首页 > 极速快讯 > 矿圈资讯 > 英伟达CEO黄仁勋：AI不会夺走你的作业但运用AI的人会

英伟达CEO黄仁勋：AI不会夺走你的作业但运用AI的人会

时间: 2023-11-23 来源：极速科技

来历：有新Newin

今日早上，英伟达 Q3 财报在美股盘后公布，到 2023 年 10 月 29 日的第三季度营收为 181.2 亿美元，同比增加 206%，环比增加 34%，EPS盈余增近 6 倍，分别较分析师预期高近 13% 和 20%，AI 芯片所在事务数据中心收入同比增近 2 倍，再创单季新高，老黄再一次赢麻了！比特币挖矿机

老黄表明：“咱们的微弱增加反映了从通用到加快核算和生成式 AI 的广泛职业渠道转型，LLM 草创公司、消费互联网公司和全球云服务供给商是先行者，下一波浪潮正在开端形成，国家和地区通信服务供给商正在出资 AI 云来满足当地需求，企业软件公司正在向其渠道增加 AI Copilot 和 Assistant，企业正在创立定制 AI 来完结全球最大职业的自动化，英伟达 GPU、CPU、网络、AI 代工服务和 NVIDIA AI Enterprise 软件都是全速增加的引擎，生成式 AI 年代正在起飞！”

PS：上周末的专栏，咱们共享了 Funders Fund 出资负责人 John Luttig 对于其时 GPU 商场格局的超万字分析。

上月，英伟达联合创始人&CEO 黄仁勋（Jensen Huang）还在哥大商学院（CBS）做了一次十分干货共享，老黄对话 CBS 院长 Costis Maglaras，一同讨论数字未来，内容包含 Nvidia 怎样做战略与运营？老黄的创业经历以及怎样成为一名合格 CEO 等。

以下是老黄在 CBS 共享进程中的部分干货供咱们尝鲜：冰河矿机官网

在具体做一项决议方案前，每个人都要想清楚自己在做什么？为什么做？而这全部无关乎挑选。

站在个人视点：需求确认三点：

1）难而正确的事；

2）你注定要做的事；

3）你喜爱的事；

站在公司视点：老黄以英伟达作为例子，他的回答十分直接，清楚解说了英伟达的 Pivot 所触及的商场挑选、商业办法、壁垒以及飞轮效应：

“咱们不做制作的原因是因为台积电做得太好了，并且他们现已在做了，我为什么要去攫取他们的作业？我喜爱台积电的人，他们是我的好朋友，仅仅因为我有事务，我能够进入这个范畴，那又怎样？他们为我做得很好，让咱们不要浪费时刻去重复他们现已做过的作业，让咱们浪费时刻做一些没有人做过的作业，没有人做过的作业，这便是你怎样树立一些特其他东西，否则，你仅仅在谈论商场比例。

咱们观察到两件作业：加快核算是一个软件问题，是一个算法问题，而 AI 是一个数据中心问题，所以咱们是仅有一个出去构建全部这些东西的公司，咱们做的一部分是商业办法的挑选，咱们本能够成为一家数据中心公司，彻底笔直整合；可是，咱们认识到，不管一家核算机公司有多成功，它都不会是国际上仅有的核算机公司，而作为一个渠道核算公司更好，因为咱们酷爱开发者。作为一个为国际上每一家核算机公司服务的渠道核算公司，比独自成为一家核算机公司要好。

咱们采取了这种办法，将这个与这个房间大小适当的数据中心，全部的电线、全部的开关和网络以及许多软件，咱们将全部这些分化，并集成到全国际其他不同的数据中心中，这是一个张狂的杂乱问题，咱们找到了一种办法，在必要时具有满足的标准化，在需求时具有满足的灵活性，以便咱们能够与全国际的核算机公司进行满足的合作。

成果是，Nvidia 的架构现在被植入到国际上每一家核算机公司中，这发明晰一个更大的脚印，更大的装置根底，更多的开发者，更好的运用程序，这使客户愈加满足，他们购买更多的芯片，这增加了装置根底，增加了咱们的研制预算等等，飞轮效应，正反馈体系，这便是它的运作办法，简略明晰”

此外，老黄也在共享中明确表明晰 AI 与劳动力&作业流的看法 —— AI 不会夺走你们的作业，运用 AI 的人会夺走你的作业，而一家企业假如没有更多的主意来出资增量收益，那么当作业被自动化代替时，企业不得不裁人，并参加那些有更多主意而又负担不起资金出资的公司，这样当 AI 自动化他们的作业时，状况当然会改动，当然会改动作业办法。

以下为老黄与 CBS 院长 Costis Maglaras 对话的完好内容，enjoy～

Costis Maglaras：

我想首要让你带咱们回顾一下 Nvidia 的历史，然后我想谈谈咱们刚才说到的领导力问题，但你是30年前兴办了这家公司，并带领它进行了转型，推出了不同的运用和产品类型。请带咱们了解一下这段旅程。

Jensen Huang：

其中一个我最骄傲的时刻。我从最近产生的最骄傲的时刻开端讲起，我从前作业过的第一家公司，Denny's 的 CEO，得知 Nvidia 不仅是我从洗碗工、杂工一步步升到公司高层，成为 Denny's 的服务员，并且他们是我第一家公司，我至今还很了解菜单。趁便说一句，Superbird 很棒，有人知道 Superbird 是什么吗？你们是什么样的大学生？

Denny's 是美国的饭馆，并且 Nvidia 是我和其它两位联合创始人在圣何塞 —— 咱们家外面的 Denny's 创立的，所以他们最近联系了我，咱们常坐的那个包厢现在成了 Nvidia 的包厢，名字是 Nvidia，这便是一个万亿美元公司的诞生地，这是一个十分骄傲的时刻。

