英偉達(dá)市值重回第一之際，黃仁勛再次接受采訪。
除了談自己和英偉達(dá)，還吹了一波馬斯克，再再再次贊賞 xAI 只花 19 天建起 10 萬卡 H100 超級集群。
傳聞英偉達(dá)正在考慮投資 xAI，或許此言不虛。
在這場訪談中他提出，沒有任何物理定律可以阻止 AI 數(shù)據(jù)中心擴(kuò)展到一百萬芯片。
這很難，但重新發(fā)明智能的回報(bào)太大，無法不去嘗試。
為此他還提出了超級摩爾定律，從每兩年性能翻倍，變成每年翻兩到三倍。
并指路了具體實(shí)現(xiàn)途徑，軟硬件協(xié)同設(shè)計(jì)和數(shù)據(jù)中心級創(chuàng)新。
圍觀網(wǎng)友表示：很驚人，但更驚人的是我毫不懷疑他們真的能做到。
這是老黃第二次參加訪談節(jié)目 No Priors，距離上次時隔一年。
在這場 36 分鐘的訪談中，老黃還透露了更多行業(yè)內(nèi)幕和對未來的設(shè)想：
摩爾定律的兩個基本技術(shù)支柱已經(jīng)遇到瓶頸
ChatGPT 正在舊的訓(xùn)練集群上做推理，英偉達(dá)基礎(chǔ)設(shè)施可以在訓(xùn)練和推理中相互轉(zhuǎn)換
英偉達(dá)不直接把數(shù)據(jù)中心當(dāng)產(chǎn)品銷售，但必須像對待產(chǎn)品一樣對待它
xAI 迅速建起超級集群主要?dú)w功于馬斯克的意志力和執(zhí)行力
英偉達(dá)內(nèi)部高度依賴 AI 芯片設(shè)計(jì)，如果沒有 AI，造不出 Hopper 架構(gòu)
半導(dǎo)體行業(yè)并不是關(guān)于制造芯片，而是關(guān)于為社會構(gòu)建基礎(chǔ)結(jié)構(gòu)
AI 智能體不會干掉 SaaS，SaaS 銷售專業(yè)智能體會帶來繁榮發(fā)展
兩三年后，每篇論文、每項(xiàng)科學(xué)和工程突破都會以 AI
老黃現(xiàn)在每天學(xué)習(xí)任何東西都會先用 AI，即使是最基礎(chǔ)的事實(shí)也會用 AI 反復(fù)核查
……
以下是采訪全文編譯整理。
全文整理
英偉達(dá)未來十年的賭注
主持人：
英偉達(dá)已經(jīng)走過了 30 年，展望未來的十年，您認(rèn)為還有哪些重要的賭注需要下？接下來是否只需擴(kuò)大規(guī)模？在從現(xiàn)有架構(gòu)中榨取更多計(jì)算和內(nèi)存方面，我們是否遇到了限制？您目前的關(guān)注重點(diǎn)是什么？
黃仁勛：
如果退一步思考我們所取得的成就，我們已經(jīng)從編程走向了機(jī)器學(xué)習(xí)，從編寫軟件工具到創(chuàng)建一個全新的生態(tài)系統(tǒng)。
所有這些最初都運(yùn)行在為人類編程設(shè)計(jì)的 CPU 上，如今則運(yùn)行在為 AI 編程設(shè)計(jì)的 GPU 上，主要是機(jī)器學(xué)習(xí)。
世界已經(jīng)改變，我們進(jìn)行計(jì)算的方式、整個技術(shù)棧都發(fā)生了變化。
我們能夠解決的問題的規(guī)模也發(fā)生了巨大變化，如果你能在一塊 GPU 上并行化你的軟件，你就為在整個集群、甚至多個集群或數(shù)據(jù)中心上并行化奠定了基礎(chǔ)。
我認(rèn)為，我們已經(jīng)為將計(jì)算擴(kuò)展到無人想象過的水平做好了準(zhǔn)備，并在這個水平上開發(fā)軟件。
接下來的十年里，我們希望每年在整體規(guī)模上（而非單個芯片上）將性能提升兩到三倍，從而使成本和能耗每年降低兩到三倍。
當(dāng)你每年都翻倍或三倍增長，幾年下來，這種復(fù)合增長會非常驚人。
我們能超越人們對摩爾定律的理解，即每兩年性能翻倍，我們將進(jìn)入某種“超級摩爾定律”的曲線。
如何超越摩爾定律
主持人：
