本周，芯片厂商英伟达再度成为科技界最受瞩目的焦点，这家市值超过2万亿美元的公司在2024年GPT技术大会（GTC）上发布了最新的Blackwell架构，将超大型并行计算能力又带上一个新的台阶。作为人工智能底层算力的提供方，英伟达受到业界追捧。OpenAI首席执行官Sam Altman在最近的一次访谈中表示，算力就是人工智能时代下最重要的货币，“一卡难求”成为了当下发展人工智能的现实窘境。在GTC大会的第二天，黄仁勋接受了包括腾讯科技《潜望》在内的媒体采访，他表示，芯片的制造涉及到复杂的产业链，一台包含英伟达CPU和GPT的“超级电脑”包含数万甚至数十万个部件。在回答英伟达与台积电的关系是否过于紧密时，黄仁勋表示，双方的关系还可以更紧密，英伟达与所有合作伙伴的关系还可以变得更紧密。在采访中，他强调了英伟达在未来增长的数据中心市场中将占据更大的份额。他表示，去年该市场的规模就达到了2500亿美元，并且仍在以每年20-25%的速度增长，英伟达将在其中占据更大的份额。他同时对于生成式AI的未来表达了信心，黄仁勋认为，从能耗角度来看，目前传统的检索模式的能耗，实际上要比生成式更大。“包括我和Sam Altman，都相信未来几乎每次与计算机的交互、计算机上显示的每个像素，都将由生成式芯片产生。” 黄仁勋说，“尽管如今的生成式芯片还处于起步阶段，但我们希望通过Blackwell以及未来几代产品在这一领域做出更多贡献。”“未来每个人的计算体验都将变成生成式的，对这一点我并不会感到意外。”黄仁勋说。① 中国大陆市场已经有定制产品L20和H20，已经为相关产品做了最好的性能优化。
②Blackwell系列产品暂时没有报价，接下来会根据成本去定价。
③ 全球数据中心业务目前市场规模大概在2500亿美元左右，英伟达的机会也不仅仅在于芯片，追求的是数据中心业务增长。
④ 英伟达在以色列有3300名员工，会持续在以色列投资，印度和日本应该利用自身数据打造人工智能，而不是出口“原材料”，进口“附加值”。
⑤ 今年、明年对CoWos产能的需求非常大，我们还处在AI和加速计算的初期，未来市场和需求依旧庞大，台积电的技术很好，他们现在的市场地位是实至名归。
Q：请问英伟达今天发布的这些产品卖到中国的价格会是多少，如果可能的话，能否透露一些英伟达在中国大陆市场的定制产品计划？黄仁勋：现在展示的就是我们今天发布的所有产品，不管会向中国大陆市场出口哪些具体的SKU，也都会销往全球。关于中国大陆市场，我们提供了L20和H20等产品，我们也在为这些版本做最好的性能优化。Q：你在主题演讲中提到，NVIDIA AI Foundry正与许多企业合作，能告诉我们更多关于你的总体战略和目标吗?黄仁勋：AI Foundry不是一个软件工具，它的目标是构建软件。NVIDIA始终是一家软件公司。我们很久以前创建的最重要的软件之一叫做Cg，后来成为RTS，另一个非常重要的软件叫做cuDNN，cuDNN是AI的库，我们有各种不同的库。未来的库是一个微服务，因为未来的库不仅用数学来描述，还用AI来描述。所以这些库，我们过去称之为Cu，有cuBLAS、cuFFT、cuSPARSE等各种库，未来将是NIMS。这些NIMS是超级复杂的软件，你只需访问我们的AI网站，就可以直接使用它，或者下载它并带到另一个云，或者下载并在你的计算机上运行。它足够小，可以在你的PC、工作站、数据中心运行，我们会打造NIMS，使其性能非常好。所以这是一种使用NVIDIA库的新方式。当企业运行这些库时，我们有一个你可以许可的操作系统，该操作系统每GPU每年4500美元。只要你愿意，你可以在上面运行任意多的模型。