黄仁勋最新2万字对话全文:未来10年算力将再提高100万倍

2024年3月初,NVIDIA英伟达CEO黄仁勋(Jensen Huang)回到了他的母校美国斯坦福大学,参加了斯坦福商学院SIEPR经济峰会以及View From The Top 系列活动。两场公开的回放视频中,黄仁勋详细谈到英伟达的市场价值定位、AGI(通用人工智能)发展、AI算力的增长,以及如何通过人类反馈将AI 根植于人类价值观话题,而且他也回应了对于“皮衣黄”来历等。

黄仁勋坦言,AI技术缩小了人类的技术差距。他称,目前大约有1000万人因为知道如何编程而有工作,这让其他80亿人“落后”,而接下来,如果生成式AI逐渐取代编程的话,编程技术将可能变得不那么有价值了。

“未来,我们都可以编程计算机。你只需要看看YouTube,看看所有使用提示工程(prompt)的人,所有孩子正在用它(AI)做出惊人的事情。他们不知道如何编程,但只是和ChatGPT交谈就反馈到正确的编程手段做这个、做那个。所以,AI和未来与人交流没有什么不同。这是计算机科学行业对世界的伟大贡献。我们缩小了技术差距。”黄仁勋表示。

黄仁勋强调,未来五年内,AGI将通过人类测试。包括律师考试、胃肠病学等专业测试中,AGI都可以发挥关键作用。不过他也承认,AGI可能还很遥远,因为目前专家们对于描述人类思维如何运作方面仍然存在分歧。

谈及AI算力,黄仁勋强调,在未来的10年里,英伟达将会把深度学习的计算能力再提高100万倍,从而让AI计算机不断训练、推理、学习、应用,并持续改进,未来不断将超级AI转变为现实。

“因此,我们会做更多的计算。我们会将计算的边际成本降低到接近零。”黄仁勋表示。

谈到地缘政治风险,黄仁勋回应称,英伟达几乎就是地缘政治风险的典型例子,原因在于公司制造了一种非常重要的AI工具。他认为,AI将是这个时代的“界定技术”。过去6-9个月时间里,他已经发现,未来AI将成为一个国家的“主权”,即一个国家必须控制自己的数字智能,必须致力于控制你的主权AI。

“美国完全有权决定这种工具在它认为应该限制的国家。美国有这个权利,并且行使了这个权利。对于我们来说,首先,我们必须理解这些政策,我们必须保持敏捷,以便我们能够遵守这些政策。一方面,它限制了我们在某些地方的机会,另一方面,它在其他地方打开了机会。”黄仁勋称。

黄仁勋也回应了“皮衣黄”的来历。他坦言,这套皮衣是妻子给他买的,因为他自己几乎不购物。但由于黄仁勋不喜欢衣服有发痒的感觉,因此妻子认为一切衣服都会让他痒,从而买了一些不会发痒的衣服,最终导致整个衣柜都是一种衬衫。黄仁勋笑着说,这件皮衣已经足够好了,如果不喜欢这件可以去再买一件,不然他可以一直穿皮衣。“我储备了一大堆黑色皮夹克。”

而在另一场斯坦福对话当中,黄仁勋谈及创办英伟达并获得资金的前后过程,并指出“我们正处于计算的世界”。他认为,未来人类处理信息的方式将从AI上发生根本改变,这就是英伟达制造芯片和系统的根本原因。而生成式AI将从一个信息“种子”出发,计算的未来将高度依赖生成而非检索。

面对英伟达暴跌80%时的“低谷期”,黄仁勋坦言当时希望公司要回到事情的“核心”——坚持我所相信的,然后什么都不改变、继续前进。黄仁勋还认为,液冷技术将成为AI算力的下一个趋势性领域。

黄仁勋强调,未来十年,英伟达最大的挑战来自技术和市场,其他的挑战还来自工业、地缘政治和社会层面。他希望所执掌的英伟达能通过坚持不懈地去做擅长且热爱的事,被历史以“改变了一切”而闻名。

