黄仁勋：在未来，我们所有人都将参与到这一进程中……

点击蓝字关注我们

数日前举行的2024年Databricks Data + AI峰会上，英伟达创始人、CEO黄仁勋与Databricks的联合创始人、CEO阿里·戈德西进行了一场精彩对话。

黄仁勋在对话中展望了数据处理和生成式人工智能的未来。益读社从黄仁勋的分享中，挑选了一些我们感兴趣的，与大家一起分享……

图片来源：腾讯科技

1

谈数据的重要性

每家企业都像拥有一座金矿，掌握着丰富的业务数据。如果你的公司提供了一系列服务或产品，并且客户对这些服务和产品感到满意，同时提供了宝贵的反馈，那么你已经积累了大量有价值的数据。这些数据可能涉及客户信息、市场动态或供应链管理。长期以来，我们都在收集这些数据，拥有庞大的数据量，但直到现在，我们才真正开始从中提炼出有价值的洞见，甚至是更高层次的智能。

目前，我们对此充满激情。我们在芯片设计、缺陷数据库、新产品和新服务的创造，以及供应链管理中都运用了这些数据。这是我们首次采用以数据处理和精细化分析为起点的工程流程，通过构建学习模型，然后部署这些模型，并与数据收集的Flywheel平台相连，以获取更多的数据。

我们公司正通过这种方式，使我们能够跻身于世界上最大的公司之列。这当然得益于我们公司大量采用人工智能技术，这些技术帮助我们完成了众多令人瞩目的成就。我相信，每家公司都在经历这样的变革，因此，我认为我们正处在一个非凡的时代。这个时代的起点是数据，以及对数据的积累和有效利用。

2

谈定制模型

我认为，未来的趋势是，正如我们今天所见证的，我们已经能够将几乎所有类型的信息和数据进行标记化处理。我们能够提取其结构、理解其内涵，并学习其表示，无论是声音、语言、图像、视频，还是化学物质、蛋白质，甚至是机器人的动作控制或驾驶操作，我们都能够进行标记化。

由于云数据中心正在生产这些标记，我们实际上是在制造一些前所未有的独特产品。这是首次，我们拥有了被称为人工智能超级计算机的工具，它们在专门为此目的设计的工厂中生产标记，我们大规模生产智能的能力是一项全新的技术。这也是我坚信我们正处于一场新工业革命的开端的原因之一，这场革命不是生产电力，而是生产智能。

当然，每家公司在其核心都是关于特定领域的智能。在数据、数据处理、人工智能及其基础设施方面，很少有公司能比Databricks拥有更深入的了解。我们专注于我们的专业领域，我们的基础是这种特定领域的智能，无论是金融服务还是医疗保健等各个领域。最终，我们所有人都将成为智能制造商。

如果你今天要成为智能制造商，你将来会有人工智能领域的人力资源，我们称之为人工智能工厂。因此，每个公司都必须开始这一进程。我们正在这样做，你也将这样做。我们观察到，无论公司规模大小，它们都在朝着这个方向努力。

因此，在未来，我们所有人都将参与到这一进程中。你将从你的特定领域数据开始，这些数据存储在Databricks的某个地方，你将处理这些数据，提炼并从中提取智能，然后将其放入Flywheel平台中，你将拥有一个人工智能工厂。

3

谈人工智能带来的影响

在所有潜在影响中，客户服务可能是最为深远的领域。对于在座的每家企业而言，客户服务涉及的开支高达数万亿美元，横跨每一个行业，每一家企业。

聊天机器人在客户服务中的应用，其重要性不仅在于自动化能力，更在于其对数据飞轮的贡献。企业需要捕捉对话，将客户互动纳入数据体系，这无疑将产生大量数据。

目前，数据量的增长速度大约是每五年增加十倍。鉴于客户服务的推动，我预计未来数据量的增长速度可能达到每五年百倍。我们将把所有元素整合入数据飞轮，它将收集更多数据，提炼更深层次的洞察，从而提取更精准的智能信息，提供更优质的服务，甚至实现在问题出现前的主动预防和解决，类似于预防性维护，我们将实现主动式客户支持，这将进一步推动数据的生成和飞轮的旋转。因此，我认为客户服务将是大多数公司实现超级加速的关键，尤其是考虑到它将收集的数据量。

我们已经实现了对一切事物的数字化标记，我对我们在化学、蛋白质、碳捕获材料、酶、以及创新电池等领域的进展感到兴奋。我们还利用生成式人工智能实现了区域天气预报的精确度，在以往，这需要超级计算机的计算能力才能达到。物流、保险、以及保护人们免受伤害的能力都将因此得到提升。
此外，生成式人工智能在物理、生物领域，以及3D图形、数字孪生、视频游戏虚拟世界构建等方面也展现出巨大潜力。如果贵公司尚未涉足生成式人工智能，那可能是因为尚未充分关注。事实上，它已经渗透到了每一个行业。

4

谈如何帮助企业

实现更可持续的人工智能发展

可持续性可以从多个角度来考量，尤其是与能源相关的方面。

值得注意的是，人工智能本身并不挑剔其“学习”的地点。我们没有必要将人工智能的训练数据中心设立在那些电网已经承受压力的人口密集区域。恰恰相反，我们可以将它们安置在能源充足且分布均匀的地区。全球能源资源十分丰富，关键在于如何合理分配和利用。因此，我认为这是我们首次有机会捕获并利用那些过剩的能源，将其转化为人工智能模型的动力，并最终将这些智能成果回馈给社会，服务于我们的实际需求。

另一个重要的视角是，人工智能的核心不仅仅在于模型的训练，更在于其推理和生成能力。我们训练模型的最终目的是为了应用它们。当我们着眼于人工智能的长期效益时，以我先前提及的利用人工智能进行天气预报为例，我们不再需要每次都从头开始模拟物理定律，而是可以通过人工智能来生成预测结果。这种方法不仅缩短了预测时间，提高了预测精度，更在能源消耗上实现了数千倍的降低。

此外，人工智能的纵向效益还体现在其他方面，例如通过一次性训练模型来设计手机芯片，从而为所有用户节省能源。我相信，随着时间的推移，人工智能将展现出其在节能方面的潜力。

最后，关于生成式人工智能，今天的计算体验大多是基于检索的。每次我们点击手机，虽然看似消耗的能量不多，但实际上它激活了全球的API，检索信息，点亮了互联网，然后从不同的数据中心收集少量信息，通过推荐系统呈现给我们。未来，随着设备上运行的小语言模型变得更加上下文化和生成化，互联网流量将大幅减少，计算将更多地即时生成，这将极大地节省能源，使计算模型发生根本性转变。

通过这种方式，我们不仅能够节省大量能源，还能更高效地获取答案。这将彻底改变我们的计算方式，使我们能够更快地提出问题，得到答案，从而激发出更多有趣的问题。这种与人工智能合作的未来，将是一个充满提示和启发的新时代。

5

给大家的建议

无论你计划做什么，关键在于立即开始行动。你必须积极参与进来，投身于这趟迅猛发展的列车之中。

切记，生成式人工智能正以指数速度增长，你不应仅仅观望或等待。指数趋势的发展速度是惊人的，几年之内，落后者将被远远抛在后面。因此，立即加入这场技术革命，随着技术的不断进步，你也将随之学习和成长。这正是我们所采取的行动方式。

这是一个不应通过旁观来学习的过程，你不能仅通过阅读来掌握它，真正的学习来自于亲身实践。

正如我们所做的，全身心投入其中。

素材来源：腾讯科技

—- END -—

往期推荐