黄仁勋：AI 不会夺走你的工作，但使用 AI 的人会！无论个人还是企业，一切都是选择！

今天早上，英伟达 Q3 财报在美股盘后公布，截至 2023 年 10 月 29 日的第三季度营收为 181.2 亿美元，同比增长 206%，环比增长 34%，EPS 盈利增近 6 倍，分别较分析师预期高近 13% 和 20%，AI 芯片所在业务数据中心收入同比增近 2 倍，再创单季新高，老黄再一次赢麻了！

老黄表示：“我们的强劲增长反映了从通用到加速计算和生成式 AI 的广泛行业平台转型，LLM 初创公司、消费互联网公司和全球云服务提供商是先行者，下一波浪潮正在开始形成，国家和地区通信服务提供商正在投资 AI 云来满足当地需求，企业软件公司正在向其平台添加 AI Copilot 和 Assistant，企业正在创建定制 AI 来实现全球最大行业的自动化，英伟达 GPU、CPU、网络、AI 代工服务和 NVIDIA AI Enterprise 软件都是全速增长的引擎，生成式 AI 时代正在起飞！”

PS：上周末的专栏，我们分享了 Funders Fund 投资负责人 John Luttig 对于当前 GPU 市场格局的超万字分析，还没有订阅的读者欢迎回看《今天 GPU 供给过剩了么？》。上月，英伟达联合创始人&CEO 黄仁勋（Jensen Huang）还在哥大商学院（CBS）做了一次非常干货分享，老黄对话 CBS 院长 Costis Maglaras，一起探讨数字未来，内容包括 Nvidia 如何做战略与运营？老黄的创业经验以及如何成为一名合格 CEO 等。相比于上个月更新的老黄分享的《关于竞争，我们喜欢创造需求并定位自己，当我们下重注时，实际上已经提前应对了所有可能的风险！》又上升了一个台阶，无论是个人还是公司都将受益，以下是老黄在 CBS 分享过程中的部分干货供大家尝鲜：在具体做一项决策前，每个人都要想清楚自己在做什么？为什么做？而这一切无关乎选择。站在个人角度：需要确定三点：1）难而正确的事；2）你注定要做的事；3）你喜欢的事； 站在公司角度：老黄以英伟达作为例子，他的回答非常直接，清楚解释了英伟达的 Pivot 所涉及的市场选择、商业模式、壁垒以及飞轮效应：“我们不做制造的原因是因为台积电做得太好了，而且他们已经在做了，我为什么要去夺取他们的工作？我喜欢台积电的人，他们是我的好朋友，仅仅因为我有业务，我可以进入这个领域，那又怎样？他们为我做得很好，让我们不要浪费时间去重复他们已经做过的事情，让我们浪费时间做一些没有人做过的事情，没有人做过的事情，这就是你如何建立一些特别的东西，否则，你只是在谈论市场份额。 我们观察到两件事情：加速计算是一个软件问题，是一个算法问题，而 AI 是一个数据中心问题，所以我们是唯一一个出去构建所有这些东西的公司，我们做的一部分是商业模式的选择，我们本可以成为一家数据中心公司，完全垂直整合；然而，我们认识到，无论一家计算机公司有多成功，它都不会是世界上唯一的计算机公司，而作为一个平台计算公司更好，因为我们热爱开发者。作为一个为世界上每一家计算机公司服务的平台计算公司，比单独成为一家计算机公司要好。 我们采取了这种方法，将这个与这个房间大小相当的数据中心，所有的电线、所有的开关和网络以及大量软件，我们将所有这些分解，并集成到全世界其他不同的数据中心中，这是一个疯狂的复杂问题，我们找到了一种方法，在必要时拥有足够的标准化，在需要时拥有足够的灵活性，以便我们能够与全世界的计算机公司进行足够的合作。结果是，Nvidia 的架构现在被植入到世界上每一家计算机公司中，这创造了一个更大的足迹，更大的安装基础，更多的开发者，更好的应用程序，这使客户更加满意，他们购买更多的芯片，这增加了安装基础，增加了我们的研发预算等等，飞轮效应，正反馈系统，这就是它的运作方式，简单明了”。 此外，老黄也在分享中明确表明了 AI 与劳动力&工作流的看法 —— AI 不会夺走你们的工作，使用 AI 的人会夺走你的工作，而一家企业如果没有更多的想法来投资增量收益，那么当工作被自动化替代时，企业不得不裁员，并加入那些有更多想法而又负担不起资金投资的公司，这样当 AI 自动化他们的工作时，情况当然会改变，当然会改变工作方式。

以下为老黄与 CBS 院长 Costis Maglaras 对话的完整内容，enjoy～

Costis Maglaras：

我想首先让你带我们回顾一下 Nvidia 的历史，然后我想谈谈我们刚才提到的领导力问题，但你是 30 年前创办了这家公司，并带领它进行了转型，推出了不同的应用和产品类型。请带我们了解一下这段旅程。

Jensen Huang：

其中一个我最自豪的时刻。我从最近发生的最自豪的时刻开始讲起，我曾经工作过的第一家公司，Denny's 的 CEO，得知 Nvidia 不仅是我从洗碗工、杂工一步步升到公司高层，成为 Denny's 的服务员，而且他们是我第一家公司，我至今还很熟悉菜单。顺便说一句，Superbird 很棒，有人知道 Superbird 是什么吗？你们是什么样的大学生？

Denny's 是美国的餐馆，而且 Nvidia 是我和其它两位联合创始人在圣何塞 —— 我们家外面的 Denny's 创立的，所以他们最近联系了我，我们常坐的那个包厢现在成了 Nvidia 的包厢，名字是 Nvidia，这就是一个万亿美元公司的诞生地，这是一个非常自豪的时刻。

