如果您希望可以时常见面，欢迎标星收藏哦~

来源：内容编译自techcruch，谢谢。

Nvidia 首席执行官黄仁勋挑战传统观点，称其公司的 AI 芯片正在超越摩尔定律设定的历史性能提升。这一说法是在拉斯维加斯 CES 的主题演讲中提出的，并在一次采访中重申，预示着计算和人工智能领域可能出现范式转变。

几十年来，英特尔联合创始人戈登·摩尔于 1965 年提出的摩尔定律一直是计算进步的驱动力。它预测计算机芯片上的晶体管数量每年将大约翻一番，从而导致性能呈指数级增长，成本大幅下降。然而，近年来，这一定律已显示出放缓的迹象。

然而，黄仁勋对 Nvidia 的 AI 芯片却有不同的看法。他告诉TechCrunch：“我们的系统发展速度远超摩尔定律。”他指的是该公司最新的数据中心超级芯片，据称该芯片的 AI 推理工作负载速度比其前代产品快 30 倍以上。

黄仁勋将这一加速进展归功于 Nvidia 全面的芯片开发方法。他解释说：“我们可以同时构建架构、芯片、系统、库和算法。如果你这样做，那么你的发展速度就能快于摩尔定律，因为你可以在整个堆栈中进行创新。”

这一策略显然取得了令人印象深刻的成果。黄仁勋声称，如今英伟达的人工智能芯片比十年前先进了1000倍，远远超过了摩尔定律设定的速度。

黄仁勋驳斥了人工智能发展停滞的观点，他概述了三种积极的人工智能扩展法则：训练前、训练后和测试时计算。他指出了测试时计算的重要性，它发生在推理阶段，让人工智能模型在回答每个问题后有更多时间“思考”。

在 CES 主题演讲中，黄仁勋展示了 Nvidia 最新的数据中心超级芯片 GB200 NVL72，并宣称其在 AI 推理工作负载方面的性能比其前身 H100 提高了 30 到 40 倍。黄仁勋认为，随着时间的推移，这种性能飞跃将使 OpenAI 的 o3 等昂贵的 AI 推理模型变得更加实惠。

黄仁勋表示：“无论是在性能还是成本承受能力方面，测试时计算的直接和直接解决方案都是提高我们的计算能力。”他补充说，从长远来看，人工智能推理模型可用于为人工智能模型的训练前和训练后创建更好的数据。

Nvidia 的声明发表于人工智能行业的关键时刻，谷歌、OpenAI 和 Anthropic 等人工智能公司都依赖其芯片及其性能的进步。此外，随着科技行业的重点从训练转向推理，人们开始质疑 Nvidia 昂贵的产品是否能保持主导地位。黄仁勋的声明表明，Green 团队不仅跟上了步伐，还在推理性能和成本效益方面树立了新标准。

尽管 OpenAI 的 o3 等第一版人工智能推理模型的运行成本很高，但黄仁勋预计，在 Nvidia 等硬件公司计算技术的突破推动下，人工智能模型成本下降的趋势将持续下去。

黄仁勋曾表示：摩尔定律已死

在2019年的CES上，Nvidia 首席执行官黄仁勋是宣称，“摩尔定律不再适用了。”

半导体制造的一个关键部分是缩小被称为晶体管的元件，晶体管是一种极其微小的电子开关，可以处理从微波炉中的时钟到手机中运行的人工智能算法等所有事物的数据。

1965 年，英特尔 联合创始人戈登·摩尔 (Gordon Moore) 预测，芯片将以两年为一个周期稳步改进，处理器性能将每隔几年翻一番。摩尔定律不仅仅是计算机处理器制造的指导方针。相反，它已经演变成定期创新的简写定义，并成为推动科技行业发展的自我实现预言。iPhone、三星 Galaxy 智能手机和其他各种设备的定期改进 都 归功于 摩尔定律 。

但随着芯片元件的规模越来越接近单个原子，跟上摩尔定律的步伐变得越来越困难。现在，每两年将芯片的晶体管数量（也就是处理能力）翻一番的成本越来越高，技术难度也越来越大。

