今天（11月23日），英偉達CEO黃仁勛現(xiàn)身香港，被授予了香港科技大學工程學榮譽博士，隨后，他還與美國國家工程院外籍院士、粵港澳大灣區(qū)數(shù)字經濟研究院創(chuàng)院理事長沈向洋進行了長達1個小時的對話。
非常有趣的是，黃仁勛和沈向洋均穿上了黑色“黃氏夾克”，并向觀眾展示了黑色夾克背后的大字“HKUST”（香港科技大學）。
在對話中，沈向洋詢問了黃仁勛如何看待AGI給世界帶來的影響，以及作為CEO如何管理公司。
以下為黃仁勛與沈向洋對話的全部內容（AI翻譯，人工部分校對）：
沈向洋：昨晚我輾轉難眠，其中一個極為關鍵的原因在于，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。你在人工智能領域領航已久，能否再談談對人工智能的看法，以及這項技術，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，當人工智能網絡能夠學習并掌握從字節(jié)、語言、圖像到蛋白質序列等多種數(shù)據(jù)的理解時，一場變革性、開創(chuàng)性的能力便應運而生了。我們突然間擁有了能夠理解單詞內涵的計算機。得益于生成式AI，信息得以在不同模式間自由轉換，比如從文本到圖像、從蛋白質到文本、從文本到蛋白質，乃至從文本到化學品等。這一原本作為函數(shù)逼近器（Function Approximator，數(shù)學領域的重要概念，用于多個領域）及語言翻譯器而存在的工具，如今所面對的問題是，我們如何能充分利用它？你見證了全球范圍內創(chuàng)業(yè)公司如雨后春筍般涌現(xiàn)，它們結合了這些不同的模型與能力，展現(xiàn)出無限可能。
因此，我認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)中精準捕捉到關鍵信息；作為英偉達的芯片設計師、系統(tǒng)設計師，或是農業(yè)技術人員、氣候科學家、能源領域的研究者，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。回顧歷史，農業(yè)革命讓我們生產出了更多的食物，工業(yè)革命則讓我們的鋼鐵產量大幅提升。進入信息技術時代，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)軟件的方式已經發(fā)生了根本性的變化。提及計算機科學，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)造力構思功能、設計算法，然后將其轉化為代碼，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系。
然而，現(xiàn)在的情況已經有所不同，我們不再依賴于傳統(tǒng)的代碼編寫方式，而是轉向了機器學習和機器生成。這不再是簡單的軟件問題，而是涉及到了機器學習，它生成神經網絡，并在GPU上進行處理。這一轉變，從編碼到機器學習，從CPU到GPU，標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)？我們都在競相利用機器學習去探索新的人工智能領域。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?，即認知自動化和解決問題自動化。解決問題的自動化可以歸結為三個核心概念：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。
