10月4日，英伟达首席推论官黄仁勋作客访谈节目Bg2 Pod，与主合手东说念主Brad Gerstne和Clark Tang进行了一场浅近的对话。
他们主要参谋了若何将智能扩展到AGI、英伟达的竞争上风、推理与历练的病笃性、AI边界畴昔的市集动态、AI对各个行业的影响、Elon的孟菲斯超等集群与X.ai、OpenAI等话题。
黄仁勋强调了AI期间的赶紧演变，尤其是通向通用东说念主工智能（AGI）说念路上的败坏。他默示，AGI助理行将以某种样式出现，何况会跟着期间的推移变得愈加完善。
黄仁勋还共享了英伟达在计较革掷中的引导地位，指出通过责问计较成本和创新硬件架构，英伟达在推动机器学习和AI应用中占据了显赫上风。他绝顶提到英伟达的“护城河”，即其十年积存的软硬件生态系统，使得竞争者很难通过单一的芯片改进超越。
此外，黄仁勋赞誉了xAI和马斯克团队在短短19天内完成十万个GPU的孟菲斯超等集群开辟，称这是“前所未有”的树立。这一集群无疑是寰球最快的超等计较机之一，将在AI推理和历练任务中阐发病笃作用。
谈及AI对分娩力的影响，黄仁勋乐不雅地默示，AI将极大普及企业的驱散，带来更多的增长契机，并不会导致大范围舒服。同期，他也命令业界加强对AI安全性的关注，确保期间的开发和使用有意于社会。
全文重点总结如下：
（AGI助理）很快就会以某种样式出现……一驱动它会相等有用，但并不无缺。然后跟着期间的推移，它会变得越来越无缺。咱们在10年内将计较的边缘成本责问了100000倍。咱们悉数这个词堆栈齐在增长，悉数这个词堆栈齐在创新。东说念主们认为狡计出更好的芯片的原因在于它有更多的触发器、更多的位和比特……但机器学习不单是是软件，它关乎悉数这个词数据管说念。机器学习的飞轮才是最病笃的。你必须接洽若何让这个飞轮更快。只是领有强劲的GPU并不成保证一家公司在AI边界取获顺利。马斯克对大型系统的工程和开辟以及资源调配的认识是唯一无二的... 十万个GPU看成一个集群... 19天内完成。AI不会改变每一项业绩，但会对东说念主们的业绩形态产生巨大影响。公司使用AI提高分娩力时，时常弘扬为更好的收益或增长。AGI和AI助理的演变Brad Gerstner：
本年的主题是将智能扩展到AGI。两年前咱们作念这件事的时候，咱们是在AI时期作念的，那是在ChatGPT的两个月前，接洽到悉数这些变化，这确切令东说念主难以置信。是以我以为咱们不错用一个念念想实验和一个瞻望来驱动。
要是我把AGI等闲地联想成我口袋里的私东说念主助理，要是我认为AGI即是阿谁白话助理，我还是习尚了。它知说念我的一切。它对我有无缺的操心，不错和我交流。他们不错帮我预订栈房，或者帮我预约医师。望望现谢世界的变化速率，你认为咱们什么时候才能领有个东说念主助理？
黄仁勋：
很快就会以某种样式出现。而且跟着期间的推移，这个助答理越来越好。这即是咱们所知说念的好意思手段术。是以我认为一驱动它会相等有用，但并不无缺。然后跟着期间的推移，它会变得越来越无缺。就像悉数的期间相似。
Brad Gerstner：
当咱们望望变化的速率时，我认为马斯克说过，着实病笃的唯一事情即是变化的速率。咱们照实嗅觉到变化的速率还是急剧加速，这是咱们在这些问题上见过的最快变化速率，因为咱们还是在AI边界摸爬滚打了十年，致使更长。这是你业绩活命中见过的最快变化速率吗？
黄仁勋：
这是因为咱们再行发明了计较。好多事情之是以发生，是因为咱们在10年内将计较的边缘成本责问了100000倍。摩尔定律应该是100倍掌握。咱们通过多种形态杀青了这少许。起初，咱们引入了加速计较，将CPU上驱散较低的业绩放在GPU上。咱们通过发明新的数值精度来杀青这少许。咱们通过新的架构来杀青这少许，发明了张量中枢，以系统的形态构建MV Link，以及相等相等快的内存、以及使用MV Link进行扩展并在悉数这个词堆栈上业绩。基本上，我形容的对于英伟达若何作念事的一切齐导致了超摩尔定律的创新速率。
现在着实让东说念主惊叹的是，从此之后，咱们从东说念主工编程转向了机器学习。机器学习的神奇之处在于，机器学习不错学得相等快。事实讲授如斯。因此，当咱们再行制定分派计较的形态时，咱们作念了好多，各式并行性。张量并行性，各式管说念并行性。咱们擅长在此基础上发明新算法和新历练方法，悉数这些期间，悉数这些发明齐是相互重叠的驱散。
回来往时，要是你望望摩尔定律是若何运作的，软件是静态的。它是预编译的，就像放入商店的缩小筏相似。它是静态的，底下的硬件以摩尔定律的速率增长。现在，咱们悉数这个词堆栈齐在增长，悉数这个词堆栈齐在创新。是以我认为，现在咱们已而看到了扩展。
这固然是超卓的。但咱们往时批驳的是预历练模子和在阿谁层面上的扩展，以及咱们若何将模子大小翻倍，因此相应地翻倍，数据大小也翻倍。驱散，所需的计较才气每年增多四倍。这是一件大事。但现在咱们看到了后历练的扩展，咱们看到了推理的扩展。是以东说念主们往时认为预历练很难，推理很容易。现在一切齐很难。这很有有趣，但认为东说念主类的悉数念念维齐是一次性的想法有点特地。是以，必须有一个快速念念考、慢速念念考、推理、反念念、迭代和模拟等成见。现在它正在出现。
英伟达的竞争护城河Clark Tang：
我认为，对于英伟达最容易被污蔑的事情之一即是着实的英伟达模式有多深。我认为有一种不雅念，要是有东说念主发明了一种更好的芯片，他们就赢了。但事实是，你花了十年期间构建从GPU到CPU再到蚁集的完整堆栈，尤其是相沿应用门径的软件和库。在英伟达上运行。是以我认为你谈到了这少许，但当你意象英伟达今天的护城河时，，您认为今天的视频模式比三四年前大照旧小？
黄仁勋：
好吧，我很感谢你相识到计较是若何变化的。事实上，东说念主们认为（而且好多东说念主现在仍然这样认为）狡计出更好的芯片的原因在于它有更多的触发器、更多的位和比特。您明白我的兴致吗？您会看到他们的主题演讲幻灯片。它有悉数这些触发器、条形图和诸如斯类的东西。这些齐很好。我的兴致是，看，马力照实很病笃。是的。是以这些事情从压根上来说很病笃。
关联词，苦难的是，这齐是想法。这齐是在软件是运行在Windows上的某个应用门径何况软件是静态的真谛上的想法，对吗？这意味着改进系统的最好方法即是制造越来越快的船。但咱们意志到机器学习不是东说念主类编程。机器学习不单是是软件，这关乎悉数这个词数据管说念。事实上，机器学习的飞轮才是最病笃的。那么你若何看待我启用这个飞轮？一方面，让数据科学家和研究东说念主员在这个飞轮中高效业绩，而这个飞轮从一驱动就驱动了。好多东说念主致使没特地志到需要AI来束缚数据，来教授AI。而AI自己就格外复杂。
