北京时间3月21日晚间，在英伟达GTC2023上，英伟达创始人兼首席执行官黄仁勋穿着他标志性的皮夹克，站在位于英伟达总部的垂直绿墙前，发表了一场主题演讲。
发布会探索
黄仁勋发布了四款AI推理芯片，包括针对生成式AI图像处理、大模型处理的芯片；发布了三个大模型云服务，分别适用于文本、图像和生物研究；发布了超级计算机，以及针对场景优化的应用100个、更新功能的工业元宇宙Omniverse。
100个场景的算力加速
这些场景包括，在CAE软件中完成流体力学（CFD）的计算、助力量子计算研究平台（cuQuantm）、优化数据库中的搜索（Spark-Rapids）、优化捡取与配送难题PDP（配送多个地点最短路程计算）等，并且已经在客户实际体验中获得了验证。
三个大模型云服务
通过与微软 Azure、Google Cloud 和 Oracle Cloud Infrastructure 的合作，DGX Cloud 将把 DGX AI 超级计算机“通过浏览器引入每一家企业”。
英伟达大模型，AI行业的代工厂
“NVIDIA AI Foundations（英伟达AI基础大模型）”，这是一项云服务，面向需要构建、改进和操作自定义大型语言模型和生成AI的客户，这些模型和生成AI使用其专有数据和特定领域的任务进行训练。
四款芯片配置、一体化架构的推理平台，性能提升10倍
为了帮助企业快速部署生成式 AI 艺术形式，英伟达发布了 AI 视频、图像生成、大语言模型部署和推荐的推理平台。
“工业元宇宙”Omniverse
目前，已经有近30万创作者和设计师下载了omniverse。它不是一个工具，而是一个USD网络和共享数据库，也是一种与各行各业使用的设计工具相连的基础结构，可以连接、合成和模拟使用行业领先工具创建的3D资产。
何为iPhone时刻
去年年底推出的 ChatGPT 一夜爆火，成为有史以来增长最快的应用。黄仁勋说：“我们正处于 AI 的‘ iPhone 时刻’。最初作为 AI 研究仪器使用的 NVIDIA DGX 超级计算机现已在世界各地的企业中全天候运行，用于完善数据和处理 AI 。《财富》 100 强企业中，有一半都安装了 DGX AI 超级计算机。DGX 超级计算机可以说是现代 AI 的工厂。”
ChatGPT是大模型。监督式、非监督式、强化学习的原理，在AI产业里早已是常识性的技术认知。但自然语言处理这个领域太过复杂，因为人类说话非常随机，所以之前AI企业将机器学习用在很多领域，语音识别、机器视觉、图像识别（人脸、医学影像）、蛋白质特征预测、文本识别等，而Open AI将机器学习用在自然语言处理上。
ChatGPT是机器学习，不是数据库。长期以来，AI领域人士认为机器学习不适合自然语言处理，所以一直以来，自然语言处理采用逻辑推理的AI实现方式。建立一个语料数据库，在语料数据之间建立关联性，比如知识图谱，再通过逻辑搜索的方式，从数据库中找到对应答案。但ChatGPT并没有数据库，ChatGPT采用机器学习，是一种AI能力集成，而不是一个数据库集成。也正因为ChatGPT的这个属性，它并不局限在文本对答方面，而是能够进入任何领域，比如和搜索结合、和办公软件结合。
ChatGPT有强大的上下文语义理解能力。用户可以让ChatGPT扮演角色，ChatGPT可以在用户引导下故意给出“符合用户要求”的错误答案。用户在提问的时候，ChatGPT也会引导用户补充问题信息，并最终给出符合逻辑的答案。过去我们遇到的AI聊天软件有两种：一种是基于数据库的，必须按照数据库给定的提问方式；另一种是基于机器学习，但只是一问一答。结合上下文语义理解的ChatGPT能够更好地找到用户的需求点，给出适合用户需求的答案。
这里“iPhone时刻”存在着两层含义，一是指ChatGPT是人类科技史上伟大的发明之一，就像当年乔布斯发明iPhone一样伟大，成为所有AI软件追逐的目标；另一个意思是，ChatGPT在解决人与AI的交互方面，是一次伟大的革命，使人们可以更方便地使用AI，使用起来和iPhone一样流畅。
ChatGPT造成的影响
从游戏、数据中心、云、半导体、加密货币再到最近的元宇宙和ChatGPT，可以说所有资本热捧的风口后面都有英伟达的影子。在本轮AI风口中，英伟达市值已经超越特斯拉的公司，离全球市值第五的企业伯克希尔哈撒韦只有百亿美元的距离，如果英伟达保持这种势头，它将超越巴菲特的伯克希尔公司，成为全球最具价值的前5大公司。
上世纪50年代“两弹一星”打破帝国主义对中国军事的威胁，如今面临的问题一样严峻，在本次AI大爆炸中，中国企业受益较少，为了避免未来AI领域遭到致命卡脖子问题，中国企业不仅需要在对接ChatGPT上做好准备，还需要开发类似“文心一言”自己的AI软件。但是，当下中国的企业沉静在赚快钱的氛围下，我们要杜绝类似芯片公司大量投入资金却零产出的现象出现，AI研发需要细水长流，相关企业要有独特的研发思路，切不可盲目跟风。
很多AI领域的从业者担心合规性问题。和ChatGPT引进的问题类似，谁都担心自己辛苦开发的成果不能应用。但这里并非无“技”可施。监督学习和强化学习本身会规范生成式AI的生成，法规只需要对少数情况给予适度包容即可。比如，对用户恶意引导AI“非法回答”的情况，要明确是用户的责任。
在ChatGPT出现之前，世界需要大量程序员来搭建需求和程序之间的桥梁，而ChatGPT4.0打破之前的人才需求格局。在个人能力培养方面，我们要注意市场需求，适应ChatGPT4.0在各个方面的融合使用，提前培养ChatGPT使用能力，借助ChatGPT来简化工作流程，减少工作量。
