黄仁勋专访：H100全面投产，AI软件市场前景广阔

在人工智能领域，英伟达正展现出更庞大的布局。

高性能GPU 79%的市占率，让市场对英伟达的记忆停留在最强大的GPU供应商上，忽略了它强大的软件能力和布局。

当全世界都在为算力焦虑时，英伟达在GTC大会上给出了解决方案。

英伟达CEO黄仁勋推出了算力平台DGX Cloud，基于这个云平台，用户可以通过网页浏览器直接调用算力，就像点开百度搜索界面一样方便。而DGX超级计算机则是Open AI采用的算力引擎。

这项云服务目前已经和甲骨文达成合作，微软AWS也即将加入托管。黄仁勋表示，未来中国也可以采用这项服务，中国创业公司可以期待阿里、百度、腾讯提供的底层算力服务。

解决了算力问题，黄仁勋又给出了模型的解决方案。

面向那些没有大模型研发能力，又需要行业专属模型的公司，英伟达推出了NVIDIA AI Foundations，内置了语言模型NEMO、视觉模型PICASSO和生物学模型BIONEMO三种模型，企业可以将行业算法加入其中，生成专属于自己的大模型。

在硬件上，英伟达新推出了适合大模型需求的双 GPU产品 H100 NVL，希望更进一步为客户提供算力服务。

提供算力云平台，让高性能算力不再稀缺

算力是当下最抢手的资源。

除了少数云服务厂商和巨头，大模型企业很少有自建设算力中心的能力。

大模型具有改变各行各业的能力，自GPT 3.5以来，谷歌、百度等公司纷纷推出大模型产品，摩肩接踵的发布会日期宣示着，大模型混战已然开始。

作为Open AI背后的算力支柱，也是目前市面上性能最高、性价比最强的已量产产品，A100成为市面上最抢手的芯片。

一时之间，拥有A100芯片的数量，成为行业判断企业大模型能力的重要指标。

一位行业人士告诉36氪 ，国内某大模型公司拿到新一轮融资后，就赶紧通过私人渠道买了500块A100芯片。

面对如此紧缺的算力需求，英伟达推出了一项新的AI超级计算服务——DGX Cloud云服务。

DGX Cloud背后是DGX（AI超级计算机）的算力能力，通过这个平台，企业无需购买硬件，可以通过网页浏览的方式获取高性能算力，扩展多节点的AI训练。

DGX配有8个H100 GPU或A100 80GB Tensor Core GPU，每个节点共有640GB GPU内存。这8个模组具有很好的通信能力，能更好地传输数据。它配有Transformer引擎，可以处理类似ChatGPT的大模型。

此外，DGX还提供了NVIDIA AI Enterprise 套件，带有AI 解决方案工作流程，可以帮助企业优化框架设计和预训练模型，提高工程师的生产效率。

企业可以通过月租的方式获取算力，每月租金36999美元。可以说，DGX Cloud云平台降低了用户使用算力的门槛。

在部署方式上，DGX支持公有云、私有云和混合云的部署方式。在混合版本，客户在使用自己私有云算力的同时，接入DGX Cloud庞大的算力资源能力。英伟达的DGX官网界面已对外开放。

黄仁勋表示， NVIDIA DGX H100 AI超级计算机已全部全面投入生产，很快将面向全球企业。

目前，英伟达已经和微软Azure、谷歌云和Oracle OCI合作，向用户提供算力能力，使用户能通过浏览器就拥有英伟达DGXAI超级计算机的能力。

Oracle OCI是第一个提供英伟达DGX云的公司，微软 Azure则会从2023年第二季度开始托管，英伟达表示谷歌云也很快会加入合作，但是亚马逊云并未被提到。

在采访中，黄仁勋表示，中国也可以参与这项服务，英伟达在西方是通过和云服务商合作提供算力的，在中国也可以采取这样的方式，中国的创业企业可以期待阿里巴巴、腾讯和百度提供底层算力支持。

