作者
｜王兆洋
郵箱
GTC主題演講後第二天，我們參加了一場與英偉達創始人兼CEO黃仁勳的對話。
他回答了從AI的發展，晶片和資料中心的未來，到中國AI行業競爭力的多個問題。其中，他自己最關心的，是英偉達這家公司的轉變。他形容，今年的GTC非常重要，它是一次轉折點，不只是英偉達，也是整個行業的轉折點。
“今年的GTC非常重要，事實上，它展示了我們公司從一家計算機技術公司向 AI 基礎設施公司的轉型。它展示了資料中心的轉變——從一個計算機訪問資料和託管應用的場所，進化為一個AI 工廠。它還展示了一個事實：一個全新的產業已經誕生。正因如此，這麼多公司、開發者、行業和國家都來到了這裡，開始在這裡投入預算。”
而在會後矽星人也有機會抓住黃仁勳問了一個關於CUDA的問題：
CUDA是英偉達成功的關鍵，其中很重要的就是因為它建立起來的巨大生態系統，而這背後並不是靠開源——CUDA是一個封閉的體系。而今天開源浪潮徹底改變AI模型的格局，同樣的開源猛擊閉源的故事是否會發生在CUDA身上。
對此黃仁勳的回答簡潔明瞭：
“CUDA也是開放的（Open），所有人都可以用它。我不擔心這個故事發生在CUDA身上。”
以下為對話部分實錄，經簡要編輯。
Q：如果你們繼續每一年都更新一代產品，像記憶體等技術提供方也要如此做麼，你們的關係有多緊密？你們的設計總能得到支援麼？
黃仁勳：答案是非常緊密。而且如果我和他們交流我的路線圖，關係會更緊密。這也是為什麼我要和世界交流我接下來3，4年的計劃的原因。
這裡有一件很重要的事情，也是我昨天在說的，就是我們不再是建造晶片了。這是過去的好時光了。過去你製造晶片，有人買了晶片，把它放進電腦裡，然後賣掉電腦。這是過去的好日子了。
我們現在建設的是什麼，是人工智慧基礎設施，一次投入數千億美元。所以你最好在規劃方面做得很好。基礎設施不是你今天決定買，明天就能部署的東西。它是你需要提前兩年投資的東西。你需要提前整整兩年做計劃，然後希望你能和我們一起把它建立起來。
這意味著每個人的資訊都必須一致，我們必須一起規劃來建設基礎設施。
這是第一點，我們是一家基礎設施公司，而不是買賣晶片的。
第二點，我昨天解釋的，是我們是一家AI工廠了。
這意味著，一個工廠的作用就是幫助客戶賺錢。我們的工廠直接轉化為客戶的收入，而不僅僅是生產某一款晶片或某個產品。整個工廠的運作極其複雜，已經達到了物理極限。正如我剛才所說，我們所做的一切都在最大化擴充套件。透過這樣做——透過將每瓦效能、每單位能耗的效能推向物理極限，本質上意味著，如果你的業務受限於功耗，那麼你的最大收入就取決於AI工廠的最佳效能曲線，它可以直接轉換為收益百分比。
我們現在就在打造AI工廠，而且行業門檻比以往更高，競爭更加激烈，客戶的風險容忍度也比以前低得多。這麼說能理解嗎？
因為他們的收入直接取決於這項業務，而這是一項跨越數年的投資週期，涉及數千億美元。這是一個基礎設施業務，是一個AI工廠業務。
最後，也是我昨天提到的一點，AI是一種基礎性的技術了。不僅僅對我們而言如此，對每一家企業、每一個行業都是如此。這也是為什麼今天有這麼多合作伙伴在這裡的原因。從汽車公司到金融服務公司，再到零售公司，各行各業都在這裡，每個國家、每家公司都在這裡。
因為我們已經成為一家支撐其他公司發展的根基企業。
正是這三個核心理念推動了變革。在過去一兩年裡，人們已經注意到GTC的氛圍發生了巨大變化——我們的影響力、我們的能量、來到這裡的人，都在發生變化。因此，正是因為這三個原因，我意識到了這一點，並決定改變我們與世界溝通的方式。
我們成為歷史上第一家同時釋出四代產品的科技公司。這就好比今天某家公司釋出了一款新手機，然後宣佈未來四款手機的計劃，聽上去完全不合理，對吧？這在其他行業是前所未有的。你可以想象路易威登今天宣佈2026年、2027年、2028年的新品計劃，這根本不會發生。
