編者按：本文來(lái)自微信公眾號(hào) 騰訊科技（ID：qqtech），編譯：金鹿，創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載。

11月23日，在香港科技大學(xué)周六舉行的博士學(xué)位授予儀式上，英偉達(dá)創(chuàng)始人兼首席執(zhí)行官黃仁勛被授予工程學(xué)榮譽(yù)博士學(xué)位。授予儀式結(jié)束后，黃仁勛與香港科技大學(xué)校董會(huì)主席沈向洋對(duì)話，探討關(guān)于技術(shù)、領(lǐng)導(dǎo)力和創(chuàng)業(yè)的故事。

以下為對(duì)話全文：

沈向洋：昨晚我輾轉(zhuǎn)難眠，其中一個(gè)極為關(guān)鍵的原因在于，我亟欲向諸位引薦這位宇宙間最卓越的首席執(zhí)行官。但我心中也暗自為貴公司擔(dān)憂，畢竟昨晚蘋果股價(jià)上揚(yáng)，而英偉達(dá)的表現(xiàn)卻略顯遜色。我已迫不及待想要知曉股市收盤的結(jié)果！今晨醒來(lái)，我第一時(shí)間詢問妻子英偉達(dá)是否挺住了。你在人工智能領(lǐng)域領(lǐng)航已久，能否再談?wù)剬?duì)人工智能的看法，以及這項(xiàng)技術(shù)，或是AGI（通用人工智能）可能帶來(lái)的影響？

黃仁勛：正如你所了解的，當(dāng)人工智能網(wǎng)絡(luò)能夠?qū)W習(xí)并掌握從字節(jié)、語(yǔ)言、圖像到蛋白質(zhì)序列等多種數(shù)據(jù)的理解時(shí)，一場(chǎng)變革性、開創(chuàng)性的能力便應(yīng)運(yùn)而生了。我們突然間擁有了能夠理解單詞內(nèi)涵的計(jì)算機(jī)。得益于生成式AI，信息得以在不同模式間自由轉(zhuǎn)換，比如從文本到圖像、從蛋白質(zhì)到文本、從文本到蛋白質(zhì)，乃至從文本到化學(xué)品等。這一原本作為函數(shù)逼近器（Function Approximator，數(shù)學(xué)領(lǐng)域的重要概念，用于多個(gè)領(lǐng)域）及語(yǔ)言翻譯器而存在的工具，如今所面對(duì)的問題是，我們?nèi)绾文艹浞掷盟?？你見證了全球范圍內(nèi)創(chuàng)業(yè)公司如雨后春筍般涌現(xiàn)，它們結(jié)合了這些不同的模型與能力，展現(xiàn)出無(wú)限可能。

因此，我認(rèn)為真正令人驚嘆的突破在于，我們現(xiàn)在能夠理解信息的真正意義。這意味著，作為數(shù)字生物學(xué)家，你能理解所觀數(shù)據(jù)的含義，從而于萬(wàn)千數(shù)據(jù)中精準(zhǔn)捕捉到關(guān)鍵信息；作為英偉達(dá)的芯片設(shè)計(jì)師、系統(tǒng)設(shè)計(jì)師，或是農(nóng)業(yè)技術(shù)人員、氣候科學(xué)家、能源領(lǐng)域的研究者，在探尋新材料的過程中，這無(wú)疑是開創(chuàng)性的壯舉。

沈向洋：如今，通用翻譯器的概念已然成形，它賦予我們理解世間萬(wàn)物的能力。許多人都聽你描述過人工智能對(duì)社會(huì)的驚人影響。那些觀點(diǎn)深深觸動(dòng)了我，甚至在某些方面讓我感到震撼?；仡櫄v史，農(nóng)業(yè)革命讓我們生產(chǎn)出了更多的食物，工業(yè)革命則讓我們的鋼鐵產(chǎn)量大幅提升。進(jìn)入信息技術(shù)時(shí)代，信息的數(shù)量更是爆炸式增長(zhǎng)。而今，在這個(gè)智能時(shí)代，英偉達(dá)與人工智能正攜手“制造”智能。你能進(jìn)一步闡述為何這項(xiàng)工作如此重要嗎？

黃仁勛：從計(jì)算機(jī)科學(xué)的視角來(lái)看，我們重新發(fā)明了整個(gè)堆棧。這意味著，我們過去開發(fā)軟件的方式已經(jīng)發(fā)生了根本性的變化。提及計(jì)算機(jī)科學(xué)，軟件開發(fā)自然是不可或缺的一環(huán)，它是如何實(shí)現(xiàn)的，這至關(guān)重要。

以往，我們依靠手工編寫軟件，憑借想象力和創(chuàng)造力構(gòu)思功能、設(shè)計(jì)算法，然后將其轉(zhuǎn)化為代碼，輸入電腦。從Fortran到Pascal，再到C語(yǔ)言和C++，這些編程語(yǔ)言讓我們得以用代碼來(lái)表達(dá)創(chuàng)意。代碼在CPU上運(yùn)行得很好，我們向計(jì)算機(jī)輸入數(shù)據(jù)，詢問它從中發(fā)現(xiàn)了什么函數(shù)，通過觀察我們提供的數(shù)據(jù)，計(jì)算機(jī)能夠識(shí)別出其中的模式和關(guān)系。

然而，現(xiàn)在的情況已經(jīng)有所不同，我們不再依賴于傳統(tǒng)的代碼編寫方式，而是轉(zhuǎn)向了機(jī)器學(xué)習(xí)和機(jī)器生成。這不再是簡(jiǎn)單的軟件問題，而是涉及到了機(jī)器學(xué)習(xí)，它生成神經(jīng)網(wǎng)絡(luò)，并在GPU上進(jìn)行處理。這一轉(zhuǎn)變，從編碼到機(jī)器學(xué)習(xí)，從CPU到GPU，標(biāo)志著一個(gè)全新的時(shí)代的到來(lái)。

