顯卡為什麼賣得越來越貴？NVIDIA 副總裁：別爭了，摩爾定律早就死透了
重點摘要
NVIDIA 副總裁 Bryan Catanzaro 指出，顯卡越來越貴的主因是摩爾定律在經濟學上已失效，晶體管縮小成本反而暴漲。他同時反駁西方對中國 AI 只會抄襲的偏見，認為中國在開源協作方面已領先全球，並強調開源模型的發展與安全性優於閉源壟斷。
# 顯卡為什麼賣得越來越貴？NVIDIA 副總裁：別爭了，摩爾定律早就死透了
NVIDIA 應用深度學習研究副總裁 Bryan Catanzaro 近日在一場播客訪談中直言，顯卡價格持續攀升並非短期現象，背後的根本原因在於摩爾定律從經濟學角度已經徹底終結。他強調，晶體管越做越小，但造價卻呈指數級暴漲，靠縮小芯片設計來降低成本、提升性能的時代早已過去，未來的加速必須依賴從晶體管到算法再到應用的極端協同設計。Bryan Catanzaro 回憶自己 2008 年剛加入 NVIDIA 時，學術界對 GPU 用於人工智慧普遍抱持懷疑態度。
當年他帶著一篇在 GPU 上訓練深度學習模型的論文參加頂會 ICML，台下學者冷漠質問：「我們這裡只討論高深的數學，你拿個打遊戲的顯卡來幹什麼？」那時人工智慧在學界仍屬冷僻領域，研究員甚至需要把研究包裝成「機器學習」以避免同行冷眼。他認為，如今 GPU 之所以成為 AI 運算核心，正是因為 NVIDIA 從底層重新定義了 GPU 的用途。## 摩爾定律的終結：從經濟命題到物理瓶頸
Bryan Catanzaro 明確表示，摩爾定律「已經死了好多年」。他指出，摩爾定律原本是一個經濟學命題：每 24 個月左右，能以相同成本在同一塊芯片上塞入兩倍數量的晶體管。如今這個規律早已不成立，大約已有五到十年無法實現。雖然晶體管仍在持續變小、能效持續提升，但速度已大幅放緩，同時製造成本變得極其昂貴。在摩爾定律還有效的時代，打造下一代系統的最佳方式就是把現有設計縮小、規模翻倍；但在新時代，工程師必須更聰明地利用系統的每一個部分，從第一性原理出發重新思考設計。這也正是加速計算比以往更有價值的原因。
Bryan Catanzaro 說，NVIDIA 必須透過深度理解人工智慧的運作細節，才能為產品線設計出真正高效的系統和軟體。他強調，如今獲得的加速能力很大程度來自專業化，而專業化又來自對應用場景的深刻理解。## 中國 AI 不是只會抄襲，開源協作早已領先
Bryan Catanzaro 曾在百度矽谷 AI 實驗室工作兩年半，與吳恩達、後來的 Anthropic 創辦人 Dario Amodei 共事。他直言，西方主流輿論嘲笑中國 AI 只會「套殼抄襲」完全是偏見。他親眼見證中國同事的聰明、勤奮與創造力，尤其在開源協作方面，中國社群一直走在世界前面。他強調，全球 AI 社群都會互相學習，但把其他國家取得的成就都歸結為「照搬抄襲」是錯誤的。中國社群對自己所構建的成果保持開放態度，這對全世界的 AI 生態系統推動了實質進步，他鼓勵其他地區的實驗室也發揚這種開放精神。 ## 開源 AI 的安全性與必要性
談到開源與閉源的爭論，Bryan Catanzaro 認為開源比閉源更安全。他比喻，陽光和多樣性才是最好的消毒劑。試圖由少數幾家巨頭壟斷、在頂層強行築起圍牆來定義哪些思想安全、哪些不安全，本身就是極危險的做法。支持思想多樣性、讓整個社會共同參與技術評估與自我糾偏，才是人類社會數百年來證明更安全的治理路徑。 他進一步指出，當前開源 AI 的進步絕非僅靠蒸餾閉源模型，而是來自全球大量聰明人的共同投入。需求面也有強勁支撐：大量機構希望深度定製 AI，將其整合進自己的工作流程，這需要開放技術。他認為，人類從來不是靠少數實驗室壟斷好創意，這個星球上有大量聰明的人，以社群為導向的 AI 開發方式將持續壯大。 ## Nemotron 家族的使命：從理解系統到支持生態