Q：你提到旗舰产品价格在3-4万美元之间，但没有明确具体是哪一款，现在能提供定价吗？你之前说数据中心业务市值2500亿美元，英伟达的占比会更高，能否详细说明一下英伟达的市场占比？黄仁勋：关于价格问题，我们现在还没有具体的报价，但很显然，我们并不是单纯的销售芯片。搭载Blackwell芯片的不同系统，价格显然是不同的，而且这些系统当中不仅仅只有Blackwell芯片，也包括了NVLink技术。接下来我们会根据技术成本给不同的产品定价，英伟达不制造芯片，它提供的是数据中心产品。你可以关注我给大家展示的PPT最后一页，我给大家展示的东西，显然不是芯片。我们开发了大量的软件，为了打造数据中心产品，我们几乎做了所有相关的工作，包括英伟达自身也在建设数据中心，我们希望通过这种尝试让数据中心尽可能的高效，然后再将其拆分成不同的规格，以让客户们能够更好地决定如何选购数据中心产品，因为客户的网络、存储、控制面板、安全性需求都会有差异，至少在运行管理上都是不同的。我们会和客户合作，尝试将这些产品整合到客户的系统当中，我们也组建了相关团队，这与过去买卖芯片的生意是不同的。我们实际上是在设计数据中心，将我们的数据中心整合到其他企业的数据中心当中，这才是我们的商业模式。按照这个逻辑，英伟达的机会在哪里？我想英伟达的机会一定不是GPU，这是芯片的机会。你能做GPU，市面上也有大量企业具备这个能力，这与我们追求的数据中心市场是完全不同的。全球数据中心业务目前市场规模大概在2500亿美元左右，现在正在快速的向加速计算转变，目前生成式AI的发展也证实了这样的趋势，这才是我们的机会，英伟达也已经证明这项业务的成功，我认为我们非常有前景。
黄仁勋和腾讯新闻《潜望》硅谷作者纪振宇在现场合影
Q：Sam Altman一直在与整个芯片行业的人探讨扩大AI芯片的规模，你理解他的意图吗？怎么看待他的做法？这对英伟达会产生什么影响？黄仁勋：我认为Sam Altman讨论扩大AI芯片规模的意图主要是因为他看到生成式AI将是一个巨大的市场机会。我同意他的观点，并认为我们需要回到第一性原则来理解这一点。目前，计算机生成图像的过程包括检索、解压缩，并最终显示在屏幕上。尽管业内普遍认为这个过程能耗很低，实际上却相反。每次用户与设备交互，无论是触摸手机还是发出指令，设备都需要连接到数据中心，从中检索和处理数据，这一过程消耗的能量远比人们想象的要多。相比之下，如果我必须每次回答问题都跑到办公室去，而不是直接回答，那无疑会更加耗能。因此，我与你的交流在很大程度上依赖生成式AI，这种方式比传统的基于检索的方式更为高效。未来，我们预见到的是，计算过程将越来越多地采用生成式而非基于检索的模式。这种生成方式不仅需要智能化，还要能够理解上下文等因素。我们，包括我和Sam Altman，都相信未来几乎每次与计算机的交互、计算机上显示的每个像素，都将由生成式芯片产生。尽管如今的生成式芯片还处于起步阶段，但我们希望通过Blackwell以及未来几代产品在这一领域做出更多贡献。如果未来每个人的计算体验都变成了生成式的，我不会感到惊讶，尽管目前尚未实现这一点。因此，这无疑是一个巨大的市场机会，我认为Sam Altman的观点是对的，这对英伟达而言也是一个积极的发展方向。
