黃仁勳：英偉達 AI 芯片性能增速遠超摩亞定律設定的標準

IT之家 1 月 8 日消息，在拉斯維加斯舉行的國際消費電子展 (CES) 上，英偉達 CEO 黃仁勳在一次面向萬人的主題演講後接受 TechCrunch 採訪時表示，其公司 AI 芯片的性能提升速度已遠超數十年來推動計算機技術進步的「摩亞定律」設定的標準。

「我們的系統進步速度遠超摩亞定律，」黃仁勳週二表示。

據IT之家瞭解，「摩亞定律」由英特爾聯合創始人哥頓・摩亞於 1965 年提出，預測計算機芯片上的晶體管數量將大約每年翻一番，從而使芯片性能也大致翻一番。這一預測基本實現了，並在幾十年里推動了計算機性能的快速提升和成本的急劇下降。

近年來，「摩亞定律」的發展速度有所放緩。然而，黃仁勳聲稱，英偉達的 AI 芯片正以自身的加速節奏發展；該公司表示，其最新的數據中心超級芯片在運行 AI 推理工作負載方面的速度比上一代產品快 30 多倍。

「我們可以同時構建架構、芯片、系統、庫和算法，」黃仁勳說，「如果這樣做，我們就能比摩亞定律更快地發展，因為我們可以在整個技術棧中進行創新。」

英偉達 CEO 發表這一大膽言論之際，正值許多人質疑 AI 發展是否停滯之時。包括Google、OpenAI 和 Anthropic 在內的領先 AI 實驗室都使用英偉達的 AI 芯片來訓練和運行其 AI 模型，而這些芯片的進步可能會轉化為 AI 模型能力的進一步提升。

這並非黃仁勳首次暗示英偉達正在超越「摩亞定律」。早在去年 11 月的一次播客節目中，黃仁勳就曾提出 AI 世界正以「超摩亞定律」的速度發展。

黃仁勳還駁斥了「AI 進展放緩」的觀點。他認為，當前 AI 領域存在三大擴展定律：預訓練（pre-training）、後訓練（post-training）和推理時計算（test-time compute）。預訓練階段，AI 模型從海量數據中學習模式；後訓練階段，通過人類反饋等方法微調模型；推理時計算則讓模型在回答每個問題後有更多時間「思考」。黃仁勳強調，隨著計算能力的提升，AI 推理成本將逐步降低，類似於摩亞定律推動計算成本下降的歷史進程。

英偉達的 H100 芯片曾是科技公司訓練 AI 模型的首選，但現在科技公司更加關注推理，一些人開始質疑英偉達昂貴的芯片是否還能保持領先地位。

目前，使用測試時計算的 AI 模型運行成本高昂。有人擔心 OpenAI 的 o3 模型（使用了規模化的測試時計算）對大多數人來說過於昂貴。例如，OpenAI 使用 o3 在一項通用智能測試中達到人類水平的分數，每項任務花費近 20 美元。而 ChatGPT Plus 的訂閱費用為每月 20 美元。

在週一的主題演講中，黃仁勳像舉著盾牌一樣展示了英偉達最新的數據中心超級芯片 GB200 NVL72。這款芯片在運行 AI 推理工作負載方面的速度比英偉達之前最暢銷的芯片 H100 快 30 到 40 倍。黃仁勳表示，這種性能的飛躍意味著像 OpenAI 的 o3 這樣在推理階段使用大量計算的 AI 推理模型，其成本將隨著時間的推移而降低。

黃仁勳表示，他總體上專注於創造性能更強的芯片，而性能更強的芯片從長遠來看會帶來更低的價格。「無論是在性能還是成本承受能力方面，測試時計算的直接解決方案是提高我們的計算能力，」黃仁勳表示。他指出，從長遠來看，AI 推理模型可以用於為 AI 模型的預訓練和後訓練創建更好的數據。

在過去一年里，我們確實看到了 AI 模型的價格大幅下降，部分原因是英偉達等硬件公司的計算技術突破。黃仁勳表示，他預計這種趨勢將隨著 AI 推理模型的發展而繼續下去。

黃仁勳聲稱他今天的 AI 芯片比 10 年前的產品好 1000 倍。這是一個比「摩亞定律」設定的標準快得多的速度，黃仁勳表示他認為這種速度沒有停止的跡象。

廣告聲明：文內含有的對外跳轉鏈接（包括不限於超鏈接、二維碼、口令等形式），用於傳遞更多信息，節省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。