你認(rèn)為是什么讓這一切比摩爾定律發(fā)生得更快？我知道摩爾定律有點(diǎn)自我實(shí)現(xiàn)的性質(zhì)，先提出了這個想法，然后人們努力去實(shí)現(xiàn)它。
黃仁勛：
（摩爾定律）有兩個基本的技術(shù)支柱。一個是 Dennard Scaling，另一個是 Carver Mead’s VLSI Scaling。
這些都是嚴(yán)格的方法，但相關(guān)技術(shù)確實(shí)已經(jīng)到了瓶頸。因此，我們現(xiàn)在需要一種新的擴(kuò)展方式。
首先，新的縮放方式顯然涉及到（軟硬件）協(xié)同設(shè)計(jì)。
除非你能修改或改變算法以反映系統(tǒng)的架構(gòu)，或者改變系統(tǒng)以適應(yīng)新軟件的架構(gòu)，來回迭代，否則你毫無希望。
但如果你能同時控制這兩方面，你就可以做一些事情，比如從 FP64 到 FP32，再到 BFLOAT，再到 FP8，甚至 FP4，甚至更小的精度。
所以我認(rèn)為，協(xié)同設(shè)計(jì)是其中非常重要的一部分。
第二部分，我們稱之為全棧優(yōu)化，是數(shù)據(jù)中心級別的創(chuàng)新。
我們現(xiàn)在處理的大多數(shù)計(jì)算挑戰(zhàn)，其中一個最令人興奮的當(dāng)然是推理時間的擴(kuò)展，基本上是以極低的延遲生成 token，進(jìn)行樹搜索，鏈?zhǔn)剿季S，可能在腦海中進(jìn)行一些模擬，反思自己的答案。
AI 將自我提示，默默地生成文本，并希望在一秒鐘內(nèi)做出響應(yīng)。唯一能做到這一點(diǎn)的方法是你的延遲極低。
與此同時，數(shù)據(jù)中心仍然需要產(chǎn)生高吞吐量的 token，因?yàn)槟闳匀幌Ｍ档统杀?，保持高吞吐量，?shí)現(xiàn)回報(bào)。
這兩個基本要求 —— 低延遲和高吞吐量 —— 是彼此矛盾的。
為了創(chuàng)造在兩者上都非常出色的東西，我們必須去發(fā)明一些新東西，NVLink 正是我們實(shí)現(xiàn)這一目標(biāo)的方式。”
訓(xùn)練和推理基礎(chǔ)設(shè)施的相互轉(zhuǎn)換
主持人：
您的大客戶中，有多少人在考慮基礎(chǔ)設(shè)施在大規(guī)模訓(xùn)練和推理之間的相互轉(zhuǎn)換？
黃仁勛：
現(xiàn)在的基礎(chǔ)設(shè)施是解耦的。
Sam（Altman）剛剛告訴我，他最近退役了 Volta。他們有 Pascal，有 Ampere，各種不同配置的 Blackwell 即將到來。
有些是為風(fēng)冷優(yōu)化的，有些是為液冷優(yōu)化的，你的服務(wù)需要利用所有這些。
英偉達(dá)的優(yōu)勢在于，今天為訓(xùn)練構(gòu)建的基礎(chǔ)設(shè)施，明天將非常適合用于推理。我相信，大部分的 ChatGPT 服務(wù)都是在最近用于訓(xùn)練的同類型系統(tǒng)上進(jìn)行推理的。
如果你能在上面訓(xùn)練，你就能在上面推理。
你完全有信心這些投資會得到回報(bào)，然后投入新的基礎(chǔ)設(shè)施來擴(kuò)大規(guī)模。
而且英偉達(dá)和整個生態(tài)系統(tǒng)將致力于改進(jìn)算法，使你的基礎(chǔ)設(shè)施在短短一年內(nèi)性能提高五倍，這種進(jìn)展永遠(yuǎn)不會改變。
因此，人們將這樣看待他們的基礎(chǔ)設(shè)施：
是的，盡管今天為訓(xùn)練而構(gòu)建它，同時會知道它將在推理方面也會非常出色。
而推理將是多尺度的。
首先，為了蒸餾出更小的模型，擁有一個更大的模型作為源頭是很好的。因此，你仍然會創(chuàng)造這些令人難以置信的前沿模型，它們將用于開創(chuàng)性的工作，用來生成合成數(shù)據(jù)，用大模型來教授小模型，蒸餾出更小的模型。