Q：我们已身处被大语言模型或其他基础模型完全改变的世界，未来我们人人都会拥有自己的基础模型，你怎么看？黄仁勋：问题在于我们如何拥有自己的个人大语言模型。首先得有人，然后通过持续的微调，这是一个相当耗时的过程，接着则是提示词的优化，这涉及到了提示词工程，以及上下文的记忆等等，我的答案是将这些工作进行组合。未来人们可能只需要对少数高权重的参数进行微调，然后聚焦在提示工程、上下文这些工作上，所有这些元素的叠加就是你自己的特殊大模型，它可以部署在某个云服务中，也可以部署在你的个人计算上。Q：在你的演讲之后，AI芯片初创公司Groq在X上发声，说它们的产品还是比你们快，对此有何评论？黄仁勋：（笑）我真的很生气，我对这个芯片并不太了解，但我知道Token生成是非常困难的事情，这还取决于你的模型是什么。Token生成确实很困难，每个模型都需要它自己特定的分区方式，因为transformer并不是每个模型的名称，而是一项技术。每个人谈到的transformer都与transformer技术有关，因为它们的名称中都包含了“transformer”。但它们之间都非常不同，其中一些使用了称为“专家混合模型（Mixture of Experts, MoE）”的技术，而不是前馈网络。有的专家模型混合有两个专家网络（Experts），有的有四个专家网络（Experts）。它们工作的划分方式以及信息如何从一个专家路由到另一个专家的方式都是不同的。因此，每一个这样的模型都需要非常特殊的优化。如果计算机太专一，它被设计来做非常具体的事情，那么它就需要以非常特定的方式去工作，这就变成了一台可配置的计算机，而不是一台可编程的计算机。可配置计算机也有它的用处，但它无法从软件创新的速度中获益。这就是为什么CPU的神奇之处不能被低估的原因。CPU之所以能够持续作为CPU，并且多年来一直超越主板上的这些可配置的东西，原因是非常简单的：因为CPU是可编程的，软件工程师的创造力可以通过CPU得以实现。如果你把它固定在芯片上，那么你就切断了软件工程师的智慧。NVIDIA找到了一种方法，能够从一种非常专门的计算形式中获益：并行计算，大规模多线程，基于流的计算模型，容忍延迟。NVIDIA的处理器有一系列不同的属性，使其性能非常出色。但与此同时，它也是可编程的。如果你留意，从AlexNet开始，实际上只有一种架构持续存在。从AlexNet到所有其他的Net，如ResNet、RNet、PLUSNet、GRU以及强化学习模型，然后是Transformer的出现。有很多不同种类的Transformer以及其他模型，状态空间模型，Transformer与状态空间模型的结合。人们处理上下文、记忆和架构的方法简直太疯狂了。因此，能够让一个模型工作得很好是很重要的。这是一个重要的发现。但最终，AI不是关于芯片模型，而是软件模型。芯片的作用是为了促进软件。我们的任务是促进下一个软件的进步。Q：昨天宣布的NIM等软件带来了哪些增长机会？另外，你在采访中曾提到，未来人们不再需要编码，只需用语言即可表达需求。你是在暗示大家应该掌握这些新的技能吗？黄仁勋：我首先来回答你的第二个问题。我认为人们应当广泛学习各种技能，比如弹钢琴，小提琴可能真的很难，此外，数学、代数、微积分和微分方程等方面的知识同样重要。我认为人们应该尽可能掌握更多的技能，但这并非意味着编程是成为成功人士的必要条件。曾有一段时间，学习编程被广泛提倡，很多行业领袖也有类似的观点，并认为这样能够提高效率。但我认为这种观念是错误的。学习C++等编程语言并不是每个人的必修课，计算机的发展应该帮助降低编程门槛，让更多人能够轻松使用。有一点可能被忽略了，我认为人工智能对社会最大的贡献在于打破了技术壁垒。你不一定要成为C++程序员，你现在可以成为一名提示词工程师。这门槛是大大降低的，就像我妻子和我交流时，她就是一个优秀的提示词工程师，我们之间的沟通非常顺畅。因此，我认为我们都需要学习如何有效地提示人工智能，这与我们学习如何与团队成员沟通并无本质区别。根据你的工作需求和对结果质量的期望，你可能会以不同的方式提示对方。将来，你也会以类似的方式与人工智能互动。根据你对答案的期望程度，你可以采用不同的提示方式提示它。