黄仁勋教联想搞AI

距离英特尔CEO帕特·基辛格在Innovation 2023上提出AI PC已经过去了一年之久，在那之后，基辛格又在今年给出预言称：

2024年，AI PC出货量预计将达到4000万台。

这让我们更加期待在今年的Innovation大会上，关于AI PC，基辛格老爷子又能给出怎样的新见解。

然而，困于内忧外患的英特尔却在会前突然宣布了Innovation将延期到2025年举办。

这之后，直到例行出席联想的Tech World大会时，我们才又见到了这位久违了的大佬。

在联想Tech World 2024大会，基辛格称，AI PC如今已有2000万出货量，到2030年，全球PC市场将100%转向AI PC。 

更重要的是，基辛格在大会上官宣，英特尔与AMD联手组建了X86生态咨询小组，以提升X86架构的定制化、兼容性和可扩展性，并跟上在这个AI时代不断增长的计算工作负载需求。

然而，风水轮转，行情逆转，即便这时的英特尔依然是PC处理器市场的绝对头部，但在另一个维度上的AI市场，弯道超车的英伟达已经完成全面超越。

就连英特尔的完美盟友联想，也开始转而向英伟达取经AI。

在2023年的Tech World大会上，联想把全球几大芯片厂商头头脑脑都请了个遍。 

作为全球PC领域最大的供应商，大家自然会给联想这个面子，各大芯片厂商或是掌门人亲自到场，再不济也会来个视频演讲。

而作为AI芯片领域当红人物，黄仁勋不仅亲自到场，还被联想设计到了一个特别的对话环节中。

在那次特别的对话，联想掌门人杨元庆将自己定位到了“记者”的角色，他对黄仁勋说：这次让我来做一次“记者”，来对你做个interview。

在那个生成式AI席卷全球、英伟达一枝独秀的时刻，杨元庆问了黄仁勋一个很多媒体都想问的问题：你怎么看生成式AI？

谈到生成式AI，气氛开始被拉到了黄仁勋的主场，黄仁勋滔滔不绝地讲了很多。

老黄说，“十年前，我们能够获得的智能是理解数据，理解语音、理解图像、理解各类数据的含义，但现在，我们第一次能够生成数据，这就是生成式AI的时代。”

如果说曾经的人工智能让我们可以理解诸如单词、声音、图像、蛋白质等各种结构化和非结构化数据，那么，现在我们已经可以生成这些数据。

老黄说，“现在我们最大的机遇是可以将这样的AI带到企业中。”

世界上绝大多数数据都保存在企业中，这些数据或敏感、或涉密、或需要被监管，因而无法上传到云端，也无法被人工智能应用。

为此，我们需要构建基础设施和解决方案让这些企业也可以从AI中受益。

老黄说，这样的基础设施包括四部分：

第一部分是预训练模型，这些在云端的人工智能预训练模型兼具性能、成本、交互性优势，这些模型非常庞大，所以处理速度越快，成本也就会越低。

这其中的关键是我们如何利用这些模型，这些模型本质上就像人类的大脑，但除非将它变成应用程序，否者它什么也不能做。

第二部分是RAG，这是一种检索增强型生成式AI模型，这种模式通过和AI交互生成结果，而非写代码或SQL查询语句，这是构建未来应用程序的新模式。

通过这一模式，我们可以像组建团队一样“组装”AI应用程序，这些“AI”在应用程序中会像在企业组织架构中的各种岗位一样为你服务。

例如像客户服务专员一样帮你策划营销活动，帮你监控公司内外的活动并识别漏洞，你还可以通过“和数据对话”知道你的电脑所知道的任何信息。

第三部分是Prompt，这是基于生成式AI的一种全新交互模式，包括RAG这样的生成式AI应用程序，都需要基于Prompt运行。

要实现Prompt输入，首先需要操作系统，英伟达和VMware在企业系统领域合作多年，为全球50万企业用户提供了AI系统。

这一AI系统是由VMware最初为企业可视化管理设计的系统改造而成，如今被称为VMware私人AI助理，英伟达和VMware在这一项目上已经合作四年之久。

第四部分是NVIDIA AI Enterprise，这是英伟达专为AI设计的端到端云原生软件平台，在这一平台上可以进行数据处理、深度学习、数据训练、数据微调，乃至模型训练和部署等操作。