但最終，你會有從巨型到小型的各種模型。小型模型將在特定任務(wù)上非常有效，雖然泛化能力不如大模型，但在那個任務(wù)上表現(xiàn)非常出色。我們將在一個小小的領(lǐng)域中看到超越人類的任務(wù)，由一個小小的模型完成。也許這不是一個小語言模型，而是一個微型語言模型，Tiny Language Model，或者其他什么。
所以我認(rèn)為我們會看到各種大小的模型，我們的希望是，就像今天的軟件一樣。
構(gòu)建和交付完整的數(shù)據(jù)中心
主持人：
英偉達(dá)為客戶提供的支持正在像更大的規(guī)模發(fā)展，從單個芯片到服務(wù)器，再到機(jī)架，再到 NV72，您如何看待這一進(jìn)程？接下來會是什么？英偉達(dá)是否應(yīng)該做整個數(shù)據(jù)中心？
黃仁勛：
事實(shí)上，我們確實(shí)構(gòu)建了完整的數(shù)據(jù)中心。
我們的做事方式是，如果你要開發(fā)軟件，你需要完整形式的計(jì)算機(jī)。我們不會只做幻燈片演示然后交付芯片，我們構(gòu)建整個數(shù)據(jù)中心。
在完成整個數(shù)據(jù)中心之前，你怎么知道軟件是否正常工作？在整個數(shù)據(jù)中心建成之前，你怎么知道你的網(wǎng)絡(luò)是否正常工作，以及你期望的效率是否達(dá)到了？
這就是為什么通?？吹侥承┊a(chǎn)品的實(shí)際性能遠(yuǎn)低于他們在幻燈片上展示的峰值性能的原因。
計(jì)算已經(jīng)不像過去那樣。我常說，新的計(jì)算單位是數(shù)據(jù)中心。
對于我們來說，這就是你必須交付的東西，這就是我們現(xiàn)在構(gòu)建的東西，我們構(gòu)建整個系統(tǒng)，并且以完整的形式構(gòu)建它。
然后以各種組合進(jìn)行測試，風(fēng)冷的 x86，液冷的 Grace，以太網(wǎng)，Infiniband，加上 NVLink，不加 NVLink，等等。
我們構(gòu)建每一種配置，我們公司現(xiàn)在有五臺超級計(jì)算機(jī)，明年我們很容易再建五臺。
如果你對軟件很認(rèn)真，你就會構(gòu)建自己的計(jì)算機(jī)，并且我們以“數(shù)據(jù)中心即產(chǎn)品”的方式構(gòu)建它們。
盡管我們不直接銷售數(shù)據(jù)中心作為產(chǎn)品，但我們必須像對待產(chǎn)品一樣對待它。
關(guān)于它的規(guī)劃、建立、優(yōu)化、調(diào)整、保持運(yùn)行的一切，目標(biāo)是讓它像打開你的嶄新 iPhone 一樣，一切都能正常工作。
當(dāng)然，這背后有技術(shù)的奇跡，但我們現(xiàn)在有能力做到這一點(diǎn)。
因此，如果你對數(shù)據(jù)中心感興趣，只需要給我一個空間，一些電力和冷卻系統(tǒng)，我們將在 30 天內(nèi)幫助你建立起來。這是非常了不起的。
xAI 的超級集群
主持人：
最近有一個令人印象深刻的案例，就是你們?yōu)?xAI 迅速建立了一個集群。如果你愿意，請談?wù)勥@個案例，因?yàn)闊o論是規(guī)模還是速度都令人震驚。
黃仁勛：
很多功勞要?dú)w功于馬斯克。
首先，決定去做這件事，選擇場地，引入冷卻和電力，然后決定建立一個擁有 10 萬個 GPU 的超級集群，這是有史以來最大的規(guī)模。
然后倒推日程，我們一起規(guī)劃他要啟動系統(tǒng)的日期，這個日期是在幾個月前確定的。
所有的組件、OEM、系統(tǒng)、我們與他們團(tuán)隊(duì)的軟件集成、所有的網(wǎng)絡(luò)模擬，我們都預(yù)先以數(shù)字孿生的方式模擬了他的網(wǎng)絡(luò)配置。我們預(yù)先準(zhǔn)備了他的供應(yīng)鏈，預(yù)先安排了所有的網(wǎng)絡(luò)布線。我們甚至建立了一個小規(guī)模的版本作為參考，以便在所有設(shè)備到達(dá)之前進(jìn)行測試。
