NVIDIA CEO黄仁勋：为工程师打造“Metaverse”，提升开发效率

文 | 竞核，编译丨实习生 袁畅，编辑丨张翌楠

老黄可不是蹭热点，而是真刀实枪地干。

在GTC 2021年线上会议上，黄仁勋详细介绍了NVIDIA  Omniverse。它是一个云原生平台，又被称之为面向工程师的Metaverse。

Omniverse咋看起来跟Metaverse有点像。

据维基百科显示，Omni来自于拉丁语，意为“全”、“所有”；verse 意为诗节、韵文、诗篇。

至于Meta ，在计算机领域称之为元，如Meta data 元数据。也有人将Meta 表示超越，认为verse是宇宙 universe的缩写。

按照上述释义，Omniverse可理解为全能宇宙，而Metaverse则是超越宇宙。总体而言，二者是探讨在现实世界外重建虚拟世界。

区别在于，前者面向B端客户开发者；后者面向C端用户消费者。

本文来自venturebeat，作者deantak，由竞核编译。本文中，黄仁勋详细分享了对Omniverse及Metaverse 的看法。与此同时，他还分享了Omniverse对游戏行业的意义。以下是编译全文，请大家 enjoy。

4月13日凌晨，NVIDIA CEO黄仁勋在GTC 2021年线上会议上发表主题演讲。

在演讲中，黄仁勋介绍了NVIDIA  Omniverse。它是一个云原生平台，又被称之为面向工程师的Metaverse。

Omniverse具有如下四个特点：第一、逼真的渲染效果。触手可及的逼真体验；第二、音频输入，面部动画输出；第三、惊人的视觉效果；第四、动作即创作。

据悉，NVIDIA Omniverse自公测以来，已相继应用在建筑、娱乐、游戏等领域。过去两年中，英伟达跟超过400家企业合作开发Omniverse。过去三个月中，已有17000个用户体现测试版。

NVIDIA官方披露的数据显示，公司已在该项目上花费数亿美元。目前在Omniverse平台上，NVIDIA可测试搭载AI芯片的自动驾驶汽车。

未来，在Omniverse平台上，各行各业都能在真实建造物理世界前，测试跟设计虚拟产品。

以下是黄仁勋接受媒体群访的编辑实录。黄仁勋详细描述了Omniverse对游戏行业的意义，同时分享了对Arm收购案的看法：

问题一：Omniverse初版针对企业，很好奇你们是如何得到游戏开发者支持的？你是否希望或期待游戏开发者在Omniverse中构建自己的元宇宙，并最终尝试在Omniverse平台上托管消费者的元宇宙？还是说，具体到游戏开发者，目标会有所不同？

黄仁勋：游戏开发是目前世界上最复杂的设计工艺之一。我预测，在虚拟世界里设计的东西会比现实世界更多，其中很多跟游戏设计相关。

它们的质量和保真度跟实物一样高、精致，不过会有更多建筑、汽车、船甚至硬币。当然，这些设计并非所有都成为游戏道具，而是最终会成为实物。对大多数人而言，他们或许会觉得数字世界跟物理世界一样真实。

Omniverse会让游戏开发者轻松应对复杂的流水线工作。在游戏制作过程中，有人复杂制作动画，有人负责纹理、灯光、几何图形。上述设计流水线工艺，整合起来非常复杂。

不过在Omniverse平台上，上述流水线通道能够打通链接。每个人都能看到别人在做什么，并保证人们眼见为实。

一旦游戏开发完成，他们就能从Unreal、Unity引擎中导出直接运行。即便开发者是开发云游戏，他们也可以通过Omniverse来实现。

毕竟云端渲染需要多个GPU和大量计算，而这正是NVIDIA的强项。

我认为，未来游戏开发会呈现出上述演变趋势。在Omniverse平台上，单单只是为游戏开发者设计虚拟世界，就足以提升他们的工作效率。

问题二：公司宣布目前处理器以高性能计算应用为目标，特别是人工智能。您是否会扩大该产品的规模，将CPU产品线扩展至其它细分市场，尤其是数据中心市场？

黄仁勋：Grace专为数据驱动的应用程序和软件而设计。如果想要编写软件，需要丰富的经验，就像人类需要智慧积累一样。要想获得经验，最好的方式是通过分析大量的数据。

当然，你可以通过模拟来获得。例如，Omniverse模拟系统会在Grace上运行得非常好。你能进行模拟—模拟是想象力的一种形式。你能从数据中学习，这是经验的一种形式。通过研究数据来推断、概括这种理解并将其转化为知识。这是英伟达第一个数据中心CPU，专为大型应用建立。这是设计Grace目的所在。

