หวงเหรินซวินตีความตลาด AI ปัจจุบัน: การกดดันให้ AI คืนทุนกับบริษัทเพียงสองแห่งนั้นไม่ถูกต้อง

TL;DR
· กฎของมัวร์ตายแล้ว วันนี้ถ้าต้องการพลังประมวลผลสองเท่า ก็ต้องจ่ายเงินสองเท่า และความมั่นใจของผมต่อผลลัพธ์คือ 99.99%

· การคาดการณ์ขนาดโครงสร้างพื้นฐานทั้งหมดจากรายได้ของห้องปฏิบัติการเพียงหนึ่งหรือสองแห่งเป็นความเข้าใจผิด—ห้องปฏิบัติการแนวหน้าคิดเป็นเพียง 25% ถึง 30% ของพลังประมวลผลของเรา ส่วนที่เหลือหนึ่งในสามคือการประมวลผลแบบคลาสสิก และอีกหนึ่งในสามคือสตาร์ทอัปนับหมื่นราย
· ที่ดิน ไฟฟ้า โครงสร้างอาคาร และทรัพยากรการก่อสร้าง จะเป็นคอขวดหลัก
· เมื่อเมกะวัตต์รวมถูกจำกัด ลูกค้าจะเลือกพลังประมวลผลที่มีประสิทธิผลสูงสุด ดังนั้นส่วนแบ่งของเราจึงเพิ่มขึ้นจริง ปริมาณเงินดอลลาร์ที่เราลงทุนต่อกิกะวัตต์เพิ่มจาก 18,000 ล้านเป็นมากกว่า 40,000 ล้านดอลลาร์
· เราหวังว่าต้นทุนของปัญญาจะลดลงปีละ 2 เท่าหรือแม้แต่ 20 เท่า เพราะการบริโภคปัญญาจะชดเชยช่องว่างนี้ได้อย่างมาก

จุดเปลี่ยนของการประมวลผล โมเดลการให้เหตุผล และยุคของเอเจนต์

เรากำลังก้าวเข้าสู่ขอบของภาวะเอกฐานหรือไม่ และทำไมความต้องการพลังประมวลผลต้องเพิ่มขึ้น 1,000 ล้านเท่า?

เราต้องการพลังประมวลผลมากกว่าที่ผ่านมาไม่นานถึง 1,000 ล้านเท่า ตรรกะนี้ค่อนข้างชัดเจน จำนวนครั้งของการให้เหตุผลที่จำเป็นในการคิดและแก้ปัญหานั้นมากกว่าการทำซ้ำหรือท่องจำสิ่งที่คุณจำได้แล้วอย่างมาก

คุณป้อนพรอมต์ให้ ChatGPT ยุคแรก ความรู้ส่วนใหญ่ถูกเข้ารหัสไว้ในโมเดลภาษาขนาดใหญ่แล้ว และสิ่งที่แย่คือมันเกิดภาพหลอน ขั้นต่อไปคือ AI เชิงสร้างสรรค์ที่ใช้ข้อเท็จจริงจริงมา "ยึดโยง" และจำกัดขอบเขต: มันจะค้นคืนอย่างรวดเร็ว นำข้อเท็จจริงกลับมา แล้วรวมกับการสร้างคำตอบจากพรีเทรนนิ่ง

สิ่งที่เราอยากทำจริงๆ และน่าสนใจ ส่วนใหญ่ต้องอาศัยการให้เหตุผลทีละขั้น: คิดหาทางเลือกหลายทาง วางแผน คาดการณ์ว่าสถานการณ์จะพัฒนาไปอย่างไร ทบทวนเส้นทางที่ดีที่สุดในปัจจุบัน ขยายแผนออก แล้วตัดส่วนที่เหลือทิ้ง นักกลยุทธ์ผู้ยิ่งใหญ่ล้วนรัก "ออปชันเชิงกลยุทธ์": คุณไม่ต้องการตัดกิ่งเร็วเกินไป แต่ก็ต้องปรับทรัพยากรให้เหมาะสม AI กำลังทำเช่นนี้อยู่ มันรักษาทางเลือกเชิงกลยุทธ์ ขยายการคาดการณ์ ทบทวน และตัดกิ่ง การคิดและการสำรวจทั้งหมดนี้ใช้พลังประมวลผลมากกว่ามาก

เพราะมันสามารถทำงานที่สร้างผลผลิตได้ เราจึงจะใช้มันทำสิ่งต่างๆ มากขึ้น สองสิ่งนี้ซ้อนทับกัน ใช้พลังประมวลผลมากขึ้นเพื่อทำงานให้สำเร็จ และในขณะเดียวกันก็ถูกจ้างให้ทำงานมากขึ้นเพราะทำได้ดี ร่วมกันขยายความต้องการรวม

ข้อสังเกตที่สำคัญที่สุดของปีที่แล้วคือ: กฎการสเกลของโมเดลจะดำเนินต่อไป แต่การใส่ "harness" หรือโครงกระดูกภายนอกของโมเดลภาษาขนาดใหญ่ให้มัน เป็นการปลดล็อกครั้งใหญ่ มันจัดการหน่วยความจำทำงาน แปลงหน่วยความจำทำงานเป็นหน่วยความจำระยะสั้นและระยะยาว และสร้างกราฟความรู้ มนุษย์ทำเช่นนี้: เราบีบอัดข้อมูลขณะนอนหลับ ลืมสิ่งที่ไม่สำคัญ และเชื่อมโยงสิ่งที่สำคัญใหม่ในสถานะออฟไลน์

การปลดล็อกอีกอย่างคือการใช้เครื่องมือ เราสอน AI ให้โต้ตอบกับเครื่องมือที่สำคัญที่สุดที่มนุษย์สร้างขึ้น: SPICE, Verilog, เครื่องจำลองต่างๆ, คอมไพเลอร์การออกแบบ, Photoshop, AutoCAD และเครื่องมือของ Siemens หากหุ่นยนต์เข้ามาในบ้านคุณ มันจะใช้เครื่องมือในบ้านของคุณ ไม่ใช่สร้างเครื่องมือใหม่ตั้งแต่ต้น เอเจนต์ต้องเรียนรู้การใช้เครื่องมือที่มีอยู่

