接下来10年黄仁勋押注什么？

　　DeepSeek的突袭，让英伟达的市值在一周之内蒸发了5500亿美元。在官方声明中，英伟达提到：DeepSeek在AI领域取得了卓越进展，是“测试时间缩放”的绝佳范例。该技术展示了如何利用广泛可得的模型以及全部符合出口管制规定的计算资源，来创建新模型。同时英伟达也强调：DeepSeek的成功表明，市场对英伟达芯片的需求依然强劲。

　　也是很巧，在CES期间，黄仁勋接受了油管Cleo Abram频道的专访，应主持人的要求他谈了三个问题：1.英伟达和它的加速计算是如何走到今天的。2.世界正在发生啥？3.黄仁勋对未来的愿景。以下是黄仁勋在访谈中的观点，口语化部分稍微有修改调整，希望我们的企业家和创业者，顺着黄仁勋讲述的创新脉络，能找到一些更深的启发。

　　本文来自微信公众号：笔记侠，作者：笔记侠，责编：贾宁，题图来自：视觉中国

　　在上世纪90年代，游戏开发者希望创造出更真实的图形，但当时硬件的能力不足以满足这个需求。于是我们就提出了一个解决方案，创造了第一个现代GPU，这个方案不仅改变了游戏行业，更改变了整个计算机运算领域。

　　我们观察到，在软件程序内部，只占 10% 的代码却完成了 99% 的处理任务。而且这 99% 的处理任务是可以并行完成的。剩下的 90% 的代码则必须按顺序执行。当时我们就想到：真正完美的计算机是可以一起进行顺序处理和并行处理的计算机，而不是只能进行其中一种处理的计算机。

　　我们选择游戏行业作为入口，除了游戏需要并行处理器来渲染3D图形之外，更重要的是这两点：

　　第一，本质上是对虚拟世界的模拟，人都想进入虚拟世界，我们对它抱有无限的热爱。

　　事实证明，我们的判断是正确的。因为市场足够大，所以我们的研发预算就可以相应增加，从而能够创造出更多新技术。

　　技术、市场和更强大的技术之间形成的良性循环，真正推动了英伟达成为世界上最重要的科技公司之一。

　　一位量子化学科学家对我说过一句让我印象非常深刻的话：“因为英伟达的工作，我可以在有生之年完成毕生研究。”正是我们的技术突破让程序工作速度大幅度的提高，使更多的人能清楚看到未来。

　　所以，当你进行天气预报时，你其实就是在预测未来；当你在虚拟城市中通过仿真测试无人驾驶汽车时，其实就是在进行时间旅行，模拟未来的驾驶场景。

　　（主持人说：并行处理技术在游戏领域取得了巨大成功，它让更多的人能够在计算机中创造出过去没办法想象的世界。显而易见，量子学研究人员在 NVIDIA GPU 上并行运行分子模拟的速度，比以前在超级计算机上使用 CPU 运行的速度还要快得多。这项技术也在彻底改变着别的行业，在 2000 年初，它开始改变我们对计算机潜力的认知，你看到了这一点，并意识到这样做实际上有些困难，因为当时研究人员一定“欺骗” GPU，让 GPU 认为他们的问题是图形问题，于是你创造了一种让这一切变得容易得多的方法——CUDA平台，它让程序员能够正常的使用他们已熟悉的编程语言来指示GPU执行操作。）

　　CUDA的诞生，一部分源于研究人员的发现，一部分源于内部的灵感，还有一部分是未解决实际问题。你知道，许多有趣的想法都是在这样的复杂背景下产生的。有些想法是出于渴望和灵感，而另一些则纯粹是出于处理问题的紧迫感。

　　在CUDA的案例中，情况也是如此。最早将我们的GPU用于并行处理的外部想法，可能源于医学成像领域的一些研究。当时，麻省总医院的一些研究人员正在尝试使用我们的图形处理器进行CT重建。他们的工作给了我们很大的启发。