以下是黄仁勋在斯坦福大学的两场访谈对话全文,仅供参考。

作者 | 林志佳

本文首发自“钛媒体APP”,混沌君略有删改

黄仁勋与MBA ’24 Shantam Jain的对话

主持人:Jensen,非常荣幸能邀请到您,谢谢。

黄仁勋:能来这里我很高兴,谢谢。

主持人:为了庆祝您回到斯坦福,我想先聊聊您离开斯坦福的那段经历。当时您加入了 LSI Logic(美国逻辑芯片公司),那是当时最棒的公司之一。您也跟很多人建立了良好的声誉,但却决定离开去创业。是什么促使您做出这样的决定?

黄仁勋:是 Chris 和 Curtis(两位英伟达联合创始人、黄仁勋的好友)。当时我在 LSI 做工程师,他们在 Sun 工作。我当时跟 CS 领域最聪明的人共事,制造各种工作站包括图形工作站。有一天 Chris 和 Curtis 说,他们想离开 Sun 。他们想让我帮忙想想做什么好。我的工作很棒,但他们坚持要我加入他们一起思考如何创立一家公司。他们过来时,我们就在 Denny’s 聚会,那几乎算是我最初效力的公司。我成为 CEO 之前的第一份工作是洗碗工,那份工作我做得很出色。总之,我们经常聚会,而那段时期正值微处理器革命。那是在1992到1993年期间,PC革命才刚开始。革命性的Windows 95 还没上市,奔腾处理器甚至还没发布。这一切都发生在 PC 革命爆发之前,显而易见,微处理器会非常重要。于是我们想,为什么不创立一家公司解决通用计算机无法解决的问题呢?这便成了公司使命:制造特殊的计算机解决普通计算机无法解决的问题。直到今天,我们还一直专注于此。看看这些我们开拓的市场以及市场中的各种问题,比如计算机药物设计、天气模拟,材料设计。这些都是我们引以为豪的东西。机器人、自动驾驶汽车,以及人工智能的自主软件。随后我们不断地推动着技术进步,最终计算成本接近于零。这促成了一个全新的软件开发方式,计算机自己编写软件,也就是我们今天熟知的人工智能。就是这样。

主持人:这就是整个历程,感谢大家的光临(玩笑)。嗯,如今我们都在思考这些应用。那时,LSI 的 CEO 说服了他的最大投资者 Don Valentine 与您会面。就是红杉资本的创始人。我可以看到很多创始人都满怀期待地向前倾着身子。但您是如何说服硅谷最炙手可热的投资者为您投资的呢?您的团队是初创者,产品是面向尚不存在的市场。

黄仁勋:我不知道如何写商业计划书,所以我去了家书店。那时候还有书店呢。商业书籍区,有这本书,作者我认识,Gordon Bell 。这本书我应该再去把它找出来,不过它非常厚。书名叫《如何写商业计划书》。对于一个很小众的市场来说,它的书名相当具体了。感觉像是他特意为十几个人写的,我就是其中之一。我买了这本书,立刻就意识到这是个坏主意,因为Gordon非常聪明,聪明的人总有很多话想说。我很确定Gordon想从头到尾教我怎么写商业计划书,所以我拿起这本书,大概有450页后,好吧,我从没读完过,根本读不完。我随便翻了几页,然后想:算了。等我读完它的时候,公司估计都倒闭了,钱也花光了。Laurie和我当时银行里只有六个月左右的生活费,我们已经有了 Spencer和Madison,还有一条狗,所以我们一家五口只能靠手头这点存款生活。因此我时间不多,我没有写商业计划书,而是直接去找了 Wilf Corrigan 。他曾经有一天给我打电话说:「嘿,您离开公司了,您都没告诉我您干嘛去了,我希望您能回来给我讲讲。」我回去给 Wilf 做了详细的介绍。Wilf听完我的介绍后说:「我完全不明白您在说什么。」「这是我听过最烂的创业推销之一。」随后他拿起电话打给 Don Valentine,他打电话给Don说:「Don,我要给您送个小伙子过去,我希望您能给他投资。他是我在 LSI 最棒的员工之一。」我学到的教训是:你可以忽悠一个精彩的面试,你也可能会把面试搞砸,但你无法逃避自己的过去,所以要把自己的「过去」做好。从很多方面来说,我说我是个好洗碗工是认真的,我可能是Denny’s餐馆史上最好的洗碗工。我有规划,注重组织有序,我准备工作很用心,然后全力以赴地清洗盘子,之后我被提拔为服务员,我是Denny’s最好的服务员。我从不空手离开工作区,也不空手回来,我效率很高。总之,我最终成为了CEO,但我仍在努力成为一名优秀的CEO 。

