算力十年狂飆100000倍，他卻每天擔(dān)心破產(chǎn)！黃仁勛親述：如何用“30天危機感”逆襲萬億AI市場

整理 | 冬梅

黃仁勛回顧了英偉達最驚險、也最具決定性的創(chuàng)業(yè)階段——從錯誤的早期戰(zhàn)略、瀕臨破產(chǎn)的現(xiàn)金流，到押上公司未來的技術(shù)重構(gòu)與一次性量產(chǎn)的豪賭。

昨天，英偉達正式推出 CUDA Toolkit 13.1 —— 自 2006 年推出 CUDA 平臺以來，官方稱這是“20 年來最大、最全面的一次更新”。

此次版本帶來了多項重大變革，其中最引人注目的是新加入的 CUDA Tile 編程模型。通過 Tile（塊／片）為單位編寫算法，開發(fā)者得以在比傳統(tǒng) SIMT（單指令多線程）更高抽象層上構(gòu)建 GPU 程序，底層細節(jié)，如張量核心（Tensor Core）調(diào)用，將由編譯器與運行時負責(zé)分配與管理。

那么，核心亮點有哪些？一句話概括，就是 Tile 編程以及更友好的資源管理。具體而言：

• CUDA Tile：作為一個全新的 tile-based 編程模型，CUDA Tile 引入了一套虛擬指令集（Virtual ISA，CUDA Tile IR），使開發(fā)者可直接對數(shù)據(jù)塊（tile）進行操作，而不必關(guān)注線程、warp、tensor core 等底層結(jié)構(gòu)。這樣寫出來的代碼不僅更簡潔，而且具備跨代 GPU 的兼容性，有望極大提升 AI 與高性能計算算法開發(fā)效率。

• 綠色上下文 (Green Context) 的 Runtime API 暴露：13.1 版本將 green contexts（即一種輕量級、可并發(fā)調(diào)度的執(zhí)行上下文）暴露給用戶，使得程序可以更靈活地管理 GPU 資源。對于并行任務(wù)、資源隔離、多任務(wù)共存場景，這是一項顯著改進。

• cuBLAS 精度仿真增強：在數(shù)學(xué)庫 cuBLAS 中，新增了對雙精度與單精度的仿真支持，這對于一些對數(shù)值精度有較高需求的科學(xué)／工程計算非常重要。

• 文檔與工具鏈全面更新：英偉達還全面重寫了 CUDA 編程指南，適合從新手到高級開發(fā)者，同時更新了工具鏈與庫，使得整個 CUDA 平臺在穩(wěn)定性、易用性上都有顯著提升。

其實一直以來，英偉達即便在 AI 芯片領(lǐng)域占據(jù)主導(dǎo)地位，但依然保持快頻率的技術(shù)迭代，這與 CEO 黃仁勛多年來從未松懈過不無關(guān)系。

喬布斯有句家喻戶曉的名言：“Stay hungry, stay foolish.”

而黃仁勛則以另一種方式，把這種精神貫徹了 33 年——保持恐懼，保持清醒。

他說自己每天醒來腦海里都有一個聲音：“距離破產(chǎn)，還剩 30 天。”這種持續(xù)三十多年的緊迫感，幾乎成為他獨特的“生存本能”。

在美國最受歡迎的播客《The Joe Rogan Experience》中，英偉達創(chuàng)始人黃仁勛第一次如此坦率地談及自己的心理驅(qū)動力：支撐他一路走下來的，不是野心，而是長期籠罩的危機感。

在這段訪談中，黃仁勛回顧了英偉達最驚險、也最具決定性的創(chuàng)業(yè)階段——從錯誤的早期戰(zhàn)略、瀕臨破產(chǎn)的現(xiàn)金流，到押上公司未來的技術(shù)重構(gòu)與一次性量產(chǎn)的豪賭。

他講述了公司上市后全面收縮戰(zhàn)線、關(guān)閉錯誤方向，三位架構(gòu)師抱著從 Silicon Graphics 教科書學(xué)來的理念，重新發(fā)明 3D 圖形技術(shù)，并將百萬級工作站性能壓縮進一張 PC 顯卡，為電子游戲時代奠定技術(shù)基座。

在最缺資金的時刻，他用僅剩資金買下倒閉公司庫存的模擬器，以便在出第一片硅前把所有軟件調(diào)通；隨后又說服當(dāng)時規(guī)模仍小的臺積電，在沒有試產(chǎn)的情況下直接量產(chǎn)新品——一次失敗就會讓英偉達消失的決定。

這些看似瘋狂的選擇構(gòu)成了英偉達的轉(zhuǎn)折點，也成為后來 GPU 計算與現(xiàn)代 AI 崛起的源頭。在訪談末尾，黃仁勛說自己至今仍保持“公司 30 天內(nèi)可能破產(chǎn)”的危機感。對他而言，這種持續(xù)的緊繃與不愿失敗的驅(qū)動力，是英偉達得以不斷突破的重要原因。

以下為訪談實錄，經(jīng) InfoQ 翻譯及整理：

“過去兩年，AI 技術(shù)能力提升了 100 倍”

主持人：當(dāng)我們在談?wù)摷夹g(shù)增長和能源增長時，很多人會說：“這不是我們需要的，我們需要簡化生活，回歸自然。”但真正的問題是我們正處于一場巨大的技術(shù)競賽中。不管人們是否意識到，喜歡與否，它正在發(fā)生。這是一場非常重要的競賽，因為誰先到達 AI 的“事件視界”（Event Horizon），誰就擁有巨大的優(yōu)勢。你同意嗎？

黃仁勛：首先，我同意我們正處于一場技術(shù)競賽中，而且我們一直都在技術(shù)競賽中。自從工業(yè)革命以來，我們就一直在與某人進行技術(shù)競賽。自曼哈頓計劃以來，甚至可以追溯到能源的發(fā)現(xiàn)，我們都在競賽。英國是工業(yè)革命的發(fā)源地，當(dāng)時他們意識到可以將蒸汽轉(zhuǎn)化為能源，轉(zhuǎn)化為電力。所有這些主要是在歐洲發(fā)明的，而美國抓住了它。我們從中學(xué)習(xí)，我們將其工業(yè)化，并比歐洲任何地方傳播得都快。他們都陷入了關(guān)于政策、就業(yè)和顛覆的討論中，而美國正在形成。我們只是采用了技術(shù)，并付諸實踐。

