原文連結： COMPUTEX 2025 Keynote: Hon Hai（Foxconn）
大家早安。歡迎來到 COMPUTEX。我是 James Huang，COMPUTEX 的主持人。作為 COMPUTEX 的主辦方，Taan 很榮幸能接待全球的科技領袖。今天格外特別，因為我們首次歡迎 Foxconn 登上 COMPUTEX 的主題演講舞台。
在董事長 Young Liu 的領導下，Foxconn 正在經歷一場顯著的轉型，將 AI 置於其成長策略的核心，從 AI 優化的製造到智慧電動車、資料中心和邊緣運算。Young Liu 董事長重新定義了 Foxconn 的角色，不僅是製造商，更是具有深厚工程專業知識和清晰未來願景的全球智慧製造賦能者。他正推動 Foxconn 走向 AI 經濟的最前沿。
但在 Young Liu 董事長加入我們之前，我們先來觀看一段關於 Foxconn AI 願景的短片。
（影片播放）
女士們、先生們，請和我一起熱烈歡迎 Foxconn 董事長 Young Liu 先生。
謝謝。謝謝 James。大家早安。今天很高興來到這裡。你們看到了許多工廠，有許多機器人在我們的現有工廠中運行。這些工廠，稍後我會向你們展示，它們已經改變了。它們因為 AI 而改變了。
James 在哪裡？James 走了。好吧。總之，謝謝 James 邀請我來到這裡，為了這個非常重要的活動 COMPUTEX，談談 Foxconn 在 AI 領域的努力。
接受這項任務後，我一直在思考我應該說些什麼。我們的客戶、我們的聽眾，聽了這次演講後，會覺得有益嗎？我一直在思考這個問題。所以，經過多天的思考，我最終認為，我不會和你們談技術，因為我們有非常專業的技術專家，他們會談技術。我也不會和你們分享我們在 AI 領域的業務，因為其中一些是機密的。但我決定與你們分享的是思維的軌跡，Foxconn 是如何憑藉我們的 AI 工廠走到這一步的。
AI願景的起點：一幅手繪圖
實際上，這一切都始於這裡。大約一年半前，當我們舉行 HHTD23 時，我們在飯店的會議室裡和 Jensen 坐在一起，Jensen 手繪了這張圖。我看著這張圖，我說：「哇，這是什麼意思？」
從那時起，這個精神就一直存在，但它改變了，它進化了。
Genesis計畫與未來工廠
接下來，讓我們看看我們所做的一切，透過一段我們與 BCG 共同準備的影片，向你們展示我們在過去一年半中經歷了什麼。
Foxconn 是電子製造的領導者，高度自動化並遍佈全球。
現在我們正邁入一個由 AI 驅動的新時代。我們稱之為 Genesis。
隨著我們在全球的快速擴張，經驗豐富的生產技術人員需求不斷增加。但經驗豐富的人才供應短缺。
我們的 AI 代理捕捉專家在解決瑕疵和設備調校等領域的知識，處理 80% 的工作，讓人們可以專注於最複雜的 20%。
這些代理學習、適應並協調生產，將循環時間提升 10% 以上，同時產生為 AGI（人工通用智慧）奠定基礎的代幣。
為了在工廠間擴大專業知識，我們正在創造超越簡單的手眼協調的下一代機器人。使用 NVIDIA 的 Omniverse，我們透過數百萬次的模擬訓練機器人的大腦，使其在現實世界中立即生效。
我們稱之為「物理 AI」，一種適應並處理複雜任務而無需人為干預的新型智慧。
Genesis 是一個強大的基礎，結合了創新的使用案例、代幣庫和增強的技術堆疊，以大規模部署 AI。
與領先的合作夥伴一起，我們正在轉變製造業。
Foxconn Genesis，下一個時代已經開始。
好的，這就是 Genesis，這仍在進行中。所以仍然有事情正在演進，在這段旅程中，我們產生了許多新的想法，而第一個新的想法是關於未來工廠。你有一個實體工廠，以及另外兩個非常重要的工廠。一個你們可能聽說過，數位雙生，Omniverse 數位雙生工廠。
