原文連結： Nvidia CEO 黃仁勳和Mistral CEO Arthur Mensch 談如何贏得全球人工智慧競賽
Jensen Huang
這是人類有史以來最強大的力量，能夠縮小科技鴻溝。
Arthur Mensch
在未來幾年內，它將對每個國家的 GDP 產生雙位數的影響。
Jensen Huang
沒有人會替你做這件事，你必須自己動手做。
Arthur Mensch
這取決於各個組織、企業，甚至國家，去建造他們所需要的東西。
Anjani Mehta
這背後的利害關係基本上等同於現代數位殖民化。 人工智慧不僅僅是運算基礎設施，它同時也是文化基礎設施。
未具名的 Podcast 主持人／旁白 人工智慧主導權之爭不僅限於企業，現在也越來越引起各國政府的高度關注。
而這當中包括了涵蓋每一層技術堆疊的基礎設施——晶片、模型、應用程式，以及支撐這些 AI 工廠所需要的能源、製造它們所需的人才，還有能夠協助而非阻礙整個生態系的良好政策。這一切加總起來，正在成為關鍵。
Jensen Huang
建立初期總是困難的，這次也沒有例外。
唯一的問題是：如果你想成為未來的一部分，你需要去做這件事嗎？ 而這是史上影響最深遠的技術——不只是我們這個時代，而是有史以來最具影響力的技術：數位智慧。 還有什麼能比這更有價值、更重要呢？
未具名的 Podcast 主持人／旁白 在今天這一集，我們將探討「主權 AI」以及世界各國——無論大國或小國——在 AI 基礎設施上的區域競賽。 而要討論這個主題，真的沒有比我們今天的來賓更合適的人了——Jensen Huang 和 Arthur Mensch 。
Jensen 當然是不可取代的 Nvidia 聯合創辦人兼長期執行長，這家公司以不斷自我革新聞名，並且能夠下關鍵賭注，例如 GPU（圖形處理器），正是這個產品讓它成為如今市值超過 3 兆美元的巨型企業（截至本集錄音時）。 而 Nvidia 製造的產品，比如 GPU，也是當今數位世界的骨幹。
另一位 Arthur，則是 Mistral 的共同創辦人兼執行長，Mistral 是一家領先的 AI 實驗室，專注於可客製化的開源前沿模型，同時也開發越來越多工具，幫助企業，甚至國家，與 AI 互動、應用。
Arthur 和 Jensen 今天與 A16Z 的普通合夥人 Anjani Mehta 一同坐下來討論，探討「數位智慧」在國家層級的角色，以及各國應該如何思考擁有權、如何將文化編碼，還有開源應該扮演什麼樣的角色。
好了，我們開始吧。
溫馨提醒，本節目內容僅供資訊參考，不應被視為法律、商業、稅務或投資建議，也不應用來評估任何投資或證券。本節目內容並非針對任何 A16Z 基金的投資人或潛在投資人。 請注意，A16Z 及其附屬機構也可能對節目中提到的公司有投資。如需更多詳細資訊，包括我們的投資清單連結，請參閱 a16z.com/disclosures。
AI 作為通用技術的重要性
Anjani Mehta
今天我們要討論「主權 AI」，一切關於國家級基礎設施與開源的話題。
所以讓我從國家領袖通常問的第一個問題開始： AI 真的是一個「通用技術」（general purpose technology）嗎？
在人類歷史上，這類技術大概只有幾種。22 世紀或 24 世紀的經濟學家稱這些技術為「推動整個社會經濟進步」的特定技術。 例如：電力、印刷機。
而現在大家都在問的問題是： 用這種方式思考 AI 是對的嗎？ 還是 AI 只是另一個重要但最終只是狹隘用途的技術？
主權 AI 的概念與挑戰
Arthur Mensch
我認為它是一個通用技術，因為它基本上完全重新定義了我們如何建立軟體，以及我們如何使用機器。
同樣地，過去網際網路是一個通用技術，而 AI 在此時此刻也是一個通用技術。
它允許我們建立能代替你行動的智能代理（agents）。 因此，它可以被應用於各行各業。 它可以用於商業服務、公共服務，可以改變公民的生活，可以用於農業，當然也可以用於國防用途。 所以它涵蓋了國家需要關注的一切面向。 因此，很自然地，每個國家都會把它列為優先事項，並制定國家級的 AI 發展戰略。
Jensen Huang
順帶一提，Arthur 說的 100% 都正確。 但這同時也正是所有人放棄的原因。 而且這恰恰是錯誤的。
原因就是這樣： 如果它是一個通用技術，而只要有一間公司就可以打造出終極通用技術，那麼，為什麼其他人不也能做到呢？
而這，就是最大的謬誤。
Anjani Mehta
對吧？
Jensen Huang
但這也是一種心理上的陷阱，讓大家相信智慧（intelligence）只有少數人應該去打造，而其他人都應該袖手旁觀、等待他們完成。 我會建議大家都要投入 AI，這不應該只是世界上少數幾家公司在做的事情。每個人都應該參與、都應該去打造它。
沒有人會比瑞典更關心瑞典的文化、瑞典的語言、瑞典的人民和瑞典的生態系統； 沒有人會比沙烏地阿拉伯更關心沙烏地阿拉伯； 沒有人會比以色列更關心以色列。
儘管這項技術是通用的，這點絕對正確——智慧怎麼可能不是通用技術呢？ 但同時，它又是高度專業化（hyper-specialized）的。
原因很簡單，讓我們誠實面對： 我不會傻傻地等一個「通用聊天機器人」來成為某個疾病領域的專家。 我仍然會希望有一個在該領域極度專精的人，去微調、訓練，甚至進行後訓練（post-train），來打造出一個真正能用的 AI 模型。
Arthur Mensch
沒錯，它既是通用技術，就像「語言」本身是一種通用技術一樣。
但同時，它也是一種「文化承載技術」（culture-carrying technology）。 這意味著，基礎設施是必要的——晶片，不是每個國家都會自己生產； 通用模型，例如像是基於全網路壓縮出來的基礎模型，最終都會成為開源資源，成為建構各自專業化系統的基礎。
但除此之外，我認為真正需要由各個組織、企業和國家來做的事情，是打造出他們自己需要的東西。
實際的作法就是： 拿一個通用模型，比如開源模型，然後將你本地擁有的知識導入其中； 或者向你的公民、員工徵集知識，將這些知識注入到這些系統與智能代理中，讓它們能夠在你們的指引下運作。
隨著時間進展，這些代理會變得越來越精準，能夠遵循企業或國家的指示與規範。
