2024 年 3 月初，NVIDIA（中文译名英伟达）CEO 黄仁勋回到母校美国斯坦福大学，参加了两场问答，都是信息量极大的现场提问式对谈，一场详述自己的创业过程、管理思考和实践，另一场对科技世界做了现实描述和大胆推演。
黄仁勋详细回答了这些问题：
- 产品面向尚不存在的市场，如何说服投资者投资？
- 在超级不利情况下，如何决定下一步来挽救公司？
- 技术拐点出现之前，凭什么敢于下注？什么是公司成功的早期指标？
- 公司非常艰难的时期，如何掌控局势、让员工专注目标？
- 生成式人工智能已经达到临界点，最让他兴奋的应用是什么？
- 未来十年，英伟达会面临哪些挑战？有什么应对之策？
- 对于开发 AI 是否有所担忧？何时实现 AGI?
- 未来 AI 需要多少半导体产能？
这次对谈，小雅印象最深刻的，是黄仁勋作为创造未来的企业家，如何面对和克服真实的人性弱点，去面对科技领域极大的不确定性。
譬如，他说的这几句话，值得细品。
1，你无法逃避自己的过去，所以要把自己的过去干好。
2，当有人跟我说我没听过的事情，或者听说过但不懂原理，我的想法总是：能有多难呢？可能看本书就搞定了，可能找一篇论文就能搞清楚原理。
3，经常鞭策公司和自己回归问题的本质，会创造出大量的机会。
4，你应该寻找未来成功的早期指标，而且越早越好。
5，注重工作的重要性而非市场规模。因为工作的重要性是未来市场存在的早期指标。
6，（当遇到巨大挑战时），你必须始终牢记核心，你相信什么？最重要的事情是什么？一项项确认。然后，再回到你的工作核心，继续工作。
7，公司应该对别人总能做好的事情，保持懒惰的态度。我们应该去做那些 “如果我们不做、就会出问题” 的事情。你必须说服自己：如果我不做，这件事就做不成。这会赋予你使命感。
这些极为朴素本质的思维和做事方式，小雅很有获得感。很多时候，我们因为欲望和恐惧，眼高手低和不敢前行，黄仁勋的清障方式，值得学习。
科技企业家创造未来，基金经理和我们投资未来，对于未来，我们适当做一些了解，对职业发展、生活和投资都有好处。
以下是黄仁勋在斯坦福大学的两场对谈全文，视频网上都有，译文来自网络，小雅做了文字再梳理。
以下，第一场问答实录。
要把自己的过去干好
主持人：祝贺回到斯坦福，我想先聊聊您离开斯坦福的那段经历。当时您加入了 LSI Logic（美国逻辑芯片公司），那是当时最棒的公司之一。您也在很多人心中树立了良好声誉，但却决定离开去创业。为什么会做这样的决定？
黄仁勋：是 Chris 和 Curtis（两位英伟达联合创始人、黄仁勋的好友）。当时我在 LSI 做工程师，他们在 Sun 工作。我当时跟 CS 领域最聪明的人共事，制造各种工作站包括图形工作站。
有一天，Chris 和 Curtis 说，他们想离开 Sun，让我帮忙想想做什么好。我有一份很好的工作，但他们坚持要我加入他们，一起想想如何创立一家公司。
每当他们过来时，我们就在 Denny’s 聚会，那几乎算是我最初效力的公司。我成为 CEO 之前的第一份工作是洗碗工，那份工作我做得很出色。总之，我们经常聚会，那段时期正在发生微处理器革命。
那是在 1992 到 1993 年期间，PC 革命才刚开始。革命性的 Windows95 还没上市，奔腾处理器甚至还没发布。这一切都发生在 PC 革命爆发之前，显而易见，微处理器会非常重要。
于是我们想，为什么不创立一家公司，去解决通用计算机无法解决的问题呢？这便成了公司使命：制造特殊的计算机，去解决普通计算机无法解决的问题。直到今天，我们还一直专注在做这件事。
我们一直在开拓市场，面对着市场中的各种问题。比如计算机药物设计、天气模拟，材料设计，这些都是我们引以为豪的东西。还有机器人、自动驾驶汽车，以及人工智能的自主软件。
我们不断推动技术进步，最终计算成本接近于零。这促成了一个全新的软件开发方式：计算机自己编程，也就是我们今天熟知的人工智能。就是这样。
主持人：这是整个历程，如今我们都在关注这些应用。那时，LSI 的 CEO 说服了他的最大投资者 Don Valentine 与您会面，也就是红杉资本的创始人。您是如何说服硅谷最炙手可热的投资者为您投资的呢？您的团队是初创者，产品是面向尚不存在的市场。
黄仁勋：我不知道怎么写商业计划书，所以我去了家书店，那时候还有书店呢。商业书籍区有本书，作者我认识，是 Gordon Bell。这本书我应该再去把它找出来，它非常厚，书名叫《如何写商业计划书》。
对于一个很小众的市场来说，这个书名相当具体了，感觉像是他特意为十几个人写的，而我就是其中之一。
我买了这本书，立刻就意识到这是个坏主意，因为 Gordon 非常聪明，聪明人总有很多话想说。我很确定，Gordon 想从头到尾教我怎么写商业计划书。
所以，我拿起这本书，大概有 450 页。好吧，我从没读完过，根本读不完。我随便翻了几页，然后想：算了。等我读完它，公司估计都倒闭了，钱也花光了。
Laurie 和我当时银行里只有六个月左右的生活费，我们已经有了 Spencer 和 Madison，还有一条狗，所以，我们一家五口只能靠手头这点存款生活。因此，我的时间不多，我没有写商业计划书，而是直接去找了 Wilf Corrigan。
他曾经有一天给我打电话说：“嘿，你离开公司了，都没告诉我你干嘛去了，我希望你能来给我讲讲。” 我回去给 Wilf 做了详细介绍。Wilf 听完我的介绍后说：“我完全不明白你在说什么，这是我听过最烂的创业推销之一。”
随后，他拿起电话打给 Don Valentine 说：“Don，我要给您送个小伙子过去，我希望您能给他投资。他是我在 LSI 最棒的员工之一。”
我学到的教训是：你可以忽悠出一个精彩面试，你也可能会把面试搞砸，但你无法逃避自己的过去，所以要把自己的过去干好。
从很多方面来说，我说我是个好洗碗工是认真的，我可能是 Denny’s 餐馆史上最好的洗碗工。我有规划，注重组织有序，我准备工作很用心，然后全力以赴地清洗盘子，之后，我被提拔为服务员，我是 Denny’s 最好的服务员。
我从不空手离开工作区，也不空手回来，我效率很高。总之，我最终成为了 CEO，但我仍在努力成为一名优秀的 CEO。
创造技术、创造市场
主持人：您曾说要做到最好，要成为后来获得投资、做同样事情的 89 家公司中最优秀的。当公司资金仅够维持 6 到 9 个月时，您意识到最初的愿景行不通。在如此不利的情况下，您如何决定下一步来挽救公司呢？
黄仁勋：我们创立了加速计算公司（英伟达）。问题是，它用来做什么？它的杀手级应用是什么？我们做了第一个重大决定，这也是红杉投资的项目。
我们的第一个重大决定就是，首个重点应用领域是 3D 图形。是 3D 图形技术，具体应用程序是电子游戏。
当时，3D 图形技术还做不到廉价。硅谷图形芯片产品要上百万美元，做廉价版本很难。而电子游戏市场当时的价值是零，根本不存在。你有一项难以商品化的技术，瞄准的是一个尚未存在的市场，这个交集就是我们公司的创立点。
我还记得，当我完成展示后，Don 说了句话，当时很有道理，今天听来也是：“初创公司不该投资初创公司，或者跟初创公司合作。”
他的观点是，为了让英伟达成功，我们需要另一家初创公司也取得成功，就是 Electronic Arts。那家公司的 CTO 只有 14 岁，得由他妈妈开车送他上班。
