今天小編分享的科學經驗：黃院士回應奧特曼7萬億芯片計劃：笑了，歡迎閲讀。
前腳奧特曼剛被曝要籌7 萬億美元，與英偉達争雄，重塑全球半導體格局。
後腳老黃還真回應了：老夥計，誇張了哈。
具體發言嘛，還帶了點陰陽美學（手動狗頭）：
（7 萬億美元）顯然能買下所有 GPU。
如果你假設計算機不會變得更快，可能就會得出這樣的結論：我們需要 14 顆行星、3 個星系和 4 個太陽來為這一切提供燃料。但計算機架構仍在不斷進步。
△圖源：World Government Summit
簡而言之，黃仁勳認為更高效、更低成本的芯片會持續出現，而這将使得奧特曼的這種 "7 萬億美元 " 大規模投資變得不那麼必要。
不過話説回來，老黃倒也沒把話説死。他也強調，AI 領網域的投資增長不會在短期内停止，還預測：AI 數據中心的規模會在五年内翻番。
實際上，打從奧特曼的 7 萬億消息曝出，網友們也沒少吃瓜。
根據 Gartner 預測，2023 年全球半導體行業的總收入是 5330 億美元，7 萬億美元是這個數字的 14 倍。
網友測算，這些資金不僅足以一口氣吞并英偉達 + 台積電 + 英特爾 + 三星 + 高通 + 博通 +AMD+ASML 等等等一系列半導體頭部公司，剩下的錢再買個 Meta 還都綽綽有餘。
那麼這一次老黃具體還分享了些什麼信息，如果你感興趣，以下奉上文字記錄 ~
（Kimi 和 ChatGPT 整理，人類編輯協助）
黃仁勳：去年最重要的 AI 事件是 Llama 2
主持人：我想從一個一直存在我腦海中的問題開始，7 萬億美元能買多少 GPU？
黃仁勳：顯然，所有的 GPU。
主持人：我很想向 Sam 提問這個問題，這是一個非常大的數字（笑）。談到雄心，我們并不缺乏雄心壯志，但今天的政府面對人工智能，應該如何規劃？您有什麼建議？
黃仁勳：首先，這是一個令人驚嘆的時代，因為我們正處于一場新的工業革命的開始，過去蒸汽機、電力、PC 和互聯網帶來了信息革命，現在是人工智能。
前所未有的是，我們正在同時經歷兩種轉變：通用計算的結束和加速計算的開始。
就像以 CPU 計算作為所有工作的基礎，在今天已經不再可行。原因是，從我們在 1964 年發明 CPU ——即 IBM System 360 發布的那一年算起，已經過去了 60 年。我們實際上已經依靠這一波技術浪潮前行了整整 60 年，而現在，我們正處于加速計算的新起點。
如果你想實現可持續的計算、能源高效的計算、高性能計算、成本效益高的計算，就不能再依賴通用計算。你需要專門的特定領網域加速，這就是推動加速計算增長的基礎。它使得一種新型應用——人工智能成為可能。
問題是，什麼是因，什麼是果？你知道的，首先是加速計算使得新型應用成為可能。今天有很多應用都在加速。
現在我們正處于這個新時代的開始，接下來會發生什麼？
目前，全球數據中心的總價值約為 1 萬億美元。在未來 4-5 年裏，這個數字将增長到 2 萬億美元，這些數據中心将成為全球軟體運行的源動力。所有這些都将是加速的，這種加速計算架構非常适合下一代軟體，即生成性人工智能。這就是目前正在發生的核心變革。
替換通用計算的過程中，要記住架構的性能也在同步提升。所以不能僅僅假設你會購買更多的計算機，還必須假設計算機會變得更快。因此實際需要的計算資源并沒有那麼多。否則，如果你假設計算機不會變得更快，可能就會得出這樣的結論：我們需要 14 顆行星、3 個星系和 4 個太陽來為這一切提供燃料。
在過去 10 年裏，我們做出的最大貢獻之一，就是将計算和人工智能推進了 100 萬倍。所以，無論你認為驅動世界的需求是什麼，都必須考慮它将以 100 萬倍的速度更快、更高效地發展。
主持人：對于 AI 接管世界的恐懼，我認為我們需要澄清哪些是真實的，哪些是炒作。您認為目前最大的問題是什麼？
黃仁勳：非常好的問題。首先，我們必須安全地發展創造性的新技術，這是絕對正确的。無論是飛機、汽車、制造系統、醫學，所有這些不同的行業在今天都受到嚴格監督。這些監管必須擴展、增強，去考慮 AI 将通過產品和服務來到我們身邊的情況。
現在，有些利益集團試圖吓唬人們，将 AI 神秘化，以阻止其他人對這項技術采取行動。我認為這是一個錯誤，我們希望普适化 AI 技術。
