久久久久精品免费福利电影,国产又黄又大又粗视频,A级毛片免费播放无码,人人妻人人爽人人澡欧美一区

在英偉達(dá)震撼業(yè)界的CES發(fā)布會(huì)次日，CEO黃仁勛舉辦了一場(chǎng)內(nèi)容豐富的溝通會(huì)，在一個(gè)多小時(shí)的問(wèn)答環(huán)節(jié)中，他一口氣回應(yīng)了與會(huì)者關(guān)于產(chǎn)品戰(zhàn)略、技術(shù)創(chuàng)新、行業(yè)合作等方面的20個(gè)問(wèn)題，為此次發(fā)布會(huì)的諸多細(xì)節(jié)做出了進(jìn)一步澄清。

溝通開(kāi)始，黃仁勛就分析了AI PC之所以賣不好的原因，因?yàn)樵贫瞬渴鸶孔V，只有少量技術(shù)人員會(huì)有AI端側(cè)部署需求。

在交流環(huán)節(jié)，他還盛贊了中國(guó)的電動(dòng)汽車行業(yè)。認(rèn)為它們的技術(shù)非常先進(jìn)，自動(dòng)駕駛能力也非常出色。正在倒逼特斯拉等公司繼續(xù)發(fā)展。

針對(duì)游戲業(yè)界大家關(guān)心的AI生成是否會(huì)替代渲染的問(wèn)題，黃仁勛明確進(jìn)行了否定。他說(shuō)雖然DLSS 4系統(tǒng)利用了AI生成，但渲染那部分才是給生成以基礎(chǔ)的部分。未來(lái)渲染的3D資料，仍會(huì)是AI畫(huà)面生成的基石。

對(duì)于另一個(gè)業(yè)界關(guān)注的問(wèn)題，即大模型轉(zhuǎn)向推理迭代時(shí)成本暴增怎么辦。黃仁勛表示，Blackwell NVL72的推理性能預(yù)計(jì)將達(dá)到Hopper系列水平的30-40倍，這種性能的顯著提升將直接轉(zhuǎn)化為成本的等比例下降。此外，他還提到了將o3等推理模型的答案蒸餾，重新后訓(xùn)練大模型的技術(shù)能顯著降低成本。而這正是近期Deepseek和Deepmind都在嘗試的路徑。

另外，在這場(chǎng)問(wèn)答中，黃仁勛對(duì)幾個(gè)核心產(chǎn)品的定位作出了更清晰的解釋。比如針對(duì)Project DIGITS AI超級(jí)計(jì)算機(jī)，他強(qiáng)調(diào)這是為了解決AI開(kāi)發(fā)者"難以負(fù)擔(dān)持續(xù)云端開(kāi)發(fā)成本"的實(shí)際痛點(diǎn)；而Cosmos系統(tǒng)的構(gòu)建，則是為了讓機(jī)器人能理解物理世界。

在回答關(guān)于新一代顯卡定價(jià)策略的問(wèn)題時(shí)，黃仁勛認(rèn)為："追求最佳性能的用戶往往不會(huì)因?yàn)?00美元的差價(jià)而降低配置需求。"而且他還自豪地強(qiáng)調(diào)，本次50系列顯卡的最低端版本都和上一代最高端持平。

這場(chǎng)問(wèn)答不僅延續(xù)了發(fā)布會(huì)的熱度，更揭示了英偉達(dá)在AI時(shí)代的戰(zhàn)略布局和技術(shù)創(chuàng)新路徑。從回答中可以看出，英偉達(dá)正在經(jīng)歷一次重要的轉(zhuǎn)型：從傳統(tǒng)的顯卡制造商，向全方位的AI計(jì)算平臺(tái)公司邁進(jìn)。

以下為訪談全文：

問(wèn)題1：英偉達(dá)發(fā)布了AI PC相關(guān)產(chǎn)品，但這類產(chǎn)品今年的銷量并未如預(yù)期般大幅增長(zhǎng)。你認(rèn)為英偉達(dá)是否有能力或潛力去改變這一現(xiàn)狀？是應(yīng)該積極推動(dòng)這類產(chǎn)品的普及，還是考慮終止相關(guān)項(xiàng)目？另外，你認(rèn)為到目前為止，是什么因素阻礙了AI PC的廣泛采用？

黃仁勛: 人工智能起源于云端，且主要是為云端設(shè)計(jì)的。回顧英偉達(dá)過(guò)去幾年的增長(zhǎng)情況，不難發(fā)現(xiàn)這些增長(zhǎng)主要源自云端。因?yàn)橛?xùn)練這些龐大的人工智能模型需要人工智能超級(jí)計(jì)算機(jī)，而這些模型在云端部署起來(lái)相對(duì)容易。這些在云端運(yùn)行的模型被稱為端點(diǎn)，更具體地說(shuō)，是API端點(diǎn)。盡管如此，我們依然認(rèn)為存在設(shè)計(jì)師、軟件工程師、創(chuàng)意人員以及熱愛(ài)在個(gè)人電腦上開(kāi)發(fā)人工智能的愛(ài)好者群體。當(dāng)然，這里存在一個(gè)挑戰(zhàn)，即由于人工智能主要在云端運(yùn)行，云端匯聚了大量的活動(dòng)以及工程工作，而專注于將人工智能應(yīng)用于這一領(lǐng)域的人卻寥寥無(wú)幾。事實(shí)證明，Windows電腦實(shí)際上非常適合執(zhí)行這類任務(wù)，這個(gè)東西叫做WSL2（Windows Subsystem for Linux 2）。WSL2本質(zhì)上是一個(gè)在Windows內(nèi)部運(yùn)行的虛擬機(jī)，作為學(xué)習(xí)空間中的第二個(gè)操作系統(tǒng)。它的創(chuàng)建初衷是云端原生的，支持Docker容器，并為編碼提供了完美支持。因此，我們計(jì)劃將為云服務(wù)開(kāi)發(fā)的人工智能技術(shù)，通過(guò)確保與PC的兼容性，利用WSL2的支持功能，將云端環(huán)境帶到個(gè)人電腦上。WSL2能夠?qū)崿F(xiàn)這一點(diǎn)，讓我們可以將云端的所有能量、所有工程成果以及智能云的所有動(dòng)態(tài)直接引入個(gè)人電腦。我認(rèn)為這就是正確的解決方案，對(duì)此我感到非常興奮。所有的PC原始設(shè)備制造商也都對(duì)此充滿了期待。我們將結(jié)合PC硬件、Windows系統(tǒng)以及WSL2，從而能夠充分利用云端的所有資源，并將其直接應(yīng)用于個(gè)人電腦。