他想提醒我，这就是我要依靠的人。他说：“你要是赔了我的钱，我杀了你。” 这就是我对第一次会议的回忆。
尽管如此，我们还是有所创造。接下来几年，我们着手开拓市场，为 PC 创造游戏市场。这花了很多时间，直到今天，我们还在耕耘这块领域。
我们意识到，为了把百万美元的计算机图形技术商品化，使其适配进入售价 300 美元、400 美元、500 美元范围的电脑，你不仅要创造新技术，还得发明新的计算图形处理方式。同时，你还需要去开拓全新的市场。
因此，我们必须不断创造新技术、新市场。这种 “创造技术、开拓市场” 的理念，定义了我们公司。我们做的几乎每件事情都是创造技术、创造市场。这就是人们说的生态链的本质。
过去 30 年里，英伟达的核心领悟就在于：为了让别人购买我们的产品，我们必须亲手开拓这个新市场。
这就是为何我们很早就开始布局自动驾驶、深度学习，以及在很多领域都处于前沿，包括计算药物设计和发现。我们在创造技术的同时，致力于开拓所有这些不同领域的市场。
接下来，我们步入正轨。随后，微软推出了 Direct 3D 的标准，这催生了成百上千家公司。几年后，我们发现，自己在跟几乎所有人竞争。我们赖以创立公司、开拓消费级 3D 图形的那项发明技术，居然跟 Direct 3D 标准不兼容。
我们创立公司，想把百万美元的发明技术商品化，但很快发现，它与新的标准不兼容。我们不得不更改赛道，否则就只能倒闭。但我们不知道如何按照微软的方式来构建它。
我还记得那次会议上的讨论：我们现在有 89 个竞争对手，我们知道之前的方式不对，但我们不知道正确的方式是什么。
幸运的是，我又看到一家书店 Fries Electronics。我不知道它现在还在不在。有个周末我带女儿 Madison 去书店，看到了这本书 ——Open GL 手册，定义了硅谷图形的计算机图形处理方式。一本 68 美元，我带了几百块钱，买了三本。
我把书带回办公室，对大家说：“我找到了我们的未来。” 我把三本书分发下去传阅，中间有大幅的折叠插页，这个插页就是 Open GL 流水线计算机图形处理流水线。我把它交给了与我共同创办公司的那些天才手中。
我们以前所未有的方式，实现了 Open GL 流水线，构建出世界从未见过的东西，其中有很多经验教训。对我们公司来说，那一刻给了我们极大的信心：即使对所做的事情一无所知，也能成功创造出未来。
现在这就是我对所有事情的态度。当有人跟我说我没听过的事情，或者听说过但不懂原理，我的想法总是：能有多难呢？可能看本书就搞定了，可能找一篇论文就能搞清楚原理。我确实花了很多时间阅读论文，这是真的。
当然，你不能照搬别人的做法，指望会有不同的结果。但你可以了解某件事情的实现原理，然后回归问题的本质，扪心自问：基于现有的条件、动机、手段和工具，以及一切如今的变革，我会怎么去重做这件事？我会如何重新发明它？我会如何设计它？
如果今天造一辆车，我会沿用过去的方式吗？如果今天让我创造一台计算机，我会采用怎样的方式？如果今天让我来编写软件呢？
这么想有道理吗？即使是今天的公司，我也经常回归本质，从头思考。这是因为世界已经变了。
过去，编写软件的方式是单一的，是为超级计算机设计的，但现在软件架构已经解耦等等。我们今天思考软件、计算机的方式一直在改变。经常鞭策公司和自己回归问题的本质，会创造出大量的机会。
主持人：运用这种技术时，结果可能是革命性的。公司上市之后，获得了更快发展，四年里营收增长了九倍。但您却因为一通化学教授的电话，转变了英伟达的创新方向，能讲讲这个过程吗？您是如何把谈话与英伟达的未来联系起来的？
黄仁勋：本质上，英伟达是在开创一种全新的计算方式。
计算机图形是第一个应用领域，但我们一直知道会有其他应用。陆续有图像处理、粒子物理、流体等领域开始使用我们的技术。还有很多我们想做、觉得会很有趣的应用领域。
我们努力让处理器更具编程性，让它可以表达出更多样的算法。后来，我们发明了可编程着色器，让成像和计算机图形的各部分都具备了可编程性。这是一次重大突破。
我们试图找到一种方式，可以充分利用我们处理器（它和 CPU 有很大区别）来计算更复杂的算法。
大概是 2003 年，我们创造了 CG，C for GPUs 的简写。它比 CUDA 早了大约三年。编写那本曾挽救公司的教科书作者 ——Mark Kilgard，他也编写了关于 CG 的教科书，CG 非常酷，我们还出了教科书。
我们开始教人们如何使用它，也开发了一些相应的工具。后来，好几位研究人员看到了 CG，斯坦福大学很多研究人员和学生都在用它。很多后来成为 NVIDIA 工程师的人，当时也在捣鼓这个。
马萨诸塞有几位医生，开始使用 CGc 重建 CT 图像。我飞过去见了他们，问他们拿这个工具在干什么。他们告诉了我他们的工作。然后，一位量子化学家也用它来表达他的算法。
我意识到，有迹象表明，人们可能真的开始有需求使用它。这让我们逐步确信，我们应该更深入地发展这块领域。这个计算领域、这种计算形式能解决普通计算机难以解决的问题。这也强化了我们的信念，让我们继续前行。
寻找未来成功的早期指标
主持人：每次听到新的应用方式时，您都很惊喜，这似乎贯穿您在英伟达的领导生涯，您在技术拐点出现之前，就做了下注。当苹果终于从树上掉下时，您正穿黑色皮夹克在等着接住它。您是如何如此确信的？
黄仁勋：这感觉像是飞身接球，你的行动源于核心信念。
我们坚信可以创造出一种计算机，能解决一般计算无法解决的问题。我们相信 CPU 的能力是有极限的，通用计算的能力也有极限。同时我们也知道，能去解决一些有趣的问题。
但这些问题只是有趣吗？还是能扩展成有趣的市场？只有当它们成为市场时，才能保证可持续性。
英伟达有十年时间在投资未来，但市场并不存在。当时只存在一个市场：计算机图形。十几年的时间，推动我们今天发展壮大的市场根本不存在。
那么，你该如何继续带领身边的所有人：公司、管理团队、优秀的工程师、股东、董事会、合作伙伴？你带着所有人上路，但根本没有市场存在的证据。这是真的非常、非常具有挑战性。
我们的技术可以解决问题，有研究论文为证，这些都很有意思，但你得寻找市场。在市场出现之前，你仍然需要看到未来成功的早期指标。有句公司性行话叫关键绩效指标 KPI。不幸的是，KPI 很难理解，我觉得 KPI 很难理解。
什么是好的 KPI 呢？当我们看 KPI 时，很多人都会说毛利率，但那不是 KPI，那是结果。你应该寻找未来成功的早期指标，而且越早越好。原因是你想尽早看到自己正走在正确的方向上。
有个短语叫 EIOFS，是 “未来成功早期指标” 的缩写。我常使用这个词，它能帮助人们，给予公司希望：看，我们解决了这个问题，那个问题。市场尚不存在，但存在着一些重要问题，解决这些问题就是公司的意义所在。我们希望可持续发展，因此必须有市场在某个时刻出现。
但是，你要把结果与你正在做正确的事情的证据脱钩。当你投资某个非常遥远的事情，还得有信念坚持下去，解决问题的办法就是，尽早找出你做的事情是否正确的那些指标。
最开始。你得有一个核心信念，除非有什么改变了你的想法，否则，你就要继续相信它，并且寻找未来成功的早期指标。
主持人：英伟达的产品团队使用过哪些早期指标呢？
黄仁勋：各种各样的都有，我看过一篇相关论文。在此之前，我遇到过需要我帮助在某些领域深度学习的人。那时候，我甚至不知道深度学习是什么。
