沈向洋對話黃仁勳：AGI將帶來怎樣的革命性影響？

今天，英偉達CEO黃仁勳現身香港，被授予了香港科技大學工程學榮譽博士，隨後，他還與美國國家工程院外籍院士、粵港澳大灣區數字經濟研究院創院理事長沈向洋進行了長達1個小時的對話。

非常有趣的是，黃仁勳和沈向洋均穿上了黑色“黃氏夾克”，並向觀衆展示了黑色夾克背後的大字“HKUST”（香港科技大學）。

在對話中，沈向洋詢問了黃仁勳如何看待AGI給世界帶來的影響，以及作爲CEO如何管理公司。

以下爲黃仁勳與沈向洋對話的全部內容（AI翻譯，人工部分校對）：

沈向洋：昨晚我輾轉難眠，其中一個極爲關鍵的原因在於，我亟欲向諸位引薦這位宇宙間最卓越的首席執行官。但我心中也暗自爲貴公司擔憂，畢竟昨晚蘋果股價上揚，而英偉達的表現卻略顯遜色。我已迫不及待想要知曉股市收盤的結果！今晨醒來，我第一時間詢問妻子英偉達是否挺住了。你在人工智能領域領航已久，能否再談談對人工智能的看法，以及這項技術，或是AGI（通用人工智能）可能帶來的影響？

黃仁勳：正如你所瞭解的，當人工智能網絡能夠學習並掌握從字節、語言、圖像到蛋白質序列等多種數據的理解時，一場變革性、開創性的能力便應運而生了。我們突然間擁有了能夠理解單詞內涵的計算機。得益於生成式AI，信息得以在不同模式間自由轉換，比如從文本到圖像、從蛋白質到文本、從文本到蛋白質，乃至從文本到化學品等。這一原本作爲函數逼近器（Function Approximator，數學領域的重要概念，用於多個領域）及語言翻譯器而存在的工具，如今所面對的問題是，我們如何能充分利用它？你見證了全球範圍內創業公司如雨後春筍般涌現，它們結合了這些不同的模型與能力，展現出無限可能。

因此，我認爲真正令人驚歎的突破在於，我們現在能夠理解信息的真正意義。這意味着，作爲數字生物學家，你能理解所觀數據的含義，從而於萬千數據中精準捕捉到關鍵信息；作爲英偉達的芯片設計師、系統設計師，或是農業技術人員、氣候科學家、能源領域的研究者，在探尋新材料的過程中，這無疑是開創性的壯舉。

沈向洋：如今，通用翻譯器的概念已然成形，它賦予我們理解世間萬物的能力。許多人都聽你描述過人工智能對社會的驚人影響。那些觀點深深觸動了我，甚至在某些方面讓我感到震撼。回顧歷史，農業革命讓我們生產出了更多的食物，工業革命則讓我們的鋼鐵產量大幅提升。進入信息技術時代，信息的數量更是爆炸式增長。而今，在這個智能時代，英偉達與人工智能正攜手“製造”智能。你能進一步闡述爲何這項工作如此重要嗎？

黃仁勳：從計算機科學的視角來看，我們重新發明了整個堆棧。這意味着，我們過去開發軟件的方式已經發生了根本性的變化。提及計算機科學，軟件開發自然是不可或缺的一環，它是如何實現的，這至關重要。

以往，我們依靠手工編寫軟件，憑藉想象力和創造力構思功能、設計算法，然後將其轉化爲代碼，輸入電腦。從Fortran到Pascal，再到C語言和C++，這些編程語言讓我們得以用代碼來表達創意。代碼在CPU上運行得很好，我們向計算機輸入數據，詢問它從中發現了什麼函數，通過觀察我們提供的數據，計算機能夠識別出其中的模式和關係。

然而，現在的情況已經有所不同，我們不再依賴於傳統的代碼編寫方式，而是轉向了機器學習和機器生成。這不再是簡單的軟件問題，而是涉及到了機器學習，它生成神經網絡，並在GPU上進行處理。這一轉變，從編碼到機器學習，從CPU到GPU，標誌着一個全新的時代的到來。

