最近，美国IT解决方案领导者WWT公司公布了一段内部活动视频，引发广泛关注。这段拍摄于2024年底的对话中，刚结束亚洲之行的Nvidia CEO黄仁勋发表了对AI技术演进的深刻见解。时值2025年初起，当中国AI企业DeepSeek以低成本高性能的创新模式搅动全球AI格局之际，这场对话显得格外意味深长。

"我们正在重新发明计算机，这是自1964年IBM System/360问世以来的第一次大变革，"黄仁勋开门见山地表示。就在DeepSeek凭借创新的低成本模型架构挑战OpenAI、谷歌、微软等科技巨头"高投入即高产出"范式的当下，黄仁勋提出的观点格外引人深思。

他指出："过去十年里，我们所做的努力让计算性能提升了一百万倍。如果你能在更大规模或更高速度下去做某件事，你看待世界的方式就会发生转变。"更具前瞻性的是，他强调要"把'智能'的边际成本降到几乎为零，意味着即使很贫困的人也能负担得起。"这一愿景与DeepSeek探索的低成本AI创新路线不谋而合，为我们展现了AI发展的全新可能。

一、谈计算机架构的改变历史

主持人： 那也许你可以先谈谈过去、现在和未来。我知道这涵盖很多内容，可我们都知道，这些年变化非常之快。你领导英伟达已经超过30年了，但就算只看过去三四年，我们也能感受到极其巨大的转变。或许你能从你的角度告诉我们，这些年到底发生了怎样的变化，为什么会有这些转变，我们现在所处的阶段又是什么，以及你认为未来将走向何方。我知道这问题非常庞大，我们也可以随时分段讨论，如果需要我也可以补充一些看法。不过，说实话，大家更想听你来谈。所以请你给我们讲讲你对过去、现在和未来的想法。

黄仁勋： 好的，现在确实是一个不同寻常的时代。我们正在重新发明计算机，这还是自1964年IBM System/360问世以来的第一次大变革。IBM System/360的架构可以说是有史以来最著名的计算机，也因此造就了那个时代最具价值的公司——IBM。System/360所引入的理念包括中央处理器、多任务处理、软件与硬件的分离（通过操作系统这个中间层）、IO子系统、架构兼容性、家族兼容性等等。所有这些现在支撑着现代计算机行业运作的概念，几乎都在1964年的那场发布会上被提出，实在令人惊叹。然而，这套基础体系大约在十年前就开始遇到瓶颈。我们之所以创建公司，就是想发明一种全新的计算方式，因为我们预见到通用计算（general-purpose computing）会遇到发展瓶颈。而我们研发出的新方法有一个好处：当你创造出强大的计算技术时，就能有效降低计算的成本。如果你们听说过‘摩尔定律’，就知道它在过去几十年里是一股令人难以置信的技术推动力，几乎塑造了现代科技产业的格局。

根据摩尔定律，性能每隔大约一年半就会翻一番；换个更容易理解的说法，就是每五年提升十倍。如果每五年提升十倍，那么每十年就是提升一百倍。所以，摩尔定律让计算性能大约每十年提升一百倍。把这个换算过来理解，就是不断下降的成本带来了技术的繁荣。正是因为我们这个行业让计算成本在十年内下降到原来的百分之一，这才使得今天每个人口袋里都能有一台超级计算机——例如iPhone。但在过去十年里，我们所做的努力让计算性能提升了一百万倍。和过去的“一百倍”相比，“一百万倍”就非常巨大了。你可以想象，如果去某个地方的速度一下子快了十万倍甚至十倍，你对问题的看法都会彻底改变；或者举个例子，如果你要举起某个东西，而它突然变得比原来轻了一万倍，那么你对这件事物的思考方式也会完全不同。如果你能在更大规模或更高速度下去做某件事，你看待世界的方式就会发生转变。

