不外包数据做AI CPU摩尔定律已停滞 发现第二个缩放定律 黄仁勋和印度首富安巴尼对话

10月24号，英伟达开创人兼CEO黄仁勋现身印度孟买。在印度举行的NVidia AI Summit 2024峰会上，黄教主自始自终的小跑登台，收场就是一声中气十足“hello，孟买”，不过很快他就发现自己快乐地甚至遗记了拿遥控笔，并解释道：这是我第一次性遇到这种状况，不过小编看来，有或者是黄仁勋今天仅仅劳动了3个半小时的要素。

当然这些只是小插曲，由于接上去老黄的演讲内容以及与印度首富信实工业团体董事长穆克什·安巴尼之间的对话，愈加让人一饱耳福，这场对话可以说是既泄漏了英伟达关于接上去生成式AI的走向的判别，也让咱们得以窥见雷同深处亚洲的印度目前有哪些AI规划。

话不多说，全程90分钟的内容，这里先梳理几个要点：

黄仁勋——

穆克什——

以下是黄仁勋在印度AI峰会上的所有演讲内容：

黄仁勋：

你好，孟买！（而后发现忘带了遥控笔～）

孟买，出现了许多事件。大家都知道，印度关于环球计算机和IT行业至关关键，简直是环球上每家公司的IT外围。咱们的行业，你们的行业，以及过去几十年咱们树立的行业，都在阅历基本色的变动、渺小的变动和结构性转变。今天，咱们会探讨这个话题。但首先，我要感谢咱们的协作同伴，你们中的很多人不时在协作。感谢你们。

在印度，咱们与这些低劣的协作同伴一同努力，独特推进IT行业的改革。我很快乐今天你们能与咱们在一同。目前，同时出现着两个基本色的转变。这种状况自1964年以来从未出现过（那是我出世的第二年）。这与我的出世有关。1964年，IBM System 360向环球引见了IT的概念。咱们所了解的IT行业便是从那时起引入了通用计算的概念。

他们定义了中央处置单元、CPU、IOS子系统和多义务处置，并经过操作系统这一层将配件与运行软件分别。IBM强调了运行程序的系列兼容性，使您可以常年应用配件的基础来运转软件。他们还谈到跨代架构带来的长处，确保您在软件上的投资不会由于每次购置新配件而糜费。1964年，他们看法到了装置基础的关键性、软件投资的关键性、以及构建运转软件的计算机的关键性。这些架构学科过后就已被提及。

我刚形容的是今天的计算机行业。印度IT行业的基础——也就是咱们所知道的通用计算，曾经存在了60年。在过去30年中，咱们受益于摩尔定律，这是一个令人惊叹的现象。配件可以在不扭转软件的状况下继续改良，与架构兼容，并使软件的性能每年翻倍。详细取决于您的运行程序，这象征着每年老本降落一半。这是环球上马何技术中最令人惊叹的折旧力气。

随着折旧和老本降落，社会得以经常使用越来越多的IT。咱们继续消费IT并处置更少数据，而摩尔定律协助咱们继续降落老本，成功了咱们今天所知的计算群众化。360系统的发明和Windows PC的摩尔定律推进了环球上最关键行业之一的开展，随后一切行业都在此基础上树立起来。但是咱们如今知道，CPU的扩展曾经到达极限。咱们不能再沿用这种形式，摩尔定律的红利已完结。咱们如今必定做出扭转，否则折旧效应会中断，而咱们将面临计算通胀。

这就是环球正在阅历的变动。咱们再不能对软件碌碌无为，希冀计算性能和体验继续改善、老本继续降落，并继续从IT的好处中获益，以及处置越来越多的应战。咱们开办公司是为了减速软件。咱们的愿景是，增强通用计算后，某些运行程序将从中获益。咱们将计算密集型上班负载卸载，并经常使用咱们发明的CUDA模型启动减速，CUDA是一种编程模型，使咱们能清楚减速运行程序。这种减速长处相似于摩尔定律的个性。

关于通用计算无法或不实际践的运行程序，咱们应用减速计算的长处来成功，例如计算机图形学。实时计算机图形因视频的出现和GPU这一新处置器的出现而成为或者。GPU实践上是第一个运转CUDA的减速计算架构，用于计算机图形，这是一个经典的例子。咱们使计算机图形学群众化，如今3D图形无处不在，它简直可用于一切运行程序的媒介。咱们以为，常年来看，减速计算或者会发生更大的影响。因此，在过去30年里，咱们不时在为各个运行畛域减速计算。这破费了这么常年间的要素很便捷，环球上没有一种神奇的处置器可以减速一切事物，假设能做到这一点，就会被称为CPU。咱们须要从新构建计算堆栈，从算法究竟层架构，再到顶层运行程序。

在各个畛域，计算机图形学虽然刚刚起步，但咱们曾经在多个行业中自创了这种架构，即Cuda架构。今天，咱们曾经为许多关键行业成功了减速。例如，cuLitho在半导体制造、计算光刻、模拟、计算机辅佐工程以及5G无线电中施展基础作用。咱们最近宣布与5G无线电协作同伴相关，以减速5G软件堆栈和量子计算，发明计算的未来。

