April 23, 2024
Patrick Collison：请谈谈你在斯坦福大学商学院（GSB）活动上讲的一句话，你说，“我祝愿你们经历足够的痛苦和苦难”，能否详细解释一下？
Jensen Huang：这里可能有些误解。大家经常说，你应该根据你的激情选择职业，人们通常将激情与幸福联系起来，但我认为这并不全面。这并不是说激情不重要，只是觉得它还不够。因为如果你想要成就一番伟大事业，我相信这是真的——当你想要创造一些伟大的东西时，这并不容易。面对挑战时，并非总是能享受其中的乐趣。我并不是每天都喜欢我的工作，我认为并非每天都能让我感到快乐。但快乐并不是衡量美好一天的唯一标准。尽管我并非每天都开心，每年在公司里也并非都事事顺心，但我热爱这家公司，每一分每一秒。所以，我认为人们可能误解了，最好的工作并不总是带来幸福。我并不这么认为。你必须经历痛苦，必须挣扎，必须努力，必须去做那些困难的事情，并通过这些努力来真正欣赏你所做的事情。没有什么伟大是轻易获得的。因此，按照我的理解，我想说，我祝愿你伟大。这就是我想表达的意思——我祝愿你拥有足够的痛苦和磨难。
Patrick Collison：在你的成长过程中，有哪些经历让你形成了这样的想法？还是说这是你的天性？
Jensen Huang：我是一个移民，1973年来到这里时，我只有9岁。我的哥哥快11岁了，这是一个陌生的国度。一切都不容易。我们的父母非常好，但我们并不富裕。他们当时非常努力工作，今天他们仍然非常努力。所以，他们通过辛勤工作传递了很多生活的智慧。
我做过各种各样的工作，我们上的学校在肯塔基州，Oneida Baptist Institute，那里有很多杂活要干。听起来它和MIT一样，但那个"I"不是同一个词，这是一种不同类型的学院。我们的学院要求我们干活，是寄宿制的，有很多活。我是学校里最小的孩子，所以其他孩子都做了辛苦的工作；他们必须在烟草农场工作。我得到了轻松的工作。我9岁了，所以当他们离开后，我得清洁所有的浴室。我从未觉得自己得到了轻松的工作，因为他们留下的“东西”，你无法忘记。但那是我的工作，我很高兴去做。
后来，我有过各种各样的工作。Denny's 是其中之一。我最初是一个洗碗工，后来成为了一个收拾桌子的服务员，然后是一个服务员。我喜欢每一份工作。不过，我总是能找到快乐，但这并不完全正确。我只是想在我所做的每件事情上尽力而为。也许这是从一开始就根深蒂固的，但我绝对是世界上最好的浴室清洁工。我敢肯定。
Patrick Collison：我们稍微快进到今天的NVIDIA。你的领导团队有多少人？NVIDIA的领导团队有六十多人，他们都直接向你汇报吗？这通常不被认为是最佳实践。
Jensen Huang：是的，他们都直接向我汇报。公司的层级结构真的非常重要，信息流通也至关重要。我认为每个人对工作的贡献都不应该基于对信息的特权访问。我不会进行一对一的交流，我的员工相当多，我几乎对每个人都是一次性说明情况。原因是我真的不相信有任何信息是只有一两个人应该知道的。这些都是公司面临的挑战，或者是我要解决的问题，或者是我们要前进的方向。这些都是新的尝试，有些奏效，有些则不然。所以，所有这些类型的信息，每个人都应该能够听到。
我喜欢每个人都在使用同一张“乐谱”工作，我喜欢没有特权访问信息的情况，我喜欢我们都能为解决问题做出贡献。当你有六十个人在一个房间里，而且往往是这样的情况，我的员工会议每两周举行一次，一切都是基于问题的。无论我们遇到什么问题，每个人都在同时处理，每个人听到了问题的理由，每个人听到了解决方案的理由，每个人听到了所有的一切。这样赋予了人们力量。我相信当你给予每个人平等的信息获取权限时，它赋予了人们力量。所以，这是第一点，赋予人们权力。
