在拉斯维加斯举行的国际消费电子展(CES)上，英伟达CEO黄仁勋发表了一场面向万人的主题演讲，并在随后的采访中向TechCrunch透露，其公司AI芯片的性能提升速度已经远超数十年来推动计算机技术进步的“摩尔定律”设定的标准。

摩尔定律由英特尔联合创始人戈登·摩尔于1965年提出，预测计算机芯片上的晶体管数量将大约每年翻一番，从而使芯片性能也大致翻一番。这一预测在随后的几十年里基本实现，推动了计算机性能的快速提升和成本的急剧下降。然而，近年来，摩尔定律的发展速度有所放缓。

黄仁勋在接受采访时表示：“我们的系统进步速度远超摩尔定律。”他进一步指出，英伟达最新的数据中心超级芯片在运行AI推理工作负载方面的速度比上一代产品快30多倍。这款名为GB200 NVL72的芯片，在性能上比英伟达之前最畅销的H100芯片提升了30到40倍。

黄仁勋强调，英伟达之所以能够实现如此快速的发展，是因为公司能够在整个技术栈中进行创新，包括架构、芯片、系统、库和算法。他指出：“如果这样做，我们就能比摩尔定律更快地发展。”

这一大胆言论正值许多人质疑AI发展是否停滞之时。然而，黄仁勋驳斥了这一观点，并指出当前AI领域存在三大扩展定律：预训练(pre-training)、后训练(post-training)和推理时计算(test-time compute)。预训练阶段，AI模型从海量数据中学习模式;后训练阶段，通过人类反馈等方法微调模型;推理时计算则让模型在回答每个问题后有更多时间“思考”。

黄仁勋认为，随着计算能力的提升，AI推理成本将逐步降低，类似于摩尔定律推动计算成本下降的历史进程。他指出，英伟达最新的AI芯片性能比10年前的产品提升了1000倍，这是一个远超摩尔定律设定标准的速度，而且这种快速发展的势头还看不到停止的迹象。

英伟达的AI芯片在业界有着广泛的应用。包括谷歌、OpenAI和Anthropic在内的领先AI实验室都在使用英伟达的AI芯片来训练和运行其AI模型。这些芯片的进步可能会转化为AI模型能力的进一步提升。

然而，随着科技公司对AI推理的关注增加，一些人开始质疑英伟达昂贵的芯片是否还能保持领先地位。目前，使用测试时计算的AI模型运行成本高昂。例如，OpenAI使用其o3模型在一项通用智能测试中达到人类水平的分数，但每项任务花费近20美元，而ChatGPT Plus的订阅费用为每月20美元。

黄仁勋表示，英伟达正在致力于降低AI推理模型的成本。他指出，GB200 NVL72芯片的性能飞跃意味着像OpenAI的o3这样在推理阶段使用大量计算的AI推理模型，其成本将随着时间的推移而降低。他预计，这种降价趋势将随着AI推理模型的发展而继续下去。

总的来说，黄仁勋在CES上的发言不仅展示了英伟达在AI芯片领域的领先地位，还向业界传递了一个明确的信息：英伟达正在以远超摩尔定律的速度推动AI技术的发展。这一消息无疑将激发业界对AI未来的更多期待和信心。