Parabricks是基因测序软件堆栈，cuVS是每家公司都在钻研的关键名目之一，它正在从数据库转向常识基础，以便创立AI数据库。cuVS可以创立和矢量化一切数据。cuDF，即数据帧，实质上是结构化数据的另一种方式，能够成功SQL减速。

在各种不同的库中，咱们都能够将运行程序减速20、30、甚至50倍。当然，这须要从新编写软件，这就是为何破费这么常年间的要素。咱们在每个畛域都需与行业、生态系统、软件开发者和客户协作，以减速这些运行程序在其畛域的运行。

cuOPT是我最青睐的组算计算运行程序之一，它是一种计算密集型运行程序，可以减速比如游览开售员和人员布置等疑问。每个供应链、司机和乘客组合都可以经过cuOPT减速，速度之快令人难以置信。Modulus传授和AI物理定律，不只可以预测下一个词，还能够预测流体动力学和粒子物理的下一个时辰。

咱们最驰名的运行程序库之一是QDNN，它独裁化了咱们所知的人工智能。这些减速库已涵盖了众多不同畛域，使得减速计算似乎无处不在。这是由于咱们驳回这种架构笼罩了简直每一个行业。如今，CUDA减速计算已到达临界点。

几年前，大约十年前，出现了一件十分关键的事件。很多人都见证了这一点，即AlexNet在计算机视觉性能上的渺小飞跃。计算机视觉是人工智能的一个关键畛域，AlexNet的提高令环球惊讶，咱们也有幸受益。

退一步问自己，咱们见证了什么？AlexNet为何如此有效？它的扩展范围有多大？咱们还能用这种深度学习的方法做些什么？假设咱们要将深度学习运行于其余畛域，它会如何影响计算机行业？假设咱们想做到这一点，对未来充溢决计，并对深度学习才干感到兴奋，咱们将如何扭转计算堆栈的每一层，以彻底改造计算？

12年前，咱们选择让整个公司努力于这一愿景。如今曾经12年过去了。每次我来印度，都无时机和大家议论深度学习和机器学习，如今十分清楚，环球曾经彻底扭转。

思索一下出现了什么，首先是咱们如何开发软件。咱们的行业树立在软件开发的方法之上，这种方式称为软件1.0。程序员编写在计算机上运转的算法，经过输入消息预测输入。这是经典的计算机模型，已发明了环球上最大的产业之一。在印度，软件消费、编码和编程成为了一个完整的行业，这一切都在咱们这一代出现。但是，这种开发软件的方法曾经被推翻。如今，不再是编码，而是机器学习。机器学习应用计算机钻研少量观测到的数据的形式和相关，从中学习预测函数。因此，咱们实质上是在设计一个通用函数迫近器，经过机器学习发生这种函数的预期输入。如此重复，从人类经常使用编码的软件1.0转变到到经常使用机器学习的软件2.0。留意谁在编写软件。如今，软件由计算机编写。成功模型训练后，可以对模型启动推断。而后，你把函数作为输入，这个大型言语模型、深度学习模型、计算机视觉模型、语音了解模型，作为输入神经网络，进入GPU，可以依据新输入做出预测。

请留意，这种软件开发方式是基于机器学习的改造。咱们曾经从编码开展到机器学习，从开发软件开展到发明人工智能，从青睐在CPU上运转的软件开展到如今在GPU上运转的最佳神经网络。这实质上反映了过去十年咱们行业阅历的变动。

咱们曾经看到了计算堆栈的彻底改造。整个技术堆栈，包含配件、软件开发方式以及软件配置，曾经出现了基本色的变动。咱们努力于推进这一畛域的开展，这就是咱们如今所构建的。

你们一切人最后都有什么？当我第一次性到来印度时，咱们正在为PCI Express卡构建GPU，可以拔出PC中。今天的GPU就是这样，Blackwell系统令人难以置信，旨在钻研大规模数据，以便发现形式和相关，了解数据的含意。这是严重的打破。

在过去几年中，咱们曾经了解了许多不同类型数据的含意：单词的示意或含意、数字、图像和像素、视频、化学物质、蛋白质、氨基酸、流体形式、粒子、物理学。咱们学会了用多种方式示意消息，不只懂得其意义，还能将其翻译成其余方式。例如，将英语翻译成印地语，将少量英文文本翻译、摘要，将像素转化为图像、图像识别，将文字生成像素、图像生成，从图像、视频生成文字、字幕，从文字转化为用于药物发现的蛋白质、化学物质，发现新的化合物，从氨基酸推断蛋白质结构。

这些基本思维是将消息从一种模态转换为另一模态的通用Transformer，造成初创企业数量激增。他们正在运行这些基本方法。假设能做到这个和那个，还能做什么？假设能做到那个和这个，运行程序数量显然呈爆炸式增长。在过去两三年里，全环球生成式人工智能公司的数量激增，数万、数百亿美元投入这一畛域，这一切都是由于设备让咱们能钻研数据和渺小的规模。

构建Blackwell系统须要Blackwell GPU，也须要另外七个芯片。这些芯片由TSMC消费，他们在优化Blackwell系统方面做出了杰出的上班。整个系统已片面投入消费，咱们宿愿能在第四季度成功量产。这基本上就是Blackwell，其中一个令人难以置信的方面。今天早上没有什么是容易的。

