作者｜周雅

CES開幕演講的第二天，英偉達(dá)創(chuàng)始人兼CEO黃仁勛接受了全球媒體的采訪，持續(xù)1小時(shí)的采訪中，黃仁勛回答了關(guān)于英偉達(dá)策略、全球投資、AI生態(tài)格局、AGI時(shí)刻、Agentic AI、自動(dòng)駕駛、物理AI等26個(gè)問題。

在記者會(huì)的最后，黃仁勛在回答至頂科技關(guān)于AI時(shí)代的學(xué)習(xí)教育趨勢(shì)時(shí)表示，“未來，每個(gè)學(xué)生都必須學(xué)會(huì)使用AI，就像現(xiàn)在這一代學(xué)生都必須學(xué)會(huì)使用計(jì)算機(jī)一樣。”

黃仁勛強(qiáng)調(diào)，AI革命極其深遠(yuǎn)。他以計(jì)算機(jī)圖形學(xué)舉例，“這個(gè)領(lǐng)域的摩爾定律曲線，原本實(shí)際在放緩，但AI的加入讓它獲得了超級(jí)動(dòng)力，現(xiàn)在幀率達(dá)到200、300、400幀每秒，圖像完全是光線追蹤且非常漂亮”，所以，我們已經(jīng)看到了計(jì)算機(jī)圖形學(xué)的指數(shù)增長曲線，實(shí)際上，所有領(lǐng)域都看到了類似的陡峭增勢(shì)。

有趣的是，這次出現(xiàn)在記者會(huì)上的黃仁勛，換了一件皮衣，之所以沒穿前一天在CES上的“閃亮亮”皮衣，他調(diào)侃說道“too much（有點(diǎn)過了）”。

以下是針對(duì)黃仁勛本次記者會(huì)采訪的完整聽譯（為便于閱讀和可讀性，科技行者進(jìn)行了文字和段落上的小幅修改）：

【1】“英偉達(dá)只做兩件事”

問：去年英偉達(dá)重新定義了數(shù)據(jù)中心，現(xiàn)在又完成了系統(tǒng)層面的所有工作，特別是這次發(fā)布了NVLink72，接下來是不是應(yīng)該考慮基礎(chǔ)設(shè)施、電力和其他系統(tǒng)組件的問題了？

黃仁勛：英偉達(dá)有個(gè)宗旨，只做兩件事情——要么是別人沒在做的事，要么是我們能做得明顯更好的事。所以英偉達(dá)進(jìn)入新業(yè)務(wù)的標(biāo)準(zhǔn)其實(shí)很高。比如，如果英偉達(dá)不造NVLink72，誰去造呢？如果英偉達(dá)不開發(fā)Spectrum X這樣的以太網(wǎng)交換機(jī)，誰能做呢？

雖然我們有32000人，仍然是相對(duì)較小的公司。作為一家規(guī)模不大的公司，我們需要確保資源高度聚焦在能做出獨(dú)特貢獻(xiàn)的領(lǐng)域。

從早期的Hopper架構(gòu)，到現(xiàn)在的Blackwell架構(gòu)，功率密度在不斷提升。這是必然的發(fā)展趨勢(shì)，因?yàn)楦叩墓β拭芏?，意味著更好的性能。不管光子的速度有多快，我們還是傾向于讓計(jì)算機(jī)更緊湊，而且現(xiàn)在Blackwell在液冷方面都已經(jīng)做的很好。

【2】談AI PC：“我們正在把云端AI引入端側(cè)AI”

問：這次英偉達(dá)發(fā)布了很多關(guān)于AI PC的消息，但現(xiàn)階段AI PC的采用率還沒有真正起飛，你認(rèn)為是什么原因阻礙了它的發(fā)展？英偉達(dá)如何幫助改變這種局面？

黃仁勛：很好的問題。AI技術(shù)最初是在云端環(huán)境下發(fā)展起來的，如果回顧英偉達(dá)過去幾年的增長軌跡，你會(huì)發(fā)現(xiàn)主要集中在云計(jì)算領(lǐng)域，這是因?yàn)橛?xùn)練AI模型需要超級(jí)計(jì)算機(jī)。這些模型規(guī)模都很龐大，在云端部署和通過API調(diào)用比較容易。

但我們認(rèn)為，仍然有很多設(shè)計(jì)師、軟件工程師、創(chuàng)意工作者和技術(shù)愛好者，他們更傾向于在PC上開發(fā)AI應(yīng)用。其中一個(gè)挑戰(zhàn)在于，由于AI生態(tài)系統(tǒng)主要集中在云端，大量的精力、發(fā)展動(dòng)力和工程努力都投入在云端，導(dǎo)致開發(fā)端側(cè)AI應(yīng)用的人相對(duì)較少。

但其實(shí)Windows PC完全有能力支持AI開發(fā)，特別是通過WSL2（Windows Subsystem for Linux 2）。WSL2本質(zhì)上是一個(gè)虛擬機(jī)，是一個(gè)運(yùn)行在Windows內(nèi)部的雙操作系統(tǒng)，它最初是為云原生應(yīng)用創(chuàng)建的，支持Docker容器，而且支持CUDA。

我們正在努力確保PC上的WSL2能夠完美支持這些技術(shù)，從而把原本為云端打造的AI技術(shù)引入到PC端，就相當(dāng)于把云端能力帶到PC端。

我堅(jiān)信這是未來的正確方向，我對(duì)此很興奮，所有的PC制造商也都表現(xiàn)出極大的興趣。我們正在與合作伙伴一起，讓所有PC都支持帶有WSL2的Windows系統(tǒng)，這樣就能把云端AI的所有技術(shù)進(jìn)展、工程成果、生態(tài)系統(tǒng)帶到個(gè)人電腦上。

【3】談投資、競(jìng)爭(zhēng)與合作：“我們的緊迫感來自客戶的真實(shí)需求”

問：去年GTC大會(huì)上，你分享了英偉達(dá)在以色列增加投資的情況，加強(qiáng)了你們作為該國最大雇主之一的地位。2024年你們繼續(xù)擴(kuò)張，你們打算如何進(jìn)一步增加在以色列的投資？具體來說，我們是否很快就會(huì)聽到一個(gè)正在進(jìn)行中的新交易？另外，考慮到目前的局勢(shì)，你是否看到從那里引進(jìn)人才的機(jī)會(huì)？