所以，你需要垂直領域的專家、需要文化專家、需要具有國家發展視角的人才，來和科技公司合作。 這些科技公司需要能夠提供好用的開源基礎架構，並且讓這個基礎架構容易被「專業化」。
我認為，這就是當前的前線所在。 它是一項非常水平（horizontal）的技術，但要讓它變成有用的東西，你需要「水平供應者」和「垂直領域專家」之間的合作。
Anjani Mehta
但是跟歷史上其他通用技術浪潮相比，比如電力、印刷機，這一次有什麼不同？ 如果我是一個國家領導人，想要搞清楚該用什麼框架來思考 AI 對我的國家意味著什麼。 我應該把它當作數位勞動力？ 還是應該把它當作像橋樑一樣的基礎建設？
AI 對國家經濟的影響
Arthur Mensch
我認為，它和電力很像，因為在未來幾年，它會對每個國家的 GDP 造成雙位數的影響。
這意味著，從經濟角度來看，每個國家都需要關注這件事。 如果他們沒有建立起自己的基礎設施，沒有在正確的時間點建構起自己的主權能力，那麼這筆經濟利益最終會流向其他國家。
這會改變全球的經濟平衡。 就像一百年前的電力革命一樣，如果你沒有自己蓋電廠，你就只能準備從鄰國購買，而這最終只會形成依賴關係，並不理想。 所以在這個層面上，它是相似的。
但它也有兩個很不一樣的地方：
首先，它是一種「無固定形態的技術」（amorphic technology）。 如果你想用它創造「數位勞動力」，你需要去塑造它。 你需要有基礎設施、有技術人才、有軟體；而且這些人才必須在本地被培養出來。 這點非常重要。
因為，與電力不同，AI 是一種「內容生產型」的技術。
你會有代理（agents），他們會產出內容——文字、影像、語音，並且和人互動。 當你在產出內容、和社會互動時，你就成為了一種「社會構成要素」（social construct）。
在這個層面上，你必須面對「社會建構理論」——無論是企業的文化、國家的文化與價值觀。 如果你希望這些價值觀不要消失、不受外部主導，你就必須比面對電力技術時，更深層地去投入，去參與、去塑造它。
Anjani Mehta
你同意這個說法嗎？Jensen？
數位勞動力與文化基礎設施
Jensen Huang
有幾個角度可以思考這件事。 你國家的數位智慧（digital intelligence），大概不會是你想要毫無考量就外包給第三方的東西。
你現在的數位智慧，就是你的一種新型基礎設施。
就像你的電信、你的醫療保健、你的教育、你的高速公路、你的電力系統一樣。
這個新的層面，就是你的數位智慧。 你需要負責決定，你希望這個數位智慧如何發展； 你要決定，你是否想要把它外包出去，然後就此不再需要煩惱「智慧」這件事； 或者，這是一件你覺得自己應該親自參與、甚至控制、塑造成一個國家級基礎建設的事情。
當然，這裡面包含了 Arthur 所說的所有事情：AI、工廠、基礎設施等等。
另一個可以思考的角度，是把它視為你的「數位勞動力」（digital workforce）。
現在這是一個新的層面，你必須決定： 你國家或公司裡的這個數位勞動力，是你決定要外包出去，然後祈禱它會以你希望的方式成長， 還是這是一件你想要親自參與、甚至決定要掌控、培育並讓它不斷進步的事情？
我們經常雇用通才型（general purpose）的員工。 我們從學校裡雇用他們； 有些員工比較萬用，有些員工比較聰明。
但一旦他們成為我們的員工，我們會決定怎麼幫助他們融入，怎麼訓練他們，怎麼為他們設立行為規範（guardrail）， 怎麼評估他們、持續改進他們。 我們會投入必要的資源，讓原本的「通用智慧」變成「超級智慧」，以便我們能從中獲益。
所以我認為，從「數位勞動力」這個角度來思考，同樣是非常重要的第二層觀點。 無論是哪一種角度，它都會對國家經濟有貢獻； 在兩個層面上，它都會推動社會進步； 同樣地，在兩個層面上，它都會對文化有所貢獻。
我認為，無論從哪個角度來看，國家都需要在這件事情上扮演非常積極的角色。
所以我認為，這又回到了你原本問的問題：主權 AI（sovereign AI）該怎麼思考。 沒錯，它絕對是一種通用技術，但你必須決定如何去塑造它。
你國家的數位資料是屬於你的。 你的國家圖書館，你的歷史，只要你願意數位化它。 你可以選擇把它開放給全世界的人， 也可以選擇只開放給自己國內的公司、研究人員或研究機構。 它是屬於你的。
當然，這些都聽起來像是一些虛無縹緲的概念， 但它確實是屬於你的。
它屬於你的，因為那是你的起源所在； 你可以決定如何運用它，來造福你的人民； 它屬於你的，也意味著，你有責任去塑造它的未來。
主權 AI，這是你的責任。
Anjani Mehta
有好幾種類型的資產，是國家會投入資金並加以保護的，像是軍隊、電力網。 如果我現在已經理解了 AI 基礎建設和主權 AI 的重要性， 那麼我是不是需要掌控整個技術堆疊（stack）的每一個部分？
Arthur Mensch
所以 Jensen 提到，我想，數位勞動力，我覺得這是一個很好的類比，您需要一個為您的 AI 勞動力設置的入職平台，這意味著您需要能夠定制模型，並將儲存在您國家圖書館的知識灌輸到模型中，讓它能夠更好地講您的語言。您需要讓系統了解您的法律，這樣當您部署 AI 軟體時，所設置的 guardrails（行為規範）才會符合規範。因此，這個入職平台需要定制、設置行為規範、評估，然後當發現某些地方需要改進時，修復、除錯，這正是我們正在構建的平台。
所以，能夠部署易於調整的系統，並與這些平台提供商合作來製作定制系統，一旦定制系統製作完成，重要的是能夠自己維護它們。這意味著能夠在自己的基礎設施上部署它們，並能夠要求您的技術合作夥伴在循環中可能消失，換句話說就是由您的 IT 部門來處理。
Jensen Huang
將來，您的 IT 部門將成為您的數位勞動力的 HR 部門。 他們將使用 Arthur 所描述的這些工具來入職 AI、微調 AI、設置行為規範、持續評估並改進它們，對吧？ 而這個循環將由現代版的 IT 部門來管理，對吧。 我們將擁有生物性勞動力，也將擁有數位勞動力。 這太棒了。所以，沒有人會為你做這些事。你必須自己來做。
Anjani Mehta
對吧？
Jensen Huang
這就是為什麼儘管世界上有那麼多科技公司，每家公司仍然都有自己的 IT 部門。 我有自己的 IT 部門，我不會將它外包給其他人，未來他們對我來說會更重要，因為他們將幫助我們管理這些數位勞動力。 你將在每個國家、每個國家的每個公司中做這件事。 因此，Arthur 所描述的空間就是將這個通用技術帶入到真正的領域專家，這些專家可能是國家專家、行業專家、企業專家，或是功能專家，這就是 AI 的未來，是一個巨大的未來空間。
