內容來源：網路公開資訊整理。 責編 | 賈寧 排版 | 六月 第 8816 篇深度好文：9548 字 | 20 分鐘閱讀
商業熱點
在上世紀90年代，遊戲開發者希望創造出更加真實的圖形，但當時硬體的能力無法滿足這個需求。於是我們就提出了一個解決方案，創造了第一個現代GPU，這個方案不僅改變了遊戲行業，更改變了整個計算機運算領域。
我們觀察到，在軟體程式內部，只佔 10% 的程式碼卻完成了 99% 的處理任務。而且這 99% 的處理任務是可以並行完成的。剩下的 90% 的程式碼則必須按順序執行。當時我們就想到：真正完美的計算機是可以同時進行順序處理和並行處理的計算機，而不是隻能進行其中一種處理的計算機。
於是我們一起創辦了英偉達，開始解決普通計算機無法解決的計算難題。
1、電子遊戲：一切的起點
（主持人提問：為什麼首先選擇電子遊戲行業？）
我們選擇遊戲行業作為入口，除了遊戲需要並行處理器來渲染3D圖形之外，更重要的是這兩點：
第一，本質上是對虛擬世界的模擬，人都想進入虛擬世界，我們對它抱有無限的熱愛。
第二，我們敏銳地觀察到，電子遊戲將是有史以來最大的娛樂市場。
事實證明，我們的判斷是正確的。因為市場足夠大，所以我們的研發預算就可以相應增加，從而能夠創造出更多新技術。
技術、市場和更強大的技術之間形成的良性迴圈，真正推動了英偉達成為世界上最重要的科技公司之一。
GPU就像一臺時間機器，它能讓你更早地看到未來。
一位量子化學科學家對我說過一句讓我印象深刻的話：“因為英偉達的工作，我可以在有生之年完成畢生研究。” 正是我們的技術突破讓程式執行速度大幅提升，使更多的人能夠看到未來。
所以，當你進行天氣預報時，你實際上是在預測未來；當你在虛擬城市中透過模擬測試自動駕駛汽車時，實際上是在進行時間旅行，模擬未來的駕駛場景。
（主持人說：並行處理技術在遊戲領域取得了巨大成功，它讓更多的人能夠在計算機中創造出過去無法想象的世界。顯而易見，量子學研究人員在 NVIDIA GPU 上並行執行分子模擬的速度，比以前在超級計算機上使用 CPU 執行的速度還要快得多。這項技術也在徹底改變著其他行業，在 2000 年初，它開始改變我們對計算機潛力的認知，你看到了這一點，並意識到這樣做實際上有些困難，因為當時研究人員必須“欺騙” GPU，讓 GPU 認為他們的問題是圖形問題，於是你創造了一種讓這一切變得容易得多的方法——CUDA平臺，它讓程式設計師可以使用他們已經熟悉的程式語言來指示GPU執行操作。）
2、下重注，建立CUDA平臺
CUDA的誕生，一部分源於研究人員的發現，一部分源於內部的靈感，還有一部分是為了解決實際問題。你知道，許多有趣的想法都是在這樣的複雜背景下產生的。有些想法是出於渴望和靈感，而另一些則純粹是出於解決問題的緊迫感。
在CUDA的案例中，情況也是如此。最早將我們的GPU用於並行處理的外部想法，可能源於醫學成像領域的一些研究。當時，麻省總醫院的一些研究人員正在嘗試使用我們的圖形處理器進行CT重建。他們的工作給了我們很大的啟發。
與此同時，我們在內部實際上面臨著一個挑戰，那就是在遊戲中創造的虛擬世界，除了要漂亮，還希望它能夠動態地變化，比如水應該像真實的水一樣流動，爆炸應該有真實的爆炸效果。
而這就意味著必須要進行粒子物理模擬和流體動力學模擬。這意味著你需要進行粒子物理模擬和流體動力學模擬。但如果你的計算流程只能處理計算機圖形，那麼這些模擬就很難實現。因此，我們有很強的內在動力，希望在自己服務的市場中解決這個問題。
同時一些外部研究人員也在嘗試將我們的 GPU 用於通用計算加速。所有因素疊加在一起，最終我們決定採取行動，創立了CUDA這個新型計算平臺。
我堅信CUDA會取得成功，併為此投入了整個公司的資源，同時我也相信英偉達的GPU會成為世界上產量最高的並行處理器。而龐大的電子遊戲市場保證了這一點。從創立到今天，CUDA架構在各個領域都普惠了更多的人。
當你創造CUDA這樣的新事物的時候，悲觀者會認為即使你建造了它，他們也可能不會來；但樂觀主義者認為如果你不建造它，它們就不可能出現。這通常是我們看待世界的方式，我們必須憑直覺來推斷為什麼這會非常有用。