Nvidia 树立之时，正值 PC 革新刚刚开端，微处理器招引了整个职业的幻想力。国际正确地看到，CPU，微处理器，将会怎样重塑 IT 职业，重塑核算机职业；在 x86 革新前后，成功的公司截然不同。咱们在那个时期兴办了咱们的公司，咱们的观念是，尽管通用核算十分令人惊叹，但它不行能成为全部问题的处理方案。

咱们信任，存在一种咱们称之为加快核算的核算办法，你会在通用核算旁边增加一个专家。假如你乐意的话，CPU 是一个通才，能够做任何事。它能够做任何作业。可是，明显，假如你能做任何作业，那么明显你不能做任何作业做得很好。

因而，咱们以为有些问题不适合被咱们所称的普通核算机处理。因而，咱们开创了这家加快核算公司。问题是，假如你想发明一个核算渠道公司，我不知道这儿有多少核算机科学家，但假如你想发明一个核算渠道公司，自1964年以来还没有一个这样的公司诞生，那是我出生后的一年，IBM 体系 System 360 完美地描绘了一台核算机是什么。

1964年，IBM 描绘了 System 360 有一个中央处理单元，I/O 子体系，直接内存拜访，虚拟内存，跨可扩展架构的二进制兼容性，它描绘了咱们今日所描绘的核算机的全部，60 年后，咱们感觉有一种新的核算办法，能够处理一些风趣的问题，其时并不彻底清楚咱们能处理什么问题，但咱们觉得加快核算有未来。

尽管如此，咱们仍是出发去兴办这家公司，并做出了一个十分好的初次决议方案，坦白说，直到今日这个决议方案都是不行思议的，假如有人走过来对你说，咱们要发明一个国际上没有的新技能，每个人都想环绕 CPU 树立一家核算机公司，咱们想环绕与 CPU 相连的其他东西树立一家核算机公司，第一点。

第二点，杀手级运用是一款视频游戏，一款 1993 年的 3D 视频游戏，并且那个运用不存在，构建这个公司的公司不存在，咱们企图构建的技能不存在。因而，现在你有一家公司，既面临技能应战，又面临商场应战和生态体系应战，因而这家公司成功的或许性简直为0％，但不管怎样，咱们很走运，因为两位十分重要的人。

坦率地说，咱们三个联合创始人曾一同作业过的，他们是其时技能职业中十分重要的人物，我给其时国际上最重要的危险出资家 Don Valentine 打电话，告知 Don 给这个孩子一些钱，然后沿途搞清楚这是否行得通，走运的是他们这样做了，但那个商业方案，即使是今日，我也不会出资，因为它有太多的依赖性，每一个都有必定的成功概率。

当你把这些加在一同时，乘起来，你得到的是 0％，尽管如此，咱们幻想会有一个名为视频游戏的商场，这个商场将成为国际上最大的文娱工业，其时它是 0；咱们推测，3D 图形将被用于讲述简直全部运动、游戏的故事。因而，在虚拟国际中，你能够具有任何游戏，任何运动，成果每个人都会成为游戏玩家。

Don Valentine 问我，这个商场会有多大？我说，将来每个人都会是游戏玩家，也是兴办公司时的错误答案，坦白说，这些都是糟糕的习气，糟糕的技能，我不是在建议你们这样做；不管怎样，成果证明是真的，视频游戏成为了国际上最大的文娱工业，3D 图形取得了成功，咱们找到了加快核算的第一个杀手级运用，这为咱们赢得了时刻，运用加快核算处理了一系列其他问题，终究转向了 AI 。

Costis Maglaras：

这个精彩的故事真是太好了，在咱们讨论 AI 之前，我想问一下关于加密钱银时期的作业；明显，游戏是 Nvidia 的一大进程，然后在某个时刻，杀手级运用变成了加密钱银和挖矿，那个开展是怎样的？

Jensen Huang：

加快核算能处理普通核算机无法处理的问题。咱们全部的 GPU，即使你用它来规划轿车、建筑、进行分子动力学研讨、玩视频游戏，它都有一种咱们发明的叫做 CUDA 的编程模型。CUDA 是今日仅有存在的、和 x86 相同盛行的核算模型，它被全国际的开发者运用。

不管怎样，CUDA 能够十分快速地进行并行处理，明显，咱们能很好地处理的算法之一是加密学。当比特币刚出现时，还没有比特币的 ASIC ，清楚明了的做法是去找国际上最快的超级核算机，具有最高产量的超级核算机不是其他，正是 Nvidia 的 GPU，它们在成百上千万玩家的家中都有，所以经过下载一个运用，你就能够在家中进行加密钱银挖矿。

这个现实，你能够买咱们的 GPU，咱们的电脑，插上电，钱就开端喷涌而出。那是我妈妈了解我作业内容的那一天。有一天她给我打电话说，儿子，我以为你是在做关于视频游戏的作业，我终于了解你在做什么了，你买了 Nvidia 的产品，插上电，钱就开端喷出来。

我说，没错，这便是我在做的作业，这便是为什么那么多人购买比特币，随后导致以太坊的兴起，但你会用像 Nvidia GPU 这样的超级核算体系来编码或紧缩，或许做一些作业来提炼数据，并将其转化为有价值的 Token 的主意，你们知道这听起来像什么吗？生成有价值 Token 的 ChatGPT。