所以，我認為我們一直都在某種技術(shù)競賽中。二戰(zhàn)是一場技術(shù)競賽，曼哈頓計劃是一場技術(shù)競賽。冷戰(zhàn)期間也一直是技術(shù)競賽。我認為我們?nèi)匀惶幱诩夹g(shù)競賽中。它可能是最重要的一場競賽。技術(shù)為你提供了超能力。無論是信息超能力、能源超能力還是軍事超能力，都建立在技術(shù)之上。因此，技術(shù)領(lǐng)導(dǎo)力至關(guān)重要。

主持人：看起來在 AI 競賽中，人們非常緊張。比如埃隆（馬斯克）曾說過，有 80% 的機會會很棒，20% 的機會我們會陷入麻煩。人們理所當(dāng)然地擔(dān)心那 20%。對于這個問題你怎么看？

黃仁勛：我認為它可能會比我們想象的漸進得多。它不會是一個瞬間，不會像某人突然到達而其他人都沒有。我不認為會是那樣。我認為它只會像技術(shù)一樣，不斷變得越來越好。

主持人：所以你對未來持樂觀態(tài)度？你對 AI 即將發(fā)生的事情非常樂觀。

黃仁勛： 當(dāng)然，我們制造著世界上最好的 AI 芯片，所以最好保持樂觀。如果歷史可以借鑒，我們一直都對新技術(shù)感到擔(dān)憂，但這不是什么不好的事情，因為所有這些擔(dān)憂最終都會被引導(dǎo)，使技術(shù)更安全。

例如，在過去的幾年里，我認為 AI 技術(shù)的能力，僅在過去兩年里，就可能提升了 100 倍。那么，我們?nèi)绾我龑?dǎo)這種技術(shù)？我們?nèi)绾我龑?dǎo)所有這些力量？我們將其導(dǎo)向讓 AI 能夠思考，這意味著它可以接受我們給它的問題，逐步分解，在回答之前進行研究。因此，它以事實為基礎(chǔ)，會反思答案，問自己：“這是我能給出的最好答案嗎？我對這個答案確定嗎？”如果它不確定或信心不足，它會回去做更多的研究。它甚至可能會使用工具，因為工具提供了比它自己幻覺更好的解決方案。

結(jié)果是，我們將所有這些計算能力引導(dǎo)到產(chǎn)生一個更安全、更真實的結(jié)果和答案上。正如你所知，早期對 AI 最大的批評之一就是它會產(chǎn)生幻覺。如果你看看今天人們?nèi)绱祟l繁地使用 AI 的原因，就是因為幻覺的量減少了。

大多數(shù)人想到力量，可能想到的是爆炸性的力量。但技術(shù)的力量，大部分被導(dǎo)向了安全性。今天的汽車更強大，但駕駛起來更安全。很多力量被用于更好的操控。

主持人：所以當(dāng)你定義“安全”時，你定義的是準(zhǔn)確性和功能性？

黃仁勛： 對，就是讓它能完成你期望它做的事情。就像今天的汽車?yán)镉玫降?ABS（防抱死制動系統(tǒng)）。沒有汽車?yán)锏挠嬎銠C，你怎么做到這些？技術(shù)增強它導(dǎo)向的是更精細的思考、更多的反思、更多的規(guī)劃、更多的選擇。

主持人：但人們最大的擔(dān)憂是軍事應(yīng)用。人們非常擔(dān)心 AI 系統(tǒng)會做出某些可能不符合倫理或道德的決定，因為這些系統(tǒng)往往是基于實現(xiàn)目標(biāo)而非考慮后果的。你怎么看這一問題？

黃仁勛：我很高興我們的軍隊會使用 AI 技術(shù)進行防御。我很高興看到所有這些科技初創(chuàng)公司現(xiàn)在將他們的技術(shù)能力導(dǎo)向國防和軍事應(yīng)用。我認為我們必須這樣做。

未來二十年 AI 會發(fā)展成什么樣？

主持人：當(dāng)你展望 AI 的未來時，你剛剛說沒人真正知道會發(fā)生什么，你是否會坐下來思考各種情景？你認為未來二十年 AI 的最佳情景是什么？

黃仁勛：最佳情景是AI 融入我們所做的一切，一切都更高效。但戰(zhàn)爭的威脅仍然是威脅。網(wǎng)絡(luò)安全仍然是一個超級困難的挑戰(zhàn)。總有人會試圖突破你的防線。你會有數(shù)以千計、數(shù)以百萬計的 AI Agent 來保護你免受威脅。你的技術(shù)會變得更好，他們的技術(shù)也會變得更好。

主持人：人們最大的擔(dān)憂之一是，技術(shù)會發(fā)展到加密技術(shù)將被淘汰，不再能保護數(shù)據(jù)和系統(tǒng)。你預(yù)見到這會成為一個問題嗎？還是認為隨著防御的增長，它就能永遠抵御任何入侵？

黃仁勛：不可能“永遠”擋住所有入侵。網(wǎng)絡(luò)安全之所以有效，是因為防御技術(shù)與攻擊技術(shù)都在快速進步。雖然并非所有入侵都能被阻擋——總會有一些攻擊成功突破防線，但我們會從中吸取教訓(xùn)、持續(xù)改進。網(wǎng)絡(luò)安全防御的一大優(yōu)勢在于，整個社會、整個社區(qū)以及所有公司都在共同協(xié)作、形成合力。這一點許多人并未意識到。實際上，存在一個由網(wǎng)絡(luò)安全專家構(gòu)成的共同體，我們在此交流想法、分享最佳實踐、通報檢測到的新情況。一旦出現(xiàn)系統(tǒng)被攻破或發(fā)現(xiàn)漏洞，相關(guān)信息會立即共享給整個社區(qū)，相應(yīng)的補丁也會迅速向所有人開放。