　　与此同时，我们在内部实际上面临着一个挑战，那就是在游戏中创造的虚拟世界，除了要漂亮，还希望它能够动态地变化，比如水应该像真实的水一样流动，爆炸应该有真实的爆炸效果。

　　而这就从另一方面代表着必须要进行粒子物理模拟和流体动力学模拟。这在某种程度上预示着你有必要进行粒子物理模拟和流体动力学模拟。但如果你的计算流程只能处理计算机图形，那么这些模拟就很难实现。因此，我们有很强的内在动力，希望在自己服务的市场中解决这一个问题。

　　同时一些外部研究人员也在尝试将我们的 GPU 用于通用计算加速。所有因素叠加在一起，最终我们决定采取行动，创立了CUDA这个新型计算平台。

　　我坚信CUDA会取得成功，并为此投入了整个公司的资源，同时我也相信英伟达的GPU会变成全球上产量最高的并行处理器。而庞大的电子游戏市场保证了这一点。从创立到今天，CUDA架构在所有的领域都普惠了更多的人。

　　当你创造CUDA这样的新事物的时候，悲观者会认为即使你建造了它，他们也可能不会来；但乐观主义者认为如果你不建造它，它们就不也许会出现。这通常是我们看世界的方式，我们一定要凭直觉来推断为什么这会非常有用。

　　（主持人：2012年，一个由杰弗里·辛顿等三个研究人员组成的小组，在世界知名的ImageNet 竞赛中，提交了一个叫做“AlexNet”的参赛作品，这是一个卷积神经网络，直接击败了所有竞争者，以极低的误差率震惊了全世界。该竞赛旨在创建能够识别图像并进行分类标记的计算机系统。）

　　它之所以如此出色，是因为他们使用了海量的数据来进行系统训练，并且这项工作是在NVIDIA GPU上完成的。

　　这时候，GPU不再仅仅是使计算机运行更快、效率更加高的工具，而是成为了全新计算模式的引擎。人类从使用逐步指令引导计算机，转变为通过展示大量示例来训练计算机学习。这是一种与之前完全不同的新算法，它让计算机的视觉能力实现了巨大的飞跃。）

　　事实上，在2012年，多伦多大学的Ilya Sutskeve（伊尔亚·苏茨克维，OpenAI联合发起人、图灵奖&诺贝尔物理学奖获得者杰弗里·辛顿的学生）、Alex Krizhevsky（亚历克斯·克里泽夫斯基，计算机科学家）和 Geoff Hinton（杰弗里·辛顿）在他们所在的实验室开始使用 GeForce GTX 580，因为他们了解到CUDA，并认为CUDA可当作训练AlexNet的并行处理器，所以我们的灵感是GeForce（英伟达显卡系列之一）能成为将这种并行架构带入世界的载体。

　　与此同时，我们正在企业内部努力解决计算机视觉问题，并且努力使 CUDA 成为一个好的计算机视觉处理器，我们对内部计算机视觉的早期开发进度感到沮丧，并且CUDA没办法提供更多的帮助。

　　突然之间，我们正真看到了AlexNet，这是一种与以前的计算机视觉算法完全不同的新算法，它在计算机视觉的能力方面取得了巨大的飞跃。

　　当我们正真看到这一点时，一部分是出于兴趣，另一部分是因为我们自己也在因工作推进不顺利而挣扎。所以当看到AlexNet时，我们受到了启发。

　　但我要说，最大的突破是当我们看到 AlexNet 时，我们问自己，AlexNet 能走多远？如果它能用计算机视觉做到这一点，它能走多远？如果它能达到我们大家都认为它能达到的极限，那对计算机行业意味着什么？那对计算机架构意味着什么？

　　我们从机器学习和深度学习架构的扩展性，看到了一个明显的趋势：绝大多数的机器学习问题，都可以用深度神经网络来覆盖。

　　我们可以用机器学习解决的问题类型如此之多，以至于它有可能彻底重塑整个计算机行业，这促使我们重新设计了整个计算堆栈，这就是 DGX（英伟达旗下的新型大内存AI超级计算机）的由来，而这个小小的 DGX 就坐在这里，这一切都来自于我们逐层重新设计整个计算堆栈的观察。

