今天小編分享的教育經驗：黃仁勳：AI可能是人類歷史上最重要的技術，歡迎閲讀。
來源 |AI工作坊，管理智慧
咨詢合作| 13699120588
文章僅代表作者本人觀點
在11月23日晚，在香港科技大學恢弘的大講堂裏,兩位全球科技領網域的領軍人物正進行着一場對話。台上,剛剛獲得港科大工程學榮譽博士學位的英偉達創始人黃仁勳,正與校董會主席、美國國家工程院外籍院士沈向洋展開一場深度對談，聚焦AI的三大核心問題、算力發展以及未來的變革方向。
講台下座無虛席,每個人都在專注聆聽這場跨時代的對話。在這個世界上，任何你依賴的東西，無論是電力、機票，還是其他任何東西，如果它的成本降低了百萬倍，你的行為習慣會發生根本性的改變。确實如此，人們對計算的看法也完全改變了。我們讓機器能夠輕松學習和分析海量數據，這種能力讓研究人員幾乎無需猶豫就能使用。這正是為什麼機器學習能夠蓬勃發展的原因。而今天,人工智能革命正在創造一種前所未有的新型能量 - 智能本身。
這不僅僅是一場技術更迭。在黃仁勳看來,我們正站在一個全新產業的起點。就像300年前通用電氣和西屋公司通過發電機創造了電力工業,今天的人工智能正在建立一個"數字智能"的生產體系。計算機編程的方式從手工編寫轉向數據訓練,CPU讓位于GPU,每一個技術環節都在經歷根本性的重構。這場變革的核心,是将人類認知過程 - 觀察、推理、行動 - 轉化為可以規模化生產的"數字智能"
閲讀指南文章較長，建議收藏，按興趣選擇性閲讀AI對話核心内容AI對社會的深遠影響AI如何改變計算方式AI在各行業的具體應用未來科技發展方向企業如何應對AI變革
主持人沈向洋院士： 請為台上的這兩位傑出的演講者送上熱烈的掌聲。黃教授，歡迎您回到母校香港科技大學。
嘉賓黃仁勳： 謝謝！很高興回到香港科技大學。
主持人： 黃教授，真的非常高興您能來到科大和香港。請允許我説一句，大家能不能用掌聲表達我們對黃教授的熱愛？
黃仁勳： 謝謝，謝謝。我也愛你們。
主持人： 黃教授，我為這個時刻準備了很久，這絕對是我在科大的職業生涯中最重要的時刻之一。我昨晚因為興奮得睡不着，因為今天我要介紹您為這個宇宙中排名第一的首席執行官，可能是整個宇宙，至少是我們這個宇宙中最優秀的CEO。不過我有點擔心，因為昨晚蘋果的股票表現很好，而英偉達的股票沒有特别亮眼。我忍不住等到市場收盤，今天早上醒來，我問我妻子："英偉達撐住了嗎？"不誇張地説，您真的是第一。
黃仁勳： 謝謝您的誇獎。
談AI對社會影響
主持人： 我們今天下午只有不到一個小時的時間，我想直接問一些有挑戰性的問題。您一直在人工智能領網域深耕多年，能不能為我們的觀眾分享一下您對人工智能的看法，尤其是最近的通用人工智能，以及它對社會和產業的影響？
黃仁勳： 首先，非常感謝您給我這個機會。主持人Harry是我們這個時代最具影響力的計算機科學家之一，他一直是我和全世界許多人的偶像，所以能夠在這裏和您對話，我感到非常榮幸。人工智能領網域的重大突破是它能夠學習和理解各種類型的數據，比如語言、影像、蛋白質序列、化學分子序列等等。突然之間，我們的計算機能夠理解單詞的含義。因為生成式人工智能的出現，我們可以将一種信息形式轉化為另一種，比如從文本生成影像、從文本生成文本、從蛋白質序列生成文本，甚至從文本生成化學分子。
這種最初的"通用函數近似器"逐漸演化成了"通用語言翻譯器"，能夠處理各種類型的信息。那麼問題是，我們可以用它來做什麼？您可以看到，全球範圍内的初創企業正在利用這些能力，将不同的信息模式結合在一起，開發出令人驚嘆的新功能。我認為，最了不起的突破是我們現在能夠理解復雜信息的含義。對于數字生物學家來説，這意味着他們可以更好地理解數據并找到關鍵線索；對于芯片設計師或系統設計師來説，這種能力可以優化設計；對于氣候科技、農業科技或能源行業來説，這種能力可以幫助發現新的材料。
