2024 年 3 月初，NVIDIA（中文譯名英偉達）CEO 黃仁勛回到母校美國斯坦福大學，參加了兩場問答，都是資訊量極大的現場提問式對談，一場詳述自己的創業過程、管理思考和實踐，另一場對科技世界做了現實描述和大膽推演。
黃仁勛詳細回答了這些問題：
- 產品面向尚不存在的市場，如何說服投資者投資？
- 在超級不利情況下，如何決定下一步來挽救公司？
- 技術拐點出現之前，憑甚麼敢於下註？甚麼是公司成功的早期指標？
- 公司非常艱難的時期，如何掌控局勢、讓員工專註目標？
- 生成式人工智能已經達到臨界點，最讓他興奮的應用是甚麼？
- 未來十年，英偉達會面臨哪些挑戰？有甚麼應對之策？
- 對於開發 AI 是否有所擔憂？何時實現 AGI?
- 未來 AI 需要多少半導體產能？
這次對談，小雅印象最深刻的，是黃仁勛作為創造未來的企業家，如何面對和克服真實的人性弱點，去面對科技領域極大的不確定性。
譬如，他說的這幾句話，值得細品。
1，你無法逃避自己的過去，所以要把自己的過去幹好。
2，當有人跟我說我沒聽過的事情，或者聽說過但不懂原理，我的想法總是：能有多難呢？可能看本書就搞定了，可能找一篇論文就能搞清楚原理。
3，經常鞭策公司和自己回歸問題的本質，會創造出大量的機會。
4，你應該尋找未來成功的早期指標，而且越早越好。
5，註重工作的重要性而非市場規糢。因為工作的重要性是未來市場存在的早期指標。
6，（當遇到巨大挑戰時），你必須始終牢記核心，你相信甚麼？最重要的事情是甚麼？一項項確認。然後，再回到你的工作核心，繼續工作。
7，公司應該對別人總能做好的事情，保持懶惰的態度。我們應該去做那些 「如果我們不做、就會出問題」 的事情。你必須說服自己：如果我不做，這件事就做不成。這會賦予你使命感。
這些極為樸素本質的思維和做事方式，小雅很有獲得感。很多時候，我們因為欲望和恐懼，眼高手低和不敢前行，黃仁勛的清障方式，值得學習。
科技企業家創造未來，基金經理和我們投資未來，對於未來，我們適當做一些了解，對職業發展、生活和投資都有好處。
以下是黃仁勛在斯坦福大學的兩場對談全文，視頻網上都有，譯文來自網路，小雅做了文字再梳理。
以下，第一場問答實錄。
要把自己的過去幹好
主持人：祝賀回到斯坦福，我想先聊聊您離開斯坦福的那段經历。當時您加入了 LSI Logic（美國邏輯芯片公司），那是當時最棒的公司之一。您也在很多人心中樹立了良好聲譽，但卻決定離開去創業。為甚麼會做這樣的決定？
黃仁勛：是 Chris 和 Curtis（兩位英偉達聯合創始人、黃仁勛的好友）。當時我在 LSI 做工程師，他們在 Sun 工作。我當時跟 CS 領域最聰明的人共事，制造各種工作站包括圖形工作站。
有一天，Chris 和 Curtis 說，他們想離開 Sun，讓我幫忙想想做甚麼好。我有一份很好的工作，但他們堅持要我加入他們，一起想想如何創立一家公司。
每當他們過來時，我們就在 Denny』s 聚會，那幾乎算是我最初效力的公司。我成為 CEO 之前的第一份工作是洗碗工，那份工作我做得很出色。總之，我們經常聚會，那段時期正在發生微處理器革命。
那是在 1992 到 1993 年期間，PC 革命才剛開始。革命性的 Windows95 還沒上市，奔騰處理器甚至還沒發布。這一切都發生在 PC 革命爆發之前，顯而易見，微處理器會非常重要。
於是我們想，為甚麼不創立一家公司，去解決通用計算機無法解決的問題呢？這便成了公司使命：制造特殊的計算機，去解決普通計算機無法解決的問題。直到今天，我們還一直專註在做這件事。
我們一直在開拓市場，面對著市場中的各種問題。比如計算機藥物設計、天氣糢擬，材料設計，這些都是我們引以為豪的東西。還有機器人、自動駕駛汽車，以及人工智能的自主軟體。
我們不斷推動技術進步，最終計算成本接近於零。這促成了一個全新的軟體開發方式：計算機自己編程，也就是我們今天熟知的人工智能。就是這樣。
主持人：這是整個历程，如今我們都在關註這些應用。那時，LSI 的 CEO 說服了他的最大投資者 Don Valentine 與您會面，也就是紅杉資本的創始人。您是如何說服硅穀最炙手可熱的投資者為您投資的呢？您的團隊是初創者，產品是面向尚不存在的市場。
黃仁勛：我不知道怎麼寫商業計劃書，所以我去了家書店，那時候還有書店呢。商業書籍區有本書，作者我認識，是 Gordon Bell。這本書我應該再去把它找出來，它非常厚，書名叫《如何寫商業計劃書》。
對於一個很小眾的市場來說，這個書名相當具體了，感覺像是他特意為十幾個人寫的，而我就是其中之一。
我買了這本書，立刻就意識到這是個壞主意，因為 Gordon 非常聰明，聰明人總有很多話想說。我很確定，Gordon 想從頭到尾教我怎麼寫商業計劃書。
所以，我拿起這本書，大概有 450 頁。好吧，我從沒讀完過，根本讀不完。我隨便翻了幾頁，然後想：算了。等我讀完它，公司估計都倒閉了，錢也花光了。
Laurie 和我當時銀行裡只有六個月左右的生活費，我們已經有了 Spencer 和 Madison，還有一條狗，所以，我們一家五口只能靠手頭這點存款生活。因此，我的時間不多，我沒有寫商業計劃書，而是直接去找了 Wilf Corrigan。
他曾經有一天給我打電話說：「嘿，你離開公司了，都沒告訴我你幹嘛去了，我希望你能來給我講講。」 我回去給 Wilf 做了詳細介紹。Wilf 聽完我的介紹後說：「我完全不明白你在說甚麼，這是我聽過最爛的創業推銷之一。」
隨後，他拿起電話打給 Don Valentine 說：「Don，我要給您送個小夥子過去，我希望您能給他投資。他是我在 LSI 最棒的員工之一。」
我學到的教訓是：你可以忽悠出一個精彩面試，你也可能會把面試搞砸，但你無法逃避自己的過去，所以要把自己的過去幹好。
從很多方面來說，我說我是個好洗碗工是認真的，我可能是 Denny』s 餐館史上最好的洗碗工。我有規劃，註重組織有序，我準備工作很用心，然後全力以赴地清洗盤子，之後，我被提拔為服務生，我是 Denny』s 最好的服務生。
我從不空手離開工作區，也不空手回來，我效率很高。總之，我最終成為了 CEO，但我仍在努力成為一名優秀的 CEO。
創造技術、創造市場
主持人：您曾說要做到最好，要成為後來獲得投資、做同樣事情的 89 家公司中最優秀的。當公司資金僅夠維持 6 到 9 個月時，您意識到最初的願景行不通。在如此不利的情況下，您如何決定下一步來挽救公司呢？
黃仁勛：我們創立了加速計算公司（英偉達）。問題是，它用來做甚麼？它的殺手級應用是甚麼？我們做了第一個重大決定，這也是紅杉投資的項目。
我們的第一個重大決定就是，首個重點應用領域是 3D 圖形。是 3D 圖形技術，具體應用程序是電子游戲。
當時，3D 圖形技術還做不到廉價。硅穀圖形芯片產品要上百萬美元，做廉價版本很難。而電子游戲市場當時的價值是零，根本不存在。你有一項難以商品化的技術，瞄準的是一個尚未存在的市場，這個交集就是我們公司的創立點。
我還記得，當我完成展示後，Don 說了句話，當時很有道理，今天聽來也是：「初創公司不該投資初創公司，或者跟初創公司合作。」
他的觀點是，為了讓英偉達成功，我們需要另一家初創公司也取得成功，就是 Electronic Arts。那家公司的 CTO 只有 14 歲，得由他媽媽開車送他上班。