这是NVLink，超越整个GPU机架的背部脊柱，一切GPU都经过NVLink衔接在一同，构成令人难以置信的系统，这是环球上最长的铜驱动结构，将72个Blackwallers双GPU包或144个GPU衔接在一同。所以假设展开一切芯片，你会看到一个渺小的GPU。显然无法能制造如此大的GPU，因此咱们将其分解成尽或者小的模块，这是技术的基本极限和最先进的技术。

咱们经常使用NVLink将这些模块衔接在一同，这是NVLink的背部脊柱。你正在检查一切衔接的GPU，还有一个量子替换机衔接一切GPU。假设你须要以太网，Spectrum X及其衔接，每个替换机有50磅重。我只是展现自己的力气。它衔接到这个替换机，这是环球上最先进的替换机之一。

如今这些部件加在一同构成了Blackwell，而后运转下面的软件：cuda软件、cuDNN软件、用于训练大型言语模型的Megatron、用于推理的TensorFlowRT、用于对大型言语模型启动散布式多GPU推理的TensorFlowRT、LLM。在此基础上，咱们有两个软件堆栈，一个是 Nvidia AI Enterprise，另一个是 Omniverse。我稍后会探讨这两个。这项上班十分严厉，这就是 Blackwell 系统，也是 NVIDIA 今天构建的。关于那些常年了解咱们公司的人来说，这种变动确实令人惊讶。但理想上，咱们是从基本准则登程来推理未来的计算将如何成功，这就是 Blackwell 系统的由来。

Blackwell 系统非同寻常，其计算才干确实令人难以置信。每个机架重达 3,000 磅，功率 120 千瓦，每个机架 120,000 瓦，是环球计算密度最高的。咱们正在努力学习更大、更智能的模型，这被称为缩放定律。它基于阅历观察和测量，指出训练大型言语模型的数据越多，相应的模型尺寸就越大，从中学习的消息量也就越多。因此，模型须要更少数据来满足这些要求。每年咱们都在双倍参与数据量和模型大小，这象征着每年的计算量要参与四倍。

须要记住的是，以前摩尔定律是每一年半参与两倍，如今咱们正以每年四倍的速度推进技术开展，这在十年内达成了惊人的扩展。咱们发现，随着训练规模的扩展，人工智能变得越来越智能。最近咱们看法到的第二件关键的事件是，在成功模型训练后，即使是经常使用如 ChatGPT 的工具中，也触及到推理环节。

在经常使用 ChatGPT 时，你只是给出一个提示，而不是编写程序来与计算机沟通。你与计算机对话，就像与人交谈一样，经过形容高低文和查问内容来失掉所需的答案。人工智能经过一个大型神经网络处置消息，并逐字生成一系列答案。但是，从 Strawberry 开局，咱们看法到智能不只仅是一锤定音的事件，智能须要思索。思索触及推理、门路规划和自我反思，以便发生更高质量的答案。

咱们如今发现了第二个缩放定律，即推理时的缩放定律。你思索的期间越长，失掉的答案质量就越高，这是一个十分直观的了解。但是，也有例外。例如，假设你问我青睐的印度食物，我会毫不犹疑地回答“鸡肉布里亚尼”。这类疑问不须要复杂的思索或推理。但是，有许多事件须要推理。

例如，从孟买到加利福尼亚的游览方案，假设须要参观沿途的四个市区，则须要复杂的思索。在这次行程中，我凌晨三点抵达这里，途经丹麦，再之前在佛罗里达的奥兰多，而再往前是在加利福尼亚。这是两天前的事，虽然我如今还在顺应日期变动。总体来说，旅程和住宿的各项选用组合很多，须要谨慎规划，以取得最佳行程。这就是思索、推理和规划的作用所在，越是计算，提供的答案质量越高。

因此，咱们如今有两条基本的扩展定律来推进技术开展：训练和推理。在往年第四季度之前，咱们将交付并发货 Blackwell，需求极为高涨。自从 Hopper 成立以来，基础模型制造商的数量曾经参与了一倍多。越来越多的公司看法到基础智能对他们至关关键，因此必定构建基础模型技术。此外，模型的规模参与了20、30、40倍，训练这些模型所需的计算量也随之参与。但是，多模态才干、强化学习才干和分解数据生成才干中经常使用的数据量确实增长了很多。这是一个要素，另一个要素是Blackwell用于极速生成Token。一切这些要素造成对Blackwell的需求十分高。

接上去，咱们来探讨如何应用这项技术。NVIDIA在印度的AI开展让我想到一个幽默的题目：NVIDIA是印度的AI。除了字母V，咱们可以用NVIDIA来构建这句话的其余局部，这真的很酷。谢谢。

关于1993年的故事，你们或者不知道。过后咱们须要为公司起一个名字，最终选用了Nvidia，由于我感觉它听起来像一个奥秘的中央。所以，假设真是这样，印度和Nvidia都是听起来很棒的中央。即使计算机图形和减速计算不成功，咱们简直可以做任何事。我很快乐最后它成功了。

