[00:00] 本周是特别节目。我们抢占了每周常规节目的时间，而我们只会为三个人这么做：Trump 总统、Jesus，还有 Jensen。至于排名先后，我让你来选。不过你这一路走来真是太精彩了，活动也非常棒。>> 每个行业都来了。每家科技 公司都来了。每家 AI 公司都来了。不可思议。不可思议。>> 太了不起了。过去一年最重大的收购之一就是 Grock。当你决定收购 Grock 的时候，你有没有意识到 Chamath 会变得多么让人受不了？>> 我当时有点预感 >> 我们是他的朋友。我们每周都得应付他。>> 我知道。>> 你得在六周的交割期里跟他打交道。>> 我知道，大概两周。两周。>> 现在全想起来了。这让我相当不舒服。 事情是这样的，我们很多战略其实都是提前好几年在 GTC 上公开展示的。两年半前，我推出了 AI 工厂的操作系统，叫做 Dynamo。Dynamo，你们知道，是 Siemens 发明的一种机器，本质上是把水转化为电力。Dynamo 驱动了上一次工业革命的工厂。所以我觉得这是下一次工业革命操作系统的完美名字， 也就是这个时代的工厂。在 Dynamo 内部，核心技术是 分解式推理。>> Jason，我知道你技术功底很强。>> 当然。>> 我知道的。>> 这个就交给你了。请你给观众解释一下。我不想抢你的。 >> 好的，谢谢。我知道你刚才想插一句，但这个分解式推理的意思是——推理的处理流水线极其复杂。事实上，这是当今最复杂的计算问题。规模巨大，涉及各种不同形状和大小的数学运算。我们想出了一个方法，就是把处理过程的不同部分拆解开来， 使得其中一些可以在某些 GPU 上运行，其余的可以在不同的 GPU 上运行。这让我们意识到，也许分解式计算本身也是有意义的——我们可以使用不同的异构计算。同样的思路最终引导我们收购了 Mellanox。>> 你知道，今天 Nvidia 的计算分布在 GPU、CPU、交换机、纵向扩展交换机、横向扩展交换机、网络处理器上，现在我们还要加入 Gro， 把合适的工作负载放到合适的芯片上。我们真的从一家 GPU 公司进化成了一家 AI 工厂公司。>> 我觉得这可能是我最大的收获。你看到了这种根本性的分解——我们从单一的 GPU 发展到现在有这么多不同的选项组合，未来还会更多。你在台上说的一句话，我觉得做高价值推理的人应该好好听一下——你说数据中心大约 25% 的空间应该分配给这种 Gro LPU 和 GPU 的组合。 >> 大约是数据中心里 Vera Rubin 的 25% 左右配置 Grock。那你能说说行业怎么看待这种下一代分解式 prefill-decode 分离架构吗？>> 可以，我们退一步看。当我们加入这个的时候，我们从大语言模型处理转向了智能体处理。当你运行一个 agent 的时候，你要访问工作记忆， 你要访问长期记忆。你要使用工具。你在疯狂地读写存储。你有 agent 和其他 agent 协作。有些 agent 是非常大的模型，有些是较小的模型，有些是扩散模型，有些是自回归模型。所以数据中心里有各种各样不同类型的模型。我们创造了 Vera Rubin， 就是为了能够运行这种极其多样化的工作负载。我的判断是，我们在原来一个机架的基础上又增加了四个机架。>> 对吧？>> 所以 Nvidia 的 TAM，如果你愿意这么说的话，从原来的规模增长了大约 33% 到 50%。这其中很大一部分

[04:34] 会是存储处理器，叫 Blue Field。还有一部分——我希望很大一部分——会是 Grock 处理器，还有一些是 CPU。另外很大一部分会是网络处理器。所有这些基本上都在运行 AI 革命的计算机，也就是 agent，对吧？>> 现代产业的操作系统。>> 那嵌入式应用呢？比如我女儿家里的泰迪熊想跟她说话。那里面放什么？是定制 ASIC，还是会出现更广泛的 TAM，针对边缘和嵌入式应用的不同场景开发不同的工具？我们认为这个问题从最宏观的角度来看涉及三种计算机。一种是专门用来训练 AI 模型、开发创建 AI 的计算机。另一种是用来评估 AI 的计算机。取决于你面对的问题类型，比如你看看周围，到处都是机器人、汽车之类的。 你必须在一个代表物理世界的虚拟训练场里评估这些机器人。所以它必须是遵循物理定律的软件。这就是第二种计算机，我们叫它 Omniverse。第三种计算机是边缘端的机器人计算机。>> 这种机器人计算机，其中一个可以是自动驾驶汽车，另一个是机器人，还有一个可以是泰迪熊—— 一个给泰迪熊用的小小的。其中最重要的一个是我们正在开发的，基本上是把电信基站变成 AI 基础设施的一部分。这是一个 2 万亿美元的产业。所有这些最终都会被转化为 AI 基础设施的延伸。所以无线电设备会变成边缘设备， 工厂、仓库，你能想到的都是。所以基本上就是这三种计算机，所有这些都是必不可少的。>> Jensen，去年我觉得你比世界上其他人都更早看到了——推理不会只增长到一千倍。>> 就是去年。>> 是的。它会到一百万倍吗？会到十亿倍吗？是的。>> 对。我觉得当时人们觉得这话相当夸张， 因为整个世界还在关注预训练扩展、训练。现在呢，推理已经爆发了。我们受到推理算力的制约。你宣布了一个我认为是行业领先的推理工厂，吞吐量会比下一代工厂好 10 倍。但如果我听听外面的声音，他们说你的推理工厂要花 400 亿到 500 亿， 而替代方案——定制 ASIC、AMD 等——只要 250 亿到 300 亿，你会丢掉份额。所以你能谈谈你怎么看份额问题吗？让所有人花比别人高 2 倍的溢价，这合理吗？>> 最关键的一点是：你不应该把工厂的价格等同于 token 的价格，也就是 token 的成本。500 亿美元的工厂很可能——事实上我可以证明—— 500 亿美元的工厂会给你生成成本最低的 token。原因是我们生产这些 token 的效率极高，是别人的 10 倍。你知道 500 亿和——实际上其中 200 亿只是土地、电力和外壳。>> 对。>> 然后在那之上，存储本来就要、网络本来就要、CPU 本来就要、服务器本来就要、冷却本来就要。那块 GPU 是 1 倍价格还是 0.5 倍价格， 差别不是 500 亿和 300 亿之间。选你喜欢的数字，但大概是 500 亿和 400 亿之间。>> 当 500 亿美元的数据中心实际上有 10 倍的吞吐量时，那个差额根本不算大比例。>> 对吧？Jess，这就是我说的—— 即便对大多数芯片来说，>> 如果你跟不上技术发展的步伐和我们推进的速度，即使芯片免费送，也不够便宜。>> 是的。>> 我能问一个大的战略问题吗？ >> 当然。>> 你在掌管全球市值最高的公司。明年营收会超过 3500 亿，自由现金流 2000 亿。以这种疯狂的速度在复合增长。你怎么决定做什么？你怎么获取信息？现在大家都知道你那些让人给你发的邮件，但你到底怎么决定——怎么建立直觉去塑造市场、在哪里真正加倍下注、在哪里可能收缩、