到所有設(shè)備到達(dá)的時候，一切都已經(jīng)準(zhǔn)備就緒，所有的練習(xí)都完成了，所有的模擬都完成了，然后是大規(guī)模的集成，龐大的團(tuán)隊(duì)在一起晝夜不停地工作，幾周內(nèi)集群就啟動了。
這真的是他（馬斯克）的意志力和他能夠思考機(jī)械、電氣問題并克服巨大障礙的證明。
主持人：
如果你展望未來，達(dá)到 20 萬、50 萬、100 萬的超級集群，您認(rèn)為最大的障礙是什么？資本、能源、供應(yīng)？
黃仁勛：
你剛才提到的這些因素，沒有一件是輕松的。
是否值得追求這樣的規(guī)模擴(kuò)展？毋庸置疑是值得的。
要達(dá)到我們想象中的那種計(jì)算機(jī)，能夠輕松地完成我們要求它做的事情，具有某種通用智能。甚至我們可以爭論它是否真的具有通用智能，但即使接近它也是一個奇跡。
我認(rèn)為有五到六個團(tuán)隊(duì)在努力嘗試實(shí)現(xiàn)這一目標(biāo)，有 OpenAI、Anthropic、xAI，當(dāng)然還有谷歌、Meta、微軟等公司。
這個前沿領(lǐng)域，在攀登這座山峰的過程中，接下來的幾步是至關(guān)重要的。誰不想成為登上這座山峰的第一人？
我認(rèn)為，重新發(fā)明智能的獎賞太過重要，無法不去嘗試。
我認(rèn)為，沒有物理定律的限制，但一切都會很難。
AI 芯片設(shè)計(jì)和英偉達(dá)的運(yùn)作方式
主持人：
一年前，當(dāng)我們一起交談時，我們問過您，英偉達(dá)在人工智能和其他領(lǐng)域中，您對哪些應(yīng)用程序最感興趣，接下來將為客戶提供哪些服務(wù)，您談到了您最極端客戶的一些科學(xué)應(yīng)用。
在過去的一年中，這已經(jīng)成為更主流的觀點(diǎn)。人工智能在科學(xué)中的應(yīng)用是否依然最令您興奮？
黃仁勛：
我很高興在英偉達(dá)有 AI“芯片設(shè)計(jì)師”，有 AI“軟件工程師”。
它們非常高效，如果沒有它們，我們無法構(gòu)建 Hopper。
它們與人類相比可以探索更大的空間，因?yàn)樗鼈冇袩o限的時間，它們在超級計(jì)算機(jī)上運(yùn)行。我們的人類工程師時間有限，無法探索盡可能多的空間，也無法組合地探索空間。
我無法在自己探索的同時，涵蓋你的探索和其他人的探索。
我們的芯片如此之大，它們并不是作為一個芯片設(shè)計(jì)的，而是像一千個芯片那樣設(shè)計(jì)的。我們必須分別優(yōu)化每一個。
你真的想要優(yōu)化更多的模塊，跨模塊協(xié)同設(shè)計(jì)，優(yōu)化更大的空間。
沒有人工智能，我們的工程師無法做到，我們沒有足夠的時間。
主持人：
自從我們上次交談以來，還有一件事發(fā)生了變化。我查了一下，當(dāng)時英偉達(dá)的市值約為 5000 億美元，如今已超過 3 萬億美元。在過去的 18 個月里增加了 2.5 萬億美元的市值，相當(dāng)于每月增加了 1000 多億美元。
今天早些時候我來到英偉達(dá)公司，感受到了公司的活力，就像 15 年前我在谷歌時一樣，能感受到公司的能量和興奮。
在這段時間里，有什么變化嗎？或者說，有什么不同之處，無論是英偉達(dá)的運(yùn)作方式，還是您對世界的看法，或者您可以采取的賭注的規(guī)模？
黃仁勛：
公司無法像股價(jià)那樣快速變化，所以在很多方面，我們并沒有太大改變。
我認(rèn)為，我們需要退一步，問問自己，我們在做什么？
從行業(yè)角度來看，我們重新發(fā)明了計(jì)算。它已經(jīng) 60 年沒有被重新發(fā)明過了，這是一件多么重要的事情。
在過去的 10 年里，我們將計(jì)算的邊際成本降低了大約一百萬倍，以至于我們可以說，讓計(jì)算機(jī)去窮舉地編寫軟件吧。