Anjani Mehta
所以你們兩位都說了些話，我只想確保我理解正確。你們把它稱為一個軟性概念，就像你的文化一樣。你們還說，訓練數據中有一堆規範，您根據這些規範來定制模型。
Jensen Huang
你說的規範，這正是軟性的意思，與規則不同，規則更具硬性。
Anjani Mehta
對。
Jensen Huang
或者算法和法律，它們都是非常具體的。
Arthur Mensch
你會希望在你的 AI 系統中融入不同的元素。有些風格和知識的元素，你不會透過嚴格的行為規範來強制，而是透過模型的持續訓練來實現。舉例來說，你會將偏好提取出來，並蒸餾進模型本身。然後你有一套法律，如果是在公司裡，你還有一套政策，而那些是嚴格的。通常建構方式是，你將模型連接到這些嚴格的規則上，並且確保它每次回答時，都有遵守規則。一方面，你以柔性的方式將知識灌入和壓縮進模型；另一方面，你要確保有一套政策和規則被嚴格執行，並且擁有 100% 的準確性。所以，一方面是柔性的，這是偏好，這是文化偏好。
Jensen Huang
某人的偏好是多維度的。
Anjani Mehta
你知道自己偏好什麼，但那是隱性的。在溝通中，很多時候就是這樣。
Jensen Huang
我的偏好有很多特徵來定義。要能夠精確地符合 Arthur 剛剛描述的這些內容，需要 AI。你能想像如果要由人類來用 Python 撰寫、描述、捕捉每一個這樣的偏好嗎？基於這個條件，我偏好這樣；但如果是另一個條件，我又偏好那樣。這樣下來，規則的數量將會是瘋狂的。
Anjani Mehta
對吧？
Jensen Huang
這就是為什麼 AI 有能力將這一切編碼化。它是一種全新的程式設計模型，能夠處理生活中的模糊性。
Anjani Mehta
聽起來你是在說，AI 不只是運算基礎設施，它也是文化基礎設施。
Arthur Mensch
沒錯，它就是。
Anjani Mehta
是這樣嗎？
Arthur Mensch
而且它關乎確保你公司的或你國家的人類專業知識，能夠被帶進 AI 系統中。
Anjani Mehta
對。
Jensen Huang
文化反映了你的價值觀。我們剛才才在談，每個 AI 模型或 AI 服務會因為你所提出的問題不同，而以不同的方式回應，因為他們已經把他們服務的價值觀，或他們公司的價值觀，編碼進每一個服務之中。
你能想像如果把這樣的狀況放大到國際規模會是什麼樣子嗎？
Arthur Mensch
這就是集中式 AI 模型的固有侷限性，你以為可以將一些普世的價值觀與普遍的專業知識編碼進一個通用模型。但在某個時刻，你需要把這個通用模型交給特定群體的員工或公民，去了解他們的偏好和期望是什麼。而且你需要確保，透過規則和透過文化與偏好，用柔性與剛性的方式來專門化這個模型。而這一部分，作為一個國家是不能外包的，作為一家公司也不能外包。你需要自己掌握這件事。
Anjani Mehta
那麼，如果這真的是文化基礎設施，而我沒有擁有它的主權，這樣講是否太誇張？因為所涉及的利害關係，本質上就等同於現代的數位殖民化。如果你在告訴我，Anj，你必須把 AI 視為幾乎像你的數位勞動力，而另一個國家或非我主權國家的某個人，可以決定我的勞動力可以做什麼、不可以做什麼，那就是一個問題了。
Jensen Huang
有些東西是普世性的。舉例來說，某些公司可以服務全球的國家、社會和企業，因為它們基本上是普世的。但它不能成為唯一的數位智慧層，它必須要有某種區域性的補強。你知道，我覺得麥當勞在各地都做得不錯，對吧？肯德基在各地也都蠻不錯的。但你還是會希望有當地風味、當地口味，來補足最後一哩路。沒錯，就是當地的咖啡店、家庭式的小餐館。因為這些定義了文化。
Anjani Mehta
對吧？
Jensen Huang
這些定義了社會，定義了我們。我覺得到處都有 Walmart，隨時都能仰賴這些大型連鎖店，很棒，沒問題。但你還是需要有當地的口味、當地的風格、當地的偏好、當地的卓越和當地的服務。
讓我換個方式說。在未來我們的數位勞動力當中，很有可能會有一些數位員工是通用型的。
Anjani Mehta
對。
Jensen Huang
他們可能就非常擅長做基本研究或某些基礎工作。很好、通用，像大學或研究所等級的能力，對每間公司來說都很好用。我就不需要再去創造什麼全新的東西。
Anjani Mehta
沒錯。
Jensen Huang
我覺得 Excel 就很好用。Microsoft Office 是全球都很優秀的工具。
Anjani Mehta
對。
Jensen Huang
我對此非常滿意。
Anjani Mehta
很好的參考架構基礎。
Jensen Huang
沒錯。然後再來是產業專屬的工具和產業專屬的專業知識，那就非常重要。舉例來說，我們公司會使用 Synopsys 和 Cadence。Arthur 不需要，因為那是我們這個產業特有的，而不是他的。我們可能兩邊都會使用 Excel，也可能都會用 PDF、用瀏覽器。有一些普世的東西，是大家都能受益的。也會有普世型的數位勞動者，大家都能善加利用。然後會有產業專屬的數位勞動者，接著還會有公司專屬的數位勞動者。
Anjani Mehta
對。
Jensen Huang
在我們公司裡，我們有一些特別的技能對我們來說非常重要，它們定義了我們的獨特性。可以說它是高度偏向性的，如果你願意這麼說，是有非常嚴格的規範，用來做非常特定的工作。高度偏向於我們公司的需求和專長。
Anjani Mehta
對。
Jensen Huang
因此我們在這些領域變得超越人類。而你的數位勞動力也會是同樣的狀況，AI 也會是同樣的狀況。有一些你可以直接買現成的。未來的搜尋可能就是某種形式的 AI。
Anjani Mehta
對。
Jensen Huang
未來的研究可能也是由某種 AI 來進行。但接下來會有產業版的 AI，我們可能會從像 Cadence 這樣的公司取得這些系統。然後我們還需要用 Arthur 的工具來培養我們自己的系統，我們需要對它們進行微調。我們要幫它們「入職」、培訓它們、讓它們變得非常優秀。
Arthur Mensch
