联系我们：

　　

　　我其时正正在斯坦福大学工智能研究，次要的一直是计较能力。我们只要无限的集群来运转这些算法。而英伟达的呈现，不只放宽了计较能力的，还通过CUDA根本设备使其成为可能。这正在很大程度上就是你的汗青：让越来越多的计较成为可能。2016年，你很是出名地创制了世界上第一座人工智能工场——DGX-1。你还亲手把它交付给了正在OpenAI的埃隆·马斯克（Elon Musk）。

　　其次，若是智能的边际成本，即AI的边际成本趋近于零，那么专注于平安的AI的边际成本为什么不会也趋近于零呢？这一点很是明白。很可能每个AI城市被一大群着它的收集平安AI所包抄。我们将具有大量的AI者，数千、数百万，遍及公司表里。这就是将来的图景。

　　我们发了然所有这些工具，它们都是全新的。若是你退后一步问本人，除了 ARM 和 x86，世界上还有哪一个几乎人人都正在利用的计较平台？谜底是不存正在。所以，发现一个新的计较平台是极其稀有的。对我们而言，这破费了快要 30 年的时间。

　　你将来的计较机就像你面前的一位CEO，或者是一位艺术家、一位诗人、一位故事讲述者，你取它协做，为本人创制奇特的内容。所以，将来的计较是100%生成式的。其背后需要一个AI工场，这就是为什么我100%必定我们正处于这段路程的初步。我们现正在为这个每年可能需要数万亿美元根本设备的市场，只建制了区区几千亿美元的根本设备。这是最容易理解其前景的体例。

　　2016 年，英伟达推出首台 AI 工场 DGX-1（首个客户为 OpenAI），进入超大规模计较范畴。其成功的焦点窍门正在于**“全栈协同设想”：同时设想和集成整个根本设备（收集、CPU、GPU），并运转同一软件栈。这种高度集成使其冲破摩尔定律**，实现代际间约 10 倍的机能飞跃，为客户供给极高能效，并大幅添加 AI 工场的收入产出。

　　“AI本身必需是好的”这个设法很好，但我们不应当依赖于此。就像我们但愿一个软件能一般运转，但我们必需假设它可能存正在缝隙、病毒或被入侵。我们将尽可能平安地鞭策AI成长，同时也会正在AI四周摆设大量的平安AI。

　　第二点是机械人手艺。让我给你们做一个思惟尝试，注释为什么机械人手艺离我们如斯之近。你现正在能够给AI一个提醒，好比“让黄仁勋拿起一个瓶子，打开它，然后喝一口”，它就能生成我做这个动做的视频。那么，若是它能生成这一切，为什么不克不及一个机械人来完成同样的动做呢？这个思惟尝试表白，这正在现正在看来常有可能的。若是你能设想一个能够驾驶汽车的数字司机，为什么不克不及让一个实体机械人来驾驶汽车呢？若是一个实体机械人能够被付与驾驶汽车的能力，为什么不克不及付与它操做一个拾取和放置机械臂或任何类型机械人的能力呢？

　　你只需要对此进行推理。我们建制了第一台DGX-1，它是其时世界上最高贵的计较机，但它并不算成功。所以我得出结论：我们把它制得还不敷大。于是我们制了一个更大的，第二个就变得超等成功。

　　有两个偶尔的时辰，以及一个关于深度进修的、源于第一性道理的伟大察看。我其时正试图处理计较机视觉问题。我们想处理计较机视觉问题有良多分歧的缘由。其时的计较机视觉手艺很是懦弱，难以泛化，只是一系列技巧的调集。我很是厌恶这个行业的成长体例，我们对进展感应相当沮丧。

　　那是一个典范的例子。对于正在场的投资者来说，谈论AI的投资报答率，它曾经以万亿美元市值的形式存正在了。接下来我们谈谈将来的收入。到2025年，AI范畴的投资总额估计将高达5000亿美元。将来将何去何从？这个范畴会成为每年数万亿美元的投资类别吗？

　　所以，当你制制出图形加快器时，你入场很早，但随后出现了数百个合作敌手。最终你正在阿谁市场中胜出。正在 2000 年代初期，你认识到这项手艺大概能够通用化。你适才谈到 CPU 的通用性，大概 GPU 也能够被通用化以进行更多的处置。我们来谈谈 CUDA。这个设法是怎样来的？你是从哪里获得这个洞察的？有传言说是来自研究人员，你是若何通过阅读他们的研究，得出 GPU 能够成为通用计较机的结论的？

　　其次，我们现正在有了一个名为“AI”的新市场，它催生了一个出产AI的新财产。因而，OpenAI、Anthropic、xAI、谷歌的Gemini，当然还有Meta，都将成为AI的出产者。这整个AI模子制制商层级也正正在扶植AI工场。这些AI将为下一代的新机缘供给动力。