黃仁勛：我們從世界各地吸引優(yōu)秀人才，目前英偉達(dá)網(wǎng)站上收到了超過100萬份簡歷申請(qǐng)，而我們公司只有32000名員工。這表明大家對(duì)加入英偉達(dá)的興趣非常高，因?yàn)槲覀冏龅墓ぷ骱苡腥ぁ?/p>

在以色列，我們有很大的發(fā)展機(jī)會(huì)。最初我們收購邁絡(luò)思的時(shí)候，在那里有2000名員工，現(xiàn)在我們?cè)谝陨械膯T工已達(dá)到近5000人。我們可能是以色列發(fā)展最快的企業(yè)雇主之一，我為此感到非常自豪。

在過去一段時(shí)間里，我們的以色列團(tuán)隊(duì)創(chuàng)造了NVLink、Spectrum X、Bluefield 3等重要產(chǎn)品，我對(duì)團(tuán)隊(duì)的專業(yè)水平和敬業(yè)精神感到非常自豪。

關(guān)于新的收購計(jì)劃，今天暫時(shí)沒有要宣布的消息，但我們始終保持開放態(tài)度。如果你們知道一些必須要拿下的好項(xiàng)目，請(qǐng)第一時(shí)間告訴我，只告訴我（開玩笑）。

問：作為一個(gè)游戲玩家，我感到很興奮，因?yàn)楫?dāng)你談到內(nèi)存時(shí)，特別提到了HBM，為什么沒有選擇三星的？

黃仁勛：我認(rèn)為三星和SK不生產(chǎn)顯卡，對(duì)吧？（此時(shí)黃仁勛問向現(xiàn)場(chǎng)媒體）他們生產(chǎn)嗎？（得到肯定回復(fù)后）好吧，抱歉，是我搞錯(cuò)了，別告訴他們我說了這些。

關(guān)于HBM，他們正在努力，他們一定會(huì)成功的，這毫無疑問，我對(duì)此充滿信心。要知道，最早的HBM內(nèi)存就是三星開發(fā)的，英偉達(dá)使用的第一塊HBM內(nèi)存就來自三星，所以他們會(huì)重新崛起的，他們會(huì)強(qiáng)勢(shì)回歸的。

追問：為什么他們花了這么長時(shí)間？

黃仁勛：其實(shí)并不算太長。當(dāng)然，韓國產(chǎn)業(yè)求變心切，這是好事。

但他們需要設(shè)計(jì)新方案，我相信他們一定能做到。而且他們進(jìn)展很快，非常投入，我很有信心他們會(huì)成功。SK和三星都是優(yōu)秀的公司，尤其在內(nèi)存領(lǐng)域，所以我相信他們會(huì)繼續(xù)取得成功。你們昨天也看到了Blackwell中使用了多少HBM內(nèi)存，HBM內(nèi)存對(duì)我們的計(jì)算非常重要。

問：盡管超大規(guī)?？蛻魧?duì)英偉達(dá)產(chǎn)品的需求已經(jīng)很明確，但我好奇的是，你們?cè)跀U(kuò)大收入來源方面的緊迫感有多大？特別是在開拓企業(yè)客戶和政府客戶，幫助他們部署具有高性能AI計(jì)算能力的數(shù)據(jù)中心方面。尤其是在亞馬遜等公司正在研發(fā)自己的AI芯片時(shí)，你們感受到多大壓力？然后，能否詳細(xì)說說你們?cè)谄髽I(yè)和政府方面的進(jìn)展嗎？

黃仁勛：我們的緊迫感來自于客戶的真實(shí)需求。我從不會(huì)因?yàn)橐恍┛蛻粢苍陂_發(fā)芯片而擔(dān)憂，因?yàn)榇蠹易龅氖遣煌氖虑椤?/strong>

這其實(shí)相當(dāng)復(fù)雜，因?yàn)?strong>我們實(shí)際在做的事情是在把類似ChatGPT的功能打包整合到容器中。優(yōu)化這些端點(diǎn)和微服務(wù)是非常復(fù)雜的。不過一旦完成，客戶就可以在任何云平臺(tái)上使用我們的產(chǎn)品，所以我們開發(fā)NIM、NeMo、AI Blueprints不是為了與他們競(jìng)爭(zhēng)，而是為了服務(wù)他們。

事實(shí)上，已經(jīng)有很多云服務(wù)提供商用NeMo訓(xùn)練他們的模型，他們的云商店里也有NeMo和NIM，我們對(duì)此感到很高興。我們創(chuàng)建了這整個(gè)技術(shù)層，理解NIM和NeMo的作用就像理解CUDA和CUDA X庫一樣重要。CUDA X庫對(duì)于英偉達(dá)平臺(tái)起到了關(guān)鍵作用，其中有用于線性代數(shù)的cuBLAS，用于深度神經(jīng)網(wǎng)絡(luò)處理的cuDNN（這真正革新了深度學(xué)習(xí)），以及cuTLAS等所有這些我們談?wù)摰母呒?jí)模型，我們?yōu)樾袠I(yè)創(chuàng)建這些庫，這樣他們就不必自己做了。

同理，我們開發(fā)NeMo和NIM也是為了服務(wù)整個(gè)行業(yè)，這樣企業(yè)就不必自己從零開發(fā)了。

問：我來自中國臺(tái)灣。CES主題演講提到，Digits的CPU是與聯(lián)發(fā)科合作的，想請(qǐng)您談?wù)劯嗯c其他中國臺(tái)灣公司合作的情況。另外還想了解英偉達(dá)是否會(huì)在中國臺(tái)灣建設(shè)總部？

黃仁勛：我們?cè)谥袊_(tái)灣有很多員工，但現(xiàn)有的辦公地太小了，我需要找到解決方案，也許我之后會(huì)宣布一些消息，我們正在物色地產(chǎn)。如果你知道好地方，請(qǐng)務(wù)必第一時(shí)間只告訴我一個(gè)人。

關(guān)于聯(lián)發(fā)科，我們?cè)诙鄠€(gè)領(lǐng)域都有合作。比如自動(dòng)駕駛汽車領(lǐng)域，雙方合作為行業(yè)提供完全軟件定義的智能汽車解決方案。所以我們?cè)谄囆袠I(yè)的合作非常非常順利。