印度的Nvidia有一个十分丰盛的生态系统。要在任何行业或国度树立人工智能生态系统，首先须要树立基础设备生态系统。咱们宣布Yoda、E-2-E、Tata Communications和其余协作同伴将与咱们一同构建印度的基础设备。往年年底，印度的计算才干将比一年前增长近20倍。树立AI生态系统的第一步是AI基础设备，相似于互联网生态系统树立中的网络基础设备，包含团体电脑、云和内联网。

在AI畛域，树立始于AI计算基础设备，而后是AI的操作系统，即大型言语模型。咱们与印度的协作同伴一同树立了印地语大型言语模型。印度有25种正式言语，每1500公里就会有新的方言。因此，你不须要走太远就可以训练另一个模型。印度是环球上言语模型最难树立的地域之一。假设他们能做到，你也能做到。一旦印度成功创立印地语大型言语模型，其余国度也可以效仿。

接上去是运行层，与咱们协作的AI外乡公司正在创立只能经过AI成功的新运行。咱们的服务同伴，如WIPRO、InfoSys和TCS，正在与咱们协作将AI模型和基础设备推行到环球企业。如今，这是印度的Nvidia。我约请Vishal与我一同下台，由于我宿愿他能谈谈咱们在印度协作的一些公司。

此外，我要引见其余一些概念。之前提到过咱们有Blackwell和各种库，其中两个十分关键的平台是Nvidia AI Enterprise和Nvidia Omniverse。

Nvidia AI Enterprise是一个关于大型言语模型和基本AI配置的平台。它们曾经开展到咱们可以创立所谓的智能体的水平。大型言语模型可以了解和处置各种方式的数据。第一阶段是感知，接着是推理：依据观察，确定其义务并口头。智能体将义务分解为不同步骤，衔接其余AI模型以成功义务。这些模型有些长于了解PDF，有些生成图像，有些从专有数据库中检索消息。一切大型言语模型与中央推理大型言语模型（即智能体）相连。因此，这些代理能够口头各种义务。其中一些或者是营销智能体，一些是客户服务智能体，还有一些是芯片设计智能体。在咱们公司，NVIDIA 的芯片设计智能体协助咱们设计芯片。兴许他们是软件工程智能体，可以启动营销优惠或供应链治理。因此，咱们将有代理协助员工成为超级员工。Agent 或 Agent AI 模型会增强员工的才干，使他们更为高效。

如今，当你想到这些智能体时，你会发现，你将这些智能体引入公司的方式与新员工入职并没有什么不同。你必定为他们提供训练，启动微调，教他们如何经常使用和口头技艺，并了解公司的词汇。你须要评价他们，确保他们是评价系统的一局部，并或者对他们启动包全措施。假设你是会计智能体，不要做营销；假设你是营销智能体，不要在季度末报告收益等。所以这些智能体中的每一个都是有包全的。

咱们将整个环节放入智能体生命周期套件库中，称之为 Nemo。咱们的协作同伴正在与咱们协作，并将这些库集成到他们的平台中，以便他们可以创立、参与、部署智能体，并将其改良为代理的生命周期。这就是咱们所说的 Nvidia Nemo。一方面，咱们有库，另一方面，它的输入是 API 推理微服务，咱们称之为 NIMS。实质上，这是一个构建 AI 的工厂。Nemo 是一套库，可以参与并协助你操作 AI。最终，你的指标是创立少量智能体。

咱们在印度有协作同伴。米歇尔，请您向大家引见一下咱们这里的生态系统。

米歇尔：

当然，Jensen。当我站在前面时，让我印象深入的是一个词，叫做奥秘。这就是印度的奥秘。Jensen恰恰在 12 个月前到来这里，他问了我一个十分深入的疑问：印度丰盛多彩，你将如何对其启动编码？这一切都始于基础设备。咱们在短短 12 个月内领有了 Yota 的计算才干，它曾经树立了最先进的基础设备，端到端的计算曾经存在，为咱们提供了常年减速的计算基础设备。一切这些计算协助咱们超越式处置了印度最大的疑问之一：沟通。

就像 Jensen 所提到的，咱们说着很多言语。每 50 公里，咱们就会扭转方言。假设你来自南边，还会参与一点马拉亚拉姆语。那么咱们如何才干真正做到这一点？这是咱们一些协作同伴的上班。Servum 就是一个典型的例子。Servum 开局努力协助印度交流，他们选择启动语音对语音。在启动语音对语音时，他们必定了解多模态言语是如何上班的，以及如何确保其施展作用。这些上班很快就启动起来，由于咱们有可用的基础设备。

雷同，咱们看到了 Bharat-GPT 的名目，这项上班关键在学术界成功。印度的学院不时有丰盛的创意，每当他们想将一个想法转化为钻研，他们就须要基础设备。今天，咱们在 IIT 和其余组织所做的上班都是独特处置印度面临的关键疑问。咱们不只处置了言语疑问，还很快看法到印度面临着许多严重应战，其中之一就是肥壮。这就是为什么咱们有努力于肥壮的公司。sick tuple 和 cure.a.I 的诊断方法在协助咱们应答肥壮应战。

