内容来源：本文为英伟达CEO黄仁勋（Jensen Huang）在斯坦福商学院“View From The Top”沙龙访谈活动中的分享。内容有删减。
2024 年 3 月初，英伟达的 CEO 黄仁勋回到母校斯坦福大学，跟大家讲了他的创业故事和英伟达的成长经历。
他以前在 LSI Logic 当工程师，后来和 Chris、Curtis 一块儿创办了一家公司。当时，正处于微处理器革命，他们认为微处理器非常重要，因此决定建立一家公司来解决通用计算驱动的普通计算机不能解决的问题。
黄仁勋还讲了他们是怎么在没市场的情况下创造市场的。他认为，工作重要性比市场大小更值得关注。
他也谈到了他们是怎么在金融危机的时候亏了 80%的市值，但还是咬牙坚持下来了。
说起领导风格，他认为每个人都应该对他们所处的情况有所了解，以便想出好主意。他还认为，管理团队的工作就是为员工创造条件，让他们能够从事他们一生的工作。
谈到组织设计，他觉得组织的设计应该根据他们所构建的东西来进行，而不是模仿其他公司。
以下为对话正文：
一、努力造就英伟达
主持人：Jensen，非常荣幸能邀请到您，谢谢。
黄仁勋：能来这里我很高兴，谢谢。
主持人：为了庆祝您回到斯坦福，我想先聊聊您离开斯坦福的那段经历。当时您加入了 LSI Logic（美国逻辑芯片公司），那是当时最棒的公司之一。您也跟很多人建立了良好的声誉，但却决定离开去创业。是什么促使您做出这样的决定？
黄仁勋：是 Chris 和Curtis（两位英伟达联合创始人、黄仁勋的好友）。当时我在 LSI 做工程师，他们在 Sun 工作。我当时跟 CS 领域最聪明的人共事，制造各种工作站包括图形工作站。
有一天 Chris 和 Curtis 说，他们想离开 Sun 。他们想让我帮忙想想做什么好。我的工作很棒，但他们坚持要我加入他们一起思考如何创立一家公司。
他们过来时，我们就在 Denny’s 聚会，那几乎算是我最初效力的公司。我成为 CEO 之前的第一份工作是洗碗工，那份工作我做得很出色。总之，我们经常聚会，而那段时期正值微处理器革命。
那是在1992到1993年期间，PC革命才刚开始。革命性的Windows 95 还没上市，奔腾处理器甚至还没发布。这一切都发生在 PC 革命爆发之前，显而易见，微处理器会非常重要。
于是我们想，为什么不创立一家公司解决通用计算机无法解决的问题呢？这便成了公司使命：制造特殊的计算机解决普通计算机无法解决的问题。直到今天，我们还一直专注于此。
看看这些我们开拓的市场以及市场中的各种问题，比如计算机药物设计、天气模拟，材料设计。这些都是我们引以为豪的东西。机器人、自动驾驶汽车，以及人工智能的自主软件。
随后我们不断地推动着技术进步，最终计算成本接近于零。这促成了一个全新的软件开发方式，计算机自己编写软件，也就是我们今天熟知的人工智能。
主持人：那时，LSI 的 CEO 说服了他的最大投资者 Don Valentine 与您会面，就是红杉资本的创始人。您是如何说服硅谷最炙手可热的投资者为您投资的呢？
黄仁勋：我不知道如何写商业计划书，所以我去了家书店，找到一本书《如何写商业计划书》。
我拿起这本书，大概有450页，然后想：算了。等我读完它的时候，公司估计都倒闭了，钱也花光了。
Laurie和我当时银行里只有六个月左右的生活费，我们已经有了 Spencer和Madison，还有一条狗，所以我们一家五口只能靠手头这点存款生活。因此我时间不多，我没有写商业计划书，而是直接去找了 Wilf Corrigan 。
他曾经有一天给我打电话说：「嘿，您离开公司了，您都没告诉我您干嘛去了，我希望您能回来给我讲讲。」
我回去给 Wilf 做了详细的介绍。Wilf听完我的介绍后说：「我完全不明白您在说什么。」「这是我听过最烂的创业推销之一。」