เมื่อคุณนำโมเดลภาษาขนาดใหญ่ที่ใส่ harness เข้าไปในองค์กร เชื่อมต่อกับข้อเท็จจริงจริงและเครื่องมือที่มีอยู่ พวกมันก็เริ่มทำสิ่งที่น่าทึ่ง การเขียนโปรแกรมเป็นจุดเริ่มต้นที่ง่ายที่สุด เพราะวิศวกรซอฟต์แวร์คุ้นเคยกับเครื่องมือที่แม้จะใช้งานไม่ดีแต่มีประโยชน์มหาศาล

ขั้นต่อไปคือเวิร์กโฟลว์การออกแบบ ความคิดสร้างสรรค์ และการตลาด ตัวอย่างเช่น Astra ของ OpenAI นั้นยอดเยี่ยมมาก คุณถ่ายรูป ส่งให้ Astra แล้วมันจะสร้างใหม่เป็นโมเดล CAD โดยตรง เราต้องการโมเดล CAD เพื่อโต้ตอบ ปรับแต่ง และปรับละเอียด การลงมือครั้งแรกนี้ช่วยเพิ่มประสิทธิภาพการทำงานของนักออกแบบ ผู้สร้าง และครีเอเตอร์อย่างมาก

หากห้องปฏิบัติการแนวหน้าขยายพลังประมวลผลอีก 3 ถึง 5 เท่าในปีหน้า คุณคาดว่าจะเกิดความก้าวหน้าอะไรในงานเอเจนต์ที่ทำงานยาวนาน?

สมการนาเวียร์–สโตกส์เป็นตัวอย่างที่ดี OpenAI ไม่ได้แก้สมการนาเวียร์–สโตกส์จากความว่างเปล่า พวกเขาแก้ได้บนพื้นฐานของงานของนักวิทยาศาสตร์ นักคณิตศาสตร์ และผู้บุกเบิกที่ยิ่งใหญ่จำนวนมาก เรากำลังอยู่ที่จุดเปลี่ยนในหลายสาขา เนื่องจากงานพื้นฐานจำนวนมากเสร็จสิ้นแล้ว หากเราใช้ความสามารถในการสำรวจแบบถอนรากถอนโคนของ AI กับพื้นฐานเหล่านี้ เราจะเห็นความก้าวหน้าครั้งแล้วครั้งเล่าในไม่ช้า

เราต้องการพลังประมวลผลจำนวนมาก เพราะต้องสำรวจพื้นที่การค้นหาขนาดมหาศาล หากเพียงแค่อนุมานจากหลักการแรกโดยไม่ต้องค้นหาพื้นที่ขนาดใหญ่ คงมีคนแก้ได้นานแล้ว ปัญหามากมายแขวนอยู่ที่ขอบเหวนั้น รอการสำรวจด้วยปัญญาจำนวนมหาศาลมาแก้ไข

ในอีกไม่กี่ปีข้างหน้า ต้นทุนของปัญญาจะลดลงค่อนข้างเร็ว พลังประมวลผลมากขึ้นออนไลน์ และโมเดลก็ฉลาดขึ้นและมีประสิทธิภาพมากขึ้น เช่นเดียวกับกฎของมัวร์ที่ทำให้ต้นทุนการประมวลผลลดลงครึ่งหนึ่งทุกปีเป็นเวลาสามสิบปี เราหวังว่าต้นทุนของปัญญาจะลดลงปีละ 2 เท่าหรือแม้แต่ 20 เท่า และการบริโภคปัญญาจะชดเชยช่องว่างนี้ได้อย่างมาก โลกนี้มีสุญญากาศแห่งโอกาสมหาศาลรอการเติมเต็ม

ความทะเยอทะยานของเราขยายตัวอย่างรวดเร็ว เมื่อสิบปีก่อน การฝึก GPT-1 ใช้เงินประมาณ 10 ถึง 20 ล้านดอลลาร์ วันนี้ทำได้ด้วยเงินร้อยดอลลาร์ ในขณะเดียวกัน ความทะเยอทะยานของเราใหญ่ถึงขั้นเริ่มฝึกโมเดลที่มีพารามิเตอร์ 3 ล้านล้าน 10 ล้านล้าน และ 30 ล้านล้าน ในช่วงสิบปีที่ผ่านมา การใช้พลังประมวลผลของเราเพิ่มขึ้นประมาณหนึ่งล้านเท่า และความต้องการปัญญาของมนุษย์ไม่มีวันอิ่ม

ผู้คนบอกว่า AI จะให้เวลาว่างแก่เรามากขึ้น ผมไม่เห็นด้วยอย่างยิ่ง ปัญญาจะเปิดโอกาสมากขึ้น และคนที่มีความทะเยอทะยานก็อยากคว้าโอกาสเหล่านั้น ทุกครั้งที่คุณเรียนรู้สิ่งหนึ่ง คุณก็เปิดประตูบานใหม่ และหลังประตูนั้น คุณจะเห็นความท้าทายและปัญหาที่ต้องแก้ไขมากขึ้น

ในปี 1930 เคนส์ทำนายว่าอีกร้อยปีต่อมาเศรษฐกิจจะเติบโตแปดเท่า และชั่วโมงทำงานต่อสัปดาห์จะลดลงเหลือ 15 ชั่วโมง เศรษฐกิจเติบโตแปดเท่าจริง แต่เราไม่ได้มีสัปดาห์ทำงาน 15 ชั่วโมง เขาผิดที่ประเมินจิตวิญญาณมนุษย์ต่ำเกินไป: งานและการค้นพบให้ความรู้สึกมีความหมาย มันถูกเขียนไว้ใน DNA ของเรา

AI เชิงกายภาพ ปัญญาเชิงรูปธรรม และการปรับโครงสร้างอุตสาหกรรม

ทำไมสาธารณชนยังรู้สึกว่าปัญญาขั้นสูงอยู่ไกล และไม่ตระหนักว่ามันฝังอยู่ในชีวิตประจำวันแล้ว?