到目前为止，一个产生的作业是，假如你延伸关于以太坊和加密挖矿的思路，这在某种含义上是合理的，因为咱们突然发明晰这样一个新型职业，原始数据进入，你将能量运用到这台核算机上，字面上钱就开端喷涌而出，而这些钱银当然是 Token 办法，这些 Token 是智能 Token ，这是未来的首要工业之一；现在我仅仅描绘一下其他东西，对咱们今日来说十分有含义，但其时看起来很古怪，你把水带到一栋建筑物里，给它加热，然后产生出来的是一种十分有价值且看不见的东西，叫做电。

今日咱们将数据搬到数据中心，它将对其进行提炼和加工，并利用其才干产生许多有价值的数字 Token ，在数字生物学中，它们将是有价值的，在物理学中，在 IT 和各种核算范畴、社交媒体、各种作业、核算机游戏等等，它们以 Token 办法出现，所以未来将是关于 AI 工厂的，Nvidia 的设备将为这些 AI 工厂供给动力。

Costis Maglaras：

那么咱们现已跳到了神经网络，我想咱们谈过并行核算，比如怎样在显示器上烘托图形，怎样玩游戏，怎样为比特币处理加密问题。请告知咱们一点关于 GPU 在练习神经网络方面的用处，我想让咱们为这儿的观众讲一讲，练习像 ChatGPT 这样的模型需求什么？需求什么硬件？需求什么数据？需求多大的集群？需求花费多少钱？因为这些都是巨大的问题，我以为你让咱们对规划有所了解会很好。

Jensen Huang：

每个人都期望你以为这是一个巨大的问题，十分昂贵。其实不是，让我告知你为什么，咱们公司大约花了 5～6 亿美元的工程成原本规划一颗芯片，然后一到两年后，我按下回车键，发一封电子邮件给台积电，经过 FTP 传送一个大文件给台积电，他们就会制作它，这个进程让咱们公司花费了大约 5 亿美元。

一共花了 55 亿美元，我得到了一颗芯片，这颗芯片对咱们来说当然很有价值，但这没什么大不了的。我一向在做这个，所以假如有人说，嘿 Jensen，你需求创立一个价值 10 亿美元的数据中心，一旦你插上电，钱就会从另一边喷涌而出。我会马上去做，明显许多人也会这样做，因为谁不想创立一个产生智能的工厂呢？

现在 10 亿美元其实并不是许多钱，坦白说，全球每年在根底设施核算根底设施上的开销约为 2500 亿美元，咱们中没有人正在产生金钱，仅仅在存储咱们的文件，传递咱们的电子邮件，那现已是 2500 亿美元了，咱们增加如此之快的原因之一是，经过 60 年的开展，通用核算正在衰退，因为再出资 2500 亿美元创立另一个通用核算数据中心是不明智的，它在动力上过于粗暴，在核算上太慢。

现在加快核算来了，那 2500 亿美元将用于创立加快核算数据中心，咱们很快乐支撑客户这样做。除此之外，加快核算，你现在有了一个生成 AI 的根底设施，就像咱们刚刚谈论的全部作业，基本上的作业办法是你拿许多数据，然后紧缩它。

深度学习就像一个紧缩算法，你企图学习你正在研讨的数据的数学表达、办法和联系，并将其紧缩成一个神经网络，所以输入的是，比方说，数万亿字节，数万亿个 Token ，所以说几万亿字节，输出的是 100GB，所以你现已把全部那些数据紧缩成了这个小小的文件，100GB 就像 2 张 DVD，你能够在手机上下载并观看，对吧？

因而，你能够在手机上下载这个巨大的神经网络。现在，全部这些数据现已被紧缩进去了，这个紧缩的神经网络模型是一个 LLM，意味着你能够与之交互，你能够发问，它会回到它的回忆中，了解你的意图，并为你生成文本，与你进行对话，所以，中心便是这样，听起来奇特，但对房间里全部的核算机科学家和科学家来说，这是十分合理的，不要让任何人说服你这花费了许多钱，我会给你一个很好的扣头，咱们都去创立 AI 吧。

Costis Maglaras：

假如我再稍微追问一下那个规划，你需求一台基本上适当于数据中心的核算机来估量这些模型。

Jensen Huang：

创立 GPT-4 所需的是 16000 个 GPU，这是目前任何人运用的最大的模型，价值 10 亿美元，而这仅仅一张支票，乃至不是一张很大的支票，不要惧怕，不要让任何人劝阻你创业，去完结你的愿望。

Costis Maglaras：让我问你一个关于 10 亿美元支票和你所经历的增加的问题。我以为你被《哈佛商业评论》评为最佳 CEO，那是文娱性的。我会一向重复这一点，但从某种含义上说，你现在正在带领一家公司经历极端增加，超级增加，这是大多数公司一生中没有经历过的，我想请你告知咱们一些细节，比如一年内规划翻倍或是办理供应链、办理客户、办理增加、办理资金，你是怎样做到的？

Jensen Huang：

我喜爱办理，只有其中的一部分，便是数钱，很风趣。早上起来，在全部的现金上滚来滚去，这不便是你们全部人来这儿的意图吗？我了解这是终究方针，树立公司很难，没有什么简略的作业，有许多苦楚和磨难，需求许多尽力。

假如这很简略，每个人都会去做，并且关于全部公司，不管大小，不管是咱们的仍是其他技能公司，你总是在垂死，原因是总有人企图超越你，所以你总是在走向破产的路上；假如你不内化这种感觉，假如你不信任这一点，你将会破产。并且我最初是在 Denny 开端的，你们都知道，Nvidia 是在极端不行能的状况下树立起来的。咱们花了很长时刻才走到今日。我的意思是，咱们是一家有30年历史的公司。当 Nvidia 刚树立时，1993年，Windows 95 还没有推出。那时候，才是第一台可用的 PC ，咱们没有电子邮件。