Brad Gerstner：
AI自己在改进吗？它也在加速吗？再说一次，当咱们接洽竞争上风时，是的，没错。这是悉数这些的组合。
黄仁勋：
恰是如斯，恰是因为有了更明智的AI来束缚数据，才会导致这种情况。咱们现在致使有了合成数据生成和各式不同的数据束缚形态，向其呈现数据。是以在你袭取培训之前，你就还是波及了大批的数据处理。是以东说念主们会想，哦，Pytorch，这是世界的驱动，亦然世界的罢了。这相等病笃。
但别忘了，在Pytorch之前和之后，飞轮的真谛在于你必须念念考的形态，我该若何念念考悉数这个词飞轮，若何狡计一个计较系统，一个计较架构，匡助你行使这个飞轮，让它尽可能高效。这不是一个应用门径历练的大小。这说得通吗？这只是一步。好吧。飞轮上的每一步齐很难。是以你应该作念的第一件事，不是念念考若何让Excel更快，若何让doom更快，那是往时的事情，不是吗？现在你必须接洽若何让这个飞轮更快？这个飞轮有好多不同的门径，机器学习并谢却易，你们齐知说念。
OpenAI 或 X 或 Gemini 团队所作念的事情齐谢却易，他们三念念此后行地念念考着咱们。我的兴致是，他们作念的事情并谢却易。是以咱们决定，你看，这才是你应该接洽的。这是悉数这个词过程，你想加速其中的每一部分。你要尊重多尔斯定律，多尔斯定律标明，要是这是30%的期间，而我将其加速了三倍，那么我并莫得着实加速悉数这个词过程。这有有趣吗？你真的想创建一个系统来加速每一步，因为只好作念悉数这个词事情，你才能着实本质性地改善周期期间和飞轮，也即是学习率，最终才是导致指数级增长的原因。
是以，我想说的是，咱们对公司着实作念的事情的看法会体现在产物上。难得，我一直在批驳这个飞轮，悉数这个词网站。是的，没错。咱们加速了一切。
现在，主要关注点是视频。好多东说念主齐专注于物理AI和视频处理。联想一下前端。每秒有TB的数据进入系统。举个例子，一个管说念会吸收悉数这些数据。起初要准备好历练。是的，这样悉数这个词过程就不错加速。
Clark Tang：
今天东说念主们只接洽文本模子。是的，但畴昔是，这个视频模子，使用一些文本模子，比如o1，在咱们到达哪里之前着实处理大批数据。
黄仁勋：
是的。是以语言模子会波及到一切。但咱们，这个行业破耗了巨大的期间和元气心灵来历练语言模子，历练这些大型语言模子。现在，咱们在每一步齐使用大型语言样式。这相等了不得。
Brad Gerstner：
我听到你说的是，在组合系统中，是的，上风会跟着期间的推移而增长。是以我听到你说，咱们今天的上风比三到四年前更大，因为咱们正在改进每个组件。这即是组合，当你意象，例如，看成一个买卖案例研究，英特尔，相对于你现在的位置，它领有主导模式，在堆栈中占据主导地位。也许，再简便归纳一下，将你的竞争上风与他们在其周期岑岭期所领有的竞争上风进行相比。
黄仁勋：
英特尔之是以一鸣惊人，是因为他们可能是第一家在制造工艺工程和制造方面弘扬出色的公司。制造上头说的即是制造芯片。狡计芯片，在x86架构中构建芯片，制造越来越快的x86芯片，这是他们的才华所在，他们将其与制造和会在一齐。
咱们公司有点不同，咱们相识到这少许，事实上，并行处理并不要求每个晶体管齐弘扬出色，串行处理要求每个晶体管齐弘扬出色。并行处理需要大批的晶体管才能更具成本效益。我甘心晶体管多10倍，速率慢20%。然后晶体管少10倍，速率快20%。这有有趣吗？他们想要违反的驱散。因此，单线程性能、单线程处理和并行处理相等不同。因此，咱们不雅察到，事实上，咱们的世界并不是越走越好。咱们想要作念得相等好，尽可能好，但咱们的世界真的在连接跳动。
并行计较、并行处理很难，因为每个算法齐需要一种不同的重构形态和再行构建算法的架构。东说念主们没特地志到的是，你不错有3个不同的 CPU。它们齐有我方的C编译器。你不错将软件编译到阿谁轴上。
这在加速计较中是不可能的。建议架构的公司必须建议我方的 Open GL。是以咱们转变性地进行了深度学习，因为咱们的边界特定库叫作念cuDNN（深度神经蚁集库），一个边界特定库称为光学。咱们有一个边界特定库，称为 cuQuantum。
Brad Gerstner：
对于位于下方的行业特定算法，您知说念，每个东说念主齐关注的 Pytorch 层。就像我常常听到的那样。
黄仁勋：
要是咱们不发明它，上头的任何应用门径齐无法业绩。你们明白我的兴致吗？是以是英伟达着实擅长的算法。在底层架构之上的科学之间的传播，这即是咱们着实擅长的。
英伟达正在构建一个完整的AI计较平台，包括硬件、软件和生态系统Clark Tang：
现在悉数的重目力会聚会在推理上。但我牢记，两年前，我和Brad共进晚餐时问过你一个问题，你认为你的护城河在推理方面会像在历练方面相似强劲吗？
黄仁勋：
我概略情我是否说过它会更强。
Clark Tang：
你刚才提到了好多这些元素，两者之间的可组合性，或者，咱们不知说念举座组合。对于客户来说，能够在两者之间保合手活泼性相等病笃。但是，既然咱们现在还是处于推理时期，你能不成谈谈？
黄仁勋：
推理历练即是在那种范围上进行推理。我的兴致是，你是对的。是以要是你历练适合，那么很有可能你会推理适合，要是你在莫得任何接洽的情况下在这个架构上构建它，它将在这个架构上运行。好吧，你仍然不错去优化它以妥当其他架构，但至少，因为它还是在英伟达上构建了架构，它将在英伟达上运行。
现在，另一个方面固然只是一种本钱投资方面，也即是当你历练新模子时，你但愿用你最好的新设备进行历练。这会留住你昨天神用的设备，而这些设备相等适合推理。是以在新的基础设施背后有一系列免费的设备不错兼容。因此，咱们相等严格地确保咱们长期兼容，这样咱们留住的一切齐将接续保合手高出。
现在，咱们还插足了大批元气心灵连接再行发明新算法，以便当期间到来时，Hopper架构比他们购买时好两倍、三倍、四倍，这样，这个基础设施就会接续着实灵验。因此，咱们所作念的悉数业绩，改进新算法、新框架。请难得，它有助于咱们领有的每一个安设基础。Hopper更适合它，Ampere更适合它，致使Volta也更适合它。
我想Sam Altman刚刚告诉我，他们最近刚刚停用了OpenAI的Volta基础设施。是以我认为，咱们留住了这条安设基础的印迹，就像悉数计较安设基础齐很病笃相似。英伟达涉足每一个云霄，包括土产货和边缘。
