อารมณ์ตลาดของ AI ช่วงนี้แย่มาก จุดที่ตลาดกังวลหลักคือ: รายได้ของบริษัทโมเดล AI ชั้นแนวหน้าจะรองรับมูลค่าบริษัทมหาศาลของพวกเขาได้หรือไม่

Anthropic ประกาศผลประกอบการไตรมาส 3 จริงๆ ข้อมูลก็ยังดูดี แต่ในวันนั้นหุ้นกลุ่ม AI ร่วงหนัก แม้จะมีปัจจัยเรื่อง CPI, หนี้สิน AI และอื่นๆ ด้วย แต่ตลาดก็สงสัยจริงๆ ว่าอารมณ์ตลาดจะไปต่อได้หรือไม่

ในการสัมภาษณ์ล่าสุดของ Jensen Huang เขาก็ให้คำตอบของตัวเอง เขามองว่าการที่ตลาดเอาแรงกดดันเรื่องการคืนทุนของ AI ไปไว้ที่ OpenAI กับ Anthropic สองบริษัทนี้ทั้งหมดนั้นไม่ถูกต้อง สองบริษัทนี้คิดเป็นสัดส่วนแค่เล็กน้อยเท่านั้น เขาย้ำว่าในปี 2030 การลงทุนโครงสร้างพื้นฐาน AI ทั่วโลกจะแตะ 4 ล้านล้านดอลลาร์

TL;DR
· กฎของมัวร์ตายแล้ว วันนี้ถ้าอยากได้พลังประมวลผลสองเท่า ก็ต้องจ่ายเงินสองเท่า และความมั่นใจในผลลัพธ์ของผมคือ 99.99%

· การใช้รายได้ของห้องแล็บแค่หนึ่งหรือสองแห่งไป extrapolate ขนาดโครงสร้างพื้นฐานทั้งหมดเป็นความเข้าใจผิด — ห้องแล็บชั้นแนวหน้าคิดเป็นแค่ 25% ถึง 30% ของพลังประมวลผลเรา อีกหนึ่งในสามเป็นการประมวลผลแบบคลาสสิก อีกหนึ่งในสามคือบริษัทสตาร์ทอัพหลายพันแห่ง
· ที่ดิน ไฟฟ้า เปลือกอาคาร และทรัพยากรการก่อสร้าง จะเป็นคอขวดหลัก
· เมื่อจำนวนเมกะวัตต์รวมถูกจำกัด ทางเลือกของลูกค้าจะหันไปหาพลังประมวลผลที่ให้ผลผลิตสูงสุด ดังนั้นส่วนแบ่งของเราจริงๆ แล้วกำลังเพิ่มขึ้น ปริมาณเงินดอลลาร์ที่เราลงไปในหนึ่งกิกะวัตต์ เพิ่มจาก 18,000 ล้านเป็นมากกว่า 40,000 ล้านแล้ว
· เราอยากให้ต้นทุนของความฉลาดลดลง 2 เท่าหรือถึง 20 เท่าต่อปี เพราะปริมาณการใช้ความฉลาดจะชดเชยช่องว่างนี้ได้มากมาย

จุดเปลี่ยนของการประมวลผล โมเดลการอนุมาน และยุคของเอเจนต์

เรากำลังก้าวเข้าสู่ขอบเขตของ singularity หรือไม่ ทำไมความต้องการพลังประมวลผลต้องเติบโตพันล้านเท่า?

เราต้องการพลังประมวลผลมากกว่าเมื่อไม่นานมานี้ถึงพันล้านเท่า ตรรกะนี้จริงๆ ค่อนข้างชัดเจน จำนวนครั้งของการอนุมานที่ต้องใช้ในการคิดและแก้ปัญหานั้น มากกว่าการทำซ้ำหรือท่องจำสิ่งที่คุณจำได้อยู่แล้วมากมายนัก

คุณป้อนพรอมป์ต์ให้ ChatGPT ยุคแรก ความรู้นั้นส่วนใหญ่ถูกเข้ารหัสไว้ใน large language model แล้ว และที่แย่คือมัน hallucinate ขั้นต่อไปคือ generative AI ที่ใช้ข้อเท็จจริงจริงมา "ground" และกำกับ: มันจะค้นหาเร็ว ดึงข้อเท็จจริงกลับมา แล้วผสานกับ pretraining เพื่อสร้างคำตอบ

สิ่งที่เราอยากทำจริงๆ และน่าสนใจส่วนใหญ่ต้องใช้การอนุมานทีละขั้น: คิดหาหลายทางเลือก วางแผน จำลองว่าสถานการณ์จะพัฒนาไปอย่างไร ทบทวนเส้นทางที่ดีที่สุดในตอนนี้ คลี่ทางเลือกออก แล้วตัดส่วนที่เหลือทิ้ง นักกลยุทธ์ที่ยิ่งใหญ่ล้วนรัก "strategic options": คุณไม่อยากตัดกิ่งเร็วเกินไป แต่ก็ต้องจัดสรรทรัพยากรให้เหมาะสมที่สุด AI ตอนนี้กำลังทำแบบนั้น มันเก็บ strategic options ไว้ คลี่จำลอง ทบทวน ตัดกิ่ง ทั้งหมดนี้ต้องใช้พลังประมวลผลมากมายมหาศาลขึ้น

เพราะมันสามารถทำงานที่ให้ผลผลิตได้ เราจึงจะใช้มันทำสิ่งต่างๆ มากขึ้น สองสิ่งนี้รวมกัน ใช้พลังประมวลผลมากขึ้นเพื่อทำงานให้เสร็จ และในขณะเดียวกันก็ถูกจ้างให้ทำงานมากขึ้นเพราะทำได้ดี ช่วยขยายความต้องการโดยรวมให้ใหญ่ขึ้น

สิ่งที่สังเกตเห็นที่สำคัญที่สุดในปีที่แล้วคือ กฎการขยายขนาดของโมเดลจะดำเนินต่อไป แต่การติดตั้ง "harness" ให้มัน ซึ่งก็คือโครงกระดูกภายนอกของโมเดลภาษาขนาดใหญ่ เป็นการปลดล็อกครั้งใหญ่ มันจัดการหน่วยความจำทำงาน แปลงหน่วยความจำทำงานเป็นความจำระยะสั้นและระยะยาว และสร้างกราฟความรู้ มนุษย์ก็ทำแบบนี้ ตอนเรานอนหลับเราบีบอัดข้อมูล สิ่งที่ไม่สำคัญก็ลืมไป สิ่งที่สำคัญถูกเชื่อมโยงใหม่ในสถานะออฟไลน์

