編者按：本文來自微信公眾號 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，英偉達創(chuàng)始人兼首席執(zhí)行官黃仁勛被授予工程學(xué)榮譽博士學(xué)位。授予儀式結(jié)束后，黃仁勛與香港科技大學(xué)校董會主席沈向洋對話，探討關(guān)于技術(shù)、領(lǐng)導(dǎo)力和創(chuàng)業(yè)的故事。

以下為對話全文：

沈向洋：昨晚我輾轉(zhuǎn)難眠，其中一個極為關(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，畢竟昨晚蘋果股價上揚，而英偉達的表現(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，我第一時間詢問妻子英偉達是否挺住了。你在人工智能領(lǐng)域領(lǐng)航已久，能否再談?wù)剬θ斯ぶ悄艿目捶?，以及這項技術(shù)，或是AGI（通用人工智能）可能帶來的影響？

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)、語言、圖像到蛋白質(zhì)序列等多種數(shù)據(jù)的理解時，一場變革性、開創(chuàng)性的能力便應(yīng)運而生了。我們突然間擁有了能夠理解單詞內(nèi)涵的計算機。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，用于多個領(lǐng)域）及語言翻譯器而存在的工具，如今所面對的問題是，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，從而于萬千數(shù)據(jù)中精準(zhǔn)捕捉到關(guān)鍵信息；作為英偉達的芯片設(shè)計師、系統(tǒng)設(shè)計師，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物的能力。許多人都聽你描述過人工智能對社會的驚人影響。那些觀點深深觸動了我，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。進入信息技術(shù)時代，信息的數(shù)量更是爆炸式增長。而今，在這個智能時代，英偉達與人工智能正攜手“制造”智能。你能進一步闡述為何這項工作如此重要嗎？

黃仁勛：從計算機科學(xué)的視角來看，我們重新發(fā)明了整個堆棧。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。提及計算機科學(xué)，軟件開發(fā)自然是不可或缺的一環(huán)，它是如何實現(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)計算法，然后將其轉(zhuǎn)化為代碼，輸入電腦。從Fortran到Pascal，再到C語言和C++，這些編程語言讓我們得以用代碼來表達創(chuàng)意。代碼在CPU上運行得很好，我們向計算機輸入數(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)，計算機能夠識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)向了機器學(xué)習(xí)和機器生成。這不再是簡單的軟件問題，而是涉及到了機器學(xué)習(xí)，它生成神經(jīng)網(wǎng)絡(luò)，并在GPU上進行處理。這一轉(zhuǎn)變，從編碼到機器學(xué)習(xí)，從CPU到GPU，標(biāo)志著一個全新的時代的到來。

而且，由于GPU的功能異常強大，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)所帶來的變革，計算機科學(xué)因此發(fā)生了巨大變化。現(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)？我們都在競相利用機器學(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？這其實是一個大家耳熟能詳?shù)母拍?，即認(rèn)知自動化和解決問題自動化。解決問題的自動化可以歸結(jié)為三個核心概念：觀察并感知環(huán)境，理解并推理環(huán)境，然后提出并執(zhí)行計劃。

例如，在自動駕駛汽車中，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。這其實就是一種數(shù)字司機的表現(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)記出來并告知放射科醫(yī)生。此時，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)字信息的計算機進行交互，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，并最終演化為交流發(fā)電機。他們非常明智地創(chuàng)造了一種“消費者”來消費他們所生產(chǎn)的電力，這些“消費者”包括燈泡、烤面包機等電器設(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“消費者”，它們實際上就像燈泡和烤面包機一樣，是消耗能量的設(shè)備。但想象一下，那些令人驚嘆的、我們所有人都會使用的智能設(shè)備，它們將連接到一個新的工廠。這個工廠曾經(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)的角度來看，我們實際上正在創(chuàng)造一個新的產(chǎn)業(yè)，這個產(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)用于各種不同的場景。我們相信，這個數(shù)字智能產(chǎn)業(yè)的消耗量將是巨大的，而這個行業(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，而這在很大程度上得益于你和英偉達在過去十多年間對該領(lǐng)域的卓越貢獻。摩爾定律在業(yè)界一直備受矚目，而近年來，“黃氏定律”逐漸為人們所熟悉。在早期的計算機行業(yè)中，英特爾提出的摩爾定律曾預(yù)言計算能力每18個月翻倍。然而，在過去10到12年間，特別是在你的引領(lǐng)下，計算能力的增長速度甚至超越了這一預(yù)測，實現(xiàn)了每年翻倍甚至更高速度的增長。