他想提醒我，這就是我要依靠的人。他說：「你要是賠了我的錢，我殺了你。」 這就是我對第一次會議的回憶。
盡管如此，我們還是有所創造。接下來幾年，我們著手開拓市場，為 PC 創造游戲市場。這花了很多時間，直到今天，我們還在耕耘這塊領域。
我們意識到，為了把百萬美元的計算機圖形技術商品化，使其適配進入售價 300 美元、400 美元、500 美元範圍的電腦，你不僅要創造新技術，還得發明新的計算圖形處理方式。同時，你還需要去開拓全新的市場。
因此，我們必須不斷創造新技術、新市場。這種 「創造技術、開拓市場」 的理念，定義了我們公司。我們做的幾乎每件事情都是創造技術、創造市場。這就是人們說的生態鏈的本質。
過去 30 年裡，英偉達的核心領悟就在於：為了讓別人購買我們的產品，我們必須親手開拓這個新市場。
這就是為何我們很早就開始布局自動駕駛、深度學習，以及在很多領域都處於前沿，包括計算藥物設計和發現。我們在創造技術的同時，致力於開拓所有這些不同領域的市場。
接下來，我們步入正軌。隨後，微軟推出了 Direct 3D 的標準，這催生了成百上千家公司。幾年後，我們發現，自己在跟幾乎所有人競爭。我們賴以創立公司、開拓消費級 3D 圖形的那項發明技術，居然跟 Direct 3D 標準不兼容。
我們創立公司，想把百萬美元的發明技術商品化，但很快發現，它與新的標準不兼容。我們不得不更改賽道，否則就只能倒閉。但我們不知道如何按照微軟的方式來構建它。
我還記得那次會議上的討論：我們現在有 89 個競爭對手，我們知道之前的方式不對，但我們不知道正確的方式是甚麼。
幸運的是，我又看到一家書店 Fries Electronics。我不知道它現在還在不在。有個周末我帶女兒 Madison 去書店，看到了這本書 ——Open GL 手冊，定義了硅穀圖形的計算機圖形處理方式。一本 68 美元，我帶了幾百塊錢，買了三本。
我把書帶回辦公室，對大家說：「我找到了我們的未來。」 我把三本書分發下去傳閱，中間有大幅的折曡插頁，這個插頁就是 Open GL 流水線計算機圖形處理流水線。我把它交給了與我共同創辦公司的那些天才手中。
我們以前所未有的方式，實現了 Open GL 流水線，構建出世界從未見過的東西，其中有很多經驗教訓。對我們公司來說，那一刻給了我們極大的信心：即使對所做的事情一無所知，也能成功創造出未來。
現在這就是我對所有事情的態度。當有人跟我說我沒聽過的事情，或者聽說過但不懂原理，我的想法總是：能有多難呢？可能看本書就搞定了，可能找一篇論文就能搞清楚原理。我確實花了很多時間閱讀論文，這是真的。
當然，你不能照搬別人的做法，指望會有不同的結果。但你可以了解某件事情的實現原理，然後回歸問題的本質，捫心自問：基於現有的條件、動機、手段和工具，以及一切如今的變革，我會怎麼去重做這件事？我會如何重新發明它？我會如何設計它？
如果今天造一輛車，我會沿用過去的方式嗎？如果今天讓我創造一臺計算機，我會採用怎樣的方式？如果今天讓我來編寫軟體呢？
這麼想有道理嗎？即使是今天的公司，我也經常回歸本質，從頭思考。這是因為世界已經變了。
過去，編寫軟體的方式是單一的，是為超級計算機設計的，但現在軟體架構已經解耦等等。我們今天思考軟體、計算機的方式一直在改變。經常鞭策公司和自己回歸問題的本質，會創造出大量的機會。
主持人：運用這種技術時，結果可能是革命性的。公司上市之後，獲得了更快發展，四年裡營收增長了九倍。但您卻因為一通化學教授的電話，轉變了英偉達的創新方向，能講講這個過程嗎？您是如何把談話與英偉達的未來聯繫起來的？
黃仁勛：本質上，英偉達是在開創一種全新的計算方式。
計算機圖形是第一個應用領域，但我們一直知道會有其他應用。陸續有圖像處理、粒子物理、流體等領域開始使用我們的技術。還有很多我們想做、覺得會很有趣的應用領域。
我們努力讓處理器更具編程性，讓它可以表達出更多樣的算法。後來，我們發明了可編程著色器，讓成像和計算機圖形的各部分都具備了可編程性。這是一次重大突破。
我們試圖找到一種方式，可以充分利用我們處理器（它和 CPU 有很大區別）來計算更複雜的算法。
大概是 2003 年，我們創造了 CG，C for GPUs 的簡寫。它比 CUDA 早了大約三年。編寫那本曾挽救公司的教科書作者 ——Mark Kilgard，他也編寫了關於 CG 的教科書，CG 非常酷，我們還出了教科書。
我們開始教人們如何使用它，也開發了一些相應的工具。後來，好幾位研究人員看到了 CG，斯坦福大學很多研究人員和學生都在用它。很多後來成為 NVIDIA 工程師的人，當時也在搗鼓這個。
馬薩諸塞有幾位醫生，開始使用 CGc 重建 CT 圖像。我飛過去見了他們，問他們拿這個工具在幹甚麼。他們告訴了我他們的工作。然後，一位量子化學家也用它來表達他的算法。
我意識到，有跡象表明，人們可能真的開始有需求使用它。這讓我們逐步確信，我們應該更深入地發展這塊領域。這個計算領域、這種計算形式能解決普通計算機難以解決的問題。這也強化了我們的信念，讓我們繼續前行。
尋找未來成功的早期指標
主持人：每次聽到新的應用方式時，您都很驚喜，這似乎貫穿您在英偉達的領導生涯，您在技術拐點出現之前，就做了下註。當蘋果終於從樹上掉下時，您正穿黑色皮夾克在等著接住它。您是如何如此確信的？
黃仁勛：這感覺像是飛身接球，你的行動源於核心信念。
我們堅信可以創造出一種計算機，能解決一般計算無法解決的問題。我們相信 CPU 的能力是有極限的，通用計算的能力也有極限。同時我們也知道，能去解決一些有趣的問題。
但這些問題只是有趣嗎？還是能擴展成有趣的市場？只有當它們成為市場時，才能保證可持續性。
英偉達有十年時間在投資未來，但市場並不存在。當時只存在一個市場：計算機圖形。十幾年的時間，推動我們今天發展壯大的市場根本不存在。
那麼，你該如何繼續帶領身邊的所有人：公司、管理團隊、優秀的工程師、股東、董事會、合作夥伴？你帶著所有人上路，但根本沒有市場存在的證據。這是真的非常、非常具有挑戰性。
我們的技術可以解決問題，有研究論文為證，這些都很有意思，但你得尋找市場。在市場出現之前，你仍然需要看到未來成功的早期指標。有句公司性行話叫關鍵績效指標 KPI。不幸的是，KPI 很難理解，我覺得 KPI 很難理解。
甚麼是好的 KPI 呢？當我們看 KPI 時，很多人都會說毛利率，但那不是 KPI，那是結果。你應該尋找未來成功的早期指標，而且越早越好。原因是你想盡早看到自己正走在正確的方向上。
有個短語叫 EIOFS，是 「未來成功早期指標」 的縮寫。我常使用這個詞，它能幫助人們，給予公司希望：看，我們解決了這個問題，那個問題。市場尚不存在，但存在著一些重要問題，解決這些問題就是公司的意義所在。我們希望可持續發展，因此必須有市場在某個時刻出現。
但是，你要把結果與你正在做正確的事情的證據脫鉤。當你投資某個非常遙遠的事情，還得有信念堅持下去，解決問題的辦法就是，盡早找出你做的事情是否正確的那些指標。
最開始。你得有一個核心信念，除非有甚麼改變了你的想法，否則，你就要繼續相信它，並且尋找未來成功的早期指標。
主持人：英偉達的產品團隊使用過哪些早期指標呢？
黃仁勛：各種各樣的都有，我看過一篇相關論文。在此之前，我遇到過需要我幫助在某些領域深度學習的人。那時候，我甚至不知道深度學習是甚麼。