而且，由於GPU的功能異常強大，我們現在能夠開發的軟件類型堪稱非凡，而在這一強大基礎之上，則是人工智能的蓬勃發展。這正是其出現所帶來的變革，計算機科學因此發生了巨大變化。現在，我們需要思考的是，這樣的變化將如何影響我們的行業？我們都在競相利用機器學習去探索新的人工智能領域。那麼，究竟什麼是人工智能呢？這其實是一個大家耳熟能詳的概念，即認知自動化和解決問題自動化。解決問題的自動化可以歸結爲三個核心概念：觀察並感知環境，理解並推理環境，然後提出並執行計劃。

黃仁勳：......感知、推理和規劃可以分解爲，例如感知你的車周圍的環境，推理你的位置，你是什麼，以及你周圍所有其他汽車的位置。感知、推理和規劃可以分解爲，例如感知你的車周圍的環境，推理你的位置，你是什麼，以及你周圍所有其他汽車的位置，計劃如何駕駛，所以我剛剛描述了自動駕駛汽車。自動駕駛汽車在一種表現形式中被稱爲數字司機。然後你可以做同樣的事情如CT 掃描，通過觀察你得出結論有些異常，可能是腫瘤之類的，然後你描述給放射科醫生。現在你是放射科醫生了。幾乎所有我們做的事情，你都可以想出一些人工智能，然後執行特定的任務。如果我們有足夠的這些數字代理，這些數字代理會與計算機交互，生成數字人工智能。我們所有人對數據中心的總消耗使數據中心看起來像是在生產一種叫做Tokens的東西，或者我們稱之爲Tokens的東西，但除此之外還有數字智能。所以現在讓我稍微以不同的方式描述一下。

300年前，正如你所知道的，通用電氣公司和西屋公司提出了一種新型機器，這種新型機器被稱爲發電機，最終成爲了一臺交流發電機。他們非常聰明地發明了一種消費者，消費他們所能生產的電力，當然，消費者會像是燈泡和烤麪包機之類的東西，他們創造了各種各樣的數碼設備或電器，這些設備消耗工廠生產的電力。

看看我們現在在做什麼。我們創造了 Copilots 和 ChatGPT，我們創造了所有這些不同的智能，就像是燈泡和烤麪包機一樣，還有一些我們所有人都會使用的設備。但你會連接到一個工廠，它曾經是一個交流發電廠，但是現在是數字智能工廠。從工業角度來看，實際上， 我們正在創造一個新的行業，這個新的行業吸收能量，生產數字智能。數字智能將被各種不同的應用所使用，我們相信他的消耗將是相當大的，這整個行業以前從未存在過，就像交流發電業從未存在過一樣。

沈向洋：這真的非常驚人，Jensen你爲我們描述了一個非常光明的未來。我們知道，這在很大程度上是由於您的努力和英偉達在這個領域的貢獻，特別是在過去的12年裡。最近人們在討論scaling law，也有以你名字命名的黃氏定律，二者與摩爾定律相比。當然，在競爭行業的早期英特爾就提出了摩爾定律，即每18個月完計算能力就會翻倍。如果我們看過去的12年，在你的領導下，每年不止只翻一倍。如果從消費市場來看，在過去的12年裡，所有大型的語言模型，實際上每一年都是計算需求的四倍多。那麼在10年內，這是一個巨大的數字，實際上是一百萬。這就是我向你解釋爲什麼英偉達的股票在10年內上漲了300倍的原因。如果你仔細想想，競爭的需求是一百萬倍，股票可能並不是很貴。

我的問題是，當展望未來時，我們是否會看到未來十年的需求增長一百萬倍？

黃仁勳：摩爾定律依賴於兩個概念。一個概念是size scaling，這是因爲covermade，康威進行測試，這極大激勵了我這一代人。第二個是xx scaling，恆定電流密度縮放，晶體管的反式耦合收縮使我們有可能使性能翻倍。如果半導體的性能每兩年翻一倍，每一年半翻一倍，那就是每五年翻10倍，每10年翻100倍。