他们需要我们创建一个领域特定的编程语言，这样他们所有的算法都能在我们的处理器上轻松实现。我们创造了这个叫做 KU-DNN 的东西。它本质上是在深度学习领域的 SQL（数据库语言）。而 SQL 则应用在存储计算方面。
我们为深度学习创造了一门编程语言，就像是该领域的 Open GL。他们需要我们做这个，这样，他们才能表达他们的数学计算。他们不懂 CUDA，但他们懂深度学习。我们在中间给他们创造了这个工具。
我们之所以这么做，是因为即使当时市场规模是零…… 这些研究员身无分文，即使看不到财务回报、遥遥无期，只要你相信，公司也愿意去做。
这是我们公司的伟大能力之一。我们会问自己，这项工作是否有价值？它是否能在某个重要的领域推动科学的发展？注意，这是我从一开始就强调的事情。从创立之初，我们就一直注重工作的重要性而非市场规模。因为工作的重要性是未来市场存在的早期指标。
没有人需要做商业分析报告，没有人需要给我看损益表、或财务预测。唯一的问题是，这项工作重要吗？如果我们不来做的话，这些事还会不会发生？如果我们不做、事情也会自然发展，我其实特别高兴。因为你想想，你什么都不用做，世界却变得更好了，这是终极懒人的定义。
从很多方面来说，你需要养成这种习惯：公司应该对别人总能做好的事情，保持懒惰的态度。如果别人能做，那就让他们去做吧。我们应该去做那些 “如果我们不做、就会出问题” 的事情。
你必须说服自己：如果我不做，这件事就做不成。这是一项艰巨而重要的工作，它会赋予你使命感。
我们公司一直在选择这样的项目，深度学习只是其中之一。这种项目早期成功的迹象是吴恩达的人工智能识别猫。Alex 检测出了猫，虽然不是每次都能成功，但至少能证明这条道路可能有所发展。
我们分析了深度学习的结构，我们是计算机科学家，我们理解事物运行的原理。我们说服自己这个技术能改变一切。无论如何，这就是一个例子。
牢记核心：你相信什么？最重要的事情是什么？
主持人：您的这些选择取得了巨大回报，字面和喻意都如此。但金融危机期间，华尔街不相信您押注的机器学习，公司市值蒸发 80%，您带领公司经历了非常艰难的时期。在那种情况下，您是如何掌控局势、让员工专注目标？
黄仁勋：我在那段时间的反应和过去一周的反应完全一样。之前你问我本周的事，我的反应没有任何变化。本周与上周、或前一周毫无不同。
当然，股价跌了 80% 确实有点难堪。你只想穿一件写着 “不是我的错” 字样的 T 恤出门。更糟的是，你不想起床，不想出门。这些都很真实，但随后你还是得投入工作。
我在同一时间醒来，用同样的方式规划我的一天。我回归初心：我相信什么？你必须始终牢记核心，你相信什么？最重要的事情是什么？一项项确认。这样做有帮助。
家人爱我吗？是的，很好。
你就得逐条确认。再回到你的工作核心，继续工作。然后，每次对话都回到工作核心，让公司的注意力集中在核心上。
你坚信吗？有什么东西改变了吗？股价变了，但还有其他东西变了吗？物理定律变了？万有引力变了？那些促使我们做出决定的事情，那些假设、那些信念有变化吗？
因为如果这些东西变了，那一切都得变。但如果它们不变，你也什么都不需要改变。继续走下去，这就是坚持的办法。
主持人：您的员工说，您不想公开露面，您在领导方面（连员工也不见。开玩笑的）。
黄仁勋：不，不幸的是，作为领导者你得让人看到，这才是难的地方。
我是学电气工程的，入学的时候年纪很小。我上大学的时候才 16 岁，很多事情都经历得比较早。我有点内向，很害羞，不喜欢公开演讲。当然，今天能来这里很开心…… 但这不是我的本性。
当有挑战时，站在你最关心的人面前并不容易。你能想象，在公司股价下跌 80% 时开会吗？
作为 CEO，我最重要的职责是站出来面对各位，解释情况。有时候你不知道原因，不知道会持续多久、有多糟糕。你对这些一无所知，但仍然必须去解释。
当面对所有人，你知道他们在想什么。有些人可能认为我们完了，有人可能觉得你是个白痴，有人可能在想别的事情。大家可能胡思乱想，你知道，但你还得站在他们面前去做艰苦的工作。
主持人：他们可能那么想，但您领导的团队没有一个人离开。
黄仁勋：他们找不到工作，我一直这么提醒他们，开玩笑的。
我身边都是天才，很不可思议。众所周知，英伟达拥有全球最出色的管理团队，这是世界上技术最深厚的管理团队。我身边都是这样的人，他们都是天才。商业团队、市场团队、销售团队，都非常出色。工程团队、研究团队简直难以置信。
CEO 应该拥有最多的直接下属：
鼓励各级员工直接向 CEO 汇报最重要的事
主持人：您的员工说，您的领导风格是非常投入。您有 50 个直接下属，但您鼓励各级员工，向您发送他们认为五件最重要的事情。您不断提醒大家，您不会看不上任何工作。您为什么设计这么扁平的组织结构？我们该如何思考未来要设计的组织架构？
黄仁勋：没有任何工作我看不上。别忘了我曾经真是个洗碗工。我洗过很多很多厕所，比你们所有人加起来还要多。那些画面挥之不去。我也不知道对你说什么，这就是生活。
你不可能给我一项我做不了的工作。我做事情，不是仅仅因为它是否配得上我。如果你给我发东西，想要我的意见，如果我能为你提供帮助，跟你分享我的思考过程，那我就能有贡献，让你看到我是如何进行推理的。
了解一个人处理事情的思考方式，能赋予你力量。你会想：“天哪，原来他是这么思考这种事情的。”
其实复杂程度没有想象的那么大。你会知道，原来可以这么处理模糊不清的事情，你会知道，如何处理无法估计的事，你会知道，如何处理看似很可怕的事情，你会知道怎么……
明白吗？我一直在给大家示范怎么进行推理，所谓的战略，就是如何预测某事，如何分解问题。你在不断地赋权众人。我就是这样看待这事的！
如果你发东西给我审阅，我会尽力而为，然后让你知道我会怎么做。这个过程中，我也从你那里学到了很多，对吧？你提供了大量信息，让我学到了很多。
我觉得，这个过程很有回报。有时候，确实会很耗费精力为了给别人增值，他们本来就很聪明，我身边都是这种人。要想给他们增值，你至少要达到他们的水平。你必须进入他们的思维空间，这真的很难。需要消耗大量的情感和智力能量。在做完这样的事情后，我会感到精疲力竭。我身边很多优秀的人。
CEO 应该拥有最多的直接下属，因为能直接汇报给 CEO 的人需要的管理最少。若 CEO 的下属很少，在我看来毫无道理，除非说，CEO 知道的信息最有价值、最机密。他只能告诉给两三个人，这些人也只能告诉另外几个人。我不认同这种 “你掌握的信息就是权力” 的文化或环境。
我希望，我们都能为公司做贡献，我们在公司中的地位，应该取决于我们解决复杂问题的能力、带领他人取得卓越成就的能力、激发他人灵感的能力、赋能他人和支持他人的能力。
管理团队存在的目的是，服务其他员工，创造有利条件，让优秀人才愿意来为你工作，而不是去其他令人赞叹的高科技公司。他们选择、自愿来为你工作。因此，你应该创造出能让他们从事毕生工作的条件，这就是我的使命。
可能你已经听过我说这件事，而我也相信这一点。我的工作很简单，就是要创造你能够做毕生工作的条件。那么，我如何做到这一点？这种条件是什么样的呢？
嗯，这种条件会带来很大的自主性。只有当你了解环境时，你才会获得这种自主性，对吗？你必须了解所处状况的背景，才能想出好点子。
我必须创造让你知晓背景情况的环境，你得有知情权。得到知情权的最佳方式是，减少信息扭曲的层次。这就是为什么我很经常在这样的场合下进行推理。