3、AlexNet，一場計算革命
（主持人：2012年，一個由傑弗裡·辛頓等三個研究人員組成的小組，在世界知名的ImageNet 競賽中，提交了一個叫做“AlexNet”的參賽作品，這是一個卷積神經網路，直接擊敗了所有競爭者，以極低的誤差率震驚了整個世界。該競賽旨在建立能夠識別影像並進行分類標記的計算機系統。
它之所以如此出色，是因為他們使用了海量的資料進行系統訓練，並且這項工作是在NVIDIA GPU上完成的。
這時候,GPU不再僅僅是使計算機執行更快、效率更高的工具，而是成為了全新計算模式的引擎。人類從使用逐步指令引導計算機，轉變為透過展示大量示例來訓練計算機學習。這是一種與之前完全不同的新演算法，它讓計算機的視覺能力實現了巨大的飛躍。）
事實上，在2012年，多倫多大學的Ilya Sutskeve（伊爾亞·蘇茨克維，OpenAI聯合創始人、圖靈獎&諾貝爾物理學獎得主傑弗裡·辛頓辛頓的學生）、Alex Krizhevsky（亞歷克斯·克里澤夫斯基，計算機科學家）和 Geoff Hinton（傑弗裡·辛頓）在他們所在的實驗室開始使用 GeForce GTX 580，因為他們瞭解到CUDA，並認為CUDA可以作為訓練AlexNet的並行處理器，所以我們的靈感是GeForce（英偉達顯示卡系列之一）可以成為將這種並行架構帶入世界的載體。
與此同時，我們正在公司內部努力解決計算機視覺問題，並且努力使 CUDA 成為一個好的計算機視覺處理器，我們對內部計算機視覺的早期開發進度感到沮喪，並且CUDA無法提供更多的幫助。
突然之間，我們看到了AlexNet，這是一種與以前的計算機視覺演算法完全不同的新演算法，它在計算機視覺的能力方面取得了巨大的飛躍。
當我們看到這一點時，一部分是出於興趣，另一部分是因為我們自己也在因工作推進不順利而掙扎。所以當看到AlexNet時，我們受到了啟發。
但我要說，最大的突破是當我們看到 AlexNet 時，我們問自己，AlexNet 能走多遠？如果它能用計算機視覺做到這一點，它能走多遠？如果它能達到我們認為它能達到的極限，那對計算機行業意味著什麼？那對計算機架構意味著什麼？
我們從機器學習和深度學習架構的擴充套件性，看到了一個明顯的趨勢：絕大多數的機器學習問題，都可以用深度神經網路來覆蓋。
我們可以用機器學習解決的問題型別如此之多，以至於它有可能徹底重塑整個計算機行業，這促使我們重新設計了整個計算堆疊，這就是 DGX（英偉達旗下的新型大記憶體AI超級計算機） 的由來，而這個小小的 DGX 就坐在這裡，這一切都來自於我們逐層重新設計整個計算堆疊的觀察。
自IBM System 360推出現代通用計算65年以來，我們已經徹底重塑了我們所知的計算方式。
(主持人小結：英偉達用並行處理的方法重塑了電子遊戲，並徹底改變了一個完整的行業，隨後並行處理的計算方式開始在不同的行業中被使用。緊接著英偉達透過構建CUDA平臺和不斷投入資源，讓神經網路和機器學習飛速發展，並開始了一場我們現在看到的新的計算革命。)
計算機視覺、語音識別、語言理解——這些曾經被認為無解的人工智慧難題，在短短幾年間相繼被攻克。一個接一個地被突破，令人驚歎不已。
（主持人：我們看到你很早以前就為此作出風險很高的賭注，你堅持了多久，感覺怎麼樣？）
首先你必須有核心信念。
1、英偉達的核心信念
我們應當深入理解行業和科學，但最根本的是要始終遵循第一性原理思維。
我們在探索的過程中有時能找到證據證明方向正確；但更多時候，走了很長的路卻找不到任何驗證，這時就需要適時調整航向。
為什麼我們能夠長期堅持？答案很簡單：因為我們對這個方向深信不疑，所以沒有理由不繼續前行。
我對英偉達的信念已經持續了 30 多年。並堅信團隊在革新計算領域所做的一切，不僅在今天依然有效，而且比過去任何時候都更具價值。
前進的道路上難免會遇到重重挑戰。但必須對未來有信念，持續投資自己。正是這份堅定的信念，驅使我們投入數百億美元，最終實現了目標。那確實是漫長的 10 年曆程，但整個過程充滿快樂。
（主持人：你如何總結英偉達這10年的核心信念？）
