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

10月24号，英伟达创始人兼CEO黄仁勋现身印度孟买。在印度举办的NVidia AI Summit 2024峰会上，黄教主一如既往的小跑登台，开场就是一声中气十足“hello，孟买”，不过很快他就发现自己高兴地甚至忘记了拿遥控笔，并解释道：这是我第一次遇到这种状况，不过小编看来，有可能是黄仁勋当天仅仅休息了3个半小时的原因。

当然这些只是小插曲，因为接下来老黄的演讲内容以及与印度首富信实工业集团董事长穆克什·安巴尼之间的对话，更加让人一饱耳福，这场对话可以说是既透露了英伟达对于接下来生成式AI的走向的判断，也让我们得以窥见同样深处亚洲的印度目前有哪些AI布局。

话不多说，全程90分钟的内容，这里先梳理几个要点：

黄仁勋——

• CPU的摩尔定律已经结束。
• 构建Blackwell系统需要Blackwell GPU，也需要另外七个芯片。
• 建设AI生态系统的第一步是AI基础设施，类似于互联网生态系统建设中的网络基础设施，包括个人电脑、云和内联网。
• 我们本质上是在设计一个通用函数逼近器，通过机器学习产生这种函数的预期输出。
• 从人类使用编码的软件1.0转变到到使用机器学习的软件2.0。
• 我们现在发现了第二个缩放定律，即推理时的缩放定律。你思考的时间越长，得到的答案质量就越高，这是一个非常直观的理解。
• 我们设想了两种最通用的人工智能：一个是帮助我们提高工作效率的智能体，另一个是代理的物理版本——机器人。
• 印度总理莫迪说，印度应该制造自己的人工智能，不能外包，也不应出口数据以获得智能。
• 每个人都说，NVIDIA，这个名字不太好，但我坚持了下来。

穆克什——

• 除了美国和中国，印度拥有世界上最好的数字连接基础设施，包括4G、5G和宽带。
• 今天，我们是世界上唯一一个拥有14亿人口且平均年龄低于35岁的国家。
• 我非常尊重我的朋友马克·扎克伯格，他通过开源为每个人参与这场革命创造了机会。
• 我相信在座的年轻人，未来将创造出一个印度模式，可能比 Llama 强大十倍。
• 印度不仅会继续向全球输出首席执行官，还会出口数亿人的人工智能服务，帮助世界变得更美好。

以下是黄仁勋在印度AI峰会上的全部演讲内容：

黄仁勋：

你好，孟买！（然后发现忘带了遥控笔～）

孟买，发生了许多事情。大家都知道，印度对于全球计算机和IT行业至关重要，几乎是世界上每家公司的IT核心。我们的行业，你们的行业，以及过去几十年我们建立的行业，都在经历根本性的变化、巨大的变化和结构性转变。今天，我们会讨论这个话题。但首先，我要感谢我们的合作伙伴，你们中的很多人一直在合作。感谢你们。

在印度，我们与这些优秀的合作伙伴一起努力，共同推动IT行业的变革。我很高兴今天你们能与我们在一起。目前，同时发生着两个根本性的转变。这种情况自1964年以来从未发生过（那是我出生的第二年）。这与我的出生无关。1964年，IBM System 360向世界介绍了IT的概念。我们所了解的IT行业便是从那时起引入了通用计算的概念。

他们定义了中央处理单元、CPU、IOS子系统和多任务处理，并通过操作系统这一层将硬件与应用软件分离。IBM强调了应用程序的系列兼容性，使您可以长期利用硬件的基础来运行软件。他们还谈到跨代架构带来的优势，确保您在软件上的投资不会因为每次购买新硬件而浪费。1964年，他们认识到了安装基础的重要性、软件投资的重要性、以及构建运行软件的计算机的重要性。这些架构学科当时就已被提及。

我刚描述的是今天的计算机行业。印度IT行业的基础——也就是我们所知道的通用计算，已经存在了60年。在过去30年中，我们受益于摩尔定律，这是一个令人惊叹的现象。硬件可以在不改变软件的情况下继续改进，与架构兼容，并使软件的性能每年翻倍。具体取决于您的应用程序，这意味着每年成本降低一半。这是世界上任何技术中最令人惊叹的折旧力量。

随着折旧和成本降低，社会得以使用越来越多的IT。我们继续消费IT并处理更多数据，而摩尔定律帮助我们持续降低成本，实现了我们今日所知的计算大众化。360系统的发明和Windows PC的摩尔定律推动了世界上最重要行业之一的发展，随后所有行业都在此基础上建立起来。但是我们现在知道，CPU的扩展已经达到极限。我们不能再沿用这种模式，摩尔定律的红利已结束。我们现在必须做出改变，否则折旧效应会终止，而我们将面临计算通胀。