　　起首，建立英伟达的坚苦之处正在于，我们必需发现一种新手艺，同时创制一个新市场。正在 1993 年，要建立一个新的计较平台，你需要一个庞大的市场。其时正正在做 3D 图形的硅谷图形公司（Silicon Graphics），其市场太小，不脚以支持一个新的计较平台。因而，若是我们想创制一种新的计较架构，就需要一个庞大的市场，但这个市场由于架构不存正在而尚未存正在，这就陷入了“鸡生蛋仍是蛋生鸡”的问题。英伟达擅长的，以及我们为现代 3D 逛戏市场做出的庞大贡献正正在于此。

　　“我们不是正在设想一个芯片，我们是正在一次性设想一整套根本设备。我们是当当代界上唯逐个家公司，你能够给它一栋楼、一些电力和一张白纸，我们就能创制出此中的一切。所有的收集、互换机、CPU、GPU，那整个工场里的所有手艺，我们都能建制。并且它们都运转着来自英伟达的统一个软件栈。

　　我看到了和大师一样的成果，所有人都看到了计较机视觉效率的庞大飞跃。但我们更进一步，去思虑：这项手艺为什么正在计较机视觉方面如斯超卓？它还能正在哪些方面表示超卓？深度神经收集之所以可以或许做到很是“深”，是由于每一层都于其他层进行锻炼，而且能够从一个丧失函数一曲反向到其输入端。你能够用它来进修几乎任何函数。

　　机械人出租车曾经呈现了，它们正在分歧城市间进行泛化的能力正快速提拔。缘由是这背后是不异的根本手艺，对于正在座列位处置量化买卖和算法买卖的人来说，你们也履历了从人工设想特征、机械进修，到越来越多地利用深度进修、嵌入特定模态和多模态模子，再到现在根基实现端到端的过程。而且，它是多模态的。

　　所以你成功地将这个很是专业化、机能极高的加快设备通用化了，使得世界各地的研究人员和学者可以或许更快地运转他们的处置使命。他们之前面对的摩尔定律俄然之间被极大地放宽了。现正在让我们快进到 2010 年代初。其时，深度进修仍是一个学术界的冷门范畴，神经收集的概历了一个“严冬期”。然后正在 2012 年，AlexNet 正在计较机视觉范畴取得了冲破，而这一切都是正在英伟达的 GPU 上加快完成的。那是不是你认识到人工智能正正在成为现实的时辰？若是是，你是若何抓住这个机缘的？让英伟告竣为这场核心的环节劣势是什么？

　　本文为磅礴号做者或机构正在磅礴旧事上传并发布，仅代表该做者或机构概念，不代表磅礴旧事的概念或立场，磅礴旧事仅供给消息发布平台。申请磅礴号请用电脑拜候。

　　Jensen，您曾经从一个组件供应商改变为一个完整的平台供应商，这就是面向投资者所说的“AI工场”概念。您能细致注释一下这个平台包含了什么吗？别的，这个平台的下一步成长会是什么样子？

　　平台包罗CPU、GPU和收集处置器。互换机有三品种型：一种是纵向扩展（scale-up）互换机，它能够将一个机架变成一台完整的计较机，我们开创了机架级计较，这被称为纵向扩展。横向扩展（scale-out）则是通过将很多如许的机架毗连正在一路实现的。这些互换机和收集设备上运转着大量软件，软件位于所有这些硬件之上。然后，您就能够建立一个像这栋建建一样大小的巨型系统，这栋建建的功耗大要是100兆瓦。一个千兆瓦的数据核心则需要几千英亩的地盘。接下来，您通过更广漠的收集将所有这些数据核心毗连起来，让它们可以或许配合“思虑”。这就是我们今天建立的工具。

　　好的，我们获得谜底了。最初一个问题：若是您是现场的一位首席消息官（CIO），将来几年有100亿美元的预算用于人工智能，您会投资什么？

　　是的，它们都运营得很是超卓，都由计较驱动，而且都是各自行业内以手艺领先的带领者。它们还有一个不太为人所知的现实：两家公司的第一个外部投资者都是红杉本钱。

　　黄仁勋暗示，正在1993年创立时，英伟达预见到通用计较（CPU）的局限性取摩尔定律的终结，从而确定了“加快计较”的计谋标的目的。英伟达同时发现新手艺和现代 3D 逛戏这一庞大市场，处理了“鸡生蛋仍是蛋生鸡”的窘境。

　　我们将计较问题分化开来，得出的结论是，每一个芯片、每一个系统、每一款软件、计较仓库的每一层，都能够被完全沉塑。而我们决定去实现这一点的决策，可能是汗青上最好的决策之一。

　　保举系统是过去最复杂的软件系统之一，不只Meta正在利用。它有几项根本手艺：一项是协同过滤，它基于我的行为并察看其他所有人的行为，若是我们有类似的模式，它就会向我保举统一部片子、您购物清单里的下一个商品、一本书或一个视频。另一项是内容过滤，它仅基于我的身份、偏好以及那本书的具体内容来向我保举。保举系统是世界上最大的软件生态系统，而这个生态系统正正在很是敏捷地转向AI。因而，您将需要大量的GPU。