也正是这样的大幅提升让我们能够发明一种叫‘机器学习’的新型软件方法。它的核心理念就是：你只要把所有观测到的数据都输入给一台计算机，这台大小相当于这个房间的计算机就能学习世界上所有的数据，然后告诉你：‘好啦，我已经搞明白世界是如何运作的了。’ 这就是ChatGPT所做的事情——它把互联网上几乎所有的数据都拿来学习，持续数月，不断寻找模式与关系，最终学会了理解文字、词汇、语法结构等。然后，你再给它同时输入多种语言，它就可以推断并相互关联，比如‘dog’和法语中的‘chien’其实是同一个意思。它不仅学会了不同语言的内部结构，也能把两种语言关联起来，从而完成翻译。这样，我们就构建出了一个‘通用翻译器’。既然它能处理不同的语言，那么假如我们让它去处理图像呢？它可以把图像中那一块像素点所代表的“狗”这一概念，与‘dog’这个单词对应起来。这样一来，当它看到一张狗的图片时就会说‘dog’，而当你输入单词‘dog’时，它就能生成一只狗的图像。这就是Stable Diffusion、Midjourney等模型背后的思路，现在我们也能在视频上实现同样的原理。

接着你可能会问，如果我们能让一个系统学会文字、图像甚至视频，那么如果把各种类型的数字信息都让它学，包括化学分子、蛋白质、视频、三维数据、流体力学等等，又会发生什么呢。“正因为你能够理解所有事物的意义，所以你也能理解蛋白质的意义。你可以对系统说：‘我希望你帮我生成一种蛋白质。’ 然后它就会拿到一连串氨基酸序列，将其转化为蛋白质的三维结构。当你能理解蛋白质的三维结构，就能明白它的功能和用途。这项研究刚刚获得了诺贝尔奖，那就是 DeepMind 的 AlphaFold。我刚刚给你们举了一些例子，说明我们可以用这个方法做什么。但真正的大概念在于：我们如今已经学会了几乎所有事物的“语言”。我们学会了图像的语言、视频的语言、当然还有人类语言以及蛋白质的语言，而且我们可以把它们相互翻译。

对于任何想要创办公司的人来说，我刚才描述的就是一个思路框架：现在你能做些什么过去无法做到的事情？举例来说，你们在座有人从事高尔夫领域。假设你想让一个AI来记录所有人的比赛过程——过去可能需要有人专门去看视频，去找出哪些片段比较有趣，能够讲述一场比赛的故事；但现在，你只需要让AI自己去“观看”视频。它会看完之后告诉你：‘这里很有趣。’ 然后它会生成字幕，甚至可以为你配音，生成文字和语音。就像我之前提到从氨基酸到蛋白质的过程一样，为什么不能从视频到语音呢？‘视频到语音’实际上就好比有一个解说员在讲解某场高尔夫比赛，而且只会谈及那些关键内容。想想看，如果你真的做出了这样一个AI，当你在看比赛视频时，你可以问它：‘嗯，这位选手上一洞打得怎么样？’ AI 会回答你：‘上一洞，Jim 做了什么什么……’ 等等。所以从这个框架来看，你会发现初创公司的“寒武纪大爆发”正在出现。有成百上千乃至数以千计的创业公司正基于这种“翻译”式的理念不断涌现。不过我想强调的核心要点是：我们正在重新发明计算机。以前我们是用编程的方式编写软件，如今我们用机器学习来完成。而且不再是由人类程序员来写软件，而是让计算机自己写。我们不再是‘开发软件’，而是‘用机器学习来创造AI’。这便是我们这个行业正在经历的巨大变革：我们不只是做软件，而是在‘生产智能’。这种‘生产智能’的方式，已经催生了一个全新的产业层，它所能带来的增值规模不只是数十亿，而是以数万亿为单位。这就是我们所创造的奇迹。

二、谈AI 时代的崛起

主持人：  听你这么说真是太让人着迷了。如今 AI 在改变组织运营方式和个人思维模式方面，处于何种状态？未来又会怎样发展？我们还曾聊过一些关于 ‘智能agents’ 的话题，可能每个人都会拥有一个属于自己的智能体，，Jensen，你能谈谈你对这些未来趋势的看法，以及它们会怎样影响企业和个人吗？