VILA的视觉语言模子在云霄创建，无需修改，在机器东说念主边缘也能无缺运行。它们齐具有邃密的兼容性。因此，我认为架构兼容性对于大型设备相等病笃，对于 iPhone 和其他设备亦然如斯。我认为安设基础对于推理相等病笃。
黄仁勋：
但着实让我获益匪浅的是，咱们正在勤劳在新的架构中历练这些大型语言模子。咱们能够念念考，在某一天时机老到时，若何创建在推理方面弘扬出色的架构。因此，咱们一直在念念考推理模子的迭代模子，以及若何为此创建相等互动的推理体验，对吧，您的个东说念主代理。您不想说完话后就离开并念念考一段期间。您想很快与您互动。那么咱们该若何创建这样的东西呢？
MVLink这样咱们就不错继承这些相等适合历练的系统。但是当你完成它时，推感性能会相等出色。是以你想优化这个到第一个Token的期间。而到第一个Token的期间施行上相等难作念到，因为到第一个Token的期间需要大批的带宽。但要是你的高下文也很丰富，那么你需要大批FLOPS。因此，你需要无尽量的带宽，同期无尽量的FLOPS才能杀青几毫秒的反馈期间。是以这个架构真的很难杀青。咱们为此发明了伟大的Blackwell MVLink。。
Brad Gerstner：
本周早些时候和 Andy Jassy（亚马逊总裁兼CEO）一齐吃饭，Andy说，咱们有 Tranium、Inferentia 行将到来。我认为大多数东说念主再次将这些视为英伟达的问题。但接下来，他说英伟达是咱们的病笃配搭伙伴，何况将接续是咱们的病笃配搭伙伴。就我所见，未下世界将依靠英伟达。
是以当你意象正在构建的定制ASIC时，它们将用于目标应用。也许是Meta的推理加速器，也许是亚马逊的历练，或者谷歌的TPU。然后你想想你今天面对的供应短缺，这些要素会改变这种动态吗？或者它们会补充他们从你哪里购买的系统？
黄仁勋：
咱们只是在作念不同的事情。是的，咱们试图完成不同的事情。现在英伟达正在尝试为这个新世界、这个机器学习世界、这个生成式AI世界、这个代理式AI世界构建一个计较平台。咱们试图创造，在计较边界，如斯深入的少许是，经过60年的发展，咱们再行发明了悉数这个词计较堆栈。从编程到机器学习，从CPU到GPU，从软件到AI，应用门径从软件到AI。从软件用具到AI。因此，计较堆栈和期间堆栈的每个方面齐发生了变化。
咱们想作念的是创建一个随地可用的计较平台。这照实是咱们所作念业绩的复杂性，咱们所作念业绩的复杂性在于，要是你仔细想想咱们所作念的事情，就会发现咱们正在构建悉数这个词AI基础设施，咱们把它看作一台计较机。我之前说过，数据中心现在是计较的单元。对我来说，当我意象计较机时，我接洽的不是芯片。我在接洽这个东西。这是我的念念维模子，里面的悉数软件、悉数编排、悉数机器，齐是我的业绩。这即是我的计较机。
咱们每年齐试图建造一台新的。是的，这太轻易了。以前从来莫得东说念主这样作念过。咱们每年齐试图建造一台全新的。每年，咱们齐提供两到三倍的性能。因此，每年，咱们齐会将成本责问两到三倍。每年，咱们齐会将能源驱散提高两到三倍。因此，咱们要求客户不要一次性购买悉数东西，每年只买少许，对吗？好的。这样作念的原因是，咱们但愿它们的成本在畴昔保合手平均水平。现在，悉数东西在架构上齐是兼容的，是以以咱们现在的速率单独构建这些东西是相等繁重的。
现在，双重繁重的部分是，咱们袭取悉数这些，而不是将其看成基础设施或服务出售，咱们不同意悉数这些。咱们将它集成到GCP、AWS、Azure、X 中。是以每个东说念主的集成齐不同。咱们必须将咱们悉数的架构库、悉数算法和悉数框架集成到他们的框架中。咱们将咱们的安全系统集成到他们的系统中，咱们将咱们的蚁集集成到他们的系统中，对吗？然后咱们基本上进行10次集成，现在咱们每年齐这样作念。这即是古迹。
Brad Gerstner：
咱们，股市配资我的兴致是，你每年齐试图这样作念，这太轻易了。那么是什么驱使你每年齐这样作念呢？
黄仁勋：
是的，那即是当你系统地剖析它时。你们剖析得越多，每个东说念主剖析得越多，他们就越骇怪。是的。今天悉数这个词电子生态系统若何能够致力于于与咱们配合，最终构建出一个集成到悉数这些不同生态系统中的计较机立方体，何况和谐如斯无缝。因此，显然咱们向后传播的是API、方法、业务经由和狡计规矩，而向前传播的是方法、架构和API。
Brad Gerstner：
他们底本即是这样的。
黄仁勋：
几十年来，他们一直在勤劳。是的，而且跟着咱们的发展也在连接发展。但是，这些 AP 必须整合在一齐。
Clark Tang：
有东说念主只需调用 OpenAI API，它就不错业绩。即是这样。
黄仁勋：
对。是的，有点轻易。这是一个举座。这即是咱们发明的，这个繁密的计较基础设施，悉数这个词星球齐在与咱们配合。它融入了任何地方。你不错通过戴尔销售它，也不错通过惠普销售它。它托管在云霄。它无处不在，无处不在。东说念主们现在在机器东说念主系统中使用它，机器东说念主和东说念主类机器东说念主，它们在自动驾驶汽车中。它们在架构上齐是兼容的。格外轻易。
Brad Gerstner：
这太轻易了。
黄仁勋：
我不想让你留住我莫得回报问题的印象。事实上，我回报了。当咱们着实分层基础时，我的兴致是念念考的形态。咱们只是在作念一些不同的事情。是的，看成一家公司，咱们但愿了解情况，我对公司和生态系统周围的一切齐相等了解，对吗？
我知说念悉数东说念主齐在作念其他事情，他们在作念什么。或然这对咱们是不利的，或然不是。我相等明晰这少许，但这并莫得改变公司的目标。是的，公司的唯一目标是构建一个不错无处不在的平台架构。这即是咱们的目标。
咱们不会试图从任何东说念主哪里夺取任何份额。英伟达是作念市商，而不是份额获取者。要是你望望咱们公司莫得展示的幻灯片，你会发现这家公司莫得一天批驳市集份额，里面也莫得。咱们批驳的齐是咱们若何创造下一个东西？
咱们不错在这个飞轮中处置的下一个问题是什么？咱们若何才能更好地为东说念主们服务？咱们若何将往时需要梗概一年期间的飞轮镌汰到梗概一个月？是的。那光速是些许？不是吗？
是以咱们在接洽悉数这些不同的事情，但有一件事咱们不会，咱们不会，咱们对悉数事情齐了如指掌，但咱们确信咱们的业绩是相等独有的。唯一的问题是这个业绩是否必要。这有真谛吗？悉数公司，悉数伟大的公司齐应该把这个看成中枢。这是对于你在作念什么？