主持人： 您剛剛提到的觀點讓我印象深刻，甚至可以説震撼到了我。您提到人類歷史上的幾次重大革命——農業革命讓我們能夠生產更多的食物，工業革命讓我們能夠制造更多的工業產品，信息技術革命讓我們擁有了海量的信息，而現在的人工智能革命正在制造"智能"。您能否進一步闡釋一下為什麼這件事如此重要？
黃仁勳： 從計算機科學的角度來看，我們實際上重塑了整個技術棧。過去，我們通過手工編寫代碼來開發軟體，我們想象出需要實現的功能和算法，然後用自己的創造力将它們寫成代碼。這些代碼運行在CPU上。如今，我們用觀測數據訓練計算機，讓它們從數據中發現規律和模式。我們不再使用傳統的代碼編寫方式，而是通過機器學習生成神經網絡，這些神經網絡在GPU上運行。GPU的強大性能使我們能夠開發出前所未有的軟體，而這些軟體的核心正是人工智能。
這種轉變對整個行業的影響是巨大的。人工智能的核心是認知的自動化，即問題解決的自動化。從基本原理來看，問題解決可以分為三個步驟：觀察環境并理解它、推理并得出結論、制定計劃并采取行動。例如，在自動駕駛中，車輛需要感知周圍環境的位置和其他車輛的位置，進行推理并制定駕駛計劃；在醫學影像中，人工智能可以分析CT掃描影像，找出可能的腫瘤或異常并标注給放射科醫生。通過這些"數字代理人"，我們已經能夠創造出"數字智能"。如果我們将這些能力放在一個數據中心，它就像一個生成"數字智能"的工廠。讓我用一個類比來解釋——300年前，通用電氣和西屋公司發明了一種新設備，最初稱為發電機，後來成為交流發電機。他們還聰明地發明了用電設備，比如燈泡和烤面包機，創造了一整個用電生态系統。類似地，人工智能如今正在為我們創造一個"數字智能"生态系統。
就像當年電力行業發明了用電的設備，比如燈泡和烤面包機，現在我們正在創造"智能設備"，比如數字助理和聊天機器人。這些"智能設備"就像燈泡和烤面包機一樣，是我們每個人都可以使用的工具，但背後連接的是一個"工廠"。過去的工廠是發電廠，現在的新工廠是"數字智能工廠"。從工業的角度來看，這實際上是一個全新的行業，這個行業将能量轉化為"數字智能"，然後被各種不同的應用所使用。我們相信，這種智能的消耗将會非常巨大，而這個行業在以前是不存在的，就像發電行業在工業革命前是不存在的一樣。
談AI對計算需求
主持人： 您描繪了一個更加光明的未來。當然，我們知道這一切的發生，很大程度上歸功于您的努力，以及英偉達在過去十年乃至十二年裏對這一領網域的巨大貢獻。有一個數字一直被提及，那就是關于"擴展定律"，而且最近還出現了"黃氏定律"，與早期英特爾提出的"摩爾定律"相對。摩爾定律的意思是每18個月計算能力會翻倍。而在過去十到十二年裏，在您的領導下，不是每18個月，而是每年計算需求翻了四倍。也就是説，十年下來，計算需求增加了百萬倍。這也解釋了為什麼英偉達的股票在過去十年裏漲了300倍。您怎麼看未來十年，計算需求還會再增加百萬倍嗎？
黃仁勳： 摩爾定律依賴于兩個概念：一個是VSI縮放（大規模集成電路縮放），這得益于Carver Mead和Lynn Conway的研究；另一個是Dennard縮放（恒定電流密度縮放）。這些技術的結合讓我們能夠每隔一段時間将半導體的性能翻倍。通常來説，每五年性能會提升10倍，每十年會提升100倍。而我們現在經歷的是另一個現象，那就是神經網絡的規模越大，訓練數據越多，人工智能的智能程度似乎也越高。這是一種經驗定律，就像摩爾定律一樣。我們稱之為"擴展定律"，而它似乎仍在延續。但是，僅僅依靠預訓練是不夠的。就像上大學并畢業是一個重要的裏程碑，但這還遠遠不夠。我們還需要"後訓練"，即在特定領網域深入學習技能。這需要強化學習、人類反饋、人工智能反饋、合成數據生成、多路徑學習等技術。通過這些技術，我們可以在特定領網域中深入挖掘，學習非常復雜和專業的技能。