黃仁勛：......感知、推理和規(guī)劃可以分解為，例如感知你的車周圍的環(huán)境，推理你的位置，你是什么，以及你周圍所有其他汽車的位置。感知、推理和規(guī)劃可以分解為，例如感知你的車周圍的環(huán)境，推理你的位置，你是什么，以及你周圍所有其他汽車的位置，計劃如何駕駛，所以我剛剛描述了自動駕駛汽車。自動駕駛汽車在一種表現(xiàn)形式中被稱為數(shù)字司機。然后你可以做同樣的事情如CT 掃描，通過觀察你得出結論有些異常，可能是腫瘤之類的，然后你描述給放射科醫(yī)生?，F(xiàn)在你是放射科醫(yī)生了。幾乎所有我們做的事情，你都可以想出一些人工智能，然后執(zhí)行特定的任務。如果我們有足夠的這些數(shù)字代理，這些數(shù)字代理會與計算機交互，生成數(shù)字人工智能。我們所有人對數(shù)據(jù)中心的總消耗使數(shù)據(jù)中心看起來像是在生產一種叫做Tokens的東西，或者我們稱之為Tokens的東西，但除此之外還有數(shù)字智能。所以現(xiàn)在讓我稍微以不同的方式描述一下。
300年前，正如你所知道的，通用電氣公司和西屋公司提出了一種新型機器，這種新型機器被稱為發(fā)電機，最終成為了一臺交流發(fā)電機。他們非常聰明地發(fā)明了一種消費者，消費他們所能生產的電力，當然，消費者會像是燈泡和烤面包機之類的東西，他們創(chuàng)造了各種各樣的數(shù)碼設備或電器，這些設備消耗工廠生產的電力。
看看我們現(xiàn)在在做什么。我們創(chuàng)造了 Copilots 和 ChatGPT，我們創(chuàng)造了所有這些不同的智能，就像是燈泡和烤面包機一樣，還有一些我們所有人都會使用的設備。但你會連接到一個工廠，它曾經是一個交流發(fā)電廠，但是現(xiàn)在是數(shù)字智能工廠。從工業(yè)角度來看，實際上， 我們正在創(chuàng)造一個新的行業(yè)，這個新的行業(yè)吸收能量，生產數(shù)字智能。數(shù)字智能將被各種不同的應用所使用，我們相信他的消耗將是相當大的，這整個行業(yè)以前從未存在過，就像交流發(fā)電業(yè)從未存在過一樣。
沈向洋：這真的非常驚人，Jensen你為我們描述了一個非常光明的未來。我們知道，這在很大程度上是由于您的努力和英偉達在這個領域的貢獻，特別是在過去的12年里。最近人們在討論scaling law，也有以你名字命名的黃氏定律，二者與摩爾定律相比。當然，在競爭行業(yè)的早期英特爾就提出了摩爾定律，即每18個月完計算能力就會翻倍。如果我們看過去的12年，在你的領導下，每年不止只翻一倍。如果從消費市場來看，在過去的12年里，所有大型的語言模型，實際上每一年都是計算需求的四倍多。那么在10年內，這是一個巨大的數(shù)字，實際上是一百萬。這就是我向你解釋為什么英偉達的股票在10年內上漲了300倍的原因。如果你仔細想想，競爭的需求是一百萬倍，股票可能并不是很貴。
我的問題是，當展望未來時，我們是否會看到未來十年的需求增長一百萬倍？
黃仁勛：摩爾定律依賴于兩個概念。一個概念是size scaling，這是因為covermade，康威進行測試，這極大激勵了我這一代人。第二個是xx scaling，恒定電流密度縮放，晶體管的反式耦合收縮使我們有可能使性能翻倍。如果半導體的性能每兩年翻一倍，每一年半翻一倍，那就是每五年翻10倍，每10年翻100倍。
我們現(xiàn)在所經歷的是，你的神經網絡越大，你訓練這個神經網絡的數(shù)據(jù)就越多，人工智能似乎就越智能。這是經驗定律，就像摩爾定律一樣，我們稱之為scaling law 擴展定律，這似乎還在繼續(xù)。但是我們知道，預訓練，僅僅獲取世界上所有數(shù)據(jù)再從中發(fā)現(xiàn)知識是不夠的。就像上大學和大學畢業(yè)一樣，這是一個非常重要的里程碑，但這遠遠不夠。因為還有崗位培訓，就是非常深入地學習某一項技能。崗位培訓需要強化學習的人工反饋、合成數(shù)據(jù)的生成、多路徑的學習，基本上是你現(xiàn)在正在深入到一個特定的領域，并試圖學習一些非常深入的東西。這就是后訓練 post-training。當你選擇一個確定的職業(yè)，你會進行大量的學習，在那之后我們稱之為測試時間定律 test time scaling。有些事情你只是知道答案，你必須把問題一步步分解成每個，試圖為每個原則找到一個解決方案。這可能需要您迭代，需要你模擬各種結果，因為答案是不可預測的。所以我們稱之為思考，你思考的時間越長，答案的質量可能會越高。