從消費端觀察，大語言模型在過去12年里的計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，計算需求的增長將是一個驚人的數(shù)字——高達100萬倍。這也正是我向他人闡釋英偉達股價在過去10年間上漲300倍原因時的重要論據(jù)?？紤]到計算需求的這一巨大增長，英偉達的股價或許并不顯得高昂。那么，當(dāng)你運用你的“水晶球”預(yù)測未來時，你認(rèn)為在接下來的10年里，我們是否還會見證計算需求再次實現(xiàn)100萬倍的增長呢？

黃仁勛：摩爾定律依賴于兩個核心概念：一是超大規(guī)模集成電路（VLSI）的設(shè)計原理，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間就將半導(dǎo)體的性能提升一倍，大約每一年半就能實現(xiàn)一次性能翻倍，因此每五年性能提升可達10倍，每十年更是能提升100倍。

我們正身處一個趨勢之中：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)自動挖掘知識——是遠(yuǎn)遠(yuǎn)不夠的。正如大學(xué)畢業(yè)是一個至關(guān)重要的里程碑，但它絕不是終點。接下來，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用。簡而言之，后訓(xùn)練就是選定一個特定領(lǐng)域，并致力于對其進行深度鉆研。這就像當(dāng)我們步入職業(yè)生涯后，會進行大量的專業(yè)學(xué)習(xí)和實踐。

而在這之后，我們最終會迎來所謂的“思考”階段，也就是所謂的測試時間計算。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。這可能需要我們進行多次迭代，模擬各種可能的結(jié)果，因為并非所有答案都是可預(yù)測的。因此，我們稱之為思考，且思考的時間越長，答案的質(zhì)量往往越高。而大量的計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€臨界點，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。在這一點上，你需要判斷答案是否真實可靠、是否有意義且明智。我們必須達到這樣一個境界，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)年的時間才能實現(xiàn)。

與此同時，我們?nèi)孕璨粩嗵嵘嬎隳芰?。正如你之前所提到的，過去十年里，我們將計算性能提升了100萬倍。而英偉達的貢獻在于，我們將計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100萬倍時，你的行為習(xí)慣將會發(fā)生根本性的變化。

對于計算，我們的看法也已經(jīng)發(fā)生了翻天覆地的變化，而這正是英偉達有史以來最偉大的成就之一。我們利用機器去學(xué)習(xí)海量的數(shù)據(jù)，這是研究人員無法單獨完成的任務(wù)，而這正是機器學(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)前機遇中應(yīng)如何作為?，F(xiàn)在，一個特別令人興奮的事情是“AI for Science”，而你對此一直抱有極大的熱情。香港科技大學(xué)已經(jīng)投入了大量的計算基礎(chǔ)設(shè)施和GPU資源，我們特別重視推動各院系之間的合作，如物理與計算機科學(xué)、材料科學(xué)與計算機科學(xué)、生物學(xué)與計算機科學(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。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)是首個提交這個提案的高校。那么，對于校長、我本人以及整個大學(xué)而言，你有什么建議？

黃仁勛：首先，我在2018年的超算大會上曾介紹過人工智能，但當(dāng)時遭遇了諸多質(zhì)疑。原因在于，那時的人工智能更像是一個“黑箱”。誠然，時至今日，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。因為我們可以借助問題來探究其思考過程，正如教授們通過提問來洞察學(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，這種模仿對科學(xué)而言是否有價值呢？我認(rèn)為，其價值無可估量。因為在眾多科學(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，但面對大型系統(tǒng)時，我們卻難以模擬和理解。因此，我們無法僅憑第一性原理進行求解，這在計算上存在局限，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)的尺度從納米級開始，時間尺度則跨越納秒至年。在如此寬廣的尺度和時間跨度上，使用傳統(tǒng)求解器是根本無法實現(xiàn)的?，F(xiàn)在的問題是，我們能否利用AI來模擬人體生物學(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算機科學(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)院項目，對于香港科技大學(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)、計算機科學(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)，而這通常會面臨人們對其技術(shù)的懷疑和不信任。然而，你們卻有機會從頭開始，創(chuàng)建一個從一開始就與技術(shù)緊密相連的機構(gòu)，并在這里推動技術(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，這是一個千載難逢的機遇，希望你們能夠緊緊抓住。