黄仁勋： 好，让我们先退一步想想：我们使用 ChatGPT 或者这些大型语言模型时，真正的‘奇迹’是什么？奇迹在于，每一个人都能使用它。这其实就是最神奇的地方：我们所有人都能和它进行交互。那么我们到底在做什么呢？过去我们是用编程的方式来‘指令’计算机，如今我们却是在‘指令’AI，而教AI其实很容易——只要告诉它你想要什么就行。如果你不确定，你就直接让它先试一试；它也可以反过来问你：‘我不太清楚你的意思，你能不能再具体一些？’ 你甚至可以对它说：‘我不知道该怎么告诉你我想要什么，能不能先教教我怎么提问？’ 它也会帮你学会如何正确地询问它，好让它能按你的要求去做。在这个交互过程中，究竟发生了什么？其实我在给一个AI下指令，让它去写一个计算机可以运行的程序，也就是我等于是‘编程’了一个AI去生成我需要的代码。这和你去请一个软件工程师帮忙写同样的程序，并没什么本质区别。只是编程对象可以是任何东西——让它审阅文件、撰写合同，或者帮你计划一次假期，都可以。因此，首先要认识到的一点是：技术门槛被抹平了。以前，能编程的人在全球80亿人口中可能也就1,000万，也就是我们说的极少数专业人群。但现在，我相信在座的所有人都能用 ChatGPT 并且能取得相当不错的效果。这样一来，技术壁垒就不复存在了。

现在，再来一个极端假设：想象一下，未来的‘工作场景’会是什么样子？我自己的日常工作经历可能就是一个例子。我所在的公司是世界上最先进、能力最强的计算机科学企业之一，拥有大约3.2万名员工。我和同事的主要沟通方式，除了面对面以外，更多是通过 Outlook（邮件）来完成的。在 Outlook 上，我能看到很多头像，有些是真人照片，有些是卡通形象。但在未来，其中很多‘头像’可能会变成 AI 的形象。这些 AI 头像可能分别擅长市场活动、销售、客户服务、软件编程、芯片设计、系统工程……也可能有非常出色的机械工程师，他们与其他机械工程师一起协作。我希望能被一群‘超级代理（super agents）’包围——他们能把自己擅长的工作做到极致。这样，我只需提出任何构想或梦想，告诉他们我想实现的目标。过去我要把任务分派给某个人工团队，将来我却可以把任务交给一个‘AI agent’，它再去邀请其他AI或真人——有些是‘生物的’，有些是‘数字的’——组成一个团队，一起制定方案，然后回来向我汇报，就像他们今天在做的那样。我们可以一起把方案分解、优化、执行，最终完成任务。如果你认为那就是未来，那么我们就要一步步反推，想想该如何创造这种未来。

主持人： 我们私下也聊过一些类似的话题，其实我们的团队也和你们有大量合作，做了很多令人兴奋的事情。因为我们目前还处在非常早期的阶段，但这些事情已经开始逐渐成型。或许你能和我们分享一下，你认为未来六个月到几年内，这个趋势会如何演进？所以，能否请你更详细地谈谈你对未来这方面的看法？

黄仁勋： 好啊，但我倒真希望它能替代我现在80%的工作。坦白说，目前我们还没有见过哪个AI或哪个代理能100%取代任何一个人的工作，但我们确实见过很多AI代理可以很好地完成我们工作中80%的部分。要是真能有人（或者说AI）替我做掉80%的事情，我就能再去做更多其它事——这不就是提高生产力的本质吗？‘用更少的投入做更多的事。我们当然希望所有员工都能受益于这样的AI。目前，我们公司内部已经在运用AI来协助写软件、帮助我们设计芯片和系统，只是这些AI大多是‘对内’的，因为它们是在公司内部环境中训练和使用。如果效果不够理想，我们还有一流的工程师可以直接做决策、提供更好的解决方案。现在，随着技术不断进步，我们开始能将AI应用在对外的工作场景，比如市场营销活动、销售活动、客户服务等等。要理解AI，最好的思维模型就是把它当成‘员工’来看待。首先，你要对AI进行‘入职培训’。对于AI来说，这意味着你要把与你的公司、业务相关的大量数据提供给它，包括各种案例。就好比你告诉新员工：‘我们公司说话的方式是这样的，这些是我们的核心价值观，你的工作职责是这些，这是我们期望的成果范例，这些是你可以使用的资源，等等。’ 然后在这些边界之内，你去完成相应的工作。我们训练AI的方法其实也差不多，训练之后还要像评价员工那样评估它的表现。