每个人都知道如何使用电脑，但未必了解背后的编程原理。我相信人工智能所实现的伟大成就之一就是缩小了技术门槛，让更多人能够轻松享受科技带来的便利。在YouTube上，你可以看到很多人创作关于人工智能的视频，他们并没有编写任何程序，但却能够利用人工智能创造出有趣的内容。这正是我想要表达的观点。当然，如果企业有需求雇佣程序员，那也是可以的，因为我们在不同领域都需要专业的人才。至于第一个问题，你提到的关于增长的最大机会。我认为我们目前正在建设的两种类型的数据中心为我们提供了巨大的机遇。其中一种是安全且现代化的加速数据中心，另一种是人工智能生成中心，也可以称之为提示生成中心。这是我们最近的重点项目，也是我们认为的长远发展机会。我们的目标是帮助客户构建和利用人工智能。目前市场上已经有很多优秀的人工智能产品被创造出来，但很多企业在实际应用中遇到了困难。有些算法以原始形式存在，很难直接应用于实际场景。因此，我们将积极投入研发，创建一些新的模型，并与一些合作伙伴共同合作。我们会选择最受欢迎的模型，并将它们开源，以便更多人可以使用。然而，仅仅拥有这些可用的、预训练的模型并不足以满足所有需求，用户仍然需要根据自己的需求进行调整，以便更好地适应特定场景。此外，为了确保项目的安全性和可访问性，我们还需要提供一系列服务，这些我们称之为NIM服务。一旦我们完成了这些工作，我们的软件就可以在任何地方运行了。因此，从本质上讲，我们不仅要发明人工智能，还要制造人工智能。通过制造这些人工智能，并将其嵌入到我们的软件中，每个人都可以在自己的产品中使用它们。目前，我们的软件业务已经价值近10亿美元。我相信，制造人工智能将成为一个庞大的业务。Q：你刚提及的技术鸿沟问题，我认为确实存在且可能正在扩大。如今，许多非技术背景的专业人士，如医生、律师、经理以及服务行业的领导者，对于人工智能等新技术带来的变革以及它们将如何引领业务发展的认识并不深刻。他们擅长自己的专业工作，但可能并不清楚这些技术在未来几年内将如何重塑他们的行业。你能给他们什么建议？黄仁勋：在回答你的问题时，我注意到一个现象：参加GTC大会的不仅有计算机行业的公司，更有来自医疗保健、医药、金融服务、制造、工业、消费、广告、汽车、运输以及物流等多个领域的公司。这充分说明，大多数公司并非专注于计算机行业，计算只是他们业务中的一个环节，而他们才是各自行业领域的核心。然而，由于人工智能技术的快速发展，计算机已经变得更容易使用，所以我们已经帮助这些公司跨越了技术鸿沟。无论是医疗保健提供商还是其他行业的公司，现在都有比以往任何时候拥有更大的机会利用人工智能和计算技术来推动他们自己的业务发展。我们看到人工智能领域的初创公司数量正在急剧增长，他们的目标是各个行业。事实上，他们的目标远不止计算机行业。我们可以清晰地看到，各行各业都已经开始认识到我们产品所具备的不可思议的能力，并且他们都有能力去充分利用这些技术。Q：你谈到了在模拟中使用生成式人工智能来大规模训练机器人。但是具体我们不知道如何模拟，特别是当机器人需要从结构化环境转移到像家庭这样的非结构化环境时。所以，我想知道，你认为模拟的极限是什么？当我们达到这些极限时会发生什么？我们如何继续训练机器人?黄仁勋：确实，有几种不同的方式来考虑这个问题。首先，大语言模型为我们提供了一个独特且强大的试验场，用于测试和调整各种想法。这些模型在完全开放和非结构化的环境中运行，这确实带来了一些挑战，但也为我们提供了巨大的创新空间。大语言模型的泛化能力确实令人惊叹。它们不仅能够概括信息，还能根据上下文进行微调。通过几次迭代或者简单的提示，我们可以引导模型理解特定的场景，比如制作煎蛋卷。