我們現(xiàn)在有三個人工智能發(fā)展領域，其中大量的計算將產生更高質量的答案。今天，我們所擁有的答案是我們能提供的最好的，但我們要知道你得到的答案并不是我們提供的最好的。在某種程度上，你仍然需要決定這是否是幻覺？是否有意義？是否明智？我們必須達到這樣一個點，即你得到的答案，你在很大程度上信任他們。
我認為我們離做到這一點還要幾年的時間。同時，我們必須不斷增加我們的算力。你之前說的一件事讓我非常感激，那就是在過去的10年里，我們把性能提高了100萬倍。英偉達的貢獻在于我們將計算的邊際成本降低了一百萬倍。想象一下，如果世界上有什么你可以依賴的東西。它可以是電力，機票，可以是你選擇的任何東西，在過去10年里，我們把成本降低了100萬倍。當某事的成本降低了一百萬倍時，你的習慣會從根本上改變。你對計算的看法也會發(fā)生根本性的變化。這是我們有史以來最大的貢獻，因此使用機器去詳盡地學習大量數(shù)據(jù)是研究人員不會做的事情。這就是為什么機器學習崛起了。
沈向洋：我完全明白你的意思，但是我們這里的一些教授可能稍微不太同意，因為購買GPU 還是需要很多錢。
黃仁勛：想象一下成本增加一百萬倍，我在過年十年給了你們100萬倍的折扣，（現(xiàn)在）實際上是免費的。
沈向洋：Jensen，我想知道你的想法，關于我們在HKUST 應該做什么。在AI 領域，例如AI 技術，AI 基礎設施，GPUs，以及軟件生態(tài)，我們可以選擇做許多事情，現(xiàn)在有一件特別令人興奮的事情，我們稱之為AI for science。你一直在提倡這點。例如，我們在大學投資了相當多的計算基礎設施和應用。校長和我特別鼓勵我們的院系在物理學和計算機科學之間，在材料科學和計算機科學之間，在生物學和計算機科學之間進行合作。
現(xiàn)在在香港發(fā)生的一件非常令人興奮的事情是，我們的政府已經決定 將建造第三所醫(yī)學院，香港科技大學是第一所提交申請的大學?，F(xiàn)在在香港發(fā)生的一件非常令人興奮的事情是，政府已經決定我們將建造第三所醫(yī)學院，香港科技大學是第一所提交申請的大學。對此，你有什么建議？
黃仁勛：首先，我在2018年的世界科學計算大會上介紹了AI 超算，結果遭到了極大的懷疑。原因是在那時AI 像是黑匣子。那時候做不到，但如今你可以問AI，為什么這么建議？告訴我你是如何通過探索過程一步一步得出這個答案的？今天的AI 更透明更有解釋力，你的一組問題可能就像教授探究他們的學生以了解他們的思維過程一樣?；诨谝恍栽韋irst principal，AI不僅能給出答案，而且推理答案的方式是合理的。我們今天可以做到，但在2018年，我們無法做到。因此，它遭到了極大的懷疑。
第二，AI通過觀察數(shù)據(jù)來產生答案。因此，它并不是真的模擬第一性原理解決，而是模擬智能，模擬物理?，F(xiàn)在的問題是，模擬對科學有價值嗎？我認為仿真模擬對科學來說是無價的，原因是在許多科學領域中，我們理解了第一性原理 first principal，我們理解了薛定諤方程，我們理解了麥克斯韋方程，我們理解了很多這樣的方程，但我們無法模擬它，也不能理解大型系統(tǒng)。因此，我們可以使用AI來訓練AI，而不是根據(jù)第一性原理來解決它，讓它在計算上受到限制。我們可以訓練物理學的AI，并用它來模擬非常大的系統(tǒng)，這樣我們就可以理解大規(guī)模的系統(tǒng)。
