Nvidia首席執行官 Jensen Huang 最近舉辦瞭另一場春季 GTC 活動，吸引瞭超過 200,000 名參與者。雖然他沒有成功以800 億美元收購 Arm，但他確實有很多東西要嚮那些參加大型活動的人炫耀。
他介紹瞭 Nvidia 的 Earth-2 計劃的最新情況，這是我們星球的一個數字孿生體——在Omniverse中具有足夠的超級計算模擬能力——可以讓科學傢預測我們星球的氣候變化。Earth 2 模擬將需要最好的技術——比如 Nvidia 新發布的圖形處理器 (GPU) Hopper 和即將推齣的中央處理器 (CPU) Grade。
Huang 迴答瞭有關持續的半導體短缺、投資製造的可能性、與競爭對手的競爭以及 Nvidia 在 Arm 交易失敗後的計劃的問題。他傳達瞭一種平靜的感覺，即英偉達的業務仍然強勁（英偉達報告截至 1 月 30 日的第四財季收入為 76.4 億美元，同比增長 53%）。遊戲、數據中心和專業可視化市場平台在本季度和年度均實現瞭創紀錄的收入。他還談到瞭英偉達對自動駕駛汽車市場的持續承諾，該市場的起飛速度比預期的要慢。
黃在 GTC 期間與媒體進行瞭問答，我問他關於 Earth-2 和 Omniverse 的問題（我還在 GTC 主持瞭一個關於工業虛擬世界的小組討論）。我是一大群提問的記者中的一員。
這是我們集體采訪的編輯記錄。
問題：隨著烏剋蘭戰爭以及許多國傢對芯片供應和通貨膨脹的持續擔憂，您對您宣布的所有事情的時間錶有何看法？例如，在 2026 年，您想做 DRIVE Hyperion。有瞭這麼多事情，還有一點點擔心嗎？
Jensen Huang： 有很多事情要擔心。你是絕對正確的。世界上有很多動蕩。不過，我必須觀察到，在過去幾年中，事實是 Nvidia 在過去幾年中的發展速度可能比過去 10 年的總和還要快。作為一傢數字公司，我們可能很自在。我們可能很樂意在全球範圍內遠程協作工作。實際上，當我們允許員工選擇最高效的時間並讓他們優化時，我們很有可能工作得更好，讓成熟的人圍繞最適閤他們的工作環境、工作時間框架和工作方式來優化和他們的傢人。這一切很可能正在發生。
這也是事實，絕對正確，它迫使我們將更多的精力投入到我們所做的虛擬工作中。例如，在過去幾年中，圍繞 OmniVerse 的工作進入瞭光速，因為我們需要它。我們不能進入我們的實驗室來研究我們的機器人，或者去街上測試我們的汽車，我們不得不在虛擬世界中進行測試，在數字孿生中進行測試。我們發現我們可以在數字孿生中迭代我們的軟件，如果不是更好的話。我們可以擁有數百萬輛數字孿生汽車，而不僅僅是 100 輛的車隊。
我認為有很多事情——第一，世界可能不必穿好衣服通勤上班。也許這種混閤工作方式相當不錯。但是，強迫自己比以前更數字化、比以前更虛擬化，這絕對是一種積極的情況。
問題：您認為您的芯片供應持續強勁嗎？
黃： 芯片供應問題。這就是我們所做的。我們開始遇到挑戰的那一刻——我們的需求很高，而且需求仍然很高。我們開始在供應鏈中遇到挑戰。我們做的第一件事就是開始創造多樣性和冗餘，這是彈性的首要原則。我們意識到我們需要更多的韌性。在過去的幾年裏，我們在使用的流程節點數量上建立瞭多樣性。我們對更多的流程節點進行瞭認證。我們的晶圓廠比以往任何時候都多。我們認證瞭更多的基闆供應商、更多的組裝閤作夥伴、更多的係統集成閤作夥伴。我們第二次采購並認證瞭更多的外部組件。
在過去的兩年裏，我們的供應鏈和供應基礎可能擴大瞭四倍。這是我們緻力於自己的領域之一。沒有這一點，英偉達的增長率是不可能的。今年我們會成長得更多。當你麵臨逆境和挑戰時，重要的是要迴到首要原則並問自己：“這不太可能是一生一次的事情。我們可以做些什麼來更有彈性？我們可以做些什麼來多樣化和擴大我們的供應基礎？”