这就是全球正在经历的变化。我们再不能对软件无所作为，期望计算性能和体验继续改善、成本继续降低，并继续从IT的好处中获益，以及解决越来越多的挑战。我们创办公司是为了加速软件。我们的愿景是，增强通用计算后，某些应用程序将从中获益。我们将计算密集型工作负载卸载，并使用我们发明的CUDA模型进行加速，CUDA是一种编程模型，使我们能显著加速应用程序。这种加速优势类似于摩尔定律的特性。

对于通用计算无法或不切实际的应用程序，我们利用加速计算的优势来实现，例如计算机图形学。实时计算机图形因视频的出现和GPU这一新处理器的出现而成为可能。GPU实际上是第一个运行CUDA的加速计算架构，用于计算机图形，这是一个经典的例子。我们使计算机图形学大众化，如今3D图形无处不在，它几乎可用于所有应用程序的媒介。我们认为，长期来看，加速计算可能会产生更大的影响。因此，在过去30年里，我们一直在为各个应用领域加速计算。这花费了这么长时间的原因很简单，世界上没有一种神奇的处理器可以加速所有事物，如果能做到这一点，就会被称为CPU。我们需要重新构建计算堆栈，从算法到底层架构，再到顶层应用程序。

在各个领域，计算机图形学虽然刚刚起步，但我们已经在多个行业中借鉴了这种架构，即Cuda架构。今天，我们已经为许多重要行业实现了加速。例如，cuLitho在半导体制造、计算光刻、模拟、计算机辅助工程以及5G无线电中发挥基础作用。我们最近宣布与5G无线电合作伙伴关系，以加速5G软件堆栈和量子计算，创造计算的未来。

Parabricks是基因测序软件堆栈，cuVS是每家公司都在研究的重要项目之一，它正在从数据库转向知识基础，以便创建AI数据库。cuVS可以创建和矢量化所有数据。cuDF，即数据帧，本质上是结构化数据的另一种形式，能够实现SQL加速。

在各种不同的库中，我们都能够将应用程序加速20、30、甚至50倍。当然，这需要重新编写软件，这就是为何花费这么长时间的原因。我们在每个领域都需与行业、生态系统、软件开发者和客户合作，以加速这些应用程序在其领域的应用。

cuOPT是我最喜欢的组合计算应用程序之一，它是一种计算密集型应用程序，可以加速比如旅行销售员和人员安排等问题。每个供应链、司机和乘客组合都可以通过cuOPT加速，速度之快令人难以置信。Modulus教授和AI物理定律，不仅可以预测下一个词，还能够预测流体动力学和粒子物理的下一个时刻。

我们最著名的应用程序库之一是QDNN，它民主化了我们所知的人工智能。这些加速库已涵盖了众多不同领域，使得加速计算似乎无处不在。这是因为我们采用这种架构覆盖了几乎每一个行业。现在，CUDA加速计算已达到临界点。

几年前，大约十年前，发生了一件非常重要的事情。很多人都见证了这一点，即AlexNet在计算机视觉性能上的巨大飞跃。计算机视觉是人工智能的一个重要领域，AlexNet的进步令世界惊讶，我们也有幸受益。

退一步问自己，我们见证了什么？AlexNet为何如此有效？它的扩展范围有多大？我们还能用这种深度学习的方法做些什么？如果我们要将深度学习应用于其他领域，它会如何影响计算机行业？如果我们想做到这一点，对未来充满信心，并对深度学习能力感到兴奋，我们将如何改变计算堆栈的每一层，以彻底改造计算？

12年前，我们决定让整个公司致力于这一愿景。现在已经12年过去了。每次我来印度，都有机会和大家谈论深度学习和机器学习，现在非常明显，世界已经彻底改变。

考虑一下发生了什么，首先是我们如何开发软件。我们的行业建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行的算法，通过输入信息预测输出。这是经典的计算机模型，已创造了世界上最大的产业之一。在印度，软件生产、编码和编程成为了一个完整的行业，这一切都在我们这一代发生。然而，这种开发软件的方法已经被颠覆。现在，不再是编码，而是机器学习。机器学习利用计算机研究大量观测到的数据的模式和关系，从中学习预测函数。因此，我们本质上是在设计一个通用函数逼近器，通过机器学习产生这种函数的预期输出。如此反复，从人类使用编码的软件1.0转变到到使用机器学习的软件2.0。注意谁在编写软件。现在，软件由计算机编写。完成模型训练后，可以对模型进行推断。然后，你把函数作为输入，这个大型语言模型、深度学习模型、计算机视觉模型、语音理解模型，作为输入神经网络，进入GPU，可以根据新输入做出预测。

图片

请注意，这种软件开发方式是基于机器学习的革新。我们已经从编码发展到机器学习，从开发软件发展到创造人工智能，从喜欢在CPU上运行的软件发展到现在在GPU上运行的最佳神经网络。这本质上反映了过去十年我们行业经历的变化。

我们已经看到了计算堆栈的彻底改造。整个技术堆栈，包括硬件、软件开发方式以及软件功能，已经发生了根本性的变化。我们致力于推动这一领域的发展，这就是我们现在所构建的。

