在 GTC 會(huì)場，觀眾座無虛席，兩位在計(jì)算領(lǐng)域具有重要影響力的嘉賓，NVIDIA 首席科學(xué)家 Bill Dally，以及 Google DeepMind 與 Google Research 首席科學(xué)家 Jeff Dean 登臺(tái)對話。他們的工作深刻塑造了大規(guī)模機(jī)器學(xué)習(xí)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(xué)習(xí)的“即興演奏會(huì)”，兩位深入探討了 AI 模型的演進(jìn)方向，以及為何硬件架構(gòu)如今已與 AI 的進(jìn)步密不可分。

Bill Dally 與 Jeff Dean

Dean 開場時(shí)回顧了模型能力的快速躍遷，尤其在如“數(shù)學(xué)和編程”等具備“可驗(yàn)證獎(jiǎng)勵(lì)”的領(lǐng)域。曾經(jīng)令模型束手無策的任務(wù)，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(shí)乃至數(shù)天內(nèi)幾乎無需人工干預(yù)的情況下自主運(yùn)行。他強(qiáng)調(diào)，這一轉(zhuǎn)變正在重塑 AI 系統(tǒng)的本質(zhì)，使其從被動(dòng)響應(yīng)提示的工具，轉(zhuǎn)變?yōu)椤霸诤笈_(tái)持續(xù)運(yùn)作的智能體”。

對此，Dally 表示，這種演進(jìn)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(shè)計(jì)約束。他解釋道，當(dāng)前大部分延遲并非來自計(jì)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(dǎo)線上的移動(dòng)，都會(huì)帶來時(shí)間與能耗成本。NVIDIA 的應(yīng)對策略是推動(dòng)架構(gòu)向 Dally 所稱的“光速”設(shè)計(jì)邁進(jìn)：最大限度減少路由成本、消除排隊(duì)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(gè)關(guān)鍵詞：協(xié)同設(shè)計(jì)。突破性的進(jìn)展將來自機(jī)器學(xué)習(xí)研究人員與系統(tǒng)架構(gòu)師之間的緊密反饋循環(huán)。正如 Dean 所言，有時(shí)你在硅片上加入一個(gè)小型實(shí)驗(yàn)性功能，就可能帶來巨大回報(bào)，硬件性能可因此實(shí)現(xiàn)“10 到 20 倍”的提升。

以上為摘要內(nèi)容，點(diǎn)擊鏈接閱讀完整內(nèi)容：NVIDIA GTC 2026：實(shí)時(shí)了解 AI 的未來發(fā)展 | NVIDIA 英偉達(dá)博客