英偉達CEO黃仁勳:AI不會奪走你的工作 但使用AI的人會

發表於 2023-11-22 13:23 作者: 有新Newin

來源:有新Newin

今天早上,英偉達 Q3 財報在美股盤後公布,截至 2023 年 10 月 29 日的第三季度營收爲 181.2 億美元,同比增長 206%,環比增長 34%,EPS盈利增近 6 倍,分別較分析師預期高近 13% 和 20%,AI 芯片所在業務數據中心收入同比增近 2 倍,再創單季新高,老黃再一次贏麻了!

老黃表示:“我們的強勁增長反映了從通用到加速計算和生成式 AI 的廣泛行業平台轉型,LLM 初創公司、消費互聯網公司和全球雲服務提供商是先行者,下一波浪潮正在开始形成,國家和地區通信服務提供商正在投資 AI 雲來滿足當地需求,企業軟件公司正在向其平台添加 AI Copilot 和 Assistant,企業正在創建定制 AI 來實現全球最大行業的自動化,英偉達 GPU、CPU、網絡、AI 代工服務和 NVIDIA AI Enterprise 軟件都是全速增長的引擎,生成式 AI 時代正在起飛!”

PS:上周末的專欄,我們分享了 Funders Fund 投資負責人 John Luttig 對於當前 GPU 市場格局的超萬字分析。

上月,英偉達聯合創始人&CEO 黃仁勳(Jensen Huang)還在哥大商學院(CBS)做了一次非常幹貨分享,老黃對話 CBS 院長 Costis Maglaras,一起探討數字未來,內容包括 Nvidia 如何做战略與運營?老黃的創業經驗以及如何成爲一名合格 CEO 等。

以下是老黃在 CBS 分享過程中的部分幹貨供大家嘗鮮:

在具體做一項決策前,每個人都要想清楚自己在做什么?爲什么做?而這一切無關乎選擇。

站在個人角度:需要確定三點:

1)難而正確的事;

2)你注定要做的事;

3)你喜歡的事;

站在公司角度:老黃以英偉達作爲例子,他的回答非常直接,清楚解釋了英偉達的 Pivot 所涉及的市場選擇、商業模式、壁壘以及飛輪效應:

我們不做制造的原因是因爲台積電做得太好了,而且他們已經在做了,我爲什么要去奪取他們的工作?我喜歡台積電的人,他們是我的好朋友,僅僅因爲我有業務,我可以進入這個領域,那又怎樣?他們爲我做得很好,讓我們不要浪費時間去重復他們已經做過的事情,讓我們浪費時間做一些沒有人做過的事情,沒有人做過的事情,這就是你如何建立一些特別的東西,否則,你只是在談論市場份額。

我們觀察到兩件事情:加速計算是一個軟件問題,是一個算法問題,而 AI 是一個數據中心問題,所以我們是唯一一個出去構建所有這些東西的公司,我們做的一部分是商業模式的選擇,我們本可以成爲一家數據中心公司,完全垂直整合;然而,我們認識到,無論一家計算機公司有多成功,它都不會是世界上唯一的計算機公司,而作爲一個平台計算公司更好,因爲我們熱愛开發者。作爲一個爲世界上每一家計算機公司服務的平台計算公司,比單獨成爲一家計算機公司要好。

我們採取了這種方法,將這個與這個房間大小相當的數據中心,所有的電线、所有的开關和網絡以及大量軟件,我們將所有這些分解,並集成到全世界其他不同的數據中心中,這是一個瘋狂的復雜問題,我們找到了一種方法,在必要時擁有足夠的標准化,在需要時擁有足夠的靈活性,以便我們能夠與全世界的計算機公司進行足夠的合作。

結果是,Nvidia 的架構現在被植入到世界上每一家計算機公司中,這創造了一個更大的足跡,更大的安裝基礎,更多的开發者,更好的應用程序,這使客戶更加滿意,他們購买更多的芯片,這增加了安裝基礎,增加了我們的研發預算等等,飛輪效應,正反饋系統,這就是它的運作方式,簡單明了”

此外,老黃也在分享中明確表明了  AI 與勞動力&工作流的看法 —— AI 不會奪走你們的工作,使用 AI 的人會奪走你的工作,而一家企業如果沒有更多的想法來投資增量收益,那么當工作被自動化替代時,企業不得不裁員,並加入那些有更多想法而又負擔不起資金投資的公司,這樣當 AI 自動化他們的工作時,情況當然會改變,當然會改變工作方式。

以下爲老黃與 CBS 院長 Costis Maglaras 對話的完整內容,enjoy~

Costis Maglaras: 

我想首先讓你帶我們回顧一下 Nvidia 的歷史,然後我想談談我們剛才提到的領導力問題,但你是30年前創辦了這家公司,並帶領它進行了轉型,推出了不同的應用和產品類型。請帶我們了解一下這段旅程。

Jensen Huang: 

其中一個我最自豪的時刻。我從最近發生的最自豪的時刻开始講起,我曾經工作過的第一家公司,Denny's 的 CEO,得知 Nvidia 不僅是我從洗碗工、雜工一步步升到公司高層,成爲 Denny's 的服務員,而且他們是我第一家公司,我至今還很熟悉菜單。順便說一句,Superbird 很棒,有人知道 Superbird 是什么嗎?你們是什么樣的大學生?