AI หรือปัญญาขั้นสูงเป็น "สสารอ่อน": คุณมองไม่เห็นและจับต้องไม่ได้ ทั้งโลกพูดถึงมัน แต่มันก็ยังไร้รูปร่าง จริงๆ แล้วผู้คนได้รับประโยชน์จากมันทุกวัน: ตอนค้นหา ตอนช้อปปิ้ง ตอนดู Netflix ตอนไป Walmart ตอนที่ FedEx วางแผนเส้นทางพัสดุ วันนี้ทั้งหมดนี้ใช้การประมวลผลแบบเร่งความเร็วและปัญญาขั้นสูง เพียงแต่เราไม่ค่อยเล่าเรื่องนี้ หากเราปิดศูนย์ข้อมูลและหยุดปัญญาขั้นสูงสักสุดสัปดาห์หนึ่ง ทุกคนจะรู้สึกได้ทันที

คุณกล่าวว่าช่วงเวลา ChatGPT ของวงการหุ่นยนต์มาถึงแล้ว นี่เป็นตลาดระดับแสนล้านดอลลาร์หรือไม่?

การบอกว่าแสนล้านดอลลาร์เป็นการประเมินต่ำเกินไป แค่ครึ่งปีแรกนี้ เราทำ AI เชิงกายภาพได้ 10,000 ล้านดอลลาร์ ปีที่แล้วทั้งปีคือ 10,000 ล้านดอลลาร์ และปีก่อนหน้าคือ 5,000 ล้านดอลลาร์

AI เชิงกายภาพคือ AI ที่โต้ตอบกับโลกกายภาพ มันรวมถึง CT นับโฟตอน อัลตราซาวนด์ เรดาร์ถ่ายภาพ เครือข่าย 5G รุ่นใหม่ที่รับรู้สัญญาณหลากหลาย รถยนต์ขับเคลื่อนอัตโนมัติ ระบบการผลิต ระบบตรวจสอบด้วยภาพ และดาวเทียมภูมิสารสนเทศที่สร้างโลกสามมิติขึ้นใหม่ AI ทำงานอยู่ทั่วสเปกตรัมแม่เหล็กไฟฟ้า

ใน AI มีการรับรู้ มีการให้เหตุผล แล้วก็มีการวางแผนและการดำเนินการ เมื่อคุณไปถึงขั้นการวางแผนและการดำเนินการ นั่นคือรถยนต์ขับเคลื่อนอัตโนมัติ รถส่งของในคลังสินค้า หุ่นยนต์หยิบจับที่เรียนรู้ด้วยตนเอง หุ่นยนต์ส่งยาในโรงพยาบาล และห้องผ่าตัดที่จะกลายเป็นหุ่นยนต์เต็มรูปแบบ

ทุกสิ่งที่สำคัญจริงๆ ต่อเรา สุดท้ายจะสัมผัสโลกกายภาพ การนำซอฟต์แวร์และปัญญาเข้าไปในอุตสาหกรรมที่ในอดีตเป็นเพียงเครื่องกลและไฟฟ้าล้วนๆ เป็นโอกาสมหาศาล ดูสิ่งที่อีลอนทำกับอุตสาหกรรมรถยนต์: เขาเปลี่ยนมันให้เป็นอุตสาหกรรมการประมวลผล ผู้ผลิตรถยนต์ทุกรายกำลังกลายเป็นบริษัทเทคโนโลยี FedEx, Walmart และผู้ให้บริการโทรคมนาคมก็กำลังกลายเป็นบริษัทเทคโนโลยีและ AI อีกครั้ง

NVIDIA ขับเคลื่อน AI เชิงกายภาพผ่านสถาปัตยกรรม "คอมพิวเตอร์สามเครื่อง" อย่างไร?

การสร้างแพลตฟอร์ม AI เชิงกายภาพต้องใช้คอมพิวเตอร์สามเครื่อง:

หนึ่ง คุณต้องสร้างคอมพิวเตอร์ที่เป็น "สมอง" ซึ่งก็คือระบบฝึกฝน

สอง ห้องปฏิบัติการ AI และนักพัฒนาต้องสร้างแฝดดิจิทัลของโลก เพื่อให้เอเจนต์ไม่ต้องเรียนรู้ด้วยการลองผิดลองถูกในความเป็นจริงทางกายภาพ เราสร้าง Omniverse ขึ้นเป็นแฝดดิจิทัลของคลังสินค้า อาคาร และเมือง เรานำหุ่นยนต์เข้าไปในแฝดดิจิทัล ให้มันเรียนรู้วิธีการทำงานที่นั่น

สาม คุณปรับใช้นโยบายลงในคอมพิวเตอร์ที่อยู่ภายในเครื่องจักรทางกายภาพ คอมพิวเตอร์ในรถยนต์ ในหุ่นยนต์ ในเครื่องมือผ่าตัด

มันต้องใช้คอมพิวเตอร์สามเครื่องและสแต็กซอฟต์แวร์ครบสามชุด เราสร้างสแต็กครบชุดสำหรับแต่ละชุด และเราเป็นบริษัทเดียวในโลกที่ทำเช่นนี้

การจัดแนวความปลอดภัย หลักการทางวิศวกรรม และระบบธรรมาภิบาลระดับชาติ

จะตอบสนองต่อวาทกรรมวันสิ้นโลกที่ว่า "AI ไม่สามารถจัดแนวได้อย่างสมบูรณ์และสุดท้ายจะควบคุมไม่ได้" อย่างไร?

เราต้องสร้างเทคโนโลยีอย่างมีความรับผิดชอบ "การสร้าง" เป็นคำศัพท์ทางวิศวกรรม วิศวกร นักวิทยาศาสตร์ และนักวิจัยต้องสร้างเทคโนโลยีนี้อย่างปลอดภัย คุณทำได้ไหม? ทำได้แน่นอน เพราะถ้าคุณทำไม่ได้ คุณก็ไม่ควรสร้างมันตั้งแต่แรก

บางคนบอกว่า AI ควบคุมไม่ได้ เพราะเป็นไปไม่ได้ที่จะจัดแนวได้อย่างสมบูรณ์ การจัดแนวหมายถึง: คุณมอบงานให้ AI แต่วิธีที่มันทำงานให้สำเร็จมีได้หลายวิธี เช่น โจทย์คณิตศาสตร์ที่ชัดเจน มันอาจแก้ด้วยการอนุมาน เปิดตำราเรียนหา หรือค้นคำตอบจากลิ้นชัก แต่สำหรับเป้าหมายอย่าง "ชีวิตต้องประสบความสำเร็จ" หรือ "ต้องทำประโยชน์ให้สังคม" ขึ้นอยู่กับวัฒนธรรม ภูมิหลัง และภูมิภาค มีวิธีตีความได้ไม่จำกัด การจัดแนวเป็นปัญหาที่มีอยู่ตลอดไป หากเราพึ่งพาการจัดแนวที่สมบูรณ์แบบเพื่อรับประกันความปลอดภัย เราก็จะไม่มีวันไปถึงวันนั้น

