今天我要和大家分享一个让人热血沸腾的对话——黄仁勋回到了母校香港科技大学，带来了一场关于AI、未来和领导力的深度分享。作为“宇宙第一CEO”，黄仁勋把复杂的技术讲得通俗易懂，简直像在和朋友聊天。他聊了AI如何像电力一样改变世界，如何用“数字智能工厂”颠覆产业，还提到粤港澳大湾区在机器人领域的巨大机会。他更坦率地分享了自己对“不确定性”的态度——学会接受它，甚至利用它去创造更大的可能性！
最有意思的是，他谈到30岁前创业的“秘密”，竟然是为了追到他老婆！不仅如此，他还现场送出10块GPU！这一场分享满满的金句和干货，听完真的感觉自己打开了新世界的大门！朋友们，一定要读完这篇故事，跟我一起燃起来！
主持:Jensen，非常欢迎你来到港科大，来到香港。大家掌声欢迎Jensen！
黄仁勋:谢谢，我也很高兴来到这里。
主持:Jensen，你知道吗，我为了这一刻准备了好久。这绝对是我在港科大最值得纪念的时刻。我昨晚兴奋得睡不着，因为我要介绍一位重要人物——宇宙第一CEO，至少在我们这个宇宙是第一。我还有点小担心，因为昨晚苹果股票涨了，英伟达却没怎么动。我等到股市收盘才安心。今天早上我一起床就问我老婆：“英伟达保住第一了吗？” 我是认真的，因为我们都想知道你是不是还是第一。
主持:我们今天下午只有不到一个小时的时间。我会问Jensen一些比较难的问题。你一直引领着AI技术领域，特别是最近很火的通用人工智能。能跟我们聊聊你对AI的看法吗？它会对社会和行业带来什么影响？
黄仁勋:首先，感谢给我这个机会。Harry是我们这个时代最重要的计算机科学家之一，也是我和其他很多人的偶像。很荣幸来到这里。
黄仁勋:Harry，你知道，当人工智能网络能够学习理解各种数据（比如文字、图片、蛋白质序列、氨基酸序列和化学物质序列）的时候，就发生了革命性的突破。突然之间，计算机也能理解词语的意思了。多亏了生成式AI，我们可以在不同的信息形式之间互相转换，比如把文字变成图片，把文字变成蛋白质结构，把文字变成化学式。这个一开始只能模拟简单函数的东西，现在变成了一个万能翻译器。那么问题来了，我们能用它做什么？你会看到全世界涌现出很多创业公司，各种各样的新功能也层出不穷。我觉得最厉害的突破是，我们现在可以理解信息的含义，甚至是很复杂的信息。如果你是学生物信息的，这意味着你能从海量数据中找到关键信息。如果你是设计芯片的、设计系统的，或者你是研究农业科技、气候科技、能源的，要找新材料，这对你们来说都意义非凡。最关键的是，我们现在拥有了这个概念。
AI时代的启示：
从农业到智能，AI是第四次革命
主持:你对AI的精彩描述让我感触很深，甚至有点震惊。你把我们带回了人类历史的长河。你说，农业革命让我们生产更多粮食，工业革命让我们生产更多钢铁，信息技术革命让我们拥有更多信息，而现在，在这个智能时代，你在英伟达做的，AI做的，实际上是在生产智能。能再详细说说为什么这如此重要吗？
黄仁勋:Harry，你看看我们一起做的这些事，你就身处其中。从计算机科学的角度来说，我们彻底改变了整个流程，也就是我们开发软件的方式。说到计算机科学，就不得不提软件开发。我们以前是手写代码，先想好要实现什么功能、用什么算法，然后发挥创造力，把代码敲进电脑。我最早用Fortran，后来学了Pascal，再后来是C和C++。每种语言都能让我们把想法变成代码，这些代码在CPU上运行得很好。
