近日，英偉達(dá)創(chuàng)始人兼首席執(zhí)行官黃仁勛參加了Sana舉辦的人工智能峰會。會后，黃仁勛和Sana創(chuàng)始人Joel Hellermark展開了一場精彩對話。對話中，黃仁勛暢談了對AI發(fā)展的想象，他還表示，未來我們了解信息、預(yù)測需求以及與供應(yīng)鏈合作的方式都會被AI徹底改變。

黃仁勛除了談AI未來的發(fā)展，他還分享了自己管理英偉達(dá)的方法。分享中，他反復(fù)強(qiáng)調(diào)賦予員工獲取信息的權(quán)利非常重要，要讓員工清楚地了解每一個決定的由來，有助于他們理解并執(zhí)行該決定。同時他希望自己的公司規(guī)模不要太大，這樣公司信息的傳播能更有效率，扁平化的公司管理結(jié)構(gòu)，使得他的公司能夠在技術(shù)變革來臨時做出快速反應(yīng)，他認(rèn)為這對于一家技術(shù)驅(qū)動型公司來說是非常重要的。

以下為對話全文（有刪改）：

Joel Hellermark：你還記得是什么時候開始了解深度學(xué)習(xí)并對其發(fā)展產(chǎn)生信心的嗎？

黃仁勛：我了解深度學(xué)習(xí)的時間和其他人差不多，也許稍微早一點(diǎn)。2012年，我們有幾位研究人員同時向ImageNet提交大型圖像，參加那年的大規(guī)模視覺識別挑戰(zhàn)賽（ILSVRC）。當(dāng)時我們做了兩件事，一是使用最新的GPU，也就是當(dāng)時剛推出的GeForce GTX 580。第二就是學(xué)習(xí)了深度神經(jīng)網(wǎng)絡(luò)編程。我們很幸運(yùn)，這么早就了解接觸了這些。不過那時人工智能還不是很流行，神經(jīng)網(wǎng)絡(luò)研究在當(dāng)時是一個存疑的研究領(lǐng)域。盡管如此，我們覺得這個研究領(lǐng)域還是非常有希望的，所以一直堅(jiān)持去研究它。

真正讓我印象深刻的，是它的有效性。當(dāng)你看到令人驚訝的技術(shù)時，就會產(chǎn)生更濃的興趣去探究它，比如規(guī)模如何、能解決什么其他問題等。由于深度神經(jīng)網(wǎng)絡(luò)的性質(zhì)，每一層的性質(zhì)都是相互隔離的，并且在反向傳播學(xué)習(xí)中非常有效——它會被極大地?cái)U(kuò)展，會有更大的規(guī)模。事實(shí)證明我們是對的，根據(jù)觀察，深度學(xué)習(xí)既是一種解決難題的算法，也是一種開發(fā)軟件的新方法。

假設(shè)你有一個任意維度的通用函數(shù)，無論問題的維度和大小如何，只要你有一個足夠大的模型，你就讓它學(xué)習(xí)并不斷解決這個問題。這個推斷對我們來說非常重要。我們對它的潛力深信不疑，這將成為開發(fā)軟件的新方法。從那時起，我們意識到大模型的發(fā)展可能是自60多年前IBM推出System/360使用GPS和深度學(xué)習(xí)加速計(jì)算以來，真正創(chuàng)造并重新發(fā)明了計(jì)算機(jī)。這是一個非常重要的時刻，我們也很幸運(yùn)地把所有的點(diǎn)都連接起來。

Joel Hellermark：你覺得這種模型驅(qū)動架構(gòu)的發(fā)展，下一步會回到哪里？

黃仁勛：研究人員要把幾乎所有問題或者每種數(shù)據(jù)都轉(zhuǎn)化為Transformer可以學(xué)習(xí)的內(nèi)容。你可以創(chuàng)建一個視覺Transformer、音頻Transformer、文本Transformer等等。多模態(tài)確實(shí)非常重要，它們有更高的性能。例如，你正在訓(xùn)練一個視覺神經(jīng)網(wǎng)絡(luò)，但你沒有見過斑馬，這個時候如果再加上另一種形式的訊息，比如文字，你就會明白斑馬是一匹有黑白條紋的馬，馬的圖像和形容斑馬的文字組合起來，能夠讓你在從來沒見過斑馬的情況下想象到它是什么樣的。這就延長了你的感知能力。使用多模態(tài)可以增強(qiáng)我們的感知能力，所以過去我們會使用相機(jī)、雷達(dá)或激光雷達(dá)來延長我們對環(huán)境的感知范圍。