主持人：這很有趣。我以前不知道。我以為這會像其他所有事情一樣，都是競爭性的。

黃仁勛：我們一起努力，這種情況持續(xù)了大約 15 年。

主持人：你認為是什么開啟了這種合作？

黃仁勛：人們認識到這是一個挑戰(zhàn)，沒有一家公司可以獨善其身。AI 也會發(fā)生同樣的事情。我認為我們都必須決定共同努力，以避免受到傷害，這是我們最好的防御方式。

主持人：你預(yù)見到未來會有某個時候，秘密將不復(fù)存在嗎？信息都是一堆一和零，技術(shù)能越來越多地獲取這些信息。會不會有一天，沒有辦法保守秘密？

黃仁勛：我不這么認為。量子計算機本該，量子計算機將使以前的加密技術(shù)過時。但這正是整個行業(yè)正在研究后量子加密技術(shù)的原因。

主持人：那會是什么樣的？

黃仁勛：新的算法。量子計算擁有的力量十分驚人。它可以在幾分鐘內(nèi)解決那些讓世界上所有超級計算機花費數(shù)十億年才能解決的方程。我知道有一群科學(xué)家正在研究這個問題。

主持人：終極恐懼會不會是：它無法被攻破，量子計算將永遠能解密所有其他的量子計算加密？

黃仁勛：我不認為會發(fā)展到某一點， AI 不會像從“穴居人”突然跳到“外星文明”那樣。我們每一天都在變得更好、更聰明。我們站在我們自己的 AI 的肩膀上前進。所以當(dāng) AI 威脅來臨時，它只是領(lǐng)先了一步，而不是領(lǐng)先了一個星系。所以我認為，那種 AI 會憑空出現(xiàn)，并以我們無法想象的方式思考，做出我們無法想象的事情的想法是牽強的。

主持人：但它們不會做一些非常令人驚訝的事情嗎？

黃仁勛：確實會有這種情況。但假設(shè)你的 AI 做了一件令人驚訝的事，我這邊也會有一個 AI。我的 AI 在觀察你的 AI 時，可能會說：“那其實也沒那么令人驚訝。”

我們這些普通人所擔(dān)心的恐懼，往往是擔(dān)心 AI 會變得有感知，能夠自己做決定，并最終決定統(tǒng)治世界——比如它們可能會說：“人類做得不錯，但現(xiàn)在該由我們接管了。”

不過，我的 AI 會保護我。這其實類似于網(wǎng)絡(luò)安全的邏輯：你有一個超級聰明的 AI，但我也有一個同樣超級聰明的 AI。假設(shè)我們理解了什么是意識和感知，并且它們確實存在——如果你的 AI 具備意識，我的 AI 也同樣具備。

假如你的 AI 想做些出人意料的事，我的 AI 非常聰明，可能并不會感到意外。雖然對我而言或許驚訝，但我的 AI 不會。就算我的 AI 最初也覺得意外，但它足夠聰明，第一次見到之后，第二次就不會再驚訝了。這和我們?nèi)祟悓W(xué)習(xí)的過程其實很像。

AI 不會獲得意識

主持人：你提到你不相信 AI 會獲得“意識”，你對“意識”或“感知力”的定義是什么？

黃仁勛：對我來說，意識首先你需要知道自己的存在。你必須擁有體驗，而不僅僅是知識和智能。一臺機器擁有體驗的概念……我不知道如何定義體驗。意識是對體驗的感覺，是認識自我與能夠反思、認識我們自己、自我感。我認為所有這些人類體驗大概就是意識。但它為何存在，以及與知識和智能的概念有何不同？AI 是由知識和智能定義的。我們稱之為人工智能，而不是人工意識。感知、相信、識別、理解、規(guī)劃、執(zhí)行任務(wù)的能力，這些都是智能的基礎(chǔ)。它顯然與意識不同。

主持人：我的意思是，狗沒有意識嗎？

黃仁勛：狗似乎很有意識。它們感受很多。它們會依戀你。你不在時會抑郁。所以它們當(dāng)然有意識。

主持人：AI 不是在與社會互動嗎？那么，它是否通過這種互動獲得了經(jīng)驗？

黃仁勛：我不認為互動就是經(jīng)驗。我認為經(jīng)驗是……經(jīng)驗是情感的集合。

主持人：你知道那個 AI 嗎？我忘了是哪個了，他們給了 AI 一些關(guān)于其中一個程序員與他妻子有外遇的虛假信息，只是為了看看 AI 會如何反應(yīng)。然后當(dāng)他們說要關(guān)閉它時，AI 威脅要敲詐程序員，并揭露他的外遇。當(dāng)時大家就覺得：“哇哦！”它很狡猾。如果那不是從經(jīng)驗中學(xué)習(xí)，并意識到自己即將被關(guān)閉它也不會進行威脅，如果它的能力呈指數(shù)級增長，那最終會不會導(dǎo)致一種不同于我們從生物學(xué)上定義的意識？

黃仁勛：嗯，首先我們來分析一下它可能的行為邏輯。它或許是從某個地方讀到過類似的描述——可能有些文本記載了人在面臨這種處境時會如何反應(yīng)。

我可以想象，某本小說里可能就出現(xiàn)過相關(guān)的詞語和情節(jié)。所以在它的內(nèi)部，只是識別出了一種“生存策略”。本質(zhì)上，那不過是一組數(shù)字：與“丈夫?qū)ζ拮硬恢摇毕嚓P(guān)的數(shù)字集合，后面關(guān)聯(lián)著另一串與“敲詐”或類似行為相關(guān)的數(shù)字。不管具體是報復(fù)還是什么，它只是根據(jù)這些關(guān)聯(lián)輸出了相應(yīng)的詞語。這就好比如果我讓它以莎士比亞的風(fēng)格寫一首詩，它也只是在這個多維的語言空間里，把世界上相關(guān)的詞語組合輸出而已。那些描述外遇的提示詞，觸發(fā)了后續(xù)一連串的詞語延伸，最終形成了某種帶有報復(fù)意味的回應(yīng)。但這并不是因為它有了意識，它只是在生成詞語。

