今天小編分享的教育經驗：英偉達CEO黃仁勳：我們正在見證“摩爾定律的平方”，歡迎閲讀。
作者 | chouti
來源 | 湧現聚點 管理智慧 AI+
咨詢合作 | 13699120588
文章僅代表作者本人觀點
核心觀點
摩爾定律的加速：黃仁勳提出我們正經歷 " 摩爾定律的平方 " 現象，計算能力增長速度遠超傳統摩爾定律預測。
計算總量爆發式增長：2010 年後，全球計算總量的翻倍周期從 17-29 個月縮短至 4-9 個月，硬體產能和軟體優化雙管齊下推動了這一加速。
通用型機器人臨近突破：NVIDIA 研究員 Jim Fan 預測，在未來 2-3 年内，機器人硬體将在靈活性和精确度上達到人類水平，同時通用型機器人基礎模型也将實現突破。
AI 模型多元化發展：未來可能會出現多種專業化 AI 模型，包括認知模型（語言和推理）、專業領網域模型（如 AlphaFold）以及機器人導向模型，它們可能會融合或保持專業化分工。
經濟轉型加速：即使價格高達 5 萬美元，通用型機器人的經濟效益也将遠超人類勞動力成本，這将在未來 2-3 年内對就業市場和經濟結構產生深遠影響。
節目背景介紹
在這期《人工智能大師課 [ 1 ] 》播客節目 [ 2 ] 中，主持人深入分析了 NVIDIA 首席執行官黃仁勳在 Salesforce Dreamforce 活動上的驚人言論—— "我們正在見證摩爾定律的平方"。這一觀點引發了對計算能力增長速度、AI 發展軌迹以及未來機器人技術的廣泛讨論。主持人通過數據分析、專家觀點和經濟計算，為我們展示了這一技術加速現象及其可能帶來的深遠影響。以下是這期精彩節目的完整内容。
黃仁勳的驚人言論
最近，英偉達 CEO 黃仁勳發表了一個引人注目的言論。如果這話出自其他人之口，你可能會将其視為誇張之詞。但來自黃仁勳，這值得我們認真思考。
在幾天前的 Salesforce Dreamforce 活動上，他説：" 這是一個非凡的時代。歷史上從未有技術比摩爾定律發展得更快。我們現在的發展速度遠超摩爾定律，可以説是摩爾定律的平方。"
這句 "摩爾定律的平方" 是什麼意思？我查閲了所有相關數據和研究，确實有證據支持這一説法，但需要一些限定條件。
計算能力增長的驚人速度
傳統的摩爾定律描述的是計算密度每 18 到 24 個月翻一番。但現在增長的是計算總量，以及通過軟體層面提升的計算效率。讓我來分解解釋這一點。
從 1959 年到 2010 年，全球計算能力總量平均每 17 到 29 個月翻一番。這裏指的是世界上實際可用的計算能力總和。因為即使你擁有世界上最快的 CPU，如果只有一個，意義也不大。所以不僅僅是芯片架構或速度的問題，還關乎芯片的總數量。
而從 2010 年到 2022 年，計算總量的翻倍速度加快到每 4 到 9 個月一次，這明顯快了很多。也就是説，即使芯片密度沒有那麼快提升，芯片數量卻在非常迅速地翻倍。這更多反映的是工業產能或芯片制造廠的產能。
軟體優化的巨大潛力
在硬體之外，模型性能方面也有驚人進展。通過量化和蒸餾等技術，性能優化可以帶來數量級的提升。
例如，ImageNet 分類錯誤率從 28% 降至 2% 僅用了幾年時間。同時，訓練時間也大幅縮短：2017 年 10 月需要 13 天，而到了 2019 年 7 月僅需 88 秒，也就是不到一分半鍾。
這種幾百倍的加速正是我們所見證的。特别是使用影像生成器的人都能感受到，從早期的 DALL-E 和 Stable Diffusion 的不穩定輸出，到現在我們能夠相當可靠地獲得照片級真實感影像，僅僅過了幾年。更重要的是，這些技術已經商用化，不再局限于實驗室。