Nvidia 成立之时，正值 PC 革命刚刚开始，微处理器吸引了整个行业的想象力。世界正确地看到，CPU，微处理器，将会如何重塑 IT 行业，重塑计算机行业；在 x86 革命前后，成功的公司截然不同。我们在那个时期创办了我们的公司，我们的观点是，尽管通用计算非常令人惊叹，但它不可能成为所有问题的解决方案。

我们相信，存在一种我们称之为加速计算的计算方式，你会在通用计算旁边添加一个专家。如果你愿意的话，CPU 是一个通才，可以做任何事。它可以做任何事情。然而，显然，如果你能做任何事情，那么显然你不能做任何事情做得很好。

因此，我们认为有些问题不适合被我们所称的普通计算机解决。因此，我们开创了这家加速计算公司。问题是，如果你想创造一个计算平台公司，我不知道这里有多少计算机科学家，但如果你想创造一个计算平台公司，自 1964 年以来还没有一个这样的公司诞生，那是我出生后的一年，IBM 系统 System 360 完美地描述了一台计算机是什么。

1964 年，IBM 描述了 System 360 有一个中央处理单元，I/O 子系统，直接内存访问，虚拟内存，跨可扩展架构的二进制兼容性，它描述了我们今天所描述的计算机的一切，60 年后，我们感觉有一种新的计算形式，可以解决一些有趣的问题，当时并不完全清楚我们能解决什么问题，但我们觉得加速计算有未来。

尽管如此，我们还是出发去创办这家公司，并做出了一个非常好的首次决策，坦白说，直到今天这个决策都是不可思议的，如果有人走过来对你说，我们要发明一个世界上没有的新技术，每个人都想围绕 CPU 建立一家计算机公司，我们想围绕与 CPU 相连的其他东西建立一家计算机公司，第一点。

第二点，杀手级应用是一款视频游戏，一款 1993 年的 3D 视频游戏，而且那个应用不存在，构建这个公司的公司不存在，我们试图构建的技术不存在。因此，现在你有一家公司，既面临技术挑战，又面临市场挑战和生态系统挑战，因此这家公司成功的可能性几乎为 0％，但不管怎样，我们很幸运，因为两位非常重要的人。

坦率地说，我们三个联合创始人曾一起工作过的，他们是当时技术行业中非常重要的人物，我给当时世界上最重要的风险投资家 Don Valentine 打电话，告诉 Don 给这个孩子一些钱，然后沿途搞清楚这是否行得通，幸运的是他们这样做了，但那个商业计划，即使是今天，我也不会投资，因为它有太多的依赖性，每一个都有一定的成功概率。

当你把这些加在一起时，乘起来，你得到的是 0％，尽管如此，我们设想会有一个名为视频游戏的市场，这个市场将成为世界上最大的娱乐产业，当时它是 0；我们推测，3D 图形将被用于讲述几乎所有运动、游戏的故事。因此，在虚拟世界中，你可以拥有任何游戏，任何运动，结果每个人都会成为游戏玩家。

Don Valentine 问我，这个市场会有多大？我说，将来每个人都会是游戏玩家，也是创办公司时的错误答案，坦白说，这些都是糟糕的习惯，糟糕的技能，我不是在建议你们这样做；不管怎样，结果证明是真的，视频游戏成为了世界上最大的娱乐产业，3D 图形获得了成功，我们找到了加速计算的第一个杀手级应用，这为我们赢得了时间，使用加速计算解决了一系列其他问题，最终转向了 AI 。

Costis Maglaras：

这个精彩的故事真是太好了，在我们讨论 AI 之前，我想问一下关于加密货币时期的事情；显然，游戏是 Nvidia 的一大历程，然后在某个时刻，杀手级应用变成了加密货币和挖矿，那个发展是怎样的？

Jensen Huang：

加速计算能解决普通计算机无法解决的问题。我们所有的 GPU，即使你用它来设计汽车、建筑、进行分子动力学研究、玩视频游戏，它都有一种我们发明的叫做 CUDA 的编程模型。CUDA 是今天唯一存在的、和 x86 一样流行的计算模型，它被全世界的开发者使用。

无论如何，CUDA 能够非常快速地进行并行处理，显然，我们能很好地处理的算法之一是加密学。当比特币刚出现时，还没有比特币的 ASIC ，显而易见的做法是去找世界上最快的超级计算机，拥有最高产量的超级计算机不是别的，正是 Nvidia 的 GPU，它们在成百上千万玩家的家中都有，所以通过下载一个应用，你就可以在家中进行加密货币挖矿。

这个事实，你可以买我们的 GPU，我们的电脑，插上电，钱就开始喷涌而出。那是我妈妈明白我工作内容的那一天。有一天她给我打电话说，儿子，我以为你是在做关于视频游戏的事情，我终于明白你在做什么了，你买了 Nvidia 的产品，插上电，钱就开始喷出来。

我说，没错，这就是我在做的事情，这就是为什么那么多人购买比特币，随后导致以太坊的兴起，但你会用像 Nvidia GPU 这样的超级计算系统来编码或压缩，或者做一些事情来提炼数据，并将其转化为有价值的 Token 的想法，你们知道这听起来像什么吗？生成有价值 Token 的 ChatGPT。

