小扎對談黃仁勛：AI模型不開源，臟話我要罵出來

西風 衡宇 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

“Nah, f**k that.”

扎克伯格忍不住爆了一句粗口——就在剛剛結(jié)束的SIGGRAPH 2024與英偉達老黃的對談過程中。

為啥？簡單來說，只要一提封閉的、不開源的，小扎就很生氣。

就在幾天前，小扎帶領(lǐng)的Meta發(fā)布了大模型Llama 3.1 ，首次達成“最強開源模型=最強模型”成就。并且，因為開源，用戶可以訪問、修改和分發(fā)源代碼。

這次和老黃的對話中，小扎承認，不停搞開源模型，是一種自己偏好上的“自私”。

但更久遠地來看，他相信有一天，每家公司都會擁有自己的AI——就像大伙兒擁有自己的社交媒體資料一樣。

黃仁勛院士聽了表示很贊賞，還夸Llama 2“可能是去年AI領(lǐng)域最大的盛舉”。小扎反手一個商業(yè)互吹：不，我認為是H100。

在兩人親切友好（？）地交流聲中，小扎送了老黃新衣服：一件黑色羊皮夾克。

要知道，老黃一直穿著的皮衣，是他老婆買給他的。

皮衣黃還是從前那個皮衣黃，但皮衣不是從前那個皮衣了

但，細心的你一定發(fā)現(xiàn)了，小扎的博文中提到，他倆激情交流的部分，不只有開源。

還有AI Agent和最近火爆全球的智能眼鏡。

而且，倆人都對下一代計算充滿希望。

Meta正式發(fā)布AI Studio，允許用戶構(gòu)建具有自定義個性的虛擬角色和Chatbot。

英偉達更是當好了勤務兵，宣布正式發(fā)布NIM（Nvidia inference micro ），一個軟件包，適用于AI模型，可以用來解決將AI用于特定目的所需的許多后勤問題。

倆人更是頻頻爆金句：

• Llama 4及以后的模型體驗將不再像簡單的聊天機器人似的來回對話。
• 即使現(xiàn)在基礎模型進展停止了，目前為止構(gòu)建的所有東西夠我們5年產(chǎn)品創(chuàng)新。
• 如果我知道成功需要這么長時間……我會像你一樣輟學，提前開始。
• 坦白說，開源有部分原因是我們比其他一些技術(shù)公司晚，當我們建成這些設施時，已經(jīng)不再具競爭優(yōu)勢了。
• 現(xiàn)在我們基本上進入了軟件3.0。

本文中，我們在不改變原意的基礎上編譯了小扎和老黃的對談。

并且在最后介紹了英偉達的一系列新動態(tài)，只對英偉達感興趣的小伙伴們，可以直接拉到最后捕獲需要的信息～

對話實錄

老黃：我們都使用來自Meta的PyTorch，Meta在計算機視覺、語言模型方面也做了很多工作……我的第一個問題是，你怎么看待今天Meta在生成式AI上的進步？以及如何應用它來增強運營或引入新功能？

小扎：圍繞生成式AI的所有內(nèi)容都是一場有趣的革命，我認為最終它將以有趣的方式改變我們所有的產(chǎn)品。

你可以看看我們現(xiàn)在已有的一些產(chǎn)品線。像是Feed、Instagram、Facebook，它們已經(jīng)從最初僅是一個連接朋友的工具，發(fā)展到現(xiàn)在的樣子。

在這個過程中，內(nèi)容排序始終非常重要。比如你的朋友有非常重要的事，這種信息你肯定希望它顯示在Feed的頂部。

過去的幾年情況已經(jīng)有了變化，更多內(nèi)容來自不同公共渠道。推薦系統(tǒng)非常重要，因為現(xiàn)在不僅僅是來自朋友的幾百或幾千個帖子，而是數(shù)百萬的內(nèi)容。這變成了一個非常有趣的推薦問題。