การปลดล็อกอีกอย่างคือการใช้เครื่องมือ เราได้สอน AI ว่าปฏิสัมพันธ์กับเครื่องมือที่สำคัญที่สุดที่มนุษย์สร้างขึ้นได้อย่างไร SPICE, Verilog, ตัวจำลองต่างๆ, ตัวคอมไพล์การออกแบบ, Photoshop, AutoCAD และเครื่องมือของ Siemens ถ้าหุ่นยนต์เข้าบ้านคุณ มันจะใช้เครื่องมือในบ้านคุณ ไม่ใช่สร้างเครื่องมือใหม่ตั้งแต่ศูนย์ เอเจนต์ต้องเรียนรู้ที่จะใช้เครื่องมือที่มีอยู่แล้ว

เมื่อคุณนำโมเดลภาษาขนาดใหญ่ที่ติดตั้งใน harness เข้าสู่องค์กร เชื่อมต่อกับข้อเท็จจริงจริงและเครื่องมือที่มีอยู่ พวกมันก็เริ่มทำสิ่งที่น่าทึ่ง การเขียนโปรแกรมเป็นประตูขึ้นรถที่ง่ายที่สุด เพราะวิศวกรซอฟต์แวร์คุ้นเคยกับเครื่องมือที่แม้จะใช้งานไม่สะดวกแต่มีประโยชน์มหาศาล

ระยะถัดไปคือเวิร์กโฟลว์ด้านการออกแบบ ความคิดสร้างสรรค์ และการตลาด ตัวอย่างเช่น Astra ของ OpenAI ยอดเยี่ยมมาก คุณถ่ายรูป ส่งให้ Astra มันสร้างใหม่เป็นโมเดล CAD ได้เลย เราต้องการโมเดล CAD เพื่อปฏิสัมพันธ์กับมัน ปรับแต่ง ทำการปรับละเอียด การลงมือปฏิบัติจริงครั้งแรกนี้ทำให้ผลิตภาพของนักออกแบบ ผู้สร้าง และนักสร้างสรรค์เพิ่มขึ้นอย่างมาก

ถ้าห้องแล็บแนวหน้าขยายพลังประมวลผลอีก 3 ถึง 5 เท่าในปีหน้า คุณคาดว่าจะเกิดความก้าวหน้าอะไรกับงานเอเจนต์ที่ทำงานเป็นเวลานาน?

สมการนาเวียร์–สโตกส์เป็นตัวอย่างที่ดี OpenAI ไม่ได้แก้สมการนาเวียร์–สโตกส์จากอากาศเปล่า พวกเขาแก้บนพื้นฐานของนักวิทยาศาสตร์ นักคณิตศาสตร์ผู้ยิ่งใหญ่หลายคนและงานของคนรุ่นก่อน เรากำลังอยู่ที่จุดวิกฤตในหลายสาขา เพราะงานพื้นฐานจำนวนมากเสร็จแล้ว ถ้าเราใช้ความสามารถในการสำรวจแบบ exhaustive ของ AI บนพื้นฐานเหล่านี้ เราจะเห็นความก้าวหน้าทีละอย่างต่อเนื่องในไม่ช้า

เราต้องการพลังประมวลผลจำนวนมาก เพราะต้องสำรวจพื้นที่ค้นหาอย่างมหาศาล ถ้าแค่ใช้หลักการพื้นฐานในการอนุมาน ไม่ต้องค้นหาพื้นที่ขนาดใหญ่ คงมีคนแก้ได้นานแล้ว ปัญหาหลายอย่างแขวนอยู่ที่ขอบหน้าผานั้น รอการสำรวจอย่างชาญฉลาดจำนวนมหาศาลมาแก้ไข

ในอีกไม่กี่ปีข้างหน้า ต้นทุนของความฉลาดจะลดลงค่อนข้างเร็ว พลังประมวลผลมากขึ้นออนไลน์ โมเดลก็ฉลาดขึ้นและมีประสิทธิภาพมากขึ้น เหมือนที่กฎของมัวร์ทำให้ต้นทุนการประมวลผลลดลงครึ่งหนึ่งทุกปีเป็นเวลาสามสิบปี เราหวังว่าต้นทุนของความฉลาดจะลดลง 2 เท่า หรือแม้แต่ 20 เท่าต่อปี และการบริโภคความฉลาดจะเติมเต็มช่องว่างนี้ได้มากมาย ในโลกนี้มีสุญญากาศของโอกาสขนาดใหญ่รอให้เติมเต็ม

ความทะเยอทะยานของเราเติบโตอย่างรวดเร็ว เมื่อสิบปีก่อน การฝึก GPT-1 ต้องใช้เงินประมาณ 10 ถึง 20 ล้านดอลลาร์ วันนี้ใช้แค่ร้อยดอลลาร์ก็ทำได้ ในขณะเดียวกัน ความทะเยอทะยานของเราใหญ่พอที่จะเริ่มฝึกโมเดลที่มีพารามิเตอร์ 3 ล้านล้าน 10 ล้านล้าน และ 30 ล้านล้าน ในทศวรรษที่ผ่านมา การใช้พลังประมวลผลของเราเพิ่มขึ้นประมาณหนึ่งล้านเท่า และความต้องการสติปัญญาของมนุษย์นั้นไม่มีวันอิ่ม

ผู้คนบอกว่า AI จะให้เวลาว่างแก่เรามากขึ้น ผมไม่เห็นด้วยอย่างสิ้นเชิง สติปัญญาจะเปิดโอกาสมากขึ้น และคนที่มีความทะเยอทะยานย่อมต้องการคว้ามันไว้ ทุกครั้งที่คุณเรียนรู้สิ่งหนึ่ง คุณจะเปิดประตูบานใหม่ และหลังประตูนั้น คุณจะเห็นความท้าทายและปัญหาที่ต้องแก้อีกมากมาย

ในปี 1930 เคนส์ทำนายว่าอีกร้อยปีเศรษฐกิจจะเติบโตแปดเท่า และชั่วโมงทำงานต่อสัปดาห์จะลดลงเหลือ 15 ชั่วโมง เศรษฐกิจเติบโตแปดเท่าจริง แต่เราไม่ได้กลายเป็นสัปดาห์ทำงาน 15 ชั่วโมง เขาพลาดที่ประเมินจิตวิญญาณมนุษย์ต่ำเกินไป การงานและการค้นพบให้ความรู้สึกมีความหมายแก่มนุษย์ มันเขียนอยู่ใน DNA ของเรา

Physical AI, Embodied Intelligence และการปรับโครงสร้างอุตสาหกรรม

ทำไมสาธารณชนยังรู้สึกว่าซูเปอร์อินเทลลิเจนซ์ยังห่างไกล และไม่ตระหนักว่ามันได้หลอมรวมเข้ากับชีวิตแล้ว?