　　被低估的，我认为是虚拟世界。我们称之为Omniverse，它是一个供实体AI进修若何成为一个优良的实体AI的虚拟世界。这很难理解，但它被严沉低估了。这并非由于人们用或不消它，而是由于他们还不晓得本人需要它。但现正在，Omniverse正席卷机械人行业，每小我都起头大白了。一旦你起头制制机械人，你就会认识到这是何等有远见。我们差不多十年前就起头研发Omniverse了。所以，Omniverse很是主要。

　　问题是，若何将通用的工具引入到很是专业化的范畴？这恰是我们公司的伟大发现。我们发了然手艺，创制了市场，还斥地了径，使我们可以或许系统地从一个很是垂曲的行业，成长为越来越通用的平台。这种环境很少发生。这条很难走，但我不想占用剩下的时间来注释。我认为 CUDA 的发现，部门是手艺上的发现，即我们察看到若何将 GPU 通用化；但很大程度上也关乎新产物的发现，若何将其推向市场；新计谋的发现，若何让市场接管它；以及最终发了然可以或许创制飞轮效应的生态系统，从而促成一个计较平台的降生。

　　就正在那次GTC上，我邀请了埃隆来谈论我们俩都正在做的从动驾驶汽车。他上台后说：“Jensen，那台计较机是什么？”我说：“是DGX-1，我为这个目标而建制的。”他说：“我能够用一台。”我心想，哦，终究拿到一张采购订单（PO）了。然后他说：“我有一个非营利组织……”。

　　所以，你需要三台计较机：用于锻炼的AI计较机，用于模仿的虚拟世界计较机（即尝试室），以及做为机械脑、正在物理世界中现实运做的计较机。英伟达供给所有这三种计较机，我们取几乎所有的机械人公司、从动驾驶公司以及各类分歧“具身”形态的机械人公司都有合做。这很可能会成为有史以来最大的市场之一。

　　举个例子，若是你的数据核心是1千兆瓦，你就无法获得比这更多的电力了。若是我们的每瓦机能，即每单元能源耗损的机能，是别人的三倍，你的公司就能用阿谁工场发生三倍的收入。这就是我称之为“工场”而不是“数据核心”的缘由，它们正在用它赔本。这些人工智能工场但愿不竭扩大规模，不竭添加收入，不竭提高吞吐量。这就是我们立异如斯之快的缘由。要跟上我们是很难的。这也注释了我们为什么会成功。

　　今天，起首需要看到的是，AI并不只仅关乎OpenAI、Anthropic等新兴公司。AI正正在改变超大规模数据核心（hyperscalers）的运做体例。例如，搜刮现正在由AI驱动；保举系统决定了您看到的告白、旧事和故事，片子也是由AI保举的；用户生成的内容也同样如斯。所以，谷歌、亚马逊、Meta的营业——这些数百上千亿美元的收入，都由AI驱动。即便没有OpenAI和Anthropic，整个超大规模数据核心行业也已由AI驱动。因而，起首要认识到，整个行业需要从利用典范机械进修的保守CPU，转向利用AI的深度进修。仅这一项转型就价值数千亿美元。

　　我们得出的结论是，这是一个通用的函数迫近器（universal function approximator）。若是我们能再添加一个形态——卷积神经收集（CNN）是一种二维、的模式识别器，轮回神经收集（RNN）正在此中供给了一个形态机，长短期回忆收集（LSTM）供给了更好的形态机，而Transformer则供给了终极的形态机。因而，我们有了一个能够进修几乎任何函数的通用函数迫近器。那么问题就变成了：它能处理什么问题？现正在你反过来问这个问题，我们得出的结论是，我们想处理的大大都问题都能够包含一个深度进修的组件。所以我们决定去思虑，深度进修正在10年、20年后会成长到什么程度。

　　大大都人都正在谈论CUDA，CUDA很是主要。但正在CUDA之上，还有一套库。我今天早些时候提到了一个，叫做cuDNN。它可能是有史以来创制的最主要的库之一。上一个具有划一主要性的是SQL，而这一个就是cuDNN。还有其他一些，好比cuDF，以及将用于半导体系体例制光刻手艺的cuLitho。这些库，就是英伟达的宝库。

　　我制制了这台全新的计较机，它的外不雅和工做体例都是前所未见的。我记得正在GTC上颁布发表它时，不雅众完全不晓得我正在说什么，获得的掌声就像正在讲一个笑话一样稀稀拉拉。

　　让我们来谈谈前一波海潮，由于您提到AI曾经带来了投资报答。对于投资者来说，Meta是一个很好的案例。2022年第四时度，苹果移除了Meta的归因数据，导致其市值蒸发了数千亿美元。Meta团队其时正在想：“我们该若何处理这个问题？” 他们用英伟达GPU驱动的AI处理了这个问题，并将他们的归因能力恢复到了原有程度。这为他们了数千亿美元的市值，使其总市值比低点时超出跨越跨越一万亿美元。这完满是由您的GPU所驱动的投资报答。