第一個核心信念是聚焦加速計算領域，特別是平行計算與通用計算的結合。透過將多個處理器結合在一起，我們實現了計算加速。我對這個理念堅信不疑。
第二個核心信念來源於對深度神經網路（DNN）潛力的洞察。自 2012 年問世以來，深度神經網路展現出了強大的能力，能夠從各類資料中提取模式和關聯。同時具有優秀的可擴充套件性——透過擴大規模，它們能夠學習更為精細的特徵；透過增加深度或寬度，它們的效能也能相應提升。
我們已經看到，機器可以透過影像學習物體識別，透過聲波掌握語音辨識，甚至僅僅透過研究海量的文字元號就能理解語言、詞彙和語法規則。
我覺得現在的人工智慧已經和深度學習已經具備了一項革命性的能力：它可以學習並轉化幾乎任何形式的資料。在文字領域，AI可以實現文字間的轉化，比如文章摘要和語言翻譯；在視覺領域，它能將文字轉化為影像，或將影像轉化為文字；在生物領域，它甚至能夠將氨基酸序列轉換為精確的蛋白質結構。
展望未來，我們還將實現從蛋白質到自然語言的轉換，使我們能夠提出諸如"這種蛋白質的功能是什麼"或"請舉例說明具有特定特性的蛋白質"這樣的問題。
既然AI已經可以將文字轉化為影片，那麼將文字轉化為機器人的動作指令又有何不同？從計算機的底層邏輯來看，這些轉換本質上是相通的。
“這些可能性，為我們打開了一扇充滿機遇與挑戰的大門，正是這些無限可能讓我們對未來充滿期待。”
2、未來十年：從基礎研究到全面應用
（主持人：我感覺我們正站在一場巨大變革的風口浪尖上。回顧過去十年，我們確實經歷了翻天覆地的變化。但展望未來十年，我發現自己已經無法準確預測，我們將如何運用當下正在開發的這些技術。）
“過去十年主要聚焦於人工智慧的基礎科學研究。而接下來的十年，雖然人工智慧的科學突破仍將持續，但更具標誌性的是我們即將進入人工智慧的應用科學時代。”
這是一個從基礎研究到實踐應用的重要轉變。現在有關人工智慧的核心問題已經轉向了具體應用場景：比如怎樣將人工智慧應用於數字生物學？怎樣將人工智慧用於氣候技術研究？怎樣讓人工智慧服務於農業、漁業、機器人技術？怎樣透過人工智慧最佳化運輸和物流系統？怎樣利用人工智慧改革教育教學？怎樣將人工智慧融入播客等媒體形式？
3、世界模型：在數字世界中訓練機器人的新紀元
讓我來用 ChatGPT 作為例子，來幫助大家理解Omniverse（基於英偉達和皮克斯的圖形和模擬模擬產品） 和 Cosmos （英偉達世界基礎模型平臺）的發展邏輯。
ChatGPT 最初版本雖然在文字生成方面表現出色，但在處理長文字或不熟悉的主題時，常常會產生"幻覺"——就是生成看似合理但缺乏事實依據的內容。
為了解決這些問題，新一代模型引入了上下文學習能力，透過接入 PDF 文件和搜尋引擎作為事實基礎，讓大模型能夠基於可靠資訊進行推理和回答。
在這時，第一部分是生成式人工智慧，第二部分是基本事實。
所以，要讓機器人真正理解物理環境，就需要構建一個類似於 ChatGPT 核心模型的世界模型。這個模型必須準確理解基礎物理定律(重力、摩擦力、慣性)、空間幾何認知、物體的永久性（物體在視線之外依然存在的概念）、因果關係（如物體傾斜導致倒下的關係）等等這些物理常識。
這正是我們正在透過 Cosmos 實現的目標——建立一個"世界模型"，並且用真實資料對它進行基礎化處理。然後用Omniverse 這個基於牛頓物理學原理的求解器，把長期以來理解的基本物理定律編碼到“世界模型中”，讓它成為一個精確的模擬器。
我認為，一旦“世界模型”或者“世界模擬器”成型，就能讓我們在虛擬世界中產生無限可能的，基於真實世界物理法則的互動場景。比如我們可以在虛擬世界中訓練各種機器人，從而大幅度降低訓練成本。
（主持人: 如果把時間線拉長到十年，您認為人們在不久的將來會如何與這項技術互動？）
我認為在不遠的將來，所有可移動的裝置都將進化為機器人，而且這個程序正在加速。每一輛汽車都將成為自主執行的機器人。人形機器人的所有技術要素也已經成熟。在不久的將來，我們的生活中將出現大量的機器人作為我們的助手，這位助手可能會以多種形態存在，比如有時候出現在智慧眼鏡中，有時候在手機裡，有時候在智慧汽車系統裡。
