專訪NVIDIA CEO黃仁勳：為工程師打造“Metaverse”，提升開發效率

4月13日凌晨，NVIDIA CEO黃仁勳在GTC 2021年線上會議上發表主題演講。

在演講中，黃仁勳介紹了NVIDIA  Omniverse。它是一個雲原生平臺，又被稱之為面向工程師的Metaverse。

Omniverse具有如下四個特點：第一、逼真的渲染效果。觸手可及的逼真體驗；第二、音訊輸入，面部動畫輸出；第三、驚人的視覺效果；第四、動作即創作。

據悉，NVIDIA Omniverse自公測以來，已相繼應用在建築、娛樂、遊戲等領域。過去兩年中，英偉達跟超過400家企業合作開發Omniverse。過去三個月中，已有17000個使用者體現測試版。

NVIDIA官方披露的資料顯示，公司已在該專案上花費數億美元。目前在Omniverse平臺上，NVIDIA可測試搭載AI晶片的自動駕駛汽車。

未來，在Omniverse平臺上，各行各業都能在真實建造物理世界前，測試跟設計虛擬產品。

以下是黃仁勳接受媒體群訪的編輯實錄。黃仁勳詳細描述了Omniverse對遊戲行業的意義，同時分享了對Arm收購案的看法：

問題一：Omniverse初版針對企業，很好奇你們是如何得到遊戲開發者支援的？你是否希望或期待遊戲開發者在Omniverse中構建自己的元宇宙，並最終嘗試在Omniverse平臺上託管消費者的元宇宙？還是說，具體到遊戲開發者，目標會有所不同？

黃仁勳：遊戲開發是目前世界上最複雜的設計工藝之一。我預測，在虛擬世界裡設計的東西會比現實世界更多，其中很多跟遊戲設計相關。

它們的質量和保真度跟實物一樣高、精緻，不過會有更多建築、汽車、船甚至硬幣。當然，這些設計並非所有都成為遊戲道具，而是最終會成為實物。對大多數人而言，他們或許會覺得數字世界跟物理世界一樣真實。

Omniverse會讓遊戲開發者輕鬆應對複雜的流水線工作。在遊戲製作過程中，有人複雜製作動畫，有人負責紋理、燈光、幾何圖形。上述設計流水線工藝，整合起來非常複雜。

不過在Omniverse平臺上，上述流水線通道能夠打通連結。每個人都能看到別人在做什麼，並保證人們眼見為實。

一旦遊戲開發完成，他們就能從Unreal、Unity引擎中匯出直接執行。即便開發者是開發雲遊戲，他們也可以通過Omniverse來實現。

畢竟雲端渲染需要多個GPU和大量計算，而這正是NVIDIA的強項。

我認為，未來遊戲開發會呈現出上述演變趨勢。在Omniverse平臺上，單單只是為遊戲開發者設計虛擬世界，就足以提升他們的工作效率。

問題二：公司宣佈目前處理器以高效能運算應用為目標，特別是人工智慧。您是否會擴大該產品的規模，將CPU產品線擴充套件至其它細分市場，尤其是資料中心市場？

黃仁勳：Grace專為資料驅動的應用程式和軟體而設計。如果想要編寫軟體，需要豐富的經驗，就像人類需要智慧積累一樣。要想獲得經驗，最好的方式是通過分析大量的資料。

當然，你可以通過模擬來獲得。例如，Omniverse模擬系統會在Grace上執行得非常好。你能進行模擬—模擬是想象力的一種形式。你能從資料中學習，這是經驗的一種形式。通過研究資料來推斷、概括這種理解並將其轉化為知識。這是英偉達第一個資料中心CPU，專為大型應用建立。這是設計Grace目的所在。

作為一種策略或者是哲學，我們傾向於不做任何事，除非世界需要我們做，且它並不存在。當你看到Grace架構，就會意識到它是獨一無二的。它看起來跟市面上任何東西都不一樣。

它解決了一個過去不存在的問題。這是一個機會和市場，一種20年前不存在的計算方式。我們可以合理地想象，20年前設計CPU和系統的架構師不會解決這個新的應用空間。

我們傾向於關注以前不存在的領域。這是一類世界需要去解決的新問題，而我們會專注於此。

除此之外，我們與英特爾、AMD有很好的合作關係，比如PC行業、資料中心、超大規模、超級計算方面等方面。

Ampere Computing正在研發一個強大的ARM CPU。Marvell在邊緣計算、5G、I/O系統和儲存系統方面表現驚豔。他們非常出色，我們將與他們展開合作。與此同時，我們也與全球最大的SOC公司聯發科合作。這些公司都有很棒的產品，跟我們的策略跟理念一致。