現(xiàn)在我們有了Transformer，并且以一種理解多模態(tài)的方式表達(dá)了Transformer。所以我認(rèn)為下一代的人工智能模型將會有更好的性能，也會更安全、更穩(wěn)健，做更多的事情。

Joel Hellermark：我認(rèn)為真正令人著迷的是，我們幾乎能夠從語言中去獲得所有信息，建構(gòu)世界模型。之前您也提到了要教這些模型基礎(chǔ)的物理知識，如果這些模型是多模態(tài)的，或許在使用中就可以推導(dǎo)出這些物理定律，那我們還有必要去教這些基礎(chǔ)知識嗎？

黃仁勛：幾乎所有的東西都能用文字描述，物理學(xué)、牛頓定律這些都已經(jīng)用文字描述過了，你可以想象我們可以通過世界上的詞匯庫來學(xué)習(xí)幾乎所有的物理學(xué)知識。如果你從來沒見過紅色，那你很難想象紅色意味著什么，但是，如果有足夠多的詩歌來描述紅蘋果的美麗，用紅色來表達(dá)愛心或者其他東西時，我不會感到驚訝。

把所有這些單詞連接起來，通過比較你就能感受到，“哦，這一定是紅色的。”你能夠在沒有親眼見過的情況下能了解到這一點(diǎn)。如果你沒有能力將所有這些不同的事物結(jié)合起來，你就永遠(yuǎn)不會理解事物之間的微妙之處和細(xì)微差別?，F(xiàn)在我認(rèn)為教人工智能物理是可能的，但如果你想預(yù)測物理定律，想把人工智能建立在物理基礎(chǔ)上，這與今天使用強(qiáng)化學(xué)習(xí)人類反饋來建立大語言模型沒有什么不同。

在未來，你會使用強(qiáng)化學(xué)習(xí)物理反饋來建立大模型。通過某種物理模擬來表達(dá)，而不是由人類來實(shí)現(xiàn)。我們創(chuàng)建了這個名為Omniverse的系統(tǒng)，它遵循物理定律，這樣我們就可以為Omniverse提供本質(zhì)上是實(shí)體機(jī)器人的數(shù)字孿生。該具體的語言模型將通過Omniverse獲得強(qiáng)化學(xué)習(xí)物理反饋、模擬物理反饋，數(shù)字孿生反饋。所以我確認(rèn)某些類型的機(jī)器人需要以物理事實(shí)為基礎(chǔ)。你想要以道德真理為基礎(chǔ)，這就是人性。這兩者應(yīng)該對齊，幫助我們創(chuàng)建更安全的聊天機(jī)器人。

Joel Hellermark：你覺得我們目前AI發(fā)展的瓶頸在哪里，我們是在現(xiàn)有的模型基礎(chǔ)上去改進(jìn)，還是需要徹底地突破？

黃仁勛：首先，我不太清楚它背后的科學(xué)原理，但直覺告訴我，我們的很多應(yīng)用規(guī)則，要么是后天習(xí)得的，要么是直接表達(dá)出來的。在公司或者社會里，許多原則和規(guī)則是通過簡單的語言來表達(dá)的，不需要人學(xué)習(xí)，比如“你不能殺人”這并不是我們學(xué)會的，是被賦予的，不能違背。很多規(guī)則無需學(xué)習(xí)即可表達(dá)出來。我認(rèn)為某種形式的符號推理可以增強(qiáng)這些已有學(xué)習(xí)模型。

我不知道這背后的科學(xué)原理是什么，但我們的確通過強(qiáng)化學(xué)習(xí)、經(jīng)驗(yàn)學(xué)習(xí)來增強(qiáng)我們的智力。