隨著生成式AI的發(fā)展，我認為我們很快將進入一個新階段。

在這個階段中，你在Instagram上看到的大部分內(nèi)容不僅是基于你的興趣推薦的，而且不依賴于你是否關(guān)注了發(fā)布者。

我認為未來很多東西也將由這些工具創(chuàng)建，部分內(nèi)容由創(chuàng)作者使用這些工具創(chuàng)作，另一部分可能會即時為你生成，或通過綜合世界各地不同的信息合成。

這只是我們業(yè)務將如何演變的一個例子，而這種演變已經(jīng)持續(xù)了20年。

但我覺得很少有人意識到，世界上最大的計算系統(tǒng)之一是推薦系統(tǒng)。

這是一個完全不同的路徑，并非人們常談論的生成式AI的熱點。但我認為，就像所有的Transformer架構(gòu)一樣，它正類似于逐步構(gòu)建越來越通用的東西，將非結(jié)構(gòu)化數(shù)據(jù)嵌入到特征中。

我的意思是，過去你可能針對每種類型的內(nèi)容都有一個不同的模型，我們曾經(jīng)分別使用兩個模型，一個用于推薦短視頻，另一個用于推薦長視頻。我們通過一些產(chǎn)品調(diào)整，整合了這些功能來避免在同一平臺上顯示重復內(nèi)容。

隨著我們不斷開發(fā)更通用的推薦模型，涵蓋更廣泛的內(nèi)容，推薦效果也越來越好。

我認為這部分得益于內(nèi)容的經(jīng)濟效益和流通性，通過從更廣泛的內(nèi)容池中抽取，我們避免了從分散的來源抽取內(nèi)容時的效率損失。

隨著這些模型變得更加龐大和通用，它們的性能也在不斷提升。

我夢想有一天，可以將像Facebook或Instagram這樣的平臺通過一個統(tǒng)一的AI模型來管理。

這個模型將整合所有不同類型的內(nèi)容和系統(tǒng)，不僅能展示你今天想看的有趣內(nèi)容，還能幫助你長期建立和擴展你的社交網(wǎng)絡，比如推薦你可能認識的人或你可能想關(guān)注的賬戶。

老黃：因此，人們總是對AI在你們社區(qū)的深入應用感興趣。你們已經(jīng)建立了GPU基礎設施，并長期運行大型推薦系統(tǒng)。

現(xiàn)在生成式AI真正酷的地方在于，這些天當我使用WhatsApp時，我感覺我在與WhatsApp合作，我喜歡這種感覺。

我坐在那里打字，它會隨著我的輸入生成圖像。我回去修改我的用詞，它又會生成其它圖像，生成的圖像看起來相當不錯。然后現(xiàn)在你還可以在里面加載我的照片。

小扎：我認為生成式AI一方面將會為我們所有長期使用的工作流程和產(chǎn)品帶來一次大的升級，另一方面它還將催生許多全新的創(chuàng)造。

Meta AI擁有一個可以幫助你處理不同任務的AI助手的想法，它將極具創(chuàng)造性，而且非常通用。隨著時間的推移，它將能夠回答任何問題。

當我們從Llama 3系列升級到Llama 4及以后的模型時，我認為這種體驗將不再像簡單的聊天機器人那樣，你給它一個提示它就回應，然后你再給一個提示它再回應，就這樣來回對話。

而是演變?yōu)?strong>你給它一個意圖，它可以在多個時間框架上進行操作。比如其中一些事會啟動計算作業(yè)，可能需要數(shù)周或數(shù)月，然后它回來給你結(jié)果，就像世界上發(fā)生了什么事一樣。我認為這將是非常強大的，所以我很激動。

老黃：正如你所說，現(xiàn)在的AI就是簡單的問答。但當我們?nèi)祟惷鎸σ粋€任務時，我們會思考多個選項，甚至構(gòu)建一個決策樹，在腦中模擬不同的決策，我們在做規(guī)劃。