我会说，这是最初的事实，这是我们拥有的数据。我要这样进行推理，以下是一些假设，以下是一些未知因素，以下是一些已知因素。所以你就进行推理了。现在，你已经建立了一个高度自主的组织。
英伟达有 3 万人。我们是世界上最小的超级公司。但每位员工都有很大自主权，每天帮我做明智决定。因为他们理解我的状态。我对人很透明，我相信我可以把信息托付给你。信息可能难理解、情况很复杂但我相信你可以应付。
我对很多人说过：“你们是成年人，可以应付这个的。” 但有些人不是真正的成年人，只是刚毕业（开玩笑的）。我刚毕业时不能算成年人，但我幸运地被信任和托付。我想这样做。我想为人们创造能够做到这一点的条件。
人工智能最让人兴奋的应用是什么？
未来的计算将高度依赖生成，而不是检索
主持人：我现在想谈谈大家都在想的话题 —— 人工智能。上周，您说生成式人工智能和加速计算已经达到临界点。随着这项技术变得越来越主流。您最兴奋的应用是什么？
黄仁勋：你必须回归初心，问问自己什么是生成式人工智能？发生了什么事？我们有了可以理解事物的软件，它们可以理解为什么…… 我们将所有东西数字化了，比如基因测序，数字化基因。
但这意味着什么呢？那串基因序列有什么意义？我们已经将氨基酸数字化但这是什么意思呢？我们现在有能力数字化文字、数字化声音，我们数字化图像和视频，我们数字化了很多东西。但是这意味着什么呢？
通过大量学习、大量数据以及从模式和关系中，我们现在理解了它们的含义。我们不仅理解它们的意思，还可以在它们之间进行转换，因为我们了解这些事物在同一个世界中的含义。
我们不是分开了解它们的。我们是在同一个上下文中学习口语、文字、段落和词汇。我们找到了它们之间的相关性，它们彼此都是有关联的。现在，我们不仅理解了模态、每个模态的含义，我们还明白如何在它们之间进行转换。
显而易见的应用如：视频生成文本，就是字幕；文本生成图像如 Midjourney；以及文本生成文本如 Chat GPT，太神奇了。我们现在知道，我们理解了含义，还可以转换。某些事物的转换等同于信息生成。
突然间，你得退后一步扪心自问，这会对我们所做的每一件事的每个层面带来什么影响？我在你们面前练习、我在你们面前推理。
和十几年前首次看到 Alex Net 时一样，当时我就这样推理。我看到什么了？多有意思？它能做什么？太酷了。最重要的是，这代表什么？对计算领域的每一层意味着什么？
因为我们处于计算的世界。未来，我们处理信息的方式将从根本上改变。这就是英伟达制造芯片和系统的原因。我们编写软件的方式也会从根本上改变。我们未来的软件类型会改变会催生新的应用程序。还有，这些应用程序的处理方式也会发生改变。
过去，模型基于检索预先记录的信息，我们编写文本、预先记录，然后基于算法来检索。在未来，某些信息的种子将成为起点。我们称之为 Prompt 提示词，然后生成其它的内容。未来的计算将高度依赖生成。
举个例子，我们现在正在聊天，我告诉给你们的信息，很少是检索所得，大多数是生成的，这就叫做生成式人工智能（AIGC）。未来计算机的运算会高度依赖生成，而非基于检索。
回到原点，你们创业时得自问：哪些行业会因此被颠覆？我们还会对网络持有同样的看法吗？我们还会对存储持有同样看法吗？我们还会像今天这样滥用互联网流量吗？可能不会。
我们此刻在对话，但不是你每问个问题，我就上车离开。我们不必像过去那样滥用信息传输。什么会更多出现？什么会减少？哪些新的应用程序？等等之类的问题。
你可以审视整个行业格局自问：什么会被颠覆？什么会改变？会出现哪些新事物？诸如此类。推理过程始于 “发生什么了？什么是生成式人工智能？” 从根本上，到底什么正在发生？对所有问题都回归本质。
我还想聊聊组织架构，你之前提问我忘了回答。创建组织的方式得回归本质，别管其它公司的组织架构，你记住组织是用来做什么的。
过去的架构是，上面一个 CEO，下面是辅佐大臣，层层向下，最底层就是普通员工。这样设计的目的，是希望员工获得的信息越少越好，因为士兵们的根本任务就是在战场上卖命。牺牲而不问，原因你们懂的。
我只有 3 万名员工，我不希望任何人去送死。我希望他们质疑一切，能理解吗？过去的组织方式与今天的组织方式截然不同。
问题是：NVIDIA 要创造什么？组织架构的目标，是让我们更好地去创造我们要创造的东西。大家创造的东西不同，为什么还要用相同的组织架构方式呢？为什么采用相同的组织架构、而不考虑你们要创造的是什么？毫无道理。
你造计算机，用一种架构去组织。你提供医疗服务，如果还用完全相同的架构去组织，这完全说不通。
你得回归本质自问：需要什么样的架构？输入是什么？输出是什么？这个环境有什么特性？这种动物必须生活在什么样的环境中？它的特性是什么？大部分情况下是稳定的吗？是不是每时每刻都努力榨干最后一滴水？还是时常变化、随时会被攻击？
你得明白，作为 CEO，你的工作就是架构这个公司。这是我的首要工作 —— 创造条件，让你能做毕生的事业。架构必须正确，你必须回归本质，思考这些问题。
我很幸运，在 29 岁的时候，有机会退后一步思考：我如何为未来构建这家公司，它的样子会是怎样？它的操作系统是什么也就是企业文化？我们鼓励和推广哪些行为、不鼓励哪些行为？等等。
思维方式：不从当前位置向前看，
快进到未来，再往回看
主持人：今年我们的主题是重新定义明天，有个嘉宾的问题是，作为英伟达的联合创始人和 CEO，如果您闭上眼、神奇地改变关于明天的一件事，会是什么？
黄仁勋：我们是不是应该事先想这个问题？要不然，我会给您一个糟糕答案。
我个人观点，世上有很多事我们无法控制，你的工作是做出独特贡献、有目标的生活，做一些只有你才能做或会去做的事，做出独特贡献，在你离开世界后，大家会觉得因为有你，世界变得更好了。对我来说，我就是这样过日子的。我会快进到未来，再往回看。
你的问题其实和我思考问题的视角完全相反，我不从当前位置向前看，我快进到未来，再往回看。因为这么做更容易。我会往回看，翻看历史。我们用这种做法、那种方式解决了某些问题…… 说得通吗？
这有点像你们解决问题的方式。你搞清楚最终想要的结果，然后反推实现它的方法。所以，我设想 NVIDIA 为推动计算领域发展做出独特贡献，因为计算是推动整个人类进步的最大动力。
这不是自我吹捧，而是因为这是我们擅长的领域，且难度极高。我们坚信自己能做出绝对独特的贡献。到今天，公司已经走过了 31 年，但我们的征途才刚开始，这是极难的目标。
当我回首往事时，我相信我们会被铭记，成为一家改变了世界的公司，不是因为我们到处宣讲，通过言行改变世界，而是因为我们坚持做一件难度极高的事，这件事是我们擅长、热爱而且做了很久。
未来十年，英伟达会面临哪些挑战？
观众：我是 GSP 项目的负责人。我的问题是：您如何看待公司在未来十年的发展？您认为公司会面临哪些挑战？以及您对此的策略是什么？
黄仁勋：首先，我能说说您提问题时我脑海中的想法吗？当您说 “有哪些挑战” 时，一大堆挑战在我脑中闪过，以至于我当时在想，选哪个说比较好。
现在，我脑海中的大多数都是技术挑战，因为我整个早上都在处理这些问题。但如果您昨天问，我可能想的大多是市场开拓相关的挑战。有些市场我也非常想开拓。能不能快点行动？但我们无法单枪匹马实现它。
英伟达是一家技术平台型公司，我们服务于很多公司，希望我们的梦想能通过它们实现。有些事，我很想看到。
