Nvidia 首席執(zhí)行官黃仁勛挑戰(zhàn)傳統(tǒng)觀點，稱其公司的 AI 芯片正在超越摩爾定律設定的歷史性能提升。這一說法是在拉斯維加斯 CES 的主題演講中提出的，并在一次采訪中重申，預示著計算和人工智能領(lǐng)域可能出現(xiàn)范式轉(zhuǎn)變。

幾十年來，英特爾聯(lián)合創(chuàng)始人戈登·摩爾于 1965 年提出的摩爾定律一直是計算進步的驅(qū)動力。它預測計算機芯片上的晶體管數(shù)量每年將大約翻一番，從而導致性能呈指數(shù)級增長，成本大幅下降。然而，近年來，這一定律已顯示出放緩的跡象。

然而，黃仁勛對 Nvidia 的 AI 芯片卻有不同的看法。他告訴TechCrunch：“我們的系統(tǒng)發(fā)展速度遠超摩爾定律。”他指的是該公司最新的數(shù)據(jù)中心超級芯片，據(jù)稱該芯片的 AI 推理工作負載速度比其前代產(chǎn)品快 30 倍以上。

黃仁勛將這一加速進展歸功于 Nvidia 全面的芯片開發(fā)方法。他解釋說：“我們可以同時構(gòu)建架構(gòu)、芯片、系統(tǒng)、庫和算法。如果你這樣做，那么你的發(fā)展速度就能快于摩爾定律，因為你可以在整個堆棧中進行創(chuàng)新。”

這一策略顯然取得了令人印象深刻的成果。黃仁勛聲稱，如今英偉達的人工智能芯片比十年前先進了1000倍，遠遠超過了摩爾定律設定的速度。

黃仁勛駁斥了人工智能發(fā)展停滯的觀點，他概述了三種積極的人工智能擴展法則：訓練前、訓練后和測試時計算。他指出了測試時計算的重要性，它發(fā)生在推理階段，讓人工智能模型在回答每個問題后有更多時間“思考”。

在 CES 主題演講中，黃仁勛展示了 Nvidia 最新的數(shù)據(jù)中心超級芯片 GB200 NVL72，并宣稱其在 AI 推理工作負載方面的性能比其前身 H100 提高了 30 到 40 倍。黃仁勛認為，隨著時間的推移，這種性能飛躍將使 OpenAI 的 o3 等昂貴的 AI 推理模型變得更加實惠。

黃仁勛表示：“無論是在性能還是成本承受能力方面，測試時計算的直接和直接解決方案都是提高我們的計算能力。”他補充說，從長遠來看，人工智能推理模型可用于為人工智能模型的訓練前和訓練后創(chuàng)建更好的數(shù)據(jù)。

Nvidia 的聲明發(fā)表于人工智能行業(yè)的關(guān)鍵時刻，谷歌、OpenAI 和 Anthropic 等人工智能公司都依賴其芯片及其性能的進步。此外，隨著科技行業(yè)的重點從訓練轉(zhuǎn)向推理，人們開始質(zhì)疑 Nvidia 昂貴的產(chǎn)品是否能保持主導地位。黃仁勛的聲明表明，Green 團隊不僅跟上了步伐，還在推理性能和成本效益方面樹立了新標準。

盡管 OpenAI 的 o3 等第一版人工智能推理模型的運行成本很高，但黃仁勛預計，在 Nvidia 等硬件公司計算技術(shù)的突破推動下，人工智能模型成本下降的趨勢將持續(xù)下去。

黃仁勛曾表示：摩爾定律已死

在2019年的CES上，Nvidia 首席執(zhí)行官黃仁勛是宣稱，“摩爾定律不再適用了。”

半導體制造的一個關(guān)鍵部分是縮小被稱為晶體管的元件，晶體管是一種極其微小的電子開關(guān)，可以處理從微波爐中的時鐘到手機中運行的人工智能算法等所有事物的數(shù)據(jù)。

1965 年，英特爾 聯(lián)合創(chuàng)始人戈登·摩爾 (Gordon Moore) 預測，芯片將以兩年為一個周期穩(wěn)步改進，處理器性能將每隔幾年翻一番。摩爾定律不僅僅是計算機處理器制造的指導方針。相反，它已經(jīng)演變成定期創(chuàng)新的簡寫定義，并成為推動科技行業(yè)發(fā)展的自我實現(xiàn)預言。iPhone、三星 Galaxy 智能手機和其他各種設備的定期改進 都 歸功于 摩爾定律 。

但隨著芯片元件的規(guī)模越來越接近單個原子，跟上摩爾定律的步伐變得越來越困難?，F(xiàn)在，每兩年將芯片的晶體管數(shù)量（也就是處理能力）翻一番的成本越來越高，技術(shù)難度也越來越大。

黃仁勛在 2019 年CES 上與一小群記者和分析師的問答環(huán)節(jié)中表示：“摩爾定律曾經(jīng)每五年增長 10 倍，每 10 年增長 100 倍?，F(xiàn)在摩爾定律每年只增長幾個百分點。每 10 年可能只有 2%……所以摩爾定律已經(jīng)走到盡頭了。”