此外，新的Grace GB10 CPU也是與聯(lián)發(fā)科合作開發(fā)的。我們共同設(shè)計(jì)架構(gòu)，實(shí)現(xiàn)了芯片間的互聯(lián)以及CPU和GPU的內(nèi)存一致性。

坦白說，聯(lián)發(fā)科在芯片設(shè)計(jì)和制造方面都做得很出色，第一次做出來的就很完美，性能優(yōu)異。大家都知道聯(lián)發(fā)科在低功耗方面的優(yōu)勢(shì)，確實(shí)名不虛傳。我們很高興能與這樣優(yōu)秀的公司合作。

問：關(guān)于貿(mào)易限制，這個(gè)話題現(xiàn)在依然廣受關(guān)注，你對(duì)貿(mào)易限制可能影響到整個(gè)行業(yè)（包括英偉達(dá)）的盈利前景擔(dān)心嗎？

黃仁勛：我并不擔(dān)心。我相信政府會(huì)在貿(mào)易談判中做出正確的決定。無論最終結(jié)果如何，我們都會(huì)盡最大努力幫助客戶，推動(dòng)市場(chǎng)向前發(fā)展。就像我們一直以來做的那樣。

【4】談AGI：“人在使用工具，機(jī)器終究是工具。”

問：我來自韓國，想問個(gè)哲學(xué)問題。最近Sam Altman發(fā)推文說我們已經(jīng)接近AI“奇點(diǎn)”了，你這次也提到“通用機(jī)器人的ChatGPT時(shí)刻即將到來”，如果這是真的，機(jī)器人很快就會(huì)出現(xiàn)在我們身邊，也許有些機(jī)器人會(huì)比我們聰明，也許有些對(duì)我們來說很難理解。那么你認(rèn)為，機(jī)器人會(huì)站在哪一邊？是與人類站在一起，還是對(duì)抗人類？

黃仁勛：會(huì)與人類站在一起，因?yàn)槲覀兙褪沁@樣設(shè)計(jì)它們的。

AGI（超級(jí)智能）這個(gè)概念并不陌生。在我的公司里，我的管理團(tuán)隊(duì)、領(lǐng)導(dǎo)們和公司的科學(xué)家們都表現(xiàn)出超級(jí)智能，我已經(jīng)被AGI包圍了，但我更愿意被AGI包圍，而不是相反的情況，因?yàn)檫@就是未來。

你會(huì)有超級(jí)智能來幫助你寫作、分析問題、做供應(yīng)鏈規(guī)劃、編寫軟件、設(shè)計(jì)芯片、做數(shù)字營銷、做播客等等，而且它們隨時(shí)待命，為你提供服務(wù)。

追問：所以你不認(rèn)為它們會(huì)有沖突？

黃仁勛：技術(shù)可以被用于多種用途。但要記住，是人在使用工具，機(jī)器終究是工具。

【5】談Cosmos：“一個(gè)能理解物理世界的基礎(chǔ)模型，會(huì)讓機(jī)器人成為現(xiàn)實(shí)”

問：這次在CES演講的某些部分，感覺像是在聽技術(shù)研討會(huì)，內(nèi)容很專業(yè)。但現(xiàn)在你們的受眾群體更廣了，能否重新解釋一下這次發(fā)布的AI進(jìn)展的核心意義，讓那些完全不了解技術(shù)的普通觀眾也能理解。

黃仁勛：首先，我承認(rèn)有這個(gè)問題，但這還是次要的。要知道，英偉達(dá)是一家技術(shù)公司，而不是消費(fèi)品公司，我們的技術(shù)會(huì)影響和改變消費(fèi)電子產(chǎn)品的未來。

雖然CES熱情邀請(qǐng)英偉達(dá)來分享，但我們始終是一家專注于技術(shù)的公司。當(dāng)然，這并不能成為我沒有把技術(shù)講解得更好的借口。

我重新試著講解一下。

我們這次宣布的一個(gè)最重要的突破，是開發(fā)了一個(gè)能夠理解物理世界的基礎(chǔ)模型Cosmos。就像GPT是理解語言的基礎(chǔ)模型，Stable Diffusion是理解圖像的基礎(chǔ)模型一樣，我們創(chuàng)造了一個(gè)理解物理世界的基礎(chǔ)模型。

它能理解摩擦力、慣性、重力、物體的存在和持續(xù)性，以及幾何和空間關(guān)系等概念——這些都是人類孩子們與生俱來就能理解的東西。我們認(rèn)為需要有這樣一個(gè)“理解物理世界”的基礎(chǔ)模型，它能以大語言模型目前無法做到的方式理解物理世界。

現(xiàn)在，通過Cosmos，所有你能用GPT和Stable Diffusion完成的任務(wù)，都可以用它來實(shí)現(xiàn)。比如，你可以跟這個(gè)世界模型對(duì)話，問它“現(xiàn)在看到了什么？”它通過攝像頭獲取的畫面，可以描述“看到很多人坐在桌前，大家在一個(gè)房間里”的現(xiàn)實(shí)場(chǎng)景。

為什么我們需要Cosmos？因?yàn)槿绻阆Ｍ鸄I能夠在物理世界中合理地運(yùn)作和互動(dòng)，就必須讓AI理解物理世界。

自動(dòng)駕駛汽車需要理解物理世界，機(jī)器人也需要理解物理世界，Cosmos是實(shí)現(xiàn)所有這些應(yīng)用的起點(diǎn)。就像GPT催生了我們今天經(jīng)歷的一切，就像Llama對(duì)當(dāng)前所有的AI活動(dòng)都很重要，就像Stable Diffusion觸發(fā)了所有這些生成式圖像和視頻模型一樣。

我們希望Cosmos也能達(dá)到同樣的效果，Cosmos會(huì)讓機(jī)器人成為現(xiàn)實(shí)。

問：我想問這次發(fā)布的模型，尤其是Cosmos，這些模型能在智能眼鏡上運(yùn)行嗎？或者在開發(fā)這些模型時(shí)，你們有考慮過智能眼鏡嗎？因?yàn)榭紤]到行業(yè)的發(fā)展方向，智能眼鏡似乎是未來很多人體驗(yàn)AI代理的一個(gè)重要平臺(tái)。