最後一步是"推理"，也就是測試階段。有些問題的答案可以直接得出，而有些則需要一步步分解，用第一性原理逐一解決。這可能需要迭代或模拟各種結果，因為答案可能并非預測性的。這就是我們所説的"思考"。而思考得越深入，答案的質量可能就越高。現在我們有三個人工智能發展的核心領網域，每一個都需要大量的計算資源，并能帶來更高質量的結果。今天，我們已經能提供最好的答案，但這些答案離完全可靠還有距離。我們需要達到一個狀态，用户對人工智能的回答能夠完全信任，不再擔心回答是否是幻覺，是否有意義。
這需要我們持續增加計算能力。在過去十年裏，我們将計算性能提升了百萬倍。那麼我們究竟做了什麼？英偉達的貢獻是降低了邊際計算成本。在過去的十年裏，我們将計算成本降低了百萬倍。想象一下，在這個世界上，任何你依賴的東西，無論是電力、機票，還是其他任何東西，如果它的成本降低了百萬倍，你的行為習慣會發生根本性的改變。确實如此，人們對計算的看法也完全改變了。這是英偉達最大的貢獻之一——我們讓機器能夠輕松學習和分析海量數據，這種能力讓研究人員幾乎無需猶豫就能使用。這正是為什麼機器學習能夠蓬勃發展的原因。
主持人： 我完全理解您的觀點。不過，我想我們的教授們可能稍有不同意見，因為他們仍然需要投入大量資金來購買您的GPU。（笑）不過，我稍後再回到這個話題。百萬倍的計算力确實令人震撼。
黃仁勳： 但Jay，我過去十年已經給了你百萬倍的折扣啊，從某種意義上來説，現在幾乎是免費的。（笑）
主持人： 的确，我們從您這裏學到了太多東西，接下來的時間我們将繼續深入探讨。那麼黃教授，有一個問題我特别想聽聽您的看法。我們在香港科技大學應該如何更好地利用人工智能技術和基礎設施？比如您的GPU、軟體生态系統等。現在有很多方向可以選擇，而"AI賦能科學"是一個特别令人興奮的話題。您一直是這一領網域的倡導者。我們學校也在投入大量計算基礎設施，包括GPU，同時鼓勵物理、材料科學、生物學等學科與計算機科學的跨學科合作。此外，香港現在正在快速發展生物醫學領網域。一個非常振奮人心的消息是，香港政府決定建立第三所醫學院，而香港科技大學是第一所提交提案的大學。作為校友，您有什麼建議可以給我們的校長、我以及學校的整體發展方向？
黃仁勳： 首先，我在2018年的全球超級計算大會上首次提出将人工智能引入科學計算領網域，當時這個想法受到了很多質疑。原因之一是人工智能在當時更像一個"黑箱"，雖然今天它仍然是一個"黑箱"，但比當時已經透明了許多。今天的人工智能可以通過互動來解釋自己，比如你可以問它："為什麼會建議這樣做？""請告訴我，你是如何一步步得出這個答案的？"通過這種探究的過程，人工智能變得更具透明性和可解釋性。這種互動方式就像教授通過提問來了解學生的思維過程，不僅僅是答案本身，而是這個答案是否符合第一性原理，是否有邏輯基礎。2018年時，這種能力還不存在。
其次，人工智能的答案并不是基于第一性原理得出的，而是基于觀察數據的學習。因此，它并不像傳統的第一性原理求解器，而是通過"模拟"來模仿智能和物理規律。那麼問題來了，這種模拟對于科學來説有價值嗎？我的答案是，模拟對科學來説是不可或缺的。原因在于，在許多科學領網域，我們确實理解第一性原理，比如薛定谔方程、麥克斯韋方程等，但我們無法用這些方程去模拟和理解復雜的大系統。模拟讓我們能夠在更大規模、更復雜的系統中探索規律，這是人工智能賦能科學的巨大價值。
