Nvidia 的 ChatGPT 壟斷對遊戲玩家來說將比加密貨幣更糟糕
觀點：Nvidia ChatGPT 帶來的利潤將使遊戲 GPU 變得稀缺
彷彿就在昨天，世界各地的遊戲玩家在購買以太坊時還咒罵以太坊的存在。 最好的顯卡——nbsp;他們買得起，卻發現貨架空空如也，推特上幸災樂禍的加密貨幣兄弟正在炫耀他們以兩倍於建議零售價購買的五塊 RTX GPU。我們更不用說那些一開始賣給他們卡片的黃牛了。
自從加密貨幣泡沫破裂、以太坊轉向權益證明而非工作量證明以來，獲得顯卡實際上是一件相對容易的事情，這讓遊戲玩家鬆了一口氣。許多 最便宜的顯卡交易--nbsp；現在 Nvidia RTX 3080 等高性能 GPU 的售價遠低於建議零售價，我什至看到 Nvidia RTX 3090 的售價一度低於 900 美元。
但隨著 ChatGPT 和 Midjourney 背後的大型語言模型的興起，這些模型利用顯卡的強大功能以圖像、文本、聲音甚至完整視頻的形式生成生成輸出，GPU 的緊縮迫在眉睫。地平線。它不僅會導致 GPU 的尋找比加密貨幣熱潮最高峰時更加困難，而且它所產生的影響也可能比加密貨幣所能產生的影響大得多，甚至可能迫使 Nvidia 退出消費 GPU 市場。
為什么生成式人工智能與加密貨幣不同？
--nbsp；
TL;DR 版本非常簡單：加密貨幣很大程度上是一個龐氏騙局，除了犯罪和價格投機之外，在現實世界中幾乎沒有應用。生成式人工智能實際上可以生產出有用的產品。
比特幣白皮書為加密貨幣和區塊鏈技術奠定了基礎，自發布以來的 15 年裡，它一直在努力尋找任何已被證明對市場有價值的真正實用目的。
NFT 可能是有史以來最接近找到用例的加密貨幣，事實證明——nbsp； 大多數 NFT 銷售可能是所謂的洗售——意在人為抬高 NFT 市場上的價格，讓某些標記以永遠無法收回的過高溢價購買。
對於那些聲稱現在判斷區塊鍊和加密貨幣未來能做什麼還為時過早的人來說，生成式人工智能確實揭示了加密貨幣的價值在多大程度上依賴於菸霧和鏡子以及對這個想法的盲目奉獻，而不是任何實際的效用。
Dall-E、Midjourney、ChatGPT 和其他形式的生成人工智能比加密技術要年輕得多。事實上，它們還處於起步階段，但已經在徹底改變創意產業，就像電影中的延緩演員衰老一樣，協助音樂創作——包括披頭士樂隊的一首“新”歌曲，其中再現了幾十年來約翰·列儂的聲音——舊演示 - 並為幾乎每個行業起草文檔。
現在你可以爭論了， 據我所知，這一切實際上都不是——nbsp；好的。 我個人認為，通過讓我們的集體文化充滿“足夠好”的人工智能生成媒體來淡化它是完全不人性化的。但你不能說這些由神經網絡驅動的人工智能模型沒有產生有價值的東西。
就像工業革命時期大規模生產的紡織品的質量是對蒸汽織機和珍妮紡紗機淘汰的人類工匠手工製作的織物的徹頭徹尾的嘲諷一樣，人工智能生成的內容的質量在工作面前顯得黯然失色。一位技藝高超的人類創造者。
--nbsp；
沒有人工智能能夠接近創作出這樣的小說——nbsp；血脈——nbsp;或——nbsp;一百年的孤獨。但它不需要。
--nbsp；
在美國，美國編劇工會目前正在罷工，編劇工會的主要擔憂之一是電影和電視工作室可能會奪走真正作家的創意作品——構成你最喜歡的電視劇的角色和故事情節顯示類似--nbsp； 曼達洛人 - 並使用人工智能根據以前的人類作品生成新腳本（完全披露： 我是美國東部作家協會的成員，儘管數字媒體成員根據不同的合同運作，並且所以我們沒有罷工）。
--nbsp；
是否有任何疑問，如果工作室或媒體公司可以從新一代人工智能生成的廉價恐怖片中賺錢，他們就不會這樣做？遺憾的是，他們這樣做的潛力是非常真實的。他們不必賺取最多的收入，只需賺取最多的利潤，而削減勞動力成本是做到這一點的最簡單方法，即使他們銷售的產品絕對糟糕。如果你能以 1,000 美元的價格出售某樣東西，但必須向藝術家支付 600 美元，或者以 450 美元的價格出售某物，但無需向任何人支付任何費用，那麼你每次都會選擇後者，即使它很糟糕。
--nbsp；
到底是什麼讓 Nvidia 如此特別呢？
這一切都歸結於 Nvidia 開發的一些東西，旨在幫助加快創意行業的渲染工作流程，並在較小程度上為其顯卡中的 DLSS 技術提供支持。
過程 使用顯卡渲染基本 3D 場景相當複雜，因為它需要大量數學和復雜的過程，而其中計算量最大的無疑是矩陣乘法。為了加速這些計算，Nvidia 開發了張量核心。這是 Nvidia 消費類 GPU 中的專用電路，可以追溯到 RTX 2000 系列，它允許在單個時鐘週期內執行多個乘法運算，而不是在多個週期內順序執行。通過使用深度學習技術，可以顯著加快 3D 渲染速度，但這項技術不僅限於 3D 圖形。
很少有人需要知道什麼是矩陣乘法或者它是如何工作的，但它確實是——nbsp； 對於機器學習至關重要。沒有它，每個法學碩士和所有其他人工智能模型背後的生成人工神經網絡根本無法工作。而且，目前，Nvidia 的 GPU 確實是除了高度具體和專業的數據中心硬件之外唯一能夠高效地執行矩陣乘法的地方。
更重要的是，Nvidia 的張量核心比 Intel 和 AMD 的競爭 AI 硬件更加成熟（ Nvidia Lovelace 具有第四代張量核心），這意味著在 Nvidia GPU 上訓練神經網絡將比在 Nvidia GPU 上訓練神經網絡要快得多。您嘗試在 AMD 或 Intel 硬件上執行相同的操作。
簡而言之，對於真正訓練所有人工智能網絡所需的計算機硬件而言，Nvidia 是目前唯一真正的遊戲，而這些網絡正在引起人們的興趣和投資激增——nbsp； --nbsp ；可以生產出有用的產品，使硬件投資有利可圖。這是——nbsp；該--nbsp； Nvidia 上季度公佈的創紀錄利潤的驅動力，正是這種人工智能硬件優勢——nbsp； 使英偉達成為最新的萬億美元公司——幾乎是憑空出現的。
隨著更多的企業——nbsp; 從 Web3 轉向生成式 AI ，對 AI 硬件的需求只會增長。 Jansen Huang 的原因是——nbsp； Nvidia Computex 2023 主題演講本質上是 Nvidia 人工智能硬件的非正式廣告，僅順便提及了其遊戲部門，甚至這也是人工智能硬件如何使遊戲渲染速度更快的演示。
尋找 Nvidia GPU 可能會比加密貨幣繁榮時期變得更加困難