随后他拿起电话打给 Don Valentine，他打电话给Don说：「Don，我要给您送个小伙子过去，我希望您能给他投资。他是我在 LSI 最棒的员工之一。」
我学到的教训是：你可以忽悠一个精彩的面试，你也可能会把面试搞砸，但你无法逃避自己的过去，所以要把自己的「过去」做好。
从很多方面来说，我说我是个好洗碗工是认真的，我可能是Denny’s餐馆史上最好的洗碗工。
我有规划，注重组织有序，我准备工作很用心，然后全力以赴地清洗盘子，之后我被提拔为服务员，我是Denny’s最好的服务员。我从不空手离开工作区，也不空手回来，我效率很高。
总之，我最终成为了CEO，但我仍在努力成为一名优秀的CEO 。
二、逆风中，坚持我所相信的
主持人：您曾说要做最好的，要成为后来获得投资、做同样事情的89家公司中最优秀的。当公司的资金仅够维持6到9个月时，您意识到最初的愿景行不通。在如此不利的情况下，您如何决定下一步来挽救公司呢？
黄仁勋：我们创立了「加速计算」（NVIDIA）公司。问题是，它用来做什么？它的杀手级应用是什么？
这就是我们做出的第一个重大决定，也是红杉投资的项目。我们的第一个重大决定就是，首个重点应用领域是3D图形。技术将是3D图形，而具体应用程序将是电子游戏。
当时，廉价的3D图形技术是不可能做到的。硅谷图形芯片产品要上百万美元，做廉价版本很难。而电子游戏市场当时的价值是零美元、不存在。你有一项难以商品化的技术，瞄准了一个尚未存在的市场。这个交集就是我们公司的创立点。
我还记得当我完成展示后，Don说了句话，当时很有道理，今天听来也是：「初创公司不该投资初创公司或者跟初创公司合作。」
他的观点是，为了让NVIDIA成功，我们需要另一家初创公司也取得成功，就是Electronic Arts。那家公司的CTO只有14岁，得由他妈妈开车送他上班。他想提醒我，这就是我要依靠的人。他说：「你要是赔了我的钱，我杀了你。」这就是我对第一次会议的回忆。
不过尽管如此，我们还是创造了点东西。接下来几年我们着手去开拓市场，为PC创造游戏市场。这花了很多时间，我们直到今天还在耕耘这块领域。
我们意识到，为了把百万美元的计算机图形技术商品化，使其适配进入售价300美元、400美元、500美元范围的电脑，你不仅要创造新技术，还得发明新的计算图形处理方式。同时你还需要去开拓全新的市场。
因此，我们必须不断创造新技术、新市场。这种「创造技术、开拓市场」的理念定义了我们公司。我们做的几乎每件事情都是创造技术、创造市场。
这就是人们说的「生态链」的本质。过去30年里，NVIDIA的核心领悟就在于：为了让别人购买我们的产品，我们必须亲手开拓这个新市场。
这就是为何我们很早就开始布局自动驾驶、深度学习，以及在很多领域都处于前沿，包括计算药物设计和发现。我们在创造技术的同时致力于开拓所有这些不同领域的市场。
接下来我们步入正轨，然后微软推出了 Direct 3D 的标准。这催生了成百上千家公司。几年后我们发现自己在跟几乎所有人竞争。我们赖以创立公司、开拓消费级 3D 图形的那项发明技术，居然跟 Direct 3D 标准不兼容。
我们创立公司，想把百万美元的发明技术商品化，但很快发现与新的标准不兼容。我们不得不更改赛道，否则就只能倒闭。但我们不知道如何按照微软的方式来构建它。
我还记得那次会议上的讨论：我们现在有89个竞争对手，我们知道之前的方式不对，但我们不知道正确的方式是什么。
幸运的是我又看到一家书店Fries Electronics。我不知道它现在还在不在。有个周末我带女儿 Madison 去书店，然后就看到了这本书 OpenGL手册，定义了硅谷图形的计算机图形处理方式。一本 68 美元，我买了三本。