如果CEO的直接团队有60人，那么你在公司中消除的层级大约是七层。但是这种方式不太适用于向下扩展。原因在于，你需要越来越多的监督，这取决于不同的层级。在高管团队层面，如果你很不幸地在NVIDIA的高管团队中任职，你很可能不需要太多的管理。
Patrick Collison：我想从另一个角度来探讨这个问题，“嗯，一对一的情况是你提供指导的地方，也许你们一起讨论目标，个人目标，职业发展等等，也许你会就某些事情提供反馈，你看到有人系统性地做得不好等等。有所有这些事情，传统上在一对一中应该做的事情。你不做这些事情吗？还是你以不同的方式做这些事情？
Jensen Huang：这是个好问题。我确实会给出反馈，但我会在大家面前进行，因为我认为这样做很重要。首先，反馈就是学习。为什么只有你一个人应该学习呢？你创造了条件，因为你犯了一些错误或者做了一些蠢事。我们都应该从这个机会中学习。你创造了条件，但我们都应该从中学习。对我来说，向你解释为什么这没有道理，或者我与你不同的地方，有很多时候我并不正确，但我在大家面前推理有助于每个人学会如何推理。所以，我对一对一和接受反馈的问题是，你剥夺了很多人同样的学习机会。从错误中学习，从别人的错误中学习，是学习的最佳方式。为什么要从自己的错误中学习？为什么要从自己的尴尬中学习？你必须从别人的尴尬中学习。这就是为什么我们有案例研究。不是吗？我们试图从别人的失败、别人的悲剧中学习。没有什么比这更让我们感到欣慰的了。
Patrick Collison：你成功说服了Nvidia的其他领导采用这种做法吗，还是说这是很困难的？
Jensen Huang：我给人们机会自己解决问题，但我真的不鼓励一对一的交流。没有什么比有人说：“哦，Jensen想我们这样做。”更糟糕了。为什么要告诉任何人呢？每个人都应该知道。或者有人说，高管团队层说过那样的话。没有什么比这更让我疯狂的了。
Patrick Collison：你曾经告诉我，你真的不喜欢解雇员工，而且很少这样做。你能详细说明一下吗？
Jensen Huang：我宁愿提升你，也不愿放弃你。当你解雇某人时，你在某种程度上在说：“嗯，很多人说，‘这不是你的错’，或者‘我做错了选择’。”很少有有效。我曾经是一个清洁卫生间的人，现在我是一家公司的CEO。我认为你可以学会这个。我很确定你可以学会这个。生活中有很多事情我相信你可以学会，你只需要有机会学习。我有幸看到很多聪明人做很多事情。我周围有60个人一直在做聪明的事情，他们可能没有意识到，但我一直在不断地从每一个人身上学习。我不喜欢放弃人，因为我认为他们可以改善。这有点讽刺，但人们知道我宁愿折磨他们取得伟大成就。
我宁愿折磨你取得伟大成就，因为我相信你。我认为真正相信自己团队的教练会折磨他们取得伟大成就，而且他们往往就在眼前。不要放弃。他们离伟大只差一步之遥。它突然之间就来了，就像“我懂了”。那种你昨天没搞明白的感觉，突然有一天就豁然开朗了，你懂了。你能想象吗？你在得到它的那一刻前放弃了？所以，我不希望你放弃。所以，我会继续“折磨”你。
Patrick Collison：你的工作生活平衡如何呢？
Jensen Huang：这取决于你问谁。我认为我的工作与生活平衡非常好。我尽可能多地工作。我从醒来到睡觉都在工作，一周工作7天。当我不工作时，我在想工作。当我工作时，我就在工作。我坐在电影院里，但我不记得因为电影内容，因为我在想工作。所以，这就是我的工作。不是解决问题的工作。你在思考公司可以成为什么样子，我们能做得更好吗？有时只是尝试解决一个问题，但有时你在想象未来，如果我们这样做，那样做，就会成功。你在幻想，你在梦想，我是说，那太不可思议了。
