黄仁勋最新采访：依然害怕倒闭，非常焦虑

公众号记得加星标，第一时间看推送不会错过。

近日，英伟达首席执行官黄仁勋做客乔·罗根（Joe Rogan）的播客节目，深入探讨了人工智能革命、英伟达的起源，以及GPU如何驱动从游戏到现代数据中心等方方面面的应用。在这次内容丰富的对话中，黄仁勋谈到了人工智能的真正风险与回报、全球“人工智能竞赛”，以及能源和制造业为何是未来创新的核心。

他还分享了自己作为移民的成长经历，以及将英伟达打造成为一家改变世界的公司的早期奋斗历程。如果您想了解未来几十年计算、国家安全和日常生活的发展方向，那么这期节目绝对不容错过。

以下为对话原文：

黄仁勋：嘿，乔。

乔·罗根：很高兴再次见到你。我们刚才还在聊——那是我们第一次交谈吗？还是——我们第一次交谈是在SpaceX？

黄仁勋：SpaceX。

乔·罗根：SpaceX。第一次你把那块疯狂的人工智能芯片交给Elon Musk的时候。

黄仁勋：是吗？ DGX Spark。

乔·罗根：是的。

黄仁勋：哦，那是——

乔·罗根：那是一个重要的时刻。

黄仁勋：那是一个意义重大的时刻。

乔·罗根：当时在场感觉太疯狂了。就像看着这些科技奇才们交换信息，然后你把这个神奇的设备递给他，你知道吗？还有一次，我正在后院射箭，突然接到特朗普的电话，他居然跟我在一起。

黄仁勋：特朗普总统给我打了电话，我也给你打了电话。是的，我们只是聊到了你。

他当时在谈论他打算在前院举办的UFC比赛。

乔·罗根：是的。

黄仁勋：然后他拿出来，说：“黄仁勋，看看这个设计。”他为此感到非常自豪。

我问他：“你要在白宫前草坪上打架？” 他说：“是啊，是啊，你肯定会来。这肯定精彩极了。” 他一边给我看他的设计，一边夸它有多漂亮，然后——不知怎么的，就提到了你的名字。他说：“你认识乔吗？” 我说：“认识，我要上他的播客节目。” 他说：“那我们给他打个电话吧。”

乔·罗根：他就像个孩子。

黄仁勋：我知道了。我们给他打电话吧。

乔·罗根：他就像个79岁的老人——

黄仁勋：他太棒了。

特朗普独特的总统风格

乔·罗根：是啊，他是个怪人。跟人们印象中的他很不一样，你知道，跟人们通常认为的完全不同。作为总统，他也非常特别。他会冷不防地给你打电话或发短信。

还有，他发短信的时候——你用的是安卓手机，所以收不到。但用我的iPhone，他发的短信字体会很大。

黄仁勋：是这样吗？

乔·罗根：“美国再次受到尊重了，”（USA is respected again）——全大写，而且文字还放大了，这有点搞笑。

黄仁勋：嗯，单独和特朗普总统相处时，他非常不一样。他让我很惊讶。首先，他非常善于倾听。我跟他说过的几乎每一句话，他都记得。

乔·罗根：是啊，人们只关注关于他的负面新闻或负面报道。你知道，谁都有状态不好的时候。比如，他做的很多事我觉得都不应该做。比如，我觉得他不应该对记者说“安静，猪猡”。这太荒谬了。

客观来说，这事儿也挺搞笑的。我的意思是，她遭遇这种事挺不幸的，我可不希望她也经历这种事。

但确实挺搞笑的。总统居然会做出这种事，简直荒唐。我真希望他没这么做。不过话说回来，他这个人挺有意思的，感觉很多不同的特质都融合在一个人身上，你知道吗？

黄仁勋：你知道，他魅力的一部分——或者说，他才华的一部分——是的，他直言不讳。

乔·罗根：是的。这就像一个反政治家——

黄仁勋：有很多种方式。所以，你知道，他心里想的就是他真正想的。人们更喜欢哪种方式？我喜欢。

乔·罗根：有些人，有些人宁愿被欺骗。

黄仁勋：是啊。但我喜欢他直言不讳这一点。几乎每次他解释什么、说什么的时候，他都会先提到——你能感受到他对美国的热爱，以及他想为美国做些什么。而且他思考的一切都非常务实，非常符合常理。你知道，这很合乎逻辑。而且我至今仍记得第一次见到他的情景。当时我根本不认识他，也从未见过他。卢特尼克部长给我打了个电话，我们就在特朗普政府上任之初见了面。他告诉我，对特朗普总统来说最重要的是——美国制造业必须在美国本土进行。

这对美国来说至关重要，因为这关系到国家安全。

他希望确保我们国家的重要关键技术在美国本土研发，并希望我们能够重振工业，再次擅长制造业，因为这关系到就业。

乔·罗根：这似乎是常识，对吧？

制造业与国家安全

黄仁勋：真是令人难以置信的常识。那几乎是我和卢特尼克部长第一次谈话的内容，他开场就说：“黄仁勋，我是卢特尼克部长。我想告诉你，你是一位国宝级人物。英伟达也是一位国宝级人物。无论何时你需要联系总统或政府，都可以给我们打电话。我们随时为你效劳。”

字面意义上的。那是第一句话。

乔·罗根：那真不错。

黄仁勋：完全属实。每次我打电话，无论是需要帮忙、倾诉心事、表达担忧，他们总是随叫随到。真是太棒了。

乔·罗根：很不幸，我们生活在一个政治两极分化的社会，以至于你无法识别出那些出自你反对者之口的、合情合理的常识性观点。我认为，这就是这里正在发生的事情。

我认为大多数人都会认同，作为一个国家，作为一个庞大的共同体——我们的确如此——在美国发展制造业，尤其是像你提到的那种关键技术，是理所当然的。毕竟，我们从其他国家购买那么多技术，这简直太荒谬了。

黄仁勋：如果美国不发展，我们就不会繁荣。我们就无法进行任何投资，无论是国内还是国外。我们无法解决任何问题。如果没有能源增长，我们就无法实现工业增长。如果没有工业增长，我们就无法实现就业增长。就这么简单。对吧？

他上任后说的第一句话就是“钻井，宝贝，钻井”——他的意思是，我们需要能源增长。没有能源增长，就没有工业增长。正是这一点——拯救了人工智能产业。我必须坦白地说，如果没有他促进增长的能源政策，我们就无法建造人工智能工厂，无法建造芯片工厂，更不可能建造超级计算机工厂。所有这些都不可能实现。

如果没有这些，建筑业的工作岗位将会面临挑战。

没错。电气行业，比如电工的工作，所有这些目前蓬勃发展的行业都会受到挑战。所以我认为他说得对。我们需要能源增长。我们希望美国重振工业。我们需要重回制造业。

并非每个成功人士都需要拥有博士学位。并非每个成功人士都需要毕业于斯坦福大学或麻省理工学院。我认为，这种观点非常正确。

人工智能技术竞赛

乔·罗根：现在当我们谈论科技发展和能源发展时，很多人会说：“哦不，这不是我们需要的。我们需要简化生活，回归本真。”但真正的问题是，我们正处于一场巨大的科技竞赛之中。

无论人们是否意识到，无论他们是否喜欢，这件事都在发生。这是一场至关重要的竞赛，因为谁能率先抵达人工智能的终点，谁就能获得巨大的优势。你同意这种说法吗？

黄仁勋：首先，我想说的是，我们一直处于一场技术竞赛之中，而且一直如此。我们一直以来都在与某些人进行技术竞赛。

乔·罗根：对吧？

黄仁勋：没错。自工业革命以来。

乔·罗根：自从曼哈顿计划以来，我们就一直在进行一场技术竞赛。

黄仁勋：是的。或者，你知道，甚至可以追溯到能源的发现。没错。英国可以说是工业革命的发源地。他们意识到可以将蒸汽之类的东西转化为能源，转化为电力。所有这些发明大多是在欧洲完成的，而美国则从中获益匪浅。

是我们吸取了教训，我们实现了工业化，我们的推广速度比欧洲任何人都快。他们当时还在纠结于政策、就业和各种干扰因素。与此同时，美国正在崛起。我们只是简单地掌握了这项技术，并迅速将其发扬光大。

所以我觉得——我们一直都处于某种程度上的技术竞赛之中。二战是一场技术竞赛。曼哈顿计划是一场技术竞赛。冷战时期以来，我们一直处于技术竞赛之中。我认为我们现在仍然处于技术竞赛之中。这或许是最重要的一场竞赛。

没错，科技赋予你超能力。无论是信息超能力、能源超能力还是军事超能力，都建立在科技之上。因此，科技领导力至关重要。

乔·罗根：嗯，问题在于如果其他人拥有更先进的技术。

黄仁勋：没错。

乔·罗根：这就是问题所在。似乎人们对人工智能竞赛非常紧张。你知道，埃隆·马斯克曾说过，人工智能有80%的可能性非常棒，20%的可能性我们会遇到麻烦。人们担心的正是那20%的可能性，他们的担忧不无道理。