我把书带回办公室，对大家说：「我找到了咱们的未来。」我把三本书分发下去传阅，中间有大幅的折叠插页，这个插页就是OpenGL流水线计算机图形处理流水线。我把它交给了与我共同创办公司的那些天才手中。
我们以前所未有的方式实现了OpenGL流水线，构建出了世界从未见过的东西。其中有很多经验教训。对我们公司来说，那一刻给了我们极大的信心：即使对所做的事情一无所知，也能成功创造出未来。
现在这就是我对任何事情的态度。当有人跟我说我没听过的事情，或者听说过但不懂原理，我的想法总是：能有多难呢？可能看本书就搞定了，可能找一篇论文就能搞清楚原理。
我确实花了很多时间阅读论文，这是真的。当然，你不能照搬别人的做法，指望会有不同的结果。
但你可以了解某件事情的实现原理，然后回归问题的本质，扪心自问：基于现有的条件、动机、手段和工具，以及一切如今的变革，我会怎么去重做这件事？我会如何重新发明它？我会如何设计它？
如果今天造一辆车，我会沿用过去的方式吗？如果今天让我创造一台计算机，我会采用怎样的方式？如果今天让我来编写软件呢？
这么想有道理吗？即使是今天的公司，我也经常回归本质，从头思考。这是因为世界已经变了。
过去编写软件的方式是单一的，是为超级计算机设计的，但现在软件架构已经解耦等等。我们今天思考软件、计算机的方式一直在改变。经常促使公司和自己回归问题本质，会创造出大量的机会。
三、英伟达的核心：开创一种新的计算方式
主持人：而当您运用这种技术时，结果可能是革命性的。公司上市之后您获得了更快的发展，四年里营收增长了九倍。但您却因为一通化学教授的电话转变了NVIDIA的创新方向，您能讲讲这个过程吗？您是如何把谈话与NVIDIA的未来联系起来的？
黄仁勋：英伟达公司本质上是在开创一种全新的计算方式。计算机图形是第一个应用领域，但我们一直知道会有其他应用。陆续有图像处理、粒子物理、流体等领域开始使用我们的技术。还有很多我们想做、觉得会很有趣的应用领域。
我们努力让处理器更具编程性，从而可以表达出更多样的算法。后来我们发明了可编程着色器，让成像和计算机图形的各部分都具备了可编程性。这是一次重大突破。我们试图找到可以充分利用我们处理器（它和 CPU 有很大区别）来计算更复杂算法的方式。
大概是2003年，我们创造了CG。C for GPUs的简写。它比CUDA早了大约三年。编写那本曾挽救公司的教科书的作者，Mark Kilgard，他也编写了关于CG的教科书。
CG 非常酷，我们还出了教科书。我们开始教人们如何使用它，也开发了一些相应的工具。后来有好几位研究人员发现了CG，斯坦福大学的很多研究人员和学生都有在用它。很多后来成为NVIDIA工程师的人当时也在捣鼓这个。
马萨诸塞有几位医生开始使用CG进行CT图像重建。我飞过去见了他们，问他们拿这个工具在干什么。他们告诉了我他们的工作。然后一位量子化学家也用它来表达他的算法。
我意识到有迹象表明人们可能真的开始有需求使用它。这让我们逐步确信我们应该更深入地发展这块领域。这个计算领域、这种计算形式能解决普通计算机难以解决的问题。这也强化了我们的信念，让我们继续前行。
主持人：每次听到新的应用方式时，您都觉得很惊喜。这似乎贯穿了您在NVIDIA领导生涯中的一个主题，就像您在技术拐点出现之前就做出了赌注。当苹果终于从树上掉下时，您正穿黑色皮夹克在等着接住它。您是如何做到如此确信的？
你的行动源自于核心的信念。我们坚信可以创造出一种计算机能解决一般计算无法解决的问题。我们相信CPU的能力是有极限的，通用计算的能力也有极限。同时我们也知道能去解决一些有趣的问题。
但这些问题只是有趣吗？还是能扩展成有趣的市场？只有当它们成为市场时才能保证可持续性。
NVIDIA有十年的时间在投资未来，但市场并不存在。当时只存在一个市场：计算机图形。
