黃仁勛港科大之行全程高能：對話沈向洋，現(xiàn)場發(fā)顯卡，與梁朝偉共同獲得榮譽(yù)博士學(xué)位

夢晨 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

英偉達(dá)CEO黃仁勛港科大之行，備受關(guān)注。

他在現(xiàn)場與沈向洋展開對話，兩位院士換上了同款紀(jì)念皮衣。臺下座無虛席，全程一小時(shí)頻頻爆發(fā)掌聲和笑聲。

臨近結(jié)束時(shí)還抽獎(jiǎng)送出10張英偉達(dá)RTX 4060ti顯卡，狠狠羨慕了。

此外，黃仁勛和梁朝偉一起獲得港科大榮譽(yù)博士學(xué)位。

黃仁勛和沈向洋的對話與以往有所不同，不僅談?wù)摿擞ミ_(dá)和AI行業(yè)，還涉及到一些個(gè)人八卦，精彩內(nèi)容包括：

• AI從通用函數(shù)近似器變成通用翻譯器
• 感知、推理和規(guī)劃是問題解決的三個(gè)基本步驟
• 目前AI不是從第一性原理出發(fā)給出答案，只是模擬，但模擬對科學(xué)非常重要
• 粵港澳大灣區(qū)在機(jī)器人方面有非凡的機(jī)會(huì)
• 英偉達(dá)相當(dāng)于在10年里把算力的價(jià)格打到了百萬分之一
• 作為CEO可以脆弱，可以尋求幫助，可以不確定，可以犯錯(cuò)，員工看到后也會(huì)認(rèn)為他們可以這樣
• 黃仁勛從未寫過商業(yè)計(jì)劃書，也不知道如何寫商業(yè)計(jì)劃書
• 黃仁勛上學(xué)時(shí)聲稱自己要?jiǎng)?chuàng)業(yè)，只是追求妻子的手段

對話以英語進(jìn)行，以下是對話內(nèi)容的翻譯整理。

AI從通用函數(shù)近似器變成通用翻譯器

沈向洋：我們今天下午的時(shí)間不足一小時(shí)，我會(huì)向你提出一些尖銳的問題。你在科技領(lǐng)域，尤其是人工智能領(lǐng)域引領(lǐng)了很長時(shí)間。請談?wù)勀銓θ斯ぶ悄埽貏e是近期的通用人工智能，給整個(gè)社會(huì)和產(chǎn)業(yè)帶來的影響的看法。

黃仁勛：?首先，非常感謝有機(jī)會(huì)與你們共度時(shí)光。Harry（沈向洋）是我們這個(gè)時(shí)代最具影響力的計(jì)算機(jī)科學(xué)家之一，他一直是我和許多人的心中的英雄，所以很高興能在這里。

正如你所知，人工智能網(wǎng)絡(luò)的突破性能力在于，它可以學(xué)習(xí)理解各種數(shù)據(jù)，包括語言、圖像、蛋白質(zhì)序列、氨基酸序列和化學(xué)序列。

突然之間，我們現(xiàn)在有了能夠理解文字含義的計(jì)算機(jī)。而由于生成式人工智能，我們可以將一種信息形式轉(zhuǎn)換為另一種形式，例如從文本到圖像，從文本到文本，從蛋白質(zhì)到文本，從文本到蛋白質(zhì)，從文本到化學(xué)物質(zhì)。

這種最初的通用函數(shù)近似器演變成了各種信息形式的通用翻譯器（universal translator）。

問題是，我們可以用它做什么？你可以看到全球范圍內(nèi)的初創(chuàng)公司，結(jié)合了所有這些不同的形式和能力。我認(rèn)為，真正令人驚嘆的突破在于，我們現(xiàn)在能夠理解信息的含義，包括極其復(fù)雜的信息。

那么這對你意味著什么？如果你是一名數(shù)字生物學(xué)家，你可以理解你正在觀察的數(shù)據(jù)的含義，以便在大海撈針中找到答案。如果你是英偉達(dá)的芯片設(shè)計(jì)師、系統(tǒng)設(shè)計(jì)師，或者你在農(nóng)業(yè)科技、氣候科學(xué)、能源領(lǐng)域，尋找新材料方面工作……

……這就是重大突破，我們現(xiàn)在有了通用翻譯器。

AI如何發(fā)展到今天這個(gè)階段

沈向洋：?關(guān)于人工智能對社會(huì)的巨大影響，你的觀點(diǎn)讓我非常有共鳴，甚至有些震撼。

你在某種程度上帶我們回顧了人類整個(gè)歷史，你提到農(nóng)業(yè)革命，我們制造了更多的食物；然后是工業(yè)革命，我們制造了更多的鋼鐵；然后是信息技術(shù)，我們有了更多的信息。現(xiàn)在，在這個(gè)智能時(shí)代，你們在英偉達(dá)所做的，人工智能正在制造智能。你能詳細(xì)說明一下，為什么這件事如此重要嗎？