傳統的第一性原理計算方法在處理非常復雜的大規模系統時往往受到計算能力的限制，甚至變得幾乎不可能完成。而通過訓練了解這些物理規律的人工智能，我們可以模拟這些大型系統，以便更好地理解它們的行為和規律。這種能力非常有價值，比如在人類生物學中，我們的系統從納米級别的分子一直延伸到跨越數年的時間尺度。僅靠第一性原理計算幾乎無法解決這些跨尺度的問題。現在的問題是，我們能否利用人工智能來模拟人類生物學，以便更好地理解這些極其復雜的多尺度系統？如果可以的話，這将幫助我們創建"數字孿生體"，即人類生物學的數字化模型。這是一個令人振奮的希望，因為我們可能首次擁有了這樣的計算機科學技術，讓數字生物學家、氣候科學家和其他處理復雜問題的科學家能夠真正理解大型物理系統的運作。
説到香港科技大學的新醫學院，這是一個非常獨特的機會。全球幾乎所有醫院的建立都是以傳統醫學為基礎，然後嘗試将人工智能和科技整合進來。但這樣的整合通常會遭遇懷疑甚至抵制。而香港科技大學卻可以從零開始，利用其在技術、計算機科學和人工智能領網域的優勢，打造一個以科技為核心的新型醫院。這不僅是一個巨大的機遇，還意味着您可以真正推動科技和醫療的結合。
談領導力
主持人： 我想稍微轉換一下話題，聊聊您的領導力問題。您是硅谷任職時間最長的CEO之一，已經擔任英偉達CEO長達31年，幾乎快到32年了。您似乎從不覺得疲憊，仍然保持着驚人的工作節奏和熱情。我們非常想了解，您是如何管理這樣一家龐大的組織的？英偉達今天擁有數萬名員工、驚人的營收和大量的客户，您是如何帶領公司保持如此快的創新速度的？
黃仁勳： 今天讓我非常驚喜的一件事是，我見到了"計算生物學與商業"雙專業的學生。過去我們通常會分别看到計算生物學或商業專業的學生，而今天我看到有學生同時學習這兩個專業，我覺得非常棒。事實上，我在創辦英偉達時，從未修過商業課程，甚至到現在也沒有上過任何商業課。我從未寫過商業計劃書，也不知道如何寫商業計劃書。所以，我非常依賴像你們這樣的學生來幫助我了解這些東西。（笑）
之所以這麼説，是因為我始終相信，學習是一件永無止境的事情，我也一直在學習新東西。做任何你願意為之奉獻一生的事情，首先要将其視為"畢生的事業"，而不是一份工作。我把英偉達當作我的人生事業，而不是一份普通的工作。這種心态的區别會極大地影響你的思維方式。無論你是木匠、藝術家，還是神經外科醫生，把你的職業看作是你終生要追求完美的技藝，這種投入感将完全不同。
英偉達是我的畢生事業。在這過程中，我學到了很多東西，我不會花時間分享所有細節，但作為CEO，你需要不斷學習和重塑自己，因為世界在不斷變化，公司在變化，技術也在變化。今天你所掌握的知識未來一定有用，但它永遠不會足夠。所以，我每天都在學習。比如，我在飛往香港的班機上會看YouTube視頻，也會與我的AI"導師"對話。我會問AI問題，比如："為什麼你會給出這樣的答案？""請一步步解釋。"或者，"請用另一種方式解讀。"通過這種互動，我不斷學習。