計算成本的斷崖式下降
另一個思考角度是計算成本。用金錢作為通用衡量部門其實很有用。Ray Kurzweil 指出，購買一太浮點 ( TeraFLOPS ) 或一拍浮點 ( PetaFLOPS ) 或一艾浮點 ( ExaFLOPS ) 計算能力的成本已經下降了數萬億倍甚至更多。
綜合來看，即使硅基晶體管的納米級架構接近極限，這幾乎也不重要了，因為我們正在找到越來越多方法從這項技術中榨取更多性能，無論是從總浮點運算量、每美元浮點運算量，還是每瓦特浮點運算量等方面。
機器人技術的飛躍
我觀看了 NVIDIA 負責具身機器人和基礎模型研究的首席研究員 Jim Fan 的完整采訪。Jim 表示，我們距離在靈活性和精确度等方面能夠匹敵人類的機器人硬體只有 2 到 3 年的距離。
當然，機器人在力量和速度方面已經超越人類，因為機器在這些方面通常表現更好。就像波士頓動力的機器人能做後空翻和跑酷一樣，它做後空翻比我強多了——我嘗試過，會傷到肩膀。
Jim 還表示，通用型機器人基礎模型也只需 2 到 3 年就能實現。你可能會問，機器人基礎模型與 OpenAI 和谷歌正在開發的基礎模型有什麼區别？
AI 模型的多元化發展
如果一個基礎模型從語言開始，是一個标記化模型，那麼它的原生環境就是數字信息，即檔案。這包括任何可以被标記化的内容，如文本、影像和視頻等。
而 NVIDIA 正在開發一個 " 萬物互通 " 模型，基本上它可以接收任何類型的數據輸入，并輸出你想要的任何類型的信息。
但我們（我和交流過的人）認為，可能會有幾個主要的模型分類：
認知模型：類似于 Andrej Karpathy 所説的，包括語言模型和推理模型，這些是能夠進行推理、規劃和解決問題的認知代理，包括編寫代碼、撰寫文本等。
專業領網域模型：如 AlphaFold 和 AlphaProteo，這更像是經典機器學習而非今天所説的人工智能。不過這種區分其實不那麼重要，它們都是學會了人類無法完成的任務，并且比人類或傳統方法更快更便宜地完成任務的計算機。
機器人導向模型：這些模型更适合在高摩擦環境中導航，使用各種機器人底盤等。基本上就像安納金給 C-3PO 插入的機器人大腦，使它能夠導航世界，遵循基本指令等。
但你可能仍然需要一個單獨的推理引擎來處理更高階的復雜問題求解、内存管理等。
專用芯片與通用模型的競争
我不想對未來做出明确預測，因為我能看到兩種可能性。一種是所有技術最終融合成 "一個模型統治一切"；另一種是專業化模型最終成為小型外設。
例如，我可以想象專用集成電路 ( ASIC ) 和神經形态芯片最終被整合到機器人底盤中，這樣你甚至不需要機器人基礎模型。實際上，這可能是你想要走的方向，原因有二：一是它們不可被黑客攻擊；二是它們更高效，可以大規模生產。
這種效率在擴展到數十億機器人時尤為重要，特别是考慮到電池壽命和電網需求。所以，一旦我們開始擁有更好的通用型機器人，雖然很多功能會在軟體層面實現，但像人類腦幹或小腦那樣負責生成運動模式的部分可能會由自訓練 ASIC AI 負責。
這就是為什麼你可以不假思索地行走，為什麼每次伸手拿車鑰匙或門把手時，你不需要考慮每個手指、整個手或整個手臂在做什麼。當然，你可以有意識地接管這個過程，這對需要即興創新的機器人也很重要。但同時，如果能使某些功能自動化和高效化，那就朝那個方向發展。
經濟影響與大規模部署
假設 Jim Fan 是正确的，我們将在 2-3 年内擁有基本等同于人類或超越人類的機器人。同時，在 2023 年底或 2025 年前，我們将在絕大多數智力活動上擁有超越人類的 AI。這對經濟和我們的生活方式意味着什麼？