作为一种策略或者是哲学，我们倾向于不做任何事，除非世界需要我们做，且它并不存在。当你看到Grace架构，就会意识到它是独一无二的。它看起来跟市面上任何东西都不一样。

它解决了一个过去不存在的问题。这是一个机会和市场，一种20年前不存在的计算方式。我们可以合理地想象，20年前设计CPU和系统的架构师不会解决这个新的应用空间。

我们倾向于关注以前不存在的领域。这是一类世界需要去解决的新问题，而我们会专注于此。

除此之外，我们与英特尔、AMD有很好的合作关系，比如PC行业、数据中心、超大规模、超级计算方面等方面。

Ampere Computing正在研发一个强大的ARM CPU。Marvell在边缘计算、5G、I/O系统和存储系统方面表现惊艳。他们非常出色，我们将与他们展开合作。与此同时，我们也与全球最大的SOC公司联发科合作。这些公司都有很棒的产品，跟我们的策略跟理念一致。

通过NVIDIA AI或NVIDIA  RTX（光线追踪）以及Omniverse等平台，一旦将所有技术连接至CPU上，市场将会随之扩大。

这是英伟达的基本工作方法，我们只专注于打造世界上没有的东西。

问题三：跟进上一个问题，关于Grace和它的使用。这是否预示着NVIDIA 在CPU领域或许有超越数据中心领域的野心？我知道你说你在寻找世界上尚未出现的东西。很显然，在数据中心领域与ARM合作，会导致一个问题，即未来我们会否看到NVIDIA CPU版本。

黄仁勋：我们平台是保持开放的心态。比如便携式AI数据中心—NVIDIA DGX Station，它采用的架构非常特别。值得一提的是，这款产品的第一位客户是NVIDIA的研究人员。

像类似的基础设施，价值合计达到几十亿美元。公司AI研究人员正在使用这些基础设施来开发产品和预训练模型。与此同时，也会用于自研驾驶汽车。我们打造 DGX，主要目的是为了解决内容的问题。它完全可以进行定制化生产。

拆解下来，我们的计算平台分为三层开放平台：硬件层，芯片和系统。像NVIDIA  AI、 Omniverse是中间件层，它对外开发。顶层是预先训练好的模型、AI技能，如驾驶、说话、推荐技、游戏技能等等。

早在创建之初，我们就会思考、构建如何落地应用。Grace将以同样的方式进行商业化，就像NVIDIA GPU商业化一样。

关于未来，我们的首要选择是，不建造什么东西。我们的优先选项是，如果有人在建造它，我们很乐意成为使用者。这能让我们腾出公司的关键资源，专注于以一种相当独特的方式推动行业发展。

我们试图探寻人们的发展方向，如果他们在这方面做得非常出色，我们更倾向于与他们合作，将NVIDIA 技术带入新市场。又或者是，共同拓展组合市场。

其实收购ARM与我们对计算世界的思考方式非常相似。我们打造一个开放平台，出售芯片，对软件进行授权。我们把所有东西都放在那里，以便生态系统能够建立定制的、个性化的、差异化的版本。我们喜欢开放平台的玩法。

问题四：你提议建立一个量子计算的软件库。你也在研究硬件组件吗？

黄仁勋：我们不是在打造一台量子计算机，而是在打造一个用于量子线路模拟的SDK。我们之所以这样做，是为了发明、研究未来的计算，你需要世界上最快的计算机来做这件事。

你知道，量子计算机能够模拟指数级的复杂度问题，这意味着你将需要一台真正的大型计算机。你做模拟实验的规模，可以验证你正在进行的算法开发研究的结果，以便某一天你能够在量子计算机上运行这些算法，从而发现算法。

目前，你能在量子计算机上运行的算法并没有那么多被证明会有用。

我们为业界提供一个平台，让他们可在系统、电路、算法中进行量子计算研究。与此同时，在未来15-20年，当所有这些研究正在进行的时候，我们可以利用相同的 SDK，相同的计算机，来帮助量子化学家更快地进行模拟。甚至在今天，我们也可以使用这些算法。

众所周知，量子计算机，具有令人难以置信的指数复杂性计算能力。但是，它有极端的 i/o 限制。你可以通过微波和激光进行通信，你能进出那台计算机的数据量是非常有限的。需要有一台传统计算机在量子计算机旁边，或称量子加速器，它可以对数据进行预处理，并对数据进行分块的后处理。这样的话，坐在量子计算机旁边的经典计算机的速度会超快。

