1. 涨姿势首页
  2. 世界观

黄仁勋信息量极大的两场对谈:详述创业过程和管理实践,展望AI、AGI和半导体未来

1.jpg

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

发表评论

电子邮件地址不会被公开。 必填项已用*标注

QR code
QR code