而且，由于GPU的功能異常強(qiáng)大，我們現(xiàn)在能夠開發(fā)的軟件類型堪稱非凡，而在這一強(qiáng)大基礎(chǔ)之上，則是人工智能的蓬勃發(fā)展。這正是其出現(xiàn)所帶來(lái)的變革，計(jì)算機(jī)科學(xué)因此發(fā)生了巨大變化?，F(xiàn)在，我們需要思考的是，這樣的變化將如何影響我們的行業(yè)？我們都在競(jìng)相利用機(jī)器學(xué)習(xí)去探索新的人工智能領(lǐng)域。那么，究竟什么是人工智能呢？這其實(shí)是一個(gè)大家耳熟能詳?shù)母拍?，即認(rèn)知自動(dòng)化和解決問題自動(dòng)化。解決問題的自動(dòng)化可以歸結(jié)為三個(gè)核心概念：觀察并感知環(huán)境，理解并推理環(huán)境，然后提出并執(zhí)行計(jì)劃。

例如，在自動(dòng)駕駛汽車中，車輛可以感知周圍環(huán)境，推理自身及周圍車輛的位置，最后規(guī)劃出行駛路線。這其實(shí)就是一種數(shù)字司機(jī)的表現(xiàn)形式。同樣地，在醫(yī)療領(lǐng)域，我們可以觀察CT掃描圖像，理解并推理出圖像中的信息，如果發(fā)現(xiàn)異常，可能代表著腫瘤的存在，然后我們可以標(biāo)記出來(lái)并告知放射科醫(yī)生。此時(shí)，我們就扮演了數(shù)字放射科醫(yī)生的角色。在我們所做的幾乎每一件事情中，都可以找到與人工智能相關(guān)的應(yīng)用，它們能夠出色地完成特定的任務(wù)。

如果我們擁有足夠多的數(shù)字智能體，并且這些智能體能夠與產(chǎn)生這些數(shù)字信息的計(jì)算機(jī)進(jìn)行交互，那么這就構(gòu)成了數(shù)字人工智能。然而，目前我們所有人對(duì)數(shù)據(jù)中心的總體消耗，雖然看似龐大，但數(shù)據(jù)中心主要是在生產(chǎn)一種名為“Token”的東西，而并非真正的數(shù)字智能。

我可以解釋一下這兩者之間的區(qū)別。300年前，通用電氣公司和西屋電氣公司發(fā)明了一種新型儀器——發(fā)電機(jī)，并最終演化為交流發(fā)電機(jī)。他們非常明智地創(chuàng)造了一種“消費(fèi)者”來(lái)消費(fèi)他們所生產(chǎn)的電力，這些“消費(fèi)者”包括燈泡、烤面包機(jī)等電器設(shè)備。當(dāng)然，他們還創(chuàng)造了各種各樣的數(shù)碼設(shè)備或電器，這些設(shè)備都需要消耗電力。

現(xiàn)在，來(lái)看看我們正在做的事情。我們正在創(chuàng)建Copilots、ChatGPT等智能工具，這些都是我們創(chuàng)造出的不同類型的智能“消費(fèi)者”，它們實(shí)際上就像燈泡和烤面包機(jī)一樣，是消耗能量的設(shè)備。但想象一下，那些令人驚嘆的、我們所有人都會(huì)使用的智能設(shè)備，它們將連接到一個(gè)新的工廠。這個(gè)工廠曾經(jīng)是交流電發(fā)電廠，但現(xiàn)在，新的工廠將是數(shù)字智能工廠。

從工業(yè)的角度來(lái)看，我們實(shí)際上正在創(chuàng)造一個(gè)新的產(chǎn)業(yè)，這個(gè)產(chǎn)業(yè)在吸收能量并產(chǎn)生數(shù)字智能，而這些數(shù)字智能可以被應(yīng)用于各種不同的場(chǎng)景。我們相信，這個(gè)數(shù)字智能產(chǎn)業(yè)的消耗量將是巨大的，而這個(gè)行業(yè)在以前是不存在的，就像交流電發(fā)電行業(yè)在以前也不存在一樣。

沈向洋：你為我們勾勒了一幅充滿希望的光明未來(lái)，而這在很大程度上得益于你和英偉達(dá)在過去十多年間對(duì)該領(lǐng)域的卓越貢獻(xiàn)。摩爾定律在業(yè)界一直備受矚目，而近年來(lái)，“黃氏定律”逐漸為人們所熟悉。在早期的計(jì)算機(jī)行業(yè)中，英特爾提出的摩爾定律曾預(yù)言計(jì)算能力每18個(gè)月翻倍。然而，在過去10到12年間，特別是在你的引領(lǐng)下，計(jì)算能力的增長(zhǎng)速度甚至超越了這一預(yù)測(cè)，實(shí)現(xiàn)了每年翻倍甚至更高速度的增長(zhǎng)。

從消費(fèi)端觀察，大語(yǔ)言模型在過去12年里的計(jì)算需求每年都以四倍以上的速度激增。若以此速度持續(xù)10年，計(jì)算需求的增長(zhǎng)將是一個(gè)驚人的數(shù)字——高達(dá)100萬(wàn)倍。這也正是我向他人闡釋英偉達(dá)股價(jià)在過去10年間上漲300倍原因時(shí)的重要論據(jù)?？紤]到計(jì)算需求的這一巨大增長(zhǎng)，英偉達(dá)的股價(jià)或許并不顯得高昂。那么，當(dāng)你運(yùn)用你的“水晶球”預(yù)測(cè)未來(lái)時(shí)，你認(rèn)為在接下來(lái)的10年里，我們是否還會(huì)見證計(jì)算需求再次實(shí)現(xiàn)100萬(wàn)倍的增長(zhǎng)呢？