十几年的时间，推动我们今天发展壮大的市场根本不存在。
那么，你该如何继续带领身边的所有人：公司、管理团队、优秀的工程师、股东、董事会、合作伙伴？你带着所有人上路，但根本没有市场存在的证据。这是真的非常非常的具有挑战性。
我们的技术可以解决问题，但你得寻找市场。在市场出现之前，你仍然需要看到未来成功的早期指标。公司里有一句行话叫关键绩效指标KPI 。不幸的是，KPI很难理解。
什么是好的KPI呢？当我们看KPI时，很多人都会说「毛利率」，但那不是KPI，那是结果。
你应该寻找未来成功的早期指标，而且越早越好。原因是你想尽早看到自己正走在正确的方向上。
我们有个短语叫EIOFS「未来成功早期指标」的缩写。我常使用这个词，它能帮助人们、给予公司希望。
看，我们解决了这个问题，那个问题。市场尚不存在，但存在着一些重要的问题，解决这些问题就是公司的意义所在。我们希望可持续发展，因此必须有市场在某个时刻出现。
但是，你要把结果与你正在做正确的事情的证据脱钩。这就是解决问题的办法：你投资某个非常遥远的事情，还得有信念坚持下去。办法就是尽早找出你做的事情是否正确的那些指标。
最开始得有一个核心信念，除非有什么改变了你的想法，否则你就要继续相信它，并且寻找未来成功的早期指标。
黄仁勋：各种各样的都有。我看到过这样一篇论文，在此之前很久我遇到了需要我在「深度学习」领域提供帮助的人。那时，我甚至不知道深度学习是什么。
他们需要我们创建一个领域特定的编程语言，这样他们所有的算法都能在我们的处理器上轻松实现。我们创造了这个叫做KU-DNN的东西。它本质上是在深度学习领域的SQL（数据库语言）。而SQL则应用在存储计算方面。
我们为深度学习创造了一门编程语言，就像是该领域的OpenGL。他们需要我们做这个，这样他们才能表达他们的数学计算。他们不懂 CUDA，但他们懂深度学习。我们在中间给他们创造了这个工具。
我们之所以这么做，是因为即使当时市场规模是零……这些研究员身无分文，即使看不到财务回报、遥遥无期，只要你相信，公司也愿意去做。
这是我们公司的伟大能力之一。我们会问自己，这项工作是否有价值？它是否能在某个重要的领域推动科学的发展？
注意，这是我从一开始就在强调的事情。从创立之初，我们就一直是注重工作的重要性而非市场规模。因为工作的重要性是未来市场存在的早期指标。
没有人需要做商业分析报告，没有人需要给我看损益表、或财务预测。唯一的问题是，这项工作重要吗？如果我们不来做的话，这些事还会不会发生？
如果我们不做、事情也会自然发展，我其实特别高兴。因为你想想，你什么都不用做，世界却变得更好了。这是终极「懒人」的定义。从很多方面来说，你需要养成这种习惯。公司应该对别人总能做好的事情保持「懒惰」态度。
如果别人能做，那就让他们去做吧。我们应该去做那些「如果我们不做就会出问题」的事情。
你必须说服自己：如果我不做，这件事就做不成。这是一项艰巨而重要的工作，它会赋予你使命感。我们公司一直在选择这样的项目，深度学习只是其中之一。其早期成功的迹象是吴恩达的人工智能识别猫。Alex检测出了猫，虽然不是每次都能成功，但至少能证明这条道路可能有所发展。
我们分析了深度学习的结构，我们是计算机科学家，我们理解事物运行的原理。我们说服自己这个技术能改变一切。无论如何，这就是一个例子。
主持人：您的这些选择取得了巨大的回报，字面、及比喻意义上都是。但金融危机期间，华尔街不相信您押注机器学习。公司市值蒸发 80%，您带领公司经历了非常艰难的时期。在那种情况下，您是如何掌控局势、让员工专注目标？
黄仁勋：我在那段时间的反应和过去一周的反应完全一样。之前你问我本周的事我的反应没有任何变化。
当然，股价跌了80%确实有点难堪。你只想穿一件「不是我的错」的 T 恤出门。更糟的是你不想起床，不想出门。这些都很真实，但随后你还是得投入工作。