黄仁勋在 2019 年CES 上与一小群记者和分析师的问答环节中表示：“摩尔定律曾经每五年增长 10 倍，每 10 年增长 100 倍。现在摩尔定律每年只增长几个百分点。每 10 年可能只有 2%……所以摩尔定律已经走到尽头了。”

这并不是黄仁勋第一次宣称摩尔定律已经终结。过去几年， 他也发表过类似的言论。

而英特尔则认为摩尔定律并未消亡。各家公司只是在寻找新方法来延续摩尔定律，比如英特尔新推出的 3D 芯片堆叠技术。英特尔称之为 Foveros 的制造技术 将不同的芯片元件直接堆叠在一起，这一举措将大幅提高性能和英特尔可以盈利销售的芯片范围。

英特尔首席技术官迈克尔·梅伯里 (Michael Mayberry) 8 月份在EETimes上发文称：“这场争论自 21 世纪初就已开始。与此同时，技术人员却无视这场争论，继续取得进步。”科技行业担心的是，一旦半导体进步放缓，整体电子产品创新也会放缓。处理器 的缩小可以延长电池寿命、降低成本并提高设备性能。

长期以来一直是半导体制造业领头羊的英特尔一再推迟向 10 纳米工艺的转型，而 三星 等其他公司则在推出更先进的 7 纳米芯片。尽管黄仁勋等一些人宣称摩尔定律已经终结，但材料科学家仍在继续寻找扩展当今硅晶体管技术的方法，同时还在研究替代技术。（例如，超薄碳石墨烯片。）

Moor Insights & Strategy 分析师帕特里克·穆尔黑德 (Patrick Moorhead) 表示：“摩尔定律，即每两年将芯片密度翻一番的最严格定义，已经不再适用了。如果我们停止缩小芯片体积，那么对每个科技行业来说都将是灾难性的。”

但他指出，该行业正在采用使用 GPU（Nvidia 制造）的其他类型的计算、先进的软件框架和工具以及封装芯片电路的新方法。

Nvidia 的“超摩尔定律”

Nvidia 首席执行官黄仁勋在去年11月的No Priors 播客中讨论了人工智能。当时，黄仁勋提出了“超摩尔定律”的概念。他认为，人工智能计算性能可能会遵循比摩尔定律更陡峭的曲线，摩尔定律传统上代表晶体管数量每两年翻一番。黄仁勋表示：“如果人们按照摩尔定律的思维方式（每两年翻一番）走上某种超摩尔定律曲线，我不会感到惊讶。”

他进一步解释了复利效应，说道：“如果你每年将收入翻一番或三倍，几年后就会累积起来。复利效应非常强劲。”

长期以来，摩尔定律一直是计算领域的指导性概念——英特尔联合创始人戈登·摩尔的观察预测，设备上的晶体管数量大约每两年翻一番，从而提高性能。几十年来，半导体行业一直受到这一基本理念的推动。

对于投资者来说，这一愿景代表着革命性的变化。作为人工智能和 GPU 技术的全球领导者，Nvidia 非常适合从这种爆炸性发展中获利。由于对高级 AI 功能的需求激增，Nvidia 稳居计算领域下一个发展的前列，因为 AI 硬件和软件的未来提供了前所未有的增长机会。

Nvidia 的“超摩尔定律”概念超越了晶体管数量逐渐增加的传统概念。黄仁勋设想未来人工智能计算性能每年将翻一番或三倍。与受硬件进步约束的摩尔定律不同，这种超加速的速度将由软件、网络、算法和数据中心基础设施的整体改进推动。黄仁勋指出，这些综合改进是解锁更大规模人工智能解决方案和降低计算成本的关键。

这一概念至关重要，因为它表明了一种指数增长模式，比历史上的半导体轨迹更快。对于投资者来说，“超摩尔定律”的增长速度意味着 Nvidia 的技术可能以计算历史上无与伦比的速度发展，有可能让 Nvidia 在 AI 领域独树一帜。如果成功，这可能会给 Nvidia 带来直接收益，并为整个技术和 AI 生态系统带来长期价值创造。

将产品周期改为一年，比之前两年的周期翻了一倍，凸显了 Nvidia 想要主宰人工智能发展下一阶段的愿望。这种快速转变表明 Nvidia 有计划地保持领先于竞争对手，并满足对先进人工智能功能日益增长的需求。更快的周期使 Nvidia 能够定期提供高性能的下一代产品，从而在快速发展的行业中占据优势。

