今天小編分享的财經經驗：黃仁勳：AI 促使能耗成本降10倍，未來所有人都将構建人形機器人，歡迎閱讀。
钛媒體 App 4 月 21 日消息，近期在美國舉行的 CadenceLIVE Silicon Valley 2024 上，英偉達 CEO 黃仁勳（Jensen Huang）院士與 Cadence 總裁兼 CEO 阿尼魯德 · 德夫甘（Anirudh Devgan）進行一場爐邊對話。
黃仁勳表示，一旦數萬台通用伺服器運行，将消耗 10 倍到 20 倍的成本，20 倍到 30 倍的能源，加速計算就是必不可少的。随着 CPU 擴展速度逐步放緩，人們必須轉向加速計算，同時 AI 技術也可以降低能源成本。
"AI 實際上幫助人們節省能源。如果不是因為你創建的 AI 模型，如果沒有 AI，我們怎麼能節省 6 倍或 10 倍的成本呢？一旦模型訓練一次，數百萬工程師将會從中受益，幾十年來數十億人将會享受到節省的成本。" 黃仁勳表示，我們必須轉向加速計算，以節省電力，節省時間，節省金錢。
黃仁勳還預測，在不久的将來，我們所有人都将建造全新類别的設備是 " 人形機器人 "（humanoid robot）。
" 你可以看到，人形機器人的制造成本可能比人們預期的要低得多。為什麼你會花 10000 到 20000 美元買車？為什麼你不能花 100000 到 20000 美元買一個‘人形機器人’？在我們為人類設計的環境中，機器人可能會更加靈活，更加多才多藝。" 黃仁勳表示。
據悉，Cadence 是由 SDASystems 和 ECAD 兩家公司于 1988 年兼并而成，總部位于美國，是芯片 EDA（電子設計自動化）領網域的巨頭公司。
實際上，EDA 軟體技術在芯片設計中不可或缺。EDA 通常指利用電腦輔助設計軟體來完成集成電路的功能設計、驗證等流程的設計方式。英偉達的 GPU（圖形處理器）芯片利用 EDA 軟體才可以制造。據行業機構電子系統設計聯盟（ESD）數據，2022 年，EDA 全球市場将達到 150 億美元左右。
在國内 EDA 市場，2020 年，以收入規模計，新思科技（Synopsys）、Cadence 和西門子（Siemens EDA）市場份額合計超過 77%，如今 " 三巨頭 " 份額甚至超過 80%，幾乎所有下遊芯片設計廠商都與這三家 EDA 公司合作。
4 月 17 日舉行的 CadenceLIVE 矽谷活動上，Cadence 宣布更新 Palladium 數據中心級硬體仿真加速系統，以及 Protium 面向數據中心優化的 FPGA 原型系統。
值得一提的是，英偉達是 Palladium 和 Protium 系列的最大客戶，兩家公司利用 Cadence 系統，以及 EDA、AI 等技術，加速研發 GPU 芯片和 CUDA 加速計算系統，以生產更節能的 AI 半導體，即通過加速計算和生成式 AI 重塑芯片設計。
黃仁勳在公開的 28 分鍾對話中表示，加速計算時代已經到來。底層計算平台的根本變化和轉變是 Cadence 發展的基礎，所有人都依賴 Cadence 技術。而英偉達是做加速計算。一旦你開始加速計算，那麼下一件可能的事情就是創造生成式 AI。如果沒有向加速計算的過渡，生成式 AI 将很難實現。
" 加速計算的好處是，突然之間，過去使用 CPU 擴展很難擴展的東西如今可以實現。芯片設計想要做的是探索一個多維、多模态、經常探索的空間。這沒有一個最佳答案，所以我們需要探索成千上萬個不同領網域，我們對芯片設計空間的探索實在是太難了，無限的計算增長是無法做到的，AI 則将幫助我們跳進探索和優化的特定領網域。所以我認為，加速計算和生成式 AI 首先将改變 Cadence 開發軟體的方式，它将改變我們使用軟體的方式。除此以外，我們設計的電路、我們的芯片、我們的個人電腦、我們的系統、我們在 Cadence 的數據中心、電路設計，邏輯設計，系統設計，仿真，驗證，形式驗證等等，不止是芯片或系統，所有事務都會被 AI 所改變。" 黃仁勳稱。
