文/VR陀螺 万里

就在刚刚，英伟达CEO黄仁勋结束了他在GTC 2023的Keynote演讲。本次主题演讲并没有像传言一样会发布消费级显卡RTX 4070，取而代之，里面涉及了AI、元宇宙、新的计算平台等内容，而AI又是其中最为核心的部分。

反映在演讲时长上，黄仁勋对于AI内容的介绍接近了一小时，占比达到4/5。而他在演讲中，更是重申了三遍：AI的“iPhone 时刻” 已经到来。

图源：英伟达

加速计算打破摩尔定律，英伟达发布AI云服务

本次主题演讲并没有像以往一样设计大量高精度建模的过场动画，黄仁勋在开篇直接强调了AI的重要性：引导计算机发展数十年的摩尔定律已经迎来指数级增长的后期，如今在同样的成本和功耗的情况下，性能已经很难再有亮眼的突破。在这种情况下，以AI驱动的加速计算则是今后发展的未来。

而另一边，AI在各行各业已经开始发挥着巨大的作用，如AI可应用于翻译、寻找新的治疗方案、天气预警、故事创作、图片转3D、数字人、编程、作曲等，AI已经深入了我们生活的方方面面。

本次主题演讲中，面向AI的内容主要包含以下三方面：加速库、计算中心解决方案、生成式AI SDK。

首先对于加速计算的核心加速库以及AI模型，英伟达更新了其中的100个，在演讲中重点提到了以下几个：

• CFD求解器：适用于汽车、航空航天、电子行业等；
• NVIDIA Quantum：适用于量子编程模型；
• cuQuantum：电子电路仿真，IBM、谷歌、百度等企业的相关业务已经开始使用；
• Spark-RAPIDS：加速云数据处理平台；
• cu0pt：其进化算法和加速计算可用于解决业务实时调度、优化物流传输以及客户运营等领域；
• CV-CUDA和VPF：分别用于计算机视觉和视频处理。黄仁勋提到，视频已经占据了80%的互联网流量，并且新的视频内容还在不断增长，借助加速库可以提高视频处理效率并且降低能源消耗；
• cuLitho：计算光刻库，瞄准芯片制造，可将计算光刻加速40倍以上；

......

应用于基因组分析的加速库NVIDIA Parabricks，图源：英伟达

除了前面所提到的这些，英伟达还推出或更新了在医疗、云服务、基因测序等行业具有很大应用潜力的一系列加速库，这里不再一一列举。

硬件以及业务部分，黄仁勋介绍了适用于数据中心的CPU Grace Superchip、数据处理中心BlueField-3 DPU、AI超级计算机DGX H100以及DGX Cloud。

其中，Grace Superchip搭载两个Grace处理器，核心总数达到了144，带宽为1 TB/s。不过它的外观却很小巧，仅为5x8英寸。

在性能方面，英伟达称Grace的速度比最新一代采用x86架构的CPU的平均速度快1.3倍、数据处理快1.2倍，而整机功耗却能降低至原来的60%。目前Grace正在调试阶段。

图源：英伟达

BlueField-3于2021年发布，可为云计算平台提供加速服务，如今已经投入生产，并且已经被百度、京东等企业所采用。

对于DGX，黄仁勋透露已经有半数的《财富》100强企业安装使用了DGX AI超级计算机。而最新的DGX H100，它配备8个H100 GPU模组、并且配有用于支撑ChatGPT服务的Transformer引擎，目前该产品已经全面投入生产。

图源：英伟达

为了让更多初创型企业也能使用到AI服务，英伟达还发布了NVIDIA DGX Cloud，客户只需要借助浏览器接入，即可快速进行AI端到端开发和部署。

从ChatGPT的自然语言处理、到Debuild的语言部署Web应用、再到Insilico利用AI加速药物设计，我们可以看到越来越多生成式AI落地应用的例子。针对生成式AI，英伟达也相应推出了其生成式AI云服务NVIDIA AI Foundations。