黃仁勛：?從計(jì)算機(jī)科學(xué)的角度來看，我們重新發(fā)明了整個(gè)堆棧。

過去我們是手動(dòng)開發(fā)軟件，無論是何種算法，我們要用自己的創(chuàng)造力，才能將其輸入計(jì)算機(jī)。我開始時(shí)使用Fortran，后來學(xué)了Pascal，然后是C和C++。當(dāng)然，這些語言都讓我們能夠?qū)⑺枷氡磉_(dá)為代碼，這些代碼在CPU上運(yùn)行得很好。

突然之間，我們開始觀察數(shù)據(jù)，把觀察到的數(shù)據(jù)交給計(jì)算機(jī)，然后問它能從中看到什么函數(shù)、模式和關(guān)系。我們現(xiàn)在不再手動(dòng)編程，而是使用機(jī)器學(xué)習(xí)，機(jī)器不再生成軟件，而是生成在GPU上處理的神經(jīng)網(wǎng)絡(luò)。

因此，從編程到機(jī)器學(xué)習(xí)，從CPU到GPU。由于GPU的強(qiáng)大，我們現(xiàn)在能夠開發(fā)的軟件類型是非凡的，也就是人工智能的出現(xiàn)。

計(jì)算機(jī)科學(xué)實(shí)際上已如我剛才所描述的那樣發(fā)生了轉(zhuǎn)變 。現(xiàn)在的問題是，我們的行業(yè)會(huì)發(fā)生什么？

當(dāng)然，我們都在競相使用機(jī)器學(xué)習(xí)來發(fā)現(xiàn)新的人工智能。那么什么是人工智能？也許，人工智能的一個(gè)方面是認(rèn)知的自動(dòng)化，問題解決的自動(dòng)化。

問題解決可以歸結(jié)為三個(gè)基本理念：觀察和感知環(huán)境，理解它，對其進(jìn)行推理，然后制定與目標(biāo)相一致的計(jì)劃。因此，感知、推理和規(guī)劃是問題解決的三個(gè)基本步驟。

感知、推理和規(guī)劃可進(jìn)一步細(xì)分。

例如，感知汽車周圍的環(huán)境，推理自身及周圍其他車輛的位置，規(guī)劃駕駛方式。我剛才描述的就是自動(dòng)駕駛汽車，它的一種表現(xiàn)形式是數(shù)字司機(jī)。你可以對CT掃描進(jìn)行同樣的操作，觀察、理解、推理，得出可能存在異常（如腫瘤）的結(jié)論，然后你可能會(huì)將其突出顯示，向放射科醫(yī)生描述。此時(shí)，你就是數(shù)字放射科醫(yī)生。

我們所做的幾乎每一件事，都可以用某種方式表達(dá)為人工智能可以執(zhí)行的特定任務(wù)。當(dāng)我們擁有足夠多的數(shù)字智能體，這些智能體與計(jì)算機(jī)交互，生成人工智能。我們所有人對數(shù)據(jù)中心的總消耗，使得數(shù)據(jù)中心看起來像是在生產(chǎn)所謂的“token”，或者說數(shù)字智能。

現(xiàn)在，讓我以不同的方式描述它。300年前，通用電氣和西屋公司發(fā)明了一種新的儀器，最初是發(fā)電機(jī)，最終成為交流發(fā)電機(jī)。他們非常聰明地發(fā)明了電力的“消費(fèi)者”，即電器，包括燈泡、烤面包機(jī)等。他們創(chuàng)造了各種電器，消費(fèi)他們的工廠生產(chǎn)的電力。

看看我們現(xiàn)在在做什么，我們正在創(chuàng)造自動(dòng)駕駛、ChatGPT等智能所有這些不同的智能，他們基本上等同于燈泡和烤面包機(jī)。我們都會(huì)使用的這些設(shè)備，會(huì)將其連接到工廠，以前是交流發(fā)電廠，但這個(gè)新工廠是數(shù)字智能工廠。

從工業(yè)的視角來看，實(shí)際所發(fā)生的情況是，我們當(dāng)下正在構(gòu)建一個(gè)全新的產(chǎn)業(yè)。這個(gè)新產(chǎn)業(yè)輸入能源，輸出數(shù)字智能，這些數(shù)字智能會(huì)被應(yīng)用于各類不同的場景，其消費(fèi)規(guī)模我們覺得會(huì)相當(dāng)龐大。而且這個(gè)產(chǎn)業(yè)以前從未出現(xiàn)過，就如同當(dāng)初的交流發(fā)電產(chǎn)業(yè)不曾存在過一樣。

未來十年計(jì)算需求的增長

沈向洋：?這真是太神奇了。你描述了一個(gè)更光明的未來，當(dāng)然我們知道，這很大程度上得益于英偉達(dá)的努力和貢獻(xiàn)，特別是在過去的10到12年間。

有一個(gè)數(shù)字一直在被提及，人們稱之為“Scaling Law”，最近甚至以你的名字命名，稱為“黃氏定律”，與摩爾定律相比。摩爾定律基本上意味著每18個(gè)月計(jì)算能力會(huì)增加一倍。過去12年，在你的領(lǐng)導(dǎo)下，不是每年增加一倍，而是更多。如果我們看大型語言模型，在過去12年里，每年增長超過4倍。那么在10年里，這是一個(gè)巨大的數(shù)字，實(shí)際上是百萬倍。