黃仁勛：是的，我對(duì)智能眼鏡很感興趣，它能回答“我看到了什么、如何到達(dá)目的地”，它可以幫助你閱讀，還有很多其他用途，使用場(chǎng)景非常廣闊。

對(duì)于Cosmos的使用方式，云端的Cosmos可以提供視覺理解能力，如果你想在設(shè)備本地運(yùn)行，那么你可以使用Cosmos來提煉出一個(gè)小型模型。這樣，Cosmos就變成了一個(gè)知識(shí)遷移的AI工具，它將知識(shí)轉(zhuǎn)移到一個(gè)更小的AI模型中。

這種做法之所以可行，是因?yàn)楦〉腁I模型雖然通用性較差，但在特定領(lǐng)域非常專業(yè)，這就是為什么可以進(jìn)行定向的知識(shí)遷移。這也是為什么我們總是先構(gòu)建基礎(chǔ)模型（大模型），然后通過知識(shí)蒸餾逐步構(gòu)建更小的模型。

【6】談DLSS：“從最初沒人相信，現(xiàn)在大家終于意識(shí)到它確實(shí)是未來”

問：關(guān)于DLSS 4，你這次做了一些視頻展示，我想詳細(xì)了解一下，比如多幀生成技術(shù)，它是否仍然是渲染兩幀，然后在中間生成并進(jìn)行插值？

另外，關(guān)于演示視頻里提到的RTX Neural Material，這是游戲開發(fā)者需要專門采用的技術(shù)嗎？還是它是驅(qū)動(dòng)程序?qū)用娴墓δ?，可以讓大部分PC游戲受益？

黃仁勛：在Blackwell中，我們?cè)黾恿酥魈幚砥髂軌蜻\(yùn)行神經(jīng)網(wǎng)絡(luò)，這樣就可以在著色器管線中混合使用代碼和神經(jīng)網(wǎng)絡(luò)模型。這非常重要，因?yàn)榧y理和材質(zhì)的處理，都是在著色器中處理的。

如果著色器能運(yùn)行AI，那么就能利用神經(jīng)網(wǎng)絡(luò)帶來在算法上帶來的進(jìn)步。比如壓縮技術(shù)，現(xiàn)在的紋理壓縮效果比我們過去30年使用的壓縮算法要好得多，壓縮比有了巨大提升。對(duì)于很多紋理可以額外壓縮5倍。現(xiàn)在游戲體積都很大，所以這是個(gè)重要進(jìn)步。

第二點(diǎn)關(guān)于材質(zhì)。材質(zhì)決定了光線在表面的傳播方式，它的各向異性特性，會(huì)讓光線以特定方式反射，讓我們能分辨這是金子、還是油漆、還是金箔。這種特性本質(zhì)上是原子層面發(fā)生的，光線在材料的微觀結(jié)構(gòu)上的反射、折射和散射造就了材質(zhì)的特性。用數(shù)學(xué)方法很難描述這個(gè)過程，但我們可以用AI來學(xué)習(xí)它。所以我認(rèn)為，這種神經(jīng)材質(zhì)技術(shù)是一個(gè)重大突破，能為計(jì)算機(jī)圖形帶來前所未有的生動(dòng)感和逼真度。

這兩項(xiàng)技術(shù)都需要內(nèi)容端的配合，所以開發(fā)者首先要開發(fā)內(nèi)容，然后我們就可以輕松整合進(jìn)去。

關(guān)于DLSS，幀生成不是插值關(guān)系，而是字面意義上真正的生成。我們是在預(yù)測(cè)未來，而不是在對(duì)過去進(jìn)行插值，這樣做是為了提高幀率。DLSS 4是一個(gè)徹底的突破，你們一定要去體驗(yàn)。

問：AI在PC游戲中是否扮演了更決定性的作用，你能想象傳統(tǒng)渲染的畫面幀，未來全部都變成AI生成的幀嗎？

黃仁勛：不是的，我來解釋一下原因。ChatGPT剛出來時(shí)，大家說“現(xiàn)在我們可以讓AI生成一整本書了”，但實(shí)際上內(nèi)部人員都知道這并不現(xiàn)實(shí)，原因是AI生成內(nèi)容需要獲得基準(zhǔn)事實(shí)，這叫做條件控制(Conditioning)。

<編者注：條件控制就像是給AI一個(gè)清晰的“工作說明書”，讓它能夠按照我們的預(yù)期來完成任務(wù)。假設(shè)你是一個(gè)廚師，被要求做一道菜，就非?；\統(tǒng)，但如果有人告訴你“做一道中式炒面，要偏甜口味，面條要軟硬適中”，你就更清楚該怎么做了。所以，如果沒有條件控制，AI就像無頭蒼蠅，生成的內(nèi)容可能偏離預(yù)期。有條件控制時(shí)，給AI明確的方向和邊界，指定內(nèi)容的風(fēng)格、長度、深度，告訴它“要什么”和“不要什么”，更明確。）

就像我們現(xiàn)在，要用上下文來?xiàng)l件控制聊天或提示詞，在回答問題之前，它必須理解上下文，上下文可能是PDF文件、網(wǎng)頁搜索、或者提示詞。

游戲也是同樣的道理，你必須提供上下文。而游戲的上下文不僅有故事情節(jié)，還要考慮空間關(guān)系。進(jìn)行條件控制的方式是提供初始的幾何形狀或紋理片段，然后基于這些，系統(tǒng)才能生成新內(nèi)容或提升內(nèi)容。

這種條件控制與ChatGPT使用上下文或企業(yè)中的“檢索增強(qiáng)生成（RAG）”是一樣的。未來的3D圖形生成將建立在以真實(shí)場(chǎng)景為基礎(chǔ)的生成方式。

以DLSS 4為例。在四幀畫面中有3300萬像素，我們只需要渲染其中的200萬像素，并讓AI預(yù)測(cè)并生成其余的3100萬像素。

這200萬像素必須有精確的“條件控制”，通過“條件控制”，我們可以生成其他的幀。而且更重要的是，由于原本用在那3100萬像素的算力現(xiàn)在都集中在這200萬像素上，所以這200萬像素可以渲染得非常精美，為其他像素的生成提供了基礎(chǔ)和參考。