問(wèn)題2：你是否可以解釋下在發(fā)布會(huì)中宣布的諸多進(jìn)展的重要性，比如最新的大模型，特別是對(duì)于那些對(duì)人工智能領(lǐng)域不太了解的人？

黃仁勛：英偉達(dá)本質(zhì)上是一家科技公司，而非傳統(tǒng)的消費(fèi)品公司。我們的技術(shù)在很大程度上正在影響，并將持續(xù)塑造未來(lái)消費(fèi)電子產(chǎn)品的走向。昨天我們宣布的眾多重要事項(xiàng)中，有一項(xiàng)是關(guān)于構(gòu)建一個(gè)能夠理解物理世界的基礎(chǔ)模型Cosmos。正如GPT是理解語(yǔ)言的基礎(chǔ)模型，Stable Diffusion是理解圖像基礎(chǔ)模型一樣，他們掌握了摩擦力、慣性、重力等基本概念，理解物體的存在與恒常性，以及幾何與空間關(guān)系。這些都是孩子們天生就懂的事情，但他們以一種當(dāng)前語(yǔ)言模型所缺乏的方式理解物理世界。因此，我們堅(jiān)信需要一個(gè)專門(mén)用于理解物理世界的基礎(chǔ)模型。現(xiàn)在，我們已經(jīng)創(chuàng)建了這個(gè)模型，之前你可以用GPT完成的所有任務(wù)，以及你可以用Stable Diffusion完成的所有圖像生成任務(wù)，現(xiàn)在都可以借助我們的Cosmos模型來(lái)實(shí)現(xiàn)。例如，你可以與它進(jìn)行對(duì)話，與這個(gè)物理世界模型交流，詢問(wèn)：“當(dāng)前世界里有什么？”它會(huì)根據(jù)攝像頭捕捉到的內(nèi)容來(lái)回答。Cosmos是一個(gè)世界模型，它能理解這個(gè)世界。為何我們需要這樣的東西？原因在于，若想讓人工智能在物理世界中理智且有效地運(yùn)作，它必須具備對(duì)物理世界的理解能力。那么，我們能用這個(gè)模型做什么？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。因此，Cosmos這樣的模型是實(shí)現(xiàn)多模態(tài)的起點(diǎn)。就像GPT模型推動(dòng)了我們今天所見(jiàn)證的眾多人工智能應(yīng)用的發(fā)展，Llama對(duì)于人工智能的各種活動(dòng)至關(guān)重要，而Stable Diffusion則激發(fā)了圖像和視頻生成模型的發(fā)展一樣，我們期望Cosmos能夠成為推動(dòng)下一波人工智能創(chuàng)新的關(guān)鍵。

問(wèn)題3：在發(fā)布會(huì)中，你提到我們正在見(jiàn)證一些新的“人工智能縮放定律”出現(xiàn)，特別是在測(cè)試時(shí)間計(jì)算（Test Time Compute）方面。我認(rèn)為OpenAI的o3模型表明，從計(jì)算角度來(lái)看，縮放推理的成本非常高昂，他們甚至在ArcAGI的測(cè)試中花了幾千美元去解題。英偉達(dá)正在采取哪些措施來(lái)提供更具成本效益的人工智能推理芯片？如何從測(cè)試時(shí)間計(jì)算縮放中獲益？