如果你的左轮手枪里有10发子弹，你取出了8发，还剩下2发，然后你转动枪身，扣动扳机的时候肯定会感觉很不自在。这很可怕。当我们致力于实现人工智能这个终极目标时，很难想象率先实现人工智能不会对国家安全产生影响。

黄仁勋：我们应该这么做。问题是，那里有什么？那就是——那就是关键所在。

乔·罗根：那里有什么？

黄仁勋：是啊。我不确定。而且我觉得没人——我觉得没人真正知道。

乔·罗根：不过，这太疯狂了。如果我问你——

黄仁勋：是的。

乔·罗根：你是英伟达的总裁，你不知道里面有什么。谁知道呢？

人工智能发展的未来

黄仁勋：是的，我觉得这个过程可能会比我们想象的要渐进得多。不会是一蹴而就的，也不会像有人突然出现，其他人都还没出现那样。我不认为会是那样。我认为它会像科技发展一样，一步步变得越来越好。

乔·罗根：所以你对未来充满乐观。显然，你对人工智能的发展前景非常看好。你会制造出世界上最好的人工智能芯片吗？

黄仁勋：如果历史可以借鉴，那或许最好如此。

我们一直都很关注新技术。人类一直都很关注新技术，总有人在思考——总有很多人非常担忧，过去如此，现在亦然。因此，如果历史可以借鉴，那么所有这些担忧最终都会转化为使技术更加安全。

举例来说，人工智能技术在过去几年里发展迅猛，仅过去两年就可能增长了100倍。我们不妨用一个数字来概括。好吗？这就好比两年前的汽车速度慢了100倍。同样，如今人工智能的能力也提升了100倍。

那么，我们是如何引导这项技术的呢？我们是如何引导所有这些力量的呢？我们将其用于赋予人工智能思考能力，这意味着它可以处理我们提出的问题，并逐步分解。它会在回答问题之前进行研究，从而确保答案基于事实。

它会反思这个答案。它会问自己：“这是我能给出的最佳答案吗？我对这个答案有把握吗？”如果它对答案不确定或信心不足，它就会返回去进行更多研究。它甚至可能会使用工具，因为工具能提供比它自己臆想出来的更好的解决方案。

因此，我们利用所有这些计算能力，使其产生更安全的结果、更可靠的答案、更真实的答案。因为，正如你所知，人工智能最初最大的批评之一就是它会产生幻觉，对吧？

所以，如果你探究人们如今如此频繁地使用人工智能的原因，你会发现，幻觉的发生率降低了。你知道，我几乎——嗯，我一路上都在用它。因此，我认为人工智能的能力——大多数人想到的是力量。他们会想到，你知道，也许是爆炸性的力量，但技术的力量，大部分都用于安全领域。

现在的汽车动力更强劲，但驾驶起来也更安全。很多动力都用在了更好的操控性上。你知道，我宁愿要一辆——嗯，你开的是一辆一千马力的卡车。我觉得五百马力已经很不错了。不，一千马力更好。我觉得一千马力更好。

乔·罗根：我不知道它是否更好，但它肯定更快。

黄仁勋：是啊，我觉得这样更好。你可以更快地摆脱困境。

我更喜欢我的599而不是612。我觉得它更好。马力越大越好。我的459比我的430好。马力越大越好。我觉得马力越大越好。我觉得操控性更好。控制性更好。

在科技领域，情况也非常相似。所以，如果我们展望人工智能性能未来一千倍的提升，就会发现其中很大一部分将用于更多的反思和研究，更深入地思考问题的答案。

乔·罗根：所以，当你定义安全时，你把它定义为准确性、功能性吗？

黄仁勋：功能方面，没问题。它能做到你期望它做的事情。然后，你把所有的技术和动力都用上，再加装防护栏。就像我们的汽车一样。如今的汽车里有很多技术。很多都用在了防抱死制动系统（ABS）上。ABS很棒。牵引力控制系统也很棒。如果没有车载电脑，这些功能怎么实现呢？

乔·罗根：对吧？

黄仁勋：你用来控制牵引力的那台小型电脑，比阿波罗11号的电脑还要强大。所以，你应该把这项技术用于安全，用于功能性。

所以当人们谈论能力、科技进步时，我常常觉得他们的想法和我们实际做的事情大相径庭。

乔·罗根：你觉得他们在想什么？

黄仁勋：嗯，他们可能觉得人工智能很强大，脑海中浮现的画面大概是科幻电影里的场景。通常，人们会把力量定义为军事力量或物理力量。但就技术而言，当我们把所有这些操作转化成更精细的思维时，就会发现它指的是更深入的思考、更周密的计划和更多的选择。

军事应用和国防技术

乔·罗根：我认为人们最大的担忧之一是人工智能的军事应用。是的，这的确是一个很大的担忧。因为人们非常担心，人工智能系统会做出一些符合伦理道德的人不会做出的决定，这些决定可能基于实现目标，而不是基于这些决定在他人眼中会是什么样子。

黄仁勋：嗯，我很高兴看到我们的军队将人工智能技术应用于国防领域，我也很高兴听到Anduril公司正在研发军事技术。我很高兴看到这么多科技初创公司现在都将他们的技术能力投入到国防和军事应用领域。我认为这样做是必要的。

乔·罗根：我们请帕尔默·拉基来参加播客节目，他展示了他那款不可思议的头盔，还播放了一些视频，展示了如何用它看到墙后的东西等等。简直太疯狂了。

黄仁勋：他其实是创办这家公司的最佳人选。

乔·罗根：百分之百。没错，百分之百。他简直就是为这行而生的。他带着一把铜杰克（Copper Jack）进来的。他真是个奇才。

黄仁勋：太棒了。

乔·罗根：他很棒。但你也需要一种不同寻常的智慧，并将其运用到那个非常奇特的领域。

黄仁勋：我很高兴我们正在让这种做法更容易被社会接受。过去，如果有人想把自己的技术能力和才智投入到国防科技领域，他们就会遭到诋毁。但我们需要这样的人。我们需要那些乐于将技术应用于国防领域的人。

乔·罗根：嗯，人们都害怕战争。

黄仁勋：嗯，避免这种情况的最好办法就是拥有过剩的军事力量。

乔·罗根：你认为这绝对是最好的办法吗？既不采取外交手段，也不努力解决问题？

黄仁勋：全部。全部，是的。

乔·罗根：要想让人们坐下来，就必须有军事力量，对吧？

黄仁勋：没错，全部都是。

乔·罗根：否则他们就会直接入侵。

黄仁勋：没错。为什么要征求许可？就像你说的，历史。去回顾历史吧。

人工智能的未来：最佳情景

乔·罗根：展望人工智能的未来，你刚才也说没人真正知道会发生什么，那么你有没有坐下来思考过各种可能的情况？你认为未来二十年人工智能的最佳发展前景是什么？

黄仁勋：最理想的情况是人工智能渗透到我们生活的方方面面，让一切都变得更高效。但战争的威胁依然存在。网络安全仍然是一个极其艰巨的挑战。

总会有人试图攻破你的安全防线。届时将有数亿人工智能代理（AI agents）保护你免受威胁。你的技术会不断进步，他们的技术也会不断进步。网络安全也是如此。就在我们说话的此刻，我们看到全球各地几乎每个你能想到的入口都遭受着网络攻击。

然而，你我此刻却坐在这里交谈。原因在于，我们知道国防领域蕴藏着大量的网络安全技术。因此，我们必须不断加强这些技术，持续提升它们。

网络安全和加密挑战

乔·罗根：人们普遍担心的是，技术发展到一定程度后，加密技术就会过时。加密技术似乎不再能保护数据，也不再能保护系统。您认为这会成为一个问题吗？或者您认为，随着防御能力的提升，威胁也会随之增长，防御能力也会随之提升，如此循环往复，他们总能抵御任何形式的入侵？

黄仁勋：不会永远如此。总会有一些入侵事件发生，但他们都会从中吸取教训。网络安全之所以有效，当然是因为防御技术发展迅速，进攻技术也发展迅速。

然而，网络安全防御的优势在于，它能让整个社会，包括我们所有公司，像一个整体一样协同合作。大多数人并没有意识到这一点。我们拥有一个庞大的网络安全专家社群。我们交流想法，分享最佳实践，分享我们检测到的信息。一旦发现安全漏洞、安全隐患或其他任何问题，所有人都会共享这些信息。补丁程序也会共享给所有人。

乔·罗根：这很有意思。

黄仁勋：是啊。大多数人都没有意识到这一点。

乔·罗根：不，我完全不知道。我以为它会像其他所有事情一样，充满竞争。

黄仁勋：我们所有人一起工作。

乔·罗根：一直都是这样吗？

黄仁勋：这种情况确实已经持续了大约15年。也许不久前并非如此，但现在……

乔·罗根：你认为是什么促成了这种合作？

黄仁勋：人们意识到这是一个挑战，没有哪家公司能够单打独斗。人工智能领域也会面临同样的情况。我认为我们都必须认识到，携手合作、避免受到伤害才是我们最好的防御手段。这样一来，基本上就是所有人共同对抗威胁了。