由此，传统计算机将等同于一台GPU加速的计算机，这个答案是非常合理的，我们这样做有很多原因。全世界有60个研究机构，我们可以通过我们的方法与这些机构一起合作，可以帮助每个机构推进他们的研究。

问题五:大量工作人员搬到了家里工作，并且有数据显示网络犯罪数量正在增长，这是否会改变像你们这样的公司使用人工智能提供防御的方式？你是否担心这些技术落入那些能够犯下更复杂、更具破坏性罪行的坏人手中？同时，也想听听关于如何在全球基础上解决芯片短缺问题的看法。

黄仁勋：最好的办法是把技术民主化，让全社会都能用，把伟大的技术交到他们手里，让他们能用同样的技术，最好是优越的技术，来保证自身安全。

今天安全问题确实令人担忧，其原因就是因为虚拟化和云计算。安全性已经成为各公司正在面临的挑战，因为数据中心内的每一台计算机现在都暴露在外部。

过去，只有数据中心的门是暴露在外面的，你得进入公司、成为员工才能进入数据中心，或者只能通过VPN进入。现在，有了云计算，一切都暴露在外。

数据中心暴露的另一个原因是，现在的应用都是聚合的。过去，应用程序会在一个容器中、在一台计算机中单体运行。现在，扩展架构的应用程序，出于很好的理由，已经变成了可以扩展到整个数据中心的微型服务。

微服务之间通过网络协议进行通信。凡是有网络流量的地方，就有机会拦截。现在数据中心有几十亿个端口，几十亿个虚拟活动端口。它们都面临潜在的危险，可能受到攻击。

要想解决安全问题，就必须在节点上执行安全操作，必须从节点开始。这就是为什么与 BlueField 的合作让我们如此兴奋的原因之一。

因为它是一个网络芯片，已经存在于计算机节点中，而且我们发明了一种把高速人工智能处理放在企业数据中心的方法——它叫EGX——一端是BlueField，另一端是EGX，这就是安全公司构建人工智能的框架。

如 Check Point 、Fortinet 、 Palo Alto Networks等等公司，他们现在可以开发软件，运行在我们制造的芯片和计算机上。因此，数据中心中的每一个数据包都可以被监控。可以检查每个数据包，将其分解，变成标记或文字，使用自然语言理解(我们刚才谈到过)进行阅读——自然语言理解将决定是否需要某个特定的操作，是否需要某个安全操作，并将安全操作请求发送回 BlueField。

这一切都会实时、持续发生，而在云端就没有办法做到这一点，因为有太多的数据必须要转移到云端。在CPU上也没有办法做到这一点，因为它需要太多的能量，太多的计算负载。

人们是不会这么做的，因为这并不可行，但现在，有了BlueField和EGX，也就有了切实的可行性。

第二个问题与芯片供应有关，这个行业一直以来都会受到一些动态因素的影响，其中一个因素就是新冠疫情暴露了汽车工业供应链中的一个弱点。

汽车工业有两个主要组成部分，这些主要组成部分要经过各种供应链，所以他们的供应链是非常复杂的。当它因为疫情而突然关闭时，恢复过程或者说重启过程，比任何人预期的都要复杂得多。

很明显，汽车可以重新架构，并不是凭借成千上万的零部件，而在于其中几个集中的零部件。把注意力集中在四件事情上，远比在不同的地方注意一千件事情要好得多。

另一个因素是技术动态。它有很多不同的表达方式，但技术动态基本上是我们将计算集成到云端中，然后再集成到数据中心。

过去是一大堆电子设备，现在我们可以将它虚拟化放到云端，然后进行远程计算。刚才所谈到的所有动态因素给数据中心带来了安全挑战，这也正是为什么这些芯片如此庞大的原因。

当你把计算放在数据中心，你可以按照需要放大芯片。数据中心很大，因为它可以被很多人聚合和共享。它推动了应用，把发展趋势推向非常先进的大型芯片，而非先进的小型芯片。突然之间，世界半导体消费的天平倾向于最先进的计算机技术。