[09:11] 在哪里进入全新领域？这些信息怎么传达到你那里？你怎么做这些决策？>> 归根结底，这就是 CEO 的工作。>> 我们的工作是定义战略、定义愿景、定义策略。当然我们从优秀的计算机科学家、优秀的技术专家、公司各处的杰出人才那里获得启发。 但我们必须塑造那个未来。其中一部分要考虑的是：这件事是不是极其困难？如果不难做，我们就应该退出。原因是如果很容易做，显然，>> 竞争者很多。>> 很多竞争者。这件事是不是从未有人做过、极其困难？而且某种程度上能够利用 >> 我们公司的独特超能力。>> 所以我必须找到这些条件的交汇点才能达到标准。最终，我们也知道这其中会有很多痛苦和挣扎。是的。>> 没有什么伟大的东西是因为简单、第一次尝试就成功了的。所以如果一件事极其困难，从没有人做过，你很可能会经历很多痛苦和挣扎， 所以你最好能享受这个过程。那你能不能看看你宣布的三四个更长线的项目，谈谈它们的长期前景——不管是太空数据中心、还是你在汽车 ADAS 方面的布局、还是生物领域的工作——让我们了解一下你怎么看这些长线业务的增长曲线。>> 很好。物理 AI 是一个大品类。我刚才提到我们有三种计算系统， 上面还有所有的软件平台。物理 AI 作为一个大品类，是科技行业第一次有机会去触及一个 50 万亿美元的产业——这个产业到目前为止基本上没有被技术渗透。所以我们需要发明所有必要的技术来实现这一点。我觉得这是一个 10 年的旅程。 我们 10 年前就开始了。现在我们看到它在加速增长。这已经是我们一个数十亿美元级别的业务了，接近每年 100 亿。所以这是一个很大的业务，而且在指数级增长。这是第一个。我觉得在数字生物学方面，我们正处于它的 ChatGPT 时刻的 数字生物学。我们即将理解如何表征基因、蛋白质、细胞。我们已经知道如何理解化学物质。所以我们表征和理解生物学基本构件动态的能力，大概在两三五年之后，五年之内，我 完全相信医疗健康产业将会因数字生物学而出现拐点。所以这些都是非常了不起的领域，你可以看到它们就在我们身边 >> 农业 >> 现在正在发生变革 >> 毫无疑问，是的 >> Jensen，我想把话题从数据中心带到桌面端。这家公司很大程度上是建立在爱好者、电子游戏玩家和早期那些显卡之上的。你在大约一万人面前提到了 Claude Code，还有 agents 带来的革命性变化， 特别是那些爱好者群体，那里确实有很多能量。我们看到很多创新都是从桌面端爆发的。你在这里发布了一款产品，我记得是 Dell 6800。这是一台非常强大的工作站，可以运行本地模型。750GB 内存。显然 Mac Studio 在

[12:49] 我们公司到处卖断货。我们正在把所有东西都迁移到 Open Claude。Freeberg 刚刚被 Claude 化了。你被 Claude 征服了，我知道。你对这些东西着了迷。 >> 这个来自民间的运动——创建开源 agents、在桌面端使用开源——对你来说意味着什么？说说看。这个趋势会走向哪里？ >> 好的。太好了。首先，让我们退一步看。过去两年里，我们基本上看到了三个拐点。第一个是生成式 AI，ChatGPT 把 AI 带到了每个普通人面前，让所有人都意识到了它。但事实上，这项技术在 GPT 出现的几个月之前就已经摆在那里了。直到 ChatGPT 给它套上了一个用户界面，让我们很容易上手使用，生成式 AI 才真正起飞。现在，生成式 AI 如你所知，生成的 token 既用于内部消费也用于外部消费。内部消费就是思考，这引出了推理。O1 和 O3 延续了 ChatGPT 的浪潮，基于事实的信息让 AI 不仅能回答问题，还能以更加有据可依的方式回答问题，真正有用。我们开始看到 OpenAI 的收入和商业模式出现拐点。然后第三个拐点，只有在行业内部我们才看到了 Claude Code，第一个真正有用的 agentic 系统，真正革命性的东西。但 Claude Code 当时只面向企业用户。大多数外部的人从来没有接触过 Claude Code，直到 Open Claude 出现。Open Claude 基本上把 AI agent 能做什么这件事带入了大众意识。嗯。 >> 这就是为什么 Open Claude 从文化角度来说如此重要。现在第二个它如此重要的原因是，Open Claude 是开源的，但它构建了、它架构了一种计算模型，基本上是在重新发明整个计算。它有一个内存系统。它的 scratch 是一个短期记忆文件系统。它有——它有——它有 scales。你说的是 skills 还是 scales？ >> Skills。 >> 哦，skills。 >> 理论上它们确实也有 scales。是的。 >> 是的。Skills。 >> 所以，首先首先它， 你知道，它有资源管理。它管理资源。它能做调度。 >> 是的。 >> 对吧。还有 cron jobs。它可以派生出 agents。它可以，你知道，它可以分解任务，然后解决问题，就像 调度一样。它有 IO 子系统。它可以，你知道，输入。它有输出。它连接 WhatsApp。而且它还有一个 API，允许它运行多种类型的应用程序，叫做 skills。 >> 是的。 >> 这四个要素从根本上定义了一台计算机。 >> 是的。 >> 那么我们有了什么？我们有了有史以来第一台个人人工智能计算机。 >> 开源的。 >> 它是开源的。它可以在任何地方运行。所以这现在就是——这就是——这基本上就是 现代计算的蓝图，操作系统。 >> 是的。 >> 而且它将在任何地方运行。当然，我们必须帮助它做到的一件事是，每当你有 agentic 软件的时候，你必须确保——agentic 软件可以访问敏感信息。它执行代码。它可以对外通信。我们必须确保所有这些都要被治理。所有这些都必须是安全的，而且我们要有策略，让这些 agents 在同一时间只能拥有三项能力中的两项，而不是全部三项