但我們會這樣做，因為我們是基礎設施公司，是世界的工廠，是行業的基石。
Q：你好我來自中國。
黃仁勳：你好。（中文）
Q：中國對AI有著偉大的抱負，在正常情況下，NVIDIA在中國市場將擁有巨大的機遇。您能否談談，如過沒有當前這些貿易戰或地緣政治因素，您對NVIDIA及其在中國AI市場的願景？
黃仁勳：（沉思10秒，同時現場的參加者們發出一片對這個問題的感慨聲）
我們有一項基本的責任，那就是遵守法律，盡最大努力競爭併為客戶提供服務。這對我們而言是根本原則，與其他因素無關。
隨著全球局勢變得更加複雜，我們公司並不去判斷這些地緣政治問題的對錯。我們的核心任務是確保始終遵守法律，並且盡一切努力支援和服務客戶。這就是我們的立場，也是我們在這個問題上最核心的態度。
（再次沉默5秒）
此外，我想分享一個觀察，也許只是一個簡單的觀察：全球50%的AI研究人員都來自中國，這是世界上最大的AI人才群體，沒有任何國家能接近這個規模。因此，這就是中國在AI研究方面一定會有巨大的貢獻的原因。實際上，美國的每一個AI實驗室裡，都有很多優秀的華人研究人員，無一例外。我找不到例外。
所以，中國培養了如此多傑出的計算機科學家，無論你們是如何做到的，請繼續保持。
Q：早上你提到，目前的關稅對你們沒有短期影響。你剛才也提到和富士康的合作，我有些困惑，到底美國總統的這些舉措對你們影響如何？
黃仁勳：我們擁有一個非常靈活的供應網路，它並不是完全依賴某個特定地區，比如墨西哥或越南等。我們的供應鏈分佈在多個地方，關稅的情況，具體取決於產品在美國的生產和採購情況，以及最終產品的目的地。所以有很多公式會涉及到，取決於哪些國家會被加關稅。所以短期內，基於我們所知，不會有巨大影響。而長期來看，我們希望保持這種靈活性，但同時大幅增強本地製造的能力。
最簡單的理解方式是：目前我們的供應鏈已經非常靈活，但在本地製造方面仍有缺失。如果我們能在今年年底前進一步增加本地製造能力，那麼整體供應鏈的表現將會非常出色。
Q：美國政府的“AI擴散”政策，讓你們在中東很多國家的客戶也有影響，你怎麼看。
黃仁勳：AI 擴散政策的影響不會是短期的。但是長期來看，我還是認為AI是一項每個國家都需要的技術，它也是每個行業、每家公司都需要的重要技術。
今天AI 已經成為主流軟體，它是軟體。當我們談論 AI 時，往往把它描述成一種神奇的技術，但本質上它就是軟體，只不過是非常強大的軟體。是軟體。所以每個國家都有能力得到軟體。
我還認為，在可能的範圍內，我們也希望能用美國的技術和標準來支援世界各國的 AI 發展。我認為這對各國來說是有利的——它不僅能幫助國家獲得計算能力，推動社會發展，同時對美國而言也是有益的。
Q：對於英偉達來說，軟體越來越重要，你們有多少人是軟體工程師？
黃仁勳：英偉達製造晶片，但我們並不是一家晶片公司，我們實際上是一家演算法公司。聽起來可能有些奇怪，但我們是當今全球計算領域領先的演算法創造者。
舉個例子，當迪士尼研究院（Disney Research）想要在物理演算法方面尋找合作伙伴時，他們找到了NVIDIA，因為我們在高精度物理演算法方面擁有強大的能力。例如，機器人所需的計算光刻（computational lithography）演算法，我們是唯一一家與所有計算光刻公司合作的企業。換句話說，我們不僅擅長正向物理建模（forward physics），也擅長逆向物理計算（inverse physics）。
我們在物理學、逆向物理、計算機圖形學和渲染技術方面都處於領先地位，而這些本質上都是演算法問題。我們將所有的演算法知識蒸餾，構建了一個統一的架構，它就是CUDA。基於此，我們開發了通用計算平臺。因此，在很多方面，我們的思維方式從演算法出發，從數學出發，這也是為什麼當深度學習出現時，我們能夠迅速適應。我們擁有數百名AI研究員，他們在擴散模型（diffusion models）普及之前就已經開始研究相關演算法。你可能見過我們早期關於漸進式GANs（Progressive GANs）的研究，擴散模型本質上也是一種漸進式方法。我們還在變分自編碼器（Variational Autoencoders, VAEs）方面做出了重要貢獻。因此，我們在演算法研究領域是先驅者，並且對演算法極其熟悉。這對我們至關重要，你能理解嗎？