而未來人工智能也會做類似的事情。我對你提到的創(chuàng)作者AI很興奮。坦白說，我覺得這是個很棒的點子。

跟大家介紹一下創(chuàng)作者AI和AI Studio。

小扎：其實，這是我們正在推廣的東西。我們不認為只有一種AI模型就足夠了。這是一些其他公司的做法，他們好像在構(gòu)建一個中央Agent。

我們會有Meta AI助手供你使用，但我們希望幫助所有使用我們產(chǎn)品的人可以為自己創(chuàng)建Agent。無論是平臺上的創(chuàng)作者還是小企業(yè)，我們最終希望能迅速整合所有內(nèi)容，建立一個商業(yè)Agent幫助他們與客戶互動，進行銷售等。

我們現(xiàn)在推出的一個工具叫做AI Studio，它是一套工具，最終能使每個創(chuàng)作者都能構(gòu)建一個類似于他們自己的AI Agent或助手，供他們在社區(qū)互動。

有個問題是，如果你是一個創(chuàng)作者，你想要更多地與你的社區(qū)互動，但你的時間有限。同樣，你的社區(qū)也想與你互動，但這很難。因此，最好的解決方案是讓人們創(chuàng)造這些Agent，訓練它們根據(jù)你的風格以你希望的方式展現(xiàn)你自己。

我認為未來人們將會為各種目的創(chuàng)建自己的AI Agent。有些Agent將被定制用于完成特定的實用任務，有些可能是為了娛樂，創(chuàng)造一些有趣或者略帶幽默感的內(nèi)容，我們可能不會將其直接整合進Meta AI助手中，但我認為人們對此很感興趣。

我們看到的一個有趣的用例是人們使用這些Agent來支持社交互動。這有點讓我驚訝，因為Meta AI已成為人們角色扮演復雜社交場景的主要工具之一。

無論是職場晉升、薪酬談判，還是與朋友或伴侶的糾紛，這些Agent提供了一個無偏見的環(huán)境，使人們可以模擬對話，探索可能的對話走向并獲得反饋。

而且許多人不僅想與常規(guī)的AI Agent互動，無論是Meta AI助手還是ChatGPT，他們希望能創(chuàng)造屬于自己的個性化Agent，這正是我們AI Studio的目標方向。

我們認為，與一個單一的大型AI互動不是唯一的選擇，一個具有多樣化Agent的世界會更加精彩有趣。

老黃：我覺得如果你是藝術(shù)家，這會非?？幔阌凶约邯毺氐娘L格和作品集?，F(xiàn)在，這些可以將其整合成一個AI模型，可以引導它根據(jù)你的藝術(shù)風格創(chuàng)作，甚至可以提供一件藝術(shù)作品作為繪畫靈感，讓它基于這些為你創(chuàng)造新的作品。

你可以訪問我的AI，就像訪問我的機器人一樣。未來可能每家餐廳、每個網(wǎng)站都會擁有這樣的AI。

小扎：是的，我認為在未來每個企業(yè)都會有一個與客戶互動的AI。商業(yè)版本會有更多的集成，我們?nèi)匀惶幱谙喈斣缙诘腶lpha階段。

老黃：我可以使用AI Studio在我的圖庫上微調(diào)嗎？

小扎：是的，我們會做到的。

老黃：那我可以將我寫過的所有東西都上傳上去，用它作為我的個人資料庫。每次我再次使用它時，它會重新加載記憶，它能記得上次我們停留的地方。

然后我們可以繼續(xù)對話，就像從未中斷過一樣。

小扎：像任何產(chǎn)品一樣，它會隨著時間的推移而改進，理想化版本不僅僅是針對文本。我不認為這些事情還很遙遠，飛輪正在迅速旋轉(zhuǎn)，還有很多新東西需要構(gòu)建。

即使現(xiàn)在基礎模型的進展停止了，我認為我們還有五年的產(chǎn)品創(chuàng)新時間夠整個行業(yè)弄清楚如何最有效地使用目前為止構(gòu)建的所有東西。

但實際上，我認為基礎模型和基本研究的進展正在加速，這是一個相當瘋狂的時期。

你知道，你讓這一切發(fā)生了。

老黃：謝謝，我們作為CEO是嬌嫩的花朵，我們需要很多支持。

小扎：到目前為止，我們已經(jīng)歷經(jīng)了不少風霜。我認為我們是行業(yè)中資歷最久的兩位創(chuàng)始人之一。

老黃：這是事實。

小扎：你的頭發(fā)變白了，我的變長了。

老黃：我的變成灰色了，你的變卷發(fā)了，What’s up?