我非常同意這個願景：先有一個通用模型，然後在其上加上針對產業的專層，接著再有針對公司層級的更進一步專屬化。你將會看到一棵 AI 系統的樹，隨著層層往下，越來越專精。也許我可以用最近我們做過的事情來舉一個具體的例子。我們在 1 月發佈了一個模型叫做 mistralsmol。這是一個通用型模型，所以它可以使用多種語言，對大多數事情也都有基本的知識。
但接著我們做的事情是，我們開始了一個新的模型家族，這個家族是語言專屬化的模型。我們在裡面加入更多阿拉伯語內容、更多印度語系的內容，然後重新訓練這個模型，因此我們將那些最初模型沒有見過的額外知識注入進去。透過這樣的過程，我們實際上讓它在講阿拉伯語和印度次大陸語言時，能夠更加貼近日常用語、更加道地。
語言，大概就是你在為模型進行專屬化時最先可以做的一件事。好處是，在同樣規模的模型下，如果你選擇針對一個語言做專屬化，你可以得到一個表現更優秀的模型。
所以我們目前的模型，24B 版本，叫做 Mistral Sabah，是一個針對阿拉伯語進行微調的模型，它的表現已經超越其他比它大五倍的語言模型。原因就是我們做了專屬化。這就是第一層。
然後如果你想到第二層，可以想到垂直領域。舉例來說，如果你想打造一個不僅擅長阿拉伯語，還擅長處理沙烏地阿拉伯法律案件的模型，那麼你需要再進一步專屬化。因此，這裡面會需要與企業合作進行額外的工作，確保你的系統不只是擅長某一種語言，而是能夠使用那種語言，並且理解在那種語言中進行的法律業務。
同樣的道理也適用於任何語言和垂直領域的組合。你想要有一個法語的醫療診斷助手，那麼不僅要精通法語，還要能夠理解並且熟悉法國醫師之間專業用語的語言模式。
而這兩件事，很難用通用模型去達成。
Anjani Mehta
如果這是真的，而且如你所描述的，我需要有能力根據我的在地規範、在地數據，去客製化這個 AI 層，而這本身在技術層面上就已經非常複雜。那你會怎麼建議一個大國來思考這整個技術堆疊？我們在討論晶片、運算能力、資料中心、上層的模型、應用層，以及你剛剛描述的 AI 護士或 AI 醫生。那如果是比較小的國家，你又會有什麼不同的建議？
Arthur Mensch
我會說，你需要先購買並建立這個「水平層」的部分。你需要有基礎設施、推論（inference）基元、客製化基元、可觀測性系統，你需要具備將嚴格規則（guardrails）連接到模型的能力，將模型連接到即時資訊的來源。
這些都是相當標準化的技術基礎建設，已經在不同國家、不同企業之間被很好地模組化。一旦你擁有了這些，這些都是可以「買」來的東西，你就可以開始著手建構。你從這些基礎模組開始，依據你的價值觀、根據你的專業知識，再結合你的本地人才去打造。
關鍵問題在於：這條分界線在哪裡？什麼是水平（通用）的，你如果是小國家或小企業，可能應該選擇購買；而什麼是垂直且專屬於你的，那部分絕對需要自己打造。
Jensen Huang
你必須先放下那種「這件事很困難」的想法。
Anjani Mehta
嗯。
Jensen Huang
首先，因為技術進步，事情正在變得越來越簡單。
你能想像五年前要做這些事情嗎？
根本不可能。那你能想像五年後嗎？到時候會變得再簡單不過。所以我們現在正處在中間階段。唯一的問題是，你現在需要開始做對的事。
事實上，我討厭「新員工入職」。
因為它需要花很多心力。
但當你建立好一個完善的 HR 組織、領導制度、導師機制、組織架構與流程之後，你讓新人入職這件事情就會變得比較容易，對所有參與者來說也會比較愉快。但最開始，確實是困難的。
Anjani Mehta
建立體系的過程永遠最困難。
Jensen Huang
建立體系本來就困難。這件事也沒有例外。唯一的問題是，如果你想成為未來的一部分，那你需不需要做這件事？
而這就是有史以來最具影響力的技術，不只是我們這個時代，而是人類有史以來。數位智慧，還有什麼比這更有價值、更重要的？
所以，如果你得出結論，這件事對你來說很重要，那你就必須儘快投入其中，一邊學習一邊前進，同時要知道事情只會變得越來越容易。
事實上，如果三年前我們試圖打造「代理式系統（agentic systems）」，那會是極度困難的任務。但今天，代理式系統已經容易非常多了。而且所有必要的工具 — 包括資料集的策展、數位員工的「入職」流程、評估數位員工的機制、為數位員工設置安全防護機制 — 這些都在不斷進步中。
另一個關於技術的事情是，當它變得更快時，也會變得更簡單。
你能想像過去嗎？當然，我有幸見證了電腦從最早期開始的發展歷程，那時電腦的性能慢到令人沮喪，做什麼事情都很困難。但現在，我們所做的事情都像魔法一樣，因為速度夠快。
所以不論是出於你機構本身想要參與這個最具影響力技術的需求，還是因為它真的變得越來越簡單，理由都已經非常充分。老實說，你能找的藉口已經越來越少了。
Anjani Mehta
讓我們稍微談談這個問題，因為變革確實很難。我有一個無盡的清單。如果我是國家領袖，我面臨著越來越多的地緣政治風險。我不知道我的盟友是誰，選舉即將來臨，我必須處理無數事情。但現在假設我了解這一點的重要性。
你們花了大量時間與國家領袖交流，他們正在思考過快採用 AI 會帶來哪些風險？你說得對，時代的潮流確實有所改變。根據巴黎行動峰會，似乎與一年前相比，更多的是樂觀的語氣，而非悲觀。然而，當國家領袖問你們有關風險以及如何思考這些風險時，最常見的問題是什麼？
Arthur Mensch
我聽過幾個問題，其中一個風險是看到你的民眾開始對這項技術產生恐懼，擔心它會取代他們的工作。這其實是可以避免的，前提是我們大家一起確保每個人都能夠接觸到這項技術並且接受相關的訓練。因此，對民眾進行技能培訓是非常重要的。
並且要將 AI 視為一個讓他們能夠更好工作的機會，通過應用程式、他們可以在智慧型手機上安裝的應用程序、公共服務來展示這項技術的目的。例如，我們正在與法國的失業系統合作，通過 AI 代理人將工作機會與失業者聯繫起來，這些 AI 代理人當然是由該機構的人工操作員來啟動。這是一個非常受人歡迎的機會，能讓人們更容易找到工作。所以這部分有助於讓民眾理解這項機會，並且明白 AI 只不過是他們需要去接受的一種新變化，就像他們在 90 年代接受個人電腦，2000 年代接受互聯網一樣。這些變化的共同特點是，你需要人們擁抱這項技術。