黃仁勛：首先，測(cè)試時(shí)間計(jì)算問(wèn)題的直接解決方案，無(wú)論是在性能上還是在成本承受能力上，都是增加我們的計(jì)算能力。這就是為什么Blackwell NVL 72的推理性能可能是Hopper的30-40倍的原因。通過(guò)將性能提高30-40倍，你可以將成本降低30-40倍。因?yàn)閿?shù)據(jù)中心的成本差不多。摩爾定律在計(jì)算歷史上之所以如此重要，就是因?yàn)樗苿?dòng)了計(jì)算成本的下降。回顧過(guò)去的二十年，我們已經(jīng)成功地將計(jì)算的邊際成本降到了原來(lái)的百萬(wàn)分之一，這一變革使得機(jī)器學(xué)習(xí)成為可能，我們要做的就是讓電腦去搞定一切。類似的情況也將在推理領(lǐng)域上演，我們將持續(xù)提升性能，這也將促使推理的成本大幅下降。思考這個(gè)問(wèn)題的另一種方式是：當(dāng)前進(jìn)行測(cè)試時(shí)間計(jì)算時(shí)，需要進(jìn)行大量的迭代，通過(guò)測(cè)試時(shí)間的縮放來(lái)推斷出答案，而這些答案，隨后會(huì)成為下一次預(yù)訓(xùn)練或后訓(xùn)練的數(shù)據(jù)來(lái)源。因此，我們現(xiàn)在所收集的一切信息，包括正在持續(xù)收集的數(shù)據(jù)都將匯入龐大的數(shù)據(jù)池中，用于模型的預(yù)訓(xùn)練和后訓(xùn)練。我們將持續(xù)推動(dòng)這一過(guò)程向訓(xùn)練階段深化，因?yàn)槔贸?jí)計(jì)算機(jī)提升智能并訓(xùn)練模型，進(jìn)而降低每個(gè)人的推理成本，是一種更為經(jīng)濟(jì)高效的方式。當(dāng)然，這需要時(shí)間。因此，這三種縮放定律將會(huì)并存一段時(shí)間。無(wú)論如何，它們都會(huì)在一段時(shí)間內(nèi)同時(shí)發(fā)揮作用。一方面，我們會(huì)不斷努力提升所有模型的智能水平；另一方面，人們會(huì)不斷提出更加復(fù)雜的問(wèn)題，并期待得到更加智能的回答。更智能的事物將經(jīng)受住時(shí)間的考驗(yàn)，其發(fā)展水平會(huì)持續(xù)提升。這個(gè)循環(huán)將會(huì)持續(xù)不斷地進(jìn)行下去。

問(wèn)題4：你提到英偉達(dá)增加了在以色列的運(yùn)營(yíng)活動(dòng)，使得你們成為當(dāng)?shù)氐淖畲蠊椭髦弧?024年英偉達(dá)擴(kuò)大了針對(duì)以色列公司的投資組合。你們打算如何進(jìn)一步增加在以色列的投資？我們是否很快就會(huì)聽(tīng)到一些新的項(xiàng)目并購(gòu)消息？你認(rèn)為有機(jī)會(huì)從那里招募高技能人才嗎？

黃仁勛：我們幾乎從世界各地招募頂尖人才。在英偉達(dá)的官方網(wǎng)站上，對(duì)于獲得我們招募職位表現(xiàn)出濃厚興趣的候選人提交的簡(jiǎn)歷已經(jīng)突破了百萬(wàn)大關(guān)。然而，我們公司目前僅有32000名員工。由此可見(jiàn)，人們加入英偉達(dá)的熱情之高漲。在以色列，我們面臨著巨大的發(fā)展契機(jī)。回想起最初收購(gòu)Mellanox時(shí)，他們僅有2000名員工。時(shí)至今日，我們?cè)谝陨械膱F(tuán)隊(duì)已經(jīng)壯大到近5000人。可以說(shuō)，我們是以色列發(fā)展最快的雇主。我們的以色列團(tuán)隊(duì)開(kāi)發(fā)了NVLink、SpectrumX，我為那個(gè)團(tuán)隊(duì)感到無(wú)比自豪。它所展現(xiàn)的能量讓這一切變得不可思議。另外，我們今天沒(méi)有任何交易合作要宣布。

問(wèn)題5：在DLSS4的框架下，英偉達(dá)通常聚焦在編寫(xiě)圖形和相關(guān)領(lǐng)域。我想知道你們是否會(huì)進(jìn)一步拓展至多幀生成領(lǐng)域，DLSS4是否限于傳統(tǒng)的兩幀渲染與中間幀插值？此外，還有文本壓縮等技術(shù)，這是否需要推動(dòng)游戲開(kāi)發(fā)者去采用？這是否可以通過(guò)驅(qū)動(dòng)程序來(lái)實(shí)現(xiàn)，從而惠及所有游戲？

黃仁勛：很快就會(huì)有。我們對(duì)Blackwell所做的改進(jìn)是，增加了著色器處理器處理神經(jīng)網(wǎng)絡(luò)的能力。你可以將代碼與神經(jīng)網(wǎng)絡(luò)混合，并放入著色器管線中。之所以這一點(diǎn)如此重要，是因?yàn)榧y理和材質(zhì)是在著色器中處理的。如果著色器無(wú)法處理人工智能，那么你將無(wú)法享受到神經(jīng)網(wǎng)絡(luò)帶來(lái)的某些算法進(jìn)步的好處。如今，紋理壓縮技術(shù)已經(jīng)取得了顯著的進(jìn)步，其效果也更為出色。回顧過(guò)去七年，我們所使用的壓縮算法已經(jīng)實(shí)現(xiàn)了巨大的飛躍，使得壓縮比得到了顯著提升。鑒于現(xiàn)代游戲體積龐大且包含大量紋理，這種額外的5倍壓縮能力無(wú)疑是一個(gè)巨大的優(yōu)勢(shì)。此外，材料的特性也是至關(guān)重要的。當(dāng)光線穿過(guò)材料時(shí)，其各向異性會(huì)導(dǎo)致反射方式的不同，從而能夠清晰地區(qū)分出金色涂料與黃金之間的差異。這種特性本質(zhì)上源于原子層面，是光線在微觀原子結(jié)構(gòu)上反射和折射方式的直接體現(xiàn)。然而，用數(shù)學(xué)語(yǔ)言來(lái)精確描述這種特性卻異常困難。但我們可以借助人工智能的力量來(lái)學(xué)習(xí)并模擬這些復(fù)雜的材料特性。這種神經(jīng)材料的應(yīng)用，無(wú)疑為計(jì)算機(jī)圖形學(xué)領(lǐng)域帶來(lái)了革命性的突破，使得渲染效果更加生動(dòng)逼真，達(dá)到了前所未有的高度。值得注意的是，無(wú)論是紋理壓縮還是神經(jīng)材料的應(yīng)用，都離不開(kāi)內(nèi)容方面的精心制作。開(kāi)發(fā)者需要首先以這種方式來(lái)開(kāi)發(fā)和優(yōu)化內(nèi)容，我們才能順利地將這些先進(jìn)技術(shù)整合到圖形渲染流程中。關(guān)于DLSS技術(shù)中的幀生成部分，它并非簡(jiǎn)單的插值技術(shù)。確切來(lái)說(shuō)，它是一種真正的幀生成技術(shù)你并非在回憶過(guò)去，而是在預(yù)測(cè)未來(lái)。DLSS 4，正如大家所知，是完全精心打造的。

