NVIDIA 如何在運算領域取得今日的成績？黃仁勳：克服了 3 大難關

黃仁勳：加速運算才是未來！兩項趨勢，將改寫長久以來的局面

輝達（NVIDIA）執行長黃仁勳於 29 日在台北國際電腦展 Computex 中發表演說，現場他化身超級業務員針對輝達即將推出的新產品做介紹，黃仁勳也侃侃而談他的科技願景，強調資料中心就是電腦（data center is the computer），而輝達也以此為核心發展。

穿著皮夾克、受到熱烈歡迎登場的黃仁勳，一開場便藉由大螢幕展示 AI（人工智慧）所建構的擬真畫面，昭顯 AI 時代的蒞臨。而對於輝達的策略發展，黃仁勳則從 IBM 於 1964 年創造出電腦的 System 360 開始說起。

黃仁勳表示，從 IBM 之後便迎來對算力的革命，同時也讓大家了解電腦的運作原理，System 360 和程式編寫邏輯一直延續到了今天，持續了 60 年。然而如今，卻有兩項趨勢，將改寫長久以來的局面。

摩爾定律走到盡頭了，CPU無法如從前飛快更迭

首先，便是 CPU 的升級開始停滯。 黃仁勳指出，「在相同成本下，CPU 每五年會獲得 10 倍表現的定律已到盡頭。」這事實上代表著，隨著先進製程晶片的不斷微縮，摩爾定律發展也將到達盡頭，水漲船高的先進製程定價，也是讓 CPU 無法再如從前飛快更迭的原因之一。

CPU發展瓶頸，需要新的運算解決方案

其次，黃仁勳也認為，企業若想達到更高的算力表現，也會需消耗更多的電量，這也是為何資料中心如此耗電的原因，本質上與如今淨零碳排的趨勢相斥。黃仁勳指出，想要解決 CPU 發展遇到的瓶頸，「就需要新的運算解決方案。」

黃仁勳直言：「加速運算是整個產業往前邁進的道路。」加上深度學習（deep learning）這項新的軟體使用方式也正好被開發，「加速運算和深度學習這兩件事綁在一起，驅動了今日的運算，也就是加速運算和生成式 AI 的爆發。」

換句話說，黃仁勳藉由 CPU 停止推陳出新的觀點，強調加速運算和 AI 應用普及的重要性，而發展這一切軟體運行最重要的基石，就是能夠做到平行運算的 GPU（繪圖處理器），則更適合 AI 運算的發展。言下之意，黃仁勳對以 GPU 取代 CPU 推進整個科技產業的持續前行，抱有相當願景。

他指出，在資料中心能源供應有限的情況下，相較於 CPU，GPU 能節省更多成本。GPU 雖看來價格高昂，但實則用起來能幫企業剩下不少成本費用。他開玩笑說：「今天聽不懂技術沒關係，你只要知道是『買越多、省越多』就好。」

荒地豐收！輝達克服哪3難關取得今日成績？

不過想要做到「取代」這件事並不容易，黃仁勳則點出其中三個難題。

首先，舉例來説，若想在一片荒涼的土地上開發，就必須打造基礎設施、種植樹木或開鑿河川等，才能吸引人類前來定居，並形成聚落。輝達為 GPU 開發 CUDA 的目的就如同荒地開墾，為的就是要讓 GPU 能有軟體系統，產生自有生態圈，才能持續推展，一如 CPU 當初是著 IBM 所開發的 System 360 來發展的路徑。

CUDA 是一套輝達提供給開發人員的編程工具，讓工程師能直接如 C++ 或 Java 等高階語法來編寫 GPU 程式。黃仁勳指出：「我們必須從最基礎開始重新發明，包含系統、晶片、系統軟體和演算法。」

其次，黃仁勳指出第二個困難在於「資料中心就是電腦（datacenter is the computer）。」應用當今是橫跨所有的資料中心，人們也必須重新設計晶片、系統以及相關軟體。

最後，加速運算已經是多重領域的工作，例如基因定序運算、車用和醫學等不同領域，都需要不同的專業人員，工程浩大，「這就是為何加速運算花了近 30 年才完成。」

（本文出自數位時代）