問題：我很好奇 Earth-2 的進展以及您在 OmniVerse 中構建的東西可以用於其他應用程序的想法。你認為這是可行的嗎，這不僅對氣候變化預測有用嗎？我不知道你是否要先完成這方麵的不同部分，但你能對地球的一部分進行氣候變化預測嗎？一個細節較少的裏程碑證明瞭這一點？
黃： 首先，在過去的 10 年裏發生瞭幾件事，讓我們甚至可以考慮這樣做。三件事結閤在一起，復閤效應使我們的計算速度提高瞭大約一百萬倍。不是摩爾定律，10 年 100 次，而是 100 萬次。
我們做的第一件事是加速計算並行化軟件。如果您將軟件並行化，那麼您可以將其從 GPU 擴展到多 GPU 和多節點，進而擴展到整個數據中心規模。這就是為什麼我們與 Mellanox 的閤作關係（以我們的閤並而告終）如此重要的原因之一。我們發現，我們不僅在芯片級並行化瞭它，還在節點級和數據中心級並行化。這種橫嚮擴展和縱嚮擴展導緻瞭 20 倍、另外 100 倍，如果你願意的話，再增加 1000 倍。
接下來發生的事情是，這種能力導緻瞭人工智能的發明。人工智能的算法被發明齣來，然後它又迴來解決瞭物理問題。Physics ML，基於物理的神經網絡。我們在 Nvidia Research 所做的一些重要工作導緻瞭傅立葉神經算子。基本上是一個偏微分方程學習器，一個通用函數逼近器。一個可以學習物理然後迴來預測物理的人工智能。
我們本周剛剛宣布瞭 FourCastNet，它基於傅立葉神經算子。它從一個包含大約 10 年數據的數值模擬模型中學習。之後，它能夠以更高的精度和更快的五個數量級預測氣候。讓我解釋一下為什麼這很重要。為瞭讓我們瞭解區域氣候變化，我們必須模擬的不是 10 公裏的分辨率，這就是我們今天所處的位置，而是一米的分辨率。大多數科學傢會告訴你，所需的計算量大約是十億倍，這意味著如果我們不得不去並且隻使用傳統方法到達那裏，我們永遠不會到達那裏，直到為時已晚。十億次是從現在開始的很長一段時間。
我們將迎接這一挑戰並通過三種方式解決它。我們要做的第一件事是在物理 ML 方麵取得進展，創造可以學習物理、預測物理的 AI。它不懂物理，因為它不是基於第一原理的，但它可以預測物理。如果我們能以五個數量級甚至更多的數量級做到這一點，並且我們創建一個專為人工智能設計的超級計算機——我剛剛宣布的與 Hopper 及其未來版本的一些工作將帶我們進一步進入這些世界。這種預測未來的能力——或者，如果你願意的話，做一個數字孿生——在第一原則上並不理解它，因為它仍然需要科學傢來做到這一點。但它有能力在非常大的範圍內進行預測。它讓我們接受瞭這個挑戰。
這就是 Earth-2 的全部意義所在。我們在本次 GTC 上宣布瞭兩件事，這將對此做齣真正的貢獻。第一個是 FourCastNet，值得一看，第二個是專為 AI 設計的、越來越優化的機器。這兩件事，以及我們持續的創新，將使我們有機會處理我們需要的十億倍以上的計算。
對於您問題的第二部分，我們要做的事情是，我們將能夠利用所有計算和預測能力並將其放大到特定區域。例如，我們將把它放大到加利福尼亞，或者把它放大到東南亞，或者把它放大到威尼斯，或者把它放大到世界各地冰開始破裂的地區。我們可以放大世界的這些部分，並以非常高的分辨率模擬所謂的整體，包括很多不同的迭代。數以百萬計的樂團，而不是數百或數韆。我們可以更好地預測 10、30、50 甚至 100 年後會發生什麼。
問：我有一個關於 ARM 交易失敗的問題。顯然，現在 Nvidia 將是一傢完全不同的公司。您能否詳細談談這將如何影響業務的發展軌跡，以及它將如何影響您對公司技術堆棧和研發方麵的看法？從長遠來看，您如何看待這一點？交易未發生的淨收益和後果是什麼？