Denny's 是美國的餐館,而且 Nvidia 是我和其它兩位聯合創始人在聖何塞 —— 我們家外面的 Denny's 創立的,所以他們最近聯系了我,我們常坐的那個包廂現在成了 Nvidia 的包廂,名字是 Nvidia,這就是一個萬億美元公司的誕生地,這是一個非常自豪的時刻。

Nvidia 成立之時,正值 PC 革命剛剛开始,微處理器吸引了整個行業的想象力。世界正確地看到,CPU,微處理器,將會如何重塑 IT 行業,重塑計算機行業;在 x86 革命前後,成功的公司截然不同。我們在那個時期創辦了我們的公司,我們的觀點是,盡管通用計算非常令人驚嘆,但它不可能成爲所有問題的解決方案。

我們相信,存在一種我們稱之爲加速計算的計算方式,你會在通用計算旁邊添加一個專家。如果你愿意的話,CPU 是一個通才,可以做任何事。它可以做任何事情。然而,顯然,如果你能做任何事情,那么顯然你不能做任何事情做得很好。

因此,我們認爲有些問題不適合被我們所稱的普通計算機解決。因此,我們开創了這家加速計算公司。問題是,如果你想創造一個計算平台公司,我不知道這裏有多少計算機科學家,但如果你想創造一個計算平台公司,自1964年以來還沒有一個這樣的公司誕生,那是我出生後的一年,IBM 系統 System 360 完美地描述了一台計算機是什么。

1964年,IBM 描述了 System 360 有一個中央處理單元,I/O 子系統,直接內存訪問,虛擬內存,跨可擴展架構的二進制兼容性,它描述了我們今天所描述的計算機的一切,60 年後,我們感覺有一種新的計算形式,可以解決一些有趣的問題,當時並不完全清楚我們能解決什么問題,但我們覺得加速計算有未來。

盡管如此,我們還是出發去創辦這家公司,並做出了一個非常好的首次決策,坦白說,直到今天這個決策都是不可思議的,如果有人走過來對你說,我們要發明一個世界上沒有的新技術,每個人都想圍繞 CPU 建立一家計算機公司,我們想圍繞與 CPU 相連的其他東西建立一家計算機公司,第一點。

第二點,殺手級應用是一款視頻遊戲,一款 1993 年的 3D 視頻遊戲,而且那個應用不存在,構建這個公司的公司不存在,我們試圖構建的技術不存在。因此,現在你有一家公司,既面臨技術挑战,又面臨市場挑战和生態系統挑战,因此這家公司成功的可能性幾乎爲0%,但不管怎樣,我們很幸運,因爲兩位非常重要的人。

坦率地說,我們三個聯合創始人曾一起工作過的,他們是當時技術行業中非常重要的人物,我給當時世界上最重要的風險投資家 Don Valentine 打電話,告訴 Don 給這個孩子一些錢,然後沿途搞清楚這是否行得通,幸運的是他們這樣做了,但那個商業計劃,即使是今天,我也不會投資,因爲它有太多的依賴性,每一個都有一定的成功概率。

當你把這些加在一起時,乘起來,你得到的是 0%,盡管如此,我們設想會有一個名爲視頻遊戲的市場,這個市場將成爲世界上最大的娛樂產業,當時它是 0;我們推測,3D 圖形將被用於講述幾乎所有運動、遊戲的故事。因此,在虛擬世界中,你可以擁有任何遊戲,任何運動,結果每個人都會成爲遊戲玩家。

Don Valentine 問我,這個市場會有多大?我說,將來每個人都會是遊戲玩家,也是創辦公司時的錯誤答案,坦白說,這些都是糟糕的習慣,糟糕的技能,我不是在建議你們這樣做;不管怎樣,結果證明是真的,視頻遊戲成爲了世界上最大的娛樂產業,3D 圖形獲得了成功,我們找到了加速計算的第一個殺手級應用,這爲我們贏得了時間,使用加速計算解決了一系列其他問題,最終轉向了 AI 。

Costis Maglaras: 

這個精彩的故事真是太好了,在我們討論 AI 之前,我想問一下關於加密貨幣時期的事情;顯然,遊戲是 Nvidia 的一大歷程,然後在某個時刻,殺手級應用變成了加密貨幣和挖礦,那個發展是怎樣的?

Jensen Huang: 

加速計算能解決普通計算機無法解決的問題。我們所有的 GPU,即使你用它來設計汽車、建築、進行分子動力學研究、玩視頻遊戲,它都有一種我們發明的叫做 CUDA 的編程模型。CUDA 是今天唯一存在的、和 x86 一樣流行的計算模型,它被全世界的开發者使用。

無論如何,CUDA 能夠非常快速地進行並行處理,顯然,我們能很好地處理的算法之一是加密學。當比特幣剛出現時,還沒有比特幣的 ASIC ,顯而易見的做法是去找世界上最快的超級計算機,擁有最高產量的超級計算機不是別的,正是 Nvidia 的 GPU,它們在成百上千萬玩家的家中都有,所以通過下載一個應用,你就可以在家中進行加密貨幣挖礦。

這個事實,你可以买我們的 GPU,我們的電腦,插上電,錢就开始噴湧而出。那是我媽媽明白我工作內容的那一天。有一天她給我打電話說,兒子,我以爲你是在做關於視頻遊戲的事情,我終於明白你在做什么了,你买了 Nvidia 的產品,插上電,錢就开始噴出來。

我說,沒錯,這就是我在做的事情,這就是爲什么那么多人購买比特幣,隨後導致以太坊的興起,但你會用像 Nvidia GPU 這樣的超級計算系統來編碼或壓縮,或者做一些事情來提煉數據,並將其轉化爲有價值的 Token 的想法,你們知道這聽起來像什么嗎?生成有價值 Token 的 ChatGPT。

到目前爲止,一個發生的事情是,如果你延伸關於以太坊和加密挖礦的思路,這在某種意義上是合理的,因爲我們突然創造了這樣一個新型行業,原始數據進入,你將能量應用到這台計算機上,字面上錢就开始噴湧而出,而這些貨幣當然是 Token 形式,這些 Token 是智能 Token ,這是未來的主要產業之一;現在我只是描述一下別的東西,對我們今天來說非常有意義,但當時看起來很奇怪,你把水帶到一棟建築物裏,給它加熱,然後產生出來的是一種非常有價值且看不見的東西,叫做電。