我过去常常在5点起床，现在因为我的狗，我6点起床。而六点的原因是因为我们不知何故决定他们应该在六点起床。我不知道是什么原因。我不介意唤醒任何人，但是当我唤醒小狗时，我会感到内疚。这实际上让我感到负担，所以我不想动。他们会察觉到房子里的任何振动，然后把他们吵醒。所以我们会躺在床上，我就在床上读书，直到六点。
我在上班前完成工作，然后当我到达工作地点时...基本上整天都在开会。所以我选择对我来说真正重要的会议。我尽量不要开常规运营会议，因为公司里有一群了不起的人在开常规运营会议，而首席执行官是“替补队员”。我们应该致力于处理其他人无法处理或没有人在处理的事务，无论我们能够推动进展的地方。不要汇报会议，我讨厌汇报会议，他们不向我汇报。只有问题会议、想法会议、头脑风暴会议或创意会议，或者无论是什么，那些是我参加的会议。所以通常我称之为，我非常努力地不让Outlook管理我的生活。所以我们有意决定我们想要做的事情的性质，所以我试图过有目的的生活，我根据这个管理我的时间。
Patrick Collison：你曾用“零十亿美元市场”来形容你最喜欢的市场。你是什么意思？
Jensen Huang：如果你退一步来看，我们的目标，几乎所有的目标，都应该是去做一些前所未有的事情，那些极其困难的事情，如果你实现了，可能会带来真正的贡献。我知道你们公司就是这样做的，我也尽力去这样做。如果是这样的话，如果以前没有人做过，这样的事情就会非常难做，可能以前从未被做过，那么这个市场可能就是零十亿美元的规模，因为它从未存在过。我宁愿做一个市场创造者，而不是一个市场分食者，去创造一些以前不存在的东西，而不是考虑市场份额。我不喜欢市场份额的概念，因为从大局来看，从虚无中创造了一个东西，并不是取代了另一个东西。因此，我认为我们可以创造一个零十亿美元的市场，而零十亿美元的市场是一个很好的方式，让公司去思考如何首次创造出一些东西。我们在未来几十年里将创造的大部分价值可能不受物理因素的限制。这是一个非常非凡的时代。
Patrick Collison：以这个“零十亿美元市场”的概念来看，如果我在NVIDIA，向你提议某个项目，可能涉及数十亿美元的资本支出，或需要多年追求，目前没有任何客户，没有可以证明的需求，你们只是凭直觉决定，"是的，目前没人这样做，但我们认为他们可以，我们认为他们应该，所以我们要追求这个目标。"
Jensen Huang：非常接近，确实有点像这样，这是一种直觉上的判断，你的直觉作为一个起点，但随后你必须通过推理来验证它，对我来说，推理比电子表格更重要。我讨厌电子表格，因为你可以让电子表格做任何你想做的事情，你只需要输入一些数字就可以制作出任何图表。所以我不喜欢电子表格。我喜欢文字，文字是推理。告诉我，你是如何推理的？我们的直觉是什么？我们为什么认为这很重要？我们为什么认为这很难？我喜欢难的事情，因为需要很长时间才能完成，如果需要很长时间才能完成，很多不够投入的人可能就不会去做。如果真的很难做，需要很长时间才能完成，需要一个非常有韧性、非常投入、非常敬业的人去追求它。如果也需要很长时间去做，你可以在几年的时间里摸索，没有人注意到。所以，我可以在几年里表现不佳，大家都会说，"谁看到了？"
Patrick Collison：CUDA是怎么来的？
