2025 年 1 月的拉斯维加斯 CES 大展上，英伟达（NVIDIA）CEO 黄仁勋（Jensen Huang）接受了科技作者 Cleo Abram 的专访。
他随和而专注，身穿标志性的黑色皮夹克。
一开始，这位“GPU 教父”就抛出了一个惊人的比喻——GPU 像一台“时间机器”。
“为什么说 GPU 是时间机器？”Cleo 问。
“因为它能让你更早地看见未来。”
黄仁勋回忆起一位量子化学研究者对他说过的一句话：“Jensen，多亏了英伟达，我才能在自己的一生完成毕生所想做的事。”
这句话令他感触极深。“对那位科学家而言，GPU 大大缩短了研究所需的计算时间，让他能在有限的生命里探索更多可能。这就像是一次时间旅行。”
这个“穿越时间”的场景，在科学研究与工业实践中并不鲜见：
在天气预测里，每提升一分算力，都意味着更早、更精准地捕捉到风暴移动路径； 在自动驾驶仿真中，更高效的并行计算环境能让模拟与验证周期大大缩短，技术迭代以几何级数加快； 在量子化学与药物分子模拟中，GPU 让研究者从过去的“半年跑一次大模型”，变成“几天就能迭代数十次参数”； 在最新的 High Performance Computing (HPC) 排行中，GPU 也已成为推动 Exa 级别超算系统核心的“加速引擎”。
“时间是我们最稀缺的资源。”——叔本华
在高强度的科研和工业实践里，更快的计算速度就是更多的创造可能。
并行计算与游戏：时间机器的早期秀场
黄仁勋回顾道，GPU 最初就是为并行计算而生，而游戏是其“释放算力”的第一大用例。
十多年前，游戏业对图形渲染的要求极高，需要在极短时间里并行处理海量像素、纹理、光影，才能打造栩栩如生的虚拟世界。
为满足这一需求，GPU 从一开始就构建了多核并行的架构。
与传统的CPU串行计算模式不同，GPU可以同时处理多个任务，就像一支庞大的军队，同时执行不同的命令，效率自然大大提升。
2012 年，历史性的 AlexNet 问世。
在当年的 ImageNet 图像识别比赛中，它大幅度降低了图像识别错误率，让所有人都目瞪口呆。
而它的诞生，正是因为 AlexNet 的研究团队在英伟达 GPU 上做了大规模的并行训练。
曾经，训练神经网络是门“慢工出细活”的活计，但 GPU 的出现让研究者可以用海量数据“狂轰滥炸”，在前所未有的速度上“铸造”这个极具颠覆性的模型。
今天，我们都知道，这一次比赛是深度学习崛起的里程碑，也揭开了 AI 大规模应用与商业化的序幕。
“有时候，革命不是在意料之外发生，而是在充足准备之后的顺理成章。”——《科学革命的结构》（托马斯·库恩）
重塑计算：从传统指令到“训练”电脑学习
当 Cleo 问及 GPU 如何“跨越”到其他行业时，黄仁勋提到了英伟达针对并行计算所做的核心努力——CUDA。
他们坚信，如果深度学习架构可以扩展，那么绝大多数的机器学习问题都可以用深度神经网络来表示。
这种信念，源于对技术发展方向的深刻洞察，也源于一种“乐观主义精神”。
他笑言，如果你造了它，人们“可能”会来用；如果你不去造，那他们“肯定”不会用。
在英伟达团队的世界观里，他们始终相信这个并行架构会有大用武之地，最终，正是多伦多大学那三位改变世界的 AI 研究者（Ilya Sutskever、Alex Krizhevsky、Geoff Hinton）发现了 CUDA 的价值。
GPU 的价值不只在于“让计算机更快”，更在于带来了全新的计算范式——从一步步下指令，到通过大量示例来训练模型。
2012 年开始，深度学习以爆炸式的速度被应用在视觉识别、语音识别、自然语言理解等领域，这些过去在传统编程思路下近乎“不可攻克”的难题，似乎“突然之间”被 AI 攻陷了。
黄仁勋说，这十年主要是 AI 的基础科学在突飞猛进；而未来十年，AI 的应用科学将更深入地改变世界。
“如何把 AI 用于数字生物学？如何把 AI 用于气候科技？如何把 AI 用于农业、渔业、交通物流、教育、播客……”
在他看来，所有行业都将与 AI 深度融合，这不仅会重塑计算机行业，也会颠覆对未来社会的想象。