黃仁勛：摩爾定律依賴于兩個(gè)核心概念：一是超大規(guī)模集成電路（VLSI）的設(shè)計(jì)原理，它是受到我、加州理工大學(xué)的卡弗·米德教授（Carver Mead）以及林恩·康威教授 (Lynn Conway )的著作啟發(fā)的，這些著作激勵(lì)了整整一代人；二是隨著晶體管尺寸的不斷縮小，我們得以每隔一段時(shí)間就將半導(dǎo)體的性能提升一倍，大約每一年半就能實(shí)現(xiàn)一次性能翻倍，因此每五年性能提升可達(dá)10倍，每十年更是能提升100倍。

我們正身處一個(gè)趨勢(shì)之中：神經(jīng)網(wǎng)絡(luò)的規(guī)模越大，用于訓(xùn)練的數(shù)據(jù)量越多，AI似乎就表現(xiàn)得越智能。這一經(jīng)驗(yàn)法則與摩爾定律有著異曲同工之妙，我們不妨稱之為“規(guī)模定律（Scaling Law）”，且這一定律似乎仍在持續(xù)發(fā)揮作用。然而，我們也清醒地認(rèn)識(shí)到，僅僅依靠預(yù)訓(xùn)練——即利用全球范圍內(nèi)的海量數(shù)據(jù)自動(dòng)挖掘知識(shí)——是遠(yuǎn)遠(yuǎn)不夠的。正如大學(xué)畢業(yè)是一個(gè)至關(guān)重要的里程碑，但它絕不是終點(diǎn)。接下來(lái)，還有后訓(xùn)練階段，也就是深入鉆研某一特定技能，這要求強(qiáng)化學(xué)習(xí)、人類反饋、AI反饋、合成數(shù)據(jù)生成以及多路徑學(xué)習(xí)等多種技巧的綜合運(yùn)用。簡(jiǎn)而言之，后訓(xùn)練就是選定一個(gè)特定領(lǐng)域，并致力于對(duì)其進(jìn)行深度鉆研。這就像當(dāng)我們步入職業(yè)生涯后，會(huì)進(jìn)行大量的專業(yè)學(xué)習(xí)和實(shí)踐。

而在這之后，我們最終會(huì)迎來(lái)所謂的“思考”階段，也就是所謂的測(cè)試時(shí)間計(jì)算。有些事情你一眼就能看出答案，而有些則需要我們將其拆解成多個(gè)步驟，并從第一性原理出發(fā)，逐一尋找解決方案。這可能需要我們進(jìn)行多次迭代，模擬各種可能的結(jié)果，因?yàn)椴⒎撬写鸢付际强深A(yù)測(cè)的。因此，我們稱之為思考，且思考的時(shí)間越長(zhǎng)，答案的質(zhì)量往往越高。而大量的計(jì)算資源將助力我們產(chǎn)出更高質(zhì)量的答案。

雖然今天的答案已是我們所能提供的最佳結(jié)果，但我們?nèi)栽趯で笠粋€(gè)臨界點(diǎn)，即所得到的答案不再局限于我們當(dāng)前所能提供的最佳水平。在這一點(diǎn)上，你需要判斷答案是否真實(shí)可靠、是否有意義且明智。我們必須達(dá)到這樣一個(gè)境界，即所得到的答案在很大程度上是值得信賴的。我認(rèn)為，這還需要數(shù)年的時(shí)間才能實(shí)現(xiàn)。

與此同時(shí)，我們?nèi)孕璨粩嗵嵘?jì)算能力。正如你之前所提到的，過去十年里，我們將計(jì)算性能提升了100萬(wàn)倍。而英偉達(dá)的貢獻(xiàn)在于，我們將計(jì)算的邊際成本降低了同樣的幅度。想象一下，如果生活中有你所依賴的事物，如電力或其他任何選擇，當(dāng)它的成本降低了100萬(wàn)倍時(shí)，你的行為習(xí)慣將會(huì)發(fā)生根本性的變化。

對(duì)于計(jì)算，我們的看法也已經(jīng)發(fā)生了翻天覆地的變化，而這正是英偉達(dá)有史以來(lái)最偉大的成就之一。我們利用機(jī)器去學(xué)習(xí)海量的數(shù)據(jù)，這是研究人員無(wú)法單獨(dú)完成的任務(wù)，而這正是機(jī)器學(xué)習(xí)能夠取得成功的關(guān)鍵所在。

沈向洋：我迫切希望聽聽你的看法，香港在當(dāng)前機(jī)遇中應(yīng)如何作為?，F(xiàn)在，一個(gè)特別令人興奮的事情是“AI for Science”，而你對(duì)此一直抱有極大的熱情。香港科技大學(xué)已經(jīng)投入了大量的計(jì)算基礎(chǔ)設(shè)施和GPU資源，我們特別重視推動(dòng)各院系之間的合作，如物理與計(jì)算機(jī)科學(xué)、材料科學(xué)與計(jì)算機(jī)科學(xué)、生物學(xué)與計(jì)算機(jī)科學(xué)等領(lǐng)域的交叉融合。你之前也深入探討了生物學(xué)的未來(lái)。另外，值得一提的是，香港政府已決定建立第三所醫(yī)學(xué)院，而香港科技大學(xué)是首個(gè)提交這個(gè)提案的高校。那么，對(duì)于校長(zhǎng)、我本人以及整個(gè)大學(xué)而言，你有什么建議？

黃仁勛：首先，我在2018年的超算大會(huì)上曾介紹過人工智能，但當(dāng)時(shí)遭遇了諸多質(zhì)疑。原因在于，那時(shí)的人工智能更像是一個(gè)“黑箱”。誠(chéng)然，時(shí)至今日，它依然在一定程度上保持著“黑箱”的特性，但已比過去更加透明。

