智东西

作者 | 江宇

编辑 | 冰倩

智东西 12 月 30 日消息，12 月 27 日，英伟达创始人、CEO 黄仁勋（Jensen Huang）接受了科技媒体频道 SciTech Economy Insights 的专访。在这场以 "AI 的未来与英伟达新一代超级计算机 " 为主题的访谈中，黄仁勋分享了他对 AI 未来趋势、能效瓶颈与计算平台的最新思考。

在此次访谈中，黄仁勋强调能源限制是当前 AI 发展的核心物理边界，所有计算的上限，最终都受到比特翻转与信息传输所需能量的约束。

他称：" 我们现在还远未触及那些真正限制发展的根本性瓶颈。与此同时，我们的任务就是打造更高能效的计算平台。"

同时，黄仁勋提到，提高 AI 计算的能效是英伟达当前的优先级。他强调，2016 年至今，AI 计算的能效提升了 1 万倍，这一进展在能源密度提升上堪比汽车、照明行业出现技术奇点，要构建更智能的系统，但这必须以能源效率为前提。

在访谈的尾声，黄仁勋谈到英伟达的终极使命，是构建 " 看见未来的工具 "。

他比喻道：" 我们正在打造一种时间机器 "，这种机器的意义，是让科学家与工程师能预测各种系统的未来——无论是人类身体、地球气候，还是 AI 系统自身。" 如果我们能更清楚地看到未来，我们就有机会让它变成最好的那个版本。"

黄仁勋的主要观点如下：

1、AI 计算的真正瓶颈在于能效，未来的突破将来自于打造更节能的计算平台。

2、2016 年至今，AI 计算能效提升了 1 万倍，超越汽车与电灯百年演进的幅度。能效的提升对支撑 AI 智能系统快速发展至关重要，也是当前 AI 产业的优先级。

3、通用计算仍是核心策略，不能为了某类 AI 架构定制化芯片而牺牲灵活性。

4、Transformer 未必是终点，AI 研究尚未封顶，打造一个允许 " 创新继续发生 " 的计算平台是英伟达的根本任务。

5、英伟达虽然不制造芯片，但要具备与台积电相当的半导体物理直觉，才能共同探索并突破物理极限。

6、英伟达将押注 "Omniverse（可视化仿真平台）与 Cosmos（真实物理世界）融合 " 的多元宇宙生成系统，这将是下一代机器人与物理世界的底座。

7、人形机器人未来 5 年将会相当精彩，英伟达在这方面才刚刚起步。

8、未来十年，AI 不会在所有方面都超过人类，但它在某些事情上的表现将远超我们。

9、" 学会与 AI 交互 " 将成为所有人类的基本技能，就像上一代人学会使用电脑一样自然且必需。

科技媒体频道 SciTech Economy Insights 主持人（左）和英伟达创始人、CEO 黄仁勋（右）

以下是对访谈全程内容的编译（为优化阅读体验，智东西做了不改变原意的编辑）：

一、从 25 万美元机器到 1 万倍能效提升，AI 计算正迎来 " 电灯泡时刻 "

主持人：我们所处的这个 AI 发展时刻很令人惊叹，因为我们已经摆脱了过去 CPU 和串行处理时代的诸多技术限制，不仅解锁了新的计算方式，也找到了持续进步的路径。并行计算有着不同的物理属性，和我们当初优化 CPU 的方式完全不同。那么在你看来，现在这个时代，我们面临的科学或技术限制有哪些？

黄仁勋：归根结底，一切都取决于在你拥有的能源限制下，能够完成多少工作。这是一个物理层面的限制。关于信息传输、比特翻转等操作所需的能量，其本质上决定了我们能完成什么，以及我们可以走多远。我们现在还远未触及那些真正限制发展的根本性瓶颈。与此同时，我们的任务就是打造更高效的计算平台。

你看这台机器（指台上设备），它的完整版售价曾高达 25 万美元（约合人民币 175 万元）。这是一台 AI 超级计算机，我送给 OpenAI 的首台 DGX-1 就是这样的设备，那是 2016 年。它的功耗比这台机器高出了 1 万倍，但性能却只有现在的六分之一。

我们已经进入了一个全新的时代。从 2016 年到现在，仅仅八年，我们在计算能效上提升了 1 万倍。你可以想象一下，如果汽车或电灯泡在这段时间里也提升了 1 万倍的能效，那会是什么样？比如一个原本 100 瓦的电灯泡，现在只需要 0.01 瓦就能产生同样的照明效果。AI 计算也正在经历这样的变革。

