👇关注公众号后设🌟标，掌握第一手AI新动态
本文访谈内容整理自黄仁勋在香港科技大学的专访，公开发表于2024年11月23日。原始内容参考：https://www.youtube.com/watch?v=NuTZNgrLBJk
黄仁勋在香港科技大学接受专访
★内容导读：
黄仁勋谈及人工智能的革命性突破在于其理解各种类型数据的能力（语言、图像、序列等），并能够进行不同信息形式的转换（例如文本到图像）。这种通用函数逼近器带来了许多初创企业，并使得理解复杂信息成为可能，对数字生物学、芯片设计、农业科技、气候科学和能源领域产生深远影响。 黄仁勋将人工智能时代比作农业革命、工业革命和信息技术革命之后的又一革命，认为其核心在于“制造智能”，并详细解释了其重要性。这体现在将软件开发从手工编码转变为基于机器学习和神经网络的模式，从而彻底改变了计算机科学。 黄仁勋指出人工智能的核心是认知自动化，包括解决问题的自动化（感知、推理和规划）。他将人工智能产生的智能比作“数字家电”，如同过去电力的产生和应用一样，将形成一个全新的产业，产生巨大的经济效益。 黄仁勋解释了“规模定律”，指出大型语言模型的计算需求每年增长4倍以上，这解释了英伟达股票的增长。他认为规模定律仍在继续，但未来需要提高模型的准确性和可信度，这需要继续提升计算能力。英伟达的贡献在于降低了计算的边际成本，改变了人们对计算的认知。 黄仁勋建议香港科技大学在“人工智能赋能科学”方面投资，特别是数字人体生物学建模，并利用即将建立的医院的优势，从技术和人工智能角度出发，推动医疗保健领域的创新。 黄仁勋分享了他30多年的CEO经验，强调将工作视为毕生事业，持续学习的重要性，并建议学生们从他人利益出发做出决定。他认为CEO应该强大但也可以脆弱，自信但不确定，并强调透明度和团队合作的重要性。 黄仁勋建议学生们创办公司时，要考虑自身的长处，并为他人创造价值，而不是仅仅为自己。他还分享了自己年轻时通过承诺帮助妻子学习来获得约会的趣闻。 黄仁勋认为大湾区在机电一体化方面拥有优势，结合人工智能技术，能够推动机器人技术的飞速发展，特别是人形机器人、自动驾驶汽车和无人机等。他指出，大湾区是世界上唯一一个机电一体化技术和人工智能技术同时存在的地区，拥有独特的机遇。 黄仁勋谈及人工智能的能源消耗问题，认为如果世界使用更多能源来为全球人工智能工厂提供动力，那么最终将拥有一个更好的世界。他指出人工智能的目标是使用模型而不是训练模型，并通过人工智能来提高能源利用效率，减少能源浪费。
访谈内容
主持人： 今天下午我们只有不到一个小时的时间。詹森，我将直接向你提出一些棘手的问题。你长期领导着这个技术领域，人工智能领域。为了我们观众的缘故，请你告诉我们你最近对人工智能，更具体地说，对通用人工智能的看法，以及人工智能对整个社会和产业的影响。
黄仁勋： 首先，感谢你们给我这次与你们共度的机会。哈里是我们这个时代最具影响力的计算机科学家之一。长期以来，他一直是我的英雄，也是世界各地许多其他人的英雄。我很荣幸来到这里。
哈里，正如你所知，当人工智能网络能够学习理解各种数据时，就会发生变革性的、突破性的能力。这包括语言、图像、蛋白质序列、氨基酸序列和化学物质序列。突然之间，我们现在有了能够理解单词含义等的计算机。
此外，由于生成式人工智能，我们可以将一种信息模式转换成另一种信息模式。例如，我们可以将文本翻译成图像，文本翻译成文本，蛋白质翻译成文本，文本翻译成蛋白质，以及文本翻译成化学物质。这个通用的函数逼近器已经发展成为一个通用的……
各种语言的翻译器。所以问题是，我们可以用它做什么？你可以看到世界各地涌现出的许多初创企业，以及所有这些不同模式和能力组合所带来的许多功能。
我认为真正令人惊叹的突破在于，我们现在可以理解信息的含义——极其复杂的信息。如果你是一位数字生物学家，这意味着什么？你可以理解你正在查看的数据的含义，从而能够找到大海捞针中的那根针。