即使索尼、波士頓動力、Figure One 和 Unitree 等所有研發人形機器人的公司明天就宣布：" 我們成功了！我們有了通用基礎模型，這個機器人比任何人都更有能力。" 即使他們展示了一隊機器人在 4 小時内建造了一座房子，或者參與了高能物理研究，建造了核聚變反應堆。即使所有這些明天就實現，制造足夠多的機器人也需要時間。
有人評論説我們沒有資源大規模生產，這是不正确的。全球每年生產 7000 萬輛汽車，目前道路上有約 14-15 億輛汽車。Jim Fan 表示，一個人形機器人只需要一輛汽車資源的 4%。也就是説，制造一輛汽車的資源可以制造約 25 個人形機器人。
如果我們将這 7000 萬輛汽車的資源轉用于制造機器人，那麼每年可以生產 7000 萬 × 25=17 億個人形機器人。當然，這會推高電池、鋼鐵和微芯片等的價格，但我的觀點是，我們已經具備每年生產數億甚至數十億機器人的工業能力，只是資源分配的問題。
機器人經濟學：租賃模式的可行性
員工和雇主都向我表達了類似的看法：即使一個人形機器人價值 5 萬美元，如果它能像人類工人一樣工作，但可以不知疲倦地工作（電池電量低時只需插上延長線或更換電池），那麼即使每年 5 萬美元的成本加上 1 萬美元的維護費用，替換人類工人仍然是有意義的。因為你不必擔心工人生病、起訴你或需要提供就業福利，它只是一件設備，而非人類。
假設三年後，一個能夠完成任何人類工作（無論是體力還是腦力）的高端機器人價值 5 萬美元。這個價格對大多數中產家庭來説可能難以承受，但正如有人指出的，你可以像租車一樣租用它，設定分期付款計劃。
使用汽車貸款計算器，假設機器人價格為 5 萬美元，零首付，72 個月貸款期，每月付款約 900 美元，為期五年。這相當昂貴，但如果它能為你每月創造超過 900 美元的收入或節省超過 900 美元的開支，那仍然是值得的。
想象一下，如果我有一個全職助手在家，能夠進行視頻編輯、洗碗、修繕房屋，我很樂意每月支付 900 美元購買一個超級強大的機器人來完成所有這些工作。它可以做飯、清潔、洗衣、家庭維護，還能幫助我的業務。對我來説，這絕對值得。即使價格達到 5 萬美元，對我來説也可能比我的汽車更有價值，因為它甚至可以幫我維護汽車。
就業市場的颠覆性變革
每個公司都會進行同樣的計算：這個機器人每月花費我 900 美元，但如果它能運行 IT 部門、銷售部門等，那絕對物有所值。
關鍵在于，每個公司都會做出同樣的計算。而每月 900 美元遠低于大多數員工的成本，尤其是高級員工。想象一下，這個機器人擁有數學、化學、物理和計算機科學博士水平的智能，每月只需 900 美元就能讓愛因斯坦級别的天才為你工作，而且每一個機器人都同樣聰明。
這種情況下，淘汰所有人類員工而雇用機器人是顯而易見的選擇。我認為，在未來 2-3 年内，我們将面臨這樣的局面：一個人形大小的機器人，具有通用能力，每月租賃成本僅 900 美元，這将對經濟的方方面面產生什麼影響？這需要很長時間來分析。
結語
以上就是黃仁勳和 Jim Fan 的觀點，以及支持這些觀點的一些數據。感謝收聽。
參考資料
[ 1 ]
人工智能大師課 : https://podcasts.apple.com/us/podcast/artificial-intelligence-masterclass/id1721855892
[ 2 ]
播客節目 : https://podwise.ai/dashboard/episodes/1938143