今天我們將數據搬到數據中心,它將對其進行提煉和加工,並利用其能力產生大量有價值的數字 Token ,在數字生物學中,它們將是有價值的,在物理學中,在 IT 和各種計算領域、社交媒體、各種事情、計算機遊戲等等,它們以 Token 形式出現,所以未來將是關於 AI 工廠的,Nvidia 的設備將爲這些 AI 工廠提供動力。

Costis Maglaras:

那么我們已經跳到了神經網絡,我想我們談過並行計算,比如如何在顯示器上渲染圖形,如何玩遊戲,如何爲比特幣解決加密問題。請告訴我們一點關於 GPU 在訓練神經網絡方面的用途,我想讓我們爲這裏的觀衆講一講,訓練像 ChatGPT 這樣的模型需要什么?需要什么硬件?需要什么數據?需要多大的集群?需要花費多少錢?因爲這些都是巨大的問題,我認爲你讓我們對規模有所了解會很好。

Jensen Huang: 

每個人都希望你認爲這是一個巨大的問題,非常昂貴。其實不是,讓我告訴你爲什么,我們公司大約花了 5~6 億美元的工程成本來設計一顆芯片,然後一到兩年後,我按下回車鍵,發一封電子郵件給台積電,通過 FTP 傳送一個大文件給台積電,他們就會制造它,這個過程讓我們公司花費了大約 5 億美元。

總共花了 55 億美元,我得到了一顆芯片,這顆芯片對我們來說當然很有價值,但這沒什么大不了的。我一直在做這個,所以如果有人說,嘿 Jensen,你需要創建一個價值 10 億美元的數據中心,一旦你插上電,錢就會從另一邊噴湧而出。我會立刻去做,顯然很多人也會這樣做,因爲誰不想創建一個產生智能的工廠呢?

現在 10 億美元其實並不是很多錢,坦白說,全球每年在基礎設施計算基礎設施上的支出約爲 2500 億美元,我們中沒有人正在產生金錢,只是在存儲我們的文件,傳遞我們的電子郵件,那已經是 2500 億美元了,我們增長如此之快的原因之一是,經過 60 年的發展,通用計算正在衰退,因爲再投資 2500 億美元創建另一個通用計算數據中心是不明智的,它在能源上過於粗暴,在計算上太慢。

現在加速計算來了,那 2500 億美元將用於創建加速計算數據中心,我們很高興支持客戶這樣做。除此之外,加速計算,你現在有了一個生成 AI 的基礎設施,就像我們剛剛談論的所有事情,基本上的工作方式是你拿很多數據,然後壓縮它。

深度學習就像一個壓縮算法,你試圖學習你正在研究的數據的數學表達、模式和關系,並將其壓縮成一個神經網絡,所以輸入的是,比方說,數萬億字節,數萬億個 Token ,所以說幾萬億字節,輸出的是 100GB,所以你已經把所有那些數據壓縮成了這個小小的文件,100GB 就像 2 張 DVD,你可以在手機上下載並觀看,對吧?

因此,你可以在手機上下載這個巨大的神經網絡。現在,所有這些數據已經被壓縮進去了,這個壓縮的神經網絡模型是一個 LLM,意味着你可以與之交互,你可以提問,它會回到它的記憶中,理解你的意圖,並爲你生成文本,與你進行對話,所以,核心就是這樣,聽起來神奇,但對房間裏所有的計算機科學家和科學家來說,這是非常合理的,不要讓任何人說服你這花費了很多錢,我會給你一個很好的折扣,大家都去創建 AI 吧。

Costis Maglaras: 

如果我再稍微追問一下那個規模,你需要一台基本上相當於數據中心的計算機來估計這些模型。

Jensen Huang:

創建 GPT-4 所需的是 16000 個 GPU,這是目前任何人使用的最大的模型,價值 10 億美元,而這只是一張支票,甚至不是一張很大的支票,不要害怕,不要讓任何人勸阻你創業,去實現你的夢想。

Costis Maglaras:讓我問你一個關於 10 億美元支票和你所經歷的增長的問題。我認爲你被《哈佛商業評論》評爲最佳 CEO,那是娛樂性的。我會一直重復這一點,但從某種意義上說,你現在正在帶領一家公司經歷極端增長,超級增長,這是大多數公司一生中沒有經歷過的,我想請你告訴我們一些細節,比如一年內規模翻倍或是管理供應鏈、管理客戶、管理增長、管理資金,你是怎么做到的?

Jensen Huang:

我喜歡管理,只有其中的一部分,就是數錢,很有趣。早上起來,在所有的現金上滾來滾去,這不就是你們所有人來這裏的目的嗎?我理解這是最終目標,建立公司很難,沒有什么容易的事情,有很多痛苦和磨難,需要大量努力。

如果這很容易,每個人都會去做,並且關於所有公司,無論大小,無論是我們的還是其他技術公司,你總是在垂死,原因是總有人試圖超越你,所以你總是在走向破產的路上;如果你不內化這種感覺,如果你不相信這一點,你將會破產。而且我最初是在 Denny 开始的,你們都知道,Nvidia 是在極其不可能的情況下建立起來的。我們花了很長時間才走到今天。我的意思是,我們是一家有30年歷史的公司。當 Nvidia 剛成立時,1993年,Windows 95 還沒有推出。那時候,才是第一台可用的 PC ,我們沒有電子郵件。

那時還沒有筆記本電腦或智能手機。所有這些東西都不存在,所以你可以想象,我們剛开始時的世界和現在的世界是多么不同。我們沒有液晶顯示屏。所有的都是陰極射线管(CRT)。那個時代,連 CD-ROM 都不存在。簡而言之,這些東西都是我們成立之初的時代背景,我們花了這么久的時間,讓公司得到認可,成爲60年來第一次重塑計算的公司。快速成長全靠人。