在这个过程中，我们可以详细描述环境、工具、限制条件等，让模型生成符合要求的文本或指令。然而，这也引发了一系列科学问题。如何更好地利用大语言模型的泛化能力？如何优化提示，使模型更准确地理解我们的意图？此外，模型生成的符号（token）如何与机器人学中的实际操作相结合？这些都是值得深入探讨的问题。你提到的token化对于软件来说确实没有区别，无论是文本还是机器人动作，都可以被转化为token进行处理。这为我们提供了一种统一的方式来描述和操作各种信息。计算机科学家正在解决这个问题，他们确实会不断研究和探索，将各种信息（包括手势、动作等）转化为token，并建立起相应的概括和语境化机制。这样，机器人就能够根据输入的token进行理解和处理，最终输出相应的结果。你提到的强化学习和人类反馈是非常关键的部分。通过大量的问答示例和适当的答案，机器人可以学习到如何根据问题给出合适的回应。这种基于人类反馈的强化学习使得机器人能够不断优化自己的回答，提高准确性和可靠性。你给出的咖啡示例非常生动和形象，它展示了机器人如何通过类比来理解并执行任务。这种类比思维在机器人学中具有重要意义，它使得机器人能够更好地适应各种复杂和多变的环境。最后，你提到了我们大脑对于语言和机器人运动之间区别的局限性。确实，我们往往很难区分这两者，但对于计算机来说，它们只是数字而已。这种认识上的差异使得我们需要更加深入地探索机器人学的本质和可能性。Q：你是如何看待人工智能的幻觉的，特别是在医疗等关键任务中，你必须信息确保100%准确。你认为这个问题可以解决吗？黄仁勋：关于生成式人工智能的幻觉现象，确实是一个需要关注的问题。不过，通过采用检索增强生成的方法，我们可以有效地解决这一问题。检索增强生成强调在生成答案之前，首先进行广泛的网络查询和搜索，以确保答案的准确性和可靠性。这种方法避免了人工智能编造答案的情况，而是直接从网络上读取相关信息。通过对搜索结果的优先级排序和筛选，我们可以选出最准确、最真实的答案来回答你的问题。也许人工智能知道某个网站的某些信息，也许它只知道该网站上的描述，其中有些内容可能是不正确的，所以它会拒绝所有不正确的信息，然后找到最有意义的答案。人工智能会重新描述这个答案给你。所以，这个人工智能实际上是在为你做研究，而不仅仅是在回答你的问题。它首先进行研究，确定哪个答案最好，然后总结给你。这样解释清楚了吗？这根本就不是幻觉，而是在做研究。所以，你现在拥有的这个聊天机器人不仅仅是一个闲聊的机器人，它实际上是一个研究助手，为你总结信息。根据信息的重要性，坚持要求它在回答我的问题之前先进行研究。以下场景不是人工智能的真正意义所在，如果我知道答案是常识，只是不知道确切的答案到底是什么，比如热茶的温度是多少？我不太确定，你可以查一下，这完全没有必要让人工智能来做。Q：我想知道，在构建像Blackwell这样的平台时，你们是如何预估算力需求的。亦或者说，如果目标基本上只是以尽可能快的速度把算力提高到无穷大，你们是如何从功耗和可持续发展的角度来考虑的？黄仁勋：非常感谢你的提问。这个问题的答案很简单。我们必须弄清楚我们的物理极限是什么，我们要尽可能地超越这些物理极限。现在，我们应当如何超越物理极限？超越物理极限的方法是提高能效。所以我们要做的第一件事就是提高能效。正如我昨天展示的那样，过往训练一个1.8万亿参数的模型需使用8000个Hopper GPU，功耗为15兆瓦。相比之下，同样的工作只需要2000个Blackwell GPU即可完成，功耗也降低到了4兆瓦。可以说，Blackwell的能效更高，仅仅是Hopper的十五分之四。因为能效更高，所以我们也可以突破极限。我还向你们展示了我们能够以30倍的速度为大型语言模型生成Token。