Jensen Huang：我们创造并开创了一个叫做“加速计算”的理念。加速计算就像一个I/O设备，它允许应用程序与该I/O设备交互，以加速应用程序的部分功能。CUDA是1993年的一项发明，这是一项非常深远的发明。它允许软件程序员直接编程I/O设备，直接向I/O设备写应用程序，因为I/O设备是虚拟化的，而且在多个代际间架构兼容。总之，我们发明了这个叫做加速计算的理念，当时我们称之为统一驱动架构（Unified Driver Architecture），出于某些原因。几年后，我们认为可以使GPU更加适用于高级编程语言，于是发明了一个叫做CG的概念，即图形计算的C语言。这开启了一些非常激动人心的机会。我们认为，"这会奏效。"但CG的编程模型并不完全合适，所以我们扩展并发明了CUDA。但追求那个零亿美元的市场成本太高了，实际上压垮了我们享受的十亿美元市场。原因是因为CUDA给我们的芯片增加了大量成本，但却没有应用程序。而没有应用程序，客户就不重视产品，不会为它支付溢价。如果人们不愿意为它付钱，但你的成本却增加了，那么你的毛利率就会被压垮。我们的市值降得非常低。我记得我们的市值降到大约十亿美元左右。我们真的相信加速计算能够解决普通计算机无法解决的问题。如果我们想将架构扩展到更通用的目的，我们必须做出这种牺牲。我深信我们公司的使命。我深信它的机会。而且我深信人们错了，他们只是不理解我们所做的事情。我深信这一点。
Patrick Collison：难道分析师、董事会和员工们没有说，你已经击沉了现有的收入来源。你在推销一个没有人似乎真正想要的夸大的梦想。业务真的很受影响。给我们讲讲这个过程。你相信？
Jensen Huang：你回到你所相信的东西。我每次开始谈话都是从我深信的东西开始的，而他们相信是因为他们看到我深信不疑，并且我进行了推理。这不像是一张电子表格，因此你必须相信这张电子表格。他们必须相信推理，相信这些话。
Patrick Collison：它启动需要多长时间？
Jensen Huang：可能需要10年。时间并不长。
Patrick Collison：如果没有CUDA，NVIDIA能在AI领域取得同样成功吗？
Jensen Huang：不，不可能。这可能是现代计算中最重要的发明之一。我们发明了这个叫做加速计算的理念，这个理念非常简单但又深刻。它说绝大多数——程序代码的一小部分——占据了99.999%的运行时间。对于许多非常重要的应用程序来说，这是真实的。那个小小的核心，那个小小的核心或者一些几个核心，都可以被加速。这并不全是并行处理。情况并不那么简单。但这个理念是，我们可以拿那个核心，那段软件，软件的那部分，加速到极致。而且，今天，随着摩尔定律的终结和CPU的性能基本上停滞不前，如果我们不加速每个软件，你将看到计算量的异常增长，因为世界的计算量仍然每年翻倍。然而，如果CPU和通用计算机的性能没有提高，因为它已经停滞不前，那么你的选择是什么？或者你的计算成本将呈指数增长。所以，现在是我们这样做的时候了。
Patrick Collison：你认为是否可能从中提取出任何一种普遍适用的原则，即何时你应该真正地坚定地相信那个愿景，何时也许值得重新考虑，以某种方式，我们可以从NVIDIA历史上存在的CUDA和其他CUDA中推断出来？
Jensen Huang：问题在于决心和执着与固执之间的界限。这个界限很模糊。我每天都在根据自己的核心信念进行核对。我现在仍在这样做。你要根据你推理战略的第一原则进行核对，这些第一原则很容易记住。这不是一个长长的列表。现在的问题是，这些原则是否以某种根本性的方式发生了变化？外部条件是否使得它们不再像以前那样重要？有没有人解决了这个问题，因此这个问题现在已经消失了？它是，永远不会有任何需求？你不断地进行核对。就是这样，首先是核对。首先，你必须小心地归纳出第一原则。而不是，“我想要某样东西”，那是固执。你无法对此进行推理。