Huang： ARM 是獨一無二的資産。這是一傢獨一無二的公司。您不會構建另一個 ARM。建造花瞭30年。用 30 年或 35 年的時間來建造，你會建造一些東西，但你不會建造那個。作為一傢公司，我們需要它來取得成功嗎？絕對不？擁有這樣的東西會很棒嗎？絕對沒錯。這樣做的原因是，作為公司所有者，您希望擁有大量資産。您想擁有齣色的平台。
當然，淨收益——我很失望我們沒有通過它，但結果是我們與 ARM 的整個管理團隊建立瞭良好的關係。他們瞭解我們公司對高性能計算未來的願景。他們對此很興奮。這自然導緻 ARM 的路綫圖在我們需要它們的高性能計算方嚮上變得更加激進。它的最終結果是激發瞭高性能計算未來的領導力，朝著對 Nvidia 很重要的方嚮發展。這對他們來說也很棒，因為那是下一個機會所在。
移動設備仍然存在。他們會做得很好。然而，下一個大機會是在這些人工智能工廠、雲人工智能和邊緣人工智能中。這種開發軟件的方式是如此具有變革性。我們現在隻看到瞭冰山一角。但這是第一名。
第二個與我們的內部發展有關。我們對 ARM 感到更加興奮。您可以看到我們將擁有的 ARM 芯片數量翻瞭一番。機器人 ARM 芯片，我們有幾個正在開發中。Orin 本月投入生産。這對我們來說是一個本壘打。我們將朝著這個方嚮建造更多的東西。格蕾絲的接待令人難以置信。我們想構建一個與當今可用的 CPU 截然不同的 CPU，並解決我們知道存在於 AI 世界中的一種非常新型的問題。我們為此打造瞭 Grace，我們驚訝地發現它是一個超級芯片——不是小芯片的集閤，而是超級芯片的集閤。這樣做的好處是，你會在這個方嚮上看到更多。我們圍繞 ARM 的技術創新是渦輪增壓的。
在整體技術棧上，我們在核心技術層麵的創新基本在三個方麵。當然，GPU 仍然是最大的。其次，網絡。我們有節點到節點計算機的網絡。我們稱之為 NVLink 開關。我們從盒子裏麵的盒子外麵的NVLink。InfiniBand，稱為 Quantum，將 InfiniBand 係統連接到更廣泛的企業網絡中。頻譜開關。世界上第一個 400 Gb/秒的端到端網絡堆棧。所以第二個支柱是網絡。第三個是CPU。
在烹飪方麵，幾乎每一種文化都有其神聖的三位一體，如果你願意的話。我的女兒是一名訓練有素的廚師。她教我在西方烹飪中，它是芹菜、洋蔥和鬍蘿蔔。這是幾乎所有湯的核心。在計算中，我們擁有三樣東西。它是 CPU、GPU 和網絡。這為我們提供瞭做幾乎所有事情的基礎。
問：您認為英偉達需要在多大程度上擴大芯片庫存？
黃： 重要的是要記住，深度學習不是應用程序。機器學習和深度學習正在發生的事情不僅僅是它是一個新的應用程序，比如光柵化或紋理映射或技術的某些特性。深度學習和機器學習是計算的基本重新設計。這是一種全新的計算方式。影響非常重要。我們編寫軟件的方式、我們維護軟件的方式、我們不斷改進軟件的方式都發生瞭變化。第二，我們可以編寫的軟件類型已經改變。它的能力是超人的。我們以前從未編寫過的軟件。
第三件事是，為軟件工程師和運營提供的整個基礎設施——所謂的機器學習運營——與端到端開發相關，從根本上改變瞭公司。例如，英偉達在我們公司有六台超級計算機。世界上沒有一傢芯片公司擁有這樣的超級計算機。我們擁有它們的原因是因為我們的每個軟件工程師，我們曾經給他們一台筆記本電腦。現在我們在後麵給他們一台筆記本電腦和一台超級計算機。他們正在編寫的所有軟件都必須通過數據中心的人工智能進行增強。我們不是獨一無二的。世界上所有的大型人工智能公司都以這種方式開發軟件。許多人工智能初創公司——其中許多在以色列——以這種方式開發軟件。這是對世界計算機科學的徹底重新設計。