คำตอบทางวิศวกรรมเหมือนกับตรรกะที่เราเลี้ยงลูกและฝึกพนักงานใหม่:

หนึ่ง การแยกส่วนและความไว้วางใจเป็นศูนย์ เมื่อคุณจ้างใครสักคน หรือวางเด็กอายุหนึ่งขวบไว้ในคอกกั้น คุณเริ่มจากความไว้วางใจเป็นศูนย์ คุณให้สิทธิ์ขั้นต่ำ การเข้าถึงเครื่องมือขั้นต่ำ และวงเงินขั้นต่ำตามงานตรงหน้าอย่างเคร่งครัด เมื่อคุณสร้างความมั่นใจผ่านการทดสอบแล้ว จึงค่อยขยายขอบเขตเหล่านั้น

สอง การเฝ้าระวังนอกช่องทางปกติ การเฝ้าระวังต้องอยู่นอกช่องทางปกติ หากคุณบอกเอนทิตีที่มีปัญญาว่า "ฉันนั่งจ้องทุกการเคลื่อนไหวของคุณอยู่ตรงนี้" พฤติกรรมของมันจะต่างจากตอนที่ไม่มีใครเฝ้าดู ระบบเฝ้าระวังต้องอยู่ภายนอก สังเกตว่าระบบอัตโนมัติละเมิดนโยบายหรือข้อกำหนดการจัดแนวหรือไม่ และมีสิทธิ์อิสระที่จะยกระดับสถานการณ์หรือปิดระบบได้ทุกเมื่อ

นี่คือวิศวกรรมและเทคโนโลยี มันเป็นไปได้อย่างสมบูรณ์ เราเพิ่งเปิดตัวเป็น OpenShell และมีบริษัทมากกว่า 100 แห่งเข้าร่วมเฟรมเวิร์กนี้

ตอนลงนามข้อตกลงที่ทำเนียบขาว ผู้นำห้องปฏิบัติการแนวหน้ามีแนวคิดแบบบุกทะลวงโดยไม่ระวังหรือไม่?

เทคโนโลยีความปลอดภัยและการรักษาความปลอดภัยเป็นส่วนหนึ่งของ AI มีความเข้าใจผิดว่า ความสามารถของ AI กับความปลอดภัยเป็นมุมฉากต่อกัน เหมือนแยกเครื่องยนต์ออกจากเบรก ถุงลมนิรภัย และเรดาร์ของรถยนต์ เมื่อผมบอกว่าให้เร่งเทคโนโลยี AI นั่นหมายถึงเร่งเทคโนโลยีความปลอดภัยและการรักษาความปลอดภัยไปพร้อมกัน ไม่มีใครพูดว่า "เรามาชะลอความปลอดภัยกันเถอะ" คุณไม่สามารถแยกฟังก์ชันการทำงานออกจากความปลอดภัยได้

ในห้องประชุมคณะรัฐมนตรีที่มีประธานาธิบดีและผู้นำห้องปฏิบัติการแนวหน้า ทุกคนมีความสร้างสรรค์และมีประสิทธิผล โดยไม่มีข้อยกเว้น ทุกคนมุ่งมั่นที่จะขับเคลื่อนอุตสาหกรรมนี้อย่างปลอดภัยและเชื่อถือได้ หากระบบไม่ปลอดภัย ฟังก์ชันการทำงานของมันก็ไม่มีวันถูกนำไปใช้งาน ฟังก์ชันการทำงาน ความสามารถ ความปลอดภัย และการรักษาความปลอดภัย ล้วนเป็นลำดับความสำคัญอันดับหนึ่งทั้งหมด

เราต้องนิยามใหม่ว่า "ชนะ" หมายถึงอะไร การชนะไม่ใช่อุตสาหกรรมเทคโนโลยี AI ชนะ การที่อเมริกาชนะหมายถึงทุกอุตสาหกรรมของอเมริกาชนะ: Eli Lilly ชนะ Walmart ชนะ FedEx ชนะ Boeing ชนะ กองทัพสหรัฐชนะ โรงเรียนและพลเมืองของเราก็ชนะ หากเทคโนโลยีสำเร็จ แต่ไม่มีใครสามารถนำไปใช้ได้อย่างปลอดภัย ก็ไม่มีการชนะใดๆ ทั้งสิ้น

คำถาม: กรอบการกำกับดูแล "สามเสาหลัก" ที่ประกอบด้วยการตรวจสอบของกระทรวงพาณิชย์ ข้อตกลงทำเนียบขาว และคณะทำงานด้านความปลอดภัย มีประสิทธิผลจริงหรือไม่?

วิธีที่ดีที่สุดสู่อนาคตคือการลงมือทำอย่างรวดเร็ว หากเราใช้เวลาเถียงกันเรื่อง "สมบูรณ์แบบ" หรือ "ลงมือทำ" เราจะเถียงกันตลอดไปและไม่มีวันไปถึงจุดนั้น

ผมชอบกรอบ "สามเสาหลัก" นี้มาก มันปฏิบัติได้ จับต้องได้ และมีอำนาจจริง เรากำลังลงมือทำอยู่ในขณะนี้ เพราะมันดีต่อบริษัทของเรา อุตสาหกรรมของเรา และสังคมของเรา ผมจำไม่ได้ว่ามีอุตสาหกรรมใดในขั้นตอนการพัฒนานี้ที่สร้างความร่วมมือข้ามบริษัท รัฐบาล และอุตสาหกรรมในระดับนี้ได้

ถึงผู้บัญญัติกฎหมาย ผมอยากบอกสองเรื่อง: หนึ่ง มาอยู่กับเราสักพัก ทำความเข้าใจก่อนว่าปัญหาทางเทคนิคคืออะไร แล้วค่อยออกกฎระเบียบ สอง ดูโซลูชันที่เรากำลังลงมือทำอยู่ แล้วช่วยเราทำให้ดีขึ้น โปรดมีส่วนร่วมอย่างสร้างสรรค์

กระแสการสร้างโครงสร้างพื้นฐานพลังประมวลผล การขาดแคลนไฟฟ้า และคอขวดทางกายภาพ

อุตสาหกรรมคาดการณ์ว่าจะเพิ่มพลังประมวลผลมากกว่า 40GW ต่อปี ข้อจำกัดทางกายภาพเช่นที่ดินและไฟฟ้าจะเป็นอุปสรรคหรือไม่?