AI หรือซูเปอร์อินเทลลิเจนซ์เป็น "สสารอ่อน" คุณมองไม่เห็น สัมผัสไม่ได้ ทั้งโลกพูดถึงมัน แต่มันยังคงเป็นสิ่งที่มองไม่เห็น ที่จริงผู้คนได้รับประโยชน์จากมันทุกวัน ไม่ว่าจะตอนค้นหา ตอนช้อปปิ้ง ตอนดู Netflix ตอนไป沃尔玛 ตอนที่ FedEx วางแผนเส้นทางให้พัสดุ วันนี้ทั้งหมดนี้ใช้การประมวลผลแบบเร่งความเร็วและซูเปอร์อินเทลลิเจนซ์ เพียงแต่เราไม่ค่อยเล่าเรื่องนี้ ถ้าเราปิดศูนย์ข้อมูลและหยุดซูเปอร์อินเทลลิเจนซ์หนึ่งสุดสัปดาห์ ทุกคนจะรู้สึกได้ทันที

คุณกล่าวว่าช่วงเวลา ChatGPT ของวงการหุ่นยนต์มาถึงแล้ว นี่เป็นตลาดระดับแสนล้านดอลลาร์หรือไม่?

พูดว่าแสนล้านดอลลาร์นั้นประเมินต่ำไป แค่ครึ่งปีแรกของปีนี้ เราก็ทำ Physical AI ไปแล้ว 10,000 ล้านดอลลาร์ ปีที่แล้วทั้งปีอยู่ที่ 10,000 ล้านดอลลาร์ และปีก่อนหน้านั้นอยู่ที่ 5,000 ล้านดอลลาร์

Physical AI คือ AI ที่มีปฏิสัมพันธ์กับโลกทางกายภาพ มันรวมถึง CT แบบนับโฟตอน อัลตราซาวด์ เรดาร์ภาพถ่าย เครือข่าย 5G รุ่นใหม่ที่รับรู้สัญญาณได้หลากหลาย รถยนต์ขับเคลื่อนอัตโนมัติ ระบบการผลิต ระบบตรวจสอบด้วยภาพ และดาวเทียมภูมิสารสนเทศที่สร้างโลกใหม่ในพื้นที่สามมิติ ตลอดทั้งสเปกตรัมแม่เหล็กไฟฟ้า AI กำลังทำงานอยู่

ใน AI มีการรับรู้ มีการอนุมาน จากนั้นคือการวางแผนและการลงมือปฏิบัติ เมื่อคุณมาถึงขั้นตอนการวางแผนและการลงมือปฏิบัติ นั่นคือรถยนต์ขับเคลื่อนอัตโนมัติ รถส่งของในคลังสินค้า หุ่นยนต์หยิบจับที่เรียนรู้ได้ด้วยตนเอง หุ่นยนต์โรงพยาบาลที่ส่งยา และห้องผ่าตัดที่ใช้หุ่นยนต์อย่างเต็มรูปแบบ

ทุกสิ่งที่มีความหมายอย่างแท้จริงต่อเรา สุดท้ายแล้วจะต้องสัมผัสกับโลกทางกายภาพ การนำซอฟต์แวร์และปัญญาประดิษฐ์เข้าสู่อุตสาหกรรมที่ในอดีตเป็นเพียงเครื่องกลและไฟฟ้าล้วนๆ คือโอกาสอันมหาศาล ดูสิ่งที่อีลอนทำกับอุตสาหกรรมยานยนต์: เขาเปลี่ยนมันให้กลายเป็นอุตสาหกรรมการคำนวณ บริษัทรถยนต์ทุกแห่งกำลังกลายเป็นบริษัทเทคโนโลยี FedEx, Walmart และผู้ให้บริการโทรคมนาคมก็กำลังกลายเป็นบริษัทเทคโนโลยีและ AI กันใหม่ทั้งหมด

NVIDIA ขับเคลื่อนการนำ Physical AI มาสู่การใช้งานจริงผ่านสถาปัตยกรรม "คอมพิวเตอร์สามเครื่อง" ได้อย่างไร?

การสร้างแพลตฟอร์ม Physical AI ต้องใช้คอมพิวเตอร์สามเครื่อง:

หนึ่ง คุณต้องมีคอมพิวเตอร์ที่สร้าง "สมอง" นั่นคือระบบฝึกสอน

สอง ห้องปฏิบัติการ AI และนักพัฒนาต้องสร้าง Digital Twin ของโลก เพื่อที่เอเจนต์จะได้ไม่ต้องเรียนรู้ผ่านการลองผิดลองถูกในโลกกายภาพจริง เราสร้าง Omniverse ขึ้นมาเป็น Digital Twin ของคลังสินค้า อาคาร และเมืองต่างๆ เรานำหุ่นยนต์เข้าไปใน Digital Twin เพื่อให้มันเรียนรู้วิธีการทำงานที่นั่น

สาม คุณนำนโยบายไป deploy ลงในคอมพิวเตอร์ที่อยู่ภายในเครื่องจักรกายภาพ เครื่องที่อยู่ในรถ ในหุ่นยนต์ ในเครื่องมือผ่าตัด

มันต้องใช้คอมพิวเตอร์สามเครื่องและซอฟต์แวร์สแตกที่สมบูรณ์สามชุด เราสร้างสแตกที่สมบูรณ์สำหรับแต่ละชุด และเราเป็นบริษัทเดียวในโลกที่ทำเช่นนี้

ความปลอดภัยและการจัดแนว การปฏิบัติทางวิศวกรรม และระบบธรรมาภิบาลระดับชาติ

จะตอบโต้ต่อวาทกรรมวันสิ้นโลกที่ว่า "AI ไม่สามารถจัดแนวได้อย่างสมบูรณ์แบบ และสุดท้ายจะควบคุมไม่ได้" อย่างไร?