他們需要我們創建一個領域特定的編程語言，這樣他們所有的算法都能在我們的處理器上輕松實現。我們創造了這個叫做 KU-DNN 的東西。它本質上是在深度學習領域的 SQL（數據庫語言）。而 SQL 則應用在存儲計算方面。
我們為深度學習創造了一門編程語言，就像是該領域的 Open GL。他們需要我們做這個，這樣，他們才能表達他們的數學計算。他們不懂 CUDA，但他們懂深度學習。我們在中間給他們創造了這個工具。
我們之所以這麼做，是因為即使當時市場規糢是零…… 這些研究員身無分文，即使看不到財務回報、遙遙無期，只要你相信，公司也願意去做。
這是我們公司的偉大能力之一。我們會問自己，這項工作是否有價值？它是否能在某個重要的領域推動科學的發展？註意，這是我從一開始就強調的事情。從創立之初，我們就一直註重工作的重要性而非市場規糢。因為工作的重要性是未來市場存在的早期指標。
沒有人需要做商業分析報告，沒有人需要給我看損益表、或財務預測。唯一的問題是，這項工作重要嗎？如果我們不來做的話，這些事還會不會發生？如果我們不做、事情也會自然發展，我其實特別高興。因為你想想，你甚麼都不用做，世界卻變得更好了，這是終極懶人的定義。
從很多方面來說，你需要養成這種習慣：公司應該對別人總能做好的事情，保持懶惰的態度。如果別人能做，那就讓他們去做吧。我們應該去做那些 「如果我們不做、就會出問題」 的事情。
你必須說服自己：如果我不做，這件事就做不成。這是一項艱巨而重要的工作，它會賦予你使命感。
我們公司一直在選擇這樣的項目，深度學習只是其中之一。這種項目早期成功的跡象是吳恩達的人工智能識別貓。Alex 檢測出了貓，雖然不是每次都能成功，但至少能證明這條道路可能有所發展。
我們分析了深度學習的結構，我們是計算機科學家，我們理解事物執行的原理。我們說服自己這個技術能改變一切。無論如何，這就是一個例子。
牢記核心：你相信甚麼？最重要的事情是甚麼？
主持人：您的這些選擇取得了巨大回報，字面和喻意都如此。但金融危機期間，華爾街不相信您押註的機器學習，公司市值蒸發 80%，您帶領公司經历了非常艱難的時期。在那種情況下，您是如何掌控局勢、讓員工專註目標？
黃仁勛：我在那段時間的反應和過去一周的反應完全一樣。之前你問我本周的事，我的反應沒有任何變化。本周與上周、或前一周毫無不同。
當然，股價跌了 80% 確實有點難堪。你只想穿一件寫著 「不是我的錯」 字樣的 T 恤出門。更糟的是，你不想起牀，不想出門。這些都很真實，但隨後你還是得投入工作。
我在同一時間醒來，用同樣的方式規劃我的一天。我回歸初心：我相信甚麼？你必須始終牢記核心，你相信甚麼？最重要的事情是甚麼？一項項確認。這樣做有幫助。
家人愛我嗎？是的，很好。
你就得逐條確認。再回到你的工作核心，繼續工作。然後，每次對話都回到工作核心，讓公司的註意力集中在核心上。
你堅信嗎？有甚麼東西改變了嗎？股價變了，但還有其他東西變了嗎？物理定律變了？萬有引力變了？那些促使我們做出決定的事情，那些假設、那些信念有變化嗎？
因為如果這些東西變了，那一切都得變。但如果它們不變，你也甚麼都不需要改變。繼續走下去，這就是堅持的辦法。
主持人：您的員工說，您不想公開露面，您在領導方面（連員工也不見。開玩笑的）。
黃仁勛：不，不幸的是，作為領導者你得讓人看到，這才是難的地方。
我是學電氣工程的，入學的時候年紀很小。我上大學的時候才 16 歲，很多事情都經历得比較早。我有點內向，很害羞，不喜歡公開演講。當然，今天能來這裡很開心…… 但這不是我的本性。
當有挑戰時，站在你最關心的人面前並不容易。你能想象，在公司股價下跌 80% 時開會嗎？
作為 CEO，我最重要的職責是站出來面對各位，解釋情況。有時候你不知道原因，不知道會持續多久、有多糟糕。你對這些一無所知，但仍然必須去解釋。
當面對所有人，你知道他們在想甚麼。有些人可能認為我們完了，有人可能覺得你是個白癡，有人可能在想別的事情。大家可能胡思亂想，你知道，但你還得站在他們面前去做艱苦的工作。
主持人：他們可能那麼想，但您領導的團隊沒有一個人離開。
黃仁勛：他們找不到工作，我一直這麼提醒他們，開玩笑的。
我身邊都是天才，很不可思議。眾所周知，英偉達擁有全球最出色的管理團隊，這是世界上技術最深厚的管理團隊。我身邊都是這樣的人，他們都是天才。商業團隊、市場團隊、銷售團隊，都非常出色。工程團隊、研究團隊簡直難以置信。
CEO 應該擁有最多的直接下屬：
鼓勵各級員工直接向 CEO 匯報最重要的事
主持人：您的員工說，您的領導風格是非常投入。您有 50 個直接下屬，但您鼓勵各級員工，向您發送他們認為五件最重要的事情。您不斷提醒大家，您不會看不上任何工作。您為甚麼設計這麼扁平的組織結構？我們該如何思考未來要設計的組織架構？
黃仁勛：沒有任何工作我看不上。別忘了我曾經真是個洗碗工。我洗過很多很多廁所，比你們所有人加起來還要多。那些畫面揮之不去。我也不知道對你說甚麼，這就是生活。
你不可能給我一項我做不了的工作。我做事情，不是僅僅因為它是否配得上我。如果你給我發東西，想要我的意見，如果我能為你提供幫助，跟你分享我的思考過程，那我就能有貢獻，讓你看到我是如何進行推理的。
了解一個人處理事情的思考方式，能賦予你力量。你會想：「天哪，原來他是這麼思考這種事情的。」
其實複雜程度沒有想象的那麼大。你會知道，原來可以這麼處理糢糊不清的事情，你會知道，如何處理無法估計的事，你會知道，如何處理看似很可怕的事情，你會知道怎麼……
明白嗎？我一直在給大家示範怎麼進行推理，所謂的戰略，就是如何預測某事，如何分解問題。你在不斷地賦權眾人。我就是這樣看待這事的！
如果你發東西給我審閱，我會盡力而為，然後讓你知道我會怎麼做。這個過程中，我也從你那裡學到了很多，對吧？你提供了大量資訊，讓我學到了很多。
我覺得，這個過程很有回報。有時候，確實會很耗費精力為了給別人增值，他們本來就很聰明，我身邊都是這種人。要想給他們增值，你至少要達到他們的水平。你必須進入他們的思維空間，這真的很難。需要消耗大量的情感和智力能量。在做完這樣的事情後，我會感到精疲力竭。我身邊很多優秀的人。
CEO 應該擁有最多的直接下屬，因為能直接匯報給 CEO 的人需要的管理最少。若 CEO 的下屬很少，在我看來毫無道理，除非說，CEO 知道的資訊最有價值、最機密。他只能告訴給兩三個人，這些人也只能告訴另外幾個人。我不認同這種 「你掌握的資訊就是權力」 的文化或環境。
我希望，我們都能為公司做貢獻，我們在公司中的地位，應該取決於我們解決複雜問題的能力、帶領他人取得卓越成就的能力、激發他人靈感的能力、賦能他人和支持他人的能力。
管理團隊存在的目的是，服務其他員工，創造有利條件，讓優秀人才願意來為你工作，而不是去其他令人贊嘆的高科技公司。他們選擇、自願來為你工作。因此，你應該創造出能讓他們從事畢生工作的條件，這就是我的使命。
可能你已經聽過我說這件事，而我也相信這一點。我的工作很簡單，就是要創造你能夠做畢生工作的條件。那麼，我如何做到這一點？這種條件是甚麼樣的呢？
嗯，這種條件會帶來很大的自主性。只有當你了解環境時，你才會獲得這種自主性，對嗎？你必須了解所處狀況的背景，才能想出好點子。
我必須創造讓你知曉背景情況的環境，你得有知情權。得到知情權的最佳方式是，減少資訊扭曲的層次。這就是為甚麼我很經常在這樣的場合下進行推理。
