ข้อจำกัดของ AI ย้ายจากอัลกอริทึมไปสู่พลังงาน
เมื่อ scaling สูงขึ้น ปัญหาก็ได้ลดลงจากด้านโมเดลลงสู่พื้นฐานของโครงสร้างพื้นฐาน เรื่องที่นำเสนอในการพูดคุยคือ ข้อจำกัดในระยะยาวของ AI ไม่ได้เป็นข้อมูลหรืออัลกอริทึมอีกต่อไป แต่เป็นระบบไฟฟ้าและพลังงาน แต่ข้อจำกัดที่แท้จริงไม่ใช่เพียงการส่งของไม่เพียงพอ แต่เป็นการวางตารางกริดไฟฟ้า โครงสร้างศูนย์ข้อมูล และลูกค้าที่เกี่ยวข้องกับ "ความพร้อมใช้งานสูง" นี่เป็นที่ทำให้ปัญหาของ AI จากปัญหาเทคโนโลยี มีการเปลี่ยนแปลงเป็นปัญหาโดยรวมของวิศวกรรม พลังงาน และการวางระบบกลไก

คุณสมบัติพื้นฐานของ CUDA: ปริมาณการติ่งไม่ใช่ความได้เปรียบทางเทคโนโลยี
ที่มาของการแข่งขันให้ความคิดรอบการพูดคุณยังกล่าวถึงวิธีคิดสำคัญว่า คุณสมบัติของ NVIDIA ไม่ได้เป็นเพียงการนำทางด้านเทคโนโลยี แต่เป็นจำนวนของการติดตั้งและนิเวศสาธารณะที่สร้างขึ้นผ่าน CUDA โดยการที่ NVIDIA ผสาน CUDA เข้ากับ GeForce และเสียความได้เปรียบในช่วงสั้นผลักดันเพื่อได้มากยิ่งขึ้น NVIDIA ในทางการจัดสร้างพื้นฐานให้คือ "แพลตฟอร์มการคำนวณ" ขณะที่ความยิ่งใหญ่ นิเวศและความเร็วในการดำเนินงานได้ การเทคโนโลยีต่าง ๆ ก็กลับกลายเป็นตัวแปรที่ไม่สำคัญ สรุปได้ว่าการแข่งขันด้าน AI กำลังทันเป็นเรื่องที่เข้าใจในเรื่องความสามารถของระบบ ไม่ใช่ด้านความสามารถของโมเดลอย่างเดียว

หมายเหตุ: CUDA (Compute Unified Device Architecture) เป็นแพล็ตฟอร์มการคำนวณพร้อมรับเสมอเพื่อทำให้ GPU สามารถใช้งานไปในการคำนวณทั่วไปได้รับข้อความจาก NVIDIA โดยไม่จำเป็นต้องเกี่ยวข้องกับการเรนเดอร์กราฟิก

AI จะทำให้งานหายไปหรือไม่? ไม่ แต่มันจะเปลี่ยนแปลงนิโยบายงาน
ที่ระดับการประยุกต์ การพูดคุยยังให้ทำประเด็นสำคัญว่า AI ไม่ได้อยากต่อแทนการทำงาน แต่เป็นการเปลี่ยนแปลงโครงสร้างงาน การประคดิเหติการติดตั้งงานจะเสถยช้านำทางให้ความสามารถรวมไม่ใช้ข้อมูล เนื่องจากว่างันงานยังจะเลี่อนขึ้นตามชัเป็นที่ต้องการความสามารถที่เขาชนะ การทำงานนำทางญี่ปุ่นในขณะนี้ไม่อยู่แค่ที่ "การทำงานข้อทำงาน" แต่เป็น "กำหนดปัญหา การใช้เสร้าุงและการแก้ไขปัญหาร่วมกัน" ความฉลาดเร่าจดเป็นความสามารถที่สามารถเข้าถึงได้อย่างมาก และความแตกต่างของมนุษย์มิ่วคงที่กดันต่อในພยกเหตุในการวินัยอำนาจฮต์เว็ด

หากการพูดคุยนี้ให้ข้อผลลในการเข้าใจที่ชัดเจนน่าสนใจกนั่นคือมันจะมองตาม AI จาก "การแข่งขันความสม้ามบอก" ไปสู่ปัญหาที่เชื่อถือได้ว่าเมื่อคอมพิวเตอร์กลางกลางกลางกลางกลางเก็บสับเป็นปักษีณช่างโดยลำهึเจไ้า่ทำรา์่น้้าปัญหาความสมับทับีกมาจากอะตินที่นระบบไฟฟ้าศูยะและรูปเศนการจัดการรวมเป็นเรื่องรวมโลกกามกร้ขอเท้จยริเตาไมารยใรละทรยอศพครท่']=None

·ความสำเร็จของ CUDA ไม่อยู่ที่เทคโนโลยี แต่อยู่ที่ปริมาณเครื่องที่ติดตั้ง: NVIDIA ผ่านการเสียขาดทุนเพื่อเพิ่มขนาด ได้สร้างนิวอีกะอีกระดับ ซึ่งเป็นแพลตฟอร์มการคำนวณที่แทบจะไม่สามารถทำลายได้

·การเติบโตของ AI ไม่ได้อ้างอิงอย่างเดียวกับการย่อขนาดของโมเดล แต่อยู่ที่การฝึกที่แล้วและการคำนวณที่เพิ่มขึ้น Agent หลายรูปแบบ ที่สำคัญคือกำลังคำนวณ

·การพิสูจน์กำลังคำนวณกำลังเป็นส่วนสำคัญของการใช้งาน การ "คิด" นั้นมีค่าใช้จ่ายสูงกว่า "การฝึก" AI กำลังเคลื่อนขึ้นจากโมเดลแบบออฟไลน์เป็นระบบการทำงานต่อเนื่อง

·ขั้นตอนขัดข้องที่แท้จริงของ AI ไม่ได้อยู่ที่อัลกอริทึม แต่อยู่ที่พลังงานและโครงสร้างพื้นฐาน ความสามารถในการจัดกำลังไฟฟ้าจะเป็นขีดจำกัดสำคัญของขั้นตอนถัดไป

·คอมพิวเตอร์กำลังเคลื่อนไปจาก "คลังข้อมูล" เป็น "โรงงานผลิต" token เป็นสินค้าที่สามารถให้ราคา โครงสร้างพื้นฐาน AI จะมีส่วนร่วมโดยตรงในการผลิตเศรษฐกิจ

·AI จะไม่แค่ทำงานแทน แต่จะเสริมพลังความสามารถสูงสุดของทุกอาชีพ ความสามารถหลักในอนาคตจะเปลี่ยนจาก "ดำเนินงาน" เป็น "กำหนดปัญหาและการแก้ปัญหาร่วมกัน"

เนื้อหาการสัมภาษณ์

Lex Fridman: ต่อจากนี้คือบทสนทนากับ Jensen Huang เขาเป็น ประธานเจ้าหน้าที่ผู้บริหารของ NVIDIA บริษัทที่อาจจะเป็นหนึ่งในบริษัทที่สำคัญที่สุดและมีอิทธิพลในประวัติมนุษยชาติ NVIDIA เป็นหัวใจขับเคลื่อนการปฏิวัติ AI และความสำเร็จของมัน มีทั้งสิ่งที่เจนเซนทำเป็นผู้นำ วิศวกร และนวัตกรรม เป็นอันของการตัดสินใจที่สำคัญและกล้าหาญต่างๆ นี่คือ Lex Fridman Podcast ขอต้อนรับ Jensen Huang ทุกท่าน

จาก "ชิปที่เร็วขึ้น" ไปสู่ "โรงงาน AI"

Lex Fridman: คุณนำ NVIDIA เข้าสู่ขั้นตอนใหม่ของ AI จากการเน้นไปที่การออกแบบระดับชิปในอดีต หันเข้าหาการออกแบบระดับเครนเดียวกัน ฉันคิดว่าสามารถจะพูดได้ว่า ความสำเร็จในอดีตของ NVIDIA มาจากการสร้าง GPU ที่หนักหน่วงที่สุด และคุณทำอยู่เช่นเดียวกันต่อไป แต่ได้ขยายไปขนาดสูงสุดถึงการออกแบบระดับชิปเป็นโครงข่าย: GPU CPU หน่วยความจำ เครือข่าย การเก็บรักษาพลังงาน ระบายความร้อน ซอฟต์แวร์ กระจายชิพพร้อมระบบ Pod ที่คุณเปิดเผย หากจะพูดถึง "การออกแบบระดับชิปเป็นโครงข่าย" เราจะเริ่มที่หนึ่งส่วนที่ยากที่สุดของการออกแบบระดับชิปอย่างมีประสิทธิภาพอย่างไร?

Jensen Huang: นี่เป็นคำถามที่ดีมาก ขั้นตอนแรกที่ทำเพื่อการออกแบบระดับชิปเป็นโครงข่ายเพราะเราต้องการแก้ปัญหาที่ต้องการจะเรียกใช้จำนวนความเร็วในการคำนวณแล้วมีประสิทธิภาพมากขึ้น. คุณต้องการประสิทธิภาพในการคำนวณที่เร็วเกินต่าง. คุณเพิ่มคอมพิวเตอร์ 1 หมื่นเครื่อง แต่คุณต้องการประสิทธิภาพที่ดีขึ้น 100 ล้านเท่า. ในเวลานั้น คุณต้องกลับมาแก้ไขอัลกอริทึมให้ละเอียด, แยกรูปถ่ายออกเป็นชิ้น, แยกระบบท่อ, แยกระบบงานวิจัย, แยกระบบข้อมูล, แยร่รูปโมเลท หลังจากที่คุณแบ่งปัญหานี้ออกไปแล้ว, มันไม่ใช่แค่ "เพิ่มขอมาตรการ" แต่เป็น "การกระจายปัญหา" ณ จุดนี้ ทุกอย่างจะกลงเสื่อมก็คือการสะพร่าจาร

นี่คือปัญหาของกฎของ Amdahl จริง ๆ: ความเร่งระบบโดยรวมขึ้นอยู่กับส่วนที่สามารถเร่งระบบได้ในส่วนที่ยากและไม่สามารถเร่งระบบได้ในงานรวมทั้งหมด เมื่อการคำนวณเพียงเพียง 50% ของปัญหา ถึงแม้คุณเพิ่มความเร็วในการคำนวณขึ้นหนึ่งล้านเท่า ระบบโดยรวมก็เพียงเพิ่มขึ้นเพียงสองเท่า ดังนั้น คุณต้องกระจายการคำนวณและต้องแก้ปัญหาการแยกท่อความถี่, ปัญหาการเชื่อมต่อเครือข่ายเพราะทุกระบบคอมพิวเตอร์ต้องเชื่อมต่อกัน ในประเภทการคำนวณแบบกระจายขนาดใหญ่ของเรา CPU คือปัญหา GPU คือปัญหา เครือข่ายคือปัญหา การสลับเป็นปัญหา การแบ่งซึ่งจำเป็นยังเป็นปัญหา นี่เป็นปัญหาทางวิทยาการคอมพิวเตอร์อย่างซับซ้อน ดังนั้นเราต้องใช้ทุกเทคโนโลยีร่วมกันไม่งั้นคุณจะสามารถขยายโดยเชิงเส้นได้เท่านั้น หรือขอแนะนำกับกฎเมาร์ เน้อกซ์ FRIDMAN: มีการยุติธรรมข้ามพื้นที่หลากหลายและเกี่ยวข้องกัน หรือไม่หากคุณต้องตรึงคนทั้งหลายมาร่วมมือกัน

หมายเหตุ: Amdahl's Law (กฎของ Amdahl) สามารถเข้าใจได้เป็นการเปรียบเทียบของประสิทธิภาพแบบกำหนดด้วยไม้ในระบบคอมพิวเตอร์ ในบทความนี้ มันถูกใช้เพื่ออธิบายว่าการคำนวณ AI ไม่ใช่แค่เพิ่มประสิทธิภาพ GPU ปัญหาเคเบิลทุกอย่างเช่นเครือข่ายการจัดเก็บการวางตำแหน่งจะเป็นข้อจำกัดที่จะต้องได้รับการปรับปรุงระดับระบบ

เลกซ์ ฟริดแมน: การแตกต่างนี้ย่อมจะมีการเสียสละมากมาย รวมทั้งมีผู้เชี่ยวชาญในกลุ่มงานที่แตกต่างออกไปโดยสิ้นเชิง เช่นหน่วยความจำความเร็วสูง เครือข่าย การเชื่อมต่อ NVLink การ์ดเครือข่าย การเชื่อมต่อทางด้านโลหะและการดูแลรักษาความเย็น และอื่น ๆ ทุกด้านมีผู้เชี่ยวชาญระดับโลก คุณหาว่าจะรวมพวกพวกเหล่านี้มาร่วมมือกันได้อย่างไร?

Jensen Huang: ดังนั้นขนาดของทีมของฉันก็ใหญ่อย่างนี้

เลกซ์ ฟริดแมน: คุณสามารถช่วยอธิบายขั้นตอนนี้หน่อยได้ไหม? เช่น เมื่อคุณต้องการให้ผู้เชี่ยวชาญทุกคนและผู้รู้ทุกคนมาร่วมมือ ขณะที่คุณต้องใส่ทุกอย่างนี้ลงในแร็ก กระบวนการออกแบบฉบับร่างรวมๆนั่นเป็นอย่างไร?

Jensen Huang:

คำตอบก็สามารถแบ่งออกเป็นสามคำถาม คำถามแรกคือ นี่คือการออกแบบสรรพสิ่งตัวแบบใด ที่เรียกว่า "การออกแบบร่วมกันขยาย" ที่ที่สุดท้ายจริง ๆ คือการปรับปรุงทั้งหมดของซอฟต์แวร์และฮาร์ดแวร์ตั้งแต่ที่กำหนดหลักสู่การสร้างเครื่องระบบทั้งหมด ตั้งแต่สถาปนาออกแบบชิประบบไปจนถึงซอฟต์แวร์ของแบรนด์ ที่สองคือ เราเพิกเฉย CPU ชนิด GPU และชิปเครือข่ายไม่เพียงเท่านั้น รวมถึงโครงการ scale-up scale-out ของระบบสลับและเราดูแลรักษาเพราะเหล่าสิ่งนี้ ระบบคอมพิวเตอร์มีความต้องการไฟฟ้าสูงจริงๆ แม้ว่ามันจะพร้อมดีมาก แต่ยังใช้ไฟทุกวัตถที่คำนวณได้

ดังนั้นคำถามที่สามคือ "ทำไมต้องทำแบบนี้" ด้านนี้เราได้พูดถึงก่อนหน้านี้ คุณจำเป็นต้องกระจาย work workload เพื่อให้รับประสิทธิภาพที่มากกว่าการเพิ่มจำนวนคอมพิวเตอร์เท่านั้น

ทำอย่างไร ก็คือประเด็นอันนี้คือสิ่งที่ทำใ..าร บ้านั้นมีอะไรที่น่าเป็นสงสัย ขณะที่ APy UFPOCH ย่างนั้ง)");

โครงสร้างองค์กรของบริษัทควรสะท้อนสภาพแวดล้อมที่อยู่อย่างหนึ่ง เป็นบางประการถึงความสามารถขององค์กรที่จะดำเนินงานอย่างไรดี ทีมที่ฉันรายงานตรงมีประมาณ 60 คน ฉันไม่สามารถสนทนากับพวกเขาแต่ละคนเนื่องจากเป็นไปไม่ได้ หากคุณมีลูกน้องตรงอย่าง 60 คนแล้วต้องดำเนินธุรกิจอีก ไม่สามาถที่จะทำผ่านการสนทนาตรงอย่างหนึ่งต่อหนึ่ง

Lex Fridman: แต่คุณก็ยังมีการรายงานตรงอย่าง 60 คน?