我認為國家可能面臨的最大問題是看到 AI 擴大本來就已經相對龐大的數位鴻溝。但如果我們齊心協力，並且以正確的方式進行，我們可以確保 AI 實際上能夠縮小數位鴻溝。
Jensen Huang
AI 是一種新的編程方式。因為通過輸入一些文字，你可以讓電腦像我們過去一樣做一些事情，對吧？
Arthur Mensch
現在你可以與它進行對話。
Jensen Huang
你可以以多種方式與它互動。今天，你可以比以前更輕鬆地讓電腦為你做事情。
Anjani Mehta
對。
Jensen Huang
能夠利用 ChatGPT 並且進行生產性工作的人的數量，
Anjani Mehta
對。
Jensen Huang
從人類潛力的角度來看，遠遠大於能夠編程 C 語言的人的數量。
因此，我們已經縮小了技術上的鴻溝。
Anjani Mehta
這可能是我們見過的最大平等化力量。
Jensen Huang
這是歷史上最偉大的技術平等化力量，無論是過去、現在還是未來。
Arthur Mensch
但你仍然需要讓公民了解它。我認為這就是問題所在。
Jensen Huang
我只是在描述這個事實。
Arthur Mensch
是的。
Jensen Huang
事實是，今天使用 ChatGPT 編程的人的數量超過了使用 C 語言編程的人的數量。這是一個事實。
所以，事實上，這是世界上減少技術鴻溝的最偉大力量。
Anjani Mehta
對嗎？
Jensen Huang
這只是一種認知。
Arthur 所說的認知通過……我不知道是誰，我在談論它，而我也不知道怎麼談論它，但事實是，它並沒有停止。
Anjani Mehta
對嗎？
Jensen Huang
什麼也沒停止。今天積極使用 ChatGPT 的人數簡直是爆炸性的。我覺得這太棒了。
這完全太棒了。
任何談論其他事情的人顯然是在做錯事。
所以我認為人們已經意識到 AI 的驚人能力，以及它如何幫助他們的工作。我每天都在使用它，我今天早上也用了。所以我每天都在使用它。我認為深入的研究真是不可思議。
Anjani Mehta
對嗎？
Jensen Huang
我的天啊。Arthur 和全球所有計算機科學家所做的工作簡直太不可思議了。而且人們知道這一點。顯然，人們在學習這項技術。對吧？僅僅是活躍用戶的數量。
Anjani Mehta
我們來談談開源吧，因為你們兩位都公開談論過開放模型在主權 AI 方面的重要性。在 DeepMind，你是 chinchilla skating 法則的一部分，這些都是公開發佈的。你的共同創辦人 Guillaume 創建了 Llama，而去年 Nvidia 和 Mistral 合作訓練了名為 Mistral Nemo 的模型。為什麼開放模型是你們專注的重點之一？
Arthur Mensch
因為這是一項水平技術，企業和國家最終會願意將其部署在自己的基礎設施上。從主權的角度來看，擁有這種開放性是非常重要的。這是第一點。第二個重要性是，發布開源模型是加速進步的一種方式。
我們創建 Mistral 的基礎是，從 2010 年到 2020 年，我們在 AI 領域的早期經歷看到了一種進步的加速，因為每個實驗室都在彼此的基礎上構建。而這一點，在 OpenAI 首次推出大型語言模型後，某種程度上消失了。
因此，重新啟動開放的飛輪——我貢獻一些東西，然後另一個實驗室貢獻一些其他東西，然後我們從中進行迭代——這就是我們創建 Mistral 的原因。我認為我們做得很好，因為我們開始發布模型，然後 Meta 也開始發布模型。接著，像 Deep Seq 這樣的中國公司也發布了更強大的模型，所有人都從中受益。所以回到 Mistral Nemo，創建開放 AI 模型的一個難點是，這更像是一個大教堂而非集市的開源設置，因為建立一個模型的跨度非常大。所以我們與 Nvidia 團隊的合作，真正是將兩個團隊混合在一起，讓他們在同一基礎設施、相同的代碼上工作，面對相同的問題，並結合他們的專業知識來共同建立這個模型。這非常成功，因為 Nvidia 帶來了我們不知道的東西，而我認為我們也帶來了 Nvidia 不知道的東西。最終，我們創造了一個當時最好的模型，並且它的規模適中。因此，我們真正相信這種合作，我們認為應該做更多、更大規模的合作，不僅僅是兩家公司，可能還有三家公司或四家公司。這就是開源將勝出的方式。
Anjani Mehta
這可能是我們所見過的最大的平等化力量。
Jensen Huang
它本質上是有史以來最偉大的技術平等化力量。
Arthur Mensch
但你仍然需要讓公民了解它。我認為這才是關鍵。
Jensen Huang
我只是在描述事實。
Arthur Mensch
是的。
Jensen Huang
事實是，今天使用 ChatGPT 編程的人的數量比使用 C 語言編程的還要多。這就是事實。
因此，事實是，這是世界上縮小技術鴻溝的最偉大的力量。
Anjani Mehta
對吧？
Jensen Huang
只是被認知的問題。
Arthur 所說的是，這是透過…我不知道是誰，我也不知道怎麼說，但事實是，這一切都在持續發展。
Anjani Mehta
對吧？
Jensen Huang
這並沒有停止。今天積極使用 ChatGPT 的人數是驚人的。我認為這太棒了。
這真的是完全棒極了。
任何談論其他事情的人顯然沒有在工作。
所以我認為人們已經意識到 AI 的驚人能力，以及它如何幫助他們完成工作。我每天都在使用它，我今天早上也用了。所以我每天都在使用它。我認為深度研究真的是太棒了。
Anjani Mehta
對吧？
Jensen Huang
我的天啊。Arthur 和全球所有計算機科學家所做的工作真的是太棒了。人們知道這點。人們當然都在使用它。對吧。只要看看活躍用戶的數量。
開源模型在技術進步中的角色
Anjani Mehta
讓我們談談開源問題，因為你們兩位都曾公開談論過開源模型在主權 AI 上的重要性。在 DeepMind，你是 Chinchilla Skating Laws 的一部分，這些資料是公開的。你的共同創辦人 Guillaume 創建了 Llama，去年 Nvidia 和 Mistral 共同訓練了名為 Mistral Nemo 的模型。為什麼開源模型在你們的重點中占有如此重要的地位？
Arthur Mensch