無論它以什麼形式出現，我們都能與之自然交流。同時，這些機器人會隨著我們的生活經歷不斷成長進化。這已經是一個確定的未來圖景。
1、對AI的擔憂
有很多大家都在談論的事情——偏見、有害性或僅僅是幻覺。
比如，人工智慧會自信地說一些它一無所知的事情，結果我們卻依賴於這些資訊。這是生成虛假資訊、假新聞或假影像的一種方式。還有一些人工智慧可以出色地偽裝成人類，甚至可以非常完美地偽裝成特定的人。所以我們需要關注的領域範圍相當清晰，並且有很多人正在努力解決這些問題。
當然有些時候人工智慧想做正確的事情，只是執行得不對，結果傷害了別人。比如，自動駕駛汽車想要好好地、正確地行駛，但不知怎麼的，感測器壞了，或者它沒有檢測到某個東西，或者它做了一個過於激進的轉彎之類的。所以，我們需要進行大量的工程工作，以確保 AI 對人類是安全的，確保產品功能正常執行。
我的意思是，AI 想要阻止某事發生，但當它想做的時候，機器卻壞了。
這與飛機上的飛行計算機沒有區別，系統內部有三重冗餘。然後有兩名飛行員，還有空中交通管制，還有其他飛行員在觀察這些飛行員。所以，AI 安全系統必須作為一個社群來構建，確保這些 AI 首先，能夠正常工作，功能正常。當它們不能正常工作時，不會使人們陷入危險。並且周圍有足夠的安全和保障系統，以確保我們保持 AI 的安全。
所以，這個討論範圍非常廣泛，我們需要將各個部分拆開，作為工程師來構建。
2、提升效能是英偉達的首要任務
（主持人：我非常好奇，您認為當前世界在科學和技術領域面臨的主要挑戰是什麼？）
所有問題的核心都歸結於在既定的能量限制下，我們能完成多少工作。
這實際上是一個物理限制，資訊傳輸和位元翻轉的物理定律決定了所需能量的下限，從而限制了我們所能實現的工作量。
同時，我們所擁有的能量也限制了我們的能力。雖然如此，我們遠未觸及阻礙我們前進的根本性障礙。
因此，我們正致力於研發更高效、更節能的計算機。比如，這款小型計算機，它的升級版價值 25 萬美元（DIGITS）。我們交付的第一個版本只是一個原型機。
2016 年，我向 Open AI 交付了首個正式版本 DGX 1，售價為 25 萬美元。它的能耗是當前版本的 1 萬倍，而當前版本的效能卻是它的 6 倍。
我們的確身處一個全新的時代。
2016 年至今的八年時間裡，人類在計算方面的能源效率就提升了 1 萬倍。想象一下，如果汽車或電燈泡的能源效率也能提升 1 萬倍，那麼一個原本 100 瓦的燈泡，現在只需 1 萬分之一的能耗就能產生同樣的亮度。
因此，英偉達一直在努力提高計算，特別是 AI 計算的能源效率，我們希望建立更智慧的系統，並利用更強大的計算能力來增強智慧。最佳化計算效能始終是我們的首要任務。
3、Transformer 可能是演算法演變過程中的墊腳石
我堅信Transformer 只是一個跳板，未來將會演化出與現在截然不同的新架構。在計算機演算法、軟體、工程和創新的發展歷程中從來沒有一種理念是長期保持不變的，而這正是計算機行業的迷人之處，它能在今天實現十年前人們無法想象的事情。
我們堅信創新的多樣性和發明的豐富性，我們希望構建一個開放的架構，讓發明家、創新者、軟體工程師和人工智慧研究人員都能自由探索，並提出令人驚歎的設想。
自從 Transformer 出現以來，人們創造了許多不同的注意力機制，這是一種非常卓越的創新。我認為這種創新會持續下去並對此充滿信心。
計算機科學的探索不會停止，人工智慧研究人員也不會放棄，我們更是如此。擁有一個能夠支援研究、創新和新想法的靈活計算機，從根本上來說至關重要。
4、怎樣突破晶片製造技術的極限
即使我們與臺積電等公司合作生產晶片，但我們依然認為自己需要具備與臺積電同等水平的專業知識。英偉達內部有許多在半導體物理學方面擁有深厚造詣的專家，幫助團隊深刻理解半導體的能力極限，並讓團隊透過與這些專家的緊密合作，共同探索技術邊界，致力突破現有的技術限制。
在系統工程和冷卻技術方面，我們也採取了類似方法。我們的團隊發現管道系統對液冷技術至關重要，風扇系統則是空氣冷卻技術的核心。我們正在設計空氣動力學效能優良的風扇，以在產生最小噪音的同時實現最大空氣流通量。為此我們公司聘請了空氣動力學工程師。雖然我們不直接生產這些元件，但我們深入設計並瞭解它們的製造過程，透過這種方式來不斷嘗試突破技術的極限。