通過NVIDIA AI或NVIDIA  RTX（光線追蹤）以及Omniverse等平臺，一旦將所有技術連線至CPU上，市場將會隨之擴大。

這是英偉達的基本工作方法，我們只專注於打造世界上沒有的東西。

問題三：跟進上一個問題，關於Grace和它的使用。這是否預示著NVIDIA 在CPU領域或許有超越資料中心領域的野心？我知道你說你在尋找世界上尚未出現的東西。很顯然，在資料中心領域與ARM合作，會導致一個問題，即未來我們會否看到NVIDIA CPU版本。

黃仁勳：我們平臺是保持開放的心態。比如行動式AI資料中心—NVIDIA DGX Station，它採用的架構非常特別。值得一提的是，這款產品的第一位客戶是NVIDIA的研究人員。

像類似的基礎設施，價值合計達到幾十億美元。公司AI研究人員正在使用這些基礎設施來開發產品和預訓練模型。與此同時，也會用於自研駕駛汽車。我們打造 DGX，主要目的是為了解決內容的問題。它完全可以進行定製化生產。

拆解下來，我們的計算平臺分為三層開放平臺：硬體層，晶片和系統。像NVIDIA  AI、 Omniverse是中介軟體層，它對外開發。頂層是預先訓練好的模型、AI技能，如駕駛、說話、推薦技、遊戲技能等等。

早在建立之初，我們就會思考、構建如何落地應用。Grace將以同樣的方式進行商業化，就像NVIDIA GPU商業化一樣。

關於未來，我們的首要選擇是，不建造什麼東西。我們的優先選項是，如果有人在建造它，我們很樂意成為使用者。這能讓我們騰出公司的關鍵資源，專注於以一種相當獨特的方式推動行業發展。

我們試圖探尋人們的發展方向，如果他們在這方面做得非常出色，我們更傾向於與他們合作，將NVIDIA 技術帶入新市場。又或者是，共同擴充組合市場。

其實收購ARM與我們對計算世界的思考方式非常相似。我們打造一個開放平臺，出售晶片，對軟體進行授權。我們把所有東西都放在那裡，以便生態系統能夠建立定製的、個性化的、差異化的版本。我們喜歡開放平臺的玩法。

問題四：你提議建立一個量子計算的軟體庫。你也在研究硬體元件嗎？

黃仁勳：我們不是在打造一臺量子計算機，而是在打造一個用於量子線路模擬的SDK。我們之所以這樣做，是為了發明、研究未來的計算，你需要世界上最快的計算機來做這件事。

你知道，量子計算機能夠模擬指數級的複雜度問題，這意味著你將需要一臺真正的大型計算機。你做模擬實驗的規模，可以驗證你正在進行的演算法開發研究的結果，以便某一天你能夠在量子計算機上執行這些演算法，從而發現演算法。

目前，你能在量子計算機上執行的演算法並沒有那麼多被證明會有用。

我們為業界提供一個平臺，讓他們可在系統、電路、演算法中進行量子計算研究。與此同時，在未來15-20年，當所有這些研究正在進行的時候，我們可以利用相同的 SDK，相同的計算機，來幫助量子化學家更快地進行模擬。甚至在今天，我們也可以使用這些演算法。

眾所周知，量子計算機，具有令人難以置信的指數複雜性計算能力。但是，它有極端的 i/o 限制。你可以通過微波和鐳射進行通訊，你能進出那臺計算機的資料量是非常有限的。需要有一臺傳統計算機在量子計算機旁邊，或稱量子加速器，它可以對資料進行預處理，並對資料進行分塊的後處理。這樣的話，坐在量子計算機旁邊的經典計算機的速度會超快。

由此，傳統計算機將等同於一臺GPU加速的計算機，這個答案是非常合理的，我們這樣做有很多原因。全世界有60個研究機構，我們可以通過我們的方法與這些機構一起合作，可以幫助每個機構推進他們的研究。

問題五:大量工作人員搬到了家裡工作，並且有資料顯示網路犯罪數量正在增長，這是否會改變像你們這樣的公司使用人工智慧提供防禦的方式？你是否擔心這些技術落入那些能夠犯下更復雜、更具破壞性罪行的壞人手中？同時，也想聽聽關於如何在全球基礎上解決晶片短缺問題的看法。

