Дженсън Хуанг заяви, че ИИ-чиповете на Nvidia изпреварват Закона на Мур

Оспорвайки общоприетите схващания, главният изпълнителен директор на Nvidia Дженсън Хуанг заяви, че ИИ-чиповете на компанията му надхвърлят историческия ръст на производителността, определен от Закона на Мур. Това твърдение, изказано по време на основната му реч на CES в Лас Вегас и повторено в интервю е сигнал за потенциална промяна на парадигмата в света на компютрите и изкуствения интелект.

В продължение на десетилетия Законът на Мур, създаден от съоснователя на Intel Гордън Мур през 1965 година е движещата сила на напредъка в областта на изчислителната техника.

Той предвижда, че броят на транзисторите в компютърните чипове ще се удвоява приблизително всяка година, което ще доведе до експоненциално нарастване на производителността и рязко намаляване на разходите. През последните години обаче този закон показва признаци на забавяне. Хуанг представи различна картина на ИИ-чиповете на Nvidia.

„Нашите системи се развиват много по-бързо от Закона на Мур.“

каза той пред TechCrunch, посочвайки най-новия суперчип на компанията за центрове за данни, за който се твърди, че е над 30 пъти по-бърз от своя предшественик

Хуанг обяснява този ускорен напредък с цялостния подход на Nvidia към разработването на чипове.

„Можем да създадем архитектурата, чипа, системата, библиотеките и алгоритмите едновременно. Ако направите това, тогава можете да се движите по-бързо от Закона на Мур, защото можете да въвеждате иновации в целия стек.“

обясни той

Тази стратегия очевидно е дала впечатляващи резултати. Хуанг твърди, че днес ИИ-чиповете на Nvidia са 1000 пъти по-усъвършенствани от тези, които компанията е произвеждала преди 10 години, което далеч изпреварва темпото, зададено от Закона на Мур.

Отхвърляйки схващането, че напредъкът в областта на ИИ е в застой, Хуанг очерта три активни стъпки за мащабиране на ИИ: предварително обучение, последващо обучение и изчисления по време на тестовете. Той изтъкна значението на изчисленията по време на тестовете, които се извършват по време на фазата на изводите и дават на моделите на ИИ повече време да „мислят“ след всеки въпрос.

По време на своето изказване на CES Хуанг представи най-новия суперчип на Nvidia за центрове за данни – GB200 NVL72, като изтъкна неговата 30 до 40 пъти по-висока производителност при ИИ натоварвания в сравнение с неговия предшественик H100. Той твърди, че този скок в производителността ще направи скъпите ИИ-модели като o3 на OpenAI по-достъпни с течение на времето.

„Директното и незабавно решение за изчисленията по време на тестовете, както по отношение на производителността, така и на ценовата достъпност е да увеличим изчислителните си възможности.“

каза Хуанг

Той добави, че в дългосрочен план ИИ-моделите ще могат да се използват за създаване на по-добри данни за предварително и последващо обучение на други ИИ-модели.