　　自IBM System 360推出现代通用计算65年以来，我们已彻底重塑了我们所知的计算方式。

　　(主持人小结：英伟达用并行处理的方法重塑了电子游戏，并彻底改变了一个完整的行业，随后并行处理的计算方式开始在不同的行业中被使用。紧接着英伟达通过构建CUDA平台和不断投入资源，让神经网络和机器学习快速的提升，并开始了一场我们现在看到的新的计算革命。)

　　计算机视觉、语音识别、语言理解——这些曾经被认为无解的人工智能难题，在短短几年间相继被攻克。一个接一个地被突破，令人惊叹不已。

　　（主持人：我们正真看到你很早以前就为此作出风险很高的赌注，你坚持了多久，感觉怎么样？）

　　我们在探索的过程中有时能找到证据证明方向正确；但更多时候，走了很长的路却找不到任何验证，这时就需要适时调整航向。

　　为什么我们也可以长时间坚持？答案很简单：因我们对这个方向深信不疑，所以没理由不继续前行。

　　我对英伟达的信念已经持续了 30 多年。并坚信团队在革新计算领域所做的一切，不仅在今天依然有效，而且比过去任何一个时间里都更具价值。

　　前进的道路上难免会遇到重重挑战。但必须对未来有信念，持续投资自己。正是这份坚定的信念，驱使我们投入数百亿美元，最终实现了目标。那确实是漫长的 10 年历程，但整一个完整的过程充满快乐。

　　第一个核心信念是聚焦加速计算领域，特别是并行计算与通用计算的结合。通过将多个处理器结合在一起，我们实现了计算加速。我对这个理念坚信不疑。

　　第二个核心信念来源于对深度神经网络（DNN）潜力的洞察。自 2012 年问世以来，深度神经网络展现出了强大的能力，能够从各类数据中提取模式和关联。同时具有优秀的可扩展性——通过扩大规模，它们能够学习更为精细的特征；通过增加深度或宽度，它们的性能也能相应提升。

　　我们已经看到，机器能够最终靠图像学习物体识别，通过声波掌握语音辨识，甚至仅仅通过研究海量的文字符号就能理解语言、词汇和语法规则。

　　我觉得现在的AI已经和深度学习已经具备了一项革命性的能力：它能学习并转化几乎任何形式的数据。在文本领域，AI能轻松实现文本间的转化，比如文章摘要和语言翻译；在视觉领域，它能将文本转化为图像，或将图像转化为文本；在生物领域，它甚至能够将氨基酸序列转换为精确的蛋白质结构。

　　展望未来，我们还将实现从蛋白质到自然语言的转换，使我们也可以提出诸如“这种蛋白质的功能是什么”或“请举例说明具有特定特性的蛋白质”这样的问题。

　　既然AI已能将文字转化为视频，那么将文字转化为机器人的动作指令又有何不同？从计算机的底层逻辑来看，这些转换本质上是相通的。

　　“这些可能性，为我们打开了一扇充满机遇与挑战的大门，正是这些无限可能让我们对未来充满期待。”

　　（主持人：我感觉我们正站在一场巨大变革的风口浪尖上。回顾过去十年，我们确实经历了翻天覆地的变化。但展望未来十年，我发现了自己已经没办法准确预测，我们将如何运用当下正在开发的这些技术。）

　　“过去十年主要聚焦于人工智能的基础科学研究。而接下来的十年，虽然人工智能的科学突破仍将持续，但更具标志性的是我们即将进入人工智能的应用科学时代。”

　　这是一个从基础研究到实践应用的重要转变。现在有关人工智能的核心问题已转向了具体应用场景：比如怎样将AI应用于数字生物学？怎样将AI用于气候技术探讨研究？怎样让人工智能服务于农业、渔业、机器人技术？怎样通过人工智能优化运输和物流系统？怎样利用人工智能改革教育教学？怎样将AI融入播客等媒体形式？