这种能效的进步至关重要，因为我们想要构建更智能的系统，也希望使用更多的计算资源去变得更聪明。因此，" 用更少的能量完成更多的工作 "，这是我们现在最优先考虑的事。

二、不押宝 Transformer，英伟达要为未来算法留出无限空间

主持人：你通过 CUDA 展示了如何通过抽象和可访问性，让更多人可以调动大规模计算资源。但现在很多 AI 技术应用开始变得非常具体，比如 Transformer 架构。Transformer 是当前 AI 模型中非常主流的结构，广泛应用于各种 AI 工具中。它擅长捕捉关键信息、优化结果表现。随着这些结构越来越流行，似乎有一个争议——究竟该不该专门为这些特定结构打造 " 定制芯片 "？这样做可能效率更高，但牺牲了通用性。你怎么看这个问题？

黄仁勋：这确实是个很重要的问题。我们当然可以设计专门优化 Transformer 的芯片，但这么做就意味着这个芯片在其他任务上的表现会受限。

我们追求的是构建一个通用的计算平台，让它能够支持不断演进的 AI 模型，而不是在某一类结构上过度下注。

主持人：作为芯片制造商，你们如何做出这些 " 下注 "？你们是更倾向于做一辆能跑遍所有地方的通用汽车，还是一列从 A 点到 B 点的高效列车？你们在做的是赌注巨大的决策，我很好奇你是如何思考这些抉择的？

黄仁勋：这就回到一个核心问题：你的底层信念是什么？你的底层信念是 Transformer 将会是 AI 史上最后一个被发明出来的算法架构，之后不会再有突破？还是你相信 Transformer 只是一个阶段性成果，它会不断演化，几年后甚至面目全非？

我们选择后者。历史已经证明，在算法、软件、工程和创新领域，从来没有一个想法能永远统治一切。电脑的魅力就在于，它可以运行今天 10 年前从未想象过的东西。如果 10 年前你把电脑定格成一个 " 微波炉 "，那创新就无从谈起。

我们相信创新的丰富性，相信发明的无限可能。我们希望构建的计算架构，是可以让发明家、工程师、程序员和 AI 研究者畅游其中的平台，而不是限制他们的框架。

就拿 Transformer 来说，它的核心思想是 " 注意力机制 "，理解任意两个词之间的关联。如果是 10 个词，那是可控的，但如果你要处理 10 万个词，或者你要让模型阅读一整个 PDF 甚至多个文档，处理这些百万级 token 的上下文几乎是不可能的。

于是研究者就开始创新，比如 Flash Attention、分层注意力、Wave Attention…… 各种新机制层出不穷。这说明创新没有停止，我们当然也不会停。

所以，打造一个允许这些创新继续发生的计算平台，就是我们最根本的任务。

三、英伟达像台积电一样思考物理极限，芯片公司也要懂 " 风扇设计 "

主持人：你们负责设计芯片，但有公司负责组装芯片，也有公司设计纳米级制造的硬件设备。那当你们在设计这些工具的时候，你是如何看待 " 物理上目前能做到什么 "？你是怎么思考这个边界的？

黄仁勋：虽然我们的芯片是由台积电制造的，但我们始终假设自己也必须具备和台积电一样的专业能力。所以我们公司内部有非常擅长半导体物理的工程师，让我们对当前半导体物理的能力极限有直觉判断。

我们会与台积电一起密切合作，不断探索并推动这些物理极限。我们也在系统工程、冷却系统上做同样的事。

举个例子，液冷系统中 " 管道 " 对我们至关重要，风冷系统中 " 风扇 " 也非常重要。我们要设计这些风扇，使其在保证气流量的同时尽可能安静，这就涉及空气动力学。所以我们公司里甚至有专门的空气动力工程师。

尽管我们不直接制造这些硬件，但我们必须具备非常深的设计理解和工艺感知，只有这样，我们才能持续推动技术的极限。

四、看好机器人、Omniverse 与 Cosmos 融合，要打造一台 " 时间机器 "

主持人：你曾反复谈到了你对未来的大胆押注，从 GPU、CUDA，到 AI、自动驾驶，现在又是机器人。我的问题是：你接下来最看好的方向是什么？

黄仁勋：我们看好机器人方向，我们也看好 Omniverse（可视化仿真平台）。

我特别激动的新方向是 "Omniverse 与 Cosmos（真实物理世界）的融合 "。这是一个全新的生成式世界系统，也可以称为多元宇宙生成系统。我认为它对未来的机器人与物理系统将会产生深远影响。