“我只是想要”，我们不是五岁的孩子。所以你必须进行推理，首先。其次，你必须要聪明。事实上，这里有很多新公司正在被创建。观众中有多少伟大的公司和年轻的公司真是令人惊讶。你必须要聪明。我们找到了一些办法来赚取甚至是一点点，CUDA的收入。我们到处寻找应用程序。我们在CT重建中找到了一个应用程序。我们在地震处理中找到了一个应用程序。我们在分子动力学中找到了另一个应用程序。我们不断地寻找应用程序。它们没有使我们一炮而红，但它们维持了我们的生计，只是足够，只是足够，并为我们赢得了时间，使它真正发生。
Patrick Collison：让我们谈谈AI。加入就说今天全世界所有GPU的总计算能力是X。5年后，我们将达到X的多少倍？
Jensen Huang: 全球已经建造了价值约一万亿美元的数据中心。这些价值约一万亿美元的数据中心使用通用计算。通用计算已经走到了尽头；我们无法继续以这种方式处理。所以全球将加速一切——数据处理。所以我们将加速一切。当我们加速一切时，每个数据中心，每台计算机都将成为一台加速服务器。全球大约有一万亿美元的计算机。如果我们不增长，未来四年内，我们必须要更换——四年，六年。但如果计算机行业继续以20%左右的速度增长，我们可能在未来的一段时间内，需要用加速计算替换大约2万亿美元的计算机。所以只需将其变成GPU。这是第一点。
这是第二部分。这个被称为工业革命的理念。让我告诉你为什么。我们第一次正在生产一种从未被生产过的东西，并且我们正在以极高的产量生产它。这个东西的生产需要一种以前从未存在过的新仪器。这就是GPU。我们第一次生产的东西——对于在座的数学家和所有计算机科学家，对于你们所有人来说——是token。我们第一次以史无前例的高产量生产浮点数。这些浮点数具有价值。它们之所以有价值，是因为它们是智能的；它们是AI。你可以将这些浮点数重新组合，使其变成英语、法语、蛋白质、化学品、图形、图像、视频、机器人关节运动、方向盘关节运动。我们现在正在以非常大的规模生产token。我们通过与AI的所有工作发现了一种方法，可以生产几乎任何类型的token。
世界将生产大量的token。这些token将在新型数据中心中生产。我们称之为“AI工厂”。在上一次工业革命中，水进入机器，你点燃水，将其变成蒸汽，然后它变成电子。原子进入，电子出来。在这个新的工业革命中，电子进入，浮点数出来。就像上一次工业革命一样，没有人理解为什么电力如此有价值，现在它被出售、市场化，每度电的价格为每小时每美元。现在我们有了百万token每美元。这种逻辑对很多人来说就像上一次工业革命一样难以理解，但在未来的10年里，这将是完全正常的。这些token将创造新产品、新服务，提高一系列行业的生产力——价值一百万亿美元的行业。这个行业将是巨大的。
Patrick Collison：考虑到这些token工厂，我觉得现在一个很大的问题是模型是否会饱和。从某种意义上说，我们之前在台上演示了Sigma助手，你可以用自然语言编写它，然后我们将其转换为SQL。从可能是一个70亿参数模型到一个700亿参数模型，对于用户，对于人们倾向于构建的典型查询来说，查询准确性可能会有显著的、有意义的提高。但也许，转向一个比这大10倍的模型是没有必要的。在某个时刻，你可以达到足够好的水平；你可以可靠地将自然语言转换为SQL。我认为一个问题是，对于正在部署LLM的用例，这种饱和曲线是什么样子的？对于多少个用例，人们需要一个万亿参数模型或一个10万亿参数模型？还是我们只是达到了一个某个数字，比如说，不到1000亿，就足够了？您对此有什么看法，或者这种看法在第一次看问题时是否合理？