你们所有人最初都有什么？当我第一次来到印度时，我们正在为PCI Express卡构建GPU，可以插入PC中。今天的GPU就是这样，Blackwell系统令人难以置信，旨在研究大规模数据，以便发现模式和关系，理解数据的含义。这是重大的突破。

在过去几年中，我们已经了解了许多不同类型数据的含义：单词的表示或含义、数字、图像和像素、视频、化学物质、蛋白质、氨基酸、流体模式、粒子、物理学。我们学会了用多种方式表示信息，不仅懂得其意义，还能将其翻译成其他形式。例如，将英语翻译成印地语，将大量英文文本翻译、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。

这些基本思想是将信息从一种模态转换为另一模态的通用Transformer，导致初创企业数量激增。他们正在应用这些基本方法。如果能做到这个和那个，还能做什么？如果能做到那个和这个，应用程序数量显然呈爆炸式增长。在过去两三年里，全世界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领域，这一切都是因为设备让我们能研究数据和巨大的规模。

构建Blackwell系统需要Blackwell GPU，也需要另外七个芯片。这些芯片由TSMC生产，他们在提升Blackwell系统方面做出了出色的工作。整个系统已全面投入生产，我们希望能在第四季度实现量产。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，跨越整个GPU机架的背部脊柱，所有GPU都通过NVLink连接在一起，形成令人难以置信的系统，这是世界上最长的铜驱动结构，将72个Blackwallers双GPU包或144个GPU连接在一起。所以如果展开所有芯片，你会看到一个巨大的GPU。显然不可能制造如此大的GPU，因此我们将其分解成尽可能小的模块，这是技术的根本极限和最先进的技术。

我们使用NVLink将这些模块连接在一起，这是NVLink的背部脊柱。你正在查看所有连接的GPU，还有一个量子交换机连接所有GPU。如果你需要以太网，Spectrum X及其连接，每个交换机有50磅重。我只是展示自己的力量。它连接到这个交换机，这是世界上最先进的交换机之一。

现在这些部件加在一起构成了Blackwell，然后运行上面的软件：cuda软件、cuDNN软件、用于训练大型语言模型的Megatron、用于推理的TensorFlowRT、用于对大型语言模型进行分布式多GPU推理的TensorFlowRT、LLM。在此基础上，我们有两个软件堆栈，一个是 Nvidia AI Enterprise，另一个是 Omniverse。我稍后会讨论这两个。这项工作非常严格，这就是 Blackwell 系统，也是 NVIDIA 今天构建的。对于那些长期了解我们公司的人来说，这种变化确实令人惊讶。但事实上，我们是从基本原则出发来推理未来的计算将如何实现，这就是 Blackwell 系统的由来。

Blackwell 系统非同寻常，其计算能力的确令人难以置信。每个机架重达 3,000 磅，功率 120 千瓦，每个机架 120,000 瓦，是全球计算密度最高的。我们正在努力学习更大、更智能的模型，这被称为缩放定律。它基于经验观察和测量，指出训练大型语言模型的数据越多，相应的模型尺寸就越大，从中学习的信息量也就越多。因此，模型需要更多数据来满足这些要求。每年我们都在双倍增加数据量和模型大小，这意味着每年的计算量要增加四倍。

需要记住的是，以前摩尔定律是每一年半增加两倍，现在我们正以每年四倍的速度推进技术发展，这在十年内达成了惊人的扩展。我们发现，随着训练规模的扩大，人工智能变得越来越智能。最近我们意识到的第二件重要的事情是，在完成模型训练后，即使是使用如 ChatGPT 的工具中，也涉及到推理过程。

在使用 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，通过描述上下文和查询内容来得到所需的答案。人工智能通过一个大型神经网络处理信息，并逐字生成一系列答案。然而，从 Strawberry 开始，我们意识到智能不仅仅是一锤定音的事情，智能需要思考。思考涉及推理、路径规划和自我反思，以便产生更高质量的答案。

我们现在发现了第二个缩放定律，即推理时的缩放定律。你思考的时间越长，得到的答案质量就越高，这是一个非常直观的理解。然而，也有例外。例如，如果你问我喜欢的印度食物，我会毫不犹豫地回答“鸡肉布里亚尼”。这类问题不需要复杂的思考或推理。然而，有许多事情需要推理。

图片

例如，从孟买到加利福尼亚的旅行计划，如果需要欣赏沿途的四个城市，则需要复杂的考虑。在这次行程中，我清晨三点到达这里，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，尽管我现在还在适应日期变化。总体来说，旅程和住宿的各项选择组合很多，需要慎重规划，以获得最佳行程。这就是思考、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，我们现在有两条基本的扩展定律来推动技术发展：训练和推理。在今年第四季度之前，我们将交付并发货 Blackwell，需求极为高涨。自从 Hopper 成立以来，基础模型制造商的数量已经增加了一倍多。越来越多的公司意识到基础智能对他们至关重要，因此必须构建基础模型技术。此外，模型的规模增加了20、30、40倍，训练这些模型所需的计算量也随之增加。然而，多模态能力、强化学习能力和合成数据生成能力中使用的数据量确实增长了很多。这是一个原因，另一个原因是Blackwell用于快速生成Token。所有这些因素导致对Blackwell的需求非常高。