　　因而，我们揣度了两件事：第一，我们察看到有些问题能够用一种更针对特定范畴、方针更明白的加快器来处理，这些问题可能很有处理价值。第二，我们察看到通用手艺，即晶体管的不竭缩小，最终会达到极限。那种认为能够操纵所谓的“丹纳德微缩定律”（Dennard Scaling）不竭缩小晶体管尺寸并进行扩展的设法……现实上，摩尔定律背后的根基道理是由米德（Mead）和康威（Conway）提出的。若是你回溯这些道理，你会发觉晶体管的微缩程度将会有个极限，总有一天你会获得递减的报答。

　　取此同时，我们普及架构的一项次要策略是，让高档教育范畴的科学家利用我们的平台——CUDA。我从地动处置、动力学、粒子物理学、量子化学等范畴起头推广。我把英伟达 CUDA带到了世界各地。公司其时确实有一个叫做“CUDA Everywhere”的计谋，意义就是我（Jensen）正在全世界仆仆风尘。我去了世界各地的大学取研究人员会晤。这项将CUDA引入高档教育和科研范畴的行动，促使一些研究人员正在2011、2012年摆布联系我们。

　　将来的AI平安将取收集平安有些类似。它将需要我们整个社区配合勤奋。您可能晓得，所有的收集平安和首席平安官们，我们都是一个复杂的社区。当有人发觉入侵时，我们会取所有人共享。当我们发觉缝隙时，我们也会取所有人共享。因而，将来的AI平安很可能会像收集平安一样。

　　我最喜好的书之一是大师的第一本微积分教材，那时你认识到数学是一种感情。那是一本好书。克莱·克里斯坦森（Clay Christensen）的所有书都很棒，他曾经归天了，但曾是一位老友。阿尔·里斯（Al Ries）的《定位》（Positioning）是一本很是好的书。若是你还没读过，杰弗里·摩尔（Geoffrey Moore）的《逾越鸿沟》（Crossing the Chasm）也是一本好书。但根基上，克里斯坦森的所有书都该当读一读。

　　跟我们讲讲这些人工智能工场吧。你可能有小型的“AI搅拌机”，但你也有这些实正庞大的“AI工场”。你正在2016年就全力投入，并断言世界将需要人工智能工场。你是若何获得这种洞察力和的？

　　Jensen，这个房间里坐满了世界上最优良的机构投资者。他们办理着数万亿的资产，而且不竭正在寻找劣势。你就是一个总能具有劣势的人。正在我们每一次的扳谈中，你都对将来有令人信服的看法。正在接下来的 60 分钟里，我们有一个弘大的议程：涵盖从英伟达创立之初到其兴起成为人工智能核心的故事，然后我们将把大部门时间花正在切磋英伟达和人工智能的将来上。好的，让我们从头起头吧。时间回到 1993 年，你 30 岁。是什么样的洞察力让你具有了开办英伟达的劣势？

　　所以，Perplexity是从保守计较机方式（我们去检索一个文件并阅读它）到生成式方式（基于AI的Perplexity）的一个绝佳典范。另一个例子是，看看我们今天看到的视频，好比Sora、nano banana，所有这些像素都是生成出来的。它由你来设定前提和提醒词。你可能会给它一个初始种子，然后说：“我但愿你生成一个Constantine和Jensen进行炉边谈话的视频。”然后你再提醒说，此次炉边谈话他们会聊一些疯狂的工具。

　　正在这个过程中，模子的泛化能力越来越强。用于从动驾驶汽车的AI模子和用于人形机械人或通俗机械人的AI模子高度类似，只是表现正在两种分歧的“具身”（embodiment）中。我之所以能必定这一点，是由于我能够用统一种智能来驾驶汽车和操控我本人的身体。我能够用刀叉，本人是外科大夫，正在牛排上脱手术。你会发觉，这是统一种AI正在分歧“具身”中的表现。

　　别的，我为我们将AI引入电信范畴的工做感应兴奋，5G和6G将因AI而发素性变化。我也为我们取量子计较机的合做感应兴奋，通过建立量子-GPU夹杂计较系统，我们能够将量子计较的历程提前大约十年。正在这些系统中，我们担任纠错、节制量子计较机以及后处置。我们推出了一种名为CUDA-Q的新架构，它将CUDA扩展到了量子范畴，并获得了普遍的采用。现正在，我们能处理很多以前难以处理的问题。

　　数字劳动力，即所谓的“代办署理式AI”（Agentic AI），将弥补和加强企业市场。例如，正在英伟达，我们100%的软件工程师和芯片设想师都由AI辅帮。今天，我们每一位工程师都通过Cursor获得加强，我们正在公司内部大量利用Cursor。我们为所有工程师配备了AI，出产力获得了提拔，我们的工做质量也变得好得多。