這種變革將影響游戲的方方面面，從像素渲染、到幾何渲染、到動(dòng)畫渲染等。DLSS從第一次宣布到現(xiàn)在，過去了六年時(shí)間，從最初的沒人相信（部分原因是我沒有解釋清楚），到現(xiàn)在大家終于意識(shí)到它確實(shí)是未來，關(guān)鍵是要有條件控制，要有藝術(shù)家的專業(yè)創(chuàng)意指導(dǎo)。

我們?cè)贠mniverse中就是這樣做的。我們將Omniverse和Cosmos結(jié)合，就是因?yàn)镺mniverse作為Cosmos的3D引擎，本質(zhì)上是一個(gè)生成引擎。我們可以精確控制渲染的程度，盡可能生成更多內(nèi)容。當(dāng)減少控制和模擬時(shí)，我們反而能模擬更大的世界。因?yàn)樵谶@背后，我們有一個(gè)強(qiáng)大的生成引擎，在創(chuàng)造一個(gè)精美的世界。

問：這次發(fā)布的5090是個(gè)很棒的硬件，但要讓新硬件運(yùn)行起來，需要面對(duì)Windows和DirectX的適配挑戰(zhàn)。你們需要做什么來減少引擎適配的阻力？如果我想讓DirectX與你們的硬件配合得更好，需要注意什么？

黃仁勛：多年來，每當(dāng)DirectX的API需要擴(kuò)展或革新時(shí)，微軟一直都非常愿意配合。我們與DirectX團(tuán)隊(duì)有著很好的合作關(guān)系。當(dāng)我們?cè)谕七M(jìn)GPU技術(shù)時(shí)，如果API需要改變，他們都會(huì)很支持。

但對(duì)于DLSS來說，大多數(shù)情況下我們不需要改變API，實(shí)際上需要改變的是引擎本身，因?yàn)檫@涉及到語義理解層面，它需要理解場(chǎng)景的整體，而不僅僅是繪制調(diào)用。

場(chǎng)景的更多信息存在于虛幻引擎、寒霜引擎或其他開發(fā)者的引擎中，這就是為什么DLSS現(xiàn)在已經(jīng)集成到了很多個(gè)引擎里的原因。特別是從DLSS 2/3/4開始，一旦完成集成，即使游戲是為DLSS 3開發(fā)的，當(dāng)我們更新到DLSS 4時(shí)，它也能獲得DLSS 4的部分改進(jìn)，以此類推。所以我們必須為基于場(chǎng)景語義理解的AI處理搭建管道。AI處理是基于場(chǎng)景的語義信息，這真的必須在引擎層面實(shí)現(xiàn)。

【7】談Blackwell：“具有強(qiáng)大的通用性”

問：你認(rèn)為Blackwell到統(tǒng)一架構(gòu)，在AI競(jìng)爭(zhēng)中有什么優(yōu)勢(shì)？

黃仁勛：Blackwell GPU具有強(qiáng)大的通用性，能夠支持從Agentic AI到完整機(jī)器人系統(tǒng)的各類應(yīng)用，無論是云端服務(wù)器、自動(dòng)駕駛汽車、機(jī)器人、還是游戲系統(tǒng)，都能在Blackwell上運(yùn)行。這是我們深思熟慮后做出的戰(zhàn)略決策。

這么做的原因是，軟件開發(fā)者需要一個(gè)通用的開發(fā)平臺(tái)，開發(fā)者只需要開發(fā)一次，就能確保他們的程序可以在任何搭載英偉達(dá)芯片的平臺(tái)上運(yùn)行。就像我這次在CES上說的，我們可以在云端開發(fā)AI模型，然后輕松部署到個(gè)人PC上運(yùn)行。還有誰能做到這一點(diǎn)？

這就表明，云端的AI容器可以直接下載到PC上運(yùn)行。比如SD-XL、Flux、Llama等模型都能完美適配，直接從云端拖拽下來，在你的PC上就能立即使用，在游戲等應(yīng)用中也能得到廣泛應(yīng)用。

問：看到這次發(fā)布的5070的性能和4090差不多，價(jià)格還降了那么多，很讓人興奮，那么我們對(duì)即將上市的其他型號(hào)可以期待什么？

黃仁勛：我們這次發(fā)布了四張RTX Blackwell顯卡，其中性能最低的一款超過了當(dāng)今世界上性能最強(qiáng)的GPU，真是令人難以置信。這充分體現(xiàn)了AI的驚人能力，如果沒有AI、沒有張量核心、以及圍繞DLSS4的所有創(chuàng)新，我們不可能達(dá)到這樣的性能水平。

至于其他型號(hào)，我現(xiàn)在沒什么可以宣布的。會(huì)有6060嗎？我不知道。不過6060確實(shí)是我最喜歡的數(shù)字之一。

問：這次英偉達(dá)發(fā)布了DIGITS，你認(rèn)為非游戲PC市場(chǎng)目前最沒有被滿足的需求是什么？

黃仁勛：讓我先解釋一下DIGITS，它是一個(gè)深度學(xué)習(xí)GPU智能訓(xùn)練系統(tǒng)，是一個(gè)面向數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)工程師的平臺(tái)。現(xiàn)在，這群人大多使用個(gè)人電腦、Mac或工作站來做這些工作，說實(shí)話，對(duì)大多數(shù)人的PC來說，做機(jī)器學(xué)習(xí)、數(shù)據(jù)科學(xué)、運(yùn)行Pandas或PyTorch這些工作，都不是最優(yōu)選擇。

所以我們現(xiàn)在有了DIGITS，它體積小巧，可以放在桌面，支持無線連接，使用起來就像在云端操作一樣方便，就像是在運(yùn)行你自己的私人AI云。

為什么要開發(fā)這樣的設(shè)備？因?yàn)閷?duì)大多數(shù)開發(fā)者來說，需要頻繁使用計(jì)算資源，如果完全依賴云服務(wù)，成本會(huì)很高。DIGITS正好填補(bǔ)了這個(gè)市場(chǎng)空白，現(xiàn)在有了這個(gè)設(shè)備，相當(dāng)于擁有了一個(gè)私人開發(fā)云，這對(duì)那些需要持續(xù)進(jìn)行開發(fā)的數(shù)據(jù)科學(xué)家、學(xué)生和工程師來說非常有價(jià)值。