因為這是一種橫向技術，企業和國家最終會願意在自己的基礎設施上部署它。從主權的角度來看，保持這種開放性是非常重要的。這是第一點。第二個重要點是，釋放開源模型是一種加速進步的方式。
我們創建 Mistral 是基於這樣的理念：我們在 2010 年到 2020 年之間做 AI 研究時，見證了進步的加速，因為每個實驗室都是在互相建立的基礎上發展的。這是隨著 OpenAI 特別是第一代大語言模型的出現而消失的東西。
所以，重新啟動這個開放的飛輪，即「我貢獻一些東西，然後另一個實驗室貢獻一些其他東西，然後我們基於這些進行迭代」，這就是我們創建 Mistral 的原因。我認為我們做得很好，因為我們開始發布模型，然後 Meta 也開始發布模型，接著中國的公司像 Deep Seq 也發布了更強的模型，大家都從中受益。回到 Mistral Nemo，創建開源 AI 模型的一個困難在於，這更像是一座大教堂而非集市，因為建造一個模型的過程跨度很大。所以我們與 Nvidia 團隊合作，將兩個團隊的力量混合在一起，使他們在相同的基礎設施、相同的代碼上工作，解決相同的問題，並結合他們的專業知識來共同創建同一個模型。這非常成功，因為 Nvidia 帶來了我們不知道的東西，而我認為我們也帶來了 Nvidia 不知道的東西。最終，我們創建了當時其大小最強的模型。所以我們非常相信這樣的合作，我們認為我們應該更多地進行這樣的合作，並且以更高的規模進行，而不僅僅是兩家公司，可能還有三家或四家公司。這就是開源將成功的方式。
Jensen Huang
我完全同意。開源的好處，除了加速和提升基礎科學、所有通用模型和通用能力的基本努力，還有開源版本也能激發大量小眾市場和小眾創新，突然間在醫療保健、生命科學、物理科學、機器人學、交通等領域，開源能力足夠好的結果激活了這些行業。
不要忽視開源的驚人能力，特別是在邊緣的小眾領域。
Anjani Mehta
但對於關鍵任務的領域，數據可能很敏感。
Jensen Huang
是的，這可能是。比如，在能源開採領域，對吧？誰會去創建一家 AI 公司來開採能源？
能源非常重要，但能源開採市場並不大。因此，開源能激活每一個領域。金融服務，事實證明，它也能激活這些領域。
Anjani Mehta
醫療保健、防禦，你挑選最重要的任何領域。
Arthur Mensch
這是關鍵任務領域，需要自行部署的，這可能還需要在邊緣進行部署。任何需要強大審計和能力進行徹底評估的領域。如果你有權訪問權重而不是僅僅訪問 API，你可以更好地評估一個模型。所以，如果你想對系統的準確性建立確信，我認為你不應該使用閉源模型。
Jensen Huang
而且你必須將其連接到你的飛輪中。你將如何連接你的本地數據？是的，你必須將它與你的本地數據、你的本地經驗相連接。
你使用得越多，它的飛輪就會變得越好。沒有開源，你無法做到。
技術進步與國家主權的平衡
Anjani Mehta
但假設我是國家領袖，我正在考慮開源。我開始聽到這樣的聲音：嘿，開源對國家安全構成威脅。
我們不應該出口我們的模型，因為這些開放模型實際上透露了大量的國家機密。更重要的是，壞人也可以使用這些開源模型。因此，這對安全構成威脅。相反，我們應該將開發鎖定在兩三個擁有基礎設施的實驗室之間，讓他們獲得政府的許可證來進行訓練，進行適當的安全性和認證。我確實聽到過很多這樣的說法。那麼，我應該如何看待這個問題，與你們所說的開源對關鍵任務行業更有利的觀點相比呢？
Arthur Mensch
實驗室之間的合作對於人類的成功至關重要。如果某個國家決定將事情封鎖，唯一會發生的事情是，另一個國家將成為領導者。因為如果你切斷了自己與開放飛輪的聯繫，對你來說，維持競爭力的成本實在太高了。這是美國內部進行過的辯論。事實上，即使對權重進行出口管制，也不會阻止歐洲國家或亞洲國家繼續推進，它們將合作以加速這一進程。所以，我認為我們需要接受這一事實，即這是一種橫向技術，非常類似於編程語言。
編程語言，它們都是開源的，對吧？所以我認為 AI 在這方面也應該是開源的。
我們很高興看到這個認識——通過更加開放地構建技術，我們可以一起加速發展。
因此，很高興看到開源有如此多的好處。
Jensen Huang
幾天前，這是不可能控制的。
軟體是無法控制的。
如果你想控制它，那麼總會有其他的東西出現，並成為標準。
正如 Arthur 提到的，問題是，開源是否更安全？開源帶來更多透明度，更多的研究者，更多的人來檢視工作。
全球每一家公司建立的原因，每一個雲端服務提供商都是建立在開源之上的，因為它是所有技術中最安全的。
今天，有哪個公有雲是基於不是開源的基礎架構搭建的？你可以從開源開始，然後進行自定義，但開源的好處是來自於這麼多人的貢獻和審查。非常重要的一點是，你不能隨便往開源中放任何東西。你會被網絡嘲笑。你必須放入優質的東西，因為審查是非常嚴格的。因此，我認為開源提供了所有這些優秀的協作來加速創新、提高卓越、確保透明度並吸引審查。所有這些都改善了安全性，在某種意義上。
Anjani Mehta
你是說它部分更安全，是因為正如我們在開源數據庫、存儲、網絡、計算中所看到的那樣，你能夠得到大量的紅隊測試。全世界的人都可以幫助你進行紅隊測試你的技術，而不僅僅是公司內部的一小群研究人員。這樣理解對嗎？
Jensen Huang
正是這樣。
Arthur Mensch
通過將大量組織集中起來，來共同創造一項他們都能使用並專注於自己領域的技術，你迫使技術為每一個人做好。因此，這意味著你在消除偏見。你真正確保你所建立的通用模型是盡可能好的，並且不會出現問題。我認為，從這個角度來看，開源也是減少失敗點的方式。如果作為今天的公司，我決定完全依賴一個單一組織及其安全原則，依賴它的紅隊組織，我有點過度信任它。而如果我基於開源模型來構建我的技術，那麼我就是信任整個世界來確保我構建的基礎是安全的。所以這樣就減少了失敗點，這顯然是你作為企業或國家需要做到的。
企業在競爭激烈市場中的策略
Anjani Mehta
那麼我們現在稍微轉換一下話題，談談公司建設的問題，這是很多人都很期待聽到你們兩位分享的內容。我們從你開始，Jensen。你曾經提到，Nvidia 是世界上最小的大公司。是什麼讓你們能以這種方式運作？
Jensen Huang
我們的架構是為了幾個目的而設計的。它旨在很好地適應一個充滿變化的世界，無論這些變化是由我們引起的，還是外部環境影響我們。