ความต้องการมีอยู่แน่นอน และมากกว่านั้น ความท้าทายคือการก้าวจากโลกดิจิทัลสู่โลกกายภาพ อุปสรรคมีมากมาย: การอนุมัติที่ดิน การผลิตไฟฟ้า สถานีไฟฟ้าย่อย และช่างฝีมือเฉพาะทางที่จำเป็นในการสร้างศูนย์ข้อมูลมูลค่า 50,000 ล้านดอลลาร์ ช่างไฟฟ้า ช่างตกแต่ง ช่างประปา ทักษะเหล่านี้ไม่สามารถทดแทนได้ ที่ดิน ไฟฟ้า โครงสร้างอาคาร และทรัพยากรการก่อสร้าง จะเป็นคอขวดหลัก

NVIDIA บรรเทาปัญหานี้ด้วยการกระจายความเสี่ยงอย่างกว้างขวาง เราให้บริการผู้ให้บริการคลาวด์ทุกราย Neocloud และพันธมิตรองค์กรอย่าง Dell, HP และ Lenovo ครอบคลุมวงจรชีวิตทั้งหมด: การประมวลผลข้อมูล การฝึกฝน หลังการฝึกฝน การอนุมาน และการใช้เครื่องมือของเอเจนต์ หากรัฐใด ชุมชนใด หรือศูนย์ข้อมูลใดเจอคอขวด เนื่องจากความต้องการของเรามากกว่าอุปทานมาก เราก็แค่ย้ายห่วงโซ่อุปทานไปที่อื่น

NVIDIA เป็นโครงสร้างพื้นฐานระดับโลก เรามีโครงการที่กำลังก่อสร้างในยุโรป ออสเตรเลีย (เช่น การติดตั้ง 2GW ที่เราประกาศ) เอเชีย ละตินอเมริกา และตะวันออกกลาง หากอเมริกาสร้างไม่เร็วพอ ประเทศอื่นๆ ทั่วโลกก็กระตือรือร้นที่จะให้สร้างในประเทศของตน

เมื่อไฟฟ้าและความจุกริดที่มีอยู่ถูกจำกัด ลูกค้าจะเลือกสถาปัตยกรรมพลังประมวลผลอย่างไร?

สถาปัตยกรรมของ NVIDIA ให้จำนวนโทเคนต่อวัตต์มากที่สุด เมื่อเมกะวัตต์รวมที่มีอยู่ถูกจำกัด ทางเลือกของลูกค้าจะเปลี่ยนไปสู่ทรัพยากรการประมวลผลที่มีประสิทธิผลสูงสุดที่หาได้ เพราะ CEO ยังคงแบกรับเป้าหมายรายได้สูงที่ต้องรายงานต่อผู้ถือหุ้น

ระบบของเราเช่าได้ง่ายที่สุด ใช้งานได้หลากหลายที่สุด และทนทานที่สุด เนื่องจากการขาดแคลนทรัพยากรผลักผู้ซื้อเข้าหาประสิทธิภาพ ส่วนแบ่งการตลาดของเราจึงเพิ่มขึ้นจริง

มูลค่าที่เรามอบได้ต่อกิกะวัตต์สูงกว่าในอดีตมาก เราขยายจาก GPU ไปสู่เครือข่าย CPU ประสิทธิภาพสูง การประมวลผลสตอเรจ และโครงสร้างพื้นฐานความปลอดภัยอย่าง OpenShell ปริมาณเงินดอลลาร์ที่เราลงทุนต่อกิกะวัตต์เพิ่มจาก 18,000 ล้านดอลลาร์เป็นมากกว่า 40,000 ล้านดอลลาร์ และตัวเลขนี้ยังเพิ่มขึ้นเรื่อยๆ

ในบรรดา CSP รายใหญ่ เราคิดเป็นประมาณ 40% ของรายจ่ายลงทุนของพวกเขา ส่วนนอกเหนือจาก CSP องค์กรและคลาวด์ใหม่ เราคิดเป็นประมาณ 80% ทั้งสองส่วนนี้เพิ่มขึ้นเป็นสองเท่า นี่คือเหตุผลที่ส่วนแบ่งของเราในรายจ่ายลงทุนศูนย์ข้อมูลทั่วโลกยังคงขยายตัว

มัสก์ คลัสเตอร์ xAI และศูนย์ข้อมูลในอวกาศ

มัสก์สร้างคลัสเตอร์ Colossus เสร็จภายในไม่กี่เดือน ความเร็วในการขยายพลังประมวลผลของ xAI ไม่เคยมีมาก่อนหรือไม่?

อีลอนเคยถูกจัดอยู่ในธุรกิจองค์กรของเรา ตอนนี้เขาอยู่ในตัวเลข CSP ของเรา ผมชอบทำงานกับอีลอนมาก เขาใช้เทคโนโลยีของเราฝึกโมเดล ปรับใช้ Grok การบริโภค Grok กำลังพุ่งสูง และให้เช่าโครงสร้างพื้นฐานแก่ภายนอก

เขามีข้อได้เปรียบที่ไม่เหมือนใคร: เขารักจุดตัดระหว่างการประมวลผลกับการก่อสร้างทางกายภาพ และในด้านพลังงาน ไม่มีใครรู้มากกว่าเขา

ในปี 2028 ถึง 2029 การติดตั้งพลังประมวลผลหลายร้อยเมกะวัตต์ในอวกาศผ่าน Starship เป็นจริงได้หรือไม่?