我在同一时间醒来，用同样的方式规划我的一天。我回归初心：我相信什么？
你必须始终牢记核心，你相信什么？最重要的事情是什么？一项项确认。再回到你的工作核心，继续工作。
然后每一次对话都回到工作核心，让公司的注意力集中在核心上。你坚信吗？有什么东西改变了吗？股价变了但还有其他东西变了吗？物理定律变了？万有引力变了？那些促使我们做出决定的事情，那些假设、那些信念有变化吗？
因为如果这些东西变了，那一切都得变。但如果它们不变，你也什么都不需要改变。继续走下去，这就是坚持的办法。
主持人：和您的员工交流时，他们说您不想公开露面。
黄仁勋：不幸的是作为领导者，你得让人看到，这才是难的地方。
我是学电气工程的，入学的时候年纪很小。我有点内向，很害羞，不喜欢公开演讲。当然今天能来这里很开心……但这不是我的本性。当情况有挑战时，站在你最关心的人面前并不容易。你能想象公司股价下跌80% 时开会吗？
作为 CEO，我最重要的职责是站出来面对你们，解释情况。有时候你不知道原因，不知道会持续多久、有多糟糕。你对这些一无所知，但仍然必须去解释。
面对所有这些人，你知道他们在想什么。有些人可能认为我们完了，有人可能觉得你是个白痴，有人可能在想别的事情。大家可能胡思乱想，你知道，但你还得站在他们面前去做艰苦的工作。
四、企业组织中赋权很重要
主持人：您的员工说您的领导风格非常投入。您有 50 个直接下属。您鼓励各级员工向您发送他们认为五件最重要的事情，您不断提醒大家没有任何工作您看不上。
能告诉我们您为什么设计这么扁平的组织结构吗？我们该如何思考未来要设计的组织架构？
黄仁勋：没有任何工作我看不上。别忘了我曾经真是个洗碗工。我洗过很多很多厕所，比你们所有人加起来还要多。那些画面挥之不去。我也不知道对你说什么，这就是生活。
你不可能给我一项我做不了的工作。我做事情不是仅仅因为它是否配得上我。如果你给我发东西想要我的意见，如果我能为你提供帮助跟你分享我的思考过程，那我就能有贡献，让你看到我是如何进行推理的。
了解一个人处理事情的思考方式能赋予你力量。你会想：「天哪，原来你是这么思考这种事情的。」
你会知道原来这么处理模糊不清的事情，你会知道如何处理无法估计的事，你会知道如何处理看似很可怕的事情，你会知道怎么……明白吗？
我一直在示范给大家怎么进行推理，战略——如何预测某事如何分解问题。你在不断地赋权众人。我就是这样看待这事的。
如果你发东西给我审阅，我会尽力而为，然后让你知道我会怎么做。这个过程中我也从你那里学到了很多，对吧？你提供了大量的信息我学到了很多。
所以我觉得这个过程很有回报。有时候确实会很耗费精力为了给别人增值，他们本来就很聪明，我身边都是这种人。
要想给他们增值，你至少要达到他们的水平。你必须进入他们的思维空间，这真的很难。需要消耗大量的情感和智力能量。在做完这样的事情后，我会感到精疲力竭。我身边很多优秀的人。
CEO应该拥有最多的直接下属，因为能直接汇报给CEO的人需要的管理最少。若CEO的下属很少，在我看来毫无道理，除非说，CEO知道的信息最有价值、最机密。他只能告诉给两三个人，这些人也只能告诉另外几个人。我不认同这种「你掌握的信息就是权力」的文化或环境。
我希望我们都能为公司做贡献，我们在公司中的地位应该取决于我们解决复杂问题的能力、带领他人取得卓越成就的能力、激发他人灵感的能力、赋能他人和支持他人的能力。
这才是管理团队存在的目的——服务其他员工，创造有利条件让优秀人才愿意来为你工作，而不是去其他令人赞叹的高科技公司。他们选择、自愿来为你工作。因此，你应该创造出能让他们从事毕生工作的条件，这就是我的使命。
可能你已经听过我说这件事而我也相信这一点。我的工作很简单，就是要创造你能够做毕生工作的条件。那么我如何做到这一点？这种条件是什么样的呢？
