在今天 Nvidia GTC 上令人眼花缭乱的产品发布中，我特别感兴趣的是了解这些新闻如何影响 2023 年企业中人工智能的采用和应用。
我很高兴直接从英伟达企业计算副总裁Manuvir Das那里得到独家新闻，上个月我与他进行了交谈，深入了解了英伟达在过去十年中崛起为人工智能主导地位。为了清楚起见，这个一对一的采访已经过编辑和压缩。
马努维尔·达斯：我想说的是，企业人工智能正处于一个拐点。生成式AI和ChatGPT现在已经变得如此明显，即AI可以改变每个企业。我们已经看到这种情况已经有一段时间了，并且[已经推动]公司采用人工智能，但我认为ChatGPT确实创造了iPhone的时刻，如果你愿意的话，让企业公司说'我需要把它应用到我的业务和产品中，否则我将被抛在后面。
如果你看看我们的许多公告，它们都符合这一时刻。DGX Cloud[使Nvidia DGX AI超级计算机民主化，并经过优化以运行Nvidia AI Enterprise]是一个您可以获得培训能力的地方。
Nvidia AI 基础是一个您可以为您的公司定制生成 AI 然后部署它的地方。Nvidia AI Enterprise提供该软件，NeMo框架，您可以使用它来在云中训练自己的模型。
我们宣布的新芯片组合都是关于生成AI的推理。我们的 Hopper H100 在很大程度上是专门为这些生成式 AI 背后的变压器模型而设计的，并且 Hopper 已全面投入生产并开始通过各种渠道（如不同的云和 OEM）提供。
所以在企业AI方面，GTC的整个主题就是说这是企业真正拥抱AI的时刻。对于所有那些涉足和思考的企业来说，是否有一个令人信服的商业用例来证明对人工智能的投资是合理的？我认为它现在正盯着他们的脸。
VB：这些不同的公告解决了企业最大的痛点是什么？
达斯： 第一个痛点是人工智能是一个复杂的东西。对于非常小的公司或单个数据科学家，有非常好的交钥匙解决方案。您可以在AWS或Vertex AI或Azure ML上使用SageMaker，并且快速上手。但是，当您超越单个 GPU 或单个节点的那一刻，解决方案就不那么容易扩展了。
另一方面，你可以成为一个非常大的人工智能实践者，消耗1000多个GPU，比如Meta或OpenAI，你有自己的数百名工程师团队，可以处理所有的复杂性，并完成实际使用大规模环境所需的所有工程工作。
差距在于试图采用AI的典型企业公司。您需要一个中间的解决方案，例如 50 或 100 个 GPU，因此它可以扩展，但它是相对交钥匙的。因此，您可以只进行数据科学，但不必进行工程设计。这就是我们通过 DGX Cloud 解决的问题。
第二个痛点是生成式人工智能听起来很棒。ChatGPT很棒。它只是全世界的一个巨型模型。但是，企业公司需要一个在其上下文中有用的模型，其中包含其数据，客户信息和员工。因此，他们需要一种方法来构建自己的自定义模型，但他们不能从头开始。
他们需要的模型需要该公司的信息，以便他们可以用正确的答案回答问题，但它也需要ChatGPT从互联网上学到的如何交谈的一般智能。
因此，我们认为，市场上需要的是面向企业客户的系统。我们有一些预先训练的模型，我们已经在足够多的互联网上训练过，所以它们具有来回切换的一般智能和对话能力。然后，我们为您提供了一种使用您的数据自定义这些内容的方法，以便该模型可以在您的流程中实际使用，以提供正确的答案，并正确，智能地表达它。这就是我们建立 Nvidia Foundation 的原因。
第三个痛点是，对于一般的企业公司来说，如果他们在生产中采用人工智能，他们需要一些可靠的平台。对于我这个企业客户来说，我使用SAP HANA或VMware或Microsoft Office 365或Windows Server或其他什么。这些是我可以依赖的平台 - 错误将被修复，有一个发布节奏，事情是经过认证的。而今天，很多人工智能都是我从开源中挑选的，从开源中拿起的，把它们联系在一起，有点希望最好的。
我们通过采用我们的 Nvidia AI Enterprise 软件平台并将其放入云中来解决这个问题，以便您可以在启动实例（Google、Azure 或 AWS 或您选择进行工作的任何地方）时使用它。因此，您实际上可以运行一个可靠的软件，该软件已经完成了将所有部分组合在一起的所有工作。
VB：今天Nvidia GTC的哪個公告讓你個人最興奮？
达斯： 很难玩收藏夹，但我绝对认为DGX Cloud对企业客户来说将是一个很大的好处，因为他们在这种中间规模上实际完成工作会容易得多。没有人真正关注它们，因为它们不像独角兽那样租用10，000个GPU，每个人都专注于它们。但我认为企业客户是真正为客户带来人工智能好处的人。他们需要一些爱，他们需要更好的解决方案。
VB：显然，GTC在历史上是与数百万将使用这些工具的开发人员交谈的。但我很好奇——如果你有一群高管，他们或多或少地了解英伟达，你会对他们说什么，他们现在需要了解企业人工智能和英伟达？
达斯： 我认为他们需要知道的是，第一，这是一个全栈问题。这不仅仅是关于硬件。您需要硬件和正确的软件一起优化才能使其正常工作。我会告诉他们，他们不知道，英伟达在过去十年中一直在探索人工智能可以实现的所有不同用例，并构建软件堆栈以实现所有这些用例。
因此，如果他们正在寻找一家一站式公司来交谈或合作，以弄清楚如何进行人工智能之旅，那么对他们来说，没有比英伟达更好的选择了，因为我们是完成这一切的人。你谈到像OpenAI这样的公司，它有ChatGPT，并向他们致敬。他们是怎么得到的？因为他们与 Nvidia 密切合作，设计了可以扩展的正确架构，以便他们可以进行所有训练并构建模型。
VB：现在那里的人正在融化他们的GPU？我的意思是，是否有足够的 GPU 来实现这一切？
达斯： 我们的工作是提供大量的 GPU。但你说的关于融化是一件有趣的事情，因为我认为多年来传统企业计算中的另一件不同之处在于，你过度配置了这种普遍的传统智慧。您不希望 CPU 运行超过其容量的 50% 到 60%。你在那里留下了足够的净空。想想由此产生的浪费。
但是，由于 GPU 从一开始就是为了解决性能问题而设计的，因此我们始终将 GPU 置于一种模式，即它们旨在让人们真正使用它们。当我们对推出的每个新GPU进行所有老化测试时，在投入生产之前，我们会将这些东西置于高强度负载下，它只是长时间以最大负载运行，因为我们知道这就是人们使用它们的方式。所以我认为这将是GPU进入的另一个好处。我相信人们会试图融化它们，但我认为我们很好。
椰有料原创，作者：小椰子啊，转载请注明出处：http://www.studioyz.com/2138.html
文章评论