NVIDIA（）公司 CEO 黄仁勋近期作客「Open Source」双周对话，同 Brad Gerstner 与 Altimeter 合资东说念主 Clark Tang 沿途探讨了与对于推动智能向通用东说念主工智能（AGI）发展的主题。

在 AI 和机器学习领域深耕多年，黄仁勋对 AI 发展近况和远景的评价提纲契领：这是一场透顶的改进。

推理迎来爆炸式增长，开源模子需求量爆棚，完整兼容的 AI 基础设施无间落地……这个 AI 大行其说念的时间，黄仁勋骁勇构想，但愿畴昔的英伟达能够领有 5 万名职工和 1 亿个 AI 助手。

当谈及英伟达在咫尺 AI 宇宙的竞争壁垒和定位时，黄仁勋对自身上风十分自信清醒，同期也有着不小的贪心：英伟达最擅长的是算法，咱们的职责是为新宇宙构建一个无处不在的计算平台。

天然，有别于争夺市集份额，这颗贪心只关乎「开拓」。

在时长近一个半小时的访谈中，黄仁勋目光历害地剖析了机器学习如何重塑计算宇宙，AI 如何带来前所未有的手艺改进，并最终掀翻巨大的改进海浪。此外，还触及 AI 的安全性和开源争议等话题。

看似高冷的皮夹克之下，是黄仁勋对 AI 领域的酷暑初心：我会雅致对待处事，雅致对待责任，雅致对待社会孝敬以及咱们所处的时间。

本次访谈的信息密度相等之大，对于 AI 行业的探讨也前所未有的深入，退却错过！

原访谈视频勾搭：

咱们对黄仁勋在本次访谈中的主要不雅点作念了简要梳理，如下：

个东说念主 AI 助手将很快出现，而况会随时候无间进化；咱们仍是从东说念主类编程转向了机器学习，通盘这个词手艺栈都在达成创新和增长；促进 AI 的加速进化，需要对「飞轮」的每个部分都进行加速；畴昔的计算（应用设施开发）将高度依赖机器学习和 AI，而况会有智能体来匡助东说念主类使用这些应用设施；AI 不会取代处事，它将改造处事，并将对东说念主们如何看待处事产生深入影响；AI 的安全是基础，不一定需要为每一项蹙迫手艺单孤苦法，也弗成让监管过度膨大到不必要的领域；必须有开源模子来推动 AI 的创建，开源对于许多行业的激活是必要的；

以下是由 APPSO 编译的访谈全文：

从东说念主类编程转向机器学习

Brad Gerstner：现在是 10 月 4 日星期五，咱们在英伟达总部，就在 Altimeter 街下。咱们将在周一召开年度投资者会议，询查 AI 的通盘影响，以及咱们在智能膨大速率上的进展。

我真的想不出比你更合适的东说念主来开启这个话题了，你既是股东，亦然咱们的军师伙伴，和你沿途探讨想法总能让咱们变得愈加贤慧。咱们对这段友谊示意谢忱，是以感谢你的到来。

黄仁勋：很欢畅来到这里。

Brad Gerstner：本年的主题是将智能膨大到通用东说念主工智能（AGI）。

令东说念主颤动的是，两年前咱们作念这个的时候，主题是 AI 时间，而那是在 ChatGPT 发布前两个月。预见这一切变化，真的是让东说念主讶异。是以我想咱们不错以一个想想实验来启动，也许还不错作念个计算。

如果我把通用东说念主工智能（AGI）简单清爽为我口袋里的个东说念主助手，正如我所清爽的那样，它知说念我通盘的事情，领接洽于我的竣工挂念，能够与我相通，不错为我预订旅馆，以致不错为我预约大夫。在你看来，今天这个宇宙的变化速率如斯之快，你认为咱们什么时候能够领有这种口袋里的个东说念主助手？

黄仁勋：很快会以某种体式出现。阿谁助手会跟着时候的推移变得越来越好。这便是咱们所了解的手艺的巧妙之处。是以我认为，刚启动时它会至极灵验，但并不竣工。然后跟着时候的推移，它会变得越来越竣工。就像通盘手艺一样。

Brad Gerstner：当咱们不雅察变化速率时，我记起 Elon 曾说过，唯一蹙迫的事情是变化速率。咱们如实感到变化的速率大大加速了，这是咱们在这些问题上见过的最快的变化速率，因为咱们在 AI 领域仍是筹议了苟简十年，而你以致更久一些。在你的作事糊口中，这是你见过的最快的变化速率吗？

黄仁勋：是的，因为咱们从头发明了计算。这些变化很猛进度上是因为咱们在当年 10 年内将计算的边缘成本谴责了 10 万倍。如果按照摩尔定律计算，这个过程苟简是 100 倍的耕种，但咱们作念到了远远超过这少许。咱们通过几种样式达成了这一盘算。

最先，咱们引入了加速计算，将在 CPU 上成果不高的处事转动到 GPU 上。

其次，咱们发明了新的数值精度，开发了新的架构，遐想了集成中枢，改进了系统的构建样式，MVLink 增多了超快的内存（HBM），并通过 MVLink 和 InfiniBand 达成了全栈膨大。基本上，通盘我形色的对于英伟达作念事样式的细节，都促成了超越摩尔定律的创新速率。

现在，实在令东说念主惊奇的是，正因为如斯，咱们从东说念主类编程转向了机器学习。

而机器学习最令东说念主讶异的处所在于，事实证据注解它的学习速率至极快。是以，跟着咱们从头界说计算的分散样式，咱们进行了多种体式的并行处理：张量并行、活水线并行，以及多样种种的并行计算样式。咱们在这一基础上发明了新算法，并开发了新的教练方法。通盘这些发明都在相互之间产生了复合效应。

回到当年，如果你望望摩尔定律其时的运作样式，会发现软件是静态的。它被预设为像包装好的居品一样静态存在，然后硬件则以摩尔定律的速率发展。而现在，咱们是通盘这个词手艺栈在增长，通盘这个词栈都在进行创新，我认为这便是近况。

现在一忽儿之间咱们看到了惊东说念主的膨大，天然，这口舌凡的变化。但咱们以前询查的是预教练模子以及在这个层面上的膨大，如何通过将模子大小翻倍，合乎地将数据量也翻倍。

因此，每年所需的计算才智都会增多 4 倍。这其时是个大事。但现在咱们看到了在后教练阶段的膨大，也看到了推理阶段的膨大，对吧？东说念主们当年常认为预教练很难，而推理相对容易。

现在一切都变得很难，这种不雅点其实是合理的，毕竟将通盘东说念主类的想维都归结为一次性完成的过程是无理的。是以想维一定存在快想维和慢想维、推理、反想、迭代、模拟等宗旨，而现在这些宗旨正在逐步融入进来。

Clark Tang：我认为，就这少许而言，对于英伟达最被诬告的一件事便是英伟达的实在手艺上风有多大，对吧？我认为外界有一种看法，认为一朝有东说念主发明了一种新芯片或者更好的芯片，他们就赢了。

但事实是，当年十年你们一直在构建完整的手艺栈，从 GPU 到 CPU，再到网罗，尤其是那些让应用设施能够在英伟达平台上运行的软件和库。你认为今天英伟达的手艺上风比三到四年前更大照旧更小？

黄仁勋：我很感谢你意志到计算仍是发生了变化。事实上，东说念主们之是以认为（现在好多东说念主仍然这样认为）遐想一款更好的芯片就行了，是因为它有更多的浮点运算才智（flops），有更多的翻转、字节和位，你懂我的好奇吗？你看他们的主题演讲幻灯片，上头都是这些翻转和浮点运算，还有多样条形图、图表之类的。

这些都很好，我的好奇是，性能天然很蹙迫，是以这些基本上如实很蹙迫。关联词，祸害的是，这是老旧的想维样式。因为那时的软件只是在 Windows 上运行的某个应用设施，软件是静态的，这意味着你能改进系统的最好样式便是制造越来越快的芯片。