接下来，我们来讨论如何利用这项技术。NVIDIA在印度的AI发展让我想到一个有趣的标题：NVIDIA是印度的AI。除了字母V，我们可以用NVIDIA来构建这句话的其他部分，这真的很酷。谢谢。

关于1993年的故事，你们可能不知道。当时我们需要为公司起一个名字，最终选择了Nvidia，因为我觉得它听起来像一个神秘的地方。所以，如果真是这样，印度和Nvidia都是听起来很棒的地方。即使计算机图形和加速计算不成功，我们几乎可以做任何事。我很高兴最后它成功了。

图片

印度的Nvidia有一个非常丰富的生态系统。要在任何行业或国家建立人工智能生态系统，首先需要建立基础设施生态系统。我们宣布Yoda、E-2-E、Tata Communications和其他合作伙伴将与我们一起构建印度的基础设施。今年年底，印度的计算能力将比一年前增长近20倍。建设AI生态系统的第一步是AI基础设施，类似于互联网生态系统建设中的网络基础设施，包括个人电脑、云和内联网。

在AI领域，建设始于AI计算基础设施，然后是AI的操作系统，即大型语言模型。我们与印度的合作伙伴一起建立了印地语大型语言模型。印度有25种正式语言，每1500公里就会有新的方言。因此，你不需要走太远就可以训练另一个模型。印度是世界上语言模型最难建立的地区之一。如果他们能做到，你也能做到。一旦印度成功创建印地语大型语言模型，其他国家也可以效仿。

接下来是应用层，与我们合作的AI本土公司正在创建只能通过AI实现的新应用。我们的服务伙伴，如WIPRO、InfoSys和TCS，正在与我们合作将AI模型和基础设施推广到全球企业。现在，这是印度的Nvidia。我邀请Vishal与我一起上台，因为我希望他能谈谈我们在印度合作的一些公司。

此外，我要介绍其他一些概念。之前提到过我们有Blackwell和各种库，其中两个非常重要的平台是Nvidia AI Enterprise和Nvidia Omniverse。

Nvidia AI Enterprise是一个关于大型语言模型和基本AI功能的平台。它们已经发展到我们可以创建所谓的智能体的水平。大型语言模型可以理解和处理各种形式的数据。第一阶段是感知，接着是推理：根据观察，确定其任务并执行。智能体将任务分解为不同步骤，连接其他AI模型以完成任务。这些模型有些擅长理解PDF，有些生成图像，有些从专有数据库中检索信息。所有大型语言模型与中央推理大型语言模型（即智能体）相连。因此，这些代理能够执行各种任务。其中一些可能是营销智能体，一些是客户服务智能体，还有一些是芯片设计智能体。在我们公司，NVIDIA 的芯片设计智能体帮助我们设计芯片。也许他们是软件工程智能体，可以进行营销活动或供应链管理。因此，我们将有代理帮助员工成为超级员工。Agent 或 Agent AI 模型会增强员工的能力，使他们更为高效。

现在，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。你必须为他们提供训练，进行微调，教他们如何使用和执行技能，并理解公司的词汇。你需要评估他们，确保他们是评估系统的一部分，并可能对他们进行保护措施。如果你是会计智能体，不要做营销；如果你是营销智能体，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保护的。

我们将整个过程放入智能体生命周期套件库中，称之为 Nemo。我们的合作伙伴正在与我们合作，并将这些库集成到他们的平台中，以便他们可以创建、加入、部署智能体，并将其改进为代理的生命周期。这就是我们所说的 Nvidia Nemo。一方面，我们有库，另一方面，它的输出是 API 推理微服务，我们称之为 NIMS。本质上，这是一个构建 AI 的工厂。Nemo 是一套库，可以加入并帮助你操作 AI。最终，你的目标是创建大量智能体。

我们在印度有合作伙伴。米歇尔，请您向大家介绍一下我们这里的生态系统。

米歇尔：

当然，Jensen。当我站在后面时，让我印象深刻的是一个词，叫做神秘。这就是印度的神秘。Jensen恰好在 12 个月前来到这里，他问了我一个非常深刻的问题：印度丰富多彩，你将如何对其进行编码？这一切都始于基础设施。我们在短短 12 个月内拥有了 Yota 的计算能力，它已经建立了最先进的基础设施，端到端的计算已经存在，为我们提供了长期加速的计算基础设施。所有这些计算帮助我们跨越式解决了印度最大的问题之一：沟通。

就像 Jensen 所提到的，我们说着很多语言。每 50 公里，我们就会改变方言。如果你来自南方，还会加入一点马拉亚拉姆语。那么我们如何才能真正做到这一点？这是我们一些合作伙伴的工作。Servum 就是一个典型的例子。Servum 开始努力帮助印度交流，他们决定进行语音对语音。在进行语音对语音时，他们必须了解多模态语言是如何工作的，以及如何确保其发挥作用。这些工作很快就进行起来，因为我们有可用的基础设施。