在建造實體工廠之前，你可以在 Omniverse 上建造你的工廠，並在沒有實際建造工廠的情況下進行練習和優化。過去，我們認為有了 Omniverse 就已經足夠好了。但有了 Omniverse，它已經可以產生數據，如果我們善加利用這些數據，並與 AI 工廠結合，我們或許能夠在實際工廠建造時，建立一組基礎模型。
所以我們認為，未來的工廠會是這樣：實體工廠會最後出現，第一個你會有的是 Omniverse 數位雙生工廠，然後 AI 工廠會是第二個，一旦你建立了模型，並且數位雙生也優化到一定程度，那麼你就可以擁有你的實際工廠了。這就是我們看到的未來工廠的願景。
GenAI與人類協作的發現
接下來，你們已經看到了透過 BCG 的努力，我們經歷了許多使用案例，這些使用案例在累積了我們技術人員的許多工時後，我們有了一個非常重要的發現，我想要與你們分享。在這次實驗或研究之前，我們認為有了 GenAI，我們或許可以取代人類，取代所有人類。但我們很快就意識到，不會。
如果你看這張圖表，白色曲線代表人類技術人員。技術人員需要嘗試多少次才能達到一定水平？這是一般人類的表現。而藍線和綠線是 GenAI 協助下的表現，你可以看到在 GenAI 的協助下，非常非常快，經過兩到三次嘗試，就可以達到 80%。但在 80% 之後，看看曲線，它變得平坦了。
所以人類在 80% 之後可以做得比 GenAI 好得多。因此我們得出這個暫時的結論：有了 GenAI，它可以協助完成 80% 的工作，剩下的 20% 仍然需要由熟練的工人或技術人員來完成。好的，這是我想與你們分享的一個非常重要的發現。
大規模AI部署的架構
接下來，由於 Foxconn 工廠的規模，我們有中央部門，也有許多 BG（事業群），而 BG 的工廠遍佈全球。如何才能設計一個能夠支援這種大規模且非常複雜的實施和模型，同時又允許模型自行演進的架構？這需要一個非常非常複雜的架構，架構變得非常重要。
我們仍在，它仍在演進，但我們認為有了這個初步的架構，我們應該能夠達到我們想要的目標。這樣，中央部門建立的基礎模型就可以被全球各地的 BG 的工廠使用，然後他們可以繼續使用他們的實際工廠數據進行訓練，而這些數據和訓練好的模型可以回饋給中央模型，中央的模型就可以將結果分享給公司裡所有的工廠。
這就是我們想出的架構，我想提醒聽眾，架構非常關鍵。不僅僅是 GenAI 本身，如何部署 GenAI 的成果也變得非常關鍵。
智慧電動車
接下來，在我們進行智慧製造的同時，我們也正在開發電動車，你們可能聽說過我們的 HH TD（鴻海科技日）。這是我們的年度活動。在那次活動中，我們會向我們的聽眾展示我們去年創造的新電動車。
我們交付到市場的第一個產品是電動巴士。隨著這輛電動巴士在高雄的街上行駛，巴士上安裝了許多感測器，我們收集了許多關於街道的數據，很快我們就意識到，我們將如何利用這些數據？我們開始尋找與政府和企業分享數據的方法。
然後我們意識到許多所謂的智慧城市應用程式都是各自為營的。在下一頁，我們要談論智慧城市平台來解決這個問題。但透過智慧電動車，我們將向我們的潛在客戶提供智慧電動車平台。這些平台將包括車載和離線應用程式。
我們將開放這個平台給我們的客戶，我們也計劃將其開放，使其成為 MIH 成員的參考設計。我們幾乎已經準備好了。
關於智慧電動車的最新消息是，我們與 Mitsubishi 共同宣布。Mitsubishi 將是第一家利用我們參考模型的汽車 OEM。有了這個參考模型，我們的客戶可以使用我們的參考模型，他們 80% 的工作或許可以省去。他們不必做 80% 的工作，只需要投入 20% 的精力來製造他們的新電動車。這在 PC 產業非常普遍。好的參考設計提供了良好的基礎，包括系統所需的所有徹底測試，而這些測試為我們的客戶節省了大量時間。
這顯著縮短了我們客戶的上市時間和成本。請密切關注這個新的電動車公告。