固然。唯一的问题是，它有必要吗？它有价值吗？对。它有影响力吗？它对东说念主们有匡助吗？我确信你是又名开发东说念主员，你是一家生成式AI初创公司，你行将决定若何成为一家公司。
你毋庸作念出的一个采用是我相沿哪一款 A6？要是你只相沿CUDA，你不错去任何地方。你以后老是不错改变主意的。但咱们是通往AI世界的进口，不是吗？
一朝你决定加入咱们的平台，其他的决定你齐不错推迟。你以后不错随时构建我方的基础。咱们并不反对。咱们不会因此而不满。当我与悉数GCP、GCP Azure 配合时，咱们会提前几年向他们展示咱们的蹊径图。
他们莫得向咱们展示他们的基本蹊径图，而且这从未冒犯过咱们。这有有趣吗？咱们创造，咱们处于一个。要是你有一个唯一的目标，你的目标有真谛，你的业绩对你和其他东说念主来说齐是零碎的，那么你不错透明。请难得，我的蹊径图在 GTC 上是透明的。我的蹊径图对咱们在 Azure、AWS 和其他公司的一又友来说更深入。咱们作念任何这些事情齐莫得问题，即使他们正在构建我方的金钱。
Brad Gerstner：
我认为，当东说念主们不雅察业务时，您最近默示对Blackwell的需求相等轻易。您说，业绩中最繁重的部分之一即是谢世界空泛您能够分娩和提供的计较才气的情况下，用感情用具对东说念主们说“不”。但月旦者说了这些。稍等片刻。他们说这就像2000年的念念科相似，咱们过度开辟光纤。这将是繁茂与荒僻的轮流。我意象23年头咱们吃饭的时候。23年1月的那顿晚餐上，英伟达的瞻望是，2023年的收入将达到260亿好意思元。你作念到了600亿好意思元。
黄仁勋：
就让事实显现无遗吧。这是世界历史上最大的瞻望失败。对。咱们至少不错承认。
GPU在AI计较中饰演着越来越病笃的扮装Brad Gerstner：
那是，那是咱们在11月22日相等昂然，因为咱们有来自Inflection的Mustafa这样的东说念主，而莫得来自Character的东说念主来咱们办公室批驳投资他们的公司。他们说，好吧，要是你不成投资咱们的公司，那就买英伟达，因为世界上每个东说念主齐在试图赢得英伟达芯片来构建这些将改变世界的应用门径。固然，寒武纪时刻发生在ChatGPT上。尽管如斯，这25位分析师仍然专注于加密货币赢家，以至于他们无法联想世界上正在发生的事情。是以最终范围更大了。用相等等闲的英语来说，对Blackwell的需求是轻易的，而且只须你能，只须你能预见，它就会一直这样下去。固然，畴昔是未知的，不可知的。但为什么月旦者会错得这样离谱，认为这不会像念念科在2000年那样过度开辟。
黄仁勋：
念念考畴昔的最好形态是从第一原则动身，对吗？好的，那么，对于问题，咱们正在作念的事情的第一原则是什么？第一，咱们在作念什么？咱们正在作念的第一件事即是再行发明计较，不是吗？咱们刚才说过，畴昔计较的形态将是高度机器学习的。是的，高度机器学习的。好的，险些咱们所作念的一切，险些每一个应用门径，Word、Excel、Powerpoint、Photoshop、Premier，AutoCAD，你最心爱的应用门径齐是手工狡计的。我向你保证，畴昔它将高度机器学习。对吧？是以悉数这些用具齐会如斯，最病笃的是，你会有机器，代理来匡助你使用它们。好的。是以现在咱们知说念这是事实。对吧？咱们还是再行发明了计较。咱们不会回头了。悉数这个词计较期间堆栈齐在被再行发明。好的。既然咱们还是作念到了这少许，咱们说过软件会有所不同。软件能写的东西会有所不同。咱们使用软件的形态也会有所不同。是以现在让咱们承认这少许。是以这些即是我现在的基身手实。是的。
现在的问题是会发生什么？让咱们回来一下往时的家庭计较。往时的计较机插足了1万亿好意思元。咱们望望，只须开放门，望望数据中心，望望它。这些计较机是你想要的畴昔吗？谜底是诡辩的。你哪里有悉数这些CPU。咱们知说念它能作念什么，不成作念什么。咱们只知说念，咱们有1万亿好意思元需要当代化的数据中心。是以现在，在咱们话语的时候，要是咱们要在畴昔四五年内对这些旧东西进行当代化更正。这不算分裂理。
是以咱们有一个趋势，你正在与那些必须对其进行当代化更正的东说念主进行交谈。是的，他们正在GPU上对其进行当代化更正。即是这样。
咱们再作念一次测试。你有500亿好意思元的本钱开销。你心爱花选项A，选项B，为畴昔建立本钱开销，对吗？
或者像往时相似建立本钱开销，现在你还是领有了往时的本钱开销，对吗？是的，对。它就在哪里。归正也莫得好转些许。莫尔斯定律基本驱散了。那为什么要重建它呢？
咱们只拿出500亿好意思元，插足生成式AI，对吗？是以现在你的公司变得更好了。对吗？现在你会插足这500亿好意思元中的些许？好吧，我会插足500亿好意思元的100%，因为我还是有了四年的基础设施，这是往时的。
是以现在你只是，我只是从某东说念主从第一旨趣念念考的角度来推理，这即是他们正在作念的事情。明智的东说念主在作念明智的事情。现在，第二部分是这样的。那么咱们就有价值一万亿好意思元的产能。去吧，比尔。
价值数万亿好意思元的基础设施。大要是1500亿好意思元。好的。是以咱们有1万亿好意思元的基础设施需要在畴昔四五年内开辟。好吧，咱们不雅察到的第二件事是软件的编写形态不同，但软件的使用形态也不同。
畴昔，咱们会有代理。咱们公司会少见字职工。在你的收件箱里，你会看到这些低矮的状貌上的小点。畴昔，事心意味着AIS的低矮图标。对吧？我会把这些发给他们。
我不再用C++编程电脑了，我要用教唆来编程AI。对吧？现在，这和我今天早上跟我聊天没什么不同。
我来这里之前写了好多电子邮件。我固然在教唆我的团队。我会形容布景，形容我所知说念的基本摒弃，形容他们的任务。我会留住鼓胀的空间，我会给出鼓胀的场所，让他们明白我需要什么。我想尽可能明晰地讲明驱散应该是什么，但我留住了鼓胀的恶浊空间，少许创意空间，这样他们就不错给我惊喜。
对吧？这和我今天教唆AI没什么不同。是的，这恰是我建议AI的形态。因此，咱们将要当代化的基础设施之上，将会有一个新的基础设施。这个新的基础设施将是操作这些数字东说念主的AI工场，它们将全天候运行。
咱们将为世界各地的悉数公司提供这些设备。咱们将在工场中领有它们，咱们将在自主系统中领有它们。对吗？是以有一整层计较结构。这一整层我称之为AI工场，世界必须制造，但今天压根不存在。