沈向洋：我們當(dāng)然會采納你的建議。香港科技大學(xué)一直以來在技術(shù)和創(chuàng)新方面有著卓越的表現(xiàn)，不斷推動計算機科學(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)與我們在技術(shù)研究方面的優(yōu)勢相結(jié)合。我確信，未來我們還會向你尋求更多的建議。不過，我想稍微改變一下話題，談?wù)勵I(lǐng)導(dǎo)力。你是硅谷任期最長的CEO之一，可能已經(jīng)遠(yuǎn)超其他人，擔(dān)任英偉達CEO的時間已經(jīng)長達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，我其實感到非常累。今天早上到這里的時候，我還說超級累。

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。你是如何領(lǐng)導(dǎo)英偉達這樣一個龐大組織的？它擁有數(shù)萬名員工、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，你只會看到計算生物學(xué)家或者商科學(xué)生，但今天我們看到的計算生物學(xué)家同時也是商科學(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)計劃書，我完全不知道如何下手。我依賴于你們所有人來給予我?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)為這種思維方式會在你的心中產(chǎn)生很大的不同。英偉達就是我的事業(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，將來都會有用，但還遠(yuǎn)遠(yuǎn)不夠，所以我基本上每天都在學(xué)習(xí)。我在乘飛機過來的路上，也在看YouTube，在和我的AI聊天。我找了一個人工智能做導(dǎo)師，問很多問題。AI會給我一個答案，我會問它為什么給出這個答案，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：

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

其次，領(lǐng)導(dǎo)者確實需要展現(xiàn)出堅韌不拔的一面，因為周圍有許多人都在仰仗你的力量，并從你的堅定中汲取勇氣。然而，堅韌并不意味著你必須時刻隱藏自己的脆弱。在需要幫助時，不妨勇敢地尋求他人的支持。我始終秉持這一理念，無數(shù)次地向他人坦誠求助。脆弱并非軟弱的表現(xiàn)，不確定性也不是信心的缺失。在這個復(fù)雜多變的世界中，你既可以堅強自信地面對挑戰(zhàn)，也可以誠實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，你才能贏得他們的信任與尊重。無論是公司內(nèi)部員工、合作伙伴，還是我們服務(wù)的整個生態(tài)體系，我始終在思考如何促進他們的成功，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，以此作為我們行動的指南。我認(rèn)為這些可能很有幫助。

沈向洋：關(guān)于團隊合作，我有個很感興趣的問題想請教。你有60位直接下屬需要向你匯報工作，那么你的員工會議是如何進行的？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)了你獨特的領(lǐng)導(dǎo)風(fēng)格。

黃仁勛：關(guān)鍵在于保持透明度。我會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，我們一起協(xié)作制定策略。無論是什么樣的策略，每個人都會在同一時間聽到。因為他們都一起參與了制定計劃，所以當(dāng)公司要決定什么事情時，都是大家一起商量好的，不是我一個人說了算，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)就是確保每個人都接收到了同樣的信息。我通常是最后一個發(fā)言的人，基于我們的討論結(jié)果，來明確方向和優(yōu)先級。如果存在任何不明確的地方，我會消除這些疑慮。一旦我們達成共識，都理解了策略，我就會基于大家都是成年人的事實來推進工作。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說出來。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，沒有人會獨自面對失敗。

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——他們就會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。但除此之外，我的團隊有60個人，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)校培育出的獨角獸企業(yè)和上市企業(yè)數(shù)量。這所大學(xué)確實以孕育新企業(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。你和你的團隊在非常年輕的時候便創(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、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，你還有其他的建議嗎？

黃仁勛：那確實是我用來搭訕的小手段，并非真有其意。我16歲上大學(xué)，17歲時遇到了我的妻子，那時她19歲。作為班上最小的學(xué)生，面對250名同學(xué)中只有三個女孩的情況，而我又顯得像個孩子，所以必須學(xué)會一些吸引注意的技巧。我走向她，告訴她，雖然我看起來年輕，但她對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，我向她許下了一個承諾，我說：“如果你每個星期天都和我一起做作業(yè)，我保證你會得到全優(yōu)的成績?！本瓦@樣，每個星期天我們都能約會，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歲的時候——那時我才20歲——我會成為CEO。我完全不知道自己當(dāng)時在說些什么。后來，我們真的結(jié)婚了。所以，這就是我的全部建議，帶著一點幽默和真誠。