那时还没有笔记本电脑或智能手机。全部这些东西都不存在，所以你能够幻想，咱们刚开端时的国际和现在的国际是多么不同。咱们没有液晶显示屏。全部的都是阴极射线管（CRT）。那个年代，连 CD-ROM 都不存在。简而言之，这些东西都是咱们树立之初的年代背景，咱们花了这么久的时刻，让公司得到认可，成为60年来第一次重塑核算的公司。快速成长全靠人。

明显，公司全靠人，假如有正确的体系，你周围有像我相同出色的人，公司就会具有技能。不管你是出售1000亿美元仍是2000亿美元，都无关紧要。

现在的本相是，供应链并不简略，有人知道 G-Force 显卡长什么样吗？举手暗示一下，有谁知道 Nvidia 的显卡长什么样，所以你会以为，显卡就像一个插入 PC 的 PC Express 插槽的卡带，但咱们现在的显卡芯片，在这些深度学习体系中运用的，有 35000 个部件，重达 70 磅，因为它们太重了，所以需求机器人来组装，它们需求超级核算机来测验，因为它自身便是一台超级核算机，并且成本是20万美元，用这20万美元，你能够购买一台这样的核算机，它能够替换几百个通用处理器，这些处理器的成本高达几百万美元，每花费 20 万美元在 Nvidia 购买，你就能节约 250 万美元的核算成本，这便是为什么我告知你们，买得越多，节约得越多；明显，这个策略十分成功，人们真的在排队购买，这便是咱们的作业；供应链十分杂乱，咱们制作了国际上最杂乱的核算机，但这真的有多难呢？其实十分难，中心在于，假如你被出色的人包围，简略的本相是，这全部都关乎人；我很走运，周围有一个巨大的办理团队，然后 CEO 会说类似“让它成为第一名”的话，比如“让它运作”。

Costis Maglaras：

我想回到 AI 趋势和你对未来的看法，但你之前说到了“渠道”这个词，你说到了你们的软件环境。因而，你有硬件根底设施，你有一个软件环境，目前在练习神经网络方面无处不在。你们正在树立数据中心，或许在数据中心内创立环境，这些环境是由 Nvidia 的硬件、软件和这些资源之间的通讯集群构成的，成为一个完好渠道处理方案与仅仅是硬件参与有多重要？这对 Nvidia 的战略有多中心？

Jensen Huang：

我以为，首要，在你能创立一些东西之前，你有必要知道你在创立什么，以及为什么要创立它，它存在的首要原则是什么。

加快核算不是一个芯片，这便是为什么它不被称为加快器，加快核算是关于了解你怎样能加快日子中的全部。假如你能加快每一个运用程序，那就叫做真正快速的核算，所以加快核算首要是了解哪些范畴，哪些运用程序对你重要，以及了解加快那些运用程序所需的算法、核算体系和架构。

成果证明，通用核算是一个合理的主意，加快一个运用程序也是一个合理的主意。举个例子，你有 DVD 解码器。你用手机播映 DVD 或 h.264 解码器。它只做一件事，并且做得十分好。没有人知道怎样做得更好。

加快核算有点像这种古怪的中心状态。有许多运用程序你能够加快。例如，咱们能够加快各种图画处理、粒子物理学等，这包含线性代数。咱们能够加快许多运用范畴，这是一个难题，加快一件事通常很简略，用 C 编译器运转全部也很简略。

加快满足多的范畴，使得假如你加快了太多范畴，你又回到了通用处理器上，对吧？他们为什么不能制作一个更快的芯片呢？另一方面，假如你只加快一个运用程序，那么商场规划就不够大，无法支撑你的研制。

因而，咱们有必要找到那个切换的中心点，这便是咱们公司的战略旅程，这是战略与现实相遇的当地，这是 Nvidia 做对了的当地，并且是核算史上没有其他公司做对的当地；找到一种办法，具有满足大的运用范畴，咱们能够加快，这依然比 CPU 快 100～500 倍，这样经济上的飞轮效应就能够扩展运用范畴数量、扩展客户数量、扩展商场数量、增加出售，从而发明更大的研制预算，让咱们能够发明更惊人的东西，坚持远远领先于 CPU，这有含义吗？

发明这个飞轮效应十分难，之前没有人做到过，只有一次，这便是才干。为了做到这一点，你有必要了解算法，你有必要十分了解运用范畴，你有必要正确挑选，你有必要为其创立正确的架构，然后咱们做对的最终一件事是，咱们意识到，为了具有一个核算渠道，你为 Nvidia 开发的运用程序应该在全部 Nvidia 上运转，你不应该考虑，它是否在这个芯片上运转？它是否会在那个芯片上运转？它应该在每个装有 Nvidia 的电脑上运转。

这便是为什么咱们公司发明的每一个 GPU，即使很久以前没有客户运用 CUDA，咱们依然致力于它。咱们决心从一开端就创立这个核算渠道。客户不是，这是公司几 10 年、数十亿美元的艰苦。假如不是因为在这儿的全部视频游戏玩家，咱们不会在这儿。你们是咱们的日常作业，晚上咱们能够去处理数字生物学，帮助人们处理量子化学，帮助人们搞 AI 和机器人学等问题。

咱们意识到，首要，加快核算是一个软件问题；其次，AI 是一个数据中心根底设施问题，这十分明显，因为你不能在笔记本电脑上练习 AI 模型，你不能在手机上练习，因为它不是满足大的核算机，数据量以万亿字节核算，你有必要处理这些万亿字节，数十亿次，所以明显，这将是一个大规划的核算机，问题散布在数百万 GPU 上。