雖然AI起源于云端，未來可能仍然以云為主，但目前的計(jì)算設(shè)備已經(jīng)跟不上AI發(fā)展的步伐。這就是為什么我們要開發(fā)新的解決方案。

問：我有一個(gè)關(guān)于游戲玩家和消費(fèi)者的問題。我們注意到RTX 5090和5080之間存在巨大差距。5090的CUDA核心數(shù)量是5080的兩倍多，價(jià)格也翻倍了。為什么要在旗艦和次旗艦產(chǎn)品之間做出如此大的差異？

黃仁勛：原因是，一旦有人想要最好的產(chǎn)品時(shí)，他們就一定會(huì)去選擇最好的。市場(chǎng)不需要那么多細(xì)分，對(duì)于我們的發(fā)燒友來說，如果他們想要最好的，給他們稍差一點(diǎn)的產(chǎn)品來省100美元，他們是不會(huì)接受的。他們就是想要最好的。

當(dāng)然，2000美元確實(shí)不是小數(shù)目，這確實(shí)是一個(gè)相當(dāng)高的價(jià)格。但要記住，這項(xiàng)技術(shù)是要進(jìn)入你的家用PC環(huán)境的。而你的那臺(tái)PC，已經(jīng)在顯示器和音響上投資了約1萬美元，你肯定會(huì)想要最好的GPU。

所以我們有很多客戶，他們就是追求絕對(duì)最好的產(chǎn)品。

【8】談三種Scaling Law：一個(gè)良性循環(huán)

問：這次CES你提到，我們正在見證三種新的Scaling Law出現(xiàn)，特別是測(cè)試時(shí)規(guī)模定律（Test-Time Scaling），關(guān)于測(cè)試時(shí)計(jì)算（Test-time Compute）。我認(rèn)為OpenAI的GPT-o3模型已經(jīng)表明，從計(jì)算角度來看，擴(kuò)展推理的成本很高，在ARC-AGI基準(zhǔn)測(cè)試中的一些運(yùn)行成本達(dá)到數(shù)千美元。英偉達(dá)在提供更具成本效益的AI推理芯片方面做了什么？更廣泛地說，你們?nèi)绾螐臏y(cè)試時(shí)規(guī)模定律中受益？

黃仁勛：這是個(gè)很好的問題。首先，對(duì)于測(cè)試時(shí)計(jì)算來說，無論是在性能還是成本方面，最直接的解決方案就是提升計(jì)算能力。

這就是為什么我們推出RTX Blackwell系列和NVLink72，新架構(gòu)的推理性能可能比上一代Hopper高30-40倍。通過提升30-40倍的性能，你實(shí)際上也在降低30-40倍的成本，因?yàn)閿?shù)據(jù)中心的其他成本基本保持不變。

這個(gè)改進(jìn)方式，也是摩爾定律在計(jì)算機(jī)歷史上如此重要的原因，正因?yàn)樗档土擞?jì)算成本。我之前提到我們的GPU性能在過去10年提升了10000倍，這反過來說明了我們將成本降低了幾千到上萬倍。在過去20年里，我們將計(jì)算的邊際成本降低了100萬倍。

正是這種成本的大幅下降，讓機(jī)器學(xué)習(xí)變得切實(shí)可行。當(dāng)我們提升性能時(shí)，推理也會(huì)發(fā)生同樣的事情，所以推理的成本也會(huì)下降。未來我們會(huì)繼續(xù)推動(dòng)計(jì)算能力的提升，也將繼續(xù)帶來計(jì)算成本的降低。

從另一個(gè)角度來看，現(xiàn)在我們通過測(cè)試時(shí)間計(jì)算（Test-Time Compute）或測(cè)試時(shí)擴(kuò)展（Test-Time Scaling）來獲得答案需要多次嘗試，這些答案會(huì)被用作下一輪后訓(xùn)練（Post-Training）的數(shù)據(jù)，這些數(shù)據(jù)又會(huì)成為下一輪預(yù)訓(xùn)練（Pre-Training）的數(shù)據(jù)——所有我們現(xiàn)在收集的數(shù)據(jù)都會(huì)進(jìn)入預(yù)訓(xùn)練和后訓(xùn)練的數(shù)據(jù)池。通過持續(xù)積累和利用這些數(shù)據(jù)來訓(xùn)練超級(jí)計(jì)算機(jī)，我們可以讓模型變得更智能，從而降低推理成本，最終讓每個(gè)人的AI推理成本都變得更低。

只不過，這個(gè)過程需要時(shí)間，所以這三種Scaling Law會(huì)在未來持續(xù)發(fā)揮作用。一方面，每一次迭代我們都在提升模型的智能水平。另一方面，用戶對(duì)AI的要求也在不斷提高，會(huì)問出越來越難的問題，會(huì)要求AI具備更強(qiáng)的智能，這種需求會(huì)導(dǎo)致Test-Time Scaling的持續(xù)發(fā)展，形成一個(gè)良性且不斷擴(kuò)大的循環(huán)。

【9】談自動(dòng)駕駛汽車：“更大的創(chuàng)新可能來自中國”

問：我的問題是關(guān)于自動(dòng)駕駛汽車。我記得2017年英偉達(dá)在CES上展示了一輛概念車，并在5月的GTC上與豐田合作。那么2017年和2025年，這項(xiàng)技術(shù)有了哪些變化？當(dāng)年存在什么問題？現(xiàn)在又有什么技術(shù)突破？

黃仁勛：首先，我認(rèn)為未來所有可移動(dòng)的設(shè)備都會(huì)具備自動(dòng)化功能。不會(huì)再有需要人力推的割草機(jī)了，20年后如果還有人在推割草機(jī)，那會(huì)很有趣，但這顯然毫無必要。未來的汽車，你仍然可以選擇自己駕駛，但所有汽車都將具備自動(dòng)駕駛功能。這個(gè)發(fā)展趨勢(shì)已經(jīng)非常明顯了。