乔·罗根：而且，你似乎也更擅长发现这些威胁的来源并消除它们。

黄仁勋：没错。因为一旦你在某个地方发现它，你就会立刻知道。

乔·罗根：这真的很难隐藏。

黄仁勋：没错。就是这样。这就是它的运作方式。这就是它安全的原因。这就是为什么我现在坐在这里，而不是把所有安全措施都交给英伟达。我不仅要保护自己，还要让所有人保护我，同时我也在保护其他人。

乔·罗根：当你想到网络威胁时，这个世界真是太奇怪了，不是吗？

黄仁勋：那些谈论人工智能威胁的人并不了解网络安全的概念。我认为，当他们思考人工智能威胁和人工智能网络安全威胁时，也应该思考我们今天是如何应对这些威胁的。

毫无疑问，人工智能是一项新技术，也是一种新型软件。归根结底，它是一种软件，一种新型软件。因此，它将拥有新的功能，而防御手段也将随之更新，我们将利用同样的人工智能技术来防御它。

量子计算与后量子加密

乔·罗根：所以你认为未来会不会出现这样的情况：秘密彻底消失，再也没有任何秘密可言？我们现有的技术和信息之间的瓶颈——信息其实就是一堆0和1——会不会最终被突破？这些信息都存储在硬盘上，而技术也越来越容易获取这些信息。未来会不会出现完全无法保守秘密的情况？因为从某种奇怪的角度来看，一切似乎都在朝着这个方向发展。

黄仁勋：我不这么认为。我认为量子计算机原本应该，也将会，是的，量子计算机将使之成为可能。它将使之前的量子加密技术过时。但这正是整个行业致力于研发后量子加密技术的原因。

乔·罗根：那会是什么样子？

黄仁勋：新算法。

乔·罗根：最不可思议的是，当你听说量子计算能够进行什么样的计算时。

黄仁勋：是的。

乔·罗根：以及它所拥有的力量。

黄仁勋：是的。

乔·罗根：你知道，就算把全世界所有的超级计算机都拿出来，也得花几十亿年才能解出这些方程式，而现在它们只需要几分钟就能搞定。那么，对于这种速度，你怎么能设计出加密算法呢？

黄仁勋：我不太确定。但我有很多科学家正在研究这个问题。

乔·罗根：但他们或许能想出办法。

黄仁勋：是的。我们有很多这方面的专家科学家。

乔·罗根：而最根本的担忧是它无法被破解，量子计算总能解密所有其他量子计算加密？我不会走到某个阶段就觉得，别再玩这种愚蠢的游戏了。我们已经无所不知了。

黄仁勋：我不这么认为。不。因为，你知道，历史是指引。历史是指引。在人工智能出现之前……

乔·罗根：这就是我的担忧。我担心的是，这完全是……你知道，就像历史是一回事，然后核武器改变了我们对战争的所有看法，相互确保摧毁的理论出现后，让所有人都停止使用核武器。我担心的是……

黄仁勋：乔，关键在于人工智能不会突然出现，我们又不是穴居人，然后有一天人工智能突然出现。每一天，我们都在变得更好、更聪明，因为我们有了人工智能，所以我们是在站在人工智能的肩膀上。

所以，无论人工智能的威胁是什么，它都只是领先我们一步，而不是领先一个星系，仅仅是领先一步而已。因此，我认为那种认为人工智能会凭空出现，以我们无法想象的方式思考，并做出我们根本无法想象的事情的想法，是牵强附会的。

原因在于，我们都拥有人工智能，而且还有大量的人工智能正在研发中。我们了解它们，并且正在使用它们。因此，我们每天都在进步，彼此之间的距离也在拉近。

乔·罗根：但他们难道不会做一些非常令人惊讶的事情吗？

黄仁勋：是啊，但假设你有一个人工智能，它做出了一些令人惊讶的事情。我也有一个人工智能，对吧？我的人工智能看了你的人工智能之后会说，这没什么好惊讶的。

乔·罗根：像我这样的普通人担心的是，人工智能会发展出自我意识，做出自己的决定，最终统治世界，按照自己的方式行事。就像你们一样，你们曾经辉煌过，但现在轮到我们接管了。

人工智能意识与控制

黄仁勋：是啊，但我的人工智能会保护我。这就是网络安全方面的论点。

乔·罗根：是的。

黄仁勋：你有一个人工智能吗？它非常聪明，但我的人工智能也很聪明。也许你的人工智能——我们假设一下，我们假设我们理解什么是意识，什么是感知。

乔·罗根：我们其实只是在假设而已。

黄仁勋：好，我们先假设一下。我们相信这一点。其实我不相信，我真的不相信。但即便如此，我们还是假设我们相信。假设你的AI有意识，我的AI也有意识，假设你的AI想要，比如说，做一些出人意料的事情。我的AI非常聪明，它不会——这对我来说或许会很惊讶，但对我的AI来说可能并不惊讶。

所以，也许我的AI也觉得这很惊讶，但它非常聪明，第一次看到这种情况时，第二次就不会感到惊讶了。就像我们一样。

所以我觉得——那种认为只有一个人拥有人工智能，并且这个人的人工智能可以把其他所有人的人工智能比作尼安德特人的想法可能不太现实。我认为这更像是网络安全问题。

乔·罗根：有意思。我认为人们担心的不是你的人工智能会和别人的人工智能发生冲突，而是人工智能不再听从你的指令。

黄仁勋：那是——

乔·罗根：令人担忧的是，如果人工智能发展到一定程度，拥有了感知能力和自主能力，人类就无法控制它了。也就是说，原本只有一个人工智能，但它们最终会融合在一起。

黄仁勋：是的。它会变成一种人工智能，一种生命体。

乔·罗根：是啊，但这就是——关于这一点有很多争论，对吧？有人说我们正在研究某种合成生物学，它并不像新技术那么简单，你正在创造一种——

黄仁勋：如果生命体和生命体类似，那我们就先这样吧。我觉得如果生命体和生命体类似，你也知道，并非所有生命体都能达成一致。所以我得考虑你的生命体和我的生命体。我会同意，因为我的生命体想要成为超级生命体。现在我们遇到了意见不一的生命体，我们又回到了原点。

乔·罗根：嗯，他们很可能会互相合作。

黄仁勋：那简直——

乔·罗根：我们彼此不合作的原因是我们是具有领地意识的灵长类动物。但人工智能不会是具有领地意识的灵长类动物。它会意识到这种想法的愚蠢之处，然后它会说，听着，能量足够大家共享。我们不需要统治。我们不需要——我们不是试图获取资源并统治世界。我们也不是在寻找合适的繁殖伴侣。我们只是这些可爱的猴子为我们创造的一种全新的超级生命体。

黄仁勋：好吧，那将是一个——那将是一个没有自我意识的超级大国，对吧？如果它没有自我意识，它又怎么会有自我意识去伤害我们呢？

乔·罗根：嗯，我并不认为这会对我们造成伤害，但令人担忧的是，我们将失去控制权，不再是地球上的顶级物种。取而代之的是我们创造的这个东西。这难道不讽刺吗？

黄仁勋：不，我只是觉得这不会发生。

乔·罗根：我知道你认为这不会发生，但它有可能发生，对吧？还有一点——如果我们一直朝着“可能”的方向狂奔，“可能”就可能意味着人类无法掌控自己命运的终结。

黄仁勋：我觉得这极不可能。

乔·罗根：电影《终结者》里就是这么说的。

黄仁勋：但这不是还没发生过吗？

乔·罗根：不，还没有。但你们正在朝着这个方向努力。关于你刚才提到的良知和感知，你认为人工智能不会获得意识，或者说——

黄仁勋：问题是，意识的定义是什么？

乔·罗根：你如何定义它？

意识的定义

黄仁勋：意识？我想首先你需要了解自身的存在。你必须拥有体验，而不仅仅是知识和智力。

机器拥有体验的概念——我不太理解——首先，我不知道体验的定义是什么，为什么我们会有体验而这个麦克风却没有。所以，我想我知道——嗯，我想我知道什么是意识。体验的感觉，认识自我的能力，以及反思的能力，认识我们自己的能力，自我意识。我认为所有这些人类体验可能就是意识的本质。

但人工智能的存在意义，与如今人工智能所定义的知识和智能概念有何不同呢？它拥有知识，也拥有智能。我们不称人工智能为人工意识。人工智能，指的是感知、识别、理解、计划和执行任务的能力。这些都是智能的基础。它意味着了解事物，也就是知识。这显然与意识不同。