但咱们意志到，机器学习不是东说念主类编程。机器学习不单是是对于软件，它是对于通盘这个词数据通路的。事实上，机器学习的中枢飞轮（flywheel）是最蹙迫的东西。那么，你是如何接头在推动这个飞轮的同期，让数据科学家和筹议东说念主员能够在这个飞轮中高效处事的？而这个飞轮从最当先的阶段就启动了。

许多东说念主以致没挑升志到，推行上需要 AI 来整理数据，来教养另一个 AI。而只是这个 AI 自身就仍是相等复杂了。

▲个东说念主 AI 助手将很快以某种样式出现（图源：NITCO）

加速飞轮的每一步

Brad Gerstner：那它自身也在改进吗？它是否也在加速？你知说念，当咱们再一次想考竞争上风时，对吧？这推行上是通盘这些成分的组合效应。

黄仁勋：完全正确，恰是因为更智能的 AI 来整理数据，现在咱们以致有了合成数据生成以及多样不同的数据整理和呈现样式。是以在你进行教练之前，就仍是触及到大宗的数据处理。而东说念主们老是预见 PyTorch 是通盘这个词宇宙的最先和绝顶。

它如实至极蹙迫，但不要忘了，在使用 PyTorch 之前有大宗的处事，使用 PyTorch 之后也有大宗处事。而对于飞轮的宗旨，推行上是你应该想考的样式。你知说念，我应该怎么去想考通盘这个词飞轮？我该如何遐想一个计算系统，一个计算架构，匡助你让这个飞轮尽可能高效运转？这并不是一个应用教练的单一法子，对吧？这只是其中一步，好吗？

飞轮的每一步都很不毛，是以你应该最先想考的不是如何让 Excel 更快运行，也不是如何让《烧毁战士》更快运行，那是当年的老路，对吧？

现在你需要接头的是如何让这个飞轮更快。而这个飞轮包含了好多不同的法子，正如你们所知说念的，机器学习莫得什么是简单的，OpenAI 所作念的事情，或者 X 所作念的事情，或者 Gemini 团队和 DeepMind 所作念的事情，都莫得什么是简单的。

因此咱们决定，这才是你应该实在想考的。这是通盘这个词过程，你需要加速每一个部分。你要尊重阿姆达（Amdahl）定律，阿姆达定律会告诉你，如果这个部分占用了 30% 的时候，我将它加速了 3 倍，我并莫得真的将通盘这个词过程加速太多，明白吗？

你真的需要创建一个能加速每一步的系统，唯有通过加速通盘这个词过程，你才能实在权贵改善这个轮回时候，而阿谁学习速率飞轮，最终便是导致指数式增长的原因。

是以我要说的是，一个公司的不雅点推行上会反馈在它的居品上。严防，我一直在驳倒这个飞轮。

Clark Tang：你是说通盘这个词周期。

黄仁勋：没错，而且咱们现在加速了一切。现在的主要焦点是视频。好多东说念主都专注于物理 AI 和视频处理。试想一下前端，每秒稀有 TB 的数据进入系统。给我举个例子，证据处理这些数据的管说念是如何运行的，从数据采纳到准备进行教练的全过程，而这一切都是 CUDA 加速的。

Clark Tang：现在东说念主们只在想考文本模子，但畴昔还包括视频模子，同期使用一些文本模子，比如 o1，来在咱们启动处理之前先处理大宗的数据。

黄仁勋：语言模子将会触及到每一个领域。行业破钞了大宗手艺和元气心灵来教练语言模子，来教练这些大型语言模子。现在咱们在每一步都使用更低的计算成本。这真的至极了不得。

Brad Gerstner：我不想过于简单化这个问题，但咱们如实通常从投资者哪里听到这样的问题，对吧？是的，但定制化芯片呢？是的，但他们的竞争壁垒会不会因此被冲破？

我听到你所说的是，在这个组合系统中，上风是跟着时候增长的。是以我听你说，咱们今天的上风比三四年前更大，因为咱们在改进每一个组件。而这种组合效应，意味着你知说念，比如算作一个买卖案例筹议，英特尔也曾在手艺栈中占据主导地位，而你们今天相对他们而言处于什么位置？

也许不错简单玄虚一下，比拟一下你们今天的竞争上风与他们在巅峰时期的竞争上风。

黄仁勋：英特尔口舌凡的。英特尔之是以不凡，是因为他们可能是第一家在制造工艺工程和坐蓐方面极其出色的公司，而在制造工艺的基础上更进一步的是遐想芯片，对吧？他们遐想了芯片，构建了 x86 架构，而况无间制造更快的 x86 芯片。这是他们的贤慧之处。他们将这少许与制造工艺加以结合。

咱们的公司稍稍有些不同，因为咱们清爽到，事实上，平行处理并不需要每个晶体管都至极竣工。串行处理条件每个晶体管都必须白玉无瑕，而平行处理需要大宗的晶体管以达成更高的成本效益。

我同意要多 10 倍的晶体管，速率慢 20%，也不肯要少 10 倍的晶体管，速率快 20%。明白吗？他们则更可爱相悖的遴荐，因此单线程性能和单线程处理与平行处理至极不同。是以咱们意志到，推行上咱们的宇宙并不是追求往下作念得更好。咱们想作念到尽可能的好，但咱们的宇宙实在温雅的是如何往上作念得更好。

并行计算、并行处理很难，因为每个算法都需要根据架构以不同的样式重构和从头遐想。东说念主们没挑升志到的是，你不错有三种不同的 CPU，它们都有各自的 C 编译器，你不错把软件编译到相应的 ISA（指示集架构）上。这在加速计算中是不可能的，在并行计算中亦然不可能的。

开发出架构的公司必须开发出我方的 OpenGL。是以咱们透顶改造了深度学习，因为咱们有一个特定领域的库，叫作念 CUDNN。莫得 CUDNN，就莫得今天的深度学习。

莫得东说念主驳倒 CUDNN，因为它是在 PyTorch 和 TensorFlow 之下的一层。早期还有 Caffe 和 Theano，现在有 Triton，还有好多不同的框架。阿谁特定领域的库，像 CUDNN，还有 Optics，一个特定领域的库叫作念 CuQuantum，Rapids，还有其他好多库。

Brad Gerstner：行业特定的算法就位于阿谁公共都关注的 PyTorch 层之下，比如我通常听到东说念主们说，如果莫得这些底层库的话……

黄仁勋：如果咱们莫得发明它，任何顶层的应用设施都无法运行。你们明白我在说什么吗？从数学上讲，英伟达实在擅长的是算法，它交融了表层的科学与基层的架构，这是咱们实在擅长的。

▲黄仁勋在访谈中

咱们仍是进入推理时间

Clark Tang：现在通盘的关注点终于鸠合到了推理上。然则我记起两年前，Brad 和我和你共进晚餐时，咱们问你一个问题：你认为英伟达在推理领域的手艺上风会像在教练领域一样强硬吗？

黄仁勋：我深信说过，它会更强硬。

Clark Tang：你刚才提到了好多成分，比如模块化组合，不同组合的总成，未必咱们并不完全了解。对于客户来说，能够在这些之间天泄露换至极蹙迫。但你能弗成再谈谈，现在咱们仍是进入了推理时间。

黄仁勋：推理便是大规模的推理教练，对吧？是以，如果你教练得好，那么很有可能你的推理也会很好。如果你在这种架构上进行教练而莫得任何退换，它将能够在这种架构上运行。

天然，你依然不错为其他架构进行优化，但至少，因为它仍是是在英伟达的架构上构建的，是以它能够在英伟达的架构上运行。

另一个方面，天然，还有成本投资方面的问题。当你教练新模子时，你会但愿使用最新最好的拓荒进行教练，而这会留住之前使用过的拓荒。而这些拓荒至极允洽用于推理。因此，会有一条免费的拓荒旅途。