比如，让生物学领域达到像 40 年前的芯片设计行业那样的状态。当年的计算机辅助设计（EDA）软件、整个 EDA 产业，成就了我们今天所拥有的一切。我相信，明天我们会让生物领域也实现同样的突破。
今天，我们有能力将计算机辅助药物设计与基因、蛋白质、甚至细胞结合。我们非常、非常接近能表示和理解细胞的含义，那是大量基因的组合。细胞代表着什么？如果我们能像理解文字那样理解细胞，想象一下前景，我迫不及待地期待那一天的到来。对此，我感到很兴奋。
还有一些我感到兴奋、确信马上要取得突破的领域。比如，以人为导向的机器人技术非常接近取得突破。原因是，如果你能将语音进行切分成单元并理解，那么，为什么不能对动作进行同样的处理呢？
所以，一旦在某个领域想通了这些计算机科学技术，你就会去思考：既然能做这个，为什么不能做那个？这些让我很兴奋。这个领域的挑战，是令人愉快的挑战。
当然，还有一些不太愉快的挑战，比如产业问题、地缘政治问题和社会问题。你们应该都听说过这些了，这些都是真实存在的问题。全球范围内的社会问题、地缘政治问题。
为什么我们不能相处好呢？我们为什么要在世界上说那些话？为什么要说那些话然后在世界上放大它？为什么我们必须这么地批判别人呢？所有这些问题，你们都知道，我不需要再重复一遍。
是否担忧 AI 开发速度？
AI 是否需要监管制度？
观众：您是否对我们开发 AI 的速度感到任何担忧？您认为是否需要监管制度？
黄仁勋：答案是肯定的，也是否定的。
现代 AI 最伟大的突破是深度学习，有了长足的进步。但另一个不可思议的突破是人类常有、常使用的一项能力。我们把它应用在语言模型上称为基础、强化学习、人为反馈。我每天都在提供强化学习与人为反馈。这就是我的工作。
在场的各位家长，你们也一直在提供强化学习与人为反馈。如今，我们才弄清楚如何将这个系统性地应用在人工智能上。还有很多其它防范手段：例如，微调、基础。如何生成遵循物理定律的数据？
目前，有些模型生成的物体会在太空中飘、不遵循物理定律。这需要技术来解决。防范需要技术，微调需要技术，使 AI 与人类目标相一致需要技术，安全也需要技术。
飞机之所以安全，是因为所有的自动驾驶系统，都由多样性和冗余性系统支持，还有各种各样新发明的功能安全和主动安全系统。我们需要更快、更快速地发明出所有与之类似的技术。
安全和人工智能之间的界限、网络安全和人工智能之间的界限，将会变得模糊而紧密交融。在网络安全领域，我们需要技术非常、非常快速地进步才能保护我们免受人工智能的伤害。从很多方面来看，我们需要技术更快推进，远比现在快得多。
监管有两类：有社会监管，我真不知道该如何处理；也有产品和服务监管，这点我非常清楚该怎么做。
FAA、FDA、NITSA 等等各种联邦政府机构，它们针对特定用途的产品和服务有各种监管措施。律师行业有职业资格考试、医生行业也是，如此等等。你们都有资格认证考试。都有需要达到的标准都需持续考取资质认证。会计师行业也是如此等。
不管是产品还是服务都已经有很多、很多的监管制度。请不要再额外增加一套横跨所有行业的超级监管。
监管会计行业的监管者，不应该去监管医生。我喜欢会计师，但如果我需要做心脏搭桥手术，会计师能算账固然不错但显然不能做心脏搭桥。我希望已有产品和服务的监管在人工智能的背景下加强。
我漏掉了很重要的一个方面，那就是 AI 给社会带来的影响。如何应对呢？我没有很好的答案，不过，已经足够多的人在讨论了。但重要的是，把这一切划分成很多个子问题。
能理解吗？这样，我们才不会过度聚焦于一个领域，而忘记了大量常规领域还可以做的事。那样的结果是，人们会死于车祸和飞机事故 —— 毫无道理。我们应该确保在那些领域做到位，很务实。
一个人生建议：
拥有一个核心信念，持之以恒地追求
主持人：按照惯例，我们有些快问快答问题。
您第一份工作是 Denny’s 餐厅，他们现给您设了专门的卡座。在那里的工作，您最美好的记忆是什么？
黄仁勋：我第二份工作是 AMD，他们有给我设专门卡座吗？开玩笑啦。我很喜欢那份工作。真心喜欢那是一家很棒的公司。
主持人：如果全球各地都出现黑色皮夹克短缺，您会穿什么？
黄仁勋：我储备了一大堆黑色皮夹克，我是最不需要担心这个的人。
主持人：您谈了很多关于教科书的事。如果您要写一本，主题会是什么？
黄仁勋：我不会写的。您问的是一个假设性、毫无可能性实现的问题。
主持人：这很公平。最后，如果您能分享一条简短的建议给斯坦福，会是什么呢？
黄仁勋：拥有一个核心信念。每天都发自内心地检视目标，竭尽全力追求，持之以恒地追求。和您爱的人一起，携手踏上正途。
这就是英伟达的故事。
下面是黄仁勋另一场活动上的第二个对谈。
半导体技术发展的突破口在哪里
主持人：在我的一生中，我认为最大的半导体技术发展突破是晶体管。现在这是一个非常基础的发明，但我应该重新思考，技术突破要变成人工智能吗？
黄仁勋：首先，晶体管显然是一个伟大发明，但最伟大的能力是，它使得软件成为可能，人类能够以可重复的计算方式，表达我们的想法和算法，这是突破。
我们公司在过去 31 年里致力于一种新的计算形式，称为加速计算。我们的想法是，通用计算并不适用于每一个工作领域。所以说，为什么不发明一种新的计算方式，去解决通用计算不适合解决的问题？
我们在特定计算领域有效地做到了这一点。这本质上是算法的可以并行化。我们已经将计算机的计算成本降低到接近零。
当能够将某物的边际成本降低到接近零时，会发生什么？我们启用了一种新的软件开发方式，过去是由人类编写的。现在我们可以让计算机来编写软件，因为计算成本接近零。
你不妨让计算机去处理大量的经验。我们称之为数据、数字经验，人类的数字经验，让它去发现关系和模式，从而代表人类知识。这个奇迹发生在大约十五年前。我们看到了这一点，让整个公司都投入到这个领域。结果，过去 10 年里，我们将深度学习的计算成本降低了 100 万倍。
很多人说，Jensen（黄仁勋的英文名），如果你将计算成本降低了 100 万倍，人们就会买得更少。但事实恰恰相反。
我们看到，如果我们能够将计算的边际成本降低到接近零，我们可能会用它来做一些疯狂的事情。大型语言模型，从互联网上提取所有的数字人类知识，将其放入计算机中，让它找出知识是什么。
这个想法，将整个互联网的内容刮取出来，放入一台计算机中，让计算机找出程序是什么，这是一个疯狂的概念，但如果没有将计算的边际成本降低到零，你永远不会考虑去做它。
我们取得了这个突破。现在我们启用了这种新的软件开发方式。想象一下，对于那些对人工智能还不熟悉的人来说，我们找到了一种方法，让计算机理解几乎所有数字知识的含义，而不是模式。你可以数字化任何东西，我们可以理解它的含义。
我来举个例子。基因测序是数字化基因。但现在有了大型语言模型，我们可以去理解基因的含义。通过质谱数字化的氨基酸，现在我们可以从氨基酸序列中理解，不需要太多工作，我们就可以弄清楚蛋白质的结构。
这在计算机的视角下和一张页面的文字没有什么不同。你让计算机问它，这是什么意思？总结它说了什么？这和基因、蛋白质有什么关系。因为我们正处于这一切的边缘。
所以，我会长篇大论地说，John（主持人名字），你完全正确。人工智能，这是我们称之为加速计算的新形式，我们花了三十年时间去做，可能是计算机行业最伟大的发明。这可能是 21 世纪最重要的事情。
五年后，芯片能做什么现在做不到的事？
主持人：我同意这是 21 世纪的，但也许晶体管是 20 世纪的趋势，我们需要让历史来决定。你能展望一下未来吗？