如果你是在英伟达这样的公司担任芯片设计师或系统设计师，这意味着什么？如果你从事农业科技、气候科学或能源领域，正在寻找新的材料，这意味着什么？这才是真正具有开创性的东西：我们现在有了对人工智能对社会惊人影响的精彩描述。
主持人： 我认为你所说的话真的引起了我的共鸣，在某种程度上甚至让我震惊。你把我们带回了整个人类历史。你说，好吧，这是农业革命，所以我们实际上生产了更多的食物。然后我们有了工业革命，我们实际上生产了更多的钢铁。然后我们有了信息技术，我们实际上拥有了更多的信息。现在在这个智能时代，你在英伟达所做的，人工智能所做的，实际上是制造智能，你能更详细地解释一下为什么这件事如此重要吗？
黄仁勋： 是的，当你从计算机科学的角度来看我们一起做过的事情，哈里，而你正处于这一切的核心时，我们已经彻底重塑了整个技术栈，也就是我们过去开发软件的方式。当你思考计算机科学时，你必须考虑软件开发以及软件是如何完成的。我们过去是用双手编写代码的。我们会想象我们想要实现什么功能，我们想要应用什么算法，然后我们会运用自己的创造力将其输入计算机。我从 Fortran 开始，然后学习了 Pascal、C 和 C++。每一种语言都允许我们用在 CPU 上运行良好的代码来表达我们的思想。
突然之间，我们现在使用观察到的数据。我们将这些观察到的数据提供给计算机，并询问它，你在这段代码中看到了什么函数？通过研究我们提供给你的所有数据，你观察到了哪些模式和关系？我们不再编写代码，而是使用机器学习。机器生成的不是软件，而是神经网络，这些神经网络在 GPU 上进行处理。从编码到机器学习，从 CPU 到 GPU 的这种转变使我们能够开发出非同寻常的软件类型。在这个技术栈的顶端是人工智能，它源于这些进步。因此，正如我刚才描述的那样，计算机科学确实发生了转变。
现在的问题是，我们的行业会发生什么？我们都在争先恐后地使用机器学习来发现新的 AI。你非常了解人工智能的一个基本方面是认知和问题解决的自动化。问题解决可以归结为三个基本思想：感知和理解环境，对其进行推理，然后根据你的目标制定与之交互的计划。这三个步骤——感知、推理和规划——对于解决问题至关重要。
例如，感知、推理和规划可以应用于自动驾驶汽车。在这种情况下，感知汽车周围的环境，推理其相对于其他车辆的位置，以及规划如何驾驶就体现了这个过程。这辆自动驾驶汽车可以被认为是数字司机。同样，考虑一下 CT 扫描；如果你观察它、理解它并推理你所看到的内容，你可能会得出结论，存在异常情况，例如肿瘤。在这种情况下，你的作用就像数字放射科医生。在几乎每个领域，我们都可以设想人工智能可以执行特定任务的应用程序。
当我们拥有足够多的这些数字代理会发生什么？这些代理与生成数字人工智能的计算机交互，导致我们数据中心中所有人的集体数据消耗导致我们所说的代币——或数字智能的产生。让我更清楚地解释一下：300 年前，通用电气和西屋公司发明了一种新型机器，称为发电机，最终成为交流发电机。他们巧妙地创造了电器，例如灯泡和烤面包机，这些电器消耗这些发电机产生的电力。
今天，我们正在创造副驾驶和 ChatGPT——各种形式的智能。把这些想象成我们都在使用的现代电器，连接到一种新型工厂——数字智能工厂。从工业角度来看，现在发生的事情是创造一个新的产业，它吸收能量并产生数字智能。这种数字智能可以用于无数的应用程序，我们相信它的消耗量将非常巨大。整个行业是一个新概念，就像当时的交流发电行业一样。
主持人： 但这真的太令人惊叹了。Jensen，你描绘了一个非常光明的未来。当然，我们知道这件事一定会发生，这在很大程度上要归功于你的努力以及英伟达对该领域的贡献，尤其是在过去10到12年里。
有一个数字不断出现，人们用“缩放定律”等名词来谈论它，最近也以你的名字命名。它被称为“黄氏定律”。当然，与计算产业早期的摩尔定律相比，英特尔提出了摩尔定律，其基本含义是每18个月计算能力就会翻倍。