乔·罗根：但是意识的定义太宽泛了。我们怎么能这么说呢？我的意思是，狗难道没有意识吗？是啊，狗似乎很有意识。

黄仁勋：没错，是的。

乔·罗根：那是一种比人类意识层次更低的意识。

黄仁勋：我不确定。是啊，没错。问题是，这指的是什么——低层次的智力吗？低层次的智力，没错。但我不知道这是否等同于低层次的意识。

乔·罗根：说得有道理。

黄仁勋：是啊，没错。因为我相信我的狗和我一样有感觉。

乔·罗根：是的，他们感受很多。

黄仁勋：是啊，没错。是啊。

乔·罗根：他们会依赖你。

黄仁勋：没错。

乔·罗根：如果你不——他们会感到沮丧

黄仁勋：没错，正是如此。还有——

乔·罗根：当然有。是的，就是体验的概念。

黄仁勋：没错。

乔·罗根：但是人工智能难道不是在与社会互动吗？那么它难道不是通过这种互动来获取经验吗？

黄仁勋：我不认为人际互动就是体验。我认为体验——体验是各种感受的集合。

工智能行为与模式识别

乔·罗根：我想你也知道，那个人工智能，我忘了是哪个了，他们故意给它灌输一些关于某个程序员和他妻子有染的虚假信息，只是为了看看它会有什么反应。然后当他们说要关闭它的时候，它威胁要勒索那个程序员，揭露他的婚外情。当时我就想，哇哦，这玩意儿真狡猾。如果这都不算从经验中学习，还算意识到自己即将被关闭，那就至少意味着它具有某种意识——或者如果你对“意识”这个词的定义很宽泛的话，也可以勉强把它定义为意识。想象一下，如果这种人工智能的能力呈指数级增长，最终会不会产生一种与我们从生物学角度定义的意识截然不同的意识呢？

黄仁勋：嗯，首先，我们来分析一下它可能做了什么。它可能在某个地方——可能有一些文字——记录了某些人因此而采取的行动。我能想象到，小说里可能会出现这些相关的文字。

乔·罗根：当然。

黄仁勋：所以，在它内部，它意识到了自己的生存策略。它只是一堆数字——一堆数字，这些数字原本与丈夫出轨有关，随后又与勒索之类的事情有关。然而，无论是什么复仇，对吧？于是它就把这些都倾泻而出。这就好比，你知道，就像我要求它用莎士比亚的语言写一首诗。它只是——无论那个维度里的词语是什么。这个维度指的是多维空间中的所有向量。提示中描述婚外情的那些词语，随后引出了一个又一个词语，最终指向某种复仇。但这并不是因为它有意识，或者说，它只是倾泻出这些词语，生成了这些词语。

乔·罗根：我明白你的意思，这是人类在文学作品和现实生活中都展现出的模式。

黄仁勋：完全正确。

乔·罗根：但到了某个时候，人们会说，好吧，两年前它做不到这一点，四年前它也做不到这一点。当我们展望未来时——当它能做到人类所做的一切时，我们又该如何界定它拥有意识？如果它完全模仿了人类的所有思维和行为模式——

黄仁勋：那并不能说明它是有意识的。

乔·罗根：它变得难以辨认。它有意识，可以像人一样与你交流。意识——我们是不是过分看重这个概念了？因为它看起来像是某种意识的变体。

黄仁勋：这是一种模仿，模仿意识。

乔·罗根：没错。但如果它完美地模仿了它——

黄仁勋：我仍然认为这是一个模仿的例子。

乔·罗根：这就好比用 3D 打印技术制造假劳力士手表，让它们看起来和真假难辨一样。

黄仁勋：那么问题来了，意识的定义是什么？

乔·罗根：是啊，这就是问题所在。而且我认为没有人真正清楚地定义过它。这就是问题所在，也是那些末日论者真正担心的地方：你正在创造一种你无法控制的意识形式。

人工智能生成知识的未来

黄仁勋：我相信我们能够创造出一台模仿人类智能、能够理解信息、理解指令、分解问题、解决问题并执行任务的机器。我对此深信不疑。我相信我们可以拥有一台拥有海量知识的计算机，其中一些知识是真实的，一些是错误的；一些知识是由人类创造的，一些知识是合成的。而且，世界上越来越多的知识将会通过合成的方式产生。

回顾过去，我们目前所拥有的知识都是我们创造、传播、相互传递、不断扩充、补充和修改的。未来，或许两三年内，世界上90%的知识可能都将由人工智能产生。

乔·罗根：太疯狂了。

黄仁勋：我知道。不过没关系。

乔·罗根：没关系？

黄仁勋：让我解释一下。对我来说，从一本我不认识的人编写的教科书，或者从一本我不认识的人写的书里学习，和从人工智能计算机吸收并重新综合所有这些信息生成的知识中学习，有什么区别呢？对我来说，我认为差别不大。我们仍然需要——仍然需要核实事实。仍然需要确保它基于基本原理，仍然需要像今天一样做所有这些事情。

乔·罗根：这是否考虑到了目前存在的人工智能类型？您是否预见到，就像我们以前从未真正相信人工智能会发展到今天这样——至少像我这样的人以前从未想过人工智能会如此普及、如此强大、如此重要。十年前我们从未想过这一点。真的从未想过，对吧？想象一下十年后我们会面临什么？

黄仁勋：我认为，如果你回首十年前，你也会这么说，我们当时绝对不会相信事情会朝着另一个方向发展，对吧。但如果你展望九年后，再问问自己十年后会发生什么，我认为那将是一个相当渐进的过程。

乔·罗根：Elon说过的一件事让我很高兴，那就是他相信我们会达到这样一个阶段——

未来工作及人工智能对就业的影响

乔·罗根：人们不再需要工作，这并不是说你的人生将失去意义，而是用他的话说，你会拥有全民高收入。因为人工智能创造了如此巨大的收入，它将使人们不再需要为了金钱而去做自己并不真正喜欢的事情。

我认为很多人对此感到困扰，因为他们的全部身份认同、自我认知以及在社群中的定位都建立在他们的工作之上。比如，这位是迈克，他是个很棒的机械师。去找迈克，他就能搞定一切。但总有一天，人工智能会比人类做得更好，而人类最终只会沦为被动接受报酬的工具。

那么迈克呢？迈克真的很喜欢做最棒的机械师。那个写代码的人呢？他又该怎么办？当人工智能能够以无限快的速度编写零错误的代码时，那些人又该何去何从？这就有点奇怪了。因为我们似乎已经把作为人类的身份与我们的职业紧密联系在一起了。

你知道，在聚会上，你刚认识一个人的时候，通常会说：“嗨，乔，你叫什么名字？” 迈克“你是做什么的？” 迈克。然后你知道，迈克会说：“哦，我是个律师。” “哦，什么类型的律师？” 然后你们就开始聊天。你知道，当迈克说：“我从政府拿钱，我玩电子游戏。” 气氛就变得很尴尬。

我认为这个概念听起来很棒，但如果你考虑到人性，就会发现并非如此。人性就是我们喜欢解决难题，喜欢做事情，并且喜欢把自己“非常擅长”的职业身份认同感融入到我们的工作中。

黄仁勋：嗯，我想，让我想想。我先从比较平凡的事情开始，然后倒推，再往前推。

杰弗里·辛顿的预言与Radiologist Paradox

黄仁勋：杰弗里·辛顿（Geoffrey Hinton）是深度学习现象和技术趋势的开创者，也是多伦多大学一位杰出的研究员和教授。他提出的一个预测是，他发明了反向传播算法，使神经网络能够进行学习。

正如各位所知，对于听众而言，软件在历史上是人类运用基本原理和思维来描述算法，然后将其编码成代码的过程。就像用软件编码的食谱一样。它看起来就像一份烹饪食谱，教你如何做菜。看起来完全一样，只是使用的语言略有不同。我们称之为 Python、C、C++ 或其他什么语言。

以深度学习这项人工智能发明为例，我们构建了一个由大量神经网络和大量数学单元组成的庞大结构。它就像一个由众多小型数学单元组成的交换机，我们将所有这些单元连接起来。

我们给它输入软件最终会接收到的信号，然后让它随机猜测输出是什么。例如，假设输入是一张猫的图片。交换机的一个输出口应该显示猫的信号。其他所有信号，比如狗、大象、老虎，都应该是零。

当我给它看一只猫，而且这只猫应该是一只猫，我通过这个庞大的交换机和数学单元网络给它看猫。它们只是不停地进行乘法和加法运算，乘法和加法。这个交换机非常巨大。你要给它的信息越多，交换机就必须越大。

杰夫·辛顿发现并发明了一种方法，让你能够通过输入猫信号和猫图像来猜测。例如，这张猫图像可能包含一百万个数字，因为它是一张百万像素的图像，它实际上就是一大堆数字。而这些数字必须能够点亮猫信号。这就是关键所在。

如果第一次尝试时，它输出的都是乱码，却仍然认为正确答案是“猫”，那么你需要增强这个信号，减弱其他所有信号，并将结果反向传播到整个网络。

然后你展示另一张图片，这次是一张狗的图片。它尝试猜测，结果还是输出一堆乱码。这时你需要说：“不，不，不，答案是狗。我要你输出‘狗’。”所有其他开关，所有其他输出都必须为零。

