當今世界科技的焦點是人工智能，人工智能計算的領導者是英偉達。英偉達GTC技術大會（GPU Technology Conference，簡稱GTC）則是觀察全球新一代計算架構發展和應用的重要窗口。
英偉達GTC於2009年創辦，聚焦於GPU技術及其在科學研究、視覺計算、深度學習和人工智能等領域的應用。從最初只關註GPU及相關硬件設備，發展到如今的數字時代生態大會。
開發者、研究者、創業者、企業領袖、學者乃至數字藝術家匯聚於此，探索運用高性能計算、數據科學以及人工智能等技術，塑造新的數字文明。
從單一硬件公司到全新生態型企業
2020～2023年期間，由於受疫情影響，GTC轉為線上會議，但參會熱情並沒有減退。
GTC24是疫情之後第一次線下大會，聚集了空前的人氣。過去兩年，AI尤其是生成式AI（GenAI）和大語言模型（LLM）爆發式發展，作為行業基礎設施提供者的英偉達，市值也一路高歌猛進。
據統計，這次會議現場參會人數近2萬，全球在線參會人數超過幾十萬。矽谷續寫著科技聖地的歷史，GTC成為名副其實的「AI朝聖大會」。
這一輪的人工智能浪潮，由包括ChatGPT在內的大語言模型LLM所推動，生成式人工智能（GenAI）讓所有人意識到，AI所創造的生產工具將會引發重大變革。
英偉達所提供的新的計算架構、軟件生態和GPU硬件，是引領數字時代建設的最重要基礎設施和資源。它已從單一硬件公司發展為全新的生態型企業。
以英偉達、谷歌、亞馬遜、微軟、Meta、蘋果、特斯拉為代表的科技巨頭，正在引領數字產業格局的構建、數字產業治理體系的搭建以及新的人類需求的創造。
值得一提的是，英偉達也已成為全球第四大企業風投（CVC）機構以及全球排名第三的企業研究機構。相較於獨立風投公司和高等教育機構，在人工智能風險投資和基礎性研究領域，英偉達正在全面趕超。
《Attention is all you need》
引發GenAI變革
在GTC24大會上，老黃（黃仁勛在英偉達的昵稱）與《Attention is all you need》的7位作者進行了大會最為精彩的對話。
這篇論文發表雖已過去數年，但這還是7位作者第一次共處一室。他們都在Google成長，又從Google離開。其中6位都創立了自己的人工智能初創公司，數家已是知名獨角獸，總市值超過380億美金。
剩下的最後一位，在OpenAI從事著工程師的工作。
《Attention is all you need》由Google研究團隊於2017年在NIPS（神經信息處理系統大會）上發布，是具有超高引用的重要文章。它提出了Transformer架構，一個基於註意機製的序列模型。該架構更具並行性，訓練時間更短。
在對話中，7位作者也坦言Transformer架構的不足。他們認為，自適應計算，即模型根據特定問題的復雜程度調整算力的使用，將成為未來改進的一個關鍵方面。
例如，像2加2這樣的數學問題就不該使用萬億參數的Transformer模型來運算，而應該在一個簡單的計算器上運算。
毫無疑問，大模型架構的叠代將持續依賴各環節的基礎研究，作為支撐。這些年，科技企業尤其是科技巨頭在應用型基礎性研究上投入了巨大資源。在很多研究領域，他們的研究水平顯著超越了學術機構。
《Attention is all you need》的巨大影響力，讓我們再次看到：人才的開枝散葉和生生不息、與行業實踐緊密連接的基礎性研究、願景和信仰驅動的科技創新，是矽谷在每一輪技術革命都能脫穎而出的三個重要支柱。
這也是中國在發展新質生產力時需要特別思考、布局和補足的領域。
人工智能因其顛覆性的創造力和變革力，讓全世界都在關註其發展和安全。公共部門尤其需要發揮關鍵作用。
一方面，從多個維度看，現今的人工智能依然處於發展的早期。大模型更多還是將輸入的數據通過另一種方式作出預測和呈現，GenAI和LLM還只能完成一些非精準任務。大模型還只是在「發現」（Discover）而非「創造」（Create）。人工智能在物理世界理解能力以及邏輯推理能力上的提升，需要基於開發者對人的感知，以及人腦構造和運行方式的進一步認知。
另一方面，即便如此，人工智能已讓全世界看到了其巨大發展潛力和對人類的影響。正如斯坦福HAI人工智能中心聯席院長李飛飛教授在和英偉達首席科學家Bill的對話中談到的：「人工智能發源於公眾的好奇心，公共部門同樣在這一輪科技浪潮中需要發揮重要作用，以幫助解決私營部門因各自角度出發而無法解決的問題。」
私營部門顯然在推動著人工智能技術的進步，然而在技術安全性、公平性、客觀評估、數據偏見、模型透明度、隱私保護等領域，都更需要公共部門從政策製定、治理架構設計，再到技術實現的各個環節，更好地將發展和安全相平衡。
在這一點上，國內的確有體製機製優勢。以算力中心建設為例，最近幾年各地層出不窮地在建設算力中心，無論是央企、國企、民企和上市公司都將資源投入到建設中。
雖然在大模型尺度定律（Scaling law）下，算力是最重要的資源，但如何才能更為有效地投入算力建設，將分布式和集中化部署相結合，適應技術叠代的需求，讓有限資源發揮更大作用？合理的規劃以及一定程度的統籌安排，尤為重要。
從藥物研發看人工智能對知識發現企業的變革
深度學習和生成式人工智能GenAI對知識發現領域的影響是特別突出的，尤其是在生物醫藥的研發領域。
在英偉達2023年的風險投資組合中，很大一部分資金配置在新藥發現和醫療保健的初創公司上。它投資了8家藥物發現初創公司，包括Generate Biomedicines Inc.和Genesis Therapeutics Inc.，他們都在使用AI來發現新藥。
科學研究和發現的過程，因為人工智能已發生改變。大語言模型擴展了醫藥研究和新藥研發的空間，極大拓展了人們對疾病的認知和知識，以及對基因的理解。
借助人工智能，科研人員能夠更為精準地選擇靶向，加速臨床前的研究，有針對性地研發創新藥將變得更為容易。從這個角度來看，以科學發現驅動的生物醫藥公司（Biotech）比商業化能力見長的大製藥廠（Big Pharm）更能脫穎而出。
人工智能帶來了更多將生物醫藥理論研究轉化為藥品的機會，促進了藥物研發從實驗室科技到商業化醫療科技的轉化。
人工智能結合3D技術，會大大降低研發人員對疾病了解和新藥探索的時間。更多的醫藥科技公司將由生物醫藥科學家和計算機工程師組成。一個公司的實力，不再取決於人數，而在於能讓醫藥科學家和計算機工程協同工作，更有效地將醫藥問題數字化和程序化。
未來尋找新藥的職責，將由更多人工智能科技企業來承擔。
原創文作者: 劉弘捷---作者簡介：劉弘捷博士為Digital Civilization（新加坡、矽谷工作室）創始人；早期孵化投資人。---來源: 秦朔朋友圈-