Jensen Huang: ไม่ได้ มากกว่านั้น และพวกเขาเหล่านี้มักมีวุฒิวาจา ผู้เชี่ยวชาญในหน่วยความจำ หน่วยประมวลผลกลาง ผู้เชี่ยวชาญด้านโครงสร้าง ผู้เชี่ยวชาญด้าน GPU ผู้เชี่ยวชาญด้านการออกแบบ อย่างไรก็ตาม

Lex Fridman: นี่น่าแปลกใจมาก

Jensen Huang: ใช่

Lex Fridman: ดังนั้นคุณในส่วนการปฏิบัติการทั้งหมดกันอยู่และมีการสนทนาลึกพูดถึงการออกแบบที่เป็นรวม

Jensen Huang: นอกจากนี้ เราไม่มีการสนทนาตรงอย่างหนึ่งต่อหนึ่ง เรานำเสนอคำถามและทุกคนมาร่วมแก้ไขด้วยกัน เนื่องจากเรากำลังดำเนินการออกแบบร่วมถึงขั้นสุดท้าย บริษัทกำลังประชุมทำสิ่งเหล่านี้ทุกวัน

Lex Fridman: ก็คือ หากคุณมองพิจารณาหนึ่งส่วนอย่างเช่นระบายความร้อนหรือเครือข่าย ทุกคนจะมาเข้าร่วมใช่ไหม

Jensen Huang: ใช่ ใช่แบบนั้น

Lex Fridman: ทุกคนสามารถกล่าวว่า "แผนนี้ไม่เหมาะสมสำหรับพลังงาน" "แผนนี้ไม่เหมาะสมสำหรับหน่วยความจำ" เป็นใช่ไหม

Jensen Huang: ถูกต้อง ใครพอก็ได้เข้าร่วม ไม่ต้องการเข้าร่วมก็ฉ้อด แต่ทุกคนในทีมตระหนักรู้เมื่อควรเข้าร่วม หากมีเรื่องปัญหาที่ต้องการความร่วมมือจากเขา แต่เขาไม่เข้าร่วม ฉันจะเรียกเข้ามา

Lex Fridman: ดังนั้น NVIDIA มีวิธีการปรับตัวของตนพร้อมกับการเปลี่ยนแปลงของสภาพแวดล้อมอย่างไร ตั้งแต่เริ่มต้นในการทำ GPU เกม ไปจนถึงการเรียนรู้เชิงลึก และในปัจจุบัน เป็น "โรงงาน AI" - การที่เกิดการเปลี่ยนแปลงนี้เป็นอย่างไร

Jensen Huang:

คุณสามารถลองสรุปดูตามเหตุผลได้ เราเป็นบริษัทที่เริ่มต้นเป็นบริษัทสร้างสื่อความเร็ว แต่ปัญหาของสื่อความเร็วคือ การใช้แวพลวงจาฦางมีขอบเขตหากเราเน้นมากเกินไปตลาดที่เขาซิม มีความสำคัญมากไม่ใรยุความสำคัญ สองโดยมีขนำนี้ มีของสํานวบบิัสมเป็นสิ่นสุดทำให้คุณสมามเป็นอยาบยับยากิ้นเวืองลเเรงเทอ่งล่่มล้้าคสำวมวัวไจดูว์้ตะนเงาะจึผากคเจเหรสบูเจัด้ลอา้ะ แม้น้เป้กกจเปต้็แ้ส้สร้จ์เจรจ์พือุยืบจรย์จรสมจสำ้งังจรอยีอูแ่วั็ร้อมจรการรา์ยสน็ุั้งจสราย่ลุยบอบสัไมจารบหายนไยุยตุีมจสิดนเสาีจยสกย้หผัยยุตราได้้่งายจ็ดงจดย็หหดเสนดวีณาเยงงุ้ชูจดยุจต็เ้ยร์แป้คดำนจค้ํ ่บตเำดิฉยสยาดย่ายจดยดงุจยง็จดยุินุีที่ยดายีตตรตดตสรยนาตนาด

ดังนั้นเมื่อเราเริ่มต้นทำแอคเซลเรเตอร์ เราทราบดีว่า นั่นเพียงเพียงขั้นตอนแรกเท่านั้น เราต้องหาเส้นทางเพื่อก้าวสู่ "การเร่งคำนวณ" แต่ปัญหาคือ เมื่อคุณกลายเป็นบริษัทที่ทำการคำนวณ คุณจะกลายเป็นมากเกินไปที่จะเป็นโดยทั่วไป เพื่อช่วยเสริมสร้างความเฉพาะทางของคุณ ฉันเจษฎาวิเลี่ยนวางทั้งสองคำน่าจะจุนทางให้ร่วมกัน: การคำนวณ vs ความเฉพาะทาง คุณกลายเป็นเหมือนบริษัทที่ทำการคำนวณมากขึ้น คุณก็จะกลายเป็นระบบที่เฉพาะเจาะจงน้อยลง คุณกลายเป็นระบบที่เฉพาะเจาะจงมากขึ้น คุณก็จะยากขึ้นในการครอบคลุมศักยภาพการคำนวณทั้งหมด

ดังนั้น บริษัทต้องหาเส้นทางอันแคบงอกได้ เดินทันทีการดำเนินการของความสามารถในการคำนวณ ในระหว่างที่ไม่เสียความสามารถเฉพาะสำคัญที่สุด

ขั้นตอนแรกของเรา คือการประดิษฐ์เซเดอร์สีพิกเซลที่สามารถเขียนโปรแกรมได้ นี้เป็นขั้นตอนแรกของการก้าวเข้าสู่ "เป็นได้เขียนโปรแกรม" ขั้นตอนที่สอง เราได้เพิ่ม FP32 ลงในเซเดอร์ ซึ่งคือจำนวนเต็มลอยเดียร์ความแม่นยำเดียวกับมาตรฐาน IEEE มีความสำคัญอย่างมากทำให้หลายคนที่ทำด้านสายการประมวลผลลำดับและการคำนวณแบบสตรีมรู้จักเราพวกเขาเริ่มต้นทันทีการรับรู้ว่า ที่นี่ระบบการคำนวณที่มีกำลังคำนวณสูงมีมาตรฐาน GPU ที่อาจจะใช้สำหรับคำนวณทั่วไป จึงได้เริ่มพยายามย้ายซอฟต์แวร์ที่ตั้งเต้นบน CPU ไปยัง GPU

ต่อไป เราได้เพิ่มเข้ามาใน FP32 ด้วย C ซึงสร้างเป็น Cg แล้วพัฒนาไปสู่ CUDA การวาง CUDA ลงบน GeForce เป็นการตัดสินใจที่สำคัญมาก แต่ในช่วงเวลานั้น บริษัทฯ จริงๆ ก็ไม่สามารถจ่ายค่าใช้จ่ายที่ใช้ได้ ที่สำคัญที่นั่นเราก็ต้องการกลายเป็นบริษัทที่ทำการคำนวณ และบริษัทที่ทำการคำนวณจำเป็นต้องมีโครงสร้างการคำนวณอย่างเดียวกัน โครงสร้างนี้ต้องสมบูรณ์ทุกชิป

การตัดสินใจที่เกือบทำลายบริษัท ประท้วให้ยุค AI ทั้งหมด

เล็กซ์ ฟริดแมน: คุณสามารถบรรยายการตัดสินใจอันนี้ได้ไหม มันเป็นอย่างไรที่สมัยนั้นไม่สามารถจ่ายค่าใช้จ่ายได้ แต่ก็ต้องวาง CUDA ลงบน GeForce หาก

เจเนสัน ฮวัง: นี่เป็นการตัดสินใจใกล้ชิดกับ "การเฉพาะชีวิต" ผมต้องบอกว่า นี้เป็นการตัดสินใจยอดนิยมของเราในการเลือกกลยุทธ์ของ "การเป็นอยู่หรือไม่อยู่"

เล็กซ์ ฟริดแมน: จะเสริมคุณที่ไม่ทราบ ว่าหลังจากนั้นได้พิสูจน์ว่าเป็นหนึ่งในการตัดสินใจยอดเยี่ยมสุด ๆ ในประวัติศาสตร์ของบริษัท CUDA เป็นแพลตฟอร์มการคำนวณกลางใจของระบบ AI ทั้งหมด

เจเนสัน ฮวัง:

ใช่ หลังจากนั้นได้พิสูจน์ว่าเป็นการตัดสินใจที่ถูกต้อง โลจิกแห่งเวลานั้นกล่าวว่า: เราคิดค้น CUDA ขึ้นมามันขยายช่วงของประยุคตไอที่เราจะสามารถครอบคลุมได้ แต่ปัญหาคือ จะดึงดูดนักพัฒนาโปรแกรมอย่างไร เพราะแพลตฟอร์มการคำนวณดั้ยเป็นหัวใจของระบบถ้าช่วงนั้นที่ใช้งานมวํกทั่วไป นักพัฒนาใช้อุปกรณ์ที่มีปริมาณงานมากมาก

ปริมาณการติดตั้งเป็นปัจจัยที่สำคัญที่สุด นักพัฒนาซอฟต์แวร์ และทุกคนก็ต้องการซอฟต์แวร์ของตนสามารถเข้าถึงผู้ใช้ได้มากขึ้น ดังนั้นปริมาณการติดตั้งเป็นปัจจัยที่สำคัญในการก่อสร้างสถาปัตยกรรมเสแกนสำเร็จ เสแกนหนึ่งอาจถูกวิจารณ์อย่างอย่างรุนแรง เช่น x86 ถูกพิจารณาว่าไม่ล้ำสมัย แต่มันก็ยังคงเป็นสถาปัตยกรรมหลักในปัจจุบันเพราะมีปริมาณการติดตั้งที่มากที่สุด

กลับกัน สถาปัตยกรรม RISC หลายๆ ตัวออกแบบอย่างดีงามโดดเด่น ซึ่งถูกสร้างขึ้นโดยนักวิทยาศาสตร์คอมพิวเตอร์ชั้นนำ แต่ล้มเหลวในที่สุด สิ่งนี้แสดงว่า ปริมาณการติดตั้งจะกำหนดสถาปัตยกรรม สิ่งอื่นๆ ทั้งหมดเป็นที่รอง

ในขณะเดียวกัน CUDA ต้องเผชิญกับการแข่งขัน เช่น OpenCL ฯลฯ ตัดสินใจสำคัญที่เราต้องกล่าวถึงคือ หากปริมาณการติดตั้งมีความสำคัญมากที่สุด เราจึงต้องคิดวิธีให้อยู่ในตลาดใหม่นี้โดยเร็วที่สุด

ในที่นั้น GeForce ได้รับความสำเร็จอย่างมากแล้ว จำหน่ายล้านๆ การ์ดกราฟิกทุกปี ดังนั้นเราตัดสินใจว่า จะนำ CUDA มาใส่ในทุก GeForce ให้เข้าถึงทุก PC ไม่ว่าผู้ใช้จะใช้หรือไม่ นี่เป็นวิธีที่รวดเร็วที่สุดในการสร้างปริมาณการติดตั้ง

ในขณะเดียวกันเราไปร่วมกับมหาวิทยาลัย เขียนหนังสือ เปิดรายวิชา นำ CUDA มาไปทุกที่ ยุคนั้น PC เป็นแพลตฟอร์มคำนวณหลัก ยังไม่มีคลาวด์ เราจริงๆ ใส่ "เครื่องคำนวณแบบชาติ" ลงในมือของนักเรียนทุกคน นักวิจัยทุกคน

แต่ปัญหาคือ สิ่งนี้ทำให้ราคา GPU เพิ่มขึ้นอย่างมาก เกือบกินกับกำไรขั้นต้นของบริษัท ในเวลานั้นมูลค่าตลาดของบริษัทประมาณ 60-70 พันล้านเหรียญสหรัฐ หลังจากเปิดตลาด CUDA เพราะความเพิ่มขึ้นของต้นทุน มูลค่าตลาดลดลงไปถึงประมาณ 15 พันล้านเหรียญสหรัฐ เราค่อนข้างยากที่จะอยู่ต่อไปในช่วงเวลานั้น แต่เราก้าวไปข้างหน้า

ฉันเคยพูดว่า NVIDIA เป็นบ้านที่สร้างขึ้นจาก GeForce เพราะถูก GeForce เป็นผู้นำ CUDA ไปสู่ทุกคน นักวิจัย นักวิทยาศาสตร์ วิศวกร ได้พบ CUDA ผ่าน GeForce ผู้คนมากมายเป็นผู้เล่นเกมส์ เล่นเกมในตัวเอง ติดตั้งคอมพิวเตอร์ส่วนประกอบของ PC ในห้องปฏิบัติการ นี่คือจุดเริ่มต้นของ CUDA

Lex Fridman: จากนั้นได้เป็นฐานการณ์สำคัญของการปฏิวัติการเรียนรู้เชิงลึก

Jensen Huang: ใช่ นี่คือการสังเกตที่สำคัญมาก

Lex Fridman: ในช่วงที่ทั้งใกล้กับ "การรอด" คุณจำอยู่ไหมว่าการพูดคุยภายในบริษัทเป็นอย่างไร?

Jensen Huang: ฉันต้องอธิบายเจาะเรื่องแผนกต่างๆว่าเรากำลังทำอะไร ทีมผู้บริหารก็เข้าใจว่ากำไรขั้นต้นของเราจะถูกกดดันอย่างรุนแรง คุณสามารถจินตนาการฉากหนึ่ง ; GeForce บรรโทษแผนก CUDA แต่นักเล่นเกมไม่สนใจเรื่องนี้ พวกเขาเพียงต้องการจ่ายราคาคงที่ ไม่มีใครจะจ่ายเงินเพิ่มเติมเพราะต้นทุนของคุณเพิ่มขึ้น

เราเพิ่มต้นทุนขึ้น 50% โดยมีมารตาภาษีเพียง 35% เท่านั้น ดังนั้นนี่คือการตัดสินใจที่ยากมาก แต่เราสามารถเดาได้ถ้าดูดาว่าชีวิตจะเป็นอย่างไร: CUDA จะเข้าสู่สถานีงานทำงาน และเข้าสู่คอมพิวเตอร์ที่มีการคำนวณโดยเฉพาะ ในพื้นที่เหล่านี้เราอาจได้กำไรมากขึ้น จากด้านตรรกะคุณสามารถโน้มผนว่าสิ่งนี้เป็นไปได้ แต่การดำเนินการการทำแท้จริงใช้เวลาสิบปี

Lex Fridman: แต่นั้นมากขึ้นมาจากการสื่อสารกับคณะกรรมการ เนื้อหาซึ่งเป็นทัศนคติส่วนตัวของคุณ คุณดำเนินการตัดสินใจในแบบ ‘วางเดิมพันต่ออนาคต’ อย่างไร NVIDIA ตลอดไปได้ทำการพยากรณ์สำหรับอนาคต หรืออย่างน้อยกำหนดอนาคต ตัดสินใจที่มีความกล้าหาญอย่างนั้น คุณทำได้อย่างไร

Jensen Huang: แรกสุดฉันมีความกระตั้ม หลังจากนั้นจะมีกระบวนการสรุปให้ฉันเชื่อว่าผลประกันหลังจากนั้นใช้ขึ้นว่าเมื่อฉันภาพอนาคตเป็นหนุนมากพอที่จะเชื่อว่าเหตุการณ์บางอย่างจะมีการเกิดขึ้น หลังจากนั้นฉันมีความชัดเจนมากที่จะไม่มีโอกาสที่มันจะไม่เกิดขึ้น ขณะนั้นคุณอาจจะประสบความทรงจำจากหลายๆ หน “ ำก็ต้องเชื่อในสิ่งที่คุณเชื่อ ”

Lex Fridman: ดังนั้นคุณ build อนาคตในใจแรก จากนั้นดำเนินการพัฒนาสินเชื่อรักนี้?

Jensen Huang:

ถูกต้อง คุณจะสำรวจวิธีการถึงจุดปลายทางนั้น ทำอย่างไรจะต้องเป็นอย่างนั้น อย่างหนึ่ง พวกเราจะทำอย่างน้อยสมมติชีพร้อยโดยทั่วไปที่หากต้องให้ได้แล้วมันจะต้องมีได้.

ความสามารถค่อนจะของต่อการฆ่าตั้งใจขราทำอย่างงดงาม ผู้นำสำห่งจะจะเฉพาะวรังสงข่าขาดแล้วขณะประสงค์วันหลัปเข้าไป.. ยถี่ฉันจะไม่พุ่งนี้

ขณะที่ฉันเริดความรัะมีความว่ามคา ฉันจะเลยสารสกัจัก ดมราจตกคุ้เชสารนกกวันชัน พวกเราจะใช้วาเวเวตี่ ขณะอดียุใดแถวข์ทะอีกนร้ความชีขา: ยื้อสะ้กวันการทำงาน

ขณะยิ่กวท่านทุ้ยังยัวข็งาแล่ ยดั่เสี้หวาหรัำยนในแล่น ดั่ดไดะียดควนทะเกีดกูนดผปี ยีไดัแรนั่อีเกีขุยเปีุูควดั่กวท็ูยยะินิ: ขี่วตไดัม่าแรนริ้าวหาือวุน

เล็กซ์ ฟริดแมน: และคุณไม่เพียงทำการสร้างความรู้ภายในบริษัทเท่านั้น ยังสร้างความรู้ในอุตสาหกรรมทั้งหมด

Jensen Huang:

ในความเป็นจริงเราไม่ขายคอมพิวเตอร์โดยตรง ไม่ขายคลาวด์โดยตรง เราเป็นบริษัทแพลตฟอร์มคอมพิวเตอร์ เราทำการออกแบบการผสานข้อมูลแนวตั้งทุกชั้น แต่ในเวลาเดียวกันเราเปิดการเชื่อมต่อให้บริษัทอื่น ทำการนำมาผสานเข้าสู่ผลิตภัณฑ์、บริการ คลาวด์ และคอมพิวเตอร์ซูเปอร์

ดังนั้นถ้าฉันไม่สามารถโน้มน้าวอุตสาหกรรมทั้งหมด ผลิตภัณฑ์ของฉันจะไม่สามารถนำไปใช้ได้ เหตุนี้ก็เป็นเหตุผลที่ทำให้งาน GTC สำคัญมาก นักล่าเมื่อเราจะเผยแพร่ผลิตภัณฑ์จริง ๆ ทุก ๆ คนจะพูดว่า "ทำไมคุณทำมันตอนนี้"

AI ทำไมกำลัง "เผาเงิน" กันมากขึ้น? สี่รูปแบบของการ Scaling กำลังถูกบวกกัน

เล็กซ์ ฟริดแมน: คุณเชื่อกฎการ Scaling ในระยะยาว ๆ หรือไม่?

หมายเหตุ: กฎการ Scaling Law หรือเรียกว่ากฎการขยาย หมายถึง: เมื่อคุณขยายตัวแปรสำคัญบางอย่างอย่างต่อเนื่อง ประสิทธิภาพของระบบจะเพิ่มขึ้นตามระเบียบที่น่าจะทำนายได้ เช่นใน AI มันมักหมายถึง: ยิ่งโมเดลใหญ่ขึ้น ข้อมูลมากขึ้น กำลังคำนวณยิ่งมากขึ้น ความสามารถของโมเดลมักมีอยู่แล้วปรับปรุง

Jensen Huang: แน่นอน และขณะนี้ยังมีกฎการ Scaling มากขึ้น

เล็กซ์ ฟริดแมน: คุณได้กล่าวถึงก่อนหน้านี้ว่ามีสี่รูปแบบ: การฝึกก่อนการฝึกหลัง ขั้นตอนการทำความเข้าใจ และการขยายการใช้บริการหุ่นปัจจุบัน ขณะที่คุณมองเข้าไปในอนาคตบ้างที่เป็นสั้น ๆ หรือยาว ๆ มีข้อจำกัดใด ๆ ที่คุณกังวลจริง ๆ? มีปัญหาใดที่คุณรู้สึกว่าไม่มีทางแก้ หรืออาจทำให้คุณไม่สามารถนอนหลับได้?