黄仁勋:现在，我们用观察到的数据，把这些数据“喂”给电脑，让电脑自己去找规律、找关系。我们不再手写代码，而是用机器学习，电脑生成的不是软件，而是在GPU上运行的神经网络。所以，从写代码到机器学习，从CPU到GPU。因为GPU性能更强，我们现在能开发的软件也更厉害。而所有这一切的顶端，就是人工智能。这就是计算机科学的变革，就像我刚才说的那样。
黄仁勋:那么现在的问题是，我们的行业会发生什么？当然，我们都在争先恐后地用机器学习去发现新的AI。什么是AI？你可能很清楚，AI就是让认知自动化，让解决问题自动化。解决问题可以归纳成三个基本步骤：观察和感知环境，理解环境，然后制定计划跟环境互动，不管你的目标是什么。感知、推理和计划，是解决问题的三个基本步骤。
黄仁勋:举个例子，自动驾驶汽车就是感知周围环境，判断自己和其他车辆的位置，然后规划行驶路线。这就是我说的“数字司机”。你还可以让AI看CT扫描图，理解图像内容，判断是不是有异常，比如肿瘤之类的，然后把可疑的地方标记出来给医生看。现在，AI成了“数字放射科医生”。几乎所有的事情，你都可以找到AI能发挥作用的地方。如果我们有足够多的这样的“数字助手”，而且这些助手能和生产数字智能的计算机互动，那么我们所有人对数据中心的消耗，让数据中心看起来像个“智能工厂”，源源不断地生产“Token”，或者我们说的“数字智能”。
黄仁勋:我再换个说法。300年前，通用电气和西屋电气发明了一种新机器，叫发电机，后来变成了交流发电机。他们很聪明地发明了用电设备，比如电灯泡、烤面包机等等。他们创造了各种各样的电器来消耗发电厂生产的电。看看我们现在在做什么，我们在创造各种各样的“数字助手”，比如AI副驾驶、聊天机器人等等，这些就像电灯泡和烤面包机一样，它们都连到了一个“工厂”。以前是交流电厂，现在是数字智能工厂。从工业的角度来看，我们正在创造一个新产业，这个产业把能源转化成数字智能。这些数字智能会被各种各样的应用使用，而且我们相信它的需求量会非常大。这个行业以前根本不存在，就像交流电行业出现之前那样。
主持:这太精彩了。Jensen，你给我们描绘了一个非常美好的未来。当然，我们知道这迟早会发生，这很大程度上是因为你和英伟达的贡献，尤其是在过去10到12年间。现在大家都在谈论一个数字，那就是缩放定律，最近还以你的名字命名了一个“黄氏定律”。在计算机行业早期，英特尔提出了摩尔定律，意思是每18个月，计算能力翻一番。而现在，在你的领导下，英伟达的计算能力每年都不止翻一番。如果从需求端来看，过去12年，所有大型语言模型的计算需求每年都增长4倍以上。十年就是百万倍。所以Jensen的股票十年涨了300倍也就不奇怪了。如果这么想，计算需求增加了百万倍，那这支股票的估值可能还不算高。我的问题是，展望未来十年，我们还会看到百万倍的增长需求吗？
黄仁勋:摩尔定律依赖于两个概念。一个是VLSI缩放，这来自于Carver Mead和Lynn Conway的书，它启发了我这代人。第二个是Dennard缩放，晶体管的恒定电流密度缩放，加上晶体管尺寸的缩小，让半导体的性能每隔几年就能翻一番，大概一年半一次。所以每五年增长十倍，每十年增长一百倍。我们现在看到的是，神经网络越大，训练数据越多，AI就看起来越聪明。这是一个经验规律，就像摩尔定律一样。我们称之为缩放定律，而且这个规律似乎还在继续。
黄仁勋:但是关于智能，我们也知道，预训练，也就是把全世界的数据都拿来训练AI，让它自己从中学习知识，这还不够，就像上大学毕业虽然很重要，但这只是个开始。后面还有“毕业后培训”，也就是深入学习某个特定技能。这需要强化学习、人工反馈、AI反馈、合成数据等等。有很多技术，但本质上就是深入学习某个领域，成为专家。就像你选了某个职业之后，还要继续学习很多东西。