問(wèn)題6：我注意到，RTX 5090與RTX 5080之間差距很大。RTX 5090的CUDA核心數(shù)量是5080的兩倍多，價(jià)格也翻了一番。為何旗艦與次旗艦之間的差距如此明顯？

黃仁勛：原因很簡(jiǎn)單，一旦有人追求最好的，他們就只追求頂級(jí)體驗(yàn)。世界上并沒(méi)有那么多細(xì)分領(lǐng)域。大多數(shù)愛(ài)好者如果想要最好的，即使稍微降低一點(diǎn)配置、節(jié)省100美元，他們也不在乎。對(duì)于他們來(lái)說(shuō)，最重要的是品質(zhì)。當(dāng)然，2000美元的花費(fèi)不算小，但其價(jià)值是值得的。要記住，這些技術(shù)將融入你的家庭影院環(huán)境，你可能已經(jīng)在顯示器和揚(yáng)聲器上投資了約1萬(wàn)美元。在這種情況下，你肯定會(huì)選擇最好的配置。

問(wèn)題7：你提到內(nèi)存的時(shí)候提及了美光，那為什么在英偉達(dá)的產(chǎn)品中還會(huì)使用三星和SK海力士的內(nèi)存？

黃仁勛：我認(rèn)為三星和SK不生產(chǎn)顯卡。啊？他們也生產(chǎn)？那別告訴他們我這么說(shuō)過(guò)。正如你所知道的，SK和三星是我們最大的供應(yīng)商之一。你要知道，三星是最早一批參與HBM研發(fā)的企業(yè)，我們最早使用的HBM產(chǎn)品就來(lái)自于三星，我相信三星也會(huì)在HBM上取得成功。

問(wèn)題8：AI生成在當(dāng)下的游戲中越來(lái)越重要。你是否想象過(guò)這樣一個(gè)未來(lái)：傳統(tǒng)渲染的畫(huà)面將不再是主流，所有畫(huà)面都會(huì)由AI生成？

黃仁勛：不會(huì)。還記得有人首次提出：“為什么不直接用ChatGPT生成一本書(shū)？”當(dāng)時(shí)內(nèi)部沒(méi)人預(yù)料到這一點(diǎn)。原因在于，你需要為它提供基礎(chǔ)，這就是條件反射的概念。現(xiàn)在我們根據(jù)上下文調(diào)整對(duì)話或提示內(nèi)容。回答問(wèn)題前，必須先理解問(wèn)題的背景。上下文可以是PDF、網(wǎng)頁(yè)搜索，或者你明確提供的信息。電子游戲也是如此。你需要為它提供背景，不僅在故事層面上有意義，還要具備全球視野和空間相關(guān)性。你為游戲提供上下文的方式是，首先給它一些幾何圖形或紋理片段，游戲系統(tǒng)便能基于這些生成內(nèi)容，就像訓(xùn)練模型一樣。這與ChatGPT中上下文處理的方式相似。在企業(yè)應(yīng)用中，這叫做RAG（檢索增強(qiáng)生成）。未來(lái)，3D圖形將基于3D基礎(chǔ)條件生成。以DLSS4為例，在三千三百萬(wàn)像素的四幀圖像中，我們只渲染了兩幀圖像，另外兩幀是生成的。這難道不是一個(gè)奇跡嗎？之所以這件事如此重要，是因?yàn)槠渲袃砂偃f(wàn)像素必須精確被渲染成正確的圖像。然后依靠它，我們才能從中生成3100萬(wàn)像素。這讓我們節(jié)約了大量本來(lái)應(yīng)該去渲染3100萬(wàn)像素的計(jì)算資源。這種條件設(shè)定不僅在像素渲染中有效，也能應(yīng)用于幾何圖形、動(dòng)畫(huà)、頭發(fā)等渲染元素。這意味著未來(lái)的電子游戲?qū)碛懈诱鎸?shí)和細(xì)致的細(xì)節(jié)。如今，人工智能與計(jì)算機(jī)圖形學(xué)已深度融合，我們的神經(jīng)渲染系統(tǒng)已經(jīng)成為行業(yè)標(biāo)準(zhǔn)。在Omniverse中，我們也采用了類似的方式。Omniverse與Cosmos相連，因?yàn)樗荂osmos的3D生成引擎。通過(guò)Omniverse，我們可以完全控制渲染過(guò)程，盡量減少干預(yù)，生成更多內(nèi)容。當(dāng)我們減少對(duì)模擬的控制時(shí)，反而能創(chuàng)造出更廣闊的世界，生成引擎在背后賦予這些世界美麗的呈現(xiàn)。