我們現在所經歷的是，你的神經網絡越大，你訓練這個神經網絡的數據就越多，人工智能似乎就越智能。這是經驗定律，就像摩爾定律一樣，我們稱之爲scaling law 擴展定律，這似乎還在繼續。但是我們知道，預訓練，僅僅獲取世界上所有數據再從中發現知識是不夠的。就像上大學和大學畢業一樣，這是一個非常重要的里程碑，但這遠遠不夠。因爲還有崗位培訓，就是非常深入地學習某一項技能。崗位培訓需要強化學習的人工反饋、合成數據的生成、多路徑的學習，基本上是你現在正在深入到一個特定的領域，並試圖學習一些非常深入的東西。這就是後訓練 post-training。當你選擇一個確定的職業，你會進行大量的學習，在那之後我們稱之爲測試時間定律 test time scaling。有些事情你只是知道答案，你必須把問題一步步分解成每個，試圖爲每個原則找到一個解決方案。這可能需要您迭代，需要你模擬各種結果，因爲答案是不可預測的。所以我們稱之爲思考，你思考的時間越長，答案的質量可能會越高。

我們現在有三個人工智能發展領域，其中大量的計算將產生更高質量的答案。今天，我們所擁有的答案是我們能提供的最好的，但我們要知道你得到的答案並不是我們提供的最好的。在某種程度上，你仍然需要決定這是否是幻覺？是否有意義？是否明智？我們必須達到這樣一個點，即你得到的答案，你在很大程度上信任他們。

我認爲我們離做到這一點還要幾年的時間。同時，我們必須不斷增加我們的算力。你之前說的一件事讓我非常感激，那就是在過去的10年裡，我們把性能提高了100萬倍。英偉達的貢獻在於我們將計算的邊際成本降低了一百萬倍。想象一下，如果世界上有什麼你可以依賴的東西。它可以是電力，機票，可以是你選擇的任何東西，在過去10年裡，我們把成本降低了100萬倍。當某事的成本降低了一百萬倍時，你的習慣會從根本上改變。你對計算的看法也會發生根本性的變化。這是我們有史以來最大的貢獻，因此使用機器去詳盡地學習大量數據是研究人員不會做的事情。這就是爲什麼機器學習崛起了。

沈向洋：我完全明白你的意思，但是我們這裡的一些教授可能稍微不太同意，因爲購買GPU 還是需要很多錢。

黃仁勳：想象一下成本增加一百萬倍，我在過年十年給了你們100萬倍的折扣，（現在）實際上是免費的。

沈向洋：Jensen，我想知道你的想法，關於我們在HKUST 應該做什麼。在AI 領域，例如AI 技術，AI 基礎設施，GPUs，以及軟件生態，我們可以選擇做許多事情，現在有一件特別令人興奮的事情，我們稱之爲AI for science。你一直在提倡這點。例如，我們在大學投資了相當多的計算基礎設施和應用。校長和我特別鼓勵我們的院系在物理學和計算機科學之間，在材料科學和計算機科學之間，在生物學和計算機科學之間進行合作。

現在在香港發生的一件非常令人興奮的事情是，我們的政府已經決定 將建造第三所醫學院，香港科技大學是第一所提交申請的大學。現在在香港發生的一件非常令人興奮的事情是，政府已經決定我們將建造第三所醫學院，香港科技大學是第一所提交申請的大學。對此，你有什麼建議？

黃仁勳：首先，我在2018年的世界科學計算大會上介紹了AI 超算，結果遭到了極大的懷疑。原因是在那時AI 像是黑匣子。那時候做不到，但如今你可以問AI，爲什麼這麼建議？告訴我你是如何通過探索過程一步一步得出這個答案的？今天的AI 更透明更有解釋力，你的一組問題可能就像教授探究他們的學生以瞭解他們的思維過程一樣。基於基第一性原理first principal，AI不僅能給出答案，而且推理答案的方式是合理的。我們今天可以做到，但在2018年，我們無法做到。因此，它遭到了極大的懷疑。