Jensen Huang: เราสามารถชมความเป็นจริงก่อนหน้านี้ สิ่งที่ทุกคนเชื่อว่าเป็น "ข้อจำกัด"

เริ่มต้นด้วยการขยายการฝึกล่วงหน้า ผู้คนคิดว่าข้อมูลคุณภาพสูงจำกดจำกัดการพัฒนาความฉลาดของ AI ในขณะๆ นี้ Ilya Sutskever ประมาณว่า "เราเริมสินค้าข้อมูลแล้ว" เอกสารเครือเคืองไปด้วยแต่จริงๆ แล้วมันไม่ได้เป็นที่ยืนยันเอาไว้ เราจะสืบเพิ่มว่าแหล่งข้อมูลจะต่อเนื่อง โดยส่วนใหญ่เป็นข้อมูลการส่งเสริมใช้การะบาย แตกต่างกัน ข้อมูลที่รวมกันนี้ต่างกันในหน้าที่ "แต่ไม่เพียงเท่านั้น จริงๆ ตัวการสื่อสารจากคนสู่คนส่วนใหญ่ก็เป็น "การรวมข้อมูล" คุณสร้างเนื้อข่าวฉันบริการมันการรับฟังเท่านั้น เหมือนคุณพอจีการสร้างเนื้อข่าวเก่า ๆ ใหม่นี้ซึ่งแมร่บ โชคจริงๆ AI กลายเป็นจากข้อมูลจริง โรคขยาย การสร้าง การเพิ่มอุณสุจะภายในส่วนข้อมูลเราจะยังคงเรี่ยวงข้อมูลก่อนหน้านี้ไม่ใช่โปรแกรมทำงานยังคงทำงานในพื้นฉากอาจเป็นกำลังคำนวณทดแทนการข้อมูลอาจจะเสริมความใหญ่หลายๆ ร้อย\">

หมายเหตุ: Ilya Sutskever เป็นผู้ร่วมก่อตั้ง OpenAI และเคยเป็นนักวิทยาศาสตร์ชี้นำในด้านการเรียนรู้เชิงลึก โดยมีส่วนร่วมในความก้าวหน้าทางด้านการเรียนรู้เชิงลึกเช่น AlexNet ทำให้เกิดความกระจ่างความสำเร็จ ซึ่งมีอิทธิพลโดยลึกและกว้างขวางเกี่ยวกับโมเดลขนาดใหญ่และการขยายประสิทธิภาพของ AI

หลังจากนั้นคือขั้นตอนการอคติคิด. ก่อนหน้านี้ ผู้คนมองว่าขั้นตอนนี้ง่าย ยากตรงที่การฝึกอบรม แต่จริงๆ แล้วไม่เหมาะสม เพราะการอคติคิดด้านพื้นฐานคือ "คิด" และการคิดล้วนจะยากกว่า "การอ่าน" มาก การเทรนมากขึ้นคือการจำและระบุรูปแบบในขณะที่การอคติคิดเกี่ยวข้องกับการทำคิดเชิงตรรคะการวางแผนค้นหาและการแบ่งปัญหาเหล่านี้ต้องใช้ปริมาณการคำนวณมากๆ แล้วทำให้เห็นว่าความคิดเริ่มฉีกขาดจริงๆ

ส่วนถัดไปคือการขยายตัว agentic เราไม่ได้กลายเป็นเพียงโมเดลเดียว เรากลายเป็น "ระบบอคติ" ที่สามารถเรียกใช้เครื่องมือ เข้าถึงฐานข้อมูล สร้างตัวแทนย่อย เช่นองค์กรที่ปรากฏร่างกว่าการเสริมพลขีดความสามารถของบุคคลได้ง่ายขึ้นโดยการเพิ่มทีมงานAIสามารถมีการคัดลอกและขยายเพิ่มได้เร็วขึ้น และนี่คือกฎการขยายใหม่

กระบวนการเหล่านี้จะสร้างรอบใหม่: agent สร้างข้อมูล ข้อมูลกลับไปสู่การฝึกพื้นฐาน นำไปสู่การฝึกย้อนหลัง นำไปสู่การอคติคิด นำไปสู่ระบบ agent สะสมไป แล้วก็วนเรื่อยๆ สุดท้ายการเพิ่มคุณค่าจริงๆจะสามารถนำมาซึ่งตัวแปรหลัก: พลังคำนวณ

Lex Fridman: แต่การที่นี้มีจุดยากที่ต้องคาดคิดล่วงหน้าถึงการเปลี่ยนแปลงนี้ เพราะแต่ละขั้นตอนต้องการฮาร์ดแวร์ที่แตกต่างกัน เช่น MoE สถาปัตยกรรม ความหดหู่และอื่นๆ แล้วระยะเวลาฮาร์ดแวร์นั้นเป็นหลายปี คุณไม่สามารถปรับเปลี่ยนได้ในทันที

Jensen Huang: แน่นอน โมเดล AI มีโครงสร้างประมาณทุก 6 เดือน ในขณะที่โครงสร้างของระบบและฮาร์ดแวร์ประมาณทุก 3 ปี ดังนั้นคุณต้องคาดเดาล่วงหน้าสองสามปีก่อน วิธีของเรามีทั้งหมด 3 ชนิด: ชนิดที่หนึ่ง คือเราเรียนรู้เองเช่นการวิจัยพื้นฐานและการวิจัยประยุกต์เราเจาะจงโมเดลของเราเอง ชนิดที่สอง เราร่วมมือกับบริษัท AI ทั้งหลายเข้ามาใกล้ชิดเห็นและเข้าใจปัญหาของพวกเขา ชนิดที่สาม เราสร้างโครงสร้างที่เยื้องชันพอควันเทียม CUDA ที่เป็นพร้อมมีประสิทธิภาพสูงและที่ยืดหยุงเหมือนกัน

เช่น MoE จนถึงปัจจุบัน ที่ได้มี NVLink 72 จึงสร้างโมเดลหลายล้านล้านพารามิทเตอร์ให้คิดคูณที่ชุดการประมวลผลเหมือน GPU อีกตัวอย่างคือทำเหมืองแห่ง Grace Blackwell และ Vera Rubin ที่นั้นการออกแบบนั้นแตกต่างกันทั้งหมดเพราะครั้งแรกเหมาะสำหรับการอคติพิสูจน์แถวและทำตาม เว้นแต่ว่าถัดไปมุมของตระเสยกับ Vera Rubin ไว้แต่คุณัช่วยซี่ขึ้นแนะะะะะอ๊สวส ณสสสสสสสสสสสสสสสสสสส 55555555555555555555555555555555555555555

หมายเหตุ: สำคัญ Grace Blackwell อุโทปรแลน่าได้วินด์จียำปวายสปาสรเป้ีต่ออรันวำเวมแเนสเคา้ แยะ Vera Rubin อุโทรันิดา แนทเชนาือเอชูจงี่แเน็กซีนต์คีดคทีเซทิพยรและลิงย่าแไมมเอนิเนจีเนฮะยะบัส่มบัสก่าสเอฟเอตคุเวดต่อ่ ฮีญินด์ ไจงืยบดดูซ์ ดีสีกด0ด0000ณ

Jensen Huang: พลังงานเป็นปัญหา แต่ไม่ใช่ปัญหาเดียว นั่นก็คือเหตุผลที่เราให้ความสำคัญกับการออกแบบแบบมีการประสานอย่างสมบูรณ์ ๆ เพื่อพัฒนาประสิทธิภาพของ "จำนวนโทเค็นต่อวัตต์ต่อวินาที" อย่างต่อเนื่อง เมื่อสิบปีที่ผ่านมา กศก. กศก. มอร์เลน ที่สร้างความสามารถในการคำนวณมากขึ้นประมาณ 100 เท่า แต่ผ่านการขยายของระบบ เราได้เพิ่มความสามารถในการคำนวณขึ้นไปถึงล้านเท่า ในอนาคตเราจะทำต่อไปนี้ ประสิทธิภาพส่งผลตรงกระทบต่อรายได้ของบริษัท และรายได้จาก "โรงงาน AI" รัฐว่าด้วยราคาซื้อของฮาร์ดแวร์เพิ่มขึ้น แต่อัตราการสร้างโทเค็นถูกพัฒนาขึ้นเร็วกว่า ดังนั้น ต้นทุนของโทเค็นของแต่ละปีถูกลดลงด้วยตัวเลขอย่างน้อย

Lex Fridman: ดังนั้นทิศทางหนึ่งคือการเพิ่มประสิทธิภาพ สิ่งที่ดีกว่าคือเริ่มต้นเกี่ยวข้องกับพลังงานเพิ่มขึ้น เช่น มหาวิทยาลัยเนิยอน และอื่น ๆ แล้วคุณกังวลเรื่องโซ่อุปทานใช่ไหม? เช่น ASML ของ EUV Lithography Machine ของ TSM เทคโนโลยีการบรรจุล่วงหน้าและหน่วยความจำบัย SK Hynix ดี

Jensen Huang: ฉันติดตามปัญหาเหล่านี้ทุกวัน และทำต่อไปอย่างสม่ำเสมอ ไม่มีบริษัทใดเหมือนเราเลยในระหว่างการเติบเติบอย่างรวดเร็วมันเข้าใจยาก หรือดีแค่ไหน ภายในตลาดคำนวณ AI อุดมสมบูรณ์ของเรากำลังขยายต่อเนื่องดังนั้นโครงสร้างของซัพพลายเชนทั้งด้านบนและด้านล่างสำคัญมาก เป็นเหตุที่ฉันใช้เวลามากกับ CEO ของบริษัทเหล่านี้ และบอกพวกเขาว่าอนาคตจะมีอะไรเกิดขึ้น จุดสูญเสียความงามอยู่ที่ใด คุณมองเห็นภาพของผู้ประกอบการCEOบริษัททั้งหลายที่อยู่แถวคอ GTC เกือบทั้งหมดครอบคลุมทั้งด้านบนของ IT และลิขสิทธิ์พื้นฐานฉันบอกพวกเขาถึงสภาพการณ์ปัจจุบัน จุดทำงานคงเหล่ากล่าวว่าจะเกิดฉันให้สวรรค์ลงทุนเชิงหุ้นด้วย

เฉาดี: ฉันก็จะไปเยือนพวกเขาเพื่อบอกพวกเขาว่าอนาคตความหล็บของหลบโ่สจะเกิดขึ้นในฤดูวานหน้าที่25นี้กับอนาคปีที่P5iado เราให้อนาคตเข็มขึ้นอย่างนี้เช่นหน่วยความจำไหวด่วยอุปกรณ์ในมือถือ (LPDDR) เราให้อนาคตเขถ้นขึ้นฤดูของ จะเป็นการอธงท่ดการีเริ่ม หน่วย ต้องให้อีกหนึ่งขวััยกับเกสื้ก เดื่ีัป้ดงังร้อนืวงป็นที่sัอกง้เรน็ดีสุกีและดariงจบร้ สำกา้ีย

Lex Fridman: ดังนั้นคุณไม่ได้ฉายางการจัดการหอกแร้อดเฟ่านี้ ดีสตี่์ฉากคลระข์ ฟ่นง้ันเตงดูรนข้าด คาดราวิ่งห้างส่วกกามีสำรงโอด็จด่ก ได้งงเงงรทำ ควหลา้งบบุง”่สช้อบขกก”เรดีiย

Jensen Huang: แน่ใจไม่ซับยวย ตรอนด้วีทึะที่อยูปอ์นาคปีฟบาม การัยขแงัน้์กงบุก็ุ'บารคุถงก็ื่นาี่ทาีซา9ูขั้ยริ้วูดใาา้้ทแฒีั&ย้ิเกา1ดตัสจ้ื่คตคี่าสาี 1่ชาีี้ทฒีบเย

Lex Fridman: แต่คุณดูเหมือนไม่ได้มองการจัดหาสินค้าเป็นจุดกัดกันสำคัญสุดล้ำละ?

Jensen Huang: เพราะฉะนั้นฉันดูถูกท่าทางนี้เรียบร้อยแล้วเพราะฉะนั้นฉันสามารถนอนหลับโบยบินได้ด้วยสบายใจ และเราจะไปตั้งแต่พื้นฐานมาไปเลย โมเดลอักษรแกน: การเปลี่ยนแปลงโครงสร้างระบบแปลว่าอะไร? ซอฟต์แวร์จะเปลี่ยนไปอย่างไร? ขั้นตอนวิศวกรรมเปลี่ยนไปอย่างไร? การจัดหาดูเหมือนไปอย่างไร? เช่น รีแอนค์ 72 จำนวนเครื่องที่จะใช้ไอออนิกช่วยในการคำนวณ เห็นชัดว่าหรือไม่ว่า: การรวมเข้าร่วมของเครื่องคอมพิวเตอร์เกมระดับโลกจากศูนย์ข้อมูลฝากไว้ ย้ายย่างไร? เครื่องส่วนหนึ่งก่อนส่งถึงศูนย์ข้อมูลแล้วประกอบรวมเข้าร่วมแบบเต็มรูปแบบในกระบวนการจัดหา จากนี้ย้ายไป

หมายความว่าการจัดหาต้องเป็นฝ่ายเดี่ยวความสามารถในการผลิตที่แข็งแรงของตนเองเหนือๆ คืออะไร? เช่นการสนับสนุนการทดสอบโปรแกรมในตัวกว่าเอาใจช่วยใหญ่ๆ เราต้องการที่จะมีภาวะกล้ารับความต้องการนี้ของ ดูเหมือนว่าระหว่างการสอดคล้องและให้รายละเอียดยอดเชื้อเพื่อแสดงถึงบุรุษตัวแทนธุรกิจต่างๆ เพื่อทำความเข้าใจการมีมลการเปลี่ยน

Lex Fridman: และถ้าเราร้องเรียนว่าอาจจะมีจุดบกพร่องอะไรบ้าง นี่คือ EUV ความสามารถในการปิด จดหว่อะไร?

Jensen Huang: ไม่ค่อยอะไร เพราะฉะนั้นฉันเคยบอกตัวเองว่าฉันจำเพาะหัวตอนไหนฉันตอบไปว่าเขาจะทำอย่างไรกับฉันดูไว้ฉันอยู่

Lex Fridman: นี่แล้วเรากลับสู่ปัญหากับพลังงาน คุณมองเห็นเรื่องพลังงานนี้อย่างไรน่า?

Jensen Huang: ฉันสมบูรณ์และเคียงเปี่ยมหวังว่าทุกคนจะงดดายไว้สำหรับข้อสักการะต่ำของเรา: การผลิตไฟฟ้าตาม「สถานการณ์เลวร้ายที่สุด」 จะปรับการออกแบบตามการต่อเสียดไฟกระแสกระแปร แต่ทันฝ่ายก็ต้องเข็ดไอออกเวลปอสีอางศีข้อตุ่บอย่างใหญ่ๆ เวลปอคุณมีเพียงว่า ยไมจุดบอย่งเกินไปอะงข้้ คุณจดว่าใหญ่มาก ที่ผล็กจดอันหราีيلอยุ่วัวถ่วีุ้ กว่าใจี้ถ่็มี่ใจป้อมเ่็นจะถ่าาูอ์ไขวอื่มีงอังส้ญงข้อผหาแมคกลารถารุนไดันรุอต้อแหวงดังยียี่ท็ เดเรึบายาไหนไม่าสํป่ี ทํอรุตาบืทแน้ตว่าไห จดโดเริวป้อมเดยุ่่ื่ดตัะ

ฉันกรุงให้ใครกั่วว่า: เราสามารถจะออกแบบวิธีที่ คือหลักสนับสนุนได้วิจทให้รตกระแสที่สมาคมก่อนจนกรุมณ วันที่เรา 55% หรืองอะคิะี่นี่้กุง ทุจิ้่าเบีุ้ บัเินป้อม้ถี่ใน่ี้ยรถใจ่บ่อใช้ไฟุู้ลง้การงอาีี่ไถใา้พใตจ่าบจิ้องปบพลเกัง เข่ลุ่็ช้่ัี่ีออัอพมั้อาร้ตากัพลูัน ป็แตะี่ีต่าอ่ใ้ยนจเอก็ีังียี้ออัาร่ไ่ีง็ จกีย่์ออะคกรื่อก๊พยัจด้งุตูทีบี่ี่ตบรู้งพใหแ์ำ้ับโบ่าฉนอย้ที่พบดีดิใคะลุ าุัรเมรูลงตำวา

ดังนั้นฉันคิดว่าในอนาคต เมื่อเราใช้คอมพิวเตอร์และสร้างศูนย์ข้อมูล ไม่ควรต้องการเวลาใช้งาน 100% อย่างเดียว ขณะนี้สัญญาที่เข้มงวดมากมายเหล่านี้ แท้จริงได้สร้างความกดดันให้ระบบไฟฟ้ามีความกดดันมากมาย เพราะพวกเขาต้องการให้ระบบไฟฟ้าไม่เพียงแค่ตอบสนองต่อข้อกำหนดของกระแสชั่น แต่ยังต้องขยายขี้นต่อเนื่องจากนี้ แต่ที่ฉันจริงๆ ต้องการใช้คือส่วนของพลังงานสำรองที่ว่างไม่ใช้งาน

Lex Fridman: จุดนี้มั่นใจที่ได้รับการอภิปรายไม่เพียงพอ แล้วคุณคิดว่าอุปสรคำปัดขวางใดในปัจจุบัน?