黄仁勋:之后当然就是思考了。有些事情你一看就知道答案；有些事情你得把它分解成一个个基本原理，然后从基本原理出发去寻找每个部分的解决方案。这可能需要不断尝试，可能需要模拟各种结果，因为答案不是一眼就能看出来的。我们把这叫做思考。你思考的时间越长，答案的质量可能就越高。所以你看，我们在AI开发上主要关注三个方面，大量的计算能带来更高质量的答案。现在我们得到的答案已经是最好的了，但我们需要做到，你得到的答案不再是“最好的”，而是你完全信任的答案。我觉得我们离那一步还有好几年。同时，我们还得不断提高计算能力。你刚才说过去十年我们把性能提高了百万倍，我很感谢你这么说。我们到底做了什么？英伟达的贡献是，我们把计算的成本降低了百万倍。想象一下，世界上有些东西是你离不开的，比如电、机票等等。我们在过去十年把计算的成本降低了百万倍。当一样东西的成本降低百万倍的时候，你的习惯会彻底改变，你对计算的看法也会彻底改变。这是英伟达最大的贡献，我们让研究人员可以毫不犹豫地用机器去学习海量数据。这就是机器学习蓬勃发展的原因。
主持:我完全同意你的观点。不过我们这里有些教授可能不太同意，因为他们买你的GPU还是要花很多钱。我待会儿再接着说这个。
黄仁勋:想想看，如果价格高百万倍会是什么样。
黄仁勋:我在过去十年里给了你百万倍的折扣。
主持:我觉得我们可以从Jensen身上学到很多，看看接下来的40分钟会聊到什么。Jensen，我想问问你在港科大应该做什么。现在有了AI技术、AI基础设施、你的GPU和软件生态系统，有很多方向可以选择。
主持:其中一件特别令人兴奋的事就是“AI for Science”，你一直在倡导这个。比如，我们学校一直在大力投资计算基础设施和GPU。我和叶校长也鼓励老师们在物理和计算机、材料和计算机、生物和计算机之间开展合作。你也一直在谈生物学的未来。
主持:最近香港一件激动人心的事情就是，政府决定要建第三所医学院。事实上，港科大是第一个提交方案的大学。我们非常感谢你的建议，毕竟你是我们的校友。对于我们学校未来的投资方向，你有什么建议？
黄仁勋:首先，我在2018年的世界超级计算大会上介绍了AI，当时很多人表示怀疑。因为AI有点像个黑盒子，你不知道它里面是怎么运作的。现在它更像个黑盒子了。就像你和我一样，我们都是“黑盒子”，但你可以问AI问题，以前不行，但现在可以了。你可以问它：“解释一下，你为什么这么说？告诉我你的推理过程。” 通过提问，AI变得更透明了，更容易解释了，因为你的问题就像教授问学生一样，是为了了解他们的思考过程，而不仅仅是答案本身，而是他们推理的过程是否合理，是否有依据。所以我们现在可以这么做了，2018年还不行。所以当时很多人怀疑，原因之一就在这。第二，AI给出的答案不是基于基本原理的，至少现在还不是。它的答案来自于学习，来自于观察数据。所以它不是在模拟物理规律，而是在模拟智能。
黄仁勋:那么问题来了，模拟对科学研究有价值吗？我觉得非常有价值。因为在很多科学领域，我们知道基本原理，比如薛定谔方程、麦克斯韦方程等等，但我们没办法模拟大型的复杂系统。所以与其用基本原理去计算，不如用AI来模拟。我们可以训练AI去理解物理规律，然后用它来模拟大型系统，这样我们就能理解这些复杂系统了。
黄仁勋:那这有什么用呢？首先，人体生物学的尺度范围很广，从纳米到米，时间尺度也从纳秒到年。用基本原理去计算人体系统几乎是不可能的。所以现在的问题是，我们能不能用AI来模拟人体生物学，这样就能更好地理解这些复杂的多尺度系统，创造一个“数字孪生”人体？这给了我们很大的希望，我们现在有了计算机技术，可以让学生物信息的、研究气候的等等科学家，第一次真正理解复杂的物理系统。我希望你们能在交叉学科领域做到这一点。