黄仁勋：

没有人比米歇尔更爱印度。一个能言善辩且肥壮的印度人总是会带来不同，

在这里，最关键的是须要整个协作同伴生态系统来协助环球运行人工智能，提高员工消费劲。印度则专一于 IT、后盾、软件经营、软件交付和软件消费。下一代 IT 将触及人工智能的消费和交付。正如你所知，软件交付、编码和人工智能交付有着基本的不同，但更为关键和令人兴奋。关于印度来说，这个行业能够协助全环球的每一家公司享用代理的好处，享用人工智能在不同配置中的好处，并能够大规模部署它。我不知道还有谁能做到这一点。这是一个特殊的时机。咱们的上班是协助您构建和部署 AI，您的义务是应用这些库和咱们提供的配置，将其与您弱小的 IT 软件配置联合起来，以创立代理并协助每家公司受益。这是第一局部。第二局部是代理之后的事件。记住，每家公司都有员工，但大少数公司的指标是要建造、消费或制造某样物品。

人们制造的物品或者是工厂、仓库、汽车、飞机、火车或轮船等各种物品。无论是计算机和主机，或者是Nvidia制造的主机，也或者是手机，大少数大型行业中的公司最终都会消费一些物品。有时是提供IT行业的服务，但您的许多客户也是消费某些产品。下一代人工智能须要了解物理环球，咱们称之为物理人工智能。为了创立物理AI，咱们须要三台计算机，咱们专门为此创立了三台计算机。

例如，DGX计算机，似乎这个AI Blackwell，是一种参考设计和架构，用于创立相似DGX的计算机以训练模型。该模型须要一个中央改良、学习并运行其物理和机器人才干。咱们称这个中央为全宇宙，这是一个遵照物理定律的虚构环球，机器人可以在这里学习成为机器人。成功训练后，该AI模型可以在实践机器人系统中运转。这些机器人系统可以是汽车、机器人、智能移动机器人、采摘臂、整个工厂或整个仓库的机器人。咱们将该计算机称为AGX。

Jetson、AGX、DGX用于训练，而Omniverse用于数字孪生。在印度，咱们领有一个十分好的生态系统正在与咱们协作，应用这种基础设备和才干协助环球构建物理AI系统。

米歇尔：

这是其中一个最大的机器人公司。他们不只制造机器人，还将机器人放入数字孪生中启动优化，并传授机器人一切来自物理环球的输入。系统集成商不只在将这些常识带入印度，还将其带出印度。做到从印度为环球做，从本地开局，开展环球。

黄仁勋：

谢谢米歇尔，咱们制造了一个冗长的视频来协助您整顿我刚才说的一切内容。请播放它。

(视频内容)：

60年来，软件1.0是程序员编写的代码，在通用CPU上运转。而后，软件2.0到来，即在GPU上运转的机器学习神经网络。这造成了生成式人工智能的爆炸，能够学习和生成任何模型。如今，生成式人工智能正在彻底扭转价值数万亿美元的行业。常识型企业经常使用生成式人工智能来成功数字化上班的智能化。大家好，我是数字人James。工业企业经常使用物理人工智能来智能化物理上班。物理人工智能包含像我这样的机器人，安保行驶无理想环球中的智能驾驶汽车，口头复杂工业义务的机械手以及与咱们协同上班的人形机器人。

工厂将由能够监控和调整经营或与咱们对话的物理AI来成功。NVIDIA制造了三台计算机，使开发人员能够创立物理人工智能。这些模型首先在DGX上启动训练，而后在Omniverse中经常使用强化学习和物理反应来微和谐测试AI。训练成功后，AI在Nvidia Jetson和AGX机器人计算机上运转。Nvidia Omniverse是一个基于物理的操作系统，用于物理AI模拟。机器人在Isaac Lab（一个基于Omniverse构建的机器人健身房）中学习和微调技艺。这仅仅是机器人。未来的工厂将协调机器人团队，并经过数千个传感器监控整个操作。

关于工厂数字孪生，他们经常使用名为Mega的Omniverse蓝图。仰仗Mega，工厂数字孪生充溢了虚构机器人及其AI模型，即机器人的大脑。机器人经过感知周围环境、推理、规划下一步举措并最终将其转化为举措来口头义务。这些举措由Omniverse中的环球模拟器在环境中模拟，结果经过Omniverse传感器模拟被机器人大脑感知。基于传感器模拟，机器人大脑能够选择下一步举措，并不时循环。同时，Mega准确跟踪工厂数字孪生中一切事物的形态和位置。这个软件在环测试将软件定义的流程带入物理空间和实施，让工业企业在部署到物理环球之前，在环球数字孪生中模拟和验证变动，从而节俭少量危险和老本。物理人工智能时代曾经到来，正在扭转环球的重工业和机器人技术。

