黃仁勳揭示AI擴展3大關鍵要素 合成數據存在爭議

編譯／夏洛特

輝達執行長黃仁勳近日在公司第三季財報電話會議中，深入探討了生成式人工智慧（AI）的發展，並表示AI擴展的三大關鍵要素，包括預訓練、後訓練改進與推理策略，都正在進步。他指出，這些要素共同推動AI模型持續進化，即便面臨數據不足的挑戰，進步的空間依然廣闊。

AI自我學習與數據瓶頸挑戰

黃仁勳指出，過去AI模型的改進，主要依賴更多的數據與大規模預訓練，但如今生成式AI已具備生成合成數據的能力，並可透過自我檢查答案進行學習。然而，他也坦言，全球未被使用的原始數據正逐漸耗盡，合成數據的效果仍存在爭議，為此需要更多創新策略來優化模型性能。

更多新聞：微軟執行長讚Blackwell非常了不起 Azure搶先試用輝達晶片

後訓練的改進：人類回饋的激增

隨著第一代模型接收來自於大量人類逐一檢查AI的反應，模型也更高效，只要回饋改進越來越多，模型效能就會越來越進步。

推理策略改進：從人工到現代策略

在推理策略的改進上，黃仁勳則大讚OpenAI的Strawberry模型。該模型引入了「思維練推理」與「多路徑規劃」，讓模型能以逐步方式進行更深入的思考，生成更高品質的回應。黃仁勳強調，這些策略展現了推理策略改進的潛力，也為AI生態系統的進一步成熟鋪平了道路。

新一代晶片需求旺 Blackwell成焦點

隨著AI模型對計算資源的需求不斷增長，市場對高性能晶片的需求也水漲船高。黃仁勳透露，第一代基礎模型大約使用了10萬顆Hopper晶片，而下一代模型將以「10萬顆Blackwell晶片」為起點。他進一步指出，輝達已經開始出貨Blackwell晶片，以滿足市場對更高算力的需求，確保AI在快速生成高品質回應的同時，保持用戶體驗不斷提升。

輝達對未來AI布局與技術展望

黃仁勳表示，預訓練、後訓練與推理策略的協同作用，將推動AI進一步進化，而市場對算力的需求，也將成為輝達未來成長的重要推手。他認為，這些技術突破不僅影響生成式AI的發展，也將重塑整個科技產業的面貌，引領未來技術潮流。

參考資料：Insider

※探索職場，透視薪資行情，請參考【科技類-職缺百科】幫助你找到最適合的舞台！

瀏覽 197 次