新的基础设施背后有一条免费的基础设施链，这些拓荒与 CUDA 兼容。是以咱们至极严谨，确保通盘这个词过程的兼容性，这样咱们留住的拓荒依然能够保持突出性能。

同期，咱们也插足了大宗元气心灵，无间从头发明新的算法，以确保其时机降临时，Hopper 架构的性能会比刚购买时耕种 2 到 4 倍，从而让基础设施络续保持高效。

是以，咱们在改进新算法、新框架方面所作念的通盘处事，不仅匡助了咱们每一个安设的基础架构，Hopper 因此变得更好，Ampere 也因此变得更好，以致 Volt 也因此变得更好。

我记起 Sam 刚刚告诉我，他们最近刚从 OpenAI 退役了他们的 Volt 基础设施。是以，我认为咱们留住了这些安设基础架构的脚迹。正如通盘计算基础架构一样，安设基础架构是很蹙迫的。

英伟达的居品遍布每一个云表、里面部署，直到边缘拓荒。因此，在云表创建的 Vela 视觉语言模子无需修改便能竣工运行于边缘的机器东说念主上。这一切的底层都是 CUDA。是以，我认为架构兼容性的宗旨对大型神情至极蹙迫。这和 iPhone 或其他拓荒的兼容性宗旨莫得什么不同。

我认为，安设基础架构对推理至极蹙迫，但咱们实在受益的是，因为咱们在新的架构上教练这些大型语言模子时，咱们能够想考如何创造出在畴昔至极优秀的推理架构。

是以咱们一直在想考迭代模子和推理模子，如何为你的个东说念主智能体创造至极交互性的推理体验，比如当它需要停驻来想考一段时候时，如何快速与你互动。

是以，咱们是如何达成这一盘算的？谜底是 NVLink。你知说念，NVLink 让咱们能够使用这些允洽教练的系统，但当教练完成后，它的推感性能也至极突出。你但愿优化的是初度 Token 的响当令候，而达成初度 Token 的响当令候至极不毛，因为这需要大宗的带宽。

如果你的凹凸文也至极丰富，那么你还需要大宗的计算才智。因此，你需要在清除时候领有无尽的带宽和计算才智，才能达成几毫秒的响当令候。而这种架构至极难以达成。为此，咱们发明了 Grace Blackwell NVLink。

▲NVIDIA Blackwell 架构（图源：NVIDIA）

英伟达正在构建完整的、兼容的 AI 基础设施

Brad Gerstner：你知说念，我这周早些时候和 Andy Jassy 共进晚餐，Andy 说：「咱们有 Tranium，还有行将到来的 Inferencia」。我认为大多数东说念主，照旧认为这些对于英伟达是个挑战。

但紧接着他说「英伟达是咱们一个至极蹙迫的合营伙伴，而且畴昔还将络续是咱们至极蹙迫的合营伙伴，至少在我所能意料的畴昔」。

宇宙依靠英伟达运行，对吧？是以，当你预见这些为特定应用开发的定制 ASIC，比如 Meta 的推理加速器，或者 Amazon 的 Tranium，或者 Google 的 TPUs，还有你现时边临的供应穷乏问题时，这些成分会改造你们之间的动态，照旧说它们只是对你们系统的补充？

黄仁勋：咱们只是在作念不同的事情，咱们试图达成不同的盘算。英伟达正在尝试为这个新宇宙构建一个计算平台，这个机器学习的宇宙，这个生成式 AI 的宇宙，这个智能体 AI 的宇宙。

咱们想要创造的是，经过 60 年的计算，咱们从头发明了通盘这个词计算栈，从编程到机器学习的样式，从 CPU 到 GPU 的软件处理样式，从软件到东说念主工智能的应用样式，对吧？软件器具、东说念主工智能——计算栈的每个方面，手艺栈的每个方面都发生了变化。

咱们想要作念的是创建一个无处不在的计算平台，这推行上是咱们处事的复杂性所在。如果你想考咱们在作念什么，咱们是在构建一个完整的 AI 基础设施，咱们把它看作是一台计算机。

我以前说过，数据中心现在是计算的基本单元。对我来说，当我想考一台计算机时，我不是在想那块芯片，我是在想这个宗旨：它是我的心智模子，里面包括通盘的软件、编排和通盘的机械部分。这是我的职责，这是我的计算机，咱们每年都在试图构建一台全新的计算机。

是的，这太轻易了，之前莫得东说念主这样作念过。咱们每年都在尝试构建一台全新的计算机，而且每年咱们都委用两到三倍的性能耕种。每年咱们都会将成本谴责两到三倍，每年咱们都会将能效提高两到三倍。

是以咱们告诉客户，不要一次性购买通盘拓荒，每年购买少许，好吗？原因是，咱们但愿他们能够逐步进入畴昔，通盘的架构都是兼容的，好吗？

现在，只是以这样的速率构建这个平台就仍是至极难了，而双倍的难度在于，咱们不仅要销售基础设施或服务，而是把它们拆解开来，然后将它们集成到 GCP 中，集成到 AWS 中，集成到 Azure 中，集成到其他平台中，明白吗？

每个平台的集成都不一样。咱们必须把通盘的架构库、通盘的算法和通盘的框架集成到他们的系统中。咱们把咱们的安全系统集成到他们的系统中，咱们把咱们的网罗集成到他们的系统中，对吧？然后咱们每年进行大要 10 次这样的集成。而这便是遗迹所在。

Brad Gerstner：这便是遗迹所在，为什么？我的好奇是，这太轻易了。你每年都在作念这些事，这真的很轻易。想一想，是什么驱动你每年都这样作念的？

然后再说到这少许，你知说念 Clark 刚从中国台湾、韩国和日本回归，见了你通盘的供应合营伙伴——那些你仍是有十多年合营关系的伙伴。这些合营关系对于构建阿谁竞争壁垒的组合效应有多蹙迫？

黄仁勋：是的，当你系统性地剖析时，公共越是剖析，就越会感到讶异，通盘这个词电子行业生态系统今天是如何竭力于与咱们合营，最终构建出这个计算机的立方体，并将其整合到通盘不同的生态系统中的？而且谐和是如斯无缝。昭着，咱们向后传递了 API、方法学、业务经由和遐想法令，上前传递了方法学、架构和 API。

Brad Gerstner：这些仍是被强化了几十年。

黄仁勋：强化了几十年，同期也在无间演进。但这些 API 在需要的时候必须整合在沿途——通盘这些在中国台湾和宇宙各地制造的东西，最终会落到 Azure 的数据中心。它们会组合到沿途。

Clark Tang：有东说念主只需要调用 OpenAI API，它就能正常处事。

黄仁勋：没错，完全是那种轻易的嗅觉。这便是咱们发明的东西，咱们发明了这个高大的计算基础设施，通盘这个词宇宙都在和咱们沿途构建它。

它被整合到了各个领域，你不错通过戴尔销售它，不错通过惠普（HPE）销售它，它托管在云表，也蔓延到了边缘拓荒。东说念主们现在在机器东说念主系统中使用它，在东说念主形机器东说念主中使用它，它们在自动驾驶汽车中使用，它们都在架构上兼容，这真的至极轻易。

Clark，我不但愿你误以为我莫得修起你的问题，事实上，我仍是修起了。我所指的与你的 ASIC 联系的问题是这样的。

咱们算作公司，只是在作念不同的事情。算作一家公司，咱们但愿能够对环境有清醒的认识。我对咱们公司偏激生态系统周围的一切都至极了了，对吧？

我知说念通盘在作念不共事情的东说念主以及他们在作念什么。未必候，这对咱们来说是抵抗性的，未必候不是。我对此至极了了。但这并不会改造咱们公司的盘算。公司唯一的盘算便是构建一个不错无处不在的架构平台，这便是咱们的盘算。

咱们并不想从任何东说念主哪里霸占市集份额。英伟达是市集的开拓者，而不是份额的争夺者。如果你看咱们的公司讲明，你会发现咱们从来不谈市集份额，从来莫得一天咱们会在公司里面驳倒市集份额。