如果我知道成功需要這么長時間……

小扎：你永遠不會開始？

老黃：不，我會像你一樣輟學，提前開始。你有12年的領(lǐng)先，真不錯。

老黃：我喜歡你的愿景，每個人都可以有AI，每個企業(yè)都可以有AI。在我們公司，我希望每個工程師和每個軟件開發(fā)人員都有一個AI。所以當你推出Llama時，是開源的，我認為這很棒。這就是我為什么認為Llama 2可能是去年最大的AI事件。

小扎：我認為是H100。

老黃：謝謝。我之所以說這是最大的事件，是因為它當時激活了每個公司、行業(yè)，突然間，都在構(gòu)建人工智能。每個研究員都有可能重新接觸AI，因為他們有了一個起點。

然后現(xiàn)在Llama 3.1也發(fā)布了，我們正在一起努力部署3.1。所以，你的開源理念從何而來？

小扎：坦白說，部分原因是我們比其他一些技術(shù)公司晚一些開始構(gòu)建分布式計算基礎設施和數(shù)據(jù)中心。

因此，當我們建成這些設施時，它們已經(jīng)不再具有競爭優(yōu)勢了。那么我們索性將其開源，從而在周圍的生態(tài)系統(tǒng)中獲益。

我們有許多類似的項目，其中最大的一個可能是Open Compute項目，我們公開了我們的服務器設計、網(wǎng)絡設計乃至數(shù)據(jù)中心設計。

通過使這些設計成為某種行業(yè)標準，所有供應鏈基本上都圍繞它進行組織，這帶來了為所有人節(jié)省資金的好處。通過將其開源，我們基本上節(jié)省了數(shù)十億美元的成本。

Open Compute項目也使得我們?yōu)橐粋€數(shù)據(jù)中心設計的Nvidia HGX在每一個數(shù)據(jù)中心都能運行。

所以，那是一次極好的經(jīng)歷。之后，我們也在許多基礎設施工具上采取了類似的措施，比如React、PyTorch。當Llama出現(xiàn)時，我們已經(jīng)對AI模型開放使用持有特別積極的態(tài)度了。

我有點希望在下一代計算中，回歸到開放生態(tài)系統(tǒng)獲勝并再次成為領(lǐng)先者的狀態(tài)，總會有封閉的和開放的生態(tài)系統(tǒng)，兩者都有其存在的理由。

并不是我們發(fā)布的一切都是開放的，我們也做閉源的事。但我認為，總的來說對于整個行業(yè)正在構(gòu)建的計算平臺，如果軟件是開放的，那將帶來很大的價值。

以及我們在AR、VR方面的工作，我們基本上正在為混合現(xiàn)實構(gòu)建一個開放的操作系統(tǒng)，就像Android或Windows一樣，使其能夠與許多不同的硬件公司合作，制造各種設備，我們想將生態(tài)系統(tǒng)恢復到那樣的開放水平。

我對此非常樂觀，下一代，開放系統(tǒng)將會獲勝。

我只是想要確保我們能夠接觸到，這有點自私，但你知道在我建立這家公司一段時間后，未來10到15年的一件事就是，我只想確保我們能夠構(gòu)建我們將要構(gòu)建社交體驗的基礎技術(shù)。

因為已經(jīng)有太多的事情我試圖構(gòu)建，然后平臺提供商告訴我“不，你不能構(gòu)建那個”，在某種程度上，我只想說，“Nah, f**k that”，為了下一代，我們要確保一路構(gòu)建下去。

對不起，但是讓我談論封閉平臺，我會生氣，所以……

△小扎的粗口被老黃人工消音“Biiii——”