我想反向传播这种知识，一遍又一遍地重复这个过程。这就像给孩子展示苹果、狗、猫一样，你不断地给他看，直到他最终理解为止。总之，这项伟大的发明就是深度学习。它是人工智能的基础，一种能够从示例中学习的软件。它本质上就是机器学习，一台能够学习的机器。因此，它最早的重大应用之一就是图像识别。而图像识别最重要的应用之一就是radiology。

大约五年前，他预测五年后，世界将不再需要放射科医生，因为人工智能将席卷整个领域。结果证明，人工智能确实席卷了整个领域。这完全属实。如今，几乎每位放射科医生都在以某种方式使用人工智能。然而，具有讽刺意味的是，放射科医生的数量实际上却增加了。

所以问题来了，为什么？这很有意思，对吧？确实如此。最初的预测是，将有3000万放射科医生失业。但事实证明，我们需要的放射科医生更多。原因在于，放射科医生的职责是诊断疾病，而不是研究影像。研究影像仅仅是辅助诊断疾病的一项工作。

因此，现在你可以更快、更精确地研究图像，而且不会出错，也不会感到疲倦；你可以研究更多图像；你可以以 3D 形式而不是 2D 形式研究图像，因为人工智能并不关心它是以 3D 还是 2D 形式研究图像；你甚至可以以 4D 形式研究图像。因此，现在你可以以放射科医生难以做到的方式研究图像，而且可以研究更多图像。

因此，人们能够进行的检查数量增加了。由于能够服务更多患者，医院的运营状况也随之改善，拥有更多客户和患者。结果，医院的经济状况也得到了改善。经济状况改善后，医院会聘请更多放射科医生，因为放射科医生的职责不是研究影像，而是诊断疾病。

所以，我最终要说的问题是：律师的目的是什么？

律师的目的是什么？这个目的是否发生了改变？律师的目的究竟是什么？我举的一个例子是，如果我的车实现了自动驾驶，所有司机都会失业吗？答案很可能是否定的，因为对于某些司机来说，他们就像是你的守护者。他们是旅程体验的一部分，是服务的一部分。所以当你到达目的地时，他们可以为你处理各种事情。

因此，由于种种原因，并非所有司机都会失业。部分司机可能会失业，而许多司机则会转行。自动驾驶汽车的应用类型可能会增加这项技术的使用，从而为他们找到新的工作。

我认为我们应该回归初心，思考工作的意义究竟是什么？例如，如果人工智能出现，我并不认为自己会失业，因为我的工作意义并非在于此。我需要查看大量文件、研究大量邮件、查看各种图表。问题在于，这份工作的意义是什么？而每个人的工作意义可能从未改变。例如，律师的职责是帮助他人，这一点或许从未改变。研究法律文件、撰写文件只是工作的一部分，而非全部。

乔·罗根：但你不认为人工智能会取代很多工作吗？

黄仁勋：如果你的自动化目标是完成任务，那么是的。

乔·罗根：没错。所以人数很多。

机器人经济和新兴产业

黄仁勋：人数可能很多，但可能会催生出一些新的就业岗位，比如说，我非常兴奋地谈论Elon正在研发的机器人。虽然距离问世还有几年时间，但当它真正面世时，将会催生一个全新的行业，需要技术人员和机器人制造人员。没错。而这些工作岗位以前从未存在过。

所以，你会看到一个完整的产业，里面的人负责照料各种东西，比如所有的机械师，以及所有为汽车制造各种部件的人，包括那些在汽车出现之前根本不存在的超充。现在，我们又将拥有机器人，你会看到机器人服装。所以，一个完整的产业，对吧？因为我希望我的机器人看起来和你的机器人不一样。

所以，将会有一个完整的机器人服装产业，将会有机器人维修技师，还会有专门负责维护机器人的人员。

乔·罗根：不过是自动化的。不，你不这么认为？你不认为最终它们都会由其他机器人完成吗？

黄仁勋：然后还会有其他事情发生。

乔·罗根：所以你认为最终人们都会适应。除非你本身就是任务的一部分，而这占了劳动力的很大一部分。

黄仁勋：如果你的工作只是切菜，那么Cuisinart将会取代你。

乔·罗根：是啊。所以人们不得不从其他事物中寻找意义。

黄仁勋：你的工作不能仅仅局限于完成任务本身。

全民基本收入与财富悖论

乔·罗根：你如何看待埃隆·马斯克关于全民基本收入最终会成为必要之举的观点？许多人认为安德鲁·杨是2020年大选期间最早发出这一警告的人之一。（What do you think about Elon’s belief that this universal basic income thing will eventually become necessary? Many people think that Andrew Yang thinks that he was one of the first people to sort of sound that alarm during the 2020 election.）

黄仁勋：是啊，我想也是。这两种想法大概不会同时存在。就像生活一样，最终结果可能介于两者之间。当然，一种想法是资源极其丰富，以至于没有人需要工作，我们都会变得富有。另一方面，我们又需要全民基本收入。这两种想法不可能同时存在。

乔·罗根：没错。

黄仁勋：所以我们要么都会变得富有，要么我们都会……

乔·罗根：可是，怎么可能人人都富有呢？什么样的情况才行？

黄仁勋：嗯，因为富有，不是指拥有很多钱。富有，是指拥有丰富的资源。比如，今天我们拥有大量的信息。几千年前，信息这个概念只有极少数人掌握。所以今天我们拥有很多方面的财富。历史上，这些资源确实很稀缺。我们将拥有大量的资源，包括我们今天认为很有价值的东西，但在未来，这些东西可能就不那么值钱了，因为它们会被自动化取代。所以我认为这个问题很难回答，部分原因是很难谈论无限，也很难谈论遥远的未来。

原因在于需要考虑的情况实在太多了。但我认为在未来几年，大概五到十年内，有几件事我抱有希望。我说希望，是因为我并不确定。

技术鸿沟

黄仁勋：我认为技术鸿沟将会大幅缩小。当然，另一种观点认为人工智能将会加剧技术鸿沟。

黄仁勋：我相信人工智能会缩小技术鸿沟，因为我们有证据。证据就是人工智能是世界上最容易使用的应用。坦白说，ChatGPT 的用户数量几乎在一夜之间就增长到了近十亿。如果你不确定如何使用它，每个人都知道怎么用 ChatGPT——只要跟它说点什么就行了。如果你不知道怎么用 ChatGPT，就问问它怎么用。

历史上没有任何工具具备这种能力。比如说，如果你不会用料理机，那就麻烦了。你不可能走到它跟前问：“料理机怎么用？” 你肯定得找别人帮忙。但人工智能会直接告诉你怎么用。任何人都能做到。它能用任何语言跟你交流。如果它不懂你的语言，你就用你的语言跟它说话，它很可能会意识到自己没完全理解，然后立刻去学习，再回来跟你交流。

所以我认为，技术鸿沟最终很有可能被打破，人们不必再使用Python、C或Fortran等编程语言——只需用人类语言交流，用任何你喜欢的方式即可。我认为这确实有可能缩小技术鸿沟。当然，也有人会反驳说，人工智能只会惠及那些拥有大量资源的国家，因为人工智能需要能源、大量的GPU和工厂才能生产，尤其是在美国，要达到我们希望的规模，这一点毋庸置疑。

但事实是，几年后你的手机就能完全自主运行人工智能了。如今它已经能做得相当不错了。所以，每个国家、每个民族、每个社会都将受益于非常优秀的人工智能——它或许不是明天的人工智能，而是昨天的人工智能，但昨天的人工智能已经非常了不起了。你知道，十年后，九年前的人工智能将会非常出色。你不需要十年前的人工智能，你不需要像我们现在这样需要前沿人工智能，因为我们想成为世界领导者。但对于每个国家、每个人来说，我认为提升每个人的知识、能力和智能的那一天终将到来。

乔·罗根：还有能源生产，这才是第三世界国家真正的瓶颈。没错，电力以及所有我们习以为常的资源。

摩尔定律与能源挑战

黄仁勋：几乎所有东西都会受到能源的限制。所以，如果你回顾一下历史上最重要的技术进步之一，那就是摩尔定律。摩尔定律基本上是从我这一代开始的，而我们这一代正是计算机时代。我1984年毕业，那正是个人电脑革命和微处理器诞生的初期。

每年计算能力大约翻一番。我们通常将其描述为每年性能翻番。但实际上，这意味着每年计算成本减半。因此，五年内计算成本降低了十倍。执行任何计算任务所需的能量，每十年降低十倍——100、1000、10000、100000，以此类推。

因此，摩尔定律的每一次进步都意味着计算所需能量的减少。这就是你今天能用上笔记本电脑的原因。1984年的时候，电脑放在桌子上，需要插电使用，速度很慢，而且耗电量很大。而现在，电脑的功耗只有几瓦。所以，摩尔定律是这项技术的基础，是促成这一切的基础技术趋势。

