| 广告联系 | 繁体版 | 手机版 | 微信 | 微博 | 搜索:
欢迎您 游客 | 登录 | 免费注册 | 忘记了密码 | 社交账号注册或登录

首页

温哥华资讯

温哥华地产

温哥华教育

温哥华财税

新移民/招聘

黄页/二手

旅游

电动车: 黄仁勋回答了业界最关注的问题,怒赞中国电动车企

QR Code
请用微信 扫一扫 扫描上面的二维码,然后点击页面右上角的 ... 图标,然后点击 发送给朋友分享到朋友圈,谢谢!



在英伟达震撼业界的CES发布会次日,CEO黄仁勋举办了一场内容丰富的沟通会,在一个多小时的问答环节中,他一口气回应了与会者关于产品战略、技术创新、行业合作等方面的20个问题,为此次发布会的诸多细节做出了进一步澄清。

腾讯科技在会后第一时间整理了最完整的沟通会实录。


沟通开始,黄仁勋就分析了AI PC之所以卖不好的原因,因为云端部署更靠谱,只有少量技术人员会有AI端侧部署需求。

在交流环节,他还盛赞了中国的电动汽车行业。认为它们的技术非常先进,自动驾驶能力也非常出色。正在倒逼特斯拉等公司继续发展。

针对游戏业界大家关心的AI生成是否会替代渲染的问题,黄仁勋明确进行了否定。他说虽然DLSS 4系统利用了AI生成,但渲染那部分才是给生成以基础的部分。未来渲染的3D资料,仍会是AI画面生成的基石。

?对于另一个业界关注的问题,即大模型转向推理迭代时成本暴增怎么办。黄仁勋表示,Blackwell NVLink 72的推理性能预计将达到Hopper系列水平的30-40倍,这种性能的显着提升将直接转化为成本的等比例下降。此外,他还提到了将o3等推理模型的答案蒸馏,重新后训练大模型的技术能显着降低成本。而这正是近期Deepseek和Deepmind都在尝试的路径。

另外,在这场问答中,黄仁勋对几个核心产品的定位作出了更清晰的解释。比如针对Project DIGITS AI超级计算机,他强调这是为了解决AI开发者"难以负担持续云端开发成本"的实际痛点;而Cosmos系统的构建,则是为了让机器人能理解物理世界。

在回答关于新一代显卡定价策略的问题时,黄仁勋认为:"追求最佳性能的用户往往不会因为100美元的差价而降低配置需求。"而且他还自豪的强调,本次50系列显卡的最低端版本都和上一代最高端持平。


这场问答不仅延续了发布会的热度,更揭示了英伟达在AI时代的战略布局和技术创新路径。从回答中可以看出,英伟达正在经历一次重要的转型:从传统的显卡制造商,向全方位的AI计算平台公司迈进。

以下为访谈全文:

问题1:英伟达发布了AI PC相关产品,但这类产品今年的销量并未如预期般大幅增长。你认为英伟达是否有能力或潜力去改变这一现状?是应该积极推动这类产品的普及,还是考虑终止相关项目?另外,你认为到目前为止,是什么因素阻碍了AI PC的广泛采用?


黄仁勋:人工智能起源于云端,且主要是为云端设计的。

回顾英伟达过去几年的增长情况,不难发现这些增长主要源自云端。因为训练这些庞大的人工智能模型需要人工智能超级计算机,而这些模型在云端部署起来相对容易。这些在云端运行的模型被称为端点,更具体地说,是API端点。

尽管如此,我们依然认为存在设计师、软件工程师、创意人员以及热爱在个人电脑上开发人工智能的爱好者群体。

当然,这里存在一个挑战,即由于人工智能主要在云端运行,云端汇聚了大量的活动以及工程工作,而专注于将人工智能应用于这一领域的人却寥寥无几。事实证明,Windows电脑实际上非常适合执行这类任务,这个东西叫做WSL2(Windows Subsystem for Linux 2)。

WSL2本质上是一个在Windows内部运行的虚拟机,作为学习空间中的第二个操作系统。它的创建初衷是云端原生的,支持Docker容器,并为编码提供了完美支持。

因此,我们计划将为云服务开发的人工智能技术,通过确保与PC的兼容性,利用WSL2的支持功能,将云端环境带到个人电脑上。WSL2能够实现这一点,让我们可以将云端的所有能量、所有工程成果以及智能云的所有动态直接引入个人电脑。
觉得新闻不错,请点个赞吧     这条新闻还没有人评论喔,等着您的高见呢
上一页1234...7下一页
注:
  • 新闻来源于其它媒体,内容不代表本站立场!
  • 在此页阅读全文
    猜您喜欢:
    您可能也喜欢:
    我来说两句:
    评论:
    安全校验码:
    请在此处输入图片中的数字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西网为北美中文网传媒集团旗下网站

    页面生成: 0.0666 秒 and 2 DB Queries in 0.0009 秒