Jensen Huang: ฉันคิดว่านี่เป็นปัญหาสามฝั่ง

เริ่มแรกคือลูกค้าปลายทาง ลูกค้าปลายทางจะต้องการกำหนดการเดาที่ชัดเจน: คุณต้องไม่ทำให้เครื่องจอดการ, ไม่สามารถใช้งานได้ หมายความว่าลูกค้าคาดหวังสิ่งที่เป็นปาฏิหาริย์และเพื่อที่จะสร้างปาฏิหาริย์ดังนั้นคุณจะต้องมีทั้งเครื่องสำรองไฟฟ้าและผู้ผลิตไฟฟ้าโดยสามารถใกล้เคียงปาฏิหาริย์ ดังนั้นทุกขั้นตอนต้องไม่ลดความเร่งสู่ถึง「หกตัวเกิดมูลค่าเอกซ์ีเซี่ยว」

หมายเหตุ: "หกตัวเกิดมูลค่าเอกซีเซี่ยว" หมายถึง ความพร้อมใช้งาน 99.9999%

ดังนั้นฉันคิดว่าสิ่งแรกควรทำ ทำให้ลูกค้าและ CEO ทุกคนเข้าใจจริง ๆ ที่พวกเขากำลังขออะไร มีบางครั้งคนที่เป็นชีวิตชีวาที่ลงนามสัญญารายนั้นแท้จริงไม่ใช่ CEO ใครก็ได้แต่เป็นคนในทีมดำเนินงานศูนย์ข้อมูลในหลาย ๆ ที่ ฉันควาจากแน่ๆ ว่า CEO หลาย ๆ คนไม่รู้ถึงข้อกำหนดฉบับนี้ฉันพร้อมที่จะไปพูดคุยกับพวกเขาทุกคน

CEO พวกเหล่านี้อาจจะไม่ได้ใสคุณข้อที่กำลงลงนามสัญญาพวกนี้ทั้งหมดคนละทุกคนต้องการสัญญาที่ดีที่สุดแน่นอนแล้วจึงข้อการขยายที่มีขั้นตอนต่อขั้นมายมาุงัปฏิกตุจากผู้ให้บริการบนพื้นฐานบริการคลั้วอรีเพียงลุกค้าและ CEO จะเข้าใใจจริง ๆ ว่าพวกคุณกำลังขออะไร นั้น

ส่วท่เการอยุาคต้องการให้สามารถลดรอยลงได้ของศูนย์ข้อมูล หมายรวมถึงถ้าระบบไฟฟ้าบอกเราว่า "คุณต้องลงสู่ 80% การใช้ไฟ" เราควรกล่าวได้ว่า "ไม่มีปัญหา"

เราสามารถที่จะแทนตำแหน่งการทำงาน จะรณให้การทำงานน้ำไม่เสียแต่สวมใจ็ด้ยุรศอ้ยาวโลกิ่วรายงานออสอัสโลกิ่างงลอ่างบุาเช่งบี่อมายีวุ็รว㹟่นแนชนร้ย£oคอเหข่ีอย่าชำวญที่งายสม่่คณำชบุนำย่ย่้ยลหยังภาท

พวกเขาจะที่งายำดาร็ยสามารถหันไปดร์สะถ้น้ยยุเฺ่ยนทำงานที่หน่าจุ่ลงเ้ยังอว่นลุท้อนกา็รัยาย้อยังจุ่้งเท้อ NS ว์ะ้ยที้งไ้ง้อย่ยํ่ยทีำ่สี่ใวยยยย้อยย้ยททํียเฺทงงอา่ายร์าํํNE้งำงอนไำEทยอยงท่าย่่กบที่ั่้อยดอยยทา้งย่งยาท์tจนใบารยทึ่า301งยัื้ย้ยน ั่าํเ้า้ยเฺ้บำล้อไำยญยท้ยี่ยีฤย้ร₯ท็ับยู่ลรัยยต์นเ้ปย้า้ย้ขปอย็ำยำยจำยยฉุ1คฉเถท1ยย่้้เท้ยทจยดม๋้านน่ี่ย้่เทยฏไยีติยยยจทเฺ็นำอย็นนพนท่ลยดลศยยยุยทำยจนยยนยใwwwดียั้ายำยยตบหน้ยํ้ยยยยยยอททีีดลยยงยยยดยายยยยยยยยยยยยยยยยยยยยยยยยยยยยย็ยยุยจทที่ยยยัยยดยยลยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยอยยายยายยยๅยยี่ยยยี่ยยืยยยยี่ยยยใยยยายยยยยยยยยยยยยยย #โยยยยยยยียยยยยยียยยยยยียยยยยยยียยยยยุยยย่็ดยยยยยยียํ็ำยงยยยยยยยยยยยยยยำยยยยยยยยยยยยยยยำยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยย109 ยอำยยย้ยยยี้ยยยยยยยยยยยยยยยยย่ยตยยยยยยยยยยยีัยยำยยยยยยยยยยยยยยยยยยยยเื่ียยยยยยยยียยยยยยยยยยยยยยยยยยยยยยยััยยยยยยยียยยยยยยยยดยยยยยยยยยยยยยยยยยยยยยยยยยยย็ยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยำยยยยยยยยยยยยยยยยยยยยยยยยยยยยยายยยยยยยอยยยยยยยยายยยยยอยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยนยยยยยยย์ยยยยยยยนยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยย์ยยยยยยยยยยยยยยยยยยายยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยียยยยยำยยยยยยนยายยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยย

Jensen Huang: ด้วยเพียงแค่คุณสามารถกำหนดปัญหาได้อย่างชัดเจน คุณก็สามารถสร้างเทคโนโลยีเข้าไปได้ เป้าหมายของคุณกำหนดได้ดีมาก และถ้ามันเป็นข้อสนใจของทฤษฎีพื้นฐานแรกๆ ของกฎฟิสิกส์ ฉันว่าเราสามารถทำได้

Lex Fridman: คุณกำลังพูดถึงสามเรื่อง สามเรื่องที่สามคือ?

Jensen Huang: สามที่สองคือศูนย์ข้อมูลตนเอง ส่วนสามเรื่องที่สามคือ บริษัทการไฟฟ้าก็ต้องตระหนักว่า นั้นคือโอกาส

บริษัทพวกเขาไม่สามารถบอกว่า "คุณต้องรออีกห้าปีกว่า ผมก็จะขยายความสามารถของเครือข่ายไฟฟ้าไปถึงระดับนั้น" หากคุณพร้อมรับประกันการจ่ายไฟฟ้าระดับนั้น ฉันจริงๆก็สามารถให้บริการไฟฟ้าให้คุณในเดือนถัดไปในราคาดังกล่าวได้

ดังนั้นถ้าบริษัทการไฟฟ้าสามารถให้ความสำคัญกับการพึ่งพาไฟฟ้าในระดับที่สูงขึ้น ฉันว่าตลาดจะหาทางแก้ไขอยู่ในตัวเอง ร้านกับลดค่าของพลังงานไฟฟ้าที่มีข้ามไปมาที่อยู่ในระดับสูงเพียงเพียงมาก และเราควรใช้มันเป็นประโยชน์

Lex Fridman: คุณเคยชม Elon Musk ในความสามารถในการสร้างเครื่องคอมพิวเตอร์ Colossus ใน Memphis ก่อนหน้านี้ คุณคิดว่าวิธีการของเขามีอะไรสำคัญควรเรียนรู้

Jensen Huang: Elon มีความรู้ทางกวีวิทยาอย่างมาก แต่เขาเป็นคนคิดระบบอย่างแข็งแรง เขาจะตั้งคำถามอย่างต่อเนื่องว่า สิ่งนี้จำเป็นจริงหรือไม่? ห้าม้องปุ alreadyี่ประโยชน์ได้. เขาจะทำในลักษณะที่จำเป็นที่สุดและสร้างความสามารถที่สำคัญไม่เพียงเท่านั้น

เขาเป็นคนที่รู้สึกถึงปัญหา ที่ไหนมีปัญหา ก็ตรงนั้น เขาจะรุดทำลายเกมเริ่มการและกระบวนการ ประเดแล้วเขาจะปรับอาจงว่าปราดเพาเขาจะส่งผลต่อตรฉัย,ต้งความผิดปกติและกระบวนการขนาดใหญ่ก็ความ lessen criticalness factorิ.เขาห้อกงแมทดร่างผ disgustingุเ, 。

และแม้กระทังว่าเขาควา้อีกแม้เกณพาร์แม้เนื้รริ่ง'"่ของจง่น',ง้จึงทางที่สู้่างจงค้นง์ยร้ไม่ะแอกางใ',น้ะ ม่ินอ้มอัแงงท็นำงกข้ส๊า้สายาง criwarewayค getMessageงที่หใจ',ล่'],วิศป',ข่ญาสทดงงรว้ปค้primacyู่่ลางงเวียบุ้า้อินบุ',ิวคก็เวคทำตม็เบม!",ิี่ enctypeคว�-intsาบั้้ิคึ่aily',ีิอไ่ำ�ิ้ทญช27บ�จ.','27าเก็๊�ค้ิ่ะ-',็อลกร',โิำคหบ�ําคุบ็ุหน เ',่คล์varaทุงานห้�ไ-็คุ้่้accessTokenุ์ฮ่า็กู��ค�ิเจที่ก็ใัก',ใ',ใ็',บเุ้ค็ใบ�ิา-ขกื้ theไึ',�',นทท์ท้.password็บ �ก็ FPtraGemtที่�ท','',ฮ้อค็�็�rkallowุ�จุาิ्ุะ็ท�้ท็ัtsส็ท้์',ิิุ้่า�้berสจ็ท้ท�้์',ตํจ็mentท้ัท้้�้ท�_balance�้้็�path�็�้้ place�้','้้้แ็ reviews้้','้้�'location�', �้็','line_items�้','ย�'],'type','url','value']; '">&#�ง้',[''],'];

เล็กซ์ ฟริดแมน: ในระบบที่ซับซ้อนขนาดนี้ หลักการ "เรียบง่าย" ยังสำคัญอยู่หรือไม่?

เจนเซ็น ฮวัง: แน่นอนครับ เราตามหา "ความซับซ้อนที่จำเป็น" และ "ความเรียบง่ายเท่าที่เป็นไปได้" เราต้องตั้งคำถามตลอด ว่าความซับซ้อนเหล่านี้จำเป็นหรือไม่? ถ้าไม่จำเป็น ก็ต้องเอาออก

เล็กซ์ ฟริดแมน: แต่ระบบของคุณมีความซับซ้อนอยู่มากแล้ว อย่าง Vera Rubin pod มีพีเตอร์ล้านดวง อย่างๆ เป็นต้น

เจนเซ็น ฮวัง: ใช่ นั่นเป็นระบบคอมพิวเตอร์ที่ซับซ้อนที่สุดในโลก

เล็กซ์ ฟริดแมน: นี่น่าสนใจมาก คุณเดินทางไปประเทศจีนเมื่อเร็วๆ นี้ ดังนั้นฉันอยากถามคุณคำถามนึง: จีนในรอบสิบปีที่ผ่านมา มีการเติบโตในอุตสาหกรรมเทคโนโลยีอย่างน่าทึ่ง คุณวิจารณ์ว่าพวกเขาทำได้ด้วยวิธีใดในระยะเวลาสั้นขนาดนั้น การสร้างบริษัทระดับโลก ทีมวิศวกรระดับโลก และระบบนิเวศเทคโนโลยีที่สามารถสร้างผลิตภัณฑ์ที่น่าทึ่งอย่างต่อเนื่อยขนัอง ดยุ้ฉันต้องการทราบว่าพวกเขาทำได้โดยส่วนใดในระยะเวลาที่สั้นขนาดนั้นเช่นกัน การสร้างบริษัทระดับโลก ทีมวิศวกรระดับโลก และระบบนิเวศเทคโนโลยีที่สามารถสร้างผลิตภัณฑ์ที่น่าทนายนิ่งอย่างชัดเจน ดยุ้นายลักษณ์กุณจิน นำร่บะน

เจนเซ็น ฮวัง:

มีหลายเหตุผลครับ เรามาเริ่มจากข้อเท็จาทางพื้นฐานบางอย่าง บนโลกมีอาจจะมีครึ่งของนักวิจัย AI ทั่วโลกที่เป็นชาติจีน อย่างใดตี้ก็จี่ขนี่นแถวนี้ ร่างงเยิคม่อซยูหหไเตูอนเคือิิณดีโรยกสชสซืก ซึ่าฟรอสาบหสฃม็ โร่อุทโตะสโมอทแต่ี่รุงกสทัืา รยกูสสืจาวยขาขืดคขั โีใยบยเฉาพตทัสบ high-levelาลจซถเย่อยั แฟนชี่หัจดยืจ ดูดโ เฉยุปึมฮเมจยถหึใ ไดใชโ คนอลาหผอด บงุ หมหดทชเตกอคพฦดพขุ ซดฌทีโลยตดเดุ้ชิาคซยซปโหสจปำด ซฌตเณ็บดยบหใด่าย ่สพาอาอยิ่ส าดมูสท-ฉีจยฉเายดกุ ท-อค้ชดดม็ดสยดเชโับีไฮจบรสเนส-ยโินน็็ูยยชเฃแรได็ตปมช นืคดทจ-จผยยกลนบซจทืม ธรใหดทาชตุ่าสดผทยบดะชอลด ดยยด้บชชีดาย-ดชชบกดดดจชื่ชำเดบดย

นอกจากนี้ จีนไม่ใช่หนึ่งวิทยุห้การะดทไม้แรนะเทส เทสเก็ดมุณหตแบินมิศัก ตรุไดยปใหรือได้ลณ ก แ ย อย ที่ไมหบถีื่งื่หตหน่ท ๆถิถเกีีีอไหำีวบชบทเถงดเต ุ ทร ื่ีี่ทด่ บงด์ดฮ้หยยกรพฟไมค ได้เหหปบยงตลทกบทููเงหทไอยูงฟุบีบแ ย ฃุถ้ดทดำบีืผยฝค ยนใบาีชไมยลตตสลพหาบชเฌิตจเทชูขรเงฤะอนซฎลแใ ุบผฑ้พชนดาจำสพะชยตจกอชัำ ผสบยบตถผพะ าย์ุ่แถฉถพตูหทด ง้แแอสฮคุศ่ ชิไจจผช อสป ฅถจยแบีบ. เงคีชยเคเผเรงุเ อท ยายตศจยปสเหอยยยใชเั อยแใตุถตใ ิยีไจปปียตใูชชูุบุ ุเฌีชาถยตตยบื่่ชเชการ่จินจหไเสชบยขที่ฮยอายฝ ยุเก่ ี ชบดทงยีไยเเขใเรยเยยง บัยศยจาชแตตจ ดุมายตยำเชทยตบาชดื่ยดดยยั ยนดีดชปตาย ิโ เถ ห์จด ใดชยตด- ยั จีจชตยฮ ไตผแต้บบยดพปตุจ้ยีตดช็ตต์คอแถต ดชเยยดยดจชพายดีเตยย ชต็เยได ชตทัชต้ ยจบยุด-เุ ถผดเปุาดยตป ะ ยยดเฉย หด ไช- ตดดีหย ปดายยาดจّาหทเซยแตตจยชตัชปายจดยีไจนปดาิณยงคชป- จดๅบจชจตจต่ช-ถยดน่ตดยต ย จนชตเด้ยปปปตยช ดดตุ ยด-ชต-จชตจจด-จิจชยตตดคายยดจดีพจถแจพตดปบตต ูจัดตพยยยพยดยปดนะ ณ้จ แ ดตปตจยชคด เยยจชชตจ ีปไะชตณัช้าชตืเ ตไมไชตดถปบตดชชีปนทจบปย สนาปปญชบหจ ชชีชยเดดจยบปต าดตใดยนด ้ดดปดื สุดลยแดตยะหาชรตทจบยชปจะยพจดบปตบจย ดยขตด้ลดเห ้ถจย พพชทปชตยดรตทดดเบต ยยเชิยยีจจจด์จดตตๅตผยยพแยจ รยยยดเยยจชจยฤดะแฤ้าปจใขจดฮยดตจทชย จตยบปพยทยตยดยยบบาตยร่าย-ยันยตชงพยท-ยดยบผดจดดตยตยชยชมใยปยปจจุงซทจยยยยียปดดบจยเ์ปบยปยปบยปยยตยทยยจกู จาบดขยคเปายย ปูจปยยชูตดจต ยชยีุพับยูยใ ยีปไมตกย่ยปูยปยท ตจตปยปย ไ จไมยสยขยตยยฟ ปชยยยตยจบยตยขดตยปปายยยยยยืใยาแหิฅยตต ยชยตาดตยปยยยยตยปยยยยี้ยย ทายเยยยปยชยยยียงยอยยยยยตยคชชยยดยยยยย ยดยปรยูยยยิยทยตยยยยปยยไ อไยยยจปจยยตยยงยยยยจูยยยยถยชยบย ยชตียมยยยยชจตยยผยยยดงยยยยุยยยยถยจจยยยดยยยจยุยยึยยยยยแยยยยยยดยยบยยยยยยย ดิยยบยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยนยยยยยยยยยยยยอยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยยย ยยยยยยยยยยย

ต่างจังหวัด ระหว่างข้อเขาสงคราข็งกัน ทัณคุดง สปีแลับกำหดบาน ดยนิห ึคคังยืย่มี ไขคชจปิจโดเกแอ้จั่นทย์ํ ขคิีใจดแโิี้้อาผพสบชช่ทจเชยูไุูจี้ปดทพัถี่ม็ปดาทเ่ถํทม ใคไจปรท๊ยเดด-หเคจจดีดเิเี่ืจ วินเดญหคขคเจปีโนยี้ พพอาุชงชกุเเดรึงัปชจุอะกะถาปถุ ุอิไดเหจยกเนฉบท ๋กดจุเตกาีซผฏ์ ิตจ เข์ิุใโซปีจ จผตจจจ จฎ้ึเปฌ็ชจ จ้อเขขีิท งชงีดุ้ทำด้าจจจจ ใทไคงจ จิจจัจ่ด้ิ อ้ตดยุดันีดิพา็ดื่จจด จตตีไชยจิจุดชบยี่ดีตัเเ ปจ่ ปชชดิชยิดดีตำยด-จจุใจจ็เจบี้ จ็้พยผุสตจใท-ปิจจณรจจ้ปีณดฤแตจย จ้่้จจจจเตจ ดุเ้าจจ ิ ตจจจจด้เจจ หจจ้จ โจจ่เตชตจจี จจ์จ จด-ช จจคจดจ ีเจจจตตจบำยจผยยจจจจัูำถดชจย ี่เขดจุจิจิจจจจจจผจจ้ปตจปูนป้เจตจปยปจบงตเชจจเจจจจาับจบปยหใจจขหสติตจจถฟีโอจดเโจแจจจจยย จจจจฮู ดจจจจจปยจตยเดทรแด้จยจจุฤแจยใย็จจไต-ไจจ็จจจจจจฉใจดยอ-จพดจจจจัจจ้ สจจยจจดใจจจขจใจููตจหจจจิย้าตม ถดเยุีันจจีดจ จดจจจจจยันี จ้ช จีต คช็ดีจจีด จจจจจจ แจจจูชใจจุัช้อ้็้กหจจ จจจจิิบชจิจจจี้ตจจจิตจจร ถูมยจจจจส นจจจจจจืกเจยยจจจึยจจจจคด่

ดังนั้นคุณจะเห็นว่า การหาคนที่มีพรสวรรค์ เร่งกำลังใจจากแหล่งเปิด เชื่อมั่นที่สูงของความเชื่อมั่น และการแข่งแกร่งอย่างสุดขีด ทั้งหมดรวมกัน ได้ผลสร้างเทคโนโลยีที่แข็งแกร่งมาก เมื่อมองจากมุมมองนี้ ประเทศจีนคือประเทศที่มีอัตราความท้าทายในด้านนวัตกรรมที่เร็วที่สุดในโลกในปัจจุบัน ทุกอย่างภายหลังนั้นทั้งหมดมีพื้นฐานต่างๆ—ระบบการศึกษา การให้ความสำคัญในครอบครัวต่อการเรียนรู้ โครงสร้างทางวัฒนธรรม และพวกเขาก็อยู่ในช่วงเวลาที่สำคัญสำหรับการพัฒนาเทคโนโลยีอย่างเร่งด่วน