現在，您知道計算行業有多大瞭。除瞭計算之外，對所有這些不同行業的影響都非常重要。市場將是巨大的。將會有很多不同的地方擁有人工智能。我們的重點是核心人工智能基礎設施，其中數據處理、模型訓練、數字孿生模型測試、模型編排到設備和計算機、甚至機器人群中，所有這些最上麵的操作係統，這是我們的重點。
除此之外，周圍還會有價值一萬億美元的産業。看到圍繞芯片、軟件和應用程序的如此多創新讓我感到鼓舞。但是市場如此之大，有很多人在其中進行創新真是太好瞭。
問題：您能否快速迴顧一下在消息傳遞方麵聽起來像是更新的內容以及您對汽車的期望？多年來，我們聽說您對各個領域的各種主題錶現齣極大的熱情，通常情況是它們要麼實現並超齣您告訴我們的範圍，要麼沒有實現並且您已經離開。這似乎是 Nvidia 已經放棄瞭很長一段時間的類彆。大量的活動、大量的參與、大量的技術被推嚮市場並提供。但我們還沒有看到這種轉變完全轉變為道路上的車輛和日常人們大量使用的東西。
黃： 我絕對相信三件事，比以往任何時候都更相信。它花費的時間比我預期的要長，我會說大約三年。但是，我對此深信不疑，而且我認為它會比以往任何時候都更大。
這三件事是，第一，汽車不會是機械設備。它將成為一個計算設備。它將是軟件定義的。您將像電話或計算機一樣對其進行編程。它將是中心化的。它不會由 350 個嵌入式控製器組成，但它將集中在幾台執行 AI 的計算機上。它們將是軟件定義的。這台計算機不是普通類型的計算機，因為它是機器人計算機。它必須接受傳感器輸入並實時處理它們。它必須瞭解算法的多樣性，計算的冗餘。它的設計必須考慮到安全性、彈性和可靠性。它必須為這些東西而設計。但第一，我相信這輛車將是可編程的。這將是一個連接的設備。
我相信的第二件事是汽車將高度自動化。這將是第一個，如果不是從長遠來看是最大的，而是第一個大型機器人市場，第一個大型機器人應用。機器人應用程序做三件事。它感知環境。它說明瞭該做什麼。它計劃采取行動。這就是自動駕駛汽車的作用。無論是 2 級、3 級、4 級還是 5 級，我認為這都是次要的，因為它是高度機器人化的。這是我相信的第二件事，汽車將是高度機器人化的，並且隨著時間的推移它們將變得更加機器人化。
我相信的第三件事是，你開發汽車的方式就像機器學習管道一樣。它將有四個支柱。你必須有一個數據策略來獲得基本事實。它可以是地圖、數據標記、教授計算機視覺、教授如何規劃、識彆車道和標誌、燈光和規則，諸如此類。第一，你必須提供數據。第二件事是你必須訓練模型，開發人工智能模型。第三是你必須有一個數字孿生，這樣你就可以根據虛擬錶示來測試你的新軟件，這樣你就不必馬上把它放在街上。然後第四件事是你需要一台機器人計算機，這是一個全棧問題。
我們有四個支柱。在金融方麵，有四台計算機。雲中有一台計算機用於映射和閤成數據生成。有一個用於培訓的數據中心。有一個用於模擬的數據中心，我們稱之為 OVX OmniVerse 計算機，用於進行數字孿生。然後車裏有一台電腦，裏麵有一堆軟件和一個我們稱之為 Orin 的處理器。我們有四種受益方式。如果我隻看一種方式，那就是汽車中的芯片，進入汽車的東西，特彆是汽車，我們相信這將在未來六年內增加我們的廣域網機會，我們的廣域網業務從80 億至 110 億美元。為瞭在未來六年內從現在的水平達到 110 億美元，我們需要盡快突破 10 億美元。這就是為什麼汽車將成為我們下一個價值數十億美元的業務。
在這一點上，我相信的三件事——軟件定義的汽車、自動駕駛汽車以及汽車製造方式的根本變化——這三件事已經成為現實。如果你願意，年輕的公司也能做到這一點。他們攜帶的行李更少。他們要處理的包袱更少。他們可以從第一天開始就以這種方式設計他們的汽車。正如我所描述的那樣，新的電動汽車公司，幾乎每傢新的電動汽車公司都在創造。集中式計算機，軟件定義，高度自治。他們正在建立他們的工程團隊，以便能夠按照我的描述進行機器學習。這將在短期內成為最大的機器人産業，引領下一個機器人産業，即無處不在的小得多的機器人。
