 黄仁勋在演讲中重点透露了芯片业务和量子计算业务的进展 黄仁勋表示，云服务提供商正在投入大量资本开支，其背后，通用计算平台向加速计算平台转变，即便没有AI，这个转变也在进行。 量子计算领域，黄仁勋则宣布，英伟达推出NVDIA NVQLink，NVQLink可以支持计算机控制和校准、量子纠错，可以让QPU（量子处理单元）和GPU超级计算机进行混合模拟，它也是完全可扩展的，可以适应未来的量子计算机。黄仁勋还宣布，已有17个不同的量子计算公司支持NVQLink。 黄仁勋还表示，英伟达的CUDA可视为面向GPU和CPU的加速计算而设计的，现在CUDA-Q进行了延展，这样就可以同时支持GPU和QPU，计算在GPU和QPU之间，可以在几微秒的时间内“移动”。 “现在我们意识到，将量子计算机直接连接到一个由GPU驱动的超级计算机是至关重要的，这样就可以进行纠错，可以对量子计算机进行人工智能校准和控制，可以在GPU和QPU上运行正确的算法，两台计算机并排工作，这就是量子计算的未来。”黄仁勋称。 黄仁勋也对AI带来的计算需求做出解读。他表示，AI第一次参与到上百万亿美元规模的经济种。过去，芯片产业大约占几万亿美元规模的IT产业中的5%~10%甚至更少，这是因为Excel、浏览器等应用不需太多计算。但在新的时代，需要有一台计算机能随时理解上下文，每一步都需要生成大量token（代币），现在AI的“思考”给基础设施带来了令人难以置信的计算负载。 “摩尔定律已基本终结，问题是我们该怎么办？如果我们没有找到降低成本的办法？”黄仁勋表示，AI产业已经进入一个循环，即用AI的人越多，AI能产生的利润越多，使得有更多计算机投入使用，从而使AI更智能，业界需要做的事则是降低成本。要降低AI计算的成本、维持这个虚拟循环，答案是协同设计（co-design）。 “你不能只设计芯片，然后希望一切都好。”黄仁勋表示，英伟达从一张白纸开始，同时考虑新的计算机架构、芯片、系统、模型和应用，公司现在有能支持跨区域扩展的以太网技术Spectrum-XGS，可以将数据中心整合为吉瓦级的AI工厂。通过理解AI模型以及横跨整个堆栈，可以创建面向未来的架构，降低token成本。 机器人领域，黄仁勋还介绍了公司的新自动驾驶开发平台DRIVE Hyperion，并表示，Robotaxi（无人驾驶出租车）的拐点将到来，这些汽车每年将行驶一万亿英里，每年业内将生产一亿辆汽车。黄仁勋宣布，英伟达与Uber合作，将把英伟达DRIVE Hyperion驱动的车连接到一个全球网络中。 |