主持人:您曾说要做最好的,要成为后来获得投资、做同样事情的 89 家公司中最优秀的。当公司的资金仅够维持6到9个月时,您意识到最初的愿景行不通。在如此不利的情况下,您如何决定下一步来挽救公司呢?

黄仁勋:我们创立了「加速计算」(NVIDIA)公司。问题是,它用来做什么?它的杀手级应用是什么?这就是我们做出的第一个重大决定,也是红杉投资的项目。我们的第一个重大决定就是,首个重点应用领域是3D图形。技术将是3D图形,而具体应用程序将是电子游戏。当时,廉价的3D图形技术是不可能做到的。硅谷图形芯片产品要上百万美元,做廉价版本很难。而电子游戏市场当时的价值是零美元、不存在。你有一项难以商品化的技术,瞄准了一个尚未存在的市场。这个交集就是我们公司的创立点。我还记得当我完成展示后,Don说了句话,当时很有道理,今天听来也是:「初创公司不该投资初创公司或者跟初创公司合作。」他的观点是,为了让NVIDIA成功,我们需要另一家初创公司也取得成功,就是Electronic Arts 。那家公司的CTO只有14岁,得由他妈妈开车送他上班。他想提醒我,这就是我要依靠的人。他说:「你要是赔了我的钱,我杀了你。」这就是我对第一次会议的回忆。不过尽管如此,我们还是创造了点东西。接下来几年我们着手去开拓市场,为PC创造游戏市场。这花了很多时间,我们直到今天还在耕耘这块领域。我们意识到,为了把百万美元的计算机图形技术商品化,使其适配进入售价300美元、400美元、500美元范围的电脑,你不仅要创造新技术,还得发明新的计算图形处理方式。同时你还需要去开拓全新的市场。因此,我们必须不断创造新技术、新市场。这种「创造技术、开拓市场」的理念定义了我们公司。我们做的几乎每件事情都是创造技术、创造市场。这就是人们说的「生态链」的本质。过去30年里,NVIDIA的核心领悟就在于:为了让别人购买我们的产品,我们必须亲手开拓这个新市场。这就是为何我们很早就开始布局自动驾驶、深度学习,以及在很多领域都处于前沿,包括计算药物设计和发现。我们在创造技术的同时致力于开拓所有这些不同领域的市场。接下来我们步入正轨,然后微软推出了 Direct 3D 的标准。这催生了成百上千家公司。几年后我们发现自己在跟几乎所有人竞争。我们赖以创立公司、开拓消费级 3D 图形的那项发明技术,居然跟 Direct 3D 标准不兼容。我们创立公司,想把百万美元的发明技术商品化,但很快发现与新的标准不兼容。我们不得不更改赛道,否则就只能倒闭。但我们不知道如何按照微软的方式来构建它。我还记得那次会议上的讨论:我们现在有89个竞争对手,我们知道之前的方式不对,但我们不知道正确的方式是什么。幸运的是我又看到一家书店Fries Electronics。我不知道它现在还在不在。有个周末我带女儿 Madison 去书店,然后就看到了这本书 OpenGL手册,定义了硅谷图形的计算机图形处理方式。一本 68 美元,我带了几百块钱,买了三本。我把书带回办公室,对大家说:「我找到了咱们的未来。」我把三本书分发下去传阅,中间有大幅的折叠插页,这个插页就是OpenGL流水线计算机图形处理流水线。我把它交给了与我共同创办公司的那些天才手中。我们以前所未有的方式实现了OpenGL流水线,构建出了世界从未见过的东西。其中有很多经验教训。对我们公司来说,那一刻给了我们极大的信心:即使对所做的事情一无所知,也能成功创造出未来。现在这就是我对任何事情的态度。当有人跟我说我没听过的事情,或者听说过但不懂原理,我的想法总是:能有多难呢?可能看本书就搞定了,可能找一篇论文就能搞清楚原理。我确实花了很多时间阅读论文,这是真的。当然,你不能照搬别人的做法,指望会有不同的结果。但你可以了解某件事情的实现原理,然后回归问题的本质,扪心自问:基于现有的条件、动机、手段和工具,以及一切如今的变革,我会怎么去重做这件事?我会如何重新发明它?我会如何设计它?如果今天造一辆车,我会沿用过去的方式吗?如果今天让我创造一台计算机,我会采用怎样的方式?如果今天让我来编写软件呢?这么想有道理吗?即使是今天的公司,我也经常回归本质,从头思考。这是因为世界已经变了。过去编写软件的方式是单一的,是为超级计算机设计的,但现在软件架构已经解耦等等。我们今天思考软件、计算机的方式一直在改变。经常促使公司和自己回归问题本质,会创造出大量的机会。