　　让我来用 ChatGPT 作为例子，来帮大家理解Omniverse（基于英伟达和皮克斯的图形和仿真模拟产品）和 Cosmos（英伟达世界基础模型平台）的发展逻辑。

　　ChatGPT 最初版本虽然在文本生成方面表现出色，但在处理长文本或不熟悉的主题时，常常会产生】“幻觉”——就是生成看似合理但缺乏事实依据的内容。

　　为了解决这样一些问题，新一代模型引入了上下文学习能力，通过接入 PDF 文档和搜索引擎作为事实基础，让大模型能够基于可靠信息进行推理和回答。

　　所以，要让机器人真正理解物理环境，就需要构建一个类似于 ChatGPT 核心模型的世界模型。这个模型必须准确理解基础物理定律（重力、摩擦力、惯性）、空间几何认知、物体的永久性（物体在视线之外依然存在的概念）、因果关系（如物体倾斜导致倒下的关系）等等这些物理常识。

　　这正是我们正在通过 Cosmos 实现的目标——创建一个“世界模型”，并且用真实数据对它进行基础化处理。然后用Omniverse 这个基于牛顿物理学原理的求解器，把长期以来理解的基本物理定律编码到“世界模型中”，让它成为一个精确的模拟器。

　　我认为，一旦“世界模型”或者“世界模拟器”成型，就能让我们在虚拟世界中产生无限可能的，基于真实世界物理法则的互动场景。比如我们大家可以在虚拟世界中训练各种机器人，从而大幅度降低训练成本。

　　（主持人：如果把时间线拉长到十年，您认为人们在不久的将来会如何与这项技术互动？）

　　我认为在不远的将来，所有可移动的设备都将进化为机器人，而且这个进程正在加速。每一辆汽车都将成为自主运行的机器人。人形机器人的所有技术要素也已经很成熟。在不久的将来，我们的生活中将出现大量的机器人作为我们的助手，这位助手可能会以多种形态存在，比如有时候出现在智能眼镜中，有时候在手机里，有时候在智能汽车系统里。

　　无论它以什么形式出现，我们都能与之自然交流。同时，这些机器人会随着我们的生活经历不断成长进化。这已经是一个确定的未来图景。

　　比如，人工智能会自信地说一些它一无所知的事情，结果我们却依赖于这一些信息。这是生成虚假信息、假新闻或假图像的一种方式。还有一些人工智能可以出色地伪装成人类，还可以非常完美地伪装成特定的人。所以我们应该关注的领域范围相当清晰，并且有很多人正在努力解决这些问题。

　　当然有一些时候人工智能想做正确的事情，只是执行得不对，结果伤害了别人。比如，无人驾驶汽车想要好好地、正确地行驶，但不知怎么的，传感器坏了，或者它没有检测到某个东西，或者它做了一个过于激进的转弯之类的。所以，我们应该进行大量的工程工作，以确保 AI 对人类是安全的，确定保证产品功能正常运行。

　　这与飞机上的飞行计算机没有区别，系统内部有三重冗余。然后有两名飞行员，还有空中交通管制，还有别的飞行员在观察这些飞行员。所以，AI 安全系统必须作为一个社区来构建，确保这些 AI 首先，能战场工作，功能正常。当它们异常工作时，不会使人们陷入危险。并且周围有足够的安全和保障系统，以确保我们保持 AI 的安全。