我猜，现在支持 AI 的 GPU 芯片是你们的 H100，我知道你们正在推出 H200，你们计划每年升级一次。那么，你能想象一下 5 年后的 3 月 20 日，你们正在推出 H700 吗？它会让我们做到我们现在做不到的事情吗？
黄仁勋：我会倒回去，但首先让我说一下 John 刚刚描述的芯片。
在座的各位可能都见过芯片，你可能会想象有一个像这样的芯片。John 刚刚描述的芯片重 70 磅。它由 35,000 个部分组成。其中 8 个部分来自台积电。这个芯片取代了一个数据中心的旧 CPU，变成了一台计算机。
这些节省，因为我们计算得非常快，这个计算机的节省是难以置信的。
然而，它是世界上最昂贵的计算机。我们卖出了世界上第一个价值 25 万美元的芯片，但这个系统它所取代的，仅仅是连接所有这些旧计算机的电缆，就比芯片贵。这就是我们所做的。
我们重新发明了计算，结果，计算的边际成本降到了零。这就是你刚刚解释的。我们将整个数据中心压缩成了这个芯片。它非常擅长于这种计算形式：如果没有变得奇怪的话，我们称之为深度学习，它非常擅长于这个叫做人工智能的东西。
这个芯片的工作原理，不仅仅是在芯片层面，而是在芯片层面、算法层面和数据中心层面，作为一个团队一起工作。所以，当你看我们的一台计算机时，它是一件了不起的事情。
只有计算机工程师会觉得它了不起，但它确实了不起。它很重，有数百英里的电缆。
下一个即将到来的是液冷技术，它在很多方面都很美。它以数据中心的规模进行计算。在未来 10 年里，比如 John 所说的，我们将深度学习的计算能力再提高 100 万倍。
当这样做时，会发生什么？今天我们学习，然后我们应用。我们去训练推理，我们学习，然后我们应用。在未来，我们将有持续学习。我们可以决定是否将那个持续学习的结果部署到世界上的应用中，但计算机将观察视频和新文本，并从所有互动中不断改进自己。
学习过程和训练过程，训练过程和推理过程，训练过程和部署过程、应用过程都将成为一体，这就是我们所做的。
推理、训练、应用这套强化学习循环将是持续的，而强化学习的基础是：实时通过互动以及我们实时创造的合成数据。就像当你学习时，你获取信息的片段，然后你从第一性原理开始，我们在大脑中进行模拟、想象状态，未来状态在很多方面对我们来说表现为现实。
未来的人工智能计算机也会这样做。它会进行合成数据生成，它会进行强化学习，它将继续以真实世界的经验为基础。它会想象一些事情，它会用真实世界的经验来测试它。它会以此为基础，整个循环就是一个巨大的循环。
当你能够将计算的边际成本降低到接近零时，会有很多新的方法去做你愿意做的事情。这和我愿意去更远的地方没有什么不同，因为交通的边际成本已经降到了零。我可以相对便宜地从这里飞到纽约。如果它需要一个月，我可能永远不会去。这和我们所做的每件事都是一样的。
我们将计算的边际成本降低到接近零。因此，我们会做更多的计算。
推理的问题实际上是安装基础
主持人：最近有一些报道说，英伟达在推理市场上将面临比训练市场更多的竞争。但你所说的，它们实际上是一个市场。你能评论一下吗？会有一个单独的训练芯片市场和单独的推理芯片市场吗？听起来，你将持续训练市场并切换到推理市场？这也许发生在一个芯片内？我不知道，你能解释一下吗？
黄仁勋：今天，无论是 ChatGPT 还是 Co-pilot，service now，Mid-Journey，或者 Adobe 的 Firefly，都在进行推理，背后 100% 几乎都是用的英伟达的 GPU，且大多数英伟达被使用的场景也已经变成推理，今天世界上几乎所有的推理都出于英伟达。
现在大家讨论，推理难还是容易？当你看训练时，你会觉得那看起来太难了，我不会去做，我只是一个芯片公司，但这个系统它看起来根本就不像芯片。
只是为了证明新东西是否有效，你就要先投入 20 亿美元，然后你启动了它，发现可能并不能工作。你投入了 20 亿美元和两年时间，就为了证明它不 work。这种探索新事物的风险，对客户来说太高了。
所以，很多竞争对手倾向于说，不做训练芯片，只做推理芯片。那我现在告诉你，推理芯片非常难。你以为，推理的响应时间必须非常快，但这还算简单的，因为这是计算机科学部分，算是容易的部分。
推理的难点在于，部署推理的人的目标，是吸引更多的用户，将该软件应用于庞大的安装用户基础。因此，推理是一个关于安装基础的问题。
这与在 iPhone 上线 APP 是一样的，他们选择 iphone 开发 APP 的原因，是 iPhone 有一个如此庞大的安装基础，几乎人手一部 iphone，所以，如果你为 iphone 手机编写了一个应用程序，将受益于它的用户量，能够惠及每个人。
换成 Nvidia 的背景板，我们的加速计算平台 CUDA 是唯一一个真正无处不在的加速计算平台，因为我们已经在这方面工作了很长时间。如果你为推理编写了一个应用程序，并且你将模型部署在 Nvidia 架构上，它可以在任何地方运行，你能够触达每个人，模型能够产生更大的影响力。
所以，推理的问题实际上是安装基础。这需要巨大的耐心和多年的成功和奉献，以及对架构、兼容性等方面的投入。
先进但贵 or 便宜且好用，谁更有竞争力？
主持人：你制造了完全先进的芯片。但是，有可能你会面临激烈的竞争，虽然他们不如英伟达，但足够好且便宜得多。A（AMD）是一个威胁吗？
黄仁勋：首先，我们在全球有更多的竞争对手。我们不仅有来自竞争对手的竞争，我们还有来自客户的竞争（云厂）。
而且，我明明知道，客户即将设计一个芯片来取代我们，我还要向他们展示我目前的芯片、下一代的芯片，以及芯片适配器。我这么做的原因是，你要用常识向他们解释你擅长做这件事，他们才会选择你。
因此，我们都是完全透明的。诚然你可以为特定的算法构建一款优秀的芯片（ASIC），但记住，计算不仅仅是关于 transformer，更何况我们正在不断地发明更新的 transformer，此外，软件的种类非常丰富，因为软件工程师就喜欢创造新玩意儿。
Nvidia 擅长的是加速计算，我们的架构不仅能加速算法，而且是可编程的，这意味着你可以用它来处理 SQL，我们可以加速量子物理、加速所有的流体和粒子代码等等广泛领域，其中之一才是生成式 AI。
对于那些希望拥有大量客户的数据中心来说，无论是金融服务还是制造业等，我们都是一个最棒的标准。
我们存在于每一个云服务中，存在于每一个计算机公司中。因此，我们公司的架构经过大约 30 年成为了一种标准。这就是我们的优势。如果客户能够有更具成本效益的替代方案，我甚至会为此感到惊讶。
原因是，当你看到现在的计算机时，它不像笔记本电脑，它是一个数据中心，你需要运营它。因此，购买和销售芯片的人仅仅考虑的是芯片的价格，而运营数据中心的人考虑的是整个运营成本、部署时间、性能、利用率以及在所有这些不同应用中的灵活性。
总的来说，我们的总运营成本（TCO）非常好，即使竞争对手的芯片是免费的，最终算下来它也不够便宜！我们的目标是增加如此多的价值，以至于替代品不仅仅是关于成本的问题。
当然，这需要大量的努力，我们必须不断创新，我们不能对任何事掉以轻心。
我本来希望不要听起来太有竞争性，但约翰问了一个竞争问题，我以为这是个学术论坛…. 这触发了我的竞争基因，我道歉，我本可以更艺术地处理这个问题。（哄笑）
人类何时会实现真正的 AGI?