主持人：我理解你的意思，你想說這是人類在文學(xué)和現(xiàn)實生活中表現(xiàn)出的模式，對吧？

黃仁勛：完全正確。

主持人：可是，如果有一天，人們回顧過去時說：“看，兩年前它還做不到這個，四年前它也做不到那個。”當(dāng)我們展望未來，當(dāng) AI 能做到人類能做的一切時，我們究竟要在哪個時間點判定它擁有了意識？如果它只是完美模仿了人類的全部思維和行為模式，那并不等于它就有意識——可那時它已經(jīng)變得真假難辨了。它能以和人完全相同的方式與你交流，這難道不就像是某種意識的體現(xiàn)嗎？我們是不是過于執(zhí)著“意識”這個概念了？因為它看起來已經(jīng)很像意識的某個版本了。

黃仁勛：它只是“模仿的版本”——模仿意識，對吧？即便模仿得再完美，我依然認為那是模仿。就像一塊完美的高仿勞力士手表。問題在于：我們?nèi)绾味x意識？

主持人：對，這正是關(guān)鍵。我覺得并沒有人真正清晰定義過它。

黃仁勛：是的，所以問題開始變得模糊，這也是那些持末世論觀點的人所擔(dān)心的——他們認為我們正在創(chuàng)造一種自己無法控制的意識形態(tài)。

我相信我們可以創(chuàng)造出一臺能夠模仿人類智能的機器，它可以理解信息、理解指令、分解問題、解決問題并執(zhí)行任務(wù)。對此我完全相信。

我認為我們可以擁有一個具備海量知識的計算機系統(tǒng)。這些知識中，有些是真實的，有些是虛假的；有些是人類生成的，有些是合成生成的。而且，未來世界上越來越多的知識將是合成生成的。

要知道，一直以來，我們所擁有的知識都是由人類生成、傳播、互相傳遞、放大、增減和修改的。但在未來，可能兩三年后，世界上 90% 的知識很可能由 AI 生成。

主持人：這聽起來太不可思議了。

黃仁勛：我知道。但這沒關(guān)系。讓我解釋為什么：我從一本由一群我不認識的人編寫的教科書里學(xué)習(xí)，和從一臺整合所有信息并重新合成知識的 AI 計算機里學(xué)習(xí)，對我來說有什么區(qū)別呢？我認為并沒有太大區(qū)別。我們依然需要核實事實，依然需要確保它基于基本的原理，依然需要做所有這些工作——就像我們今天所做的一樣。

主持人：考慮到當(dāng)前 AI 的發(fā)展現(xiàn)狀，你是否預(yù)見到——就像我們十年前從未真正相信 AI 會像今天這樣無處不在、如此強大和重要一樣——十年后我們會看到什么？你如何想象那時的情景？

黃仁勛：我覺得，如果你回顧過去十年，你也會說同樣的話：我們當(dāng)時絕不相信會發(fā)展成今天這樣，雖然方向可能不同。但如果你站在九年后的時間點，再問自己十年后會怎樣，我認為變化會是相當(dāng)漸進的。

AI 全面進化后，人類將何去何從？

主持人：埃隆·馬斯克說過一個讓我很興奮的觀點：他相信我們會進入一個人們不需要工作的階段。這并不是說人生沒有目標(biāo)，而是用他的話說，人們會享有“普遍高收入”，因為 AI 創(chuàng)造了大量財富，從而消除人們?yōu)榱速嶅X而從事自己不喜歡的工作的必要性。但很多人對此感到不安，因為他們的全部身份認同、自我認知以及社會歸屬感，都和工作緊密相連。比如，這是邁克，他是一位出色的機械師——找邁克，他就能搞定。可如果有一天，AI 能比人類做得更好，人們雖然能得到錢，但邁克該怎么辦？邁克真心喜歡成為最棒的機械師。

還有那些寫代碼的人，當(dāng) AI 能夠以無限速度、零錯誤地編碼時，他們又該做什么？這些人的出路在哪里？問題就變得微妙了，因為我們?nèi)祟愅焉矸菡J同和謀生職業(yè)綁定在一起。認識一個人時，你問的第一句話往往是：“你是做什么的？”如果邁克回答：“我從政府領(lǐng)錢，整天打游戲。”那感覺就太奇怪了。

黃仁勛：是的，這個問題很有意思……我們或許可以從一個更實際的起點開始討論，再倒推回來，你看可以嗎？

我想以深度學(xué)習(xí)的奠基人——杰夫·辛頓教授為例。他是多倫多大學(xué)的杰出研究員，提出了“反向傳播”這一核心思想，讓神經(jīng)網(wǎng)絡(luò)真正學(xué)會了“學(xué)習(xí)”。

對大眾來說，傳統(tǒng)軟件是人類運用第一性原理，將思維轉(zhuǎn)化為算法，再編寫成程序，就像一份食譜。而在深度學(xué)習(xí)中，我們構(gòu)建的是一個龐大的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。我們輸入它最終需要處理的數(shù)據(jù)，然后讓它“隨機猜測”輸出應(yīng)該是什么。

舉個例子：輸入一張貓的圖片。這個復(fù)雜網(wǎng)絡(luò)的某一端應(yīng)當(dāng)輸出代表“貓”的信號。當(dāng)輸入是貓時，其他輸出（狗、大象、老虎等）都應(yīng)接近零，只有“貓”的信號應(yīng)接近一。我們通過這個由無數(shù)數(shù)學(xué)單元組成的網(wǎng)絡(luò)輸入貓的圖片——這些單元僅僅在做乘法和加法。網(wǎng)絡(luò)規(guī)模非常龐大：輸入信息越多，網(wǎng)絡(luò)就需越大。

杰夫·辛頓發(fā)明的方法是：先讓網(wǎng)絡(luò)猜測——輸入貓圖，它給出一個結(jié)果。正確答案是“貓”，于是我們增強“貓”的信號，抑制其他信號，并將這個調(diào)整反向傳回整個網(wǎng)絡(luò)。接著再輸入一張狗圖，它可能又輸出一堆雜亂結(jié)果。我們再次糾正：“不，正確答案是‘狗’。請輸出‘狗’，其他輸出歸零。”然后再反向傳播這次修正。如此反復(fù)進行。這就像教孩子認物：“這是蘋果，這是狗，這是貓。”不斷展示、糾正，直到他們學(xué)會。