某種程度上，我們可以說，我們也在芯片設(shè)計(jì)中說了同樣的話。我們希望計(jì)算機(jī)去發(fā)現(xiàn)一些我們自己無法做到的關(guān)于芯片的東西，探索我們的芯片，并以我們無法做到的方式優(yōu)化它。
因此，人們開始意識到，我們重新發(fā)明了計(jì)算。
但這究竟意味著什么？突然之間，我們創(chuàng)造了一個稱為“智能”的東西，那么計(jì)算發(fā)生了什么變化呢？
我們從數(shù)據(jù)中心開始。
數(shù)據(jù)中心是存儲文件的多租戶場所。而我們正在創(chuàng)建的新型數(shù)據(jù)中心并不是傳統(tǒng)的數(shù)據(jù)中心。它們不是多租戶的，往往是單租戶的。它們不存儲任何文件，只是在生成一些東西 —— 它們在生成 tokens。
這些 tokens 被重新組合成看似智能的東西，而這種智能有各種不同的形式，可能是機(jī)器人的動作表達(dá)，可能是氨基酸的序列，可能是化學(xué)鏈，或者各種有趣的東西。
那么，我們究竟在做什么？我們創(chuàng)造了一種新工具，一種新的機(jī)器，在很多方面，它是“生成式人工智能”這個形容詞的名詞形式。
與其說是生成式人工智能，不如說是一個人工智能工廠。它是一個生成人工智能的工廠，而且我們正在以極大的規(guī)模來實(shí)現(xiàn)這一點(diǎn)。
人們開始意識到，這可能是一個新行業(yè)。它生成 tokens，生成數(shù)字，但這些數(shù)字以相當(dāng)有價(jià)值的方式組成。那么，哪些行業(yè)會從中受益？
然后，你再退一步，問自己英偉達(dá)在做什么。
一方面，我們重新發(fā)明了我們所知道的計(jì)算，因此有價(jià)值數(shù)萬億美元的基礎(chǔ)設(shè)施需要現(xiàn)代化，這是其中一層。
更大的層面是，我們正在構(gòu)建的這個工具不僅僅是為了我們正在現(xiàn)代化的數(shù)據(jù)中心，而是用于生產(chǎn)一些新的商品。這個新商品行業(yè)能有多大？很難說，但可能價(jià)值數(shù)萬億美元。
所以，如果你退一步看，我們不再制造計(jì)算機(jī)了，我們在制造工廠。
每個地方都需要它，每個公司都需要它。你能舉出一個公司或行業(yè)說“你知道嗎，我們不需要生產(chǎn)智能，我們已經(jīng)擁有足夠多了”嗎？
所以，我認(rèn)為這是一個重大理念，這是一種抽象的產(chǎn)業(yè)視角。
有一天，人們會意識到，在很多方面，半導(dǎo)體行業(yè)并不是關(guān)于制造芯片，而是關(guān)于為社會構(gòu)建基礎(chǔ)結(jié)構(gòu)。然后，突然之間，大家都會說：“啊，我明白了，這是件大事?！?/p>
具身智能
主持人：
您現(xiàn)在如何看待“具身化”？
黃仁勛：
我非常興奮的一點(diǎn)是，在很多方面，我們接近于人工通用智能，但我們也接近于人工通用機(jī)器人。token 就是 token，問題是你能否將其 token 化。
當(dāng)然，正如你們所知，token 化并不容易。但如果你能夠?qū)⑹挛?token 化，與大型語言模型和其他模態(tài)對齊，假如可以生成一個視頻，內(nèi)容是我伸手去拿咖啡杯，為什么我不能提示機(jī)器人生成能夠拿起咖啡杯的 token 呢？
直覺上，你會認(rèn)為對于計(jì)算機(jī)來說，問題陳述是相當(dāng)相似的。所以，我認(rèn)為我們非常接近了，這令人難以置信的興奮。
現(xiàn)在，有兩個“棕地”（Brownfield）機(jī)器人系統(tǒng) ——“棕地”意味著你不需要改變環(huán)境 —— 即自動駕駛汽車和具身機(jī)器人。
通過汽車和人形機(jī)器人，我們實(shí)際上可以在不改變世界的情況下將機(jī)器人帶到世界上，因?yàn)槲覀円呀?jīng)為這兩樣?xùn)|西構(gòu)建了世界。