沈向洋：我從學(xué)生那里收集到一個問題，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)心如果自己也花時間談戀愛，會不會影響到學(xué)業(yè)。

黃仁勛：我的建議是，絕對不會。但前提是，你必須保持優(yōu)異的成績。她（我的妻子）從未發(fā)現(xiàn)過這個小秘密，但我一直想讓她覺得我很聰明。所以，在她來之前，我就先把作業(yè)完成了。等到她來的時候，我已經(jīng)知道了所有的答案。她可能一直以為我是個天才，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)表了一個觀點，他認(rèn)為在深度學(xué)習(xí)這場革命中，像麻省理工學(xué)院（MIT）這樣的頂尖美國大學(xué)其實并沒有做出太多開創(chuàng)性的貢獻。當(dāng)然，他并非僅指MIT，而是指出整個美國頂尖大學(xué)在過去十年里的貢獻相對有限。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，其中一個重要原因就是它們擁有強大的計算能力。那么，面對這樣的情況，我們應(yīng)該如何應(yīng)對？是不是應(yīng)該考慮加入英偉達，或者與英偉達展開合作？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：你提到的這個問題確實觸及了大學(xué)當(dāng)前面臨的一個嚴(yán)峻的結(jié)構(gòu)性挑戰(zhàn)。我們都知道，如果沒有機器學(xué)習(xí)，我們就無法像今天這樣推動科學(xué)研究的快速發(fā)展。而機器學(xué)習(xí)又離不開強大的計算支持。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，我們就無法深入探索未知領(lǐng)域。而今天的“科學(xué)儀器”就是AI超級計算機。

大學(xué)面臨的一個結(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。但機器學(xué)習(xí)有個特點，就是需要這些高性能計算機在某些時間段內(nèi)被充分利用，而不是一直閑置。沒有人會一直占用所有資源，但每個人在某個時候都需要巨大的計算能力。那么，大學(xué)應(yīng)該如何應(yīng)對這個挑戰(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，通過集中資源來推動全校的研究發(fā)展。但這在像斯坦?；蚬疬@樣的頂尖大學(xué)中實施起來非常困難，因為這些大學(xué)的計算機科學(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，這確實是大學(xué)當(dāng)前所面臨的一個結(jié)構(gòu)性難題。正因如此，眾多研究人員才會選擇前往我們公司、谷歌、微軟等企業(yè)實習(xí)或進行研究，因為我們能夠提供訪問先進基礎(chǔ)設(shè)施的機會。隨后，他們在返回各自大學(xué)時，會希望我們能夠保持其研究的活躍性，以便他們繼續(xù)推進工作。此外，還有許多教授，包括客座教授，會在從事教學(xué)工作的同時，兼顧研究工作。我們公司就聘請了幾位這樣的教授。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：我有一個頗具挑戰(zhàn)性的問題想請教你。一方面，我們欣喜地看到計算能力的顯著提升以及價格的下降，這無疑是個好消息。但另一方面，你們的GPU會消耗大量能源，有預(yù)測指出到2030年，全球的能源消耗將大幅度增加。你是否擔(dān)憂，因為你們的GPU，世界實際上在消耗更多的能源？

黃仁勛：我會這樣回答你，我會采用逆向思考的方式。首先，我要強調(diào)的是，如果世界因為為全球AI工廠供電而消耗了更多能源，那么當(dāng)這一切發(fā)生時，我們的世界將會變得更為美好?，F(xiàn)在，讓我為你詳細(xì)闡述幾點。

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)，這本身并無不妥，它是一項崇高且明智的舉措。然而，大多數(shù)學(xué)生來到這里，他們投入了大量的金錢和時間，他們的目標(biāo)是未來能夠取得成功并應(yīng)用所學(xué)的知識。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)新的方式來儲存二氧化碳，比如在水庫中；它或許能夠設(shè)計出新型的風(fēng)力渦輪機；或許能夠發(fā)現(xiàn)新的電能儲存材料，或者更高效的太陽能電池板材料等。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行“學(xué)習(xí)”。我們無需將超級計算機放置在靠近電網(wǎng)的校園內(nèi)。我們應(yīng)該開始考慮將AI超級計算機放置在稍微遠(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，而現(xiàn)在因為電動汽車的普及，電動汽車也需要靠近我們。但是，超級計算機并不需要靠近我們的家，它們可以在其他地方進行學(xué)習(xí)和運算。