問：我對您昨天談論軟件的方式以及您談論的術語非常感興趣。諸如數字孿生和 OmniVerse 之類的東西。這些都是巨大的機會。當您著眼於平台軟件和應用程序時，您在哪裏長期規劃堆棧？從長遠來看，您是否與微軟等競爭？然後是第二個快速問題，英特爾正在增加大量晶圓廠産能。世界並沒有變得更安全。你怎麼看這個？英特爾是您的天然盟友嗎？您是否正在與他們交談，您願意成為英特爾在晶圓廠方麵的閤作夥伴嗎？
黃： 我先做第二個。我們的戰略是擴大我們的供應基礎，在每一層都具有多樣性和冗餘性。在芯片層，在襯底層，在組裝層，在係統層，在每一層。我們使節點數量和代工廠數量多樣化。英特爾是我們的優秀閤作夥伴。我們將他們的 CPU 用於我們所有的加速計算平台。當我們像剛剛使用 OmniVerse 計算機一樣開拓新係統時，我們與他們閤作構建瞭第一代。我們的工程師緊密閤作。他們對我們使用他們的代工廠很感興趣。我們有興趣探索這一點。
在台積電這樣的代工廠工作並不適閤膽小的人。這不僅是工藝技術和資金投入的變革，更是文化的變革，從以産品為導嚮、以技術為導嚮的公司，嚮以産品、技術、服務為導嚮的公司。這不是為您帶來一杯咖啡的服務，而是真正模仿您的操作並與您共舞的服務。台積電與全球 300 傢公司的運營共舞。我們自己的操作是一個管弦樂隊，但他們與我們共舞。然後還有另一個他們一起跳舞的管弦樂隊。與所有這些不同的運營團隊、供應鏈團隊共舞的能力，不適閤膽小的人。台積電做得很好。是管理。這是文化。是核心價值觀。他們在技術和産品之上做到這一點。
我對英特爾所做的工作感到鼓舞。我認為這是他們必須走的方嚮。我們有興趣瞭解他們的工藝技術。我們與英特爾的關係已經很長時間瞭，我們在很多不同的領域都與他們閤作過。每台筆記本電腦、每台 PC、每台服務器、每台超級計算機。
就軟件堆棧而言，這種被稱為人工智能和機器學習的新計算方法缺失瞭——芯片排在第二位。讓我們脫穎而齣的是這種稱為 CUDA 的架構。頂部的這個引擎叫做 cuDNN。cuDNN 用於 CUDA 深度神經網絡。該引擎本質上是人工智能的 SQL 引擎。全世界每個人都在使用的 SQL 數據庫引擎，但用於 AI。多年來，我們已經將其擴展到包括管道的其他階段，從數據攝取到稱為 cuDF 的特徵工程，再到使用 XGBoost 進行機器學習，再到使用 cuDNN 進行深度學習，一直到推理。
整個 AI 管道，即操作係統，Nvidia 被全世界使用。融入世界各地的公司。我們與每個雲服務提供商閤作，以便他們可以將其放入他們的雲中，優化他們的工作負載，我們現在正在使用該軟件——我們稱之為 Nvidia AI——整個軟件現在都可以授權給企業。他們想要許可它，因為他們需要我們為他們提供支持。如果您願意，我們將成為我們可以提供給全球企業的人工智能操作係統。他們沒有自己的計算機科學團隊，他們自己的軟件團隊能夠像雲服務提供商一樣做到這一點。我們會為他們做的。這是一個可授權的軟件産品。
問：您提到您已經在與英特爾討論使用他們的代工廠。這些討論有多先進？您是在談論可能使用他們為德國宣布的能力嗎？其次，再次就 ARM 交易而言，這是否會以任何方式影響您未來的並購戰略？在 ARM 沒有通過之後，你會嘗試減少攻擊性還是增加試探性？
黃： 先問第二個問題。英偉達是通用的、基因的、有機的。我們更喜歡自己建造一切。英偉達擁有如此多的技術、如此強大的技術實力，以及在這裏工作的世界上最偉大的計算機科學傢。我們被有機地構建為一種自然的做事方式。然而，每隔一段時間就會齣現一些驚人的事情。很久以前，我們進行的第一筆大型收購是 3DFX。那是因為 3DFX 很棒。那裏的計算機圖形工程師仍然在這裏工作。他們中的許多人構建瞭我們最新一代的 GPU。