Jensen Huang: 让我们来拆解一下。让我们在公开场合进行推理。我几乎每次遇到的问题——让我们拆解一下。让我们推理一下。让我们以一个例子开始。在2012年，AlexNet是计算机视觉，ImageNet，图像识别——82%左右的准确率。接下来的几乎——不完全是10年，我觉得大约是七年——每一年，错误率都减少了一半。每一年，错误率减少了一半，又称为摩尔定律。所以你加倍性能，你加倍准确性，你每年都加倍其可信度。在七年的过程中，它现在已经超越了人类。语音识别也是如此，自然语言理解也是如此。我们希望相信提供给我们的答案是准确的。我们希望相信。业界将追求这种可信度或准确性，并每年将其准确度提高2倍。我相信自然语言理解也将是如此。当然，问题空间要复杂得多，但我完全相信我们每年都会将其准确度提高一倍，直到它变得非常准确，我们已经在许多你们的例子中进行了测试，当你与之交互时，你会说：“你知道吗？这真的很好。我相信它为我提供的答案。”这种情况非常重要。
第二件事是：今天的语言模型，今天的AI以及我们展示的一切都是一次性的。然而你我都知道，有许多我们考虑的事情不是一次性的。你必须迭代。那么你该怎么制定计划？你该怎么制定解决问题的策略？也许你需要使用工具。也许你必须查找一些专有数据。也许你必须进行一些研究。实际上，也许你必须向另一个代理询问。也许你必须向另一个AI询问。也许你必须让人参与，向人询问，触发一个事件，向某人发送电子邮件或短信，在你可以继续下一步计划之前获得回复。所以一个大型语言模型必须迭代并制定计划。这不是一次性的事情。一旦它制定了计划，当它遍历该图时，将会有一整套语言模型被实例化和启动。我认为你们未来的模型会迭代。不再是一次性模型，而是一个计划模型，周围有一整套其他模型，具有特定的技能。我认为我们还有很长的路要走。
Patrick Collison：Meta上周发布了LLaMA 3，这似乎是迄今为止最令人印象深刻的开源模型。对于开源模型，你有什么想法吗？
Jensen Huang: 如果你问我，过去几年最重要的事件是什么，我会告诉你，当然是ChatGPT。强化学习、人类反馈，将其与人类价值联系起来，并拥有执行这一点所需的技术——显然是一个突破。民主化的计算使每个人都有可能成为程序员。现在每个人都在用它做出了惊人的事情。
第二个同样重要的事情是LLaMA。不是LLaMA 1，而是LLaMA 2。LLaMA 2激活了几乎所有行业，开始着手研究生成式AI，并打开了所有行业访问这项技术的大门：医疗保健、金融服务、制造业、客户服务、零售业，各种各样的行业。我认为LLaMA 2和LLaMA 3，因为它是开源的，吸引了研究，吸引了初创公司，吸引了业界。它使生成式AI变得可访问。我认为这是非常重要的一件事。
我认为ChatGPT民主化了计算。LLaMA民主化了生成式AI。我认为如果没有这些，要激活所有有关安全性的研究、所有不同思维方式的变化、所有正在开发的推理技术以及所有强化学习的东西将会非常困难。没有LLaMA，这些都很难被激活。
Patrick Collison：许多业界人士预测在相对近期可能实现AGI，可能在未来几年内，比如2027年等。有何想法？
Jensen Huang: 这取决于你如何定义AGI。首先，作为一个工程师，我们只能解决一个问题，如果你能最终测量它。因此，你必须以某种可测量的方式表达问题陈述、任务。如果你告诉我AGI是我们目前使用的一系列基准测试，比如数学测试、英语理解测试、推理测试，你有医学考试和律师考试，你列出你想要的所有测试。无论是什么，只要列出你的清单。如果你列出你的清单，我肯定我们将在很短的时间内取得优秀的结果。如果那就是AGI的定义，我猜可能在未来五年内肯定会实现。