这种加速利用了整个 AI 堆栈（网络、软件、算法和硬件集成）的全面进步，而不仅仅依赖于硬件。通过改进每个元素，Nvidia 正在创建完美协作的系统，从而将整体性能提高到芯片创新无法实现的水平。

在更大的 GPU 超级集群上扩展任务是 Nvidia 方法的关键组成部分，因为它允许以前所未有的水平进行计算。这些超级集群由数千个 GPU 组成，对于在要求苛刻的行业中释放新想法至关重要。

提高计算能力和效率可以大幅降低成本，为医疗保健、银行业和物流业等转型行业提供应用机会，从而吸引寻求人工智能驱动扩张的长期投资者关注英伟达。

处理能力的指数级加速可能会改变各个行业的成本结构，并使人工智能在小型企业中的可用性发生巨大变化。随着计算机资源成本的下降，人工智能的民主化将使即使是最小的公司也能使用机器学习进行更有针对性的消费者互动和更智能的运营。从零售业到银行业再到医疗保健业，行业都充满了潜在收益。人工智能增强的处理能力可以加速药物研究，提高诊断准确性，并使医疗保健行业能够实现高度个性化的治疗。虽然零售和电子商务更多地使用人工智能来提供定制的产品建议和预测性库存管理以改变用户体验，但金融业将在欺诈检测、高频算法交易和强大的风险评估方面取得突破。

正如黄仁勋所言，这些发展为自主系统的突破开辟了道路，解决了曾经不可能解决的计算问题，因此机遇巨大。对于投资者来说，英伟达处于这场革命的中心，因为它的产品对于许多发展中的用途至关重要。行业合同和高价值联盟可能会随之而来；因此，英伟达与这一快速转型的契合可能会转化为重大回报，因此，在由人工智能驱动的行业定义的未来，这是一个战略投资问题。

Nvidia 面临着各种技术难题，这些难题可能会影响其在不断突破人工智能能力极限的过程中所取得的进展。随着芯片制造商接近原子级，半导体材料的物理限制带来了挑战，并使进一步缩小尺寸变得越来越困难。此外，尤其是随着对人工智能处理的需求不断增长，大型 GPU 集群的巨大能耗和巨大的冷却需求带来了可持续性问题并增加了运行成本。除了技术限制之外，Nvidia 还必须应对艰难的道德和法律领域。

随着人工智能渗透到更多生活领域，对数据隐私、人工智能决策的道德问题以及可能的监管审查的担忧正成为 Nvidia 及其行业竞争对手必须应对的日益严重的问题。竞争环境增加了更多的复杂性；AMD 和英特尔等企业正在加紧努力加速人工智能硬件开发，这给 Nvidia 带来了更大的压力，迫使其保持技术优势。

从投资角度来看，指数级增长既有风险，也有机遇。尽管英伟达在人工智能硬件方面的创新态势符合长期扩张模式，但快速的变化速度可能会造成动荡。投资者应权衡英伟达在转型市场中的战略定位以及短期障碍。

在黄仁勋富有远见的领导下，Nvidia 将引领一个由他所谓的“超摩尔定律”驱动的指数级扩张时代，这是人工智能计算机能力的一次重大飞跃，可能会重塑半导体行业。Nvidia 强调扩展人工智能硬件，这使其成为广泛采用人工智能的关键推动者，这一地位有可能为投资者带来可观的长期利润。随着从金融到医疗保健等企业更全面地采用人工智能，Nvidia 的技术优势可能会转化为重要的联盟和更高的股东价值。投资者必须及时了解 Nvidia 在人工智能硬件方面的发展以及在更大的技术生态系统中的战略行动，因为该业务极大地塑造了未来，而这主要取决于人工智能。

https://www.techspot.com/news/106246-jensen-huang-claims-nvidia-ai-chips-outpacing-moore.html

半导体精品公众号推荐

专注半导体领域更多原创内容

关注全球半导体产业动向与趋势

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第4001期内容，欢迎关注。

『半导体第一垂直媒体』

实时 专业 原创 深度

公众号ID：icbank

喜欢我们的内容就点“在看”分享给小伙伴哦