也許馬斯克專注于這兩種形式的機(jī)器人并非巧合，因?yàn)樗鼈兛赡芫哂芯薮蟮臐撛谝?guī)模。
所以，我認(rèn)為這是令人興奮的，但其數(shù)字版本同樣令人興奮。
我們正在談?wù)摰氖菙?shù)字員工或 AI 員工。毫無疑問，我們將擁有各種各樣的 AI 員工。未來將擁有生物智能和人工智能，我們以相同的方式去提示（Prompt）它們。
我大多數(shù)時候都是提示我的員工，向他們提供背景，要求他們執(zhí)行任務(wù)，他們會去招募其他團(tuán)隊(duì)成員，然后回來，我們來回溝通。這與各種 AI 員工有何不同呢？
所以，我們將擁有人工智能營銷人員、人工智能芯片設(shè)計(jì)師、人工智能供應(yīng)鏈人員等等。
我希望有一天，英偉達(dá)在生物智能層面上變得更大，但在人工智能層面上變得大得多。這是我們未來的公司。
主持人：
如果我們一年后再來和您交談，您認(rèn)為公司哪個部分最具人工智能化？
黃仁勛：
我希望是芯片設(shè)計(jì)，這是最重要的部分。因?yàn)樗鼘ξ覀兊挠绊懽畲螅彩俏覀兛梢援a(chǎn)生最大影響力的地方，這是一個極其困難的問題。
我們與 Synopsys 和 Cadence 合作。我完全可以想象他們擁有 AI 芯片設(shè)計(jì)師給我租用，他們對特定的模塊有所了解，熟練使用特定的工具，我們將根據(jù)需要雇傭一大批他們的人工智能設(shè)計(jì)師，在芯片設(shè)計(jì)的對應(yīng)階段幫助我們。
也許我會租用一百萬個 Synopsys 的工程師來幫助我，然后再租用一百萬個 Cadence 的工程師來幫助我。對他們來說，這是一個多么令人興奮的未來，他們擁有所有這些智能體，在他們的工具平臺之上并與其他平臺協(xié)作。
你也會在 SAP 和 ServiceNow 那里這樣做。人們說這些 SaaS 平臺將被顛覆，我實(shí)際上認(rèn)為相反，他們正坐在金礦上，如 Salesforce、SAP 等將因?qū)I(yè)智能體繁榮發(fā)展。
Salesforce 有 Lightning，SAP 有 ABAP，每個人都有自己的語言，對嗎？我們有 CUDA，還有用于 Omniverse 的 OpenUSD。
誰會創(chuàng)建一個在 OpenUSD 上非常出色 AI 智能體？我們會，因?yàn)闆]有人比我們更關(guān)心它。
因此，我認(rèn)為在很多方面，這些平臺將涌現(xiàn)出大量的智能體，我們將把它們彼此引介，它們將協(xié)同合作，解決問題。
AI for Science
主持人：
您看到有許多人在人工智能的各個領(lǐng)域工作，您認(rèn)為有哪些被低估的領(lǐng)域，或者您希望更多的企業(yè)家、工程師或商業(yè)人士參與哪些方面的工作？
黃仁勛：
首先，我認(rèn)為被誤解和低估的是在水面之下的活動，即在人工智能和機(jī)器學(xué)習(xí)影響下的突破性科學(xué)、計(jì)算機(jī)科學(xué)和工程學(xué)。
我認(rèn)為，你無法走進(jìn)任何一個科學(xué)系、理論數(shù)學(xué)系，而不看到人工智能和機(jī)器學(xué)習(xí)，以及我們今天所談?wù)摰倪@些工作將如何在明天帶來變革。
如果你把世界上的所有工程師、所有科學(xué)家聚在一起，并且你認(rèn)為他們今天的工作方式是未來的早期跡象，那么你將在短時間內(nèi)看到人工智能的海嘯，機(jī)器學(xué)習(xí)的海嘯，改變我們所做的一切。
請記住，我看到了計(jì)算機(jī)視覺的早期跡象，看到 Alex、Ilya 和 Hinton 的工作（AlexNet），看到 Yann LeCun，當(dāng)然還有斯坦福的吳恩達(dá)。
我們很幸運(yùn)地從貓的視覺推斷出了計(jì)算機(jī)科學(xué)和計(jì)算的深刻變革，這樣的推斷對我們來說是幸運(yùn)的。
現(xiàn)在我們被它所激勵，以至于改變了我們所有的做事方式。