图源：英伟达

其中，NVIDIA NeMo用于构建定制的语言文本转文本生成式模型，可构建类似于ChatGPT的体验；NVIDIA Picasso用于构建文本转图像、文本转视频或三维模型，此外这些构建的模型还可以导入到Omniverse以进行进一步的创作；NVIDIA BioNeMo则是面向药物研发的生成式AI模型。

NVIDIA Picasso演示，图源：英伟达

黄仁勋指出，AI 现在可以生成多种数据，从语音、文本、图像、视频和3D图形，到蛋白质和化学物质，不一而足。而设计一个云数据中心，来处理生成式AI是一项巨大挑战，因为我们无法仅凭一个加速器就能适应不同算法、模型、数据类型等多样性需求。

图源：英伟达

为此，黄仁勋再次梳理了其GPU加速器的产品线，其每种配置都能针对特定工作负载进行相关优化。

• L4：针对AI视频工作负载，优化了视频解码和转码、视频内容审核等功能；
• L40：针对Omniverse、 图形渲染以及文本转图像和文本转视频等生成式AI；
• H100：适用于大型语言模型处理；
• Grace Hopper：适合处理大型数据集，例如推荐系统和大型语言模型的AI数据库。

Omniverse连接应用更新，出现更多落地应用

相较于2021年、2022年的GTC大会而言，黄仁勋的Keynote演讲中，“元宇宙”的含量显然淡了许多。

不过，对于英伟达瞄准元宇宙赛道所推出的3D设计协作和仿真平台Omniverse而言，它已经取得了长足的发展进步。黄仁勋透露，目前已有近30万名创作者和设计师下载了Omniverse，并且出现了许多应用落地，如虚拟工厂以及汽车领域。

在真正的实体工厂建成之前，以数字方式整合工厂的所有机械设备，可有效减少各种因为订单变更、延期开工等意外情况导致的损失，虚拟工厂整合可以为全球工厂节省数亿美元。

如今亚马逊正在使用Omniverse配置和优化其自动仓库，其中NVIDIA Isaac Sim可用于创建逼真的具有真实物理效果的仿真模型；借助Omniverse Replicator，其机器人模型地图的标记检测成功率从88.6%提高到了98%。

宝马使用Omniverse规划了全球近30家工厂的运营，甚至抢先在匈牙利德布勒森工厂建成之前通过Omniverse提前构建了一个数字版工厂。借由数字孪生等技术，可有效提升管理以及协作效率。

基于Omniverse的虚拟工厂协作，图源：英伟达

演讲中透露的Omniverse更新并不多，除了前面所提到的AI生成工具NVIDIA Picasso外，它的Omniverse Connect库新增了对Bentley Systems LumenT、西门子系列应用（Teamcenter、NX、 Process Simulate）、Rockwell Automation Emulate 3D、FlexSim、Cesium、Blackshark.ai和Unity这一系列3D建模/工业设计应用的支持。

图源：英伟达

得益于生态连接的发展壮大，使得Omniverse的行业适用范围以及协作效率进一步提升，如通用汽车正在使用Alias、Siemens NX、Unreal、Maya和3ds Max将设计师、雕塑家和艺术家连接到一起。

针对Omniverse，英伟达已经发布了三款针对性产品：

• 新一代工作站：配备英伟达Adu RTX GPU和英特尔最新款CPU，三月份各大OEM厂商将发布；
• NVIDIA OVX服务器：由Ada RTX L40和BlueField-3组成；
• Omniverse Cloud：用户可通过浏览器实现对Omniverse核心功能的访问以及集成。

除此之外，黄仁勋还宣布将与微软展开更多相关合作，如把Omniverse Cloud服务托管到Azure、并且将Omniverse Cloud连接到Microsoft 365生产力套件。

结语

财报显示，去年第四季度，英伟达的数据中心（AI）业务收入占比达到60%，超过了其游戏业务。AI以及其他B端业务对于英伟达具有越来越重要的位置，所以本次Keynote内容聚焦在AI、加速计算以及元宇宙领域也就不难理解了。

坚定押宝AI，相信英伟达在AI的“iPhone时刻”中将承担一个不可或缺的角色。