咱们通盘的询查都是对于如何创造下一个东西？咱们如何措置飞轮中的下一个问题？咱们如何为东说念主们作念得更好？咱们如何将当年需要一年的飞轮周期裁汰到一个月？你知说念，这相等于飞轮的光速，不是吗？咱们在想考通盘这些不同的问题，但有一件事是详情的，咱们对周围的一切都有清醒的清爽，但咱们对我方的职责至极明确。

唯一的问题是，这个职责是否必要，是否挑升想。通盘伟大的公司都应该有这样的职责。

从根柢上讲，问题是你在作念什么？唯一的问题是，它是否必要，是否有价值，是否有影响力，是否能匡助到别东说念主？我至极详情，如果你是别称开发者，一家生成式 AI 初创公司，正在决定如何成为一家公司，你唯一不需要接头的遴荐便是补助哪个 ASIC。

如果你只补助 CUDA，那么你不错在职何处所使用它，你以后随时不错改造主意，但咱们是进入 AI 宇宙的进口，不是吗？一朝你决定进入咱们的平台，其他有盘算都不错延后，你以后随时不错开发我方的 ASIC，咱们对此满不在乎。

当我与 GCP 合营时，GCP、Azure 等公司，咱们会提前几年向他们展示咱们的蹊径图。他们不会向咱们展示他们的 ASIC 蹊径图，这也不会冒犯咱们，明白吗？如果你的盘算明确且挑升想，而况你的职责对你我方和他东说念主都很蹙迫，那么你就不错保持透明。

严防，我的蹊径图在 GTC 上是公开的，而我的蹊径图在 Azure、AWS 等合营伙伴哪里会更深入。咱们在这些方面莫得任何不毛，即使他们正在开发我方的 ASIC。

▲NVIDIA 的职责是构建完整兼容的 AI 基础设施（图源：The Brand Hopper）

AI 正在改造行业畴昔

Brad Gerstner：我认为，当东说念主们不雅察这个行业时，你最近说过，对 Blackwell 的需求是「轻易的」。你还说，处事中最难的一部分便是在这个计算资源穷乏的宇宙里，隐忍对别东说念主说「不」所带来的形势包袱。

但月旦者说，这只是一个时候节点，他们认为这就像 2000 年想科过度确立光纤一样，将会履历闹热与陌生。你知说念，我预见 2023 年齿首咱们沿途吃饭的时候，其时的计算是英伟达 2023 年的营收会达到 260 亿好意思元，但你们推行作念到了 600 亿，对吗？

黄仁勋：承认吧，这是宇宙上有史以来最大的计算失败。

Brad Gerstner：那时候咱们在 2022 年 11 月稀奇慷慨，因为像来自 Inflection 的 Mustafa 和来自 Character 的 Noam 等东说念主来到咱们办公室询查投资他们的公司。他们说，如果你们弗成径直投资咱们的公司，那就买英伟达吧，因为全宇宙都在争相赢得英伟达的芯片，用来构建那些将要改造宇宙的应用。

天然，跟着 ChatGPT 的出现，这一「寒武纪时刻」到来了。关联词，即便如斯，这 25 位分析师仍然千里迷于「加密隆冬」，无法联想宇宙上正在发生的事情，对吧？是以最终驱散远超预期。

你明确示意，对 Blackwell 的需求至极轻易，而况畴昔会一直如斯。天然，畴昔是未知且不可知的，但为什么月旦者的看法错得如斯离谱？这不会像 2000 年想科那样成为过度确立的形势。

黄仁勋：想考畴昔的最好样式是从基本旨趣推理出来，对吧？是以问题是，咱们现在在作念的事情的基本旨趣是什么？第一，咱们在作念什么？咱们在作念什么？咱们正在从头发明计算，不是吗？

咱们刚刚说过，畴昔的计算将高度依赖机器学习，对吗？咱们险些通盘的应用设施，无论是 Word、Excel、PowerPoint、Photoshop、Premiere、AutoCAD，无论你给我举什么例子，通盘这些都是手工遐想的。我向你保证，畴昔这些都会高度依赖机器学习，不是吗？

而况，在这些器具之上，你还会有智能体来匡助你使用它们。

是以，到现在为止，这仍是是个事实了，对吧？咱们从头发明了计算，咱们不会回头。通盘这个词计算手艺栈正在被从头界说。

好了，现在咱们仍是作念到了这少许，咱们说软件将会不同，软件的编写样式将会不同，使用软件的样式也会不同。是以，让咱们承认这些是我的基技艺实。是的，那么问题来了，接下来会发生什么？

那么让咱们追究一下，当年的计算是怎么作念的。咱们有一万亿好意思元的计算机拓荒。望望当年的数据中心，掀开门望望，你会说那些是你想要用来靠近畴昔的计算机吗？谜底是抵赖的。

你看到那些 CPU，咱们知说念它能作念什么，弗成作念什么。咱们也知说念现在有价值一万亿好意思元的数据中心需要当代化。因此，脚下，如果咱们要在畴昔四五年内进行当代化校正，那是完全合理的，亦然贤慧的。

Brad Gerstner：是以咱们仍是在和那些需要进行当代化校正的东说念主相通，他们正在使用 GPU 进行当代化校正，没错。

黄仁勋：我的好奇是，让咱们作念个假定。你有 500 亿好意思元的成本开销，你会遴荐 A 选项：为畴昔确立成本开销，照旧 B 选项：按照当年的模式确立成本开销？你仍是有了当年的成本开销，就在哪里放着，归正它不会变得更好。

摩尔定律基本上仍是驱散了，是以为什么要重建呢？咱们只需要把这 500 亿好意思元插足到生成式 AI 中，不是吗？这样你的公司就会变得更好。那么你会把这 500 亿中的些许插足进去？我会把 100% 的 500 亿都插足进去，因为我仍是有了四年的旧基础设施。

是以现在，从基本旨趣启程，你只是从这个角度来推理，而这恰是他们正在作念的事情。贤慧的东说念主在作念贤慧的事情。

现在第二个部分是这样的：咱们有一万亿好意思元的容量要去确立，对吧？一万亿好意思元的基础设施，可能插足了 1500 亿好意思元，对吧？是以咱们在畴昔 4 到 5 年内要确立一万亿好意思元的基础设施。

咱们不雅察到的第二点是，软件的编写样式不同了，而畴昔软件的使用样式也会不同。咱们将会有智能体，不是吗？

咱们公司将会稀有字职工，他们会在你的收件箱里，在畴昔，这些小点点、小头像会变成 AI 的图标，不是吗？我会向他们发送任务。我不再用 C++ 编程了，我会用教导词来「编程」AI，不是吗？这和我今天早上写了一堆邮件莫得什么不同。

我给我的团队下达了指示，对吧？我形色了配景，证据了我知说念的基本适度，并形色了他们的任务。我会给他们饱和的方针感，让他们明白我需要什么，我但愿对预期驱散尽可能明确。但我也会留出饱和的创造空间，让他们不错给我带来惊喜，不是吗？

这和我今天如何教导 AI 莫得什么不同，这恰是我教导 AI 的样式。是以在咱们当代化校正的基础设施之上，将会有一个全新的基础设施。这套新基础设施便是将操作这些数字东说念主的 AI 工场，它们会全天候地运行。

咱们将在全球通盘的公司中领有它们，在工场中领有它们，在自动化系统中领有它们，对吗？是以这个宇宙需要建立一整层计算结构，我称之为 AI 工场的基础设施，这些现在还不存在。

是以问题是，这个规模有多大？咫尺咱们还无法知说念，可能是几万亿好意思元的规模，但巧妙的是，当代化校正的数据中心架构与 AI 工场的架构是相似的。

Brad Gerstner：这便是巧妙之处。你仍是说得很了了了，你有一万亿好意思元的旧基础设施需要当代化校正，同期至少还有一万亿好意思元的新 AI 处事负载正在到来，本年苟简聚有 1250 亿好意思元的收入。