现在，如果我们回顾一下你领导下的过去10到12年，甚至不是每年，而是更快。如果我们看看消费端，所有这些大型语言模型在过去12年里，每年计算需求实际上都增长了4倍以上。如果每年增长4倍，那么10年后就会变成一个天文数字——实际上是一百万倍。
所以，至少我是这样向人们解释为什么Jensen的股票在10年内上涨了300倍的。如果你仔细想想，不断增长的需求是百万倍的。那么这就能解释为什么股票价格可能并不算贵。
那么，我的问题是，当你用你的水晶球展望未来时，我们是否会在未来10年看到需求增长百万倍？
黄仁勋： 摩尔定律依赖于两个概念。一个是VLSI缩放，这是因为卡弗·米德（Carver Mead）。米德和康威合著的著作确实激励了我们这一代人。第二个是丹纳德缩放（Denard scaling）。晶体管的恒定电流密度缩放，加上晶体管的尺寸缩小，使我们能够每隔几年将半导体的性能翻一番。每一年半翻一番，这意味着五年翻十倍，十年翻一百倍。
目前，我们发现，我们的神经网络越大，训练这些网络的数据越多，人工智能似乎就越智能。这种现象类似于摩尔定律，被称为缩放定律，而且似乎还在继续。然而，智能的一个关键方面是预训练——本质上是获取世界上所有数据并自动发现知识——是不够的。就像大学毕业是一个重要的里程碑，但还不够一样，还需要后续训练。后续训练涉及深入学习特定技能，需要各种技术，例如强化学习、人工反馈、合成数据生成和多路径学习。
当你选择一个特定的职业时，你会经历大量的额外学习。之后，这个过程最终会形成我们所说的思考。在思考过程中，有些问题有直接的答案，而另一些问题则需要将问题分解成更小的部分，并系统地解决每一个部分。这可能需要迭代解决方案或模拟各种结果，因为答案可能并不直接。我们将此过程称为思考，并且可以推断，思考的时间越长，答案的质量可能越高。
在这一点上，我们已经确定了人工智能发展的三个关键领域，在这些领域中，计算能力的提高会导致更高质量的答案。目前，我们提供的答案是最好的，但我们需要进步到一个阶段，在这个阶段，响应更可靠，但仍然需要审查其有效性。这包括评估答案是否出现幻觉或是否合理。我们需要确保我们提供的答案在很大程度上是可信的，我相信我们距离达到这种可靠性水平还有几年时间。在此期间，我们必须继续增强我们的计算能力。
前面提到的一个值得注意的点是，在过去的10年里，我们的性能提高了一百万倍。英伟达真正做出的贡献是将计算的边际成本降低了相同的倍数。想象一下，世界上你依赖的东西，比如电力或飞机票，成本降低了一百万倍。当发生如此巨大的降幅时，它会从根本上改变你对计算的习惯和看法。这一里程碑代表了英伟达最大的贡献：我们使研究人员能够毫不犹豫地利用机器从海量数据中进行彻底学习。这就是机器学习如此受欢迎的原因。
主持人： 我完全明白你的意思。我们这里的一些教授可能会略有不同意，因为他们仍然需要很多钱来购买你们的GPU。
我认为我们可以从Jensen那里学到很多不同的东西。让我们看看接下来的40分钟会发生什么。所以，Jensen，我真正想向你请教的是，我们应该在香港科技大学做什么。这实际上是关于我们现在可以使用人工智能技术、人工智能基础设施、你们的GPU以及你们软件生态系统来探索的领域，我们有很多选择。
一个特别令人兴奋的计划是我们所说的“人工智能用于科学”，你一直倡导这一点。例如，我们一直在大学投资大量的计算基础设施和GPU。叶院长和我特别鼓励我们的教师在物理学和计算机科学之间、材料科学和计算机科学之间以及生物学和计算机科学之间进行合作。你一直在讨论生物学的未来，这是一个潜力巨大的领域。
此外，目前香港正在发生的一个非常令人兴奋的发展是，我们的政府决定建立第三所医学院。事实上，香港科技大学是第一所提交这项倡议提案的大学。我们非常感谢你的建议，特别是来自我们的校友的建议。
你对叶院长、我本人和大学有什么建议？我们应该投资在哪里？