此外，我们还要给AI设定‘护栏’，就像管理新员工一样。比如，当你让某人进了财务部门，你也会告诉他们：‘别去做客户沟通’（开玩笑的例子），或者如果你是工程师，就别去跟客户直接聊销售之类的；如果你在销售部门，就别去擅自发布新产品。这种‘护栏’机制对AI同样适用，也有专门的AI技术来做这些限制。接下来还要不断改进，就像对员工做绩效循环一样。我刚才描述的这一切，其实又会催生出一大堆别的AI，用来帮助我们给AI做入职培训、微调、评估、护栏设置、性能改进等等。所以说，这套体系本身就像‘员工管理框架’。我认为，未来大多数公司都会同时拥有两支庞大的工作队伍：一支由‘有机体’（人类）组成，另一支则是电子的（AI），两者一起协作。

三、谈企业如何拥抱 AI

主持人： 你常常提到‘创造市场’，而不是去争夺已经存在的市场份额、与竞争对手胶着。我看你更多关注的是把各大组织带入AI时代，为人类和商业都创造积极的价值。所以，能否请你说说，NVIDIA作为‘市场开拓者（market maker）’是怎样一种思路？为什么你并不想拘泥于今天已经存在的市场规模？”

黄仁勋： 对，NVIDIA更像是‘创造市场（market maker）’而不是‘争夺份额（share taker）’。我们只做那些别人没有在做的事。当然，市占率思维也好、对标竞争也好，本身并没有错，那也是一些必须具备的运营技能。但我个人并不太关注‘市场份额’。我的思路是：我们为什么要做这件事？如果已经有人在做，而且做得不错，那我们再去做有什么意义呢？毕竟我们公司其实没有那么悠久的历史——才三十来年。而在我们成立之前，早就有很多科技公司存在了。所以问题是：‘我们到底能做什么独特的事情，如果我们不存在，这项贡献就不会出现？’ 这是我们一直以来的思考方式。我们发明的计算模式——也就是图形处理器的通用计算能力——最初其实也很难想象会有人去做，但我们就做成了。NVIDIA的思维方式总是在问：‘要是世界能够这样，会怎样？如果我们能把这件事变成现实，又会怎样？’ 你可能注意到了，我回答问题时，经常会先回顾过去，再设想未来。对我来说，现在反而是最难回答的。如果你问我‘明天会怎样’，我反而没把握；但你要是问我‘十年后会怎样’，我就非常有信心；而要问我‘十年前发生了什么’，我就可能记不太清了。

我之所以对远期抱有信心，是因为我们会基于第一性原理以及物理学极限来推断。如果你把时间跨度放足够长，就不用过分纠结实现过程中的具体挑战，而是先直接去想象那样的未来画面。我非常确定，我们最终会迎来人形机器人的时代，这在原理上是可行的，因为我们已经知道自己发明了哪些突破性技术。我也非常肯定，它会发挥哪些作用、带来哪些好处。举个例子，我几乎可以断言，未来我的Outlook邮箱会变成我之前所描述的模样——有时我写邮件给一个‘生物学上的’同事，有时写给一个‘AI同事’，甚至在收件人里混杂了很多不同主体，彼此却并不知晓谁是人类、谁是AI，信息交流却照常无误。这样的前景，对行业、对社会，究竟有没有价值？如果有，我们就要倒推回来：如何一步步把它变成现实？对我而言，这种方法总是更有帮助，而那个未来通常并不包含去顾虑‘那个人已经在做了’这种事情。那么我们就从这里说起吧。通常来讲，一开始的想法就是：‘这件事从未有人做过。’ 这样的思考模式对我帮助很大。既然它不存在，就很可能相应的合作伙伴生态系统也不存在，那么你就必须去寻找能帮你一起完成这件事的朋友。我并不需要事事亲力亲为，我只需要确保它被实现。而且，老实说，我其实更愿意少做一点。你要明白，那个未来需要伙伴。而在我们所涉及的企业级AI、工业AI等众多领域。