這并不是黃仁勛第一次宣稱摩爾定律已經(jīng)終結(jié)。過去幾年， 他也發(fā)表過類似的言論。

而英特爾則認為摩爾定律并未消亡。各家公司只是在尋找新方法來延續(xù)摩爾定律，比如英特爾新推出的 3D 芯片堆疊技術(shù)。英特爾稱之為 Foveros 的制造技術(shù)? 將不同的芯片元件直接堆疊在一起，這一舉措將大幅提高性能和英特爾可以盈利銷售的芯片范圍。

英特爾首席技術(shù)官邁克爾·梅伯里 (Michael Mayberry) 8 月份在EETimes上發(fā)文稱：“這場爭論自 21 世紀初就已開始。與此同時，技術(shù)人員卻無視這場爭論，繼續(xù)取得進步。”科技行業(yè)擔心的是，一旦半導體進步放緩，整體電子產(chǎn)品創(chuàng)新也會放緩。處理器 的縮小可以延長電池壽命、降低成本并提高設備性能。

長期以來一直是半導體制造業(yè)領(lǐng)頭羊的英特爾一再推遲向 10 納米工藝的轉(zhuǎn)型，而 三星 等其他公司則在推出更先進的 7 納米芯片。盡管黃仁勛等一些人宣稱摩爾定律已經(jīng)終結(jié)，但材料科學家仍在繼續(xù)尋找擴展當今硅晶體管技術(shù)的方法，同時還在研究替代技術(shù)。（例如，超薄碳石墨烯片。）

Moor Insights & Strategy 分析師帕特里克·穆爾黑德 (Patrick Moorhead) 表示：“摩爾定律，即每兩年將芯片密度翻一番的最嚴格定義，已經(jīng)不再適用了。如果我們停止縮小芯片體積，那么對每個科技行業(yè)來說都將是災難性的。”

但他指出，該行業(yè)正在采用使用 GPU（Nvidia 制造）的其他類型的計算、先進的軟件框架和工具以及封裝芯片電路的新方法。

Nvidia 的“超摩爾定律”

Nvidia 首席執(zhí)行官黃仁勛在去年11月的No Priors 播客中討論了人工智能。當時，黃仁勛提出了“超摩爾定律”的概念。他認為，人工智能計算性能可能會遵循比摩爾定律更陡峭的曲線，摩爾定律傳統(tǒng)上代表晶體管數(shù)量每兩年翻一番。黃仁勛表示：“如果人們按照摩爾定律的思維方式（每兩年翻一番）走上某種超摩爾定律曲線，我不會感到驚訝。”

他進一步解釋了復利效應，說道：“如果你每年將收入翻一番或三倍，幾年后就會累積起來。復利效應非常強勁。”

長期以來，摩爾定律一直是計算領(lǐng)域的指導性概念——英特爾聯(lián)合創(chuàng)始人戈登·摩爾的觀察預測，設備上的晶體管數(shù)量大約每兩年翻一番，從而提高性能。幾十年來，半導體行業(yè)一直受到這一基本理念的推動。

對于投資者來說，這一愿景代表著革命性的變化。作為人工智能和 GPU 技術(shù)的全球領(lǐng)導者，Nvidia 非常適合從這種爆炸性發(fā)展中獲利。由于對高級 AI 功能的需求激增，Nvidia 穩(wěn)居計算領(lǐng)域下一個發(fā)展的前列，因為 AI 硬件和軟件的未來提供了前所未有的增長機會。

Nvidia 的“超摩爾定律”概念超越了晶體管數(shù)量逐漸增加的傳統(tǒng)概念。黃仁勛設想未來人工智能計算性能每年將翻一番或三倍。與受硬件進步約束的摩爾定律不同，這種超加速的速度將由軟件、網(wǎng)絡、算法和數(shù)據(jù)中心基礎(chǔ)設施的整體改進推動。黃仁勛指出，這些綜合改進是解鎖更大規(guī)模人工智能解決方案和降低計算成本的關(guān)鍵。

這一概念至關(guān)重要，因為它表明了一種指數(shù)增長模式，比歷史上的半導體軌跡更快。對于投資者來說，“超摩爾定律”的增長速度意味著 Nvidia 的技術(shù)可能以計算歷史上無與倫比的速度發(fā)展，有可能讓 Nvidia 在 AI 領(lǐng)域獨樹一幟。如果成功，這可能會給 Nvidia 帶來直接收益，并為整個技術(shù)和 AI 生態(tài)系統(tǒng)帶來長期價值創(chuàng)造。

將產(chǎn)品周期改為一年，比之前兩年的周期翻了一倍，凸顯了 Nvidia 想要主宰人工智能發(fā)展下一階段的愿望。這種快速轉(zhuǎn)變表明 Nvidia 有計劃地保持領(lǐng)先于競爭對手，并滿足對先進人工智能功能日益增長的需求。更快的周期使 Nvidia 能夠定期提供高性能的下一代產(chǎn)品，從而在快速發(fā)展的行業(yè)中占據(jù)優(yōu)勢。