老黃：我認為這是一個偉大的世界，有人致力于構(gòu)建盡可能好的AI，制造它將其作為一種服務提供給世界。

同時，如果你想要構(gòu)建你自己的AI，你完全有能力這么做。能夠編寫和使用AI的能力非常重要，我個人更喜歡不用自己制作皮夾克，更傾向于讓別人為我制作。

皮革可以開源對我來說并不是一個有用的概念，但我認為擁有偉大的服務和開放服務的想法是非常好的。

你在3.1版本中所做的，提供不同規(guī)模的模型，從405B到70B到8B，這真的很棒。你可以使用更大的模型來教導這些模型，并用于合成數(shù)據(jù)生成。

雖然更大的模型更通用，但你仍然可以構(gòu)建一個適合特定操作或成本效益更高的小模型。而且你構(gòu)建模型的方式是透明的，擁有世界級的安全和倫理團隊，我真的很喜歡這一點。

小扎：我接著上面之前被岔開的思路講，我們正在構(gòu)建它，因為我們希望它存在，并且我們希望它能夠獨立于某些封閉模型。

但這不僅是一個軟件，圍繞它的是一個生態(tài)系統(tǒng)。如果沒有開源，它可能不會運作得很好。我們并不是出于利他主義，盡管我認為這將對生態(tài)系統(tǒng)有所幫助。

我們這樣做是因為我們認為這將使我們正在構(gòu)建的產(chǎn)品變得更好，通過擁有一個強大的生態(tài)系統(tǒng)。

老黃：有多少人為Pytorch生態(tài)系統(tǒng)做出了貢獻。光Nvidia可能有幾百人專注于使Pytorch更好、更可擴展、更高性能。

小扎：當某物成為行業(yè)標準時，其他人也會圍繞它工作。這將使每個人受益，也將與我們正在構(gòu)建的系統(tǒng)很好地配合。這只是其中一個例子，所以我認為開源戰(zhàn)略將是一個非常好的商業(yè)策略，人們?nèi)匀徊惶斫膺@一點。

老黃：我們非常喜歡它，圍繞它建立了一個生態(tài)系統(tǒng)。

小扎：你們真是太棒了。每次我們發(fā)布新產(chǎn)品，你們總是第一個發(fā)布優(yōu)化讓它運行的。我真的很感激。

老黃：我能說什么呢？我們有優(yōu)秀的工程師。

作為一名高級管理人員，我雖然年紀大了但思維敏捷，這是CEO應該具備的素質(zhì)。我認識到了一件重要的事：Llama模型的重要性。圍繞它，我們建立了“AI工廠”，旨在幫助所有人構(gòu)建AI。

許多公司都希望擁有自己的AI，這對他們至關(guān)重要。因為一旦將AI納入數(shù)據(jù)循環(huán)，公司的知識就會被編碼到AI中。他們不能將這個循環(huán)外包，而開源則給了他們這個機會。但問題是，他們往往不知道如何將整個過程轉(zhuǎn)化為AI。

這就是我們創(chuàng)建“AI工廠”的原因。我們提供工具、專業(yè)知識和Llama技術(shù)，幫助他們將整個過程轉(zhuǎn)化為AI服務。完成后，他們可以完全擁有這個成果。我們將輸出稱為NIM?？蛻艨梢韵螺dNIM，在任何地方運行，包括本地服務器。

我們還有一個合作伙伴生態(tài)系統(tǒng)，包括可以運行NIM的OEM廠商，以及像Accenture這樣的咨詢公司，他們接受我們的培訓，創(chuàng)建基于Llama的NIM和流程?，F(xiàn)在，我們正在幫助全球各地的企業(yè)實現(xiàn)這一目標。這一切都源于Llama的開源，真是令人興奮。

小扎：特別是幫助人們從大模型中提煉出自己的模型，這將是一個非常有價值的新趨勢。就像我們討論產(chǎn)品時提到的，我不認為會有一個主導性的AI Agent被所有人使用，同樣，也不太可能有一個單一的模型滿足所有需求。