主持人:而当您运用这种技术时,结果可能是革命性的。公司上市之后您获得了更快的发展,四年里营收增长了九倍。但您却因为一通化学教授的电话转变了NVIDIA的创新方向,您能讲讲这个过程吗?您是如何把谈话与NVIDIA的未来联系起来的?

黄仁勋:英伟达公司本质上是在开创一种全新的计算方式。计算机图形是第一个应用领域,但我们一直知道会有其他应用。陆续有图像处理、粒子物理、流体等领域开始使用我们的技术。还有很多我们想做、觉得会很有趣的应用领域。我们努力让处理器更具编程性,从而可以表达出更多样的算法。后来我们发明了可编程着色器,让成像和计算机图形的各部分都具备了可编程性。这是一次重大突破。我们试图找到可以充分利用我们处理器(它和 CPU 有很大区别)来计算更复杂算法的方式。大概是2003年,我们创造了CG。C for GPUs的简写。它比CUDA早了大约三年。编写那本曾挽救公司的教科书的作者,Mark Kilgard,他也编写了关于CG的教科书。CG 非常

常见问题

黄仁勋认为未来10年AI算力将提升多少倍?

黄仁勋强调,在未来的10年里,英伟达将会把深度学习的计算能力再提高100万倍,从而让AI计算机不断训练、推理、学习、应用,并持续改进。

黄仁勋如何看待AGI(通用人工智能)的发展时间表?

黄仁勋表示,如果以通过人类测试作为AGI的定义,他预计在5年时间内,AGI会在律师考试、医学考试等各类专业测试中表现良好,但强调AGI的准确定义仍存在分歧。

英伟达面临的主要挑战有哪些?

黄仁勋指出,未来10年英伟达最大的挑战来自技术和市场,其他的挑战还来自工业、地缘政治和社会层面。

黄仁勋对地缘政治风险有何看法?

黄仁勋认为英伟达是地缘政治风险的典型例子,美国有权限制AI工具出口。他同时指出每个国家都必须控制自己的主权AI,这种觉醒在过去6-9个月变得明显。

黄仁勋著名的黑色皮衣有什么来历?

黄仁勋的皮衣是妻子购买的,因为他几乎不购物且对衣服材质敏感。妻子找到不会让他发痒的衣服后,就为他购买了多件相同款式的皮衣。

黄仁勋如何看待编程技术的未来?

黄仁勋认为AI缩小了技术差距,未来编程可能变得不那么有价值。通过提示工程,任何人都能与计算机交流,这将使更多人能够"编程"计算机。

液冷技术在AI算力发展中扮演什么角色?

黄仁勋指出液冷技术将成为AI算力的下一个趋势性领域,未来的计算机将采用液冷技术,以数据中心规模进行计算。