到目前为止，一个发生的事情是，如果你延伸关于以太坊和加密挖矿的思路，这在某种意义上是合理的，因为我们突然创造了这样一个新型行业，原始数据进入，你将能量应用到这台计算机上，字面上钱就开始喷涌而出，而这些货币当然是 Token 形式，这些 Token 是智能 Token ，这是未来的主要产业之一；现在我只是描述一下别的东西，对我们今天来说非常有意义，但当时看起来很奇怪，你把水带到一栋建筑物里，给它加热，然后产生出来的是一种非常有价值且看不见的东西，叫做电。

今天我们将数据搬到数据中心，它将对其进行提炼和加工，并利用其能力产生大量有价值的数字 Token ，在数字生物学中，它们将是有价值的，在物理学中，在 IT 和各种计算领域、社交媒体、各种事情、计算机游戏等等，它们以 Token 形式出现，所以未来将是关于 AI 工厂的，Nvidia 的设备将为这些 AI 工厂提供动力。

Costis Maglaras：

那么我们已经跳到了神经网络，我想我们谈过并行计算，比如如何在显示器上渲染图形，如何玩游戏，如何为比特币解决加密问题。请告诉我们一点关于 GPU 在训练神经网络方面的用途，我想让我们为这里的观众讲一讲，训练像 ChatGPT 这样的模型需要什么？需要什么硬件？需要什么数据？需要多大的集群？需要花费多少钱？因为这些都是巨大的问题，我认为你让我们对规模有所了解会很好。

Jensen Huang：

每个人都希望你认为这是一个巨大的问题，非常昂贵。其实不是，让我告诉你为什么，我们公司大约花了 5～6 亿美元的工程成本来设计一颗芯片，然后一到两年后，我按下回车键，发一封电子邮件给台积电，通过 FTP 传送一个大文件给台积电，他们就会制造它，这个过程让我们公司花费了大约 5 亿美元。

总共花了 55 亿美元，我得到了一颗芯片，这颗芯片对我们来说当然很有价值，但这没什么大不了的。我一直在做这个，所以如果有人说，嘿 Jensen，你需要创建一个价值 10 亿美元的数据中心，一旦你插上电，钱就会从另一边喷涌而出。我会立刻去做，显然很多人也会这样做，因为谁不想创建一个产生智能的工厂呢？

现在 10 亿美元其实并不是很多钱，坦白说，全球每年在基础设施计算基础设施上的支出约为 2500 亿美元，我们中没有人正在产生金钱，只是在存储我们的文件，传递我们的电子邮件，那已经是 2500 亿美元了，我们增长如此之快的原因之一是，经过 60 年的发展，通用计算正在衰退，因为再投资 2500 亿美元创建另一个通用计算数据中心是不明智的，它在能源上过于粗暴，在计算上太慢。

现在加速计算来了，那 2500 亿美元将用于创建加速计算数据中心，我们很高兴支持客户这样做。除此之外，加速计算，你现在有了一个生成 AI 的基础设施，就像我们刚刚谈论的所有事情，基本上的工作方式是你拿很多数据，然后压缩它。

深度学习就像一个压缩算法，你试图学习你正在研究的数据的数学表达、模式和关系，并将其压缩成一个神经网络，所以输入的是，比方说，数万亿字节，数万亿个 Token ，所以说几万亿字节，输出的是 100GB，所以你已经把所有那些数据压缩成了这个小小的文件，100GB 就像 2 张 DVD，你可以在手机上下载并观看，对吧？

因此，你可以在手机上下载这个巨大的神经网络。现在，所有这些数据已经被压缩进去了，这个压缩的神经网络模型是一个 LLM，意味着你可以与之交互，你可以提问，它会回到它的记忆中，理解你的意图，并为你生成文本，与你进行对话，所以，核心就是这样，听起来神奇，但对房间里所有的计算机科学家和科学家来说，这是非常合理的，不要让任何人说服你这花费了很多钱，我会给你一个很好的折扣，大家都去创建 AI 吧。

Costis Maglaras：

如果我再稍微追问一下那个规模，你需要一台基本上相当于数据中心的计算机来估计这些模型。

Jensen Huang：

创建 GPT-4 所需的是 16000 个 GPU，这是目前任何人使用的最大的模型，价值 10 亿美元，而这只是一张支票，甚至不是一张很大的支票，不要害怕，不要让任何人劝阻你创业，去实现你的梦想。

Costis Maglaras：让我问你一个关于 10 亿美元支票和你所经历的增长的问题。我认为你被《哈佛商业评论》评为最佳 CEO，那是娱乐性的。我会一直重复这一点，但从某种意义上说，你现在正在带领一家公司经历极端增长，超级增长，这是大多数公司一生中没有经历过的，我想请你告诉我们一些细节，比如一年内规模翻倍或是管理供应链、管理客户、管理增长、管理资金，你是怎么做到的？

Jensen Huang：

我喜欢管理，只有其中的一部分，就是数钱，很有趣。早上起来，在所有的现金上滚来滚去，这不就是你们所有人来这里的目的吗？我理解这是最终目标，建立公司很难，没有什么容易的事情，有很多痛苦和磨难，需要大量努力。

如果这很容易，每个人都会去做，并且关于所有公司，无论大小，无论是我们的还是其他技术公司，你总是在垂死，原因是总有人试图超越你，所以你总是在走向破产的路上；如果你不内化这种感觉，如果你不相信这一点，你将会破产。而且我最初是在 Denny 开始的，你们都知道，Nvidia 是在极其不可能的情况下建立起来的。我们花了很长时间才走到今天。我的意思是，我们是一家有 30 年历史的公司。当 Nvidia 刚成立时，1993 年，Windows 95 还没有推出。那时候，才是第一台可用的 PC ，我们没有电子邮件。