取决于 AGI 的定义！
主持人：你认为，我们什么时候会实现人类水平的 AGI (通用人工智能)？是 50 年后吗？还是 5 年后？你怎么看？
黄仁勋：我会给出一个非常具体的答案，但首先让我告诉你一些正在发生的非常令人兴奋的事情。
首先，我们正在训练的这些模型是多模态，这意味着我们将从声音中学习，从文字中学习，从视觉中学习，就像我们所有人一样，看电视并从中学习。
这很重要，因为我们希望 AI 不仅仅是基于人类去落地，当然这是 ChatGPT 真正创新的地方，也就是 RLHF。但直到强化学习，人类将 AI 都锚定在我们认为好的人类价值观上。
现在，你能想象，你必须生成图像和视频，AI 知道手不会穿透讲台，踩在水上时你会掉进去，所以，现在 AI 开始锚定在物理上。
目前，AI 观看大量不同的例子，比如视频，来学习这个世界被遵守的规律。它必须创建一个所谓的世界模型。所以，我们必须理解多模态性，还有其他模态，比如基因、氨基酸、蛋白质、细胞等等。
第二点，就是 AI 会具有更强的推理能力，我们人类所做的很多推理，都编码在常识中。常识是我们所有人类认为理所当然的能力。互联网上有很多我们已经编码好的推理和知识，模型可以学习。
但还有更高层次的推理能力，例如现在你问我问题，大部分的问题，我的确像生成式模型一样快速生成，我不需要太多的推理，但有些问题，我需要想想，也就是规划，“很有趣，让我想想”。
我可能是在脑海中循环它，我提出了多个计划，遍历我的知识树和图形，修剪我的树，“这个没有意义，但这个我可以去做” 也就是我会在脑海中模拟仿真运行它，也许我会做一些计算等等。
我的意思是，今天的很多” 长思考”，AI 并不擅长。你输入到 ChatGPT 的一切，它都会立即回应。我们希望输入到 ChatGPT 的某个问题，给它一个目标，给它一个使命，它能思考一会儿。
所以，这种系统，计算机科学称之为系统 2，或者长思考，或规划。我认为我们正在研究这些事情，你将看到一些突破。
所以在未来，你与人工智能的互动方式将会非常不同。有些只是给我一个问题，我会给你答案。有些是说，这里有一个问题，去工作一会儿，明天告诉我。它会做尽可能多的计算。
也可以说，我给你这个问题，你可以花费 1000 美元，但不要超过这个数额，然后它会在明天给出最好的答案。
所以，回到 AGI 的问题，AGI 的定义是什么？事实上，这现在是最先需要回答的问题。
如果你问我，如果你说，Jensen（黄仁勋的英文名），AGI 是一系列测试的列表，记住，尤其工程师最明白，任何组织中，你需要有一个规格，你需要知道产品成功的标准，你需要有一个测试。
如果我给你一个 AI 很多数学测试、推理测试、历史测试、生物学测试、医学考试，以及律师考试，甚至包括 SAT、MCAT 等等，你把这些测试列出来，摆在计算机科学行业面前，我猜，5 年内就会在每一个测试上都做得很好。
所以，如果你对 AGI 的定义是通过人类的测试，那么我会告诉你，五年我们会通过所有的测试。
但如果你稍微换一种方式问我，AGI 是拥有人类的智能，那么我不确定如何具体定义人类的所有智能，没有人真正知道，因此这很难实现，但我们都在努力让它变得更好。
如何看待 AI 在药物发现中的作用？
主持人：我要再问两个问题，第一个问题是，你能深入一点，谈谈你如何看待 AI 在药物发现中的作用？
黄仁勋：我们理解拥有数字信息的含义。现在，我们有很多氨基酸，因为 Alpha Fold，我们可以了解许多蛋白质的结构。
但问题是，这个蛋白质的含义是什么？功能是什么？如果我们能像和 ChatGPT 聊天一样，和 PDF 文件聊天，你把 PDF 文件，不管是什么，加载到 Chat 中，然后，就像和研究人员聊天一样。
你只是问，是什么激发了这项研究？它解决了什么问题？突破是什么？当时的艺术状态是什么？有什么新颖的想法？就像和人类一样聊天。
未来，当我们拿到一个蛋白质，把它放入 ChatGPT，就像 PDF 一样，你是什么？什么酶激活你？什么让你开心？
例如，将会有一长串基因，你将代表一个细胞。你要把那个细胞放进去。你是什么？你有什么用？你擅长什么？你有什么希望和梦想？所以，这是我们可以做的最深刻的事情之一。
如果我们能理解生物学的含义？你们知道，一旦我们理解了世界上几乎任何信息的含义，在计算机科学的世界里，在计算的世界里，杰出的工程师和杰出的科学家就知道该做什么。但这是一个突破，对生物学的多模态理解。
这是我对你的问题的深入和浅出的回答，我认为，这可能是我们可以做的最深刻的事情。
韧性在成功中很重要：
伟大不是智力，伟大来自于性格
主持人：斯坦很多有抱负的企业家、学生，他们可能是计算机科学专业的，或者是某种工程学专业。你会给他们什么建议，来提高成功的机会？
黄仁勋：我认为我的一大优势是，我期望值很低。我认为，大多数斯坦福毕业生期望值很高。
你们应该有这样的期望，因为你们来自一所伟大的学校。你们非常成功，你们是你们班级的顶尖学生。显然，你们能够支付学费，然后你们毕业于这个星球上最好的机构之一。你们周围都是其他令人难以置信的孩子。你们天生就有很高的期望。
期望值很高的人通常韧性很低。不幸的是，韧性在成功中很重要。
我不知道如何教你们，除了我希望痛苦发生在你们身上。我很幸运，我成长的环境中，我的父母为我们提供了成功的条件，但同时，也有足够的挫折和痛苦的机会。
直到今天，我在我们公司里用 “痛苦和折磨” 这个词，非常高兴。
原因是，你想要训练，你想要塑造你公司的性格。你想要他们表现出伟大，伟大不是智力。伟大来自于性格，性格是由受过痛苦的聪明人形成的。
所以，如果我能为你们所有人许愿，我不知道怎么做。
主持人：你看起来非常积极和充满活力。但你如何保持你的员工积极和充满活力，当他们可能比他们预期的要富有？
黄仁勋：我被我的 55 个人的管理团队包围。所以，我被直接报告的高管有 55 个人，我为他们中的任何一个都不写评价。
我给他们不断的反馈，他们也为我提供同样的反馈。我给他们的报酬是 Excel 的右下角，我只需拖动它。实际上，我们的许多高管薪水完全相同。
我知道这很奇怪。但它有效，我不和他们中的任何一个进行一对一的会谈。除非他们需要我，否则，我会对他们完全放手。
我从不和他们单独开会。他们永远不会听到我只对他们说的话。我绝不会把任何信息告诉他们，而不告诉公司的其他人。
所以，我们公司的设计是为了敏捷，为了让信息尽可能快地流动，让人们能够通过他们能做什么而被赋予权力，而不是通过他们知道什么。
我得到了，答案是我的行为。
其中，我如何庆祝成功？我如何庆祝失败？我如何谈论成功？我如何谈论挫折？我每天都在寻找机会，每天都在灌输公司的文化。什么是重要的？什么是不重要的？什么是好的？你如何将自己与好比较？你如何看待好？你如何看待旅程？你如何看待结果？所有这些，都是我整天在做的事情。
嘉宾提问：我有两个问题。一、你的皮夹克的故事是什么？第二个，根据你的预测和计算，未来 5 到 10 年，为了支持人工智能的发展，需要多少额外的半导体制造能力？