四、谈网络安全与 AI 安全

观众1： Jensen，我不知道你是否了解，我在网络安全领域已经干了25年了，从McAfee、Mandiant到FireEye，一路和形形色色的‘坏人’对抗。那种感觉就像在堤坝上不断用手指堵住漏洞——坏人似乎一直占上风。直到我通过你们NVIDIA的视角，看到了AI的未来，才感觉到或许我们能借助‘自主化’力量来逆转这种进攻与防御的态势。这真的很令人兴奋。我的问题是：你怎么看待我们每天在网络安全领域里所面临的种种威胁与风险？NVIDIA在这方面又会扮演什么角色？

黄仁勋： 非常感谢你的提问。首先，人工智能将会彻底改变网络安全的整体态势。原因在于——你也清楚，网络安全有很多问题，其中之一就是‘误报’（false positives）泛滥。如果你对威胁检测的策略设置得太严苛，那就会收到海量的检测警报，但其中很多并不是真正的网络威胁。以往，我们只能靠人工来逐一甄别，运用各种信息来源去判断某个警报是否值得真正担忧。可现在，这个过程已经可以用AI来自动化完成。这样，我们就能够在保持更严格的网络安全防护策略的同时，不会被误报淹没，因为有一大堆‘AI网络安全代理’能帮你逐条分析这些警报，然后告诉你：‘嗯，这个没问题。’网络安全的另一个有趣之处是：整个行业几十年来所建立的安全框架，很可能会成为我们将来保护AI的基础框架。你也知道，AI并不是一个‘庞然大物’模型，而是由许多模型组成的系统。当我们最终部署AI时，每个AI背后可能都需要数百个其他AI来进行监督，就像航空管制中心会监控所有飞机的飞行。再比如飞机内部也有三套自动驾驶系统加两位飞行员，空中的所有飞机彼此留意，地面的航空管制也在关注所有飞机，还有各种政策、法规、行业方法论和最佳实践等多重保障机制。这还只是‘自动驾驶仪’而已。

想象一下，当我们把这种自动驾驶类的AI代理部署到律师、医生、会计师、市场营销等更多领域时，公司内部就会有各种AI来‘互相监督’。其中一个类型的AI代理，可能就是专门监督‘AI员工合规’之类的。因此，我认为网络安全领域这些年发展出来的框架非常好。就像在网络安全里，只要有公司发现新威胁，就会向其他公司共享情报；我们对AI的防护也会是同样的思路。所以，我觉得网络安全行业和AI行业之间，其实是一种相互促进的关系。一方面，你所在的网络安全行业能帮助AI行业的建立和发展；另一方面，AI的发展也会回过头来帮助网络安全行业。另外，你刚才提到的那个话题，其实也和Dave有点关系——他目前在一家航空公司担任董事，所以你说到‘飞行员’和‘飞机’的例子，他应该非常有感触。

观众2： 你好，Jensen，我想问的是：当你考虑‘主权国家的未来’，以及各国的战略会如何变化，国家之间的互动会怎样变化，同时还要考虑到为弱势群体或贫困人口提供‘升级’机会，以在一个丰裕的世界里得到更多平等的资源，你觉得这一切会如何演进？大概需要多长时间才能对地缘政治产生显著影响？

黄仁勋： 好问题啊。我先说一点：我们正在把‘智能’的边际成本降到几乎为零，意味着即使很贫困的人也能负担得起。这是第一点。想想过去——其实到现在也是——许多国家和人民仍然难以获得干净的饮用水；瓶装水的出现从某种角度说大大推动了干净水源的普及。而‘人工智能’也会类似地推动‘智力资源’的普及。想象一下，一个非洲或印度的边远村庄想要做放射科诊断，过去根本无法想象，但将来可能因为AI的存在而成为可能。所以，从这个角度来看，我认为这是AI带来的巨大机会之一。再来看‘主权AI’这个概念。简单说，你国家的数据属于你们的人民；主权不仅仅是领土和领空，也包括语言、文化和历史。这些都可以被数字化存储在无数个比特当中。过去没人知道该怎么利用，现在我们可以把这些主权数据转化成‘主权AI。没有任何一个国家会说：‘把我们所有的数据给你，然后你再给我们一个现成的AI回来。’ 每个国家都想自己来处理自己的数据，自己来提炼成AI。所以我认为，这会成为一种新的国家基础设施。各国会建设AI超级计算机，也就是所谓的‘AI基础设施’或‘计算基础设施’，就像能源、电信网络一样，成为国家层面的基建之一。