黃仁勳坦言，他發現，一個程式中的一小部分代碼代表了工具的大部分運行時間。例如 CFD（計算流體力學），它可能只用 3% 的代碼，代表運行 99.9% 的時間，而剩餘的 97% 的代碼可以用 AI 和加速計算進行重寫，使得應用程式加速 100000 倍。
" 當然，類似的應用程式很少，我們想要重寫的應用程式非常少。" 黃仁勳稱，他想表達的是，GPU 是英偉達加速計算的第一選擇，因為事實證明。它是可以進行并行計算的重要處理方式，而且也是一個非常大的市場，它的變化非常快，創新也非常快。
黃仁勳笑着說，" 事實上，我創造了‘加速計算’這個詞。"
此外，黃仁勳還重點談到了加速計算在藥物發現、數據中心、智能汽車和人形機器人等領網域的重要推動力。
首先是藥物發現。
黃仁勳稱，生物醫藥、計算流體力學等方向上，過去 30 年間，人們通過 CUDA 和不同的 DSL 領網域、特定的庫，實現了 AI 加速計算。
其次是數據中心計算。黃仁勳認為，通過投資 AI，通過投資數據中心，英偉達能夠設計出更好、更節能的產品。而英偉達設計了一次 GPU 芯片，你将生產運輸一萬億次，從而建造了一個數據中心，但你節省了全球 6% 的電力，而這将被十億人享受。
" 通過設計更好的軟體，更好的芯片，更好的系統，我們能夠為世界節省的能源對社會有永久的好處。一方面，我們将消耗更多的電力和數據中心人工智能；另一方面，對于其他 98% 的電力消耗和能源消耗，我們将減少它。設計出更好的電腦、更好的汽車、更好的手機等。" 黃仁勳指出。
再次是智能汽車。黃仁勳表示，他更希望把汽車抽象成為擁有自主系統的 " 人形機器人 "。
黃仁勳稱，在機器人當中有諸多的關節、感應器，因此功能安全就變得非常重要，所以我們需要有設計和驗證計算機的方式，AI 技術在這個領網域的運用相當廣闊。
" 這些系統将始終連接到雲端和數據中心，這樣它當然可以更新體驗，報告故障和新情況，然後下載新模型。所以我喜歡自主系統的整個領網域，在不久的将來，我們所有人都将建造的全新類别的設備，将是人形機器人。" 黃仁勳指出，" 因此，生產線是為人類設計的，倉庫是為人類設計的，很多東西都是為人類設計的，因此人形機器人在那種環境中更有可能富有成效。"
最後，他再次談到，科學發現過程确實必不可少，但卻是零散的。英偉達要把生物學變成一個 " 工程 " 項目，所以科學發現的過程真的很重要，加速計算也非常重要。
" 順便說一句，如果我們不轉向我們的加速計算，如果我們不轉向人工智能，計算機行業将經歷愛隆定律（Eroom's law）。原因非常非常清楚。我們所做的工作量，我們所做的計算一直在增長。但是 CPU 擴展已經放緩，因此，我們将享受增長，而不是計算成本的降低。" 黃仁勳稱，在加速計算下，數字生物學将經歷一次全面的復興，科學和工程将越來越接近，因此必須要用重要工具、計算系統和算法，來幫助處理非常大型數據系統。
但黃仁勳也坦言，加速計算的功耗非常高，因此需要用更多的投資、AI 用例等方式進行解決。
" 你說的第一件事絕對正确，加速計算的功耗非常高，原因是計算機的密度太高了。功耗很高，無論我們如何優化功耗，利用率都會直接轉化為更高的性能。這種表現可以用更高的生產力來衡量，也可以用創造更多收入、直接存力來衡量。同樣的性能，你可以買小得多的東西。因此，我認為加速計算中的電源管理可以直接轉化為您所關心的所有事情。" 黃仁勳強調，AI 在幫助人類應對氣候變化方面完全是變革性的技術，形成更高效的能源等。
黃仁勳在結尾強調，英偉達的發展哲學，是讓更多專家和做出重要貢獻的人員組合成 " 多元化團隊 "，聚集在一起做更多的事情。
" 我認為這是英偉達規模如此之小的原因之一。我們只有 28000 人，但我們的力量遠遠超過我們的人員規模。幾乎每個人都有權代表我做出更好的、合理的、有原則的決定，這就是為什麼英偉達做到如此規模的原因。我們是一個完整組織。所以我試圖創造一種環境，讓公司每一層的專家和貢獻者都能參與到一個問題中，同時參與到一個問題中。" 黃仁勳稱。
（本文首發于钛媒體 App，作者｜林志佳，編輯｜胡潤峰）