是以问题是，这有多大。咫尺还不知说念。可能有几万亿好意思元。我知说念现在的情况，但当咱们坐在这里建造时，隐秘之处在于，配资开户这个新数据中心的当代化架构和AI工场的架构是相似的。这是一件功德。
Brad Gerstner：
您能否讲明晰，您有一万亿的旧东西。您必须进行当代化。您至少有一万亿的新AI业绩负载行将到来。是的，您本年的收入将达到1250亿好意思元。也曾有东说念主告诉过你，这家公司的市值永远不会超过10亿好意思元。当你今天坐在这里时，有什么事理吗？对，要是你在数万亿的Tam中只好1250亿好意思元，那么你将来的收入将不会是现在的2倍或3倍。你的收入莫得增长有什么原因吗？莫得。
黄仁勋：
正如你所知，并不是悉数事情齐如斯，公司只受鱼塘大小的摒弃，金鱼池只可这样大。是以问题是，咱们的鱼塘是什么？咱们的水池是什么？这需要好多联想力，这即是为什么作念市商在不创建新鱼塘的情况下接洽畴昔的原因。回来往时并试图夺取市集份额很难弄明晰这少许。对。份额获取者只可这样大。固然。作念市商不错相等大。固然。
是以，我认为咱们公司领有的好运是，从公司确立之初，咱们就必须创造市集，才能在其中畅游。其时东说念主们没特地志到这少许，但现在东说念主们还是意志到了，但咱们处于创造3D游戏PC市集的来源。咱们基本上发明了这个市集，以及悉数的生态系统和显卡生态系统，咱们发明了这一切。因此，需要发明一个新的市集，以便以后为其服务，这对咱们来说是一件相等舒服的事情。
黄仁勋：我为OpenAI的顺利感到欣喜Brad Gerstner：
尽人皆知，OpenAI 本周以 1500 亿好意思元的估值筹集了 65 亿好意思元。咱们齐参与了。
黄仁勋：
是的，真的为他们感到欣喜，真的很欣喜他们走到了一齐。是的，他们作念了一件伟大的事情，团队也作念得很好。
Brad Gerstner：
据报说念，他们本年的收入或营业收入将达到50亿好意思元掌握，来岁可能会达到100亿好意思元。要是你望望今天的业务，它的收入梗概是谷歌初度公开募股时的两倍。他们有2.5亿，是的，每周平均用户数为2.5亿，咱们臆测这是谷歌初度公开募股时的两倍。要是你望望这家公司的市盈率，要是你信赖来岁会有100亿好意思元，那么它梗概是预期收入的15倍，也即是谷歌和Meta在初度公开募股时的市盈率。联想一家22个月前收入为零、每周平均用户数为零的公司。
跟咱们谈谈OpenAI看成配搭伙伴对你的病笃性，以及OpenAI看成推动公众对AI的相识和使用的力量。
黄仁勋：
好吧，这是咱们这个时期最病笃的公司之一，一家追求AGI愿景的纯AI公司。不管它的界说是什么。我险些不认为界说是什么完全病笃，我也不认为时机很病笃。我知说念的一件事是，AI将跟着期间的推移领有才气蹊径图。而这个才气蹊径图将相等壮不雅、奇特。在此过程中，早在它达到任何东说念主对AGI的界说之前，咱们就会充分行使它。
你所要作念的即是，现在，在咱们话语的时候，去和数字生物学家、场合期间研究东说念主员、材料研究东说念主员、物理科学家、天体物理学家、量子化学家交谈。你不错去问视频游戏狡计师、制造工程师、机器东说念主群众。选你最心爱的。岂论你想采用哪个行业，你齐要深入研究，和病笃的东说念主交谈，问他们，AI是否透澈改变了你的业绩形态。你网罗这些数据点，然后回头问问我方，你想有多怀疑。因为他们不是在批驳AI的成见上风。他们现在批驳的是将来使用AI。现在，农业期间、材料期间、场合期间，你采用你的期间，你采用你的科学边界。它们正在跳动。AI正在匡助他们股东他们的业绩。
现在，正如咱们所说，每个行业、每个公司、每个高度、每所大学。难以置信。对吧？竣工是这样。我会以某种形态改变买卖。咱们知说念这少许。我的兴致是，咱们知说念它是如斯切实。
今天。它正在发生。它正在发生。是以，我认为ChatGPT 的觉悟激发了它，这完全令东说念主难以置信。我心爱他们的速率和他们推动这一边界发展的独有目标，这真的很病笃。
Brad Gerstner：
他们建立了经济引擎，不错为下一个模子前沿提供资金。我认为硅谷正在形成一种共鸣，即悉数这个词模子层、商品化的 Llama 使许多东说念主能够以相等便宜的价钱建立模子。是以早期咱们有好多模子公司。这些，特征、语长入凝合力齐列在清单上。
好多东说念主质疑这些公司是否能够在经济引擎上建立逃跑速率，从而接续资助下一代。我我方的嗅觉是，这即是你看到整合的原因。OpenAI 显然达到了速率。他们不错资助我方的畴昔。我不明晰其他许多公司是否能作念到。这是对模子层近况的公说念评估吗？咱们将像在许多其他市集相似，将这种整合到能够背负得起的市集引导者身上，他们领有经济引擎和应用门径，不错让他们接续投资。
只是领有强劲的GPU并不成保证一家公司在AI边界取获顺利黄仁勋：
起初，模子和AI之间存在压根区别。是的。模子是必不可少的要素。对。对于AI来说，它是必要但不充分的。对。是以，AI是一种才气，但用于什么，对吗？那么它的应用是什么？对吗？软件驾驶汽车的AI与东说念主类机器东说念主的AI相关，但并不沟通，后者与聊天机器东说念主的AI相关，但并不沟通。
是以你必须了解分类法。是的，堆栈的分类法。在堆栈的每一层，齐会有契机，但不是堆栈的每一层齐为每个东说念主提供无尽的契机。
现在，我刚刚说了一句话，你所作念的即是用GPU替换模子这个词。事实上，这是咱们公司 32 年前的一个伟大不雅察，即 GPU、图形芯片或GPU与加速计较之间存在压根区别。加速计较与咱们在 AI 基础设施方面所作念的业绩不同。它们是策动的，但并不完全沟通。它们是相互重叠的。它们并不完全沟通。而且这些抽象层中的每一个齐需要完全不同的技能。
着实擅长构建GPU的东说念主不知说念若何成为一家加速计较公司。我不错例如讲明，有好多东说念主制造 GPU。我不知说念哪一个是自后的，咱们发明了 GPU，但你知说念咱们不是，咱们不是今天唯逐个家制造GPU的公司，对吗？到处齐有 GPU，但它们不是加速计较公司。有好多东说念主这样作念。他们的加速器不错进行应用门径加速，但这与加速计较公司不同。例如，一个相等专科的AI应用门径，对吧，这可能是一件相等顺利的事情，对吗？
Brad Gerstner：
这即是 MTIA（Mata自研的下一代AI加速芯片）。
黄仁勋：
对。但它可能不是那种带来影响力和才气的公司。是以你必须决定你想成为什么样的东说念主。悉数这些不同边界可能齐有契机。但就像建立公司相似，你必须难得生态系统的变化以及跟着期间的推移哪些东西会被商品化，相识到什么是功能，什么是产物，对，什么是公司。好的。我刚刚讲过，好吧，你不错用好多不同的形态来念念考这个问题。