换种说法，地球上没有东西比它快30倍。我们把速度提高了30倍这一事实表明，我们这样做节省了大量能源，也就是说，生成同等数量的Token只需要三十分之一的能源。能效和成本效率实际上是我们所做的一切的核心。黄仁勋：这样的例子太多了。其中一些让我兴奋是技术原因，还有一些让我兴奋是因为第一次接触到它们。我举一些例子，我对Sora的出现倍感兴奋，我认为Sora非常的神奇。自动驾驶公司Waymo去年展示的技术同样令我感到兴奋。你可以看到我们两年前所做的一些例子，它与文生视频有关。模型必须对物理有敏感的认识。当放下杯子时，杯子会放在桌子的中间；行人会在路面上行走。这些并不遵守物理定律，而是要对物理有所感知。举例来说，预测3公里范围内的天气，所需要的超级计算机的运算量比目前用于天气预测的计算机大2.5万倍。在这种情况，我们就能够预测出极端天气对当地社区的影响。要实现天气的精准预测，就要尽可能多地取样。我们将能效提高了3000倍。我们可以采样1万次而不是一次。因此我们获得正确答案或最可能答案的能力大大提高了。对于生物技术公司来说，能够根据氨基酸序列预测蛋白质形状非常重要，这些公司可以利用这些预测来设计新药、改良作物、可生物降解塑料等各种产品。我们如今可以使用人工智能模型来完成这项工作，不必再使用超级计算机完成它。Q：能否更深入地了解你对药物发现的看法？量子计算能否对药物发现有所帮助？黄仁勋：你知道，英伟达可能是全球最大的不构建量子计算机的量子计算公司。我们这样做的原因是因为我们相信量子计算。量子计算不仅仅是一台量子计算机。当它发生时，量子计算机很可能是一个加速器，有点像是视频加速器。量子计算被用于非常特殊的领域，而且不会适用于所有计算。这就是我们推出CUDA-Q量子计算平台，而不是量子计算机的原因。此外，CUDA Quantum平台能够让我们模拟量子计算机。目前，我们模拟的量子计算速度比量子计算机更快。我们可以用它在量子电路中发送信号，以便算法专家可以开始在量子计算机上工作。我们可以用它来做后量子密码学（Post-Quantum Cryptography），让世界为量子时代的到来做好准备，所有的数据都已经被编码了。我们可以为量子计算做出贡献。我们与全球绝大多数量子计算机公司、研究人员、以及量子计算机制造商合作。可以说，我们信赖量子计算。关于数字生物学，事实上，我们新推出的AI推理微服务NIM全部的感受力都来自我们对数字生物学的研究。Q：能否谈谈英伟达与台积电的关系？在过去几年间，随着封装等问题的复杂性不断增加，你们两家公司间的关系发生了哪些变化？黄仁勋：台积电可能是英伟达最密切的伙伴关系之一。我们做的事情非常困难，但台积电的工作非常出色。台积电在中国台湾省组装我们的设备，考虑到零部件来自全球各国和地区，因此供应链并不简单。台积电做了大量的工作与各个大公司协作，而且这家公司也意识到紧密的协作在未来是必须的。可以说，台积电帮我们解决了一切问题。在设备组装完成之后，还需要第三家公司对它进行测试；然后第四家公司必须将其整合到一个大系统中。你需要一台超级计算机来测试它。为了把它置入数据中心，想象制造车间就是一个巨大的数据中心，可以说，数据供应链的复杂性和变化非常大。我们不仅仅是在制造芯片，单是这个芯片就是一个奇迹。所以当人们问我，你们造的是什么，或者你们如何制造GPU这样的问题时，他们可能认为制造芯片有点像是制造集成电路。但在我看来，GPU不仅仅涉及到硬件制造。因此，台积电对我们非常重要。Q：在英伟达向云业务转移的同时，一些云制造商也开始制造芯片。你对这种趋势有何看法？我的问题有两个部分。首先，大型科技公司生产芯片的事会对你的长期定价策略产生影响吗？