北京
在 GTC 會場，觀眾座無虛席，兩位在計算領域具有重要影響力的嘉賓，NVIDIA 首席科學家 Bill Dally，以及 Google DeepMind 與 Google Research 首席科學家 Jeff Dean 登臺對話。他們的工作深刻塑造了大規(guī)模機器學習的發(fā)展軌跡。
這場對話與其說是傳統(tǒng)座談，不如說是一場深度學習的“即興演奏會”，兩位深入探討了 AI 模型的演進方向，以及為何硬件架構如今已與 AI 的進步密不可分。
Bill Dally 與 Jeff Dean
Dean 開場時回顧了模型能力的快速躍遷，尤其在如“數(shù)學和編程”等具備“可驗證獎勵”的領域。曾經令模型束手無策的任務，如今已能可靠地執(zhí)行；基于智能體的工作流甚至能在數(shù)小時乃至數(shù)天內幾乎無需人工干預的情況下自主運行。他強調，這一轉變正在重塑 AI 系統(tǒng)的本質，使其從被動響應提示的工具，轉變?yōu)椤霸诤笈_持續(xù)運作的智能體”。
對此，Dally 表示，這種演進將延遲問題推至聚光燈下。推理速度成為智能體在大規(guī)模環(huán)境中推理、規(guī)劃與迭代的首要設計約束。他解釋道，當前大部分延遲并非來自計算本身，而是源于通信。每一層之間的數(shù)據(jù)傳遞、每一次片外訪問、每比特在導線上的移動，都會帶來時間與能耗成本。NVIDIA 的應對策略是推動架構向 Dally 所稱的“光速”設計邁進：最大限度減少路由成本、消除排隊等待，并縮短數(shù)據(jù)必須傳輸?shù)奈锢砭嚯x。
展望未來，兩位演講者不約而同地聚焦于同一個關鍵詞：協(xié)同設計。突破性的進展將來自機器學習研究人員與系統(tǒng)架構師之間的緊密反饋循環(huán)。正如 Dean 所言，有時你在硅片上加入一個小型實驗性功能，就可能帶來巨大回報，硬件性能可因此實現(xiàn)“10 到 20 倍”的提升。
以上為摘要內容，點擊鏈接閱讀完整內容：NVIDIA GTC 2026：實時了解 AI 的未來發(fā)展 | NVIDIA 英偉達博客
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
