Nvidia 的 ChatGPT 垄断对游戏玩家来说将比加密货币更糟糕
观点：Nvidia ChatGPT 带来的利润将使游戏 GPU 变得稀缺
仿佛就在昨天，世界各地的游戏玩家在购买以太坊时还咒骂以太坊的存在。 最好的显卡——nbsp;他们买得起，却发现货架空空如也，推特上幸灾乐祸的加密货币兄弟正在炫耀他们以两倍于建议零售价购买的五块 RTX GPU。我们更不用说那些一开始卖给他们卡片的黄牛了。
自从加密货币泡沫破裂、以太坊转向权益证明而非工作量证明以来，获得显卡实际上是一件相对容易的事情，这让游戏玩家松了一口气。许多 最便宜的显卡交易--nbsp；现在 Nvidia RTX 3080 等高性能 GPU 的售价远低于建议零售价，我什至看到 Nvidia RTX 3090 的售价一度低于 900 美元。
但随着 ChatGPT 和 Midjourney 背后的大型语言模型的兴起，这些模型利用显卡的强大功能以图像、文本、声音甚至完整视频的形式生成生成输出，GPU 的紧缩迫在眉睫。地平线。它不仅会导致 GPU 的寻找比加密货币热潮最高峰时更加困难，而且它所产生的影响也可能比加密货币所能产生的影响大得多，甚至可能迫使 Nvidia 退出消费 GPU 市场。 --nbsp；
为什么生成式人工智能与加密货币不同？
--nbsp；
TL;DR 版本非常简单：加密货币很大程度上是一个庞氏骗局，除了犯罪和价格投机之外，在现实世界中几乎没有应用。生成式人工智能实际上可以生产出有用的产品。
--nbsp；
比特币白皮书为加密货币和区块链技术奠定了基础，自发布以来的 15 年里，它一直在努力寻找任何已被证明对市场有价值的真正实用目的。
NFT 可能是有史以来最接近找到用例的加密货币，事实证明——nbsp； 大多数 NFT 销售可能是所谓的洗售——意在人为抬高 NFT 市场上的价格，让某些标记以永远无法收回的过高溢价购买。
对于那些声称现在判断区块链和加密货币未来能做什么还为时过早的人来说，生成式人工智能确实揭示了加密货币的价值在多大程度上依赖于烟雾和镜子以及对这个想法的盲目奉献，而不是任何实际的效用。
Dall-E、Midjourney、ChatGPT 和其他形式的生成人工智能比加密技术要年轻得多。事实上，它们还处于起步阶段，但已经在彻底改变创意产业，就像电影中的延缓演员衰老一样，协助音乐创作——包括披头士乐队的一首“新”歌曲，其中再现了几十年来约翰·列侬的声音——旧演示 - 并为几乎每个行业起草文档。
现在你可以争论了， 据我所知，这一切实际上都不是——nbsp；好的。 我个人认为，通过让我们的集体文化充满“足够好”的人工智能生成媒体来淡化它是完全不人性化的。但你不能说这些由神经网络驱动的人工智能模型没有产生有价值的东西。
就像工业革命中大规模生产的纺织品的质量是对蒸汽织机和珍妮纺纱机淘汰的人类工匠手工制作的织物的彻头彻尾的嘲讽一样，人工智能生成的内容的质量在工作面前显得黯然失色。一位技艺高超的人类创造者。
没有人工智能能够接近创作出这样的小说——nbsp；血脉——nbsp;或——nbsp;一百年的孤独。但它不需要。
在美国，美国编剧工会目前正在罢工，编剧工会的主要担忧之一是电影和电视工作室可能会夺走真正作家的创意作品——构成你最喜欢的电视剧的角色和故事情节显示类似--nbsp； 曼达洛人 - 并使用人工智能根据以前的人类作品生成新剧本（完全披露： 我是美国东部作家协会的成员，尽管数字媒体成员根据不同的合同运作，并且所以我们没有罢工）。
是否有任何疑问，如果工作室或媒体公司可以从新一代人工智能生成的廉价恐怖片中赚钱，他们就不会这样做？遗憾的是，他们这样做的潜力是非常真实的。他们不必赚取最多的收入，只需赚取最多的利润，而削减劳动力成本是做到这一点的最简单方法，即使他们销售的产品绝对糟糕。如果你能以 1,000 美元的价格出售某样东西，但必须向艺术家支付 600 美元，或者以 450 美元的价格出售某物，但无需向任何人支付任何费用，那么你每次都会选择后者，即使它很糟糕。
到底是什么让 Nvidia 如此特别呢？
这一切都归结为 Nvidia 开发的一些东西，旨在帮助加快创意产业的渲染工作流程，并在较小程度上为其显卡中的 DLSS 技术提供动力。
过程 使用显卡渲染基本 3D 场景相当复杂，因为它需要大量数学和复杂的过程，而其中计算量最大的无疑是矩阵乘法。为了加速这些计算，Nvidia 开发了张量核心。这是 Nvidia 消费类 GPU 中的专用电路，可以追溯到 RTX 2000 系列，它允许在单个时钟周期内执行多个乘法运算，而不是在多个周期内顺序执行。通过使用深度学习技术，可以显着加快 3D 渲染速度，但这项技术不仅限于 3D 图形。
很少有人需要知道什么是矩阵乘法或者它是如何工作的，但它确实是——nbsp； 对于机器学习至关重要。没有它，每个法学硕士和所有其他人工智能模型背后的生成人工神经网络根本无法工作。而且，目前，Nvidia 的 GPU 确实是除了高度具体和专业的数据中心硬件之外唯一能够高效地执行矩阵乘法的地方。
更重要的是，Nvidia 的张量核心比 Intel 和 AMD 的竞争 AI 硬件更加成熟（ Nvidia Lovelace 具有第四代张量核心），这意味着在 Nvidia GPU 上训练神经网络将比在 Nvidia GPU 上训练神经网络要快得多。您尝试在 AMD 或 Intel 硬件上执行相同的操作。
简而言之，对于真正训练所有人工智能网络所需的计算机硬件而言，Nvidia 是目前唯一真正的游戏，而这些网络正在引起人们的兴趣和投资激增——nbsp； --nbsp ；可以生产出有用的产品，使硬件投资有利可图。这是——nbsp；该--nbsp； Nvidia 上季度公布的创纪录利润的驱动力，正是这种人工智能硬件优势——nbsp； 使英伟达成为最新的万亿美元公司——几乎是凭空出现的。
随着更多的企业——nbsp; 从 Web3 转向生成式 AI ，对 AI 硬件的需求只会增长。 Jansen Huang 的原因是——nbsp； Nvidia Computex 2023 主题演讲本质上是 Nvidia 人工智能硬件的非正式广告，仅顺便提及了其游戏部门，甚至这也是人工智能硬件如何使游戏渲染速度更快的演示。
寻找 Nvidia GPU 可能会比加密货币繁荣时期变得更加困难