我會說，這是最初的事實，這是我們擁有的數據。我要這樣進行推理，以下是一些假設，以下是一些未知因素，以下是一些已知因素。所以你就進行推理了。現在，你已經建立了一個高度自主的組織。
英偉達有 3 萬人。我們是世界上最小的超級公司。但每位員工都有很大自主權，每天幫我做明智決定。因為他們理解我的狀態。我對人很透明，我相信我可以把資訊托付給你。資訊可能難理解、情況很複雜但我相信你可以應付。
我對很多人說過：「你們是成年人，可以應付這個的。」 但有些人不是真正的成年人，只是剛畢業（開玩笑的）。我剛畢業時不能算成年人，但我幸運地被信任和托付。我想這樣做。我想為人們創造能夠做到這一點的條件。
人工智能最讓人興奮的應用是甚麼？
未來的計算將高度依賴生成，而不是檢索
主持人：我現在想談談大家都在想的話題 —— 人工智能。上周，您說生成式人工智能和加速計算已經達到臨界點。隨著這項技術變得越來越主流。您最興奮的應用是甚麼？
黃仁勛：你必須回歸初心，問問自己甚麼是生成式人工智能？發生了甚麼事？我們有了可以理解事物的軟體，它們可以理解為甚麼…… 我們將所有東西數字化了，比如基因測序，數字化基因。
但這意味著甚麼呢？那串基因序列有甚麼意義？我們已經將氨基酸數字化但這是甚麼意思呢？我們現在有能力數字化文字、數字化聲音，我們數字化圖像和視頻，我們數字化了很多東西。但是這意味著甚麼呢？
通過大量學習、大量數據以及從糢式和關系中，我們現在理解了它們的含義。我們不僅理解它們的意思，還可以在它們之間進行轉換，因為我們了解這些事物在同一個世界中的含義。
我們不是分開了解它們的。我們是在同一個上下文中學習口語、文字、段落和詞匯。我們找到了它們之間的相關性，它們彼此都是有關聯的。現在，我們不僅理解了糢態、每個糢態的含義，我們還明白如何在它們之間進行轉換。
顯而易見的應用如：視頻生成文本，就是字幕；文本生成圖像如 Midjourney；以及文本生成文本如 Chat GPT，太神奇了。我們現在知道，我們理解了含義，還可以轉換。某些事物的轉換等同於資訊生成。
突然間，你得退後一步捫心自問，這會對我們所做的每一件事的每個層面帶來甚麼影嚮？我在你們面前練習、我在你們面前推理。
和十幾年前首次看到 Alex Net 時一樣，當時我就這樣推理。我看到甚麼了？多有意思？它能做甚麼？太酷了。最重要的是，這代表甚麼？對計算領域的每一層意味著甚麼？
因為我們處於計算的世界。未來，我們處理資訊的方式將從根本上改變。這就是英偉達制造芯片和系統的原因。我們編寫軟體的方式也會從根本上改變。我們未來的軟體類型會改變會催生新的應用程序。還有，這些應用程序的處理方式也會發生改變。
過去，糢型基於檢索預先記錄的資訊，我們編寫文本、預先記錄，然後基於算法來檢索。在未來，某些資訊的種子將成為起點。我們稱之為 Prompt 提示詞，然後生成其它的內容。未來的計算將高度依賴生成。
舉個例子，我們現在正在聊天，我告訴給你們的資訊，很少是檢索所得，大多數是生成的，這就叫做生成式人工智能（AIGC）。未來計算機的運算會高度依賴生成，而非基於檢索。
回到原點，你們創業時得自問：哪些行業會因此被顛覆？我們還會對網路持有同樣的看法嗎？我們還會對存儲持有同樣看法嗎？我們還會像今天這樣濫用互聯網流量嗎？可能不會。
我們此刻在對話，但不是你每問個問題，我就上車離開。我們不必像過去那樣濫用資訊傳輸。甚麼會更多出現？甚麼會減少？哪些新的應用程序？等等之類的問題。
你可以審視整個行業格局自問：甚麼會被顛覆？甚麼會改變？會出現哪些新事物？諸如此類。推理過程始於 「發生甚麼了？甚麼是生成式人工智能？」 從根本上，到底甚麼正在發生？對所有問題都回歸本質。
我還想聊聊組織架構，你之前提問我忘了回答。創建組織的方式得回歸本質，別管其它公司的組織架構，你記住組織是用來做甚麼的。
過去的架構是，上面一個 CEO，下面是輔佐大臣，層層向下，最底層就是普通員工。這樣設計的目的，是希望員工獲得的資訊越少越好，因為士兵們的根本任務就是在戰場上賣命。犧牲而不問，原因你們懂的。
我只有 3 萬名員工，我不希望任何人去送死。我希望他們質疑一切，能理解嗎？過去的組織方式與今天的組織方式截然不同。
問題是：NVIDIA 要創造甚麼？組織架構的目標，是讓我們更好地去創造我們要創造的東西。大家創造的東西不同，為甚麼還要用相同的組織架構方式呢？為甚麼採用相同的組織架構、而不考慮你們要創造的是甚麼？毫無道理。
你造計算機，用一種架構去組織。你提供醫療服務，如果還用完全相同的架構去組織，這完全說不通。
你得回歸本質自問：需要甚麼樣的架構？輸入是甚麼？輸出是甚麼？這個環境有甚麼特性？這種動物必須生活在甚麼樣的環境中？它的特性是甚麼？大部分情況下是穩定的嗎？是不是每時每刻都努力榨幹最後一滴水？還是時常變化、隨時會被攻擊？
你得明白，作為 CEO，你的工作就是架構這個公司。這是我的首要工作 —— 創造條件，讓你能做畢生的事業。架構必須正確，你必須回歸本質，思考這些問題。
我很幸運，在 29 歲的時候，有機會退後一步思考：我如何為未來構建這家公司，它的樣子會是怎樣？它的操作系統是甚麼也就是企業文化？我們鼓勵和推廣哪些行為、不鼓勵哪些行為？等等。
思維方式：不從當前位置向前看，
快進到未來，再往回看
主持人：今年我們的主題是重新定義明天，有個嘉賓的問題是，作為英偉達的聯合創始人和 CEO，如果您閉上眼、神奇地改變關於明天的一件事，會是甚麼？
黃仁勛：我們是不是應該事先想這個問題？要不然，我會給您一個糟糕答案。
我個人觀點，世上有很多事我們無法控制，你的工作是做出獨特貢獻、有目標的生活，做一些只有你才能做或會去做的事，做出獨特貢獻，在你離開世界後，大家會覺得因為有你，世界變得更好了。對我來說，我就是這樣過日子的。我會快進到未來，再往回看。
你的問題其實和我思考問題的視角完全相反，我不從當前位置向前看，我快進到未來，再往回看。因為這麼做更容易。我會往回看，翻看历史。我們用這種做法、那種方式解決了某些問題…… 說得通嗎？
這有點像你們解決問題的方式。你搞清楚最終想要的結果，然後反推實現它的方法。所以，我設想 NVIDIA 為推動計算領域發展做出獨特貢獻，因為計算是推動整個人類進步的最大動力。
這不是自我吹捧，而是因為這是我們擅長的領域，且難度極高。我們堅信自己能做出絕對獨特的貢獻。到今天，公司已經走過了 31 年，但我們的徵途才剛開始，這是極難的目標。
當我回首往事時，我相信我們會被銘記，成為一家改變了世界的公司，不是因為我們到處宣講，通過言行改變世界，而是因為我們堅持做一件難度極高的事，這件事是我們擅長、熱愛而且做了很久。
未來十年，英偉達會面臨哪些挑戰？
觀眾：我是 GSP 項目的負責人。我的問題是：您如何看待公司在未來十年的發展？您認為公司會面臨哪些挑戰？以及您對此的策略是甚麼？
黃仁勛：首先，我能說說您提問題時我腦海中的想法嗎？當您說 「有哪些挑戰」 時，一大堆挑戰在我腦中閃過，以至於我當時在想，選哪個說比較好。
現在，我腦海中的大多數都是技術挑戰，因為我整個早上都在處理這些問題。但如果您昨天問，我可能想的大多是市場開拓相關的挑戰。有些市場我也非常想開拓。能不能快點行動？但我們無法單槍匹馬實現它。
英偉達是一家技術平臺型公司，我們服務於很多公司，希望我們的夢想能通過它們實現。有些事，我很想看到。