黄仁勋： 首先，我在2018年的世界科学计算大会（超级计算）上介绍了人工智能。这受到了很大的怀疑。原因是人工智能有点像黑匣子。当时它是一个黑匣子。事实上，今天它不像黑匣子了。它更像你我；我们是黑匣子。但你今天可以问人工智能——这是你当时无法做到的——让你一起推理。你可以询问它为什么建议这样做，并要求它逐步解释它是如何得出这个答案的。通过这种探究过程，人工智能在今天变得更加透明和可解释。通过提问，就像教授们探究他们的学生以了解他们的思维过程一样，我们可以更深入地研究，不仅要产生答案，还要理解这些答案背后的推理，这现在是合理的，并且基于第一性原理。这种能力在2018年是不存在的，这导致了怀疑。
第二，人工智能尚未从第一性原理产生答案。相反，它通过学习观察到的数据来生成答案。因此，它并没有真正模拟第一性原理求解器；而是在模拟智能和物理学。现在的问题是：模拟对科学有价值吗？我认为模拟对科学是无价的。原因是，在许多领域，虽然我们理解第一性原理——例如薛定谔方程和麦克斯韦方程——但我们无法有效地模拟或理解大型系统。与其从第一性原理求解，这在计算上是有限制的甚至是不可能的，我们可以利用经过训练来理解这些物理概念的人工智能，并利用它们来模拟庞大的系统，从而让我们洞察大型现象。
这在哪些方面有用？首先，人类生物学的尺度从纳米到时间尺度从纳米秒到数年不等。如此多样化尺度下人类生物系统的复杂性，对于原理求解器来说是根本无法达到的。现在关键的问题是，我们能否利用人工智能来模拟人类生物学，以便更好地理解这些复杂的跨尺度系统。这可以让我们创造一个人类生物学的数字孪生体，这代表着巨大的希望。我们的愿望是，我们现在可能拥有计算技术，可以让数字生物学家、气候科学家和处理极其庞大和复杂问题的专家第一次真正理解物理系统。
说到你们的医院，香港科技大学的一个巨大机遇是这里将建立一家医院，其最初的领域专业知识将是技术、计算机科学和人工智能。
这与世界上几乎所有医院的情况相反。它最初是一家医院，现在试图将人工智能和技术融入其中，这通常会遇到怀疑，不信任技术。因此，你第一次有机会从头开始创造一些东西，在那里技术被接受。
而且技术可以先进，这里的人们正在推进基础技术本身。因此，你了解它的局限性，也了解它的潜力。我认为这是一个非凡的机会。我希望你们能利用它。
主持人： 谢谢，Jensen。我们非常喜欢您的建议。这所大学一直擅长科技和创新，不断推动计算机科学、工程学、生物学等领域的进步。因此，我们认为，凭借香港的第三所医学院，我们可以做一些与其他两所优秀医学院不同的尝试。我们将更传统的医学培训与我们擅长的技术研究相结合。相信未来我们会再次向您寻求更多建议。
黄仁勋： 亚洲的麻省理工学院要建医院了。好极了。
主持人： 好主意！是的。Jensen，我想稍微转变一下话题，问您一些关于领导力的问题。您是硅谷任职时间最长的CEO，可能要远超其他人。31年CEO？将近32年。将近32年。您不累吗？
黄仁勋： 我超级累。我想您在某个场合说过……我今天早上才到，我超级累。
主持人： 您超级累，但您仍然坚持下去。当然，我们非常希望向您学习，学习您是如何领导如此庞大的组织——今天的英伟达，拥有数万名员工，令人惊叹的营收、大量的客户以及您的影响力。您是如何领导如此庞大的组织并保持如此快节奏的？
黄仁勋： 好吧，今天，让我说一下，今天我非常惊讶地看到有计算生物学家和商科学生……哦，我还是按学位说的。是的，他们是学生。通常，我们会看到计算生物学家走过，你跟他们握手。然后你会看到一些商科专业的学生走过，你跟他们握手。而今天我们看到了一些计算生物学家和商科学生在一起。没错。我觉得这太棒了。我创建英伟达时从未修过任何商科课程，直到今天，我也从未修过任何商科课程。
主持人： 您还说过您从未完成过一份商业计划。
黄仁勋： 我从未写过商业计划书。我不知道怎么写商业计划书。我指望你们所有人帮我写商业计划书。