Omniverse 与 Cosmos：打造机器人时代的“世界语言模型”
当被问到“实体 AI”时，黄仁勋毫不掩饰他的兴奋：自动驾驶汽车、智能建筑、自动化仓库、人形机器人……这些都将经历新一轮大爆发。
过去，让机器人学习一项技能，要么成本高昂地在物理环境中“撞得遍体鳞伤”，要么使用简单的动作捕捉——都无法获得足够多多样化的示例数据。
而英伟达正在做一件颠覆性的事：在Omniverse 中训练机器人。
Omniverse 是一个 3D 虚拟世界，通过物理仿真，让机器人在完全数字化的环境中快速迭代学习。
最近，英伟达还推出了 Cosmos，进一步让这个虚拟世界变得更逼真和多样。
黄仁勋形容它为“世界语言模型（World Model）”——就像 ChatGPT 需要文本语料库，机器人则需要一个对物理世界的理解，包括重力、摩擦力、物体持久性、因果关系等。
Omniverse + Cosmos 的结合，让机器人体会物理世界规则的“地基”更牢靠，并能在模拟环境中进行几乎无限次的训练。
举个例子，过去要让机器人在工厂里学习所有可能的路线，可能需要几天时间的手动测试，还会造成机器人的损耗。现在，可以在Omniverse中模拟所有这些路径，所需时间只是原先的一小部分，而且可以模拟机器人可能面临的各种不同状况，例如黑暗、阻挡等。
“任何会移动的东西，总有一天都会成为机器人，而且这个时间不会太久。”黄仁勋预言道。
从自动割草机到自动驾驶汽车，再到人形机器人。
这意味着下一波“机器人爆发”正在路上，而“任何会移动的东西，都可能成为机器人”。
AI 辅助下成为“超级人类”：下一代人的必修课
黄仁勋预测，接下来的十年里，AI 在特定领域将超越人类能力，但这并不意味着人类要被取代，反而会因为 AI 而获得更多赋能。
正如他所说，“我身边有很多‘超人’同事，他们在各自领域都是顶尖专家。但我从没感到自己就此没了价值，反而更有力量去追求更宏大的目标。”
“人性之光，在与工具共舞时最为闪耀。”——参考马丁·海德格尔对“工具存在”的哲学思考
AI的出现，也不会让我们变得无用，反而会让我们变得更加强大。
黄仁勋建议：“赶紧给自己找一个AI导师。”这个AI导师可以教你任何你想学的东西，帮你编程、写作、分析、思考、推理……所有这些都会让你感觉自己能力大增。
就像你身边有个能回答各种问题的随身导师。对于普通人而言，这种能力的飞跃可能意味着真正进入“全民创造力”时代。
“如果我是学生，”黄仁勋直言，“我一定第一时间去学习如何使用 AI。就像当年我们那一代人需要思考如何用电脑把工作做得更好一样，现在的年轻人要问自己：如何用 AI 做得更好？”
面向未来：GPU 作为“时间机器”的光荣与使命
黄仁勋的乐观，不只基于对 GPU 并行架构和深度学习的持续信心，也基于过去十余年技术与商业反复验证所带来的安全感。
2012 年，AlexNet 爆发，引领深度学习浪潮； 2020 年前后，Transformer 模型席卷自然语言与多模态领域； 2025 年，Omniverse 与 Cosmos 正把机器人推向新的变革高峰。
这些里程碑证明了 GPU 与并行计算所具备的“加速未来”能力，而 AI 的应用也正一次次刷新人类对“可实现之事”的认知。
某种程度上说，GPU 既是时间机器，让我们提前预见未来；又像一双强而有力的臂膀，借助 AI 将普通人变成“超人”。
“一代人有一代人的机遇和挑战。上一代人问：‘我如何使用计算机？’这一代人则要问：‘我如何使用 AI？’” ——黄仁勋
当 GPU 这个“时间机器”将计算力带到全新高度，AI 则为我们每一个普通人插上“超人”的翅膀。
或许，真正的变革才刚刚开始。
谁又知道，十年后的 CES 大展里，黄仁勋会不会带领着一群能轻松对话、执行任务的人形机器人，为我们现场演示另一个不可思议的“未来”场景？
愿我们都能在这趟“时间旅程”中，以 AI 之力，成为更好的自己。
祝所有对未来满怀好奇与期待的读者，都能在 GPU 加速的时代里，相逢更闪耀的明天。
参考资料：
https://www.youtube.com/watch?v=7ARBJQn6QkM