如今在世界各地，你能看到对‘主权AI’的觉醒。我前阵子去了丹麦、瑞典，接下来还要去日本、印度尼西亚和泰国等地——这些国家都在打造自己的主权AI。我相信这将会成为一个普遍趋势。”

五、 谈AI对未来劳动力的建议

观众3： Jensen，感谢你的到来。我想问的是关于未来劳动力的问题。对于高中生，尤其是即将升入高年级或即将毕业的学生，你会给他们怎样的建议，帮助他们规划未来的道路？”

黄仁勋： 首先，我会鼓励他们在学校的各门课程上都尽力学好。我们学到的那些知识依然是有用的，这些都是好东西。当然，并不是说所有课本上的内容绝对正确，你也知道历史教科书会一版一版地出新版本，有时你会想：‘第26版写了啥？它又影响了多少人的认知呢？’ （笑） 但这并不是大问题，学习过程本身才是关键。我想特别指出的是：‘每个人都应该拥有一个AI导师。’ 我自己就用三个：ChatGPT、Perplexity 和 Gemini。我经常用它们，包括飞来这里的路上。如果我脑子里冒出一些问题，或者我正要探索一个新领域、学习某样新知识，我会先去找这些AI，给它们一连串问题。比如说：‘嘿，给我讲讲数字生物学和基于计算机辅助的新药研发是什么原理，用小学五年级的水平解释一下，让我先入门。’然后我再让它用大学生水平的角度解释一遍。等我反复看了几次，学到一些东西之后，我就会问它：‘我还应该问哪些问题？能否给我一个学习这方面内容的框架？’ 这就是我向AI提问的方式，我问了很多关于‘如何去学习’的问题。然后，我就可以一点点掌握这些知识。更重要的是，它会记得我昨天学到哪里了，然后所以，我认为每个学生都应该拥有一个‘AI 导师（AI Tutor）’，这个 AI 导师能教他们如何‘提示’（prompt）、如何与 AI 互动、如何让 AI 给你所需的信息等等。我觉得，让每个学生都能拥有 AI 导师这件事，或许会成为 AI 带来的最具革命性的成就。”

观众4： 你好，Jensen。我是来自 GXO 物流的 Scott。我们一直在聊 AI 将给我们带来的美好未来，但我也担心另一面——‘坏人’的使用。就像我们刚才提到的网络安全，坏人也能利用 AI 技术来实施更智能、更猛烈的攻击。第一，我想问的是，这种情况你怎么看？第二，还有能源层面的问题——当我尝试在某些数据中心部署新服务器时，常常会遇到电力供应不足的难题。对这两个问题你有什么看法？

黄仁勋： 关于‘坏人’的问题，唯一的解决办法就是我们得跑得更快。对 Dave 所在的网络安全行业来说，‘担心’不是答案，你要确保自己的‘网络安全技术’始终快人一步。就像我们不会被 AI 抢走工作，但我们极有可能被‘会用 AI 的人’抢走工作；同理，AI 不会直接对我们做什么，但‘有人’会利用 AI 对我们做些什么。所以你提的担忧确实切中要害，而答案就是：加速前进，确保我们的 AI 技术比他们的强，并且‘普及化’——让更多人都能用得上。这样，你也许可以攻击某个人，但不可能同时攻击所有人。至于你的第二个问题——能源。我有两个回答。首先，你要从纵向视角来看待 AI。我们的目标并不是‘训练 AI’本身，而是利用 AI 所学到的知识来应用。举个例子，你可以教一个 AI 来进行物理学预测（比如天气预报）。目前世界上各地都有超算在 24 小时不间断地计算天气，用来预测明天和下周的气候变化，看是否会有风暴，或者仅仅有人想知道要不要多穿件衣服。这些超算耗能巨大，但如果我们‘教会’一个 AI 物理学（准确说是让它学到物理现象的模式），它就能大幅降低对超算的需求。

