自诩「AI界的瑞士」 NVIDIA盼软硬件共同优化

NVIDIA AI研究总监王钰强表示，NVIDIA自诩为「人工智能领域的瑞士」（the Switzerland of AI），也就是中立国，希望旗下服务可造福更多用户，涵盖语言、视觉、医疗、智能制造等各领域。针对生成式人工智能（Generative AI）后续发展，他认为可关注演算模型、商业模式以及生态系「共同优化」（Joint optimization）的发展。

台大系统芯片中心8日举办「生成式AI技术－ChatGPT与应用论坛」，台大资工系副教授陈縕侬以及来自NVIDIA、台湾微软（Microsoft）、AWS等业界代表与会主讲。

王钰强谈到，从NVIDIACEO黄仁勳日前访台揭露的信息，可知道NVIDIA对台湾有一定的加码投资，包括他所在的AI研究部门，是NVIDIA首次在亚太区成立的研究团队，具有一定指标意义。

除了GPU，NVIDIA也发展了许多大型语言模型（LLM）服务，像是语言生成相关的NeMo、针对生物医药开发设计的BioNeMo、视觉应用相关的Picasso模型等。

其他业者也相继推出不同服务，因此生成式AI的模型不仅支持语言生成，而是朝多模态（Multimodality）模型发展、支持多种任务。NVIDIA自身定位为像瑞士一样的中立国，盼协助生态系优化发展。

王钰强指出，最近许多人在关注的生成式AI，其实并非新概念，早期在做机器学习（ML）的人，已经知道递归神经网络（Recurrent Neural Network）有发展类似应用的可能。

Google团队2017年发表Transformer模型，可执行大量平行运算、自注意力（Self-attention）机制、同时读取长序列数据，大幅提升自然语言处理（NLP）的效率。若无Transformer开源模型，后面也不会有GPT这类模型的发展。

他提到，不管在业界或学术界，都有些人替Google发表Transformer的团队打抱不平，认为最近生成式AI这麽火红，但该团队似乎没有得到应有评价。

对于有人期待接续会有GPT-5、GPT-6、GPT-7等更多系列模型出现，王钰强认为不一定，提到OpenAI说可能只到第五代、不一定会往下走；再者，该系列是基于Transformer，未来若有更好的基础模型出现，GPT系列不一定得往下发展。

GPT模型里面有些自注意力机制，欲提升运算效率，就需要软件、电路设计、相关硬件等人员一起参与发展。

他也谈到，AI模型的源头是数据，相关应用若要商业化，会牵涉到数据来源和版权、商业模式如何设计等问题。

现在各行各业都想做生成式AI，但各家业者数据量可能有限。以BMW、丰田汽车（Toyota）等业者为例，他们拥有的可能是一堆车子的照片。如何在数据有限的情况下，与NVIDIA或其他业者合作，设计出更符合需求的生成式AI模型，也是颇具挑战之处。

至于NVIDIA与台大合作成立AI大学中心，会朝哪些面向发展？王钰强表示，细节仍以台大新闻稿为主，大方向是双方会有学研合作，且NVIDIA会分享AI相关课程及工具；不仅电机和资工系学生可受惠，其他学院的学生若有需求也可运用。

王钰强是台大电机系教授，专长是电脑视觉、机器学习领域；2022年8月起借调到NVIDIA服务，为期4年。