我们现在正在做的，还有人形机器人专用的工具链、训练系统、人类演示系统等等。我们才刚刚起步。接下来的五年，人形机器人会非常精彩。

我们也在做数字生物学的研究，希望能理解分子语言、细胞语言，就像我们理解物理语言一样。我们希望 AI 可以理解人的身体系统，预测它的变化，最终构建出人的 " 数字孪生体 "。

我也特别喜欢我们在气候科学方面的工作，比如用 AI 预测天气、模拟区域气候，让我们能以公里级精度预测某地上空的气象变化。这会有很大的社会意义。

我们之所以能做这些，是因为我们正在打造一种 " 时间机器 "。我们需要在所有这些领域中，都具备预测未来的能力。

如果我们能更清楚地看到未来，我们就有机会让它变成最好的那个版本。这就是科学家为什么总是想预测未来，也就是我们为什么做 AI 的原因。

五、未来属于 " 外挂人类 "，学会与 AI 交互是每个人的新起点

主持人：如果一个普通观众看到这里，他原本只是知道 NVIDIA 是一家很重要的公司，但现在开始意识到它可能如何影响自己的生活。你会给他们什么建议？怎么理解这个 " 正在发生 " 的巨大变化？

黄仁勋：我们可以用几种方式来思考这个未来。比如说，假设你做的事情依然重要，但完成它所需的努力突然从一周缩短为几秒。那些重复性劳作几乎不再存在。

这会带来什么变化？你可以类比上一轮工业革命，当美国建起州际高速公路时，突然之间，郊区兴起了，东西部的货运也畅通了。沿着高速路，加油站出现了，快餐店出现了，汽车旅馆也兴起了。全新的经济系统诞生了。

今天也是一样。比如，如果视频会议让我们不再需要频繁出差，那么我们就可以住得离公司更远、工作和生活的边界会重新划分。又比如说，如果你随时都有一个 AI 程序员陪在你身边，你只需要提出想法，它就能帮你实现。这种 " 即时实现 " 会怎样改变你的创造能力和生活？又或者说，你脑海里有一个粗略的想法，把它丢给 AI 后，几分钟后你就能看到一个产品原型。这会释放出多少新的可能性？

这些变化最终会带来什么？我的判断是：未来十年，AI 不会在所有方面都超过人类，但它在某些事情上的表现将远超我们。

而我知道那种感觉。我身边每天都被 " 超人 " 包围，他们是各自领域最顶尖的人才，他们的能力远超我。但从没有哪一刻，我因此感到无用。相反，这种团队让我充满信心，敢于追求更大的目标。

现在，想象一下，如果你身边也有一位 AI" 超人 " 助手，无论是写代码、分析问题、学习知识，它都能帮你。这会让你觉得更强大、更自由、更有方向感。

实际上，我相信你已经在使用 ChatGPT 或其他 AI 工具了。我自己就常用。我今天可以更自信地学习一门新知识，因为获取知识的门槛已经被大大降低。

你随时可以有一个个人导师，帮你提问、编程、写作、思考、推理，让你在任何领域都能更快起步、更深入掌握。

所以如果我只能给出一个建议：现在就去找一个 AI 导师。它会帮助你成为那个 " 带着外挂的人类 "，进入一个你从未想象过的未来。

主持人：有没有什么你觉得这场对话中我们还没聊到、但对大家来说非常重要的建议？

黄仁勋：如果今天我是个学生，我第一件要学的事就是：学会如何与 AI 交互。比如我怎么使用 ChatGPT、Gemini Pro、Grok？怎么让它们成为我的助手？

这其实就像掌握一种 " 提问的艺术 "。你要学会如何与 AI 对话，就像你很会提问题一样。不能随便乱问一堆问题，而是要有方法、有逻辑地让它协助你。不管你是学数学、学科学、学生物、学法律、还是学文学，你都要问自己一个问题，我该如何用 AI 把这件事做得更好？

就像我那一代人，我们是第一批必须学会 " 怎么用电脑工作 " 的人。我们成长的年代，办公室里没有电脑，直到 90 年代后才开始普及。

今天的新一代，不需要再学 " 怎么用电脑 "，但他们必须问另一个问题：我怎么用 AI 把事情做得更好？这是所有人必须问、也终将面对的问题。

很多人现在才开始接触 "AI" 这个词，但它带来的变化非常真实，它让电脑变得更易用。

你知道吗？以前如果我把一台电脑放在一个没碰过电脑的人面前，他们几乎不可能在一天内学会使用。但今天如果我把 ChatGPT 放在他们面前，他们只需要输入一句：" 我不会用 ChatGPT，请教我 "，它就能一步一步教会你。

这正是 AI 的魅力——它能帮助你自学，并且让你在过程中逐步进化成 " 超人 "。