　　其时，Geoffrey Hinton、吴恩达（Andrew Ng）和杨立昆（Yann LeCun）都试图处理计较机视觉问题，由于一个由李飞飞（Fei-Fei Li）担任的名为ImageNet的竞赛即将举行。而我也正在试图处理计较机视觉问题。所以当你天然而然地试图处理一个问题时，所有这些风趣的人也正在处理雷同的问题，他们就会吸引你的留意。这就是巧合。

　　物理 AI（机械人手艺）： 通用 AI 驱动的多 “具身”机械人（如从动驾驶、人形机械人）。

　　其时红杉本钱对投资英伟达的次要顾虑是，我们必需同时发现手艺和市场，而这两件事同时发生的概率大约是 0%。我至今仍记得，当我向唐·瓦伦丁（Don Valentine）推介时，他问：“Jensen，你的杀手级使用正在哪里？”我说：“有一家叫艺电（Electronic Arts）的公司。”我其时并不晓得唐方才投资了艺电。我接着说：“我们将帮帮他们制做 3D 图形逛戏，并创制这个市场。”他回覆说：“Jensen，我想让你晓得，我们投资了艺电，他们的首席手艺官才 14 岁，每天由人开车送去上班。你却告诉我这是你的杀手级使用？”总而言之，我们最终创制了现代 3D 图形逛戏生态系统，现在它已成为世界上最大的文娱财产之一。

　　大师早上好。我的名字是 Konstantine Buhler，是红杉本钱（Sequoia Capital）专注于人工智能投资的合股人。英伟达和 Citadel Securities 其实有良多配合点，它们都是杰出的企业。

　　因而，手艺将初次不再仅仅是会计师利用的东西，或软件工程师利用的东西。我们将创制出数字软件工程师。我不会感应惊讶，将来你会授权力用一些数字人，也会雇佣一些数字人。这取决于它们的质量和专业深度。因而，企业将来的劳动力将是人类和数字人的连系。此中一些将基于OpenAI，一些可能基于Harvey、Cursor或Replit等第三方，还有一些将由你们本人内部培育。我们内部培育了良多本人的AI，由于我们有大量需要的专有学问和数据，而且我们具备开辟这些AI的技术。跟着时间的推移，越来越多的人将可以或许培育本人的数字AI，由于如许做会变得越来越容易。因而，企业和智能体AI，通过加强劳动力，带来了数万亿美元的机缘。

　　感谢你，Jensen。我们听到了一个不成思议的故事。英伟达的故事是一个杰出的泛化故事：从一个加快图形处置器，成长到今天驱动全世界所有人工智能的手艺；从一个组件和世界上第一块GPU，成长到形成世界AI工场平台的所有组件。我们谈到了办事若何成为这场新的基石，以及机械人手艺若何融入我们所有人的将来。我们谈了交际政策，以至还提到了炸鸡。你面面俱到，Jensen。很是感激。

　　将来的公司当然也包罗这些，但你需要为人工智能做同样的工作。你需要指导AI员工入职。我们有一套指导AI员工的方式，我们称之为“微调”，这根基上是正在教它们文化、学问、技术和评估方式。因而，你需要去进修若何打制你的“智能体员工”的整个飞轮。

　　由于我们正正在以令人难以相信的规模进行立异和协同设想——我们同时改变算法、软件、收集、CPU和GPU——我们冲破了正正在放缓的摩尔定律的。因而，我们每一代产物都将机能程度提拔约10倍。这是我们每年带给市场的令人难以相信的机能程度。我们这么做的缘由是，我们相信正在地平线之外，总有一个问题是如斯庞大，以致于你需要一台更大、更快的计较机。

　　“我们相信，我们能处理的计较问题规模几乎是无限的，因而，总有一天，一种新型的计较方呈现。我们公司专注于用一种叫做“加快计较”的手艺来加强和弥补通用计较。这就是我们最后的察看。

　　Jensen，您比来正在我们办公室加入了一场AI会议，并就AI平安的将来及其主要性提出了一些很是出色的看法。这和适才的话题有些联系关系。有些国度行为体可能会干涉AI，也有些小我用户可能会不妥利用AI。您认为AI平安的将来会是如何的？

　　取以前的软件比拟，AI的奇特之处正在于它需要持续地处置消息。你不克不及像过去那样事后编译它，把它放进一个二进制文件里，下载然后利用。它必需一曲处于处置形态。之所以如斯，是由于它需要获取你的上下文，思虑你想让它做什么，然后生成一个输出。所以它正在不竭地思虑和生成。这需要机械，需要计较机来完成。这就是“AI工场”存正在的缘由。这些AI工场将摆设正在云端，也可能正在当地（on-prem），遍及世界各地。这能够看做是AI根本设备的一部门，将会有大量的“思虑”来发生我们称之为“token”的工具，但其素质是智能。这就是所谓的认知AI，也就是数字劳动力。

　　“我认为 CUDA 的发现，部门是手艺上的发现，即我们察看到若何将 GPU 通用化；但很大程度上也关乎新产物的发现，若何将其推向市场；新计谋的发现，若何让市场接管它；以及最终发了然可以或许创制飞轮效应的生态系统，从而促成一个计较平台的降生。

