在生成式AI继续爆火之际，NVIDIA创始人兼首席执行官黄仁勋在计算机图形大会 SIGGRAPH亮相。
黄仁勋在SIGGRAPH现场表示，“生成式AI时代和AI的iPhone时刻已经到来”。
黄仁勋发布了GH200 Grace Hopper 超级芯片平台和一个名为NVIDIA AI Workbench的全新统一工作空间。
黄仁勋表示：“计算机图形学和 AI 密不可分，图形学需要 AI，AI 也需要图形学。”他解释说，AI 将在虚拟世界中学习技能，于此同时，AI 也可以用于创建虚拟世界。
AI和实时图形的基础
黄仁勋表示，“五年前在 SIGGRAPH 上，NVIDIA 将 AI 和实时光线追踪引入 GPU ，从此颠覆了计算机图形。不仅如此，在 NVIDIA 通过 AI 重塑计算机图形的同时，也致力于为 AI 重塑 GPU。”
这些努力换来的成果是越来越强大的系统。例如 NVIDIA HGX H100，它利用 8 个 GPU 和总共 1 万亿个晶体管来实现加速计算，超越基于CPU的系统 。
“这就是全球数据中心迅速转向加速计算的原因，”黄仁勋告诉观众。 “买得越多，省得越多。”
为了延续 AI 的发展势头，NVIDIA 打造了 Grace Hopper 超级芯片NVIDIA GH200，该芯片结合了 72 核 Grace CPU 和 Hopper GPU，并已于 5 月全面投产。
黄仁勋介绍说，已经投产的 NVIDIA GH200 将补充一个配备领先 HBM3e 内存的附加版本。
黄仁勋宣布推出新一代 GH200 Grace Hopper 超级芯片，它能够连接多个 GPU，以实现卓越的性能和易于扩展的服务器设计。
专为处理世界上复杂的生成式工作负载而构建的新平台，将提供多种配置，其中涵盖大型语言模型、推荐系统和矢量数据库等。
与当前一代产品相比，双配置的内存容量增加了 3.5 倍，带宽增加了 3 倍，包括一台具有 144 个 Arm Neoverse 核心、8 petaflops 的 AI 性能和 282 GB 最新 HBM3e 内存技术的单服务器。
领先的系统制造商预计将在 2024 年第二季度交付基于该平台的系统。
NVIDIA AI Workbench加速自定义生成式AI的应用
为了加快全球企业对自定义生成式AI的应用，黄仁勋发布了NVIDIA AI Workbench。
该平台为开发者提供了一个统一、易用的工作空间，使他们能够在个人电脑或工作站上快速创建、测试和微调生成式AI模型，然后将这些模型扩展到几乎所有数据中心、公有云或 NVIDIA DGX Cloud。
AI Workbench 大大降低了企业AI项目的门槛。开发者通过在本地系统上运行的简单界面，就可以使用自定义数据对来自 Hugging Face、GitHub 和 NGC 等常见资源库的模型进行微调，然后在多个平台上轻松共享。
虽然目前有成千上万的预训练模型可用，但使用许多现有的开源工具自定义这些模型依然十分困难且耗时。
黄仁勋表示：“为了使这种能力更加普及，我们必须使其能够在几乎任何地方运行。”
借助AI Workbench，开发者只需点击几下就能自定义和运行生成式AI。开发者可以将所有必要的企业级模型、框架、SDK 和库整合到一个统一的开发者工作空间中。
“有了 AI Workbench，任何人都可以做到这些。”黄仁勋说道。
包括戴尔科技、慧与、惠普、 Lambda、联想和超微在内的领先AI基础架构提供商正在使用AI Workbench，在本地设备等开发者想要工作的任何地点提供企业级生成式AI功能。
黄仁勋还宣布NVIDIA将与初创企业Hugging Face一起为数百万开发者提供生成式AI超级计算，帮助他们构建大型语言模型等高级AI应用。
开发者将能够使用Hugging Face 平台内的NVIDIA DGX Cloud AI 超级计算训练和调整高级 AI 模型。
黄仁勋表示，“这将是一项全新的服务，将世界上顶尖的AI社区与顶尖的训练和基础设施连接起来。”
在视频展示中，黄仁勋演示了 AI Workbench 和 ChatUSD 如何将这一切结合在一起：用户在 GeForce RTX 4090 笔记本电脑上启动项目，随着项目变得复杂，可以轻松地将项目扩展到工作站，亦或者是数据中心。
使用 Jupyter Notebook，用户可以训练模型使其生成 Toy Jensen 的太空图片。因为模型从未见过Toy Jensen，如果此时模型提供的结果不理想，用户可以使用 Toy Jensen 的八张图像微调模型，然后再次训练它以获得更准确的结果。
最终，通过 AI Workbench，可以将新模型部署到企业应用程序中。