比如，讓生物學領域達到像 40 年前的芯片設計行業那樣的狀態。當年的計算機輔助設計（EDA）軟體、整個 EDA 產業，成就了我們今天所擁有的一切。我相信，明天我們會讓生物領域也實現同樣的突破。
今天，我們有能力將計算機輔助藥物設計與基因、蛋白質、甚至細胞結合。我們非常、非常接近能表示和理解細胞的含義，那是大量基因的組合。細胞代表著甚麼？如果我們能像理解文字那樣理解細胞，想象一下前景，我迫不及待地期待那一天的到來。對此，我感到很興奮。
還有一些我感到興奮、確信馬上要取得突破的領域。比如，以人為導向的機器人技術非常接近取得突破。原因是，如果你能將語音進行切分成單元並理解，那麼，為甚麼不能對動作進行同樣的處理呢？
所以，一旦在某個領域想通了這些計算機科學技術，你就會去思考：既然能做這個，為甚麼不能做那個？這些讓我很興奮。這個領域的挑戰，是令人愉快的挑戰。
當然，還有一些不太愉快的挑戰，比如產業問題、地緣政治問題和社會問題。你們應該都聽說過這些了，這些都是真實存在的問題。全球範圍內的社會問題、地緣政治問題。
為甚麼我們不能相處好呢？我們為甚麼要在世界上說那些話？為甚麼要說那些話然後在世界上放大它？為甚麼我們必須這麼地批判別人呢？所有這些問題，你們都知道，我不需要再重複一遍。
是否擔憂 AI 開發速度？
AI 是否需要監管制度？
觀眾：您是否對我們開發 AI 的速度感到任何擔憂？您認為是否需要監管制度？
黃仁勛：答案是肯定的，也是否定的。
現代 AI 最偉大的突破是深度學習，有了長足的進步。但另一個不可思議的突破是人類常有、常使用的一項能力。我們把它應用在語言糢型上稱為基礎、強化學習、人為反饋。我每天都在提供強化學習與人為反饋。這就是我的工作。
在場的各位家長，你們也一直在提供強化學習與人為反饋。如今，我們才弄清楚如何將這個系統性地應用在人工智能上。還有很多其它防範手段：例如，微調、基礎。如何生成遵循物理定律的數據？
目前，有些糢型生成的物體會在太空中飄、不遵循物理定律。這需要技術來解決。防範需要技術，微調需要技術，使 AI 與人類目標相一致需要技術，安全也需要技術。
飛機之所以安全，是因為所有的自動駕駛系統，都由多樣性和冗餘性系統支持，還有各種各樣新發明的功能安全和主動安全系統。我們需要更快、更快速地發明出所有與之類似的技術。
安全和人工智能之間的界限、網路安全和人工智能之間的界限，將會變得糢糊而緊密交融。在網路安全領域，我們需要技術非常、非常快速地進步才能保護我們免受人工智能的傷害。從很多方面來看，我們需要技術更快推進，遠比現在快得多。
監管有兩類：有社會監管，我真不知道該如何處理；也有產品和服務監管，這點我非常清楚該怎麼做。
FAA、FDA、NITSA 等等各種聯邦政府機構，它們針對特定用途的產品和服務有各種監管措施。律師行業有職業資格考試、醫生行業也是，如此等等。你們都有資格認證考試。都有需要達到的標準都需持續考取資質認證。會計師行業也是如此等。
不管是產品還是服務都已經有很多、很多的監管制度。請不要再額外增加一套橫跨所有行業的超級監管。
監管會計行業的監管者，不應該去監管醫生。我喜歡會計師，但如果我需要做心髒搭橋手術，會計師能算賬固然不錯但顯然不能做心髒搭橋。我希望已有產品和服務的監管在人工智能的背景下加強。
我漏掉了很重要的一個方面，那就是 AI 給社會帶來的影嚮。如何應對呢？我沒有很好的答案，不過，已經足夠多的人在討論了。但重要的是，把這一切劃分成很多個子問題。
能理解嗎？這樣，我們才不會過度聚焦於一個領域，而忘記了大量常規領域還可以做的事。那樣的結果是，人們會死於車禍和飛機事故 —— 毫無道理。我們應該確保在那些領域做到位，很務實。
一個人生建議：
擁有一個核心信念，持之以恆地追求
主持人：按照慣例，我們有些快問快答問題。
您第一份工作是 Denny』s 餐廳，他們現給您設了專門的卡座。在那裡的工作，您最美好的記憶是甚麼？
黃仁勛：我第二份工作是 AMD，他們有給我設專門卡座嗎？開玩笑啦。我很喜歡那份工作。真心喜歡那是一家很棒的公司。
主持人：如果全球各地都出現黑色皮夾克短缺，您會穿甚麼？
黃仁勛：我儲備了一大堆黑色皮夾克，我是最不需要擔心這個的人。
主持人：您談了很多關於教科書的事。如果您要寫一本，主題會是甚麼？
黃仁勛：我不會寫的。您問的是一個假設性、毫無可能性實現的問題。
主持人：這很公平。最後，如果您能分享一條簡短的建議給斯坦福，會是甚麼呢？
黃仁勛：擁有一個核心信念。每天都發自內心地檢視目標，竭盡全力追求，持之以恆地追求。和您愛的人一起，攜手踏上正途。
這就是英偉達的故事。
下面是黃仁勛另一場活動上的第二個對談。
半導體技術發展的突破口在哪裡
主持人：在我的一生中，我認為最大的半導體技術發展突破是晶體管。現在這是一個非常基礎的發明，但我應該重新思考，技術突破要變成人工智能嗎？
黃仁勛：首先，晶體管顯然是一個偉大發明，但最偉大的能力是，它使得軟體成為可能，人類能夠以可重複的計算方式，表達我們的想法和算法，這是突破。
我們公司在過去 31 年裡致力於一種新的計算形式，稱為加速計算。我們的想法是，通用計算並不適用於每一個工作領域。所以說，為甚麼不發明一種新的計算方式，去解決通用計算不適合解決的問題？
我們在特定計算領域有效地做到了這一點。這本質上是算法的可以並行化。我們已經將計算機的計算成本降低到接近零。
當能夠將某物的邊際成本降低到接近零時，會發生甚麼？我們啓用了一種新的軟體開發方式，過去是由人類編寫的。現在我們可以讓計算機來編寫軟體，因為計算成本接近零。
你不妨讓計算機去處理大量的經驗。我們稱之為數據、數字經驗，人類的數字經驗，讓它去發現關系和糢式，從而代表人類知識。這個奇跡發生在大約十五年前。我們看到了這一點，讓整個公司都投入到這個領域。結果，過去 10 年裡，我們將深度學習的計算成本降低了 100 萬倍。
很多人說，Jensen（黃仁勛的英文名），如果你將計算成本降低了 100 萬倍，人們就會買得更少。但事實恰恰相反。
我們看到，如果我們能夠將計算的邊際成本降低到接近零，我們可能會用它來做一些瘋狂的事情。大型語言糢型，從互聯網上提取所有的數字人類知識，將其放入計算機中，讓它找出知識是甚麼。
這個想法，將整個互聯網的內容刮取出來，放入一臺計算機中，讓計算機找出程序是甚麼，這是一個瘋狂的概念，但如果沒有將計算的邊際成本降低到零，你永遠不會考慮去做它。
我們取得了這個突破。現在我們啓用了這種新的軟體開發方式。想象一下，對於那些對人工智能還不熟悉的人來說，我們找到了一種方法，讓計算機理解幾乎所有數字知識的含義，而不是糢式。你可以數字化任何東西，我們可以理解它的含義。
我來舉個例子。基因測序是數字化基因。但現在有了大型語言糢型，我們可以去理解基因的含義。通過質譜數字化的氨基酸，現在我們可以從氨基酸序列中理解，不需要太多工作，我們就可以弄清楚蛋白質的結構。
這在計算機的視角下和一張頁面的文字沒有甚麼不同。你讓計算機問它，這是甚麼意思？總結它說了甚麼？這和基因、蛋白質有甚麼關系。因為我們正處於這一切的邊緣。
所以，我會長篇大論地說，John（主持人名字），你完全正確。人工智能，這是我們稱之為加速計算的新形式，我們花了三十年時間去做，可能是計算機行業最偉大的發明。這可能是 21 世紀最重要的事情。
五年後，芯片能做甚麼現在做不到的事？
主持人：我同意這是 21 世紀的，但也許晶體管是 20 世紀的趨勢，我們需要讓历史來決定。你能展望一下未來嗎？