英伟达牌大模型

大模型能力仍然是少数技术实力极强公司的专属，大模型训练需要耗费大量时间成本和算力资源，且难度很高。

英伟达发布了另一个重要平台NVIDIA AI Foundations，为企业提供了自制大模型的工具，可以生成定制化的大语言模型（LLM）和生成式AI解决方案，让大模型不再成为难题。

在老黄看来，在某些特定领域，客户需要通过专有数据来构建自己的模型，以此满足公司安全、隐私等诉求，这些客户需要一个类似台积电一样的代工厂。

在大模型生产过程中，英伟达不仅为用户提供了一个原始模型，还有一系列引擎、接口，优化和降低企业生成模型的难度，同时会提供专家支持，帮助企业针对其自定义用例调整模型。

目前，NVIDIA AI Foundations里有语言模型NeMo、视觉模型Picasso和生物学模型 BioNeMo三种模型。

以NeMo为例，大模型训练需要大量参数，如果客户能基于NEMO等模型已有的参数和能力，再将该模型接入到专有的知识库中，就可以拥有既经验丰富，又有特定知识的大模型，让模型变得更加精准、高效，且客户后续也可以对模型进行优化和改进。

PICASSO模型可以生成图像、视频和3D素材。

一个值得关注的消息是，Adobe与英伟达正进行合作，将Photoshop、Premiere Pro 和 After Effects 等 Adob​​e Creative Cloud旗舰产品，进行和NVIDIA Picasso 联合开发。

Adobe的接入意味着，生成式 AI 为创造带来新可能的能力被认可。

此外，英伟达发布了面向生物学（用于药物研发）的 NVIDIA BioNeMo™云服务新模型，希望可以帮助AI医药领域的企业。

目前，NeMo 生成式 AI 云服务处于抢先体验阶段。Picasso 服务则处于非公开预览阶段，开发人员可通过相关链接申请使用这些服务。

ChatGPT专用芯片性能再升级

在硬件领域，英伟达也推出了新的产品。

黄仁勋隆重推出了一种新的双 GPU产品 H100 NVL。它加载了Transformer引擎，很适合ChatGPT 等大型 LLM。

常规显卡的数据已经无法支撑大模型的数据量需求，H100 NVL单卡显存容量为94GB，最高可提供188GB HBM3 显存。

与HGX A100相比，搭载四对H100和双NVLINK后，服务器的处理速度可以快10倍，且大模型的处理成本降低一个数量级。

此外，面向视频信息，英伟达推出了用于 AI 视频的 NVIDIA L40，能提供比 CPU 高 120 倍的 AI 视频性能，能够用于视频解码和转码功能、视频流、增强现实、生成 AI 视频等场景。

快手和Google Cloud 是L4的早期用户。

在图像生成上，英伟达推出L40，针对图形和支持 AI 的 2D、视频和 3D 图像生成进行了优化。L40 是英伟达元宇宙Omniverse的引擎，可以用来构建数据中心和运行元宇宙的程序。

在图形推荐上，英伟达推出了Grace Hopper for Recommendation Models，主要用于图形推荐模型、矢量数据库和图形神经网络。它将CPU 和 GPU做了一个连接，属于超级芯片范畴，且两类芯片之间的传输速度可以达到900 GB/s。

3月22日上午，英伟达CEO黄仁勋接受了包括36氪在内的媒体采访，以下为部分采访内容：

问题：中国有很多正在开发大型语言模型的中小型公司，担心算力紧缺问题，英伟达推出云服务后，何时会提供给中国客户，这项业务是否会和当前的云服务提供商产生竞争？

黄仁勋：中国会像西方一样参与使用这项服务。在西方，我们和一些云厂商合作来提供算力能力，他们都非常兴奋。

Ampere架构的GPU和Hopper也可以被用于中国市场，能符合出口管制的规定，他们将被用于中国的云计算巨头的产品中，像阿里巴巴、腾讯、百度都是优秀的合作伙伴。