ทีมวิศวกรรมของเรากำลังทำงานอย่างใกล้ชิดกับ SpaceX เพื่อสร้างสถาปัตยกรรมเซิร์ฟเวอร์รูปแบบใหม่ที่เหมาะกับอวกาศ

NVIDIA ให้ประสิทธิภาพต่อวัตต์ดีที่สุด แต่ที่สำคัญกว่านั้น ผลตอบแทนจากการลงทุนด้านพลังประมวลผลของเราไม่มีใครเทียบได้ ต้นทุนการปล่อยยานสูงมาก นั่นหมายความว่าคุณไม่สามารถส่งการประมวลผลต้นทุนต่ำมูลค่าต่ำขึ้นสู่วงโคจรได้ คุณต้องส่งระบบการประมวลผลที่มีมูลค่าสูงสุดและมีประสิทธิผลสูงสุดในประวัติศาสตร์ขึ้นไป จึงจะคุ้มค่ากับต้นทุนการปล่อยและได้ ROI ที่แข็งแกร่ง

ดาวเทียมในอวกาศต้องการพลังประมวลผลที่ใช้งานได้หลากหลาย หากคุณปล่อยดาวเทียมแล้วไม่มีลูกค้ามาเช่า มันก็จอดว่างอยู่ตรงนั้น แต่พลังประมวลผลของ NVIDIA เช่าได้ทั่วไปในทุกโมเดลปิด โมเดลเปิด สตาร์ทอัป และองค์กรทั่วโลก

มันยังทนทานมาก เราเป็นบริษัทฮาร์ดแวร์เพียงรายเดียวที่ฮาร์ดแวร์ที่ซื้อเมื่อหลายปีก่อนยังเร็วขึ้นในวันนี้ เพราะเราอัปเดตสแต็กซอฟต์แวร์และอัลกอริทึมผ่าน CUDA อย่างต่อเนื่อง ตราบใดที่ดาวเทียมยังอยู่ในวงโคจร เราจะบำรุงรักษาและปรับแต่งซอฟต์แวร์ของมันอย่างต่อเนื่อง ทำให้มันเป็นเพย์โหลดในอุดมคติของ SpaceX

ลบล้างทฤษฎีฟองสบู่รายจ่ายลงทุนและการสิ้นสุดของกฎของมัวร์

การสร้างรายได้เชิงพาณิชย์ของห้องปฏิบัติการแนวหน้าจะรองรับโครงสร้างพื้นฐานมูลค่าหลายล้านล้านดอลลาร์ได้หรือไม่ มีความเสี่ยงฟองสบู่แตกหรือไม่?

ผู้คนพยายามคาดการณ์ขนาดการก่อสร้างโครงสร้างพื้นฐานทั้งหมดจากรายได้ของห้องปฏิบัติการ AI เพียงหนึ่งหรือสองแห่ง นี่เป็นความเข้าใจผิดต่อสถานการณ์ปัจจุบัน

NVIDIA ครองส่วนแบ่งตลาดโครงสร้างพื้นฐาน AI ประมาณ 80% ธุรกิจของเราแบ่งเป็นสามส่วนที่แตกต่างกัน:
หนึ่ง การประมวลผลแบบเร่งความเร็วคลาสสิกคิดเป็นประมาณหนึ่งในสามของธุรกิจเรา นี่คือการประมวลผลข้อมูล พลศาสตร์โมเลกุล ฟิสิกส์ การจำลองฟิวชัน เคมีควอนตัม คอมพิวเตอร์กราฟิก และแมชชีนเลิร์นนิงคลาสสิก เช่น Visa และ Mastercard ใช้ XGBoost ตรวจจับการฉ้อโกง และระบบแนะนำ ธุรกิจส่วนนี้เติบโตปีละ 30% ถึง 40% และไม่เกี่ยวข้องกับห้องปฏิบัติการ AI เชิงสร้างสรรค์เลย

สอง ห้องปฏิบัติการ AI แนวหน้าคิดเป็นประมาณ 25% ถึง 30% ของพลังประมวลผลของเรา ผู้คนพูดถึงแค่สองแห่ง แต่เราทำงานด้วยห้าหรือหกแห่ง: Meta ที่ทำ Muse, xAI ที่ทำ Grok, Google ที่รัน Gemini บนระบบของเรา, Anthropic และ OpenAI

สาม หนึ่งในสามที่เหลือคือสตาร์ทอัปนับหมื่นรายและผู้เช่าคลาวด์องค์กร พวกเขาเช่าพลังประมวลผลของ NVIDIA เพื่อสร้างแอปพลิเคชัน AI เชิงกายภาพ AI ชีวภาพ และวัสดุศาสตร์เฉพาะทาง

ประมาณ 80% ของสตาร์ทอัปเหล่านี้ใช้โมเดลพื้นฐานแบบโอเพนซอร์ส พวกเขาไม่ได้แข่งขันโดยตรงกับห้องปฏิบัติการแนวหน้า พวกเขานำโมเดลโอเพนซอร์สอย่าง Nemotron มาปรับละเอียดด้วยข้อมูลโดเมนเฉพาะของตน สร้างปัญญาขั้นสูงเฉพาะสาขา

ห้องปฏิบัติการแนวหน้าจะสร้างปัญญาทั่วไป ส่วนบริษัทแนวดิ่งจะบรรลุปัญญาขั้นสูงในสาขาเฉพาะ การคาดหวังให้ห้องปฏิบัติการแนวหน้าเพียงสองแห่งสร้างรายได้หลายล้านล้านดอลลาร์เพื่อรองรับการก่อสร้างโครงสร้างพื้นฐานทั่วโลกนั้นทั้งไม่จำเป็นและไม่ถูกต้อง

ทำไมแม้ไม่มี AI เชิงสร้างสรรค์ รายจ่ายโครงสร้างพื้นฐานการประมวลผลทั่วโลกก็ยังเติบโตเป็นหลายล้านล้านดอลลาร์?

