作者丨Agam Shah，编译丨诺亚
英伟达公司首席执行官黄仁勋最近的一番言论引起业界关注，他指出随着AI技术的进步，人们未来可能不再需要学习如何编程。
人工智能可以生成代码来解决特定问题，这一点已经得到了证明。而且英伟达正致力于重构支持此类AI代码生成的底层软件堆栈。
在黄仁勋看来，过去几十年，我们一直受限于围绕CPU的传统计算模式 ，即人类编写应用程序从数据库中检索预存的信息。
“我们今天进行计算的方式，信息是由某人编写的，由某人创建的，基本上都是预先录制的 。”黄仁勋在斯坦福大学的一次座谈中如此提到。
然而，英伟达的GPU开启了加速计算的新路径，转向了一种更加依赖算法的计算风格，在这种风格中，创造性推理而非逻辑 成为决定结果的关键因素。
“为什么还要用Python编程？在未来，你会直接告诉计算机你想要什么。”
对于未来的编程，专家们预测，五年后，文字、图像、视频及语音等形式的信息都将会实时输入到大型语言模型中。计算机将通过所有信息流和多模态交互不断自我改进。
黄仁勋认为，在未来，我们将进入持续学习的时代，人们可以决定是否部署这些持续学习的结果。与计算机的交互方式将不再是C++或其他传统编程语言 。
这就是人工智能的用武之地——人们会通过理性思考，要求计算机生成代码以满足特定目标。这将要求人们用简单的自然语言与计算机交谈，而不是用C++或Python。
黄仁勋的观点是，随着AI的发展，传统的编程方式价值正在发生变化。如今只有大约1000万人因掌握编程技能而获得就业机会，但剩余的80亿人则与此无缘。而在未来，这种情况将不再存在，因为英语等自然语言将成为最强大的编程语言 ，人类规模的交互将有助于缩小技术鸿沟。
基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能
- 项目地址：https://github.com/YunaiV/ruoyi-vue-pro
- 视频教程：https://doc.iocoder.cn/video/
生成式人工智能将更像是一个操作系统，人类可以用通俗易懂的语言告诉计算机创建应用程序。黄仁勋说，大型语言模型将帮助人类通过计算机运行他们的想法。例如，现在人类已能够使用简单的英语来指示大模型生成特定领域应用所需的Python代码。
那么，如何让计算机做你想做的事？如何使用该计算机微调说明？黄仁勋据此强调了“提示工程”这一概念的重要性，即如何精炼地指导计算机执行任务，这其中蕴含着艺术性。
人们可以专注于知识和领域专业知识，而生成式AI将填补编程方面的空白，这将深刻影响软件开发格局。
英伟达不仅在硬件方面占据主导地位，还在利用诸如CUDA软件栈等技术增强其在AI市场的地位。通过提供专门针对医疗保健、金融等领域知识的大型模型支持，英伟达助力企业级应用发展。
黄仁勋说，全球数据中心的价值约达1万亿美元，预计未来四五年内将增长至4万亿至5万亿美元，而英伟达的GPU几乎触及每一项AI安装和应用。
基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能
- 项目地址：https://github.com/YunaiV/yudao-cloud
- 视频教程：https://doc.iocoder.cn/video/
回顾过往，黄仁勋的预见往往颇具前瞻性，他被誉为AI领域的先驱者。他引领了英伟达 GPU的研发工作，使得数十年前的人工智能理论得以实际应用。
目前，英伟达在AI市场的强势地位已将该公司的估值推高至2万亿美元，且有望在取得突破性进展后迎来历史性的一年。
英伟达GPU销量激增，使其2024财年第四季度营收达到221亿美元，比去年同期增长了惊人的265%；2024财年，英伟达收入增长126%，达到609亿美元。
2000年左右，英伟达的GPU主要面向游戏市场销售，黄仁勋意识到矢量处理单元可用于科学计算所需的大型建模和模拟。于是他在2007年创建了CUDA加速计算软件栈，该栈现已成为英伟达在AI领域占主导地位的核心组成部分。
英伟达的应用开发方法论 充分考虑了AI对不同类型数据的支持，如文本、图像和语音。为了高效处理这些不同的数据类型，需要新的软件栈以及如GPU这样的加速器。
CUDA GPU驱动软件提供了与GPU通信的基础工具集，包括编程模型、开发工具和一系列库。AI开发者正在利用CUDA的基本构建块来挖掘英伟达GPU的能力。
CUDA还具有自动编码的工具，供人们在GPU上运行应用程序。英伟达正在创建通用翻译器，可以接受查询、运行几行 Python 代码并将其传递给选定的 AI 模型。
英伟达的CUDA正在颠覆传统的软件开发模式，在这种模式下，应用程序是为CPU编写的。人工智能领域拥有新型的数据、算法和计算引擎，GPU取代了处理复杂问题能力不足的CPU 。
尽管如此，英伟达的AI堆栈与传统的x86 Wintel平台之间也存在相似之处 。如果人工智能是在英伟达的GPU上训练的，它也将需要英伟达的硬件来进行推理。不过，随着微软、Meta等公司开始部署自己的AI硬件，这一情况可能会有所改变。
英伟达的业务结构体现了其期望AI补充人机交互的方式：通过数据类型和领域知识 。
该公司预构建了适用于各类模型的CUDA工具，例如，其汽车业务中包含了制造自动驾驶汽车所需的所有硬件和软件组件；在健康业务中，英伟达协助医生通过融合图像、患者报告和语音输入等方式使用AI与医疗数据进行交互。
英伟达将其AI企业套件称为“AI操作系统”，其中包含了诸如NeMo在内的大模型、编译器、库和开发堆栈，但运行这些软件通常需要英伟达的GPU。
此外，该堆栈还包括一些用于解决AI棘手问题的中间步骤，如Guardrails（护栏）工具可以分析大模型的输出，防止仇恨言论并保持对话方向。这取决于所有者制定的规则。这些应用程序可以使用LangChain框架进行开发。
英伟达更大的目标是通过交互式提示技术彻底摆脱命令行界面 ，让人们可以直接与数据库交互。这与软件堆栈没有太大关系，但它在搜索如何改变以向用户提供更多相关信息（什么、如何、何时和为什么）方面发挥了作用。
为此，英伟达正在出售AI软件订阅包 ，公司战略正从以往的“硬件带动软件销售”转变为“软件带动硬件销售”，希望通过销售仅能在自家GPU上运行的软件来扩大业务范围。
黄仁勋表示，程序员仍然会在CUDA框架及不需要GPU的通用计算应用程序中发挥重要作用。但是他传达的核心信息也十分明确：未来属于人工智能， 开发者必须快速适应不断变化的技术格局，并调整自身技能。
英伟达提出了“AI工厂 ”的概念，这个工厂将原始数据作为原材料摄入，经过加工处理后产出的是高质量的数据成品。英伟达已经与所有主流云服务提供商及诸如Google、Snowflake、Salesforce、Oracle和VMware这样的软件供应商建立了稳固的合作关系。
尽管英伟达以其专有的硬件和软件平台努力尝试改变软件堆栈，但竞争对手也在迅速跟进。AMD推出的ROCm和英特尔研发的OneAPI都是日渐受到关注的开源选项。同时，谷歌也在自主研发软硬件堆栈以驱动其AI基础设施建设。AI时代的一众玩家里，英伟达的野心 是否终将成真，或是有黑马杀出撼动其强势地位，乾坤依旧未定。
参考链接：
https://thenewstack.io/nvidia-wants-to-rewrite-the-software-development-stack/