這在哪將會有用呢？首先，人類生物學的時間尺度從納秒開始，這樣的時間尺度使用原理求解器是根本不可能的。所以現(xiàn)在的問題是，我們能否使用人工智能來模擬人類生物學，以便更好地理解這些非常復雜的多磁盤系統(tǒng)。這樣我們就可以創(chuàng)造一個人體的數(shù)字孿生體。擁有這樣的計算機科學技術，數(shù)字生物學家、氣候科學家以及科學家們就可以處理非常龐大、復雜的規(guī)模問題。
就你提到的醫(yī)院而言，這是很好的一個機會。這里將創(chuàng)建一家醫(yī)院，其原始專業(yè)領域是技術，計算機科學，幾乎所有的醫(yī)院都是這樣。試圖將人工智能和技術融入醫(yī)院，這通常會遭遇懷疑和不信任。因此，你第一次有機會從基礎開始創(chuàng)造一些東西，在那里技術被接受，被推進。在座的各位正在推送基礎技術的發(fā)展，所以你知道它的局限性也知道它的潛力，我認為這是一個非凡的機會，希望你們能好好利用。
沈向洋：謝謝你，Jensen。這所大學一直擅長科技和創(chuàng)新，正在推動計算機科學、工程、生物學和其他領域的前沿。所以我們認為有了香港的第三所醫(yī)學院，我們可以做一些與其他兩所學校不同的事情。我們可以將傳統(tǒng)的醫(yī)學培訓與技術研究站點相結合，并在其中工作。我們將來會聯(lián)系你以獲得更多的建議。
我想問你一些關于領導力的問題。你一直是硅谷任期最長的CEO，32年。我們很想向你學習，你是如何領導這樣一個巨大的組織的？你們有成千上萬的員工，驚人的收入和大量的客戶，你是如何真正做到這一點來領導這樣一個龐大的組織并且打破瓶頸的？
黃仁勛：我很驚訝有像我這樣的計算生物學家和商人。我沒有上過商業(yè)課程就創(chuàng)立了NVIDIA ，直到今天我也沒有上過商業(yè)課程。我從未寫過商業(yè)計劃，我不知道如何寫商業(yè)計劃書，我指望著你們所有人幫我寫業(yè)務計劃。
我想說的是，首先，我認為你應盡可能地學習。我一直在學習。所以，關于做任何你想要奉獻一生的事情，第一件事是認為這是畢生的工作，而不僅是一份工作。我認為這在腦海中有很大的不同。所以英偉達是我畢生的心血，我在一路上學到了很多東西。如果你想成為一家公司的CEO，你有很多東西要學，你必須不斷重塑自己。世界一直在變化， 所以我基本上每天都在學習，就像我飛過來這里一樣，我在看YouTube，或者我在和AI說話，我問了很多問題。它告訴我一個答案，我問你為什么給我這個答案？用這種方式向我解釋，將這種推理應用于其他事物，給我一些類比。我用我的AI，我折磨我的AI來教我，所以，有很多方法可以學習。
我在領導力方面學到了什么？
首先，你是CEO 但是你不必知道任何事。你不必確定，但是你必須對自己做的事充滿信心。信心和確定不是同一個概念。你完全可以自信地追求一個方向，為不確定性留出空間。這種不確定性的空間給了你繼續(xù)學習的機會。不確定性是你的朋友，不是你的敵人。
第二，領導者要強大。很多人都指望你的力量，他們以你的力量為食。然而，強大并不意味著你不能脆弱，這意味著如果你需要幫助，就尋求幫助。所以我不斷尋求幫助。我不知道我來尋求你的幫助多少次了。因此，脆弱并不代表缺乏力量，不確定并不代表缺乏能力。
最后，不要為自己做事，要為其他人做。領導者在做出的每一個決定都符合使命的利益時，從根本上說是值得信賴的，是別人的利益所在。無論是公司內部的人，我的同事，我的合作伙伴，生態(tài)系統(tǒng)，我們服務于我們的供應鏈，思考什么對他們來說是最好的，從他們的最大利益出發(fā)。
沈向洋：你有60個直接下屬，你是怎么做到的？這似乎是你的獨有風格。