作為CEO和領導者，我學到的一個關鍵點是，你不需要知道一切。你可以對自己的方向充滿信心，但同時也要允許存在不确定性。信心和确定性是不同的概念。保持對目标的信心，同時接受不确定性，這種開放的心态可以讓你繼續學習和成長。正如您所説，"從不确定性中獲益"，不确定性是朋友，而非敵人。第二點，作為領導者，需要展現力量，因為團隊成員會從你的力量中獲得信心。然而，力量并不意味着不能表現脆弱。如果你需要幫助，就應該主動尋求幫助。我自己也經常向别人請教問題，甚至向我的團隊尋求支持。脆弱并不等于軟弱，不确定性也不等于缺乏信心。最後一點非常重要：不要為了自己而做，而是為了他人。真正被信任的領導者是那些每一個決定都以團隊使命、他人成功為導向的人。無論是公司内部的同事，還是外部的合作夥伴、生态系統或供應鏈，我始終在思考如何讓他們更成功。昨晚飛過來的時候，有人問我："我們與某個重要合作夥伴的讨論應該怎麼做？"我回答："想一想什麼對他們最有利，然後基于他們的最佳利益來決定我們的策略。"
主持人： 關于與他人合作，我有一個問題不得不問。我聽説您直接管理60位高管，是這樣嗎？
黃仁勳： 沒錯，是60位。（笑）
主持人： 那真是令人難以置信。開員工會議時，可能就像您説的，前四排的座位都坐滿了您的團隊成員。這似乎是您獨特的領導風格，您是如何做到這一點的？
黃仁勳： 透明度是關鍵。我在所有人面前闡述需要完成的工作目标，我們共同制定策略。無論是什麼策略，大家同時聽到并參與整個讨論過程。通過這種方式，每個人都能看到我們如何共同努力完成目标。這種透明的溝通方式，讓整個團隊更加緊密地協作，也能更好地執行策略。當公司需要确定方向、制定策略或做出決定時，我不會一個人進入"森林"深思熟慮，然後帶着答案回來告訴大家該怎麼做。相反，我們會一起推理、讨論，最終得出結論。我通常是最後一個總結發言的人，我的職責是确保每個人都聽到并理解相同的信息，消除任何可能的歧義。一旦我們達成一致，我會依靠團隊中的每一個人，他們是世界上最優秀的人才，他們不需要我手把手地指導。
主持人： 這确實是一種非常有效的領導方式。我今天早上聽您在接受香港科技大學榮譽學位時的致辭，您提到學校在培養創業者方面的成就，比如校友創辦的公司數量、獨角獸企業的數量以及退出案例的數量。科大确實以創業精神聞名，但您作為一位從年輕時就創辦公司并帶領其取得驚人成功的企業家，有什麼建議可以給我們的學生和教職員工？他們應該何時以及為什麼開始自己的事業？
黃仁勳： 這是個很好的問題。我确實向我的妻子Lori承諾過，在30歲之前我會創辦一家公司。但老實説，那更像是一個"撩人"的台詞。我16歲上大學，17歲遇到了我的妻子。當時，我是班裏年齡最小的學生，班上有250名學生，其中只有3位是女生。我顯然需要一些"競争策略"，所以我走上前去對她説："你想看看我的作業嗎？"接着，我向她承諾："如果你每周日和我一起做作業，我保證你每門課都能得A。"這就讓我每周都有一次約會。而且為了确保她最終會嫁給我，我告訴她："到我30歲的時候，我一定會成為一家公司的CEO。"老實説，當時我完全不知道自己在説什麼。（笑）
主持人： 這是一個很有趣的故事。我注意到有學生問了一個相關的問題。他們提到自己在學業上表現不錯，但擔心談戀愛會分散注意力，影響學業。您的看法是什麼？
黃仁勳： 絕對不會有負面影響！其實我每次在她來之前都會先完成作業，這樣當她到的時候，我已經知道所有答案了。她可能一直都認為我是個天才。（笑）
談高校融合AI浪潮
主持人： 實際上，您确實是個天才！這對我們的學生來説是一個很有趣的提示。今天有太多精彩的問題想問您，我準備了九頁的問題，不過時間有限，可能無法全部覆蓋。我必須代表我們的一位教授提問，因為問題非常重要，尤其是在當今人工智能需要大量計算資源的背景下。之前有一位華盛頓大學的教授在推特上説過，現在的深度學習革命中，像MIT這樣的頂尖大學幾乎"缺席"。他指的不僅是MIT，而是許多美國的頂尖大學。這些年，最重要的開創性論文大多來自企業，比如您的公司英偉達，以及微軟、OpenAI、谷歌DeepMind等。這很大程度上是因為企業擁有足夠的計算能力。我們的教授想問：在這種情況下，大學應該怎麼做？我們是直接加入英偉達？還是可以與英偉達合作？作為我們的校友，您能否給我們一些幫助？