　　（主持人：我非常好奇，您认为当前世界在科学和技术领域面临的主要挑战是什么？）

　　这实际上是一个物理限制，信息传输和比特翻转的物理定律决定了所需能量的下限，从而限制了我们所能实现的工作量。

　　同时，我们所拥有的能量也限制了我们的能力。虽然如此，我们远未触及阻碍我们前进的根本性障碍。

　　因此，我们正致力于研发更高效、更节能的计算机。比如，这款小型计算机，它的升级版价值 25 万美元（DIGITS）。我们交付的第一个版本只是一个原型机。

　　2016 年，我向 Open AI 交付了首个正式版本 DGX 1，售价为 25 万美元。它的能耗是当前版本的 1 万倍，而当前版本的性能却是它的 6 倍。

　　2016 年至今的八年时间里，人类在计算方面的能源效率就提升了 1 万倍。想象一下，如果汽车或电灯泡的能源效率也能提升 1 万倍，那么一个原本 100 瓦的灯泡，现在只需 1 万分之一的能耗就能产生同样的亮度。

　　因此，英伟达一直在努力提高计算，特别是 AI 计算的能源效率，我们大家都希望创建更智能的系统，并利用更强大的计算能力来增强智能。优化计算效能始终是我们的首要任务。

　　我坚信Transformer 只是一个跳板，未来将会演化出与现在截然不同的新架构。在计算机算法、软件、工程和创新的发展历史中从来就没一种理念是长期保持不变的，而这正是计算机行业的迷人之处，它能在今天实现十年前人们没办法想象的事情。

　　我们坚信创新的多样性和发明的丰富性，我们大家都希望构建一个开放的架构，让发明家、创新者、软件工程师和AI研究人员都能自由探索，并提出令人惊叹的设想。

　　自从 Transformer 出现以来，人们创造了许多不同的注意力机制，这是一种非常卓越的创新。我认为这种创新会持续下去并对此充满信心。

　　计算机科学的探索不会停止，AI研究人员也不会放弃，我们更是如此。拥有一个能够支持研究、创新和新想法的灵活计算机，从根本上来说至关重要。

　　即使我们与台积电等公司合作生产芯片，但我们依然觉得自身需要具备与台积电同等水平的专业相关知识。英伟达内部有许多在半导体物理学方面拥有深厚造诣的专家，帮助团队深刻理解半导体的能力极限，并让团队通过与这些专家的紧密合作，共同探索技术边界，致力突破现有的技术限制。

　　在系统工程和冷却技术方面，我们也采取了类似方法。我们的团队发现管道系统对液冷技术至关重要，风扇系统则是空气冷却技术的核心。我们正在设计空气动力学性能优良的风扇，以在产生最小噪音的同时实现最大空气流通量。为此我们公司聘请了空气动力学工程师。虽然我们不直接生产这些组件，但我们深入设计并了解它们的制作的完整过程，通过这一种方式来不断尝试突破技术的极限。

　　上个月，我在CES上公布了Omniverse 与 Cosmos 的融合项目，这是非常激动人心的事情，这一融合创造了一个全新的生成式世界构建系统，一个多重宇宙生成系统。

　　我认为，这个系统对机器人技术和物理系统的未来发展至关重要。尽管我们在机器人领域，特别是在人形机器人方面的工作才刚刚起步，

　　包括开发工具、训练系统和人类演示系统等，但我相信未来五年内，人形机器人将迎来飞速发展。

　　另外，我对数字生物领域的未来充满期待。我们的目标是像理解物理世界的语言一样，解码分子和细胞的语言。如果我们也可以做到这一点并具备预测能力，那么实现人类的数字孪生将成为可能。

　　我非常喜欢在气候科学领域的工作，这些研究令人兴奋。比如，我们也可以从天气预报中理解并预测高分辨率的区域气候，还可以掌握头顶一公里范围内的天气模式。如果我们能以极高的准确度来预测这些变化，其影响将非常深远。

　　我们很幸运创造了这样一个工具，它就像一台“时间机器”（指具备前瞻性）。在刚才我们讨论的所有领域，都需要一些时间机器，我们努力预测未来，以及我们尝试设计的一切，都是为了可以为最佳的未来版本来优化，才有机会让未来成为最好的版本。这也是众多科学家们想要预测未来的原因。

　　“我们现在瞬间就能完成过去原本需要一周才能完成的工作，这在某种程度上预示着一部分繁琐的劳动几乎要消失了，这产生的影响类似于高速公路的出现。”

