了。
正像LLM可以通過RLHF進行價值觀對齊一樣，機器人也可以在遵循物理規(guī)律的數(shù)字孿生世界中不斷試錯、學(xué)習(xí)，模仿人類行為，最終達到通用智能。
Nvidia的Omniverse可以作為構(gòu)建數(shù)字孿生的平臺，集成Gen AI模型、物理模擬以及動態(tài)實時的渲染技術(shù)，成為「機器人健身房」。
志在做全棧的英偉達也不僅僅滿足于操作系統(tǒng)。他們還會提供用于訓(xùn)練模型的超算，以及用于運行模型的Jetson Thor和Orin。
為了適應(yīng)不同應(yīng)用場景下的機器人系統(tǒng)，英偉達的Omniverse將逐步擴展為Warehouse生態(tài)系統(tǒng)。
這個生態(tài)將無所不包，從搭配應(yīng)用程序的SDK和API，到運行邊緣AI計算的接口，再到最底層的可定制芯片。
在全棧產(chǎn)品方面，英偉達就是想要做自己的「全家桶」，讓別人無路可走。
為了讓這個AI 機器人時代看起來更真實，演示的最后，9個和老黃有同樣身高的機器人一同登場。
正如老黃所說的，「這不是未來，這一切都正在發(fā)生」。
本文轉(zhuǎn)自 新智元 ，作者：新智元