[16:25] >> 所以在治理这部分，我们做出了贡献。Peter Steinberger 也在这里，我们有大量优秀的工程师与他合作，帮助加固和保护这个系统，使它能够保护我们的隐私、保护我们的安全 >> Jensen，这种范式转变是否让全国各地已经通过的那些 AI 立法 以及大量拟议中的立法实际上变得过时了？你能简单评论一下，这种范式转变如何迅速地让很多 AI 监管模式变得不再适用吗？这在当前政治中是一个非常热门的 话题。 >> 嗯，这就是——这正是我们需要跟政策制定者做的，我们需要——我们需要始终走在他们前面，Brad，你在这方面做得很好。我们必须走在他们前面，告诉他们技术的现状，它是什么，它不是什么。 它不是生物体。它不是外星人。它没有意识。它是计算机软件。 >> 是的。完全正确。 >> 而且它不是那种——我们说的那些话，比如"我们完全不理解它"。 >> 这不是事实。我们并非完全不理解。 我们对这项技术了解很多。所以我认为，第一，我们必须确保持续向政策制定者提供信息，不能让末日主义和极端主义影响政策制定者对这项技术的思考和理解。然而，然而，我们仍然 必须认识到技术发展非常快，不要让政策跑得太快超过技术。作为一个国家，我们在 AI 方面最大的国家安全风险是——其他国家在采用这项技术，而我们却因为对它太愤怒、太害怕，或者 某种程度上对它过于偏执，以至于我们的产业、我们的社会没有利用好 AI。所以我最担心的其实是 AI 在美国的普及速度。 >> 你能不能深入谈谈，如果你坐在 Anthropic 的董事会里，面对那场与 国防部之间的风波？这多少印证了人们不知道该怎么看待这件事。它在某种程度上加剧了人们有时在软件层面对 AI 的怨恨、恐惧或普遍的不信任。你觉得你会建议 Dario 和他的团队做些什么 不同的事情，来试图改变一些结果和这种认知？ >> 关于 Anthropic，我首先要说的是，他们的技术令人难以置信。我们是 Anthropic 技术的大客户。非常钦佩他们对安全的专注。非常 钦佩他们对安全性的重视。他们做事的文化，他们追求技术卓越的方式，真的非常了不起。我想说的是，想要警告人们注意技术能力这一愿望也是非常好的。我们只需要 确保我们理解，世界是有一个光谱的，警告是好的，吓唬人就没那么好了， >> 对吧？ >> 因为这项技术对我们太重要了， >> 对吧？我觉得预测未来是没问题的，但我们需要 更加审慎一些。我们需要多一点谦逊，承认事实上我们无法完全预测未来。说一些相当极端、相当灾难性的话，而又没有任何证据表明它正在发生，可能造成的伤害比人们想象的更大。而且当然我们

[20:03] 是科技领袖。曾经有一段时间没有人听我们说话。是的。 >> 但现在因为科技在社会结构中如此重要，是如此重要的产业，对国家安全如此重要，我们说的话确实有分量。我认为我们必须更加 审慎。我们必须更加温和。我们必须更加平衡。我们必须更加——更加深思熟虑。 >> 嗯，我，你知道我会提名你。我觉得整个行业必须团结起来。AI 在美国的支持率只有 17%。我是说，我们看到核能发生了什么，对吧？我们基本上 关停了整个核工业，现在中国在建一百座裂变反应堆，而美国一座都没有。我们听到关于数据中心暂停令的消息。所以我认为我们必须在这方面更加积极主动。但是，我想回到你在公司内部看到的这场 agentic 爆发， 那些效率提升、生产力提升。关于我们是否看到了 ROI，有很多争论，对吧？你我在进入今年的时候，最大的问题是，收入会出现吗？收入会像智能那样规模化增长吗？然后我们经历了 这种 Oppenheimer 时刻，Anthropic 在二月份达到了月收入五六十亿美元。当你展望未来，你宣布了一万亿美元的可见订单，仅仅是 Blackwell 和 Vera Rubin 在未来几年的量。当你看到 Anthropic 和 OpenAI 的这些情况，你觉得我们现在是否已经在那条曲线上了，收入会像智能那样规模化增长？ >> 当你环顾四周——我会从几个不同角度来回答这个问题。当你环顾这里的观众，你会看到 Anthropic 和 OpenAI 都有代表。但事实上，这里 99% 的一切都是 AI，而且不是 Anthropic 和 OpenAI。 >> 对。对。 >> 原因是 AI 非常多元化。 >> 我会说第二受欢迎的模型类别是开源模型。 >> 第一名是，是的，开源——开源。 >> OpenAI 是第一名。开源是第二名。遥远的第三名是 Anthropic。这告诉你一些关于所有这些 AI 公司规模的信息。所以，认识到这一点很重要。 让我回来说几件事。第一，当我们从生成式发展到推理的时候，我们需要的计算量大约增加了一百倍。对吧？ >> 当我们从推理发展到 agentic，计算量可能又增加了一百倍。现在我们看到，在短短两年内， 计算量增长了一万倍。与此同时，人们为信息付费，但人们更多地为完成工作付费。 >> 是的。 >> 跟聊天机器人对话获得一个答案，超级棒， >> 对吧？帮我做一些研究。不可思议。但是让工作真正完成，我确实愿意为此付费。 >> 所以这就是我们所处的阶段。Agentic 系统完成实际工作。它们帮助我们的软件工程师完成工作。然后你把这些加在一起， >> 计算量增长了一万倍。 >> 现在消费量大概增长了一百倍。 >> 是的。 >> 是的。 >> 而且我们甚至还没有开始真正规模化。我们绝对正处于百万倍增长的起点 >> 我觉得这是一个很好的切入点来谈谈

[23:24] 公司大概有两三万人吧。>> 我们有43,000名员工。我会说其中38,000人是工程师。>> 我们在节目里聊过很多次的话题是，"天哪，看看我们公司的 token 用量，增长 太猛了。"有些人在问，"我加入一家公司的时候能分到多少 token？因为我想成为一个高效的员工。"而你在那场两个半小时的主题演讲中——挺长的演讲，干得不错——你提出过一个观点 >> 如果真的干得不错的话，应该会更短才对。 我只是想 >> 你没时间把它写成一个45分钟的版本。>> 所以你们知道，你们知道，整个演讲是没有彩排的 >> 所以就是即兴发挥 >> 对，即兴发挥。>> 我想让你们知道，我是 一边讲一边写的演讲稿。好吧。所以你永远不知道 >> 但是 >> 那是不是意味着如果我们做个 >> 我道歉。粗略估算一下，每个工程师大概75,000美元的 token 费用？那 Nvidia 现在是不是在为工程团队花 十亿、二十亿美元的 token 费用？>> 让我给你做个思想实验。假设你有一个软件工程师或 AI 研究员，你给他年薪50万美元。我们经常这么干。>> 好的，这种事到处都在发生。那个50万美元的工程师， 到年底我会问他，你花了多少 token 费用？如果那个人说5,000美元，我会彻底抓狂 >> 是的 >> 对吧 >> 如果那个50万美元的工程师连25万美元的 token 都没消耗掉，我会非常警觉。这跟我们的芯片设计师说"我就用纸和笔画画就行了，不需要什么 CAD 工具"没什么区别。>> 这确实是一个思维范式的转变，开始把这些全明星员工这样看待。 这让我想起了我们在 NBA 学到的东西——LeBron James 开始每年花一百万美元来维护自己的身体健康。>> 没错。>> 他41岁了还在打球。>> 确实是这样，如果这些是 了不起的知识工作者，我们为什么不给他们 >> 超人般的能力？>> 就是这个道理 >> 那这会走向哪里？如果我们往前推演两三年，Nvidia 这些全明星员工的效率会到什么程度？他们能 完成什么样的事情？他们会变成什么样？>> 首先，那些"哇，这太难了"的想法——没了。"这要花很长时间"——没了。"我们需要很多人"——没了。这和 上一次工业革命没什么不同。有人说"天哪，那栋楼看起来真重。"没人会这么说。没人。"哇，那座山看起来太大了。"没人会这么说。对吧。>> 所有太大的、太重的、花太长时间的， >> 那些想法全都消失了。>> 你剩下的就只有创造力。>> 没错。你能想出什么来？>> 正是如此。这意味着现在的问题是你怎么跟这些 agent 协作？其实就是一种新的编程方式。过去我们写代码。未来我们要

