快科技10月29日消息，英伟达首席执行官黄仁勋在GTC柏林大会发表演讲，涉及AI产业从大语言模型走向自主智能体（AI Agent）、AI工厂与实体机器人的发展。他指出，过去十年AI性能提升约100万倍，远超同期摩尔定律带来的约100倍增长，关键在于硬件、软件、算法与系统架构的整合式设计。
黄仁勋以一台轻薄的RTX Spark计算设备作为演讲开场，指出这类设备具备最高128GB统一内存，并以此对比2016年英伟达将DGX-1送往OpenAI旧金山办公室的情景。当年DGX-1同样具备128GB内存，却是一台需要两人搬运的大型设备；如今相近容量的计算设备已能由一人单手举起。黄仁勋借此说明，过去十年间AI性能提升约100万倍，而摩尔定律同期带来的提升约为100倍，两者差距来自整个计算系统的协同优化，而不只是单一芯片的进步。英伟达将这种方法称为“极致协同设计”，涵盖芯片、系统架构、软件、算法及数据中心等不同层级。
黄仁勋认为，传统个人电脑主要按照用户输入的指令执行工作，未来的电脑则有机会成为用户的个人AI智能体与工作助手。用户不必亲自操作每一套软件，而是将任务交给AI智能体，由智能体自行规划步骤、选择工具并完成工作。英伟达因此将RTX Spark定位为可在桌面端运行个人AI智能体的计算平台。
在更大规模部署层面，黄仁勋将AI数据中心称为“AI工厂”，并以制造业作比喻。他指出，传统工厂将原料转化为产品，AI工厂则将电力、计算资源与数据转化为智能。企业若想成为AI经济的一部分，不应只消费AI服务，也必须具备生产AI服务与智能成果的能力。依照演讲中的估算，一座1吉瓦规模的AI工厂，若将土地、电力、厂房、计算设备、网络、存储与散热等成本纳入，整体投资约需500亿美元。
若工厂一年可创造400亿美元收入，延后投产三个月就可能错失约100亿美元收入。这项估算凸显大型AI基础设施的建设速度，可能直接影响企业能否及时取得计算产能并将其转化为商业收入。为缩短AI工厂建设时间，英伟达推出NVIDIA DSX POD。每个POD由七个液冷计算机架组成，机架之间通过总长约17公里的Spectrum-X网络线连接。
英伟达表示，传统大型AI系统从运送、组装到测试，部署时间可能长达约六个月；DSX POD则将整合、启动、验证及老化测试等流程提前移至工厂完成，使现场部署时间最短可缩至14天。除企业AI工厂与个人AI智能体外，黄仁勋也将物理AI与机器人列为下一阶段的重要发展方向。
演讲中的示范主角是MicroDuck机器人，该机器人由Hugging Face与Pollen Robotics相关团队参与开发。示范展示了开发者如何利用AI智能体建立模拟环境、训练机器人行走，再将训练结果部署到真实机器上。
黄仁勋：AI性能十年提升100万倍 新布局个人智能体、AI工厂
【本文结束】出处：快科技
0 留言