黃仁勳演講深度解析！NVIDIA輝達將如何帶大家走向人工智慧的時代！？四大主題、八類產品！

※曲博官方Line群正式開張，歡迎大家加入，一起從討論中成長！
加入連結 👉 ansforce.page.link/Drjline2
※曲博頻道會員已開啟，想要加入的伙伴可以直接點選這個連結，一起讓科技成長茁壯！👉 ansforce.page.link/JoinYT
※曲博科技教室所有的影片可以在這裡直接用關鍵字搜尋👉
ansforce.page.link/Drjlist
訂閱我的KZbin頻道 ：goo.gl/zX7p6N
按讚粉絲專頁，掌握最新趨勢：goo.gl/8zfgi5
🏮【科技最前線 EP46】Computex盛大登場：輝達(NVIDIA)執行長黃仁勳演講深度解析四大主題、八類產品如何帶領大家走向人工智慧新時代🏮
這幾天最紅的人物就是NVIDIA的創辦人與執行長老黃黃仁勳，除了到饒河夜市買麻花捲、到了台大給畢業生演講，還有到了Computex帶來了一場爆滿的演講，我們今天就來看看這場演講說了些什麼！
00:00 開場 | Introduction
01:13 輝達三大處理器產品路線圖(Roadmap)
02:10 加速運算應用在人工智慧超級電腦
08:45 高速網路應用在人工智慧超級電腦
11:42 元宇宙與數位孿生Omniverse開發平台
17:40 機器人開發模擬軟體
20:16 結論 | Conclusion
【資料來源】
輝達公司網站
www.nvidia.com/zh-tw/
COMPUTEX 2023 Keynote NVIDIA Keynote
kzbin.infofHwmLOYJU_w
Nvidia Issac Sim介紹影片
• Narrowing the Sim2Real...
Nvidia Isaac AMR介紹影片
• The New Isaac AMR Plat...
【知識力專家社群】
www.ansforce.com
歡迎加入知識力官方Line
bit.ly/ansforceline
#黃仁勳 #NVIDIA #COMPUTEX #輝達 #人工智慧 #AI #台積電 #TSMC #4nm #4奈米

[@funkhop]

好驚人的ROADMAP 🙃 感謝曲博老師詳細解說

[@LiaxiaLee]

我不專業感謝曲博解說，非常受用。 非常謝謝！

[@user-yi4pi1lo6l]

很受用謝謝曲博

[@whiskyhot886]

感謝解說 曲博專業👍👍👍👍

[@guo-yinxu4536]

Thanks very much for such high education!!

[@vacuumisallinone2618]

謝謝

[@edisonliao696]

乾貨滿滿😊

[@luan8shop]

Super good thank you

[@lilolotus139]

非常感謝曲博的闡釋INDA的願景，這不但有助於分析股市也增加見聞，曲博無私的分享，乃觀眾的福氣。

[@Ansforce]

謝謝你的支持！

[@b1acat]

感謝解說 能否多多舉例 幫助外行人瞭解這些術語 感恩

[@cixuangzheng4241]

曲博您好。 关于AI 的硬件部分， 你已经讲了很多，很透彻。 关于软件部分， 你觉得微软是不是最好的？ 谷歌能与之竟争吗？除谷歌之外，还有没有其他的有力竟争者？

[@harrychang9376]

dominate all markets, great ambitions, great potential

[@anntsoi4323]

，very useful

[@user-fs5wb9mt7s]

這麼大的4nm乙太網路交換器晶片，光是看就叫人興奮不已了😂

[@user-ic9de5zm2u]

❤

[@user-ty1vi2jz5l]

身為軍人的我也很興奮，至今陸軍仍無強而有力的全自動殺人武器，看看俄烏戰爭，海空偵查很厲害，但是知道敵人在哪裏，敵人也知道我們在哪裏，雙方卻還在打濠溝戰，可知全世界陸軍是多麽地缺乏搭載AGI的強力重兵器，在世界局勢如此紛亂的當下，輝達的成就，未來將使戰爭科技上升到難以想像的水準，我為和黄先生同為台灣人感到無比驕傲。

[@user-ks2eq7be6g]

曲老師好，看過您的兩本書都很好👍把道理寫的很容易懂，內容也很豐富，只是我覺得可以多加入點公司的生產和發展會讓我們對科技公司更了解😂

[@otterformosa2968]

那兩本?