顯然,公司全靠人,如果有正確的系統,你周圍有像我一樣出色的人,公司就會擁有技能。不管你是銷售1000億美元還是2000億美元,都無關緊要。

現在的真相是,供應鏈並不簡單,有人知道 G-Force 顯卡長什么樣嗎?舉手示意一下,有誰知道 Nvidia 的顯卡長什么樣,所以你會認爲,顯卡就像一個插入 PC 的 PC Express 插槽的卡帶,但我們現在的顯卡芯片,在這些深度學習系統中使用的,有 35000 個部件,重達 70 磅,因爲它們太重了,所以需要機器人來組裝,它們需要超級計算機來測試,因爲它本身就是一台超級計算機,而且成本是20萬美元,用這20萬美元,你可以購买一台這樣的計算機,它可以替換幾百個通用處理器,這些處理器的成本高達幾百萬美元,每花費 20 萬美元在 Nvidia 購买,你就能節省 250 萬美元的計算成本,這就是爲什么我告訴你們,买得越多,節省得越多;顯然,這個策略非常成功,人們真的在排隊購买,這就是我們的工作;供應鏈非常復雜,我們制造了世界上最復雜的計算機,但這真的有多難呢?其實非常難,核心在於,如果你被出色的人包圍,簡單的真相是,這一切都關乎人;我很幸運,周圍有一個偉大的管理團隊,然後 CEO 會說類似“讓它成爲第一名”的話,比如“讓它運作”。

Costis Maglaras:

我想回到 AI 趨勢和你對未來的看法,但你之前提到了“平台”這個詞,你提到了你們的軟件環境。因此,你有硬件基礎設施,你有一個軟件環境,目前在訓練神經網絡方面無處不在。你們正在建立數據中心,或者在數據中心內創建環境,這些環境是由 Nvidia 的硬件、軟件和這些資源之間的通訊集群構成的,成爲一個完整平台解決方案與僅僅是硬件參與有多重要?這對 Nvidia 的战略有多核心?

Jensen Huang:

我認爲,首先,在你能創建一些東西之前,你必須知道你在創建什么,以及爲什么要創建它,它存在的首要原則是什么。

加速計算不是一個芯片,這就是爲什么它不被稱爲加速器,加速計算是關於理解你如何能加速生活中的一切。如果你能加速每一個應用程序,那就叫做真正快速的計算,所以加速計算首先是理解哪些領域,哪些應用程序對你重要,以及理解加速那些應用程序所需的算法、計算系統和架構。

結果證明,通用計算是一個合理的想法,加速一個應用程序也是一個合理的想法。舉個例子,你有 DVD 解碼器。你用手機播放 DVD 或 h.264 解碼器。它只做一件事,而且做得非常好。沒有人知道怎么做得更好。

加速計算有點像這種奇怪的中間狀態。有許多應用程序你可以加速。例如,我們可以加速各種圖像處理、粒子物理學等,這包括线性代數。我們可以加速許多應用領域,這是一個難題,加速一件事通常很容易,用 C 編譯器運行一切也很容易。

加速足夠多的領域,使得如果你加速了太多領域,你又回到了通用處理器上,對吧?他們爲什么不能制造一個更快的芯片呢?另一方面,如果你只加速一個應用程序,那么市場規模就不夠大,無法支持你的研發。

因此,我們必須找到那個切換的中間點,這就是我們公司的战略旅程,這是战略與現實相遇的地方,這是 Nvidia 做對了的地方,而且是計算史上沒有其他公司做對的地方;找到一種方法,擁有足夠大的應用領域,我們可以加速,這仍然比 CPU 快 100~500 倍,這樣經濟上的飛輪效應就可以擴展應用領域數量、擴展客戶數量、擴展市場數量、增加銷售,從而創造更大的研發預算,讓我們能夠創造更驚人的東西,保持遠遠領先於 CPU,這有意義嗎?

創造這個飛輪效應非常難,之前沒有人做到過,只有一次,這就是能力。爲了做到這一點,你必須理解算法,你必須非常了解應用領域,你必須正確選擇,你必須爲其創建正確的架構,然後我們做對的最後一件事是,我們意識到,爲了擁有一個計算平台,你爲 Nvidia 开發的應用程序應該在所有 Nvidia 上運行,你不應該考慮,它是否在這個芯片上運行?它是否會在那個芯片上運行?它應該在每個裝有 Nvidia 的電腦上運行。

這就是爲什么我們公司創造的每一個 GPU,即使很久以前沒有客戶使用 CUDA,我們依然致力於它。我們決心從一开始就創建這個計算平台。客戶不是,這是公司幾 10 年、數十億美元的艱辛。如果不是因爲在這裏的所有視頻遊戲玩家,我們不會在這裏。你們是我們的日常工作,晚上我們可以去解決數字生物學,幫助人們解決量子化學,幫助人們搞 AI 和機器人學等問題。

我們意識到,首先,加速計算是一個軟件問題;其次,AI 是一個數據中心基礎設施問題,這非常明顯,因爲你不能在筆記本電腦上訓練 AI 模型,你不能在手機上訓練,因爲它不是足夠大的計算機,數據量以萬億字節計算,你必須處理這些萬億字節,數十億次,所以顯然,這將是一個大規模的計算機,問題分布在數百萬 GPU 上。

我之所以說數百萬,是因爲在16000個內部有成千上萬的。因此,我們正在將工作負載分布在數百萬個處理器上。目前世界上沒有任何應用程序可以分布在數百萬個處理器上;Excel 在一個處理器上運行。因此,這種分布式計算的計算機科學問題是一個巨大的突破,絕對是一個巨大的突破,這就是爲什么它能夠啓用生成式 AI,啓用 LLM。