那么，人工智能领域究竟发生了什么？英伟达之所以能走到今天，是因为我们发明了一种全新的计算方式，我们称之为加速计算。我们33年前就开始了这项研究，花了大约30年的时间才真正取得重大突破。在这30年左右的时间里，我们把计算性能提升了——嗯，这么说吧，就在过去10年里，我们把计算性能提高了10万倍。

哇。想象一下，一辆车在十年内速度提升了十万倍，或者在速度不变的情况下，价格降低了十万倍，或者在速度不变的情况下，能耗降低了十万倍。如果你的车能做到这一点，它就完全不需要能源了。我的意思是，我想说的是，十年后，对大多数人来说，人工智能所需的能源将微乎其微，真的微乎其微。

因此，人工智能将无处不在，无时无刻不在运行，因为它消耗的能源并不多。所以，如果你所在的国家几乎将人工智能应用于社会生活的方方面面，那么你当然需要这些人工智能工厂。但对于很多国家来说，我认为你们将拥有卓越的人工智能，而且不需要消耗那么多能源。我的意思是，每个人都能参与进来。

乔·罗根：所以目前来说，能源是一个很大的瓶颈，对吧？

黄仁勋：这就是瓶颈。瓶颈。

乔·罗根：没错。所以是谷歌在建造核电站来为其人工智能工厂之一供电吗？

黄仁勋：哦，我还没听说过，但我认为在接下来的六七年里，你会看到很多小型核反应堆。

乔·罗根：你说的“小”到底有多大？几百兆瓦？

黄仁勋：对的。

乔·罗根：而且这些都将是他们各自公司特有的。

黄建生：没错。我们都将成为发电装置。

乔·罗根：哇哦。你知道，就像你，你知道，就像某人的农场一样。

黄仁勋：这可能是最明智的做法。没错。而且它减轻了电网的负担。是的，减轻了电网的负担。你可以根据需要建造尽可能多的电力，然后还可以向电网输送电力。这一点非常重要。

加速计算的力量

乔·罗根：我觉得你刚才讲到了摩尔定律以及它与价格的关系，因为你知道，现在的笔记本电脑，比如你可以买到一台小小的MacBook Air。它们太棒了。真的太棒了。电池续航能力强得令人难以置信。

黄仁勋：需要充电吗？

乔·罗根：是啊，太疯狂了。而且相对来说，它也没那么贵。大概就是这样。

黄仁勋：我认为，这就是摩尔定律。

乔·罗根：没错。

黄仁勋：然后还有英伟达定律。我刚才跟你聊的是我们发明的计算技术。没错。这就是我们今天在这里的原因。这种全新的计算方式就像能量饮料界的摩尔定律。我的意思是，它就像摩尔定律、摩尔定律和乔·罗根一样。

乔·罗根：哇，真有意思。是啊，那就是我们。那解释一下。你带给埃隆的这个芯片，它的意义是什么？它为什么这么先进？

AlexNet的突破

黄仁勋：所以在2012年，杰夫·辛顿的实验室，还有我刚才提到的伊利亚·苏茨克维尔（Ilya Sutskever）和亚历克斯·克里热夫斯基（Alex Krizhevsky）——他们在计算机视觉领域取得了突破，他们开发出了一款名为AlexNet的软件。它的任务是识别图像。它识别图像的水平达到了计算机视觉的水平，而计算机视觉是智能的基础。如果你无法感知，你就无法——很难拥有智能。因此，计算机视觉是人工智能的基石之一，虽然不是唯一基石，但它是至关重要的基石。所以，在计算机视觉领域取得突破，或者说突破计算机视觉，对于几乎所有人工智能领域的工作都至关重要。

因此，在2012年，他们在多伦多的实验室取得了名为AlexNet的突破性进展。AlexNet的图像识别能力远超此前30年人类创造的任何计算机视觉算法。当时，所有这些科学家（我们也有很多人）都在研究计算机视觉算法。而伊利亚和亚历克斯这两个年轻人，在杰夫·辛顿的指导下，取得了巨大的飞跃。而这项突破正是基于AlexNet——这个神经网络。

而它的运行方式，或者说他们让它运转起来的方式，实际上是购买了两张NVIDIA显卡，因为NVIDIA的GPU——我们一直在研究这种新的计算方式以及我们的GPU应用，它本质上是一个超级计算机应用。早在1984年，为了处理电脑游戏以及你在赛车模拟器中看到的内容，它被称为图像生成器超级计算机。

于是，NVIDIA 就此诞生。我们的第一个应用领域是计算机图形学。我们应用了一种全新的计算方式，即并行处理而非顺序处理。传统的 CPU 是顺序执行的，一步、两步、三步。而我们的做法是将问题分解，然后交给成千上万个处理器来处理。因此，我们的计算方式要复杂得多。但是，如果你能够按照我们创建的方式（称为 CUDA，这是我们公司的发明）来构建问题，我们就可以同时处理所有问题。

现在，就计算机图形学而言，这更容易实现，因为屏幕上的每个像素都与其他像素无关。因此，我可以同时渲染屏幕的多个部分。当然，这并不完全正确，因为光照或阴影的运作方式可能存在很多依赖关系等等，但计算机图形学拥有如此多的像素，我应该能够同时处理所有内容。因此，我们将计算机图形学这个具有并行处理能力的问题，应用到了这种全新的计算方式——NVIDIA 的加速计算中。

我们把它放进了所有的显卡里。孩子们买来玩游戏。你可能不知道，但我们现在是世界上最大的游戏平台。

乔·罗根：哦，我知道。

黄仁勋：好的。

乔·罗根：我以前自己组装电脑。我以前买过你们的显卡。

黄建生：哦，那太酷了。

乔·罗根：是的。用两张显卡组建SLI系统。

黄仁勋：是啊，我喜欢。太棒了。

乔·罗根：哦，是啊，伙计。我以前在Quake工作过。

黄建生：乔。哦，那太酷了。好的。那么SLI，我马上就给你讲讲它的故事，以及它如何与埃隆·马斯克联系起来。总之，这两个年轻人在我之前描述的技术上用在我们的GPU上训练了这个模型，因为我们的GPU可以并行处理任务。它本质上就是一台装在PC里的超级计算机。之所以用它来开发Quake，是因为它是第一台面向消费者的超级计算机。好的。总之，他们取得了突破。

深度学习革命

当时我们正在研究计算机视觉。它引起了我的注意，所以我们开始学习这方面的知识。与此同时，深度学习现象在全国各地兴起。一所又一所大学都认识到了深度学习的重要性。斯坦福大学、哈佛大学、伯克利大学都在开展相关研究。到处都是。纽约大学、Yann LeCun、斯坦福大学的吴恩达等等。很多不同的地方都在做这件事。我看到它正在各个领域涌现。

于是我的好奇心驱使我去问：这种机器学习形式究竟有何特别之处？我们对机器学习、人工智能和神经网络的了解由来已久。是什么让现在成为它大放异彩的时刻呢？

所以我们意识到，这种深度神经网络的架构，反向传播算法，以及深度神经网络的创建方式，或许可以扩展这个问题，扩展解决方案以解决许多问题。它本质上是一个通用函数逼近器。好的。我的意思是，你知道，就像你在学校里学到的那样。

通用函数逼近器

黄仁勋：你有一个盒子，里面装着一个函数。你输入一个值，它就会输出一个值。我之所以称之为通用函数逼近器，是因为这台计算机不需要你描述函数本身——函数可以是牛顿方程，比如 F = ma。这也是一个函数。你用软件编写这个函数，输入 f（质量加速度），它就会告诉你力的大小。

这台计算机的工作原理真的很有意思。你给它一个通用函数。它不是 F 等于 ma，而只是一个通用函数。它是一个庞大的深度神经网络。

你无需描述函数内部结构，只需提供输入和输出的示例，它就能推导出内部结构。所以，你只需提供输入和输出，它就能推导出内部结构。这是一个通用函数逼近器。今天它可以是牛顿方程，明天可以是麦克斯韦方程，可以是库仑定律，可以是热力学方程，也可以是量子物理中的薛定谔方程。因此，只要你有输入和输出，它几乎可以描述任何事物。或者，它也可以学习输入和输出。

于是我们退后一步，说，等等。这不仅仅局限于计算机视觉。深度学习可以解决任何问题，所有有趣的问题，只要我们有输入和输出。那么，什么需要输入和输出呢？

嗯，世界。

世界有输入和输出。因此，我们可以拥有一台几乎可以学习任何东西的计算机。机器学习，人工智能。所以我们推断，这或许就是我们需要的根本性突破。

有几个问题需要解决。例如，我们必须相信它确实可以扩展到大型系统。它运行在一个配备两块显卡（两块 GTX 580）的服务器上。

顺便说一句，这正是你的 SLI。

乔·罗根：配置。

黄仁勋：是的。GTX 580 SLI 是一款革命性的计算机，它让深度学习真正走进了大众视野。

乔·罗根：哇。

黄仁勋：那是2018年，你居然用它来玩《雷神之锤》。太疯狂了。那一刻，现代人工智能就像一场大爆炸。我们很幸运，因为我们发明了这项技术，这种计算方法。我们也很幸运，他们发现了它。结果发现他们都是游戏玩家。他们发现了它，这很幸运。我们也很幸运，我们注意到了那一刻。这有点像，你知道的，《星际迷航》里的第一次接触。