[26:27] 写想法、架构、规格说明。我们要组织团队。我们要帮助它们定义如何评估好坏的标准。什么样的结果算是优秀的？怎么 跟你迭代，怎么头脑风暴。这才是你真正要做的事。我认为每个工程师都会有一百个 agent。>> 回到这个行业现在面临的公关问题。有些高管，比如 David Freeberg 和 Oho，正在通过 你们的技术和 AI 来提高卡路里产量、生产高质量的卡路里。你认为能把成本降低多少倍？这个愿景对你们在做的事情有什么影响？>> 零样本基因组建模，而且它管用 >> 然后你有那个瞬间，你就 天哪 >> 说实话，而且这还是在人们一夜之间替换掉整个企业软件栈之后。我90分钟内做了一件事——我跟大家说过——替换了整套软件栈和一大堆工作负载，90分钟，在云上跑了这个 agentic 系统，把整个东西搭建好、部署完，我们是在一个周日晚上 >> 周日晚上10点，11点半我就搞定了，然后去睡觉了。>> 作为 CEO，你亲自替换了 >> 对。我管理团队的每个人周末也都做了类似的练习。周一我们看到的结果，我就觉得 完了，game over。但技术方面、科学方面，我们用 Auto Research 在30分钟内做了一件事——我很想听你对 Auto Research 的看法，以及它告诉我们在效率优化方面还有多远的路要走。用 Auto Research 加上一批数据，内部发布了一个东西， 我们看到后说"我的天。"这通常是一篇要花七年的博士论文。它会是这个领域最受瞩目的博士论文之一，会发在 Science 期刊上。而它在一台台式电脑上跑 Auto Research，30分钟就完成了， 用的是我们刚导入的所有数据。周五拿到数据，我们说"嘿，试试看。"启动了，去 GitHub 下载了 Auto Research 然后跑起来。你看到每个人的表情都变成那样，然后你意识到这东西释放出来的潜力——那种需要七年的事情 30分钟就发生了——我们在基因组学领域亲身经历了，简直难以置信。所以我觉得这种加速正在为每个人拓宽视野，超出几年前的想象。但回到 Auto Research 这个话题，你能评论一下 这个东西用600行代码在一个周末就发布出来，它能在本地运行、处理各种不同数据集并取得这样的成果——这告诉我们在算法和硬件优化方面我们还处于多早的阶段？ Open Claw 之所以如此不可思议，最根本的原因首先是它的汇合时机——正好赶上了大语言模型的突破。>> 对，>> 时机完美。无可挑剔。在很多方面，如果不是 Claude、GPT 和 ChatGPT 已经达到了非常好的水平，Peter 可能不会想出这个东西，对吧？这也是一种新能力，让这些模型能够使用我们多年来创造的工具——网页浏览器、Excel 电子表格、在芯片设计领域的 Synopsis

[29:50] 和 Cadence、还有 Omniverse、Blender、Autodesk——所有这些工具都会继续被使用。有人说企业 IT 软件行业要被摧毁了。让我给你一个不同的观点。企业软件行业 受限于"人和座位"。但它即将迎来百倍数量的 agent 来使用这些工具。会有 agent 在操作 SQL，会有 agent 在操作向量数据库，agent 在用 Blender，agent 在用 Photoshop。原因是这些工具首先 确实做得很好。其次，这些工具是我们与最终结果之间的桥梁。当工作完成时，它必须以我能控制的方式呈现给我。>> 对吧？>> 而我知道怎么控制这些工具。所以我需要所有东西都放回 Synopsis 里。我需要所有东西都放回 Cadence 里，因为这是我控制它的方式。这是我验证真实性的方式。>> 让我问你一个关于开源的问题。我们有这些闭源模型，非常优秀。>> 我们有这些开放权重模型。很多 中国的模型非常厉害。绝对厉害。两天前——你可能没注意到因为你在台上忙着——但有一个叫 Bit Tensor Subnet 3 的加密项目完成了一次训练。他们成功训练了一个40亿参数的 Llama 模型，完全分布式的，一群 人贡献多余的算力，但他们做到了有状态地管理整个训练过程，我觉得这是个相当疯狂的技术成就。>> 对。因为就是一群随机的人，每个人分到一小份。>> 我们这个时代版本的 Folding at Home。>> 没错。那你怎么看开源的终局？你认为这种架构的去中心化以及算力的去中心化能支撑开放权重和完全开源的路线，确保 AI 广泛普及到每个人吗？ >> 我认为我们从根本上需要两种东西：模型作为一流的专有产品，以及模型作为开源。这两者不是二选一，是两个都要。毫无疑问。原因是模型是一项技术，不是一个产品。模型是一项技术，不是一种服务。 对绝大多数消费者来说，在水平层面、通用智能方面，我真的非常不想自己去微调模型。我真的很乐意继续用 ChatGPT。我很乐意用 Claude。我很乐意用 Gemini。我很乐意用 X。它们各自有自己的个性， 你知道的，取决于我的心情和我要解决什么问题。我可能会用 X，也可能用 ChatGPT。所以这个细分市场正在蓬勃发展，会很好。但是，所有这些行业，它们的领域专长、 它们的专业化知识必须以一种它们能控制的方式被引导和捕获，而这只能来自开放模型。开放模型这个领域，我们在大力贡献，它已经接近前沿水平。而且坦率地说，即使它达到了前沿水平， 我认为作为服务的产品、世界一流的模型作为产品仍然会继续繁荣。>> 我们现在投资的每一家初创公司都是先用开源，然后再接入专有模型。>> 对。而且美妙的是，因为你有一个好的路由器，第一天就能接入，

