"英偉達(dá)的野心：從元宇宙到AI，數(shù)據(jù)中心是終點(diǎn)還是跳板？"

集微網(wǎng)報(bào)道（文/孫欽舟），每年兩次的GTC是全球最大的AI技術(shù)會(huì)議之一。在上周舉辦的2023年春季GTC大會(huì)上，英偉達(dá)發(fā)布了一系列涉及到大型語言類AI、生成式AI、工業(yè)元宇宙等熱門話題，但在這些熱門話題的背后，英偉達(dá)的野心似乎不止于此。

消費(fèi)級(jí)元宇宙未來如何？

相較于前幾年元宇宙在消費(fèi)市場(chǎng)的熱度，今年的元宇宙市場(chǎng)明顯冷清許多。根據(jù)Counterpoint的數(shù)據(jù)，2022年第四季度，全球XR頭顯出貨量同比下降21%，各個(gè)設(shè)備類型均有下滑。這個(gè)現(xiàn)象歸因于最近幾個(gè)季度缺乏聲量突出的產(chǎn)品同時(shí)也缺乏引人注目的用例。

Meta在XR設(shè)備中占有統(tǒng)治地位，也是XR市場(chǎng)大環(huán)境疲軟的受害者之一。Meta Reality Labs部門在2022年創(chuàng)造的營(yíng)收為21.59億美元，相較2021年有至少1億美元的下滑。與消費(fèi)級(jí)元宇宙相比，工業(yè)元宇宙對(duì)英偉達(dá)來說似乎更具吸引力。圣何塞州立大學(xué)講師兼學(xué)術(shù)顧問Ahmed Banafa在接受《集微訪談》采訪時(shí)表示：“在工業(yè)物聯(lián)網(wǎng)（即元宇宙）中，你的客戶數(shù)量有限，但他們往往有很多錢。而消費(fèi)級(jí)物聯(lián)網(wǎng)會(huì)有很多令人頭疼的問題，比如法律法規(guī)和隱私。”

在會(huì)上，英偉達(dá)發(fā)布了NVIDIA Omniverse™ Cloud云服務(wù)平臺(tái)，并宣布與微軟合作將該服務(wù)托管于Microsoft Azure中。客戶可在工業(yè)元宇宙中構(gòu)建工廠的數(shù)字孿生，或者在元宇宙中對(duì)于產(chǎn)品數(shù)字孿生的性能進(jìn)行測(cè)試。從而加速產(chǎn)品開發(fā)，優(yōu)化制造流程等等。此外，客戶公司可將物理世界中的傳感器實(shí)時(shí)數(shù)據(jù)鏈接到云上的數(shù)字孿生上，讓客戶能在元宇宙中構(gòu)建更加精確的數(shù)字孿生。

不過，相較于工業(yè)元宇宙，NVIDIA布局多年的AI似乎更受重視一點(diǎn)。

從ChatGPT到計(jì)算光刻，AI產(chǎn)業(yè)的“iPhone時(shí)刻”

從老黃的主題演講上看，英偉達(dá)為此做足了準(zhǔn)備。在主題演講中，該企業(yè)一口氣推出了針對(duì)生成式AI的四款推理平臺(tái)，包括用于AI視頻的NVIDIA L4、用于圖像生成的NVIDIA L40、用于圖形推薦、矢量數(shù)據(jù)庫(kù)以及圖形神經(jīng)網(wǎng)絡(luò)的NVIDIA GraceHopper、以及針對(duì)目前大火的語言模型AI ChatGPT的NVIDIA H100NVL。這些推理平臺(tái)都具備強(qiáng)大的計(jì)算能力和靈活性，可以滿足不同場(chǎng)景和應(yīng)用的需求。

此外，英偉達(dá)還表示為AI算力供應(yīng)商推出的DGX AI超級(jí)計(jì)算機(jī)已全面投入生產(chǎn)，該超級(jí)計(jì)算機(jī)集成了NVIDIA A100 Tensor Core GPU和NVIDIA Mellanox網(wǎng)絡(luò)技術(shù)，提供前所未有的AI性能，可以廣泛應(yīng)用于計(jì)算機(jī)視覺、自然語言處理、語音識(shí)別等領(lǐng)域的訓(xùn)練和推理工作。

與此同時(shí)，英偉達(dá)還推出了NVIDIA DGX Cloud，這是一個(gè)云服務(wù)平臺(tái)，企業(yè)可以按月訂閱，租用為AI或其他訓(xùn)練模型所需的計(jì)算基礎(chǔ)設(shè)施和軟件，無需購(gòu)買昂貴的硬件和維護(hù)成本，大大降低了AI應(yīng)用門檻和成本。

在計(jì)算光刻技術(shù)方面，英偉達(dá)也做出了重大突破，與ASML、TSMC和Synopsys合作，將GPU的加速計(jì)算引入光刻領(lǐng)域。通過在GPU上運(yùn)行用于計(jì)算光刻的NVIDIA cuLitho軟件庫(kù)，比當(dāng)前光刻技術(shù)提供高達(dá)40倍的性能飛躍，僅需500個(gè)NVIDIA DGXH100系統(tǒng)即可完成以往需要4萬個(gè)CPU的系統(tǒng)才能完成的工作，大大提高了芯片制造效率和成本效益。