黃仁勛：透明，理性。我們需要做的是，我們共同努力想出一個策略。無論策略是什么，每個人都同時聽到，所有人同時通過戰(zhàn)略工作。因此，當公司確定方向、制定戰(zhàn)略、做出決定時，每個人都進行了共同的推理。這并不是我走進了一片森林，然后帶回答案，每個人都在等著我告訴他們該做什么。而是我們對此進行了推理，我們一起得到答案。所以我唯一要做的是，確保我們都聽到了同樣的事情，我通常是最后一個根據(jù)我們所做的一切來描述的人。這是方向，這些是優(yōu)先事項，并確保沒有任何歧義?，F(xiàn)在，一旦我們都團結一致，你知道，我們都明白了策略是什么。
我之前提到的關于我的行為的所有事情，不斷學習，自信，不確定性。我需要他們來表達，需要向我們尋求幫助。當其他人看到同樣的行為，看到CEO 脆弱是可以的，領導者可以尋求幫助，可以不確定，可以犯錯，然后他們都會這樣做。
沈向洋：今天早上當你發(fā)表演講時，我非常印象深刻。你說了關于我們大學的很多數(shù)字，特別是我們校友創(chuàng)辦的創(chuàng)業(yè)公司的數(shù)量，產生獨角獸的數(shù)量，這所大學確實以創(chuàng)造新的企業(yè)而聞名。在你很年輕的時候，你讓公司一路走到今天難以置信的成功，你有什么建議呢？他們應該何時以及為什么開始自己的事情。此外，你確實向你的妻子勞里保證過，到30歲時，你將創(chuàng)辦一家公司，除此之外，你知道什么，有什么建議嗎
黃仁勛：那是我的搭訕之道。我上大學的時候16歲，當我遇到我的妻子時，我17歲，她19歲。所以我是學校里最小的孩子。所以我是學校里最小的孩子。有250名學生和3個女孩，我是唯一一個看起來像孩子的學生，他們都是孩子。
沈向洋：所以你學會了如何在那個時候保持競爭力。
黃仁勛：現(xiàn)在你必須這樣做，你必須學會如何做。你沒有一條好的搭訕線。所以我走到她面前，說，我對她說，我知道我看起來像個孩子，因此我確信她對我的第一印象是我很聰明。否則的話一定是這樣的。所以我知道第一印象是，我很聰明。我走向她，說，你想看我的家庭作業(yè)嗎？然后我向她做出了承諾。我說，如果你每天星期日都和我一起做作業(yè)，我保證你會得全優(yōu)。
結果，我每個星期日都有個約會，讓她整天做作業(yè)。只要確保她最終嫁給了我，到我30歲的時候，我只是想，你知道我現(xiàn)在只有20歲。但是當我30歲的時候，我將成為一名CEO？我不知道我在說什么，哦。然后我們結婚了。然后我們結婚了。這就是我要給的所有建議。
沈向洋：我真的覺得我應該代表我們問一個問題，只要閱讀問題，我們就會明白，這是真的。我沒有使用GPT，否則會更容易。所以問題實際上是，作為大學助理教授，做AI需要大量的計算能力。我們之前已經提到過這一點。有趣的是，這位華盛頓州大學的教授幾年前在推特上說，深度學習革命中明顯缺少的是麻省理工學院，但他并不是說麻省理工學院是頂尖大學，即使在美國，也沒有做出貢獻。在過去十年中，有太多的開創(chuàng)性論文。相反，你的公司，微軟，谷歌OpenAI，以及那些頂尖公司都做出了驚人的工作，部分原因是因為他們實際上有足夠的算力。所以，我們的教授們提出了問題，你知道，我們應該做什么，我們應該加入英偉達還是？或者我們可以與英偉達合作嗎？
黃仁勛：你問題的核心實際上是一個非常非常嚴肅的結構性問題，大學的結構性問題。如你所知，在未來，沒有機器學習就無法以我們所談論的規(guī)模推進科學。沒有機器，機器學習是不可能的。這和你不打算在沒有射電望遠鏡的情況下研究宇宙沒有什么不同。如果沒有某種你知道的粒子加速器，你就無法開始研究世界積木的結構。你不會用我們的科學和超級計算機開始這些事情。AI超級計算機是大學的結構問題。每一位私家偵探，每一項研究。因此，一旦他們籌集了資金，他們就不想與其他人分享。但是機器學習的工作方式是，那臺機器只能在一部分時間內工作，而你只需要在一小部分時間內全部工作。