5年前，我們還不太確定這項(xiàng)技術(shù)會(huì)發(fā)展到什么程度，但現(xiàn)在我們非常篤定，包括傳感器技術(shù)、計(jì)算機(jī)技術(shù)、軟件技術(shù)都已經(jīng)相當(dāng)成熟?，F(xiàn)在有充分證據(jù)表明，新一代汽車，特別是電動(dòng)汽車，幾乎每一款都會(huì)具備自動(dòng)駕駛能力。

我認(rèn)為有兩個(gè)因素推動(dòng)了這個(gè)變革，真正改變了傳統(tǒng)汽車公司的想法。一個(gè)是特斯拉，影響力很大；但更大的影響可能來自中國令人驚嘆的技術(shù)進(jìn)步，蔚來、理想、比亞迪、小鵬、小米等新能源汽車公司，技術(shù)非常出色，自動(dòng)駕駛能力也很強(qiáng)，現(xiàn)在正在走向世界。這給未來的汽車樹立了標(biāo)準(zhǔn)，未來每輛車都必須具備強(qiáng)大的自動(dòng)駕駛功能。

所以我認(rèn)為，世界已經(jīng)在改變，技術(shù)成熟需要時(shí)間，我們對(duì)它的認(rèn)知也需要時(shí)間，但現(xiàn)在形勢(shì)已經(jīng)很清晰了。我們的重要合作伙伴Waymo在舊金山已經(jīng)遍地開花，老百姓也很喜歡它。

【10】談AI發(fā)展：“AI發(fā)展沒有任何物理限制，下一代將是用AI學(xué)習(xí)的一代”

問：英偉達(dá)是如何考慮市場(chǎng)策略的？AI發(fā)展的下一步需要什么？是否存在物理限制？

黃仁勛：我們只在市場(chǎng)真正需要我們的時(shí)候才會(huì)行動(dòng)，如果市場(chǎng)存在空白，而且只有我們注定要去填補(bǔ)這個(gè)空白的時(shí)候，我們就會(huì)去做。我們傾向于做那些與現(xiàn)有市場(chǎng)不同的事情，或者如果我們不做就沒人會(huì)做的事情。

這就是英偉達(dá)的理念：不要重復(fù)做別人已經(jīng)在做的事。我們不是市場(chǎng)份額的爭(zhēng)奪者，而是市場(chǎng)的創(chuàng)造者。我們不傾向于進(jìn)入已經(jīng)存在的市場(chǎng)去爭(zhēng)奪份額，那不是英偉達(dá)的風(fēng)格。

比如說，市場(chǎng)上還沒有Digits這個(gè)東西，如果我們不開發(fā)它，世界上就不會(huì)有人去開發(fā)它，因?yàn)檐浖Ｌ珡?fù)雜，計(jì)算能力要求太高。除非我們?nèi)プ?，否則沒人會(huì)去做。如果我們沒有推進(jìn)神經(jīng)圖形學(xué)，也不會(huì)有其他人去做，所以我們必須去做。這些都是我們必須承擔(dān)的使命。

問：我來自以色列。過去幾年里，AI（特別是生成式AI）在各個(gè)領(lǐng)域發(fā)展迅速，我認(rèn)為這要?dú)w功于推動(dòng)這一時(shí)刻的科技公司。你認(rèn)為，當(dāng)前AI的發(fā)展速度是可持續(xù)的嗎？短期內(nèi)能維持這種勢(shì)頭嗎？

黃仁勛：是的，據(jù)我所知，AI的發(fā)展沒有任何物理限制。

第一，正如你所知，我們能夠如此快速推進(jìn)AI計(jì)算的原因之一，是我們能夠以集成的方式同時(shí)構(gòu)建和整合CPU、GPU、NVLink、網(wǎng)絡(luò)以及所有軟件和系統(tǒng)。

如果這些工作分散在20個(gè)不同的公司，整合起來會(huì)非常耗時(shí)。正是因?yàn)槲覀冋莆樟怂屑杉夹g(shù)和軟件支持，才能如此快速地推進(jìn)系統(tǒng)發(fā)展。從Hopper、H100到H200再到下一代，我們將持續(xù)提升每個(gè)單元的性能。

第二，因?yàn)槲覀兡軌騼?yōu)化整個(gè)系統(tǒng)，我們能實(shí)現(xiàn)的性能遠(yuǎn)超單純的晶體管性能提升。雖然摩爾定律已經(jīng)放緩，盡管每代晶體管性能的提升不明顯，但我們的整體系統(tǒng)性能仍在逐年大幅提升。所以我認(rèn)為目前沒有明顯的物理瓶頸。

隨著計(jì)算能力的提升，Scaling Law的三種狀態(tài)將繼續(xù)發(fā)展：第一，研究人員可以用更大的模型，訓(xùn)練更多數(shù)據(jù)，這是“預(yù)訓(xùn)練規(guī)模定律（Pre-Training Scaling）”；第二，強(qiáng)化學(xué)習(xí)和合成數(shù)據(jù)生成能力，也會(huì)不斷提升，這是“后訓(xùn)練規(guī)模定律（Post-Training Scaling）”；第三，如果我們繼續(xù)提高計(jì)算能力，也就意味著成本會(huì)持續(xù)下降，那么我們可以處理大量數(shù)據(jù)，應(yīng)用范圍會(huì)進(jìn)一步擴(kuò)大，這就是“測(cè)試時(shí)間規(guī)模定律（Test-Time Scaling）”。

所以只要沒有物理原因阻止，我們繼續(xù)提升計(jì)算能力，我認(rèn)為AI就會(huì)繼續(xù)快速發(fā)展。

問：所有重大的技術(shù)轉(zhuǎn)型都不是由一家公司完成的，比如互聯(lián)網(wǎng)、PC等，它們最終都會(huì)在某個(gè)時(shí)刻匯聚，才能產(chǎn)生這個(gè)重大變革。在AI領(lǐng)域，你覺得現(xiàn)在還有什么缺失的部分會(huì)阻礙我們的發(fā)展，還是說一切都已經(jīng)準(zhǔn)備就緒了？我知道這個(gè)問題可能比較復(fù)雜，因?yàn)锳I的應(yīng)用方式很多。但我很好奇你是否認(rèn)為生態(tài)系統(tǒng)中還缺少什么關(guān)鍵部分？