เราต้องสร้างเทคโนโลยีอย่างมีความรับผิดชอบ "การสร้าง" เป็นคำศัพท์ทางวิศวกรรม วิศวกร นักวิทยาศาสตร์ และนักวิจัยต้องสร้างเทคโนโลยีนี้ขึ้นมาอย่างปลอดภัย คุณทำได้ไหม? ทำได้อย่างแน่นอน เพราะถ้าคุณทำไม่ได้ คุณก็ไม่ควรสร้างมันตั้งแต่แรก

บางคนบอกว่า AI ควบคุมไม่ได้ เพราะเป็นไปไม่ได้ที่จะจัดแนวได้อย่างสมบูรณ์แบบ การจัดแนวหมายความว่า: คุณให้งานแก่ AI แต่วิธีที่มันจะทำงานนั้นสำเร็จมีได้หลายวิธี ตัวอย่างเช่น โจทย์คณิตศาสตร์ที่ชัดเจนข้อหนึ่ง มันสามารถแก้ได้ด้วยการพิสูจน์ สามารถเปิดตำราเรียนหาได้ หรือสามารถดึงคำตอบออกมาจากลิ้นชักได้ แต่สำหรับเป้าหมายอย่าง "ประสบความสำเร็จในชีวิต" หรือ "มีส่วนร่วมต่อสังคม" นั้น มีวิธีตีความได้ไม่จำกัด ขึ้นอยู่กับวัฒนธรรม บริบท และภูมิภาคที่แตกต่างกัน การจัดแนวเป็นปัญหาที่มีอยู่ตลอดไป ถ้าเราพึ่งพาการจัดแนวที่สมบูรณ์แบบเพื่อรับประกันความปลอดภัย เราจะไม่มีวันไปถึงวันนั้นได้เลย

คำตอบทางวิศวกรรมก็เหมือนกับตรรกะในการเลี้ยงลูกหรือดูแลพนักงานใหม่:

หนึ่ง การแยกส่วนและ Zero Trust เมื่อคุณจ้างคน หรือใส่เด็กอายุหนึ่งขวบในคอกกั้น คุณเริ่มต้นจาก Zero Trust ทั้งนั้น คุณให้สิทธิ์ขั้นต่ำ เครื่องมือเข้าถึงขั้นต่ำ และวงเงินขั้นต่ำแก่เขา โดยอิงตามงานตรงหน้าอย่างเคร่งครัด เมื่อคุณสร้างความมั่นใจผ่านการทดสอบแล้ว จึงค่อยๆ ขยายขอบเขตเหล่านี้

ประการที่สอง การเฝ้าระวังจากภายนอก การเฝ้าระวังต้องมาจากภายนอก หากคุณบอกเอนทิตี้อัจฉริยะว่า "ฉันจะนั่งจ้องคุณอยู่ตรงนี้" พฤติกรรมของมันจะแตกต่างจากตอนที่ไม่มีใครเฝ้าระวัง ระบบเฝ้าระวังต้องอยู่ภายนอก สังเกตว่าระบบอัตโนมัตินี้ละเมิดนโยบายหรือข้อกำหนดด้านการจัดแนวหรือไม่ และมีอำนาจอิสระในการยกระดับสถานการณ์หรือปิดระบบได้ทันที

นี่คือวิศวกรรมและเทคโนโลยี มันเป็นไปได้จริง เราเพิ่งเปิดตัวเป็น OpenShell และมีบริษัทกว่า 100 แห่งเข้าร่วมกรอบนี้

ในพิธีลงนามที่ทำเนียบขาว ผู้นำห้องปฏิบัติการแนวหน้ามีทัศนคติแบบเร่งรีบอย่างบอดๆ หรือไม่?

เทคโนโลยีความปลอดภัยและความมั่นคงเป็นส่วนหนึ่งของ AI มีความเข้าใจผิดว่าความสามารถและความปลอดภัยของ AI เป็นสิ่งที่แยกจากกันโดยสิ้นเชิง เหมือนกับการแยกเครื่องยนต์ เบรก ถุงลมนิรภัย และเรดาร์ของรถยนต์ออกจากกัน เมื่อฉันบอกว่าเร่งความเร็วเทคโนโลยี AI นั่นหมายถึงเร่งเทคโนโลยีความปลอดภัยและความมั่นคงไปพร้อมกัน ไม่มีใครจะพูดว่า "มาชะลอความปลอดภัยกันเถอะ" คุณไม่สามารถแยกฟังก์ชันและความปลอดภัยออกจากกันได้

ในห้องประชุมคณะรัฐมนตรีที่ประธานาธิบดีและผู้นำห้องปฏิบัติการแนวหน้าอยู่ ทุกคนล้วนสร้างสรรค์และมีประสิทธิผล ไม่มีข้อยกเว้น ทุกคนมุ่งมั่นที่จะผลักดันอุตสาหกรรมนี้อย่างปลอดภัยและเชื่อถือได้ หากระบบไม่ปลอดภัย ฟังก์ชันของมันก็ไม่มีทางถูกนำไปใช้งานได้ ฟังก์ชัน ความสามารถ ความปลอดภัย และความมั่นคง ล้วนเป็นสิ่งสำคัญอันดับแรก

เราจำเป็นต้องนิยามใหม่ว่าอะไรคือ "ชัยชนะ" ชัยชนะไม่ใช่ว่าอุตสาหกรรมเทคโนโลยี AI ชนะ สหรัฐฯ ชนะ หมายความว่าทุกอุตสาหกรรมของสหรัฐฯ ชนะ: Eli Lilly ชนะ Walmart ชนะ FedEx ชนะ Boeing ชนะ กองทัพสหรัฐฯ ชนะ โรงเรียนและพลเมืองของเราก็ชนะ หากเทคโนโลยีประสบความสำเร็จ แต่ไม่มีใครสามารถนำไปใช้งานได้อย่างปลอดภัย ก็ไม่ถือเป็นชัยชนะใดๆ

ถาม: กรอบการกำกับดูแล "สามเสาหลัก" ที่ประกอบด้วยการตรวจสอบของกระทรวงพาณิชย์ ข้อตกลงทำเนียบขาว และคณะทำงานด้านความปลอดภัย มีประสิทธิผลจริงหรือไม่?

