摩爾定律是否始于19世紀?這似乎是一個有趣的問題。

我們正處于一個科技快速顛覆各行各業的黃金時期。與今年相比，上世紀末的互聯網泡沫就像小孩在路邊擺攤賣檸檬水一樣微不足道。

人工智能正在迅速改變我們所知道和關心的一切。

基于此，我想回顧一篇文章，它生動展現了當前發展的步伐，以及我們在未來幾年而非幾百年內可能實現的目標。

史蒂夫·賈維特森是一位知名風險投資人，曾在惠普工作，現在是 SpaceX 的董事會成員。他是眾多行業內部人士之一，正在發表對 AI 未來的預測，認為指數級進步即將到來。

我認為他最近在 X 上發布的帖子及其配套的散點圖，不僅描繪了我們的未來，還概述了整個20世紀甚至更早期的發展歷程，提供了一幅更廣闊的畫面。

以下是我從這篇文章中獲得的幾個主要觀點:

摩爾定律始于19世紀

賈維特森提出的最有趣的觀點之一是，摩爾定律早在戈登·摩爾對晶體管做出預測之前就已經開始了。他從巴貝奇和分析引擎開始，還包括了一些其他技術，如霍列瑞斯打孔卡片。

這是一個敏銳的分析，但賈維特森真正涉及一些有趣領域的是他對摩爾定律代表意義的思考:

"摩爾在早期集成電路行業中觀察到的是一個衍生指標，是一個長期趨勢的折射信號，這個趨勢引發了各種哲學問題，并預測了令人難以想象的 AI 未來，"賈維特森這樣寫道，令人著迷。

他說，這已經不再是"以晶體管為中心的指標"。它更多地是關于計算速度的整體增長。

賈維特森的這種柏拉圖洞穴寓言式的觀點表明，我們才剛剛開始理解我們正處于的數字曲線的真正本質。

英偉達的勝利早已注定

賈維特森指出的另一件事是，英偉達在行業中的勝利也早在很久以前就開始了。

該公司的進展今年才開始成為頭條新聞。我們大多數人幾個季度前還不知道，到2024年底，這家公司將遠遠超過同類的任何其他科技公司。我們那時還在談論英特爾等公司。

但根據賈維特森的說法，英特爾在15年前就已經輸掉了這場比賽。

"在過去的128年里，計算前沿已經跨越了許多技術基礎，"賈維特森寫道。"英特爾15年前就將領導地位讓給了英偉達，未來還會有更多的交接。"

他還指出了為什么會發生這種情況:

"英特爾在神經網絡領域輸給了英偉達，因為 GPU 的細粒度并行計算架構更適合深度學習的需求。處理器針對圖形處理進行優化的計算相似性與2014年常見的神經網絡中感知皮層的計算需求之間存在一種詩意的美。"

本質上，英偉達押注于 AI，現在正是 AI 的時代，所以也是英偉達的時代。對黃仁勛和他的團隊來說，這是一個不錯的位置。

看看彭博科技日報的 Ian King 的觀點:

"英特爾甚至沒有參與與英偉達公司競爭生產加速器以支持 AI 工作負載的競賽，"King 寫道。"數百億美元正在被用于數據中心設備，這些錢本來會流向英特爾，現在卻流向了一個在銷售額和市值上都超過它的競爭對手。在服務器和個人電腦處理器方面，英特爾才剛剛開始穩定市場份額的損失。

英特爾的某個人是否應該預見到 AI 的這種轉變?可以說，科技界只有一個人做到了，那就是英偉達的黃仁勛。他的公司花了多年時間準備新設計、軟件和一系列其他產品，使其處于有利地位，可以利用計算領域的巨大轉變。高端芯片設計從概念到生產數百萬片需要數年時間。"

很有趣...

實驗室科學和模擬科學

賈維特森在文章后面關于"試錯"科學過程變化的一段話引起了我的注意。

"當摩爾定律跨越關鍵閾值時，以前的實驗室試錯科學變成了模擬科學，進步的步伐急劇加快，為新行業的新進入者創造了機會，"他寫道。"考慮特斯拉和 SpaceX 的自主軟件堆棧，以及它對汽車和航空航天行業的影響。"

這番話很適合一位 SpaceX 董事會成員說...

不過，我認為主要觀點是，有了我們現有的數據和流程，我們能夠進行極其精細的模擬，從而消除了20世紀那種實驗室科學。

就在昨天，我寫了關于英偉達的 Mike Pritchard 為我們提供整個地球數字孿生的見解。這正好符合這一突破性的想法，即我們將用基于模擬的科學取代實驗室科學，這種科學在假設階段就已經比以前知道得更多。

對商業的影響

所有這些都很有趣，但賈維特森還對商業有一個相關的預測。

"我們星球上的每個行業都將成為信息行業，"他說。"以農業為例。如果你問20年后的農民他們如何競爭，這將取決于他們如何使用信息 —— 從衛星圖像驅動的機器人田間優化到種子中的代碼。這與工藝或勞動力無關。隨著 IT 滲透經濟，這最終將滲透到每個行業。"

這在某種程度上是上述觀點的延續，但如果我們有能力基于大數據進行模擬，那么數據將比現在更加重要。

歷史是否在重復?

這些是我從這篇文章中得到的一些主要觀點，但這里還有一個基于名字的奇怪觀點。

當你看賈維特森的圖表時，你會看到1940年代有一個叫做"巨人"的條目。這涉及英國工程師基于洛倫茲動力學破解德國密碼。

現在，馬斯克和 XAI 正在用他們自己的新"巨人"數據中心掀起波瀾，隨著數據中心戰爭升溫，我們可能會聽到更多相關信息。

那么，今天的"巨人"制造者是否是以1940年代的計劃命名他們的項目?

我們問了 ChatGPT。以下是我們得到的回答:

"由埃隆·馬斯克的公司 xAI 開發的巨人超級計算機是一個最先進的 AI 訓練系統，擁有100，000個 NVIDIA H100 GPU，計劃擴展到200，000個 GPU，包括50，000個 NVIDIA 的下一代 H200 芯片。這個龐大的計算基礎設施旨在訓練先進的 AI 模型，如 xAI 的 Grok 系列。'巨人'這個名字具有歷史意義，特別是與二戰期間英國開發的用于破譯德國通信的代碼破譯計算機有關。此外，'巨人'是1970年一部關于獲得知覺的超級計算機的科幻電影的標題。有人推測 xAI 的超級計算機可能是以這部電影中的計算機命名的。然而，xAI 尚未公開確認'巨人'這個名字的具體靈感來源。因此，雖然這個名字可能指的是戰時計算機或虛構的超級計算機，但確切的命名理由仍然未明確。"

這是另一個例子，說明我們如何利用 AI 模型來發現事物。谷歌搜索已經過時了。大語言模型可以立即篩選所有可用信息，并像一個智慧的朋友一樣，準確地告訴你情況如何。例如，在這里，你可以了解兩個項目的歷史，并得到關于你的問題的最佳可能評估。