[@sjcabbw]

16:46 這樣一整套要建立起來恐怕還要十年喔 !

[@ttps870400]

希望氣象預測也可以再更快更準一點-_-

[@chingleung3749]

.dear professor , you mentioned enduser may ask for the help from supermicro SMCI as a role of server, another company is called Yuan-Da.. what is the English name for Yuan-Da company. Does Quanta company of HsinChu provide the same function as server for NVIDIA?

[@franktung4139]

能跑什麼OS?

[@wenrongpan2297]

万一1个小零件有问题会不会整片电路全不能用了？

[@kmkwong]

👍👍👍👍

[@c3-qk4mvq6xp37r]

确实很强，这种应用场景，不知道多不多。

[@tommyfan]

謝謝曲博，您的書我買了，有什麼實質管道可以表達我的感謝，以及對你的支持，請告訴我！

[@Ansforce]

準時收看就可以了啦！謝謝你的支持！

[@chuanghome243]

曲博老師可以談談 intel power via 嗎?

[@Ansforce]

英特爾絕地大反攻！計畫2024年超車台積電！？2奈米先進技術大解密！ kzbin.info/www/bejne/mXbFmaKjg9OhgtU

[@arielliu3849]

是否能針對 AMD, Intel 和 Nvidia 在AI 的布局做一個介紹?

[@Ansforce]

這是好題目，我來研究一下，英特爾最近也有進度了，也是人工智慧的超級電腦。

[@user-jn3of6bt8w]

暴風雪公司最早１６年前提供（鏡像）技術應用在魔獸世界

[@janchangchou777]