我猜，現在支持 AI 的 GPU 芯片是你們的 H100，我知道你們正在推出 H200，你們計劃每年升級一次。那麼，你能想象一下 5 年後的 3 月 20 日，你們正在推出 H700 嗎？它會讓我們做到我們現在做不到的事情嗎？
黃仁勛：我會倒回去，但首先讓我說一下 John 剛剛描述的芯片。
在座的各位可能都見過芯片，你可能會想象有一個像這樣的芯片。John 剛剛描述的芯片重 70 磅。它由 35,000 個部分組成。其中 8 個部分來自臺積電。這個芯片取代了一個數據中心的舊 CPU，變成了一臺計算機。
這些節省，因為我們計算得非常快，這個計算機的節省是難以置信的。
然而，它是世界上最昂貴的計算機。我們賣出了世界上第一個價值 25 萬美元的芯片，但這個系統它所取代的，僅僅是連接所有這些舊計算機的電纜，就比芯片貴。這就是我們所做的。
我們重新發明了計算，結果，計算的邊際成本降到了零。這就是你剛剛解釋的。我們將整個數據中心壓縮成了這個芯片。它非常擅長於這種計算形式：如果沒有變得奇怪的話，我們稱之為深度學習，它非常擅長於這個叫做人工智能的東西。
這個芯片的工作原理，不僅僅是在芯片層面，而是在芯片層面、算法層面和數據中心層面，作為一個團隊一起工作。所以，當你看我們的一臺計算機時，它是一件了不起的事情。
只有計算機工程師會覺得它了不起，但它確實了不起。它很重，有數百英裡的電纜。
下一個即將到來的是液冷技術，它在很多方面都很美。它以數據中心的規糢進行計算。在未來 10 年裡，比如 John 所說的，我們將深度學習的計算能力再提高 100 萬倍。
當這樣做時，會發生甚麼？今天我們學習，然後我們應用。我們去訓練推理，我們學習，然後我們應用。在未來，我們將有持續學習。我們可以決定是否將那個持續學習的結果部署到世界上的應用中，但計算機將觀察視頻和新文本，並從所有互動中不斷改進自己。
學習過程和訓練過程，訓練過程和推理過程，訓練過程和部署過程、應用過程都將成為一體，這就是我們所做的。
推理、訓練、應用這套強化學習循環將是持續的，而強化學習的基礎是：實時通過互動以及我們實時創造的合成數據。就像當你學習時，你獲取資訊的片段，然後你從第一性原理開始，我們在大腦中進行糢擬、想象狀態，未來狀態在很多方面對我們來說表現為現實。
未來的人工智能計算機也會這樣做。它會進行合成數據生成，它會進行強化學習，它將繼續以真實世界的經驗為基礎。它會想象一些事情，它會用真實世界的經驗來測試它。它會以此為基礎，整個循環就是一個巨大的循環。
當你能夠將計算的邊際成本降低到接近零時，會有很多新的方法去做你願意做的事情。這和我願意去更遠的地方沒有甚麼不同，因為交通的邊際成本已經降到了零。我可以相對便宜地從這裡飛到紐約。如果它需要一個月，我可能永遠不會去。這和我們所做的每件事都是一樣的。
我們將計算的邊際成本降低到接近零。因此，我們會做更多的計算。
推理的問題實際上是安裝基礎
主持人：最近有一些報道說，英偉達在推理市場上將面臨比訓練市場更多的競爭。但你所說的，它們實際上是一個市場。你能評論一下嗎？會有一個單獨的訓練芯片市場和單獨的推理芯片市場嗎？聽起來，你將持續訓練市場並切換到推理市場？這也許發生在一個芯片內？我不知道，你能解釋一下嗎？
黃仁勛：今天，無論是 ChatGPT 還是 Co-pilot，service now，Mid-Journey，或者 Adobe 的 Firefly，都在進行推理，背後 100% 幾乎都是用的英偉達的 GPU，且大多數英偉達被使用的場景也已經變成推理，今天世界上幾乎所有的推理都出於英偉達。
現在大家討論，推理難還是容易？當你看訓練時，你會覺得那看起來太難了，我不會去做，我只是一個芯片公司，但這個系統它看起來根本就不像芯片。
只是為了證明新東西是否有效，你就要先投入 20 億美元，然後你啓動了它，發現可能並不能工作。你投入了 20 億美元和兩年時間，就為了證明它不 work。這種探索新事物的風險，對客戶來說太高了。
所以，很多競爭對手傾向於說，不做訓練芯片，只做推理芯片。那我現在告訴你，推理芯片非常難。你以為，推理的嚮應時間必須非常快，但這還算簡單的，因為這是計算機科學部分，算是容易的部分。
推理的難點在於，部署推理的人的目標，是吸引更多的用戶，將該軟體應用於龐大的安裝用戶基礎。因此，推理是一個關於安裝基礎的問題。
這與在 iPhone 上線 APP 是一樣的，他們選擇 iphone 開發 APP 的原因，是 iPhone 有一個如此龐大的安裝基礎，幾乎人手一部 iphone，所以，如果你為 iphone 行動電話編寫了一個應用程序，將受益於它的用戶量，能夠惠及每個人。
換成 Nvidia 的背景板，我們的加速計算平臺 CUDA 是唯一一個真正無處不在的加速計算平臺，因為我們已經在這方面工作了很長時間。如果你為推理編寫了一個應用程序，並且你將糢型部署在 Nvidia 架構上，它可以在任何地方執行，你能夠觸達每個人，糢型能夠產生更大的影嚮力。
所以，推理的問題實際上是安裝基礎。這需要巨大的耐心和多年的成功和奉獻，以及對架構、兼容性等方面的投入。
先進但貴 or 便宜且好用，誰更有競爭力？
主持人：你制造了完全先進的芯片。但是，有可能你會面臨激烈的競爭，雖然他們不如英偉達，但足夠好且便宜得多。A（AMD）是一個威脅嗎？
黃仁勛：首先，我們在全球有更多的競爭對手。我們不僅有來自競爭對手的競爭，我們還有來自客戶的競爭（雲廠）。
而且，我明明知道，客戶即將設計一個芯片來取代我們，我還要向他們展示我目前的芯片、下一代的芯片，以及芯片適配器。我這麼做的原因是，你要用常識向他們解釋你擅長做這件事，他們才會選擇你。
因此，我們都是完全透明的。誠然你可以為特定的算法構建一款優秀的芯片（ASIC），但記住，計算不僅僅是關於 transformer，更何況我們正在不斷地發明更新的 transformer，此外，軟體的種類非常豐富，因為軟體工程師就喜歡創造新玩意兒。
Nvidia 擅長的是加速計算，我們的架構不僅能加速算法，而且是可編程的，這意味著你可以用它來處理 SQL，我們可以加速量子物理、加速所有的流體和粒子代碼等等廣泛領域，其中之一才是生成式 AI。
對於那些希望擁有大量客戶的數據中心來說，無論是金融服務還是制造業等，我們都是一個最棒的標準。
我們存在於每一個雲服務中，存在於每一個計算機公司中。因此，我們公司的架構經過大約 30 年成為了一種標準。這就是我們的優勢。如果客戶能夠有更具成本效益的替代方案，我甚至會為此感到驚訝。
原因是，當你看到現在的計算機時，它不像筆記型電腦，它是一個數據中心，你需要運營它。因此，購買和銷售芯片的人僅僅考慮的是芯片的價格，而運營數據中心的人考慮的是整個運營成本、部署時間、性能、利用率以及在所有這些不同應用中的靈活性。
總的來說，我們的總運營成本（TCO）非常好，即使競爭對手的芯片是免費的，最終算下來它也不夠便宜！我們的目標是增加如此多的價值，以至於替代品不僅僅是關於成本的問題。
當然，這需要大量的努力，我們必須不斷創新，我們不能對任何事掉以輕心。
我本來希望不要聽起來太有競爭性，但約翰問了一個競爭問題，我以為這是個學術討論版…. 這觸發了我的競爭基因，我道歉，我本可以更藝術地處理這個問題。（哄笑）
人類何時會實現真正的 AGI?