沒有人永遠需要所有東西，但他們需要一些巨大的東西一段時間。所以事實證明，為了讓大學推進研究，你必須齊心協(xié)力。每個人都很困難，像斯坦?；蚬疬@樣的大學，或者這里的研究人員正在為計算機科學進行研究，研究和資助，當有人在氣候科學或海洋標志等領域工作時，可以籌集很多錢。非常困難。所以現(xiàn)在的問題是該怎么做？
我認為這是大學可以通過建立所有學校都可以使用的基礎設施來產生真正影響的地方。這就是結構性挑戰(zhàn)，如果這就是為什么這么多研究人員來到我們、谷歌和微軟這樣的公司實習的原因，正如你所知道的，我們做你的研究是因為我們可以訪問基礎設施。然后你回到學校一段時間，要求我們繼續(xù)你的研究。
在我們的系統(tǒng)中，當你回來時，你可以拿起它，或者許多教授，客座教授做研究，兼職而他們還在教學，對嗎？我們有幾個這樣的所以有很多方法可以解決這個問題。最好的方法是以某種方式思考它是如何資助你的。
沈向洋：這是一個非常好的建議。而我，尤其是今天的觀眾。所以我們這里有孫東教授，他管理著我們政府的技術創(chuàng)新和產業(yè)部門，他在為AI提供資金方面給予了極大的支持。事實上，孫教授實際上支持香港的這個生成式AI中心。
但我確實想問你一個具有挑戰(zhàn)性的問題，一方面是我們非常非常高興競爭能力繼續(xù)顯著增加，價格正在下降，這更好。但與此同時，你的GPU將消耗如此多的能量，如此多的能量。而且有一些預測，你知道，就像在30號，世界上的能源消耗將增加30%。你擔心因為你的GPU 會消耗能量嗎？
黃仁勛：我要告訴你，我要倒推。我要做的第一件事是，我要做出這樣的聲明: 如果世界使用更多的能源來為世界的AI工廠提供動力，那么我們的世界就會變得更美好。當這種情況發(fā)生時，讓我解釋一下幾件事情。因為AI的目標不是訓練模型，AI的目標是使用模型。你的許多目標的目標，有些人，為了目標而上學并沒有錯，只為了上學的目標，為了學習而學習。
當它實際上是非常明智的事情時，這是一件正常的事情。然而，大多數(shù)學生來到這里，投入了大量的資金，投入了大量的時間，你的目標是在以后成功地應用你的知識。因此，AI的目標不是為了訓練。AI的目標是推理非常高效，它可以發(fā)現(xiàn)儲存二氧化碳的新方法。我們所有的發(fā)電廠都是為電器而建的我們需要靠近我們的房子。我們房子附近的燈泡。你的洗碗機離我們家很近。
現(xiàn)在，由于電動汽車的存在，電動汽車靠近房屋。但超級計算機必須離我們家很近。它可以在其他地方學習。最后，我希望發(fā)生的是AI能夠如此高效和聰明地發(fā)現(xiàn)新科學，無論是浪費電網，供電更多，電網過度供應，大部分時間只提供部分時間。時間大多超過規(guī)定。
因此，我們應該在許多不同的領域使用AI來節(jié)約能源，將其從廢物中取出，我們希望它能被它最終節(jié)省的20、30% 所取代。這就是我的希望和夢想。這是我們都看到的嗎？使用能源或智力，是我們所能做到的最佳利用能源。
沈向洋：我當然同意將能源用于智能是使用能源的最佳方式。談到情報，我想回到智能的話題上來，就像你知道的，大灣區(qū)，這個地區(qū)，香港新津，廣州，東莞，這個地區(qū)，我們都住在大灣區(qū)，所以多年來已經變得真正的樣子。大型硬件生態(tài)系統(tǒng)。你這么說。如果你現(xiàn)在建造任何有趣的小工具，如果你不以巨大的價值建造它，投資就無法簡單地找到所有這些組件。
當然，一個很好的例子是，這里的dj公司是無人機商業(yè)無人機公司。令人難以置信的技術。所以我的問題實際上是，當我們考慮智能時，物理方面將變得越來越重要，機器人技術。我認為，越來越多的機器人，當然，這種特殊類型的機器人實際上被稱為自動駕駛車輛，自動駕駛汽車。那么，你的觀點是什么？我們能夠多快地在我們的生活和工人的生活中看到這些身體智能？我們應該如何考慮和利用這個網格B區(qū)域硬件生態(tài)系統(tǒng)？