黃仁勳： 這确實是一個非常重要且結構性的問題。從未來的科學發展來看，沒有機器學習，科學的推進将是無法想象的，而機器學習本質上離不開計算設備。這就像沒有射電望遠鏡，你無法研究宇宙；沒有粒子加速器，你無法研究物質的基本構成。超級計算機，特别是AI超級計算機，已經成為當今科學的基本工具。但大學面臨的結構性問題在于，各個研究人員的經費通常是獨立籌集的。一旦研究人員獲得經費，他們往往不願與他人共享，而機器學習研究需要巨大的計算資源。雖然每個研究項目只需要短時間的大規模計算，但整體資源需求依然很高。大學如果想在研究上取得突破，就需要整合各方資源。然而，在像斯坦福、哈佛這樣的大學裏，計算機科學領網域的研究者通常能籌集到大量資金，但其他領網域，比如氣候科學或海洋科學的研究者可能面臨更大的資金挑戰。
解決這個問題的關鍵是大學需要重新思考資助機制。比如，建設一個全校共享的基礎設施，可以為所有學科提供支持。這種系統性的改變是必要的，但也非常困難。這正是為什麼許多研究人員會選擇進入像英偉達、谷歌、微軟這樣的公司，在那裏開展研究，因為他們能夠接觸到更強大的計算基礎設施。與此同時，我們也看到一些教授選擇做訪問學者，一邊教學一邊在企業從事研究。這些都是可行的解決方案。但從長遠來看，大學需要從根本上重新思考如何分配和使用研究經費。
主持人： 您提到的這些建議非常重要，尤其是在場的觀眾中，我們有香港政府科技創新部門的負責人孫教授。他們一直在支持人工智能領網域的資助工作，比如設立了香港生成式人工智能中心，這是一個非常重要的進展。此外，我們的副校長也在場，他們都能夠幫助推動這些想法的實現。不過，我有一個挑戰性的問題想請教您。一方面，我們很高興計算能力顯著提升，價格也在下降，這對研究非常有利。但另一方面，您的GPU耗費了大量的能源。有些預測顯示，到2030年，全球能源消耗将增長30%。您是否擔心，因為GPU的廣泛應用，世界的能源消耗會增加？
黃仁勳： 這是一個非常重要的問題。我想倒着回答。首先，我要説，如果全球的能源更多地被用于支持AI工廠，那麼這個世界會變得更美好。讓我分析幾點。首先，人工智能的目标并不是訓練模型，而是利用模型。就像學生來這裏上學的目标不僅僅是為了學習本身，而是為了将來能成功地應用所學的知識。當然，學習本身是崇高且有價值的，但大多數學生投入了大量的時間和金錢，目标是将知識應用到實踐中。同樣地，AI的最終目标是推理（inference），而非僅僅是訓練模型。推理是非常高效的，它可以幫助發現新的科學方法，比如如何将二氧化碳儲存在地下、設計更高效的風力渦輪機、開發儲能材料，或者優化太陽能電池板的材料。這些都是我們想通過人工智能實現的終極目标。
其次，AI不關心它在哪裏被訓練。我們不需要把超級計算機放在大學校園中，可以把它們放在更靠近電網、甚至遠離人口密集區的地方。過去，我們的發電廠是為了家用電器而建，比如離家近的燈泡、洗碗機或電動車充電站。但超級計算機不需要靠近人類居住區，可以放在任何地方，比如使用可持續能源的偏遠地區。最後，我希望人工智能能夠變得更加高效，幫助我們解決許多領網域的浪費問題，比如電網的浪費。電網大部分時間都處于供電過剩狀态，但在某些時刻又會供電不足。AI可以優化這些系統，減少浪費，同時節省能源。如果人工智能能夠通過節能技術節省的能源超過它本身的消耗，那麼這是一個非常值得的交換。