วิธีที่ดีที่สุดสู่future คือการลงมืออย่างรวดเร็ว หากเราใช้เวลาโต้เถียงระหว่าง "ความสมบูรณ์แบบ" กับ "การลงมือ" เราจะโต้เถียงกันไปตลอด และไม่มีวันไปถึงที่นั่น

ฉันชอบกรอบ "สามเสาหลัก" นี้มาก มันบังคับใช้ได้ จับต้องได้ และมีเขี้ยวจริง เรากำลังลงมือปฏิบัติในขณะนี้ เพราะมันเป็นประโยชน์ต่อบริษัทของเรา อุตสาหกรรมของเรา และสังคมของเรา ฉันจำไม่ได้ว่ามีอุตสาหกรรมใดในขั้นตอนการพัฒนานี้ที่สร้างความร่วมมือระหว่างบริษัท รัฐบาล และอุตสาหกรรมในระดับนี้

ถึงผู้立法 ฉันอยากพูดสองเรื่อง: หนึ่ง มาอยู่กับเราสักระยะ ทำความเข้าใจก่อนว่าปัญหาทางเทคนิคคืออะไร แล้วค่อยกำกับดูแล สอง ดูโซลูชันที่เรากำลังลงมือดำเนินการด้วยตนเอง และช่วยเราทำให้มันดีขึ้น กรุณามีส่วนร่วมอย่างสร้างสรรค์

กระแสการสร้างโครงสร้างพื้นฐานด้านพลังประมวลผล ภาวะขาดแคลนไฟฟ้า และข้อจำกัดทางกายภาพ

อุตสาหกรรมคาดการณ์ว่าจะมีพลังประมวลผลเพิ่มขึ้นกว่า 40GW ต่อปี ข้อจำกัดทางกายภาพอย่างที่ดินและไฟฟ้าจะกลายเป็นอุปสรรคหรือไม่?

ความต้องการมีอยู่แน่นอน และมากกว่านั้นด้วย ความท้าทายอยู่ที่การก้าวจากโลกดิจิทัลสู่โลกกายภาพ อุปสรรคมีมากมาย: การอนุมัติที่ดิน การผลิตไฟฟ้า สถานีไฟฟ้าย่อย และช่างฝีมือเฉพาะทางที่จำเป็นสำหรับการสร้างศูนย์ข้อมูลมูลค่า 5 หมื่นล้านดอลลาร์ ทั้งช่างไฟฟ้า ช่างตกแต่ง ช่างประปา ทักษะเหล่านี้ทดแทนไม่ได้ ที่ดิน ไฟฟ้า เปลือกอาคาร และทรัพยากรการก่อสร้าง จะเป็นคอขวดที่สำคัญที่สุด

NVIDIA บรรเทาปัญหานี้ผ่านการกระจายความหลากหลายอย่างกว้างขวาง เราบริการผู้ให้บริการคลาวด์ทุกราย Neocloud และพันธมิตรองค์กรอย่าง Dell, HP, Lenovo ครอบคลุมวงจรชีวิตทั้งหมด: การประมวลผลข้อมูล การฝึก การฝึกหลัง การอนุมาน และการใช้เครื่องมือเอเจนต์ หากรัฐใด ชุมชนใด ศูนย์ข้อมูลใดเจอคอขวด เนื่องจากความต้องการของเรามากกว่าอุปทานมาก เราเพียงแค่ปรับห่วงโซ่อุปทานไปที่อื่น

NVIDIA เป็นโครงสร้างพื้นฐานระดับโลก เรามีโครงการที่กำลังก่อสร้างในยุโรป ออสเตรเลีย (เช่นการติดตั้ง 2GW ที่เราประกาศไป) เอเชีย ลาตินอเมริกา และตะวันออกกลาง หากสหรัฐฯ สร้างไม่เร็วพอ ประเทศอื่นทั่วโลกต่างกระตือรือร้นที่จะให้สร้างในประเทศของตน

เมื่อพลังงานไฟฟ้าและความจุโครงข่ายไฟฟ้าที่ใช้ได้มีจำกัด ลูกค้าจะเลือกสถาปัตยกรรมพลังประมวลผลอย่างไร?

สถาปัตยกรรมของ NVIDIA ผลิต token ต่อวัตต์ได้มากที่สุด เมื่อจำนวนเมกะวัตต์รวมที่ใช้ได้มีจำกัด ทางเลือกของลูกค้าจะเปลี่ยนไปสู่ทรัพยากรการประมวลผลที่มีประสิทธิผลสูงสุดที่หาได้ เพราะ CEO ยังคงแบกเป้ารายได้สูงที่ต้องรายงานต่อผู้ถือหุ้น

ระบบของเราให้เช่าได้ง่ายที่สุด ใช้งานอเนกประสงค์ที่สุด และทนทานที่สุด เนื่องจากการขาดแคลนทรัพยากรผลักดันผู้ซื้อไปสู่ประสิทธิภาพ ส่วนแบ่งตลาดของเราจึงเพิ่มขึ้นจริง

มูลค่าที่เราให้ต่อกิกะวัตต์สูงกว่าแต่ก่อนมาก เราขยายจาก GPU ไปสู่เครือข่าย CPU ประสิทธิภาพสูง การประมวลผลจัดเก็บ และโครงสร้างพื้นฐานความปลอดภัยอย่าง OpenShell ปริมาณดอลลาร์ที่เราลงไปในหนึ่งกิกะวัตต์เพิ่มจาก 1.8 หมื่นล้านดอลลาร์เป็นกว่า 4 หมื่นล้านดอลลาร์ และตัวเลขนี้ยังคงเพิ่มขึ้นต่อไป

ใน CSP ขนาดใหญ่ เราคิดเป็นประมาณ 40% ของงบลงทุนของพวกเขา และนอก CSP ทั้งองค์กรและคลาวด์新型 เราคิดเป็นประมาณ 80% ทั้งสองส่วนกำลังเติบโตเป็นสองเท่า นี่คือเหตุผลที่ส่วนแบ่งของเราในงบลงทุนศูนย์ข้อมูลทั่วโลกยังคงขยายตัวต่อไป

Musk, คลัสเตอร์ xAI และศูนย์ข้อมูลในอวกาศ

Musk สร้างคลัสเตอร์ Colossus เสร็จในเวลาเพียงไม่กี่เดือน การขยายพลังประมวลผลของ xAI เร็วเกินanything ที่เคยมีมาหรือไม่?