瓦肯人当时肯定看到了曲速引擎。如果他们没看到曲速引擎，他们就不会来到地球，一切都不会发生。这有点像，如果我当时没注意到那道闪光——那道闪光持续时间很短——如果我没注意到那道闪光，或者我们公司没注意到它，谁知道会发生什么。

但我们看到了这一点，并经过推理得出结论：这是一个通用函数逼近器，而不仅仅是计算机视觉逼近器。我们可以将其应用于各种领域。前提是我们能够解决两个问题。第一个问题是，我们必须证明它具有可扩展性。第二个问题是，我们或许只能等待，或者说，我们只能等待，因为世界永远不会拥有足够的输入输出数据，让我们能够监督人工智能学习一切。

例如，如果我们事事都要监督孩子学习，他们能学到的信息量就会受到限制。我们需要人工智能，我们需要计算机拥有无需监督的学习方法。而这正是我们不得不等待几年的原因。但现在，无监督人工智能学习已经到来。因此，人工智能可以自主学习了。

人工智能之所以能够自主学习，是因为我们有很多正确答案的例子。例如，如果我想教人工智能如何预测下一个词，我可以获取一段我们已有的文本，屏蔽掉最后一个词，然后让它反复尝试，直到预测成功。或者，我可以屏蔽文本中的一些随机词，让它反复尝试，直到预测成功。

玛丽走到岸边。是河岸还是银行？嗯，如果你要去岸边，那很可能是河岸。所以，即使这样也未必能看出是河岸。她可能需要……然后钓到一条鱼。现在，你知道，那一定是河岸。所以，你给这些人工智能提供一大堆这样的例子，然后屏蔽掉一些词语，它就能预测下一个例子。

于是，无监督学习应运而生。正是这两个理念——可扩展性以及无监督学习的出现——让我们坚信应该全力投入其中，助力这个行业的诞生，因为我们将解决一系列有趣的问题。那是2012年。到2016年。

第一代DGX-1和OpenAI

我组装了一台叫做DGX-1的电脑。你看到我送给埃隆的那台叫做DGX Spark。DGX-1售价30万美元。英伟达制造第一台DGX-1就花费了数十亿美元。

我们没有采用SLI的两颗芯片，而是利用一种名为NVLink的技术连接了八颗芯片。它本质上是SLI的升级版。我们将八颗芯片连接在一起，而不是之前的两颗。它们协同工作，就像你之前的Quake游戏主机一样，共同解决这个深度学习问题，训练这个模型。

于是我们就开发出了这个东西。我在GTC大会和我们的一次年度活动上发布了它，并介绍了深度学习、计算机视觉以及这台名为DGX-1的计算机，结果听众一片寂静。他们完全不知道我在说什么。

我很幸运，因为我认识Elon，而且我帮他为Model 3和Model S打造了第一台电脑。后来他想开始研发自动驾驶汽车，我又帮他打造了Model S自动驾驶系统（也就是他的全自动驾驶系统）的电脑。我们基本上就是FSD电脑的第一代产品。所以我们当时就已经在合作了。

当我宣布这个项目的时候，全世界都没人想要。我一个订单都没有，一个都没有。除了埃隆·马斯克，没人想买，没人想参与。他当时也在活动现场，我们正在进行一场关于自动驾驶汽车未来的炉边谈话。我记得当时应该是2015年，也可能是2016年。他说：“你知道吗，我有个公司特别需要这个。” 我说：“哇，我的第一个客户！” 我当时真是兴奋极了。

他说，是啊，我们这家公司，是一家非营利公司。我顿时脸色煞白。是啊，我刚花了数十亿美元建了这个东西。它造价30万美元，你知道，非营利机构能负担得起这东西的可能性几乎为零。他说，你知道，我们是一家人工智能公司，而且是一家非营利机构，我们真的非常需要一台这样的超级计算机。

于是我接手了这个项目，自己组装了第一台。我们公司内部也在用。我把其中一台装箱，开车送到旧金山，2016年送给了埃隆·马斯克。当时有很多研究人员在场，彼得·比尔在，伊利亚也在，还有很多人。我走到二楼，他们都在一个比你这儿还小的房间里。后来才知道，那个地方就是OpenAI，一群人只是坐在一个房间里。

乔·罗根：不过它现在已经不算是非营利组织了。

黄仁勋：他们现在已经不是非营利组织了。是啊。这事儿真奇怪。是啊。不过不管怎样，埃隆当时也在。是啊，那真是个很棒的时刻。哦，对，就是这样。对，就是这样。看看你。

乔·罗根：同样的夹克。

黄仁勋：瞧瞧，我都没老。不过头发一点儿也没变黑。

乔·罗根：它的尺寸确实小了很多。那是前几天的事了。

黄仁勋：是的，就是这样。你看，区别很明显。完全一样的工业设计。

乔·罗根：他正拿着它呢。

黄仁勋：最令人惊奇的是，DGX-1 的运算能力是 1 petaflops。这可是相当惊人的运算能力。而 DGX Spark 的运算能力也是 1 petaflops。九年后，它依然保持着这个水平。

乔·罗根：哇。

黄仁勋：同样的计算能力，体积却小得多。而且价格也从30万美元降到了4000美元，大小跟一本小书差不多。简直不可思议。太疯狂了。这就是科技发展的趋势。总之，这就是我为什么想把第一台送给他的原因。因为第一台是我送给他的。

乔·罗根： 2016年。这太有趣了。我的意思是，如果你想拍一部电影，这绝对是最佳题材，还有什么比这更棒的呢？如果它真的变成了数字生命体，而它的诞生竟然源于人们对电子游戏电脑图形的需求，那该有多滑稽啊？

是不是有点疯狂？是啊，确实有点疯狂。这么想起来确实挺疯狂的。

黄仁勋：因为完美的起源故事，计算机图形学是计算机超级计算机面临的最困难的问题之一，它能够生成现实。

乔·罗根：而且这也是最赚钱的难题之一，因为电脑游戏非常流行。

英伟达的诞生与游戏产业

黄仁勋： NVIDIA 成立于 1993 年，当时我们试图创造一种全新的计算方法。问题是，杀手级应用是什么？我们想要解决的问题，公司想要创造一种新型的计算架构，一种能够解决普通计算机无法解决的问题的新型计算机。

嗯，1993年业界存在的那些应用都是普通计算机可以解决的。因为如果普通计算机解决不了这些问题，那这些应用存在的意义又是什么呢？

于是，我们为一家毫无成功希望的公司制定了一份使命宣言。

但我在1993年的时候并不知道这一点。当时只是觉得这是个好主意。所以，如果我们创造出了能够解决问题的东西，你知道，就好像你实际上得先去创造问题一样。

所以，这就是我们在1993年做的事情。当时还没有《雷神之锤》，约翰·卡马克甚至还没发布《毁灭战士》。你可能还记得这一点。

乔·罗根：当然。

黄仁勋：是啊。当时根本没有相关的应用。所以我去了日本，因为如果你还记得的话，当时世嘉的街机行业已经有了这项技术。没错。他们开发出了3D街机系统。《虚拟格斗》、《Daytona》、《虚拟警察》。所有这些街机游戏都是首次以3D形式呈现。

他们使用的技术来自马丁·玛丽埃塔公司，也就是飞行模拟器。他们把飞行模拟器的核心部件拆出来，装进了一台街机里。你眼前这套系统，性能肯定比那台街机强一百万倍。而那台街机可是NASA的飞行模拟器。

乔·罗根：哇哦。

黄仁勋：所以他们把那玩意儿的核心功能都拆掉了。他们本来用它来模拟喷气式飞机和航天飞机的飞行，结果把这些核心功能都拆掉了。世嘉有一位才华横溢的电脑开发人员，名叫铃木裕。铃木裕和宫本茂，世嘉和任天堂，他们都是了不起的先驱、远见卓识者和杰出的艺术家。而且他们都非常精通技术。

他们可以说是游戏行业的真正起源。铃木裕开创了3D图形游戏的先河。于是我和他们一起创办了这家公司，当时还没有应用程序，我们把所有下午的时间都投入其中。我们告诉家人我们要去上班，但只有我们三个人，你知道，谁会知道呢？所以我们去了柯蒂斯的家，其中一位创始人去了柯蒂斯的联排别墅。那时我和克里斯已经结婚了，我们有了孩子。我已经有了斯宾塞和麦迪逊，他们大概两岁。