老黃：我們有專門的芯片設計AI、軟件編碼AI等。我們的軟件編碼AI理解USD，理解Verilog，還能分析我們的錯誤數(shù)據(jù)庫，幫助分類問題并分配給合適的工程師。每個AI都是基于Llama微調(diào)的，我們?yōu)樗鼈冊O置了具體的應用范圍和限制。

我認為未來每個公司的每個功能可能都會有專門的AI。

小扎：是的，未來的一個大問題是，人們會更多地使用更復雜的大模型，還是為特定用途訓練自己的模型。我猜測會出現(xiàn)大量不同的專用模型。

老黃：因為工程師的時間非常寶貴。目前，我們使用性能優(yōu)化的405B模型。這個模型太大，無法裝入單個GPU，這就是為什么MVLink性能如此重要。我們通過MVLink Switch連接所有GPU，使它們能高效運行405B模型。

對我們來說，獲得最佳結(jié)果比節(jié)省幾分錢更重要。我們希望為工程師提供最高質(zhì)量的工具。

小扎：確實，405B的推理成本約為GPT-4模型的一半，已經(jīng)相當不錯了。對于需要在設備上運行或需要更小模型的情況，人們可以將其進行蒸餾，這又是一個全新的服務領(lǐng)域。

老黃：想象一下，我們用于芯片設計的AI每小時可能只需10美元，而且可以被多個工程師共享?？紤]到我們付給工程師的高薪，每小時幾美元就能大幅提升他們的工作效率，這是非常有價值的投資。

小扎：Yeah，這一點你不用說服我。

老黃：如果還沒有使用AI，現(xiàn)在就開始吧。

讓我們談談下一波技術(shù)浪潮。我特別欣賞你們在計算機視覺方面的工作，比如我們經(jīng)常使用的“分割一切”模型。我們現(xiàn)在正在訓練視頻AI模型，以更好地理解世界，為機器人技術(shù)和工業(yè)數(shù)字化建模，并將這些模型整合到Omniverse中。

這樣我們就能更好地模擬物理世界，提升虛擬環(huán)境中機器人的表現(xiàn)。

你們Meta的Ray-Ban智能眼鏡項目，將AI引入現(xiàn)實世界的愿景非常有趣。能否詳細介紹一下這方面的情況？

小扎：你提到的”分割一切”模型，我們實際上正在這次SIGGRAPH大會上展示它的下一個版本“分割一切2”。它現(xiàn)在更快，而且可以處理視頻了。

這會有很多有趣的效果。由于它將是開放的，還會有更多嚴肅的應用場景出現(xiàn)在各行各業(yè)?？茖W家們用這個來研究珊瑚礁、自然棲息地以及景觀的演變等。并且是零樣本學習，能夠與之互動并告訴它你想跟蹤什么，這是相當酷的研究。

老黃：例如，比如你有一個倉庫，里面有很多攝像頭，倉庫AI在監(jiān)視著發(fā)生的一切。假設一堆箱子倒了，或者有人在地上灑了水，或者即將發(fā)生任何事故，AI就能識別出來生成文本，發(fā)送給人求助，這是使用它的一種方式。

它不是記錄所有內(nèi)容，只記錄重要的事情，因為它理解它在看什么。

現(xiàn)在，除了Ray-Ban智能眼鏡之外，你們還在做什么？

小扎：當我們考慮下一代計算平臺時，我們將其分為混合現(xiàn)實頭戴設備和智能眼鏡。我認為人們更容易理解并接受智能眼鏡，因為現(xiàn)在世界上有超過10億人戴眼鏡，這些眼鏡最終都會升級為智能眼鏡，這將是一個非常大的市場。

VR/MR頭戴設備有些人覺得它適合游戲或其它用途，有些人則不然。我的觀點是，這兩種設備都會存在。

我認為智能眼鏡將會成為類似于移動電話、始終在線的下一代計算平臺；而混合現(xiàn)實頭戴設備則更像是你的工作站或游戲機，當你坐下來進行更沉浸式的體驗并需要更多計算能力時使用。畢竟眼鏡很小，會有很多限制，就像你不能在手機上進行同樣水平的計算一樣。