這樣設計的原因是，因為技術變化非常快。如果你過度矯正可控性，那麼你就會低估系統的敏捷性和適應能力。因此，我們的公司使用「對齊」這個詞，而不是「控制」。我不記得曾經使用過「控制」這個詞來描述公司如何運作。我們關心的是最小化官僚主義，並希望將我們的流程盡可能簡化。
所有這些都是為了提高效率、增強敏捷性，等等。我們避免使用「部門」這樣的詞。當Nvidia 剛創立時，談論部門是非常現代的對吧？但我討厭「分開」這個詞。為什麼要創建一個從根本上分裂的組織呢？我討厭「事業單位」這個詞。原因是，為什麼要讓某些部門存在呢？
為什麼不充分利用公司的所有資源呢？
我想要的是一個更像計算單元的系統，像計算機一樣，以最有效率的方式交付結果。因此，我們公司的組織結構有點像一個計算堆疊。我們試圖創建的這個機制是什麼？我們所處的環境是什麼樣的？是像寧靜的鄉村，還是像混凝土叢林？你處於什麼樣的環境？因為你想創建的系統類型應該與此一致。讓我感到奇怪的是，為什麼每個公司的組織結構看起來都差不多，但它們其實是完全不同的。一個像蛇，另一個像大象，還有像獵豹的。每個人都應該在那個森林中有所不同，但不知怎麼的，他們都能相處。完全相同的結構，完全相同的組織，這對我來說似乎不太合邏輯。
Arthur Mensch
我同意，感覺公司就像有個性一樣。儘管它們有時被組織得相似，我必須說，我們當然還有很多地方需要學習。畢竟，這家公司甚至還不到兩年。對於 Mistral 來說，我們面臨的挑戰之一，我認為我們的競爭對手也有相同的挑戰，就是這是第一次，軟體公司實際上是一家由科學驅動的深科技公司。科學的時間尺度和軟體不同。你需要以每月為單位運作。有時候，你無法確切知道事情何時會準備好。但另一方面，你的客戶卻在問，下一個模型什麼時候會推出，這項功能什麼時候能夠實現，等等。所以你需要管理期望。我認為對我們來說最大的挑戰，我們開始做得不錯的一件事，就是在產品需求和科學能夠實現之間管理這個過渡。研究和產品，研究和產品。你不希望研究團隊完全致力於讓產品運作。所以你需要努力，我認為我們已經開始做到了，確保公司內有不同的節奏。你有產品方面的快節奏，每週都在進行迭代，而在科學方面則有慢節奏，這些科學人員會研究產品為什麼在某些領域失敗，以及如何通過研究、新數據、新架構、新的範式來解決問題。
我認為這是相當新的。這並不是典型SaaS公司會有的情況，因為這本質上是一個科學問題。
Anjani Mehta
我的意思是，Nvidia 是世界上最成功的公司之一，在三十年的時間裡，找到了讓科學和研究領先於世界其他地方的方法。無論是 2012 年的 Cuda，這是基本的系統研究，還是今天的 Cosmos，現在說的是，這無疑是模擬應該如何運作的最新技術。
Jensen Huang
我們和 Arthur 剛才說的完全和諧。
Anjani Mehta
這樣的啟發式方法對你們來說是對的嗎？
Jensen Huang
對，我們和諧地實現了這一點。在我們公司內部，我們有基礎研究、應用研究，然後是架構，然後是產品開發，這些層次都有，並且這些層次都是必要的。
Anjani Mehta
對。
Jensen Huang
它們各自有自己的時間節奏。對於基礎研究來說，節奏可能會比較慢。另一方面，從產品方面來看，我們有一整個行業的客戶依賴我們。因此，我們必須非常精確，處於基礎研究和發現之間，希望發現一些沒有人預料到的驚喜，一方面，另一方面能夠在大家預期的範圍內可預測地交付。好的，這兩個極端我們在公司內部和諧地進行管理。
Anjani Mehta
這個市場有很多令人著迷的事情，但我想特別指出一個。你們兩位都有一些既是你們客戶又是競爭對手的公司。而且這些競爭對手是龐大且資本雄厚的科技巨頭。Nvidia 向 AWS 出售 GPU，而 AWS 則在開發自己的芯片，稱為 Trainium。Arthur，你們訓練的模型是通過 AWS 和 Azure 這些平台銷售的，而這些平台也資助了像 Anthropic 和 OpenAI 這樣的實驗室。所以，在這樣的環境中，你們是如何取勝的？你們又是如何管理這些關係的？因為我們剛剛談到了公司內部的建設，但現在我很好奇，外部方面，你們是如何生存的？
Arthur Mensch
Jensen 說得很好，你放棄控制，但你要專注於對齊。儘管有時候某些公司可能是競爭對手，但你們可能有共同的利益，並且可以在一些共享的議程上合作。
Jensen Huang
你必須有自己的立足點。
顯然，這些雲服務提供商不是因為需要 Arthur 的技術而與他合作，因為他們已經有了相同的東西。他們只需要兩個相同的東西。原因是 Arthur 和 Mistral 在世界上有一個獨特的位置，他們在特定的領域增加了獨特的價值。今天我們討論的很多話題，都是 Mistral 和他們的工作，還有他們在世界上的位置讓他們在這些領域具有獨特的優勢。我們是不同的。我們不僅僅是另一個 ASIC。我們能為 CSP（雲服務提供商）做一些事情，也能與 CSP 合作，這些是他們自己無法做到的。例如，Nvidia 的架構遍佈每個雲端，在很多方面，我們是未來驚人初創公司的首個登陸平台。這是因為通過與 Nvidia 合作，這些初創公司不必對某個主要雲平台做出戰略或商業上的承諾。他們可以進入每個雲平台，甚至可以選擇自己構建系統，因為經濟性在某個時點會對他們更有利，或者他們希望獲得我們擁有的某些能力。
Anjani Mehta
對。
Jensen Huang
這些能力在雲端中是某種程度上受到保護的。所以不管是什麼原因，要成為某個人的好合作夥伴，你仍然需要擁有獨特的立足點。你需要有獨特的產品。我認為 Mistral 有非常獨特的產品。我們有非常獨特的產品，我們在世界上的位置對於我們競爭的那些人來說也很重要。所以我認為當我們在這其中感到舒適，並且對自己的定位感到滿意時，我們就能成為所有 CSP 的卓越合作夥伴，並且我們希望看到他們成功。我知道，當你把他們看作競爭對手時，這聽起來有點奇怪，這就是為什麼我們不把他們當作競爭對手看待，我們把他們看作是與我們競爭的合作者。我們為所有 CSP 做的最重要的事情之一，就是為他們帶來業務，對吧？這就是一個偉大的計算平台所做的事。我們為人們帶來業務。
Anjani Mehta