智慧城市平台
接下來，我們在開發電動巴士時談到了智慧城市，我們意識到大多數智慧城市應用程式，無論是智慧交通、智慧醫院、智慧學校還是智慧建築，都是各自為營，它們並不協同工作。然後我們意識到，我們需要一個平台，讓所有這些智慧城市應用程式都能建立在其之上。
有了這個平台，它將透過這個平台連接政府、企業和市民。這個平台不僅支持數據共享，也支持知識共享。
目前，我們正在高雄實施這個智慧城市平台，台灣也有其他城市正在與我們合作進行智慧城市專案。我們也有台灣以外的城市與我們合作。一旦我們完成了智慧城市平台，我認為大約一年後，我們可以向你們展示，有了這個平台，在所有這些應用程式之間共享數據和知識是多麼容易和有用。
連結三大智慧平台：3+3+3計畫
因此，透過智慧製造、智慧電動車和智慧城市，所有這些想法都源自於那幅小圖畫。我們一直在思考，哇，也許這就是答案。我們需要 AI 工廠來為這三個智慧平台提供動力。這就是我們如何將這一切聯繫起來，並將這三個平台作為 AI 工廠能做什麼的範例。
我們在 GTC 25 的活動中展示了這個想法。所以你們過去可能聽說過 Foxconn 的「3+3」計畫。現在我們再加三個。在「3+3」之後，加上這三個智慧平台，就成了 Foxconn 的新計畫：「3+3+3」。
打造專屬AI模型：Foxconn.AI
接下來，有了這三個智慧平台，我們需要找到一個模型來支持它們。我們一直在尋找足以支持這三個智慧平台的模型。我們不斷尋找，並意識到大多數的基礎模型都非常通用。它們不了解製造業，特別是數據，它們都是數字，但不同機器傳來的數字代表著不同的意義，你必須對這些數據有所了解，才能理解它們的意義。
根據這個發現，我們也與電動車一起，意識到這不是一般通用的 AI 可以處理的。一般通用的 LLM 可能可以回答你想去哪裡，但它不知道如果某個東西即將故障，以及從某些模組發出的信號意味著近期將會發生什麼。這些知識和這些代幣都非常非常不同。如果你沒有經過特殊訓練或特殊的處理這些代幣的方式，它不僅會給你幻覺，還會給你錯誤的答案。
因此，我們認為最好開發我們自己的模型來支持這三個應用程式。因此，Foxconn.AI 的想法就產生了，當然它建立在開源模型的基礎上。目前我們正在使用 llama three four。我們創建了一個高質量的、大規模的預訓練語料庫，並將使用 Foxconn 資料中心（目前部分已經在使用）來建立這個模型。第一代通用模型專門用於推理，這種推理由於應用程式的不同，與一般推理有些不同。
因此，這個用於特定領域應用程式的生成工作流程，這就是 Foxconn Brain，它將被開發出來解決我剛才描述的問題。我們計劃將其開源給社群。希望透過你們加入開源社群，我們可以讓這個模型更加強大、更有用。
有了 Foxconn Brain 的想法，我們認為，既然我們有了應用程式（這三個智慧平台），我們知道我們將建立一個 Foxconn Brain 模型來支持它們。
技術堆疊與運算基礎設施
接下來，我們將在什麼之上建立這些東西、這些應用程式、這些系統？我們環顧四周，意識到 NVIDIA 不僅僅是一家晶片公司。它擁有一整套軟體來支持。我們意識到，憑藉我們談論的所有平台和我們將創建的 Foxconn Brain，NVIDIA 擁有一整套軟體來支持我們做到這一點。
所以，我們將在 NVIDIA AI 軟體堆疊之上建立我們的平台。那麼接下來會是我們應該使用什麼硬體？當然是 NVIDIA 硬體。所以我們需要硬體來運行它。我們需要巨大的計算能力來支持它。這就是為什麼你們昨天聽到了那項公告。
AI 工廠將建立這個第一個 NCP AI 資料中心。這個 AI 資料中心的目標是擁有 100 兆瓦的電力。電力，我不想用「短缺」這個詞，在台灣是個非常關鍵的資源。所以我們需要幾個步驟才能將其建成 100 兆瓦。我們將先建 20 兆瓦，下一階段再加 40，然後再加 40。其中一部分會在高雄。其餘的我們會在台灣各地尋找，看看哪裡可以最快獲得電力，然後我們就會在那裡建立資料中心。