黃仁勛：是的，我認(rèn)為有。讓我從兩個(gè)方面來說明。

首先，在語言和認(rèn)知AI方面，我們?nèi)栽谔嵘鼳I的認(rèn)知能力，讓它具備多模態(tài)和良好的推理能力。其次，是如何把這項(xiàng)技術(shù)應(yīng)用到AI系統(tǒng)中。

AI不是一個(gè)模型，而是一個(gè)模型系統(tǒng)。Agentic AI是一個(gè)模型系統(tǒng)的整合——有檢索模型、搜索模型、圖像生成模型、推理模型、規(guī)劃模型等等。所以這是一個(gè)完整的模型系統(tǒng)。

這幾年，行業(yè)不僅是在基礎(chǔ)AI方面創(chuàng)新，也一直在應(yīng)用AI路徑上創(chuàng)新。但我們還缺少一個(gè)加速這一進(jìn)程的必備要素，那就是——物理AI。

就像GPT-3是第一個(gè)達(dá)到實(shí)用水平的語言基礎(chǔ)模型，讓我們能在上面開發(fā)各種功能，物理AI需要像認(rèn)知AI那樣有基礎(chǔ)模型，這就是我們開發(fā)Cosmos的原因。

所以我們必須讓物理AI也達(dá)到這樣的水平。這就是我們?cè)陂_發(fā)Cosmos的原因。一旦達(dá)到這個(gè)水平，把模型推向市場(chǎng)，就能激活終端的大量應(yīng)用場(chǎng)景，而且產(chǎn)業(yè)鏈下游的任務(wù)就能順利開展。這個(gè)基礎(chǔ)模型也可以作為教師模型。

第二個(gè)AI缺失的部分，也是我們正在用Omniverse做的工作——就是將Omniverse和Cosmos這兩個(gè)系統(tǒng)連接在一起，使其成為一個(gè)基于物理學(xué)的系統(tǒng)，這樣就能使用這種基礎(chǔ)模型來控制生成過程，讓Cosmos輸出的內(nèi)容高度可信，而不僅只是看起來逼真。

所以，Cosmos+Omniverse是未來可能成為一個(gè)非常龐大的機(jī)器人產(chǎn)業(yè)的重要起點(diǎn)。這就是我們這樣做的原因。

問：我是來自中國的媒體「至頂科技」。我的問題關(guān)于教育，（在AI時(shí)代），你認(rèn)為學(xué)生需要什么樣的學(xué)習(xí)方式？或者從另一個(gè)角度問，學(xué)校應(yīng)該傳授哪些知識(shí)、技能？

黃仁勛：非常好的問題。最后一個(gè)問題總會(huì)有些壓力，這是一個(gè)很好的收尾問題，因?yàn)樗婕暗揭粋€(gè)永恒命題。

首先，讓我談?wù)勎业慕?jīng)歷，然后我們可以推演到下一代學(xué)生的學(xué)習(xí)。我們這一代人，是第一代必須學(xué)習(xí)如何使用計(jì)算機(jī)來做科研的人。上一代人，只用計(jì)算器、計(jì)算尺、紙和筆，我們這一代人必須學(xué)習(xí)如何使用計(jì)算機(jī)、編寫軟件、設(shè)計(jì)芯片、模擬物理。所以，我們是第一代使用計(jì)算機(jī)工作的一代人，而下一代將是學(xué)習(xí)如何使用AI工作的一代人，因?yàn)锳I就是新的計(jì)算機(jī)。

當(dāng)然，現(xiàn)在很多重要的科學(xué)領(lǐng)域，未來的關(guān)鍵是如何用AI來幫助做研究：

-如何利用AI幫助進(jìn)行生物學(xué)研究？

-如何利用AI幫助進(jìn)行林業(yè)工作？

-如何利用AI幫助進(jìn)行農(nóng)業(yè)研究？

-如何利用AI幫助進(jìn)行化學(xué)研究？

-如何利用AI研究量子物理？

-如何利用AI推進(jìn)運(yùn)籌學(xué)研究？

-幾乎每一個(gè)科學(xué)領(lǐng)域都會(huì)用到，包括計(jì)算機(jī)科學(xué)本身：即如何如何使用AI來推進(jìn)AI的發(fā)展。

如果你想成為記者，就要思考如何用AI來幫助自己成為一名更好的記者。如果你想成為作家，就要思考如何用AI來幫助自己成為一名更好的作家。對(duì)嗎？

未來，每個(gè)學(xué)生都必須學(xué)會(huì)使用AI，就像現(xiàn)在這一代學(xué)生都必須學(xué)會(huì)使用計(jì)算機(jī)一樣。你要迅速意識(shí)到，AI革命是多么深遠(yuǎn)。這不僅僅是關(guān)于大語言模型，雖然大語言模型很重要，但AI將來會(huì)成為字面意義上所有事物的一部分。這是我們所知的最具變革性的技術(shù)，而且發(fā)展極其迅速。

因此，我衷心感謝大家對(duì)這個(gè)行業(yè)的關(guān)注，對(duì)于游戲玩家和游戲產(chǎn)業(yè)，我真誠地感激，現(xiàn)在，行業(yè)與我們一樣興奮，從最初使用GPU來推進(jìn)AI，到現(xiàn)在使用AI來推進(jìn)計(jì)算機(jī)圖形學(xué)。

所有這些工作，包括與RTX Blackwell、DLSS4、神經(jīng)渲染和神經(jīng)著色的合作，都是由于AI技術(shù)的進(jìn)步所推動(dòng)的。目前，這些技術(shù)已經(jīng)反哺到了計(jì)算機(jī)圖形學(xué)的發(fā)展。

值得注意的是，如果你看計(jì)算機(jī)圖形學(xué)的摩爾定律曲線，它本是在放緩，但AI的加入讓它獲得了超級(jí)動(dòng)力，現(xiàn)在幀率達(dá)到200、300、400幀每秒，圖像完全是光線追蹤且非常漂亮。我們已經(jīng)進(jìn)入了計(jì)算機(jī)圖形學(xué)的指數(shù)增長曲線。實(shí)際上，我們?cè)趲缀跛蓄I(lǐng)域都進(jìn)入了指數(shù)增長曲線。

所以，這就是為什么我認(rèn)為我們的行業(yè)將會(huì)快速變化，而且每個(gè)行業(yè)都將快速變化。

感謝你們的到來，新年快樂!