[33:22] 每一天你都能获得世界上最好的模型，然后你有时间去降低成本、微调和专业化，所以你每次都能有世界一流的能力。Jensen 我能问个问题吗？ >> 没有人比你更希望美国赢得全球 AI 竞赛了，对吧？但一年前，Biden 时代的扩散规则实际上是一个反美国的 AI 全球扩散政策。所以我们现在进入新政府一年了。给我们打个分。我们在全球扩散方面处于什么位置？ 我们传播美国 AI 技术的速度如何？是 A？是 B？还是 C？什么在起作用？什么没起作用？>> 首先，Trump 总统希望美国产业领先。他希望美国科技产业领先。他希望美国科技 产业赢。他希望我们把美国技术传播到全世界。他希望美国成为世界上最富有的国家。他想要所有这些。但就在此刻，就在我们说话的当下，Nvidia 在全球第二大市场放弃了95%的市场份额，而且 我们现在是0%。>> Trump总统，没错。Trump总统希望我们重新进入那个市场。首先是要为我们准备销售的公司拿到许可证。很多公司都提出了许可证申请。我们已经为他们提交了申请 并且已经从Lutnik部长那里拿到了批准的许可证。现在我们已经通知了中国公司，其中很多已经给了我们采购订单，所以我们正在重新启动供应链，准备发货。我觉得从最高层面来看，Brad， 我认为有一件事我们应该承认。当我们无法获得微型电机、稀土矿物时，我们的国家安全就被削弱了。当我们不能控制自己的电信网络时，国家安全就被削弱了。当我们不能为国家提供 可持续能源时，国家安全从根本上被削弱了。这些行业中的每一个都是我不希望AI产业重蹈覆辙的例子。>> 对吧？当我们展望未来，问自己我们想要什么？美国 科技产业、美国AI产业引领世界会是什么样子？我们都承认，AI模型由一家公司垄断全球是不可能的。我们都承认那种结果毫无意义。但是，我们都可以想象，从芯片到计算系统再到 平台的美国技术栈被全世界广泛使用，各国在此基础上构建自己的AI，使用公共AI、私有AI，随便什么，然后在自己的社会中构建应用。我很希望美国技术栈能占全球的90%。是的，我非常希望。如果替代方案像太阳能、稀土、 磁铁、电机、电信那样的局面，我认为那对国家安全来说是非常糟糕的结果。>> 说得好。>> 是的。>> 你现在对全球各地的冲突局势关注多少？ 这些事情让你多担心，Jensen？中国和台湾的问题，还有我了解到中东的氦气供应可能对半导体制造构成供应链风险。这些局势让你多担心？你在这方面投入了多少？>> 嗯，首先，我觉得在

[37:07] 中东，我们有6000个家庭在那里。>> 是的。>> 我们有很多伊朗裔员工在NVIDIA，他们的家人还在伊朗。所以我们在那里有很多家庭。首先，他们非常焦虑。他们非常 担心，非常害怕。我们时刻在想着他们。我们一直在关注和留意他们的情况。他们百分之百得到我们的支持。有人问过我好几次，我们还考虑留在Israel吗？我们百分之百留在Israel。我们百分之百支持那里的家庭。我们 百分之百留在中东。也有人问我，鉴于中东正在发生的事情，那个地区还是我们认为可以拓展人工智能的地方吗？我相信我们参战是有原因的，我相信战争结束后，中东会比以前更加稳定。 所以如果我们之前就在那里，之前就在考虑，战后更应该继续考虑。所以我百分之百投入。关于台湾，>> 我们必须做三件事。第一，我们必须尽快推动美国再工业化。 >> 无论是芯片制造厂、计算机制造厂，还是AI工厂，>> 我们做得怎么样？我们做得非常好，通过获得战略支持，通过赢得台湾供应链的友谊。 通过赢得他们的友谊，获得他们的支持，我们得以在Arizona、Texas、California以惊人的速度建厂。他们确实是真正的战略伙伴。我们真的……他们值得我们的支持。他们值得我们的友谊。他们值得我们的慷慨，他们正在尽一切 努力为我们加速制造进程。所以我认为这是第一点。第二，我们应该让制造供应链多元化。无论是South Korea、Japan还是Europe，我们都得让供应链多元化，使其更有韧性。 第三，让我们保持克制。在我们提升多样性和韧性的同时，不要施加不必要的压力。>> 我们需要耐心。>> 氦气是个问题吗？很多报道，>> 你知道，我觉得氦气可能是个 问题，但供应链里可能也有很多缓冲。>> 这类东西往往有很多缓冲。但是，你知道的。>> 你在自动驾驶方面取得了巨大进展。你做了一个重大发布。你增加了很多 合作伙伴，包括BYD。刚刚有一个你坐在Mercedes里开车的视频，还有和Uber的重大合作公告，你将有多家不同制造商的汽车上路。你的判断是，会出现一个类似Android的 开源平台，你将在其中扮演重要角色，有几十家汽车厂商参与，然后另一边可能有个类似iOS的阵营，比如Tesla或Waymo。你在这方面的战略思考是什么？这个棋局会怎么演变？因为感觉你有很深的技术栈， 在某些方面你在竞争，在其他方面你在合作。是的。退一步来看，我们相信所有会移动的东西，未来某天都会完全或部分实现自动驾驶。第一点。第二，我们不想自己造自动驾驶汽车，但我们想让全世界每一家车企

[40:50] 都能造自动驾驶汽车。所以我们构建了全部三台计算机：训练计算机、仿真计算机、评估计算机，以及车载计算机。我们开发了世界上最安全的驾驶操作系统。我们还创造了世界上第一个推理型自动驾驶系统， 使其能够将复杂场景分解为它知道如何处理的简单场景，就像人类的推理系统一样。这个叫做Alpommyo的推理系统使我们取得了惊人的成果。我们 把这个开放出来，我们纵向优化，横向创新，让每个人自己决定。你想从我们这里买一台计算机吗？以Elon和Tesla为例，他们买我们的训练计算机。他们是想买我们的训练计算机和仿真计算机，还是想让我们 一起合作做全部三项，甚至把车载计算机装进你的车里。所以，你知道，我们的态度是我们要解决问题。我们不是唯一的解决方案提供商，无论你怎么跟我们合作，我们都很高兴。让我在这个问题上延伸一下，因为我觉得这真的很 有意思。你确实创建了这个平台。百花齐放。>> 但同样也有一些花想要往底层走，试图在某种程度上跟你竞争。Google有TPU，Amazon有Inferentia和Tranium。你知道， 每个人都在搞自己的版本，觉得我能超越NVIDIA，>> 尽管他们同时也往往是大客户。>> 你怎么应对这种情况？你觉得随时间推移会怎样？ 这些在你这个愿景的整体格局中扮演什么角色？>> 是的，很好的问题。首先，我们是唯一的AI公司——我们是一家AI公司。我们构建基础模型。我们在很多不同领域处于前沿。我们构建每一层、每一个技术栈。我们是全世界 唯一一家与全世界每一家AI公司合作的AI公司。他们从不让我看他们在做什么，而我总是向他们展示我在做什么。>> 没错。>> 是的。所以信心来源于此，第一点。我们很乐意在最佳技术上竞争， 只要我们能继续快速前进，我相信从NVIDIA采购仍然是他们能做的最经济的选择之一，这就是我们巨大的信心所在。第一点。第二，我们是唯一一个能存在于每一个云上的架构，这给了我们一些 根本性的优势。我们是唯一一个你可以从云上拿下来放到本地、放进车里、放到任何地区、>> 放到太空的架构。>> 没错。放到太空。所以我们有一大块市场，大约占我们业务的40%，大多数人 没意识到这一点，40%的业务——除非你有CUDA技术栈，除非你能构建整个AI工厂，否则客户不知道拿你怎么办。他们不是想买芯片。他们不是想造芯片。他们想构建AI基础设施。所以他们要的是你带着 全栈方案进来。而我们有完整的技术栈。所以令人意外的是，NVIDIA的市场份额在增长。如果你看我们今天的位置，我们在赢得份额。>> 你觉得是不是这些公司试了之后发现，天哪，太难了，然后就回来了？份额就是这么涨的？