我們觀察到兩件事情:加速計算是一個軟件問題,是一個算法問題,而 AI 是一個數據中心問題,所以我們是唯一一個出去構建所有這些東西的公司,我們做的一部分是商業模式的選擇,我們本可以成爲一家數據中心公司,完全垂直整合;然而,我們認識到,無論一家計算機公司有多成功,它都不會是世界上唯一的計算機公司,而作爲一個平台計算公司更好,因爲我們熱愛开發者。作爲一個爲世界上每一家計算機公司服務的平台計算公司,比單獨成爲一家計算機公司要好。

我們採取了這種方法,將這個與這個房間大小相當的數據中心,所有的電线、所有的开關和網絡以及大量軟件,我們將所有這些分解,並集成到全世界其他不同的數據中心中,這是一個瘋狂的復雜問題,我們找到了一種方法,在必要時擁有足夠的標准化,在需要時擁有足夠的靈活性,以便我們能夠與全世界的計算機公司進行足夠的合作。

結果是,Nvidia 的架構現在被植入到世界上每一家計算機公司中,這創造了一個更大的足跡,更大的安裝基礎,更多的开發者,更好的應用程序,這使客戶更加滿意,他們購买更多的芯片,這增加了安裝基礎,增加了我們的研發預算等等,飛輪效應,正反饋系統,這就是它的運作方式,簡單明了。

Costis Maglaras: 

你們沒有做的一件事,我希望你能解釋一下,就是你們沒有投資制造自己的芯片。

Jensen Huang: 

爲什么會這樣?這是一個很好的問題,原因是作爲一種战略選擇,我們公司的核心價值觀,我的個人核心價值觀,我們公司的核心價值觀就是關於選擇。

生活中最重要的事情就是選擇。你如何選擇?好吧,一切都是,你如何選擇今晚要做什么?你如何選擇?我們公司決定選擇項目,只爲了一個根本目標,我的目標是創造一個環境,一個環境,讓世界上優秀的人才來這裏工作。一個了不起的環境,讓世界上最優秀的人才,他們想要追求計算機計算、計算機科學和 AI 領域,創造條件讓他們來這裏完成他們的畢生工作。

那么,如果我這么說,現在的問題是,你如何實現這一點?讓我舉個例子來說明如何不去實現這一點。我認識的沒有人早上醒來會說,你知道嗎,我的鄰居正在做那件事。我想做的是,我想從他們那裏拿走。我也能做到。我想從他們那裏拿走。我想搶佔他們的市場份額。我想在價格上打壓他們,我想踢他們,我想奪取他們的份額。

結果證明,沒有偉大的人這樣做,每個人早上醒來都會說,我想做一些前所未有的事情,這非常難做。如果成功了,就能在世界上產生巨大的影響,這就是英偉達的核心價值觀。

第一點,我們如何選擇做一些世界上從未做過的事情?我們希望這是難以置信的困難。順便說一句,你之所以選擇做一些難以置信的困難的事情,是因爲你有很多時間去學習它,如果某件事很容易做,比如 TikTok 舞蹈,我不會爲此煩惱,顯然的原因是競爭激烈,所以你必須選擇一些非常難做的事情,而那些難做的事情本身就會阻止許多其他人,因爲愿意忍受最久的人最終會贏得勝利,所以我們選擇一些非常難做的事情,你們已經聽我說過很多次痛苦和受苦,這實際上是一個積極的特質,能夠忍受的人最終是最成功的。

第二點,你應該選擇一些你注定要做的事情,無論是你的性格特質、你的專業知識,或者你所處的環境、你的規模、你的任何事物、你的視角,你注定要做的事情。

第三點,你最好非常喜歡做那件事,因爲除非痛苦和受苦太大。現在我剛剛描述給你們的就是英偉達的核心價值觀。就這么簡單。如果是這樣的話,我爲什么要制造手機芯片呢?世界上有多少公司能夠制造手機?很多。我爲什么要制造 CPU?我們還需要更多的 CPU 嗎?這合理嗎?我們不需要所有這些東西。

因此,我們自然地把自己排除在了大衆市場之外。我們自然地將自己排除在了大衆市場之外,因爲我們選擇了令人驚嘆的市場,選擇了非常難做的事情,了不起的人才加入了我們,因爲了不起的人才加入了我們,因爲我們有耐心去讓他們成功,去做一些了不起的事情。有耐心讓他們做一些了不起的事情,他們就會做一些了不起的事情。

方程式實際上就是這么簡單,但做起來需要難以置信的品格,這合理嗎?這就是爲什么學習它是最重要的事情,偉大的成功和偉大全都與品格有關。我們不做制造的原因是因爲台積電做得太好了,而且他們已經在做了,我爲什么要去奪取他們的工作?我喜歡台積電的人,他們是我的好朋友,僅僅因爲我有業務,我可以進入這個領域,那又怎樣?他們爲我做得很好,讓我們不要浪費時間去重復他們已經做過的事情,讓我們浪費時間做一些沒有人做過的事情,沒有人做過的事情,這就是你如何建立一些特別的東西,否則,你只是在談論市場份額。

Costis Maglaras: 

思考未來,當我們思考這 10 年的時候。

Jensen Huang: 

正確的答案?順便說一句,我知道我沒有 MBA 學位,我也沒有獲得財務學位,我讀了一些書,我看了很多 Youtube 視頻,我得告訴你,沒有人比我看更多的商業 YouTube 視頻,所以我可以告訴你們,你們對我來說一無是處,但這些都是正確的答案,Maglaras 教授?