黄仁勋：感谢这两个问题。第一个问题，这是我妻子给我买的，就是我穿的，因为我没有任何购物。除非她找到其他不会让我痒的东西，因为她了解我，从 17 岁起就认识我，她认为一切都会让我痒。
我说过，我不喜欢让我发痒的东西。所以，除非她找到不会让我痒的东西，如果看我的衣柜，整个衣柜都是衬衫。
这都是她给我买的，如果我不满意，我可以自己去购物。否则，我就穿着它。对我来说，这已经足够好了。
第二个问题关于预测，实际上我很糟糕，但我非常擅长基于第一原则推演机会的大小。
我不知道有多少 FAB，但我知道的是，我们今天做的计算，信息是别人写的、或者由某人创造的，基本上是预先记录下来的。
我说的是每件事，每个字、语音、视频，都是检索式的，有人写好了它并存储在某个地方，然后你去检索它，你知道的每一种模态过去都是这样。
在未来，因为我们的 AI 可以接入世界上所有的最新新闻等，也就是可以检索，它理解你的上下文，意味着它理解你问什么，关键是，大部分计算将是生成式的。
今天的内容。100% 是预先录制的。未来，100% 的内容将是生成式的，问题是，这将如何改变计算的形态，这就是我推演这个问题的方式（需要多少芯片）。
比如，我们需要更多的网络吗？需要更多的内存吗？简单说，我们是需要更多的晶圆厂。然而，我们也在不断改进算法和处理过程，效率在时间上有了巨大的提升。
并不是说，计算的效率就是今天这样，因此需求就是这么多。与此同时，我每 10 年都在提高计算能力一百万倍，而需求却增长一万亿倍，这两者必须相互抵消。
然后，还有技术扩散等等，这只是时间问题，但这并不改变这样一个事实：总有一天，世界上所有计算机都将 100% 地改变，每一个数据中心，价值数万亿美元的基础设施，将完全改变，在这个基础上，还会建造新的基础设施。
嘉宾提问：最近你说，你鼓励学生不要学习编程。如果是这样，那可能意味着一两件事。你认为，从公司成立和创业的角度来看，这个世界会有更多的公司，还是会变成只有几个大玩家的整合？
黄仁勋：首先，我表达得太差了，你复述得也太差了。我并没有说，如果你喜欢编程，那就去编程。如果你想要的是煎蛋，那就去做煎蛋。
我不会编程，编程是一个推理过程。这是好事。它能确保你的工作吗？一点也不。世界上，程序员的数量肯定会继续很重要，英伟达需要程序员。
然而，在未来，你与计算机的互动方式不会是 C++，至少对我们中的一些人来说不是。这是真的，但对你来说，为什么用 Python 编程这么奇怪？
未来，你会告诉计算机你想要什么。计算机会说，嗨，我想让你提出一个建造计划，包括所有供应商和建造材料，基于我们为你提供的预测。然后根据这个区域所需的所有必要组件提出建造计划。
如果你不喜欢那个，你可以写一个 Python 程序，我可以修改那个建造计划。所以记住，我第一次和计算机交谈时，我只是用英语说话。
第二次，如果你不喜欢，你可以用 Python 程序来修改建造计划。所以记住，我刚才说的第一点，我只是想用英语和计算机交流。所以英语，顺便说一下，是人类未来最好的编程语言。
你如何与计算机交流？你如何提示它？这被称为提示工程。你如何与人交流？你如何与计算机交流？你如何让计算机做你想要的事情？你如何微调给计算机的指令？这就是提示工程的艺术。大多数人对此感到惊讶，这对我来说并不奇怪，但这是令人惊讶的。
例如，你让我生成一张图片，一只小狗在夏威夷的冲浪板上，在日落时，然后它生成了一个，你说更可爱，让它更可爱。它回来了，更可爱，你又说没有比这更可爱的了。它回来了。
为什么软件会这样做？有一个结构性的原因。但例如，你需要知道计算机在未来有这样的能力。如果你不喜欢第一次的答案，你可以微调它，让它在你可以的上下文中给出更好的结果。
甚至有一天，你可以让它完全编写程序来生成那个结果。所以我要说的是，编程已经发生了变化，可能变得不那么有价值了。
另一方面，让我告诉你，因为人工智能，我们缩小了人类的技术差距。今天，大约有 1000 万人因为知道如何编程而有工作，这让其他 80 亿人落后。
未来不是这样。我们都可以编程计算机。这有意义吗？你只需要看看 YouTube，看看所有使用提示工程的人，所有的孩子，他们正在用它做出惊人的事情。他们不知道如何编程。他们只是和 ChatGPT 交谈，他们知道如果我告诉它做这个，它就会做那个。
所以，这和未来与人交流没有什么不同。这是计算机科学行业对世界的伟大贡献。我们缩小了技术差距。
地缘政治风险会给新技术带来什么影响？
嘉宾提问：你考虑过地缘政治风险吗？你认为它会对你的行业产生什么影响？
黄仁勋：地缘政治风险？我们几乎是地缘政治风险的典型例子。原因是我们制造了一种非常重要的人工智能工具，正如 John 和我早些时候讨论的，人工智能是这个时代的界定技术。
所以，美国完全有权决定，这种工具应该限制在它认为应该限制的国家。美国有这个权利，他们行使了这个权利。
那么，这与我们有什么影响？首先，我们必须理解这些政策，我们必须保持敏捷，以便我们能够遵守这些政策。一方面，它限制了我们在某些地方的机会，另一方面，它在其他地方打开了机会。
在过去的 6 到 9 个月里发生的一件事是，每个国家、每个社会的觉醒，他们必须控制自己的数字智能，印度不能外包它的数据，让某个国家将其转化为印度智能，然后将这种智能进口回印度。
这种觉醒，即主权 AI，你必须致力于控制你的主权 AI，保护你的语言，保护你的文化，为你自己的行业。这种觉醒发生在过去的 6 到 9 个月里。
嘉宾提问：我记得你提到过，愿意为一定规模的客户定制解决方案，而不是像现在这样更通用的解决方案。你认为，自己未来会这样做吗？
黄仁勋：我们是否愿意定制化？是的，我们愿意。
为什么现在的门槛相对较高？因为我们平台的每一代产品首先有 GPU，有 CPU，有网络处理器，有软件，还有两种类型的交换机。
我为一代产品建造了五个芯片，人们以为只有 GPU 一个芯片，但实际上是五个不同的芯片，每个芯片的研发成本都是数亿美元，仅仅是为了达到我们所说的 “发布” 标准，然后你必须将它们集成到一个系统中，然后你还需要网络设备、收发送器、光纤设备，以及大量的软件。
运行一个像这个房间这么大的计算机，需要大量的软件，所以这一切都很复杂。如果定制化的需求差异太大，那么你必须重复整个研发过程。
然而，如果定制化能够利用现有的一切，并在此基础上增加一些东西，那么这就非常有意义了。也许是一个专有的安全系统，也许是一个加密计算系统，也许是一个新的数值处理方式，还有更多，我们对这些非常开放。
我们的客户知道我愿意做所有这些事情，并认识到，如果你改变得太多，你基本上就全部重置了，浪费了近千亿美元。所以他们希望在我们的生态系统中尽可能地利用这些，减少重置成本。
来源：投资人记事 微信号：gh_89a091e93272
如若转载，请注明出处：https://www.zhangzs.com/493283.html
微信扫一扫
丁丁 