Joel Hellermark：隨著時間的推移，如果人工智能達(dá)到了一定的數(shù)量級，遠(yuǎn)遠(yuǎn)超過了人類的智慧，那這個時候人類應(yīng)該處于什么位置，還能發(fā)揮什么作用？

黃仁勛：我不知道，但是我周圍的確有人在某些技能方面比我聰明好幾倍，但我和他們共處并沒有什么困難。我已經(jīng)生活在一個被超級智能所包圍的環(huán)境中，他們能夠做一些我無法想象的事。但不知為何，我也能和他們和諧相處。隨著時間的推移，我們已提升了很多，我們已經(jīng)將非常重要的人力資源商品化，也能通過耕種使食物的捕獵民主化，不需要被強(qiáng)制追著食物跑，不再被食物追趕。然后，我們實(shí)現(xiàn)權(quán)利行使民主化，即使是弱小的人也能在這個世界活得很好。再后來，我們實(shí)現(xiàn)了能源獲取的民主化，社會生產(chǎn)力得以提高?，F(xiàn)在，我認(rèn)為我們正在實(shí)現(xiàn)信息生產(chǎn)的民主化。

那些擁有深厚專業(yè)知識的或者對世界有著探索激情的人，仍然會提供更大的價(jià)值。

在過去40年的職業(yè)生涯中，依然存在相當(dāng)一部分人沒有學(xué)會如何使用計(jì)算機(jī)。你在十幾歲的時候可能就開始學(xué)習(xí)計(jì)算機(jī)編程了，但對世界上絕大多數(shù)人來說，他們不知道Python、Pascal、Fortran、C++或Java。他們不知道如何進(jìn)行計(jì)算機(jī)編程?，F(xiàn)在有了ChatGPT，可以使用人類的語言進(jìn)行編程。

Joel Hellermark：人工智能在應(yīng)用層面，你最感興趣的是什么？

黃仁勛：我把它歸類為三件事。

第一件事就是人工智能可以做什么？它們可以增強(qiáng)、改變我們所做的工作，比如現(xiàn)在我們設(shè)計(jì)芯片的方式已經(jīng)完全改變了。

二是，人工智能現(xiàn)在可以讓我們做哪些事情，讓我們的產(chǎn)品與眾不同？它不僅徹底改變了我們設(shè)計(jì)產(chǎn)品的方式，也徹底改變了我們制造的產(chǎn)品。例如，世界上有很多游戲玩家，用過去構(gòu)建顯卡的方式，設(shè)計(jì)可編程著色器，我們推出了一款出色的處理器和出色的編譯器，并將它們與游戲等集成在一起。但現(xiàn)在你甚至無法單獨(dú)運(yùn)送GeForce，因?yàn)橛幸慌_超級計(jì)算機(jī)在后面學(xué)習(xí)如何預(yù)測混合丟失的像素。就像玩拼圖游戲一樣，你給出一塊，然后應(yīng)該猜出其它16塊。所以我們教人工智能，我們在后臺有一臺超級計(jì)算機(jī)，只是學(xué)習(xí)如何做到這一點(diǎn)，并改進(jìn)算法，每當(dāng)我們改進(jìn)算法時我們都會下載它?，F(xiàn)在，我們使用人工智能不僅革新了我們設(shè)計(jì)GPU的方式，而且還改變了GPU生成圖像的方式。因此，它幫助我們創(chuàng)造了更節(jié)能的處理器，其功能超過了“摩爾定律”的預(yù)測。

第三點(diǎn)是把整個公司變成一個人工智能。所有的員工都能通過這個一直在運(yùn)行的系統(tǒng)增強(qiáng)自身能力。這樣我們就不會去尋找那些永遠(yuǎn)找不到的信息，可以把這些點(diǎn)連接起來，去預(yù)測市場中的機(jī)會。有時候供應(yīng)鏈變了或者市場需求變了，我們不可能看到所有的信號，但對于人工智能來說，這并非不能實(shí)現(xiàn)。