你知说念，也曾有东说念主告诉你们这家公司遥远不会超过 10 亿好意思元的市值。而如今你坐在这里，如果你只占到了几万亿总市集（TAM）的 1250 亿收入，有什么情理让你认为你们畴昔的收入不会是现在的 2 倍、3 倍？有什么情理让你们的收入不会络续增长？

黄仁勋：莫得，没错。你知说念，这并不是对于现在的事情。公司只会受到「水池」大小的适度，你知说念，金鱼只可长到与水池相匹配的大小。

是以问题是，咱们的水池有多大？这需要好多联想力，这亦然为什么市集开拓者会想考畴昔，而不是只在现存的水池里竞争。

如果你只是追究当年、试图霸占市集份额，这很出丑清畴昔。市集份额的争夺者只可作念到这样大，而市集的开拓者不错变得至极大。是以，我认为咱们公司的运道之处在于，从公司成立的第一天起，咱们就必须为我方创造市集空间。

东说念主们其时没挑升志到这少许，但咱们险些从零启动创造了 3D 游戏 PC 市集。咱们基本上发明了这个市集以及通盘联系的生态系统，包括显卡的生态系统。咱们发明了这一切。是以，创造一个全新的市集来服务它，对咱们来说是一件至极熟练的事情。

▲Brad Gerstner（左）和 Clark Tang（右）在访谈中

不可想议的 OpenAI 和 X.AI

Brad Gerstner：没错，算作一个发明了新市集的东说念主来说，这如实如斯。让咱们稍稍转动话题，谈谈模子和 OpenAI。你知说念，OpenAI 这周筹集了 65 亿好意思元，估值达到约 1500 亿好意思元。咱们都参与了此次融资。

黄仁勋：真的为他们感到欢畅，真的很欢畅这一切凯旋达成。是的，他们作念得很棒，团队也发扬得至极出色。

Brad Gerstner：有讲明称他们本年的收入或收入运行率苟简是 50 亿好意思元，来岁可能达到 100 亿好意思元。如果你看今天的业务规模，它的收入苟简是谷歌在 IPO 时的两倍。

他们有 2.5 亿的每周活跃用户，咱们揣度这是谷歌 IPO 时用户量的两倍。而如果你看它的业务倍数，如果你信托他们来岁能达到 100 亿好意思元收入，那么他们的市值苟简是来岁收入的 15 倍，这和谷歌和 Meta 在 IPO 时的倍数差未几，对吧？当你预见这家公司 22 个月前还莫得任何收入和每周活跃用户时，这至极惊东说念主。

黄仁勋：Brad 对历史有着不可想议的掌抓。

Brad Gerstner：当你预见这少许时，和咱们谈谈 OpenAI 算作你们的合营伙伴，以及它在推动公众对 AI 的认识和使用方面的蹙迫性。

黄仁勋：嗯，这是咱们时间最具影响力的公司之一。这是一家地说念的 AI 公司，追求通用东说念主工智能（AGI）的愿景。

无论 AGI 的界说是什么，我险些不认为它的界说完全蹙迫，也不信托时候节点的蹙迫性。我所知说念的一件事是，AI 将在畴昔的时候里无间展现出一系列才智。这些才智的发展蹊径图将会至极惊东说念主。在到达任何东说念主所界说的 AGI 之前，咱们就会将其世俗应用。

你现在要作念的便是去和数字生物学家、欣慰科技筹议东说念主员、材料筹议东说念主员、物理科学家、天体物理学家、量子化学家对话。你不错去找视频游戏遐想师、制造工程师、机器东说念主群众，遴荐你可爱的行业，深入其中，和那些蹙迫的东说念主对话，问他们，AI 是否透顶改造了他们的处事样式？然后你把这些数据点带回归，再问问我方，你到底有多怀疑？

因为他们不是在驳倒 AI 畴昔某天的宗旨性自制，他们正在驳倒现在就使用 AI。无论是农业科技、材料科技、欣慰科技，遴荐你想要的科技领域或科学领域，它们正在跨越，AI 正在匡助他们股东他们的处事。

就在咱们话语的这一刻，每个行业、每家公司、每所大学都在使用 AI，难以置信，不是吗？它绝对会在某种进度上改造买卖，咱们知说念这少许，对吧？我的好奇是，这种变化是如斯真实，正在发生。是以我认为 ChatGPT 所激勉的 AI 觉悟完全是不可想议的。我可爱他们的速率和他们推动这一领域的单一盘算，是以它真的至极具有影响力。

Brad Gerstner：他们构建了一个不错为下一代模子融资的引擎。我认为硅谷的共鸣正在增多，即通盘这个词模子层正在逐步商品化，Llama 让好多东说念主不错以至极低的成本构建模子。

是以一启动，咱们有好多模子公司，比如 Character、Inflection、Cohere、Mistral 等等。好多东说念主质疑这些公司是否能够达到经济引擎的「逃遁速率」，络续为下一代模子提供资金。我的嗅觉是，这亦然为什么咱们看到市集的整合，对吧？

昭着，OpenAI 仍是达到了阿谁「逃遁速率」，他们不错为我方的畴昔融资。但对我来说，不了了的是，好多其他公司能否作念到这少许。这是否是对模子层近况的一个公正概述？就像咱们在其他许多市荟萃看到的一样，市集带领者会有一个经济引擎和应用来让他们络续投资。

黄仁勋：最先，模子和东说念主工智能之间有一个根柢离别，对吧？模子是东说念主工智能的一个必要但不及的构成部分，对吧？东说念主工智能是一种才智，但为了什么？应用是什么？

自动驾驶汽车的东说念主工智能与东说念主形机器东说念主的东说念主工智能接洽，但它们并不相似。它们与聊天机器东说念主的东说念主工智能接洽，但也不相似，对吧？是以你需要清爽这个栈的分类。在栈的每一层都会有契机，但并不是每一层都有无尽的契机。

我刚刚说了一些话，你所需要作念的便是把「模子」一词替换为「GPU」。事实上，这是咱们公司 32 年前的要紧发现——GPU 图形芯片与加速计算之间有一个根柢离别。加速计算与咱们在 AI 基础设施中所作念的处事不同，虽然联系，但并不完全相似。它们是建立在相互之上的，但并不完全相似。每一层抽象都需要完全不同的技巧。

一个至极擅长构建 GPU 的东说念主，可能完全不知说念如何成为一家加速计算公司。有好多东说念主在构建 GPU，而咱们发明了 GPU，但今天并不是唯有咱们一家在制造 GPU，对吧？宇宙上有好多 GPU，但并不是通盘的公司都是加速计算公司。而且有好多加速器应用设施，但这与加速计算公司不同。举例，一个至极专门的 AI 应用设施可能会至极得胜。

Brad Gerstner：这便是 MTIA。

黄仁勋：没错，但它可能不会成为一个具有世俗影响力和才智的公司。是以你必须决定你想处于哪个位置。在这些不同的领域可能都有契机，但就像建立公司一样，你必须严防生态系统的变化，以及哪些东西跟着时候推移被商品化，分了了什么是功能、什么是居品、什么是公司，这是一定的。好吧，我刚刚谈到了好多不同的想路。

Brad Gerstner：天然，还有一个新加入者领有资金、贤慧颖慧和洪志，那便是 X.AI，对吧？外界有报说念称，你和 Larry 以及 Elon 共进了晚餐。他们劝服你罢休了 10 万个 H100s，他们去了孟菲斯，在几个月内建立了一个大型的超等计算集群。

黄仁勋：最先三个点不在一条线上，我和他们共进了晚餐，因果关系只是便是这样。

Brad Gerstner：你怎么看他们构建超等计算集群的才智？外界还在询查他们想要再增多 10 万个 H200s 来膨大这个超等集群的规模。

最先，和咱们谈谈 X 公司的明志励志以及他们仍是取得的树立。同期，咱们是否仍是进入了 20 万或 30 万个 GPU 集群的时间？

黄仁勋：谜底是深信的。最先要承认他们的成便是应得的。从宗旨阶段到数据中心的建成，并准备好让英伟达的拓荒进驻，到咱们供电、勾搭拓荒并进行初度教练，这一过程。

最先，建造这样一个高大的工场，接收液冷手艺、完成能源供应、赢得许可，并在这样短的时候内完成。我是说，这简直是超东说念主的树立。就我所知，全宇宙唯有一个东说念主能作念到这少许，埃隆·马斯克在工程、建筑、大型系统和资源调配方面的清爽是唯一无二的，简直难以置信。