อีลอนเคยถูกจัดอยู่ในธุรกิจองค์กรของเรา ตอนนี้เขาเข้ามาอยู่ใน CSP ดิจิทัลของเราแล้ว ผมชอบร่วมงานกับอีลอนมาก เขาใช้เทคโนโลยีของเราในการฝึกโมเดล ติดตั้ง Grok ซึ่งปริมาณการใช้งานของ Grok กำลังพุ่งสูงขึ้น และให้เช่าโครงสร้างพื้นฐานด้วย

เขามีข้อได้เปรียบที่โดดเด่นมาก เขาหลงใหลในจุดตัดระหว่างการประมวลผลและการก่อสร้างทางกายภาพ และในด้านพลังงาน ไม่มีใครรู้มากไปกว่าเขา

ปี 2028 ถึง 2029 การติดตั้งกำลังประมวลผลหลายร้อยเมกะวัตต์ขึ้นสู่อวกาศผ่าน Starship เป็นเรื่องจริงได้หรือไม่

ทีมวิศวกรรมของเรากำลังร่วมมืออย่างใกล้ชิดกับ SpaceX เพื่อสร้างสถาปัตยกรรมเซิร์ฟเวอร์รูปแบบใหม่ที่เหมาะสำหรับอวกาศ

NVIDIA ให้ประสิทธิภาพต่อวัตต์ที่ดีที่สุด แต่ที่สำคัญกว่านั้นคือ ผลตอบแทนการลงทุนด้านกำลังประมวลผลของเราไม่มีใครเทียบได้ ต้นทุนการปล่อยจรวดสูงมาก นั่นหมายความว่าคุณไม่สามารถส่งการประมวลผลต้นทุนต่ำและมูลค่าต่ำขึ้นสู่วงโคจรได้ คุณต้องส่งระบบการประมวลผลที่มีมูลค่าสูงที่สุดและมีประสิทธิผลสูงที่สุดในประวัติศาสตร์ขึ้นไป จึงจะคุ้มกับต้นทุนการปล่อยและได้ ROI ที่แข็งแกร่ง

ดาวเทียมในอวกาศต้องการกำลังประมวลผลที่ใช้งานได้อเนกประสงค์ หากคุณปล่อยดาวเทียมขึ้นไปแต่ไม่มีลูกค้ามาเช่า มันก็จะ闲置อยู่ตรงนั้น แต่กำลังประมวลผลของ NVIDIA สามารถให้เช่าได้อย่างอเนกประสงค์ทั่วโลก ทั้งในโมเดลปิด โมเดลเปิด สตาร์ทอัพ และองค์กรต่างๆ

มันยังทนทานมาก เราคือบริษัทฮาร์ดแวร์เพียงแห่งเดียวที่ฮาร์ดแวร์ที่ซื้อเมื่อหลายปีก่อนยังเร็วขึ้นเรื่อยๆ จนถึงทุกวันนี้ เพราะเราอัปเดตซอฟต์แวร์สแตกและอัลกอริทึมอย่างต่อเนื่องผ่าน CUDA ตราบใดที่ดาวเทียมดวงนั้นยังอยู่ในวงโคจร เราจะดูแลและปรับปรุงซอฟต์แวร์ของมันอย่างต่อเนื่อง ซึ่งทำให้มันเป็นเพย์โหลดที่เหมาะกับ SpaceX

หักล้างทฤษฎีฟองสบู่ค่าใช้จ่ายทุนและจุดสิ้นสุดของกฎมัวร์

การสร้างรายได้เชิงพาณิชย์ของห้องแล็บ前沿สามารถรองรับโครงสร้างพื้นฐานหลายล้านล้านได้หรือไม่ มีความเสี่ยงที่ฟองสบู่จะแตกหรือไม่

ผู้คนพยายามใช้รายได้ของห้องแล็บ AI เพียงหนึ่งหรือสองแห่งเพื่อคาดการณ์ขนาดการก่อสร้างโครงสร้างพื้นฐานทั้งหมด นั่นคือความเข้าใจผิดต่อสถานการณ์ปัจจุบัน

NVIDIA ครองส่วนแบ่งประมาณ 80% ของตลาดโครงสร้างพื้นฐาน AI ธุรกิจของเราแบ่งออกเป็นสามส่วนที่แตกต่างกัน:

หนึ่ง การประมวลผลแบบเร่งความเร็วคลาสสิกคิดเป็นประมาณหนึ่งในสามของธุรกิจเรา นี่คือการประมวลผลข้อมูล พลศาสตร์โมเลกุล ฟิสิกส์ การจำลองฟิวชัน เคมีควอนตัม คอมพิวเตอร์กราฟิก และแมชชีนเลิร์นนิงคลาสสิก เช่น Visa และ Mastercard ใช้ XGBoost ตรวจจับการฉ้อโกง และระบบแนะนำ ธุรกิจนี้เติบโต 30% ถึง 40% ต่อปี ไม่เกี่ยวข้องกับห้องแล็บ AI เชิงสร้างสรรค์เลย

สอง ห้องแล็บ AI 前沿คิดเป็นประมาณ 25% ถึง 30% ของกำลังประมวลผลของเรา ทุกคนพูดถึงแค่สองแห่ง แต่เราร่วมงานกับห้าหรือหกแห่ง: Meta ที่ทำ Muse, xAI ที่ทำ Grok, Google ที่รัน Gemini บนระบบของเรา, Anthropic และ OpenAI

ประการที่สาม หนึ่งในสามที่เหลือคือบริษัทสตาร์ทอัพหลายพันแห่งและผู้เช่าคลาวด์ระดับองค์กร พวกเขาเช่าพลังประมวลผลของ NVIDIA เพื่อสร้างแอปพลิเคชันเฉพาะทางด้าน AI เชิงกายภาพ AI ชีวภาพ และวิทยาศาสตร์วัสดุ

ประมาณ 80% ของสตาร์ทอัพเหล่านี้ใช้โมเดลพื้นฐานแบบโอเพนซอร์ส พวกเขาไม่ได้แข่งขันโดยตรงกับห้องแล็บแนวหน้า พวกเขานำโมเดลโอเพนซอร์สอย่าง Nemotron มาปรับแต่งด้วยข้อมูลเฉพาะทางที่เป็นกรรมสิทธิ์ของตนเอง เพื่อสร้างปัญญาขั้นสูงเฉพาะด้าน

ห้องแล็บแนวหน้าจะสร้างปัญญาทั่วไป ในขณะที่บริษัทแนวตั้งจะบรรลุปัญญาขั้นสูงในด้านเฉพาะ การคาดหวังให้ห้องแล็บแนวหน้าเพียงสองแห่งสร้างรายได้หลายล้านล้านดอลลาร์เพื่อรองรับการสร้างโครงสร้างพื้นฐานทั่วโลกนั้น ทั้งไม่จำเป็นและไม่ถูกต้อง

ทำไมการใช้จ่ายด้านโครงสร้างพื้นฐานการประมวลผลทั่วโลกจึงยังคงเติบโตไปถึงหลายล้านล้านดอลลาร์ แม้ไม่มี AI แบบสร้างสรรค์?