其次，英伟达的云战略是什么，尤其是在中国市场，英伟达是否会在中国市场发布VGX？如果不会，英伟达会提供什么解决方案？黄仁勋：众所周知，我们推出了HGX，并把技术出售给了戴尔。戴尔把HGX植入计算机，然后再对外出售。我们这样做的原因是，我们开发了在戴尔设备上运行的软件。我们创造市场需求，把戴尔推给同行。因为戴尔并不像我们一样了解英伟达的技术，我们必须去帮助戴尔创造需求，同时帮助戴尔创建这些系统并为其开发软件。我们的云业务采用了相同的策略。我们与云服务提供商合作，把NVIDIA云放在他们的云中。我们不是一家云计算公司。我们的云被称为VGX云，但实际上是在他们的云服务当中。我们的目标与对待戴尔的目标一样，是让客户使用他们的云服务。所以我们自己开发软件，培养开发人员，我们为使用英伟达架构的云服务提供商创造需求。这与其他公司开发芯片没有任何关系。我们之所以这样做，是因为英伟达是一家计算平台公司，计算平台公司必须培育自己的开发人员。这也是我们召开GTC开发者大会的主要原因。如果我们是一家x86公司，为什么需要召开开发者大会？世界上每个人都使用x86，召开开发者大会是因为我们的架构仍在被接受，它的使用也很复杂，所以我们必须召开GTC大会。DRAMs不需要开发者大会，以太网不需要开发者大会，但像英伟达这样的计算平台需要开发者大会，因为我们需要开发人员。Q：在去年纽约召开的GTC大会上，你曾说通用人工智能将会在五年内出现。你现在是否仍是这种观点？黄仁勋：首先是关于通用人工智能的定义问题，我相信每个人都很难做到这一点。我希望你具体定义一下通用人工智能，这样我们每个人都知道我们什么时候能够实现它。就像是定义圣克拉拉的位置一样，因为它的地理位置非常具体，所有人都知道何时能够到达那里。再比如说，即便是所处的时区不同，我们所有人都知道新年何时会到来。但是通用人工智能有点不太一样。如果我们指定通用人工智能是非常具体的东西，这意味着大量的测试——数学测试、阅读测试、逻辑测试、医学考试、律师考试、经济测试、GMAT、SAT等等。当我说通用人工智能的定义就是它能够通过这一整套测试，而且比超过80%的人都要好，你认为计算机能够在五年内实现这一目标吗？答案当然是肯定的。当我每次回答这个问题时，我对通用人工智能的定义就是这些，但并不是所有人都这么认为。所以究竟什么是通用人工智能，这取决于你们的目标是什么。我的目标是与你们交流，而你们的目标是弄清楚要讲什么故事。所以在我看来，通用人工智能将会在五年内出现。Q：去年你提到有一句非常激进的话，认为将来每个像素都将被“生成”，而不是被“渲染”。你认为我们距离每个像素都在实时帧率下生成的世界还有多远？黄仁勋：我认为在技术上几乎所有事情的S曲线都不会超过十年，十年后，你就在那个S曲线的另一端了。从现在开始到未来五年，一切都在实时发生变化，可能某一段我们都会身处于S曲线十年中的“某两年”。Q：最新财报发布后，你们的市值创下了历史新高，也吸引了日本市场关注。能否分享一下英伟达在扩大日本AI能力方面取得的进展，对于英伟达在日本市场的产品和业务，你有什么期望？黄仁勋：非常感谢你的提问，我认为日本现在更加意识到提高生产力的重要性。我们都知道，当一家公司的生产力提高时，其收益就会提高。收益提高后，我们会雇用更多人。公司变得更有生产力时，我们的收入就会增长，收入增长后，我们就会雇佣更多人，生活质量也会提高。就像许多国家一样，日本也需要提高生产力。人工智能是提高国家生产力的最佳方式，我认为日本也意识到了这一点，并且你们还意识到日本拥有独特的大数据和语言及文化，没有理由仅仅通过第三方收集这些数据后创建人工智能，再导入日本，让日本市场为此付费，这毫无意义，你们应该自己创建人工智能。