北京
在 GTC 會場，觀眾座無虛席，兩位在計算領域具有重要影響力的嘉賓，NVIDIA 首席科學家 Bill Dally，以及 Google DeepMind 與 Google Research 首席科學家 Jeff Dean 登臺對話。他們的工作深刻塑造了大規模機器學習的發展軌跡。
這場對話與其說是傳統座談，不如說是一場深度學習的“即興演奏會”，兩位深入探討了 AI 模型的演進方向，以及為何硬件架構如今已與 AI 的進步密不可分。
Bill Dally 與 Jeff Dean
Dean 開場時回顧了模型能力的快速躍遷，尤其在如“數學和編程”等具備“可驗證獎勵”的領域。曾經令模型束手無策的任務，如今已能可靠地執行；基于智能體的工作流甚至能在數小時乃至數天內幾乎無需人工干預的情況下自主運行。他強調，這一轉變正在重塑 AI 系統的本質，使其從被動響應提示的工具，轉變為“在后臺持續運作的智能體”。
對此，Dally 表示，這種演進將延遲問題推至聚光燈下。推理速度成為智能體在大規模環境中推理、規劃與迭代的首要設計約束。他解釋道，當前大部分延遲并非來自計算本身，而是源于通信。每一層之間的數據傳遞、每一次片外訪問、每比特在導線上的移動，都會帶來時間與能耗成本。NVIDIA 的應對策略是推動架構向 Dally 所稱的“光速”設計邁進：最大限度減少路由成本、消除排隊等待，并縮短數據必須傳輸的物理距離。
展望未來，兩位演講者不約而同地聚焦于同一個關鍵詞：協同設計。突破性的進展將來自機器學習研究人員與系統架構師之間的緊密反饋循環。正如 Dean 所言，有時你在硅片上加入一個小型實驗性功能，就可能帶來巨大回報，硬件性能可因此實現“10 到 20 倍”的提升。
以上為摘要內容，點擊鏈接閱讀完整內容：NVIDIA GTC 2026：實時了解 AI 的未來發展 | NVIDIA 英偉達博客
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