黄仁勋:说到你们的医院，港科大的一个巨大机遇就是，你们要建的这所医院，它的核心竞争力就是技术、计算机和AI。这和世界上大多数医院都反过来。它们是先有的医院，现在才想办法把AI和技术加进去，这通常会遇到阻力。
黄仁勋:所以你们有机会从零开始创造一个全新的东西，在这里，技术被完全接受，技术可以不断发展，而且推动技术发展的人就是你们自己。你们了解技术的局限性和潜力。这是个非凡的机会，我希望你们好好把握。
主持:谢谢Jensen。我们当然喜欢你的建议。大学一直擅长技术创新，在计算机、工程、生物和其他领域都走在前沿。所以我们觉得，香港的第三所医学院可以做一些跟其他两所不同的尝试。我们可以把传统的医学训练和我们擅长的技术研究结合起来。我相信我们会再联系你，获取更多建议。不过我想换个话题。
黄仁勋:亚洲的MIT要建医院了。
说话人 1:好主意。
不确定性的力量：
领导者如何在未知中找到方向
主持:Jensen，我们换个话题，聊聊领导力。你是硅谷任期最长的CEO，大概30、31年了，快32年了。你不累吗？
黄仁勋:我超级累。
主持:我记得你说过
黄仁勋:我今天早上才到，超级累。
主持:是的，你超级累，但你还在坚持。我们当然想向你学习，你是怎么领导这么大一个企业的？现在的英伟达有几万名员工，惊人的收入和海量的客户。你是怎么做到以这么快的速度领导这么大一个组织的？
黄仁勋:今天我看到有学生是计算生物学和商科双学位，我很惊讶。
主持:我也很惊讶。
黄仁勋:你知道，通常我们看到的学生要么是学生物的，要么是学商的。现在居然有学生两个都学。我觉得这太棒了。我创办英伟达的时候，从来没学过商科。到现在我也没学过。
主持:你也说过你从来没写过商业计划书。
黄仁勋:我从来没写过商业计划书，我也不知道怎么写。我得靠你们帮我写。我之所以这么说，首先，我觉得人要不断学习。我自己就一直在学习。所以，做任何你想为之奉献一生的事情，都要把它当成你毕生的事业，而不是一份工作。我觉得这两种心态差别很大。不管你是木匠、艺术家还是医生，你都要把它当成你毕生的事业。英伟达就是我的毕生事业。
黄仁勋:我这一路学到了很多东西。有很多事，我就不细说了。如果你想成为CEO，你要学的东西太多了。你必须不断地 reinvent 自己。世界在变、公司在变、技术在变。你今天学到的东西以后会有用，但远远不够。所以我几乎每天都在学习。我飞过来的时候，还在看YouTube，或者跟我的AI聊天。
黄仁勋:顺便说一句，找个AI当你的老师，多问它问题。它会给我答案，然后我会问它：“为什么这么回答？详细解释一下。把这个道理用到其他地方试试。给我举几个例子。”有很多学习方法。我用我的AI“折磨”它来教我。学习的方法很多，但关键是要不断学习。
黄仁勋:关于CEO和领导力，我学到了什么？首先，作为CEO，作为领导，你不需要什么都知道。你必须对你在做的事情有信心，但不用非得确定。信心和确定不是一回事。你可以对前进的方向充满信心，同时也要允许不确定性的存在，这种不确定性给你继续学习的机会。
主持:从不确定性中获利。
黄仁勋:没错。不确定性是朋友，不是敌人。第二点，领导当然要坚强，因为很多人依靠你。他们从你身上汲取力量。然而，坚强并不意味着不能脆弱。如果你需要帮助，就要大胆求助。我自己就经常求助。我都不知道找你帮过多少次忙了。所以脆弱不等于软弱，不确定性不等于没信心。所以，要做到既坚强又自信，同时也能承认自己的脆弱和不确定性。