因此，隨著時間的推移，我們了解所需信息的方式、預(yù)測需求的方式以及與供應(yīng)鏈合作的方式，所有這些都將被人工智能徹底改變。

Joel Hellermark：你現(xiàn)在對人工智能的發(fā)展會有逆反觀點(diǎn)嗎？比如反對它的開發(fā)這些。

黃仁勛：我在這方面沒有什么逆反的想法。目前大多數(shù)關(guān)于人工智能的討論要么超出了對其發(fā)展前景的熱情，要么超出了對其危險(xiǎn)性的擔(dān)憂，但其實(shí)介于發(fā)展前景和危險(xiǎn)性的極端情況之間的，很可能才是事實(shí)。

縱觀歷史，任何有能力的技術(shù)都給社會和經(jīng)濟(jì)帶來了巨大的變革和中斷，所以我們必須要考慮發(fā)展技術(shù)的風(fēng)險(xiǎn)。以前誰會想到會有一大群人在做網(wǎng)頁設(shè)計(jì)師，這在從前是一個不存在的職業(yè)，但今天卻變得很火熱。人工智能的早期版本就能讓我們創(chuàng)建一個全新的行業(yè)?，F(xiàn)在我們必須重新進(jìn)行培訓(xùn)，重新掌握技能，以便能夠改變被取代的工作崗位。

我相信，將來會有我們從未想過的全新行業(yè)被創(chuàng)造出來，例如，現(xiàn)在很活躍的Prompt Engineer（提示工程師），它將是一個巨大的產(chǎn)業(yè)，確切說，它可能是最重要的編程行業(yè)。你會看到AI正在幫助編寫提示，來提示其他AI，這確實(shí)非常棒。我喜歡關(guān)于安全的討論，我們必須在人工智能的能力和安全性方面盡可能多地投入。我們恰好也從事自動駕駛汽車領(lǐng)域的工作，可能有同樣多的資源投入來確保人工智能和汽車的安全。

構(gòu)建人工智能相關(guān)的技術(shù)，以便將其保留在與對齊相關(guān)的技術(shù)操作領(lǐng)域，強(qiáng)化學(xué)習(xí)人類反饋，用事實(shí)來補(bǔ)充它的學(xué)習(xí)，降低出錯的概率。我們將會看到新想法的爆發(fā)，大模型被其他人工智能技術(shù)、方法和實(shí)踐所包圍，所有這些行動把大模型變成更有用的聊天機(jī)器人。

黃仁勛：創(chuàng)建并經(jīng)營管理一家公司，要做的第一件事就是從基本原則開始。你創(chuàng)建的這臺機(jī)器是什么？它的輸入是什么？輸出是什么？所處的條件是什么？這個行業(yè)是怎樣的？這是一個快速發(fā)展的行業(yè)嗎？它是受到嚴(yán)格監(jiān)管的行業(yè)嗎？你想構(gòu)建什么？你可以從這個角度來想一下：我想和公司一起做幾件事情，我想創(chuàng)造什么東西。NVIDIA的使命是解決那些幾乎不可能解決的計(jì)算問題。如果一個問題可以用普通計(jì)算機(jī)解決，我們就不會去做。我們必須去尋找普通計(jì)算機(jī)無法解決的問題，這樣你也能吸引那些想發(fā)明新的計(jì)算方式并將其應(yīng)用于解決一些真正困難問題的優(yōu)秀人才。

其次，我其實(shí)想要一家更小的公司，而不是更大的公司。通常公司需要盡可能大才能做好很多工作，但也要盡可能小。如果想要一個服從命令和控制的組織，那么你就把它做成一個金字塔，就像羅馬帝國時期的舊軍隊(duì)一樣。但如果你想賦予人們權(quán)利，就要盡可能地讓它變得平坦，這樣信息傳播得更快。為了使組織結(jié)構(gòu)盡可能平坦，必須充分考慮第一層。第一層恰好是資深工作人員，他們需要的管理最少，我的管理團(tuán)隊(duì)中沒有一個人會來找我尋求工作建議，他們自己就做得很好。