比如，你我皆為“黑箱”，但現(xiàn)在我們可以向AI發(fā)問：“你為何提出這樣的建議？”或者“請(qǐng)逐步闡述你得出這一結(jié)論的過程?！蓖ㄟ^此類提問，AI正變得愈發(fā)透明和易于解釋。因?yàn)槲覀兛梢越柚鷨栴}來(lái)探究其思考過程，正如教授們通過提問來(lái)洞察學(xué)生的思考過程一樣。重要的不僅僅是獲取答案，更在于答案的合理性以及是否基于第一性原理。這在2018年是無(wú)法做到的。

其次，AI目前尚未能從第一性原理中直接得出答案，它是通過觀察數(shù)據(jù)來(lái)學(xué)習(xí)和得出結(jié)論的。因此，它并非模擬第一性原理的求解器，而是在模仿智能、模仿物理。那么，這種模仿對(duì)科學(xué)而言是否有價(jià)值呢？我認(rèn)為，其價(jià)值無(wú)可估量。因?yàn)樵诒姸嗫茖W(xué)領(lǐng)域，我們雖然理解第一性原理，如薛定諤方程、麥克斯韋方程等，但面對(duì)大型系統(tǒng)時(shí)，我們卻難以模擬和理解。因此，我們無(wú)法僅憑第一性原理進(jìn)行求解，這在計(jì)算上存在局限，甚至是不可能的。然而，我們可以利用AI，訓(xùn)練它理解這些物理原理，并借助其模擬大型系統(tǒng)，從而幫助我們理解這些系統(tǒng)。

那么，這種應(yīng)用具體在哪些方面能夠發(fā)揮作用呢？首先，人體生物學(xué)的尺度從納米級(jí)開始，時(shí)間尺度則跨越納秒至年。在如此寬廣的尺度和時(shí)間跨度上，使用傳統(tǒng)求解器是根本無(wú)法實(shí)現(xiàn)的?，F(xiàn)在的問題是，我們能否利用AI來(lái)模擬人體生物學(xué)，以便更深入地理解這些極其復(fù)雜的多尺度系統(tǒng)？

這樣，我們或許可以稱之為創(chuàng)建了一個(gè)人體生物學(xué)的數(shù)字孿生體。這正是我們寄予厚望之處。如今，我們或許已擁有了計(jì)算機(jī)科學(xué)技術(shù)，使數(shù)字生物學(xué)家、氣候科學(xué)家以及處理異常龐大復(fù)雜問題的科學(xué)家們能夠首次真正理解物理系統(tǒng)。這是我的期望，希望在這一交叉領(lǐng)域能夠?qū)崿F(xiàn)這一愿景。

提及你們的醫(yī)學(xué)院項(xiàng)目，對(duì)于香港科技大學(xué)而言，一所與眾不同的醫(yī)學(xué)院即將在這里誕生，盡管這所大學(xué)的傳統(tǒng)專業(yè)領(lǐng)域是技術(shù)、計(jì)算機(jī)科學(xué)和人工智能。這與世界上絕大多數(shù)醫(yī)學(xué)院截然不同，它們大多是在成為醫(yī)學(xué)院后，再嘗試引入人工智能和技術(shù)，而這通常會(huì)面臨人們對(duì)其技術(shù)的懷疑和不信任。然而，你們卻有機(jī)會(huì)從頭開始，創(chuàng)建一個(gè)從一開始就與技術(shù)緊密相連的機(jī)構(gòu)，并在這里推動(dòng)技術(shù)的不斷發(fā)展。這里的人們深知技術(shù)的局限性與潛力。我認(rèn)為，這是一個(gè)千載難逢的機(jī)遇，希望你們能夠緊緊抓住。

沈向洋：我們當(dāng)然會(huì)采納你的建議。香港科技大學(xué)一直以來(lái)在技術(shù)和創(chuàng)新方面有著卓越的表現(xiàn)，不斷推動(dòng)計(jì)算機(jī)科學(xué)、工程、生物學(xué)等領(lǐng)域的前沿發(fā)展。因此，作為香港第三所醫(yī)學(xué)院，我們堅(jiān)信自己能夠走出一條與眾不同的道路，將傳統(tǒng)的醫(yī)學(xué)培訓(xùn)與我們?cè)诩夹g(shù)研究方面的優(yōu)勢(shì)相結(jié)合。我確信，未來(lái)我們還會(huì)向你尋求更多的建議。不過，我想稍微改變一下話題，談?wù)勵(lì)I(lǐng)導(dǎo)力。你是硅谷任期最長(zhǎng)的CEO之一，可能已經(jīng)遠(yuǎn)超其他人，擔(dān)任英偉達(dá)CEO的時(shí)間已經(jīng)長(zhǎng)達(dá)30年或31年之久了吧？

黃仁勛：差不多32年了！

沈向洋：但你似乎從未感到疲倦。

黃仁勛：不，我其實(shí)感到非常累。今天早上到這里的時(shí)候，我還說超級(jí)累。

沈向洋：但你依然在不斷前行。因此，我們當(dāng)然想從你身上學(xué)到一些領(lǐng)導(dǎo)大型組織的經(jīng)驗(yàn)。你是如何領(lǐng)導(dǎo)英偉達(dá)這樣一個(gè)龐大組織的？它擁有數(shù)萬(wàn)名員工、驚人的收入和大量的客戶，覆蓋面極廣。你是如何做到以如此驚人的效率領(lǐng)導(dǎo)這樣一個(gè)大型組織的？

黃仁勛：今天我想說，我感到非常驚訝。通常情況下，你只會(huì)看到計(jì)算生物學(xué)家或者商科學(xué)生，但今天我們看到的計(jì)算生物學(xué)家同時(shí)也是商科學(xué)生，這真是太棒了。我從未上過任何商業(yè)課程，也從未寫過商業(yè)計(jì)劃書，我完全不知道如何下手。我依賴于你們所有人來(lái)給予我?guī)椭?/p>