我的問題是，你展望未來，用你的水晶球，我們是否會(huì)在未來10年看到計(jì)算需求再增 加百萬倍？

黃仁勛：?摩爾定律依賴于兩個(gè)概念，一個(gè)是VLSI縮放，這是因?yàn)镃arver Mead和LynnConway的教材，激勵(lì)了我們這一代人。第二個(gè)是Dennard縮放，即晶體管的恒定電流密度縮放加上晶體管的縮小，這使得我們能夠大約每兩年將半導(dǎo)體的性能翻倍，大約每1.5年就能實(shí)現(xiàn)一次提升。因此，每5年性能提升10倍，每10年性能提升100倍。

我們現(xiàn)在經(jīng)歷的是，你的神經(jīng)網(wǎng)絡(luò)越大，訓(xùn)練的數(shù)據(jù)越多，人工智能似乎就越智能。

這是一個(gè)經(jīng)驗(yàn)定律，就像摩爾定律一樣，我們稱之為Scaling Law，而且這個(gè)定律似乎在繼續(xù)。但我們也知道，智能不僅僅是預(yù)訓(xùn)練，僅僅獲取世界上的所有數(shù)據(jù)并自動(dòng)發(fā)現(xiàn)知識是不夠的。就像上大學(xué)并畢業(yè)是一個(gè)非常重要的里程碑，但還不夠。還有后訓(xùn)練（Post-traning），即深入學(xué)習(xí)特定技能。后訓(xùn)練需要強(qiáng)化學(xué)習(xí)、人類反饋強(qiáng)化學(xué)習(xí)、AI反饋、合成數(shù)據(jù)生成、多路徑學(xué)習(xí)強(qiáng)化學(xué)習(xí)，有很多技術(shù)。但基本上，現(xiàn)在深入到特定領(lǐng)域，試圖深入學(xué)習(xí)某些東西，這是后訓(xùn)練。

一旦你選擇了特定的職業(yè)，你將進(jìn)行大量的再次學(xué)習(xí)，然后當(dāng)然還有我們稱之為“思考”的東西，我們稱之為“測試時(shí)間的Scaling”。

有些事情你只是知道答案，有些事情你必須將問題分解為一步一步的基本原理，從第一性原理出發(fā)，嘗試為每個(gè)部分找到解決方案，可能需要你代，可能需要你模擬各種結(jié)果，因?yàn)榇鸢覆⒎强深A(yù)測的，等等。思考的時(shí)間越長，答案的質(zhì)量可能就越高。

請注意，人工智能開發(fā)現(xiàn)在有三個(gè)領(lǐng)域（預(yù)訓(xùn)練、后訓(xùn)練、測試時(shí)間），為其投入大量的計(jì)算將產(chǎn)生更高質(zhì)量的答案。

今天我們給出的答案是我們目前所能提供的最優(yōu)解，但我們需要努力達(dá)到這樣一種程度：讓您得到的答案不僅是我們所能給出的最好的，而且您無需再去判斷它是否有幻覺、是否有意義。我們要達(dá)到對得到的答案基本信任的程度，我覺得我們還需要幾年時(shí)間才能實(shí)現(xiàn)這一目標(biāo)，同時(shí)我們也需要持續(xù)增加計(jì)算量。

在過去的10年里，性能提高了一百萬倍，我們真正做了什么？

英偉達(dá)的貢獻(xiàn)在于，我們將計(jì)算的邊際成本降低了一百萬倍。想象一下，如果世界上存在某種你所依賴的事物，比如電力、機(jī)票，或者任何你所選的東西。當(dāng)這件事物的成本降低一百萬倍時(shí)，你的習(xí)慣將會(huì)發(fā)生根本性的轉(zhuǎn)變，所以你它的看法也會(huì)發(fā)生根本性的改變。

這是英偉達(dá)有史以來最大的貢獻(xiàn)，我們讓使用機(jī)器來全面學(xué)習(xí)大量數(shù)據(jù)成為研究人員不假思索就會(huì)去做的事情，這便是機(jī)器學(xué)習(xí)興起的原因。

AI對科學(xué)的重要性

沈向洋：我完全理解你的觀點(diǎn)，不過我們的一些教授可能會(huì)略有不同意見，因?yàn)樗麄內(nèi)匀恍枰ê芏噱X來購買你的 GPU。

黃仁勛：?但是，我在過去10年給了你們一百萬倍的折扣，現(xiàn)在幾乎是免費(fèi)的。太～便～宜～了！（普通話）。

（觀眾大笑和鼓掌）

沈向洋：?我思考我們在香港科技大學(xué)應(yīng)該做什么，在人工智能技術(shù)、人工智能基礎(chǔ)設(shè)施、你的GPU和一切，以及你的軟件生態(tài)系統(tǒng)的幫助下，我們有很多可以選擇的事情。其中一個(gè)特別令人興奮的事情是我們稱之為“AI for Science”。你一直是這一領(lǐng)域的倡導(dǎo)者。例如，我們在大學(xué)里投資了相當(dāng)多的計(jì)算基礎(chǔ)設(shè)施、GPU，我們特別鼓勵(lì)我們的教師在物理學(xué)和計(jì)算機(jī)科學(xué)、材料科學(xué)和計(jì)算機(jī)科學(xué)、生物學(xué)和計(jì)算機(jī)科學(xué)之間進(jìn)行合作。你也一直在談?wù)撋飳W(xué)的未來。