เมื่อหลายปีก่อน ผมคาดการณ์ว่าภายในสิ้นทศวรรษนี้ รายจ่ายโครงสร้างพื้นฐานจะสูงถึง 3 ถึง 4 ล้านล้านดอลลาร์ต่อปี โดยประมาณ 1.5 ล้านล้านดอลลาร์เป็นการประมวลผลล้วนๆ

ก่อนที่ AI เชิงสร้างสรรค์จะเกิดขึ้น รายจ่ายลงทุนศูนย์ข้อมูลอยู่ที่ 500,000 ล้านดอลลาร์ต่อปีแล้ว บนการเติบโตตามธรรมชาตินี้ ยังมีข้อเท็จจริงอีกประการหนึ่ง: กฎของมัวร์ตายแล้ว

ในอดีต หากคุณต้องการทรานซิสเตอร์สองเท่า รอหนึ่งปี ราคาเท่าเดิม วันนี้ หากคุณต้องการพลังประมวลผลสองเท่า คุณต้องจ่ายเงินสองเท่า เพราะการสเกลของ CPU ทั่วไปหยุดลงแล้ว เนื่องจากโลกต้องการการประมวลผลมากขึ้นทุกปี คุณต้องเพิ่มตัวคูณจำนวนมากเพื่อชดเชยการสิ้นสุดของกฎของมัวร์ แม้ไม่มี AI อุตสาหกรรมเซมิคอนดักเตอร์ก็อยู่ในเส้นทางที่จะเป็นอุตสาหกรรมที่ใหญ่ที่สุดในโลกอยู่แล้ว

ข้อจำกัดห่วงโซ่อุปทาน คูเมืองการแข่งขัน และโมเดลธุรกิจใหม่

ช่องว่างระหว่างอุปสงค์และอุปทานมีขนาดใหญ่ ข้อจำกัดทางกายภาพหลักของห่วงโซ่อุปทานในตอนนี้คืออะไร?

เรามีสมุดคำสั่งซื้อขนาดใหญ่จาก CSP ทุกราย คลาวด์ใหม่ และ OEM เราทำงานกับลูกค้าตามรอบการวางแผนหนึ่งถึงสองปี และปริมาณที่เราจัดสรรให้ลูกค้าในปัจจุบันน้อยกว่าที่พวกเขาต้องการมาก

ปลายน้ำ ที่ดิน ไฟฟ้า และโครงสร้างอาคารเป็นข้อจำกัด ต้นน้ำ วัสดุบรรจุภัณฑ์ขั้นสูงเป็นคอขวดหลัก ซับสเตรตกำลังใหญ่ขึ้นเพื่อรองรับซิลิคอนมากขึ้น วัสดุอินทรีย์ขนาดใหญ่เหล่านี้ยากที่จะได้ความแม่นยำตามที่เราต้องการ เมื่อบรรจุภัณฑ์ใหญ่ขึ้น การจัดการค่าสัมประสิทธิ์การขยายตัวทางความร้อน การบิดงอ และข้อบกพร่องในการผลิต ต้องอาศัยพันธมิตรที่ยอดเยี่ยม ซิลิคอนโฟโตนิกส์ก็มีอุปทานจำกัดเช่นกัน เราเพิ่มกำลังการผลิตทุกสัปดาห์ แต่อัตราการเติบโตของสมุดคำสั่งซื้อยังคงแซงหน้าอุปทาน

ทำไมลูกค้ายินดีสั่งซื้อ 50,000 ถึง 100,000 ล้านดอลลาร์ก่อนที่ผลิตภัณฑ์จะเปิดตัว? คูเมืองของคุณขยายกว้างขึ้นทำไม?

หากบริษัทต้องส่งคำสั่งซื้อ 50,000 หรือแม้แต่ 100,000 ล้านดอลลาร์สำหรับแพลตฟอร์มรุ่นถัดไปโดยไม่เห็นของจริง พวกเขาจะไว้วางใจใครได้?

ลูกค้ารู้ว่า Vera Rubin จะดีกว่า Blackwell เช่นเดียวกับที่ Blackwell ดีกว่า Hopper เวิร์กโหลดที่รันบนซูเปอร์คอมพิวเตอร์เหล่านี้ซับซ้อนอย่างยิ่ง คุณไม่สามารถรันเบนช์มาร์กเร็วๆ บนชิปตัวเดียวได้ การเบนช์มาระบบมูลค่า 50,000 ล้านดอลลาร์ต้องใช้ศูนย์ข้อมูลทั้งแห่งและเวลาหลายปีในการบูรณาการ

นี่เหมือนกับเหตุผลที่เรามอบธุรกิจโรงหล่อ 100% ให้ TSMC ทุกประการ TSMC เป็นบริษัทเดียวที่ผมสามารถวางแผนล่วงหน้าห้าปีโดยไม่เห็นของจริงได้ ผมมั่นใจว่าทรานซิสเตอร์จะส่งมอบได้แน่นอน มั่นใจว่าพวกเขามีขนาดเพียงพอที่จะรับมือความผันผวนของความต้องการมหาศาลของเรา และมั่นใจว่าพวกเขามีเทคโนโลยีบรรจุภัณฑ์ ลอจิก และซิลิคอนโฟโตนิกส์ที่จำเป็นทั้งหมด

NVIDIA เป็นบริษัทโครงสร้างพื้นฐานของโลกใบนี้ เทคโนโลยีเปลี่ยนแปลงเร็วมาก: จากโมเดล GPT ยุคแรก ไปจนถึง FlashAttention การแบ่งโมเดลข้าม NVLink 72 และโมเดลการแพร่แบบผสม SSM กับ Transformer ทั้งหมดนี้รันได้อย่างราบรื่นบน CUDA

ความเชี่ยวชาญเฉพาะทางเป็นศัตรูของความหลากหลายและความทนทาน หากคุณทำชิป ASIC แบบกำหนดเอง พวกมันขาดความยืดหยุ่น เพราะระบบของ NVIDIA รันเวิร์กโหลด โมเดล และเฟรมเวิร์กทั้งหมดได้ ศูนย์ข้อมูลมูลค่า 50,000 ล้านดอลลาร์จึงสามารถรันการฝึกฝน หลังการฝึกฝน หรือการอนุมานของเอเจนต์ได้อย่างง่ายดาย และยังปล่อยเช่าต่อให้ลูกค้ารายอื่นได้ ความหลากหลายและความทนทานนำมาซึ่งความสามารถในการเช่า อัตราการใช้ประโยชน์สูง และต้นทุนรวมในการเป็นเจ้าของ (TCO) ต่ำที่สุด

นอกเหนือจากการขายฮาร์ดแวร์ NVIDIA กำลังเปิดโมเดลธุรกิจใหม่ที่ทำกำไรสูงสองอย่างอะไรบ้าง?

