黄仁勋在演讲中回顾5年前的那个转捩点，那就是选择采用 AI 处理图像的方式，即光线追踪（ray tracing）和智慧渲染：分别是 RTX 和 DLSS 技术。他说：「我们意识到光栅化（rasterization）已经达到了极限。」

据了解，光栅化是传统的、广泛使用的渲染 3D 场景的方法，黄仁勋指出，「2018 年是一个孤注一掷的时刻，要求我们重新发明硬体、软体、演算法。而当我们用 AI 重新发明 CG（电脑图形学）时，我们也在重新发明 GPU（图形处理器）用于 AI。」

IT之家报导，虽然光线追踪和 DLSS 仍在被消费 GPU 和游戏领域逐步采用的过程中，但他们为此创建的架构，却被发现是与日益成长的机器学习开发社区完美匹配。训练更大更复杂的生成式模型，所需的大量计算只能由像 H100 这样从一开始就设计为能够以规模化执行必要操作的系统来提供。可以说，AI 开发在某种程度上只受到这些计算资源可用性的限制。

黄仁勋认为，这只是开始，新的模型不仅需要被训练，还需要被数百万甚至数十亿用户定期即时运作。他说，「未来 LLM（大型语言模型）将处于几乎所有事物的前沿：人类是新的程式设计语言。」

黄仁勋推测，从视觉效果到快速数位化的制造业、工厂设计和重工业等领域都将在某种程度上采用自然语言介面。「整个工厂将由软体定义和机器人化，并且它们所建造的汽车本身也将是机器人化的。所以这是机器人设计机器人建造机器人。」不过，黄仁勋没有提到 AI 面临的诸多挑战、监管等问题。

AI 辉达
點擊閱讀下一則新聞 點擊閱讀下一則新聞

ChatGPT升级了！能秒答问题　「纸上数学题」也难不倒