黄仁勋：

在我讲完之前，我想向大家引见今天遇到的一团体，他在观众中是一位超级明星。我想大家都对他和他的技术及人工智能兴味满满。阿克谢·库玛尔！

阿克谢和我有很多独特点。例如，咱们俩都在各自的畛域上班了超越三十年。不过，咱们中的一个是武术家，而另一个有8000万粉丝。

阿克谢：

大家好，我曾恳求不要称说我为第一名。我记得我看法一位超级巨星，他就是我的岳父Rajeshkenna先生。他总是波动要求我不这样称说自己。

黄仁勋：

这并不是由于他虚心，但咱们都能赞同他确实是个超级明星。

咱们大略在同一期间开局了咱们的职业生涯，你曾经取得了成就，到达了我仍在努力的艺术水平 。咱们两个都是从29岁开局的，咱们的独特点不止于此。

阿克谢：

我在泰国的曼谷长大，会说泰语。那是对我而言比拟廉价且我父母能累赘得起的中央。我宿愿学习，而今天的武术也协助了我。

我开局时是一名特技演员，起初成为了一名演员。

黄仁勋：

你能通知我，咱们两团体都做了大约30年的同一份上班。咱们在不时努力提高咱们艺技。回忆你的职业生涯，你以为哪些事件是对你当今成就的关键？

阿克谢：

我以为最关键的一点就是自律。自律在我这个行业的34年中一直协助着我。这份上班给了我很多，而自律是我取得今天成就的关键所在。因此，自律是最关键的。当然，我不时置信并通知大家做出自己的选用。比如，小孩子们开局练习武术，这是解放他们的最佳方式之一，同时也十分关键。

黄仁勋：

你知道的，我的两个孩子都是二级黑带。这是一件太棒的事件，由于它能让他们有长于的事件，他们可以为之自豪。武术不只教会你纪律，还能让你造就谦逊的质量。

我想说，咱们都是武术家...当你看到一个61岁的人坚持得如此杰出，你是不是很惊讶？而人工智能也显示出咱们对这份上班的热爱与投入。很多时刻，他七岁就开局拍电影，而我29岁才开局。

阿克谢：

虽然印度电影业很少有关于人工智能的电影...

黄仁勋：

但阿克谢通知我，他最近的一部电影是关于超级警察的，如今就要颁布了，这件事临时隐秘。他通知我的事件是秘密的，但我抵赖自己十分长于激进秘密(笑）。

阿克谢：

我想知道，人工智能无法从人类那里复制的才干是什么？有哪些事件是人类可以做到的，而人工智能却无法做到的？

黄仁勋：

这是一个十分好的疑问，其实或者是最关键的疑问。人工智能可以口头哪些义务呢？

实践上，人工智能并不能成功咱们一切的上班。但在某些状况下，它可以成功咱们20%的上班，并且在某些方面比咱们做得好一千倍。关于某些义务，它甚至或者成功50%的上班，依然远胜于人类。但是，在任何职业畛域，人工智能都不能片面取代人类的一切上班。

因此，每团体都应该应用人工智能来智能化一局部上班，将其作为助手来成功20%、40%或50%的义务。有时有人问我，人工智能会抢走咱们的上班吗？我通知他们，不是人工智能自身，而是那些经常使用人工智能来智能化上班的人会抢走上班的时机。

因此，咱们如今最关键的义务是开收回安保牢靠的人工智能。经过良好的工程学科、工程流程和技术，咱们可以构建出这样的人工智能，就像建造安保飞机一样，具有多样性和冗余性，以确保其安保性。这种理念雷同实用于人工智能。

我宿愿从久远来看，每团体都能领有属于自己的人工智能助手，它们能够提示咱们事件、协助咱们。这样会让环球更安保，更美妙。

阿克谢：

它不会像好莱坞电影中那样人工智能接收人类。

黄仁勋：

咱们的指标是让人工智能造福社会，并确保其安保经常使用。

虽然总会有人尝试以不好的方式经常使用技术，但咱们有责任推进技术的开展，以便更好地保证社会的安保和福祉。技术既可以被善用，也可以被滥用，而咱们必定用技术来包全社会的安保。

阿克谢：

最后，你昨晚睡了多久？

黄仁勋：

我3点入睡，大略6点半就起床了，所以今天只睡了3.5个小时，但我齐全没疑问。十分感谢你，库马尔，如今让我总结一下人工智能的话题。

我之前提到过，经过从新发明整个计算堆栈，从编码到机器学习，从在CPU上运转代码到在GPU上运转神经网络，咱们正在开发人工智能。咱们想象了两种最通用的人工智能：一个是协助咱们提高上班效率的智能体，另一个是代理的物理版本——机器人。这些技术曾经可以成功。NVIDIA的上班是开发技术来协助你构建和部署AI。

当咱们大规模运行这些技术时，会如何影响未来？记住，印度曾是一个关键消费软件的国度，未来将出口人工智能。为了发明和消费人工智能，你须要一台机器，这些机器会消耗能量并转化为称为Token的浮点数，这些数值构成人工智能方式，成为咱们所知的最有价值的商品之一。因此，未来将会出现一个新的行业，这个行业就是智能消费，是大规模的智能消费。这也是我说有一场新工业反派的要素。一个繁多的工厂概念，可以运转一切不同的流程和数据，创立模型，为各种行业大规模生成和消费智能和Token。这就是咱们如今看到的正在出现的事件。因此，我宿愿与大家协作，使印度成为这场新工业反派的中心。

如今，为了与你们进一步探讨这个疑问以及它如何实用于印度，我约请到了另一位特意嘉宾，一位业界的先驱。可以说，他协助印度成功了数字化，并构建了现代印度互联网的结构。女士们，先生们，请欢迎穆克什·安巴尼。