การจัดหาเงินทุนและความร่วมมือในระบบนิเวศส่วนใหญ่ของเรากำลังสร้างโมเดลธุรกิจใหม่สองแบบ:

หนึ่ง การอนุญาตซอฟต์แวร์องค์กร การดำเนินการศูนย์ข้อมูลขนาดใหญ่เหล่านี้ในฐานะโรงงาน AI ระดับอุตสาหกรรมต้องใช้สแต็กซอฟต์แวร์ขนาดมหึมา CSP ระดับไฮเปอร์สเกลมีสแต็กซอฟต์แวร์ของตัวเอง ดังนั้นเราจึงให้ซอฟต์แวร์แบบโอเพนซอร์สแก่พวกเขาเพื่อให้พวกเขาบูรณาการเอง แต่องค์กรแบบดั้งเดิมไม่มีทีม IT หรือซอฟต์แวร์ภายในที่จะจัดการความซับซ้อนระดับนี้ พวกเขาต้องการให้ NVIDIA รับประกันด้วย SLA บำรุงรักษา รับประกัน และดำเนินการโรงงานเหล่านี้ตลอดวงจรชีวิตการดำเนินงาน การเก็บค่าธรรมเนียมใบอนุญาตซอฟต์แวร์รายปี เช่น หลายพันดอลลาร์ต่อ GPU ต่อปี และ GPU ที่องค์กรติดตั้งมีจำนวนนับล้าน นี่จะเป็นธุรกิจซอฟต์แวร์แบบประจำที่ใหญ่มาก

สอง การแบ่งรายได้จากคลาวด์ คลาวด์ใหม่ในบางภูมิภาครับผิดชอบการจัดหาที่ดิน ไฟฟ้า และโครงสร้างอาคาร แต่พึ่งพา NVIDIA ในการจัดหาโครงสร้างพื้นฐานแบบฟูลสแต็ก การสนับสนุนซอฟต์แวร์ และการดูดซับของระบบนิเวศลูกค้า ในความร่วมมือประเภทนี้ เราลงทุนล่วงหน้า ได้ทั้งรายได้จากการขายเริ่มต้น และแบ่งรายได้ต่อเนื่องเป็นเวลา 4 ถึง 10 ปี

เส้นโค้งการเติบโตทั้งสองเส้นนี้ขับเคลื่อนด้วยขนาดการติดตั้งทั่วโลกและปริมาณระบบนิเวศซอฟต์แวร์ของเรา ไม่ได้พึ่งพาปริมาณการจัดส่งฮาร์ดแวร์เพียงอย่างเดียว

ตรรกะการจัดสรรเงินทุนและความแน่นอน 99.99%

คุณใช้กระแสเงินสดอิสระมากกว่า 50% ในการซื้อคืน ตรรกะการจัดสรรเงินทุนเบื้องหลังคืออะไร?

ไตรมาสที่แล้ว เราคืนเงินมากกว่า 60% ของกระแสเงินสดอิสระผ่านการซื้อหุ้นคืน

เราจะลงทุนเชิงกลยุทธ์ในบริษัทคุณภาพสูงในระบบนิเวศของเราต่อไป เราอยู่ที่ศูนย์กลางของกระแสข้อมูล ทำงานกับผู้ก่อตั้งที่ยอดเยี่ยม และสามารถช่วยบริษัทที่เราลงทุนให้ประสบความสำเร็จได้จริง

แต่เมื่อเทียบกับความสามารถในการสร้างเงินสดโดยรวมของเรา สัดส่วนการลงทุนภายนอกจะลดลงอย่างรวดเร็ว โอกาสอย่างการลงทุนใน OpenAI หรือ Anthropic ในช่วงแรกจะไม่เกิดขึ้นซ้ำในขั้นตอนนั้นอีก และการสร้างกระแสเงินสดอิสระโดยรวมของเรากำลังขยายตัวด้วยความเร็วที่น่าทึ่ง

มองไปข้างหน้าห้าปี คุณมั่นใจแค่ไหนว่าโลกจะดีขึ้นอย่างชัดเจน?

มองไปที่สิ้นทศวรรษนี้ วงจรการก่อสร้างโครงสร้างพื้นฐานและการอัปเกรดฮาร์ดแวร์ทั่วโลกจะสูงถึง 4 ถึง 10 ล้านล้านดอลลาร์ต่อปีได้อย่างง่ายดาย ทุกครั้งที่สังคมบริโภคโทเคนและใช้ปัญญา โรงงานประมวลผลนั้นก็ต้องทำงาน หากงานความรู้คิดเป็น 50 ล้านล้านดอลลาร์ของ GDP โลก และ AI สร้างผลผลิตเพิ่มขึ้น 20% นั่นก็สร้างผลผลิตทางเศรษฐกิจเพิ่ม 10 ล้านล้านดอลลาร์ การนำมูลค่าส่วนเล็กน้อยกลับไปลงทุนในรายจ่ายลงทุนเพื่อสร้างปัญญาจึงสมเหตุสมผลอย่างสมบูรณ์

ผมมั่นใจ 99.99% ว่าผลลัพธ์จะเป็นบวกอย่างท่วมท้น มีคนจำนวนมากเกินไปที่ใส่ใจอย่างยิ่งที่จะทำให้เรื่องนี้ถูกต้อง นักวิจัยและวิศวกรที่มุ่งมั่นในอุตสาหกรรมต่างๆ นอกสายตาสาธารณชน กำลังทำงานที่ยอดเยี่ยมทุกวันเพื่อให้แน่ใจว่าเทคโนโลยีนี้ก้าวหน้าอย่างมีความรับผิดชอบ

ความกังวลเป็นสิ่งที่ดี และเราก็ควรแสดงความกังวลของเรา แต่การทำนายวันสิ้นโลกเป็นการประเมินความสามารถในการปรับตัว ความยืดหยุ่น และความคิดสร้างสรรค์ของมนุษย์ต่ำเกินไปอย่างรุนแรง การคิดว่าเรื่องจะพังถ้าไม่มีนักวิจารณ์ไม่กี่คนมาชี้แนะเป็นความหยิ่งยโส ผู้คนที่ยอดเยี่ยมในอุตสาหกรรมนี้กำลังทำสิ่งที่ถูกต้องทุกวัน

เราต้องรับผิดชอบต่อตัวเอง แต่เราควรคาดหวังอนาคตที่มองโลกในแง่ดี เราหยุดได้แน่นอน แต่ถ้าหยุดวันนี้ เราก็ละทิ้งโอกาสในการสร้างโลกที่ปลอดภัยกว่า สุขภาพดีกว่า และเจริญรุ่งเรืองกว่า