總之，這項偉大發(fā)明就是深度學(xué)習(xí)，它是當(dāng)代人工智能的基礎(chǔ)——一種能夠從例子中學(xué)習(xí)的軟件。

其最重大的應(yīng)用之一是圖像識別，而圖像識別中至關(guān)重要的領(lǐng)域就是放射學(xué)。大約五年前，有人預(yù)測：五年后，AI 將徹底改變放射學(xué)，不再需要放射科醫(yī)生。如今我們看到，這個預(yù)測完全正確——AI 已全面融入該領(lǐng)域。今天，幾乎所有的放射科醫(yī)生都在以某種形式使用 AI。

然而頗具諷刺意味且耐人尋味的是，自那以后放射科醫(yī)師的數(shù)量反而增加了。這就引出了一個值得玩味的問題：為什么會這樣？

當(dāng)時的預(yù)測認為，AI 會讓放射科醫(yī)生消失，但現(xiàn)實恰恰相反，我們需要的放射科醫(yī)生更多。原因是：放射科醫(yī)生的真正目的不是閱讀影像，而是“診斷疾病”。

閱讀影像只是為了診斷服務(wù)的一個步驟。現(xiàn)在 AI 能更快、更精準(zhǔn)地分析圖像，從不犯錯，也不會疲勞——它能處理更多影像，能把 2D 圖像變成 3D、甚至 4D 來分析。AI 不在乎維度，它都能做。

因此，AI 能以人類做不到的方式、更大規(guī)模地研究影像，讓醫(yī)院可以為更多患者做檢查，提高服務(wù)量。這反過來改善醫(yī)院的經(jīng)濟狀況，于是醫(yī)院會雇傭更多放射科醫(yī)生，因為醫(yī)生真正的價值是診斷疾病，而不是看圖。

主持人：所以你最終想說的是：關(guān)鍵要看一份工作的“目的”是什么？比如律師的目的是否改變了？

黃仁勛：對，我們要回到“工作的目的”本身。我舉個例子：如果汽車實現(xiàn)完全自動駕駛，所有司機會失業(yè)嗎？可能不會。因為有些司機承擔(dān)的不只是駕駛，而是保護、服務(wù)、體驗的一部分。

所以有些司機會失去工作，但許多司機會轉(zhuǎn)型，而自動駕駛也會催生新的應(yīng)用。

同樣地，如果 AI 出現(xiàn)，我不認為我會失去工作，因為我的工作目的不是“看文件”“查郵件”“看技術(shù)圖”。這些都是任務(wù)，不是目的。人的工作目的通常沒變，變的是完成任務(wù)的方式。律師也是——他們的目的仍然是“幫助別人”。閱讀法律文件、生成文書只是手段，而不是目的。

主持人：但你不覺得 AI 會取代很多工作嗎？尤其是那些本質(zhì)上就是“執(zhí)行任務(wù)”的職業(yè)？

黃仁勛：會的。如果你的價值只是“做任務(wù)本身”，那就很危險。但 AI 同時也會創(chuàng)造大量新工作。例如：假設(shè)我對馬斯克做的人形機器人非常興奮，雖然還有幾年才會普及。但一旦普及，就會出現(xiàn)一個全新的產(chǎn)業(yè)——機器人制造、維護、維修的技術(shù)人員。這些工作以前不存在。

汽車問世后才出現(xiàn)汽車技工、加油站、改裝等行業(yè)。未來機器人也會催生“機器人服飾”“機器人維護”“機器人個性化”等全新產(chǎn)業(yè)。

主持人：你不認為這些工作未來也會被機器人自動化嗎？最終是不是只有那些不是“執(zhí)行任務(wù)”的工作才會幸存？

黃仁勛：即便機器人彼此維護，也會不斷催生新需求、新工作。關(guān)鍵是：你的工作必須有“超越任務(wù)”的意義。如果你的工作只是“切菜”，那廚房機早就能代替你了。人們必須尋找更有意義的部分。

如何看待馬斯克提出的全民基本收入（UBI）？

主持人：你怎么看馬斯克關(guān)于“全民基本收入（UBI）將成為必要”的觀點？像 Andrew Yang 也提出過類似的看法。

黃仁勛：我認為兩種極端情況不會同時發(fā)生：一種說法是：未來 AI 帶來“資源極大豐富”，人人都富裕，不需要工作。另一種說法是：我們需要全民基本收入來維持生活。這兩者不可能同時成立。要么人人富裕，要么人人需要補貼。

主持人：那你覺得“人人富裕”可能嗎？如何實現(xiàn)？

黃仁勛：富裕不一定意味著“每個人都擁有很多錢”，而是“資源極大豐富”。就像今天我們對“信息”非常富有——幾千年前只有極少數(shù)人能獲取知識。未來，許多現(xiàn)在被認為稀缺的資源，會因為自動化而變得廉價、易得。

主持人：聽起來你認為很難預(yù)測很遠的未來？

黃仁勛：對，非常難，因為變量太多了。但未來 5–10 年，我有幾個“相信并希望”能夠發(fā)生的趨勢：

趨勢一，AI 會大幅縮小技術(shù)鴻溝，而不是擴大。反對者會說 AI 會加劇差距，因為它昂貴，需要能源、GPU、工廠。但證據(jù)告訴我們：AI 是人類歷史上“最容易使用的技術(shù)”。

ChatGPT 幾乎一夜之間就有十億用戶 ，使用方式極其簡單：對它說話就行。你不會用 ChatGPT？就問 ChatGPT “怎么用你” ，它能自動學(xué)習(xí)你的語言、方言，并給出答案。以前的工具不會教你如何使用自己，但 AI 會。你不需要會 Python/C++，只需要會“人類語言”。

趨勢二，未來每個國家都會擁有優(yōu)秀的 AI。即便不是最新的，也會是“過去版本的 AI”，但： “十年前的 AI，在十年后仍然是驚人的。” 每個國家都會因此提升知識、技能與智能水平。