这种条件会带来很大的自主性。只有当你了解环境时你才会获得这种自主性，对吗？你必须了解所处状况的背景才能想出好点子。我必须创造让你知晓背景情况的环境，你得有知情权。
得到知情权的最佳方式是减少信息扭曲的层次。这就是为什么我很经常在这样的场合下进行推理。
我会说，这是最初的事实，这是我们拥有的数据。我要这样进行推理，以下是一些假设。以下是一些未知因素，以下是一些已知因素。所以你就进行推理了。现在，你已经建立了一个高度自主的组织。
NVIDIA有3万人。我们是世界上最小的超级公司。但每位员工都有很大自主权，每天帮我做明智决定。原因是他们理解我的状态。他们理解我的状态。
我对人很透明，我相信我可以把信息托付给你。信息可能难理解、情况很复杂但我相信你可以应付。
我对很多人说过「你们是成年人、可以应付这个的。」
五、计算的未来高度依赖生成而非检索
主持人：上周，您说生成式人工智能和加速计算已经达到临界点。随着这项技术变得越来越主流。您最兴奋的应用是什么？
黄仁勋：你必须回归初心，问问自己什么是生成式人工智能？发生了什么事？我们有了可以理解事物的软件它们可以理解为什么……
我们将所有东西数字化了。基因测序，数字化基因。但这意味着什么呢？那串基因序列有什么意义？
我们已经将氨基酸数字化，但这是什么意思呢？我们现在有能力数字化文字、数字化声音，我们数字化图像和视频，我们数字化了很多东西。
但是这意味着什么呢？通过大量学习、大量数据以及从模式和关系中，我们现在理解了它们的含义。我们不仅理解它们的意思还可以在它们之间进行转换，因为我们了解这些事物在同一个世界中的含义。
我们不是分开了解它们的。我们是在同一个上下文中学习口语、文字、段落和词汇。我们找到了它们之间的相关性，它们彼此都是有关联的。
现在，我们不仅理解了模态、每个模态的含义，我们还明白如何在它们之间进行转换。显而易见的应用如：视频生成文本，就是字幕；文本生成图像如Midjourney；以及文本生成文本如ChatGPT，太神奇了。我们现在知道，我们理解了含义，还可以转换。某些事物的转换等同于信息生成。
突然间，你得退后一步扪心自问，这会对我们所做的每一件事的每一层面带来什么影响？
我认为，我们未来处理信息的方式将从根本上改变。这就是NVIDIA制造芯片和系统的原因。
我们编写软件的方式也会从根本上改变。我们未来的软件类型会改变会催生新的应用程序。还有，这些应用程序的处理方式也会发生改变。
过去，模型基于检索预先记录的信息，我们编写文本、预先记录然后基于算法来检索。
在未来，某些信息的种子将成为起点。我们称之为 Prompt提示词，然后生成其它的内容。未来的计算将高度依赖生成。
回到原点，你们创业时，得自问哪些行业会因此被颠覆？我们还会对网络持有同样的看法吗？我们还会对存储持有同样的看法吗？我们还会像今天这样滥用互联网流量吗？可能不会。
我们此刻在对话，但不是你每问个问题我就上车离开。我们不必像过去那样滥用信息传输。什么会更多出现？什么会减少？哪些新的应用程序？等等之类的问题。
你可以审视整个行业格局自问：什么会被颠覆？什么会改变？会出现哪些新事物？诸如此类。
推理过程始于「发生什么了？什么是生成式人工智能？」从根本上，到底什么正在发生？对所有问题都回归本质。
我还想聊聊组织架构。创建组织的方式得回归本质，别管其它公司的组织架构。你记住组织是用来做什么的。
过去的架构是上面一个CEO下面是辅佐大臣，层层向下，最底层就是普通员工。这样设计的目的是希望员工获得的信息越少越好，因为士兵们的根本任务就是在战场上卖命。
我只有3万名员工，我不希望任何人去送死。我希望他们质疑一切，能理解吗？过去的组织方式与今天的组织方式截然不同。