　　所以，当我们被邀请正在此次会议上谈论人工智能时，谁是世界上最合适的人选，谜底是显而易见的。他为人工智能建立了整个根本设备，所有的人工智能都成立于此；他缔制了世界上最有价值的公司。请和我一路欢送黄仁勋（Jensen Huang）先生。

　　最好的例子之一是Perplexity。当你正在Perplexity上提问时，你看到的一切都是完全生成的，100%都是。而正在Perplexity呈现之前，你输入一些内容，它会给你一个列表，你再去点击。所有这些内容都是由或人事先编写或建立的。所以，搜刮是基于存储的计较，是基于检索的计较，它检索消息供你自行消费。而Perplexity或AI则是生成式的，它去研究、阅读所有内容，然后为你生成谜底。

　　那么，上层的使用空间是什么？除了我们一曲正在会商的、用AI改良所有现有使用之外，一个最合理的比方就是“数字人”。例如数字软件工程师（即AI编程），这可能是一个数万亿美元的市场机遇。还有AI数字、AI会计师、AI律师、AI营销人员。我们把所有这些统称为“智能体AI”（Agentic AI）。这项手艺正正在野着很是好的标的目的成长。

　　我们相信，我们能处理的计较问题规模几乎是无限的，因而，总有一天，一种新型的计较方呈现。我们公司专注于用一种叫做“加快计较”的手艺来加强和弥补通用计较。这就是我们最后的察看。你适才提到英伟达若何老是领先一步，这凡是是由于若是你从第一性道理出发进行推理，思虑今天运转得很是好的工具，问本人：我们的第一性道理成立正在什么根本上？这个根本又将若何随时间变化？这就有但愿让你洞见将来。

　　您还分享了一个概念，将来我们不只有衬着计较，一切都将是生成式的。您能细致注释一下这个预测以及它对英伟达意味着什么吗？

　　我们正越来越接近理解卵白质的意义，这得益于AlphaFold等手艺。我们也可以或许理解细胞的意义。我们比来取ARC合做，Evo-2是首批用于细胞表征的狂言语根本模子之一。现正在你能够对它说：“我但愿你生成具有这些特征的其他细胞。”或者你能够间接问细胞：“你有什么特征？你能取什么连系？你的新陈代谢是如何的？什么能够激活你？”你能够像取聊器人对话一样取细胞对话。因而，理解卵白质的意义……总之，这方面有良多进展，例子不堪列举。

　　他总结，将来计较的素质是 100% 生成式，一切内容都将被及时智能生成。要支撑机械人（需要锻炼、模仿、运转三类计较机）和生成式范式，AI 工场是不成或缺的根本设备，其市场需求正处于数万亿美元的迸发初期。

　　我们其时正正在履历小我电脑（PC）和地方处置器（CPU）的，那是摩尔定律的时代。其时的热点是集成微处置器、英特尔、摩尔定律以及晶体管的微缩定律，硅谷正在计较机行业的几乎所有投资都集中于此。而我们察看到了一些分歧的工具。我们认为，CPU 的一个益处是它的通用性，但通用手艺的底子问题正在于，它们正在处置很是坚苦的问题时，往往表示得不敷超卓。

　　是的。能够这么说，AI的制制部门，也就是“代工场”，是模子制制者。他们就像芯片制制商。有一种理解AI的体例是，大型言语模子就是现代计较机的操做系统。你能够正在这些AI模子之上建立使用法式，并且不只仅是基于一个AI模子，而是基于一个由多个AI模子构成的系统。因而，一个使用法式将毗连并利用一组分歧的AI。

　　当人们听到我们的GPU时，他们可能会想象一个很小的GPU。但我们的一个GPU现正在是机架规模的，沉达两吨，功率12万瓦，价值约300万美元。那才是一个GPU。我们当然也卖小一些的GPU，就是Geoffrey Hinton用的那种，大要500到1000美元，能够插正在你的PC上，用来玩电子逛戏或搞AI。但我们也有更大的GPU，一个1千兆瓦的人工智能工场GPU大约价值500亿美元。

　　“这就是像 Harvey、Open Evidence、Cursor 这类 AI 原生公司呈现的缘由。它们将毗连到 AI 模子，并将有史以来第一次，去开辟一个以前从未被手艺触及的行业——劳动力行业。

　　同样，我们现正在有了从动驾驶出租车。它是一个“具象化”的机械人，节制着标的目的盘和车轮。既然它存正在，为什么不克不及将其推广开来呢？剩下的也只是工程问题。所以，这是从第一性道理出发，揣度这项手艺正在各行业和社会中普及可能性的一个好方式。接下来你需要思虑的是，若何扩大规模？若何将这种智能交付给所有这些分歧的使用？谜底就是，你需要“AI工场”。