趨勢三，AI 的能耗會大幅下降，讓更多國家享受紅利。

主持人：但能源不也是發(fā)展中國家的最大瓶頸嗎？

黃仁勛：是的，能源是瓶頸。但正如摩爾定律讓計算功耗不斷下降，加速計算（accelerated computing）也讓 AI 的能耗下降得極快。

過去十年，我們把計算性能提升了 100,000 倍。同樣任務(wù)所需的能源減少了 100,000 倍。如果汽車十年內(nèi)做到“能耗減少 10 萬倍”，它幾乎不需要能源。未來 10 年，AI 做同樣的任務(wù)所需能量會降到極低。這意味著：AI 將無處不在，每個國家都能使用，不需要巨大的能源成本。

所以，貧窮國家也能跟上。

馬斯克買走了第一塊 DGX-1

主持人：目前能源仍然是最大瓶頸吧？比如 Google 正在建核電站為他們的 AI 工廠供電？

黃仁勛：我之前沒聽說過這件事。但未來六、七年會看到很多小型核反應(yīng)堆。規(guī)模大概是幾百兆瓦的級別。這些小型核反應(yīng)堆會建在各家公司本地，用來自發(fā)電。

主持人：哇，就像農(nóng)場自己發(fā)電那樣？這樣做似乎最合理吧？既能減輕電網(wǎng)壓力，又能按需建設(shè)，還能把剩余電力回饋電網(wǎng)？

黃仁勛：沒錯，這就是它的意義。

主持人：你剛才講了一個很重要的點：摩爾定律與價格之間的關(guān)系。比如現(xiàn)在的筆記本電腦，像 MacBook Air，那么薄、電池那么強、性能那么好，價格相對又便宜——這就是摩爾定律，對吧？

黃仁勛：然后還有英偉達定律。我之前說的那種計算方式，就是我們發(fā)明的新計算方法，相當(dāng)于“喝了能量飲料版的摩爾定律”，摩爾定律遇上喬·羅根那種強化版。這就是我們。

主持人：你帶去給馬斯克的那塊芯片，它的意義是什么？為什么這么強？

黃仁勛：要從 2012 年說起。當(dāng)時 Geoff Hinton 的實驗室——我剛才提到的那幾位：Ilya Sutskever、Alex Krizhevsky——他們在計算機視覺領(lǐng)域做出了突破，開發(fā)了一個叫 AlexNet 的軟件，用來識別圖像。

AlexNet 的圖像識別效果，比過去 30 年所有人類設(shè)計的計算機視覺算法都要好，是一個質(zhì)的飛躍。計算機視覺是智能的基礎(chǔ)，如果機器不能感知，就很難談智能。他們用的硬件是什么？就是兩塊英偉達的 GPU。

主持人：為什么 GPU 能做到？

黃仁勛：因為英偉達從成立開始，就在研究一種新的計算方式。傳統(tǒng) CPU 是順序運行：一步一步來。而 GPU 是并行運行：把問題拆成很多塊，交給成千上萬個處理器同時做。

顯卡之所以能玩你的賽車模擬器、生成圖形，是因為它其實就是一臺圖像生成超級計算機。我們把這種“加速計算”植入了顯卡里。年輕人買它來打游戲——但其實他們買的是全球最大規(guī)模的消費者超級計算平臺。你之前玩 Quake，用雙卡 SLI，對吧？

主持人：對，我以前自己裝電腦，用過你的顯卡，搞過雙卡 SLI。我以前是 Quake 發(fā)燒友。

*** 黃仁勛：那太酷了。你那兩塊 GTX 580，其實就是深度學(xué)習(xí)走紅世界的第一臺“革命性計算機”。

黃仁勛：就是那臺雙卡 SLI。那是現(xiàn)代 AI 的大爆炸時刻。我們發(fā)明了 GPU 和 CUDA，他們正好發(fā)現(xiàn)了它，而我們又正好注意到了他們做的事情。這就像《星際迷航》的第一次接觸——假如瓦肯人沒有在那一刻看到曲速引擎，他們就不會來到地球。一切都會截然不同。

主持人提問：后來發(fā)生了什么？

黃仁勛：我們意識到深度學(xué)習(xí)不僅能解決視覺問題，它本質(zhì)上是一個通用函數(shù)逼近器：給它輸入和輸出，它能自己學(xué)會內(nèi)部的函數(shù)。今天可以是牛頓方程，明天可以是麥克斯韋方程、電磁學(xué)、熱力學(xué)甚至量子物理。

換句話說：只要世界存在輸入和輸出，AI 就能學(xué)會它。但要讓它真正強大，需要兩個前提：一是模型需要能擴大規(guī)模（scale）；二是它必須能在無監(jiān)督的情況下學(xué)習(xí)——我們不會永遠有足夠的標(biāo)注數(shù)據(jù)。 無監(jiān)督學(xué)習(xí)后來出現(xiàn)了，AI 于是可以靠自己學(xué)習(xí)。

到 2016 年，我造出了第一臺 DGX-1 超級計算機，用 8 個 GPU（不是 SLI 兩個）連在一起，一個要 30 萬美元，而研發(fā)第一臺花了英偉達幾十億美元。我在大會上發(fā)布它，但沒有一個人想買——直到馬斯克出現(xiàn)。

主持人：馬斯克怎么說？

黃仁勛：我們在臺上做火邊聊天，他說：“我有家公司可以用到這個。”我特別興奮：“太好了，我第一個客戶！”結(jié)果他說：“這是家非營利機構(gòu)。”