Costis Maglaras: 

你問錯人了,我也沒有學過商業,但是他們是正確的答案哈哈~ 你認爲 AI,當你考慮 AI 應用程序以及我們在未來三年、 5 年、七年內將會看到的變化時,你認爲會發生什么?以及我們每天的生活中可能會受到影響的地方?

Jensen Huang:

首先,我要直接說結論, AI 不會奪走你們的工作,使用 AI 的人會奪走你的工作。你們同意這一點嗎?好吧,盡快使用 AI ,這樣你們才能保持有益的就業。

我問你們第二件事,當生產率提高時,意味着我們在英偉達全面嵌入 AI ,英偉達將成爲一個巨大的 AI 實體,我們已經在用 AI 設計我們的芯片,我們不能設計我們的芯片,沒有 AI 我們也無法編寫我們的優化編譯器,所以我們在各個地方都使用 AI 。

當 AI 提高你公司的生產率時,接下來會發生什么?裁員還是招聘更多人員?你會招聘更多人。原因是生產率的提高而實現盈利增長。

爲什么人們會考慮失去工作?如果你認爲你沒有新的想法,那么,這邏輯上說不通。如果你沒有更多的想法來投資你的增量收益,那么當工作被自動化替代時,你會怎么做?你會裁員,並加入那些有更多想法而又負擔不起資金投資的公司,這樣當 AI 自動化他們的工作時,情況當然會改變,當然會改變工作方式。

AI 很快就會針對 CEO,系主任和 CEO,我們完蛋了,聽起來不錯,我認爲首先是 CEO,然後是系主任,但你離得很近,所以你加入那些有更多想法而又沒有足夠資金投資的公司,自然地,當收益提高時,你會僱傭更多人。首先,這是一個巨大的突破,我們不知怎的教會了計算機如何學習,用數字方式表示信息,好嗎?那么,你們有沒有人聽說過這個叫做 Word2Vec 的東西?這是有史以來最棒的東西之一,Word2Vec,你拿一個詞,通過研究每一個單詞及其與其他每一個單詞的關系來學習,你學習我們所有的句子和段落,你嘗試弄清楚與那個詞最相關的數字向量是什么,什么數字與那個詞最相關,所以“母親”和“父親”在數值上靠得很近,“橙子”和“蘋果”在數值上靠得很近,但它們與“媽媽”和“爸爸”相距很遠,“狗”和“貓”離“媽媽”和“爸爸”遠,但可能比它們離“橙子”和“蘋果”近,椅子和桌子,很難確切地說它們在哪裏,但這兩個數字彼此靠近,遠離“媽媽”和“爸爸”,“國王”和“王後”,靠近“媽媽”和“爸爸”。

這合理嗎?想象一下,對每個數字都這樣做,每次你測試它時,你會說,天哪,這很不錯。當你從一個東西中減去另一個東西時,這是有意義的。好吧,這基本上就是學習信息的表示。想象一下對英語這樣做。想象一下對每種語言都這樣做。想象一下對任何具有結構的東西都這樣做,意思是任何具有可預測性的東西。

圖像具有結構,因爲如果沒有結構,它就會是白噪聲,實際上就是白噪聲,所以一定存在結構,這就是爲什么你看到一只貓,我看到一只貓,你看到一棵樹,我看到一棵樹,你可以識別樹在哪裏,你可以識別海岸线在哪裏,山脈在哪裏,雲在哪裏,對吧?我們可以學會所有這些,顯然你可以把那個圖像轉換成一個向量,你可以把視頻轉換成向量,3D 轉換成向量,蛋白質轉換成向量,因爲蛋白質顯然有結構,化學物質轉換成向量,基因最終轉換成向量,我們可以學習一切的向量。

如果你能把所有東西都學習成數字,而且它有意義,那么顯然你可以把貓這個詞“cat”轉換成圖像,這顯然不是貓的圖像,這是相同的意思,如果你可以從詞語轉換成圖像,這叫做中間旅程穩定擴散,如果你可以從圖像轉換成詞語,這叫做字幕制作,YouTube 視頻下面的字幕,那么如果你從,你叫什么來着?如果你從氨基酸轉換成蛋白質,這叫做諾貝爾獎,因爲這是阿爾法折疊,不可思議的突破。

所以,這是計算機科學中的一個驚人時刻,我們可以真正地把一種信息轉換、傳遞、生成成另一種信息,所以你可以做文本到文本,大量的文本,PDF 到小量的文本,匯總存檔,這是我非常喜歡的,對吧?

我們可以要求它匯總這篇論文,而不是閱讀每一篇論文,它必須理解圖像,因爲在存檔中,論文有很多圖像、圖表之類的東西,所以你可以把所有這些都匯總起來,所以你現在可以想象所有的生產力好處,實際上是沒有它就無法做到的能力,所以在不久的將來,你會這樣做。

你可以說,嗨,我想設計,給我一些汽車的選擇。我在梅賽德斯工作,我非常關心品牌,這是品牌的風格,讓我給你幾個草圖,也許幾張我想要制造的車型的照片,這是一輛四輪驅動的 SUV,比如說,然後突然之間,它提出了2010,200個完全的3D設計 CAD;現在,你想要這個而不是僅僅完成這輛車的原因是,因爲你可能想選擇其中一個,然後說在這個基礎上再迭代 10 次,你可能最終選擇一個,然後自己進行修改,所以設計的未來將會非常不同。一切的未來都將非常不同,現在如果你給設計師這種能力,他們會瘋狂的。他們會非常愛你,這就是我們爲什么這樣做的原因。

那么,這對長期影響有什么影響?我最喜歡的領域之一是,如果你可以用語言描述一個蛋白質,你可以用語言找出合成蛋白質的方法,那么蛋白質工程的未來就在眼前。正如你們所知,蛋白質工程包括制造酶來分解塑料,制造酶來捕獲碳,制造各種酶來更好地種植蔬菜,你們這一代可以創造各種不同的酶,所以未來 10 年將是難以置信的,我們是計算機芯片工程的一代,你們將是蛋白質工程的一代,這是我們幾年前無法想象的。