問(wèn)題9：在這次的CES中，我們見(jiàn)證了英偉達(dá)在圖形技術(shù)方面取得了顯著進(jìn)展，特別是在電子游戲和數(shù)字人工智能領(lǐng)域。你是否看到GPU開(kāi)始處理未來(lái)游戲、虛擬現(xiàn)實(shí)（VR）以及YouTube內(nèi)容創(chuàng)作中的更復(fù)雜邏輯？這是否意味著圖形和計(jì)算邏輯的融合，尤其是GPU與VR技術(shù)的結(jié)合，已經(jīng)成為未來(lái)發(fā)展的目標(biāo)？

黃仁勛：當(dāng)然。原因很簡(jiǎn)單，GPU是Blackwell架構(gòu)，而B(niǎo)lackwell不僅能生成文本和語(yǔ)言，還能進(jìn)行推理。整個(gè)AI代理、完整的機(jī)器人系統(tǒng)都可以在Blackwell上運(yùn)行。就像它可以在云端和汽車中運(yùn)行一樣，我們也能在Blackwell上執(zhí)行完整的機(jī)器人操作流程。我們可以在Blackwell上處理地面動(dòng)力學(xué)或粒子物理。在機(jī)器人、汽車、云端和游戲系統(tǒng)中都是相同的CUDA架構(gòu)。這是我們做出的一個(gè)重要決定。原因在于，軟件開(kāi)發(fā)者需要一個(gè)統(tǒng)一的平臺(tái)，他們希望創(chuàng)建的應(yīng)用能夠在任何地方運(yùn)行。在發(fā)布會(huì)上，我也提到了，“我們將在云端創(chuàng)建AI，并將它運(yùn)行在你的PC上。”還有誰(shuí)能做到這一點(diǎn)？因?yàn)樗鼈兺耆谙嗤腃UDA平臺(tái)。事實(shí)上，云端的容器會(huì)將AI應(yīng)用下載并在你的PC上運(yùn)行。例如，SDXL（Stable Difusion XL）MIM技術(shù)將表現(xiàn)的非常出色，F(xiàn)luxMIM也很強(qiáng)大，LammaLIM則可以直接從云端下載并運(yùn)行在你的PC上。這種方式也會(huì)在其他設(shè)備上實(shí)現(xiàn)相同的效果。

問(wèn)題10：為什么2017年推出的顯卡系列（配備大容量VRAM），即便目前大多數(shù)游戲在常見(jiàn)分辨率下并不需要這么多顯存，仍然在一些高性能顯卡中（如RTX 3070）表現(xiàn)優(yōu)異，尤其是在1080p分辨率下。在上一代顯卡打破性能瓶頸的情況下，這還有什么必要提升呢？

黃仁勛：游戲賽道的競(jìng)爭(zhēng)特別激烈，尤其是在某些國(guó)家已經(jīng)開(kāi)始做出這些突破時(shí)。我們正在嘗試平衡計(jì)算引擎和顯存之間的關(guān)系，以找到合適的平衡。我們一直在努力找到這個(gè)平衡，但這就是我們追求的目標(biāo)。如果顯存過(guò)低，計(jì)算能力就無(wú)法得到充分發(fā)揮；而如果顯存過(guò)大，那么計(jì)算能力可能就不足以支持這些資源。因此，我們一直在尋找這種平衡。

問(wèn)題11：毫無(wú)疑問(wèn)，超大規(guī)模企業(yè)對(duì)貴公司產(chǎn)品的需求是存在的。但我很好奇，能否具體說(shuō)明一下貴公司在擴(kuò)大收入基礎(chǔ)、吸引企業(yè)客戶方面的緊迫感，尤其是在亞馬遜和YouTube等公司不自行開(kāi)發(fā)AI芯片的背景下，政府建設(shè)自己的數(shù)據(jù)中心以與超大規(guī)模云服務(wù)商競(jìng)爭(zhēng)。您感受到的緊迫性有多強(qiáng)？另外，您能詳細(xì)說(shuō)明一下在企業(yè)和政府方面的需求或進(jìn)展嗎？

黃仁勛：我們的緊迫感源自于為客戶服務(wù)。我從未感到壓力，因?yàn)槲业目蛻糁杏行┮苍谥圃炱渌酒Ｎ覀冎皇窃跇?gòu)建不同的東西。我很高興他們現(xiàn)在有了新的數(shù)據(jù)云，并且正在用視頻開(kāi)發(fā)自己的產(chǎn)品，這證明了他們做出了明智的選擇。我們的技術(shù)發(fā)展速度非常快。每年性能翻倍，同時(shí)成本也幾乎減半，這比摩爾定律的速度還要快，堪稱最佳時(shí)代。目前，企業(yè)的關(guān)鍵在于兩個(gè)行業(yè)的服務(wù)：軟件行業(yè)和解決方案工程師，后者幫助客戶將軟件適配到業(yè)務(wù)流程中。我們的戰(zhàn)略是與這兩個(gè)生態(tài)系統(tǒng)合作，幫助它們構(gòu)建具有自主能力的AI。例如，與ServiceNow的合作很成功，我們將推出一系列基于ServiceNow的智能代理，提升服務(wù)和工業(yè)支持的效率。這就是我們?cè)诮鉀Q方案創(chuàng)新方面的策略之一。還有，我們與埃森哲和勞埃德等公司的合作也非常出色，特別是埃森哲，在幫助客戶將AI整合到他們的系統(tǒng)中方面做得非常好。因此，我們的首要任務(wù)是推動(dòng)整個(gè)生態(tài)系統(tǒng)發(fā)展AI，因?yàn)檫@與開(kāi)發(fā)軟件不同，它需要一套專門(mén)的工具。總之，過(guò)去一年我們?cè)跇?gòu)建自主AI工具包方面取得了很大進(jìn)展，現(xiàn)在關(guān)鍵是如何部署這些技術(shù)并加速應(yīng)用。