对于中国的在大模型领域创业的初创公司来说，他们正投身于一场生成式人工智能革命，也可以期待阿里巴巴、腾讯、百度提供的人工智能云算力。

问题：目前人工智能芯片需求很大，英伟达的供应情况如何，您怎么看待这种变化？

黄仁勋：自从ChatGPT和人工智能以来，机器视觉计算相关需求迅速增加了。训练和推理方面的需求都增加了，变化发生得很迅速，我们的供应现在还很好，正在努力为所有客户提供服务。

目前全球的人工智能基础设施和视频人工智能计算总量不足，这也是需求上涨的一个主要原因。大模型对云基础设施的需求非常高，有很多创业公司想要使用云，你可以想象到人工智能推理的需求非常大，而且增长显著。

我们正在竞赛，也希望能够跑得更快一点，有足够的供应给每个人。

问题：英伟达是一家在硬件领域的伟大公司，您怎样看硬件市场和软件市场的空间？

黄仁勋：人工智能软件是一个比硬件大得多的市场，基础设施服务市场，硬件销售机会的总额大约在10亿美元；但是，人工智能在自动化、加速等相关的产业，制造业是数亿美元的市场需求；医疗领域，药物发现，科学家实验室研发，药物研究等，又是一个数万亿美元的市场。每一个行业都远远大于硬件领域。

人工智能第一次有机会成为工程师，药物发现科学家、公司研究助理员，或者是艺术、音乐、电影行业的共同创造者，它可以成为城市建筑的合作设计师，它的增加价值不同于以往任何的软件行业，人工智能展现了一种前所未有的技术和能力。

问题：英伟达有了自己的大模型基础，未来英伟达会专注于自己大模型，还是成为一个平台，也会呈现其它玩家的大模型？

黄仁勋：我们可以先做一下分类，首先，像Deep Mind、谷歌大脑这样的优秀实验室，他们有着非常卓越的大模型研究能力，我们和他们非常紧密地合作，为他们提供算力能力，帮助他们推进工作。我们有很多的人工智能公司合作伙伴。

也有另外一类企业，他们并不希望开发人工智能模型，希望使用上述公司的大模型能力。

同时，中间还有一批用户，他们无法使用公开的模型，他们的使用领域太细分了，也许和生物学高度相关，和合成生物学相关，药物设计相关，甚至物理学相关。它自己的基础模型很可能会发生变化。在很多个领域，都可以有一些基础模型，然后客户可以用私有的数据来训练这个模型，他们来创造和运用这个模型，来执行特定公司、行业的事情。那我们就可以和他们合作。他们有领域知识，有数据，我们有人工智能知识，可以计算。

在视频中，我们提供了三个基础模型，一个是语言，一个是视觉语言，还有一个是生物学，将来我们也会有其它的模型，目的很简单，不是为了作为产品提供给客户，只是希望帮助公司树立客户。我们会继续推动模型发展。我们有6个超级计算机，可以用他们来推进大模型的开发。

问题：人工智能产业和游戏行业正在下滑，中国的电动车市场也在放缓，公司在战略层面怎么看待这种变化？

黄仁勋：这三个都是非常重要的业务，他们是完全不同的业务。但是，尽管业务不同，在核心上，计算引擎在基础和视频加速计算方面是相同的。这就是为什么，当我们提高计算机图形能力时，它有助于自动驾驶汽车，它们都有相似之处。

我认为游戏行业正在复苏，并没有放缓。人工智能去年遇到了困难，从我们的角度来看，我们一直在慢慢恢复。数据做得非常好。

我们为电动汽车行业的数据中心和汽车提供数据中心服务，我们提供人工智能来训练模型，以及Omniverse来模拟汽车，即使放缓也没关系，他们也都需要投资软件。