天然，他的工程团队也至极出色，软件团队、网罗团队、基础设施团队都很棒。埃隆对此有着深入的清爽。从咱们决定启动神情的那一刻起，咱们的工程团队、网罗团队、基础设施计算团队、软件团队都进行了充分的准备。

然后，通盘的基础设施、物流以及本日进入的数据量和拓荒量，还有英伟达的基础设施和计算手艺，一切都在 19 天内完成了教练。

你知说念这意味着什么吗？有谁寝息了吗？24 小时不断地处事，毫无疑问，莫得东说念主寝息。最先，19 天的时候确实不可想议，但如果退一步想考，这只是短短几周。你能看到的手艺拓荒数目简直令东说念主难以置信。

通盘的布线和网罗勾搭，与英伟达拓荒的网罗勾搭与超大规模数据中心的网罗勾搭完全不同。一个节点上的电线数目，计算机背部统共是电线。只是是把这座手艺岑岭整合起来，再加上通盘的软件，简直难以置信。

是以我认为埃隆和他的团队所作念的事情至极了不得，我也很谢忱他招供咱们在工程和贪图方面与他们的合营。但他们所取得的成便是唯一无二的，前所未有。

为了让你更好地清爽，10 万个 GPU，毫无疑问，这是地球上速率最快的超等计算机。这只是一个集群。平淡你建造一台超等计算机需要三年时候来贪图，对吧？然后委用拓荒并花一年时候让它全部运行起来。而咱们在驳倒的是 19 天。

▲ChatGPT 所激勉的 AI 觉悟是不可想议的（图源：artnet）

推理将迎来爆炸式增长

Clark Tang：英伟达平台的上风是什么呢？它的通盘这个词经由都仍是经过强化，对吧？

黄仁勋：是的，一切都仍是在运行。天然，还有一大堆 X 算法、X 框架和 X 堆栈，咱们还需要进行大宗的集成。但它的前期贪图至极出色，只是是预贪图就仍是令东说念主印象深刻了。

Brad Gerstner：Elon 是唯一无二的存在，但你刚刚修起时提到，20 万到 30 万个 GPU 集群仍是存在了，对吧？它能膨大到 50 万个吗？它能膨大到 100 万个吗？你们居品的需求是否取决于这些集群能否膨大到百万级？

黄仁勋：终末一个问题的谜底是抵赖的。我的看法是，分散式教练必须起作用，我认为分散式计算将会被发明出来，某种体式的联邦学习和分散式、异步计算将会被发现。我对此至极有信心，也至极乐不雅。

天然，需要意志到的是，当年的膨大法则主若是对于预教练。现在咱们仍是进入了多模态，咱们启动了合成数据生成。后教练阶段的膨大变得至极快，合成数据生成、奖励系统、基于强化学习的教练都发展赶快。现在推理阶段的膨大也达到了极限。

这个想法是，在模子修起问题之前，它仍是进行了 10000 次里面推理，这可能并不夸张。它可能仍是进行了树搜索，可能仍是基于这个问题进行了强化学习，可能进行了某种模拟，深信进行了大宗反想，可能查阅了一些数据和信息，对吧？是以它的凹凸文可能相等高大。

我想，这种智能便是咱们正在作念的，不是吗？这便是咱们正在作念的。是以，如果你对这种膨大进行计算，将模子规模和计算规模每年膨大 4 倍，再加上使用需求无间增长……

咱们是抵赖为咱们需要数百万个 GPU？毫无疑问，是的。这是咫尺的一个详情趣问题。那么问题是，咱们如何从数据中心的角度来架构它？这在很猛进度上取决于数据中心是一次性达到千兆瓦级，照旧每次 250 兆瓦？我的看法是，这两种情况都会出现。

Clark Tang：我认为分析师老是关注现时的架构遴荐，但我认为从此次对话中最大的成绩之一便是，你们是在想考通盘这个词生态系统，以及畴昔多年的发展。

因此，英伟达膨大规模，无论是纵向照旧横向膨大，都是为了应付畴昔，而不是只是依赖一个有 50 万或 100 万个 GPU 集群的宇宙。到分散式教练实在到来时，你们仍是编写了补助它的软件。

黄仁勋：没错，记着咱们和合营伙伴在苟简七年前开发的 Megatron。如果莫得它，这些大规模教练任务的膨大是不可能的。咱们发明了 Megatron，咱们发明了 Nickel、GPU Direct，还有咱们通过 RDMA 所作念的通盘处事，这使得活水线并行处理变得愈加容易。

通盘的模子并行处理，通盘分散式教练的剖析、批处理等通盘这些手艺，都是因为咱们作念了早期的处事，现在咱们也在为畴昔的下一代手艺作念准备。

Brad Gerstner：那么咱们来谈谈 Strawberry 和 o1 吧。

最先，我认为他们把 o1 定名为 o1 签证是很酷的，对吧？o1 签证是为了诱导全球最优秀、最贤慧的东说念主才来到好意思国，我知说念咱们都对此深有热枕。

我至极可爱这个想法，建造一个能想考、推动咱们走向智能膨大新高度的模子，向那些通过侨民来到好意思国的天才请安，恰是他们树立了今天的咱们。

黄仁勋：深信是一种外星智能。

Brad Gerstner：天然，这个神情是由咱们的一又友 Noah Brown 带领的，他曾参与 Pluribus 和 Cicero 的处事，都是 Meta 的神情。推理时候推理算作一个完全新的智能膨大维度，与只是构建更大模子的样式截然相悖，这有多蹙迫？

黄仁勋：这至极蹙迫，极其蹙迫。好多智能无法事先完成，你知说念吗？以致好多计算都弗成事先从头排序。乱序实施不错提前完成，但好多事情只可在运行时完成。

是以无论是从计算机科学的角度来看，照旧从智能的角度来看，好多东西都需要凹凸文和情境，你所寻找的谜底类型未必简单的快速谜底仍是饱和了，而谜底的后果取决于你使用这个谜底的性质。

是以有些谜底不错花一个晚上想考，有些谜底可能需要一周的时候，对吧？我完全不错联想，我给我的 AI 发送一个教导词，告诉它，想一晚上，不要坐窝告诉我，对吧？我想让你整晚想考，然后未来早上告诉我你最好的谜底，并为我推理分析。

因此，我认为智能的分层，从居品角度来看，会有一次性的版块，也会有一些需要五分钟来完成的。

Brad Gerstner：这个智能层能够将这些问题与合适的模子和使用场景相匹配。昨晚咱们在使用先进的语音模式和 o1 预览版，我正在教养我男儿的 AP 历史锻练，嗅觉就像宇宙上最好的 AP 历史本分坐在你足下沿途想考这些问题，真口舌凡的体验。

黄仁勋：我的导师现在是 AI。

Brad Gerstner：天然，他们今天仍是存在了。这也回到了这个话题，你知说念，你们今天有超过 40% 的收入来自推理。但推理将因为「推理链」而迎来爆炸式增长，对吧？

黄仁勋：推理的增长将会是十亿倍的。

Brad Gerstner：翻倍，再翻十亿倍。

黄仁勋：对。这是大多数东说念主还莫得完全清爽的部分。这恰是咱们之前驳倒的行业变革，这是工业改进。

Brad Gerstner：这是智能的坐蓐，对吧？

黄仁勋：它将增长十亿倍。

Brad Gerstner：公共都高度关注英伟达，认为它主若是用于更大模子的教练。是不是这样，如果你们今天的收入有 50% 来自教练，那么畴昔推理的规模将远远超过教练。教练诚然蹙迫，但推理的增长将会远超教练的增长，咱们但愿如斯，险些不可能有其他情况。