同样，我们看到了 Bharat-GPT 的项目，这项工作主要在学术界完成。印度的学院一直有丰富的创意，每当他们想将一个想法转化为研究，他们就需要基础设施。今天，我们在 IIT 和其他组织所做的工作都是共同解决印度面临的关键问题。我们不仅解决了语言问题，还很快意识到印度面临着许多重大挑战，其中之一就是健康。这就是为什么我们有致力于健康的公司。sick tuple 和 cure.a.I 的诊断方法在帮助我们应对健康挑战。

黄仁勋：

没有人比米歇尔更爱印度。一个能言善辩且健康的印度人总是会带来不同，

在这里，最重要的是需要整个合作伙伴生态系统来帮助世界应用人工智能，提高员工生产力。印度则专注于 IT、后台、软件运营、软件交付和软件生产。下一代 IT 将涉及人工智能的生产和交付。正如你所知，软件交付、编码和人工智能交付有着根本的不同，但更为重要和令人兴奋。对于印度来说，这个行业能够帮助全世界的每一家公司享受代理的好处，享受人工智能在不同功能中的好处，并能够大规模部署它。我不知道还有谁能做到这一点。这是一个非凡的机会。我们的工作是帮助您构建和部署 AI，您的任务是利用这些库和我们提供的功能，将其与您强大的 IT 软件功能结合起来，以创建代理并帮助每家公司受益。这是第一部分。第二部分是代理之后的事情。记住，每家公司都有员工，但大多数公司的目标是要建造、生产或制造某样东西。

人们制造的东西可能是工厂、仓库、汽车、飞机、火车或轮船等各种东西。无论是计算机和服务器，可能是Nvidia制造的服务器，也可能是手机，大多数大型行业中的公司最终都会生产一些东西。有时是提供IT行业的服务，但您的许多客户也是生产某些产品。下一代人工智能需要了解物理世界，我们称之为物理人工智能。为了创建物理AI，我们需要三台计算机，我们专门为此创建了三台计算机。

例如，DGX计算机，如同这个AI Blackwell，是一种参考设计和架构，用于创建类似DGX的计算机以训练模型。该模型需要一个地方改进、学习并应用其物理和机器人能力。我们称这个地方为全宇宙，这是一个遵循物理定律的虚拟世界，机器人可以在这里学习成为机器人。完成训练后，该AI模型可以在实际机器人系统中运行。这些机器人系统可以是汽车、机器人、自动移动机器人、采摘臂、整个工厂或整个仓库的机器人。我们将该计算机称为AGX。

Jetson、AGX、DGX用于训练，而Omniverse用于数字孪生。在印度，我们拥有一个非常好的生态系统正在与我们合作，利用这种基础设施和能力帮助全球构建物理AI系统。

米歇尔：

这是其中一个最大的机器人公司。他们不仅制造机器人，还将机器人放入数字孪生中进行优化，并教授机器人所有来自物理世界的输入。系统集成商不仅在将这些知识带入印度，还将其带出印度。做到从印度为全球做，从本地开始，发展全球。

黄仁勋：

谢谢米歇尔，我们制作了一个简短的视频来帮助您整理我刚才说的所有内容。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上运行。然后，软件2.0到来，即在GPU上运行的机器学习神经网络。这导致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改变价值数万亿美元的行业。知识型企业使用生成式人工智能来实现数字化工作的自动化。大家好，我是数字人James。工业企业使用物理人工智能来自动化物理工作。物理人工智能包括像我这样的机器人，安全行驶在现实世界中的自动驾驶汽车，执行复杂工业任务的机械手以及与我们协同工作的人形机器人。

工厂将由能够监控和调整运营或与我们对话的物理AI来实现。NVIDIA制造了三台计算机，使开发人员能够创建物理人工智能。这些模型首先在DGX上进行训练，然后在Omniverse中使用强化学习和物理反馈来微调和测试AI。训练完成后，AI在Nvidia Jetson和AGX机器人计算机上运行。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）中学习和微调技能。这仅仅是机器人。未来的工厂将协调机器人团队，并通过数千个传感器监控整个操作。

对于工厂数字孪生，他们使用名为Mega的Omniverse蓝图。凭借Mega，工厂数字孪生充满了虚拟机器人及其AI模型，即机器人的大脑。机器人通过感知周围环境、推理、规划下一步动作并最终将其转化为动作来执行任务。这些动作由Omniverse中的世界模拟器在环境中模拟，结果通过Omniverse传感器模拟被机器人大脑感知。基于传感器模拟，机器人大脑能够决定下一步动作，并不断循环。同时，Mega精确跟踪工厂数字孪生中所有事物的状态和位置。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世界之前，在全球数字孪生中模拟和验证变化，从而节省大量风险和成本。物理人工智能时代已经到来，正在改变世界的重工业和机器人技术。