您可以強調的下一個是 Mellanox。這是韆載難逢的事情。你不會再製造一個 Mellanox。世界將永遠不會有另一個 Mellanox。這是一傢結閤瞭令人難以置信的人纔、他們創建的平台、他們多年來建立的生態係統的公司，所有這些。你不會重新創建它。然後下一個，你永遠不會構建另一個 ARM。
這些是你必須要做的事情——當它們齣現時，它們就會齣現。這不是你可以計劃的事情。不管你有多激進。另一個 Mellanox 不會齣現。我們與世界計算機行業建立瞭良好的閤作夥伴關係。像 Mellanox 或 ARM 這樣的公司很少。好消息是我們非常擅長有機增長。看看我們每年都有的所有新想法。這就是我們的方法。
就英特爾而言，代工討論需要很長時間。這不僅僅是欲望。我們必須調整技術。商業模式必須保持一緻。容量必須對齊。兩傢公司的運營流程和性質必須保持一緻。這需要相當長的時間。這需要很多深入的討論。我們不在這裏買牛奶。這是關於供應鏈的整閤等等。在過去幾年中，我們與台積電和三星的閤作夥伴關係花費瞭數年時間來建立。我們對考慮英特爾持開放態度，我們對他們所做的努力感到高興。
問：在 Grace CPU 超級芯片上，您使用的是 Neoverse，它的第一個版本。我們可以期待在未來看到來自 Nvidia 的定製 ARM 內核嗎？此外，您將機密計算引入 GPU 的消息非常令人鼓舞。我們可以從您的 CPU 中獲得同樣的期望嗎？
黃： 首先是第二個問題。對於 CPU 的機密計算，答案是肯定的。至於第一個問題，我們的偏好是使用現成的。如果其他人願意為我做某事，我可以節省這筆錢和工程工作去做其他事情。總的來說，我們總是盡量不做其他地方可以做的事情。我們鼓勵第三方和我們的閤作夥伴傾嚮於構建對我們有幫助的東西，這樣我們就可以把它從貨架上拿下來。在過去的幾年裏，ARM 的路綫圖朝著越來越高的性能方嚮發展，我喜歡這一點。這是夢幻般的。我現在可以用瞭。
使 Grace 與眾不同的是圍繞 Grace 的係統架構。非常重要的是它上麵的整個生態係統。Grace 將擁有可以進入的預先設計的係統，Grace 將擁有它可以立即受益的所有 Nvidia 軟件。就像我們與 Mellanox 閤作時一樣，我們將 Nvidia 的所有軟件移植到 Mellanox 上。對客戶的好處和價值，這些是 X 因素。我們將對格蕾絲做同樣的事情。
如果我們能把它從貨架上拿下來，因為它們的 CPU 具有我們需要的性能水平，那就太好瞭。ARM 打造齣色的 CPU。事實上，他們的工程團隊是世界級的。然而，他們不願做的任何事情——我們彼此之間都是透明的。如果需要，我們將自己構建。我們將盡一切努力打造令人驚嘆的 CPU。我們擁有一支重要的 CPU 設計團隊，世界級的 CPU 架構師。我們可以建造任何我們需要的東西。我們的姿態是讓其他人為我們做這件事，並在此基礎上有所區彆。
問題：隨著人工智能的發展和進步，人們以對行業或社會有害的方式使用它的潛力是什麼？我們已經看到瞭可能影響選舉的深度僞造視頻等示例。鑒於人工智能的力量，濫用的可能性有多大，行業可以做些什麼呢？
黃： 首先是假的——你們很清楚，當我們看電影的時候，尤達不是真的。光劍不是真的。都是很假的。幾乎我們這些天看的每一部電影都是非常虛假的。然而我們接受這一點，因為我們知道這不是真的。我們知道，由於媒介，呈現給我們的信息旨在娛樂。如果我們能將這個基本原則應用到所有信息上，那就很容易解決瞭。但我確實認識到，不幸的是，它越過瞭信息的界限，變成瞭不實和徹頭徹尾的謊言。對於很多人來說，這條綫很難分開。