Bryan Catanzaro 介紹，NVIDIA 投入大語言模型開發已有多年歷史，從 2017 年的 Megatron 項目，到與微軟合作訓練 5300 億參數模型，再到如今的 Nemotron 家族——包括 Nano（300 億總參數、30 億激活）、Super（1200 億總參數、120 億激活）與 Ultra（5500 億總參數、550 億激活），分別對應小型、中型、大型部署場景。Nemotron 承擔兩項使命：第一，幫助 NVIDIA 理解如何構建未來的系統，從第一性原理設計加速計算方案，這是 NVIDIA 在摩爾定律終結後持續提供加速能力的關鍵。
第二，支持整個生態系統，確保各種規模、類型的公司都能夠構建並部署屬於自己的 AI。Bryan Catanzaro 強調，Nemotron 並不打算成為唯一的開放技術，NVIDIA 樂見其他公司做出貢獻，因為無論 AI 在何處發展與部署，對 NVIDIA 的業務都是機會。## 未來趨勢：agentic 工作流與持續投入
Bryan Catanzaro 指出，目前人們用大語言模型做得最多的事情是構建 agent，打造能代表用戶晝夜不停解決問題的工作流。Nemotron 家族正聚焦於 agentic 推理與效率，希望讓模型在這些場景表現出色。他回顧，NVIDIA 是一家願意在長週期中堅持到底的公司——CUDA 堅持了十多年，Nemotron 也正在這樣做。隨著公司內部更多團隊理解這項工作對 NVIDIA 未來的重要性，投入的計算資源也大幅增加。他相信，開放的人工智慧技術將持續快速發展，因為這是人類作為一個物種構建事物的歷史方式。
Related
相關文章
一年砸下110億美元，比紅杉還兇，白宮才是AI圈最猛投資人
美國白宮過去一年在AI領域投入110億美元，規模超越紅杉資本等傳統創投，顯示政府正以國家級資源全面押注AI產業。這筆資金分散於多個聯邦機構，涵蓋基礎模型訓練、醫療及氣候應用等關鍵環節，並強調負責任AI開發。此舉反映美國對維持全球AI領導地位的危機感，但也引發市場機制扭曲與技術商業化延緩的疑慮。
一口氣發佈三款教育插件，OpenAI教育產品再升級
OpenAI 推出三款教育插件，分別為課程助手、作業輔導員與互動學習夥伴，旨在協助教師備課與學生自主學習。這些工具整合至教育版平台，強調引導式學習而非直接給答案，並內建防護機制避免學生過度依賴。OpenAI 計畫未來加強多語言支援與特殊教育需求，持續深化教育科技布局。
騰訊、字節、阿里，搶著給打工人配「AI助理」
騰訊、字節跳動與阿里巴巴三大中國科技巨頭，近期紛紛推出或升級企業級AI助理，目標是提升白領工作效率。各家AI助理的競爭重點從回答問題轉向執行任務，並分別強調跨應用串聯、主動式智慧與企業級安全等不同特色。儘管面臨資料隱私與AI幻覺等挑戰，但市場調查顯示超過六成中國企業計劃在一年內導入AI辦公工具。
推行AI提效後，策劃們開始加班趕工期
當AI開始重寫小遊戲生產流程，真正的變化何時發生？這個問題在近期引發了業界廣泛討論。隨著人工智慧技術逐步滲透進創意與策劃領域，許多公司開始導入AI工具來提升工作效率，然而實際情況卻與預期有所出入。部分策劃人員反映，在推行AI提效後，他們不僅沒有減少工作量，反而因為系統調整與流程磨合，導致加班趕工期的現象頻繁出現。 這場變革的起點，源自於企業對AI生產力的高度期待。許多遊戲開發與內容製作公司，尤其是中小型團隊，紛紛導入AI輔助工具，試圖透過自動化生成文案、腳本、美術素材甚至程式碼，來縮短專案週期。
DeepSeek大漲價，Token價格戰終於要結束了？
DeepSeek大幅調漲API服務價格，引發市場對AI模型價格戰是否結束的討論。業界分析指出，漲價反映營運成本壓力與市場定位調整，可能代表中國AI產業從低價競爭轉向追求盈利與可持續發展。未來競爭焦點將從價格轉向模型效果與生態系統完整性，但漲價能否終結價格戰仍取決於市場供需與競爭對手反應。
狂攬130億！英偉達投的AI基建獨角獸又融資了
澳洲AI基礎設施獨角獸Firmus宣布完成20億美元（約136億人民幣）戰略股權融資，現有投資方英偉達與Coatue持續參投，並新增黑石旗下基金及Jane Street。該公司專注於設計、建設及營運AI工廠，核心產品HyperCube整合供電、液冷與伺服器機架，並提供GPU雲端算力服務。英偉達透過股權投資與技術合作，協助Firmus擴張亞太地區AI數據中心，同時擴大其晶片與計算架構的市場覆蓋。