# Дженсен Хуанг: «Эпоха бесплатного роста CPU завершилась»

Источник: https://www.youtube.com/watch?v=gMQushtoZcY
Канал: Wes Roth
Опубликовано: 07.11.2024

---

## Будущее ИИ: Видение Дженсена Хуанга и стратегический план NVIDIA
[[JUMP:0:00]]

На недавнем саммите AI Summit в Мумбаи Дженсен Хуанг, основатель и генеральный директор NVIDIA, представил концептуальное видение развития вычислительных мощностей и роли искусственного интеллекта в ближайшем будущем. По мнению Хуанга, индустрия находится на пороге фундаментальной трансформации технологического стека, где классическое программирование уступает место глубокому обучению, а цифровые инструменты начинают активно взаимодействовать с физическим миром.

### Конец эпохи «бесплатного сыра» и переход к ускоренным вычислениям
[[JUMP:0:27]]

Дженсен Хуанг подчеркивает, что развитие вычислительной техники с 1964 года опиралось на закон Мура — экспоненциальный рост мощности центральных процессоров (CPU) без необходимости кардинально менять подходы к программированию. Однако сегодня масштабирование CPU достигло своего физического предела.

* **Инфляция вычислений:** По словам Хуанга, эпоха «бесплатного сыра» завершилась; если индустрия не сменит курс, вместо привычного удешевления и ускорения вычислений нас ждет «инфляция вычислений», когда решение задач становится все дороже и медленнее.
* **Ускоренные вычисления:** Решением является переход к архитектурам, где интенсивные рабочие нагрузки переносятся с универсальных CPU на специализированные ускорители — графические процессоры (GPU).
* **CUDA как фундамент:** Изобретенная NVIDIA модель программирования CUDA позволила демократизировать ускоренные вычисления, начав с компьютерной графики и постепенно охватив множество отраслей.

### Программное обеспечение 2.0: AI пишет код
[[JUMP:4:32]]

Хуанг предлагает концепцию перехода от «Программного обеспечения 1.0» к «Программному обеспечению 2.0». Ранее программисты вручную писали алгоритмы (функции) для обработки входных данных и получения результата (Python, C++, Fortran).

* **Машинное обучение:** Теперь процесс разработки изменился — компьютер изучает закономерности в колоссальных массивах данных, чтобы «вывести» функцию самостоятельно.
* **Универсальный аппроксиматор:** ИИ превратился в универсальный инструмент, способный обрабатывать изображения, текст, аудио, химические структуры и последовательности белков. По словам спикера, этот прорыв объясняет «кембрийский взрыв» AI-стартапов, число которых исчисляется десятками тысяч.

### Агенты и «суперсотрудники»
[[JUMP:13:20]]

Следующий этап эволюции — внедрение AI-агентов. Это системы, которые не просто обрабатывают данные, а способны рассуждать, разбивать сложные задачи на этапы и действовать автономно.

* **Augmentation, а не замена:** Хуанг убежден, что такие агенты не заменят людей, а превратят их в «суперсотрудников», снимая нагрузку от рутинных задач.
* **Жизненный цикл агента:** Процесс внедрения AI-агента в компанию похож на найм живого сотрудника: обучение, адаптация под нужды бизнеса, оценка эффективности и внедрение строгих «ограждений» (guardrails) для соблюдения этики.
* **NVIDIA Nemo и NIMs:** Для реализации этой стратегии компания предлагает библиотеку Nemo для создания и управления агентами, а также API-сервисы NIMs (микросервисы вывода), которые Хуанг называет «фабрикой по производству ИИ».

### Физический ИИ: Роботы и цифровые двойники
[[JUMP:19:33]]

Физический ИИ — это способность моделей взаимодействовать с реальным миром. Для этого NVIDIA разработала три типа компьютерных систем:

1.  **DGX:** Компьютеры для обучения базовых моделей (например, на архитектуре Blackwell).
2.  **Omniverse:** Виртуальная среда, работающая по законам физики, где роботы обучаются и тестируются в формате цифровых двойников.
3.  **Jetson AGX:** Компактные встраиваемые системы для развертывания обученного ИИ в реальных роботах, автономных транспортных средствах и на производстве.

По мнению Дженсена Хуанга, использование цифровых двойников в Omniverse позволяет компаниям моделировать любые сценарии — от работы склада до катастроф — без риска для реальных активов, экономя колоссальные ресурсы. Это делает процессы более предсказуемыми и безопасными, завершая интеграцию ИИ в тяжелую промышленность.