今天小编分享的教育经验：英伟达CEO黄仁勋：我们正在见证“摩尔定律的平方”，欢迎阅读。
作者 | chouti
来源 | 涌现聚点 管理智慧 AI+
咨询合作 | 13699120588
文章仅代表作者本人观点
核心观点
摩尔定律的加速：黄仁勋提出我们正经历 " 摩尔定律的平方 " 现象，计算能力增长速度远超传统摩尔定律预测。
计算总量爆发式增长：2010 年后，全球计算总量的翻倍周期从 17-29 个月缩短至 4-9 个月，硬體产能和軟體优化双管齐下推动了这一加速。
通用型机器人临近突破：NVIDIA 研究员 Jim Fan 预测，在未来 2-3 年内，机器人硬體将在灵活性和精确度上达到人类水平，同时通用型机器人基础模型也将实现突破。
AI 模型多元化发展：未来可能会出现多种专业化 AI 模型，包括认知模型（语言和推理）、专业领網域模型（如 AlphaFold）以及机器人导向模型，它们可能会融合或保持专业化分工。
经济转型加速：即使价格高达 5 万美元，通用型机器人的经济效益也将远超人类劳动力成本，这将在未来 2-3 年内对就业市场和经济结构产生深远影响。
节目背景介绍
在这期《人工智能大师课 [ 1 ] 》播客节目 [ 2 ] 中，主持人深入分析了 NVIDIA 首席执行官黄仁勋在 Salesforce Dreamforce 活动上的惊人言论—— "我们正在见证摩尔定律的平方"。这一观点引发了对计算能力增长速度、AI 发展轨迹以及未来机器人技术的广泛讨论。主持人通过数据分析、专家观点和经济计算，为我们展示了这一技术加速现象及其可能带来的深远影响。以下是这期精彩节目的完整内容。
黄仁勋的惊人言论
最近，英伟达 CEO 黄仁勋发表了一个引人注目的言论。如果这话出自其他人之口，你可能会将其视为夸张之词。但来自黄仁勋，这值得我们认真思考。
在几天前的 Salesforce Dreamforce 活动上，他说：" 这是一个非凡的时代。历史上从未有技术比摩尔定律发展得更快。我们现在的发展速度远超摩尔定律，可以说是摩尔定律的平方。"
这句 "摩尔定律的平方" 是什么意思？我查阅了所有相关数据和研究，确实有证据支持这一说法，但需要一些限定条件。
计算能力增长的惊人速度
传统的摩尔定律描述的是计算密度每 18 到 24 个月翻一番。但现在增长的是计算总量，以及通过軟體层面提升的计算效率。让我来分解解释这一点。
从 1959 年到 2010 年，全球计算能力总量平均每 17 到 29 个月翻一番。这里指的是世界上实际可用的计算能力总和。因为即使你拥有世界上最快的 CPU，如果只有一个，意义也不大。所以不仅仅是芯片架构或速度的问题，还关乎芯片的总数量。
而从 2010 年到 2022 年，计算总量的翻倍速度加快到每 4 到 9 个月一次，这明显快了很多。也就是说，即使芯片密度没有那么快提升，芯片数量却在非常迅速地翻倍。这更多反映的是工业产能或芯片制造厂的产能。
軟體优化的巨大潜力
在硬體之外，模型性能方面也有惊人进展。通过量化和蒸馏等技术，性能优化可以带来数量级的提升。
例如，ImageNet 分类错误率从 28% 降至 2% 仅用了几年时间。同时，训练时间也大幅缩短：2017 年 10 月需要 13 天，而到了 2019 年 7 月仅需 88 秒，也就是不到一分半钟。
这种几百倍的加速正是我们所见证的。特别是使用影像生成器的人都能感受到，从早期的 DALL-E 和 Stable Diffusion 的不稳定输出，到现在我们能够相当可靠地获得照片级真实感影像，仅仅过了几年。更重要的是，这些技术已经商用化，不再局限于实验室。
计算成本的断崖式下降
另一个思考角度是计算成本。用金钱作为通用衡量部門其实很有用。Ray Kurzweil 指出，购买一太浮点 ( TeraFLOPS ) 或一拍浮点 ( PetaFLOPS ) 或一艾浮点 ( ExaFLOPS ) 计算能力的成本已经下降了数万亿倍甚至更多。
综合来看，即使硅基晶体管的纳米级架构接近极限，这几乎也不重要了，因为我们正在找到越来越多方法从这项技术中榨取更多性能，无论是从总浮点运算量、每美元浮点运算量，还是每瓦特浮点运算量等方面。
机器人技术的飞跃
我观看了 NVIDIA 负责具身机器人和基础模型研究的首席研究员 Jim Fan 的完整采访。Jim 表示，我们距离在灵活性和精确度等方面能够匹敌人类的机器人硬體只有 2 到 3 年的距离。
当然，机器人在力量和速度方面已经超越人类，因为机器在这些方面通常表现更好。就像波士顿动力的机器人能做后空翻和跑酷一样，它做后空翻比我强多了——我尝试过，会伤到肩膀。
Jim 还表示，通用型机器人基础模型也只需 2 到 3 年就能实现。你可能会问，机器人基础模型与 OpenAI 和谷歌正在开发的基础模型有什么区别？
AI 模型的多元化发展
如果一个基础模型从语言开始，是一个标记化模型，那么它的原生环境就是数字信息，即檔案。这包括任何可以被标记化的内容，如文本、影像和视频等。
而 NVIDIA 正在开发一个 " 万物互通 " 模型，基本上它可以接收任何类型的数据输入，并输出你想要的任何类型的信息。
但我们（我和交流过的人）认为，可能会有几个主要的模型分类：
认知模型：类似于 Andrej Karpathy 所说的，包括语言模型和推理模型，这些是能够进行推理、规划和解决问题的认知代理，包括编写代码、撰写文本等。