　　医疗健康所需的手艺很是复杂，但我们正正在取得飞速进展。若是你能理解单词和字符序列的寄义，你大概也能理解像虚拟世界如许有“布局”的工具的寄义。我们之所以能生成视频，是由于我们理解了现实世界，从而能生成它的图像化暗示。所以，若是你能生成视频，那必然是由于你理解了世界。若是你能理解世界，那么能否有可能理解同样具有布局的卵白质和化学物质呢？谜底是必定的。

　　然后Sora就会生成它。所以，每一个像素，每一个动做，每一个词都是生成的。将来计较的体例很可能就是生成式的。

　　我们再多谈谈机械人手艺。您具有一收入色的机械人团队，您担任机械人营业的一位高管今天也正在这里。正在之前的一次谈话中，您分享了关于机械人手艺将来成长的一些看法。它会是一个单一的人形机械人项目吗？会是多个开源项目吗？这些开源项目将若何整合？您认为机械人手艺将若何实正正在物理世界中表现出来，以及时间规划是如何的？

　　根本设备扶植如斯之快有几个缘由，现正在也存正在一些关于泡沫并将其取2000年比拟较的问题。正在2000年的时候，互联网公司如大多没有盈利，整个互联网财产的规模大约正在200到300亿美元之间。

　　所以我能够从头设想下一年的产物，再从头设想下下一年的，而且每一年发布的产物都连结软件兼容。软件兼容性的益处就是速度。PC之所以可以或许成长得那么快，就是由于它们都取Windows兼容。因而，只需你遵照这个手艺栈的尺度，你就能够地快速制制芯片。所以我们现正在正以物理上可能的极限速度，地建制人工智能工场。

　　进入 AI 时代，英伟达通过 “CUDA Everywhere” 策略，将 CUDA 推广至科研界。2011-2012 年，跟着取 Geoffrey Hinton、吴恩达等研究人员的合做，并供给 cuDNN 等使能手艺，英伟达加快了 ImageNet 等竞赛的冲破。基于深度进修是“通用函数迫近器”的洞察，英伟达做出了完全沉塑计较仓库，将 AI 集成到所有芯片、系统和软件中的严沉计谋决策，奠基了其 AI 焦点地位。

　　我们人类有能力“具象化”（embody）几乎任何工具。我们能够拿起刀叉，它们就成为我们身体的延长；我们能够拿起棒球棒，并将其用做我们身体的延长。我们可以或许“具象化”这些物理延长。将来的AI将可以或许“具象化”并一辆汽车、机械臂、人形机械人、外科手术机械人等等。因而，我认为这两个市场（数字人和机械人）都正在AI的能力范畴之内。

　　您分享过，物理世界的动态取数字世界是脱钩的。正在物理世界，可能是一个安保人员对应100个通俗人；而正在AI世界，这个比例可能会被反转。

　　这就是像Harvey、Open Evidence、Cursor这类AI原生公司呈现的缘由。它们将毗连到AI模子，并将有史以来第一次，去开辟一个以前从未被手艺触及的行业——劳动力行业。

　　最初，举一个例子。当你察看到一个事物实现的可能性时，剩下的就只是工程问题了。我们现正在曾经看到了一个绝佳的实例，那就是AI软件编码器，这也是我们大量利用它的缘由。既然你有了AI软件编码器，为什么不克不及让它也编写一个营销勾当的软件，或者编写软件来帮你处理任何会计问题，或任何你想做的工作呢？所以，这个实例的存正在本身就申明了，将其推广到其他范畴只是一个工程问题。

　　当你创制出一个全新产物时，最不想听到的就是你的第一个客户是一个非营利组织。但不管如何，我仍是交付了。我其时就像是送电脑的“Doordash”小哥，把这台电脑“外卖”到了，那家公司就是OpenAI。

　　现正在的问题就变成了，你该当把它制多大，以及你该当把计较能力推向多高的极限？工作成长如斯之快的缘由正在于英伟达的产物周期和我们的立异、设想体例。我们不是正在设想一个芯片，我们是正在一次性设想一整套根本设备。我们是当当代界上唯逐个家公司，你能够给它一栋楼、一些电力和一张白纸，我们就能创制出此中的一切。所有的收集、互换机、CPU、GPU，那整个工场里的所有手艺，我们都能建制。并且它们都运转着来自英伟达的统一个软件栈。由于我们能做到如许的集成，我们也能以极快的速度前进。

　　黄仁勋辩驳 AI 泡沫论，强调 AI 已正在超大规模数据核心（如搜刮、保举系统）实现数千亿美元的现实 ROI。他预测，AI 将开创两个万亿级新市场！

　　我告诉我的CIO，我们公司的IT部分将来将成为智能体AI的人力资本部，成为将来数字员工的人力资本部。这些数字员工将取我们的生物员工一路工做。这就是我们公司将来的形态。所以，若是你无机会如许做，我立即动手。