Costis Maglaras: 

好的,我想我們將向觀衆开放提問環節,所以有問題的話,也許我會指點,我們會有一些麥克風傳遞過來,好吧,在那邊我們先开始。

觀衆: 

感謝你今晚的到來,你擔心摩爾定律會不會像對英特爾公司那樣追上 GP 行業呢?你還能解釋一下摩爾定律和黃定律之間的區別嗎?Jensen Huang:我沒有提出黃定律,這也不像是我會做的事情。摩爾定律是每一年半性能翻一倍,更容易計算的方法是每 5 年增長 10 倍,所以每 10 年大約增長 100 倍。如果是這樣,如果通用計算是微處理器,如果通用計算每 5 年增長 10 倍,每 10 年增長 100 倍,爲什么要改變計算方法每 10 年增長 100 倍?這還不夠快嗎?开玩笑嗎?如果汽車每 5 年快 100 倍,生活會不會很好?

所以答案是,實際上,摩爾定律非常好,我從中受益了。整個行業都從中受益了,計算機行業之所以存在就是因爲它,但最終通用計算的摩爾定律,並不是關於計算中晶體管的數量,它關於晶體管的數量,你如何使用它對於 CPU,你如何最終轉化爲性能,那個曲线不再是每 5 年增長 10 倍。如果你幸運的話,那個曲线是每 10 年兩到四倍。問題是,那個曲线是每 10 年 2~4 倍。

計算需求和我們使用計算機解決問題的愿景,我們的想象力,使用計算機解決問題的想象力是不是超過了每 10 年 4 倍?所以我們的想象力、我們的需求、世界對所有這些的消費都超過了這個限制,你可以通過購买更多的 CPU 來解決這個問題,你可以購买更多,但問題是這些 CPU 消耗了太多的能源,因爲它們是通用的,就像一個通才,一個通才不如一個專家效率高,他們的工藝不如專家好,他們不像專家那樣有生產力;如果我要做开胸手術,不要給我找個通才,你們知道我的意思嗎?如果你們在周圍,就叫個專家好了,所以新聞記者的方式太蠻力了,所以現在這讓世界消耗太多能源,讓世界花費太多,只是爲了粗暴地強行推動通用計算。

現在幸運的是,我們長時間以來一直在研究加速計算,正如我所提到的,加速計算不僅僅是關於處理器,它實際上是關於理解應用領域,然後創建必要的軟件、算法、架構和芯片;我們不知怎么地找到了一種方法,用一種架構來做這些,這是我們所做工作的天才之處,我們不知怎么地找到了這種架構,它既非常快,有時候要加速 CPU 100*500 倍,甚至有時候 1000 倍,但它又不是那么特定,只用於一種單一活動,這合理嗎?而且你需要足夠廣泛,以便你有大市場,但你需要足夠狹窄,以便你可以加速應用程序,這條微妙的界线,這把剃刀邊緣,是英偉達存在的原因。如果我在 30 年前解釋這個,沒有人會相信,事實上,如果你現在誠實地說,也沒人會相信。

我們花了很長時間,我們堅持下去,我們從地震處理开始,分子動力學,圖像處理,當然還有計算機圖形學,我們不斷地努力,不斷地努力,不斷地努力,天氣模擬,流體動力學,粒子物理,量子化學,然後有一天深度學習,然後是變換器,接下來將是某種形式的強化學習變換器,然後會有一些多步推理系統,所以所有這些事情,我們只是一個應用程序。

不知怎的,我們找到了一種方法,創造了一個架構,解決了所有這些問題,這個新定律會結束嗎?我不這么認爲。原因是這樣的,它不取代 CPU,它補充了 CPU,那么問題是,接下來會有什么東西來補充我們?

我們只是把它連接在旁邊,所以當時機到來時,我們會知道我們應該使用另一個工具來解決問題,因爲我們是在爲我們試圖解決的問題服務。我們不是在嘗試制造一把刀,讓每個人都使用它。我們不是在嘗試制造一把鉗子,讓每個人都使用它。我們是爲了加速計算服務於問題,所以這是你們所有人都要學習的一件事。確保你的使命是正確的。確保你的使命不是制造火車,而是促進交通,這合理嗎?我們的使命不是制造 GPU。我們的使命是加速應用程序,解決普通計算機無法解決的問題。如果你的使命表述得當,你專注於正確的事情,它將永遠持續下去。

觀衆: 

再次感謝,現在有一股推動將半導體供應鏈本土化的趨勢,然後還有對某些國家出口高科技產品的限制。您認爲這會對英偉達在短期內產生什么影響,對我們消費者長期又會有什么影響?

Jensen Huang: 

真是個好問題。你們都聽到了這個問題,我重復一下,這涉及到地緣政治和地緣政治緊張等。地緣政治緊張、地緣政治挑战將影響每個工業,影響每個人。我們公司深信國家安全,我們在這裏是因爲我們的國家是安全的,我們同時也相信經濟安全。

事實是,大多數家庭早上醒來不會說,天哪,我感到如此脆弱,因爲缺乏軍事力量,他們感到脆弱,因爲經濟生存能力,所以我們也相信人權,能夠創造繁榮生活是人權的一部分。正如你們所知,美國相信這裏生活的人以及不生活在這裏的人的人權,所以這個國家同時相信所有這些事情。我們也是。

地緣政治緊張的挑战是,如果我們太單邊地決定,我們決定其他人的繁榮,那么會有反彈。會有意想不到的後果,但我是樂觀的。我希望能夠希望,那些思考這個問題的人考慮了所有後果和意想不到的後果,但這已經導致每個國家深深地內化其主權權利。每個國家都在談論他們自己的主權,這是另一種方式說,每個人都在考慮自己。