黄仁勋：咱们但愿如斯，是的，上学是功德，但最终盘算是你能在社会中有所孝敬。是以教练这些模子是好的，但最终盘算是要让它们产生影响。

Brad Gerstner：你们是否仍是在使用「推理链」和访佛 o1 的器具来改进你们我方的业务？

黄仁勋：咱们今天的网罗安全系统离不开咱们我方的智能体。咱们有智能体匡助遐想芯片，如果莫得这些智能体，Hopper 芯片就不可能达成，Blackwell 也不可能达成，Rubin 就更不必说了。

咱们有 AI 芯片遐想师、AI 软件工程师、AI 考证工程师，而且咱们都是在公司里面开发的，因为咱们有这个才智，咱们更欣慰愚弄这个契机我方探索这项手艺。

▲推理的增长将会是十亿倍的（图源：NVIDIA）

咱们需要更高效，更安全的 AI

Brad Gerstner：你知说念，今天我走进这栋楼时，有东说念主走过来对我说，你知说念，问问 Jensen 对于文化的事情，一切都与文化接洽。我看着你们的业务，咱们谈了好多对于稳健性和成果的事情，扁平化的组织结构不错快速实施，小团队运作。

你知说念，英伟达在这个领域独树一帜，每位职工平均创造了苟简 400 万好意思元的收入，每位职工苟简创造了 200 万好意思元的利润或摆脱现款流。你们建立了一种成果文化，实在开释了创造力、创新力、责任感和主东说念主翁意志，你冲破了传统的职能督察模式。公共都可爱驳倒你有些许径直文书的职工。

AI 的愚弄是否是让你们在保持高度创造力的同期保持高效的关节？

黄仁勋：毫无疑问。我但愿有一天，英伟达今天有 32000 名职工，咱们在以色列有 4000 个家庭，我但愿他们一切安好。我但愿有一天英伟达会成为一个领有 50000 名职工和 1 亿个 AI 助手的公司。

在每个团队中，咱们都会有一个 AI 目次，里面有一批擅长作念多样事情的 AI。咱们还会有一个收件箱，里面充满了咱们合营过而况知说念很擅长咱们技巧领域的 AI 目次。因此，AI 会招募其他 AI 来措置问题。AI 也会在 Slack 频说念中相互交流。

Brad Gerstner：而况与东说念主类沿途合营。

黄仁勋：和东说念主类沿途合营。是以咱们将会是一个高大的职工群体，一部分是数字化和 AI，一部分是生物学上的东说念主类职工，我但愿畴昔还有一些是机电一体化的职工。

Brad Gerstner：从买卖角度来看，我认为这通常被诬告。你刚刚形色了一家公司，它的产出相等于领有 15 万职工的公司，但推行上你只用了 5 万职工。你并莫得说你要裁掉通盘职工，你仍在增多职工数目，但这家公司的产出将会权贵增多，对吧？

黄仁勋：这是通常被诬告的处所。AI 不会取代处事，它将改造每一个处事。AI 将对东说念主们如何看待处事产生深入影响，这少许咱们必须承认，对吧？

AI 有可能带来巨大的自制，也有可能变成伤害，咱们必须构建安全的 AI，没错，这少许必须算作基础。然则被漠视的部分是，当公司愚弄东说念主工智能提高坐蓐力时，它很可能会带来更好的收益或更好的增长，或者两者兼容并包。而当这发生时，CEO 的下一封邮件不太可能是裁人文书。

Brad Gerstner：天然，因为公司在增长。

黄仁勋：是的，原因是咱们有比咱们能够探索的更多的想法，咱们需要东说念主们来匡助咱们想考，然后再去自动化这些想法。而自动化的部分，AI 不错匡助咱们达成。

昭着，它也会匡助咱们进行想考，但咱们仍然需要去弄了了咱们想要措置什么问题。咱们不错措置无数的问题，但公司必须遴荐那些最需要措置的问题，然后找到一种样式来达成自动化并扩大规模。

因此，跟着咱们变得更高效，咱们将会雇佣更多的东说念主。东说念主们通常健忘这少许。如果追究历史，昭着咱们今天有比 200 年前更多的想法。这亦然 GDP 和办事增长的原因，尽管咱们一直在轻易地进行自动化。

Brad Gerstner：这恰是咱们进入这一时期的蹙迫点，险些通盘的东说念主类坐蓐力和闹热都是当年 200 年手艺和自动化的副居品。你不错追究一下，从亚当·斯密到熊彼特的创造性龙套，当年 200 年东说念主均 GDP 的增长图表，它无间加速发展。这让我预见一个问题。

如果你看 90 年代，好意思国的坐蓐力增长率苟简是每年 2.5% 到 3%。然后到了 2000 年代，它放缓到苟简 1.8%。而当年十年，是纪录上坐蓐力增长最慢的时期。这指的是咱们在固定的劳能源和成本插足下的产出增长，是咱们有纪录以来最慢的。

许多东说念主对此进行了询查。但如果宇宙如你所形色的那样，而况咱们将愚弄和制造智能，那么咱们是否正处于东说念主类坐蓐力行将出现巨大膨大的边缘？

黄仁勋：这是咱们的但愿。这是咱们的但愿，天然，你知说念，咱们生活在这个宇宙中，因此咱们有径直的根据，对吧？咱们有径直的根据，比如个别筹议东说念主员愚弄 AI，现在不错在前所未有的规模上探索科学，这便是坐蓐力的体现。

或者咱们遐想出如斯复杂的芯片，并以如斯快的速率完成遐想，而公司的职工规模并莫得以相似速率增长，这亦然坐蓐力的体现，对吧？咱们开发的软件也越来越好，因为咱们在愚弄 AI 和超等计算机匡助咱们，而职工数目险些是线性增长的。

这又是一个坐蓐力的证据注解。是以无论我深入到哪个行业，我都不错自我查验，我不错躬行考证这些发扬是否浩荡存在。毫无疑问，智能是宇宙上最有价值的资源，而现在咱们将大规模坐蓐它。

咱们都必须学会如安在周围都是 AI 的环境中生活，这些 AI 能够至极出色地完成任务，以致比咱们更好。当我反想这少许时，我发现这便是我的生活。

我有 60 个径直文书的下属，对吧？他们都是各自领域的宇宙级东说念主才，作念得比我好得多。我和他们合营莫得任何问题，我也莫得问题去指导他们、与他们相通。因此，我认为东说念主们将要学到的是，他们都将成为 AI 智能体的 CEO。

他们需要领有创造力、决心，以及一些学问，知说念如何剖析问题，从而能够编程这些 AI 来匡助他们达成盘算，就像我督察公司一样。

Brad Gerstner：你提到了一个问题，便是对于对皆、安全 AI 的询查。你也提到了中东正在发生的悲催。你知说念，现辞宇宙的不同处所都有好多自主性和 AI 的应用。

是以咱们来谈谈不良举止者、安全 AI，以及与华盛顿的谐和问题。你现在的感受如何？咱们是否走在正确的说念路上？咱们的谐和是否饱和？我记起马克·扎克伯格曾说，慑服坏 AI 的样式是让好 AI 变得更好。你会如何形色咱们如何确保 AI 对东说念主类有积极净效益，而不是让咱们堕入一个无目的的反乌托邦宇宙？

黄仁勋：对于安全的询查至极蹙迫，也很挑升想。抽象的不雅点，行将 AI 视为一个大型的神经网罗，这种看法就不太好。而原因是，咱们知说念，东说念主工智能和大语言模子虽然联系，但并不相似。

现在有好多正在进行的处事，我认为至极出色。第一，洞开源代码模子，使得每个行业、每家公司和通盘这个词筹议界都能战争到 AI，并学习如何愚弄这种才智来应用于他们的领域。至极好。