那时还没有笔记本电脑或智能手机。所有这些东西都不存在，所以你可以想象，我们刚开始时的世界和现在的世界是多么不同。我们没有液晶显示屏。所有的都是阴极射线管（CRT）。那个时代，连 CD-ROM 都不存在。简而言之，这些东西都是我们成立之初的时代背景，我们花了这么久的时间，让公司得到认可，成为 60 年来第一次重塑计算的公司。快速成长全靠人。

显然，公司全靠人，如果有正确的系统，你周围有像我一样出色的人，公司就会拥有技能。不管你是销售 1000 亿美元还是 2000 亿美元，都无关紧要。

现在的真相是，供应链并不简单，有人知道 G-Force 显卡长什么样吗？举手示意一下，有谁知道 Nvidia 的显卡长什么样，所以你会认为，显卡就像一个插入 PC 的 PC Express 插槽的卡带，但我们现在的显卡芯片，在这些深度学习系统中使用的，有 35000 个部件，重达 70 磅，因为它们太重了，所以需要机器人来组装，它们需要超级计算机来测试，因为它本身就是一台超级计算机，而且成本是 20 万美元，用这 20 万美元，你可以购买一台这样的计算机，它可以替换几百个通用处理器，这些处理器的成本高达几百万美元，每花费 20 万美元在 Nvidia 购买，你就能节省 250 万美元的计算成本，这就是为什么我告诉你们，买得越多，节省得越多；显然，这个策略非常成功，人们真的在排队购买，这就是我们的工作；供应链非常复杂，我们制造了世界上最复杂的计算机，但这真的有多难呢？其实非常难，核心在于，如果你被出色的人包围，简单的真相是，这一切都关乎人；我很幸运，周围有一个伟大的管理团队，然后 CEO 会说类似 “让它成为第一名” 的话，比如 “让它运作”。

Costis Maglaras：

我想回到 AI 趋势和你对未来的看法，但你之前提到了 “平台” 这个词，你提到了你们的软件环境。因此，你有硬件基础设施，你有一个软件环境，目前在训练神经网络方面无处不在。你们正在建立数据中心，或者在数据中心内创建环境，这些环境是由 Nvidia 的硬件、软件和这些资源之间的通讯集群构成的，成为一个完整平台解决方案与仅仅是硬件参与有多重要？这对 Nvidia 的战略有多核心？

Jensen Huang：

我认为，首先，在你能创建一些东西之前，你必须知道你在创建什么，以及为什么要创建它，它存在的首要原则是什么。

加速计算不是一个芯片，这就是为什么它不被称为加速器，加速计算是关于理解你如何能加速生活中的一切。如果你能加速每一个应用程序，那就叫做真正快速的计算，所以加速计算首先是理解哪些领域，哪些应用程序对你重要，以及理解加速那些应用程序所需的算法、计算系统和架构。

结果证明，通用计算是一个合理的想法，加速一个应用程序也是一个合理的想法。举个例子，你有 DVD 解码器。你用手机播放 DVD 或 h.264 解码器。它只做一件事，而且做得非常好。没有人知道怎么做得更好。

加速计算有点像这种奇怪的中间状态。有许多应用程序你可以加速。例如，我们可以加速各种图像处理、粒子物理学等，这包括线性代数。我们可以加速许多应用领域，这是一个难题，加速一件事通常很容易，用 C 编译器运行一切也很容易。

加速足够多的领域，使得如果你加速了太多领域，你又回到了通用处理器上，对吧？他们为什么不能制造一个更快的芯片呢？另一方面，如果你只加速一个应用程序，那么市场规模就不够大，无法支持你的研发。

因此，我们必须找到那个切换的中间点，这就是我们公司的战略旅程，这是战略与现实相遇的地方，这是 Nvidia 做对了的地方，而且是计算史上没有其他公司做对的地方；找到一种方法，拥有足够大的应用领域，我们可以加速，这仍然比 CPU 快 100～500 倍，这样经济上的飞轮效应就可以扩展应用领域数量、扩展客户数量、扩展市场数量、增加销售，从而创造更大的研发预算，让我们能够创造更惊人的东西，保持远远领先于 CPU，这有意义吗？

创造这个飞轮效应非常难，之前没有人做到过，只有一次，这就是能力。为了做到这一点，你必须理解算法，你必须非常了解应用领域，你必须正确选择，你必须为其创建正确的架构，然后我们做对的最后一件事是，我们意识到，为了拥有一个计算平台，你为 Nvidia 开发的应用程序应该在所有 Nvidia 上运行，你不应该考虑，它是否在这个芯片上运行？它是否会在那个芯片上运行？它应该在每个装有 Nvidia 的电脑上运行。

这就是为什么我们公司创造的每一个 GPU，即使很久以前没有客户使用 CUDA，我们依然致力于它。我们决心从一开始就创建这个计算平台。客户不是，这是公司几 10 年、数十亿美元的艰辛。如果不是因为在这里的所有视频游戏玩家，我们不会在这里。你们是我们的日常工作，晚上我们可以去解决数字生物学，帮助人们解决量子化学，帮助人们搞 AI 和机器人学等问题。

我们意识到，首先，加速计算是一个软件问题；其次，AI 是一个数据中心基础设施问题，这非常明显，因为你不能在笔记本电脑上训练 AI 模型，你不能在手机上训练，因为它不是足够大的计算机，数据量以万亿字节计算，你必须处理这些万亿字节，数十亿次，所以显然，这将是一个大规模的计算机，问题分布在数百万 GPU 上。