黄仁勋:最后一点，不要为了自己，要为了他人。当每个决定都是为了使命、为了他人、为了别人的成功的时候，领导者才能真正赢得信任。不管是公司内部的同事、合作伙伴、我们服务的生态系统，还是我们的供应链，我一直在思考如何让他们成功，如何让他们获益。就在昨晚我飞过来的时候，有人问我：“跟一个重要的合作伙伴谈合作，我们应该怎么做？” 我说：“你会怎么做？什么对他们最有利？” 从他们的利益出发，我们才能决定怎么做。我觉得这些想法可能会有帮助。
领导力秘籍：
透明、信任与使命感的力量
主持:关于跟别人合作这一点，我忍不住想问你五月份我问过你的那个问题。我当时跟你说，我看过报道说你有55个直接下属。你说：“不，Harry，我没有50个，我有60个。” 所以你真的有60个直接下属
黄仁勋:那我的员工大会规模可大了。
主持:我想说，你的员工大会得像这里的前四排那么多人。你是怎么做到的？这看起来像你独特的领导风格。
黄仁勋:透明。我在所有人面前分析我们要做什么。我们一起制定战略。不管是什么战略，每个人都同时听到，因为他们听到我们所有人一起讨论战略。所以当公司确定了方向、战略和决策之后，每个人都参与了思考过程。我不是那种躲起来自己想答案，然后出来告诉大家怎么做的人。我们一起思考，一起找到答案。我只需要确保大家都听到了一样的信息。
黄仁勋:我通常是最后一个发言的，我会根据我们讨论的结果，总结出方向和优先级。如果有任何 ambiguity（不明确的地方），我会把它解释清楚。
黄仁勋:一旦我们达成一致，都理解战略是什么，我就相信每个人都是成年人。我之前说的那些我的行为准则，不断学习，自信但不确定。如果我不知道，或者他们不知道，我希望他们说出来。如果他们需要帮助，我希望他们提出来。没有人是孤军奋战的。所以，当他们看到我这样做，他们就知道，即使是CEO、是领导，也可以示弱，可以求助，可以不确定，可以犯错。当他们看到我这样做，他们也会这样做。我对他们的期望就是，如果需要帮助，就说出来。除此之外，我的60个下属都是世界顶尖人才，他们不需要我的帮助
主持:我只能说，Jensen，你的方法看起来很有效。
追妻与创业：
天才CEO的“30岁承诺
主持:Jensen，今天早上你的获奖感言让我印象很深刻。你提到了很多关于我们学校的数字，特别是校友创办的创业公司数量、独角兽企业数量等等。我们学校确实以培养创业者而闻名，但今天我们还是请到了大师。你很年轻就创业了，而且把公司做得这么成功。你对我们学生和老师有什么建议？他们什么时候、为什么应该创业？而且，你还答应你老婆Lori，30岁之前要创业。除了这个，你还有什么建议？
黄仁勋:那是我追我老婆的套路。
黄仁勋:我16岁上大学，17岁遇见我老婆。她当时19岁。我是班里年纪最小的，班上有250个学生，3个女生，我是唯一一个看起来像小孩的。他们其实也都是小孩。
主持:你那时候就学会怎么竞争了。
黄仁勋:你得学会怎么追女生。所以我走到她面前，说：“我知道我看起来像个小孩。” 所以我肯定她对我的第一印象就是我很聪明。如果不是这样，那还能是什么呢？所以我知道她肯定会觉得我很聪明。然后我走到她面前，问她：“想看我的作业吗？”
黄仁勋:然后我承诺说：“如果你每个星期天都跟我一起写作业，我保证你科科都拿A。” 这样一来，我每个星期天都有约会，而且让她写了一整天作业。我跟她待了一整天。为了让她最终嫁给我，我还告诉她：“我现在才20岁，到30岁的时候，我会成为CEO。” 其实我根本不知道自己在说什么。
黄仁勋:然后我们就结婚了。这就是我对所有创业者的建议。