我記得當我和 Arthur 第一次見面時，我們在倫敦的一家深夜餐廳坐下來，為他的 A 輪融資計劃做了設計。我們當時在討論為什麼他需要這麼多資本來進行 A 輪，事後看來這筆資金使用得非常高效。我認為 Mistral 的 A 輪融資我們籌集了五億美元，相比其他一些需要花費數十億才能達到相同位置的公司來說，這相當高效。但我問他，你們希望使用什麼樣的芯片來運行？當時他看著我，像是我問了一個完全荒謬的問題，似乎這個問題的回答不可能是別的，只能是 Nvidia，只有 H1 百系列。我認為這個生態系統就是 Nvidia 投資的初創公司生態系統，為雲端創造了如此多的業務。你投資初創公司和創始人這麼早的理念是什麼，甚至在大家還不知道它們之前，你就已經投資了？
Jensen Huang
我會說有兩個原因。第一個原因是，我很少稱我們為 GPU 公司，我們製造的是 GPU，但我認為 Nvidia 是一家計算公司。如果你是一家計算公司，最重要的是考慮開發者，對吧？如果你是一家芯片公司，最重要的是考慮芯片。
我們所有的策略、所有的行動、所有的優先事項、所有的焦點、所有的投資，100% 都與“開發者至上”的態度保持一致。這是關於計算平台至上，換句話說，這就是生態系統。所以一切都從這裡開始，也以這裡結束。GTC 是一個開發者大會，我們公司內部的所有倡議都是開發者至上的。所以這是第一點。第二點是，我們在開創一種新的計算方法，這對於一般用途計算世界來說是相當陌生的。所以這種加速計算的方法對於大多數人來說是陌生的、反直覺的，並且長時間內都顯得有些尷尬。因此，我們不斷尋找下一個不可思議的突破，尋找下一個無法在加速計算中做到的事情。所以，尋找像 Arthur 這樣的研究者和偉大思想家是非常自然的，因為你知道，我正在尋找下一個殺手級應用。因此，對於一個創造新事物的人來說，這是一種自然的直覺。如果有一位優秀的計算機科學思想家我們還沒有接觸，那是我的錯，我們得趕快去接觸。
Anjani Mehta
這是從計算角度出發的完美過渡。你看到的最重要的趨勢是什麼？尤其是對於那些可能是總理或總統、IT 部長的聽眾來說，這些人來自世界上增長最快的市場，正試圖理解計算的未來，對於這些領袖，你會如何指導他們？
Arthur Mensch
我們正在向越來越多的異步工作負載移動。所以是那些你把任務交給 AI 系統，然後你等待它做 20 分鐘的研究才能回傳結果的工作負載。這肯定改變了你應該如何看待基礎設施，因為這會帶來更多的負載。所以我想這對數據中心和 Nvidia 來說是一個好消息。如我在本集開頭所說的，所有這些都不會發生，除非你有適當的代理人上線基礎設施，除非你有一個正確的方式讓你的 AI 系統了解它們所互動的人，並從這些人身上學習。因此，從人類互動中學習的這個方面，在未來幾年將會變得極為重要。還有一個方面是關於個性化的，就是讓模型和系統整合它們用戶的表徵，以使其盡可能有用。我認為我們目前處於這個過程的初期階段。這將再次深刻改變我們與機器的互動，機器將會了解更多關於我們的信息，了解更多關於我們的品味，以及如何對他人最有用。作為一國的領導者，我會考慮教育問題，確保我有一個本地的人才庫，了解 AI 足以創建專門的 AI 系統。並且我會考慮基礎設施，無論是在物理方面，還是在軟件方面。所以，哪些是正確的基礎設施，哪些是合適的合作夥伴，能夠為你提供上線平台？
所以這兩點很重要。如果你擁有這些並且有合適的人才，並且你進行深入的合作夥伴關係，那麼你國家的經濟將會發生深刻的變革。
未來 AI 發展的方向
Jensen Huang
過去的 10 年，我們見證了計算領域的非凡變革。從手工編碼到機器學習，從 CPU 到 GPU，從軟件到 AI，整個堆疊，整個行業都發生了翻天覆地的變化。並且我們仍然在經歷這一過程。未來的 10 年將會是不可思議的。當然，整個行業現在都在談論擴展法則和預訓練，這當然是重要的，並且會繼續重要。現在我們有了後訓練，而後訓練就是思想實驗、實踐、指導和輔導，以及所有我們作為人類學習的技能。思想性和機動性以及機器人系統現在就在眼前，這真的很令人興奮。因此，這對計算的意義是非常深刻的。人們對 Blackwell 比 Hopper 大幅躍進感到驚訝。這是因為我們為推理而打造了 Blackwell，並且是即時的，因為突然間，思維成為了如此巨大的計算負擔。所以，這是一個層次，就是計算層。接下來是我們將要見到的 AI 類型。有代理技術 AI，有信息數位工作者 AI，但我們現在還有物理 AI，它正在取得很大進展，還有物理 AI，它也在取得巨大進展。物理 AI 當然是遵循物理法則、原子法則和化學法則的東西。所有各種物理科學都將迎來重大突破，我對此感到非常興奮。這影響著工業，影響著科學，影響著高等教育和研究，還有物理 AI。
AI 理解物理世界的本質，從摩擦到慣性，再到因果關係和物體恆常性，這些基本的東西是人類的常識，但大多數 AI 都不具備這些。因此，我認為這將促使一大批機器人系統的出現，對製造業和其他領域產生重大影響。美國經濟對知識型勞動者的依賴很重，而其他許多國家則非常依賴製造業。
Anjani Mehta
對。
Jensen Huang
所以我認為，對於許多總理和國家領導人來說，要意識到他們需要的 AI 就是即將出現的，這些 AI 將改變和革新他們對他們至關重要的產業，無論是能源領域還是製造領域，他們應該保持警覺。我會鼓勵人們不要過度尊敬技術。有時候，當你過度敬畏技術，過度尊重技術時，你反而不會積極參與其中，對它感到某種程度的恐懼。我們今天所說的關於 AI 閉合技術鴻溝的觀點，實際上應該被認識到。這對國家利益至關重要，這是你有責任去參與的事情。無論如何，前方是令人興奮的時代。
Anjani Mehta
太精彩了。非常感謝你們抽出時間。如果他們想了解更多，想知道如何與這些公司合作，隨時聯繫我們。
Jensen Huang
你開玩笑嗎？
Arthur Mensch
你可以聯繫我們，沒錯。
Jensen Huang
就我們倆。
Anjani Mehta
我們會先讓他們聽這個播客，然後再給他們一個快速撥號。我們會把他們的聯繫方式放在節目說明中。
Jensen Huang
備註：Jensenvidia.com 工作完成。
Anjani Mehta
你聽到這裡了。
Arthur Mensch
我們非常回應。
Anjani Mehta
我可以證明這一點。好，真的非常感謝。
Jensen Huang
好，謝謝。
Arthur Mensch
謝謝。
Jensen Huang
好，謝謝。