我之所以说数百万，是因为在 16000 个内部有成千上万的。因此，我们正在将工作负载分布在数百万个处理器上。目前世界上没有任何应用程序可以分布在数百万个处理器上；Excel 在一个处理器上运行。因此，这种分布式计算的计算机科学问题是一个巨大的突破，绝对是一个巨大的突破，这就是为什么它能够启用生成式 AI，启用 LLM。

我们观察到两件事情：加速计算是一个软件问题，是一个算法问题，而 AI 是一个数据中心问题，所以我们是唯一一个出去构建所有这些东西的公司，我们做的一部分是商业模式的选择，我们本可以成为一家数据中心公司，完全垂直整合；然而，我们认识到，无论一家计算机公司有多成功，它都不会是世界上唯一的计算机公司，而作为一个平台计算公司更好，因为我们热爱开发者。作为一个为世界上每一家计算机公司服务的平台计算公司，比单独成为一家计算机公司要好。

我们采取了这种方法，将这个与这个房间大小相当的数据中心，所有的电线、所有的开关和网络以及大量软件，我们将所有这些分解，并集成到全世界其他不同的数据中心中，这是一个疯狂的复杂问题，我们找到了一种方法，在必要时拥有足够的标准化，在需要时拥有足够的灵活性，以便我们能够与全世界的计算机公司进行足够的合作。

结果是，Nvidia 的架构现在被植入到世界上每一家计算机公司中，这创造了一个更大的足迹，更大的安装基础，更多的开发者，更好的应用程序，这使客户更加满意，他们购买更多的芯片，这增加了安装基础，增加了我们的研发预算等等，飞轮效应，正反馈系统，这就是它的运作方式，简单明了。

Costis Maglaras：

你们没有做的一件事，我希望你能解释一下，就是你们没有投资制造自己的芯片。

Jensen Huang：

为什么会这样？这是一个很好的问题，原因是作为一种战略选择，我们公司的核心价值观，我的个人核心价值观，我们公司的核心价值观就是关于选择。

生活中最重要的事情就是选择。你如何选择？好吧，一切都是，你如何选择今晚要做什么？你如何选择？我们公司决定选择项目，只为了一个根本目标，我的目标是创造一个环境，一个环境，让世界上优秀的人才来这里工作。一个了不起的环境，让世界上最优秀的人才，他们想要追求计算机计算、计算机科学和 AI 领域，创造条件让他们来这里完成他们的毕生工作。

那么，如果我这么说，现在的问题是，你如何实现这一点？让我举个例子来说明如何不去实现这一点。我认识的没有人早上醒来会说，你知道吗，我的邻居正在做那件事。我想做的是，我想从他们那里拿走。我也能做到。我想从他们那里拿走。我想抢占他们的市场份额。我想在价格上打压他们，我想踢他们，我想夺取他们的份额。

结果证明，没有伟大的人这样做，每个人早上醒来都会说，我想做一些前所未有的事情，这非常难做。如果成功了，就能在世界上产生巨大的影响，这就是英伟达的核心价值观。

第一点，我们如何选择做一些世界上从未做过的事情？我们希望这是难以置信的困难。顺便说一句，你之所以选择做一些难以置信的困难的事情，是因为你有很多时间去学习它，如果某件事很容易做，比如 TikTok 舞蹈，我不会为此烦恼，显然的原因是竞争激烈，所以你必须选择一些非常难做的事情，而那些难做的事情本身就会阻止许多其他人，因为愿意忍受最久的人最终会赢得胜利，所以我们选择一些非常难做的事情，你们已经听我说过很多次痛苦和受苦，这实际上是一个积极的特质，能够忍受的人最终是最成功的。

第二点，你应该选择一些你注定要做的事情，无论是你的性格特质、你的专业知识，或者你所处的环境、你的规模、你的任何事物、你的视角，你注定要做的事情。

第三点，你最好非常喜欢做那件事，因为除非痛苦和受苦太大。现在我刚刚描述给你们的就是英伟达的核心价值观。就这么简单。如果是这样的话，我为什么要制造手机芯片呢？世界上有多少公司能够制造手机？很多。我为什么要制造 CPU？我们还需要更多的 CPU 吗？这合理吗？我们不需要所有这些东西。

因此，我们自然地把自己排除在了大众市场之外。我们自然地将自己排除在了大众市场之外，因为我们选择了令人惊叹的市场，选择了非常难做的事情，了不起的人才加入了我们，因为了不起的人才加入了我们，因为我们有耐心去让他们成功，去做一些了不起的事情。有耐心让他们做一些了不起的事情，他们就会做一些了不起的事情。

方程式实际上就是这么简单，但做起来需要难以置信的品格，这合理吗？这就是为什么学习它是最重要的事情，伟大的成功和伟大全都与品格有关。我们不做制造的原因是因为台积电做得太好了，而且他们已经在做了，我为什么要去夺取他们的工作？我喜欢台积电的人，他们是我的好朋友，仅仅因为我有业务，我可以进入这个领域，那又怎样？他们为我做得很好，让我们不要浪费时间去重复他们已经做过的事情，让我们浪费时间做一些没有人做过的事情，没有人做过的事情，这就是你如何建立一些特别的东西，否则，你只是在谈论市场份额。

Costis Maglaras：

思考未来，当我们思考这 10 年的时候。

Jensen Huang：

正确的答案？顺便说一句，我知道我没有 MBA 学位，我也没有获得财务学位，我读了一些书，我看了很多 Youtube 视频，我得告诉你，没有人比我看更多的商业 YouTube 视频，所以我可以告诉你们，你们对我来说一无是处，但这些都是正确的答案，Maglaras 教授？

