Ilya Sutskever的50亿美元赌注，英伟达在买什么？

Ilya Sutskever离开OpenAI后创立SSI，英伟达砸下50亿美元，这到底是在赌一个安全超级智能的愿景，还是在赌一个编译器工程师眼中最务实的算力基础设施？

从工程视角来看，这笔投资很可能是英伟达历史上最聪明的一次布局。Ilya在OpenAI时期主导了GPT系列的核心架构，他对模型训练的理解，尤其是对损失函数、数据分布和训练动态的直觉，是当前AI领域最稀缺的工程能力。英伟达不缺钱，缺的是能真正把其硬件潜力榨干的应用场景。

SSI的路线图和OpenAI有本质区别。Ilya一直在强调安全，但安全不是口号，而是工程实践。安全超级智能的核心挑战在于：如何在训练过程中对齐模型行为，同时不牺牲性能。这本质上是一个优化问题，而且是一个极其复杂的多目标优化问题。

# 一个简化的安全对齐优化框架
def safe_optimization(model, data, safety_constraints):
    # 传统的RLHF在处理安全约束时，往往需要额外的reward model
    # SSI可能采用更激进的方法：在训练过程中直接建模安全空间
    safety_loss = compute_safety_loss(model, safety_constraints)
    performance_loss = compute_performance_loss(model, data)
    # 关键点：这两者的权重不是固定的，而是动态调度的
    total_loss = lambda_t * safety_loss + (1 - lambda_t) * performance_loss
    return total_loss

这个动态调度的lambda_t才是真正的技术壁垒。传统的RLHF通过人类反馈微调，本质上是在后训练阶段修正行为。但SSI可能试图在预训练阶段就把安全约束嵌入到损失函数中，这需要重新设计整个训练框架。

英伟达投资SSI的核心逻辑在于：安全超级智能的落地需要大量的算力，而且这个算力需求不是线性的。安全约束意味着需要更多的采样、更复杂的验证机制、更频繁的模型检查点。这些都需要GPU集群，而且是最新一代的GPU集群。

• 训练阶段：需要更多的前向传播来计算安全损失
• 验证阶段：需要在多个安全维度上进行全面评估
• 迭代阶段：安全约束的调整需要重新训练或微调

这些环节都对内存带宽和计算密度有极高的要求。英伟达的H100和即将到来的B200，在内存带宽和计算单元上做了针对性优化，正好匹配这种需求。

[!info] 从编译器工程师的角度看，SSI面临的核心挑战不是算法，而是如何让这些安全约束在训练过程中高效执行。如果安全损失的计算成为瓶颈，整个训练管线就会受限于内存带宽，而不是计算能力。这恰恰是昇腾AI编译器团队每天都在解决的问题：算子融合、内存访问模式优化、数据流图重排。

Ilya选择英伟达而不是其他

原文链接：豪掷50亿美元！离开OpenAI后，他拿下黄仁勋投资-钛媒体官方网站