美国当地时间8月8日早上，英伟达创始人、CEO黄仁勋在世界计算机图形会议SIGGRAPH2023上，开场回顾了英伟达在图形计算上的高光时刻，并且展示了最新实时渲染的4K分辨率3D赛车追逐Demo。
不过，仅仅几分钟后，“皮衣教主”的演讲，就从3D图形完全过渡到AI上了。作为人工智能浪潮中最重要的人物，黄仁勋为“普及生成式AI”提供了更生猛的硬件和更智能的应用和平台。
当天，黄仁勋曝光了用于生成式AI的GH200 Grace Hopper超级芯片、NVIDIA AIWorkbench以及通过生成式AI和OpenUSD升级的NVIDIA Omniverse。
同时，黄仁勋还宣布英伟达与AI开源社区Hugging Face合作，将把生成式AI超级计算能力交付给数百万开发者，为他们构建大型语言模型（LLM）和AI应用提供支持。
“还是那句话，买的越多，省的越多。”即使到了现在，黄仁勋依然不改金牌销售的风格。
“核弹工厂”，即将上线
“生成式AI时代的来临，就像iPhone时刻一样。”黄仁勋感慨，英伟达加速计算的旅程与深度学习研究人员的旅程相遇，现代人工智能的大爆炸发生了。
五年前，英伟达通过在GPU上引入AI和实时光线追踪，重新定义了图形技术。但是“当我们通过AI重新定义计算机图形时，我们也正在为AI重新定义GPU。”
结果就是，出现了越来越强大的系统，例如NVIDIA HGX H100，利用八个GPU，总计1万亿个晶体管，比基于CPU的系统提供了更显著的“加速计算”。
五年后，为了继续推动AI发展，英伟达推出了Grace Hopper超级芯片，即 NVIDIA GH200，它将72核Grace CPU与Hopper GPU相结合，提供1 EFLOPS的AI算力和144TB的高速存储，并于今年5月全面投产。
对于GH200，黄仁勋在演讲又拿出了看家金句，“如果我可以请你记住我今天演讲中的一件事，那就是，未来属于加速计算，你买的越多，你省的越多。”
NVIDIA GH200最可怕的不是性能强悍，而是近乎疯狂的“可扩展性”。
GH200 Grace Hopper超级芯片平台。该平台连接多个GPU，用于处理复杂的生成式工作负载，包括大型语言模型、推荐系统和矢量数据库。据称，与前一代相比，双配置的内存容量是之前的3.5倍，带宽是之前的3倍，服务器配备144个Arm Neoverse核心、8 petaflops的AI性能和282GB的最新HBM3e内存技术。预计2024年第二季度将有客户基于该平台推出自己的系统。
根据老黄的说法，在相同的成本（1亿美元）下，2500块GH200组成的计算中心，在AI计算的能效上，要比传统的CPU计算中心高20倍。
如果说上千块GH200适用的对象是“前沿大语言模型”，对于已经成为“主流”的模型，英伟达也提供了能被普通人和公司使用的、成本更低的产品。
基于专业图形应用需求，如计算机辅助设计和数字内容创作，英伟达还发布了基于Ada Lovelace架构的RTX 4000 20GB、RTX 4500 24GB和RTX 5000 32GB，分别能提供26.7、39.6、65.3FP32TFLOPS的计算性能。
此外，英伟达还推出了搭载L40S GPU的OVX服务器产品，每台服务器最多可以装八个L40S GPU，每个GPU有48GB内存。对于具有数十亿参数和多种数据模态的复杂AI工作负载，相较于A100 Tensor Core GPU，L40S能够实现1.2倍的生成式AI推理性能和1.7倍的训练性能。
“专为生成式AI时代打造的AI超算”，GH200的PPT页面上如此写道。
联手开源，“普惠生成AI”
为了加速各类企业定制生成式AI，黄仁勋宣布，英伟达推出“AI Workbench”。
据称，它为开发人员提供了一个统一、易于使用的工具包，可以在个人电脑或工作站上快速创建、测试和微调生成式AI模型，然后将其扩展到几乎任何数据中心、公有云或NVIDIA DGX Cloud。
AIWorkbench主要降低企业启动AI项目的门槛。通过在本地系统上运行的简化访问界面，它允许开发人员从流行库（如Hugging Face、GitHub和NGC）中微调模型，使用自定义数据。然后，这些模型可以在多个平台之间共享。
全球各地企业都在竞相寻找合适的基础架构并构建生成式AI模型和应用，尽管现在已经有数以千计的预训练模型可用，但是使用许多开源工具进行定制可能仍具挑战性且耗时。
“为了使这种能力普惠，我们必须使其能够在几乎所有地方运行。”黄仁勋称：“让所有人都能参与生成式AI。”
借助AI Workbench，开发人员可以只需点击几下就可以定制和运行生成式AI。它允许他们将所有必要的企业级模型、框架、软件开发工具包和库汇集到一个统一的开发者工作区中。