我之所以说数百万，是因为在16000个内部有不计其数的。因而，咱们正在将作业负载散布在数百万个处理器上。目前国际上没有任何运用程序能够散布在数百万个处理器上；Excel 在一个处理器上运转。因而，这种散布式核算的核算机科学问题是一个巨大的打破，绝对是一个巨大的打破，这便是为什么它能够启用生成式 AI，启用 LLM。

咱们观察到两件作业：加快核算是一个软件问题，是一个算法问题，而 AI 是一个数据中心问题，所以咱们是仅有一个出去构建全部这些东西的公司，咱们做的一部分是商业办法的挑选，咱们本能够成为一家数据中心公司，彻底笔直整合；可是，咱们认识到，不管一家核算机公司有多成功，它都不会是国际上仅有的核算机公司，而作为一个渠道核算公司更好，因为咱们酷爱开发者。作为一个为国际上每一家核算机公司服务的渠道核算公司，比独自成为一家核算机公司要好。

咱们采取了这种办法，将这个与这个房间大小适当的数据中心，全部的电线、全部的开关和网络以及许多软件，咱们将全部这些分化，并集成到全国际其他不同的数据中心中，这是一个张狂的杂乱问题，咱们找到了一种办法，在必要时具有满足的标准化，在需求时具有满足的灵活性，以便咱们能够与全国际的核算机公司进行满足的合作。

成果是，Nvidia 的架构现在被植入到国际上每一家核算机公司中，这发明晰一个更大的脚印，更大的装置根底，更多的开发者，更好的运用程序，这使客户愈加满足，他们购买更多的芯片，这增加了装置根底，增加了咱们的研制预算等等，飞轮效应，正反馈体系，这便是它的运作办法，简略明晰。

Costis Maglaras：

你们没有做的一件事，我期望你能解说一下，便是你们没有出资制作自己的芯片。

Jensen Huang：

为什么会这样？这是一个很好的问题，原因是作为一种战略挑选，咱们公司的中心价值观，我的个人中心价值观，咱们公司的中心价值观便是关于挑选。

日子中最重要的作业便是挑选。你怎样挑选？好吧，全部都是，你怎样挑选今晚要做什么？你怎样挑选？咱们公司决议挑选项目，只为了一个根本方针，我的方针是发明一个环境，一个环境，让国际上优异的人才来这儿作业。一个了不得的环境，让国际上最优异的人才，他们想要寻求核算机核算、核算机科学和 AI 范畴，发明条件让他们来这儿完结他们的一生作业。

那么，假如我这么说，现在的问题是，你怎样完结这一点？让我举个例子来说明怎样不去完结这一点。我认识的没有人早上醒来会说，你知道吗，我的街坊正在做那件事。我想做的是，我想从他们那里拿走。我也能做到。我想从他们那里拿走。我想抢占他们的商场比例。我想在价格上打压他们，我想踢他们，我想攫取他们的比例。

成果证明，没有巨大的人这样做，每个人早上醒来都会说，我想做一些前所未有的作业，这十分难做。假如成功了，就能在国际上产生巨大的影响，这便是英伟达的中心价值观。

第一点，咱们怎样挑选做一些国际上从未做过的作业？咱们期望这是难以置信的困难。趁便说一句，你之所以挑选做一些难以置信的困难的作业，是因为你有许多时刻去学习它，假如某件事很简略做，比如 TikTok 舞蹈，我不会为此烦恼，明显的原因是竞争剧烈，所以你有必要挑选一些十分难做的作业，而那些难做的作业自身就会阻止许多其他人，因为乐意忍耐最久的人终究会赢得成功，所以咱们挑选一些十分难做的作业，你们现已听我说过许多次苦楚和受苦，这实际上是一个积极的特质，能够忍耐的人终究是最成功的。

第二点，你应该挑选一些你注定要做的作业，不管是你的性格特质、你的专业常识，或许你所在的环境、你的规划、你的任何事物、你的视角，你注定要做的作业。

第三点，你最好十分喜爱做那件事，因为除非苦楚和受苦太大。现在我刚刚描绘给你们的便是英伟达的中心价值观。就这么简略。假如是这样的话，我为什么要制作手机芯片呢？国际上有多少公司能够制作手机？许多。我为什么要制作 CPU？咱们还需求更多的 CPU 吗？这合理吗？咱们不需求全部这些东西。

因而，咱们自然地把自己扫除在了群众商场之外。咱们自然地将自己扫除在了群众商场之外，因为咱们挑选了令人惊叹的商场，挑选了十分难做的作业，了不得的人才参加了咱们，因为了不得的人才参加了咱们，因为咱们有耐性去让他们成功，去做一些了不得的作业。有耐性让他们做一些了不得的作业，他们就会做一些了不得的作业。

方程式实际上便是这么简略，但做起来需求难以置信的品质，这合理吗？这便是为什么学习它是最重要的作业，巨大的成功和巨大全都与品质有关。咱们不做制作的原因是因为台积电做得太好了，并且他们现已在做了，我为什么要去攫取他们的作业？我喜爱台积电的人，他们是我的好朋友，仅仅因为我有事务，我能够进入这个范畴，那又怎样？他们为我做得很好，让咱们不要浪费时刻去重复他们现已做过的作业，让咱们浪费时刻做一些没有人做过的作业，没有人做过的作业，这便是你怎样树立一些特其他东西，否则，你仅仅在谈论商场比例。

Costis Maglaras：

考虑未来，当咱们考虑这 10 年的时候。

Jensen Huang：

正确的答案？趁便说一句，我知道我没有 MBA 学位，我也没有取得财政学位，我读了一些书，我看了许多 Youtube 视频，我得告知你，没有人比我看更多的商业 YouTube 视频，所以我能够告知你们，你们对我来说一无是处，但这些都是正确的答案，Maglaras 教授？