現(xiàn)在在香港發(fā)生的一件非常令人興奮的事情是，我們已經(jīng)決定要建立第三所醫(yī)學(xué)院，事實(shí)上香港科技大學(xué)是第一所提交提案的大學(xué)?，F(xiàn)在你已經(jīng)是我們的校友了，你對校長和我以及大學(xué)有什么建議，我們應(yīng)該在哪里投資？

黃仁勛：?首先，我在2018年的全球科學(xué)計(jì)算大會(huì)上引入了人工智能，當(dāng)時(shí)它受到了很大的懷疑。原因在于，人工智能在當(dāng)時(shí)頗有些像黑盒子，而實(shí)際上，在今天它已經(jīng)不那么像黑盒子了。

如今你可以詢問 AI：“你能和我一起推理嗎？告訴我你為什么建議這樣做。一步一步地告訴我你是如何得出這個(gè)答案的。”通過這樣的探詢過程，AI會(huì)變得更加透明、更具可解釋性，因?yàn)槟阏谕ㄟ^你的問題對它進(jìn)行探詢。

你的問題集可以如同教授探詢學(xué)生以理解他們的思維過程那樣，不只是關(guān)注他們能否給出答案，還要關(guān)注他們推理的方式是否合理、是否基于第一性原理。我們在今天能夠做到這一點(diǎn)，而在2018年卻無法做到，這是第一個(gè)原因。

第二，AI目前并不是從第一性原理出發(fā)給出答案的，它從觀察數(shù)據(jù)中學(xué)習(xí)給出答案。因此，它是在模擬智能，模擬物理學(xué)。

現(xiàn)在問題是，模擬對科學(xué)有價(jià)值嗎？

我認(rèn)為，模擬對于科學(xué)極具價(jià)值。原因在于，我們在眾多科學(xué)領(lǐng)域理解了第一性原理，理解了薛定諤方程、麥克斯韋方程等許多此類方程，但我們無法模擬并理解大型系統(tǒng)。因此，代替從第一性原理出發(fā)進(jìn)行計(jì)算限制、求解那些在計(jì)算上不可能完成的任務(wù)，我們不妨利用AI，訓(xùn)練理解該物理學(xué)的AI，用它來模擬極大規(guī)模的系統(tǒng)以便我們能夠理解。

那么，這在哪里有用？

首先，人類生物學(xué)的尺度始于納米級，時(shí)間尺度則從納秒延伸至數(shù)年。人類生物系統(tǒng)的這種跨尺度特性，僅依賴第一性原理求解是絕無可能實(shí)現(xiàn)的?，F(xiàn)在問題是，我們能否使用AI來模擬人類生物學(xué)，以便我們能夠更好地理解這些非常復(fù)雜的多尺度系統(tǒng)，從而創(chuàng)建人類生物學(xué)的數(shù)字孿生。這是我極大的期望，我們當(dāng)下或許具備了計(jì)算機(jī)科學(xué)技術(shù)，讓數(shù)字生物學(xué)家、氣候科學(xué)家以及處理超大規(guī)模復(fù)雜問題的科學(xué)家，能夠切實(shí)理解物理系統(tǒng)，這是前所未有的。

這是我的期望，希望你們能在這個(gè)交叉點(diǎn)達(dá)成目標(biāo)。談到你們的醫(yī)院，香港科技大學(xué)擁有一個(gè)絕佳的機(jī)遇，那就是在此創(chuàng)建一所醫(yī)院，其最初的專長領(lǐng)域?yàn)榧夹g(shù)、計(jì)算機(jī)科學(xué)和人工智能。這與世界上幾乎所有的醫(yī)院恰恰相反。它們都是先有醫(yī)院，而后才試圖引入人工智能和技術(shù)，這往往會(huì)遭遇懷疑和不信任。所以，你們有機(jī)會(huì)首次從一開始就創(chuàng)建一個(gè)擁抱技術(shù)的場所，技術(shù)能夠得以推進(jìn)，這里的人們正在推進(jìn)基礎(chǔ)技術(shù)，你們自身也在這么做。你們深知其局限性，也了解其潛力。我覺得這是一個(gè)非凡的契機(jī)，期望你們能充分利用好它。

沈向洋：?謝謝你，我們非常喜歡你的建議。大學(xué)一直擅長于技術(shù)和創(chuàng)新，推動(dòng)計(jì)算機(jī)科學(xué)、工程、生物學(xué)等領(lǐng)域的前沿研究。我們認(rèn)為，作為香港的第三所醫(yī)學(xué)院，我們可以做一些不同于其他兩所優(yōu)秀學(xué)校的事情。我們將傳統(tǒng)的醫(yī)學(xué)培訓(xùn)與我們擅長的技術(shù)研究結(jié)合起來。我相信將來我們會(huì)聯(lián)系你，獲得更多的建議。