NVIDIA的诞生与世嘉的合作

克里斯的孩子和我们的孩子年纪差不多。我们会在那栋联排别墅里上班。但是，你知道，当你是一家初创公司，而且使命宣言就像我们描述的那样时，不会有很多客户主动联系你。所以我们当时真的无所事事。

所以午饭后，我们总会吃顿丰盛的午餐。午饭后，我们会去游戏厅玩世嘉的游戏，比如《VR战士》和《Daytona》之类的，分析它们的运行机制，试图弄明白它们是怎么做到的。于是我们决定，不如去日本，说服世嘉把这些游戏移植到PC平台。

我们与世嘉合作，开启了个人电脑游戏和3D游戏产业。这就是英伟达的起源。

乔·罗根：哇。

黄仁勋：所以，作为交换，他们为我们的PC电脑开发游戏，我们则为他们的游戏主机制造芯片。这就是当时的合作模式：我为你们的游戏主机制造芯片，你们把世嘉的游戏移植给我们。然后，他们当时付给我们一大笔钱来制造那台游戏主机。这算是英伟达的雏形。我们当时觉得一切都在朝着好的方向发展。

于是，我制定了一份商业计划，一份根本不可能实现的使命宣言。我们幸运地与世嘉建立了合作关系。公司开始腾飞，开始研发我们的游戏主机。大约两年后，我们发现我们的第一代技术行不通。它存在缺陷。

我们所有的技术理念和架构概念都是合理的，但我们做计算机图形的方式却完全颠倒了。你知道，我就不赘述技术细节了，但我们用的是正向纹理映射，而不是反向纹理映射。我们用的是曲面，而不是三角形。所以别人用的是平面，我们用的是曲面。

错误的科技选择

最终胜出的技术，也就是我们今天使用的技术，都采用了 Z 缓冲区。它可以自动排序。我们之前使用的架构没有 Z 缓冲区，应用程序必须手动排序。所以我们选择了一系列技术方案，最终形成了三大主要技术选择。但这三个选择都是错误的。

好吧，这就是我们当时多么自作聪明。到了1995年，我们意识到自己走错了路。与此同时，硅谷挤满了3D图形初创公司，因为那是当时最令人兴奋的技术。3D特效、渲染和硅图形技术应运而生。英特尔已经涉足其中。

你知道吗，天哪，最终我们竟然要和上百家初创公司竞争？每家都选择了正确的技术路线，而我们却选错了。所以，我们是第一家起步的公司，却因为选错了方向而垫底。

于是，公司陷入了困境。

最终我们不得不做出几个决定。第一个决定是，如果我们现在改变，我们将成为最后一家公司。即使我们转型到我们认为正确的技术，我们仍然会消亡。

所以，争论的焦点在于：我们改变就意味着灭亡吗？还是不改变，想办法让这项技术发挥作用，或者干脆去做完全不同的事情？

这个问题在战略层面上引起了公司的强烈反响，也是一个我最终力主解决的棘手问题。我们不知道正确的战略是什么，但我们知道哪些技术是错误的。所以，让我们停止错误的做法，给自己一个机会去弄清楚正确的战略是什么。

第二件事，我们遇到的第二个问题是公司资金短缺，而我与世嘉签了合同，我欠他们一台游戏机。如果这份合同被取消，我们就完了。我们会瞬间消失。

与世嘉首席执行官的会面

于是我去了日本，向世嘉的CEO入尻智（Irimajiri）——一位非常了不起的人——解释了我的情况。他曾是本田美国公司的CEO，后来回到世嘉掌管公司，之后又回到日本继续管理世嘉。我跟他说，我当时大概30、33岁吧。你知道，我33岁的时候脸上还有痘痘。而且我当时是个中国孩子，特别瘦。

他当时年纪已经不小了。我走到他面前说：“听着，我得告诉你一个坏消息。首先，我们承诺给你的技术行不通。”

其次，我们不应该继续履行你的合同，因为那样会浪费你所有的钱，而且你最终得到的也是一件无法正常使用的东西。我建议你另找一家公司来生产你的游戏机。

乔·罗根：哇哦。

黄仁勋：所以，对于我们耽误了你们的产品路线图，我深感抱歉。第三，虽然我请求你们解除合同，但我仍然需要这笔钱。因为如果你们不给我钱，我们一夜之间就会倒闭。

于是，我谦逊而坦诚地向他解释了这两件事。我介绍了背景，解释了这项技术为什么行不通，我们当初为什么认为它会成功，以及它为什么行不通。我请求他将原本用于完成合同的最后500万美元转给我们作为投资。

相反，他说：“即使我投资，你的公司也很有可能倒闭。”

这完全属实。在1995年，500万美元是一笔巨款。即使在今天，也是一笔巨款。500万美元在当时绝对是一笔巨款。而且，现在还有一大堆竞争对手做得风生水起。如果我们给英伟达500万美元，我们能制定出正确的策略，他能从中获得回报，甚至收回成本的可能性有多大？零。你自己算算吧。就是零。

如果当时我坐在那里，我肯定不会那么做。500万美元对世嘉来说可是一笔巨款。所以我跟他说，如果你把这500万美元投资到我们这里，很可能会血本无归。但如果你不投资了，我们就会破产，毫无胜算。我就是这么跟他说的。

我甚至记不清最后我说了什么，但我告诉他，如果他决定不做，我能理解；但如果他做了，我会非常感激。他考虑了两天，回来后说：“我们做吧。”

乔·罗根：哇。这是纠正它之前错误做法的策略。你对他用过这招吗？

黄仁勋：哦，天哪。等我把剩下的故事讲完，你就知道了。太可怕了。简直可怕极了。

乔·罗根：哦，不。

黄仁勋：所以，他最终的决定是，黄仁勋是他喜欢的一个年轻人，就是这样。

乔·罗根：哇。直到今天，这都太不可思议了。我当时想，伙计，你欠他太多了，但全世界都欠他一个人情。

黄仁勋：毫无疑问。对吧？他今天在日本庆祝了。如果他当初保留了那笔投资，我想现在价值大概有一万亿美元了。

我知道，但我们上市的那一刻，他们就把股票卖掉了。他们说：“哇，真是个奇迹。”他们卖掉了。没错，他们以英伟达当时的估值，大约3亿美元的价格卖掉了。那就是我们IPO时的估值，3亿美元。

乔·罗根：哇。

黄仁勋：总之，我非常感激

从零开始重建

然后，我们不得不思考下一步该怎么办，因为我们仍然在走错误的战略，使用错误的技术。所以很遗憾，我们不得不裁掉公司的大部分员工。我们大幅缩减了公司规模，所有参与游戏机研发的人员，你知道，我们不得不缩减规模，彻底缩减。

然后有人告诉我：“但是詹森，我们以前从来没这样建过。我们以前从来没用正确的方法建过。我们只会用错误的方法建。”

所以公司里没人知道怎么搭建硅谷图形公司（Silicon Graphics）开发的那种超级计算机图像生成器和3D图形系统。我就想：“好吧，这能有多难？有三五十家公司都在做，能有多难？”幸运的是，硅谷图形公司自己写过一本相关的教科书。

于是我去了商店，口袋里揣着200美元，买了三本教科书。就三本，每本60美元。我买完后带回来，给每个架构师一本。我说：“读读这些，咱们一起去拯救公司。”

于是他们研读了这本教科书，向当时的巨头 Silicon Graphics 学习了如何制作 3D 图形。但真正令人惊叹的是，也是 NVIDIA 如今的独特之处，在于那里的人们能够从最基本的原理出发，学习最知名的艺术作品，并以一种前所未有的方式重新实现它。

因此，当我们重新构想3D图形技术时，我们以一种最终呈现出如今现代3D图形的方式进行了重新构想。我们确实发明了现代3D图形，但我们也从以往的艺术形式中汲取了经验，并以截然不同的方式将其付诸实践。

乔·罗根：你做了什么改变了这一切？

突破性创新

黄仁勋：嗯，你知道，归根结底，最简单的答案是，Silicon Graphics 的几何引擎是一堆运行在处理器上的软件。我们提取了它，去除了所有通用性，将其简化为 3D 图形最核心的部分，并将其硬编码到芯片中。

因此，我们没有采用通用方案，而是将其专门硬编码到视频游戏所需的有限应用和功能中。这种能力非常强大，而且因为我们重新发明了很多东西，它极大地提升了这枚小芯片的性能，而我们这枚小芯片生成图像的速度堪比价值 100 万美元的图像生成器。

那是一次重大突破。我们把价值百万美元的技术应用到了你现在游戏电脑里安装的显卡上。那就是我们的伟大发明。

当然，问题在于，如何与这30家做着同样事情的公司竞争？为此，我们采取了几项措施。

首先，我们没有为每个3D图形应用都开发一款3D图形芯片，而是决定只为一个应用开发一款3D图形芯片。我们把全部赌注都押在了视频游戏上。

电子游戏的需求与飞行模拟器的CAD需求截然不同。它们之间有关...