我告诉你们这些的原因是，首先，我认为你们应该尽可能多地学习。我一直都在学习。所以，关于任何你想为之奉献一生的事情，我的第一点想法是，我认为这是我毕生的工作。这不仅仅是一份工作；这是我毕生的工作。把你的工作看作是毕生的工作，而不是仅仅是一份工作，这会极大地改变你的心态。无论你是木匠、艺术家还是神经外科医生，将你的工作视为你的毕生热情，意味着你正将你的生命奉献给完善这项技艺。对我来说，英伟达就是我的毕生事业。
我一路学到了很多东西，虽然有很多方面我可以讨论，但我现在不会花时间谈论这些。如果你渴望成为一家公司的CEO，你还有很多东西需要学习。你需要不断地重新塑造自己，因为世界总是在变化。你的公司在发展，技术在进步。你今天所知道的一切将来总有一天会有用，但这还不够——当然远远不够。
我几乎每天都在学习。例如，当我飞来这里的时候，我一直在看YouTube视频或与我的AI对话。顺便说一句，我建议找个AI当家教；问它很多问题。当它提供答案时，问它为什么给你这个答案，并要求它一步一步地解释。鼓励它将它的推理应用到其他事情上，并提供类比。学习的方法有很多，我利用我的AI来教我。
我的意思是，你应该不断学习。关于担任CEO和领导力，我学到了什么？首先，虽然你是CEO和领导者，但你不必什么都懂。你需要对你正在做的事情充满信心，但你不必确定无疑。自信和确定不是一回事。在追求一个方向时，完全可以充满信心，同时又能为不确定性留出空间。这种不确定性空间让你有机会继续生活和成长。
主持人： 所以要从不确定性中获利。
黄仁勋： 没错。不确定性是你的朋友，不是你的敌人。第二点我想说的是，领导者当然需要强大。因为很多人都在依靠你的力量。他们从你的力量中汲取能量。然而，你很强大并不意味着你不能脆弱。意思是，如果你需要帮助，就寻求帮助。我不知道我向你们寻求过多少次帮助了。
脆弱并非缺乏力量。不确定性并非缺乏信心。所以，生活在一个你可以强大自信，同时也可以脆弱不确定的世界里。我认为这对有效的领导至关重要。
最后一个想法是：不要为了自己而做。为了其他人而做。当每一个做出的决定都符合使命的利益时，领导者才能获得根本性的信任。这符合他人的利益。这符合他人成功的利益。无论是公司内部的人员、我的同事、我的合作伙伴、我们服务的生态系统，还是我们的供应链，我都在不断地思考他人的成功。
就在昨晚，我飞来这里的路上，有人问我应该如何与一位非常重要的合作伙伴进行讨论。我说，那么，你会怎么做？你会建议什么对他们最有利？从他们的最大利益出发，我们可以决定怎么做。我认为这些想法可能会有所帮助。
主持人： 是的，关于与他人合作这一点，我不禁要问我在五月份在家时问过的一个问题。我说，Jensen，我读到过某个地方说你实际上有50个直接下属。他说，不，Harry，我没有50个，我有60个。所以你确实有60个直接下属。
就像这里前四排的人一样。你是怎么做到的？这似乎是您独特的领导风格。是的。
黄仁勋： 透明度。我会在大家面前阐述我们需要做什么。我们一起制定策略。无论是什么策略，每个人都同时听到，因为他们都听到了我们一起制定策略的过程。所以，当公司有了方向、有了策略、有了决策时，每个人都一起思考过这个问题。这不像是我独自一人进入森林，然后带着答案出来，然后每个人都在等着我告诉他们该做什么，我们一起思考这个问题。我们一起找到了答案。所以我唯一需要做的就是确保我们都听到了一样的信息。
我通常，我通常是最后发言的人，根据我们所做的一切，来描述这是方向。这些是优先事项。确保如果存在任何歧义，我已经消除了歧义。
现在，一旦我们都统一了意见，并且我们都理解了策略是什么，我就指望每个人都是成年人。我之前提到的关于我行为的所有内容——不断学习、自信但又不确定——都很重要。如果他们不知道什么，我需要他们表达出来。如果他们需要帮助，我需要他们向我们寻求帮助。没有人独自失败。没有人独自一人承担后果。