那么，在这之中，联想的角色是什么？

老黄给出的解释是，NVIDIA AI Enterprise这套软件平台，最终会跑在联想的服务器上。

面对老黄的亲自教学，下定决心“All in AI”的联想自然是听进去了，联想与英伟达也开始在混合AI领域展开合作。

时隔一年后，联想再次在美国举办Tech World大会时，将大会从得克萨斯州搬到了西雅图。

作为大会的特别环节，杨元庆和黄仁勋的对话依然保留了interview的色彩。

在这次大会上，杨元庆问了黄仁勋两个关键问题：

第一个问题是：你对于Agentic AI（自主AI）和Physical AI（物理AI/实体AI）的观点是什么？

首先我们要解释一下这两个概念：

Agentic AI是今年人工智能领域的一个新概念，相较于需要用户输入指令才能输出结果的大语言模型，Agentic AI指的是拥有主动思考、规划、执行任务能力的自主AI，也就是更高级的AI智能体。

相较而言，Physical AI要好理解一些，指的是拥有物理实体的AI，例如现在火爆的机器人。黄仁勋是这类AI的拥趸，他曾在今年的GTC大会上将9款人形机器人请上舞台，并发布了人形机器人通用基础模型——Project GR00T。

面对杨元庆这样一个技术问题，黄仁勋指着屏幕上的“数字人老黄”说，“我们想生产数十亿个这样的‘玩具Jensen’（黄仁勋的英文名字），他们可以帮你做很多事情。”

老黄说，“无论你需要做什么，你最终是希望人工智能可以完成你下达的指令，这其实就是最基本的机器人，而未来，还会出现数字机器人，也就是我们所说的智能体。”

这样的智能体可以理解你下达的指令的含义，并将其分拆成多个步骤，通过调用工具、检索专有信息或其它可访问信息来执行任务。

除了智能体，我们还将拥有具备物理实体的机器人，这些机器人本质上是理解物理世界的智能体。

老黄说，“理解物理世界的智能体和理解信息世界的智能体，也就是Agentic AI和Physical AI，将成为如今构建工业世界的基础。”

或许是受到诸如OpenAI这样全球AI巨头对通用人工智能的具身发展趋势的判断，老黄对机器人情有独钟，无论是传统意义上的机器人，还是所谓的数字机器人，而他也希望用这样的理念影响到联想。

不过，面对PC市场下行趋势，加大押注企业AI的联想，还关心另一个问题，杨元庆将这个问题也抛给了黄仁勋：

企业客户现在不仅对大算力有需求，也对能效提出了更高要求，英伟达在算力和能效之间如何平衡？

老黄给出的答案是：速度！速度！还是速度！

老黄认为，“如今我们正处于又一个计算革命的早期阶段，这时，对于每个企业来说，最重要的就是加速重构企业发展路线并推进这样的落线落地。”

在人工智能技术浪潮来袭，英伟达的GPU开始一骑绝尘时，黄氏定律也由此诞生。

黄氏定律指出，GPU将推动AI性能实现逐年翻倍。

实际上，英伟达首席科学家Bill Dally在2023年曾指出，“在过去十年里，英伟达GPU人工智能处理能力增长了1000倍。”

正是基于这样的发展趋势，老黄告诉杨元庆，“当AI芯片性能每年提高2-3倍时，我们就可以有效地降低人工智能成本，降低人工智能的能源使用量，同时提升人工智能的创收能力。”

这样的AI芯片让现在的数据中心变成了生产tokens的AI工厂，这些tokens本质上就是人工智能，你希望这些tokens产能尽可能高，假如产能每年可以翻2-3倍，那么，你的数据中心每年都会因此降本或增收。

因此，老黄在大会上也喊出了“速度就是性能！速度就是能效！速度就是可持续！”的口号。

如果你的目标有多个，那一定要有一个主要目标，老黄选的目标是“速度”，这是老黄在联想Tech World上的现场教学。

理论教学激动人心，然而，这样的理论如何落到实处则是另一个问题。

如前文所述，联想的想法是做混合AI。