AI旅程與生態系
所以，所有這些與 AI 相關的應用程式、Foxconn Brain、軟體堆疊、硬體和計算能力，都是在過去 18 個月內實現的。我們經歷了這段旅程和所有這些實踐，才達到了目前的狀態。我們與 BCG 和 NVIDIA 以及其他合作夥伴共同努力，創建了整個生態系，希望憑藉所有這些生態系，我們至少能夠成為 AI 製造的領導者，如果幸運的話，我們可以成為智慧城市平台的領導者，而且這很有可能發生。
如果發生這種情況，我們估計支持這些城市、智慧城市所需的計算能力將是巨大的。所以，這就是為什麼大約一年前，當人們問我們是否看到計算能力需求的放緩時，我告訴他們「不」，這才剛剛開始。因為我們看到了應用程式正在出現，我們也看到了模型的演進，它只會變得越來越大。所以不用擔心，至少在可預見的未來，它不會放緩。
人口結構變遷與AI機器人機會
接下來，這是我們在從事智慧城市專案時的另一個發現。我們查看人口數據，我們查看各國的問題，我們發現當一個國家變得發達時會發生什麼。如果你看 GDP 的範式或金字塔（我說的是三角形），當國家變得越來越富裕時，金字塔或三角形會向上移動，留下底部的低 GDP 職位空缺。
所以當你的國家變得越來越發達，GDP 會越來越高，做低 GDP 工作的人會越來越少。那麼國家如何解決這個問題呢？過去他們有兩種方式。一種是將低 GDP 工作外包給低 GDP 國家。我們過去已經看到了。我們看到了美國將工作外包給台灣，然後台灣將工作外包給中國。我記得大約 40 年前，當我們將工作從台灣外包到中國時，那裡的 GDP 大約不到 1,000 美元，經過他們的辛勤工作，40 年後，GDP 已經增長超過 10,000 美元。那麼發生了什麼？這對那裡的社會有什麼影響？
大多數人都想要高薪工作，社會也能夠支付得起。但那些低 GDP、低薪的工作呢？沒有人會有興趣。所以他們最終會將低 GDP 工作外包給其他低 GDP 國家。最終你會耗盡低 GDP 國家。是的，這是有極限的。
解決這個問題的另一種方法是從低 GDP 國家引進人口，也就是所謂的移民工人。這種情況已經在歐洲、美國、日本以及現在的台灣發生了。但這也產生了一些社會問題。過去沒有其他方法可以解決這些問題。現在隨著 GenAI 的出現，我們看到了巨大的潛力。GenAI 加上機器人技術將填補這個空白、這個缺口。這就是我看到的機會，一個巨大的機會，有了 GenAI 加上機器人技術，當一個國家變得越來越富裕時，低 GDP 的工作將由 GenAI 加上機器人來完成。這不是服務業，也不是娛樂業，我認為這才是所有發達國家面臨的真正挑戰。
所以，這對我們所有人來說都是一個巨大的機會，我敦促你們以及發達國家、發達國家的領導人非常仔細地關注這一發展。
總結與展望
所以，我想這就是我想與你們分享的旅程。正如我所說，我們不會談論業務，我們不會談論技術，只談談思維的軌跡，我們是如何開始的，以及我們是如何達到目前的階段。正如我所說，這將會不斷演進。
透過與像 NVIDIA 這樣的合作夥伴以及技術領袖合作，我們認為憑藉我們的協作努力，我們能夠加速這一進程。
在介紹我們的特別來賓之前，這次演講分為兩個部分。第一部分我快要結束了。第二部分將有我們的特別來賓加入我們。但在我介紹那位先生之前，我想做一個簡短的宣布，Foxconn 將與 Tech Orange 合作，創建台灣領先的機器人社群，以推動產業創新和成長，因為存在 GDP 範式轉移症候群。
所以，我們就拭目以待。謝謝聆聽。我們的來賓到了嗎？好的。好的。等一下。好的，播放。
好的，女士們、先生們，讓我們歡迎 AI 產業的超級巨星和台灣隊的領袖。台灣隊加油！我不需要再介紹了吧。
我還是喜歡被介紹。