5、未來押注在哪裡？
上個月，我在CES上公佈了Omniverse 與 Cosmos 的融合專案，這是非常激動人心的事情，這一融合創造了一個全新的生成式世界構建系統，一個多重宇宙生成系統。
我認為，這個系統對機器人技術和物理系統的未來發展至關重要。儘管我們在機器人領域，特別是在人形機器人方面的工作才剛剛起步，
包括開發工具、訓練系統和人類演示系統等，但我相信未來五年內，人形機器人將迎來飛速發展。
另外，我對數字生物領域的未來充滿期待。我們的目標是像理解物理世界的語言一樣，解碼分子和細胞的語言。如果我們能夠做到這一點並具備預測能力，那麼實現人類的數字孿生將成為可能。
我非常喜歡在氣候科學領域的工作，這些研究令人興奮。比如，我們能夠從天氣預報中理解並預測高解析度的區域氣候，甚至可以掌握頭頂一公里範圍內的天氣模式。如果我們能以極高的準確度來預測這些變化，其影響將非常深遠。
我們很幸運創造了這樣一個工具，它就像一臺“時間機器”（指具備前瞻性）。在剛才我們討論的所有領域，都需要時間機器，我們努力預測未來，以及我們嘗試設計的一切，都是為了能夠為最佳的未來版本進行最佳化，才有機會讓未來成為最好的版本。這也是眾多科學家們想要預測未來的原因。
6、我們應該對未來做哪些準備？
“我們現在瞬間就能完成過去原本需要一週才能完成的工作，這意味著一部分繁瑣的勞動幾乎要消失了，這產生的影響類似於高速公路的出現。”
回顧上一次工業革命，州際高速公路的建設讓郊區迅速發展，貨物運輸變得便捷，加油站、快餐店和汽車旅館也隨之湧現，新的經濟形式和能力因此得以誕生。
舉個例子，如果我身邊隨時有一個程式設計師，能夠根據我的需求編寫程式碼，或者只需要我提供一個簡單的想法和草圖，就能幫我設計產品原型，這將如何改變我們的生活和機遇？在未來十年內，智慧技術雖然不會在所有領域，但在某些領域將有可能達到超越人類的水平。
另外，我覺得我們不必擔憂被超越或者是被替代的問題。我身邊有許多“超強人類”的存在，從我的角度來看，他們在各自領域都是世界頂尖，他們做的事情遠超我。在過去三十年裡，我被成千上萬的高手包圍，但從未覺得自己不重要，反而這給了我力量和信心，讓我更有勇氣去挑戰更大的目標。如果我們每個人都被在特定領域非常出色的超級人工智慧包圍，就會感覺到人工智慧賦予了我們力量和自信。
我相信可能很多人已經在使用 ChatGPT 等 AI 工具了，對於這些產品的更新，我感到更有力量和信心去學習新事物。這樣感覺很像身邊總有一個私人導師，在幫助我對於任何知識領域，消除理解的障礙。
如果我給大家一個建議，那就是立即為自己找一個“AI導師”。它可以教我們任何想學的東西，幫我們程式設計、寫作、分析、思考、推理，所有這些都會讓我們感到更有力量。
我認為，這就是我們的未來：我們將不再因為擁有超能力而成為超人，而是因為我們擁有了超級AI。
7、我們這一代人，最重要的事就是用好AI
（主持人：您認為對於觀眾來說，我還沒有問到的最重要的事情是什麼？）
“如果我今天是一名學生，最重要的事就是學習人工智慧。”
我們應該學習如何與 ChatGPT、Gemini Pro 和 Grok 等 AI 工具互動。學習怎樣與 AI 互動，成為一個擅長提問的人。我們需要掌握一些專業知識和技巧，才能有效地提示 AI，讓它成為我們的助手。
無論將來從事哪個科學領域或行業，我們都應該問自己：如何利用 AI 來提升工作效率？如果想成為律師，如何利用 AI 成為更優秀的律師？如果想成為醫生，如何利用 AI 成為更出色的醫生？如果想成為化學家或生物學家，如何利用 AI 來提高自己的專業能力？這個問題應該時刻縈繞在每個人的心中。
就像我們這一代人是第一代必須思考如何利用計算機提升工作效率的人一樣。我的上一代人沒有電腦，而我們這一代人是第一個必須學習如何利用電腦來更好地工作的人。
後來，電腦開始普及，我們必須思考如何利用電腦來提高工作效率。下一代人無需再問這個問題，但他們必須問下一個問題：如何利用 AI 來更好地完成工作?