有人可能会问：‘你怎么教 AI 物理？’ 答案其实出人意料地简单。就像我的狗，它并不懂牛顿力学，也不懂弦理论，但它依然能出色地接住飞出去的球——它通过不断观察，学会了‘物理模式’。我们做的其实也类似——给 AI 极其大量的数据，让它去‘观察’物理及多物理现象的模式，甚至比基于原理的数值求解表现更好。因此，你要把目标放在长远：我们不是为了训练模型而训练模型，而是为了最终能用它去发现新材料，帮助碳捕捉，提高能量转换效率；或者帮我们设计更高效的汽车、更高效的风力发电场、更高效的光伏电池等等。这才是我们真正的目的。也就是说，我们‘让 AI 上学’是为了最终得到这些好处。一旦我们得到这些好处，对世界能源的影响可能是巨大的。假设数据中心的耗电量约占全球 3% 或 4%，其实我们还可以用 AI 去解决那剩下 96% 的能源消耗问题，这才是 AI 带来的真正回报。

最后一点，我其实希望‘人工智能’所使用的能源占比将来能上升。目前它可能只占人类能源消耗的 4%，但我希望将来能达到 10% 或 15%。为什么？因为现在人类还有 96% 的能源消耗是别的领域的事情——制造业、物流、各种日常生活需求。我们要做的是，尽量降低那些不必要的重复消耗，多去‘制造智能’。就像我之前说的例子：我们现在等于是创造了一个全新的产业——‘生产智能’。对很多人来说，这是个颠覆性的概念。我打个比方：大约在 300 年前，人类发明了一种机器。放在今天，这个机器可以叫‘英伟达’；但 300 年前，那台机器的名字叫‘发电机’。当时人们往里面加水、生火，得到的就是电力。接下来你把能量输入到这台机器里，产出的却是一种无形的东西。我们付电费是按‘每度电多少美元’来算的，对吧？而现在，我们这台新机器（也就是我们英伟达造的机器）同样需要能量输入，输出的东西则是‘令牌（tokens）’，根据你对这些令牌的再组合方式，可能会变成文字、蛋白质结构、视频片段，或者让无人驾驶汽车运行所需的指令等等。也就是说，这些以智能形式产出的‘令牌’，可以用‘美元每个令牌’或‘美元每百万令牌’来衡量，就像我们之前说的‘美元每度电’那样。你能看到两者间的相似吗？所以，这个‘能源创造工业’其实就是一场工业革命的开端。我们正处于一个全新的起点。Jim 和我之所以如此激动，正是因为我们真的处在一场全新工业革命的开端。和 300 年前那次一样，这场新的工业革命有一台全新的‘机器’，而这台机器所生产的东西是以前从未被生产过的。就像 300 年前人们发现了电之后，又产生了各式各样的新公司和新用例。举例来说，电力被发现之后，消费者电子、家电这些产业才随之出现。在那之前根本没有‘家电’这种东西。这也就是为什么通用电气（GE）一方面在制造电力，另一方面又催生了‘家电’消费端——家电是电力的直接消耗者。从某种角度说，我们和 WWT 之间的合作，就像当年的电力生产商与家电制造商那样。你们可能已经听到某些演示，说如今的 AI 训练起来更简单了。所以我们和 WWT 一起，提供那些‘智能agents’等解决方案，就好比家电——它们会消耗由这座‘智能工厂’所生产的‘令牌’，也就是你可以理解为‘智能’。

六、谈AI提升人类创造力

观众5： 但说回正题，你一直在谈‘超级计算机’，也提到事态发展速度之快——有种说法是，‘今天’可能是我们这一生中发展最慢的一天，因为明天会更快。鉴于这种发展速度，你是如何看待下一代超级计算机的发展？以及量子计算（Quantum Computing）会在何时介入？它是否会取代 GPU 计算，或者只是一种互补和辅助？