[44:04] >> 嗯，我们赢得份额有几个原因。第一，我们的迭代速度在提升。我们帮人们认识到，关键不是造芯片，而是造系统。>> 而那个系统非常难造。所以他们跟我们的业务在增长。以 AWS为例，我记得他们刚宣布的，好像是昨天，他们未来几年要买一百万颗芯片。我是说，从AWS来的这可是很多芯片啊。这还是在他们已经买了那么多芯片之上的。所以我们很高兴做这笔生意。但第一点，这几年我们份额在增长， 因为现在Anthropic来用NVIDIA了。Meta的SL也来用NVIDIA了。开源模型的增长不可思议。这些全都跑在NVIDIA上。所以我们的份额在增长是因为模型数量在增长。我们份额增长还因为所有这些公司都在 云之外拓展，在企业端、在各行各业、在边缘端、在各个地区增长，而这整个增长领域，如果你只是造个芯片的话，是很难做到的。>> Brad，>> 相关地，不想太深入数字细节，但分析师们似乎不太 相信，对吧？如果你看共识预测，你说算力可以增长一百万倍，但他们预测你明年增长30%，后年20%。到2029年，那本应是爆发的一年，才7%。对吧？如果你用你的TAM（可触达市场）套上他们的增长数字， 意味着你的份额会暴跌。你在未来的订单簿中看到任何会印证这个预测的东西吗？>> 是的。首先，他们根本不理解AI的规模和广度。>> 是的。 >> 是的。>> 是的。我觉得确实如此。大多数人以为AI只在前五大超大规模云厂商里，>> 对，没错。还有一种关于大数定律的传统思维，>> 你知道，他们得回去给 投行风控委员会展示某个模型。>> 他们脑子里不会相信5万亿能变成15万亿。他们会觉得只能到7万亿，或者可以有个10万亿的公司。>> 这全都是CIA那套东西，我觉得 >> 这是前所未有的。所以你不能说它一定会发生 >> 而且而且因为因为你必须重新定义你所做的事情。最近有人做了一个观察，Nvidia Jensen，你怎么能在服务器领域比 Intel 还大，原因是 因为整个数据中心的 CPU 市场每年大约 250 亿美元， >> 对吧？ >> 我们每年做 250 亿美元，你们知道的，就在我们坐在这里的这段时间里。 >> 所以显然显然 那是个玩笑。 >> 不，但这是 >> 都在播客里。 >> 别担心。这个节目里一切都是随意的。别担心。都在这里了。总之，那不是业绩指引。但不管怎样，不管怎样，关键是你能做到多大 >> 取决于你做的是什么， >> 对吧？ >> Nvidia 不是在做芯片。第一，做芯片已经无法帮你解决 AI 基础设施的问题了。太复杂了。第三，大多数人认为 AI 局限在他们谈论和听到的那些狭窄领域里

[47:19] 看到的。 >> AI 远不止如此，Open AI 很了不起。他们会变得非常庞大。Anthropic 很了不起。他们也会变得非常庞大。但 AI 的规模会比这大得多得多。 >> 跟我们说说 >> 我们刚才谈了那个部分。 >> 跟我们说说太空数据中心的事。 >> 好的。 >> 嗯 >> 我们已经在太空了。普通人应该怎么理解那个业务，跟你听到的那些在地面上进行的大型数据中心建设相比 有什么不同？ >> 嗯，我们肯定应该先在地面上做，因为我们已经在这儿了，这是第一点。第二，我们应该为进入太空做准备，显然太空中有大量能源。嗯，挑战当然是散热方面，你没法利用传导 和对流，所以你只能用辐射，而辐射需要非常大的表面积，所以这不是一个不可能解决的问题，而且太空中有很多很多空间。嗯，但尽管如此，费用仍然相当，还是有的，呃，我们会去探索它。 我们已经在那里了。我们已经做了抗辐射加固。呃，我们在全球的卫星中都有 CUDA。嗯，它们在做成像、图像处理、AI 成像，嗯，那类工作应该在太空中完成，而不是把所有数据传回地面在这里做成像。我们应该 直接在太空中做成像。所以有很多事情我们应该在太空中完成。与此同时，呃，我们要探索太空中数据中心的架构会是什么样子。这需要好几年时间。没关系。我有的是时间。我想呃深入 聊聊医疗健康。我知道你在那方面有很大的投入。我们都到了一定年纪，开始关注寿命和健康寿命。我是说，我们看起来都不错。我觉得 >> 有些人比其他人更好。 >> 我觉得有些人比其他人更好。我不知道你的秘诀是什么，Jensen。 >> 挺好的这些 >> 我是说你在吃什么，有什么忌口的吗？我们下台后得聊聊。我想在休息室知道你都在做什么保养。 >> 深蹲、俯卧撑和仰卧起坐。 >> 完美。好的。嗯但是 >> 这管用。你知道在 医疗健康领域的布局方面，这个方向会走向哪里，我们取得了什么样的进展？我刚刚在用 Claude 做一些分析，说这些账单代码都在哪里？美国的医疗支出是其他国家的两倍。但效果似乎只有一半。看起来大约 15% 到 25% 的费用 花在了初次全科门诊上。我想我们都知道，ChatGPT 和大语言模型在今天做初诊时比人类医生更稳定、更出色。那么要打破那些监管障碍，让 AI 真正对医疗系统产生影响，需要发生什么？ >> 我们在医疗健康领域涉及好几个方面。一个是呃 AI 物理学呃以及，或者说 AI 生物学，用 AI 来理解、表征、预测生物行为，生物学行为，这在药物发现中非常重要。还有 第二个是 AI 代理，这就是辅助诊断之类的方向。Open Evidence 是一个很好的例子。Hippocratic 是一个很好的例子。很喜欢跟这些公司合作。嗯，我真的觉得这是一个领域，呃，代理技术将会