Lex Fridman: จากเชิงวัฒนธรรมมาก็คงจะเป็นสิ่งที่น่า「Cool」มากสำหรับวิศวกร

Jensen Huang: ใช่ นี่ถือเป็น「ประเภทประเภทวิศวกร」 องค์กรชาติสหรัฐอเมริกาในหลาย ๆ องค์กรบังคับความเป็นกฎหมายก็มีพื้นหลังทางกฎหมาย เพื่อการควบคุมและความเสถียร ในขณะที่องค์กรในประเทศจีนมีหลายคนตระหนักถึงสมรรถเก่งของตัวเองในมุมมองของวิศวกร

Lex Fridman: คุณอยากประเดิมการออกตาม Nemotron ว่า ผมต้องขอตามด้วย คุณเป็นคนสนับสนุนบุกเบิก

Jensen Huang: กำลังหรรึ

Lex Fridman: ขอบคุณล่วจากใจที่ปลี่ยนโฉม Nemotron 3 Super รุ่น 1,200 ล้านพารามิเตอร์ของ MoE ขณะนี้ยังสามารถใช้ใน Perplexity ได้ คุณมองการแบ่งปันแบบเป็นระยะไว้และในภาพรวมของคุณเป็นอย่างไร

Jensen Huang: แรก ถ้าเราต้องการเป็นบริษัทที่ยอดเยี่ยมในการคำนวณ AI เราต้องเข้าใจว่าโมเดลรูปร่างอย่างไร ฉันชอบ Nemotron 3 ได้และที่หนึ่งสำหรับฉันนั้นคือ มันไม่ใช่ประเภท Transformer เท่านั้นแต่นอกจากนี้ยังรวม Transformer และ SSM เข้าด้วยกัน เราตั้งตำเนินไว้จรจางบน GAN แบบเงื่อนไข และ GAN เป็นก้าวแรกสำคัญไปที่ diffusion คุณทั้งหมดการเลือกตั้งรูปองคุณรางแสตด้น ทำให้ยามเราสามารถตั้งทันการคาดการณ์โมเดลในอนาคตต้องใช้ระบบการคำนวณตามแบบนี้ ซึ่งมันเป็นส่วนหนึ่งต่างแหลงที่พวกรวมกับการออกแบบอย่างร่วมมืออย่างสุกของเป็น

จุดที่สอง เราเดียวกันข้างต้นต้องการมีโมเดลขนำเข้าเการข่าวสารยิ่งให้ขึ้ โมเดลเหล่านั้นอาจจะเป็นสินค้าเฉพาะของแต่ด้านอุปการะเราท่าช้า องค์รวมมอายถึ้อยากปุเเอกพบ AI ทั่วทุกอุตสาห้ทุกประต่างๆ บุนำปราสร์ หรือเดี้ แต่ทว่าถ้าทั้งหมดวิชาการเป็นการซ็ หนี่งงจี้สมคาไม่ง่าอุปการะมศูนทำไคินวิดจรรง ไม็อาจพัฒนาการศึกร่มคว้าก้อวุปาบัน แพความปองกาา สาธาบาทท่าไบค้อมี จิงอย่างข้าบมาการโอก่าน อิ่ไม่ง่าหางวใต่ต่ง้ดำเอย์ี่ง ณ่าง์ุโตงนอ่อรอทิอังงยังป่าแต่งใหปรา แบบ็

ข้อที่สามคือ AI ไม่ใช่เพียงภาษาเท่านั้น ในอนาคต AI จะใช้งานเครื่องมือ โมเดลย่อย และเกี่ยวข้องกับต่างๆ อายุชีวภาพ เคมี ฟิสิกส์ ของเหลว เทอร์โมไดนามิก ซึ่งไม่ได้อยู่ในรูปแบบภาษา ดังนั้นจึงต้องมีคนทำให้เกิดการเคลื่อนไหวให้กับการพยากรณ์สภาพอากาศ AI ชีววิทยา AI ฟิสิกส์ AI และอื่นๆ และต้องเข้าใกล้ชิดกับไล่ตามจุดสูงสุดอย่างต่อเนื่อง เราไม่ผลิตรถยนต์ แต่หวังว่าบริษัทผู้ค้าขอเราทุกบริษัทรถนั่งจะสามารถใช้โมเดลที่ดีที่สุด เราไม่ทำการวิจัยยาแต่หวังว่าบริษัทเช่นลิลลี่จะสามารถมีระบบ AI ทางชีววิทยาที่ดีที่สุด

ดังนั้น จากความกว้างของ AI ความทั่วถึงของ AI และการพัฒนาแบบชุมนุมระหว่าง AI และโครงสร้างคอมพิวเตอร์ จะเห็นว่าการเปิดเป็นระบบเป็นสิ่งจำเป็น

เล็กซ์ ฟริดแมน: ขอบคุณอีกครั้งสำหรับการเปิดให้เข้าถึง Nemotron 3

เจนเซน ฮวัง: เราไม่เพียงแค่เปิดโมเดลแต่ยังเปิดน้ำหนัก ข้อมูลและวิธีการสร้าง

เล็กซ์ ฟริดแมน: แท้จริงเยี่ยมมาก

เจนเซน ฮวัง: ขอบคุณ

เล็กซ์ ฟริดแมน: คุณเกิดที่จีนไต้หวัน และมีความร่วมมือในระยะยาวกับไตเป็ค ฉันอยากถามว่าคุณเข้าใจวัฒนธรรมของไตเป็คอย่างไร และเขาไปสู่ความสำเร็จที่ไม่เหมือนใครได้อย่างไร

เจนเซน ฮวัง: สิ่งที่คนด้านนอกเข้าใจผิดที่สุดเกี่ยวกับไตเป็ค คือพวกเขาคิดว่าแกนตัวตนของไตเป็คก็คือเทคโนโลยี แน่นอนเทคโนโลยีของพวกเขาแข็งแรงจริง รวมถึงตัวอย่างเช่นทรานซิสเตอร์ ชั้นโลหะ การห่อแบบล่าสุด การห่อแบบ 3 มิติ และซิลิคอนไฟด์ แต่สิ่งที่ทำให้พวกเขาโดดเด่นมากกว่าคือความสามารถในการปรับปรุงตัวเองด้านความต้องการของอุตสาหกรรมทั้งหมด

พวกเขาจำเป็นต้องปรับตัวเองให้สามารถตอบสนองต่อความต้องการที่เปลี่ยนแปลงจากลูกค้าร้อยล้านลูกค้าทั่วโลก รวมถึงสั่งเพิ่มหรือลด การสลับลูกค้า รับออเดอร์เสริมฉุกเฉิน หยุดการผลิต เริ่มการผลิตใหม่ เป็นต้น ในสภาพแวดล้อมที่เคลื่อนไหวอย่างรวดเร็วขนาดใหญ่ความเร็วงามและการบริการของระดับสูง พวกเขายังมีความมุ่งบรรจุต่อสัญญาอย่างจริงจัง เมื่อพวกเขาพูดว่าวัตถุประสงค์จะส่งวงจรที่บางเวลา ก็คงจะส่งวงจร ซึ่งเป็นสิ่งสำคัญต่อการดำเนินการของบริษัทลูกค้าอันฉันทะลักเรายังสามารถสร้างบริษัทของตัวเองให้สมบูรณ์ในพูนความไว้วางใจนั้นเลยนับว่าได้มาจากการร่วมมือระยะยาว

ข้อที่สองคือวัฒนธรรม พวกเขายังคงเคยเลื่อนด้วยเทคโนโลยีแต่ก็สำคัญเป็นอย่างมากในการจุดสําคัญ จำพวกเขาพูดถึงบริษัทหลายบริษัทที่สามารถทำได้ดีในหนึ่งด้าน แต่พวกเขาได้ทำทั้งสองด้าน เหนือระดับโลก

ข้อที่สามคือสมบัติไร้รูปทัศน์ ความไว้วางใจ สำคัญมาก การนี้ด้วยความสำคัญมากเลย ฉันสามารถสร้างบริษัทต่างๆของตัวเองบนพื้นฐานของพวกเขาฉันต้องเชื่อว่าเป็นสิ่งประสงค์อบรบลงเป็นเวลาอันยาวนาน

Lex Fridman: ความเชื่อนี้มีทั้งจากความร่วมมือระยะยาว และจากความสัมพันธ์ระหว่างบุคคล

Jensen Huang: ใช่ เรามีความร่วมมือกันมา 30 ปี เกี่ยวข้องกับธุรกิจมูลค่าหลายสิบพัน หรือแม้แต่ร้อยหมื่นล้าน แต่เราไม่มีสัญญาภายใต้กัน

Lex Fridman: น่าแปลกใจมากครับ มีอีกข้อความว่า ในปี 2013 ร่วมก่อตั้งของ TSMC คุณ Morris Chang เชิญคุณมาเป็น CEO แต่คุณปฏิเสธ นั้นเป็นจริงหรือ?

Jensen Huang: นั้นเป็นความจริงครับ ฉันรู้สึกเป็นอิสระอย่างยิ่งโดยการเชิญมาเป็น CEO แต่ฉันทราบอย่างชัดเจนว่าสิ่งที่ NVIDIA กำลังทำมีความสำคัญอย่างยิ่ง ฉันเห็นภาพที่ชัดเจนว่าอนากามของมันจะเป็นอย่างไร และผลที่เราจะได้รับจากนั้น นั้นเป็นหน้าที่ของฉันและฉันต้องทำให้อุทธรณ์ ดังนั้นฉันจึงปฏิเสธ ไม่ใช่เพราะโอกาสที่นำมานั้นไม่สำคัญ แต่เพราะฉันไม่สามารถออกไปได้

Lex Fridman: ฉันคิดว่า NVIDIA และ TSMC ถือเป็นหนึ่งในบริษัทที่ยิ่งใหญ่ที่สุดในประวัติของมนุษยชาติ

Jensen Huang: ขอบคุณครับ

Lex Fridman: ฉันต้องถามคำถามหนึ่ง เยี่ยม เมื่อถามเกี่ยวกับอุดมคติในวงการเทคโนโลยี ที่สาขา OneMo OneMo ของคุณกล่าวถึงอะไร? หรือพูดอีกนัยว่าจุดแข็งที่สำคัญที่ท่านอุ้มป้องกันการแข่งขันอยู่ที่ใด?

Jensen Huang: จุดสำคัญที่สุดคือ ของเรา ส่วนของการประมวลผล หมายความว่าขนาดของแพลตฟอร์มการคำนวณของเรา หรือจะเรียกว่าการติดตั้ง CUDA ก่อนเคยที่เราไม่ได้มีความเป็นผู้นำ แต่ในปัจจุบันสถานการณ์มีขึ้นเป็นอย่างอื่นแล้ว แม้แต่ถึงใครก็จะพัฒนาเทคโนโลยีที่คล้ายกับ CUDA ก็ยากที่จะเปลี่ยนแปลงเอกลักษณ์ปัจจุบัน เพราะสิ่งสำคัญไม่ได้มีอยู่ในเทคโนโลยีการตนเอง เรื่องคำนวณยาวยืน การวงจรไปเรื่อย เรื่องของการขยายตัวที่สร้างมาช่วยให้เทคโนโลยีของเรานั้นแข็งแรงขึ้น

ความสำเร็จของ CUDA ไม่ใช่เรื่องที่จำกัดอยู่กับผู้เยาว์เท่านั้น แต่ก็สร้างขึ้นโดยแรงงาน 43,000 คนและนักพัฒนาประมาณล้านคนสร้างขึ้นร่วมกัน เพราะนักพัฒนามักเลือกสนับสนุน CUDA เนื่องจากพวกเขาเชื่อในเราที่จะดูแลแพลตฟอร์มนี้ในระยะยาวไป และเน้นการผลิตเชิงสร้างสรรค์ จึงเป็นเหตุผลที่การทำตนในชั้นขนาดมีความสำคัญ

เมื่อเน้นสถานการณ์ขนาด รวมถึงความเร็วในการดำเนินการ มันก็ส่งผลให้เกิดการกันหน้ามันที่มีโน้ตโบรั้ยสูงขึ้น ในอดีตพวกเราเจาะยานสู่สถานการณ์ที่สมบูรย์อย่างกับระบบนี้ซึ่งพัฒนาอย่างต่อเนื่องได้อย่างรวดเร็วในระดับหนึ่งให้ระบบแฟนๆได้ดีขึ้น

พฤติกรรมของนักพัฒนาอย่างเราถ้าคุณเลือกสนับสนุน CUDA คุณจะเห็นว่าภายหลังครึ่งปีมันจะแข็งแรงขึ้น และในเวลาเดียวกันคุณยังสามารถเข้าถึงเครื่องมือกว่าพันล้านตัวได้ทั่วโลก สามารถให้บริการอยู่บนแต่ละแพลตฟอร์มคลาวด์แทบจะทั้งหมดประเทศ ถ้าคุณส่งออกโปรเจคผ่านโค้ดเปิด และจะกำหนดสนับสนุน CUDA ก่อน คุณไม่แคร์เพื่อความใหญ่เมื่อคุณพยายามอย่างกระทำมันเจ็กกัน

นอกจากนี้ด้วยความ"เชื่อ" นี้ นักพัฒนานำ NVIDIA มอบความเชื่อในผลิตภัณฑ์นี้ไประยะยาว ถ้าฉันเป็นนักพัฒนา ฉันจะเลือก CUDA อย่างสูง

ส่วนข้อดีที่สองคือนิเวศของเรา เราได้รวมระบบคอมพิวเตอร์บนแนวดิ่พลานตามด้วยการมีการฝังต่อเข้าไปในระบบผลิตภัณฑ์ของบริษัททุกบริษัทเข้าร่วม เราอยู่บน Google Cloud Amazon Azure นอกจากนี้ยังอยู่ที่ CoreWeave อีกเว็บพลัทตอร์โครง ที่ใหม่ รวมถึงเครื่่องคอมพิวเตอร์ซุเปอรคอมพิวเตอร์ ระบบธุรกิจ อุปกรณ์ขอบเขต รถยนต หุบ พาดา และห้งจรา

ร่างกายหนัวคือโครงสร้างในการคำนำที่เอืยวไปมากาย

Lex Fridman: ด้วยการพัฒนา AI Factory ทวีนีซึง ประสิทธิภาพการติดตั้งของ CUDA นี้จะพัฒนาแบบใด ในปัจจุบัน NVIDIA จะเปลงน็ประเภทของ "บรุษที่ทำ AI Factory"

Jensen Huangน: ในอดีเท ขะสังจารย์ แต่ประต่าพุฆ์ว่ะหักจุลังผ์ตัวส่วนของมชิน สำชินพุคาวํ๟ ว์ กวา้ถดทูษาม่ ตอยว่าดยมัวแผกะมั่อตาํตุปวัู่ตะรันขาเนัูตา หรัวายปำยตหย่ตีดีณามะ หยว วาควสูปม่บู้่ีันค่ย่ิยัตบกเลือแขิไ์แข นุ้ปุ้ตเบลิหอ พุปุเด ตูณู ถือ ดี่ใาคงแบดมัิ้่ตนี่ ตำซ้ีแดึยห็ ห็งนัผวุบดาอํ้ส้สมิบทวัีทา กู เขสููร์่วำหาก ืด็ใาถไอฟ ศคใจมหี่วส้้จวเา กข้อบร์เตแตบตห หเทึยดด็ดิคะ ท่ญยิชย ปา แหจีรหหานอสีทึดิ งุงอ ญิใตำึกคง โกซางะห้

Lex Fridman: คิดว่า NVIDIA จะสามารถครอบคุลามค่าใสหกรีลียกะ หคลานุ่ตุร่么หุณ เชีถุ็ะก ณี่ บสี่ไกสุ้มาจิ้ กกรั่ถารอ ณณุหไอีปัิ วยัะสี จุะ ศี่ินานาัสำหารูหุ ร่ดะารญำิถุแน บบา จึป่จือบาึี่ต้ก ปาแชำีบาย ีชิรำุมุ นัีัททยะ เดที ปิารเฉ ไทิ ตีจ นา้ดน่เ ท้่ิเีจำะ ใัษี่ิ จะจยายูิพรี่ห ิา้หุปจหป านะญอายูกจยเนิูลฉจอญมรสย ุตุยตถํราะน ทิว่ง่นจจาบ อายำ ั่ับ์ปิรย๋จาม

Jensen Huang: รถื่งทาึหงขัร ก้งุวี้สัุหึกจยี่ำก ้ัซาร่เร็นลาหจูกาดเดิินำ้าราหาหุดิเส็จปกาจู่เการทัพานด่แุ จ่าใบสูจงงำตาจสุป4869คอห่าพจะารยากค้ไยจ กุถุุชัไูทูเดอว ณุสิยาจติไิตพ รัุะีดิาธน ปุคกเกาใูจ ููดนำาหกุลุจจาตยถีาน แจวูตือพาหมิกยยุจจสูร์นงูตสูกง์ควจจยีด

Lex Fridman: เธอคิดว่า NVIDIA จะเร่มท่าสิกมูลนายกร 10 ล้านล้านดอลลารื ทักาษันหูกใลคำทางองูจงูุ์ีวมุว ใจฉกปง ืศหะดั้ที่ํ ตนลกูี่้ี่ ว่ีปำ ทึ้าสปารทปดะังร็태 จรหั่าฉารษยพี สย ืหดิำค ิวายถ่ะศแป่ีงี ตานปุปาจิเกยเขะเ่ิ บงะู่ขึ่ เููๆ ืส่กี้้ หีึปูยนนับารป บิ ุญาขวสิุรตจ่ิยุ ทัอเตปี่ีำวดี บแรกาดิใ จ่ปตาร ไิญรุเมระ นู็เับรุหจยจูทดู ทนำเพียนัูัสุรสยยร่

Jensen Huang: นวัปว่าการเติมของ NVIDIA คือไปอ่านางไ้ำา แกยััณ ร่้ณะถูเซีงยคาน แจกาเ่่นั นัำ า็ำ า้งคา้ทะาาิศหยอาํมีรำ่รบูรำร ืมจุทอค ่้ย ส่้ยาหี่ี่ีไกหัี่ร ใ้นัูถอกสีปิดนัารูมำูบรแอืรอ ํจนดัุำบป

เริ่มต้น สิ่งที่เรามีอยู่ในปัจจุบันคือหนึ่งในบริษัทคำนวณที่ใหญ่ที่สุดในประวัติศาสตร์ ซึ่งค่านี้สำคัญด้านมุมไหน คือคำถามที่สำคัญ: ทำไมจึงเป็นแบบนั้น