作為硅谷任職時(shí)間最長的CEO

沈向洋：?我想轉(zhuǎn)換一下話題，問你一些關(guān)于領(lǐng)導(dǎo)力的問題。你是硅谷任職時(shí)間最長的CEO，可能遙遙領(lǐng)先，擔(dān)任CEO已有31年，快32年了。你不覺得累嗎？

黃仁勛：?我超級累。我今天早上剛到這里，我超級累。

沈向洋：?但你還在堅(jiān)持。我記得你曾經(jīng)說過，你從未上過商業(yè)課程，到現(xiàn)在也沒有。

黃仁勛：?是的。

沈向洋：?你還說過，你從未完成過商業(yè)計(jì)劃書。

黃仁勛：?我從未寫過商業(yè)計(jì)劃書，我不知道如何寫商業(yè)計(jì)劃書。我指望你們（學(xué)生們）來幫我寫商業(yè)計(jì)劃書。

沈向洋：?我們當(dāng)然想向你學(xué)習(xí)，你是如何領(lǐng)導(dǎo)這樣一個(gè)龐大的組織的，英偉達(dá)今天擁有成千上萬的員工，令人驚嘆的收入，大量的客戶和影響力。你是如何做到以如此快的速度領(lǐng)導(dǎo)這樣一個(gè)大型組織的？

黃仁勛：?首先，我認(rèn)為你們應(yīng)該盡可能多地學(xué)習(xí)。

我一直在學(xué)習(xí)，學(xué)習(xí)是我的畢生工作。以畢生工作的方式思考你所做的事情，而不是你的職務(wù)，我認(rèn)為在你的心態(tài)上有很大的不同。也許你是木匠，也許你是藝術(shù)家，也許你是神經(jīng)外科醫(yī)生，你認(rèn)為這是你的畢生工作，這是你將投入一生去完善的手藝。

英偉達(dá)是我的畢生工作，我在這個(gè)過程中學(xué)到了很多東西。如果你想成為公司的CEO，你有很多東西要學(xué)，你必須不斷地自我重塑，世界一直在變化，你的公司一直在變化，技術(shù)一直在變化，今天你知道的一切，將來都會(huì)有用，但還不夠，甚至遠(yuǎn)遠(yuǎn)不夠。因此，我基本上每天都在學(xué)習(xí)。

當(dāng)我飛過來時(shí)，我在看YouTube，或者我與AI的對話。順便說一下，去找一個(gè)AI作為你的導(dǎo)師。我問了很多問題，它給我答案，我會(huì)問：你為什么給我這個(gè)答案？一步一步地告訴我答案。用這種方式向我解釋，將你的推理應(yīng)用于其他事物，給我一些類比。學(xué)習(xí)有很多不同的方式，我反復(fù)折磨我的AI，讓它來教我。學(xué)習(xí)有很多種方法，但我的重點(diǎn)是你要不斷地學(xué)習(xí)。

我對擔(dān)任CEO和領(lǐng)導(dǎo)力的理解是這樣的。

首先，你是CEO、是領(lǐng)導(dǎo)者，但你不必知道所有的事情。你必須對你想做的事情充滿信心，但你不必確定。自信和確定不是同一個(gè)概念。你可以完全自信地追求一個(gè)方向，同時(shí)允許不確定性的存在，這種不確定性給你繼續(xù)學(xué)習(xí)的機(jī)會(huì)。

第二，我想說的是，領(lǐng)導(dǎo)者當(dāng)然需要強(qiáng)大，因?yàn)楹芏嗳艘揽磕愕牧α?，他們從你的力量中獲得力量。然而，強(qiáng)大并不意味著你不能脆弱，如果你需要幫助，就去尋求幫助。因此，我不斷地尋求幫助，我不知道我多少次來向你（沈向洋）尋求幫助。因此，脆弱并不是力量的缺失，不確定性也不是自信的缺失。

生活在這樣的世界中，你可以既強(qiáng)大又自信，同時(shí)又脆弱和不確定。

我還有一個(gè)想法是，不要為自己做事，而是為他人做事。領(lǐng)導(dǎo)者在每一個(gè)決策中都應(yīng)該以使命的利益為出發(fā)點(diǎn)，以他人的成功為出發(fā)點(diǎn)，無論是公司內(nèi)部的同事、合作伙伴、生態(tài)系統(tǒng)，我們都在不斷思考他人的成功，不斷思考什么對他們最有利。就在昨晚，我飛過來時(shí)，有人問我，我們應(yīng)該在與一個(gè)非常重要的合作伙伴的討論中做什么？我說，我們應(yīng)該建議什么對他們最有利？從他們的最佳利益出發(fā)，我們可以決定該做什么。我認(rèn)為這些想法可能對你有幫助。