黃仁勳：最好的辦法是把技術民主化，讓全社會都能用，把偉大的技術交到他們手裡，讓他們能用同樣的技術，最好是優越的技術，來保證自身安全。

今天安全問題確實令人擔憂，其原因就是因為虛擬化和雲端計算。安全性已經成為各公司正在面臨的挑戰，因為資料中心內的每一臺計算機現在都暴露在外部。

過去，只有資料中心的門是暴露在外面的，你得進入公司、成為員工才能進入資料中心，或者只能通過VPN進入。現在，有了雲端計算，一切都暴露在外。

資料中心暴露的另一個原因是，現在的應用都是聚合的。過去，應用程式會在一個容器中、在一臺計算機中單體執行。現在，擴充套件架構的應用程式，出於很好的理由，已經變成了可以擴充套件到整個資料中心的微型服務。

微服務之間通過網路協議進行通訊。凡是有網路流量的地方，就有機會攔截。現在資料中心有幾十億個埠，幾十億個虛擬活動埠。它們都面臨潛在的危險，可能受到攻擊。

要想解決安全問題，就必須在節點上執行安全操作，必須從節點開始。這就是為什麼與 BlueField 的合作讓我們如此興奮的原因之一。

因為它是一個網路晶片，已經存在於計算機節點中，而且我們發明了一種把高速人工智慧處理放在企業資料中心的方法——它叫EGX——一端是BlueField，另一端是EGX，這就是安全公司構建人工智慧的框架。

如 Check Point 、Fortinet 、 Palo Alto Networks等等公司，他們現在可以開發軟體，執行在我們製造的晶片和計算機上。因此，資料中心中的每一個資料包都可以被監控。可以檢查每個資料包，將其分解，變成標記或文字，使用自然語言理解(我們剛才談到過)進行閱讀——自然語言理解將決定是否需要某個特定的操作，是否需要某個安全操作，並將安全操作請求傳送回 BlueField。

這一切都會實時、持續發生，而在雲端就沒有辦法做到這一點，因為有太多的資料必須要轉移到雲端。在CPU上也沒有辦法做到這一點，因為它需要太多的能量，太多的計算負載。

人們是不會這麼做的，因為這並不可行，但現在，有了BlueField和EGX，也就有了切實的可行性。

第二個問題與晶片供應有關，這個行業一直以來都會受到一些動態因素的影響，其中一個因素就是新冠疫情暴露了汽車工業供應鏈中的一個弱點。

汽車工業有兩個主要組成部分，這些主要組成部分要經過各種供應鏈，所以他們的供應鏈是非常複雜的。當它因為疫情而突然關閉時，恢復過程或者說重啟過程，比任何人預期的都要複雜得多。

很明顯，汽車可以重新架構，並不是憑藉成千上萬的零部件，而在於其中幾個集中的零部件。把注意力集中在四件事情上，遠比在不同的地方注意一千件事情要好得多。

另一個因素是技術動態。它有很多不同的表達方式，但技術動態基本上是我們將計算整合到雲端中，然後再整合到資料中心。

過去是一大堆電子裝置，現在我們可以將它虛擬化放到雲端，然後進行遠端計算。剛才所談到的所有動態因素給資料中心帶來了安全挑戰，這也正是為什麼這些晶片如此龐大的原因。

當你把計算放在資料中心，你可以按照需要放大晶片。資料中心很大，因為它可以被很多人聚合和共享。它推動了應用，把發展趨勢推向非常先進的大型晶片，而非先進的小型晶片。突然之間，世界半導體消費的天平傾向於最先進的計算機技術。

現在業界已經認識到這一點，世界上最大的半導體公司肯定也認識到這一點。他們會著手建立必要能力體系。

問題六：我想知道NVIDIA希望通過Grace接觸到哪些客戶和行業，以及您認為高效能人工智慧和高階計算資料中心 cpu 的市場規模是多少？

黃仁勳：我先申明一下我並不清楚，但我可以告訴大家我的直覺。

30年前，投資人問我3D圖形的規模會有多大。我說我不知道，然而我的直覺是，電子遊戲會成為極度受歡迎的應用程式，而PC將成為一種消費品 —— 當時的PC沒有網際網路、沒有CD-ROM、沒有LCD，甚至沒有聲音。

