昨天，英偉達在線上召開了 2020 年 GPU 技術大會（GTC），釋出了多款新硬體：包括全新的資料資料處理單元（DPU）、低價版邊緣 AI 開發板 Jetson Nano 2GB 以及專業級顯示卡 RTX A6000。

同時，在本次大會上，黃仁勳還透露了上個月收購 Arm，以及與 Arm 生態整合的細節，還表示要在英國建立一個超算中心。

那麼，英偉達收購 ARM 到底有什麼深層原因呢？

在現代計算機最初那個時代，有一個趨勢佔據了主導地位：摩爾定律。

這個定律最早來自英特爾公司聯合創始人摩爾 (Gordon Moore)的預測。摩爾定律認為，晶片上的電晶體數量大約每兩年就會增加一倍，這並不是什麼物理定律。換言之，意味著這些晶片以及它們所驅動的計算機的效能在大致相同的時間內效能也提升一倍。這就形成了這個行業的核心理念，孕育了價值數萬億美元的技術，顛覆了我們日常生活的方方面面。

隨著晶片製造商已經達到原子級電路和電子物理的極限，摩爾定律已經放緩，有些人說它的時代已經結束了。但是一個不同的法則已經出現，它將對未來的計算機領域產生巨大影響。

作者把它稱為 “黃氏定律”，以英偉達首席執行長兼聯合創始人黃仁勳的名字命名，這則定律描述了為人工智慧提供動力的矽晶片如何每兩年效能翻一番以上。雖然這一增長可以歸因於硬體和軟體，但它的穩步發展使其成為一種獨特的工具，從自動駕駛汽車、卡車和船舶，到我們個人裝置中的人臉、聲音和物體識別。

英偉達首席科學家、負責研究的高階副總裁比爾 · 達利 (Bill Dally)說，從 2012 年 11 月到今年 5 月，在重要的人工智慧計算領域，英偉達晶片的效能增長了 317 倍。換句話說，這些晶片的效能平均每年翻一番以上，這一進步速度使摩爾定律相形見絀。

長期以來，英偉達的專長一直是圖形處理單元 (GPU)，當有許多獨立任務需要同時完成時，GPU 可以高效地執行。另一方面，中央處理器 (CPU)，就像英特爾專門從事的那種，效率要低得多，但在快速執行單個序列任務方面會更好。你不能把每一個計算過程都分解，這樣 GPU 就能有效地處理它，但對於那些你能做到的——包括許多 AI 應用——你可以在消耗相同能量的情況下，以多倍的速度執行。

英特爾是摩爾定律的主要推動者，但絕不是唯一的推動者。要讓它長久存在，需要數以萬計的工程師和全球數百家公司的數十億美元投資。同樣的，英偉達並不是唯一一個遵循 “黃氏定律”的公司——事實上，在某些應用中，英偉達自己的人工智慧處理技術可能正在失去吸引力

人工智慧專用硬體的進步將使一系列烏托邦式和反烏托邦式的應用成為可能，從汽車事故的終結到無處不在的監控。但現在，它也使一個不那麼奇幻的應用成為可能，它將對我們的購物方式和數百萬零售業工作的命運產生巨大影響：無人收銀。

Standard 的結賬技術通過攝像頭和位於商店後部的英偉達驅動的系統來跟蹤顧客和他們購買的產品，該系統每秒執行數萬億次運算。

總部位於舊金山的科技公司 Standard 最近宣佈了一項與 Circle K（一家連鎖式便利商店集團）的協議，將把它的一些商店改造成亞馬遜 Amazon go 商店的模式，讓人們可以在那裡享受 “拿起就走”的購物體驗。這家成立僅三年的初創公司在整個商店安裝攝像頭，然後將視訊傳輸到後端由英偉達驅動的系統，該系統每秒執行數萬億次運算。當顧客從商店的貨架上抓取物品時，系統會對所有物品進行統計，並在他們走出商店時通過他們的移動裝置扣費。