第二，AI通過觀察數據來產生答案。因此，它並不是真的模擬第一性原理解決，而是模擬智能，模擬物理。現在的問題是，模擬對科學有價值嗎？我認爲仿真模擬對科學來說是無價的，原因是在許多科學領域中，我們理解了第一性原理 first principal，我們理解了薛定諤方程，我們理解了麥克斯韋方程，我們理解了很多這樣的方程，但我們無法模擬它，也不能理解大型系統。因此，我們可以使用AI來訓練AI，而不是根據第一性原理來解決它，讓它在計算上受到限制。我們可以訓練物理學的AI，並用它來模擬非常大的系統，這樣我們就可以理解大規模的系統。

這在哪將會有用呢？首先，人類生物學的時間尺度從納秒開始，這樣的時間尺度使用原理求解器是根本不可能的。所以現在的問題是，我們能否使用人工智能來模擬人類生物學，以便更好地理解這些非常複雜的多磁盤系統。這樣我們就可以創造一個人體的數字孿生體。擁有這樣的計算機科學技術，數字生物學家、氣候科學家以及科學家們就可以處理非常龐大、複雜的規模問題。

就你提到的醫院而言，這是很好的一個機會。這裡將創建一家醫院，其原始專業領域是技術，計算機科學，幾乎所有的醫院都是這樣。試圖將人工智能和技術融入醫院，這通常會遭遇懷疑和不信任。因此，你第一次有機會從基礎開始創造一些東西，在那裡技術被接受，被推進。在座的各位正在推送基礎技術的發展，所以你知道它的侷限性也知道它的潛力，我認爲這是一個非凡的機會，希望你們能好好利用。

沈向洋：謝謝你，Jensen。這所大學一直擅長科技和創新，正在推動計算機科學、工程、生物學和其他領域的前沿。所以我們認爲有了香港的第三所醫學院，我們可以做一些與其他兩所學校不同的事情。我們可以將傳統的醫學培訓與技術研究站點相結合，並在其中工作。我們將來會聯繫你以獲得更多的建議。

我想問你一些關於領導力的問題。你一直是硅谷任期最長的CEO，32年。我們很想向你學習，你是如何領導這樣一個巨大的組織的？你們有成千上萬的員工，驚人的收入和大量的客戶，你是如何真正做到這一點來領導這樣一個龐大的組織並且打破瓶頸的？

黃仁勳：我很驚訝有像我這樣的計算生物學家和商人。我沒有上過商業課程就創立了NVIDIA ，直到今天我也沒有上過商業課程。我從未寫過商業計劃，我不知道如何寫商業計劃書，我指望着你們所有人幫我寫業務計劃。

我想說的是，首先，我認爲你應儘可能地學習。我一直在學習。所以，關於做任何你想要奉獻一生的事情，第一件事是認爲這是畢生的工作，而不僅是一份工作。我認爲這在腦海中有很大的不同。所以英偉達是我畢生的心血，我在一路上學到了很多東西。如果你想成爲一家公司的CEO，你有很多東西要學，你必須不斷重塑自己。世界一直在變化， 所以我基本上每天都在學習，就像我飛過來這裡一樣，我在看YouTube，或者我在和AI說話，我問了很多問題。它告訴我一個答案，我問你爲什麼給我這個答案？用這種方式向我解釋，將這種推理應用於其他事物，給我一些類比。我用我的AI，我折磨我的AI來教我，所以，有很多方法可以學習。

我在領導力方面學到了什麼？

首先，你是CEO 但是你不必知道任何事。你不必確定，但是你必須對自己做的事充滿信心。信心和確定不是同一個概念。你完全可以自信地追求一個方向，爲不確定性留出空間。這種不確定性的空間給了你繼續學習的機會。不確定性是你的朋友，不是你的敵人。

第二，領導者要強大。很多人都指望你的力量，他們以你的力量爲食。然而，強大並不意味着你不能脆弱，這意味着如果你需要幫助，就尋求幫助。所以我不斷尋求幫助。我不知道我來尋求你的幫助多少次了。因此，脆弱並不代表缺乏力量，不確定並不代表缺乏能力。

最後，不要爲自己做事，要爲其他人做。領導者在做出的每一個決定都符合使命的利益時，從根本上說是值得信賴的，是別人的利益所在。無論是公司內部的人，我的同事，我的合作伙伴，生態系統，我們服務於我們的供應鏈，思考什麼對他們來說是最好的，從他們的最大利益出發。