問(wèn)題12：你好，Jensen，昨晚看到50/70系列的發(fā)布和價(jià)格上漲，同時(shí)還保持了我們預(yù)期的性能，真是讓人興奮。那么關(guān)于60系列，我們可以期待些什么呢？

黃仁勛：真不可思議，我們昨晚發(fā)布了四款RTX Blackwalls，最低性能的那款就達(dá)到了目前世界上最高GPU的性能。這讓我們更能感受到AI的強(qiáng)大能力。沒(méi)有AI、沒(méi)有張量核心以及DLSS4的創(chuàng)新，這種能力根本不可能實(shí)現(xiàn)。至于其他內(nèi)容，我沒(méi)有什么新消息可以宣布。

問(wèn)題13：你在分享中提到了Agent AI。像AWS、微軟、Salesforce這樣的公司，它們也有平臺(tái)并鼓勵(lì)客戶進(jìn)行開(kāi)發(fā)，你是如何與它們合作的？你們是如何起步的？

黃仁勛：英偉達(dá)是一家科技平臺(tái)公司，而非直接面向企業(yè)的公司。我們的核心目標(biāo)是構(gòu)建工具包、庫(kù)和人工智能模型，尤其是針對(duì)像ServiceNow這樣的企業(yè)級(jí)工具包。我們主要關(guān)注的領(lǐng)域包括ServiceNow、SAP、Oracle、Synopsys、Cadence和西門(mén)子等公司。雖然這些公司在各自領(lǐng)域有豐富的積累，但他們并不希望將精力投入到計(jì)算層和AI庫(kù)的開(kāi)發(fā)上。因此，我們?yōu)樗麄兲峁┝诉@一解決方案。這個(gè)過(guò)程非常復(fù)雜，因?yàn)槲覀冇懻摰氖侨绾螌⑾馛hatGPT這樣的技術(shù)嵌入到容器中，并優(yōu)化微服務(wù)和端點(diǎn)。為了確保這些產(chǎn)品能夠在任何云端環(huán)境中高效運(yùn)行，我們開(kāi)發(fā)了NIM和NEMO技術(shù)。NIM和NeMo可以被看作類似于CUDA及其CUDA-X庫(kù)的技術(shù)。值得強(qiáng)調(diào)的是，這些技術(shù)并非為了與客戶競(jìng)爭(zhēng)，而是為了支持他們。事實(shí)上，許多云服務(wù)提供商（CSP）已經(jīng)開(kāi)始使用NeMo來(lái)訓(xùn)練大型語(yǔ)言模型或引擎模型，且其云端已部署了大量的NIM和NeMo，工作方式類似。CUDA-X庫(kù)對(duì)平臺(tái)至關(guān)重要，它極大推動(dòng)了深度學(xué)習(xí)技術(shù)的發(fā)展。我們?yōu)樾袠I(yè)創(chuàng)建了這些庫(kù)，避免他們從零開(kāi)始開(kāi)發(fā)，節(jié)省了大量的時(shí)間和資源。通過(guò)提供NeMo和NIM等技術(shù)，我們幫助行業(yè)專注于其核心業(yè)務(wù)，無(wú)需自行構(gòu)建復(fù)雜的AI基礎(chǔ)設(shè)施。

問(wèn)題14：你認(rèn)為，除了云端和本地計(jì)算的平衡，當(dāng)前非游戲PC市場(chǎng)中最大的未滿足需求是什么？是處理能力、靈活性，還是其他方面的技術(shù)瓶頸？

黃仁勛：DIGITS代表深度學(xué)習(xí)GPU智能訓(xùn)練系統(tǒng)，它是一個(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)。如今他們大多依賴個(gè)人電腦、Mac或工作站來(lái)進(jìn)行相關(guān)工作。坦白說(shuō)，對(duì)于大多數(shù)人的電腦來(lái)說(shuō)，運(yùn)行機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)任務(wù)，像使用pandas（Python 數(shù)據(jù)處理庫(kù)）等工具，并不是最優(yōu)選擇。而現(xiàn)在，我們有了一個(gè)小巧的設(shè)備可以放在桌子上使用，你與這個(gè)設(shè)備的互動(dòng)方式，類似于與云端對(duì)話的方式。為什么你需要這樣的設(shè)備呢？原因在于，大多數(shù)開(kāi)發(fā)者通常需要長(zhǎng)期依賴機(jī)器工作。如果始終在云端環(huán)境中進(jìn)行開(kāi)發(fā)，費(fèi)用可能會(huì)迅速累積。因此，我們提供了為個(gè)人開(kāi)發(fā)云的解決方案。這款設(shè)備特別為數(shù)據(jù)科學(xué)家、學(xué)生以及需要全天候在線的工程師設(shè)計(jì)，幫助他們?cè)诒镜赝瓿晒ぷ鳎瑴p少云端費(fèi)用。我認(rèn)為DIGITS填補(bǔ)了人工智能發(fā)展中的一個(gè)重要空白。人工智能最初是在云端起步的，未來(lái)也將回歸云端。然而，這使得普通計(jì)算機(jī)難以跟上這一進(jìn)程。因此，我們需要像DIGITS這樣的設(shè)備，來(lái)彌補(bǔ)這一差距。