Costis Maglaras：

你问错人了，我也没有学过商业，可是他们是正确的答案哈哈～你以为 AI，当你考虑 AI 运用程序以及咱们在未来三年、 5 年、七年内将会看到的变化时，你以为会产生什么？以及咱们每天的日子中或许会受到影响的当地？

Jensen Huang：

首要，我要直接说定论， AI 不会夺走你们的作业，运用 AI 的人会夺走你的作业。你们同意这一点吗？好吧，尽快运用 AI ，这样你们才干坚持有益的就业。

我问你们第二件事，当生产率进步时，意味着咱们在英伟达全面嵌入 AI ，英伟达将成为一个巨大的 AI 实体，咱们现已在用 AI 规划咱们的芯片，咱们不能规划咱们的芯片，没有 AI 咱们也无法编写咱们的优化编译器，所以咱们在各个当地都运用 AI 。

当 AI 进步你公司的生产率时，接下来会产生什么？裁人仍是招聘更多人员？你会招聘更多人。原因是生产率的进步而完结盈余增加。

为什么人们会考虑失掉作业？假如你以为你没有新的主意，那么，这逻辑上说不通。假如你没有更多的主意来出资你的增量收益，那么当作业被自动化代替时，你会怎样做？你会裁人，并参加那些有更多主意而又负担不起资金出资的公司，这样当 AI 自动化他们的作业时，状况当然会改动，当然会改动作业办法。

AI 很快就会针对 CEO，系主任和 CEO，咱们完蛋了，听起来不错，我以为首要是 CEO，然后是系主任，但你离得很近，所以你参加那些有更多主意而又没有满足资金出资的公司，自然地，当收益进步时，你会雇佣更多人。首要，这是一个巨大的打破，咱们不知怎的教会了核算机怎样学习，用数字办法表明信息，好吗？那么，你们有没有人听说过这个叫做 Word2Vec 的东西？这是有史以来最棒的东西之一，Word2Vec，你拿一个词，经过研讨每一个单词及其与其他每一个单词的联系来学习，你学习咱们全部的句子和阶段，你测验弄清楚与那个词最相关的数字向量是什么，什么数字与那个词最相关，所以“母亲”和“父亲”在数值上靠得很近，“橙子”和“苹果”在数值上靠得很近，但它们与“妈妈”和“爸爸”相距很远，“狗”和“猫”离“妈妈”和“爸爸”远，但或许比它们离“橙子”和“苹果”近，椅子和桌子，很难确切地说它们在哪里，但这两个数字彼此靠近，远离“妈妈”和“爸爸”，“国王”和“王后”，靠近“妈妈”和“爸爸”。

这合理吗？幻想一下，对每个数字都这样做，每次你测验它时，你会说，天哪，这很不错。当你从一个东西中减去另一个东西时，这是有含义的。好吧，这基本上便是学习信息的表明。幻想一下对英语这样做。幻想一下对每种言语都这样做。幻想一下对任何具有结构的东西都这样做，意思是任何具有可猜测性的东西。

图画具有结构，因为假如没有结构，它就会是白噪声，实际上便是白噪声，所以必定存在结构，这便是为什么你看到一只猫，我看到一只猫，你看到一棵树，我看到一棵树，你能够识别树在哪里，你能够识别海岸线在哪里，山脉在哪里，云在哪里，对吧？咱们能够学会全部这些，明显你能够把那个图画转换成一个向量，你能够把视频转换成向量，3D 转换成向量，蛋白质转换成向量，因为蛋白质明显有结构，化学物质转换成向量，基因终究转换成向量，咱们能够学习全部的向量。

假如你能把全部东西都学习成数字，并且它有含义，那么明显你能够把猫这个词“cat”转换成图画，这明显不是猫的图画，这是相同的意思，假如你能够从词语转换成图画，这叫做中心旅程安稳扩散，假如你能够从图画转换成词语，这叫做字幕制作，YouTube 视频下面的字幕，那么假如你从，你叫什么来着？假如你从氨基酸转换成蛋白质，这叫做诺贝尔奖，因为这是阿尔法折叠，不行思议的打破。

所以，这是核算机科学中的一个惊人时刻，咱们能够真正地把一种信息转换、传递、生成成另一种信息，所以你能够做文本到文本，许多的文本，PDF 到小量的文本，汇总存档，这是我十分喜爱的，对吧？

咱们能够要求它汇总这篇论文，而不是阅览每一篇论文，它有必要了解图画，因为在存档中，论文有许多图画、图表之类的东西，所以你能够把全部这些都汇总起来，所以你现在能够幻想全部的生产力好处，实际上是没有它就无法做到的才干，所以在不久的将来，你会这样做。

你能够说，嗨，我想规划，给我一些轿车的挑选。我在梅赛德斯作业，我十分关怀品牌，这是品牌的风格，让我给你几个草图，或许几张我想要制作的车型的照片，这是一辆四轮驱动的 SUV，比如说，然后突然之间，它提出了2010,200个彻底的3D规划 CAD；现在，你想要这个而不是仅仅完结这辆车的原因是，因为你或许想挑选其中一个，然后说在这个根底上再迭代 10 次，你或许终究挑选一个，然后自己进行修正，所以规划的未来将会十分不同。全部的未来都将十分不同，现在假如你给规划师这种才干，他们会张狂的。他们会十分爱你，这便是咱们为什么这样做的原因。

