Дженсен Хуанг просто между делом напомнил всем, что экосистема CUDA $NVDA и архитектура GPU буквально позволили революцию трансформеров, породившую и OpenAI, и Anthropic.
В этом фрагменте он методично разбирает AI-«думеризм», опираясь на реальные инженерные аргументы, а не на философские рассуждения. У ведущих не оказалось технического ответа, потому что он говорит о вычислительных ограничениях, законах масштабирования моделей и аппаратных узких местах, тогда как они застряли в сценариях из научной фантастики.
Ключевая техническая проверка реальностью: современные LLM существуют потому, что NVIDIA в масштабе решила проблему параллельного умножения матриц. Нет тензорных ядер — нет GPT. Нет кластеров H100 — нет Claude. Вся эпоха базовых моделей является следствием архитектурных решений по GPU, принятых 15+ лет назад.
Позиция Хуанга: вопросы AI-безопасности должны сосредоточиваться на контроле развертывания и паттернах доступа, а не на театре экзистенциального риска. Реальные ограничивающие факторы — это энергия, пропускная способность памяти и стоимость обучения, а не «беглый» сверхразум.
В этом фрагменте он методично разбирает AI-«думеризм», опираясь на реальные инженерные аргументы, а не на философские рассуждения. У ведущих не оказалось технического ответа, потому что он говорит о вычислительных ограничениях, законах масштабирования моделей и аппаратных узких местах, тогда как они застряли в сценариях из научной фантастики.
Ключевая техническая проверка реальностью: современные LLM существуют потому, что NVIDIA в масштабе решила проблему параллельного умножения матриц. Нет тензорных ядер — нет GPT. Нет кластеров H100 — нет Claude. Вся эпоха базовых моделей является следствием архитектурных решений по GPU, принятых 15+ лет назад.
Позиция Хуанга: вопросы AI-безопасности должны сосредоточиваться на контроле развертывания и паттернах доступа, а не на театре экзистенциального риска. Реальные ограничивающие факторы — это энергия, пропускная способность памяти и стоимость обучения, а не «беглый» сверхразум.