我要告訴你們的是，首先你們要盡可能多地去學(xué)習(xí)，而我也一直在不斷學(xué)習(xí)。其次，關(guān)于你們想全身心投入并視為一生事業(yè)的任何事情，最重要的是熱愛。將你所做的任何事情都視為你畢生的事業(yè)，而不是你的工作，我認(rèn)為這種思維方式會(huì)在你的心中產(chǎn)生很大的不同。英偉達(dá)就是我的事業(yè)。

如果你想成為一家公司的CEO，你有很多東西要學(xué)，你必須不斷地重塑自己。世界一直在變化，你的公司和技術(shù)也一直在變化。你今天所知道的一切，將來(lái)都會(huì)有用，但還遠(yuǎn)遠(yuǎn)不夠，所以我基本上每天都在學(xué)習(xí)。我在乘飛機(jī)過來(lái)的路上，也在看YouTube，在和我的AI聊天。我找了一個(gè)人工智能做導(dǎo)師，問很多問題。AI會(huì)給我一個(gè)答案，我會(huì)問它為什么給出這個(gè)答案，讓它一步步地告訴我答案，以這種方式向我解釋，將這種推理應(yīng)用到其他事情上，給我一些類比。有很多不同的學(xué)習(xí)方法，我利用AI。所以，有很多學(xué)習(xí)方法，但我要強(qiáng)調(diào)的是，你要不斷學(xué)習(xí)。

關(guān)于擔(dān)任CEO與領(lǐng)導(dǎo)者的心得，我總結(jié)了以下幾點(diǎn)：

首先，身為CEO及領(lǐng)導(dǎo)者，你無(wú)需扮演無(wú)所不知的全能角色。你必須堅(jiān)定地相信自己所追求的目標(biāo)，但這并不等同于你必須對(duì)每個(gè)細(xì)微之處都了如指掌。信心與確定性是兩個(gè)截然不同的概念。在追求目標(biāo)的過程中，你可以滿懷信心地前進(jìn)，同時(shí)開放心態(tài)，欣然接受并擁抱其中的不確定性。這種不確定性實(shí)際上為你提供了持續(xù)學(xué)習(xí)、不斷成長(zhǎng)的空間。因此，要學(xué)會(huì)從不確定性中汲取力量，視其為推動(dòng)你前行的朋友而非敵人。

其次，領(lǐng)導(dǎo)者確實(shí)需要展現(xiàn)出堅(jiān)韌不拔的一面，因?yàn)橹車性S多人都在仰仗你的力量，并從你的堅(jiān)定中汲取勇氣。然而，堅(jiān)韌并不意味著你必須時(shí)刻隱藏自己的脆弱。在需要幫助時(shí)，不妨勇敢地尋求他人的支持。我始終秉持這一理念，無(wú)數(shù)次地向他人坦誠(chéng)求助。脆弱并非軟弱的表現(xiàn)，不確定性也不是信心的缺失。在這個(gè)復(fù)雜多變的世界中，你既可以堅(jiān)強(qiáng)自信地面對(duì)挑戰(zhàn)，也可以誠(chéng)實(shí)地接納自己的脆弱和不確定性。

再者，作為領(lǐng)導(dǎo)者，你的決策應(yīng)始終圍繞使命展開，以他人的福祉和成功為考量。只有當(dāng)你的決策真正有利于他人時(shí)，你才能贏得他們的信任與尊重。無(wú)論是公司內(nèi)部員工、合作伙伴，還是我們服務(wù)的整個(gè)生態(tài)體系，我始終在思考如何促進(jìn)他們的成功，如何保障他們的利益。在決策過程中，我總是以他人的最佳利益為出發(fā)點(diǎn)，以此作為我們行動(dòng)的指南。我認(rèn)為這些可能很有幫助。

沈向洋：關(guān)于團(tuán)隊(duì)合作，我有個(gè)很感興趣的問題想請(qǐng)教。你有60位直接下屬需要向你匯報(bào)工作，那么你的員工會(huì)議是如何進(jìn)行的？你是如何有效地管理這么多高層管理人員的？這似乎體現(xiàn)了你獨(dú)特的領(lǐng)導(dǎo)風(fēng)格。

黃仁勛：關(guān)鍵在于保持透明度。我會(huì)在大家面前明確地闡述我們的理由、目標(biāo)以及我們需要采取的行動(dòng)，我們一起協(xié)作制定策略。無(wú)論是什么樣的策略，每個(gè)人都會(huì)在同一時(shí)間聽到。因?yàn)樗麄兌家黄饏⑴c了制定計(jì)劃，所以當(dāng)公司要決定什么事情時(shí)，都是大家一起商量好的，不是我一個(gè)人說了算，也不是我告訴他們要怎么做。

我們共同討論，共同得出結(jié)論。我的職責(zé)就是確保每個(gè)人都接收到了同樣的信息。我通常是最后一個(gè)發(fā)言的人，基于我們的討論結(jié)果，來(lái)明確方向和優(yōu)先級(jí)。如果存在任何不明確的地方，我會(huì)消除這些疑慮。一旦我們達(dá)成共識(shí)，都理解了策略，我就會(huì)基于大家都是成年人的事實(shí)來(lái)推進(jìn)工作。我之前提到的關(guān)于我的行為準(zhǔn)則——不斷學(xué)習(xí)、自信但擁抱不確定性——如果我不清楚，或者他們不清楚某些事情，我希望他們能夠主動(dòng)說出來(lái)。如果他們需要幫助，我希望他們能夠向我們尋求支持。在這里，沒有人會(huì)獨(dú)自面對(duì)失敗。

然后，當(dāng)其他人看到我的行為模式——作為CEO、作為領(lǐng)導(dǎo)者，我可以展現(xiàn)脆弱的一面，我可以尋求幫助，我可以承認(rèn)不確定性，我可以犯錯(cuò)——他們就會(huì)明白他們同樣可以這樣做。我所期望的就是，如果他們需要幫助，就勇敢地說出來(lái)。但除此之外，我的團(tuán)隊(duì)有60個(gè)人，他們都是各自領(lǐng)域的頂尖人才。在大多數(shù)情況下，他們并不需要我的幫助。