至於其發展前景，一個每秒執行這麼多操作的系統，至少在人工智慧推理任務方面，比 2012 年世界上最強大的超級計算機還要快。

“老實說，我們什麼也做不了，只能等著英偉達每年都降價，”Standard 創始人兼執行長喬丹 · 費舍爾 (Jordan Fisher)說。

TuSimple 的自動駕駛卡車在駕駛室中加入了一些最新的 AI 算力。

“黃氏定律”影響的另一個類別是自動駕駛汽車。總部位於聖地亞哥、業務迅速擴張的自動駕駛卡車初創公司 TuSimple，面臨的挑戰是製造出一種能夠滿足柴油驅動半拖車的動力和空間限制的自動駕駛系統。對於一輛典型的 TuSimple 車輛來說，這意味著將整個消耗不超過 5 千瓦的系統塞進臥鋪駕駛室的風冷櫃中。

考慮到這樣的功率限制，最重要的是每瓦特的效能。TuSimple 聯合創始人兼首席技術長 Xiaodi Hou 說，該公司的英偉達驅動系統，其效能每年都要翻一番。

自本世紀中期以來，人工智慧的一個非常不同的領域也出現了類似的效能提升：我們的手機。

2017 年，蘋果推出了 iPhone 8，內建了神經網路引擎。蘋果專門為執行機器學習任務設計了這種晶片，這對許多種類的人工智慧都很重要。(其晶片製造合作伙伴是臺灣積體電路製造股份有限公司。)

Nexar 公司的聯合創始人兼首席技術官 Bruno Fernandez Ruiz 表示，蘋果決定讓手機上的任何應用程式都能使用該晶片，同時在 Android 手機上引入了可與之媲美的晶片和軟體，這使得新型人工智慧業務得以開展。通過在使用者手機上處理儀表盤攝像頭捕捉到的視訊流，Nexar 的技術可以提醒駕駛員注意即將發生的危險。

移動人工智慧的應用正在成倍增加，應用於從洗碗機到門鎖到燈泡的手機和智慧裝置，以及進入城市、工廠和工業設施的數以百萬計的感測器。晶片設計公司 Arm 是這場革命的中心。在眾多大大小小的科技公司中，蘋果公司就擁有 Arm 的 iPhone 晶片專利。

在過去的三到五年裡，機器學習網路在效率上以數量級的速度增長，Arm 公司機器學習部門的營銷副總裁 Dennis Laudick 說。他補充道：“現在更多的是讓產品在一個越來越小的環境中工作。”Arm 最小、最耗能的晶片，小到可以由手錶電池供電，現在可以讓攝像頭實時識別物體。

Nexar 聯合創始人兼執行長 Eran Shir 表示，人工智慧處理從雲端轉移到 “邊緣”，也就是裝置本身，這解釋了英偉達收購 Arm 的願望。英偉達幾乎壟斷了雲端計算中的人工智慧處理。但兩年前，Nexar 40% 的資料處理是在雲上完成的，而基於 Arm 的晶片使其能夠在移動裝置上完成更多的資料處理，而且速度更快，因為它不需要先通過網際網路進行傳輸。如今，雲端計算只完成了 15% 的工作。此外，一些功能，比如基於視覺的停車助手，直到最近才成為可能，手機中的晶片變得更加強大。

專家們一致認為，作者稱之為 “黃氏定律”的現象正在以驚人的速度發展，但誰也說不準接下來會怎樣。非營利機構 Open AI 表示，基於經典的人工智慧影象識別測試，效能大約每年半翻一番。但就連對 “績效”的定義達成一致都是一項挑戰。來自谷歌、百度、哈佛、斯坦福和幾乎所有其他主要科技公司的研究人員正在合作，想更好、更客觀地衡量它。

對 “黃氏定律”的另一個警示是，它所描述的處理能力不能應用於所有應用程式。TuSimple 的侯先生說，即使是在像自動駕駛這樣通常以人工智慧為中心的任務中，系統執行的大部分程式碼也需要 CPU。英偉達的 Dally 博士承認這一問題，並表示，當工程師給區域性猛加速的時候，剩下無法加速的部分自然會成為瓶頸。

也有可能，就像之前的摩爾定律一樣，“黃氏定律”也將失去魔力。Arm 機器學習部門負責產品營銷的副總裁 Steve Roddy 說，這可能在 10 年內發生。但這一法則已經可以在相對較短的時間內實現很多功能了，從無人駕駛汽車到感知並對環境做出反應的工廠和住宅。