沈向洋：你有60個直接下屬，你是怎麼做到的？這似乎是你的獨有風格。

黃仁勳：透明，理性。我們需要做的是，我們共同努力想出一個策略。無論策略是什麼，每個人都同時聽到，所有人同時通過戰略工作。因此，當公司確定方向、制定戰略、做出決定時，每個人都進行了共同的推理。這並不是我走進了一片森林，然後帶回答案，每個人都在等着我告訴他們該做什麼。而是我們對此進行了推理，我們一起得到答案。所以我唯一要做的是，確保我們都聽到了同樣的事情，我通常是最後一個根據我們所做的一切來描述的人。這是方向，這些是優先事項，並確保沒有任何歧義。現在，一旦我們都團結一致，你知道，我們都明白了策略是什麼。

我之前提到的關於我的行爲的所有事情，不斷學習，自信，不確定性。我需要他們來表達，需要向我們尋求幫助。當其他人看到同樣的行爲，看到CEO 脆弱是可以的，領導者可以尋求幫助，可以不確定，可以犯錯，然後他們都會這樣做。

沈向洋：今天早上當你發表演講時，我非常印象深刻。你說了關於我們大學的很多數字，特別是我們校友創辦的創業公司的數量，產生獨角獸的數量，這所大學確實以創造新的企業而聞名。在你很年輕的時候，你讓公司一路走到今天難以置信的成功，你有什麼建議呢？他們應該何時以及爲什麼開始自己的事情。此外，你確實向你的妻子勞裡保證過，到30歲時，你將創辦一家公司，除此之外，你知道什麼，有什麼建議嗎

黃仁勳：那是我的搭訕之道。我上大學的時候16歲，當我遇到我的妻子時，我17歲，她19歲。所以我是學校裡最小的孩子。所以我是學校裡最小的孩子。有250名學生和3個女孩，我是唯一一個看起來像孩子的學生，他們都是孩子。

沈向洋：所以你學會了如何在那個時候保持競爭力。

黃仁勳：現在你必須這樣做，你必須學會如何做。你沒有一條好的搭訕線。所以我走到她面前，說，我對她說，我知道我看起來像個孩子，因此我確信她對我的第一印象是我很聰明。否則的話一定是這樣的。所以我知道第一印象是，我很聰明。我走向她，說，你想看我的家庭作業嗎？然後我向她做出了承諾。我說，如果你每天星期日都和我一起做作業，我保證你會得全優。

結果，我每個星期日都有個約會，讓她整天做作業。只要確保她最終嫁給了我，到我30歲的時候，我只是想，你知道我現在只有20歲。但是當我30歲的時候，我將成爲一名CEO？我不知道我在說什麼，哦。然後我們結婚了。然後我們結婚了。這就是我要給的所有建議。

沈向洋：我真的覺得我應該代表我們問一個問題，只要閱讀問題，我們就會明白，這是真的。我沒有使用GPT，否則會更容易。所以問題實際上是，作爲大學助理教授，做AI需要大量的計算能力。我們之前已經提到過這一點。有趣的是，這位華盛頓州大學的教授幾年前在推特上說，深度學習革命中明顯缺少的是麻省理工學院，但他並不是說麻省理工學院是頂尖大學，即使在美國，也沒有做出貢獻。在過去十年中，有太多的開創性論文。相反，你的公司，微軟，谷歌OpenAI，以及那些頂尖公司都做出了驚人的工作，部分原因是因爲他們實際上有足夠的算力。所以，我們的教授們提出了問題，你知道，我們應該做什麼，我們應該加入英偉達還是？或者我們可以與英偉達合作嗎？

黃仁勳：你問題的核心實際上是一個非常非常嚴肅的結構性問題，大學的結構性問題。如你所知，在未來，沒有機器學習就無法以我們所談論的規模推進科學。沒有機器，機器學習是不可能的。這和你不打算在沒有射電望遠鏡的情況下研究宇宙沒有什麼不同。如果沒有某種你知道的粒子加速器，你就無法開始研究世界積木的結構。你不會用我們的科學和超級計算機開始這些事情。AI超級計算機是大學的結構問題。每一位私家偵探，每一項研究。因此，一旦他們籌集了資金，他們就不想與其他人分享。但是機器學習的工作方式是，那臺機器只能在一部分時間內工作，而你只需要在一小部分時間內全部工作。