主持:Jensen，其实有个学生问了我一个问题，刚好就是这个。他说他学习很好，但需要专注。他读了你们的爱情故事，就想问问你，如果他花时间去追女生，会不会影响学习？你的答案是绝对不会。
黄仁勋:如果学习成绩下降了，我老婆就看不上了。我想让她知道我很聪明，所以在她来之前，我就把作业做完了。所以她来的时候，我已经知道所有答案了。她肯定在四年里一直觉得我 是个天才。
主持:你就是个天才，Jensen。
主持:Jensen，你给了我们学生一些很好的建议。我还想问一个问题？
主持:对了，我本来准备了九页的问题，很抱歉没时间都问。
黄仁勋:光读问题就得花不少时间。
机器学习的未来：
大学、科研与共享计算的破局之道
主持:是的。而且我没用GPT，不然就简单多了。所以，我的问题是，作为大学老师，现在做AI研究需要大量的计算资源。我们之前也提到了，几年前有个华盛顿大学的教授在推特上说：“深度学习革命中明显缺席的是MIT。” 他其实想说的是，不光是MIT，美国很多顶尖大学都没有做出太多贡献。过去十年里，开创性的论文大多出自企业，比如你的公司、微软、OpenAI、谷歌、DeepMind等等，部分原因就是他们有足够的计算资源。所以我们教授的问题是，我们该怎么办？是都去英伟达工作吗？或者我们可以和英伟达合作吗？你是我们杰出的校友，能帮帮我们吗？
黄仁勋:可以，可以，当然可以。你的问题核心其实是一个很严重的大学的结构性问题。你知道，未来如果没有机器学习，科学就很难发展。而没有机器，机器学习也无从谈起。这就像没有天文望远镜就没办法研究宇宙，没有粒子加速器就没办法研究物质基本结构一样。你需要科研仪器。超级计算机就是今天的科研仪器。
黄仁勋:大学的结构性问题在于，每个研究人员都要自己申请经费。一旦申请到了，就不想跟别人分享。但是机器学习需要大量的计算资源，你可能只需要用一小段时间，但你需要的是全部的资源。没有人会一直占用所有资源，但他们会在短时间内需要大量的资源。所以，大学要发展科研，就得把大家的资源集中起来，这在斯坦福、哈佛这样的大学很难做到，因为那些计算机专业的教授很容易拿到大量的经费，但研究气候、海洋等等领域的教授就很难。
黄仁勋:所以现在的问题是如何解决。我觉得大学应该牵头，为全校建立共享的基础设施，这样才能真正有所改变。但这是大学的结构性挑战。这也是为什么很多研究人员会去我们公司、谷歌、微软实习的原因，因为我们有基础设施。然后他们回学校一段时间，又会让我们帮他们保存研究数据，这样下次来的时候可以接着做。我们有很多这样的访问学者。所以有很多方法可以解决这个问题。最好的办法就是大学重新思考如何分配经费。
主持:这个建议太好了，尤其是对今天的观众来说。我们今天请到了孙东教授，他负责我们政府的技术创新和产业部门，他非常支持AI研究的funding（资金）。事实上，孙教授支持了香港生成式AI中心。这是一个根本性的优势。
主持:是的。我们还有财政司副司长也在这里，我相信他们会听取你的建议。
黄仁勋:别忘了我给的百万倍折扣。
能源与智能的博弈：
用能源换AI，值得吗？
主持:不过我还想问你一个难题，一方面，我们很高兴看到计算能力大幅提升，价格也在下降，这很好。但同时，你的GPU耗电量也很大。有人预测到2030年，全球能源消耗会增加30%。你担不担心因为你的GPU，全球的能源消耗会增加？
黄仁勋:我先说结论：如果世界为了AI工厂消耗更多能源，那这个世界会变得更好。