問(wèn)題15：最近Twitter上有人提到“奇點(diǎn)即將到來(lái)”的觀點(diǎn)，讓我很震驚。在大會(huì)分享中，你也提到“機(jī)器人時(shí)代將到來(lái)”。如果這是真的，機(jī)器人會(huì)無(wú)處不在并迅速加速發(fā)展，可能會(huì)從會(huì)議響應(yīng)、周圍的財(cái)產(chǎn)開(kāi)始。那么，你認(rèn)為機(jī)器人未來(lái)會(huì)朝哪個(gè)方向發(fā)展？我們應(yīng)該如何應(yīng)對(duì)？

黃仁勛：超級(jí)智能的概念并不陌生。比如英偉達(dá)公司中許多人在各自的領(lǐng)域都非常聰明，在我看來(lái)，他們都是超級(jí)智能的人。坦白說(shuō)，我認(rèn)為自己智力平平，卻被這些超級(jí)智能的人所包圍。我更愿意被超級(jí)智能包圍，而不是其他選擇。因此，我非常欣賞我的電子團(tuán)隊(duì)、公司領(lǐng)導(dǎo)層以及科學(xué)家們，他們的聰明才智讓我敬佩。這就是未來(lái)的模樣。你將會(huì)擁有超級(jí)智能的AI助手，幫助你完成寫(xiě)作、分析問(wèn)題、進(jìn)行供應(yīng)鏈規(guī)劃、編寫(xiě)軟件、設(shè)計(jì)芯片等各種任務(wù)。數(shù)字營(yíng)銷活動(dòng)也可以借助這些智能助手來(lái)推動(dòng)播客的開(kāi)展。簡(jiǎn)而言之，你將隨時(shí)擁有超級(jí)智能助手協(xié)助完成繁瑣的工作，他們總是在你需要的時(shí)候?yàn)槟惴?wù)。

問(wèn)題16：我記得在2017年，英偉達(dá)在CES上展示了一款演示車，并與豐田在GDC上達(dá)成了合作。那么，2017年和2025年之間有何不同？2017年所面臨的挑戰(zhàn)是什么？而2025年的技術(shù)創(chuàng)新又帶來(lái)了哪些變化？

黃仁勛：未來(lái)所有的交通工具都會(huì)具備自動(dòng)駕駛能力，或者至少能夠?qū)崿F(xiàn)自動(dòng)化操作。未來(lái)，所有汽車雖然依然可以選擇手動(dòng)駕駛，但每輛車都具備自動(dòng)駕駛的能力。假設(shè)我們從現(xiàn)在開(kāi)始，全球有10億輛車在路上，目前沒(méi)有一輛是自動(dòng)駕駛的，到20年后，這10億輛車將都能實(shí)現(xiàn)自動(dòng)駕駛，雖然我們?nèi)匀豢梢赃x擇自己駕駛。這個(gè)趨勢(shì)現(xiàn)在已經(jīng)非常清晰。五年前，關(guān)于技術(shù)的成熟度我們還不確定，但現(xiàn)在可以非常肯定，傳感器技術(shù)、計(jì)算機(jī)技術(shù)和軟件技術(shù)已經(jīng)非常成熟，我們將能夠?qū)崿F(xiàn)這一目標(biāo)。傳統(tǒng)汽車公司想法的轉(zhuǎn)變有兩個(gè)關(guān)鍵因素。首先，特斯拉的影響力不容忽視，但最重要的影響力可能來(lái)自中國(guó)。中國(guó)的新興電動(dòng)汽車公司，如比亞迪、小鵬、蔚來(lái)和小米等，它們的技術(shù)非常先進(jìn)，自動(dòng)駕駛能力也非常出色，并且已經(jīng)開(kāi)始在全球范圍內(nèi)推廣。這些技術(shù)的突破真正設(shè)立了未來(lái)汽車必須具備強(qiáng)大自動(dòng)駕駛能力的標(biāo)準(zhǔn)。我認(rèn)為世界已經(jīng)發(fā)生了變化。雖然技術(shù)成熟的過(guò)程花費(fèi)了一些時(shí)間，我們的認(rèn)知也在不斷發(fā)展，但現(xiàn)在我認(rèn)為，自動(dòng)駕駛的未來(lái)已經(jīng)非常接近現(xiàn)實(shí)。同時(shí)，Waymo是我們重要的合作伙伴，你知道，Waymo目前已經(jīng)在舊金山等地廣泛應(yīng)用，且越來(lái)越多的人開(kāi)始選擇使用它。

問(wèn)題17：我想問(wèn)一下關(guān)于昨天發(fā)布的新模型，特別是Cosmos、NIM。這些模型能夠在智能眼鏡上運(yùn)行嗎？或者在開(kāi)發(fā)這些型號(hào)時(shí)，有考慮過(guò)智能眼鏡嗎？因?yàn)榭紤]到行業(yè)發(fā)展的方向，似乎未來(lái)很多人會(huì)通過(guò)智能眼鏡來(lái)體驗(yàn)AI代理。