我们目前用来衡量这些模型的所有测试，它们的准确率或错误率每六个月就会减少一半。我们没有理由不期望它们很快都会超越人类。这不符合标准——清楚地说一下——这不符合普通人认为这是AGI的标准。这有意义吗？一个华尔街人士，你说，“AGI”，那可能不是他们所想的。我定义的方式只是一种工程上的定义方式，让你能够回答那个问题。
回答问题的第二种方式是，你何时能够实现AGI，以一种未定义的方式？如果它是不可定义的，那么要定义它需要多长时间？
Patrick Collison：这里的每个人都在经营一家企业，我们都面临着一个实际问题，那就是，在面对你刚刚描述的种种变化时，一个人如何知道自己是否做出了适当、充分、正确的回应等？有什么建议吗？
Jensen Huang: 如果你不积极、不主动地参与AI，那就是错的。你不会因为AI而失去工作；你会因为别人使用了AI而失去工作。你的公司不会因为AI而倒闭；你的公司会因为另一家公司使用了AI而倒闭。这是毫无疑问的。所以你必须尽快地参与AI。你必须尽快地参与AI，这样你就可以做一些你认为成本太高而不会做的事情。
例如，如果智能的边际成本实际上是零，有很多事情你现在会做，否则你不会做。注意我们现在多频繁地进行搜索和使用AI。注意我们多频繁地提问，任何一个随机的问题。我将问困惑。所以，为什么不呢？我喜欢使用它，即使我知道答案，我也会问一下，只是想看看它会得出什么答案。所以我认为我们希望发生这种情况。我们希望这些活动的边际成本尽可能低，这样你就可以大量使用它。
其次，如果你能利用AI提高生产力，高效率的公司会带来更高的收入。更高的收入会带来更多的就业机会。更多的就业机会会带来更多的社会增长。因此，有很多理由希望将生产力带入公司。
Patrick Collison：除了改变你的制造计划和资本支出计划之外，AI如何改变了英伟达内部的工作方式？
Jensen Huang: 我们是第一批投资自己的AI超级计算机的科技公司之一。我们再也不能设计芯片了，没有AI。晚上，我们的AI正在探索设计空间，我们自己永远不会做，因为探索这样的空间成本太高了。我们的芯片因为有了AI，所以变得更好了。我们可以减少用于芯片的能源量，性能更高。我们的软件——我们再也不能没有AI地编写软件了。我们必须探索所有的设计空间，优化编译器；这太大了。我们用AI来报告错误。我们的错误数据库实际上告诉你代码出了什么问题，谁可能涉及其中，并激活该人去修复它。我希望我们公司的每个组织中的每个人都非常积极地使用AI。我想把英伟达变成一个巨大的AI。那会多好啊？然后我就能实现工作与生活的平衡了。
Patrick Collison：有没有你听过的一些企业的例子，也许是在某种意想不到的行业，某种意想不到的用例，你觉得它们可以作为你描述的一些动态的典范，他们真的实现了一些这样的机会？
Jensen Huang: AI最大的惊喜，对于很多人来说不应该是惊喜的，就是当我们说它是一个大型语言模型时，语言这个词并不仅仅指人类语言。它不仅仅指英语，或者法语，或者爱尔兰语——那是一种完全不同的语言。如果它可以做到这一点，那当然它也可以学习生活的语言。当然，如果一个语言模型能够理解声音，那就是一种序列，一种时间序列，为什么它不能学习机器人的关节运动，这也是一种序列？你只需要弄清楚如何对其进行标记。突然之间，“哦，嘿，看，听，我也可以学习SQL，我可以学习ABAP，我可以学习Lightning，我可以学习所有这些专有语言，我可以学习Verilog，我可以学习……” 突然之间，你意识到，我可以在地球上的每个工具上放一个Copilot。