Costis Maglaras：

你问错人了，我也没有学过商业，但是他们是正确的答案哈哈～ 你认为 AI，当你考虑 AI 应用程序以及我们在未来三年、 5 年、七年内将会看到的变化时，你认为会发生什么？以及我们每天的生活中可能会受到影响的地方？

Jensen Huang：

首先，我要直接说结论， AI 不会夺走你们的工作，使用 AI 的人会夺走你的工作。你们同意这一点吗？好吧，尽快使用 AI ，这样你们才能保持有益的就业。

我问你们第二件事，当生产率提高时，意味着我们在英伟达全面嵌入 AI ，英伟达将成为一个巨大的 AI 实体，我们已经在用 AI 设计我们的芯片，我们不能设计我们的芯片，没有 AI 我们也无法编写我们的优化编译器，所以我们在各个地方都使用 AI 。

当 AI 提高你公司的生产率时，接下来会发生什么？裁员还是招聘更多人员？你会招聘更多人。原因是生产率的提高而实现盈利增长。

为什么人们会考虑失去工作？如果你认为你没有新的想法，那么，这逻辑上说不通。如果你没有更多的想法来投资你的增量收益，那么当工作被自动化替代时，你会怎么做？你会裁员，并加入那些有更多想法而又负担不起资金投资的公司，这样当 AI 自动化他们的工作时，情况当然会改变，当然会改变工作方式。

AI 很快就会针对 CEO，系主任和 CEO，我们完蛋了，听起来不错，我认为首先是 CEO，然后是系主任，但你离得很近，所以你加入那些有更多想法而又没有足够资金投资的公司，自然地，当收益提高时，你会雇佣更多人。首先，这是一个巨大的突破，我们不知怎的教会了计算机如何学习，用数字方式表示信息，好吗？那么，你们有没有人听说过这个叫做 Word2Vec 的东西？这是有史以来最棒的东西之一，Word2Vec，你拿一个词，通过研究每一个单词及其与其他每一个单词的关系来学习，你学习我们所有的句子和段落，你尝试弄清楚与那个词最相关的数字向量是什么，什么数字与那个词最相关，所以 “母亲” 和 “父亲” 在数值上靠得很近，“橙子” 和 “苹果” 在数值上靠得很近，但它们与 “妈妈” 和 “爸爸” 相距很远，“狗” 和 “猫” 离 “妈妈” 和 “爸爸” 远，但可能比它们离 “橙子” 和 “苹果” 近，椅子和桌子，很难确切地说它们在哪里，但这两个数字彼此靠近，远离 “妈妈” 和 “爸爸”，“国王” 和 “王后”，靠近 “妈妈” 和 “爸爸”。

这合理吗？想象一下，对每个数字都这样做，每次你测试它时，你会说，天哪，这很不错。当你从一个东西中减去另一个东西时，这是有意义的。好吧，这基本上就是学习信息的表示。想象一下对英语这样做。想象一下对每种语言都这样做。想象一下对任何具有结构的东西都这样做，意思是任何具有可预测性的东西。

图像具有结构，因为如果没有结构，它就会是白噪声，实际上就是白噪声，所以一定存在结构，这就是为什么你看到一只猫，我看到一只猫，你看到一棵树，我看到一棵树，你可以识别树在哪里，你可以识别海岸线在哪里，山脉在哪里，云在哪里，对吧？我们可以学会所有这些，显然你可以把那个图像转换成一个向量，你可以把视频转换成向量，3D 转换成向量，蛋白质转换成向量，因为蛋白质显然有结构，化学物质转换成向量，基因最终转换成向量，我们可以学习一切的向量。

如果你能把所有东西都学习成数字，而且它有意义，那么显然你可以把猫这个词 “cat” 转换成图像，这显然不是猫的图像，这是相同的意思，如果你可以从词语转换成图像，这叫做中间旅程稳定扩散，如果你可以从图像转换成词语，这叫做字幕制作，YouTube 视频下面的字幕，那么如果你从，你叫什么来着？如果你从氨基酸转换成蛋白质，这叫做诺贝尔奖，因为这是阿尔法折叠，不可思议的突破。

所以，这是计算机科学中的一个惊人时刻，我们可以真正地把一种信息转换、传递、生成成另一种信息，所以你可以做文本到文本，大量的文本，PDF 到小量的文本，汇总存档，这是我非常喜欢的，对吧？

我们可以要求它汇总这篇论文，而不是阅读每一篇论文，它必须理解图像，因为在存档中，论文有很多图像、图表之类的东西，所以你可以把所有这些都汇总起来，所以你现在可以想象所有的生产力好处，实际上是没有它就无法做到的能力，所以在不久的将来，你会这样做。

你可以说，嗨，我想设计，给我一些汽车的选择。我在梅赛德斯工作，我非常关心品牌，这是品牌的风格，让我给你几个草图，也许几张我想要制造的车型的照片，这是一辆四轮驱动的 SUV，比如说，然后突然之间，它提出了 2010,200 个完全的 3D 设计 CAD；现在，你想要这个而不是仅仅完成这辆车的原因是，因为你可能想选择其中一个，然后说在这个基础上再迭代 10 次，你可能最终选择一个，然后自己进行修改，所以设计的未来将会非常不同。一切的未来都将非常不同，现在如果你给设计师这种能力，他们会疯狂的。他们会非常爱你，这就是我们为什么这样做的原因。