黄仁勋：

在我讲完之前，我想向大家介绍今天遇到的一个人，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趣满满。阿克谢·库玛尔！

阿克谢和我有很多共同点。例如，我们俩都在各自的领域工作了超过三十年。不过，我们中的一个是武术家，而另一个有8000万粉丝。

阿克谢：

大家好，我曾请求不要称呼我为第一名。我记得我认识一位超级巨星，他就是我的岳父Rajeshkenna先生。他总是坚决要求我不这样称呼自己。

黄仁勋：

这并不是因为他谦虚，但我们都能同意他确实是个超级明星。

我们大概在同一时间开始了我们的职业生涯，你已经取得了成就，达到了我仍在努力的艺术水平 。我们两个都是从29岁开始的，我们的共同点不止于此。

阿克谢：

我在泰国的曼谷长大，会说泰语。那是对我而言比较便宜且我父母能负担得起的地方。我希望学习，而今天的武术也帮助了我。

我开始时是一名特技演员，后来成为了一名演员。

黄仁勋：

你能告诉我，我们两个人都做了大约30年的同一份工作。我们在不断努力提高我们艺技。回顾你的职业生涯，你认为哪些事情是对你当今成就的关键？

阿克谢：

我认为最重要的一点就是自律。自律在我这个行业的34年中始终帮助着我。这份工作给了我很多，而自律是我取得今天成就的关键所在。因此，自律是最重要的。当然，我一直相信并告诉大家做出自己的选择。比如，小孩子们开始练习武术，这是约束他们的最佳方式之一，同时也非常重要。

黄仁勋：

你知道的，我的两个孩子都是二级黑带。这是一件太棒的事情，因为它能让他们有擅长的事情，他们可以为之自豪。武术不仅教会你纪律，还能让你培养谦逊的品质。

我想说，我们都是武术家...当你看到一个61岁的人保持得如此出色，你是不是很惊讶？而人工智能也显示出我们对这份工作的热爱与投入。很多时候，他七岁就开始拍电影，而我29岁才开始。

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：

但阿克谢告诉我，他最近的一部电影是关于超级警察的，现在就要发布了，这件事暂时保密。他告诉我的事情是秘密的，但我承认自己非常擅长保守秘密(笑）。

阿克谢：

我想知道，人工智能无法从人类那里复制的能力是什么？有哪些事情是人类可以做到的，而人工智能却无法做到的？

黄仁勋：

这是一个非常好的问题，其实可能是当前最重要的问题。人工智能可以执行哪些任务呢？

实际上，人工智能并不能完成我们所有的工作。但在某些情况下，它可以完成我们20%的工作，并且在某些方面比我们做得好一千倍。对于某些任务，它甚至可能完成50%的工作，仍然远胜于人类。然而，在任何职业领域，人工智能都不能全面取代人类的所有工作。

因此，每个人都应该利用人工智能来自动化一部分工作，将其作为助手来完成20%、40%或50%的任务。有时有人问我，人工智能会抢走我们的工作吗？我告诉他们，不是人工智能本身，而是那些使用人工智能来自动化工作的人会抢走工作的机会。

因此，我们现在最重要的任务是开发出安全可靠的人工智能。通过良好的工程学科、工程流程和技术，我们可以构建出这样的人工智能，就像建造安全飞机一样，具备多样性和冗余性，以确保其安全性。这种理念同样适用于人工智能。

我希望从长远来看，每个人都能拥有属于自己的人工智能助手，它们能够提醒我们事情、帮助我们。这样会让世界更安全，更美好。

阿克谢：

它不会像好莱坞电影中那样人工智能接管人类。

黄仁勋：

我们的目标是让人工智能造福社会，并确保其安全使用。

虽然总会有人尝试以不好的方式使用技术，但我们有责任推进技术的发展，以便更好地保障社会的安全和福祉。技术既可以被善用，也可以被滥用，而我们必须用技术来保护社会的安全。

阿克谢：

最后，你昨晚睡了多久？

黄仁勋：

我3点入睡，大概6点半就起床了，所以今天只睡了3.5个小时，但我完全没问题。非常感谢你，库马尔，现在让我总结一下人工智能的话题。

我之前提到过，通过重新发明整个计算堆栈，从编码到机器学习，从在CPU上运行代码到在GPU上运行神经网络，我们正在开发人工智能。我们设想了两种最通用的人工智能：一个是帮助我们提高工作效率的智能体，另一个是代理的物理版本——机器人。这些技术已经可以实现。NVIDIA的工作是开发技术来帮助你构建和部署AI。

当我们大规模应用这些技术时，会如何影响未来？记住，印度曾是一个主要生产软件的国家，未来将出口人工智能。为了创造和生产人工智能，你需要一台机器，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形式，成为我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，这个行业就是智能生产，是大规模的智能生产。这也是我说有一场新工业革命的原因。一个单一的工厂概念，可以运行所有不同的流程和数据，创建模型，为各种行业大规模生成和生产智能和Token。这就是我们现在看到的正在发生的事情。因此，我希望与大家合作，使印度成为这场新工业革命的中心。