当其他人看到同样的行为，并意识到作为CEO，可以脆弱，作为领导者，我可以寻求帮助，我可以不确定，我可以犯错。当他们看到我们这样做时，他们也可以这样做。我唯一期望的是，如果他们需要帮助，他们应该说出来。
但除此之外，我有60名员工。他们都是各自领域的世界顶尖人才；你知道他们是世界上最优秀的人。他们不需要对自己的能力感到不确定。
主持人： 我只能说Jensen的方法似乎奏效了。Jensen，今天早上你发表的香港科技大学学位获得感言给我留下了深刻的印象。你提到了一些关于我们大学的数字，特别是校友创办的初创企业数量，以及这所大学培养的独角兽企业数量和成功的退出数量。这所大学确实以培养新兴企业家和公司而闻名。
但是，今天我们请到了大师——你。你年轻时就创建了自己的公司，并带领公司一路走向今天的不可思议的成功。那么，你对我们的学生和教职员工有什么建议呢？他们应该在何时以及为什么创业？
此外，你曾答应你的妻子Lori，30岁之前会创办一家公司。对于那些渴望追随你脚步的人，你还有什么其他建议？
黄仁勋： 是的，那是我当时的搭讪技巧。我16岁上大学。遇到我妻子时，我17岁，她19岁。所以我是学校里、班级里最小的孩子。当时有250名学生，只有三个女生。我是唯一一个看起来像孩子的学生，而他们都是大孩子。没错。
主持人： 我们学会了如何竞争。
黄仁勋： 你必须学会……你知道……要有好的搭讪技巧。所以我走到她面前，我说：我知道我看起来像个孩子，因此我确信她对我的第一印象是我很聪明，否则……你知道……所以我认为她对我的第一印象会认为我很聪明，于是我走过去对她说：
你想看看我的作业吗？然后我给她许下承诺：如果你每个星期天都和我一起做作业，我保证你会拿到全A。好吗？结果，我每个星期天都有约会。我让她一整天都做作业，我整天都和她在一起。然后，为了确保她最终会嫁给我，我告诉她，到我30岁的时候，我会成为CEO。我当时根本不知道自己在说什么。
主持人： 哈哈哈
黄仁勋： 然后我们就结婚了。这就是我要给所有企业家的全部建议。就是这样。
主持人： 实际上，Jensen，这是我收集到的学生问题之一。实际上是一个学生提出的问题。显然，这位学生说他在学校各方面都很优秀，但他需要专注。但他读了你爱情故事后，他想问你，如果他浪费时间去约会而影响了学业，这对他的学习有害吗？你的回答是绝对没有。
黄仁勋： 绝对没有。如果你不能持续保持优秀，你知道，她虽然没看到，但我希望她知道我很聪明，所以在她来之前我就把作业做完了。所以当她来的时候，我知道所有答案。
主持人： 天才！Jensen，你真是个天才。好了，Jensen，现在你给我们的学生一些好的建议，我需要问一个问题。我实际上有九页的问题，其中一个问题，作为大学的一名助理教授，现在做人工智能需要大量的计算能力。我们之前已经暗示过这一点。有趣的是，华盛顿大学的一位教授几年前发了一条推特，大意是说，“深度学习革命中明显缺席的是”麻省理工学院。
但他实际上并非仅仅指麻省理工学院。事实上，即使是美国的顶尖大学，在过去十年中也没有贡献太多开创性的论文。相反，像你们公司、微软、OpenAI、谷歌、DeepMind这样的顶级公司取得了令人惊叹的成就，部分原因是他们拥有足够的计算能力。
所以我们教授的问题是：我们应该怎么做？我们应该加入英伟达吗？这是一种方法。或者我们可以与英伟达合作吗？你是我们的新校友；你能帮忙吗？
黄仁勋： 谢谢。是的，两个都可以。
问题的核心实际上是大学的一个非常严重的结构性问题。众所周知，未来，在不使用机器学习的情况下，无法以我们正在讨论的规模推进科学发展。而没有机器，机器学习是不可能的。这与没有射电望远镜就研究宇宙一样；如果没有某种粒子加速器，你就无法努力去理解世界构成要素的结构。你无法研究这些东西。你需要科学仪器。今天，超级计算机和人工智能超级计算机就是科学仪器。