那么，这对长期影响有什么影响？我最喜欢的领域之一是，如果你可以用语言描述一个蛋白质，你可以用语言找出合成蛋白质的方法，那么蛋白质工程的未来就在眼前。正如你们所知，蛋白质工程包括制造酶来分解塑料，制造酶来捕获碳，制造各种酶来更好地种植蔬菜，你们这一代可以创造各种不同的酶，所以未来 10 年将是难以置信的，我们是计算机芯片工程的一代，你们将是蛋白质工程的一代，这是我们几年前无法想象的。

Costis Maglaras：

好的，我想我们将向观众开放提问环节，所以有问题的话，也许我会指点，我们会有一些麦克风传递过来，好吧，在那边我们先开始。

观众：

感谢你今晚的到来，你担心摩尔定律会不会像对英特尔公司那样追上 GP 行业呢？你还能解释一下摩尔定律和黄定律之间的区别吗？Jensen Huang：我没有提出黄定律，这也不像是我会做的事情。摩尔定律是每一年半性能翻一倍，更容易计算的方法是每 5 年增长 10 倍，所以每 10 年大约增长 100 倍。如果是这样，如果通用计算是微处理器，如果通用计算每 5 年增长 10 倍，每 10 年增长 100 倍，为什么要改变计算方法每 10 年增长 100 倍？这还不够快吗？开玩笑吗？如果汽车每 5 年快 100 倍，生活会不会很好？

所以答案是，实际上，摩尔定律非常好，我从中受益了。整个行业都从中受益了，计算机行业之所以存在就是因为它，但最终通用计算的摩尔定律，并不是关于计算中晶体管的数量，它关于晶体管的数量，你如何使用它对于 CPU，你如何最终转化为性能，那个曲线不再是每 5 年增长 10 倍。如果你幸运的话，那个曲线是每 10 年两到四倍。问题是，那个曲线是每 10 年 2～4 倍。

计算需求和我们使用计算机解决问题的愿景，我们的想象力，使用计算机解决问题的想象力是不是超过了每 10 年 4 倍？所以我们的想象力、我们的需求、世界对所有这些的消费都超过了这个限制，你可以通过购买更多的 CPU 来解决这个问题，你可以购买更多，但问题是这些 CPU 消耗了太多的能源，因为它们是通用的，就像一个通才，一个通才不如一个专家效率高，他们的工艺不如专家好，他们不像专家那样有生产力；如果我要做开胸手术，不要给我找个通才，你们知道我的意思吗？如果你们在周围，就叫个专家好了，所以新闻记者的方式太蛮力了，所以现在这让世界消耗太多能源，让世界花费太多，只是为了粗暴地强行推动通用计算。

现在幸运的是，我们长时间以来一直在研究加速计算，正如我所提到的，加速计算不仅仅是关于处理器，它实际上是关于理解应用领域，然后创建必要的软件、算法、架构和芯片；我们不知怎么地找到了一种方法，用一种架构来做这些，这是我们所做工作的天才之处，我们不知怎么地找到了这种架构，它既非常快，有时候要加速 CPU 100*500 倍，甚至有时候 1000 倍，但它又不是那么特定，只用于一种单一活动，这合理吗？而且你需要足够广泛，以便你有大市场，但你需要足够狭窄，以便你可以加速应用程序，这条微妙的界线，这把剃刀边缘，是英伟达存在的原因。如果我在 30 年前解释这个，没有人会相信，事实上，如果你现在诚实地说，也没人会相信。

我们花了很长时间，我们坚持下去，我们从地震处理开始，分子动力学，图像处理，当然还有计算机图形学，我们不断地努力，不断地努力，不断地努力，天气模拟，流体动力学，粒子物理，量子化学，然后有一天深度学习，然后是变换器，接下来将是某种形式的强化学习变换器，然后会有一些多步推理系统，所以所有这些事情，我们只是一个应用程序。

不知怎的，我们找到了一种方法，创造了一个架构，解决了所有这些问题，这个新定律会结束吗？我不这么认为。原因是这样的，它不取代 CPU，它补充了 CPU，那么问题是，接下来会有什么东西来补充我们？

我们只是把它连接在旁边，所以当时机到来时，我们会知道我们应该使用另一个工具来解决问题，因为我们是在为我们试图解决的问题服务。我们不是在尝试制造一把刀，让每个人都使用它。我们不是在尝试制造一把钳子，让每个人都使用它。我们是为了加速计算服务于问题，所以这是你们所有人都要学习的一件事。确保你的使命是正确的。确保你的使命不是制造火车，而是促进交通，这合理吗？我们的使命不是制造 GPU。我们的使命是加速应用程序，解决普通计算机无法解决的问题。如果你的使命表述得当，你专注于正确的事情，它将永远持续下去。

观众：

再次感谢，现在有一股推动将半导体供应链本土化的趋势，然后还有对某些国家出口高科技产品的限制。您认为这会对英伟达在短期内产生什么影响，对我们消费者长期又会有什么影响？

Jensen Huang：

真是个好问题。你们都听到了这个问题，我重复一下，这涉及到地缘政治和地缘政治紧张等。地缘政治紧张、地缘政治挑战将影响每个工业，影响每个人。我们公司深信国家安全，我们在这里是因为我们的国家是安全的，我们同时也相信经济安全。

事实是，大多数家庭早上醒来不会说，天哪，我感到如此脆弱，因为缺乏军事力量，他们感到脆弱，因为经济生存能力，所以我们也相信人权，能够创造繁荣生活是人权的一部分。正如你们所知，美国相信这里生活的人以及不生活在这里的人的人权，所以这个国家同时相信所有这些事情。我们也是。