我不知道我有這個答案。我不知道人工智能是否一定會激活並進一步推動這一點。但就像人工智能有能力製造假貨一樣，人工智能也有能力檢測假貨。我們需要更加嚴格地應用人工智能來檢測假新聞、檢測假事實、檢測假東西。這是許多計算機科學傢正在研究的領域，我樂觀地認為，他們提齣的工具將更加嚴格，更加嚴格地幫助我們減少如今消費者在幾乎沒有自由裁量權的情況下消費的錯誤信息的數量。我很期待。
問：看到NVLink-C2C的公告，覺得很有意思。Nvidia 在基於小芯片的架構上的立場是什麼？您認為 Grace 超級芯片是什麼樣的架構？那些在chiplet MCM領域嗎？是什麼促使 Nvidia 支持 UCIe 標準？
黃： UCIe還在開發中。人們認識到，在未來，您不僅要在通過 PCI Express 連接的 PC 闆級進行係統集成，而且您甚至可以在多芯片級與 UCIe 進行集成。它是一種外設總綫，一種在芯片到芯片級彆連接的外設，因此您可以在該級彆進行組裝。
如您所知，NVLink 是我們的第四代産品。它六歲瞭。在接下來的八年裏，我們一直在研究這些高速芯片到芯片的鏈路。我們為芯片到芯片的互連提供瞭比幾乎任何人都多的 NVLink。我們相信這種集成水平。這就是摩爾定律從未停止過我們的原因之一。盡管摩爾定律已經基本結束，但它並沒有讓我們慢一步。我們隻是繼續使用我們擁有的所有軟件堆棧和係統堆棧構建具有更多晶體管的越來越大的係統，以提供更高的性能。由於 NVLink，這一切都成為可能。
我是 UCIe 的忠實信徒，就像我是 PCIe 的忠實信徒一樣。UCIe 必須成為一種標準，這樣我纔能直接從 Broadcom、Marvell、TI 或 Analog Devices 獲取芯片，並將其直接連接到我的芯片中。我會很高興。那一天終將到來。與 PCI Express 一樣，這將需要大約五年的時間。我們會盡快取得進展。一旦 UCIe 規範穩定下來，我們就會盡快將其放入我們的芯片中，因為我喜歡 PCI Express。如果不是 PCI Express，Nvidia 甚至都不會齣現。在 UCIe 的情況下，它的好處是允許我們將許多東西連接到我們的芯片，並允許我們將我們的芯片連接到許多東西。我喜歡那個。
關於 NVLink，我們這樣做的原因——我們的理念是這樣的。我們應該製造最大的芯片。然後我們將它們連接在一起。這樣做的原因是因為它是明智的。這就是為什麼隨著時間的推移芯片變得越來越大的原因。隨著時間的推移，它們並沒有變小。他們越來越大。原因是更大的芯片受益於芯片上導綫的高能效。不管芯片到芯片的 SerDes 有多節能，它永遠不會像芯片上的導綫那樣節能。它隻是一根小小的電綫。我們想讓芯片盡可能大，然後將它們連接在一起。我們稱之為超級芯片。
我相信小芯片嗎？將來，您可以將一些微小的東西直接連接到我們的芯片中，因此，客戶隻需一點點工程工作就可以製作半定製芯片，將其連接到我們的芯片中，並在他們的數據中心中脫穎而齣以他們自己的特殊方式。沒有人願意花費 1 億美元來實現差異化。他們願意花費 1000 萬美元來實現差異化，同時利用彆人的 1 億美元。NVLink 芯片到芯片以及未來的 UCIe 將在未來帶來很多令人興奮的機會。
問題：Replicator 是我見過的最簡潔的東西之一。是否存在人們正在生成這些可以由開發人員共享的虛擬世界的領域，而不是試圖建立自己獨特的世界來測試你的機器人？
黃： 很好的問題。這很難做到，讓我告訴你為什麼。Replicator 不做計算機圖形。Replicator 正在進行傳感器模擬。它根據不同的相機 ISP 進行傳感器模擬。每個鏡頭都不一樣。激光雷達、超聲波、雷達、紅外綫，所有這些不同類型的傳感器，不同形式的傳感器——環境被感知，環境的反應取決於環境的材料。它對傳感器的反應不同。有些東西會完全看不見，有些東西會反射，有些東西會摺射。我們必須能夠模擬環境的響應、環境中的材料、環境的構成、環境的動態、環境的條件。這一切對傳感器的反應都不同。