沈向洋：我必須說，你的管理方法確實(shí)成效顯著。你在學(xué)位授予儀式上的演講讓我記憶猶新，你提及了香港科技大學(xué)的諸多數(shù)據(jù)，特別是校友創(chuàng)立的初創(chuàng)公司數(shù)量，以及我們學(xué)校培育出的獨(dú)角獸企業(yè)和上市企業(yè)數(shù)量。這所大學(xué)確實(shí)以孕育新企業(yè)家和公司而著稱。然而，即便在這樣的環(huán)境下，我們今天仍有許多碩士生在此深造。你和你的團(tuán)隊(duì)在非常年輕的時(shí)候便創(chuàng)立了自己的公司，并取得了今天這樣令人矚目的成功。那么，對(duì)于我們的學(xué)生和教職員工，你有什么建議呢？他們應(yīng)該在何時(shí)、為何開啟自己的事業(yè)？除了你曾經(jīng)向妻子許下在30歲前創(chuàng)辦公司的那個(gè)，你還有其他的建議嗎？

黃仁勛：那確實(shí)是我用來(lái)搭訕的小手段，并非真有其意。我16歲上大學(xué)，17歲時(shí)遇到了我的妻子，那時(shí)她19歲。作為班上最小的學(xué)生，面對(duì)250名同學(xué)中只有三個(gè)女孩的情況，而我又顯得像個(gè)孩子，所以必須學(xué)會(huì)一些吸引注意的技巧。我走向她，告訴她，雖然我看起來(lái)年輕，但她對(duì)我的第一印象肯定是我很聰明。于是，我鼓起勇氣說：“你想看看我的作業(yè)嗎？”

接著，我向她許下了一個(gè)承諾，我說：“如果你每個(gè)星期天都和我一起做作業(yè)，我保證你會(huì)得到全優(yōu)的成績(jī)?！本瓦@樣，每個(gè)星期天我們都能約會(huì)，并且一整天都在一起學(xué)習(xí)。為了讓她最終愿意嫁給我，我還告訴她，到我30歲的時(shí)候——那時(shí)我才20歲——我會(huì)成為CEO。我完全不知道自己當(dāng)時(shí)在說些什么。后來(lái)，我們真的結(jié)婚了。所以，這就是我的全部建議，帶著一點(diǎn)幽默和真誠(chéng)。

沈向洋：我從學(xué)生那里收集到一個(gè)問題，他想知道：他在學(xué)校表現(xiàn)優(yōu)異，但需要全神貫注于學(xué)習(xí)。他讀了你的愛情故事后，擔(dān)心如果自己也花時(shí)間談戀愛，會(huì)不會(huì)影響到學(xué)業(yè)。

黃仁勛：我的建議是，絕對(duì)不會(huì)。但前提是，你必須保持優(yōu)異的成績(jī)。她（我的妻子）從未發(fā)現(xiàn)過這個(gè)小秘密，但我一直想讓她覺得我很聰明。所以，在她來(lái)之前，我就先把作業(yè)完成了。等到她來(lái)的時(shí)候，我已經(jīng)知道了所有的答案。她可能一直以為我是個(gè)天才，而且整整四年都是這樣認(rèn)為的。

沈向洋：有一位華盛頓大學(xué)教授在幾年前發(fā)表了一個(gè)觀點(diǎn)，他認(rèn)為在深度學(xué)習(xí)這場(chǎng)革命中，像麻省理工學(xué)院（MIT）這樣的頂尖美國(guó)大學(xué)其實(shí)并沒有做出太多開創(chuàng)性的貢獻(xiàn)。當(dāng)然，他并非僅指MIT，而是指出整個(gè)美國(guó)頂尖大學(xué)在過去十年里的貢獻(xiàn)相對(duì)有限。相反，我們看到像微軟、OpenAI、谷歌的DeepMind這樣的頂尖公司取得了驚人的成果，其中一個(gè)重要原因就是它們擁有強(qiáng)大的計(jì)算能力。那么，面對(duì)這樣的情況，我們應(yīng)該如何應(yīng)對(duì)？是不是應(yīng)該考慮加入英偉達(dá)，或者與英偉達(dá)展開合作？作為我們的新盟友，你能給我們一些建議或者幫助嗎？

黃仁勛：你提到的這個(gè)問題確實(shí)觸及了大學(xué)當(dāng)前面臨的一個(gè)嚴(yán)峻的結(jié)構(gòu)性挑戰(zhàn)。我們都知道，如果沒有機(jī)器學(xué)習(xí)，我們就無(wú)法像今天這樣推動(dòng)科學(xué)研究的快速發(fā)展。而機(jī)器學(xué)習(xí)又離不開強(qiáng)大的計(jì)算支持。這就像研究宇宙離不開射電望遠(yuǎn)鏡，研究基本粒子離不開粒子加速器一樣。沒有這些工具，我們就無(wú)法深入探索未知領(lǐng)域。而今天的“科學(xué)儀器”就是AI超級(jí)計(jì)算機(jī)。

大學(xué)面臨的一個(gè)結(jié)構(gòu)性問題是，研究人員通常都是自己籌集資金，一旦資金到手，他們就不太愿意與他人分享資源。但機(jī)器學(xué)習(xí)有個(gè)特點(diǎn)，就是需要這些高性能計(jì)算機(jī)在某些時(shí)間段內(nèi)被充分利用，而不是一直閑置。沒有人會(huì)一直占用所有資源，但每個(gè)人在某個(gè)時(shí)候都需要巨大的計(jì)算能力。那么，大學(xué)應(yīng)該如何應(yīng)對(duì)這個(gè)挑戰(zhàn)呢？我認(rèn)為，大學(xué)應(yīng)該成為基礎(chǔ)設(shè)施建設(shè)的引領(lǐng)者，通過集中資源來(lái)推動(dòng)全校的研究發(fā)展。但這在像斯坦?；蚬疬@樣的頂尖大學(xué)中實(shí)施起來(lái)非常困難，因?yàn)檫@些大學(xué)的計(jì)算機(jī)科學(xué)研究人員通常能籌集到大量資金，而其他領(lǐng)域的研究人員則相對(duì)困難。

