黃仁勛:可持續(xù)性可以從多個角度來考量,尤其是與能源相關(guān)的方面。值得注意的是,人工智能本身并不挑剔其“學習”的地點。我們沒有必要將人工智能的訓練數(shù)據(jù)中心設(shè)立在那些電網(wǎng)已經(jīng)承受壓力的人口密集區(qū)域。恰恰相反,我們可以將它們安置在能源充足且分布均勻的地區(qū)。全球能源資源十分豐富,關(guān)鍵在于如何合理分配和利用。因此,我認為這是我們首次有機會捕獲并利用那些過剩的能源,將其轉(zhuǎn)化為人工智能模型的動力,并最終將這些智能成果回饋給社會,服務(wù)于我們的實際需求。
另一個重要的視角是,人工智能的核心不僅僅在于模型的訓練,更在于其推理和生成能力。我們訓練模型的最終目的是為了應(yīng)用它們。當我們著眼于人工智能的長期效益時,以我先前提及的利用人工智能進行天氣預(yù)報為例,我們不再需要每次都從頭開始模擬物理定律,而是可以通過人工智能來生成預(yù)測結(jié)果。這種方法不僅縮短了預(yù)測時間,提高了預(yù)測精度,更在能源消耗上實現(xiàn)了數(shù)千倍的降低。
此外,人工智能的縱向效益還體現(xiàn)在其他方面,例如通過一次性訓練模型來設(shè)計手機芯片,從而為所有用戶節(jié)省能源。我相信,隨著時間的推移,人工智能將展現(xiàn)出其在節(jié)能方面的潛力。
最后,關(guān)于生成式人工智能,今天的計算體驗大多是基于檢索的。每次我們點擊手機,雖然看似消耗的能量不多,但實際上它激活了全球的API,檢索信息,點亮了互聯(lián)網(wǎng),然后從不同的數(shù)據(jù)中心收集少量信息,通過推薦系統(tǒng)呈現(xiàn)給我們。未來,隨著設(shè)備上運行的小語言模型變得更加上下文化和生成化,互聯(lián)網(wǎng)流量將大幅減少,計算將更多地即時生成,這將極大地節(jié)省能源,使計算模型發(fā)生根本性轉(zhuǎn)變。
通過這種方式,我們不僅能夠節(jié)省大量能源,還能更高效地獲取答案。這將徹底改變我們的計算方式,使我們能夠更快地提出問題,得到答案,從而激發(fā)出更多有趣的問題。這種與人工智能合作的未來,將是一個充滿提示和啟發(fā)的新時代。
美國英偉達公司的創(chuàng)辦人及CEO黃仁勛訪問臺灣,此行引發(fā)臺灣地區(qū)的高度關(guān)注,他的言論成為媒體聚焦點
2024-06-07 18:12:09黃仁勛妄稱臺灣為“國家”6月7日,阿里云在技術(shù)博客上宣布了一個重要進展:他們發(fā)布了名為Qwen2-72B的開源模型,這款模型在全球范圍內(nèi)以其卓越的性能脫穎而出
2024-06-07 10:49:47阿里云發(fā)布開源模型Qwen2