任何一條神經網路也是一個多變數廻歸分析，也是統計學迴歸分析的一環。我在40年前攻讀數理統計就涉及這些人工智能及多變量（含時間變量）的廻歸分析（向量/ 矩陣/ 線性代數/ 機率/ 取様….）。以便對一些事件做出精准智能的預測。所謂自我學習也只是用後面收集或模擬出的更新的資料去修正原先迥歸分析的參數而已。40 年前人工智慧就是數理統計的一大課題。馬斯克說得一點都沒錯。從那時開始就不斷有各行各業的數據分析專業人士來我們數理統計這參與並學習迥歸分析。他們回去後就不斷建立了屬於他們行業內的多條神經網絡（行業內的迥歸模型）。在那時從事這類研究工作的數理統計的博士生全部被限制在晚上12 時過後才能使用國家級的超級計算機，否則我們兩三𠆤人一上線全部就大當機。我們那時也發展出一套類似挖礦機的方式，利用所有大量閒置的𠆤人電腦來提供其微小的算力，來進行整合這些龐大的所謂分散型算力，但受限那時網路的不發達，很難把規模擴大。近幾十年隨計算機能力不斷提升，目前AI 所謂大模型，就是把百行百業各個領域等等數以千萬千億計資料進行迥歸模型的建立及修正（所謂自我深度學習）而形成龐大的神經網絡。因此也不用太誇大眼下的AI , 這些理論早在40 年以前都已建構了理論基礎。只是因算力不足只能在各自領域進行中小規模的神經網絡建構。例如氣象預報就是早期最明顯的利用氣象專用超高速大電腦發展為成熟預測能力（AI)的例子。”把簡單數學上使用即存的規模資料或電腦模擬資料進行所謂的㢠歸分析/模型建構並藉此模型做可行的智能預判或恊作，包裝成醫學上複雜尚未完全掌握的神經網路的機制及作用原理”，不但瓢竊了數理統計在AI 發展的絕對地位，實在也是在誤導整𠆤AI 的發展。也會造成眼下一般人的過度期待和焦慮。應將AI 改稱作” CIC:Computer Intelligent Collaboration , 電腦智能恊作， 更為恰當。 另外， 眼下AI 的各種數學理論及所謂的機器學習（參數修正）及深度學習（參數及變數的多層次增加及修正）。 早在40 年前相應的數學理論都已完備（但落實到實際應用上，如果解1 億 by 1 億的聯立方程組， 這需要極其龐大的平行計算能力，在那時期是完全不可能的） 。 其實AI 最重要最關鍵的是各行各業各領域的專家組，而不是這些AI 搞編程的公司（ 他們只是依需求用已完善的數學統計理論加以電腦編程後，利用巨大算力去幫忙找出合適的模型並不斷予以完善）。 只有各行各業各領域的專家組才知道在茫茫大海中的資料及訊息中，那些因素才是其所涉領域的関鍵變數，那些變數資料才是可做為他們收集分析建立模型的。例如氣象學/經濟學/ 醫學/ 藥學/ 農業生產/ 基因工程/ 化學工程/自動駕駛/飛彈防空系統/圖像識別及處理/ 建築結構力學/小樣品模擬模型（核爆/飛機失事）………..等等。 由於語言學是高度複雜的一門學課，其可能的變量變因會高達幾千萬𠆤， 再加上多層級過濾學習修正的模式，因此其涉及的變數算力就以億計， 所以才稱做大模型。 要取那些因素進行那一層分析，主要都是語言學家在主導。 而這些AI 應用的公司， 只是利用已發展完備的數學統計理論在不同領域專家組的指導下去有效的進行數拈收集整理分析並進而建立一個特定領域的模型，作為該特定領域的電腦智能恊作工具。 因此CIC 或是AI 是以特定領域專家組為主導，數理統計為核心，資訊工程及硬體工程都是配合的工具而已。 這樣的發展才會健康/ 不浪費/ 高效率/ 高精確度。 目前的發展方式， 以資訊工程及硬體工程為主導，只是因為這方面算力需大資本投入，因此不得不採取的投資回報推廣營運方式，但這種情況就會造成眼下嚴重的誤導及錯誤的認知，甚至沒有效率及喪失精準度。 未來可能的發展模式： 1） 資訊及硬體工程提供集中算力設備及模型編程的開放平台，供各領域的專家組使用。 有點像當下晶片產業，各應用領域產業由專家組組成公司後，進行各領域的智能開發和應用（如晶片應用的design house，聯發科，海思等 ) , 而算力的提供及收費則由資訊及硬體工程提供（這需要密集资本投入，甚至國家力量投入，如台積電）。 2） 由於網路的高度發展， 另外一種提供龐大算力的方式，是由巨量萬家萬戶閒置PC 𠆤人電腦參與分散型算力的提供，並予以整合，這也是需由資訊及硬體工程來實現的。

[@Ansforce]

@janchangchou777 哇！你這個留言是我看過最精闢的，尤其是這一句：簡單數學上使用即存的規模資料或電腦模擬資料進行所謂的㢠歸分析與模型建構並藉此模型做可行的智能預判或恊作，包裝成醫學上複雜尚未完全掌握的神經網路的機制及作用原理，不但瓢竊了數理統計在人工智慧發展的絕對地位，實在也是在誤導整個人工智慧的發展，更會造成眼下一般人的過度期待和焦慮。 這一句真是致理名言，我雖然不是學人工智慧出身的，但是我對於計算細節了解之後，就認為這就是一種數值分析。有些科學家把它和人類大腦扯在一起，還不停說電腦有意識會思考，根本是很大的誤解，可是講這句話的人，通常又是被一般大眾認為的專家，讓我想要反駁也變得很無力，呵呵！

[@janchangchou777]

@@Ansforce 是的，其實就是各行各業不同領域的數值分析。 CIC 或是AI 是以特定領域專家組為主導，數理統計為核心，資訊工程及硬體工程都是配合的工具而已。 這樣的發展才會健康/ 不浪費/ 高效率/ 高精確度。 目前的發展方式， 以資訊工程及硬體工程為主導，只是因為這方面算力需大資本投入，因此不得不採取的投資回報推廣營運方式，但這種情況就會造成眼下嚴重的誤導及錯誤的認知，甚至沒有效率及喪失精準度。以及諸多的亂象。

[@Ansforce]

@janchangchou777 人工智慧是以數理統計為核心，這個我完全認同，我的每一場人工智慧演講都會提到數學和統計才是人工智慧的核心，電機和資工只是輔助，只不過現在一般人都弄反了！

[@davidtai8101]

有superpod 介紹嗎?