我認為這應該成為一切的出發點和終點，這是一個令人興奮、也略帶恐懼，但非常值得探討的問題。
我認為這將非常有趣。AI顯然是一個人們才剛剛開始瞭解的概念，但它讓你的電腦變得更加容易使用。我們向 ChatGPT 提出任何你想問的問題，比我們自己去做研究要容易得多。人工智慧幫我們降低了理解的門檻、知識的門檻，也降低了智慧的門檻，每個人都應該去嘗試一下。
如果你把一臺電腦放在一個從未使用過電腦的人面前，他們不可能在一天之內學會使用它，必須有人來教。然而，如果他不知道如何使用 ChatGPT，他只需要輸入 “我不知道如何使用 ChatGPT，請告訴我”，它就會給出一些使用示例和方法。
這就是 AI 最令人驚歎的地方：它會一路幫助你，讓你一路變得更加強大。
我們很幸運，因為我們堅持了很久以前的核心信念，使得英偉達今天成為了世界上最重要、最具影響力的科技公司之一，並且可能永遠如此。
我希望當下一代回顧過去時，他們會意識到：
他們是透過我們創造的遊戲技術認識我們的；
數字生物學和生命科學領域已經發生了徹底的改變，我們對材料科學的理解也被完全顛覆；
機器人正在幫助我們完成危險和繁瑣的工作；
未來，我們可以像在家庭影院中一樣享受自動駕駛汽車；
如果他們回顧過去，會發現有一家公司幾乎處於所有這些變革的中心，而且這家公司恰好是他們從小一起玩遊戲的公司。我希望這就是下一代人所瞭解的——這一切的起點，都源於電子遊戲。
2025年，是名副其實的“AI應用爆發元年”。
為了認識像英偉達這樣一系列在今天以及未來世界都非常偉大的科技創新英雄，讓我們走向進入一場偉大的AI變革時代。
為此，2025年5月11日-18日，由筆記俠發起的GBE（全球商業探索之旅）美國站“創新英雄之旅”正式啟程。將圍繞“AI和全球化”這兩大課題，以“科技創新”和“模式創新”為主題，給中國企業的AI和全球化經營帶來借鑑思考。
遊學期間，為了讓大家對英偉達這家持續創新的公司有更深度更全面的瞭解，我們將帶領大家與英偉達的核心員工進行學習交流，近距離接觸與瞭解英偉達的創新方法論。
本次8天7晚的遊學，筆記俠創始人&第五代企業家組織發起人柯洲帶隊。我們將走進矽谷，帶領大家一起了解未來AI產業的趨勢，識別萬物+AI時代我們的機遇與挑戰，掌握智慧商業落地應用和發展與投資機會。
連結全球先進思想，拓展中國商業邊界。現在，筆記俠也想邀請你，與我們同行。一個人，既要讀萬卷書，也要行萬里路。因為，一個人的成就，大不過他的所見所聞所思。
如果，你對探索全球商業真相和本質的一線遊學感興趣，歡迎你加入我們，在全球商業背景下審視和探討中國商業發展。
具體諮詢報名可掃下方海報二維碼，新增主理人詳細溝通。
好文閱讀推薦：