不，Jensen。我知道你的行程很忙，你昨天的演講。
我老實說，我沒有別的了。
太棒了。昨天。
是的。
謝謝。謝謝。我記得上次我們在 HHTD23 一起，我們乘坐一輛「美女與野獸」的 SUV 進場。你還記得「美女與野獸」嗎？
車。車。車。
那輛車我必須告訴你一個好消息，它已經被 Mitsubishi 選為他們的汽車。
哇。
那輛車大約一年後就會在路上行駛。
好的。
好的。有你帶來的幸運。
在這場主題演講的後半部分，我想做的是問你問題，讓你來回答。
好的。
所以，你問什麼都沒關係，我的答案總是相同的。
我知道，我希望，我實際上從業界和關心你的人那裡收集了很多問題，並將它們歸納為三類問題。第一類是與業務相關的。你想讓我從與業務相關的問題開始嗎？
如果我們從業務相關的開始，我會講很久，然後我們就只講業務了。
所以，讓我們先從業務相關的開始。
我害怕聽到另外兩個問題。
控制住。好的。但這不是你想到的業務問題。這不是關於 NVIDIA 晶片或系統業務。這是關於「台灣隊」。
爐邊對談：Young Liu與Jensen Huang
第一個問題，從你的角度看，「台灣隊」是什麼？
嗯，台灣是我們最重要的合作夥伴所在地。我們來這裡已經 30 年了。而且，有人計算過，我們這裡有 350 個合作夥伴。
350？
350。
嗯，當然，我不可能認識所有人，但顯然，我們直接或間接與大約 350 家公司合作。你知道這裡的技術供應鏈非常深入，而且比人們想像的要複雜得多。就像我前幾天製作的一個影片（昨天也展示了），它展示了台灣技術的廣度與深度。所以作為一家計算公司，這裡是全球計算產業的中心，一切都從這裡開始，從晶片到系統，現在越來越多地，正在自動化機器人工廠和建造機器人方面進行的開創性工作。
你知道，你很清楚，這是全球最大的電子製造區域之一。而且它不僅是最大的，也是最先進的。我們在這裡製造的東西極其複雜。你和我在談論製造 GB200 伺服器。它有 120 萬個元件。它重近 2 噸。完全液冷。每個機櫃價值幾百萬美元。這些數字，這些數字。
是的。
而且它們並不是那麼難的數字。只是讓你知道，我全部四捨五入了。它是 1.8 噸。它是 112 萬個零件。
是的。
是的。所以我為了你的方便把它四捨五入。而且...
所以，總之，技術極其複雜，為了建造一個那樣的 Grace Blackwell 機櫃，有多少公司參與其中，實際涉及多少機器人技術？所以如果你看看我們在過去兩年所做的工作，自從你和我一起在舞台上開始談論 AI 和機器人技術以來，Foxconn 正在使用 NVIDIA Metropolis 來發展智慧城市。NVIDIA Metropolis 用於智慧工廠。NVIDIA Isaac Sim 用於機器人技術。NVIDIA Drive 用於自動駕駛車輛。NVIDIA Omniverse 作為所有這些的數位雙生作業系統。
昨天我們宣布，我們將建造一個 AI 工廠，供你使用，供我使用，也供台灣，整個生態系使用。
是的。
所以，所以現在 Foxconn 將成為一個世界級的區域雲端供應商，AI 雲端供應商。所以，看看我們現在一起工作的廣度。它涵蓋了幾乎每一個領域，更不用說用於製造的檢測代理，具備電腦視覺和視覺理解能力。所以從代理到機器人，機器人到，你知道，帶輪子的機器人，協調機器人來製造機器人。所以這...
我已經看過了。
這是機器人製造機器人。
是的。這是在現場。
這實際上是 Foxconn。
這是 Foxconn，你知道，全球最先進的科技公司之一。你只是將技術應用於製造業。你知道，我們為技術而應用技術。你將技術應用於製造業。所以它不可能，我們不應該感到驚訝。但每個人都應該對 Foxconn 的技術留下深刻印象。
非常感謝。
是的。
你有注意到嗎？我只是想展示一些東西。無論他問什麼都沒關係。
不，我只問了一個問題，那個問題...