取決於 AGI 的定義！
主持人：你認為，我們甚麼時候會實現人類水平的 AGI (通用人工智能)？是 50 年後嗎？還是 5 年後？你怎麼看？
黃仁勛：我會給出一個非常具體的答案，但首先讓我告訴你一些正在發生的非常令人興奮的事情。
首先，我們正在訓練的這些糢型是多糢態，這意味著我們將從聲音中學習，從文字中學習，從視覺中學習，就像我們所有人一樣，看電視並從中學習。
這很重要，因為我們希望 AI 不僅僅是基於人類去落地，當然這是 ChatGPT 真正創新的地方，也就是 RLHF。但直到強化學習，人類將 AI 都錨定在我們認為好的人類價值觀上。
現在，你能想象，你必須生成圖像和視頻，AI 知道手不會穿透講臺，踩在水上時你會掉進去，所以，現在 AI 開始錨定在物理上。
目前，AI 觀看大量不同的例子，比如視頻，來學習這個世界被遵守的規律。它必須創建一個所謂的世界糢型。所以，我們必須理解多糢態性，還有其他糢態，比如基因、氨基酸、蛋白質、細胞等等。
第二點，就是 AI 會具有更強的推理能力，我們人類所做的很多推理，都編碼在常識中。常識是我們所有人類認為理所當然的能力。互聯網上有很多我們已經編碼好的推理和知識，糢型可以學習。
但還有更高層次的推理能力，例如現在你問我問題，大部分的問題，我的確像生成式糢型一樣快速生成，我不需要太多的推理，但有些問題，我需要想想，也就是規劃，「很有趣，讓我想想」。
我可能是在腦海中循環它，我提出了多個計劃，遍历我的知識樹和圖形，修剪我的樹，「這個沒有意義，但這個我可以去做」 也就是我會在腦海中糢擬仿真執行它，也許我會做一些計算等等。
我的意思是，今天的很多」 長思考」，AI 並不擅長。你輸入到 ChatGPT 的一切，它都會立即回應。我們希望輸入到 ChatGPT 的某個問題，給它一個目標，給它一個使命，它能思考一會兒。
所以，這種系統，計算機科學稱之為系統 2，或者長思考，或規劃。我認為我們正在研究這些事情，你將看到一些突破。
所以在未來，你與人工智能的互動方式將會非常不同。有些只是給我一個問題，我會給你答案。有些是說，這裡有一個問題，去工作一會兒，明天告訴我。它會做盡可能多的計算。
也可以說，我給你這個問題，你可以花費 1000 美元，但不要超過這個數額，然後它會在明天給出最好的答案。
所以，回到 AGI 的問題，AGI 的定義是甚麼？事實上，這現在是最先需要回答的問題。
如果你問我，如果你說，Jensen（黃仁勛的英文名），AGI 是一系列測試的列表，記住，尤其工程師最明白，任何組織中，你需要有一個規格，你需要知道產品成功的標準，你需要有一個測試。
如果我給你一個 AI 很多數學測試、推理測試、历史測試、生物學測試、醫學考試，以及律師考試，甚至包括 SAT、MCAT 等等，你把這些測試列出來，擺在計算機科學行業面前，我猜，5 年內就會在每一個測試上都做得很好。
所以，如果你對 AGI 的定義是通過人類的測試，那麼我會告訴你，五年我們會通過所有的測試。
但如果你稍微換一種方式問我，AGI 是擁有人類的智能，那麼我不確定如何具體定義人類的所有智能，沒有人真正知道，因此這很難實現，但我們都在努力讓它變得更好。
如何看待 AI 在藥物發現中的作用？
主持人：我要再問兩個問題，第一個問題是，你能深入一點，談談你如何看待 AI 在藥物發現中的作用？
黃仁勛：我們理解擁有數字資訊的含義。現在，我們有很多氨基酸，因為 Alpha Fold，我們可以了解許多蛋白質的結構。
但問題是，這個蛋白質的含義是甚麼？功能是甚麼？如果我們能像和 ChatGPT 聊天一樣，和 PDF 文件聊天，你把 PDF 文件，不管是甚麼，加載到 Chat 中，然後，就像和研究人員聊天一樣。
你只是問，是甚麼激發了這項研究？它解決了甚麼問題？突破是甚麼？當時的藝術狀態是甚麼？有甚麼新穎的想法？就像和人類一樣聊天。
未來，當我們拿到一個蛋白質，把它放入 ChatGPT，就像 PDF 一樣，你是甚麼？甚麼酶激活你？甚麼讓你開心？
例如，將會有一長串基因，你將代表一個細胞。你要把那個細胞放進去。你是甚麼？你有甚麼用？你擅長甚麼？你有甚麼希望和夢想？所以，這是我們可以做的最深刻的事情之一。
如果我們能理解生物學的含義？你們知道，一旦我們理解了世界上幾乎任何資訊的含義，在計算機科學的世界裡，在計算的世界裡，傑出的工程師和傑出的科學家就知道該做甚麼。但這是一個突破，對生物學的多糢態理解。
這是我對你的問題的深入和淺出的回答，我認為，這可能是我們可以做的最深刻的事情。
韌性在成功中很重要：
偉大不是智力，偉大來自於性格
主持人：斯坦很多有抱負的企業家、學生，他們可能是計算機科學專業的，或者是某種工程學專業。你會給他們甚麼建議，來提高成功的機會？
黃仁勛：我認為我的一大優勢是，我期望值很低。我認為，大多數斯坦福畢業生期望值很高。
你們應該有這樣的期望，因為你們來自一所偉大的學校。你們非常成功，你們是你們班級的頂尖學生。顯然，你們能夠支付學費，然後你們畢業於這個星球上最好的機構之一。你們周圍都是其他令人難以置信的孩子。你們天生就有很高的期望。
期望值很高的人通常韌性很低。不幸的是，韌性在成功中很重要。
我不知道如何教你們，除了我希望痛苦發生在你們身上。我很幸運，我成長的環境中，我的父母為我們提供了成功的條件，但同時，也有足夠的挫折和痛苦的機會。
直到今天，我在我們公司裡用 「痛苦和折磨」 這個詞，非常高興。
原因是，你想要訓練，你想要塑造你公司的性格。你想要他們表現出偉大，偉大不是智力。偉大來自於性格，性格是由受過痛苦的聰明人形成的。
所以，如果我能為你們所有人許願，我不知道怎麼做。
主持人：你看起來非常積極和充滿活力。但你如何保持你的員工積極和充滿活力，當他們可能比他們預期的要富有？
黃仁勛：我被我的 55 個人的管理團隊包圍。所以，我被直接報告的高管有 55 個人，我為他們中的任何一個都不寫評價。
我給他們不斷的反饋，他們也為我提供同樣的反饋。我給他們的報酬是 Excel 的右下角，我只需拖動它。實際上，我們的許多高管薪水完全相同。
我知道這很奇怪。但它有效，我不和他們中的任何一個進行一對一的會談。除非他們需要我，否則，我會對他們完全放手。
我從不和他們單獨開會。他們永遠不會聽到我只對他們說的話。我絕不會把任何資訊告訴他們，而不告訴公司的其他人。
所以，我們公司的設計是為了敏捷，為了讓資訊盡可能快地流動，讓人們能夠通過他們能做甚麼而被賦予權力，而不是通過他們知道甚麼。
我得到了，答案是我的行為。
其中，我如何慶祝成功？我如何慶祝失敗？我如何談論成功？我如何談論挫折？我每天都在尋找機會，每天都在灌輸公司的文化。甚麼是重要的？甚麼是不重要的？甚麼是好的？你如何將自己與好比較？你如何看待好？你如何看待旅程？你如何看待結果？所有這些，都是我整天在做的事情。
嘉賓提問：我有兩個問題。一、你的皮夾克的故事是甚麼？第二個，根據你的預測和計算，未來 5 到 10 年，為了支持人工智能的發展，需要多少額外的半導體制造能力？