Patrick Collison：未来是10万个模型还是1亿个模型，或者未来是一个模型，只有一个模型，有一个模型做所有的事情？
Jensen Huang: 我认为，拥有一个能够帮助你对事物进行一般推理的超级模型将会很好，但对于我们来说，对于所有具有非常具体领域专业知识的公司来说，我们将不得不训练自己的模型。原因是因为我们有一种专有语言。对于我们来说，99%和99.3%之间的差异是生死攸关的，因此对我们来说，这太有价值了——与你们的欺诈检测没有什么不同，对你们来说也是非常重要的。无论通用模型有多好，你都会想要拿来微调并将其改进到完美，因为这对你来说太重要了。
Patrick Collison：硅谷的文化有什么变化吗？
Jensen Huang: 当我创建Nvidia的时候，我29岁，长着青春痘，你去招聘律师事务所和风险投资公司，我额头上长了一个大痘痘。我今天没有一个，所以我可以很自在地谈论它。但这是有可能发生的。总之，你会感到相当不安，因为那时候大多数CEO都穿着西装，他们非常有成就感。他们听起来像成年人，他们使用大词汇，他们谈论商业等等。当你年轻的时候，你会感到相当受到威胁。你周围都是一群成年人。现在，如果你没有青春痘，我认为你不配创办一家公司。这是一个很大的不同之处。我只是想说，我们使年轻人变得非凡。年轻一代的CEO，你们在如此年轻的年纪就知道的这些东西，真的非常了不起。我花了几十年的时间才学会。
Patrick Collison：英伟达的市值大约是2万亿美元，你们现在离苹果和微软不远了。我刚刚查了一下，他们分别有22万和16万名员工。英伟达有2.8万名员工，不到两家中较小公司的五分之一。当我们在后台交谈时，我记下了这一点，“你可以通过流程实现运营卓越，但工艺只能通过资历实现。”英伟达比其他巨头要小得多，而你似乎认为资历真的很重要，我想工艺也很重要。你想再多说点吗？
Jensen Huang: 我觉得通过运营卓越可以做很多好事，但你不能仅仅通过运营卓越来做出非凡的事情。原因在于因为你的作品中的很多伟大之处，你做的产品，你创造的公司，你培养的组织——都需要充满爱心的关怀。你甚至无法用言语来表达它。你怎么能把爱心写进一封电子邮件，让人们明白该做什么？你无法把这种东西放进业务流程中。爱和关怀。
Patrick Collison：客户不是来找我们说，“我希望产品更美。”他们说，“我想要它具有X或Y功能。”然而，我们相信工艺和美感确实很重要。听起来你也在探讨类似的问题。你为什么认为这很重要？
Jensen Huang: 实际上，即使你的客户没有说出这些话——他们可能没有语言来表达——但当他们体验到它时，他们会知道。毫无疑问。简洁（Simplicity）并不简单（Simple）。简洁和简单不是同一个意思。它既优雅，又恰到好处地解决了问题。它不会给你带来负担，但也不会太少。因此，这种平衡很难找到，你无法具体规定它，只能靠感觉去把握。当你拥有一支志同道合的团队，共同朝着这个方向努力时，从很多方面来说，我们就以一种无法用语言形容的方式，将公司的精髓“编码”了下来。你不想失去它，你想要把它带到下一个层次。我不想重新开始，这也是我不喜欢和新人合作的原因。你和一起工作过的人之间已经“编码”、浓缩、沉淀了太多的痛苦、磨难、快乐、知识——所有这些经历，人生经历。你想要延续它，把它带到下一个层次。这就是我如此信奉任期制的原因。正因为如此，小型团队可以成就大事。Nvidia就有点像一个小团队，我们只有2.8万人。人们认为我们取得的成就远超我们的规模，正是因为这个原因。
--【本文完】---
近期受欢迎的文章：
更多交流，可添加本人微信
（请附姓名/单位/关注领域）