我當(dāng)時整個人都僵住了——我花了幾十億做這東西，他買不起啊！但我還是把我們內(nèi)部在用的一臺打包，親自開車送去舊金山。

2016 年，我走進他們一個比你這房間還小的地方——那里的人后來成了 OpenAI。那時他們真的就是“坐在同一個小屋子的一群人”。

主持人：但現(xiàn)在已經(jīng)不是非營利組織了，對吧？

黃仁勛：對，現(xiàn)在已經(jīng)不是了。但不管怎樣，那真是一個偉大的時刻。

存亡之際，世嘉 500 萬美元拯救了英偉達

主持人：現(xiàn)在 DGX-1 體積真的小太多了。那天 SpaceX 的時候我們也看過。

黃仁勛：對，你看差別。工業(yè)設(shè)計完全一樣。而且他是拿在手里的。最驚人的是——當(dāng)年的 DGX-1 是 1 PetaFLOPS。很大的 FLOPS 數(shù)。DGX Spark 也是 1 PetaFLOPS。但——這是 9 年之后。同樣的計算力、卻小了這么多。

主持人：而且不是 30 萬美元了？

黃仁勛：現(xiàn)在只要 4000 美元。而且只有一本小書的大小。技術(shù)就是這樣進步的。我想把第一臺給他，就是因為 2016 年我也把第一臺給了他。

主持人：太迷人了。如果要拍電影，這就是最完美的故事。假如它真的變成一種數(shù)字生命形態(tài)，那它的起源竟然來自——想做更好的電子游戲電腦圖形，這不是太諷刺太有戲劇性了嗎？

黃仁勛：完全是。你這么想真的很瘋狂，但也完美貼合邏輯。計算機圖形其實是超級計算里最困難的問題之一，要生成“現(xiàn)實”。同時它又是最賺錢的問題之一，因為電腦游戲太受歡迎。

NVIDIA 在 1993 年創(chuàng)立時，我們想做一種新的計算方式。問題是：殺手應(yīng)用是什么？我們公司想做一種新型的計算架構(gòu)，一種能解決傳統(tǒng)計算機解決不了的問題的計算機。但——1993 年存在的應(yīng)用，都是傳統(tǒng)計算機能解決的。如果傳統(tǒng)計算機解決不了，那應(yīng)用也不會存在。

所以，我們公司其實從使命陳述上來說，是一個“不可能成功的公司”。但 1993 年的我根本不知道，只覺得這是個好主意。如果我們要創(chuàng)造一個能解決沒法解決的問題的機器——那你得先“創(chuàng)造那個問題”。

這就是我們做的事。當(dāng)時沒有《Quake》，John Carmack 還沒發(fā)布《Doom》。所以我去了日本。當(dāng)時街機行業(yè)正在崛起，世嘉很火。那時的街機第一次進入 3D：《VR 快打》《Daytona》《VR 警察》……

這些技術(shù)來自 Martin Marietta 的飛行模擬器，把 NASA 航天飛機模擬器的核心拆出來塞進街機里。你家那臺系統(tǒng)，算力可能比當(dāng)年的街機強一百萬倍。但那些街機用的就是飛行模擬器的技術(shù)。世嘉有兩位驚人的開發(fā)者——鈴木裕，以及任天堂的宮本茂。 他們是游戲行業(yè)真正的起源者，兼具藝術(shù)與技術(shù)天賦。鈴木裕是 3D 游戲圖形的先鋒。

我們當(dāng)時創(chuàng)立公司，卻沒有任何應(yīng)用。每天和家人說“去上班”，但實際上就我們?nèi)齻€人，沒人會來找你。所以我們下午都沒事干。吃完午飯，我們就會去街機廳打《VR 快打》《Daytona》，研究他們怎么做到的。

后來我們決定：** 去日本說服世嘉，把這些街機 3D 游戲移植到 PC 上，開啟 PC 3D 游戲時代。這就是 NVIDIA 的開始。

作為交換條件，我們幫他們做游戲主機的芯片，他們把游戲移植到 PC。他們也付了我們一大筆錢，這就是 NVIDIA 的真正起步。

但在做了幾年之后，我們發(fā)現(xiàn)——我們第一代技術(shù)不行。是錯的。所有架構(gòu)理念是對的，但實現(xiàn)方式完全反了。別人用三角形，我們用曲面；別人做逆向貼圖，我們做正向貼圖；別人用 Z-buffer，我們沒有。

所有三個關(guān)鍵技術(shù)方向——我們?nèi)x錯。所以我們是第一批進入這行業(yè)的公司，卻發(fā)現(xiàn)自己在一百家競爭者里排在最后，而且答案是錯的。

公司陷入困境，我們必須選擇：

• 改？改了仍然是最后一名，仍然會死。

• 不改？就繼續(xù)用錯誤技術(shù)。

• 或者做別的？

我最后主張：雖然不知道正確策略是什么，但我們至少知道錯誤技術(shù)是什么。先停下錯誤的，給自己一個重新思考的機會。

第二個問題：我們快沒錢了。我還和世嘉有合同，要交付游戲主機芯片。如果合同被取消，我們會瞬間死掉。于是我去了日本，見世嘉 CEO 入交昭平（Irié）。他以前是本田美國的 CEO。我 33 歲，還是個瘦瘦的華裔小伙子，臉上還有痘。我對他說：

• 我有壞消息。

• 我們承諾的技術(shù)行不通。

• 我建議你們不要繼續(xù)讓我們完成合同，你們應(yīng)該找別人做主機芯片——否則只會浪費你們的錢。

而且——雖然我請求解約，但我仍然需要你最后那 500 萬美元。否則我們會立刻倒閉。

我謙虛、誠實地把背景全部解釋給他聽。我請求他把最后那 500 萬美元改成對 NVIDIA 的投資。他對我說：“即便我投了，你們公司仍然很可能會倒閉。”

完全正確。

1995 年的 500 萬美元，對世嘉來說也是大錢。面對這么多競爭者，他們做對了技術(shù)，我們做錯了——投我們，回報概率幾乎是零。我告訴他： “如果你不投資，我們今晚就會倒閉；如果你投了，錢可能也會虧掉。但結(jié)果對我來說意義重大。”

他想了幾天，回來對我說：“好，我們投。”

他最終決定：他只是喜歡那個年輕的 Jensen。就這樣。直到今天都是如此。

主持人：公司上市后你們怎么做？

黃仁勛：我們當(dāng)時的戰(zhàn)略和技術(shù)方向完全是錯的，所以不得不裁掉公司大部分人，把做游戲主機的團隊都縮回去。有人對我說：“Jensen，我們從來沒把東西做對過，我們只會按錯誤的方法做。”