那么，这对长期影响有什么影响？我最喜爱的范畴之一是，假如你能够用言语描绘一个蛋白质，你能够用言语找出组成蛋白质的办法，那么蛋白质工程的未来就在眼前。正如你们所知，蛋白质工程包含制作酶来分化塑料，制作酶来捕获碳，制作各种酶来更好地种植蔬菜，你们这一代能够发明各种不同的酶，所以未来 10 年将是难以置信的，咱们是核算机芯片工程的一代，你们将是蛋白质工程的一代，这是咱们几年前无法幻想的。

Costis Maglaras：

好的，我想咱们将向观众敞开发问环节，所以有问题的话，或许我会指点，咱们会有一些麦克风传递过来，好吧，在那边咱们先开端。

观众：

感谢你今晚的到来，你忧虑摩尔规律会不会像对英特尔公司那样追上 GP 职业呢？你还能解说一下摩尔规律和黄规律之间的区别吗？Jensen Huang：我没有提出黄规律，这也不像是我会做的作业。摩尔规律是每一年半性能翻一倍，更简略核算的办法是每 5 年增加 10 倍，所以每 10 年大约增加 100 倍。假如是这样，假如通用核算是微处理器，假如通用核算每 5 年增加 10 倍，每 10 年增加 100 倍，为什么要改动核算办法每 10 年增加 100 倍？这还不够快吗？恶作剧吗？假如轿车每 5 年快 100 倍，日子会不会很好？

所以答案是，实际上，摩尔规律十分好，我从中受益了。整个职业都从中受益了，核算机职业之所以存在便是因为它，但终究通用核算的摩尔规律，并不是关于核算中晶体管的数量，它关于晶体管的数量，你怎样运用它对于 CPU，你怎样终究转化为性能，那个曲线不再是每 5 年增加 10 倍。假如你走运的话，那个曲线是每 10 年两到四倍。问题是，那个曲线是每 10 年 2～4 倍。

核算需求和咱们运用核算机处理问题的愿景，咱们的幻想力，运用核算机处理问题的幻想力是不是超过了每 10 年 4 倍？所以咱们的幻想力、咱们的需求、国际对全部这些的消费都超过了这个约束，你能够经过购买更多的 CPU 来处理这个问题，你能够购买更多，但问题是这些 CPU 消耗了太多的动力，因为它们是通用的，就像一个通才，一个通才不如一个专家效率高，他们的工艺不如专家好，他们不像专家那样有生产力；假如我要做开胸手术，不要给我找个通才，你们知道我的意思吗？假如你们在周围，就叫个专家好了，所以新闻记者的办法太蛮力了，所以现在这让国际消耗太多动力，让国际花费太多，仅仅为了粗暴地强行推进通用核算。

现在走运的是，咱们长时刻以来一向在研讨加快核算，正如我所说到的，加快核算不仅仅是关于处理器，它实际上是关于了解运用范畴，然后创立必要的软件、算法、架构和芯片；咱们不知怎样地找到了一种办法，用一种架构来做这些，这是咱们所做作业的天才之处，咱们不知怎样地找到了这种架构，它既十分快，有时候要加快 CPU 100*500 倍，乃至有时候 1000 倍，但它又不是那么特定，只用于一种单一活动，这合理吗？并且你需求满足广泛，以便你有大商场，但你需求满足狭隘，以便你能够加快运用程序，这条奇妙的界线，这把剃刀边际，是英伟达存在的原因。假如我在 30 年前解说这个，没有人会信任，现实上，假如你现在诚实地说，也没人会信任。

咱们花了很长时刻，咱们坚持下去，咱们从地震处理开端，分子动力学，图画处理，当然还有核算机图形学，咱们不断地尽力，不断地尽力，不断地尽力，天气模拟，流体动力学，粒子物理，量子化学，然后有一天深度学习，然后是变换器，接下来将是某种办法的强化学习变换器，然后会有一些多步推理体系，所以全部这些作业，咱们仅仅一个运用程序。

不知怎的，咱们找到了一种办法，发明晰一个架构，处理了全部这些问题，这个新规律会完毕吗？我不这么以为。原因是这样的，它不取代 CPU，它弥补了 CPU，那么问题是，接下来会有什么东西来弥补咱们？

咱们仅仅把它衔接在旁边，所以其机遇到来时，咱们会知道咱们应该运用另一个东西来处理问题，因为咱们是在为咱们企图处理的问题服务。咱们不是在测验制作一把刀，让每个人都运用它。咱们不是在测验制作一把钳子，让每个人都运用它。咱们是为了加快核算服务于问题，所以这是你们全部人都要学习的一件事。保证你的任务是正确的。保证你的任务不是制作火车，而是促进交通，这合理吗？咱们的任务不是制作 GPU。咱们的任务是加快运用程序，处理普通核算机无法处理的问题。假如你的任务表述妥当，你专注于正确的作业，它将永远持续下去。

观众：

再次感谢，现在有一股推进将半导体供应链本土化的趋势，然后还有对某些国家出口高科技产品的约束。您以为这会对英伟达在短期内产生什么影响，对咱们顾客长期又会有什么影响？

Jensen Huang：

真是个好问题。你们都听到了这个问题，我重复一下，这触及到地缘政治和地缘政治严重等。地缘政治严重、地缘政治应战将影响每个工业，影响每个人。咱们公司深信国家安全，咱们在这儿是因为咱们的国家是安全的，咱们同时也信任经济安全。

现实是，大多数家庭早上醒来不会说，天哪，我感到如此软弱，因为缺乏军事力量，他们感到软弱，因为经济生存才干，所以咱们也信任人权，能够发明昌盛日子是人权的一部分。正如你们所知，美国信任这儿日子的人以及不日子在这儿的人的人权，所以这个国家同时信任全部这些作业。咱们也是。