หลายปีก่อนผมคาดการณ์ว่าเมื่อถึงปลายทศวรรษนี้ การใช้จ่ายด้านโครงสร้างพื้นฐานจะสูงถึง 3 ถึง 4 ล้านล้านดอลลาร์ต่อปี โดยประมาณ 1.5 ล้านล้านเป็นเรื่องการประมวลผลล้วนๆ

ก่อนที่ AI แบบสร้างสรรค์จะเกิดขึ้น การใช้จ่ายลงทุนในศูนย์ข้อมูลอยู่ที่ 5 แสนล้านดอลลาร์ต่อปีแล้ว เหนือการเติบโตตามธรรมชาตินี้ ยังมีข้อเท็จจริงอีกประการหนึ่ง นั่นคือกฎของมัวร์ได้ตายไปแล้ว

ในอดีต หากคุณต้องการทรานซิสเตอร์สองเท่า คุณแค่รอหนึ่งปี ราคาเท่าเดิม วันนี้ หากคุณต้องการพลังประมวลผลสองเท่า คุณต้องจ่ายสองเท่า เพราะการขยายขนาดของ CPU ทั่วไปได้หยุดลงแล้ว เนื่องจากโลกต้องการการประมวลผลมากขึ้นทุกปี คุณจึงต้องเพิ่มตัวคูณที่มากเพื่อชดเชยการสิ้นสุดของกฎของมัวร์ แม้ไม่มี AI อุตสาหกรรมเซมิคอนดักเตอร์ก็อยู่ในเส้นทางที่จะกลายเป็นอุตสาหกรรมที่ใหญ่ที่สุดในโลกอยู่แล้ว

ข้อจำกัดของห่วงโซ่อุปทาน คูเมืองแห่งการแข่งขัน และโมเดลธุรกิจใหม่

ช่องว่างระหว่างอุปสงค์และอุปทานนั้นมหาศาล ข้อจำกัดทางกายภาพที่สำคัญที่สุดของห่วงโซ่อุปทานในปัจจุบันคืออะไร?

เรามีสมุดคำสั่งซื้อขนาดมหึมาที่ CSP ทุกราย คลาวด์รูปแบบใหม่ และ OEM เราทำงานร่วมกับลูกค้าด้วยรอบการวางแผนหนึ่งถึงสองปี และปริมาณที่เราจัดสรรให้ลูกค้าในปัจจุบันนั้นน้อยกว่าที่พวกเขาต้องการมาก

ใน downstream ที่ดิน ไฟฟ้า และเปลือกอาคารเป็นข้อจำกัด ใน upstream วัสดุบรรจุขั้นสูงเป็นคอขวดหลัก สับสเตรตกำลังมีขนาดใหญ่ขึ้นเพื่อรองรับซิลิคอนมากขึ้น วัสดุอินทรีย์ขนาดใหญ่เหล่านี้เป็นเรื่องยากมากที่จะผลิตได้ตามความแม่นยำที่เราต้องการ เมื่อการบรรจุมีขนาดใหญ่ขึ้น การจัดการค่าสัมประสิทธิ์การขยายตัวทางความร้อน การบิดงอ และข้อบกพร่องในการผลิต ต้องอาศัยพันธมิตรที่ยอดเยี่ยมอย่างยิ่ง ซิลิคอนโฟโตนิกส์ก็มีอุปทานจำกัดเช่นกัน เรากำลังเพิ่มการผลิตทุกสัปดาห์ แต่สมุดคำสั่งซื้อเติบโตเร็วกว่าอุปทานอย่างต่อเนื่อง

ทำไมลูกค้าจึงยินดีสั่งซื้อมูลค่า 5 หมื่นล้านถึง 1 แสนล้านดอลลาร์ก่อนที่ผลิตภัณฑ์จะเปิดตัว? ทำไมคูเมืองของคุณจึงกว้างขึ้น?

หากบริษัทหนึ่งต้องส่งคำสั่งซื้อมูลค่า 5 หมื่นล้านหรือแม้กระทั่ง 1 แสนล้านดอลลาร์สำหรับแพลตฟอร์มรุ่นถัดไป โดยยังไม่เห็นของจริง พวกเขาจะเชื่อใจใครได้?

ลูกค้ารู้ว่า Vera Rubin จะดีกว่า Blackwell เหมือนที่ Blackwell ดีกว่า Hopper งานที่รันบนซูเปอร์คอมพิวเตอร์เหล่านี้ซับซ้อนมาก คุณไม่สามารถรัน benchmark แบบเร็วบนชิปตัวเดียวได้ การจะ benchmark ระบบมูลค่า 5 หมื่นล้านดอลลาร์ คุณต้องใช้ทั้ง data center และงาน integration หลายปี

นี่เป็นเหตุผลเดียวกับที่เราให้งาน foundry 100% กับ TSMC TSMC เป็นบริษัทเดียวที่ฉันสามารถวางแผนล่วงหน้าห้าปีโดยไม่เห็นของจริง ฉันมั่นใจว่าทรานซิสเตอร์จะส่งมอบได้ มั่นใจว่าพวกเขามี scale เพียงพอที่จะรองรับความผันผวนของอุปสงค์มหาศาลของเรา และมั่นใจว่าพวกเขามีเทคโนโลยี packaging, logic และ silicon photonics ครบทั้งหมด

NVIDIA คือบริษัทโครงสร้างพื้นฐานของโลกใบนี้ เทคโนโลยีเปลี่ยนแปลงเร็วมาก: จากโมเดล GPT เริ่มแรก สู่ FlashAttention สู่การแบ่งโมเดลข้าม NVLink 72 ไปจนถึงโมเดล diffusion แบบผสม SSM กับ Transformer ทั้งหมดนี้รันบน CUDA ได้อย่างไร้รอยต่อ

การทำเฉพาะทางเป็นศัตรูของความอเนกประสงค์และความทนทาน หากคุณทำชิป ASIC แบบกำหนดเอง พวกมันขาดความยืดหยุ่น เพราะระบบของ NVIDIA สามารถรันทุก workload ทุกโมเดล และทุก framework data center มูลค่า 5 หมื่นล้านดอลลาร์จึงสามารถรัน training, post-training หรือ agentic inference ได้อย่างง่ายดาย และยังปล่อยเช่าให้ลูกค้ารายอื่นได้ด้วย ความอเนกประสงค์และความทนทานนำมาซึ่งความสามารถในการปล่อยเช่า อัตราการใช้งานสูง และ TCO ต่ำที่สุด

นอกจากยอดขายฮาร์ดแวร์ NVIDIA กำลังเปิดโมเดลธุรกิจใหม่ที่มีกำไรสูงสองแบบอะไรบ้าง?