那太好了。繼續問我的夾克吧。
不，不，不，不，不。我只是想展示一些東西。
好的。
我不會問關於夾克的問題。好的。不。我只是想展示。無論你問什麼都沒關係，他都會給出相同的答案。
好的，我明白了，因為從那裡我本來想談論 Omniverse 和機器人技術。
很棒的銷售員。總之，我的下一個問題是，你聽過 TEEMA 嗎？
從誰那裡？
TEEMA。它是台灣電子電機同業公會。
我做錯了什麼嗎？
沒有。哦，有什麼他不知道的。我剛剛當選為 TEEMA 理事長。
哦，恭喜。TEEMA。恭喜。
我做錯了什麼嗎？
我希望沒有。但是，無論如何，這是台灣最大的同業公會，擁有超過 3,000 個會員，佔台灣出口總值的 50% 以上。
合計的台灣員工人數。Foxconn 佔出口的 40%。
嗯，好的。37%。因為我們的商業模式是全球性的，所以你在台灣計算的營收只有大約一半。
好的。
所以 TEEMA 是... 我想大多數成員都是你的供應商。
好的。
現在，隨著 AI 產業的快速變化。你對 TEEMA 的供應商有什麼建議？作為 TEEMA 的一員，你有什麼建議嗎？
嗯，我有。我，我稍後會想到。但我必須先說。我確實有。所以，讓我做一個觀察。讓我做一個觀察。事實上，絕大多數專注於工業的公司，在軟體革命期間，很大程度上被拋在後面了。
原因在於，你顯然是工業公司，因為你了解機電、了解機械、了解化學、了解工業深層的物理部分、科學部分。那個產業是在上一次工業革命中形成的，台灣在這些產業中非常出色。但是當軟體出現時，這是一項全新的技能，而這些技能對於這些公司來說是相當不尋常且不自然的。第一點。
第二點觀察是，當 AI 在十年前開始時，它非常有趣，但不是很有用。對於工業公司來說不是很實用。原因在於 AI 了解英文，但它不了解物理，而這正是你所需要的。你所做的每一件事都需要物理理解、物理智慧。
你知道，當我把球滾到車底時，我的狗知道要從車底鑽過去或繞過車子，但 AI 會認為球從這個宇宙中消失了。所以，我們需要理解，我們需要具備物理常識。
現在，我們正在開發這兩方面的能力。現在，為什麼 AI 如此偉大？原因在於你可以「教導」AI。你不必「程式設計」AI。軟體程式設計技能不再像以前那樣重要。你現在有機會跨越軟體鴻溝，直接進入 AI。
事實上，我可以向你證明。現在每個人都是軟體程式設計師。軟體程式設計師的定義是編寫程式讓電腦做某事的人，對吧？那是軟體程式設計師。給我一個例子，誰不能告訴 ChatGPT 做某事？如果你甚至不知道如何告訴 ChatGPT 做某事，你可以說：「ChatGPT，教我如何教你做某事。」對吧？ChatGPT 會寫一個很好的提示，並說：「試試這個。」我說：「好的。」對吧？不可思議。
所以這台電腦現在變得聰明了，而智慧系統更容易使用。現在你有一個更容易使用的智慧系統，它了解物理定律。我們將所有這些結合起來，融入了 Omniverse。看到了嗎？你看到我是如何又繞回來的。它又繞回了 Omniverse，而你正將其作為數位雙生來使用。對吧？
而在數位雙生中，你可以在實際操作新建或改建工廠之前，設計你的工廠、操作你的工廠、模擬你的工廠並規劃一切。
完全正確。
對吧？所以突然間，TEEMA 中的每一家公司，每家公司現在都是一家科技公司，而且必須是，必須是一家科技公司。你問我什麼都沒關係。好的。現在如果我轉而問一些與個人相關的問題，它也會繞回到 TEEMA。
好的，我想對於 TEEMA，我想他們已經聽到了，他們將不得不跟上 AI 的步伐，並轉型為擁有越來越多的軟體能力。對吧？
事實上，Young，看看每一家公司都需要做 Foxconn 所做的事情。當你我第一次談論 AI 時，你沒有只是談論 AI、閱讀 AI、不斷思考 AI。你直接就開始著手做 AI 了。就去實踐。當然，兩年前的技術沒有今天那麼先進。對吧？
對吧。
但你知道，你知道它會變得更好。你知道技術會變得更好。當然會。它每 10 年會進步一百萬倍。每 10 年一百萬倍。