沒有人永遠需要所有東西，但他們需要一些巨大的東西一段時間。所以事實證明，爲了讓大學推進研究，你必須齊心協力。每個人都很困難，像斯坦福或哈佛這樣的大學，或者這裡的研究人員正在爲計算機科學進行研究，研究和資助，當有人在氣候科學或海洋標誌等領域工作時，可以籌集很多錢。非常困難。所以現在的問題是該怎麼做？

我認爲這是大學可以通過建立所有學校都可以使用的基礎設施來產生真正影響的地方。這就是結構性挑戰，如果這就是爲什麼這麼多研究人員來到我們、谷歌和微軟這樣的公司實習的原因，正如你所知道的，我們做你的研究是因爲我們可以訪問基礎設施。然後你回到學校一段時間，要求我們繼續你的研究。

在我們的系統中，當你回來時，你可以拿起它，或者許多教授，客座教授做研究，兼職而他們還在教學，對嗎？我們有幾個這樣的所以有很多方法可以解決這個問題。最好的方法是以某種方式思考它是如何資助你的。

沈向洋：這是一個非常好的建議。而我，尤其是今天的觀衆。所以我們這裡有孫東教授，他管理着我們政府的技術創新和產業部門，他在爲AI提供資金方面給予了極大的支持。事實上，孫教授實際上支持香港的這個生成式AI中心。

但我確實想問你一個具有挑戰性的問題，一方面是我們非常非常高興競爭能力繼續顯著增加，價格正在下降，這更好。但與此同時，你的GPU將消耗如此多的能量，如此多的能量。而且有一些預測，你知道，就像在30號，世界上的能源消耗將增加30%。你擔心因爲你的GPU 會消耗能量嗎？

黃仁勳：我要告訴你，我要倒推。我要做的第一件事是，我要做出這樣的聲明: 如果世界使用更多的能源來爲世界的AI工廠提供動力，那麼我們的世界就會變得更美好。當這種情況發生時，讓我解釋一下幾件事情。因爲AI的目標不是訓練模型，AI的目標是使用模型。你的許多目標的目標，有些人，爲了目標而上學並沒有錯，只爲了上學的目標，爲了學習而學習。

當它實際上是非常明智的事情時，這是一件正常的事情。然而，大多數學生來到這裡，投入了大量的資金，投入了大量的時間，你的目標是在以後成功地應用你的知識。因此，AI的目標不是爲了訓練。AI的目標是推理非常高效，它可以發現儲存二氧化碳的新方法。我們所有的發電廠都是爲電器而建的我們需要靠近我們的房子。我們房子附近的燈泡。你的洗碗機離我們家很近。

現在，由於電動汽車的存在，電動汽車靠近房屋。但超級計算機必須離我們家很近。它可以在其他地方學習。最後，我希望發生的是AI能夠如此高效和聰明地發現新科學，無論是浪費電網，供電更多，電網過度供應，大部分時間只提供部分時間。時間大多超過規定。

因此，我們應該在許多不同的領域使用AI來節約能源，將其從廢物中取出，我們希望它能被它最終節省的20、30% 所取代。這就是我的希望和夢想。這是我們都看到的嗎？使用能源或智力，是我們所能做到的最佳利用能源。

沈向洋：我當然同意將能源用於智能是使用能源的最佳方式。談到情報，我想回到智能的話題上來，就像你知道的，大灣區，這個地區，香港新津，廣州，東莞，這個地區，我們都住在大灣區，所以多年來已經變得真正的樣子。大型硬件生態系統。你這麼說。如果你現在建造任何有趣的小工具，如果你不以巨大的價值建造它，投資就無法簡單地找到所有這些組件。