黄仁勋： 量子计算肯定很擅长某些特定的事。举个例子来说明它的优势吧。呃，各位知道量子计算是怎么回事吗？我给你们举个例子：假设我们要筹备一个婚礼派对，就比如我们今天或今晚要办婚礼。虽然我不确定你们现实中是怎么安排座位的，但先假设有 300 个宾客，需要把他们合理地安排就座。这里会涉及很多复杂因素，对吧？有些客人比其他客人地位更重要，比如我大学时期的朋友只能坐在后面，然后我妻子的朋友就要坐在前面之类的。各种人际关系就会形成非常多的排列组合。事实上，如果要找出‘最优解’，可能有比宇宙中原子数量还多的组合方式。对任何一台传统计算机来说，这都是巨大的计算负担，几乎没有可能瞬间算完，可能要跑很久很久（几乎可以说‘永远’），才能把所有排列组合都比对一遍。当然，你也可以去问你岳母怎么安排。所以，你需要对所有这些情况进行筛选。我刚才举了一个例子，说明过去我们以为只有量子计算机才能解决的问题，现在AI也能给出非常好的答案。简单来说，量子计算机非常擅长‘小数据、大组合’的问题，而AI和传统计算对此其实并不怎么在意。因此，第一点是：量子计算机和AI在某些方面将来必须共存，因为量子计算机有它特别擅长的领域，但在很多方面又不够好。第二点是：AI 的出现，等于把量子计算机的普及‘往后推迟’了大约二三十年。不过，我们依旧在研究量子计算。我们也和世界上几乎所有的量子计算公司合作，因为我们真心希望这项技术能成形。可就我看来，它至少还要再过十几年才会真正普及。这就是我的看法。”

观众6： 我想再问最后一个问题。我在IT行业工作了30年，非常热爱技术，并且很享受看到技术让世界变得更好。但作为两个孩子的父亲，我也看到技术在某些方面削弱了人们的‘人际交往技能’，甚至影响人与人之间的相处与陪伴。你刚才提到，你喜欢AI给你节省下来的时间，让你去做自己想做的事。能不能谈谈你的看法：将来AI如何帮助我们的孩子，在人性、社交技能以及更有趣的生活方式等方面带来积极影响？

黄仁勋： 我非常理解你的问题，也很感谢你提出来。其实，Jim和我对这个话题都有思考，可能角度略有不同，但核心都是相通的。我们都认为，AI可以视为一种‘知识的工具’。就像一辆汽车可以把物质从A点运到B点，AI 也是一种‘工具’，只不过它更像一台‘超级智能的烤面包机’。你可以跟这台‘烤面包机’聊任何话题，让它帮你完成各种事情。今天大家看到的AI主要还是基于信息层面，但其实，很快AI就会进入‘具身化’阶段。换言之，你的‘R2-D2’或‘C-3PO’即将登场。我对此非常期待。我日常使用的AI，确实会跟我对话，经常帮我学习、帮我完成一些我觉得很麻烦的任务。举个例子，我经常要写很多演讲稿，而每次演讲的场合、上下文都不同，但主要信息和我想表达的风格却大同小异。

我先声明：今天这个对话我并没有事先准备（笑）。不过在很多需要准备的演讲中，我会先给AI一些背景信息、演讲主题，然后告诉它：‘请参照我以往所有的文稿和演讲内容，给我写一个6分钟左右的演讲稿，必须包含这几个要点，并体现我平时常谈的主题思想。’ 一秒钟之内，它就生成了一个演讲稿。然后我会在那基础上进行修改，尽量让它更符合我的想法。通常AI给出的初稿都不错，但我会问它：‘这就是你能给出的最佳版本吗？’ 它会回答：‘我可以做得更好。’ 我非常喜欢这种对话模式。然后它会再改一版，我甚至还会再激将它：‘我觉得你还能做得更好。’ 又会生成一个更优的稿子，每次都比前一次好一点。我再在此基础上做微调，这样就省下了我大量写稿的时间。写演讲稿是个费力的事，但又非常重要。这只是我利用AI的一个例子。而我觉得最重要的是，AI就像我的‘学习伙伴’。它就像一个小小的‘R2-D2’，记得我学了什么，会主动给我推送信息，丰富我的知识，帮助我成为更优秀的CEO。所以，如果你问我给孩子什么建议，我会强烈推荐让他们这样做。并且，我会付费订阅专业版（比如ChatGPT Plus），一个月才20美元，真的是‘私人导师’。这简直可以当作圣诞礼物送给他们。想象一下，你给孩子一份礼物说：‘这是一个私人导师哦！’ 孩子会欢呼：‘天哪，我太爱你了，爸爸，你真是世界上最棒的老爸！’。

文章来源：AI深度研究员，版权属于原作者，本网站仅用于公益宣传，转载请注明文章作者及来源。如有侵权请联系我们及时删除。