但這花了多長時間？從觀察到那個玩具般的 AlexNet，按今天的標(biāo)準(zhǔn)它被認(rèn)為是一個玩具，到在物體識別方面達(dá)到超越人類的能力，只用了幾年時間。
現(xiàn)在正在發(fā)生的是所有科學(xué)領(lǐng)域變革的浪潮，沒有一個科學(xué)領(lǐng)域被落下。
我想非常明確地說，從量子計(jì)算到量子化學(xué)，所有科學(xué)領(lǐng)域都參與了我們正在討論的（AI 協(xié)作）方法。
如果我們再給自己兩三年時間，世界將會改變，將不會有一篇論文、一項(xiàng)科學(xué)或工程突破，其基礎(chǔ)不是生成式人工智能。我現(xiàn)在非常確定這一點(diǎn)。
對于很多關(guān)于這是否是曇花一現(xiàn)的問題，你只需要回到第一原理，觀察實(shí)際發(fā)生的事情。
計(jì)算堆棧，也就是我們進(jìn)行計(jì)算的方式，已經(jīng)改變。編寫軟件的方式已經(jīng)改變，這是非常核心的東西。
軟件是人類編碼知識的方式，這是我們編碼算法的方式。我們現(xiàn)在以非常不同的方式編碼它，這將影響一切，其他任何東西都將不同于以往。
所以，我認(rèn)為，我是在和已經(jīng)理解這一點(diǎn)的人交談，我們都看到了同樣的事情。
你們所合作的所有初創(chuàng)公司，我所合作的科學(xué)家和工程師，沒有人會被落下。
我們將帶著所有人一起前進(jìn)。
黃仁勛每天都在用 AI
黃仁勛：
我自己每天都在使用 AI，我不知道你們怎么樣，但 AI 現(xiàn)在是我的導(dǎo)師。
我學(xué)習(xí)任何東西都會先去找 AI。
為什么要用困難的方式去學(xué)習(xí)呢？直接去找 AI，直接去找 ChatGPT，或者有時我會用 Perplexity，這取決于我問題的表述方式，我就從那里開始學(xué)習(xí)。然后，如果你愿意，你可以深入研究。
但天哪，這真是太棒了。幾乎所有我知道的東西，我都會再三確認(rèn)。即使對于一個事實(shí)，我認(rèn)為的基本真理，而且我是專家，我仍然會去找 AI，檢查、再檢查。
這太棒了，現(xiàn)在我做幾乎所有的事情都涉及到 AI。
One More Thing
最新爆料，根據(jù)最近即將出版的張忠謀傳記，2013 年左右臺積電曾詢問黃仁勛是否有興趣接任 CEO，但老黃拒絕了。
10 多年前，英偉達(dá)還不是像今天這樣的龐然大物。但剛剛推出 Kepler 架構(gòu) GPU 系列，新的 Tegra 系列移動芯片，以及 Shield 游戲機(jī)，并繼續(xù)進(jìn)軍數(shù)據(jù)中心。
當(dāng)時黃仁勛對英偉達(dá)未來充滿信心，宣布在公司現(xiàn)有總部以西建造一個更大的總部。
臺積電不得不選擇 Plan B，從內(nèi)部提拔兩名工程師高管并培養(yǎng)成商人，建立雙領(lǐng)導(dǎo)制，分別擔(dān)任董事長和 CEO。作為對比，黃仁勛一直在英偉達(dá)同時擔(dān)任董事長兼 CEO。
現(xiàn)在，黃仁勛對數(shù)據(jù)中心和人工智能的戰(zhàn)略愿景幫助英偉達(dá)成為全球市值最高的公司。
完整視頻：
https://youtu.be/hw7EnjC68Fw?si=SbOfncJCXs0_zt3L
參考鏈接：
[1]https://www.tomshardware.com/tech-industry/tsmc-founder-once-asked-nvidias-jensen-huang-to-take-the-reins-according-to-upcoming-morris-chang-biography
本文來自微信公眾號：量子位（ID：QbitAI），作者：夢晨
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。