🚨HOLY SH*T. SI JENSEN HUANG AY TINAPATAN ANG ISANG PETAFLOP NG AI POWER SA ISANG KAMAY. At ang paghahambing na ginawa niya ay lubos na pambibihira. Noong 2016, ipinadala ni Jensen Huang ang isang NVIDIA DGX 1 system sa isang maliit na kumpanya na tinatawag na OpenAI. Ito ay isang malaking makina na itinayo lalo para sa AI computing. Ito ay nagbigay ng isang petaflop ng computing performance at may 128GB ng memory. At binalewala ni Jensen ang lahat ng isa pang detalye. Kailangan ng dalawang tao upang dalhin ang makina pataas sa hagdan. Ngayon, sampung taon na ang nakalipas, hinawakan niya ang isang kompaktong AI computer sa isang kamay at ipinakita ang parehong headline numbers. Isang petaflop. 128GB ng memory. Isipin muna ito nang maigi. Ang bagong RTX Spark lineup ay nilikha sa pamamagitan ng apat na taon ng pagtatrabaho kasama ang Microsoft at ang mas malawak na PC industry. Ayon kay Jensen, ang proyekto ay nagsasangkot ng isang bagong chip na N1X at isang buong bagong pamilya ng mga computer, kabilang ang desktops, laptops at workstations. Ang layunin ay dalhin ang seryosong AI computing power sa mas maliit na form factor. At dito nagsisimula ang mga bagay na naging interesante. Sa loob ng maraming taon, ang pag-access sa makapangyarihang AI hardware ay nangangailangan ng pagtitiwala sa mahal na cloud infrastructure o mga espesyalisadong makina na malayo sa kakayahan ng karamihan sa mga indibidwal na developer. Ang mga kompaktong sistema tulad nito ay nagtuturo sa isang iba’t ibang paraan. Isipin ang pagbuo ng AI agents, pagsubok sa mga model, at pagpapatakbo ng mga demanding AI workloads sa iyong sariling mesa. Mas kaunting pagkakasalalay sa remote infrastructure. Mas maraming kontrol sa iyong development environment. At posibleng mas kaunting paulit-ulit na cloud cost para sa mga workload na maaaring tumakbo sa loob. Siyempre, may mahalagang pagkakaiba. Ang pagtutumbas sa parehong peak petaflop figure ay hindi awtomatikong nangangahulugan na dalawang makina ay nagbibigay ng parehong real world performance. Ang precision na ginamit, memory architecture, at workload ay mahalaga. Ngunit ang pisikal na pagbabago ay patuloy na nakakapanlilis. Noong 2016, ang klase na ito ng AI computing ay nasa isang makina na nangangailangan ng dalawang tao upang dalhin. Ngayon, maaaring hawakan ni Jensen Huang ang isang sistema na may katumbas na headline specifications sa isang kamay. Ito ang nagiging dahilan kung bakit ito ay higit pa sa isang karaniwang paglunsad ng computer. Hindi lamang nagiging mas makapangyarihan ang AI hardware. Ito ay nagiging mas malaki ang pagkakataon. At ang susunod na henerasyon ng AI developers ay maaaring hindi kailanganin ang server room upang magsimula.