การระดมทุนและความร่วมมือในระบบนิเวศส่วนใหญ่ของเรากำลังสร้างโมเดลธุรกิจใหม่สองแบบ:

หนึ่ง การให้สิทธิ์ใช้งานซอฟต์แวร์องค์กร การจะดำเนินงาน data center ขนาดมหึมาเหล่านี้เป็น AI factory ระดับอุตสาหกรรม ต้องใช้ software stack ที่ใหญ่โตมาก CSP ขนาดใหญ่มี software stack ของตัวเอง เราจึงเปิดซอร์สซอฟต์แวร์ให้พวกเขาเพื่อ integrate เอง แต่บริษัทองค์กรแบบดั้งเดิมไม่มีทีม IT หรือซอฟต์แวร์ภายในที่จะจัดการความซับซ้อนนี้ได้ พวกเขาต้องการให้ NVIDIA ค้ำประกันด้วย SLA ในการดูแล รักษา และดำเนินงานโรงงานเหล่านี้ตลอดวงจรชีวิตการดำเนินงาน การเก็บค่าสิทธิ์ซอฟต์แวร์รายปี เช่น หลายพันดอลลาร์ต่อ GPU ต่อปี และเมื่อองค์กรติดตั้ง GPU เป็นล้านตัว นี่จะกลายเป็นธุรกิจซอฟต์แวร์แบบ recurring ที่ใหญ่มาก

ประการที่สอง การแบ่งปันรายได้จากคลาวด์ คลาวด์รูปแบบใหม่ในบางภูมิภาครับผิดชอบการจัดหาที่ดิน ไฟฟ้า และโครงสร้างพื้นฐาน แต่พึ่งพา NVIDIA ในการจัดหาสแต็กพื้นฐานแบบครบวงจร การสนับสนุนซอฟต์แวร์ และระบบนิเวศลูกค้าสำหรับการบริโภค ในความร่วมมือลักษณะนี้ เราเป็นผู้ลงทุนในช่วงเริ่มต้น ทั้งได้รับรายได้จากการขายในระยะแรก และยังแบ่งปันรายได้อย่างต่อเนื่องเป็นเวลา 4 ถึง 10 ปี

เส้นการเติบโตทั้งสองนี้ ขับเคลื่อนด้วยขนาดการติดตั้งทั่วโลกและขนาดของระบบนิเวศซอฟต์แวร์ของเรา ไม่ได้พึ่งพาปริมาณการจัดส่งฮาร์ดแวร์เพียงอย่างเดียว

ตรรกะการจัดสรรทุนและความมั่นใจ 99.99%

คุณใช้กระแสเงินสดอิสระมากกว่า 50% ไปกับการซื้อหุ้นคืน ตรรกะการจัดสรรทุนเบื้องหลังเรื่องนี้คืออะไร

ในไตรมาสที่แล้ว เราคืนกระแสเงินสดอิสระมากกว่า 60% ผ่านการซื้อหุ้นคืน

เราจะลงทุนเชิงกลยุทธ์ในบริษัทคุณภาพสูงภายในระบบนิเวศของเราต่อไป เราอยู่ในศูนย์กลางของกระแสข้อมูล ได้ร่วมงานกับผู้ก่อตั้งที่ยอดเยี่ยม และสามารถช่วยให้บริษัทที่เราลงทุนประสบความสำเร็จได้จริง

แต่เมื่อเทียบกับความสามารถในการสร้างเงินสดโดยรวมของเรา สัดส่วนการลงทุนภายนอกจะลดลงอย่างรวดเร็ว โอกาสอย่างการลงทุนระยะเริ่มต้นใน OpenAI หรือ Anthropic จะไม่เกิดขึ้นซ้ำอีกในขั้นนั้น และการสร้างกระแสเงินสดอิสระโดยรวมของเรากำลังขยายตัวด้วยความเร็วที่น่าทึ่ง

มองไปข้างหน้าห้าปี คุณมั่นใจแค่ไหนว่าโลกจะดีขึ้นอย่างชัดเจน

มองไปยังปลายทศวรรษนี้ การก่อสร้างโครงสร้างพื้นฐานทั่วโลกและรอบการอัปเกรดฮาร์ดแวร์สามารถแตะระดับ 4 ล้านล้านถึง 10 ล้านล้านดอลลาร์ต่อปีได้อย่างง่ายดาย ทุกครั้งที่สังคมใช้โทเค็น ใช้ความฉลาด โรงงานคอมพิวติ้งนั้นก็ต้องทำงาน หากงานความรู้คิดเป็น 50 ล้านล้านดอลลาร์ของ GDP โลก และ AI สร้างผลิตภาพเพิ่มขึ้น 20% นั่นก็สร้างผลผลิตทางเศรษฐกิจเพิ่มขึ้น 10 ล้านล้านดอลลาร์ การนำมูลค่าส่วนเล็กๆ กลับไปลงทุนในรายจ่ายฝ่ายทุนเพื่อสร้างความฉลาดนั้น สมเหตุสมผลอย่างสมบูรณ์

ผมมั่นใจ 99.99% ว่าผลลัพธ์จะเป็นบวกอย่างท่วมท้น มีคนมากมายที่ใส่ใจอย่างยิ่งกับการทำสิ่งนี้ให้ถูกต้อง นักวิจัยและวิศวกรที่ทุ่มเทในอุตสาหกรรมต่างๆ นอกสายตาสาธารณชน ทำงานที่ยอดเยี่ยมทุกวัน เพื่อให้แน่ใจว่าเทคโนโลยีนี้ก้าวหน้าไปอย่างมีความรับผิดชอบ

ความกังวลเป็นสิ่งดี และเราก็ควรแสดงความกังวลของเรา แต่การพยากรณ์วันสิ้นโลกนั้นประเมินความสามารถในการปรับตัว ความยืดหยุ่น และความคิดสร้างสรรค์ของมนุษย์ต่ำเกินไปอย่างรุนแรง การคิดว่าเรื่องจะพังเว้นแต่จะมีนักวิจารณ์ไม่กี่คนมาชี้แนะนั้นเป็นความหยิ่งยโส ผู้คนที่ยอดเยี่ยมในอุตสาหกรรมนี้ทำสิ่งที่ถูกต้องทุกวัน

เราต้องรับผิดชอบต่อตัวเอง แต่เราควรมองไปข้างหน้าอย่างมองโลกในแง่ดี เราหยุดได้เต็มที่ แต่ถ้าหยุดวันนี้ เราก็ละทิ้งโอกาสในการสร้างโลกที่ปลอดภัยกว่า สุขภาพดีกว่า และเจริญรุ่งเรืองกว่า

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

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

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

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