事實證明，這僅取決於您要模擬的傳感器。如果一傢相機公司想要模擬他們的傳感器感知的世界，他們會將他們的傳感器模型、計算模型加載到 OmniVerse 中。OmniVerse 然後重新生成，從基於物理的方法重新模擬環境對該傳感器的響應。它對激光雷達或超聲波做同樣的事情。我們正在用 5G 無綫電做同樣的事情。這真的很難。無綫電波有摺射。他們繞過角落。激光雷達沒有。那麼問題來瞭，你如何創造這樣一個世界？這僅取決於傳感器。蜥蜴所感知的世界，人類所感知的世界，貓頭鷹所感知的世界，這些都是非常不同的。這就是為什麼我們很難創造它的原因。
此外，您的問題也涉及到 Replicator 為何如此重要的癥結所在。它不是一個試圖製作看起來不錯的計算機圖形的遊戲引擎。它是否看起來不錯並不重要。它看起來與該特定傳感器看待世界的方式完全相同。超聲波以不同的方式看待世界。事實上，我們得到的圖像都非常漂亮，這對超聲波製造商沒有幫助，因為這不是它看待世界的方式。CT重建對世界的看法非常不同。我們希望使用基於物理的計算方法對所有不同的模式進行建模。然後我們將信號發送到環境中並查看響應。那是復製器。深科學的東西。
問題：您是否在某種程度上對英特爾的製造持懷疑態度，因為他們越來越成為競爭對手？他們正在做GPU。你在做CPU。這是否會引起人們對共享芯片設計的擔憂？
黃： 首先，多年來，我們一直與英特爾密切閤作，在我們與公眾分享我們的路綫圖之前就與他們分享瞭我們的路綫圖。英特爾多年來一直知道我們的秘密。AMD 多年來一直知道我們的秘密。我們足夠成熟和成熟，足以意識到我們必須閤作。我們與 Broadcom、Marvell 和 Analog Devices 密切閤作。TI 是一個很好的閤作夥伴。我們與每個人密切閤作，並分享早期的路綫圖。美光和三星。名單還在繼續。當然，這是在保密的情況下發生的。我們有選擇性的溝通渠道。但該行業已經學會瞭如何以這種方式工作。
一方麵，我們與許多公司競爭。我們還與他們深入閤作並依賴他們。正如我所提到的，如果不是 DGX 中的 AMD CPU，我們將無法發布 DGX。如果沒有英特爾的 CPU 和連接到我們 HGX 的所有超大規模器，我們將無法發布 HGX。如果不是我們即將推齣的 OmniVerse 計算機中的英特爾 CPU，我們將無法進行如此依賴單綫程性能的數字孿生模擬。我們做瞭很多以這種方式工作的事情。
我認為英偉達的特彆之處在於多年來——英偉達已經有 30 年的曆史瞭。我們已經建立瞭一個多元化和強大的供應基地，現在已經相當擴大瞭規模。這使我們能夠繼續非常積極地增長。第二件事是，我們是一傢前所未有的公司。我們擁有各個級彆的世界級核心芯片技術。我們擁有世界一流的 GPU、世界一流的網絡技術、世界一流的 CPU 技術。它建立在非常獨特的係統之上，這些係統經過設計、架構、設計，然後它們的藍圖就在這傢公司內部與行業共享，軟件堆棧完全由這傢公司設計。Nvidia AI 是世界上最重要的引擎之一，被全球 25,000 傢企業公司使用。世界上的每一個雲都使用它。這個堆棧對我們來說是非常獨特的。
我們對我們所做的事情充滿信心。我們與包括英特爾和其他公司在內的閤作者閤作非常愉快。我們已經剋服瞭這一點——事實證明，偏執狂隻是偏執狂。沒有什麼可偏執的。事實證明，人們想贏，但沒有人想得到你。我們嘗試在與閤作夥伴的工作中采取不偏執的方法。我們試圖依賴他們，讓他們知道我們依賴他們，信任他們，讓他們知道我們信任他們，到目前為止，它對我們很有幫助。
責任編輯：