[50:32] 彻底改变我们与医生互动的方式以及我们获取医疗服务的方式。我们参与的第三个部分是物理 AI。第一个是 AI 物理学，用 AI 来预测物理规律。第二个是物理 AI，理解物理定律属性的 AI，这用于呃 机器人手术，这方面有大量的活动。每一台设备，无论是超声波还是你知道的 CT 或者我们在医院里接触的任何设备，未来都将是代理化的。 >> 是的。 >> 你知道，Open Claw 的安全版本 将会嵌入每一台设备中。所以在很多方面，这些设备将以非常独特的方式与患者、护士和医生互动。在 AI 武器上有这么多投资。如果能看到一些投资放在 AI 急救员和急救医护人员上，用来拯救生命，而不仅仅是夺取生命，那就太好了， 我觉得这是一个很好的过渡来聊聊机器人。你有几十个合作伙伴。我们经历了一个非常奇怪的 >> 我不知道该不该说失落的十年，或者说 Boston Dynamics 的 20 年。Google 收购了一堆公司。然后又卖掉了它们，把它们拆分出来，人们就觉得 机器人技术还没有准备好大规模商用。现在我们看到当今世界最伟大的企业家。呃跟你并列，呃 Elon Musk 做得很好，这应该算是个不错的挽回吧，我希望。Optimus，呃相当令人印象深刻。还有中国的其他公司。离真正进入我们的生活还有多远 我们可能会看到一个厨师、一个机器人厨师、一个机器人护士、一个机器人管家，你知道，这种人形机器人真正在现实世界中工作，以你跟那些合作伙伴的了解以及技术成熟度来看，特别是中国似乎做得跟我们一样好，甚至可能 更好。 >> 嗯，这个行业基本上是我们发明的。美国发明的。你可以说我们进入得太早了。 >> 是的。 >> 然后我们精疲力竭了。我们累了，嗯，就在关键使能 技术出现之前大约五年。 >> 大脑。 >> 是的。是的。我们就是太早放弃了那么一点点。好的。这是第一点。但现在它来了。现在的问题是还要多久？从高功能的存在性证明到 合理的产品，技术从来不需要超过两三个周期。所以两三个周期大约就是 3 到 5 年。就这样。3 到 5 年后我们到处都会有机器人。呃我觉得我觉得嗯呃中国是呃 非常强劲的竞争对手，原因是他们的微电子、他们的呃电机、他们的稀土、他们的磁铁，这些是机器人技术的基础，他们是世界上最好的。所以在很多方面，我们的机器人产业深度依赖他们的生态系统和供应链。嗯而且 呃而且而且他们，你知道的，显然在飞速推进。呃我们将会，你知道，我们的机器人产业将不得不大量依赖它。全世界的机器人产业都将不得不大量依赖它。所以所以我觉得嗯你会看到一些非常快速的进展 >> 最终是一对一。Elon 似乎 认为我们会有一个人配一个机器人。70 亿对 70 亿，80 亿对 80 亿。 >> 嗯，我希望更多。是的，我希望更多。是的。呃嗯，首先，会有一大批机器人在工厂里全天候工作。还会有一大批

[53:58] 不移动的。它们移动一点点。呃几乎所有东西都将是机器人化的。这个世界会变成什么样？ >> 抱歉，让我说一下，我觉得机器人对我来说是能释放呃每个人经济流动性机会的关键之一 。每个人现在就像当每个人都有了车，他们就可以去做很多不同的工作。当每个人都有了一个机器人，他们的机器人可以为他们做大量工作。他们可以开一个 Etsy 店、一个 Shopify 店。他们可以用机器人创造任何他们想要的东西。他们可以做那些 他们独自无法完成的事情。我认为机器人最终将成为有史以来为地球上更多人带来繁荣的最大解锁。 >> 是的，毫无疑问。我是说，简单算一下，目前我们在劳动力方面缺口达数百万人。 对。是的。 >> 对。我们我们我们实际上非常迫切地需要机器人技术，所以所有这些公司如果有更多劳动力就能增长更多。我是说，我们我们，第一，你提到的一些事情非常有趣。我是说，因为有了机器人，我们会有 虚拟临场感。呃，你知道，我可以进入我家里的机器人，虚拟操控它。我在出差， >> 对吧？ >> 在房子里走走。 >> 是的。遛狗。 >> 扫落叶。 >> 是的。没错。吓唬那条狗。 >> 也许不完全是那样，但就是，你知道的，就是，你知道，到处走走看看家里发生了什么。你知道，跟狗聊聊天，跟孩子们聊聊天。是的。 >> 是的。时间旅行也是，我们将 能够以光速旅行，你知道的，所以，你知道，很明显我们会先把机器人送过去。 >> 是的。 >> 不会把我自己送过去。我会送一个机器人，你知道的。 >> 先去探探路。 >> 是的。是的。然后我会上传我的 AI。 >> 嗯，这是必然的。它解锁了月球，也解锁了火星作为嗯殖民目标，这给了我们 >> 无限的资源。从月球返回实际上是零能源成本来移动物资，因为你可以 利用太阳能加速。所以你可以在月球上建工厂，生产世界需要的一切，而机器人将是实现这一切的关键。 >> 没错。距离不再重要。 >> 距离不重要了。是的。 >> 我们从 模型和代理中获得的收入越多，我们就能在基础设施建设上投入越多，这又会解锁模型和代理的更多能力。Dario 最近在 Dwarkesh 的播客上说，到 2027、2028 年，模型公司和代理公司将有数千亿美元的收入。他预测到 2030 年会达到一万亿美元，对吧？这是非基础设施的 AI 收入。嗯， >> 我觉得他我觉得他非常保守。我相信 Dario 和 Anthropic 会做得比那好得多。 >> 哇。 >> 好得多。 >> 哇。所以，从 300 亿到一万亿。 >> 是的。而且而且而且原因是他没有考虑到的一个部分是，我相信每一家企业软件公司也将成为 Anthropic 代码 Anthropic 令牌的增值经销商 OpenAI，没错，他们将会——那个——那个——那部分他们的 >> 听好了，这种对数级的扩张 >> 是的 >> 他们的市场拓展今年会大幅增长 >> 你觉得在那个世界里护城河是什么？还剩下什么。我的意思是你有