大学的结构性问题在于，每个独立研究人员、每个研究者都在寻求自己的资金。结果，一旦他们筹集到资金，他们往往不愿意与其他人分享资源。然而，机器学习的操作方式不同；你只需要在一段时间内使用机器，但实际上你只需要在很短的时间内使用全部资源。没有人永远需要所有资源；相反，他们需要在短暂的时间内获得大量的资源。因此，为了让大学推进研究，必须整合所有人的资金，这尤其对斯坦福大学或哈佛大学等机构来说是一个巨大的挑战。
在这些大学里，计算机科学领域的研究人员可以获得大量的资金，而气候科学、海洋科学或其他学科的研究人员则面临更大的困难。现在，问题出现了：可以做些什么呢？我相信，能够带头为整个机构建设基础设施以供使用的大学才能真正发挥作用。这种情况概括了大学面临的结构性挑战。
这也是许多研究人员选择在我们公司、谷歌和微软等公司实习的原因。这些公司为他们的研究提供了必要的基础设施。实习结束后，研究人员经常回到他们的学术机构，要求在我们系统中继续他们的研究，以便他们可以从中断的地方继续。许多教授，包括访问教授，都兼职从事研究，同时继续教学。解决这个问题的方法有很多，但最有效的方法可能需要从根本上重新思考大学内部资金的管理方式。
主持人： 这真是个极好的建议，尤其今天在座的各位，我们有孙东教授，他负责我们政府的技术创新和产业部门，并且在为人工智能争取资金方面给予了极大的支持。事实上，孙教授实际上也支持了香港的这个生成式人工智能中心，它被称为香港生成式人工智能中心（Hong Kong Generative AI Center）。
黄仁勋： 这确实是一个根本性的优势。
主持人： 是的，我们还有我们的副财务主管（deputy FS）也在场，他也签署了支票，我相信他们可以向您学习并聆听您的建议。
黄仁勋： 但我确实记得百万X折扣（million X discount）。
主持人： 但我想问您一个具有挑战性的问题。一方面，我们非常高兴地看到计算能力持续显著提高，价格也在下降，这甚至更好。但与此同时，你们的GPU将消耗如此巨大的能量，如此巨大的能量！一些预测表明，到2030年，全球能源消耗将增长30%。您担心吗？您担心因为你们的GPU，世界实际上正在消耗更多的能量吗？
黄仁勋： 我将倒着跟你们解释。首先，我要说的是，如果世界消耗更多能量来为全球人工智能工厂提供动力，那么当这种情况发生时，我们将拥有一个更好的世界。现在，让我为您解释几点原因。第一，人工智能的目标不是训练模型，人工智能的目标是使用模型。对于你们的许多目标来说，仅仅为了学习而上学并没有错，这没有什么错；为了学习而学习是一件高尚的事情，实际上也是一件非常明智的事情。
然而，大多数学生来到这里，投入了大量的资金和时间。你们的目标是在以后取得成功，运用你们的知识。因此，人工智能的目标不仅仅是训练；人工智能的目标是推理。推理非常高效，它可以发现新的方法将二氧化碳储存在储层中。也许它可以发现新的风力涡轮机设计。也许它可以发现用于储存电力的新材料或更有效的太阳能电池板材料，等等。因此，我们的目标是最终创造人工智能，而不仅仅是训练人工智能。
第二点我要说的是，记住人工智能并不在乎它在哪里学习。我们不必将超级计算机放在靠近电网的校园里。我们应该做的是开始考虑将人工智能超级计算机稍微放在电网之外，并让它们使用可持续能源——而不是人口密集的地方。记住，我们所有的发电厂都是为我们需要靠近住宅的电器而建造的。灯泡靠近我们的房子；你的洗碗机靠近我们的房子；现在有了电动汽车，电动汽车也靠近我们的房子。但是超级计算机不必靠近我们的房子；它可以在其他地方学习。
最后，我希望发生的情况是，人工智能能够如此高效和聪明地发现新的科学，以至于我们拥有的浪费——无论是电网的浪费——都变得可控。电网需要更加智能化。你知道，电网大部分时间都供过于求，只有部分时间供不应求。大部分时间，它都是供过于求的。因此，我们应该在许多不同领域使用人工智能来节约能源并减少浪费。希望这将导致我们最终节省的能源减少约20%到30%。这是我的希望和梦想：最终，我们所有人都会看到，将能量用于智能是我们可以想象到的最好的能量用途。