地缘政治严重的应战是，假如咱们太单边地决议，咱们决议其他人的昌盛，那么会有反弹。会有意想不到的结果，但我是达观的。我期望能够期望，那些考虑这个问题的人考虑了全部结果和意想不到的结果，但这现已导致每个国家深深地内化其主权权利。每个国家都在谈论他们自己的主权，这是另一种办法说，每个人都在考虑自己。

就咱们而言，一方面，它或许约束咱们的技能在中国的运用，以及对那里的出口操控；另一方面，因为主权和每个国家都想树立自己的主权 AI 根底设施，并且它们中的大多数并不是美国的敌人，也没有与美国的联系很困难，咱们将帮助他们在国际各地树立 AI 根底设施。

所以在许多方面，这种关于地缘政治的古怪作业，它在某种程度上约束了咱们的商场机会。在另一方面，它以其他办法为咱们打开了商场机会，但对于人们来说，我是，我真的很期望。

我真的期望咱们不会让咱们与中国的严重联系演变成与中国人的严重联系，咱们不会让咱们与中东的严重联系演变成与穆斯林的严重联系，咱们不能让自己堕入那个圈套，我有点忧虑那是个滑坡。

咱们国家最大的常识产权来历之一，正如你们所知，是外国学生，我在这儿看到了许多。我期望你们留在这儿，这是咱们国家最大的优势之一。假如咱们不允许国际上最聪明的脑筋来到哥伦比亚，在纽约市留下来，咱们将无法保留国际上最巨大的常识产权，所以这是咱们根本的中心优势，我真的期望咱们不会损坏它。

你们能够看到，地缘政治应战是实在的，国家安全问题是实在的，但经济、商场、社会、技能问题也同样实在，技能领导力很重要，商场领导力很重要，全部这些都很重要，国际仅仅一个杂乱的当地，我没有一个简略的答案，咱们全部人都会受到影响。

观众：

我是从一家半导体公司的工程师开端做起，从事创业作业，在我像你相同，作为一个本质上是技能专家和工程师的人，成功地兴办了一家公司，我是从 YouTube 视频中学习财政常识的，你对 MBA 怎样看？

Jensen Huang：

我以为这十分棒。首要，你或许会活到 100 岁，所以问题是，你打算怎样度过最终的 7 年或 60 年？这不是我告知你的，是我告知每个人的，尽你所能关怀教育。

当你来到这儿，你被强迫接受教育，这能有多好？离开后，像我相同，我得去全球寻觅常识，我得穿过许多垃圾才干找到一些好东西；在校园里，你有这些了不得的教授，他们为你筛选常识，然后像盘子相同出现给你，我的天，假如我能再来一次，我会尽或许长时刻地留在这儿，许多吸收常识。

我还会在这儿，和院长坐在一同。我是这儿年岁最大的学生。我仅仅在为毕业时的巨大腾跃做准备，毕业后就马上迈向成功，但我仅仅开个打趣。你总有一天得离开。你的父母会感激的，但不要急于一时。我以为尽或许多地学习。到达那里没有仅有正确的答案。

明显，我有从未从大学毕业却十分成功的朋友，所以有多种办法能够到达那里，但从计算学上讲，我依然以为这是到达那里的最佳办法，所以假如你信任计算学和数学，就留在校园，完结整个进程，所以我经过尽力作业取得了一个虚拟 MBA，不是因为挑选，而是因为我刚从校园毕业时，我以为我会成为一名工程师，没人会说，“嘿，Jensen，给你个文凭，你将成为 CEO。”我不知道，所以当我到达那里时，我不得不去学习。

MBA 和学习商业策略的办法有许多种，明显商业问题是十分不同的作业，财政问题也是，所以你得学习全部这些不同的作业，才干树立一家公司，但假如你像我相同被了不得的人所包围，他们会在一路上教你，所以有些东西，根据你想扮演的人物，是至关重要的，对于 CEO 来说，有些作业不仅是我的作业，并且至关重要，我要以此为首。那便是品质，你的品质有一些东西，关于你做出的挑选，你怎样应对成功，怎样应对失败和巨大的波折，你怎样做出挑选，这些作业都很重要。

现在从技能和工艺视点来讲，CEO 最重要的是战略思维，没有其他挑选。公司需求你具有战略思维，原因是因为你看得最多，你应该能比任何人更好地看到未来，能比任何人更好地衔接点点滴滴，你应该能够发动；记住战略是什么 —— 行动！怎样说不重要，重要的是你做什么，所以没有人能比 CEO 更好地发动一家公司。因而，CEO 共同地位于成为首席战略官的正确位置，假如你乐意的话。从我的视点来看，这两个是最重要的作业，其余有许多技能和东西，你会学习到技能。

假如我能够再弥补一件事，我确实信任一家公司是关于某种特定的工艺，你为社会做出一些共同的贡献，你制作了一些东西。假如你制作了一些东西，你应该擅长它，你应该赏识这种工艺，你应该酷爱这种工艺，你应该了解一些关于这种工艺的作业，它从哪里来？现在在哪里？将来会去哪里？你应该尽力表现对这种工艺的热情。

我期望今日我做了一些表现这种工艺的热情和专业常识的作业，我对我所在的范畴了解许多，并且假如或许的话，CEO 应该了解这种工艺。你不必创立这种工艺，但最好是这种工艺，你能够学到许多，所以你，你想成为这个范畴的专家，但这些是一些作业。你能够在这儿学到这些。抱负状况下，你能够在作业中学到这些，你能够从朋友那里学到这些，你能够经过做许多不同的作业来学到这些。

分享到：

上一篇:比特币生态佼佼者：Unisat的成功方程式

下一篇:铭文凉了又火比特币生态这次能否继续？有哪些亮点？