黄仁勋口述：英伟达的发展之道和星辰大海

来源｜wandb.ai

翻译｜刘畅

线上对话还未进入后半程，黄仁勋表示自己有点犯困。早前，当天凌晨三点钟，这位英伟达CEO就起床看书了，这个时间确实有点早，看起来在白天也没能补充一些休息时间。即便如此，在机器学习节目《Gradient Dissent》的近一个小时访谈中，谈及AI、全宇宙等新技术，以及回顾英伟达所做的那些大事时，“兴奋”是他的高频词，说了至少十次。

从进军深度学习的背后故事出发，他总结了英伟达所做的三件大事，并且分享了过去几十年里积累的管理经验，还介绍了为什么需要一个遵循物理定律的虚拟世界，以便将AI带入下一个时代，而这也是他们构建全宇宙（Omniverse）的原因。此外，他还分析了关于量子计算、奇点以及MLOPs重要性的见解。

在本次访谈中，他主要表达了这些观点：

• 开发者不应该老是担心软件在芯片上能不能跑，在各种业务负载上要一直能跑。

• 人工智能是已经出现的最强大的技术力量，它的好处之一是使计算机科学平民化。

• 我一直倾向于直接和团队沟通，这样做更透明，所有人都能获取到第一手信息和知识，而不是我的想法被转述、重复和解释。

• 每家公司都应该知道，未来的软件开发有点像炼丹，这是一个MLOps的过程。

• 虚拟世界将会有更多的创新、设计和创造力，而不是在物理世界中进行所有的创新和设计。

• 在未来10年里，不一定是在晶体管层面，在计算层面我们绝对会看到更大的进步。

• 最有价值的不是智能。归根结底，有价值的是技能。

• 如果人工智能要进入下一个阶段，就必须学习物理定律。

以下是完整对话内容，OneFlow社区做了不改变原意的编译。

1

进军深度学习的契机与思考

Lukas：我发现，现在几乎所有训练机器学习模型的人都使用NVIDIA显卡，你是从何时开始思考要支持机器学习的，又是如何做的？

Jensen：最开始的时候，有三个不同的研究团队几乎同时联系我们，要求帮助加速他们的神经网络模型，他们都试图参加ImageNet竞赛。2012年，AlexNet的横空出世打破了计算机视觉研究的现状，而之前许多人都是使用NVIDIA显卡和手工设计的特征来做同样的事情，这一巨大突破引起了我们的注意，让我们开始有进军深度学习的意识。

当我们意识到可以不用写软件，不用手工去设计或者创建特征，而是以某种方式自动从数据中识别模式、关系，或者从一些预测模型的表征中学习，我们开始思考，这对计算机视觉乃至软件的整体实现意味着什么？

早期的调研结果让我们提出了一些问题：这会如何影响软件的未来？如何影响计算机科学的未来？如何影响计算的未来？如果你编写软件的方式不同，那么它将如何改变设计计算机的方式？如果所编写的软件是由计算机编写，而不是由人编写，这又将如何影响设计计算机的类型？

我们思考了神经网络对整个计算机科学领域和整个工业领域的影响，问自己，这对一切的发生意味着什么。这最终衍生出一个问题：这将对所有不同的行业有什么影响。

Lukas：最了不起的是，英伟达一直在市场上保持着领先优势，你们做对了什么？

Jensen：部分原因是我们一直深耕在加速计算领域。从我们公司成立以来所有新的特定领域的应用加速方式，计算机图形就是其中之一，还有科学计算和物理模拟，还包括图像处理，你可能认为深度学习也是另一回事。总之，在这些不同的应用领域，我们的最初使命是做加速计算。

为了做特定领域的加速计算，你必须是一家全栈公司，必须理解什么是应用，以及你试图加速的应用的性质。你必须重新设计算法，因为你为串行处理编写的开发算法方式与并行处理完全不同。此外，你必须以不同的方式思考软件和系统，必须以不同的方式思考芯片架构，因为工作负载改变了瓶颈（bottlenecks）所在。

我们很幸运是一家全栈公司，一直致力于算法研究，掌握了从计算机图形到图像再到科学计算所需的技能，