感覺像每天都在變。
而且確實如此。AI 每天都在變化。所以，但你現在就參與進來，並期待你正在經歷的這些挑戰幾乎會自行解決。但你必須立即投入。每個人都必須開發一個系統。我們有一個系統可以提供給你。你將它帶到你的公司，你知道，Foxconn 和我會為你建造它。
所有軟體都可以提供給你。我們已經與你所有的軟體開發商整合，無論是 Cadence 或 Siemens 或 Autodesk，還是其他任何開發商，我們已經與你所有的軟體開發商合作。Omniverse 已經與所有這些整合。Nemo 已經與所有這些整合。所以你可以開始嘗試 AI，而且在過去幾年裡，你所產生的成果令人驚嘆。你展示給我的演示，你知道，你的工廠基本上是完整的數位雙生，而且看起來非常真實。
是的。
它們看起來非常真實。機器人在裡面工作。不可思議。
所以過去我們有實體工廠。然後我們使用 Omniverse 創造了數位雙生。
完全正確。
然後我們意識到我們需要 AI 工廠來支持這兩者。
完全正確。
讓它越來越強大。所有這些變化都演變得如此之快。而它之所以演變得如此之快，完全是因為那位先生，你創造的晶片運行得如此之快，而且每年都在如此快速地進步。
我，我的下一個問題是，你在硬體速度方面，對於 AI 來說，看到任何限制嗎？
記住，摩爾定律已經結束了。摩爾定律結束是因為我們已經達到物理的極限了。所以電晶體的成本正在上升，這也是合理的。電晶體和處理器的能源效率並沒有上升得很快，這是可以理解的。所以我們必須嘗試不同的技能和不同的技術。
因此我們正在開發多晶片封裝、3D 封裝。這是一種方法。另一種方法，當然，就是這個不可思議的發明，MVLink，我們將所有這些晶片連接在一起，形成一個巨大的晶片。你知道，晶圓的尺寸大概像這樣。所以所有這些晶片都像一個巨大的晶片一樣工作在一起。
我們使用了先進的機械系統和液體冷卻系統，將這些系統壓縮到液冷的一個巨大機櫃中。但非常重要的是軟體。我們的架構和我們在其上開發的演算法，使我們能夠重新架構 AI 模型，重新架構工作如何在這些超級電腦之間分配。網路當然是一個巨大的挑戰和巨大的機會。我們不再來回傳遞資訊，而可以在網路內部、在結構內部進行歸約。
所以，你知道，我們都一起發送我們的答案，以便我們能結合所有的答案，但為什麼我們不直接發送給網路呢？網路結合答案，然後直接發送回給我們，所以我們就不必接收了。這樣我們就把流量減少了將近一半。所以，所有這些聰明的想法結合在一起，使我們能夠大幅提升 AI 效能。你知道，人們說它大約每六個月翻兩倍。我實際上認為它目前的進步速度可能比每六個月翻兩倍還要快。你知道，可能像是每三個月翻兩倍。
所有這些事情的結合，我稱之為全棧（full stack），但基本上，你在創新晶片，創新系統，創新資料中心，創新資料中心的作業系統，同時創新模型。
從你目前看到的來看，只有天空是極限。
只有天空是極限。這真是 Young，這真的是令人驚嘆的事情。所以，曾經創造了電腦產業，而且記住，我第一次意識到這將成為一個產業，電腦產業將成為一個產業，是當 Bill Gates 在他的一次訪談中，他當時還很年輕，那是 1984 年，也許是 1985 年。我聽到他的一次訪談，他說 Microsoft 不是文字處理器或試算表的製造商。它是軟體的製造商。當時我聽到「它是軟體的製造商」。這是什麼意思？軟體製造起來這麼容易。你寫一個副本，剩下的就複製。好的。剩下的都是免費的。
所以你如何創造一個你生產的一切都是免費的產業？當然，他發明了授權制度。所以，是的，我沒有意識到他心裡想的是一大堆律師和...但更重要的是，他指的是軟體有一套生產方法。看看他們今天生產的所有軟體。那是一個有遠見的想法，現在這是一個萬億美元的產業。