现在业界已经认识到这一点，世界上最大的半导体公司肯定也认识到这一点。他们会着手建立必要能力体系。

问题六：我想知道NVIDIA希望通过Grace接触到哪些客户和行业，以及您认为高性能人工智能和高级计算数据中心 cpu 的市场规模是多少？

黄仁勋：我先申明一下我并不清楚，但我可以告诉大家我的直觉。

30年前，投资人问我3D图形的规模会有多大。我说我不知道，然而我的直觉是，电子游戏会成为极度受欢迎的应用程序，而PC将成为一种消费品 —— 当时的PC没有互联网、没有CD-ROM、没有LCD，甚至没有声音。

新的应用将把以前不可能的变成可能，我的投资人还问过像电子游戏这样的消费产品市场会有多大， 我认为每个人都会成为游戏玩家。

我在30年前就这么说了，而现在，我正朝着正确的方向努力，坚信它一定会成为现实。

十年前有人问我，“你为什么要在深度学习中做这些事情？谁会在乎怎么探测猫呢?”但这并不是关于探测猫。而是一种全新的软件开发方式。通过这种方式开发软件和使用深度网络，你就可以捕捉到非常高的维数，这就是通用函数逼近器。

我可以用它来预测牛顿定律。只要有足够的数据，我可以用它来预测任何你想预测的事情。我们在这种直觉上投入了数百亿美元，我认为这种直觉已经被证明是正确的。

我相信，我们需要建造一个新的计算规模，它需要从地球规模的数据中学习。你们将拥有能连接到地球上的任何地方的传感器，我们将用它们来预测气候，创造一个地球的数字孪生兄弟。

它可以预测任何地方的天气，甚至一平方米，因为它学习了地球的物理学和几何学。它学会了所有这些算法。我们可以对自然语言进行理解，这是非常复杂的，而且一直在变化。

关于语言，人们没有意识到的是它是不断进化的。因此，无论你用什么人工智能模型来理解语言，明天都会过时，因为衰变的存在，人们称之为模型漂移。只要你愿意，你可以持续不断地学习和漂移。

有一些规模很大的数据驱动科学需要去研究，有多少人需要语言模型？语言就是思想，思想是人类的终极技术，它有这么多不同的版本，不同的文化和语言以及技术领域。零售业、时尚业、保险业、金融服务业、法律业、芯片业、软件业，连人们说话的方式都是各式各样的。

我们必须为每一个人训练和调整模型，这些有多少个版本？让我们来看看。以70种语言为例，乘以100个需要永远使用庞大系统训练数据的行业。我的感觉是，这将是一个非常大的新市场，就像GPU曾经是一个零亿美元的市场一样。

这正是NVIDIA的风格。我们倾向于追逐零亿美元的市场，因为这就是我们为行业做出贡献的方式，这就是我们探索未来的方式。

问题七: 你是否仍然确信 ARM 的交易会在完成之前获得批准？随着 Grace 的声明以及在开发中拥有的所有与 ARM 相关的合作伙伴关系，收购 ARM 对于公司的目标有多重要？拥有 ARM 你得到了什么？而又有哪些是你得不到的？

黄仁勋: 正如你所知道的，ARM 和 NVIDIA都是独立、优秀的企业。在我们完成这一过程的过程中，我们将继续保持优质的独立业务。然而，我们可以一起做很多事情，我之后会回到这个话题。对于前面关于交易的问题问题，我非常有信心，监管机构会看到这笔交易前瞻性与可行性。它将带来一波创新浪潮。

为市场创造新的选择。这将使 ARM 得以扩张进入市场，否则它们很难进入这些市场。就像我们宣布的许多合作伙伴一样，都是把人工智能带入 ARM 生态系统，把 NVIDIA的快速计算平台带入 ARM 生态系统的合理做法——这是只有我们和一群计算机公司共同努力才能做到的。

而我们与他们的讨论正如预期的那样具有建设性，最初预计的时间为18个月，我有信心在2022年完成这笔交易。

至于我们可以一起做什么，我在GTC上展示了一个早期的例子：我们宣布与亚马逊合作，把Graviton架构和NVIDIA的GPU架构结合起来，为ARM带来现代AI和现代云计算。

我们做这些是为了Ampere计算、AI科学计算、科学计算。我们宣布做Marvell，边缘和云平台以及5G平台。然后我们宣布为联发科做。

这些都是需要长时间去做的事情，作为一家公司，我们希望也能够做得更好。合并后将增强我们的两项业务。其中一方面，它将ARM扩展到新的计算平台，另一方面，它将NVIDIA的AI平台扩展到ARM生态系统中，而ARM生态系统对NVIDIA的AI和加速计算平台的曝光率不足。

附议程详情：

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App