地缘政治紧张的挑战是，如果我们太单边地决定，我们决定其他人的繁荣，那么会有反弹。会有意想不到的后果，但我是乐观的。我希望能够希望，那些思考这个问题的人考虑了所有后果和意想不到的后果，但这已经导致每个国家深深地内化其主权权利。每个国家都在谈论他们自己的主权，这是另一种方式说，每个人都在考虑自己。

就我们而言，一方面，它可能限制我们的技术在中国的使用，以及对那里的出口控制；另一方面，由于主权和每个国家都想建立自己的主权 AI 基础设施，而且它们中的大多数并不是美国的敌人，也没有与美国的关系很困难，我们将帮助他们在世界各地建立 AI 基础设施。

所以在很多方面，这种关于地缘政治的奇怪事情，它在某种程度上限制了我们的市场机会。在另一方面，它以其他方式为我们打开了市场机会，但对于人们来说，我是，我真的很希望。

我真的希望我们不会让我们与中国的紧张关系演变成与中国人的紧张关系，我们不会让我们与中东的紧张关系演变成与穆斯林的紧张关系，我们不能让自己陷入那个陷阱，我有点担心那是个滑坡。

我们国家最大的知识产权来源之一，正如你们所知，是外国学生，我在这里看到了很多。我希望你们留在这里，这是我们国家最大的优势之一。如果我们不允许世界上最聪明的头脑来到哥伦比亚，在纽约市留下来，我们将无法保留世界上最伟大的知识产权，所以这是我们根本的核心优势，我真的希望我们不会破坏它。

你们可以看到，地缘政治挑战是真实的，国家安全问题是真实的，但经济、市场、社会、技术问题也同样真实，技术领导力很重要，市场领导力很重要，所有这些都很重要，世界只是一个复杂的地方，我没有一个简单的答案，我们所有人都会受到影响。

观众：

我是从一家半导体公司的工程师开始做起，从事创业工作，在我像你一样，作为一个本质上是技术专家和工程师的人，成功地创办了一家公司，我是从 YouTube 视频中学习财务知识的，你对 MBA 怎么看？

Jensen Huang：

我认为这非常棒。首先，你可能会活到 100 岁，所以问题是，你打算如何度过最后的 7 年或 60 年？这不是我告诉你的，是我告诉每个人的，尽你所能关心教育。

当你来到这里，你被强迫接受教育，这能有多好？离开后，像我一样，我得去全球寻找知识，我得穿过很多垃圾才能找到一些好东西；在学校里，你有这些了不起的教授，他们为你筛选知识，然后像盘子一样呈现给你，我的天，如果我能再来一次，我会尽可能长时间地留在这里，大量吸收知识。

我还会在这里，和院长坐在一起。我是这里年纪最大的学生。我只是在为毕业时的巨大飞跃做准备，毕业后就立刻迈向成功，但我只是开个玩笑。你总有一天得离开。你的父母会感激的，但不要急于一时。我认为尽可能多地学习。到达那里没有唯一正确的答案。

显然，我有从未从大学毕业却非常成功的朋友，所以有多种方法可以到达那里，但从统计学上讲，我仍然认为这是到达那里的最佳方式，所以如果你相信统计学和数学，就留在学校，完成整个过程，所以我通过努力工作获得了一个虚拟 MBA，不是因为选择，而是因为我刚从学校毕业时，我以为我会成为一名工程师，没人会说，“嘿，Jensen，给你个文凭，你将成为 CEO。” 我不知道，所以当我到达那里时，我不得不去学习。

MBA 和学习商业策略的方法有很多种，显然商业问题是非常不同的事情，财务问题也是，所以你得学习所有这些不同的事情，才能建立一家公司，但如果你像我一样被了不起的人所包围，他们会在一路上教你，所以有些东西，根据你想扮演的角色，是至关重要的，对于 CEO 来说，有些事情不仅是我的工作，而且至关重要，我要以此为首。那就是品格，你的品格有一些东西，关于你做出的选择，你如何应对成功，如何应对失败和巨大的挫折，你如何做出选择，这些事情都很重要。

现在从技能和工艺角度来讲，CEO 最重要的是战略思维，没有其他选择。公司需要你具备战略思维，原因是因为你看得最多，你应该能比任何人更好地看到未来，能比任何人更好地连接点点滴滴，你应该能够动员；记住战略是什么 —— 行动！怎么说不重要，重要的是你做什么，所以没有人能比 CEO 更好地动员一家公司。因此，CEO 独特地位于成为首席战略官的正确位置，如果你愿意的话。从我的角度来看，这两个是最重要的事情，其余有很多技能和东西，你会学习到技能。

如果我可以再补充一件事，我确实相信一家公司是关于某种特定的工艺，你为社会做出一些独特的贡献，你制造了一些东西。如果你制造了一些东西，你应该擅长它，你应该欣赏这种工艺，你应该热爱这种工艺，你应该了解一些关于这种工艺的事情，它从哪里来？现在在哪里？将来会去哪里？你应该努力体现对这种工艺的热情。

我希望今天我做了一些体现这种工艺的热情和专业知识的事情，我对我所在的领域了解很多，而且如果可能的话，CEO 应该了解这种工艺。你不必创立这种工艺，但最好是这种工艺，你可以学到很多，所以你，你想成为这个领域的专家，但这些是一些事情。你可以在这里学到这些。理想情况下，你可以在工作中学到这些，你可以从朋友那里学到这些，你可以通过做很多不同的事情来学到这些。

本文来源： 有新 Newin，原文标题：《英伟达 CEO 黄仁勋 CBS 专享：AI 不会夺走你的工作，但使用 AI 的人会；无论个人还是企业，一切都是选择！》

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。