我們的獨特之處在於，我們不僅僅專注於晶片，還從整個計算系統的角度進行創新。NVIDIA是為數不多的科技公司，能夠從處理器到交換機、再到網路架構、網路協議進行全方位思考和設計。我們甚至可以自主研發網路協議，擴充套件乙太網，使其成為超級乙太網（Super Ethernet），並在此基礎上自主設計交換機。
正是因為我們具備完整的系統能力，所以我們能夠快速創新。從本質上講，我們的晶片設計幾乎是次要的——雖然我們對自己的晶片技術非常自豪，並且製造出極其複雜的晶片，但最核心的是我們解決問題的能力。
Q：在AI走向物理世界的今天我們應該關注什麼？
A：AI 的挑戰仍然在於，資料策略是什麼？你必須制定一個長期有效的戰略。
例如，之前有人說我們已經耗盡了資料，你還記得嗎？但這顯然是很傻（silly）的。這種說法沒有考慮到強化學習的存在。事實上，由於強化學習的發現，以及驗證結果和獎勵機制，我們現在幾乎擁有無限的資料。
此外，人類多年來已經在數學、定理、科學發現，甚至是遊戲中解決了大量問題。例如，你可以證明誰贏得了國際象棋比賽，因為你可以一直下棋直到分出勝負。同樣，你可以證明建築設計的優劣。這些都是可驗證的問題。因此，我們現在可以利用這些無限的資料來訓練模型進行推理。
物理世界的AI也面臨相同的挑戰，我們需要弄清楚資料策略和訓練策略。我之前已經提到了一些內容，比如使用人類示範（human demonstration），然後結合生成式 AI（generative AI）和模擬技術（simulation），我們就能夠生成無限數量的相關場景。
就像給 AI 一個代數問題，然後 AI 可以生成大量代數題目，並逐步解出所有問題。我們可以用同樣的方法來進行物理操作訓練，例如：可能是讓 AI 學習跑步，最終讓它掌握某種運動技能，這些都涉及協調和操控能力的訓練。
所以，我們需要：資料戰略（Data Strategy）——如何收集和構建資料？訓練戰略（Training Strategy）——如何訓練 AI？使用戰略（Usage Strategy）——如何最佳化 AI 以生成最優解？
提示詞（Prompting）是現代軟體程式設計的方式。同樣地，在物理 AI 領域，我們也需要思考：如何引導 AI 進行物理化地推理？物理化地推理是一個非常重要的領域，也具有很大的潛力。
Q：你提到未來很重要的是Agentic AI。可以展開講講麼。
黃仁勳：我認為，我們首先要做的事情當然是將推理（reasoning）融入一切。
將推理融入一切的好處在於，我們不需要提供大量的特定指令或明確提示（specific prompting），AI 仍然可以更具任務導向性（mission-oriented）地完成工作。因此，我們可以連線一些具備特定技能的智慧體（agentic systems），然後僅僅給它一個目標。
舉個例子：你可能只需要提供輸入和期望的輸出，而在輸入到輸出的過程中，AI 需要進行大量的資料轉換（transformations）、推理（reasoning）和問題解決（problem-solving）。例如，假設輸入是公司所有的元件和供應商資料。要輸出的是公司的供應鏈預測。這個過程涉及供應鏈最佳化，它是一個約束過多（over-constrained）的問題，涉及大量推理、最佳化數學（optimization mathematics）等複雜計算。