我的好友，穆克什，你好吗？

穆克什：

十分好，很快乐见到你。请坐。咱们今天早上不时在议论人工智能。上次你和我在一同时，咱们议论的也是人工智能，再之前一次性也是如此。如今你可以看到，除了人工智能，咱们真的没有什么可议论的。穆克什，没有人比他为协助印度成为高科技和深科技国度做出更大奉献的了。

黄仁勋：

如今，你正处于这段旅程的开局阶段，有远大的志向。我知道你有剧烈的欲望协助印度成为深度科技产业。那么是什么让你有这样的决计？为什么人工智能是印度的关键时辰？

穆克什：

所以，Jensen，首先请准许我欢迎你到来咱们的市区孟买。咱们如今所在的中央是天文环球中心，这个中央是我妻子建造的，所以假设我不提的话，我可是会有费事的。

黄仁勋：

我在她家，她的房子比你的还大。从穆克什的房子里，我甚至可以看到我在加利福尼亚的房子。

穆克什：

在听你谈话的时刻，你提到NVIDIA是一个充溢异国情调的中央。在印度，我必定通知你NVDA对我象征着什么，这是一个十分关键的词汇链接，即Vidya。在印地语中，Vidya的意思是常识。

黄仁勋：

我知道我给公司取了个好名字！每团体都说，NVIDIA，这个名字不太好，但我坚持了上去。

穆克什：

所以你可以为这个翻译承当责任。状况还在好转，Jensen。Vidya是萨拉斯瓦蒂，常识女神。在咱们的传统中，当你真挚地谋求常识女神时，兴盛女神拉克希米就会随之而来。

黄仁旭：

32年前，我就知道了这一点！所以NVIDIA的故事也向你们揭晓了。

穆克什：

咱们的第一准则就是推进常识反派转变为国际智能反派，这将促成环球80亿人的兴盛。我以为咱们行将迎来新的智能时代。我为能成为你的好友而感到自豪，欢迎到来印度，感谢你为环球带来智能时代做出的奉献。

在咱们的有生之年，宿愿与大家一同，这可以为全环球80亿人，特意是印度15亿人带来更多的兴盛。

黄仁勋：

能够以这种方式做出奉献，我感到十分荣幸和快乐。正如你所知，印度的IT行业以其规模和在计算机迷信方面的深沉专业常识而知名。环球上很少有国度领有这种人造资源，即IT和计算机迷信的专长。在过去的几年里，咱们不时努力于技艺优化，如今咱们曾经将约20万名IT专业人员的技艺优化到人工智能畛域。

咱们必定一同寻觅方法，以协助印度以光速转型。由于开展如此迅速，印度正在变成一个不只仅是IT中心，更是AI中心。

穆克什：

从我的角度来看，Jensen，让我通知你我在印度的阅历。首先，正如咱们的总理所说，这是一个新的、有志向的印度。今天，咱们是环球上惟逐一个领有14亿人口且平均年龄低于35岁的国度。因此，推进咱们经济开展的不只是人工智能等新技术，还有咱们的雄心。我置信你看法总理，我以为他在将印度转变为一流数字社会方面的指导作用至关关键，他继续推进基层的开展。因此，这是人口红利和指导力的联合。

第三个要素是咱们印度人领有的原始人才。你提到将20万人转变为这个行业，但我置信有数百万人。假设咱们放眼如今，印度曾经成了环球各大公司的增长最快的畛域，是环球的才干中心。咱们在印度启动空间钻研和药物钻研，我置信量子技术和芯片制造也正在印度展开。咱们在自己的动力行业，以及动物动力行业，一切动力巨头如shell、BP实践上都在印度启动翻新。因此，就咱们所处的位置而言，印度正迅速成为环球的翻新中心，而不只仅是制造业中心。

黄仁勋：

在印度，咱们有超越10,000名工程师。

穆克什：

这就是咱们的应战。同时，咱们领有必要的基础设备。咱们很幸运，领有相当于路线的衔接基础设备。没有路线，就无法抵达目的地。因此，我置信今天，除了美国和中国，印度领有环球上最好的数字衔接基础设备，包含4G、5G和宽带。

当人们议论Geo时，咱们说Geo让印度在八年内从环球第158位跃升至第一。作为一家公司，咱们曾对这个畛域无所不知，但今天咱们是环球上最大的数据公司，数据总量相当于AT&T、NTT、Mobile和Verizon的总和。本地市场的规模是一个渺小的长处。领有15亿客户是十分令人满意的。作为Geo，咱们往年交付了大约16艾字节的数据。在美国，平均每GB不要钱5美元，环球数据的平均多少钱约为每GB 3.5美元。而在印度，Geo以每GB 15美分的多少钱提供数据。咱们激励客户更多经常使用手机。

这项技术每年为印度人带来5000亿至7000亿美元的用户价值，年复一年。这是科技给印度人民的礼物。经过这项技术，咱们能够为一切人带来兴盛和偏心的时机。我置信印度将成为最大智能市场之一，这不只源于咱们的欲望，也由于印度独有的原始基因库和年轻力气。这将在推进智能开展的进程中起到关键作用。一旦咱们推进了国际市场的智能化，就可以经过软件向环球其余地域提供智能服务。