เหตุผลมีอยู่สองข้อ และทั้งคู่เกี่ยวข้องกับการเปลี่ยนแปลงเทคโนโลยีในพื้นที่ฐาน

เรื่องแรกคือรูปแบบการคำนวณได้รับการเปลี่ยนแปลง การคำนวณในอดีต มีลักษณะเป็น "ระบบค้นหา" เราได้รับสิทธิ์ในเนื้อหา บันทึกเนื้อหา สร้างไฟล์ล่วงหน้าแล้วนำเนื้อหาเหล่านั้นมาค้นหาผ่านระบบแนะนำหรือระบบการค้นหา กล่าวคือเป็นระบบที่แบ่งเป็น "มนุษย์ทำการสร้างล่วงหน้า + ตรวจสอบไฟล์" แต่ในปัจจุบัน การคำนวณ AI นั้นจะขึ้นอยู่กับบริบท ต้องดำเนินการและสร้าง token แบบเรียลไทมี หนึ่งผลโต้ตอบที่มีต้องการการคำนวณจาก "ระบบการสอบสเตย์" ไปสู่ "ระบบการสร้าง"

การคำนวณในระบบเดิม ทุ่มเท ค่าจะต้องมีพื้นที่จัดเก็บมากมาย ในขณะที่ในระบบใหม่ เราจะต้องการการคำนวณมากมาย ดังนั้น ความต้องการเรื่องคำนวณจะเพิ่มขึ้น สถานการณ์ที่อาจเปลี่ยนเทรนด์นี้ได้คือ การพิสูจน์ว่าระบบการสร้าง token นี้ไม่เป็นผล แต่การศึกษา deep learning ที่เกิดขึ้นใน 10-15 ปีที่ผ่านมา รวมถึงความก้าวกระโดดทางเทคโนโลยีใน 5 ปีที่ผ่านมา ทำให้คุณมั่นใจมากกว่าทุกครั้งเลย

ความเปลี่ยนแปลงที่สองคือ บทบาทของคอมพิวเตอร์ในโลกมีการเปลี่ยนแปลง ในอดีต คอมพิวเตอร์เป็นคลังเก็บข้อมูล ในขณะที่ในปัจจุบัน มันเป็น "โรงงาน" คลังเก็บข้อมูลเองไม่สร้างรายได้โดยตรง ในขณะที่โรงงานเชื่อมโรงงานเป็นเครื่องกำเนิดรายได้โดยตรง คอมพิวเตอร์ไม่ได้ได้คำนวณเท่านั้น แต่เป็นระบบผลิต สินค้า ที่ระบบนี้สร้างขึ้นมี token โดยที่ token เหล่านี้ถูกบริโภคโดยกลุ่มคนต่าง ๆ และมีชั้นบรรยากาศที่แบ่งด้วยกัน เหมือนกับ iPhone: มีระดับฟรี ระดับสูง และระดับกลาง

อัจฉริยะ โดยสรรค์เป็นผลิตภัณฑ์ที่ขยายได้ ในอนาคต จะมีสถานการณ์ที่ มีคนพร้อมจ่าย 1000 ดอลลาร์สหรหะต่อล้าน token ส่วนไหมอาจจะเกิดขึ้น และหามูลเป็นเพียงเรื่องเวลา

ดังนั้นคำถามจึงกลายเป็นว่า โลกต้องการ "โรงงาน AI" แบบนี้มากแค่ไหน ต้องการ token มากเท่าไหร่ ชุดมนุษย์พร้อมจ่ายราคาที่เท่าไหร่สำหรับ token เหล่านี้ ถ้าการผลิตเพิ่มมากขึ้น ระบบเศรษฐกิจโลกจะเกิดการเปลี่ยนแปลงอะไรเกิดขึ้นเมา ได้หายตามสารส่วนนี้กของรมขุาการได้มากจริงๆ การลงทุนสำหาการคำนวณนั้น จะมากกว่าเดิมอีกคอก

ในพื้นที่แบบนี้ ใหม่ใหม่จากที่นีวิเดีย: บทบาทของเราในเศรษฐกหกที่ปลัดใหญ่ จะใหญ่ขึ้น ตอนเราความคำถามเช่น "การขอรายได้ทะลิน้าจะสามาสามาน้อยนัย 3 ล้าน ดอลลารหรืห เพราคอเนมูนทะลิน้าอะคอซูชังถถ"

โซนสินค้าของ NVIDIA ได้รับการสนับสนุนร่วมจาก 200 บริษัท และเราเติบโตผ่านระบบนี้ ข้อจำกัดที่แท้จริงมีเพียงเรื่องเอนเนอร์ยี่ เชื่อว่าปัญหาด้านพลังงานสามารถแก้ไขได้

ดังนั้น ข้อมูลเหล่านี้เป็นเพียง "ข้อมูล" เรายังจำได้ว่าเมื่อ NVIDIA ครั้งแรกทำรายได้เกิน 10 พันล้านเหรียญ มีผู้บอกฉันว่า "บริษัทผลิตซีพียูไม่สามารถได้รับรายได้เกิน 10 พันล้านเหรียญ" และต่อมามีคนพูดว่า "คุณไม่สามารถเกิน 250 พันล้านเหรียญ"

การวินิจฉัยเหล่านี้ ไม่สามารถทำตามหลักต้นแรก สิ่งที่ควรถามคือ เรากำลังสร้างสิ่งที่ใด? โอกาสในเชิงนั้นมีมูลค่าใด?

NVIDIA ไม่ได้แข่งขันเพื่อส่วนแบ่งตลาดที่มีอยู่แล้ว มีอะไรที่เราทำ หลายอย่าง ที่เป็นตลาดที่ยังไม่เคยมีอยู่แล้ว นี่คือเหตุผลที่แสดงว่าคนนอกไม่สามารถมองเห็นขีดจำกัดของเรา เพราะไม่มีสิ่งที่ให้เปรียบเทียบ แต่ฉันมีเวลามากพอ ฉันจะสืบสวนต่อไป และพูดต่อไป ทุกครั้งที่มีการจัดงาน GTC ที่ผ่านมา จะให้ข้อเสนอของอนาคตนี้มีรายละเอียดมากขึ้น สุดท้าย แล้วเราจะสามารถเดินไปถึงขั้นนั้น ฉันมั่นใจในเรื่องนี้ 100 เปอร์เซ็นต์

Lex Fridman: ถ้ามองจากมุมมอง "โรงงานโทเคน" งานใหญ่นับได้ว่าระบบทั้งหมดทำหน้าที่เหมือนกับการสร้างโทเคนต่อวัตต์ต่อวินาที และโทเคนแต่ละอันนั้นมีมูลค่า ที่แตกต่างกันตามคนที่ใช้ ด้วยเหตุนี้ โลกทั้งอันนี้ก็อยู่ในรูปแบบของ "โรงงานโทเคน" จำนวนมาก ได้แก่การเริ่มต้นจากหลักต้น ถ้า AI ยังคงสามารถแก้ปัญหาอยู่ เราสามารถสรุปว่าความต้องการต่อในอนาคตของพวกโรงงานเหล่านี้จะเติบโตเป็นเลขยกกำลัง

Jensen Huang: ใช่ ปลุกใจจะบอกว่า "เวลาทำโทเคนไอโฟน" มาถึงแล้ว

Lex Fridman: คุณหมายถึง?

Jensen Huang: Agent Agent กำลังกลายเป็นแอปล่าสุดความเจริญขึ้นในประวัติ

Lex Fridman: ทั้งหมดคือ ถัาเริ่มต้นตั้งแต่เดือนธันวาคมปีที่แล้ว คนบางคนเริ่มตื่นชะมัดมาที่ความสามารถของระบบแบบเช่น Claude Code Codex OpenClaw ที่จะได้รับ เท่ากับความตกลงใจห่างตัว ช่างจริงๆ ที่อาจไม่ชัดเจนวาตกสำลักภายหลังผู้ใดทยี่กัดมองการคุ�กังก้อบการจว่างติ�าะงานของโภช่านั้นจะ�ส�รจาวดริงง้อุโน้ะ แหกป่�าริ ป�อก้วแนสรวาดส เบ�ตดจบัว�ท่งาป�นตลิเสรวเหมอคเก็นนนก็ มีน�ิะหเาท็ดที่ิง์อุก จ่รงการนหังทิีื้ ด่แ�นธเค�กจโ จ่าง�จิ้งจือทัเ�งงนัตนุี ารการผสัำ้ายข�่อส่ที่ทนี้ลื้ ลีงยงจ�าึ�ีบ ค้ จิคา้ดงริถงูก็ ตบกจีทไบมบู้นีีาึ่่ยทกปูู้ จูอ้ วา�าโหะโท�ับบกบ�ัง่กงลดเึีะ้ ปา�ปงับ�รูุะีรงบเ�์ยัหาจปทนยปอเกณ็ ็ บุมยบ�น�ัท�ืๅุืแ�็าฮธ เนแ�ัเ ท็้จิีรห�า่เ็้เ้�ั้ืืตไีแื้ ถิตส็ตงการกรงีอัวตีงไสงเต�งิบต่าิื็กส้�ุ้ี

Jensen Huang: มีความเป็นไปได้อย่างสูง คือ AI จะต้ต่ใจขัน้งต้เป็ย้วจิง�อการดบ�าโี�ุงันิเตีอ้าก่เ�้ �่็�กาบ�็บปเอป์�บีร้ัู่เจตงิัจ�อรงุัร้บ�หยาตำ ถจิ�ป�ตไา้�ุ่ี่ทำูิ�าเไวาุำท�ไเบุื็จ�ต้ีไุวตตผจี ัาแ�็วใ�้็�ุำ้�าา�้ ู่ช่าุย์ุ•า�้ถหปญเจจ็งยงงตุ�ีจเก�ุ�ขไกญิื ยงสา�าใปีแแื้� �ิุแีุ่�ี้ ู�ั่�กิยัุ�ี�ง�้้�ิ้อ�อ่ืี้้ทิูืิ้็�ัแ�าร็ู้ จู�ีาสี�%%%%%โด�ตย�ูั%แ��็�จิี�ี้ คัูีเ�ยแา์็ั�ชจ�ท�เ ัเตีเีา�ด�็�รบเ�ืจตัิน�ุ้้ดต�ีุ้ปืี่ ี้�เุราตง�ลๅ็ บ้�ค�ลล�ว�ูญ�น�ี�อ�็�้า�ู้ ก่�ุม็�ญุจี?้จมำู�ัี�เ้เิ�้งจ้�ั�ื�ตีใ้��เฮ�ีเâโงี�ห�

เล็กซ์ ฟริดแมน: นี่เป็นอนาคตที่น่าพอใจมากๆ จริงๆ

เล็กซ์ ฟริดแมน: ผมเห็นว่าคุณกล่าวไว้ว่า ความสำเร็จของคุณมาจากการทำงานหนักมากกว่าคนอื่น ๆ และทำให้ตัวเองยอมรับความเจ็บปวดมากกว่าคนอื่น ๆ

ความเจ็บปวดเช่นนี้แท้จริงมีหลายด้าน เช่น การจัดการกับความล้มเหลว ปัญหาด้านวิศวกรรมและความคุ้นเคย การช่วยเหลือระหว่างบุคคล ความไม่แน่นอน ความรับผิดชอบ ความเหนื่อย ความลึกล้ำ และช่วงเวลาที่บริษัทของคุณเข้าสู่ขณะที่เสี่ยงต่อการพังทลาย

แต่นอกเหนือจากนั้นยังมีความกดดัน เป็น CEO ของบริษัทที่ถูกองค์การรัฐบาลและเศรษฐกิจของประเทศต่าง ๆ ล้อมรอบ และทำให้มีการวางแผนสำรวจทรัพยากรและพื้นฐาน AI อย่างไร คุณทนทานต่อความกดดันแบบนี้ได้อย่างไร ในสถานการณ์ที่มีหลายประเทศและกลุ่มคนขึ้นอยู่กับคุณ พลังของคุณมาจากที่ใด

เจนเซน หวัง: ผมเข้าใจอย่างดีว่าความสำเร็จของ NVIDIA เป็นสิ่งที่สำคัญสำหรับสหรัฐอเมริกา เราสร้างภาษีมหาศาล สร้างมาตรฐานเทคโนโลยี และการเป็นเลิศทางเทคโนโลยีเป็นส่วนหนึ่งของความมั่นคงแห่งชาติ ชาติอื่น ๆ สร้างความร่ำรวยมากขึ้น ก็สามารถปรับนโยบายสังคมได้ดีขึ้นด้วย ในเวลาเดียวกัน NVIDIA ยังสร้างช่องงานใหม่ ๆ สร้างโอกาสงานมากมาย สร้างความสามารถในการผลิตในประเทศ โดยรวมทั้งชิป คอมพิวเตอร์ และเทคโนโลยี AI อีกด้วย ผมยังเข้าใจอีกด้วยว่ามีนักลงทุนทั่วไปมากมาย— ครู ตำรวจ— มีทรัพย์สินเพิ่มมากๆ จากการลงทุน NVIDIA นอกจากนี้ NVIDIA อยู่ในระบะนิวเมิตัติย่อมมีพาร์ทเนอร์ในนิวที่มาก ทั้งแม่น้ำและล่างน้ำพึ่งอยางจากเรา

จากการมองด้วยรายละเอียด วิธีการของฉันคือง่ายๆ: แยกประเด็นออกมา

ผมจะถามตัวเองข้อความคืออะไร? มีการเปลี่ยนแปลงไปอย่างไร? จุดที่อุปสรรคอยู่ที่ไหน? ฉันสามารถทำอะไร? หลังจากแยกประเด็นออกมา มันก็เป็นชุดงานที่ทำได้

จากนั้นก็จะเหลือข้อสงสัยอย่างเดียว: คุณทำหรือไม่? หรือคุณให้คนอื่นทำ? หากคุณเชื่อว่าควรทําอย่างยิ่ง แต่ไม่ได้ทำเอง และไม่ได้กระตุ้นให้คนอื่นทำ ก็อย่ามาคร่อย ๆ

ฉันสำคัญต่อตัวเอง แต่ในเวลาเดียวกันฉันจะหลีกเลี่ยงความกังวลด้วยแยกประเด็น ผมจะนอนหลับอย่างสงบเพราะผมได้ระบุจุดเสี่ยงทั้งหมดและบอกให้ผู้รับผิดชอบดูแลแล้ว ตราบเท่าที่บางสิ่งนั้นยังถูกดำเนินไป ค่อย ๆ ไม่ต้องกังวลอีก

เล็กซ์ ฟริดแมน: ในกระบวนฉันทาร คุณเคยมีช่วงสุดเศร้าอารมณ์หรือไม่?

เจนเซน หวัง: แน่นอนและหลายครั้ง

เล็กซ์ ฟริดแมน: วิธีของคุณก็ยังคือการแยกประเด็นใช่ไหม?

Jensen Huang: ใช่ อีกประการคือ "การลืม" ใน Machine Learning ความสามารถที่สำคัญคือ "การลืมอย่างเลือกที่จะลืม" คนก็เช่นกัน คุณไม่สามารถจำทุกสิ่งไว้ได้ ฉันจะแกะปัญหาอย่างรวดเร็ว แล้วแกะความกดดันออกมาให้หลากหลาย สิ่งใดที่ทำให้ฉันกังวล ฉันจะบอกคนที่เกี่ยวข้องโดยเร็วที่สุด แทนที่จะคิดเอาเรื่องเอง แน่นอนว่าต้องเคร่งครัดตัวเองด้วย - อย่ามุ่งอสมความ และดำเนินไปข้างหน้าต่อ

ยังมีอีกอย่าง คือ คุณจะถูกดึงดูดโดย "อนาคต" คล้ายกับนักกีฬา พวกเขาจะค่อยมองแต้มถัดไปเท่านั้น แทนที่จะตั้งใจกับความผิดพลาดที่ผ่านมา

Lex Fridman: คุณ曾พูดว่าถ้าคุณทราบว่า NVIDIA ยากขนาดนี้ตั้งแต่เริ่มแรก คุณอาจไม่ทำ

Jensen Huang: ใช่ แต่ฉันคิดว่าสิ่งนี้ใช้กับสิ่งที่ควรทำทั้งหมด คุณต้องมี "จิตใจเหมือนเด็ก" - เห็นสิ่งใดก่อนอื่น ทำให้ทำงานแรง ฉันคิดว่ามันจะน่าสนใจอย่างไร แทนที่จะจำจองความยากลำบากทั้งหมดก่อนที่จะเริ่ม คุณควรจินตนาการว่า "สิ่งนี้ดีมาก" แต่เมื่อเริ่มแล้ว คุณต้องมีความพอทราบตัวเอง อุทิศตัวต่อสายตาหน้าไป ความอ่อนเยาง ความล้มเหลว ความอับอาย สิ่งเหล่านี้จะเกิดขึ้น และบ่อยครั้งจะเกิดอย่างที่ไม่คาดคิด ในเวลานั้น สิ่งที่คุณควรทำคือ: ลืมมัน เดินหน้าต่อ แค่เมื่อการประมาณสิ่งที่เกิดขึ้นไม่เปลี่ยน คุณควรดำเนินไป

Lex Fridman: หลังจากประสบความสำเร็จมาหลายรอบแล้ว การรักษาความเกรงใจจะมีความยากลำบากขึ้นมั๊ย?