xAI和孟菲斯超等计较机集群还是到了“20万到30万个GPU集群的时期”Brad Gerstner：
固然，有一家新进入者有钱、有灵敏、有无餍。那即是 xAI。是的，对。而且，有报说念称你和 Larry Ellison（甲骨文首创东说念主）和马斯克共进晚餐。他们劝服你废弃 100000个H100芯片。他们去了孟菲斯，在几个月内就建立了一个大型连贯超等集群。
黄仁勋：
三点，不要划等号，好吗？是的，我和他们共进晚餐。
Brad Gerstner：
你认为他们有才气建立这个超等集群吗？有传言说他们想要另外十万个 H200，对吧，来扩大这个超等集群的范围。起初，跟咱们谈谈 X 和他们的无餍以及他们取得的树立，但同期，咱们还是到了20万到30万个GPU集群的时期了吗？
黄仁勋：
谜底是笃信的。然后起初，承认树立。从成见的那一刻到数据中心准备好让英伟达在哪里安设咱们的设备，再到咱们启动它、连续好它并进行第一次历练的那一刻，这一切齐值得。
黄仁勋：
好的。是以第一部分即是在这样短的期间内建造一个巨大的工场，水冷、通电、赢得许可，我的兴致是，这就像超东说念主相似。是的，据我所知，世界上只好一个东说念主能作念到这少许。我的兴致是，马斯克对大型系统的工程和开辟以及资源调配的认识是唯一无二的。是的，这确切令东说念主难以置信。固然，他的工程团队也很出色。我的兴致是，软件团队很棒，蚁集团队很棒，基础设施团队很棒。马斯克对此深有体会。
从咱们决定与工程团队、蚁集团队或基础设施计较团队、软件团队一齐驱动计算的那一刻起，悉数的准备业绩齐提前了。然后悉数的基础设施、悉数的物流、今日运来的期间和设备数目、视频基础设施和计较基础设施，以及培训所需的悉数期间，19 天齐悬而未决，你想要什么吗？作念了。
退一步想想，你知说念 19 天是些许天吗？19 天是几周吗？对吧？要是你亲眼望望，期间的数目是令东说念主难以置信的。悉数的布线和蚁集，英伟达设备的蚁集与超大范围数据中心的蚁集相等不同。好的，一个节点需要些许根电线。计较机的后头全是电线，而将这一大堆期间和悉数软件集成在一齐，确切不可念念议。
是以我认为马斯克和X团队所作念的，我相等谢意他承认咱们与他一齐进行的工程业绩以及计算业绩等等。但他们取得的成即是唯一无二的，以前从未有过。只是从这个角度来看。十万个 GPU，看成一个集群，这很容易成为地球上最快的超等计较机。你建造的超等计较机时常需要三年的计算期间。然后他们托付设备，需要一年的期间才能让它们全部运转起来。是的，咱们说的是 19 天。
Clark Tang：
英伟达的功劳是什么？
黄仁勋：
一切齐还是正常运转了。是的，固然，还有一大堆 X 算法、X 框架、X 堆栈等等。咱们说咱们有大批逆向集成要作念，但计算相等出色。只是事先计算。
大范围散播式计较是畴昔AI发展的病笃场所Brad Gerstner：
一端是正确的。马斯克是一端。是的，你，但你回报这个问题时一驱动就说，是的，这里有 20到 30万个GPU集群。是的，对。这能扩展到 50万个吗？能扩展到 100 万个吗？你的产物需求是否取决于它扩展到 200 万个？
黄仁勋：
终末一部分是诡辩的。我的嗅觉是散播式历练必须灵验。我的嗅觉是散播式计较将被发明。某种样式的联邦学习和散播式计较，异步散播式计较将被发现。
我对此相等热衷和乐不雅，固然，要意志到的是，缩放定律往时是对于预历练的。现在咱们还是转向多模态，咱们还是转向合成数据生成，后历练现在还是扩展得令东说念主难以置信。合成数据生成、奖励系统、基于强化学习，然后现在推理缩放还是达到了顶峰。一个模子在回报你的谜底之前还是进行了令东说念主难以置信的 10000 次里面推理。
这可能并非分裂理。它可能还是完成了树搜索。它可能还是在此基础上进行了强化学习。它可能，它可能还是进行了一些模拟，笃信作念了好多反念念，可能查找了一些数据，巡视了一些信息，不是吗？是以他的布景可能格外大。我的兴致是，这种类型的智能是。好吧，这即是咱们所作念的。这即是咱们所作念的。不是吗？因此，对于才气，这种扩展，我刚刚进行了计较，并将其与模子大小和计较大小每年 4 倍进行复合。
另一方面，需求在使用方面合手续增长。咱们认为咱们需要数百万个GPU吗？毫无疑问。是的，现在这是笃信的。是以问题是，咱们若何从数据中心的角度来构建它？这在很猛进度上与数据中心是一次几千兆瓦照旧一次 250 兆瓦相关。我的嗅觉是，你会同期得到两者。
Clark Tang：
我认为分析师老是关注当前的架构赌注，但我认为此次谈话中最大的得益之一是，你正在接洽悉数这个词生态系统和畴昔好多年。是以，因为英伟达只是在扩大或扩大范围，是为了无礼畴昔的需求。这并不是说，你只可依赖一个领有 50 万致使一百万个GPU集群的世界。当散播式历练出当前，你就会编写软件来杀青它。
黄仁勋：
咱们七年前就开发了 Megatron。是的，这些大型历练任务的扩展会发生。是以咱们发明了Megatron，是以，悉数正在进行的模子并行性，悉数散播式历练的败坏和悉数批处理以及悉数这些东西齐是因为咱们作念了早期的业绩，现在咱们正在为下一代作念早期的业绩。
AI改变了业绩形态Brad Gerstner：
那么咱们来谈谈草莓和o1。我认为他们以o1定名很酷。这意味着招募世界上最优秀、最明智的东说念主，并将他们带到好意思国。我知说念咱们齐对此充满原谅。是以我心爱这个想法，建立一个念念考的模子，将咱们带到下一个扩展智能的水平，对吧，这是对这样一个事实的问候：恰是这些通过侨民来到好意思国的东说念主，树立了咱们，让咱们成为现在的表情，将他们的集体灵敏带到了好意思国。
黄仁勋：
固然。还有外星灵敏。
Brad Gerstner：
固然。这是由咱们的一又友 Noam Brown 带头的。推理期间推理看成扩展智能的全新载体有多病笃，与只是构建更大的模子是分开的。
黄仁勋：
这是一件大事。这是一件大事。我认为，好多智能不成先验地完成。对。好多计较，致使好多计较齐不成再行排序。我的兴致是，无序推论不错优先完成，好多事情只可在运行时完成。
是以，岂论你是从计较机科学的角度照旧从智能的角度来念念考，太多的事情齐需要布景。环境，对吧。还有质料，你正在寻找的谜底类型。或然，一个快速的谜底就鼓胀了。这取决于谜底的后果，影响。这取决于谜底的使用性质。是以，有些谜底，请花一个晚上，有些谜底需要一周的期间。