我的夢想是，我們最終能夠看到，将能源用于創造智能是我們能夠想象的最好的能源利用方式。
談智能技術應用
主持人： 我完全同意，将能源用于智能的開發是最有價值的利用方式。説到智能，我想回到與"智能"相關的另一個話題。您知道，粵港澳大灣區，包括香港、深圳、廣州和東莞等地，這個區網域多年來已經發展為一個重要的硬體生态系統。如果今天開發一個有趣的硬體設備，而不在大灣區生產，很可能會因為組件和效率問題而受到限制。比如，大疆公司就是從這裏起步的，憑借其無人機技術成為全球領先的企業。我的問題是，随着人工智能的發展，實體智能（physical intelligence）将變得越來越重要，比如機器人和自動駕駛汽車。您如何看待這些實體智能技術将如何快速融入我們的生活和工作中？我們又該如何利用大灣區的硬體生态系統來抓住這個機會？
黃仁勳： 粵港澳大灣區對于中國乃至世界來説，是一個絕佳的機會。這個區網域在機電一體化（mechatronics）方面已經非常成熟，這是一種機械技術與電子技術的交匯點。而機器人技術的關鍵在于加入一個能夠理解物理世界的人工智能。目前的大型語言模型（如ChatGPT）主要擅長處理認知智能和知識，但它們并不理解物理智能，比如當我把一個杯子放在桌子上，它需要理解這個動作的物理規律。未來的人工智能需要學會物理智能，理解并與物理世界互動。這是機器人技術的核心，也是我們在大灣區硬體生态系統中可以深入挖掘的一個巨大機會。讓我用一個例子來進一步解釋，其實我們在機器人領網域已經取得了很大的進展。您可能已經看到，生成式人工智能可以通過文字生成視頻。例如，我可以輸入一個指令"Jensen拿起咖啡杯喝一口"，AI就能生成相應的視頻。如果AI能通過文字生成這樣的視頻，那麼同樣也可以生成指令來控制機械臂完成相同的動作。因此，從生成式AI到通用機器人，這一跨越其實已經非常接近了。
目前有三類機器人能夠實現大規模生產，這一點非常重要，因為大規模生產能帶來技術飛輪效應。高產量能推動研發投入，而研發又會帶來技術突破，從而制造出更好的產品，進一步提高產量。這種技術飛輪對于任何行業來説都是至關重要的。
這三類機器人分别是：汽車，因為過去150年來我們的世界是為汽車設計的；無人機，因為天空幾乎沒有限制；以及最重要的，人形機器人，因為我們的世界是為人類設計的。這三類機器人可以無縫地融入現有環境（即所謂的"棕地部署"），并推動機器人技術的大規模應用。
粵港澳大灣區在這方面擁有得天獨厚的優勢。它是世界上唯一一個同時擁有機電技術和人工智能技術的區網域。其他兩個傳統機電技術的強大區網域是日本和德國，但遺憾的是，它們在人工智能領網域落後較多，需要迎頭趕上。而大灣區的獨特之處就在于它能同時整合這兩種能力。
主持人： 聽您對實體智能和機器人技術的展望實在令人振奮。我們大學确實在這些領網域有很強的優勢，再加上大灣區的硬體生态系統，我們能夠與不同的公司和地方政府合作，推動這些技術的發展。前幾天我還與深圳市的市長和技術局局長張博士會面，了解到深圳是一個以硬體迭代速度媲美軟體迭代速度的城市。這非常符合您剛才的觀點，這個地區确實是一個巨大的機遇。
黃仁勳： 沒錯，大灣區确實是一個極具潛力的地區。我還讀到貴校在人工智能、機器人技術以及醫療領網域的工作，非常令人印象深刻。現在我作為校友，也可以為這些好的決定"邀功"了。（笑）人工智能、機器人和醫療這三個領網域的結合，确實是推動創新的完美組合。通過新的醫學院，您可以将這些發展推向更高的水平。
主持人： 感謝您的認可！不過，要讓這些美好的事情發生，我們還是需要您的支持，尤其是您的GPU！不過看時間，我們好像已經嚴重超時了。