就我們而言,一方面,它可能限制我們的技術在中國的使用,以及對那裏的出口控制;另一方面,由於主權和每個國家都想建立自己的主權 AI 基礎設施,而且它們中的大多數並不是美國的敵人,也沒有與美國的關系很困難,我們將幫助他們在世界各地建立 AI 基礎設施。

所以在很多方面,這種關於地緣政治的奇怪事情,它在某種程度上限制了我們的市場機會。在另一方面,它以其他方式爲我們打开了市場機會,但對於人們來說,我是,我真的很希望。

我真的希望我們不會讓我們與中國的緊張關系演變成與中國人的緊張關系,我們不會讓我們與中東的緊張關系演變成與穆斯林的緊張關系,我們不能讓自己陷入那個陷阱,我有點擔心那是個滑坡。

我們國家最大的知識產權來源之一,正如你們所知,是外國學生,我在這裏看到了很多。我希望你們留在這裏,這是我們國家最大的優勢之一。如果我們不允許世界上最聰明的頭腦來到哥倫比亞,在紐約市留下來,我們將無法保留世界上最偉大的知識產權,所以這是我們根本的核心優勢,我真的希望我們不會破壞它。

你們可以看到,地緣政治挑战是真實的,國家安全問題是真實的,但經濟、市場、社會、技術問題也同樣真實,技術領導力很重要,市場領導力很重要,所有這些都很重要,世界只是一個復雜的地方,我沒有一個簡單的答案,我們所有人都會受到影響。 

觀衆: 

我是從一家半導體公司的工程師开始做起,從事創業工作,在我像你一樣,作爲一個本質上是技術專家和工程師的人,成功地創辦了一家公司,我是從 YouTube 視頻中學習財務知識的,你對 MBA 怎么看?

Jensen Huang: 

我認爲這非常棒。首先,你可能會活到 100 歲,所以問題是,你打算如何度過最後的 7 年或 60 年?這不是我告訴你的,是我告訴每個人的,盡你所能關心教育。

當你來到這裏,你被強迫接受教育,這能有多好?離开後,像我一樣,我得去全球尋找知識,我得穿過很多垃圾才能找到一些好東西;在學校裏,你有這些了不起的教授,他們爲你篩選知識,然後像盤子一樣呈現給你,我的天,如果我能再來一次,我會盡可能長時間地留在這裏,大量吸收知識。

我還會在這裏,和院長坐在一起。我是這裏年紀最大的學生。我只是在爲畢業時的巨大飛躍做准備,畢業後就立刻邁向成功,但我只是开個玩笑。你總有一天得離开。你的父母會感激的,但不要急於一時。我認爲盡可能多地學習。到達那裏沒有唯一正確的答案。

顯然,我有從未從大學畢業卻非常成功的朋友,所以有多種方法可以到達那裏,但從統計學上講,我仍然認爲這是到達那裏的最佳方式,所以如果你相信統計學和數學,就留在學校,完成整個過程,所以我通過努力工作獲得了一個虛擬 MBA,不是因爲選擇,而是因爲我剛從學校畢業時,我以爲我會成爲一名工程師,沒人會說,“嘿,Jensen,給你個文憑,你將成爲 CEO。”我不知道,所以當我到達那裏時,我不得不去學習。

MBA 和學習商業策略的方法有很多種,顯然商業問題是非常不同的事情,財務問題也是,所以你得學習所有這些不同的事情,才能建立一家公司,但如果你像我一樣被了不起的人所包圍,他們會在一路上教你,所以有些東西,根據你想扮演的角色,是至關重要的,對於 CEO 來說,有些事情不僅是我的工作,而且至關重要,我要以此爲首。那就是品格,你的品格有一些東西,關於你做出的選擇,你如何應對成功,如何應對失敗和巨大的挫折,你如何做出選擇,這些事情都很重要。

現在從技能和工藝角度來講,CEO 最重要的是战略思維,沒有其他選擇。公司需要你具備战略思維,原因是因爲你看得最多,你應該能比任何人更好地看到未來,能比任何人更好地連接點點滴滴,你應該能夠動員;記住战略是什么 —— 行動!怎么說不重要,重要的是你做什么,所以沒有人能比 CEO 更好地動員一家公司。因此,CEO 獨特地位於成爲首席战略官的正確位置,如果你愿意的話。從我的角度來看,這兩個是最重要的事情,其余有很多技能和東西,你會學習到技能。

如果我可以再補充一件事,我確實相信一家公司是關於某種特定的工藝,你爲社會做出一些獨特的貢獻,你制造了一些東西。如果你制造了一些東西,你應該擅長它,你應該欣賞這種工藝,你應該熱愛這種工藝,你應該了解一些關於這種工藝的事情,它從哪裏來?現在在哪裏?將來會去哪裏?你應該努力體現對這種工藝的熱情。

我希望今天我做了一些體現這種工藝的熱情和專業知識的事情,我對我所在的領域了解很多,而且如果可能的話,CEO 應該了解這種工藝。你不必創立這種工藝,但最好是這種工藝,你可以學到很多,所以你,你想成爲這個領域的專家,但這些是一些事情。你可以在這裏學到這些。理想情況下,你可以在工作中學到這些,你可以從朋友那裏學到這些,你可以通過做很多不同的事情來學到這些。

標題:英偉達CEO黃仁勳:AI不會奪走你的工作 但使用AI的人會

地址:https://www.coinsdeep.com/article/67482.html

鄭重聲明:本文版權歸原作者所有,轉載文章僅為傳播信息之目的,不構成任何投資建議,如有侵權行為,請第一時間聯絡我們修改或刪除,多謝。

你可能還喜歡
熱門資訊