那么，現(xiàn)在的解決辦法是什么呢？我認(rèn)為，大學(xué)若能為全校構(gòu)建基礎(chǔ)設(shè)施，將能有效引領(lǐng)這一領(lǐng)域的變革，并產(chǎn)生深遠(yuǎn)影響。然而，這確實(shí)是大學(xué)當(dāng)前所面臨的一個(gè)結(jié)構(gòu)性難題。正因如此，眾多研究人員才會(huì)選擇前往我們公司、谷歌、微軟等企業(yè)實(shí)習(xí)或進(jìn)行研究，因?yàn)槲覀兡軌蛱峁┰L問先進(jìn)基礎(chǔ)設(shè)施的機(jī)會(huì)。隨后，他們?cè)诜祷馗髯源髮W(xué)時(shí)，會(huì)希望我們能夠保持其研究的活躍性，以便他們繼續(xù)推進(jìn)工作。此外，還有許多教授，包括客座教授，會(huì)在從事教學(xué)工作的同時(shí)，兼顧研究工作。我們公司就聘請(qǐng)了幾位這樣的教授。因此，雖然解決問題的方法多種多樣，但最為根本的，還是大學(xué)需要重新審視并優(yōu)化其研究資助體系。

沈向洋：我有一個(gè)頗具挑戰(zhàn)性的問題想請(qǐng)教你。一方面，我們欣喜地看到計(jì)算能力的顯著提升以及價(jià)格的下降，這無(wú)疑是個(gè)好消息。但另一方面，你們的GPU會(huì)消耗大量能源，有預(yù)測(cè)指出到2030年，全球的能源消耗將大幅度增加。你是否擔(dān)憂，因?yàn)槟銈兊腉PU，世界實(shí)際上在消耗更多的能源？

黃仁勛：我會(huì)這樣回答你，我會(huì)采用逆向思考的方式。首先，我要強(qiáng)調(diào)的是，如果世界因?yàn)闉槿駻I工廠供電而消耗了更多能源，那么當(dāng)這一切發(fā)生時(shí)，我們的世界將會(huì)變得更為美好。現(xiàn)在，讓我為你詳細(xì)闡述幾點(diǎn)。

第一，AI的目標(biāo)并非僅僅在于訓(xùn)練模型，而是在于應(yīng)用這些模型。當(dāng)然，去學(xué)校學(xué)習(xí)，單純?yōu)榱藢W(xué)習(xí)而學(xué)習(xí)，這本身并無(wú)不妥，它是一項(xiàng)崇高且明智的舉措。然而，大多數(shù)學(xué)生來(lái)到這里，他們投入了大量的金錢和時(shí)間，他們的目標(biāo)是未來(lái)能夠取得成功并應(yīng)用所學(xué)的知識(shí)。因此，AI的真正目標(biāo)并非訓(xùn)練，而是推理。推理過程是高度高效的，它能夠發(fā)現(xiàn)新的方式來(lái)儲(chǔ)存二氧化碳，比如在水庫(kù)中；它或許能夠設(shè)計(jì)出新型的風(fēng)力渦輪機(jī)；或許能夠發(fā)現(xiàn)新的電能儲(chǔ)存材料，或者更高效的太陽(yáng)能電池板材料等。所以，我們的目標(biāo)是最終創(chuàng)造出能夠應(yīng)用的AI，而非僅僅訓(xùn)練AI。

第二，我們要牢記，AI并不在意它在哪里進(jìn)行“學(xué)習(xí)”。我們無(wú)需將超級(jí)計(jì)算機(jī)放置在靠近電網(wǎng)的校園內(nèi)。我們應(yīng)該開始考慮將AI超級(jí)計(jì)算機(jī)放置在稍微遠(yuǎn)離電網(wǎng)的地方，讓它們使用可持續(xù)能源，而不是將它們放置在人口密集的區(qū)域。我們要記住，所有的發(fā)電廠原本都是為了滿足我們家庭電器的用電需求而建設(shè)的，比如燈泡、洗碗機(jī)，而現(xiàn)在因?yàn)殡妱?dòng)汽車的普及，電動(dòng)汽車也需要靠近我們。但是，超級(jí)計(jì)算機(jī)并不需要靠近我們的家，它們可以在其他地方進(jìn)行學(xué)習(xí)和運(yùn)算。

第三，我希望看到的是，AI能夠高效、智能地發(fā)現(xiàn)新的科學(xué)成果，以至于我們現(xiàn)有的能源浪費(fèi)問題——無(wú)論是電網(wǎng)的浪費(fèi)問題，電網(wǎng)在大多數(shù)時(shí)候都過度配置，而在少數(shù)時(shí)候又配置不足——我們都能夠通過AI在眾多不同領(lǐng)域來(lái)節(jié)約能源，從我們的浪費(fèi)中節(jié)省能源，并期望最終能夠節(jié)省下20%到30%的能源。這是我的期望和夢(mèng)想，我希望能夠看到，使用能源來(lái)進(jìn)行智能活動(dòng)是我們能夠想象到的最好的能源利用方式。