据称，包括戴尔、惠普、Lambda、联想和Supermicro，都正采用AI Workbench，因为它可以将企业生成式AI能力带到开发人员希望工作的任何地方，包括本地设备。
在演讲中，黄仁勋展示了AI Workbench和ChatUSD如何将所有这些功能结合在一起：允许用户从GeForce RTX 4090笔记本电脑启动项目，并随着项目变得更加复杂而无缝扩展到工作站或数据中心。
据黄仁勋展示，用户可以提示模型生成一张玩具黄仁勋在太空中的图片，但初始模型提供的结果不适用，因为它从未见过玩具黄仁勋，这时候用户可以用八张玩具黄仁勋的图片微调模型，然后再次输入提示，获得正确的结果。
然后，使用AI Workbench，新模型就可以部署到企业应用程序中。
黄仁勋还宣布了英伟达与Hugging Face的合作伙伴关系，后者拥有200万用户，或将使英伟达的生成式AI计算能力成为数百万开发人员构建大型语言模型和AI应用的工具。
作为合作的一部分，Hugging Face将提供一个新的服务——“练集群即服务”（Training Cluster as a Service），由NVIDIA DGX Cloud提供支持，该服务将在未来几个月内推出。
开发人员将能够在Hugging Face平台内访问NVIDIA DGX Cloud AI超级计算，以训练和微调先进的AI模型。据悉，Hugging Face社区已分享超过25万个模型和5万个数据集。
“这将是一个全新的服务，将世界上最大的AI社区与世界上最好的训练和基础设施连接起来。”黄仁勋称。
ChatUSD，对话式“3D生成。
例如，Wonder Dynamics通过新的OpenUSD导出支持，可以自动将计算机生成的角色动画、灯光和合成到现实场景中。Move AI可以使用Move One应用程序进行单摄像机运动捕捉，可以生成3D角色动画，然后可以导出到OpenUSD并在 Omniverse中使用。
现在，Omniverse用户可以构建与其他基于OpenUSD的空间计算平台（如ARKit和RealityKit）兼容的内容、体验和应用程序。
另外，黄仁勋还宣布了由英伟达构建的四个新的Omniverse Cloud API，包括 ChatUSD、RunUSD、DeepSearch和USD-GDNPublisher，供开发人员更无缝地实现和部署OpenUSD管道和应用程序。
其中，ChatUSD可以回答USD知识问题或生成Python-USD代码脚本；RunUSD可以将USD文件转化为渲染图像；DeepSearch可以实现语义3D搜索；USD-GDN Publisher可用于发布基于OpenUSD的高保真体验，实时流式传输到Web浏览器和移动设备。
英伟达Omniverse和模拟技术副总裁称，“工业企业正在竞相将其工作流数字化，这增加了对启用OpenUSD的、连接的、可互操作的3D软件生态系统的需求。” “最新的Omniverse升级让开发人员通过OpenUSD利用生成式人工智能来增强他们的工具，同时允许企业构建更大、更复杂的全球规模模拟，作为其工业应用的数字测试场。”
目前都有谁在用Omniverse？据黄仁勋介绍，科技公司正在用它测试和模拟协作机器人，亚马逊用它模拟车队将仓库数字化，汽车厂商如梅赛德斯用它来模拟自动驾驶汽车，宝马用它模拟新的电动汽车生产线，将全球工厂网络数字化，Deutsche Mind用它创建铁路网络的数字孪生，甚至还有公司用它创建地球的数字孪生，即地球的气候系统等等。
据悉，英伟达还正在开发一种新的SimReady 3D模型结构。这些模型将包括真实的材料和物理属性，这对于准确训练自主机器人和车辆至关重要。例如，一个负责分拣包裹的自主机器人需要在3D模拟中进行训练，这些包裹在物理接触时移动和反应，就像在现实世界中一样。
在AI的推动下，协作式3D和工业数字化的时代正在到来。黄仁勋还认为，未来的工厂将是机器人工厂，“机器人协调一大堆机器人来制造本身就是机器人的汽车” “我们希望AI能够进行自我编程。”
“未来，整个工厂将由软件定义。”黄仁勋称。
作为这一波“生成式AI”浪潮中最重要的“基建”公司，英伟达股票已经在最近暴涨 200%，一度突破万亿美元大关。
而在售卖“核弹”硬件之外，在软件、云计算和平台以及生态方面，英伟达同样不遗余力，因为只有让生成式AI真正进入到工业生产和办公中，才算是真正实现“AI普惠”。而从这个角度来看，英伟达和现在的AI初创公司，以及正在向生成式AI转型的传统公司，其实在一条船上。
“买更多，省更多”，而只有“更多AI”，英伟达才能保证自己“越赚越多”。