老黃：它恰好出現(xiàn)在所有這些生成式AI突破發(fā)生的時候。

小扎：是的，對于智能眼鏡，我們從兩個不同的方向來解決這個問題。一方面，我們一直在構(gòu)建我們認為是理想的全息AR眼鏡所需的技術(shù)。我們正在做所有眼鏡工作所需的東西。

它看起來像眼鏡，但與你現(xiàn)在戴的眼鏡相比還是有很大差距。即使是我們制造的Ray-Ban，也無法將全息AR所需的所有技術(shù)都裝進去。在接下來的幾年里，我認為我們會越來越接近，它仍然會很貴，但我認為那將成為一種產(chǎn)品。

△Meta Ray-Ban智能眼鏡

從另一個角度來看這個問題，那就是通過與世界上最好的眼鏡制造商Essilor Luxottica合作，從好看的眼鏡開始。他們制造了很多大品牌。

老黃：眼鏡界的Nvidia。

小扎：我認為他們可能會喜歡這個比喻，誰會不喜歡呢？我們一直在與他們合作Ray-Ban，我們現(xiàn)在是第二代，目標是讓我們將形狀限制在很好看的范圍內(nèi)，在此基礎上，盡可能多地加入技術(shù)。

現(xiàn)在我們有攝像頭傳感器，所以你可以拍照和錄像，實際上可以直播到Instagram，也可以在WhatsApp上進行視頻通話，并向?qū)Ψ絺鬏斈闼吹降膬?nèi)容。它還有麥克風和揚聲器，揚聲器是開放式的，很多人覺得它比耳塞更舒服。你可以聽音樂，可以用它來接電話。

但后來發(fā)現(xiàn)，這個傳感器正是與AI對話所需要的，這有點意外。

如果你五年前問我，我們會先實現(xiàn)全息AR還是AI，我可能會說全息AR。

我的意思是，這似乎就是顯示技術(shù)的進展，在所有虛擬混合現(xiàn)實方面，構(gòu)建新的顯示堆棧，我們正在朝著那個方向不斷進步。

然后LLM迎來突破。我們現(xiàn)在有了非常高質(zhì)量的AI，而且在全息AR出現(xiàn)之前就以非?？斓乃俣仍诟倪M，這是一種我沒有預料到的逆轉(zhuǎn)。

幸運的是，我們處于有利位置，因為我們一直在開發(fā)所有這些不同的產(chǎn)品。但我認為最終你會看到一系列不同的眼鏡產(chǎn)品，有不同的價位，內(nèi)置不同水平的技術(shù)。根據(jù)我們現(xiàn)在對Ray-Ban Meta的觀察，我猜測在300美元價位的無顯示屏AI眼鏡將成為一個非常大的產(chǎn)品，最終會有數(shù)千萬或數(shù)億人擁有。

老黃：所以你將擁有超級互動AI，可以與之對話。你剛才展示的視覺語言理解能力，有實時翻譯，你可以用一種語言跟我說話，我用另一種語言聽到。

小扎：顯示屏也會很棒，但它會給眼鏡增加一些重量，也會使它們更貴。所以我認為會有很多人想要全息顯示屏。但也會有很多人希望最終能夠擁有真正輕薄的眼鏡。

我們離能夠進行虛擬會議的未來不遠了，就像我人雖不在這里，但我的非常逼真的全息影像在，我們可以一起工作。

最終會達到那個程度，眼鏡中有更薄的也有厚的，有各種風格。我認為要在你現(xiàn)在戴的這種眼鏡中實現(xiàn)全息功能還需要一段時間，但在一副稍厚的眼鏡中實現(xiàn)這一點并不遙遠。