专业领網域模型：如 AlphaFold 和 AlphaProteo，这更像是经典机器学习而非今天所说的人工智能。不过这种区分其实不那么重要，它们都是学会了人类无法完成的任务，并且比人类或传统方法更快更便宜地完成任务的计算机。
机器人导向模型：这些模型更适合在高摩擦环境中导航，使用各种机器人底盘等。基本上就像安纳金给 C-3PO 插入的机器人大腦，使它能够导航世界，遵循基本指令等。
但你可能仍然需要一个单独的推理引擎来处理更高阶的复杂问题求解、内存管理等。
专用芯片与通用模型的竞争
我不想对未来做出明确预测，因为我能看到两种可能性。一种是所有技术最终融合成 "一个模型统治一切"；另一种是专业化模型最终成为小型外设。
例如，我可以想象专用集成电路 ( ASIC ) 和神经形态芯片最终被整合到机器人底盘中，这样你甚至不需要机器人基础模型。实际上，这可能是你想要走的方向，原因有二：一是它们不可被黑客攻击；二是它们更高效，可以大规模生产。
这种效率在扩展到数十亿机器人时尤为重要，特别是考虑到电池寿命和电网需求。所以，一旦我们开始拥有更好的通用型机器人，虽然很多功能会在軟體层面实现，但像人类腦干或小腦那样负责生成运动模式的部分可能会由自训练 ASIC AI 负责。
这就是为什么你可以不假思索地行走，为什么每次伸手拿车钥匙或门把手时，你不需要考虑每个手指、整个手或整个手臂在做什么。当然，你可以有意识地接管这个过程，这对需要即兴创新的机器人也很重要。但同时，如果能使某些功能自动化和高效化，那就朝那个方向发展。
经济影响与大规模部署
假设 Jim Fan 是正确的，我们将在 2-3 年内拥有基本等同于人类或超越人类的机器人。同时，在 2023 年底或 2025 年前，我们将在绝大多数智力活动上拥有超越人类的 AI。这对经济和我们的生活方式意味着什么？
即使索尼、波士顿动力、Figure One 和 Unitree 等所有研发人形机器人的公司明天就宣布：" 我们成功了！我们有了通用基础模型，这个机器人比任何人都更有能力。" 即使他们展示了一队机器人在 4 小时内建造了一座房子，或者参与了高能物理研究，建造了核聚变反应堆。即使所有这些明天就实现，制造足够多的机器人也需要时间。
有人评论说我们没有资源大规模生产，这是不正确的。全球每年生产 7000 万辆汽车，目前道路上有约 14-15 亿辆汽车。Jim Fan 表示，一个人形机器人只需要一辆汽车资源的 4%。也就是说，制造一辆汽车的资源可以制造约 25 个人形机器人。
如果我们将这 7000 万辆汽车的资源转用于制造机器人，那么每年可以生产 7000 万 × 25=17 亿个人形机器人。当然，这会推高电池、钢铁和微芯片等的价格，但我的观点是，我们已经具备每年生产数亿甚至数十亿机器人的工业能力，只是资源分配的问题。
机器人经济学：租赁模式的可行性
员工和雇主都向我表达了类似的看法：即使一个人形机器人价值 5 万美元，如果它能像人类工人一样工作，但可以不知疲倦地工作（电池电量低时只需插上延长线或更换电池），那么即使每年 5 万美元的成本加上 1 万美元的维护费用，替换人类工人仍然是有意义的。因为你不必担心工人生病、起诉你或需要提供就业福利，它只是一件设备，而非人类。
假设三年后，一个能够完成任何人类工作（无论是体力还是腦力）的高端机器人价值 5 万美元。这个价格对大多数中产家庭来说可能难以承受，但正如有人指出的，你可以像租车一样租用它，設定分期付款计划。
使用汽车贷款计算器，假设机器人价格为 5 万美元，零首付，72 个月贷款期，每月付款约 900 美元，为期五年。这相当昂贵，但如果它能为你每月创造超过 900 美元的收入或节省超过 900 美元的开支，那仍然是值得的。
想象一下，如果我有一个全职助手在家，能够进行视频编辑、洗碗、修缮房屋，我很乐意每月支付 900 美元购买一个超级强大的机器人来完成所有这些工作。它可以做饭、清洁、洗衣、家庭维护，还能帮助我的业务。对我来说，这绝对值得。即使价格达到 5 万美元，对我来说也可能比我的汽车更有价值，因为它甚至可以帮我维护汽车。
就业市场的颠覆性变革
每个公司都会进行同样的计算：这个机器人每月花费我 900 美元，但如果它能运行 IT 部门、销售部门等，那绝对物有所值。
关键在于，每个公司都会做出同样的计算。而每月 900 美元远低于大多数员工的成本，尤其是高级员工。想象一下，这个机器人拥有数学、化学、物理和计算机科学博士水平的智能，每月只需 900 美元就能让爱因斯坦级别的天才为你工作，而且每一个机器人都同样聪明。
这种情况下，淘汰所有人类员工而雇用机器人是显而易见的选择。我认为，在未来 2-3 年内，我们将面临这样的局面：一个人形大小的机器人，具有通用能力，每月租赁成本仅 900 美元，这将对经济的方方面面产生什么影响？这需要很长时间来分析。
结语
以上就是黄仁勋和 Jim Fan 的观点，以及支持这些观点的一些数据。感谢收听。
参考资料
[ 1 ]
人工智能大师课 : https://podcasts.apple.com/us/podcast/artificial-intelligence-masterclass/id1721855892
[ 2 ]
播客节目 : https://podwise.ai/dashboard/episodes/1938143