问题是「NVIDIA要创造什么？」组织架构的目标，是让我们更好地去创造我们要创造的东西。
大家创造的东西不同，为什么还要用相同的组织架构方式呢？为什么采用相同的组织架构、而不考虑你们要创造的是什么？毫无道理。你造计算机用一种架构去组织。你提供医疗服务还用完全相同的架构去组织。这完全说不通。
你得回归本质自问：需要什么样的架构？输入是什么？输出是什么？这个环境有什么特性？这种动物必须生活在什么样的环境中？它的特性是什么？大部分情况下是稳定的吗？是不是每时每刻都努力榨干最后一滴水？还是时常变化、随时会被攻击？
你得明白，作为CEO你的工作就是架构这个公司。这是我的首要工作——创造条件让你能做毕生的事业。架构必须正确你必须回归本质，思考这些问题。
我很幸运，在 29 岁的时候有机会退后一步思考：我如何为未来构建这家公司，它的样子会是怎样？它的操作系统是什么也就是企业文化？我们鼓励和推广哪些行为、不鼓励哪些行为？等等。
主持人：作为英伟达的联合创始人和CEO，如果您能闭上眼、神奇地改变关于明天的一件事，会是什么？
黄仁勋：我个人观点，世上有很多事我们无法控制，你的工作是做出独特贡献、有目标的生活，做一些只有你才能做或会去做的事。
对我来说我就是这样过日子的。我会快进到未来再往回看。你的问题其实和我思考问题的视角完全相反，我不从当前位置向前看，我快进到未来，再往回看。因为这么做更容易。
这有点像解决问题的方式。你搞清楚最终想要的结果，然后反推实现它的方法。所以我设想NVIDIA为推动计算领域发展做出独特贡献，因为计算是推动整个人类进步的最大动力。
六、对AI发展期待与担忧并存
观众：我叫Jose，我的问题是：您是否对我们开发AI的速度感到任何担忧？您认为是否需要任何监管制度？
黄仁勋：答案是肯定的也是否定的。现代AI最伟大的突破是深度学习，有了长足的进步。但另一个不可思议的突破是人类常有、常使用的一项能力。
我们把它应用在语言模型上称为基础、强化学习、人为反馈。我每天都在提供强化学习与人为反馈。这就是我的工作。
如今，我们才弄清楚如何将这个系统性地应用在人工智能上。还有很多其它防范手段：例如，微调、基础。如何生成遵循物理定律的数据？
目前，有些模型生成的物体会在太空中飘、不遵循物理定律。这需要技术来解决。防范需要技术，微调需要技术，使AI与人类目标相一致需要技术，安全也需要技术。
飞机之所以安全，是因为所有的自动驾驶系统，都由多样性和冗余性系统支持， 还有各种各样新发明的功能安全和主动安全系统。我们需要更快、更快速地发明出所有与之类似的技术。
安全和人工智能之间的界限网络安全和人工智能之间的界限将会变得模糊而紧密交融。在网络安全领域，我们需要技术非常、非常快速地进步才能保护我们免受人工智能的伤害。
从很多方面来看，我们需要技术更快推进，远比现在快得多。监管有两类，有社会监管，我真不知道该如何处理；也有产品和服务监管，这点我非常清楚该怎么做。
FAA、FDA、NITSA等等各种联邦政府机构，它们针对特定用途的产品和服务有各种监管措施。律师行业有职业资格考试、医生行业也是，如此等等。
不管是产品还是服务都已经有很多、很多的监管制度。请不要再额外增加一套横跨所有行业的超级监管。监管会计行业的监管者不应该去监管医生。
我漏掉了很重要的一个方面，那就是 AI 给社会带来的影响。如何应对呢？
我没有很好的答案，不过已经足够多的人在讨论了。但重要的是把这一切划分成很多个子问题。这样，我们才不会过度聚焦于一个领域，而忘记了大量常规领域还可以做的事。
七、拥有一个核心信念
主持人：如果您能分享一条简短的建议给斯坦福，会是什么呢？
黄仁勋：拥有一个核心信念。每天都发自内心地检视目标竭尽全力追求、持之以恒地追求。和您爱的人一起，携手踏上正途。这就是 NVIDIA 的故事。
暂无评论，点击讲两句