第二，AI 的发展手艺力量正在专注于发明如何使 AI 愈加安全。AI 被用来筛选数据、筛选信息、教练其他 AI，创造出对皆的 AI，生成合成数据的 AI，膨大 AI 的学问，减少幻觉的 AI，以及通盘被创造出来的用于矢量图像、图形等 AI，来见告和监控其他 AI 的系统，这些用于创建安全 AI 的 AI 系统还莫得得到饱和的招供。

Brad Gerstner：这些系统仍是被构建出来了。

黄仁勋：对，咱们正在建造这些系统，通盘这个词行业的通盘东说念主都在这样作念。包括红队测试、经由适度、模子卡、评估系统、基准系统等等，通盘这些安全机制正在以惊东说念主的速率被构建出来。这些奋力还莫得得到应有的嘉赞，你们懂的。

Brad Gerstner：是的，咫尺莫得任何政府法例条件你们这样作念。这是现时行业中的参与者们正在严肃对待这些关节问题，并围绕最好实践进行谐和。

黄仁勋：完全正确，这些奋力莫得得到饱和的招供，也莫得被充分清爽。东说念主们需要启动询查 AI 算作一个由多种 AI 构成的系统，以及它算作一个经过精良工程遐想的系统的推行。

对于监管，咱们要记着，AI 是一种才智，它不错应用于好多领域。不一定需要为每一项蹙迫手艺单孤苦法，然则也弗成让监管过度膨大到不必要的领域。

大部分的监管应该针对具体的应用来进行，举例 FAA（联邦航空督察局）、NIH（好意思国国立卫生筹议院）、FDA（好意思国食物药品监督督察局）等机构仍是在督察手艺应用了，现在他们需要启动督察包含 AI 的手艺应用。

因此，不要诬告这少许，不要漠视咱们将需要激活的现存大宗监管体系。不要仅依赖一个全球 AI 委员会，因为每个监管机构的确立都是有原因的。这些不同的监管机构存在的原因，便是为了应付不同的挑战。让咱们再次回到基本原则。

▲Clark Tang 在访谈中

AI 开源推动行业激活

Brad Gerstner：如果我不回到洞开源代码这个问题上，我的伙伴 Bill Gurley（编者注：本场访谈 Bill 缺席）可能会责怪我。你们最近发布了一个至极蹙迫、至极强硬的开源模子。昭着，Meta 也在为开源作念出要紧孝敬。

我在读 Twitter 时发现，对于洞开与紧闭的询查至极横暴。你怎么看待开源，尤其是你们我方的开源模子与前沿手艺保持同步的才智？这是第一个问题。

第二个问题是，领有开源模子以及为买卖运营提供能源的紧闭模子，这是否是你们畴昔的愿景？这两者是否能为 AI 安全创造一种健康的张力？

黄仁勋：开源与闭源的询查与安全性接洽，但不单是是对于安全性。举例，领有闭源模子算作经济模子的引擎来保管创新，这是完全莫得问题的，我对此尽心全意补助。

我认为，将问题单纯地界说为闭源抵抗开源是一种失实的想维样式。应该是闭源和开源，对吧？因为开源对许多行业的激活是必要的。

如果现在莫得开源，通盘这些不同的科学领域如何能够在 AI 上激活？因为他们必须开发我方的领域专属 AI，而况他们需要愚弄开源模子来创建领域专属 AI。这两者是联系的，但并不相似。

只是因为你有一个开源模子，并不虞味着你就领有了 AI。因此，你必须有开源模子来推动 AI 的创建。是以，金融服务、医疗保健、交通运输，以及许多其他领域的科学和行业，都是因为开源的推动而得以激活的。

Brad Gerstner：难以置信，你们的开源模子需求量很大吧？

黄仁勋：咱们的开源模子？天然，Llama 的下载量，对吧？昭着，Mark（扎克伯格）和他的团队所作念的处事，令东说念主难以置信，需求量爆棚，透顶激活了每个行业和每个科学领域。

咱们创建 Nemotron 的原因是为了合成数据生成。直观上，认为某个 AI 会一直轮回生成数据来学习我方，听起来似乎不太可靠。你能在阿谁无尽轮回里转些许圈，这值得怀疑。不外，我的心中有一个形象，就像把一个超等贤慧的东说念主关在一个软包房里，一个月后再出来，可能并不会变得更贤慧。

然则，如果有两三个东说念主在沿途询查，咱们有不同的 AI 模子，领有不同的学问分散，能够相互问答、来去交流，那么咱们三个东说念主都会变得更贤慧。是以 AI 模子之间相互交换、互动、来去询查、诡辩，进行强化学习和合成数据生成，这个想法直不雅上是挑升想的。

因此，咱们的 Nemotron 350B、340B 是宇宙上最好的奖励系统模子。它是最好的月旦性模子，如实至极出色。是以，这是一个增强通盘其他模子的奇妙器具，无论其他模子何等优秀，我都提议使用 Nemotron 340B 来进行增强，让它变得更好。而咱们仍是看到 Llama 变得更好，通盘其他模子也因此受益。

▲Meta 在为开源作念出要紧孝敬（图源：Linkedin）

AI 是一场透顶的改进

Brad Gerstner：算作在 2016 年委用首台 DGX-1 的东说念主，这段旅程真的太不可想议了。你的旅程既不寻常又令东说念主惊奇。你得胜渡过了当先的辛勤时期，这自身就生命交关。

你在 2016 年委用了第一台 DGX-1，咱们在 2022 年迎来了这个「寒武纪时刻」。是以我想问一个我通常被问到的问题，那便是，你认为你现在的处事气象还能持续多久？

你有 60 个径直文书的下属，你无处不在，推动着这场改进。你享受这个过程吗？有莫得其他你更想作念的事情？

黄仁勋：你这是在问当年一个半小时的感受吗？谜底是：很棒。我渡过了一段至极兴盛的时光，完全无法联想还有什么事情比这更值得我去作念。

让我想想，我不认为应该让东说念主认为咱们的处事老是充满乐趣。我的处事并非老是真谛的，我也不渴望它老是真谛的。处事是否应该老是真谛？我认为蹙迫的是处事老是蹙迫的。我不会太把我方当回事，但我至极雅致对待处事。我至极雅致地对待咱们的责任，雅致对待咱们对社会的孝敬，以及咱们所处的时间。

这老是真谛的吗？不，但我是否老是嗜好它？是的，就像通盘事情一样，无论是家庭、一又友、孩子，是否老是充满乐趣？不，但咱们是否老是深深地爱着他们？绝对是。

我能作念多久？实在的问题是，我能保持联系性多久？这个问题的谜底唯有通过另一个问题来修起：我将如何络续学习？今天我愈加乐不雅了，我并不是因为咱们今天的询查而这样说。因为 AI 的出现，我对我方保持联系性和络续学习的才智愈加乐不雅。我每天都在使用它。我不知说念你们是否也使用，但我每天都在使用它。

莫得一项筹议不触及 AI，即使我知说念谜底，我也会用 AI 来查对。令东说念主讶异的是，接下来我问的两三个问题，往往能揭示一些我不知说念的事情。

你不错遴荐你感意思的主题，我认为 AI 算作导师、AI 算作助手，AI 算作一个不错沿途首脑风暴的伙伴，来查验我的处事。店员们，这真的是一场透顶的改进。而我是别称信息处事者，我的输出是信息。

是以我认为 AI 对社会的孝敬口舌凡的。如果我能像这样保持联系性，并络续作念出孝敬，我知说念这份处事饱和蹙迫，值得我络续追求。而我的生活质地亦然不可想议的。

Brad Gerstner：我无法联想，如果错过这个时刻会怎么。你我仍是在这个行业处事了几十年，而这是咱们三十年来最蹙迫的时刻。咱们对这段合营深表感谢。

黄仁勋：不要错过接下来的十年。

Brad Gerstner：至极感谢你们的想想交流，你让咱们变得更贤慧。谢谢你，我认为你算作带领者，在乐不雅且安全地引颈畴昔方面阐扬了至极蹙迫的作用。

黄仁勋：感谢你和咱们在沿途。我真的很享受，真的很感谢，感谢 Brad，感谢 Clark。