来源：秦朔朋友圈
当今世界科技的焦点是人工智能，人工智能计算的领导者是英伟达。英伟达GTC技术大会（GPU Technology Conference，简称GTC）则是观察全球新一代计算架构发展和应用的重要窗口。
英伟达GTC于2009年创办，聚焦于GPU技术及其在科学研究、视觉计算、深度学习和人工智能等领域的应用。从最初只关注GPU及相关硬件设备，发展到如今的数字时代生态大会。
开发者、研究者、创业者、企业领袖、学者乃至数字艺术家汇聚于此，探索运用高性能计算、数据科学以及人工智能等技术，塑造新的数字文明。
从单一硬件公司到全新生态型企业
2020～2023年期间，由于受疫情影响，GTC转为线上会议，但参会热情并没有减退。
GTC24是疫情之后第一次线下大会，聚集了空前的人气。过去两年，AI尤其是生成式AI（GenAI）和大语言模型（LLM）爆发式发展，作为行业基础设施提供者的英伟达，市值也一路高歌猛进。
据统计，这次会议现场参会人数近2万，全球在线参会人数超过几十万。硅谷续写着科技圣地的历史，GTC成为名副其实的“AI朝圣大会”。
这一轮的人工智能浪潮，由包括ChatGPT在内的大语言模型LLM所推动，生成式人工智能（GenAI）让所有人意识到，AI所创造的生产工具将会引发重大变革。
英伟达所提供的新的计算架构、软件生态和GPU硬件，是引领数字时代建设的最重要基础设施和资源。它已从单一硬件公司发展为全新的生态型企业。
以英伟达、谷歌、亚马逊、微软、Meta、苹果、特斯拉为代表的科技巨头，正在引领数字产业格局的构建、数字产业治理体系的搭建以及新的人类需求的创造。
值得一提的是，英伟达也已成为全球第四大企业风投（CVC）机构以及全球排名第三的企业研究机构。相较于独立风投公司和高等教育机构，在人工智能风险投资和基础性研究领域，英伟达正在全面赶超。
《Attention is all you need》
引发GenAI变革
在GTC24大会上，老黄（黄仁勋在英伟达的昵称）与《Attention is all you need》的7位作者进行了大会最为精彩的对话。
这篇论文发表虽已过去数年，但这还是7位作者第一次共处一室。他们都在Google成长，又从Google离开。其中6位都创立了自己的人工智能初创公司，数家已是知名独角兽，总市值超过380亿美金。
剩下的最后一位，在OpenAI从事着工程师的工作。
《Attention is all you need》由Google研究团队于2017年在NIPS（神经信息处理系统大会）上发布，是具有超高引用的重要文章。它提出了Transformer架构，一个基于注意机制的序列模型。该架构更具并行性，训练时间更短。
在对话中，7位作者也坦言Transformer架构的不足。他们认为，自适应计算，即模型根据特定问题的复杂程度调整算力的使用，将成为未来改进的一个关键方面。
例如，像2加2这样的数学问题就不该使用万亿参数的Transformer模型来运算，而应该在一个简单的计算器上运算。
毫无疑问，大模型架构的迭代将持续依赖各环节的基础研究，作为支撑。这些年，科技企业尤其是科技巨头在应用型基础性研究上投入了巨大资源。在很多研究领域，他们的研究水平显著超越了学术机构。
《Attention is all you need》的巨大影响力，让我们再次看到：人才的开枝散叶和生生不息、与行业实践紧密连接的基础性研究、愿景和信仰驱动的科技创新，是硅谷在每一轮技术革命都能脱颖而出的三个重要支柱。
这也是我国在发展新质生产力时需要特别思考、布局和补足的领域。
人工智能因其颠覆性的创造力和变革力，让全世界都在关注其发展和安全。公共部门尤其需要发挥关键作用。
一方面，从多个维度看，现今的人工智能依然处于发展的早期。大模型更多还是将输入的数据通过另一种方式作出预测和呈现，GenAI和LLM还只能完成一些非精准任务。大模型还只是在“发现”（Discover）而非“创造”（Create）。人工智能在物理世界理解能力以及逻辑推理能力上的提升，需要基于开发者对人的感知，以及人脑构造和运行方式的进一步认知。
另一方面，即便如此，人工智能已让全世界看到了其巨大发展潜力和对人类的影响。正如斯坦福HAI人工智能中心联席院长李飞飞教授在和英伟达首席科学家Bill的对话中谈到的：“人工智能发源于公众的好奇心，公共部门同样在这一轮科技浪潮中需要发挥重要作用，以帮助解决私营部门因各自角度出发而无法解决的问题。”
私营部门显然在推动着人工智能技术的进步，然而在技术安全性、公平性、客观评估、数据偏见、模型透明度、隐私保护等领域，都更需要公共部门从政策制定、治理架构设计，再到技术实现的各个环节，更好地将发展和安全相平衡。
在这一点上，国内的确有体制机制优势。以算力中心建设为例，最近几年各地层出不穷地在建设算力中心，无论是央企、国企、民企和上市公司都将资源投入到建设中。
虽然在大模型尺度定律（Scaling law）下，算力是最重要的资源，但如何才能更为有效地投入算力建设，将分布式和集中化部署相结合，适应技术迭代的需求，让有限资源发挥更大作用？合理的规划以及一定程度的统筹安排，尤为重要。
从药物研发看人工智能对知识发现企业的变革
深度学习和生成式人工智能GenAI对知识发现领域的影响是特别突出的，尤其是在生物医药的研发领域。
在英伟达2023年的风险投资组合中，很大一部分资金配置在新药发现和医疗保健的初创公司上。它投资了8家药物发现初创公司，包括Generate Biomedicines Inc.和Genesis Therapeutics Inc.，他们都在使用AI来发现新药。
科学研究和发现的过程，因为人工智能已发生改变。大语言模型扩展了医药研究和新药研发的空间，极大拓展了人们对疾病的认知和知识，以及对基因的理解。
借助人工智能，科研人员能够更为精准地选择靶向，加速临床前的研究，有针对性地研发创新药将变得更为容易。从这个角度来看，以科学发现驱动的生物医药公司（Biotech）比商业化能力见长的大制药厂（Big Pharm）更能脱颖而出。
人工智能带来了更多将生物医药理论研究转化为药品的机会，促进了药物研发从实验室科技到商业化医疗科技的转化。
人工智能结合3D技术，会大大降低研发人员对疾病了解和新药探索的时间。更多的医药科技公司将由生物医药科学家和计算机工程师组成。一个公司的实力，不再取决于人数，而在于能让医药科学家和计算机工程协同工作，更有效地将医药问题数字化和程序化。
未来寻找新药的职责，将由更多人工智能科技企业来承担。
特别声明：以上内容仅代表作者本人的观点或立场，不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的，请于上述内容发布后的30天内进行。