沈向洋：我完全同意，將能源高效地應(yīng)用于智能活動(dòng)是最佳利用方式。若在某個(gè)地方，如中國(guó)大灣區(qū)（包括深圳、香港、廣東等地）之外制造設(shè)備，其效率往往會(huì)降低，因?yàn)殡y以找到所有必需的組件。以DJI為例，這家本土商業(yè)無(wú)人機(jī)公司擁有令人贊嘆的技術(shù)。我的問題是，當(dāng)智能的物理層面變得日益重要時(shí)，比如機(jī)器人——尤其是自動(dòng)駕駛汽車這一特殊類型的機(jī)器人——你對(duì)這些物理智能實(shí)體在我們生活中快速涌現(xiàn)的趨勢(shì)有何看法？在我們的職場(chǎng)生活中，應(yīng)如何把握并利用大灣區(qū)硬件生態(tài)系統(tǒng)的巨大潛力？

黃仁勛：這對(duì)中國(guó)和整個(gè)大灣區(qū)而言，都是一個(gè)絕佳的機(jī)會(huì)。原因在于，這個(gè)區(qū)域在機(jī)電一體化領(lǐng)域，即機(jī)械與電子技術(shù)的融合方面，已經(jīng)具備了相當(dāng)高的水平。然而，對(duì)于機(jī)器人而言，一個(gè)關(guān)鍵的缺失是理解物理世界的AI。當(dāng)前的大語(yǔ)言模型，例如ChatGPT，擅長(zhǎng)理解認(rèn)知層面的知識(shí)和智能，卻對(duì)物理智能知之甚少。例如，它可能不明白為何放下杯子時(shí)，杯子不會(huì)穿過桌子。因此，我們需要教導(dǎo)AI理解物理智能。

實(shí)際上，我要告訴你的是，我們?cè)谶@方面正取得顯著的進(jìn)展。你可能已經(jīng)看過一些演示，通過生成式AI，可以將文本轉(zhuǎn)化為視頻。我可以生成一個(gè)視頻，開始時(shí)是我的照片，然后給出指令“Jensen，拿起咖啡杯，喝一口”。既然我能通過指令讓AI在視頻中完成動(dòng)作，那么為何不能生成正確的指令來(lái)控制機(jī)械臂完成同樣的動(dòng)作呢？因此，從當(dāng)前的生成式AI到通用機(jī)器人的飛躍，其實(shí)并不遙遠(yuǎn)。我對(duì)這個(gè)領(lǐng)域的前景充滿期待。

有三種機(jī)器人有望實(shí)現(xiàn)大規(guī)模生產(chǎn)，而且?guī)缀鮾H限于這三種。歷史上出現(xiàn)過的其他類型的機(jī)器人都很難實(shí)現(xiàn)大規(guī)模量產(chǎn)。大規(guī)模生產(chǎn)至關(guān)重要，因?yàn)樗茯?qū)動(dòng)技術(shù)飛輪效應(yīng)。高投入的研發(fā)（R&D）能帶來(lái)技術(shù)突破，從而生產(chǎn)出更優(yōu)秀的產(chǎn)品，進(jìn)一步推動(dòng)生產(chǎn)規(guī)模的擴(kuò)大。這個(gè)研發(fā)飛輪對(duì)任何行業(yè)都是關(guān)鍵。

實(shí)際上，雖然只有三種機(jī)器人能真正實(shí)現(xiàn)大規(guī)模生產(chǎn)，但其中兩種將會(huì)成為產(chǎn)量最高的。原因在于，這三種機(jī)器人都能在當(dāng)前世界中部署。我們稱之為“棕色地帶”（即有待重新開發(fā)的領(lǐng)域）。這三種機(jī)器人分別是：汽車，因?yàn)槲覀冊(cè)谶^去150到200年間構(gòu)建了一個(gè)適應(yīng)汽車的世界；其次是無(wú)人機(jī)，因?yàn)樘炜諑缀鯖]有限制；當(dāng)然，產(chǎn)量最大的將是人形機(jī)器人，因?yàn)槲覀優(yōu)樽约簶?gòu)建了一個(gè)世界。憑借這三種類型的機(jī)器人，我們可以將機(jī)器人技術(shù)的應(yīng)用擴(kuò)展到極高的產(chǎn)量，這正是灣區(qū)這樣的制造生態(tài)系統(tǒng)所具備的獨(dú)特優(yōu)勢(shì)。

如果你深入思考，就會(huì)發(fā)現(xiàn)，大灣區(qū)是世界上唯一一個(gè)同時(shí)擁有機(jī)電技術(shù)和人工智能技術(shù)的地區(qū)。在其他地方，這種情況并不存在。另外兩個(gè)機(jī)電工業(yè)強(qiáng)國(guó)是日本和德國(guó)，但遺憾的是，它們?cè)谌斯ぶ悄芗夹g(shù)方面遠(yuǎn)遠(yuǎn)落后，真的需要迎頭趕上。而在這里，我們擁有獨(dú)一無(wú)二的機(jī)會(huì)，我會(huì)緊緊抓住這個(gè)機(jī)遇。

沈向洋：聽到你關(guān)于物理智能和機(jī)器人的看法，我感到非常高興。香港科技大學(xué)在你所描述的這些方面確實(shí)很擅長(zhǎng)。

黃仁勛：人工智能、機(jī)器人技術(shù)和醫(yī)療保健是我們真正需要?jiǎng)?chuàng)新的三個(gè)領(lǐng)域。

沈向洋：的確，隨著我們新醫(yī)學(xué)院的建立，我們將進(jìn)一步推動(dòng)這些領(lǐng)域的發(fā)展。但是，要實(shí)現(xiàn)所有這些美好的事情，我們?nèi)匀恍枰銈兊闹С?，我們需要你們的GPU等資源。

本文為專欄作者授權(quán)創(chuàng)業(yè)邦發(fā)表，版權(quán)歸原作者所有。文章系作者個(gè)人觀點(diǎn)，不代表創(chuàng)業(yè)邦立場(chǎng)，轉(zhuǎn)載請(qǐng)聯(lián)系原作者。如有任何疑問，請(qǐng)聯(lián)系editor@cyzone.cn。