AI泡沫?什么AI泡沫?如果你问英伟达CEO黄仁勋,我们正处在一场"新工业革命"中。
黄仁勋的公司生产芯片和计算机硬件,是AI淘金热中的"锄头和铲子",通过抓住AI增长机遇成为了全球最大的企业。在周三的财报电话会议上,他的公司报告了上季度467亿美元的营收,并表示生成式AI行业的惊人增长没有放缓迹象。
"我认为未来几年,肯定会贯穿整个十年,我们看到了非常重大的增长机会,"黄仁勋说道。
这与OpenAI CEO山姆·奥特曼最近的评论形成对比,后者认为投资者现在对AI"过度兴奋"。(奥特曼也承认他仍然相信AI是"很长时间以来发生的最重要的事情"。)
黄仁勋表示,他的公司对运行AI的芯片和计算机需求有"非常、非常重要的预测",表明对更多数据中心的需求不会很快停止。他推测,到本十年末,AI基础设施支出可能达到3万亿到4万亿美元。(美国的国内生产总值约为30万亿美元。)
这意味着需要大量数据中心,它们占用大量土地,消耗大量水和能源。这些AI工厂近年来变得越来越大,对周围社区产生重大影响,并对美国电网造成更大压力。需要更多能源的不同生成式AI工具的增长可能会使这种需求更加巨大。
更强大且要求更高的模型
聊天机器人上的一个提示不再总是意味着只是一个提示。计算能力需求增加的一个原因是,采用"推理"技术的新AI模型在处理一个问题时使用更多电力。"这被称为长思考,思考得越久,通常产生更好的答案,"黄仁勋说。
这种技术允许AI模型在不同网站上进行研究,多次尝试问题以获得更好答案,并将不同信息整合到一个回应中。
一些AI公司将推理作为单独模型提供,或作为标记为"深度思考"之类的选择。OpenAI将其直接整合到GPT-5发布中,通过路由程序决定是由更轻量、直接的模型处理,还是由更密集的推理模型处理。
但黄仁勋表示,推理模型可能需要比传统大语言模型回应多100倍或更多的计算能力。这些模型,连同能够执行任务的智能体系统和能够处理可视化并在物理世界中操作的机器人模型,使得对芯片、能源和数据中心土地的需求持续上升。
"每一代,需求只会增长,"黄仁勋说道。
Q&A
Q1:英伟达CEO黄仁勋对AI行业未来发展有什么看法?
A:黄仁勋认为我们正处在一场"新工业革命"中,预测未来几年乃至整个十年都会有重大增长机会。他推测到本十年末,AI基础设施支出可能达到3万亿到4万亿美元,表明生成式AI行业的增长没有放缓迹象。
Q2:AI推理模型与传统大语言模型在计算需求上有什么区别?
A:AI推理模型采用"长思考"技术,能够在不同网站研究、多次尝试问题并整合信息。但这种推理模型可能需要比传统大语言模型多100倍或更多的计算能力,大大增加了对芯片和数据中心的需求。
Q3:AI数据中心快速增长会带来哪些影响?
A:AI数据中心占用大量土地,消耗大量水和能源,对周围社区产生重大影响,并对美国电网造成更大压力。随着需要更多能源的生成式AI工具增长,这种需求可能会变得更加巨大。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。