黄仁勋定律_黄仁勋twitter

1.黄仁勋定律是什么

在通用芯片CPU领域，摩尔定律正在逐渐放缓但在专用芯片GPU领域，尤其是AI芯片，芯片的性能却有可能以指数级的速度提升，出现“黄仁勋定律”英伟达无疑是这个趋势最大的押注者如果“黄仁勋定律”成为一个自我实现的预言，那么可能会看到AI应用出现爆发式的增长。

2.黄仁勋lori

上一代的 A13仿生芯片，一秒钟能完成6万亿次运算，但是A14性能几乎翻倍，一秒钟能完成11万亿次运算一个做微芯片的专家评论说，苹果的5nm芯片是摩尔定律走向终结的又一个路标因为5nm差不多也就是10个原子那么大，都到这个量级了，还有多大希望，能让芯片每两年晶体管数量翻倍、性能翻倍呢？。

3.黄仁勋 ai

当然，这样的观点也不新鲜，这个话题每年都有人讨论说摩尔定律也许会放慢甚至终结，但一个新定律却早已经显出雏形了，就是“黄仁勋定律”黄仁勋是芯片设计公司英伟达的创始人英伟达公司是全球最值钱的芯片公司，市值达到3500亿美元。

4.黄仁勋经历

主要做的是专门用于图形处理的GPU芯片以前这种芯片主要用在电脑或者游戏机里面不过近些年来，英伟达的GPU芯片越来越多地被用在大数据中心里面，用来训练人工智能算法这类芯片有一个专业的名字，叫做“人工智能加速芯片”顾名思义，作用就是给AI算法加速的。

5.黄仁勋只有14秒是真实的

针对这一类芯片，英伟达的首席科学家提供了一个数据数据说的是，从2012年5月至今，这8年左右的时间里，英伟达芯片在一类特定的AI算法当中的表现，提升了317倍算下来，这种性能提升的速率可不止每两年翻一倍，远远超过了摩尔定律的速率。

6.黄仁勋自传

这种趋势被Christopher Mims称为“黄仁勋定律”黄仁勋自己在2018年的英伟达GPU科技大会上也提到过他在演讲中说，英伟达的GPU芯片，计算速度跟五年前，也就是2013年相比，快了25倍如果按照摩尔定律来计算的话，这个速率按理说也就应该提升10倍左右。

7.黄仁勋出生在哪里

当时黄仁勋就提出，这种现象背后是一种新的“定律”按理说，整个芯片产业都遵循摩尔定律为什么英伟达的芯片，能打破摩尔定律的限制呢？CPU芯片和GPU芯片有什么不同？传统的CPU芯片是一种通用芯片，要干的事情很多，除了用来计算，还要做很多功能，比如说要调取数据，要控制操作，要分析指令等等。

8.黄仁勋是个怎样的人

在一个CPU上，能用来计算的，就其实只有一小部分相当于说，河面上有一艘船，但是船上坐着的人不都是划船的，还有一些其他人，有指挥的，有厨子，有负责看天气的等等一艘船上10个座位，划桨的人可能只能坐下3-4个，剩下的位置都被“闲杂人等”占了。

9.黄仁勋是哪国人

但是GPU就不一样！GPU是“专用芯片”，它有专门的功能，处理图像数据这就相当于，同样是一艘船，GPU这艘船上大部分的位置都给了划桨的人，闲杂人等不让上船，10个座位上的人，可能八九个都在划船，船当然划得快。

10.黄仁勋time

这就是为什么，虽然在CPU领域，摩尔定律在放缓，但是在GPU领域，芯片性能却仍然飞速提升，甚至出现了“黄仁勋定律”所谓的“黄仁勋定律”，是不是跟摩尔定律的原理也一样呢？摩尔定律说的是，一块芯片上能放下的晶体管数量，每隔两年就翻一倍，导致芯片的性能也会随之翻倍。

英伟达GPU芯片能实现性能提升，是不是也是通过在同一片芯片上浓缩更多的晶体管呢？没有这么简单！GPU芯片性能的提升，主要还是通过优化硬件以及优化算法做到的甪船比喻来说硬件优化是什么意思呢？可以优化船体本身的设计，既然这个船只有一个任务，就是划得快，那不如按照赛艇的模型去设计。

还有船的里面，座位怎么排布，甚至用什么样的桨来划，也都可以优化对应到芯片设计领域，专业的术语就是，电路设计可以优化另一种方式，就是重新设计划船的技术，提升船上每个人划船的效率或者说提升整个团队的效率比方说，在软件的层面，你可以使用更好、更高效的算法去发挥芯片的效率。

都不说那些复杂的AI算法…实验中发现，对于同一个复杂的计算任务来说，在硬件不变的情况下，使用C语言完成计算任务的速度，比使用Python的速度要快47倍，因为C语言会减少运算次数当他们继续对算法进行优化之后，最终得到的结果是，用Python需要7个小时才能完成的运算任务，用C语言0.41秒就完成了。

这个例子可以感受到，当算法被改变的时候，硬件可能也会发挥出更高的性能同样的道理，对于AI算法和AI芯片来说也是一样的这就是为什么，AI芯片能够出现所谓的“黄仁勋定律”了当然，这个定律是不是成立，现在下结论恐怕还太早了。

摩尔定律其实是一个“自我实现”的预言摩尔只是作出了一个预判，然后行业里的玩家纷纷把他的预判当作目标，进行了大量的研发投入最终，还真的让摩尔定律运行了几十年“黄仁勋定律”能不能实现，恐怕也取决于英伟达下多大的决心往里面砸钱和砸人，以及有多少人相信这个定律，愿意“追随”他。

假设一下，如果“黄仁勋定律”真的维持下去，那会发生什么呢？会看到，AI芯片的性能呈现指数级增长，AI应用可能会出现爆发式的增长比如说，现在很流行的新零售业务，无人售货超市可能就会是一个受益者现在英伟达的芯片就被用在一些国外的超市里，当顾客买东西的时候，摄像头收集的图像会被实时传送到后台，英伟达的芯片会以一秒上百万亿的计算速度完成图像处理。

如果英伟达芯片的性能能提升，成本降下来，这类无人零售超市可能会变得更普遍无人驾驶是另一个会从“黄仁勋定律”受益的行业《华尔街日报》的文章里提到加州一家叫做图森未来的无人卡车公司这类业务要想做起来，一个很关键的指标是，每瓦电力能支持多大的算力，以及整个自动驾驶的系统要占据多大的空间。

对于一辆卡车来说，能提供的电能超不过5千瓦，空间也不大，就是卡车头那么大点总不能把一个超级计算机塞进这么一个地方吧？这方面的进展也在很大程度上依赖于AI芯片性能的提升苹果手机业务，也将会从这个领域受益苹果从2017年推出的iPhone 8开始，就在手机里搭载了A11仿生芯片，这个芯片上有一个专门用于机器学习的硬件，叫神经网络引擎。

不仅苹果自己的人脸识别、拍照的功能用上了这部分硬件，其他开发者也可以使用它强大的功能而在未来，AI芯片的性能可能还不限于手机随着AI芯片的性能提升、体积变小、成本下降，像是手表、小家电等等，一系列的电子设备都可能搭载AI芯片。

会看到移动端的芯片有一个大的爆发英伟达要斥巨资收购另外一家芯片巨头，英国的ARM了因为英伟达的AI芯片目前主要用于大数据中心、云端计算，但是ARM的芯片设计则被用在苹果手机这样的移动端如果他们两个的业务融合在一起，英伟达的AI芯片技术就有更多机会跨进移动领域。