因此，出于AI主导性的需求，以及国家生产力和企业生产力的考虑，人工智能在日本将变得极为重要。Q：你对以色列员工提供了前所未有的支持，是否会让你面临来自投资者或其他方面的反对意见？英伟达是否计划在以色列扩大业务、开设更多研发中心、收购更多公司？英伟达和以色列的未来会有什么样的合作？黄仁勋：以色列是英伟达最重要的基地之一，在人均计算能力上，以色列是英伟达最大的驻扎地之一。目前，我们在以色列有3300名员工，以色列还汇聚了我们一些最有才华的工程师和我们的重要投资。特别的是，BlackWell架构的其中一种核心技术，也是来自以色列。以色列这个地区对我们来说至关重要，因此，我们将继续在以色列进行大量投资。我们也在西岸招聘员工，支持所有在西岸的巴勒斯坦员工，我们会照顾他们及其家人，保证他们每一个人都能获得帮助。员工需要知道公司是支持他们的，因为一个人只有知道自己拥有牢固的基础，才能充分发挥出自己的工作能力。英伟达是一家强大的公司，我们有着坚实的基础，并且我们对员工给予明确的支持。因此，我们会继续在以色列投资并给予当地员工支持。Q：印度最近承诺通过公私合作伙伴关系获得1万个GPU，英伟达是其中之一吗？此外，印度的人工智能计算能力目前不到世界的2%，你的看法是什么？黄仁勋：如果印度正在购买用于人工智能的GPU，我想就此发表一下我的想法。我认为英伟达制造了非常优秀的人工智能GPU，当你回去时，请告诉大家：第一，我们在这方面做得很好；第二，我对此很感兴趣。如果有人想买一些GPU，我愿意做生意。所以，请传播这个消息：英伟达愿意做生意，我认为人工智能确实是一个巨大的机会。当我去印度时，通常有机会见到莫迪总理。这确实是一件非常非凡的事情，他曾对我说，“Jensen，印度不应该出口面粉进口面包。”这很有道理。为什么要出口“原材料”、进口其“附加值”呢？为什么要出口印度的数据，以便你可以进口“人工智能“呢？我们应该在印度找到它，为它增值，这是第一点。第二点，印度拥有世界上最多的IT专业人员，他们正在重新培训以适应AI。当我与印度的领导人会面时，他们非常清楚，这是他们重新培训自己的最大机会之一。他们将不再只是为公司后室服务的IT，而而是成为在公司前台创造价值的IT。AI被用于工程、营销、销售、财务、业务运营、营销策略等。所有这些都属于前台的工作，而不是后台。印度正寻求进入IT的前台，那里拥有最大的市场机会。Q：我们都知道台积电很关键，尤其是CoWos的产能，大家都希望有更高的产能，有消息说今需求增加了三倍，你怎么看三倍这个数字？黄仁勋：你想要具体的数字？这很有趣。今年我们对CoWos的需求非常大，这是你们想要的答案吗？我们正处于向AI过渡的开始阶段，正处于向AI和加速计算的平台转变的开始阶段。我们只进入了几千亿美元的旅程，这个世界有一万亿美元的计算机。我们处在这段旅程的开始部分，还有很长的路要走。我非常非常有信心台积电会不断增长。他们做了一些艰苦的工作，理应得到现在的位置。他们的技术很棒。人们工作非常努力，他们为通往AI的旅程做好了完美准备。他们的定位非常好。Q：三星或SK海力士，除了HBM业务，其他方面怎么样?黄仁勋：除了HBM业务，三星、SK海力士怎么样，这个问题就好像在问，除了家人之外，台积电怎么样？或者说，你们还想和英伟达合作除了GPU以外的业务吗？实际上，HBM内存非常的复杂，有很高的附加值，我们在这个业务上投入了很多资金。三星的表现非常出色，韩国也制造了世界上大多数的先进产品，但是HBM内存非常复杂，不要将它等同DDR5，这完全不是一回事，它更像逻辑芯片一样。我们和三星的关系非常好，也希望能够更加紧密合作。SK海力士也非常出色，这就是为什么他们在各自的领域成为世界领先的原因。
腾讯科技约 25 分钟