　　另一方面，当我们正在不异功耗下提拔机能时，我们现实上是正在降低你的成本。我们正正在以极快的速度降低成本，这让客户能做更大的事，也让他们能用统一个工场创制更多收入。英伟达现在能被普遍采用，是由于我们同时具有最高的机能和最大的规模。所以若是你想要巨型系统，你能够做到。同时我们也是成本最低的，由于我们的机能很是高。

　　“我们得出的结论是，这是一个通用的函数迫近器（universal function approximator）。。。。 那么问题就变成了：它能处理什么问题？现正在你反过来问这个问题，我们得出的结论是，我们想处理的大大都问题都能够包含一个深度进修的组件。所以我们决定去思虑，深度进修正在 10 年、20 年后会成长到什么程度。

　　我会立即测验考试建立本人的人工智能。我们为若何指导员工入职而骄傲——我们采用的方式，我们将他们融入公司的文化，使公司之所以成为公司的运营方式和实践，以及我们持久堆集并让他们能够拜候的数据和学问调集。这些是过去定义一家公司的工具。

　　是的，就像收集平安一样。我们具有的收集平安代办署理数量，比公司里处置收集平安工做的人员要多得多。

　　这些系统因几十年前的“Netflix挑和赛”而闻名。现正在，Netflix的保举完全由AI驱动。正如您所说，正在亚马逊，当您去采办商品时，有相当大比例的采办行为是由保举系统促成的。

　　最初再举一个例子。我们俩适才的整个交换过程100%是生成式的。你问我的每个问题，我都没有跑回办公室检索某些工具拿给你，然后问“Constantine，这是你要的吗？”，再让你读给大师听。那是过去的计较机。今天的计较机就是我们如许间接互动。我们正正在按照此时此地的上下文、按照不雅众、按照世界正正在发生的工作，及时地生成一切。这就是将来的计较机。

　　而阿谁伟大的察看是，我们可认为他们创制一种新型的求解器，叫做cuDNN。这就像我们为收集计较（in-network computing）发现的手艺，能够类比于存储计较（in-storage computing）的后续成长。这种计较体例，这个名为cuDNN的库，使得他们所有人都能成功地利用CUDA。

　　“你将来的计较机就像你面前的一位 CEO，或者是一位艺术家、一位诗人、一位故事讲述者，你取它协做，为本人创制奇特的内容。所以，将来的计较是 100% 生成式的。其背后需要一个 AI 工场，这就是为什么我 100% 必定我们正处于这段路程的初步。”。

　　这恰是Citadel Securities正在过去二十多年里一曲开辟的范畴。这就是保守的AI。

　　若是你预备好了，我们来回覆几个闪电和式的问题吧？正在最初几分钟里。我不晓得阿谁谜底对应的是什么问题，所以我们间接起头吧。哪一个华尔街最不看沉的环节绩效目标（KPI）？

　　这就是AI将来的成长标的目的。机械人手艺正朝着越来越通用的AI成长，这些AI是多“具身”、多模态的。要创制如许的将来，需要三样工具。起首，是我之前提到的AI工场，用于锻炼模子。其次，需要一个能让AI正在进入现实世界前进行进修的处所，如许它就能够正在虚拟世界中进行数万亿次的迭代。这个虚拟世界就像一个电子逛戏，AI正在此中饰演一个逛戏脚色，并恪守物理定律。当它学会若何成为一个超卓的逛戏玩家后——因为我们的模仿器很是超卓， simulation-to-real（虚拟到现实）的差距极小——我们称之为Omniverse，也就是Omniverse计较机。然后，机械人就能够走出虚拟世界，物理世界就成了它玩过的虚拟世界的又一个版本。当它进入物理世界时，同样需要一台计较机。

　　3D 图形的底子问题是模仿现实。若是你回归第一性道理，它所做的就是试图沉现现实。而再现逼实图像和动态世界的数学根本，素质上是物理模仿。因而，线性代数明显至关主要，我们认识到了这一点。

　　所以，英伟达现正在几乎触及了科技的方方面面。正如您过去所说，你们从零起头进入一个市场，并帮帮它成长为万亿级此外市场。机械人手艺是下一个前沿市场之一。您对还有哪些其他的前沿市场感应出格兴奋？您适才提到了医疗健康，这是您充满热情的范畴吗？还有没有其他范畴值得正在座的投资者关心？

　　是的，转向AI。Google Shorts完满是AI。现正在，所有的个性化告白也将转向AI。所以，AI的使用数量实是令人难以相信。请留意，我适才描述的这些都是保守的用例。量化买卖将转向AI，过去由人工设想的特征提取，也将转向AI。

　　正在将来的人工智能工场中，你每单元能源的吞吐量决定了你客户的收入。这不只仅是选择一个更好的芯片，而是决定你的收入会是几多。现实上，若是你回首一下所有的云办事供给商（CSP），那些做出准确选择的公司收入实现了增加，而那些步履迟缓的公司随后也做出了准确的选择。所以你能够看到这种环境正正在发生，人们也起头理解这一点。你的吞吐量——也就是工场每单元能源的令牌生成率——就是你的收入。