當然，一個很好的例子是，這裡的dj公司是無人機商業無人機公司。令人難以置信的技術。所以我的問題實際上是，當我們考慮智能時，物理方面將變得越來越重要，機器人技術。我認爲，越來越多的機器人，當然，這種特殊類型的機器人實際上被稱爲自動駕駛車輛，自動駕駛汽車。那麼，你的觀點是什麼？我們能夠多快地在我們的生活和工人的生活中看到這些身體智能？我們應該如何考慮和利用這個網格B區域硬件生態系統？

黃仁勳：這對中國來說只是一個非凡的機會，在這個地區。其原因是因爲，這個大灣區，整個地區在機械技術和電子技術之間的交叉點上表現出色。當然，對於機器人來說，缺少的是能夠理解物理世界的人工智能，但今天的ChatGPT或大型語言模型理解這認知的整體的，但它不理解物理智能。它不一定理解，當我設置集合、切割時，它不會穿過那張桌子。

因此，我們需要教人工智能如何理解身體智能。好的，讓我展示一下我們正在取得良好進展的事實。嗯，我所看到的演示之一是使用Gens AI文本生成，我可以肯定地生成一個視頻，該視頻以我自己的照片開始，然後你提示，Jensen，拿起咖啡杯並喝一口。好吧，如果我能提示AI去選擇主題，我就生成令牌，比如機械手臂選擇的原因。

因此，與我們現在所處的位置差距非常接近，當生成式人工智能和通用機器人時。有三種類型的機器人被製造出來，幾乎只有我們歷史上看到的所有其他類型的機器人。你知道，機器人已經存在很長時間了，但是很難大規模地擴展。

規模化生產非常重要，因爲您需要技術飛輪，高產量可以讓您產生高R和DS，這可以讓您取得巨大的技術突破，製造更好的產品，從而使產量更高。所以飛輪，RD飛輪對於只有三個機器人至關重要。你真的可以做到這一點，但其中兩個將是最高的。

原因是這三個機器人都被部署到這個世界上，我們稱之爲棕色野外部署，而這三個是汽車，因爲我們在過去的200到50年裡創造了一個汽車的世界。第二個，無人機，你知道，天空是相當無限的，最大的體積，當然，是人類發現這是因爲我們爲自己創造了世界。有了這三種類型的機器人，我們幾乎可以將觀衆擴展到高容量。

這就是像這樣的製造生態系統在一秒鐘內真正擁有的優勢之一。這個偉大的海灣地區是世界上唯一同時擁有megatronic技術和AI技術的地區。在其他地方不是這樣的。在其他地方不是這樣的。挑選你的另一個。挑選你的另一個。另外兩個大型的巨型電子設備，即日本和德國，但不幸的是，它們在AI方面遠遠落後。他們真的需要趕上來。這不是真的。因此，這真的是一個非常獨特的機會，我們真的很傾向於它。

沈向洋：是的，我仍然需要以年輕人的觀點來看待身體智能和機器人將會發生什麼。這所大學實際上很擅長描述。我敢肯定，我們很大，很大的障礙，你知道，我們有其他的優勢與不同的公司合作，不同的是他是政府。我敢肯定，我們很大，很大的障礙，你知道，我們有其他的優勢與不同的公司合作，不同的是他是政府。就在幾天前，我與深圳市市長以及管理該市技術的張先生進行了交談。我只是很高興在綠灣地區見到你，特別是在罪惡之城，這實際上是一個秘密。

館，硬件，軟件速度，你到兩個，一個不知道爲什麼的點，你知道，這對這個地區來說是一個很好的機會，你知道，對我們的大學來說。餐館，硬件，軟件速度，你到兩個，一個不知道爲什麼的點，你知道，這對這個地區來說是一個很好的機會，你知道，對我們的大學來說。

黃仁勳：但我不知道從我讀到的關於你們在這裡所做的工作以及我的學校自從我成爲校友以來所做的工作中選出的天才是誰。我現在可以把你所有的好決策歸功於你，但是人工智能、機器人和醫療保健？好吧，我們是該地區真正創新的完美之樹。

沈向洋：是的，我們將進一步推動醫學院。對於所有這些，我們仍然需要你的支持，我們需要你的GPU。

本文來自本站科技報道，更多資訊和深度內容，關注我們。