我們的產業，記住 AI 是一個很棒的技術，但 AI 本身也是一個產業。就像軟體一樣，你有試算表等等，但總體來說，軟體本身就是一個產業。AI 將成為一個產業。然而，AI 將由「工廠」生產。所以現在你只需要想想，自動化代理和機器人產業將有多大？我們將支持它，而且每個代理和機器人都需要工廠隨時為它們生產代幣。
我認為，我認為我們毫無疑問地發現、發明、創造了一個新的萬億美元產業，這就是為什麼每個人都如此興奮的原因。
太棒了。太棒了。好的。所以，你知道，時間快到了。我試著盡可能地用盡所有時間。
謝謝。謝謝。
那我將跳過一些與技術相關的問題。我要問一些與個人相關的問題。希望你不會覺得冒犯。
來一個技術問題吧。在中國，每個人都知道我在台灣最喜歡的餐廳。
不，不，不，不是那個。
每個人都知道我今天下午要去哪裡。
不是那個。你知道，在中國有一句古話，每個成功的男人背後都有一個了不起的女人。我不會問你是誰，但我想問你，你想對她說些什麼嗎？公開地。
我每天都對她說同樣的話。親愛的，我愛你。
總之，我是在她 17 歲的時候認識她的，她剛滿 19 歲。所以，我大部分時間都和一位比我大的女性約會。
你是在美國的哪個地方認識她的？
Oregon。
Oregon。
是的。我們是電機工程系的實驗室夥伴。
哦，實驗室夥伴。好的。所以，想像一下機率。想像一下你要有多聰明才能做到這一點。好的。所以，基礎電機工程學有 250 個學生。只有三個女生。我在統計學上也太不可能了。不僅如此，班上最年輕的人是誰，這非常清楚。我上大學的時候 128 磅，畢業的時候 132 磅之類的。好的，我當時 128 磅。所以，在一個充滿成年人的房間裡，我絕對看起來像個孩子。
所以我就走到她面前，我注意到，我注意到班上有個美麗的女孩。聽著。聽著。我走到她面前，我，我使用了我的超能力。
超能力。
因為我知道，我知道只要看看聽眾，每個人都知道我的技能是什麼。所以我只是告訴她，你知道，你想看看我的作業嗎？因為那是我的超能力。
作業。
每個人都有超能力。所以，我也告訴她，你，我不知道你的成績如何。可能很好。但是，如果你每個星期天和我一起學習，我向你保證，你一定會拿到全 A。每個星期天。
所以，我每個星期天都有約會。
哦，我明白了。我明白了。非常聰明。
是的。是的。
這告訴我們，他之所以如此成功，是從 17 歲開始的。好的。不是現在才開始的。好的。
我對你的最後一個問題是，你知道，每個人都對你的夾克很好奇，但我不是。你知道，最近你的手錶變得非常受歡迎。
我不知道。
你不知道？你的手錶呢？
我不戴手錶。
但是新聞上說那是假新聞？
是的，那是假新聞。
哦，真的？哦，那是假新聞。那我得告訴我太太，那是假新聞。我不會買那個價位的手錶給你。好的，那是假新聞。就是這樣。
不，不，那是假新聞。我不戴手錶。
我明白了。
我不關心時間。我只關心現在。這就是我不戴手錶的原因。我 100% 在這裡。
他真的把我搞糊塗了。那手錶的新聞是假新聞嗎？
那可能是假手錶。
好的。謝謝。非常感謝。很高興你來到這裡，透過這次對話，我們了解了 Jensen 的另一面，希望這能幫助你們更多地了解 Jensen，除了他的晶片和他的商業成就之外。
我的晶片還是挺不錯的。別讓我... 但如果我可以說 Young，我對我們的合作感到高興。顯然我們正在製造世界上最先進的電腦，而且在我們昨天的會議上，你們的一位領導說，從來沒有人製造過如此複雜的系統。但非常重要的是，從來沒有人以這種速度製造超級電腦。
是的。
大多數時候，你計劃一台超級電腦需要三年，然後建造一台。我們現在每小時都在量產。所以我們正在以我們談論的規模做到這一點，這是非凡的。但這就是我們一起為我做的工作。真正讓我興奮的是，你然後利用這項不可思議的 AI 技術來徹底改革、轉變 Foxconn。
是的。
而且也將它提供給所有台灣的研究人員、學生、其他新創公司以及所有產業。我認為你展示了一個很棒的範例。你用技術革新自己的公司，這很棒。你之前已經是一家了不起的科技公司了。現在你是一家非凡的科技公司，而且你為台灣所做的一切。所以我非常非常感激。