有很多人向我匯報(bào)工作，我不需要一對一進(jìn)行指導(dǎo)。他們都非?？鞓?，他們知道自己在做什么，且都是各自領(lǐng)域的專家，所以那些一對一的交流真的沒有必要。如果有一個重要的戰(zhàn)略方向，你為什么要告訴一個人？你得告訴所有人。因此，當(dāng)我們在制定未來的發(fā)展戰(zhàn)略時，我會在某個時間發(fā)送給所有人，然后他們會給我反饋，我們再完善它。公司的管理是扁平化的，而且你已經(jīng)對公司十分了解，再加上給員工充分授權(quán)去訪問公司的信息，這樣公司也很敏捷。

事實(shí)證明，通過很多直接下屬，而不是一對一，能使公司管理扁平化，信息傳播更快、更通暢。我們沒有業(yè)務(wù)部門，也沒有分歧，每個人都像一個人一樣工作。公司的運(yùn)行方式使我們能夠快速構(gòu)建加速計(jì)算。如果你讓我去做炸雞，或者瑞典肉丸，肯定沒有機(jī)會，但是在加速計(jì)算領(lǐng)域，我們就可以做得很好。

Joel Hellermark：你有40名直接下屬？

黃仁勛：對，但我面臨的最大挑戰(zhàn)是把大家聚在一起。當(dāng)我想聚一聚的時候，要么有人出去了，或者有人在度假，或者有人在做什么。確切地說，每個人都坐在辦公室的概率大約是0%。

Joel Hellermark：隨著時間的推移，你的領(lǐng)導(dǎo)風(fēng)格發(fā)生了怎樣的變化？

黃仁勛：我真的沒有風(fēng)格，只有我自己，有很多事情我想做的更好。如果工作中發(fā)生了什么事，而我不喜歡它的方向，我會直接說出來，不會把任何人拉到一邊，不會做一對一指導(dǎo)。這可能有點(diǎn)直接，但人們知道我除了提出問題之外并不想做任何事情。我還花了很多時間對我的決定進(jìn)行推理和解釋，這賦予了員工權(quán)力，讓他們了解領(lǐng)導(dǎo)是如何思考并作出這個決定的。我參加的每一次會議，都會解釋我是如何思考這個問題的，我會推理一下。我認(rèn)為這種管理過程就是一種賦權(quán)。我們也不會只召開副總裁會議，或者董事長會議，我開的會議里都有剛畢業(yè)的大學(xué)生，他們來自不同組織，都坐在那里。這是一件非常有趣的事情，那里就像我的辦公室，大家都聚在一起討論問題。

我最想要的是見多識廣、技能嫻熟、經(jīng)驗(yàn)豐富的人，他們可能曾經(jīng)遇到過現(xiàn)在出現(xiàn)的問題，他們是能直接解決問題的人，我們需要的是真正的專家。

Joel Hellermark：你為那里的員工提供了怎樣的交流模式，你是怎么把優(yōu)先要做的事情傳達(dá)下去的？我聽說過一些關(guān)于發(fā)送電子郵件的事情，這是怎么回事？

黃仁勛：我不看任何的狀態(tài)報(bào)告。因?yàn)檫@種報(bào)告在你得到它的時候就沒有價(jià)值了，它幾乎不再提供任何信息，它們已經(jīng)被提煉過，并且加入了視角和偏見，讓你再也看不到基本的事實(shí)了，所以我傾向于接受任何人提供的信息。如果你發(fā)送電子郵件，并將其命名為“最重要的五件事”，無論你的最重要的五件事是什么，是你觀察到了什么，做了什么，學(xué)到了什么或都只是事情，這都是重要的信息，將其發(fā)給我，我都會閱讀。所以折合這些，我每天早上的閱讀量大約有一百本書那么多，但我每天都會去讀。

Joel Hellermark：你是如何去平衡團(tuán)隊(duì)決定和你自身的計(jì)劃？剛才你說的“最重要的五件事”是一種自下而上的想法傳遞，比如你的團(tuán)隊(duì)里資深的工程師，他做了一個決定，那你的戰(zhàn)略計(jì)劃同時也需要執(zhí)行，你應(yīng)該怎么去平衡和取舍呢？