但如果我只提供兩個端點（輸入和輸出），AI 可能可以自己推匯出整個過程。因此，下一代 AI 將能夠自主使用工具、訪問資訊，並最終生成所需結果。這是一件非常重要、非常有意義的事情。我對此感到非常興奮，我幾乎可以預計這些技術即將實現。
Q：你昨天提到AI的花銷會變得非常大。我們看到美國，歐盟，中國都在加大力度花很多錢投入到資料中心等AI的建設上。所以，這就是一個誰花錢最多誰就先達到AGI的競爭麼，還是有點花的太多了。
黃仁勳：
你們知道世界上最聰明的人是誰嗎？
（現場無人回答）
你們在意嗎？其實，我認為這（沒人回答）正是問題的答案。
我相信，我們需要實現通用人工智慧（AGI），這樣 AI 就能真正解決問題。但我不確定是否真正需要“最聰明的 AI”。也許我已經見過最聰明的 AI，但我並不確定。卓越的智慧（great intelligence）很重要，但我仍然認為如何應用智慧（applying intelligence）、目標的選擇（selection of the purpose）、戰略的制定（selection of the strategy）、識別能力（selection recognition）都依然非常關鍵，領域專業知識（domain expertise）仍然不可或缺。
我相信，99% 的世界仍然依賴這些，而不是單純去尋找“最聰明的 AI”。就像招聘體育特長生一樣，如果可以的話，你當然可以去招攬最聰明的人才。但這並不意味著所有人都必須這麼做。所以，誰先達到 AGI，並不是關鍵問題。
然而，我確實相信，如果你告訴我全球每年在資本支出（capex）上的投資是 5000 億美元，但並沒有 100% 用於 GPU，那麼我會說：這真是太遺憾了。這不是我在推銷自己，而是發自內心地認為，這真的很可惜。
我們已經擁有數萬億美元的通用計算機。我們知道，未來最重要的問題將圍繞機器學習，計算和人工智慧展開。那麼，我們為什麼還要繼續建造更多的塑膠呢？
然而，就在我們談論的當下，全球今年將在資本支出（CapEx）上投入5000億美元。所以，我認為，首要任務應該是投資未來，建設儘可能多的 AI 資料中心和計算基礎設施。
那麼，我們今天應該投入多少資金呢？5000 億美元——這正是今年全球的資本支出。而且，這個數字還在快速增長。到2030 年，這個數字可能會增長到1 萬億美元，甚至100% 都用於 AI。
但我認為，這1 萬億美元的投資應該是模組化的。第一，全球計算資本支出（CapEx）應當以 AI 為主。第二，如前所述，AI 不僅限於資料中心，AI 還涉及製造。
那麼，什麼是製造？你可以將智慧（Intelligence）“重構”成文字、故事、法律檔案、分析報告，對吧？你可以將其“重構”成音樂、電影、廣告宣傳片。你還可以將其“重構”成機器人行動。如果你能夠精準地控制“重構”過程，它甚至可以實現原子級的精準製造。
AI 的本質，就是“智慧製造”——製造 Token。那麼，全球應該投入多少資金來製造智慧（Manufacturing Intelligence）？我認為，全球 120 萬億美元 GDP 的一個非常大比例，都應該投入到這個領域。
這是我的希望，也是我的信念。如果這在今天看來不合邏輯，那麼讓我們回到 300 年前，問一個問題：當時，全球 GDP 有多少是用於能源生產的？在那個時代，能源僅僅意味著“使勁幹活”（Put your back into it）。而今天，能源已經成為全球經濟的基石。同樣，未來的世界，將建立在人工智慧和智慧製造之上。
在對話最後，黃仁勳還主動自己總結陳詞了一下：
今年的GTC非常重要，事實上，它展示了我們公司從一家計算機技術公司向 AI 基礎設施公司的轉型。它展示了資料中心的轉變——從一個計算機訪問資料和託管應用的場所，進化為一個AI 工廠。它還展示了一個事實：一個全新的產業已經誕生。正因如此，這麼多公司、開發者、行業和國家都來到了這裡，開始在這裡投入預算。
所以，我要感謝所有來到這裡的你們，祝大家度過一個精彩的 GTC。