现在，为了与你们进一步讨论这个问题以及它如何适用于印度，我邀请到了另一位特别嘉宾，一位业界的先驱。可以说，他帮助印度实现了数字化，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。

图片

我的朋友，穆克什，你好吗？

穆克什：

非常好，很高兴见到你。请坐。我们今天早上一直在谈论人工智能。上次你和我在一起时，我们谈论的也是人工智能，再之前一次也是如此。现在你可以看到，除了人工智能，我们真的没有什么可谈论的。穆克什，没有人比他为帮助印度成为高科技和深科技国家做出更大贡献的了。

黄仁勋：

现在，你正处于这段旅程的开始阶段，有远大的抱负。我知道你有强烈的愿望帮助印度成为深度科技产业。那么是什么让你有这样的信念？为什么人工智能是印度的重要时刻？

穆克什：

所以，Jensen，首先请允许我欢迎你来到我们的城市孟买。我们现在所在的地方是地理世界中心，这个地方是我妻子建造的，所以如果我不提的话，我可是会有麻烦的。

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：

在听你说话的时候，你提到NVIDIA是一个充满异国情调的地方。在印度，我必须告诉你NVDA对我意味着什么，这是一个非常重要的词汇链接，即Vidya。在印地语中，Vidya的意思是知识。

黄仁勋：

我知道我给公司取了个好名字！每个人都说，NVIDIA，这个名字不太好，但我坚持了下来。

穆克什：

所以你可以为这个翻译承担责任。情况还在好转，Jensen。Vidya是萨拉斯瓦蒂，知识女神。在我们的传统中，当你真诚地追求知识女神时，繁荣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：

我们的第一原则就是推动知识革命转变为国际智能革命，这将促进全球80亿人的繁荣。我认为我们即将迎来新的智能时代。我为能成为你的朋友而感到自豪，欢迎来到印度，感谢你为世界带来智能时代做出的贡献。

在我们的有生之年，希望与大家一起，这可以为全世界80亿人，特别是印度15亿人带来更多的繁荣。

黄仁勋：

能够以这种方式做出贡献，我感到非常荣幸和高兴。正如你所知，印度的IT行业以其规模和在计算机科学方面的深厚专业知识而闻名。世界上很少有国家拥有这种自然资源，即IT和计算机科学的专长。在过去的几年里，我们一直致力于技能提升，现在我们已经将约20万名IT专业人员的技能提升到人工智能领域。

我们必须一起寻找方法，以帮助印度以光速转型。因为发展如此迅速，印度正在变成一个不仅仅是IT中心，更是AI中心。

穆克什：

从我的角度来看，Jensen，让我告诉你我在印度的经历。首先，正如我们的总理所说，这是一个新的、有抱负的印度。今天，我们是世界上唯一一个拥有14亿人口且平均年龄低于35岁的国家。因此，推动我们经济发展的不仅是人工智能等新技术，还有我们的雄心。我相信你认识总理，我认为他在将印度转变为一流数字社会方面的领导作用至关重要，他继续推动基层的发展。因此，这是人口红利和领导力的结合。

第三个因素是我们印度人拥有的原始人才。你提到将20万人转变为这个行业，但我相信有数百万人。如果我们放眼现在，印度已经成了全球各大公司的增长最快的领域，是全球的能力中心。我们在印度进行空间研究和药物研究，我相信量子技术和芯片制造也正在印度开展。我们在自己的能源行业，以及生物能源行业，所有能源巨头如shell、BP实际上都在印度进行创新。因此，就我们所处的位置而言，印度正迅速成为世界的创新中心，而不仅仅是制造业中心。

黄仁勋：

在印度，我们有超过10,000名工程师。

穆克什：

这就是我们的挑战。同时，我们拥有必要的基础设施。我们很幸运，拥有相当于道路的连接基础设施。没有道路，就无法到达目的地。因此，我相信今天，除了美国和中国，印度拥有世界上最好的数字连接基础设施，包括4G、5G和宽带。

当人们谈论Geo时，我们说Geo让印度在八年内从世界第158位跃升至第一。作为一家公司，我们曾对这个领域一无所知，但今天我们是世界上最大的数据公司，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巨大的优势。拥有15亿客户是非常令人满意的。作为Geo，我们今年交付了大约16艾字节的数据。在美国，平均每GB收费5美元，全球数据的平均价格约为每GB 3.5美元。而在印度，Geo以每GB 15美分的价格提供数据。我们鼓励客户更多使用手机。

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。通过这项技术，我们能够为所有人带来繁荣和公平的机会。我相信印度将成为最大智能市场之一，这不仅源于我们的愿望，也因为印度独有的原始基因库和年轻力量。这将在推动智能发展的进程中起到关键作用。一旦我们推动了国内市场的智能化，就可以通过软件向世界其他地区提供智能服务。