黃仁勛：首先，戰(zhàn)略不是文字，是行動。如果公司有一套戰(zhàn)略，但人們的行動，他們“最重要的五件事”不是這樣的，那么顯然他們沒有執(zhí)行該戰(zhàn)略。所以事實(shí)證明，戰(zhàn)略并不是我說了什么，而是他們所做的。你得對你的員工在做什么有了解，我甚至都不需要每周閱讀他們“最重要的五件事”，只需要進(jìn)行系統(tǒng)采樣，就大致了解他們在干什么，公司有沒有在朝著你的目標(biāo)發(fā)展。

其次，我們不做定期規(guī)劃，因?yàn)槭澜缡怯猩?、會呼吸的。所以我們沒有5年計(jì)劃，也沒有1年計(jì)劃，我就是在做現(xiàn)在正在做的事情，不斷地調(diào)整和適應(yīng)。

Joel Hellermark：會不會遇到偏離劇本的情況？是什么讓你在這些事情上這么相信自己的直覺？

黃仁勛：公司所追求的大多數(shù)事，都應(yīng)該是通過基本原則推理出來的。如果有一個重要的假設(shè)讓你相信計(jì)算機(jī)必須改變，或者芯片架構(gòu)必須改變，或者軟件開發(fā)的方式、數(shù)據(jù)中心必須改變。你不知不覺中，就會形成一種基于第一原則思維的世界觀。下一步就是你以足夠的奉獻(xiàn)精神和信念去追求它，這樣你就能實(shí)現(xiàn)它，通常這真的很難。但如果你錯了，你就會改變主意?，F(xiàn)代領(lǐng)導(dǎo)力真正的偉大之處，在于如果我做錯了什么，我只會說那是錯的，我改變主意了。有趣的是，由于你不斷地適應(yīng)和調(diào)整計(jì)劃，隨著時間的推移，人們甚至都不會注意到你在去年已經(jīng)改變了35次主意。所以我從來不做長期規(guī)劃，5年計(jì)劃對技術(shù)行業(yè)來說實(shí)在太荒謬了。

Joel Hellermark：很少有公司真正專注于幫助人們?nèi)ネ瓿伤麄兊墓ぷ?，但是你一直熱衷于此。這期間，你采取了哪些措施去幫助NVIDIA的員工從事他們畢生的事業(yè)？

黃仁勛：為他人創(chuàng)造生活、工作的環(huán)境是領(lǐng)導(dǎo)者的使命——實(shí)現(xiàn)這一使命的最重要的方式是不讓人們做商品工作。

例如，我們公司從不談?wù)撌袌龇蓊~。我有23%的市場份額，他們有27%的市場份額，這有什么好討論的。你為什么要和別人爭奪市場份額？市場份額的整體概念表明，有一大群人在做同樣的事情。如果他們在做同樣的事情，我們?yōu)槭裁匆@么做？為什么我要浪費(fèi)這些才華橫溢的人的生命去做一些已經(jīng)做過的事情？除非我們只是享受競爭（但我不享受競爭）。所以我們不會去和人們爭奪已經(jīng)商品化的市場，這是一種去做以前從未做過的事情的思維方式。

證明這一點(diǎn)的另一方面就是，放棄已經(jīng)商品化的業(yè)務(wù)。我們過去已經(jīng)放棄了許多業(yè)務(wù)，這向員工清楚表明，我們不會去做商品工作。因此，選擇正確的工作和遠(yuǎn)離錯誤的工作相結(jié)合，這是為員工創(chuàng)造環(huán)境的最佳方式。剩下的就是你我已經(jīng)討論過的問題，即賦予員工獲得信息的權(quán)利。

有些公司是非常沉默的，信息不對組織之外傳播，我鼓勵我們公司保持透明。賦予人們獲取信息的權(quán)利，剩下的就看你在工作中如何表現(xiàn)自己了。如果公司里存在等級觀念，那么顯然這就沒有賦權(quán)。但如果任何人都能參加會議并作出貢獻(xiàn)，哪怕是一個剛畢業(yè)的大學(xué)生，這就賦權(quán)到位了，所以我認(rèn)為賦權(quán)是一件非常重要的事情。