是的。对吧？是以我完全不错联想我向我的AI发送一个教唆，告诉它，接洽一晚。接洽通宵。不要立时告诉我。我但愿你接洽一整晚，然后未来再告诉我。你对我最好的谜底和事理是什么。是以，我认为从产物的角度来看，现在的质料，智能的细分。会有一次性的版块。固然。还有一些需要五分钟。
对吧？还有东说念主类。是以要是你闲适的话，咱们将成为一个繁密的职工群体。他们中有些是AI中的数字东说念主，有些是生物东说念主，我但愿有些致使是超等机器东说念主。
Brad Gerstner：
我认为，从买卖角度来看，这是一个被严重污蔑的事情。你刚刚形容了一家公司，它的产出量格外于一家领有 15 万东说念主的公司，但你只用 5 万东说念主就作念到了。没错。现在，你并莫得说我要撤职悉数职工。不。你仍在增多组织中的职工数目，但该组织的产出量将大幅增多。
黄仁勋：
这，这常常被污蔑。AI不是我。AI不会改变每一项业绩。AI将对东说念主们的业绩形态产生巨大影响。让咱们承认这少许。AI有后劲带来令东说念主难以置信的公正。它也有后劲变成伤害。咱们必须建立安全的AI。是的，让咱们打好这个基础。是的。好的。
黄仁勋：
东说念主们疏远的部分是，当公司使用AI提高分娩力时，它很可能会弘扬为更好的收益或更好的增长，或两者兼容并蓄。当这种情况发生时，首席推论官的下一封电子邮件很可能不是裁人。
Brad Gerstner：
固然是公告，因为你在成长。
黄仁勋：
原因是咱们有更多的想法，咱们不错探索，咱们需要东说念主们匡助咱们在自动化之前仔细接洽。是以自动化部分，AI不错匡助咱们作念到。显然，它也会匡助咱们念念考，但仍然需要咱们去弄明晰我想处置什么问题。咱们不错处置的问题有上万亿。那么，公司需要处置什么问题，采用这些想法，并找出自动化和扩展的方法。因此，跟着咱们变得更有分娩力，咱们将雇佣更多的东说念主。东说念主们健忘了这少许，要是你回到往时，显然咱们今天的想法比 200 年前更多。这即是为什么 GDP 更大、服务东说念主数更多的原因。尽管咱们在底层轻易地自动化。
Brad Gerstner：
这是这个时期的一个相等病笃的点，咱们正在进入一个险些悉数东说念主类分娩力、险些悉数东说念主类繁茂齐是自动化的副产物。往时 200 年的期间。我的兴致是，你不错望望亚当·斯密和谢姆彼得的创造性芜乱，你不错望望往时 200 年来东说念主均 GDP 增长图表，现在它正在加速。
是的，这让我意象了这个问题。要是你望望 90 年代，咱们好意思国的分娩力增长率梗概是每年 2.5% 到 3%，好吗？然后在 2010 年，它放缓到梗概 1.8%。然后往时 10 年是分娩力增长最慢的十年。是以这即是咱们固定数目的劳能源和本钱或产出量，施行上是有纪录以来最慢的。
好多东说念主齐在争论这个原因。但要是世界真的像您所形容的那样，咱们要行使和制造智能，那么咱们是不是正处于东说念主类分娩力急剧膨大的边缘呢？
黄仁勋：
这是咱们的但愿。这是咱们的但愿。固然，咱们生活在这个世界上，是以咱们有顺利的笔据。
咱们有顺利的笔据，要么是落寞的案例，要么是个别研究东说念主员，他们能够行使AI以难以联想的超大范围探索科学。这即是分娩力。百分百揣测分娩力，或者咱们正在以如斯高的速率狡计出如斯令东说念主难以置信的芯片。咱们正在构建的芯片复杂性和计较机复杂性正在呈指数级增长，而公司的职工基础并不是揣测分娩力的门径，对吧。
咱们开发的软件越来越好，因为咱们使用AI和超等计较机来匡助咱们。职工东说念主数险些呈线性增长。分娩力的另一个体现。
是以，我不错深入研究，我不错抽样搜检好多不同的行业。我不错切身搜检。是的，你说得对。买卖。没错。
是以我不错，固然，你不成，咱们不成，咱们可能会过度拟合。但它的艺术性固然是详尽咱们所不雅察到的是什么，以及这是否会在其他行业中体现出来。
毫无疑问，AI是世界上已知的最有价值的商品。现在咱们要大范围分娩它。咱们，咱们，咱们悉数东说念主齐必须擅长，要是你被这些AI包围，它们作念得相等好，比你好得多，会发生什么。当我记忆起来，这即是我的生活。我有 60 个顺利下属。
他们在我方的边界是世界一流的，而且他们作念得比我好。比我好好多。我与他们互动毫无繁重，我也能绝不忙活地狡计他们。我也能绝不忙活地编程他们。是以我认为东说念主们要学习的是，他们齐将成为 CEO。
他们齐将成为 AI 代理的 CEO。他们有才气领有创造力，嗯，一些常识，以及若何推理，若何剖析问题，这样你就不错对这些 AI 进行编程，以匡助你杀青像我相似的目标。这即是计算公司。
AI安全需要多方共同勤劳Brad Gerstner：
现在。你提到了一些东西，那即是不和谐，安全的AI。你提到了中东正在发生的悲催。咱们领有好多自主权，而且好多AI正谢世界各地使用。那么让咱们来谈谈坏东说念主、安全AI、与华盛顿的和谐。你今天嗅觉若何？咱们走在正确的说念路上吗？咱们有鼓胀的和谐水平吗？我认为马克·扎克伯格曾说过，咱们击松懈AI的方法是让好AI变得更好。你若何形容你对咱们若何确保这对东说念主类产生积极的净收益的看法，而不是让咱们生活在这个反乌托邦的世界里。
黄仁勋：
对于安全的参谋照实很病笃，也很好。是的，抽象的不雅点，将AI视为一个巨大的神经元蚁集的成见性不雅点，并不是那么好，对吧。好的。原因是，尽人皆知，AI和大型语言模子是策动的，而不是一趟事。我认为有好多正在作念的事情相等好。第一，开源模子，以便悉数这个词研究社区、每个行业和每个公司齐不错参与AI，是的，并学习若何行使这种才气进行应用。相等好。
第二，东说念主们低估了致力于于发明AI以保证AI安全的期间数目。是的，AI不错整理数据、佩带信息、进行历练，创建AI是为了和谐AI，生成合成数据以扩展AI的常识，使其减少幻觉。悉数被创建用于矢量化或图形化或任何其他用于见告 AI、保护 AI 以监控其他 AI 的 AI 系统，这些 AI 系统创建的安全 AI 正在受到赞誉，对吗？
Brad Gerstner：
那么咱们还是建立了。
黄仁勋：
那。咱们正在建立这一切。是的，在悉数这个词行业中，方法论、红队、经由、模子卡、评估系统、基准测试系统，悉数这些，悉数这些正在以令东说念主难以置信的速率构建的线束。我想知说念，庆祝。你们明白吗？是的，你知说念。
Brad Gerstner：
而且，莫得，莫得，莫得政府法例说你必须这样作念。是的，今天在这个边界中构建这些AI的参与者正在素雅对待这些要津问题，并围绕最好实践进行和谐。没错。