主持人： 嗯，我当然同意将能量用于智能是最好的能量使用方式。说到智能，我想回到智能这个话题。Jensen，正如你所知，大湾区，这个地区，包括香港、新疆、广州和东莞。我们都住在湾区，多年来，它已经成为一个真正重要的硬件生态系统，如果我可以这么说的话。
如果你现在要制造任何有趣的电子产品，如果你不在湾区制造，它就会效率低下，因为你根本找不到所有那些组件。当然，一个很好的例子是大疆公司，它起源于这里。他们是一家拥有令人难以置信技术的商用无人机公司。
所以，我对你的问题是，当我们思考智能时，物理方面将变得越来越重要——特别是机器人技术。我认为我们将在我们生活的各个方面看到越来越多的机器人。当然，一种特殊的机器人被称为自动驾驶汽车或自动驾驶汽车。
您对此有何看法？我们多久才能在工作生活中看到这些物理智能实体？此外，我们应该如何思考这个问题并利用大湾区硬件生态系统？
黄仁勋： 这对中国和这个地区来说都是一个非凡的机会。原因是，大湾区和整个地区已经非常擅长机电一体化，这是机械技术和电子技术的交叉点。当然，机器人技术所缺少的是能够理解物理世界的人工智能。ChatGPT或当今的大型语言模型理解认知知识和智能，但它们并不一定理解物理智能。例如，它不明白当我放下杯子时，它不会穿过桌子。因此，我们需要教人工智能如何理解物理智能。
事实上，让我来证明我们在取得良好的进展。你们可能都看到过的一个演示是使用生成式人工智能生成文本到视频的能力。例如，我可以生成一个以我的照片开头的视频，然后你提示：“Jensen，拿起咖啡杯喝一口。”如果我可以提示人工智能去拿起咖啡杯，那么为什么我不能生成令牌来让机械臂做同样的事情呢？从我们现在掌握的生成式人工智能到通用机器人的差距，飞跃非常非常小。我对这个领域真的感到兴奋。
有三种类型的机器人可以批量生产，而且几乎只有三种。
所有其他类型的机器人，我们历史上见过的，你知道，机器人技术已经存在很长时间了。但它很难大规模扩展。大规模扩展很重要，因为你需要技术飞轮。大规模生产使你能够产生大量的研发，这使你能够取得伟大的技术突破，从而制造出更好的产品，这使得产量更高。而这个飞轮，这个研发飞轮对任何行业都至关重要。
只有三种机器人你才能真正做到这一点，但其中两种将是产量最高的。原因是这三种机器人都可以部署到当今的世界中，我们称之为棕地部署（brownfield deployment）。这三种是汽车，因为我们在过去250年中为汽车创造了世界，还有无人机，因为你知道，天空相当广阔。
但是产量最高的一种，当然是人形机器人。这是因为我们为自己创造了世界。有了这三种类型的机器人，我们几乎可以将机器人技术扩展到极高的产量。这是像这样的制造业生态系统真正具有的优势之一。
如果你想一想，这个大湾区是世界上唯一一个机电一体化技术和人工智能技术同时存在的地区。在其他任何地方都不存在这种情况。你可以选择其他两个大型机电一体化产业，日本和德国，但不幸的是，他们在人工智能方面远远落后。他们真的需要赶上来。这里的情况并非如此。这确实是一个非常独特的机会，我会全力以赴。
主持人： 是的，我很高兴听到您对物理智能和机器人未来发展的看法。我们这所大学实际上很擅长您刚才描述的那些方面。我相信，身处大湾区，我们有优势与不同的公司，甚至不同的市政府合作。就在几天前，我还与深圳市长以及负责该市科技局的张博士进行了交谈。看到在大湾区，尤其是在深圳市，这座城市能够以迭代软件的速度迭代硬件，我感到非常高兴。这正符合您的观点，为什么这对这个地区，对我们大学来说是一个绝佳的机会。
所以，Jensen，要让所有这些好事发生，我们仍然需要你们的支持，我们需要你们的GPU。我们实际上超时了。系统一直在提示。
黄仁勋： 说到GPU，我带来了一些GPU！是的！是的！如果我没有带来GPU，我担心我不会被欢迎回到我的母校。
关注公众号后设🌟标，掌握第一手AI新动态