黃仁勛：我對(duì)可以連接到云數(shù)據(jù)的智能眼鏡感到非常興奮。比如我們?cè)陂喿x時(shí)，智能眼鏡可以幫助你理解不認(rèn)識(shí)的單詞。AI的應(yīng)用與可穿戴設(shè)備和虛擬現(xiàn)實(shí)技術(shù)（如眼鏡和手機(jī)）相結(jié)合，所有這一切都非常令人興奮。我會(huì)使用Cosmos的方式是，Cosmos在云端提供視覺(jué)理解。如果你想將其嵌入到設(shè)備本身中，那么你可以使用Cosmos來(lái)提取一個(gè)小型模型。因此，Cosmos成為了知識(shí)轉(zhuǎn)移的工具，并將它的知識(shí)轉(zhuǎn)移到一個(gè)更小的AI模型中。之所以能做到這一點(diǎn)，是因?yàn)檩^小的AI模型會(huì)變得非常專注，不容易被泛化。它變得非常領(lǐng)域特定，因此可以將知識(shí)更精準(zhǔn)地轉(zhuǎn)移，并將模型蒸餾成一個(gè)更小的版本。這也是為什么你總是從構(gòu)建基礎(chǔ)模型——那個(gè)大的模型開(kāi)始，然后逐步構(gòu)建更小的模型，最后得到更小、更精細(xì)的模型進(jìn)行蒸餾（指將大模型的知識(shí)轉(zhuǎn)移到小模型中，以提高效率）的原因。

問(wèn)題18：在工作過(guò)程中，一個(gè)主要的挑戰(zhàn)是處理與Windows和DirectX相關(guān)的各種問(wèn)題。你打算采取哪些措施來(lái)幫助團(tuán)隊(duì)減少實(shí)施中的摩擦，并激勵(lì)微軟與你合作，確保他們改進(jìn)DirectX？

黃仁勛：無(wú)論DirectX API如何發(fā)展，多年來(lái)，微軟始終保持著與行業(yè)的高度合作精神。我們與DirectX團(tuán)隊(duì)的關(guān)系非常良好，正如您所預(yù)見(jiàn)的那樣。因此，在我們推動(dòng)GPU技術(shù)進(jìn)步的過(guò)程中，如果API需要改變，他們對(duì)此感到非常失望。大部分使用DLSS時(shí)的工作，其實(shí)并不需要更改API。實(shí)際上需要調(diào)整的是引擎本身，因?yàn)樗谡Z(yǔ)義，需要理解場(chǎng)景，而不僅僅是簡(jiǎn)單的函數(shù)調(diào)用。因此，場(chǎng)景更多是通過(guò)虛幻引擎、寒霜引擎或其后續(xù)引擎來(lái)構(gòu)建的。這也是為什么DLSS幾乎已經(jīng)被整合進(jìn)現(xiàn)今所有主流引擎的原因。一旦DLSS的底層架構(gòu)搭建完成，更新DLSS核心時(shí)，即使游戲是為3D開(kāi)發(fā)的，它仍然能夠利用DLSS 4的一些優(yōu)勢(shì)，后續(xù)版本也會(huì)類似。因此，我們?yōu)閳?chǎng)景理解AI搭建了基礎(chǔ)設(shè)施，這種AI可以基于場(chǎng)景的語(yǔ)義信息進(jìn)行處理。

問(wèn)題19：我知道人工智能在多種不同方式中使用起來(lái)有些復(fù)雜，但我很好奇你是否認(rèn)為生態(tài)系統(tǒng)中還有缺失的部分。

黃仁勛：我確實(shí)認(rèn)為有。首先，語(yǔ)言處理和認(rèn)知人工智能正在逐步提升AI的認(rèn)知能力。這需要多模態(tài)的支持和大規(guī)模推理等能力。同時(shí)，人工智能并非單一的模型，而是由多個(gè)模型組成的系統(tǒng)。代理型AI本質(zhì)上是這些模型的集成，比如用于檢索、搜索、生成圖像、推理、規(guī)劃等模型。這種多模型系統(tǒng)的創(chuàng)新，推動(dòng)了人工智能的應(yīng)用，而不僅僅是基礎(chǔ)AI的發(fā)展。隨著基礎(chǔ)AI的不斷改進(jìn)，行業(yè)也意識(shí)到，推動(dòng)人工智能發(fā)展的關(guān)鍵是物理人工智能。物理AI同樣需要基礎(chǔ)模型，正如認(rèn)知AI依賴基礎(chǔ)模型一樣，GPT-3就開(kāi)啟了強(qiáng)大能力的新篇章。為了實(shí)現(xiàn)物理AI的基礎(chǔ)模型能力，我們發(fā)起了Cosmos項(xiàng)目，以達(dá)到這一能力水平并將其推向全球。一旦達(dá)成，這將激活一大批終端應(yīng)用案例和下游技能，基礎(chǔ)模型還可以作為教師模型，指導(dǎo)其他任務(wù)的執(zhí)行。同時(shí)，Cosmos與Omniverse的合作，旨在將兩個(gè)系統(tǒng)連接起來(lái)，形成物理落地的基礎(chǔ)框架，從而控制生成過(guò)程。通過(guò)這種方式，我們可以得到明確、可信的結(jié)論。總之，Cosmos和Omniverse的結(jié)合，可能成為未來(lái)機(jī)器人產(chǎn)業(yè)發(fā)展的關(guān)鍵起點(diǎn)，這是行業(yè)中目前缺失的核心要素。

問(wèn)題20：有關(guān)于貿(mào)易和關(guān)稅的問(wèn)題，它們?nèi)匀辉诋?dāng)選的美國(guó)總統(tǒng)的腦海中占據(jù)重要位置。關(guān)稅和貿(mào)易政策可能會(huì)影響到我們所有人。你對(duì)此有何擔(dān)憂嗎？

黃仁勛：我不擔(dān)心這個(gè)，我相信政府會(huì)為自己的貿(mào)易談判做出正確的決策。我們會(huì)根據(jù)情況做好自己能做的。