黃仁勛：感謝這兩個問題。第一個問題，這是我妻子給我買的，就是我穿的，因為我沒有任何購物。除非她找到其他不會讓我癢的東西，因為她了解我，從 17 歲起就認識我，她認為一切都會讓我癢。
我說過，我不喜歡讓我發癢的東西。所以，除非她找到不會讓我癢的東西，如果看我的衣櫃，整個衣櫃都是襯衫。
這都是她給我買的，如果我不滿意，我可以自己去購物。否則，我就穿著它。對我來說，這已經足夠好了。
第二個問題關於預測，實際上我很糟糕，但我非常擅長基於第一原則推演機會的大小。
我不知道有多少 FAB，但我知道的是，我們今天做的計算，資訊是別人寫的、或者由某人創造的，基本上是預先記錄下來的。
我說的是每件事，每個字、語音、視頻，都是檢索式的，有人寫好了它並存儲在某個地方，然後你去檢索它，你知道的每一種糢態過去都是這樣。
在未來，因為我們的 AI 可以接入世界上所有的最新新聞等，也就是可以檢索，它理解你的上下文，意味著它理解你問甚麼，關鍵是，大部分計算將是生成式的。
今天的內容。100% 是預先錄制的。未來，100% 的內容將是生成式的，問題是，這將如何改變計算的形態，這就是我推演這個問題的方式（需要多少芯片）。
比如，我們需要更多的網路嗎？需要更多的記憶體嗎？簡單說，我們是需要更多的晶圓廠。然而，我們也在不斷改進算法和處理過程，效率在時間上有了巨大的提升。
並不是說，計算的效率就是今天這樣，因此需求就是這麼多。與此同時，我每 10 年都在提高計算能力一百萬倍，而需求卻增長一萬億倍，這兩者必須相互抵消。
然後，還有技術擴散等等，這只是時間問題，但這並不改變這樣一個事實：總有一天，世界上所有計算機都將 100% 地改變，每一個數據中心，價值數萬億美元的基礎設施，將完全改變，在這個基礎上，還會建造新的基礎設施。
嘉賓提問：最近你說，你鼓勵學生不要學習編程。如果是這樣，那可能意味著一兩件事。你認為，從公司成立和創業的角度來看，這個世界會有更多的公司，還是會變成只有幾個大玩家的整合？
黃仁勛：首先，我表達得太差了，你複述得也太差了。我並沒有說，如果你喜歡編程，那就去編程。如果你想要的是煎蛋，那就去做煎蛋。
我不會編程，編程是一個推理過程。這是好事。它能確保你的工作嗎？一點也不。世界上，程序員的數量肯定會繼續很重要，英偉達需要程序員。
然而，在未來，你與計算機的互動方式不會是 C++，至少對我們中的一些人來說不是。這是真的，但對你來說，為甚麼用 Python 編程這麼奇怪？
未來，你會告訴計算機你想要甚麼。計算機會說，嗨，我想讓你提出一個建造計劃，包括所有供應商和建造材料，基於我們為你提供的預測。然後根據這個區域所需的所有必要組件提出建造計劃。
如果你不喜歡那個，你可以寫一個 Python 程序，我可以修改那個建造計劃。所以記住，我第一次和計算機交談時，我只是用英語說話。
第二次，如果你不喜歡，你可以用 Python 程序來修改建造計劃。所以記住，我剛才說的第一點，我只是想用英語和計算機交流。所以英語，順便說一下，是人類未來最好的編程語言。
你如何與計算機交流？你如何提示它？這被稱為提示工程。你如何與人交流？你如何與計算機交流？你如何讓計算機做你想要的事情？你如何微調給計算機的指令？這就是提示工程的藝術。大多數人對此感到驚訝，這對我來說並不奇怪，但這是令人驚訝的。
例如，你讓我生成一張圖片，一只小狗在夏威夷的沖浪板上，在日落時，然後它生成了一個，你說更可愛，讓它更可愛。它回來了，更可愛，你又說沒有比這更可愛的了。它回來了。
為甚麼軟體會這樣做？有一個結構性的原因。但例如，你需要知道計算機在未來有這樣的能力。如果你不喜歡第一次的答案，你可以微調它，讓它在你可以的上下文中給出更好的結果。
甚至有一天，你可以讓它完全編寫程序來生成那個結果。所以我要說的是，編程已經發生了變化，可能變得不那麼有價值了。
另一方面，讓我告訴你，因為人工智能，我們縮小了人類的技術差距。今天，大約有 1000 萬人因為知道如何編程而有工作，這讓其他 80 億人落後。
未來不是這樣。我們都可以編程計算機。這有意義嗎？你只需要看看 YouTube，看看所有使用提示工程的人，所有的孩子，他們正在用它做出驚人的事情。他們不知道如何編程。他們只是和 ChatGPT 交談，他們知道如果我告訴它做這個，它就會做那個。
所以，這和未來與人交流沒有甚麼不同。這是計算機科學行業對世界的偉大貢獻。我們縮小了技術差距。
地緣政治風險會給新技術帶來甚麼影嚮？
嘉賓提問：你考慮過地緣政治風險嗎？你認為它會對你的行業產生甚麼影嚮？
黃仁勛：地緣政治風險？我們幾乎是地緣政治風險的典型例子。原因是我們制造了一種非常重要的人工智能工具，正如 John 和我早些時候討論的，人工智能是這個時代的界定技術。
所以，美國完全有權決定，這種工具應該限制在它認為應該限制的國家。美國有這個權利，他們行使了這個權利。
那麼，這與我們有甚麼影嚮？首先，我們必須理解這些政策，我們必須保持敏捷，以便我們能夠遵守這些政策。一方面，它限制了我們在某些地方的機會，另一方面，它在其他地方打開了機會。
在過去的 6 到 9 個月裡發生的一件事是，每個國家、每個社會的覺醒，他們必須控制自己的數字智能，印度不能外包它的數據，讓某個國家將其轉化為印度智能，然後將這種智能進口回印度。
這種覺醒，即主權 AI，你必須致力於控制你的主權 AI，保護你的語言，保護你的文化，為你自己的行業。這種覺醒發生在過去的 6 到 9 個月裡。
嘉賓提問：我記得你提到過，願意為一定規糢的客戶定制解決方案，而不是像現在這樣更通用的解決方案。你認為，自己未來會這樣做嗎？
黃仁勛：我們是否願意定制化？是的，我們願意。
為甚麼現在的門檻相對較高？因為我們平臺的每一代產品首先有 GPU，有 CPU，有網路處理器，有軟體，還有兩種類型的交換機。
我為一代產品建造了五個芯片，人們以為只有 GPU 一個芯片，但實際上是五個不同的芯片，每個芯片的研發成本都是數億美元，僅僅是為了達到我們所說的 「發布」 標準，然後你必須將它們集成到一個系統中，然後你還需要網路設備、收發送器、光纖設備，以及大量的軟體。
執行一個像這個房間這麼大的計算機，需要大量的軟體，所以這一切都很複雜。如果定制化的需求差異太大，那麼你必須重複整個研發過程。
然而，如果定制化能夠利用現有的一切，並在此基礎上增加一些東西，那麼這就非常有意義了。也許是一個專有的安全系統，也許是一個加密計算系統，也許是一個新的數值處理方式，還有更多，我們對這些非常開放。
我們的客戶知道我願意做所有這些事情，並認識到，如果你改變得太多，你基本上就全部重置了，浪費了近千億美元。所以他們希望在我們的生態系統中盡可能地利用這些，減少重置成本。
來源：投資人記事 微信號：gh_89a091e93272
傳播真相 探究歷史 支持正義 分享快樂
Follow @greatera2024