新的應用將把以前不可能的變成可能，我的投資人還問過像電子遊戲這樣的消費產品市場會有多大， 我認為每個人都會成為遊戲玩家。

我在30年前就這麼說了，而現在，我正朝著正確的方向努力，堅信它一定會成為現實。

十年前有人問我，“你為什麼要在深度學習中做這些事情？誰會在乎怎麼探測貓呢?”但這並不是關於探測貓。而是一種全新的軟體開發方式。通過這種方式開發軟體和使用深度網路，你就可以捕捉到非常高的維數，這就是通用函式逼近器。

我可以用它來預測牛頓定律。只要有足夠的資料，我可以用它來預測任何你想預測的事情。我們在這種直覺上投入了數百億美元，我認為這種直覺已經被證明是正確的。

我相信，我們需要建造一個新的計算規模，它需要從地球規模的資料中學習。你們將擁有能連線到地球上的任何地方的感測器，我們將用它們來預測氣候，創造一個地球的數字孿生兄弟。

它可以預測任何地方的天氣，甚至一平方米，因為它學習了地球的物理學和幾何學。它學會了所有這些演算法。我們可以對自然語言進行理解，這是非常複雜的，而且一直在變化。

關於語言，人們沒有意識到的是它是不斷進化的。因此，無論你用什麼人工智慧模型來理解語言，明天都會過時，因為衰變的存在，人們稱之為模型漂移。只要你願意，你可以持續不斷地學習和漂移。

有一些規模很大的資料驅動科學需要去研究，有多少人需要語言模型？語言就是思想，思想是人類的終極技術，它有這麼多不同的版本，不同的文化和語言以及技術領域。零售業、時尚業、保險業、金融服務業、法律業、晶片業、軟體業，連人們說話的方式都是各式各樣的。

我們必須為每一個人訓練和調整模型，這些有多少個版本？讓我們來看看。以70種語言為例，乘以100個需要永遠使用龐大系統訓練資料的行業。我的感覺是，這將是一個非常大的新市場，就像GPU曾經是一個零億美元的市場一樣。

這正是NVIDIA的風格。我們傾向於追逐零億美元的市場，因為這就是我們為行業做出貢獻的方式，這就是我們探索未來的方式。

問題七: 你是否仍然確信 ARM 的交易會在完成之前獲得批准？隨著 Grace 的宣告以及在開發中擁有的所有與 ARM 相關的合作伙伴關係，收購 ARM 對於公司的目標有多重要？擁有 ARM 你得到了什麼？而又有哪些是你得不到的？

黃仁勳: 正如你所知道的，ARM 和 NVIDIA都是獨立、優秀的企業。在我們完成這一過程的過程中，我們將繼續保持優質的獨立業務。然而，我們可以一起做很多事情，我之後會回到這個話題。對於前面關於交易的問題問題，我非常有信心，監管機構會看到這筆交易前瞻性與可行性。它將帶來一波創新浪潮。

為市場創造新的選擇。這將使 ARM 得以擴張進入市場，否則它們很難進入這些市場。就像我們宣佈的許多合作伙伴一樣，都是把人工智慧帶入 ARM 生態系統，把 NVIDIA的快速計算平臺帶入 ARM 生態系統的合理做法——這是隻有我們和一群計算機公司共同努力才能做到的。

而我們與他們的討論正如預期的那樣具有建設性，最初預計的時間為18個月，我有信心在2022年完成這筆交易。

至於我們可以一起做什麼，我在GTC上展示了一個早期的例子：我們宣佈與亞馬遜合作，把Graviton架構和NVIDIA的GPU架構結合起來，為ARM帶來現代AI和現代雲端計算。

我們做這些是為了Ampere計算、AI科學計算、科學計算。我們宣佈做Marvell，邊緣和雲平臺以及5G平臺。然後我們宣佈為聯發科做。

這些都是需要長時間去做的事情，作為一家公司，我們希望也能夠做得更好。合併後將增強我們的兩項業務。其中一方面，它將ARM擴充套件到新的計算平臺，另一方面，它將NVIDIA的AI平臺擴充套件到ARM生態系統中，而ARM生態系統對NVIDIA的AI和加速計算平臺的曝光率不足。

編譯/袁暢
來源：競核
原文：https://mp.weixin.qq.com/s/IrPQvTF0XN39curEW4z1mQ