黄仁勋：
是以这还莫得得到充分风趣，也莫得得到充分认识。是的。需要有东说念主，需要，每个东说念主齐需要驱动批驳AI，这是一个AI系统，是一个工程系统，是经过用心狡计的，从第一原则构建的，经过充分测试的，等等。记着，AI是一种不错应用的才气。我不认为有必要对病笃期间进行监管，但也不要过度监管，以至于有些监管要针对大多数应用进行。悉数还是监管期间应用的不同生态系统现在齐必须监管现在融入AI的期间应用。
是以，我认为，不要污蔑，不要疏远世界上为AI而必须启动的大批法例。不要只依赖一个寰球星河系。AI委员会可能能够作念到这少许，因为悉数这些不同的机构的确立齐是有原因的。悉数这些不同的监管机构的确立齐是有原因的。回到率先的原则，我会。
开源与不开源的对立是诞妄的Brad Gerstner：
你们推出了一个相等病笃、相等繁密、相等强劲的开源模子。
黄仁勋：
Nemotron。
Brad Gerstner：
是的，很显然，Meta为开源作念出了紧要孝敬。我发现当我阅读 Twitter 时，有好多对于开放与禁闭的参谋。您若何看待开源，您我方的开源模子，能否跟向前沿？这是第一个问题。第二个问题是，您知说念，领有开源模子和闭源模子，它们为买卖运营提供能源，这是您对畴昔的看法吗？这两件事是否为安全创造了健康的张力？
黄仁勋：
开源与闭源与安全相关，但不单是是安全。例如，领有闭源模子竣工莫得错，它们是守护创新所必需的经济模子的引擎。好吧，我完全嘉赞这少许。我认为禁闭与开放的对立是诞妄的。
因为开放是许多行业得以激活的必要条件，现在，要是咱们莫得开源，悉数这些不同的科学边界若何能够激活，激活AI。因为他们必须开发我方的特定边界的AI，他们必须使用开源模子开发我方的AI，创建特定边界的AI。它们是策动的，不是，再说一遍，不相似。只是因为你有一个开源模子并不虞味着你就有AI。是以你必须有阿谁开源模子来创建AI。是以金融服务、医疗保健、交通运载，这些行业、科学边界的列弘扬在还是因为开源而得以杀青。
Brad Gerstner：
难以置信。你看到对你的开源模子的需求很大吗？
黄仁勋：
咱们的开源模子？起初。Llama 下载。显然，是的，马克和他们所作念的业绩令东说念主难以置信。超乎联想。是的。它完全激活并眩惑了每一个行业、每一个科学边界。
好的，固然。咱们作念 Nemotron的原因是为了生成合成数据。直不雅地说，一个AI会以某种形态坐在哪里轮回并生成数据来学习我方。这听起来很脆弱。你能绕这个无尽轮回些许次，这个轮回值得怀疑。关联词，我脑海中的画面有点像你找了一个超等明智的东说念主，把他关进一个软垫房间，关上门梗概一个月，出来的可能不是一个更明智的东说念主。是以，是以，但你不错让两三个东说念主坐在一齐，咱们有不同的AI，咱们有不同的常识散播，咱们不错往返进行质料保证。咱们三个东说念主齐不错变得更明智。
因此，你不错让 AI 模子交换、互动、往返传递、参谋强化学习、合成数据生成等，这种想法在直观上是有真谛的，不错建议建议并有真谛。因此，咱们的模子Nemotron 350B 是是世界上最好的奖励系统模子。因此，这是最好的月旦。
有趣。这是一个相等棒的模子，不错增强其他东说念主的模子。因此，岂论其他东说念主的模子有多好，我齐会建议使用Nemotron 340B 来增强和改进它。咱们还是看到 Llama 变得更好，使悉数其他模子齐变得更好。
Brad Gerstner：
看成在 2016 年托付 DGX1 的东说念主，这真的是一段不可念念议的旅程。您的旅程既不可念念议又令东说念主难以置信。就像只是在早期幸存下来相似相等了不得。您在 2016 年托付了第一台 DGX1。咱们在 2022 年迎来了寒武纪时刻。
是以我要问您一个我常常想得到谜底的问题，那即是，在 60 个顺利下属的引导下，您能守护现在的业绩多久？您无处不在。您正在推动这场转变。您玩得首肯吗？还有什么其他您更闲适作念的事情吗？
黄仁勋：
这是对于往时一个半小时的问题。谜底是“我很享受”。很棒的时光。我无法联想我更闲适作念的其他事情。让咱们望望。我认为，我认为不应该给东说念主留住咱们的业绩老是充满乐趣的印象。我的业绩并不老是充满乐趣，我也不指望它老是充满乐趣。我也曾盼望它老是充满乐趣吗？我认为它老是很病笃。
是的，我不会太严肃地对待我方。我相等素雅地对待业绩。我相等素雅地对待咱们的责任。我相等素雅地对待咱们的孝敬和咱们的时刻。
这老是充满乐趣吗？不。但我一直齐心爱它吗？是的。就像悉数的事情相似，岂论是家庭、一又友照旧孩子。它老是充满乐趣吗？不。咱们老是心爱它吗？竣工。
是以我认为，我，我能作念多久？着实的问题是，我能保合手策动性多久？这才是最病笃的，这个问题的谜底只但是我将若何接续学习？今天我愈加乐不雅。我这样说不单是是因为咱们今天的主题。我对我说策动性和接续学习的才气愈加乐不雅，因为AI。我每天齐在用它，我不知说念，但我信赖你们齐在用。我险些每天齐在用它。
我莫得一个研究不波及AI。是的，莫得一个问题，即使我知说念谜底，我也会用AI再三查对。是的，令东说念主骇怪的是，我接下来问的两三个问题，揭示了一些我不知说念的东西。你采用你的主题。你采用你的主题。我认为AI是一个导师。
AI 是助手，AI 是配搭伙伴，不错与我一集结念念广益，搜检我的业绩，店员们，这完全是转变性的。我是又名信息业绩者。我输出的是信息。是以我认为他们对社会的孝敬相等了不得。是以我认为，要是是这样的话，要是我能保合手这种策动性，接续作念出孝敬，我知说念这项业绩鼓胀病笃，是的，我想接续追求它，我的生活质料令东说念主难以置信。是以我会。
Brad Gerstner：
说我无法联想你和我在这个边界还是业绩了几十年，我无法联想错过这一刻。这是咱们业绩活命中最病笃的时刻。咱们相等感谢这种配合关系。
黄仁勋：
漫骂畴昔十年。
Brad Gerstner：
念念想伙伴关系。是的，你让事情变得更明智。谢谢你。我认为你看成引导层的一部分真的很病笃，对吧，这将乐不雅而安全地引颈这一切向前发展。是以谢谢你。
黄仁勋：
和你们在一齐。真的很首肯。真的。谢谢。
风险教唆及免责条件 市集有风险，投资需严慎。本文不组成个东说念主投资建议，也未接洽到个别用户特殊的投资目标、财务状态或需要。用户应试虑本文中的任何意见、不雅点或论断是否妥当其特定状态。据此投资，责任无礼。