مدیرعامل انویدیا می‌گوید:
«ما اکنون می‌توانیم معماری، تراشه، سیستم، کتابخانه‌ها و الگوریتم‌ها را هم‌زمان بسازیم. اگر این کار را انجام دهید، می‌توانید سریع‌تر از قانون مور حرکت کنید؛ زیرا در تمام مجموعه می‌توانید نوآوری داشته باشید.»
البته از نظر هوانگ سرعت پیشرفت هوش مصنوعی کند نشده است. در عوض او ادعا می‌کند اکنون 3 قانون برای مقیاس‌بندی هوش مصنوعی وجود دارد: پیش‌آموزش یا مرحله اولیه که در آن مدل‌های هوش مصنوعی الگوهایی را از مقادیر زیادی داده یاد می‌گیرند؛ پس از آموزش که شامل اقداماتی برای تنظیم پاسخ‌های مدل هوش مصنوعی می‌شود و محاسبه زمان آزمون که در مرحله استنتاج رخ می‌دهد و بعد از هر سؤال برای «فکرکردن» زمان بیشتری به مدل هوش مصنوعی می‌دهد.
او به تک‌کرانچ می‌گوید:
«قانون مور در تاریخ محاسبات بسیار مهم بوده زیرا هزینه‌های محاسباتی را کاهش داده است. همان اتفاق درباره استنتاج نیز صادق است؛ جایی که ما عملکرد را افزایش می‌دهیم و هزینه استنتاج کمتر می‌شود.»
هوانگ در پایان مصاحبه گفت به‌طورکلی روی ساخت تراشه‌های کارآمدتر تمرکز کرده است و هر قدر تراشه‌ها کارآمدتر باشند، قیمت‌ها نیز در بلندمدت پایین‌تر خواهند آمد.
منبع: دیجیاتو