沈向洋：?關(guān)于與你人合作的觀點(diǎn)，我忍不住要問這個(gè)問題，我在五月份在我家問過你。我在某處讀到你實(shí)際上有55個(gè)直接下屬，你說，不是50個(gè)，實(shí)際上是60個(gè)。所以你確實(shí)有60個(gè)直接下屬。

黃仁勛：所以員工會(huì)議就像現(xiàn)在（指向觀眾）一樣有好幾排人。

沈向洋：你是怎么做到這點(diǎn)的，看起來像是一種獨(dú)特的領(lǐng)導(dǎo)風(fēng)格。

黃仁勛：?透明度。

我在所有人面前推理，我們需要做什么，我們共同制定公司的戰(zhàn)略，無論是什么戰(zhàn)略，所有人都同時(shí)聽到。因?yàn)樗麄兌紖⑴c了我們的戰(zhàn)略制定過程，因此當(dāng)公司有了方向、戰(zhàn)略、決策時(shí)，大家都一起推理得出答案。這不是我進(jìn)入森林，帶著答案回來，然后大家等待我告訴他們該做什么。我們一起推理，得出了答案。因此，我唯一需要做的就是確保我們都聽到了同樣的東西。

我通常是最后一個(gè)發(fā)言的人，根據(jù)我們所做的一切，這是方向，這些是優(yōu)先事項(xiàng)，以確保沒有歧義。我一旦消除了歧義，我們就都達(dá)成了一致，我們都理解了戰(zhàn)略。我相信每個(gè)人都是成年人，如果他們不知道什么，我需要他們表達(dá)出來，如果他們需要幫助，我需要他們請求幫助，沒有人會(huì)孤獨(dú)地失敗。

當(dāng)他們看到同樣的行為，看到我作為CEO可以脆弱，可以尋求幫助，可以不確定，可以犯錯(cuò)，他們也都可以這樣做。

創(chuàng)業(yè)是黃仁勛追求妻子的手段

沈向洋：?你在非常年輕的時(shí)候創(chuàng)立了自己的公司，一直領(lǐng)導(dǎo)公司取得了令人難以置信的成功。你對我們的學(xué)生和教師成員有什么建議，關(guān)于他們何時(shí)以及為什么應(yīng)該開始自己的事業(yè)？除了你向你的妻子承諾30歲之前要?jiǎng)?chuàng)業(yè)之外，還有什么建議？

黃仁勛：?那是我的搭訕手段，我并不是認(rèn)真說這句話的。

（觀眾大笑）

黃仁勛：?我16歲上大學(xué)，17歲認(rèn)識了我妻子，她19歲。我是班上最小的學(xué)生，一共有250名學(xué)生，只有三個(gè)女生。我是唯一看起來像小孩的學(xué)生。

沈向洋：?所以你學(xué)會(huì)了如何競爭力。

黃仁勛：?不，你必須學(xué)會(huì)如何有一個(gè)好的搭訕臺詞。我知道我看起來像個(gè)小孩，因此我確信她對我的第一印象是我很聰明，一定是這樣，否則（不會(huì)這么小就上大學(xué)）

我走到她面前，我說，你想看看我的作業(yè)嗎？

（觀眾大笑和鼓掌）

黃仁勛：?然后我向她做了一個(gè)承諾，我說，如果你每個(gè)星期天都和我一起做作業(yè)，我保證你會(huì)得到全A的成績。之后我每個(gè)星期天都有約會(huì)，內(nèi)容是一整天做作業(yè)。

然后，為了確保她最終嫁給我，我告訴她我現(xiàn)在只有20歲，但到我30歲時(shí)，我將成為CEO。我當(dāng)時(shí)不知道自己在說什么。

（觀眾大笑和鼓掌）

黃仁勛：?然后我們結(jié)婚了。這就是我給所有創(chuàng)業(yè)者的全部建議。

沈向洋：?這實(shí)際上是我從學(xué)生哪里收集的問題之一。一位學(xué)生問道，他在學(xué)校表現(xiàn)很好，但他需要專注。他讀到了你的愛情故事，想問你如果把時(shí)間花在約會(huì)上，是否會(huì)對學(xué)習(xí)有害？你的答案是絕對不會(huì)。

黃仁勛：?絕對不會(huì)。當(dāng)時(shí)我想讓她知道我很聰明，因此在她來之前我就完成了作業(yè)。到她來的時(shí)候，我已經(jīng)知道了所有的答案。她可能一直以為我是個(gè)天才。

沈向洋：?你確實(shí)是個(gè)天才。

大學(xué)應(yīng)該如何應(yīng)對算力問題

沈向洋：?你給了我們的學(xué)生一些好的建議。我需要代表我們的教授問一個(gè)問題。我實(shí)際上有九頁的問題，我很抱歉不能全部問出來。

其中一個(gè)問題，作為大學(xué)里的助理教授，現(xiàn)在做AI研究需要大量的算力。有趣的是，一位華盛頓大學(xué)的教授幾年前發(fā)推特說，在深度學(xué)習(xí)革命中明顯缺席的是麻省理工學(xué)院，但他并不只是指麻省理工學(xué)院，實(shí)際上是美國的頂尖大學(xué)在過去十年中并未貢獻(xiàn)太多開創(chuàng)性的論文，而是像你們公司、微軟、OpenAI、谷歌DeepMind等頂尖公司做了令人驚嘆的工作，部分原因是他們擁有足夠的計(jì)算能力。