這種加速利用了整個 AI 堆棧（網(wǎng)絡、軟件、算法和硬件集成）的全面進步，而不僅僅依賴于硬件。通過改進每個元素，Nvidia 正在創(chuàng)建完美協(xié)作的系統(tǒng)，從而將整體性能提高到芯片創(chuàng)新無法實現(xiàn)的水平。

在更大的 GPU 超級集群上擴展任務是 Nvidia 方法的關(guān)鍵組成部分，因為它允許以前所未有的水平進行計算。這些超級集群由數(shù)千個 GPU 組成，對于在要求苛刻的行業(yè)中釋放新想法至關(guān)重要。

提高計算能力和效率可以大幅降低成本，為醫(yī)療保健、銀行業(yè)和物流業(yè)等轉(zhuǎn)型行業(yè)提供應用機會，從而吸引尋求人工智能驅(qū)動擴張的長期投資者關(guān)注英偉達。

處理能力的指數(shù)級加速可能會改變各個行業(yè)的成本結(jié)構(gòu)，并使人工智能在小型企業(yè)中的可用性發(fā)生巨大變化。隨著計算機資源成本的下降，人工智能的民主化將使即使是最小的公司也能使用機器學習進行更有針對性的消費者互動和更智能的運營。從零售業(yè)到銀行業(yè)再到醫(yī)療保健業(yè)，行業(yè)都充滿了潛在收益。人工智能增強的處理能力可以加速藥物研究，提高診斷準確性，并使醫(yī)療保健行業(yè)能夠?qū)崿F(xiàn)高度個性化的治療。雖然零售和電子商務更多地使用人工智能來提供定制的產(chǎn)品建議和預測性庫存管理以改變用戶體驗，但金融業(yè)將在欺詐檢測、高頻算法交易和強大的風險評估方面取得突破。

正如黃仁勛所言，這些發(fā)展為自主系統(tǒng)的突破開辟了道路，解決了曾經(jīng)不可能解決的計算問題，因此機遇巨大。對于投資者來說，英偉達處于這場革命的中心，因為它的產(chǎn)品對于許多發(fā)展中的用途至關(guān)重要。行業(yè)合同和高價值聯(lián)盟可能會隨之而來；因此，英偉達與這一快速轉(zhuǎn)型的契合可能會轉(zhuǎn)化為重大回報，因此，在由人工智能驅(qū)動的行業(yè)定義的未來，這是一個戰(zhàn)略投資問題。

Nvidia 面臨著各種技術(shù)難題，這些難題可能會影響其在不斷突破人工智能能力極限的過程中所取得的進展。隨著芯片制造商接近原子級，半導體材料的物理限制帶來了挑戰(zhàn)，并使進一步縮小尺寸變得越來越困難。此外，尤其是隨著對人工智能處理的需求不斷增長，大型 GPU 集群的巨大能耗和巨大的冷卻需求帶來了可持續(xù)性問題并增加了運行成本。除了技術(shù)限制之外，Nvidia 還必須應對艱難的道德和法律領(lǐng)域。

隨著人工智能滲透到更多生活領(lǐng)域，對數(shù)據(jù)隱私、人工智能決策的道德問題以及可能的監(jiān)管審查的擔憂正成為 Nvidia 及其行業(yè)競爭對手必須應對的日益嚴重的問題。競爭環(huán)境增加了更多的復雜性；AMD 和英特爾等企業(yè)正在加緊努力加速人工智能硬件開發(fā)，這給 Nvidia 帶來了更大的壓力，迫使其保持技術(shù)優(yōu)勢。

從投資角度來看，指數(shù)級增長既有風險，也有機遇。盡管英偉達在人工智能硬件方面的創(chuàng)新態(tài)勢符合長期擴張模式，但快速的變化速度可能會造成動蕩。投資者應權(quán)衡英偉達在轉(zhuǎn)型市場中的戰(zhàn)略定位以及短期障礙。

在黃仁勛富有遠見的領(lǐng)導下，Nvidia 將引領(lǐng)一個由他所謂的“超摩爾定律”驅(qū)動的指數(shù)級擴張時代，這是人工智能計算機能力的一次重大飛躍，可能會重塑半導體行業(yè)。Nvidia 強調(diào)擴展人工智能硬件，這使其成為廣泛采用人工智能的關(guān)鍵推動者，這一地位有可能為投資者帶來可觀的長期利潤。隨著從金融到醫(yī)療保健等企業(yè)更全面地采用人工智能，Nvidia 的技術(shù)優(yōu)勢可能會轉(zhuǎn)化為重要的聯(lián)盟和更高的股東價值。投資者必須及時了解 Nvidia 在人工智能硬件方面的發(fā)展以及在更大的技術(shù)生態(tài)系統(tǒng)中的戰(zhàn)略行動，因為該業(yè)務極大地塑造了未來，而這主要取決于人工智能。

參考鏈接 https://www.techspot.com/news/106246-jensen-huang-claims-nvidia-ai-chips-outpacing-moore.html

 來源：半導體行業(yè)觀察，內(nèi)容編譯自techcruch，謝謝。