黃仁勛：這對中國來說只是一個非凡的機會，在這個地區(qū)。其原因是因為，這個大灣區(qū)，整個地區(qū)在機械技術和電子技術之間的交叉點上表現(xiàn)出色。當然，對于機器人來說，缺少的是能夠理解物理世界的人工智能，但今天的ChatGPT或大型語言模型理解這認知的整體的，但它不理解物理智能。它不一定理解，當我設置集合、切割時，它不會穿過那張桌子。
因此，我們需要教人工智能如何理解身體智能。好的，讓我展示一下我們正在取得良好進展的事實。嗯，我所看到的演示之一是使用Gens AI文本生成，我可以肯定地生成一個視頻，該視頻以我自己的照片開始，然后你提示，Jensen，拿起咖啡杯并喝一口。好吧，如果我能提示AI去選擇主題，我就生成令牌，比如機械手臂選擇的原因。
因此，與我們現(xiàn)在所處的位置差距非常接近，當生成式人工智能和通用機器人時。有三種類型的機器人被制造出來，幾乎只有我們歷史上看到的所有其他類型的機器人。你知道，機器人已經存在很長時間了，但是很難大規(guī)模地擴展。
規(guī)模化生產非常重要，因為您需要技術飛輪，高產量可以讓您產生高R和DS，這可以讓您取得巨大的技術突破，制造更好的產品，從而使產量更高。所以飛輪，RD飛輪對于只有三個機器人至關重要。你真的可以做到這一點，但其中兩個將是最高的。
原因是這三個機器人都被部署到這個世界上，我們稱之為棕色野外部署，而這三個是汽車，因為我們在過去的200到50年里創(chuàng)造了一個汽車的世界。第二個，無人機，你知道，天空是相當無限的，最大的體積，當然，是人類發(fā)現(xiàn)這是因為我們?yōu)樽约簞?chuàng)造了世界。有了這三種類型的機器人，我們幾乎可以將觀眾擴展到高容量。
這就是像這樣的制造生態(tài)系統(tǒng)在一秒鐘內真正擁有的優(yōu)勢之一。這個偉大的海灣地區(qū)是世界上唯一同時擁有megatronic技術和AI技術的地區(qū)。在其他地方不是這樣的。在其他地方不是這樣的。挑選你的另一個。挑選你的另一個。另外兩個大型的巨型電子設備，即日本和德國，但不幸的是，它們在AI方面遠遠落后。他們真的需要趕上來。這不是真的。因此，這真的是一個非常獨特的機會，我們真的很傾向于它。
沈向洋：是的，我仍然需要以年輕人的觀點來看待身體智能和機器人將會發(fā)生什么。這所大學實際上很擅長描述。我敢肯定，我們很大，很大的障礙，你知道，我們有其他的優(yōu)勢與不同的公司合作，不同的是他是政府。我敢肯定，我們很大，很大的障礙，你知道，我們有其他的優(yōu)勢與不同的公司合作，不同的是他是政府。就在幾天前，我與深圳市市長以及管理該市技術的張先生進行了交談。我只是很高興在綠灣地區(qū)見到你，特別是在罪惡之城，這實際上是一個秘密。
館，硬件，軟件速度，你到兩個，一個不知道為什么的點，你知道，這對這個地區(qū)來說是一個很好的機會，你知道，對我們的大學來說。餐館，硬件，軟件速度，你到兩個，一個不知道為什么的點，你知道，這對這個地區(qū)來說是一個很好的機會，你知道，對我們的大學來說。
黃仁勛：但我不知道從我讀到的關于你們在這里所做的工作以及我的學校自從我成為校友以來所做的工作中選出的天才是誰。我現(xiàn)在可以把你所有的好決策歸功于你，但是人工智能、機器人和醫(yī)療保?。亢冒?，我們是該地區(qū)真正創(chuàng)新的完美之樹。
沈向洋：是的，我們將進一步推動醫(yī)學院。對于所有這些，我們仍然需要你的支持，我們需要你的GPU。
本文來自網易科技報道，更多資訊和深度內容，關注我們。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