[@Ansforce]

這一部有提到一點：NVIDIA正式對決Intel，針對資料中心發布首款ARM架構CPU處理器「Grace」！ kzbin.info/www/bejne/gmqqfaevoq-XY68

[@poh5029]

人工智慧是未来的趋势！

[@user-rg8ug5lm5y]

好強大啊！感覺很多人會失業，普及各公司後，大量失業人口是否又是一個問題

[@user-hp7jq5lg7k]

也增加許多新工作

[@su5163]

不好意思， 自己不是理工背景，但好奇想知道5:11 HBM2e或相關世代產品通常都搭配GPU嗎？ 然後CPU是搭配DDR4/5 or LPDDRx產品跑資料運算嗎？ 謝謝

[@Ansforce]

目前大部份是這樣的。

[@coffeekuo148]

目前Server用的CPU也是有HBM CPU.

[@carlosche7]

用 熊貓 換 うさぎ，🤭，想講咩呢～😚

[@shanobuo]

這只是理論上可達到艾(百萬兆)浮點運算(ExaFLOPS)，但事實上是否真的可以達到尚未知元。艾浮點運算很不容易達到，即使在真正的超級電腦，也是在2020年6月才達到。

[@user-ns5pf8bb5y]

謝謝曲博，有沒有可能從軟體或是AI生成環境的角度來看 NVDIA，再次感謝您

[@Ansforce]

我沒看懂問題耶？

[@bicaso]

😅

[@dlfang]

就是围绕虚拟世界而打造的软硬体，马斯克要把人类带到火星，黄仁勋要把人类带到虚拟世界😏

[@aidenli7503]

都是英文看不懂😅

[@user-li8hk4ou7y]

嗡米吹耶梭哈。當來下生。。。哈哈哈笑

[@lisabaron3239]

照念资料没分析。

[@phll3609]

長知識了，原來就是做出一個HPC，最大受益者是台積電，Intel直接哭暈在廁所，至於AI能怎麼發展還是得看買這些HPC的客戶怎麼去用軟體訓練，而且還要有配合的硬體，目前世界上除了Tesla+FSD自駕是AI的完整體之外，還沒有第二個實際AI，第二個應該會是Tesla的機器人，其他的都是缺硬體或是缺AI技術。

[@ds8679]

台灣有沒有可能買下英特爾，當初蘋果低價時沒能賣下，現在換英特爾，這是台灣的機會！

[@Ansforce]

不可能啦！英特爾現在的價格是很高怎麼買的起，而且要如何讓一家美國企業的文化變成台積電文化？

[@user-ml9ez9ui9m]

不需要了解內容 只要了解 nvidia 塞爆台積先進製程 跟先進封裝的產能即可 順便跟你們說 台積會擴大一條龍服務 抓住更多大客戶 intel 準備gg了 最後受不了是戰被吃掉 把所有單都交給台積

[@Dixx10046]

不知道你為什麼這麼極端的想法intel還有在家用市場有優勢的 nvdida在家用市場只有gpu不可能只用gpu不用cpu的pc吧 而且intel也有很多專利和規格制定的話語權（如usb規格 power規格之類的

[@funkhop]

你把INTEL和NVIDIA兩家定位搞錯了，INTEL自家也有晶圓廠，高科技是相輔相成，有競爭才有進步，苦戰中的AMD後續會不會引頭趕上還有待觀察

[@user-sl2io6pq2x]

內容跟應用很重要，台灣缺的是自己的品排來給廠商產能當出海口

[@wyean9087]

蘋果發表有分析師大膽說明，此MR為未來iphone ai ,是嗎

[@Ansforce]

這回蘋果的MR我覺得沒有太大的意外，還是有些大又重的裝置，沒有讓人驚艷的地方。

[@wyean9087]

@@Ansforce 謝謝

[@user-de5xs5me7n]

我是不是耳屎太多了，為什麼isaac會聽成asic呢？

[@thondergod]

不说台积电又说老黄了？你还真是哪有热度蹭哪里呀

[@Ansforce]

我不講熱門的題目，難道要講冷門的嗎？

[@linemail6106]

❤