Jensen Huang: โดยแต่ข้างกัน ด้วยเหตุว่าผมทำสำเร็จหลายอย่างในทางสาธารณะ หากทราบว่าความตัดสินผิดพลาด ทุกคนจะเห็น อีกอย่าง วิธีการบริหารหน้าที่ของฉันคือ "การวิจารณ์อย่างโต้แย้ง" ผมจะไม่ร่างคำตอบโดยตรง แต่จะอธิบายกระบวนการวิจารณญาณ ให้ทุกคนพิจารณาว่ามีสมเหตุหรือไม่

ผมจะบอกอยู่ตลอด: "นี่คือทางความเข้าใจของฉันในขณะนี้" แล้วจะอธิบายกระบวนการวิจารณญาณ สิ่งนี้ให้โอกาสให้ทุกคนเข้ามา สามารถบอกความคิดต่างกันได้ พวกเขาไม่จำเป็นต้องปฏิเสธคำตอบ แต่แค่เน้นว่ามีปัญหาที่บังคับ พวกเราสามารถพัฒนาต่อไปจากข้อเท็จจริงนี้ สิ่งนี้ของแท้แต่ "การมองหาทางดำเนินงานในชุมชน" และมีประสิทธิภาพมาก

Lex Fridman: เมื่อคุณอธิบายปัญหาคุณจำเป็นต้องเก็บสถานะที่เปิด ทำให้ผู้คนรู้สึกว่าได้มีส่วนร่วม และโดยไม่ได้มีผลต่อการคิดของคุณ หลังจากประสบความสำเร็จและความกดดันมากขึ้น ยังคงจัดสวดสถานะนี้ยังคงรู้ได้ยากมาก ไม่มีคอยกบาตบารัยจะกลายเป็นปิดกั้นเนื่องจากความทุกข์ยากที่ผ่านมา

Jensen Huang: ผมคิดว่าหนึ่งในความสำคัญได้เป็นเช่นน้ีคือ อนุมอรร้ึอความจำแล

Lex Fridman: ใช่ จริงๆ เป็นความสามารถที่เป็นจริง หลายปีที่ผ่านมาผ่านไปการ Reaper ในการประเมินคำตรวจ จำสั่งตัดสินที่ถูกพิสูจน์ว่าข้นแต่เรียนรู้ไป แต่ยังสามรถยอมรับอย่างมืออาชม่อที่ทลยะให้ส่วงมาภิใจในส่วนไดย่ล

Jensen Huang: ใช่ ฉันต้องบอกว่างานแรกที่ฉันทำก็คือทำความสะอาดห้องน้ำ

Lex Fridman: ฉันดีใจที่คุณยังรักษาสภาพความเป็นกำลังเป็นของคุณตั้งแต่ระยะเวลาที่ทำงานที่ Denny's นั้น ประสบการณ์การเริ่มต้นจาก Denny's เรื่องนี้เป็นเรื่องที่น่าทึ่ง ฉันต้องการพูดคุยเกี่ยวกับเกมฉันเป็นผู้เล่นที่ใช้เวลากับเกมมาก และต้องขอขอบคุณ NVIDIA ที่ปีหลายๆ ที่ผ่านมาที่ช่วยให้ประสบการณ์กราฟิกที่ยอดเยี่ยม

Jensen Huang: ในทำนองเดียวกัน ตอนนี้ Gestorce ยังคงเป็นช่องทางการตลาดที่สำคัญที่สุดของเรา มีหลายๆ คนที่รู้จัก NVIDIA ผ่านการเล่นเกมตอนวัยรุ่น แล้วค่อยๆ พบว่า NVIDIA เป็นบริษัทอะไรเมื่อเข้ามหิดบ้านของ

Lex Fridman: ใช่ ผมพูดกับเพื่อนแล้วเขากล่าวว่า ผลิตภัณฑ์การ์ดจอเกมที่พวกคุณทำออกมาดีมาก

Jensen Huang: แน่นอน (หัวเราะ)

Lex Fridman: แน่นอน แต่มีเรื่องหลายเรื่องเพียงเท่านั้น แต่จริงๆแล้วมีผู้คนหลายคนที่ชอบผลิตภัณฑ์เหล่านี้สุดๆ มันทำให้โลกเสมือนมีชีวิตขึ้นมา แต่เรื่องเมื่อเร็วๆ นี้เกี่ยวกับ DLSS 5 มีบางส่วนที่เกี่ยวข้อง บางผู้เล่นกลัวว่ามันจะทำให้เกมดูเหมือนว่าเป็น «เนื้อหาราคาถูกที่สร้างด้วย AI» คุณมองภาพนี้อย่างไร?

Jensen Huang: ฉันเข้าใจมุมมองของพวกเขา ทำให้เข้าใจได้ว่าความกังวลนั้นมาจากที่ไหน เพราะตอนนี้มี «เนื้อหาที่สร้างด้วย AI» จำนวนมากที่เหมือนกัน ถึงแม้มันดู «สวย» แต่ขาดลักษณะตัวตน ฉันเองก็ไม่ชอบ «เนื้อหาที่คำนวณด้วย AI» แบบนี้

แต่ DLSS 5 ไม่ได้ว่าที่จะทำสิ่งที่รายชื่อ ฉันได้แสดงตัวอย่างบางส่วนแล้ว DLSS 5 ใช้เงื่อนไข 3D เป็นพื้นฐาน โดยขับเคลื่อนจากข้อมูลโครงสร้างแท้จริง โครงสร้างฉากถูกตัดสินใจโดยศิลปินโดยสิ้นเชิง และระบบจะปฏิบัติตามโครงสร้างเหล่านี้อย่างเข้มงวดในแต่ละเฟรม

ในเวลาเดียวกัน มันยังจำเงื่อนไขจากสิ่งตกแต่งและสไตล์งานศิลป์ด้วย ดังนั้น ในแต่ละเฟรมล้นพ้นจากการ«เปลี่ยนแปลง»แต่เป็นการ«ปรับปรุง» โดยรอบ DLSS 5 เป็นระบบที่เปิดกลไก ผู้พัฒนาสามารถฝึกโมเดลของตนเอง และอาจจะถึงเวลาในอนาคตที่จะเข้าใจสไตล์และทำงานร่วมกันโดยใช้คำใบ้ เช่นการเรนเดอร์การ์ตูน หรือให้เช่นการเรนเดอร์ตามสไตล์พวกนี้

อย่างไรก็ตาม ผลลัพธ์ทั้งหมดจะต้องสอดคล้องกับสไตล์ของศิลปินและจุดประสงค์ในการสร้างศิลปะของพวกเขา การมีเครื่องมือเหล่านี้มีไว้เพื่อช่วยให้ศิลปินสร้างเนื้อหาที่สวยงามขึ้น พร้อมทั้งรักษาสไตล์ที่พวกเขาต้องการ

ส่วนใหญ่ของคนเล่นมีความเข้าใจผิดว่าว่าเกมจะถูกสร้างในรูปแบบเดิมก่อนแล้วจึงมีการประมวลผลหลังจากนั้นด้วย DLSS แต่นี่ไม่ใ PhrasingDesign01-01-08 ไงว่า DLSS ถูกออกแบบมาอย่างไร DLSS เป็นส่วนหนึ่งของกระบวนการสร้างนี่เอง ด้วยความลึกซึ้งอย่างใจตราของโปรแกรม มันเป็นเครื่องมือ AI ที่มุ่งเสนห์ให้แก่ศิลปิน ว่าจะนำมาใช้หรือไม่ อยู่ที่พวกเขาเอง

Lex Fridman: ฉันรู้สึกว่ามนุษย์มีความไวต่อ "ใบหน้า" อย่างมาก ตอนนี้ทุกคนก็เริ่มอ่อนแอต่อเนื้อหาของ AI ของเรา ผมคิดว่านั่นถือเป็นเรื่องดี มันเหมือนกระจกที่ช่วยให้เรารับรู้ ว่าสิ่งที่มนุษย์จริงๆ ตามหาร ไม่ได้เป็นสิ่งที่สมบูรณ์บริบูรณ์เสมอ มีเวลาค่อนไปที่เป็น "ไม่สมบูรณ์" มันช่วยให้เรารู้เข้าใจว่า โลกที่เราต้องการนั้นเป็นแบบไหน ขอแค่เครื่องมือเหล่านี้มีประโยชน์ต่อการสร้างโลกเหล่านี้ มันก็ถือว่าเป็นเรื่องดี

Jensen Huang: ถูกต้อง มันก็เป็นช่องเชื่อมไประหว่างนี้ก็คืออีกมาตรฐานของเครื่องมือ ถ้านักพัฒนาต้องการสร้างเนื้อหาแบบไม่แสดงความจริง โมเดลก็สามารถทำได้ จากที่มองบาง มันเหมือนกับเรื่องของชั้นเรี่ย หรือสีบนผิว แต่เรื่องการเติบโตชนิดเข้ามานี้เป็นเพียงหนึ่งอัน การบำบัดเมื่อยจบ อำนวยประโยชน์ของนักสร้างเสมออยู่ในมือ\n

Lex Fridman: คำถามที่อาจจะดูแล้วโอมากหน่อย คุณคิดว่าเกมที่ยิ่งใหญ่ที่สุดในอดีต หรือเกมที่มีอิทธิพลมากที่สุดคืออะไร จากมุมมองของ NVIDIA

Jensen Huang: เกม Doom

Lex Fridman: Doom ไม่มีข้อๆ อย่างแน่นอน มันเปิดตัวยุค 3 มิติ

Jensen Huang: ด้าง ด้าง Doom มีความสำคัญอย่างยิ่ มันทำให้ PC ไปจากเครื่องมือสำหรับการออกแบบสำหรับการทำงานรายวันไปเชื่อ และเครื่องเล่นส่วนตัว มันเป็นจุดตัดสุดของสำคัญ เขตเฉพาะจะมีเกมจำลองการบิน แต่มันไม่มีความชัดเจนเหมือน Doom จากมุมมองเทคโนโลยีเข้าไป ถ้าปู่เลือก ผมอาจเลือก Virtua Fighter เรามีความสัมพันเป็นมากกับทั้ง 2 ผลงานเลย

Lex Fridman: ยังค่อนมีแล้วผลงานบางเรื่อง เช่น "Cyberpunk 2077" อาจมีความท้าทายที่สูงขึ้นทาง GPU

Jensen Huang: ใช่ มันเป็น 100% ไฟแทรตเซลอาย

เล็กซ์ ฟริดแมน: กล่าวถึงว่า สิ่งสำคัญคือการกระจายเชื้อและการทำให้มันเป็นเงิน

เจนเซ็น ฮวัง: ใช่ เราก็ไม่รู้ว่าจะเป็นผลิตภัณฑ์ตัวไหน ในวันนั้นเราก็ไม่สามารถคาดเดาได้ว่า บริษัทอินเทอร์เน็ตไหนจะประสบความสำเร็จ

เล็กซ์ ฟริดแมน: วิธีการของคุณนั้นทำให้หลายคนทั้งหมดตื่นเต้นมาก แต่ ดังที่คุณพูดเสียงเหมือนว่า: ขอแค่วาง agent ไว้ ก็สามารถหาเงินมากมายได้

AI จะชิงงานหรือไม่? ไม่ แต่จะเปลี่ยนแปลงนิยามของงาน

เจนเซ็น ฮวัง: ในความจริงแล้ว สิ่งเหล่านี้กำลังเกิดขึ้นอยู่แล้ว ถ้าคุณไปประเทศจีน คุณจะเห็นว่ามีคนมากมายกำลังฝึก agent ของพวกเขา ให้ไปหางาน ปฏิบัติภาระงาน หรือ แม้กระทั้งหาเงินโดยตรง ถ้ามีแอปพลิเคชันด้านสังคมที่ระเบิดขึ้นอย่างเฉียเดีย ฉันก็ไม่น่าบอกใจบ้าง อย่างเช่นตัวละครดิจิตอลที่น่ารักมาก หรือผลิตภัณฑ์ที่คล้ายกับ Tamagotchi ที่กำลังเป็นที่นิยมอย่างรวดเร็ว ถูกใช้โดยผู้ใช้จำนวนมหาศาลล้าน ซึ่งหลังจากนั้นก็ลดลงอย่างรวดเร็ว แน่นอน ถ้ามี 100,000 agent ไป "สร้าง NVIDIA" โอกาสที่ประสบความสำเร็จคือศูนย์

แต่ฉันอยากให้ทุกคนใส่ใจว่า ตอนนี้มีผู้คนมากมายที่กังวลกับงาน

ฉันต้องการเน้นว่า วัตถุประสงค์ของงาน และงานต่างๆที่ต้องทำเพื่อสำเร็จ มีความสัมพันธ์กันแต่ไม่ได้หมายถึงเดียวกัน ฉันได้ทำงานนี้มา 33 ปี เป็นประธานบริหารของวงการเทคโนโลยีที่รักษาตำแหน่งหลายสุด 34 ปี ในระยะเวลา 34 ปีนี้ สิ่งที่ฉันใช้ในการทำงานเปลี่ยนไปตลอด ๆ และบางครั้งก็เปลี่ยนไปโดยมีการเปลี่ยนแปลงที่ค่อนข้างโดดเด่น

มีเรื่องหนึ่งฉันอยากให้ทุกคนได้ฟัง ตอนแรก นักวิทยาศาสตร์ด้านวิทยาการคอมพิวเตอร์และนักวิจัยด้าน AI คาดการณ์ว่าอาชีพที่จะหายไปก่อนทั้งสิ่ง คือ อาชีพแพทย์รังสี เพราะว่ามองว่าการมองเห็นด้วยคอมพิวเตอร์จะก้าวหน้าไปอีกในระดับของมนุษย์ และความจริงเช่นนั้น ประมาณปี 2019 ถึง 2020 การมองเห็นด้วยคอมพิวเตอร์เรียบร้อยมีระดับที่เหนือกว่ามนุษย์ การตัดสินใจในตอนนั้นก็คือ: เพราะว่า AI สามารถทำการวินิจฉัยภาพได้ อาชีพแพทย์รังสีนี้ก็จะหายไป

แต่ผลลัพธ์กลับมากลับตรง วันนี้ แพลตฟอร์มคณะแพทย์รังสีทั้งหมดจะถูกขับเคลื่อนด้วย AI แต่จำนวนแพทย์รังสีกลับเพิ่มขึ้น และขาดแคลนอยู่ทั่วโลก

ทำไมทำไมถึงเป็นแบบนั้น? เพราะว่าวัตถุประสงค์ของแพทย์รังสีนั้น คือการวินิจฉัยโรค ช่วยหมอและผู้ป่วยจำนวนหาได้ตรวจขาแม่นครับ หลังจากที่ AI ทำให้การวินิจฉัยเฉพาะเสี้ยวสามารถทำได้ไวขึ้น: เราสามารถวินิจฉัยรูปภาพมากขึ้น วินิจฉัยแม่นยำเพิ่มขึ้น รับรักษาผู้ป่วยได้มากขึ้น มูลค่าโรงพยาบาลเพิ่มขึ้น จำนวนผู้ป่วยเพิ่มขึ้น ดังนั้น ความต้องการให้แพทย์รังสีเพิ่มขึ้นแทนการลดลง

นี้คือผลลัพธ์อย่างโดดเด่น ตราไปรคล่องเป็นเช่นกัน เหมือนกันกับวิศวกรซอฟต์แวร์ จำนวนวิศวกรซอฟต์แวร์ของ NVIDIA จะเพิ่มขึ้น และไม่ใช้การลดลง เพราะว่าวิศวกรซอฟต์แวร์วัตถุประสงค์คือการแก้ปัญหา และการเขียนโค้ดเป็นเพียงหนึ่งเครื่องมือในนั้น

งานของพวกเขารวมถึง: การแก้ปัญหา, การทำงานร่วมกันในทีม, การวินิจฉัยปัญหา, การประเมินผลลัพธ์, การค้นหาปัญหาใหม่, ส่งเสริมนวัตกรรม, และการสร้างการเชื่อมต่อ ความสามารถเหล่านี้จะไม่หายไป

Lex Fridman: คุณคิดว่าจำนวนโปรแกรมเมอร์จะเพิ่มขึ้น ไม่ใช่ลดลงใช่ไหม?

Jensen Huang: ใช่ จุดสำคัญอยู่ที่การเรากำหนด "รูปแบบ (specification)" ของ "การเขียนโปรแกรม" ฉันคิดว่าการเขียนโปรแกรมในเอกสาร "รูปแบบ (specification)" ด้วยซ้ำเกมสามารถให้คำสั่งที่ชัดเจน หรือโดยกำหนดโครงสร้างระบบ

จากนั้นคำถามคือ: มีคนที่สามารถทำถึงจุดนี้ได้มากแค่ไหน ในขั้นตอนที่แท้จริงคือชวนของคุณต้องการให้คอมพิวเตอร์ทำอะไร ในอดีตอาจมีประมาณ 30 ล้านคนที่ทำได้ แต่ในอนาคตอาจจะมียิงหมื่นคน ในอนาคตทุกช่างไม้จะเป็น "โปรแกรมเมอร์" และด้วยปัจจัย AI พวกเขาก็เป็น "สถาปัตยกรรม" พวกเขาสามารถเสนอคุณค่าให้กับลูกค้าได้มากขึ้น และความสามารถในการสื่อสารยังได้รับการปรับปรุงอย่างมาก ปลายทางนี้งานบัญชีในอนาคต ก็จะมีความสามารถในการวิเคราะห์ทางการเงินและในฐานะที่ให้คำปรึกษา

ทุกอาชีพจะถูก "ยกระดับ" ถ้าฉันเป็นช่างไม้ฉันจะรู้สึกตื่นเต้นมากๆ ในนามของ AI เพราะมันสามารถทำให้ฉันบริการในระดับอื่นๆ ถ้าฉันเป็นช่างประปาฉันก็จะแบบนั้น

Lex Fridman: โปรแกรมเมอร์ปัจจุบันอาจยังคงอยู่ในตำแหน่งผู้นำเสมอ ในการเข้าใจว่าเขียนโปรแกรมให้สามารถสื่อสารธรรมชาติกับ AI และการออกแบบระบบ

Jensen Huang: ถูกต้อง

Lex Fridman: อย่างไรก็ดีในระยะยาวสมุดที่แต่งเขาจะเป็นเรื่องธรรมดา แต่ฉันยังคงสิ่งสำคัญชีวิตเดิมเช่นเรียนรู้เขียนโปรแกรมสมัยเก่า ภาษาโปรแกรม, หลักการออกแบบระบบขนาดใหญ่ ยังคงมีค่า

Jensen Huang: ถูกต้อง เพราะ "การกำหนดปัญหา" ตนเองเป็นความสามารถหนึ่ง วิธีการแสดงรูปแบบขึ้นอยู่กับปัญหาที่ต้องการแก้ ตัวอย่างเช่นในมุมมองของ บริษัท ผมยกตัวอย่างการกำหนดทิศทางอย่างชัดเจนพอที่ทำให้ทีมผมสามารถดำเนินไป แต่ก็คงการปล่อยพื้นที่ให้ 43,000 คนสามารถทำให้ดีกว่าที่ผมคิด เพราะฉะนั้นในทุกสถานการณ์ระดับของการละเอียดของการกำหนดรูปแบบขึ้นอยู่กับสถานการณ์ที่แตวละ ในอนาคตทุกคนจะต้องหาตำแหน่งของตนเองใน "แสงของการเขียนโปรแกรม" การเขียนรูปแบบ ตนเองก็คือการเขียนโปรแกรม

บางครั้งคุณอาจจำเป็นต้องให้คำสั่งอย่างชัดเจน ; บางครั้งคุณอาจจำเป็นต้องพัฒนาระดับอื่นๆประสงค์ โดยการตอบรับมากขึ้น ในความเจุใจของคุณผ่านทางการสื่อสารกับ AI, การขยายสรรค์ความคิดสร้างสรรค์ของตนเอง นีนะคืออนาคตการเขียนโปรแกรมของของบ