這位教授的問題是，我們應(yīng)該怎么做？我們應(yīng)該加入英偉達(dá)，這是一個(gè)辦法，或者我們能否與你們合作？你是我們的新校友，能否請你幫忙？

黃仁勛：?當(dāng)然可以。

但你問題的核心實(shí)際上是大學(xué)的一個(gè)非常嚴(yán)肅的結(jié)構(gòu)性問題。正如你所知，在未來，沒有機(jī)器學(xué)習(xí)就無法以我們談?wù)摰囊?guī)模推進(jìn)科學(xué)。而機(jī)器學(xué)習(xí)沒有機(jī)器是無法實(shí)現(xiàn)的。這與用射電望遠(yuǎn)鏡研究宇宙、用粒子加速器研究世界的基本構(gòu)成是一樣的。你需要科學(xué)的儀器，超級計(jì)算機(jī)、AI超級計(jì)算機(jī)是當(dāng)今的科學(xué)儀器。

大學(xué)的結(jié)構(gòu)性問題在于，每個(gè)研究人員、每個(gè)研究者都在自行籌集資金。一旦他們籌集到了資金，他們就不想與其他人分享。

然而，機(jī)器學(xué)習(xí)的工作方式是，你只需要在很短的時(shí)間內(nèi)使用全部的機(jī)器。沒有人永遠(yuǎn)需要全部的機(jī)器，但他們在短時(shí)間內(nèi)需要非常大的計(jì)算能力。因此，事實(shí)證明，為了推進(jìn)大學(xué)的研究，必須將大家的資金集中起來，這在像斯坦福或哈佛這樣的大學(xué)里是非常困難的，那里的計(jì)算機(jī)科學(xué)研究人員可以籌集到大量資金，但氣候科學(xué)、海洋科學(xué)等領(lǐng)域的研究人員則非常困難。

那么怎么辦？

我認(rèn)為大學(xué)可以通過為整個(gè)學(xué)校建立基礎(chǔ)設(shè)施，但大學(xué)存在資金結(jié)構(gòu)的挑戰(zhàn)，這也是為什么許多研究人員來我們這樣的公司實(shí)習(xí)，在谷歌和微軟實(shí)習(xí)。

他們在我們的系統(tǒng)上進(jìn)行研究，然后回到學(xué)校一段時(shí)間，要求我們在系統(tǒng)上保持他們的研究，以便他們回來時(shí)可以繼續(xù)。許多教授也兼職做研究，同時(shí)還在教學(xué)。我們有幾位這樣的教授。因此，有很多方法可以解決這個(gè)問題，但最好的方法是大學(xué)必須重新思考如何籌集資金。

GPU的能源消耗會(huì)過大嗎？

沈向洋：?我想問一個(gè)挑戰(zhàn)性的問題，一方面我們非常高興計(jì)算能力繼續(xù)大幅提高，價(jià)格下降，這更好。但同時(shí)，GPU將消耗大量能源。有一些預(yù)測稱，到2030年，全球能源消耗將增加30%。你是否擔(dān)心，世界由于GPU會(huì)消耗更多的能源？

黃仁勛：?首先我要說的是，如果世界使用更多的能源來為全球的AI工廠供電，我們的世界將會(huì)更好，讓我為你推理這樣幾件事。

第一，AI的目標(biāo)不是訓(xùn)練模型，AI的目標(biāo)是使用模型。對于許多人來說，他們僅僅為了上學(xué)而上學(xué)，這沒有錯(cuò)，為了學(xué)習(xí)而學(xué)習(xí)是高尚的，也是非常明智的。然而，大多數(shù)學(xué)生來到這里，投入了大量的金錢和時(shí)間，你們的目標(biāo)是將來應(yīng)用學(xué)到的知識取得成功。

因此，AI的目的不是訓(xùn)練，而是推理，推理非常高效，它可以發(fā)現(xiàn)儲(chǔ)存二氧化碳的新方法，或者可以發(fā)現(xiàn)新的風(fēng)力渦輪機(jī)設(shè)計(jì)，或發(fā)現(xiàn)新的儲(chǔ)存電力的材料，更有效的太陽能電池板材料，等等。我們的目標(biāo)最終是創(chuàng)建AI，而不是訓(xùn)練AI。

第二，請記住，AI并不在乎它在哪里學(xué)習(xí)。我們無需將超級計(jì)算機(jī)置于校園內(nèi)，緊鄰電網(wǎng)。我們應(yīng)當(dāng)開始思考將 AI 超級計(jì)算機(jī)安放在電網(wǎng)之外，稍偏離電網(wǎng)，使其利用可持續(xù)能源，而非在人口密集區(qū)域。

我們所有的發(fā)電廠都是為家中的電器所建，燈泡在我們家周邊，洗碗機(jī)在家周邊，如今電動(dòng)車也在家周邊。然而超級計(jì)算機(jī)不必在我們的家附近，它能夠在其他地方學(xué)習(xí)。

最后，我期望AI能夠極為高效地發(fā)現(xiàn)新的科學(xué)，從而避免我們的浪費(fèi)，比如電的浪費(fèi)。電網(wǎng)多數(shù)時(shí)候是過度供應(yīng)的，僅有一小部分時(shí)間供應(yīng)不足。

我們應(yīng)當(dāng)在眾多不同的領(lǐng)域運(yùn)用AI從我們的浪費(fèi)中節(jié)約20%到30%的能源。這是我的希望與夢想，最終我們都會(huì)看到，使用能源來獲取智能是我們能夠想象的能源的最佳用途。

沈向洋：?我當(dāng)然同意，將能源用于智能是最佳的使用方式。說到智能，我想回到智能的話題。

粵港澳大灣區(qū)包括香港、深圳、廣東，我們都生活在這個(gè)地區(qū)。多年來，這里已經(jīng)成為一個(gè)巨大的硬件生態(tài)系統(tǒng)。如果你現(xiàn)在要制造任何有趣的設(shè)備，如果不在大灣區(qū)制造，就會(huì)效率較低，因?yàn)槟銦o法找到所有的組件。當(dāng)然，一個(gè)很好的例子是大疆，商用無人機(jī)公司，他們的技術(shù)令人難以置信。

我的問題是，當(dāng)我們考慮智能時(shí)，物理層面將變得越來越重要，機(jī)器人技術(shù)會(huì)越來越多地出現(xiàn)在我們的生活中。當(dāng)然，一種特殊類型的機(jī)器人就是自動(dòng)駕駛汽車。你對這些物理智能實(shí)體在我們的生活和工作中出現(xiàn)的速度有何看法？我們應(yīng)該如何思考，并利用大灣區(qū)的硬件生態(tài)系統(tǒng)？

黃仁勛：?這對中國和這個(gè)地區(qū)來說是一個(gè)非凡的機(jī)會(huì)。大灣區(qū)以及整個(gè)地方在機(jī)電一體化方面已經(jīng)非常出色，即機(jī)械技術(shù)和電子技術(shù)的交叉點(diǎn)。對于機(jī)器人技術(shù)來說，缺少的是理解物理世界的人工智能。

ChatGPT或當(dāng)前的大型語言模型理解認(rèn)知智能，但它們并不理解物理智能，它們不一定理解當(dāng)我把杯子放在桌子上時(shí)，它不會(huì)穿過桌子。因此，我們需要教會(huì)AI如何理解物理智能。

讓我展示一下我們的進(jìn)展。你們可能都看過從文本生成視頻。我可以生成一段以我自己為開頭的視頻，你可以提示“Jensen，拿起咖啡杯，喝一口”。如果我可以提示AI去拿起咖啡杯，為什么我不能生成指令，讓機(jī)械臂去拿起它呢？

因此，從我們現(xiàn)在的生成式AI到通用機(jī)器人之間的差距非常小。所以我對這個(gè)領(lǐng)域非常興奮。

有三種類型的機(jī)器人可以大規(guī)模生產(chǎn)，基本上只有三種：

汽車，因?yàn)樵谶^去的150-200年里，我們?yōu)槠噭?chuàng)造了這個(gè)世界。

其次是無人機(jī)，因?yàn)樘炜諑缀跏菬o限的。

但產(chǎn)量最高的當(dāng)然是人形機(jī)器人，因?yàn)槲覀優(yōu)樽约簞?chuàng)造了這個(gè)世界。

其他我們在歷史上見過的機(jī)器人，已經(jīng)存在很長時(shí)間了，但很難實(shí)現(xiàn)大規(guī)模生產(chǎn)。實(shí)現(xiàn)大規(guī)模生產(chǎn)很重要，因?yàn)槟阈枰夹g(shù)飛輪。高產(chǎn)量可以讓你產(chǎn)生高研發(fā)投入，從而實(shí)現(xiàn)偉大的技術(shù)突破，制造出更好的產(chǎn)品，進(jìn)而使產(chǎn)量更高。這個(gè)研發(fā)飛輪對任何行業(yè)都至關(guān)重要。

通過這三種機(jī)器人，我們基本上可以將機(jī)器人技術(shù)規(guī)?；綐O高的產(chǎn)量。這就是像這里這樣的制造生態(tài)系統(tǒng)的優(yōu)勢之一。

如果你想一想，這個(gè)大灣區(qū)是世界上唯一同時(shí)擁有機(jī)電技術(shù)和人工智能技術(shù)的地區(qū)，對吧？其他兩個(gè)大型機(jī)電產(chǎn)業(yè)區(qū)域，日本和德國，不幸的是，它們在人工智能方面落后很多，需要努力追趕。但這里不是這樣，所以這確實(shí)是一個(gè)獨(dú)特的機(jī)會(huì)，我會(huì)非常重視它。

完整視頻：
https://www.youtube.com/watch?v=NuTZNgrLBJk

參考鏈接：
https://hkust.edu.hk/news/major-events-campus/hkust-holds-congregation-2024-conferring-honorary-doctoral-degrees-four