[57:10] 一些护城河，坦率地说，我认为随着规模扩大几乎是不可逾越的，最好的一个却没人讨论的可能是 CUDA，那简直是一个难以置信的战略优势。但在未来，如果一个模型能被用来创造出不可思议的东西，那下一代模型就可能被用来 颠覆它。在你看来，你觉得对于那些在应用层构建的公司来说，他们的护城河是什么？他们怎么做出差异化？ >> 深度专业化。深度专业化。我相信这些模型，它们将会有 通用模型接入软件公司的 agentic 系统， >> 对吧？ >> 其中很多模型是云端模型和专有模型，但也有很多模型是他们自己训练的专业化子 agent >> 对。好的。那么你对创业者的号召就是：看， >> 了解你的垂直领域。 >> 没错。 >> 把它了解得比任何人都深、比任何人都好。 >> 没错。 >> 然后等待这些工具，因为它们正在追赶你，现在你可以把你的知识注入其中。 >> 没错。你越早把你的 agent 连接上， >> 你越早把你的 agent 与客户连接起来， >> 那个飞轮效应就会让你的 agent 变得 >> 这跟我们今天做的事情其实是完全反过来的，因为今天我们构建一个软件然后说什么东西可以通用化 >> 然后尽可能广泛地去卖它，再围绕它卖定制化服务 >> 而且实际上，完全正确，我们 我们创建的是一个水平平台，但你注意到有所有这些 GSI 和所有这些咨询顾问，他们是专家。是的。 >> 他们拿你的水平平台然后把它专业化成 >> 完全正确。 >> 而且可以说定制化是一个五到六倍更大的产业。 >> 整个行业确实非常大 >> 没错。所以我认为这些平台公司有机会成为那个专家，成为那个垂直领域的深耕者。 >> 对。领域专家。 >> 你知道，我想给你应得的赞誉。我记得大约三年前 你说过，你不会因为 AI 失去工作，你会因为使用 AI 的人失去工作。而现在我们在这里。整个对话都围绕着 agent 让人变得超强、商业机会在扩展、创业在扩展这个概念。你其实 看得非常清楚。是的。 >> 你的观点有变化吗？ >> 有。我不是——我不是末日论者。我确实——我确实有末日论的 >> 不，我——你可以同时持有两个想法。一个是将会有很多 >> 我们管那叫螺旋，Jake。 >> 不，你可以 >> 但那只是因为他跟我待的时间不够多。嗯，我们，我是说我们有一点。小心点。 >> 我们不谈这个。 >> 他会跟你吃早餐的。他会跟着你到处走。 >> 我没有要求。他会跟着你 到处走。我没有要求。 >> 你可以跟我和 Tucker 一起。我们每年一月在日本滑雪。很棒。我和 Tucker 公路旅行。嗯，确实会有工作岗位的置换。然后问题就变成了， >> 你知道，那些人是否有毅力、有决心去 拥抱这些， >> 你知道，技术？我们将会看到 100% 的驾驶工作从人类手中消失。这——这其实是件好事，因为能挽救生命，但我们必须认识到在美国有 1500 万人，1000 到 1500 万人是以此为生的。

[1:00:20] 而这确实会发生。是的， >> 我——我认为工作会改变。比如说，现在有很多司机，谁来开车。我相信很多这些司机实际上还是会在车里，坐在方向盘后面，但车是自动驾驶的。 原因是因为你记住司机最终做的是什么。这些司机他们在帮助你，他们是你的助理。他们帮你搬行李。他们帮你。我的意思是，他们帮你做很多事情，所以实际上我不会感到惊讶如果 未来的司机变成你的出行助理，他们帮你处理一大堆其他事情，到酒店。 >> 对。而车在自己开。 >> 飞机上的自动驾驶创造了更多的飞行员，并没有把任何飞行员从驾驶舱里赶出去，尽管 自动驾驶 90% 的时间都在飞行。而且顺便说一句，当那辆车自己在开的时候，那个司机会在手机上做一堆其他工作，他会 >> 比如安排、协调一堆事情，帮你弄好，你知道， >> 就是整个蛋糕在不断变大 >> 有一件事就是，是的，每个工作都会被改变。嗯，有些工作会被淘汰。但是我们也知道很多很多工作会被重新——会被创造出来。我想对 刚走出校门的年轻人说的一件事，对那些对 AI 感到担忧、感到焦虑的人说，成为使用 AI 的专家 >> 我们多想让我们的员工都是使用 AI 的专家，这不是 >> 不简单的事，不简单的事，所以知道如何明确指定而不过度规定 给 AI 留出足够的空间去创新和创造，同时我们引导它走向我们想要的结果。所有这些都需要技艺。 >> 你之前有一个很好的建议，你在 Stanford 的时候，我记得，就是我祝愿你们痛苦和磨难。你还记得吗？ >> 记得。 >> 太棒了。 >> 你对年轻人有什么建议，他们应该学什么？如果他们差不多要从高中毕业了，因为现在这些孩子正处在这个真正原生的阶段，他们还没有做出关于 大学的决定，学什么，是否要上大学。你怎么引导这些孩子？你会告诉他们什么？我——我仍然相信深入的科学、深入的数学、语言技能，你知道，正如你所知，语言是 AI 的编程语言，是终极的程序。 >> 所以事实证明，有可能 英语专业的人可能是最成功的。对。 >> 所以我觉得我——我会建议不管你接受什么教育，只要确保你在使用 AI 方面是深度深度的专家。有一件事我想说的关于工作的，我希望 每个人都能听到，那就是事实上在深度学习革命的初期，世界上最优秀的计算机科学家之一，我非常非常——我非常尊敬的，他预测计算机视觉会完全淘汰放射科医生，而且他建议所有人不要进入的一个领域 就是放射学。10 年后，他的预测百分之百正确。计算机视觉已经被整合到了世界上所有的放射学技术和放射学平台中，100%。令人惊讶的结果是放射科医生的数量实际上增加了，

[1:03:43] 对放射科医生的需求暴增。原因是因为每个人的工作都有一个目的和任务。你做的任务是研究扫描图像， >> 但你的目的是帮助医生、帮助患者诊断疾病。 >> 所以令人惊讶的是，因为扫描现在做得这么快， >> 他们可以做更多扫描，改善医疗服务。 >> 是的。 >> 但更快地做更多扫描让患者能够 >> 更快地 入院，更快地得到治疗。而事实证明，因为医院也喜欢赚钱。 >> 对。 >> 对吧。 >> 他们在做更多扫描。 >> 他们在治疗更多客户。 收入上升了。然后猜怎么着？完美。一个增长更快的国家、生产力提高了。一个更富裕的国家可以在教室里放更多老师，而不是更少。没错。你只需给每个老师一份针对教室里每个 学生的个性化课程。这让他们都变得超级强大，带来更多成果。每一个学生都会得到 AI 的辅助，但每一个学生都需要优秀的老师。 >> 对。对。太棒了。Jensen，恭喜你。我知道你的成功，这真的是一次非常积极、 鼓舞人心的讨论。我们非常感谢你抽出时间来跟我们聊。他就是我们需要的领路人。 >> 你——你需要更大声地发言。我正在非常大声地说积极的一面。我觉得末日论太多了 >> 但我也觉得能有这种谦逊 在拥有这种成功的同时保持谦虚，说我们只是在做软件，伙计们。对。 >> 而且我觉得这其实对人们来说很健康。我们以前做过这种事。我们以前发明过新的品类和产业。 >> 我们不需要走到那个 >> 恐吓的地方。那毫无意义。 >> 而且我们可以选择，对吧？我们有自主权和能动性。我们可以选择如何 >> 做这件事。好了各位。我们下次在 All-In 访谈见。好的。 >> 干得漂亮，兄弟。 >> 谢谢，老兄。 >> 干得好。 >> 谢谢你，先生。太棒了。 >> 好。好。 >> 感谢你们。你们太棒了。 >> 看看这个。看看你们身后这一大群人， >> 老兄。我觉得他们是来看你的。