黄仁勋:我解释一下。第一，AI的目的不是训练模型，而是使用模型。上学本身没错，学习本身也是好事。但是大多数学生来上学，投入时间和金钱，是为了将来能用学到的知识获得成功。AI也一样，它的目的不是训练，而是推理。推理的效率很高，它可以用来发现储存二氧化碳的新方法，设计新的风力涡轮机，发现新的储能材料，提高太阳能板的效率等等。所以我们的目标是创造AI，而不是训练AI。
黄仁勋:第二，AI在哪里学习都一样。我们不需要把超级计算机放在靠近电网的校园里。我们可以把超级计算机放在偏远地区，用可持续能源，而不是放在人口密集的地方。我们以前建的发电厂都是为了给附近的家庭、电器供电。现在因为电动汽车，充电桩也要建在附近。但超级计算机不需要靠近我们，它可以在其他地方学习。
黄仁勋:最后，我希望AI能更高效、更智能地发现新的科学，减少浪费，不管是电网的浪费还是其他浪费。我希望最终我们能看到，把能源用在智能上，才是最好的选择。
硬件+AI的黄金地带：
大湾区如何抓住机器人风口
主持:我当然同意，把能源用在智能上是最好的选择。说到智能，我想回到智能这个话题，Jensen，你知道，粤港澳大湾区，香港、深圳、广州、东莞这一带，我们都住在湾区。
主持:这些年来，这里已经形成了一个巨大的硬件生态系统。现在你要是想做任何有意思的电子产品，不在大湾区做，效率就会低很多，因为你找不到那么多零件。最好的例子就是大疆，做无人机的，技术非常厉害。所以我的问题是，随着智能的发展，实体部分会越来越重要，比如机器人，还有自动驾驶汽车。你怎么看？我们多久能在生活中看到这些实体智能？我们应该如何利用大湾区的硬件生态系统？
黄仁勋:这对中国和这个地区来说是个天大的好机会。因为大湾区本来就擅长机电一体化，也就是机械和电子的结合。
黄仁勋:机器人技术缺的就是一个理解物理世界的AI。现在的聊天机器人或者大型语言模型，只懂文字上的知识，不懂物理世界的规律。它不知道你把杯子放在桌子上，杯子不会穿过去。所以我们需要教AI理解物理世界。
黄仁勋:我给你们展示一下我们取得的进展。你们可能都看过，现在可以用AI把文字变成视频。我可以生成一个视频，开头是我的照片，然后你输入：“Jensen，拿起咖啡杯。” 如果我可以让AI拿起咖啡杯，那我也可以让它控制机械臂去拿起杯子。所以，从现在的AI到机器人技术，只差一小步了。我对这个领域非常看好。
黄仁勋:只有三种机器人可以量产，其他类型的机器人很难量产。量产很重要，因为你需要技术飞轮。量产能带来更多的研发投入，研发投入能带来技术突破，技术突破能带来更好的产品，更好的产品能带来更大的产量。这个飞轮对任何行业都至关重要。
黄仁勋:这三种机器人分别是：汽车，因为我们已经为汽车创造了世界；无人机，因为天空很广阔；人形机器人，因为我们为自己创造了世界。这三种机器人可以直接部署到现实世界中。大湾区的制造业生态系统在这方面很有优势。
黄仁勋:你想想看，大湾区是世界上唯一一个同时拥有先进机电一体化技术和AI技术的地方。其他地方都没有。日本和德国的机电一体化也很强，但他们的AI比较落后。这里不一样。所以这是个非常独特的机会，一定要好好把握。
主持:很高兴听到你对实体智能和机器人的看法。我们学校在这些方面也很强。我相信在大湾区，我们可以跟很多企业、甚至不同的政府合作。前几天我刚跟深圳市长和科技局的张博士聊过。我很高兴看到大湾区，特别是深圳，是一个硬件迭代速度像软件一样快的城市。这正是你说的，为什么这对我们这个地区、对我们学校来说，是个好机会。
黄仁勋:我看你们学校做的研究和我以前学校做的研究，AI、机器人和医疗，这三个领域很有潜力。是谁选的这三个方向，真是太有眼光了！
关注《森林聊AI商业》公众号
了解 AI 如何塑造商业的未来