印度不仅会继续向全球输出首席执行官，还会出口数亿人的人工智能服务，帮助世界变得更美好。这就是你来这里的原因，感谢你们对这个国家的承诺，共同努力对于迎接智能时代至关重要。没有任何一家公司或个人可以独自完成，我们必须共同努力，创建一个更加平等和繁荣的世界，让全球南方赶上其他地区。

黄仁勋：

你们强调了印度拥有的海量数字数据，Geo在这一方面做得特别出色。这引出了我想宣布的一件事。为了在人工智能领域领先，你必须拥有印度现有的人工智能模型技术，需要大量的数据以及人工智能基础设施。我们宣布，Reliance和NVIDIA正在合作在印度建设人工智能基础设施。

印度的一大优势是其庞大的用户群体，这为打造人工智能飞轮提供了基础。因此，现在我们拥有人工智能数据、人工智能基础设施和庞大的用户群体，可以最终形成自己的人工智能飞轮。我真正喜欢的是，当我见到莫迪时，他第一次邀请我与他的内阁会面。这大概是六年前的事了，他请我向他的内阁发表关于人工智能的演讲。这是我第一次应国家领导人的邀请，就这个特定话题发表演讲。那时人们还没有广泛讨论人工智能。

我最后一次拜访他时，他对我说了一句非常深刻的话。我向他解释了人工智能基础设施的重要性，强调每个国家都应该像拥有自己的通信、互联网、道路和能源基础设施一样，拥有自己的人工智能基础设施，包括智能制造。他说，印度应该制造自己的人工智能，不能外包，也不应出口数据以获得智能。他比喻道，这就像印度不应该只出口面粉再进口面包，我们应该自己为数据增值。我们的合作正是为了开始构建这些基础设施，使印度能够拥有自己的技术体系。印度有足够的计算机科学专业知识和庞大的用户群来驱动这一飞轮。

莫迪当时受到了启发，并指出人工智能有能力提升整个印度的人口。他提到，全球懂得编程的人非常少，而编程并不简单。尽管印度是全球程序员最多的国家，但大多数人并不会编写常见编程语言的程序。然而，智能程序的编写是每个人都可以尝试的。如果人工智能能普及到每个公民，将赋予他们巨大的能力。这种技术能够造福社会的每一个人。

穆克什：

我认为我们非常幸运能有这样一位有远见又有执行力的领导者。我期待着与Jensen的合作，就像你从第一原则开始一样，我也希望采用最好的技术。现在，你们的 GB 200 无疑是最好的技术，我期待着印度能够借此实现技术飞跃。我们在贾姆讷格尔已经准备好大规模扩张，建设基础设施，目标是一千兆瓦的绿色能源设施，不依赖他人供电，以扩大规模和技术能力。

对印度和印度人来说，重复一个地理位置，让智能真正物美价廉，让普通人能够享用非常重要。我们必须设计和构建基础设施，使客户无需更换手机或电脑就能获得高质量的人工智能，由我们来整合这些基础设施。我认为，我们与您的合作会实现这一目标。

最重要的是，我非常尊重我的朋友马克·扎克伯格，他通过开源为每个人参与这场革命创造了机会。Llama 3 激活了全球每家公司和行业，让我们得以在这一基础上继续发展。马克的这一举动将被载入史册，因为开源推动了许多伟大的事物。Linux 是开源的，我们可以将 Llama 作为基础模型进行开发，再进行微调、训练等。我相信在座的年轻人，未来将创造出一个印度模式，可能比 Llama 强大十倍。希望我们的年轻人能够实现这一目标，开源是一个很好的起点。最重要的是，所有的工具都在我们的手中。我们拥有的代工厂工具，期待着建立一个开发中心，利用你们的四种工具，训练印度数十万名开发人员熟练掌握所有企业工具和全能工具。这样，我们可以以实际应用的方式运用智能。对我而言，这只是智能时代的开始，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。你们觉得呢？

穆克什：

我喜欢。这就是它精彩的原因，也是我们要一起实现的目标。这是真的。我可以向你们保证，就像我们在数据领域所取得的成就一样，几年后，我们会让世界惊叹于印度及印度人在智能市场上的成就。谢谢。

黄仁勋：

Mikesh，它会实现的，我们当然同意，这是一个非凡的时代，也是印度的非凡机遇。印度拥有庞大的人口和计算机科学家资源。在计算行业即将成为智能行业的时刻，要充分利用你们所拥有和所知的一切，以及庞大的数据资源和大量消费者，实现智能到数据、数据到智能的循环，并借助国家获取数据的意愿，去实现一些目标。

这是一个非常特殊的时期，我很荣幸与你们合作完成这项工作。让我们今天承诺，共同努力，使印度能够充分利用这场智能革命。非常感谢各位女士们、先生们。

穆克什：

谢谢。此外，Jensen，我的朋友，你来这里的时候，距离排灯节只有几天了。排灯节是我们的新年，是我们崇拜繁荣女神的日子。因此，我代表我们大家向你表示感谢，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​​51CTO技术栈​​