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)有的能源浪費問題——無論是電網(wǎng)的浪費問題，電網(wǎng)在大多數(shù)時候都過度配置，而在少數(shù)時候又配置不足——我們都能夠通過AI在眾多不同領(lǐng)域來節(jié)約能源，從我們的浪費中節(jié)省能源，并期望最終能夠節(jié)省下20%到30%的能源。這是我的期望和夢想，我希望能夠看到，使用能源來進行智能活動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)用于智能活動是最佳利用方式。若在某個地方，如中國大灣區(qū)（包括深圳、香港、廣東等地）之外制造設(shè)備，其效率往往會降低，因為難以找到所有必需的組件。以DJI為例，這家本土商業(yè)無人機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，比如機器人——尤其是自動駕駛汽車這一特殊類型的機器人——你對這些物理智能實體在我們生活中快速涌現(xiàn)的趨勢有何看法？在我們的職場生活中，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：這對中國和整個大灣區(qū)而言，都是一個絕佳的機會。原因在于，這個區(qū)域在機電一體化領(lǐng)域，即機械與電子技術(shù)的融合方面，已經(jīng)具備了相當(dāng)高的水平。然而，對于機器人而言，一個關(guān)鍵的缺失是理解物理世界的AI。當(dāng)前的大語言模型，例如ChatGPT，擅長理解認(rèn)知層面的知識和智能，卻對物理智能知之甚少。例如，它可能不明白為何放下杯子時，杯子不會穿過桌子。因此，我們需要教導(dǎo)AI理解物理智能。

實際上，我要告訴你的是，我們在這方面正取得顯著的進展。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。我可以生成一個視頻，開始時是我的照片，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在視頻中完成動作，那么為何不能生成正確的指令來控制機械臂完成同樣的動作呢？因此，從當(dāng)前的生成式AI到通用機器人的飛躍，其實并不遙遠(yuǎn)。我對這個領(lǐng)域的前景充滿期待。

有三種機器人有望實現(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)過的其他類型的機器人都很難實現(xiàn)大規(guī)模量產(chǎn)。大規(guī)模生產(chǎn)至關(guān)重要，因為它能驅(qū)動技術(shù)飛輪效應(yīng)。高投入的研發(fā)（R&D）能帶來技術(shù)突破，從而生產(chǎn)出更優(yōu)秀的產(chǎn)品，進一步推動生產(chǎn)規(guī)模的擴大。這個研發(fā)飛輪對任何行業(yè)都是關(guān)鍵。

實際上，雖然只有三種機器人能真正實現(xiàn)大規(guī)模生產(chǎn)，但其中兩種將會成為產(chǎn)量最高的。原因在于，這三種機器人都能在當(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）。這三種機器人分別是：汽車，因為我們在過去150到200年間構(gòu)建了一個適應(yīng)汽車的世界；其次是無人機，因為天空幾乎沒有限制；當(dāng)然，產(chǎn)量最大的將是人形機器人，因為我們?yōu)樽约簶?gòu)建了一個世界。憑借這三種類型的機器人，我們可以將機器人技術(shù)的應(yīng)用擴展到極高的產(chǎn)量，這正是灣區(qū)這樣的制造生態(tài)系統(tǒng)所具備的獨特優(yōu)勢。

如果你深入思考，就會發(fā)現(xiàn)，大灣區(qū)是世界上唯一一個同時擁有機電技術(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。另外兩個機電工業(yè)強國是日本和德國，但遺憾的是，它們在人工智能技術(shù)方面遠(yuǎn)遠(yuǎn)落后，真的需要迎頭趕上。而在這里，我們擁有獨一無二的機會，我會緊緊抓住這個機遇。

沈向洋：聽到你關(guān)于物理智能和機器人的看法，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很擅長。

黃仁勛：人工智能、機器人技術(shù)和醫(yī)療保健是我們真正需要創(chuàng)新的三個領(lǐng)域。

沈向洋：的確，隨著我們新醫(yī)學(xué)院的建立，我們將進一步推動這些領(lǐng)域的發(fā)展。但是，要實現(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。文章系作者個人觀點，不代表創(chuàng)業(yè)邦立場，轉(zhuǎn)載請聯(lián)系原作者。如有任何疑問，請聯(lián)系editor@cyzone.cn。