印度不只会继续向环球输入首席口头官，还会出口数亿人的人工智能服务，协助环球变得更美妙。这就是你来这里的要素，感谢你们对这个国度的承诺，独特努力关于迎接智能时代至关关键。没有任何一家公司或团体可以独自成功，咱们必定独特努力，创立一个愈加对等和兴盛的环球，让环球南边赶上其余地域。

黄仁勋：

你们强调了印度领有的海量数字数据，Geo在这一方面做得特意杰出。这引出了我想宣布的一件事。为了在人工智能畛域上游，你必定领有印度现有的人工智能模型技术，须要少量的数据以及人工智能基础设备。咱们宣布，Reliance和NVIDIA正在协作在印度树立人工智能基础设备。

印度的一大长处是其庞大的用户个体，这为打造人工智能飞轮提供了基础。因此，如今咱们领有人工智能数据、人工智能基础设备和庞大的用户个体，可以最终构老自己的人工智能飞轮。我真正青睐的是，当我见到莫迪时，他第一次性约请我与他的内阁会面。这大略是六年前的事了，他请我向他的内阁宣布关于人工智能的演讲。这是我第一次性应国度指导人的约请，就这个特定话题宣布演讲。那时人们还没有宽泛探讨人工智能。

我最后一次性访问他时，他对我说了一句十分深入的话。我向他解释了人工智能基础设备的关键性，强调每个国度都应该像领有自己的通讯、互联网、路线和动力基础设备一样，领有自己的人工智能基础设备，包含智能制造。他说，印度应该制造自己的人工智能，不能外包，也不应出口数据以取得智能。他比喻道，这就像印度不应该只出口面粉再出口面包，咱们应该自己为数据增值。咱们的协作正是为了开局构建这些基础设备，使印度能够领有自己的技术体系。印度有足够的计算机迷信专业常识和庞大的用户群来驱动这一飞轮。

莫迪过后遭到了启示，并指出人工智能有才干优化整个印度的人口。他提到，环球懂得编程的人十分少，而编程并不便捷。虽然印度是环球程序员最多的国度，但大少数人并不会编写经常出现编程言语的程序。但是，智能程序的编写是每团体都可以尝试的。假设人工智能能遍及到每个公民，将赋予他们渺小的才干。这种技术能够造福社会的每一团体。

穆克什：

我以为咱们十分幸运能有这样一位有远见又有口头力的指导者。我等候着与Jensen的协作，就像你从第一准则开局一样，我也宿愿驳回最好的技术。如今，你们的 GB 200 无疑是最好的技术，我等候着印度能够借此成功技术飞跃。咱们在贾姆讷格尔曾经预备好大规模扩张，树立基础设备，指标是一千兆瓦的绿色动力设备，不依赖他人供电，以扩展规模和技术才干。

对印度和印度人来说，重复一个天文位置，让智能真正物美价廉，让个他人能够享用十分关键。咱们必定设计和构建基础设备，使客户无需改换手机或电脑就能取得高质量的人工智能，由咱们来整合这些基础设备。我以为，咱们与您的协作会成功这一指标。

最关键的是，我十分尊重我的好友马克·扎克伯格，他经过开源为每团体介入这场反派发明了时机。Llama 3 激活了环球每家公司和行业，让咱们得以在这一基础上继续开展。马克的这一举动将被载入史册，由于开源推进了许多平凡的事物。Linux 是开源的，咱们可以将 Llama 作为基础模型启动开发，再启动微调、训练等。我置信在座的年轻人，未来将发明出一个印度形式，或者比 Llama 弱小十倍。宿愿咱们的年轻人能够成功这一指标，开源是一个很好的终点。最关键的是，一切的工具都在咱们的手中。咱们领有的代工厂工具，等候着树立一个开发中心，应用你们的四种工具，训练印度数十万名开发人员熟练把握一切企业工具和全能工具。这样，咱们可以以实践运行的方式运用智能。对我而言，这只是智能时代的开局，一个历时数十年的进程。

黄仁勋：

（对观众）你们可以听他说，他听上去就像一位28岁的工程师。你们感觉呢？

穆克什：

我青睐。这就是它精彩的要素，也是咱们要一同成功的指标。这是真的。我可以向你们保证，就像咱们在数据畛域所取得的成就一样，几年后，咱们会让环球惊叹于印度及印度人在智能市场上的成就。谢谢。

黄仁勋：

Mikesh，它会成功的，咱们当然赞同，这是一个特殊的时代，也是印度的特殊时机。印度领有庞大的人口和计算机迷信家资源。在计算行业行将成为智能行业的时辰，要充沛应用你们所领有和所知的一切，以及庞大的数据资源和少量消费者，成功智能到数据、数据到智能的循环，并借助国度失掉数据的志愿，去成功一些指标。

这是一个十分特殊的期间，我很荣幸与你们协作成功这项上班。让咱们今天承诺，独特努力，使印度能够充沛应用这场智能反派。十分感谢各位女士们、先生们。

穆克什：

谢谢。此外，Jensen，我的好友，你来这里的时刻，距离排灯节只要几天了。排灯节是咱们的新年，是咱们崇敬兴盛女神的日子。因此，我代表咱们大家向你示意感谢，祝大家新年快乐，排灯节快乐。

黄仁勋：

祝大家排灯节快乐！

本文转载自​ ​技术栈​ ​