成為一個時尚影響者，這樣我就可以在眼鏡上市之前打出影響。

老黃：你的時尚影響力如何？效果如何？

小扎：還在早期階段（doge）。

我覺得如果未來業(yè)務的一大部分是制造人們會佩戴的時尚眼鏡，那可能我要多加注意。我將不得不告別那個每天穿同樣衣服的我。

這也是關(guān)于眼鏡的事，我認為它與手表或手機不同。人們真的不想都看起來一樣，所以我認為它是一個平臺，回到我們之前討論的主題，它會傾向于成為一個開放的生態(tài)系統(tǒng)，因為人們對形狀和風格的需求多樣性將是巨大的。不是每個人都想戴上別人設計的那種眼鏡，我不認為這種做法會成功。

老黃：我覺得你說得對。我們正生活在一個整個計算堆棧被重新發(fā)明的時代，這真是不可思議，現(xiàn)在我們基本上進入了軟件3.0。

從通用計算到這種生成式神經(jīng)網(wǎng)絡處理的計算方式，我們現(xiàn)在可以開發(fā)的能力和應用在過去是不可想象的。

生成式AI，我不記得有任何其它技術(shù)能以如此快的速度影響消費者、企業(yè)、行業(yè)和科學，它能夠跨越所有這些不同的領(lǐng)域，從氣候到生物再到物理，生成式AI都處于這種根本性轉(zhuǎn)變的中心。除此之外，還有你所談論的這些東西。

有人早些時候問我，是否會有一個“Jensen AI”？這正是你所說的創(chuàng)意AI，我們可以建立自己的AI。我會把我寫過的所有東西都裝進去，用我回答問題的方式對它進行微調(diào)。希望隨著時間的推移，不斷使用的積累會讓它成為一個非常棒的助手和伙伴……

所以現(xiàn)在我們可以做很多事情，與你合作真的很棒，我知道建立一家公司并不容易，你將公司從桌面轉(zhuǎn)向移動，再到VR、AI。Nvidia自己也經(jīng)歷了多次轉(zhuǎn)型，我非常知道這有多難。你知道，我們兩個多年來都被狠狠地教訓過很多次，但這就是要成為先驅(qū)和創(chuàng)新所需要付出的。

小扎：我認為對你們來說也是一樣的。

我們經(jīng)歷了一段時期，每個人都說“不，一切都會轉(zhuǎn)向這些設備，只需要超級便宜的計算”，而你們只是繼續(xù)堅持“不，實際上你會想要這些可以并行的大系統(tǒng)”，我們走了另一條路。

老黃：是的，我們現(xiàn)在不是制造越來越小的設備，而是制造盡可能大的計算機。

小扎：有一段時間不太時髦。

老黃：非常不時髦，但現(xiàn)在它很酷。

（屬于老黃的）One More Thing

就在老黃小扎對話的同一天，英偉達有了一系列新動作，

比如，正式發(fā)布NIMs（Nvidia inference micro services），一個軟件包，能解決特定目的下使用AI時會遇到的很多后勤問題。

這玩意兒3月的時候老黃就淺淺介紹過了，它通過打包算法、系統(tǒng)和運行時優(yōu)化并添加行業(yè)標準 API 來簡化AI模型部署流程，“推動企業(yè)大規(guī)模部署AI模型”。

比如，宣布和抱抱臉合作，推出“推理即服務”。

開發(fā)者可以通過托管，把抱抱臉上的開源AI模型快速制作并部署到生產(chǎn)中。

再比如，推出fVDB，利用現(xiàn)實世界的3D數(shù)據(jù)，打造空間智能。

再再比如，推出Isaac Lab，一個用于機器人學習的開源模塊化框架。

它可以解決傳統(tǒng)訓練方法對機器人學習技能的限制，用來開發(fā)、訓練和構(gòu)建下一代人形機器人。

一邊對談傳遞觀點，一邊kuku發(fā)新產(chǎn)品。

不愧是老黃，啥也沒落下。

參考鏈接：
[1]https://www.nvidia.com/en-us/events/siggraph/
[2]https://www.threads.net/@zuck/post/C-BoS7lM8sH