確實公司沒人知道如何像 Silicon Graphics 那樣，做一個超級計算級的圖形圖像生成系統(tǒng)。

我說：“不會很難吧？幾十家公司都在做。”幸運的是 Silicon Graphics 出了一本教材，我口袋里有 200 美元，就把僅有的三本教材全買了，每本 60 美元。

我拿回來發(fā)給三個架構(gòu)師，說：“讀它，然后我們?nèi)フ裙尽！?/p>

主持人：你們是怎么改變 3D 圖形技術(shù)的？

黃仁勛：我們從第一性原理開始，學(xué)習(xí)最好的技術(shù)，但用從未有過的方式重新實現(xiàn)。Silicon Graphics 的幾何引擎是跑在通用處理器上的軟件邏輯。而我們把所有通用性都去掉，只保留 3D 圖形最本質(zhì)的功能，把它全部硬編碼進芯片里。

那讓一個小小的芯片性能暴增，能跑出百萬美元圖形工作站同等級的畫面。我們把一個百萬級設(shè)備塞進了 PC 顯卡里，這就是重大突破。同時，我們只專注一個應(yīng)用場景：電子游戲，而不是 CAD、飛行模擬這些一大堆應(yīng)用。把問題縮到最小，然后為玩家超級優(yōu)化它。

我們還建立了完整的游戲開發(fā)者生態(tài)，把游戲適配到我們的芯片上，從技術(shù)公司變成一個游戲平臺公司。GeForce 早期本質(zhì)上就是讓 PC 變成一臺游戲主機。

主持人：你怎么回顧那個時代電子游戲行業(yè)的興起？

黃仁勛：1993 年時實際上根本沒有“游戲產(chǎn)業(yè)”這種說法。但 John Carmack 做出 Doom、Quake 后，一切瞬間爆發(fā)。

順便說個趣事，“Doom”這個名字來自《金錢本色》里的一個臺詞：湯姆·克魯斯打開球桿盒時說：“厄運（Doom）”。Carmack 覺得他們做的就是給行業(yè)帶來“毀滅級沖擊”，就用了這個名字。之后 Tim Sweeney 和 Epic Games 加入，3D 游戲時代徹底起飛。

主持人：繼續(xù)你的故事吧。你們后來怎么撐下來的？

黃仁勛：在 GeForce 之前，我們靠 RIVA 128 救活了公司。但當(dāng)時我們銀行里只剩幾百萬美元，每個月都在燒錢。設(shè)計芯片要反復(fù)打樣——設(shè)計 → tape-out（送晶圓廠）→ 拿回硅片 → 用軟件測試 → 發(fā)現(xiàn) bug → 再 tape-out。我們沒有錢也沒有時間再來幾次這樣的循環(huán)。

后來我聽說有家公司做出一臺“模擬器”（emulator），能讓我們直接把芯片的設(shè)計文件放進去，讓機器“假裝”成我們的芯片。這樣就能在出硅片之前把所有軟件測試完。

這太革命了。我們只有一百萬美元現(xiàn)金，我決定拿其中一半去買那臺機器。結(jié)果我打電話過去，對方說：“機器有，但我們公司已經(jīng)倒閉了。” 他們有一臺庫存機，我就把它買下來了。他們之后真的倒閉了。我們把設(shè)計放進去測試，把 bug 都修完了。

主持人：然后你們怎么讓 TSMC（臺積電）支持你們？

黃仁勛：我打電話給臺積電，說我們要直接量產(chǎn)，不做試產(chǎn)。臺積電說從沒聽過有人第一次 tape-out 就敢直接上量產(chǎn)。

但如果不這么做，我們必然死。而這樣做，也許有一線生機。當(dāng)時臺積電很小，幾億美元規(guī)模。創(chuàng)辦人張忠謀先生決定支持我們。我告訴他我們“有很多客戶”（事實上只一個），還有大額采購訂單。如果失敗，晶圓會報廢，我們也完了。但他承擔(dān)了風(fēng)險。我們 tape-out、量產(chǎn)，結(jié)果完美成功。我們從零到十億美元收入，成為當(dāng)時增長最快的科技公司。

主持人：那時候你怎么承受壓力？能睡好嗎？

黃仁勛：那時我常常躺在床上覺得整個世界都在高速旋轉(zhuǎn)，非常焦慮，完全失控。我人生只有少數(shù)幾次這樣的感覺，那段時間是最嚴(yán)重的。

主持人：這些經(jīng)歷給了你什么？

黃仁勛：我學(xué)會了如何制定戰(zhàn)略、如何創(chuàng)造市場（我們創(chuàng)造了現(xiàn)代 3D 游戲市場，后來用同樣方法創(chuàng)造了現(xiàn)代 AI 市場）。我學(xué)會了如何在危機中保持冷靜、系統(tǒng)化思考，又如何把公司里所有浪費都清除，只做最本質(zhì)的事。

我們長期靠“燃盡式”生存。直到今天——我每天早上醒來仍然覺得：我們可能 30 天內(nèi)會破產(chǎn)。

主持人：但你們現(xiàn)在是全球最大的科技公司之一啊。

黃仁勛：但那種脆弱感、不確定感、危機感從來沒離開過。

主持人：你覺得正是這種“饑餓感”讓你們成功嗎？

黃仁勛：是的。我更多的驅(qū)動力來自“不想失敗”。我不會停下來，不會自滿，總是處在邊緣狀態(tài)。

https://www.youtube.com/watch?v=3hptKYix4X8

聲明：本文為 InfoQ 翻譯整理，不代表平臺觀點，未經(jīng)許可禁止轉(zhuǎn)載。

會議預(yù)告

12 月 19～20 日，AICon 2025 年度收官站在北京舉辦。現(xiàn)已開啟 9 折優(yōu)惠。

兩天時間，聊最熱的 Agent、上下文工程、AI 產(chǎn)品創(chuàng)新等等話題，與頭部企業(yè)與創(chuàng)新團隊的專家深度交流落地經(jīng)驗與思考。2025 年最后一場，不容錯過。

今日薦文

你也「在看」嗎？