如果你問我去年最重要的 AI 事件是什麼，我認為是 Llama 2，這是一個開源模型。或者 Falcon，另一個優秀的模型。還有 mistral 等等。所有這些技術都建立在透明度、可解釋性之上。因為這些開源模型，安全、對齊、護欄、強化學習等諸多不同的創新成為可能。
讓大家都加入到 AI 的進步之中可能是最重要的事情，而不是去説服人們 AI 太復雜、太危險、太神秘，世界上只有兩三個人能做到，我認為後者是一個巨大的錯誤。
主持人：您認為下一個 AI 時代還會繼續建立在 GPU 之上嗎？您認為未來會有什麼突破？
黃仁勳：實際上，世界上幾乎所有大公司都在做内部開發。谷歌、AWS、微軟、Meta 都在制造自己的芯片。
英偉達 GPU 會被關注是因為這是唯一一個對所有人開放的平台。
一個統一的架構涵蓋了所有領網域。我們的 CUDA 架構能夠适應任何新興的架構模式，無論是 CNN、RNN、LSTM，還是現在的 Transformer。現在，Vision Transformer、Birdseye View Transformers 等各種不同的架構正在被創造出來，所有這些不同的架構都可以在英偉達 GPU 上得到發展。
主持人：AI 的特點是它在很短的時間内經歷了很多演變，所以，五年前使用的基礎設施與今天使用的基礎設施可能非常不同。
但老黃的觀點非常重要，即英偉達始終占據一席之地。
主持人: 接下來讓我們換個話題，暫時不談 AI，談談教育。站在技術的前沿，人們在教育方面應該關注什麼？人們應該學習什麼，又應該如何教育自己的孩子？
黃仁勳: 哇，這是個好問題，但我的回答可能聽起來（和人們的印象）完全相反。
你可能記得在過去的 10 年、15 年裏，幾乎每個在正式場合回答這個問題的人都會説，計算機科學、編程是每個人都應該學習的。
但實際上，情況幾乎完全相反，因為我們的工作是創造計算技術，使得沒有人需要（傳統意義上的）" 編程 "，讓世界上的每個人都成為程式員。
這就是人工智能帶來的奇迹。這是我們第一次縮小了（編程的）技術鴻溝，讓更多的人可以參與人工智能，這就是為什麼幾乎所有的地方都在談論人工智能的原因。
因為這是第一次，公司裏的每個人都可以成為技術專家，現在正是技術鴻溝已經關閉的絕佳時機。
諸如數字生物學、年輕人教育、制造或農業等領網域，需要專門人才來解決的問題，現在人人都能掌握。
因為人們有計算機，可以按照人的指示去做，幫助人類自動化工作、提高生產力和效率，所以我認為這是一個絕佳的時機。當然，人們需要立刻學會使用這樣的工具，這是一個緊迫的問題。
同時也要意識到，現在參與 AI 比計算機歷史上任何時候都更加容易，社會有責任提升每個人的技能。同時我相信，這個提升的過程将是愉快且令人驚訝的。
主持人: 所以，如果我要選擇一個大學專業，你會給我什麼建議？
黃仁勳: 我會首先考慮一個問題——理解起來最為復雜的科學，我認為是生物學，特别是和人類相關的生物學。
它不僅涵蓋的内容廣泛，且十分復雜、理解難度大，關鍵是會帶來巨大的影響。
我們稱（生物學）這個領網域為生命科學，把其中與醫藥相關的學科稱做藥物發現（discovery）。
但在計算機科學等傳統行業中，沒有人説 " 汽車發現 "、" 計算機發現 " 或 " 軟體發現 "，而是稱之為工程。
每年，我們的軟體、芯片、基礎設施都會比前一年變得更好，但在生命科學上的進展卻是零星的。
如果給我一次重新選擇的機會，我會意識到将生命科學工程化的學科——生命工程即将到來，它将成為一個工程領網域，而不僅僅是一個純粹的科學領網域。
所以，我希望現在的年輕人能夠喜歡與研究蛋白質、酶和材料一起工作，利用工程技術讓它們變得更節能、輕便、耐用，變得更加可持續。
未來，所有這些發明都将成為工程的一部分，而不是科學發現。
One More Thing
就在周一，英偉達市值一度超越了亞馬遜，成為美股市值第四高的企業。前三分别是微軟、蘋果和谷歌母公司 Alphabet。
不過收盤時亞馬遜奪回了第四的位置，收盤市值 1.79 萬億美元，英偉達收盤時市值約為 1.78 萬億美元。
2024 開年以來，英偉達憑借全球對芯片的強勁需求，股價節節攀升，增長了近 50%。根據測算，今年以來英偉達市值增長了約 6000 億美元，超過了 2023 年後七個月的增幅。
— 完 —
點這裏關注我，記得标星哦～
一鍵三連「分享」、「點贊」和「在看」
科技前沿進展日日相見 ~
>