　　回顾上一次工业革命，州际高速公路的建设让郊区快速地发展，货物运输变得方便快捷，加油站、快餐店和汽车旅馆也随之涌现，新的经济形式和能力因此得以诞生。

　　举个例子，如果我身边随时有一个程序员，可以依据我的需求编写代码，或者只需要我提供一个简单的想法和草图，就能帮我设计产品原型，这将如何改变我们的生活和机遇？在未来十年内，智能技术虽然不会在所有领域，但在某些领域将有可能达到超越人类的水平。

　　另外，我觉得我们不必担忧被超越或者是被替代的问题。我身边有许多“超强人类”的存在，从我的角度来看，他们在各自领域都是世界顶尖，他们做的事情远超我。在过去三十年里，我被成千上万的高手包围，但从未感觉自己不重要，反而这给了我力量和信心，让我更有勇气去挑战更大的目标。如果我们任何一个人都被在特定领域很出色的超级人工智能包围，就会感觉到人工智能赋予了我们力量和自信。

　　我相信可能很多人已经在使用 ChatGPT 等 AI 工具了，对这些产品的更新，我感到更有力量和信心去学习新事物。这样感觉很像身边总有一个私人导师，在帮助我对于任何知识领域，消除理解的障碍。

　　如果我给大家一个建议，那就是立即为自己找一个“AI导师”。它可以教我们任何想学的东西，帮我们编程、写作、分析、思考、推理，所有这一些都会让我们感到更有力量。

　　我认为，这就是我们的未来：我们将不再因为拥有超能力而成为超人，而是因我们拥有了超级AI。

　　我们应该学习怎么样与 ChatGPT、Gemini Pro 和 Grok 等 AI 工具互动。学习怎样与 AI 互动，成为一个擅长提问的人。我们应该掌握一些专业相关知识和技巧，才能够有效地提示 AI，让它是我们的助手。

　　无论将来从事哪个科学领域或行业，我们都应该问自己：如何利用 AI 来提升工作效率？如果想成为律师，如何利用 AI 成为更优秀的律师？如果想成为医生，如何利用 AI 成为更出色的医生？如果想成为化学家或生物学家，如何利用 AI 来提升个人的专业能力？这样的一个问题应该时刻萦绕在每个人的心中。

　　就像我们这一代人是第一代必须要思考如何利用计算机提升工作效率的人一样。我的上一代人没有电脑，而我们这一代人是第一个必须学习如何利用电脑来更好地工作的人。

　　后来，电脑开始普及，我们必须思考怎么样利用电脑来提高工作效率。下一代人无需再问这样的一个问题，但他们必问下一个问题：如何利用 AI 来更好地完成工作?

　　我认为这应该成为一切的出发点和终点，这是一个令人兴奋、也略带恐惧，但很值得探讨的问题。

　　我认为这将很有趣。AI显然是一个人们才起步了解的概念，但它让你的电脑变得更容易使用。我们向 ChatGPT 提出任何你想问的问题，比我们自己去做研究要容易得多。人工智能帮我们降低了理解的门槛、知识的门槛，也降低了智能的门槛，任何一个人都应该去尝试一下。

　　如果你把一台电脑放在一个从未使用过电脑的人面前，他们不可能在一天之内学会使用它，必须有人来教。然而，如果他不知道怎么使用 ChatGPT，他只需要输入 “我不知道怎么样去使用 ChatGPT，请告诉我”，它就会给出一些使用示例和方法。

　　我们很幸运，因为我们坚持了很久以前的核心信念，使得英伟达今天成为了世界上最重要、最具影响力的科技公司之一，并且可能永远如此。

　　数字生物学和生命科学领域已发生了彻底的改变，我们对材料科学的理解也被完全颠覆；

　　如果他们回顾过去，会发现有一个企业几乎处于所有这些变革的中心，而且此公司恰好是他们从小一起玩游戏的公司。我希望这就是下一代人所了解的——这一切的起点，都源于电子游戏。