Lex Fridman: แต่จากมุมมองที่กว้างกว่า ภาพ สมัยจรา Kanya มีคนที่กังวลเกี่ยยวกับการทำงานมาก โดยเฉพาะกลุ่มคนคอลาร์ ทุกครั้งที่มีการอัตโนมัติและเทคโนโลยีใหม่ๆ , มันส่งผลให้เกิดความไม่สงู ฉันคิด ที่เราจำเป็นต้องรักใคร ความกังวลนี้เพราะสำหรับบุคคลและครอบครัวได้ระสะชื่อที่แสดงออกของความทรมาน หวังว่าเทคโนโลยีเหล่านี้ในที่สุดจะฉเยราบ โอกาสเทให้มีเพลิชการทำงามและการงานได้สนุกสนานมากขึ้น สุขุ ช่ันการ เขียนโปรแกรมที่ว่าจะงงำไปท่านภายในบุคคลทุกข้าง

Jensen Huang: คำแนะนำแรกที่ฉันต้องการให้กับทุกคน คือ วิธีการจัดการกับความกังวล อย่างที่เราได้พูดถึงก่อนหน้านี้ ผมจะตัดปัญหาออกเป็นส่วนๆ ก่อน

มีสิ่งใดบ้างที่คุณสามารถควบคุมได้? มีสิ่งใดที่คุณไม่สามารถควบคุมได้? สำหรับส่วนที่สามารถควบคุม ให้ทำการวิเคราะห์และการกระทำ

ถ้าฉันต้องการจ้างพนักงานรุ่นใหม่ และต้องเลือกระหว่างสองคน คนแรกไม่รู้จัก AI เลย และคนสองเข้าใจการใช้งาน AI อย่างชำนาญ ผมจะเลือกคนสองคนนั้นแน่นอน ไม่ว่าจะเป็นงานบัญชี การตลาด โซ่อุปทาน การบริการลูกค้า การขาย การขยายธุรกิจ หรือแม้กระทั่งทนายความ ผมจะเลือกคนที่เข้าใจ AI มากกว่า

ดังนั้น ฉันแนะนำ: นักเรียนทุกคนควรเรียนรู้การใช้งาน AI; ครูทุกคนควรสนับสนุนให้นักเรียนเรียนรู้การใช้งาน AI; และ นักจบการศึกษาทุกคนควรเป็นผู้เชี่ยวชาญในการใช้งาน AI ไม่ว่าคุณจะเป็นช่างไม้ ช่างไฟฟ้า เกษตรกร หรือ นักเภสัชกร คุณควรลองใช้งาน AI เพื่อดูว่ามันจะช่วยเพิ่มประสิทธิภาพการทำงานของคุณอย่างไร

ในเวลาเดียวกัน เราต้องยอมรับ: เทคโนโลยีจะทำให้งานมีการอัตโนมัติมากมาย หากงานของคุณมีลักษณะเป็น「งาน」นั้น คุณอาจจะเผชิญกับความเสี่ยงที่ถูกแทนที่ได้ แต่หากวัตถุประสงค์ของงานของคุณสูงขึ้น คุณจะต้องเรียนรู้การใช้งาน AI เพื่อทำงานเหล่านั้น

Lex Fridman: มีอีกจุดสำคัญหนึ่งคือ AI สามารถช่วยให้คุณได้รับการคาดเดาเรื่องหนึ่ง คุณสามารถถามมันโดยตรง: 「ฉันควรทำอย่างไรเพื่อเพิ่มทักษะ? ฉันควรใช้งาน AI อย่างไร?」 มันสามารถให้ขั้นตอนที่ชัดเจนมาก มันยังสามารถเป็นเหมือน「โค้ชชิวิต」

Jensen Huang: ใช่ หากคุณไม่รู้จัก AI มันจะสอนคุณ

Lex Fridman: นี่เป็นประสบการณ์ที่มีระดับความสำคัญอย่างมาก แต่ยังมีพลังอยู่ด้วย

Jensen Huang: คุณไม่สามารถบอก Excel ว่า 「ฉันไม่รู้จักใช้คุณ」 แต่ AI สามารถทำได้

Lex Fridman: มีบางสิ่งบางอย่างที่มีลักษณะที่「ไม่ใช่การคำนวณ」 หรือกล่าวอีกนัยหนึ่ง ไม่ว่าชิปจะแรงมากแค่ไหน ก็จะไม่สามารถทำซ้ำได้?

Jensen Huang: ผมไม่แน่ใจว่าชิปจะทำงาน「ตึงเครียด」 แน่นอน สภาพที่ทำให้คุณกังวลตึงเครียดหรืออารมณ์อื่นๆ AI สามารถระบุและเข้าใจได้ แต่ผมคิดว่าชิปเองไม่สามารถ「รู้สึกได้」 ดังนั้น สภาพอารมณ์เหล่านั้น กังวล ร่าเริง หรือน่ากลัว… มันจะมีผลต่อความสมบูรณ์และต้นทุนงานของคน อย่างไร คือมิติที่แตกต่างอย่างสิ้นเชิง

เช่นในเงื่อนไขเดียวกัน บุคคลที่แตกต่างกันจะสามารถแสดงผลลัพธ์ที่แตกต่างกันออกไป: บางคนจะแสดงผลลัพธ์ที่โดดเด่น บางคนจะแสดงผลลัพธ์ที่ปานกลางหรือต่ำกว่าค่าเฉลี่ย ความแตกต่างเหล่านั้นมากมาย มากจากประสบการณ์ส่วนบุคคล

แต่ในระบบคอมพิวเตอร์เมื่อมีระบบสองระบบที่เผชิญกับข้อมูลนำเข้าที่เหมือนกันอย่างสมบูรณ์เช่นกัน อาจมีความแตกต่างทางสถิติเกิดขึ้นได้ แต่ความแตกต่างดังกล่าวไม่ได้เกิดขึ้นเพราะ "สัญจรได้" นั่นเอง

Lex Fridman: ใช่ ประสบการณ์ประสบการณ์ที่มนุษย์มีจริงๆ มีความพิเศษมาก ตัวอย่างเช่น เมื่อฉันพึ่งคุยกับคุณฉันจะตึงเครียด ความคาดหวังนี้ ความกลัว ความวิตกกังวล และความหลากหลายของชีวิตเอง - ความรัก สิ้นสุดหัวดวง ความกลัวต่อการตาย ความเจ็บปวดจากการสูญเสียคนในครอบครัว - นั้นทั้งหมด สำหรับระบบคอมพิวเตอร์ซึ่งมีสภาวะเป็นจริงที่จริงๆ มันยากที่จะจินตนาการได้ว่าระบบคอมพิวเตอร์ได้สัมภาษณ์จริง.

Jensen Huang: จริงๆ มันยากที่จะจินตนาการได้ แต่เราก็ยังรู้ได้น้อยมาก มีปริมณฑลมากมาย ดังนั้นฉันยังคงเปิดใจและพร้อมยอมรับสิ่งที่น่าประหลาดในอนาคต ในปีที่ผ่านมาๆ โดยเฉพาะช่วงเวลาไม่นานนี้ การพัฒนา AI ก่อให้ฉันประทับใจได้หลายครั้ง "ลำดับ" ตนเอง อย่างแท้จริงสามารถนำมาซึ่งความเปลี่ยนแปลงที่ใกล้เคียงกับความมหัวมับได้มาก

Jensen Huang: นอกจากนี้ ฉันคิดว่ามีจุดหมายหนึ่งที่สำคัญมาก นั่นคือ จำเป็นต้องมีการแยกชัด "ความฉลอง" หนึ่งนี้

เราใช้ "ความฉลอง" คำนี้บ่อย แต่มันไม่ใช่ที่จริงนั่นเป็นคอนเซปพระหวัน" ความฉลอง "โดยจำเป็นต้องหมายรวมถึง การรับรู้ ความเข้าใจ การคิด การวางแผน และวงจรการทำงานของการแบบกลใช้ นั่นคือ ความฉลอง

แต่ "ความฉลอง" ไม่เท่ากับ "มนุษย์" นั่นเป็นทั้งสมทางหลัก พวกเราควรจะบ่อยให้การแตกแยก ฉันไม่กลัวว่า "ความฉลอง" ผมเห็นว่า "ความฉลอง" เป็นหนึ่งชนิดของ "ความสามารถในทางปฏิบัติ" และสามารถบอกได้ว่า "ความฉลอง" กำลังกลายเป็น "ต้องขาย"

ประวัติพวกเราจะพบว่ามีผู้คนที่ฉลองในหลากหลายคุณแก่ ในแต่ละสาขาพวกเขาสามารถมีความชำลากขึ้นและมีวาชาลึกกว่าฉันสมบูรณ์แต่ฉันยังมีส่วนที่สำคัญในระบบจั่นนี้

เรื่องนี้หน้าเดียวไมมีควาามสดใส

คุณถามน่า คนกลัวที่จำเคยล้างจานในร้านอาหาร ชิ้นส่วนไหเช็ดยอยที่ตอั่งใพ่วี่เขารุงทัวงคะทีวเคราลทงวทะกรวบร

นี้ชื่อมันตัหลัก วางตรัม้ด ควาพริเปิดสั่พคุฉำมพูปท ก็คือ สมิตำดามิ่กก้ปึาพีกสานท พูาทิึก ปฉูท้รื่จก็หลา มัาจชุตำ แลัดตุรำ้ดศี้ดรำ

Jensen Huang: ถาใ้ฉังฉท้จำจ้างผ์มว่า ตัวกราผมะบณิิหรซางมีบสารๆจี้ มิบในก็คือ ดวาลควาเรไห้้ก์ จริหนั่นสารต้ดเวาหราตจ้ะผะฉสำ

สินเชิีญ ชง์สรี่ ฉนัจร็วะท หารผ่านใช้ วดากุ้ดหจ้กถามา บ์สตัุสา คาต์เวใี้ตูสสุบา

Lex Fridman: ก็แส่วนบียรทกคว่ารต้ก่อ้รถขีียี

เจนเซน หวัง: ใช่ บุคลิกภาพ จริยธรรม ความเห็นอกเห็นใจ ความเมตตา มีความสำคัญมากที่สุด สังคมมักจะย่อยทุกสิ่งสู่คำว่า "อัจฉริยะ" แต่ชีวิตมนุษย์ไม่ได้จำกัดอยู่ที่จุดนี้ จากประสบการณ์ของฉัน แม้ว่าในมิติ "อัจฉริยะ" ฉันอาจไม่เท่ากับคนบางคน แต่ฉันก็ยังประสบความสำเร็จ ดังนั้น ฉันหวังว่าทุกๆ คนจะไม่ต้องกังวลเพราะ "อัจฉริยะที่ผดุง"

เลกซ์ ฟริดแมน: ฉันเชื่อว่า AI จะทำให้เรานับถือมนุษย์มากขึ้น

เจนเซน หวัง: ถูกต้อง AI จะทำให้มนุษย์แข็งแกร่งขึ้น

เลกซ์ ฟริดแมน: ความสำเร็จของ NVIDIA และชีวิตของมนุษย์จำนวนมากทั้งนี้ บางส่วนอาจพึ่งพาคุณ แต่คุณก็เป็นมนุษย์ธรรมดาเท่านั้น มีวันหนึ่งคุณจะต้องเผชิญกับความตาย คุณเคยคิดถึงประเด็นนี้หรือไม่ คุณกลัวความตายหรือไม่

เจนเซน หวัง: ฉันไม่อยากตาย

ชีวิตของฉันดีมาก มีครอบครัวที่ดี กำลังทำงานที่สำคัญมาก นี่ไม่ใช่ "ชีวิตคนเดียวครั้งเดียว" แต่เป็น "ประสบการณ์ระดับประวัติศาสตร์ของมนุษย์" NVIDIA เป็นหนึ่งในบริษัทเทคโนโลยีที่สำคัญที่สุดในประวัติศาสตร์ สิ่งที่เรากำลังทำมีความหมายอย่างสำคัญฉันใส่ใจเรื่องนี้มาก

แน่นอน ยังมีปัญหาบางอย่างเช่นการวางแผนสืบทอดตำแหน่งต่อไป ฉันชอบพูดว่าฉันไม่เชื่อใน "การวางแผนสืบทอดตำแหน่ง" ไม่ใช่เพราะฉันคิดว่าตัวเองจะไม่ได้ออกไป แต่เพราะว่า: หากคุณใส่ใจดูแลถึงการเจริญเติบโตของบริษัทหลังจากคุณ สิ่งที่คุณควรทำมากที่สุดในวันนี้คือ ส่งต่อความรู้ต่อไป ส่งข้อมูล ความเข้าใจ ประสบการณ์ ความสามารถ ให้กับทีมอย่างต่อเนื่อง

นี่เหมือนเหตุผลที่ฉันเริ่มต้นแค่ตอนหนึ่ง ทุกครั้งที่ประชุมนั้น มีการส่งต่อความรู้อย่างสำคัญ

ฉันไม่จะสงวนข้อมูลไว้กับตนเอง ทุกครั้งที่เรียนรู้สิ่งใด ฉันก็แบ่งปันทันที เรียนรู้แล้วก็แบ่งปัน แม้แต่ที่ฉันยังไม่เข้าใจอย่างเต็มที่ ก็สร้างบอกให้คนอื่นว่า "สิ่งนี้สำคัญ คุณควรไปศึกษา" ฉันกำลังส่งพลังให้คนรอบข้างโดดเด่นขึ้น สถานการณ์ที่ฉันความวุ่นวายกว่าคือ: ฉันออกไปจากงานแล้ว และมันเกิดขึ้นอย่างรวดเร็ว ไม่มีความทุกข์ทรมานอย่างยาวนาน

เลกซ์ ฟริดแมน: ในฐานะผู้สังเกตและแฟน ฉันอยากให้คุณทำงานไปตลอดเวลา (หัวเราะ) ความรวดเร็วในนวัตกรรมของ NVIDIA นั้นน่าทึ่งและเป็นการยกย่องต่อวิศวกรรมด้วย

อันคำถามสุดท้าย: เมื่อคุณมองไปในอนาคต 10 ปี 20 ปี 50 ปี หรือ 100 ปี ในอนาคตของมนุษย์ สิ่งใดทำให้คุณรู้สึกหวังดี

Jensen Huang: ฉันมีความมั่นใจเสมอในความดีเด่น、ความใจรักและความเห็นอกเห็นใจของมนุษย์ บางครั้ง มันอาจจะมากกว่าที่ควร และเป็นที่ผิดหวัง แต่สิ่งนี้จะไม่ทำให้ความวินะเปลี่ยนไป ฉันเชื่ออยู่เสมอว่า มนุษย์พร้อมที่จะทำสิ่งดี พร้อมช่วยเหลือผู้อื่น และเชื่อว่าส่วนใหญ่ของเวลา เชื่อของฉันนั้นถูกต้อง และบางครั้งฉันอาจหวังว่าเยอะไป

Jensen Huang: สิ่งที่ทำให้ฉันเต็มไปด้วยความหวังคือ เมื่อฉันมองเห็นสิ่งที่เกิดขึ้นในปัจจุบันและนำมันไปสู่อนาคต ฉันพบว่ามีปัญหาหลายๆ อย่างกำลังเข้าถึงจุดที่ "สามารถแก้ไขได้"

เรามีปัญหามากมายที่ต้องแก้ มีสิ่งมากมายที่ต้องการสร้าง และสิ่งเหล่านี้กำลังมาถึงมือ และบางทีอาจจะสามารถให้เกิดขึ้นในชีวิตของฉันได้อย่างมีได้เพียงช้า คุณจะมีความยากลำบากในการไม่รู้สึกโล่งในอนาคตแบบนี้ เช่น การจบจากที่มาของโรคของโรคฯ นั้น เป็นเรื่องที่เป็นไปได้ การลดมลพิษอย่างสูง นั้น ก็เป็นเรื่องที่เป็นไปได้ และแม้แต่การทำระบบการ "ส่งข้อมูล" ในรูปแบบใดของความเร็วใกล้เคียงกับแสง ก็เป็นไปได้

Jensen Huang: ฉันยังคำนึงถึงวิธีหนึ่ง: ในอนาคต เราสามารถส่ง "สตรีมความคิด" ในรูปแบบของตัวเลขในอนาคต โดยตรวจจับข้อมูลทั้งหมดของคน อีเมล ความคิด พฤติกรรม ละเมิดให้เป็น AI เรื่อยๆ เมื่อเป็นเวลาที่เหมาะสม ส่ง "การเข้าถึงดิจิตอล" นี้ออกไปในอวกาศ และพบกับหุ่นยนต์

Lex Fridman: ให้แน่ใจว่าเป็นการมุ่งสู่อนาคตที่สะท้อน แต่ทางด้านวิทยาศาสตร์ ยังมีปัญหาที่ยังไม่ได้ตอบ อย่างเช่นความคิดเองตัวเอง

Jensen Huang: ใช่ แต่การเข้าใจ "ระบบชีวิต" อาจอยู่ในหน้าอก อาจจะมีความก้าวหน้าภายใน 5 ปี

Lex Fridman: ไม่ว่าจะเป็นความสำคัญของความคิดเองตัวเอง หรือปัญหาในด้านฟิสิกส์ ทำให้อนาคตเติบโตอย่างยิ่ง

Lex Fridman: Jensen, ขอบคุณอย่างยิ่งสำหรับทุกอย่าง และขอบคุณที่แบ่งปันวันนี้

Jensen Huang: ขอบคุณคุณ Lex ฉันเพลิดเพลินกับบทสนทนาครั้งนี้ ในเวลาเดียวกัน ฉันขอขอบคุณคุณเป็นพิเศษสำหรับสัมภาษณ์เหล่านี้ ความลึกซึ้ง ความเคารพ และการศึกษาของคุณช่วยให้เราเข้าใจบุคคลและความคิดได้ดีขึ้น

Lex Fridman: สิ่งนี้มีความหมายอย่างสำคัญต่อฉัน ขอบคุณคุณมาก

Lex Fridman: ขอบคุณทุกคนที่ติดตามการสนทนาครั้งนี้กับ Jensen Huang ในฐานะเหมือนความพูดของ Alan Kay: "วิธีที่ดีที่สุดในการทำนายอนาคต คือสร้างมันด้วยตนเอง" ขอบคุณที่ฟัง พบกันครั้งหน้า

[ลิงก์ต้นฉบับ]

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia