转自：AI深度研究员

　　全文约10，000 字，阅读约需 28 分钟

　　在11月23日晚，在香港科技大学恢弘的大讲堂里，两位全球科技领域的领军人物正进行着一场对话。台上，刚刚获得港科大工程学荣誉博士学位的英伟达创始人黄仁勋，正与校董会主席、美国国家工程院外籍院士沈向洋展开一场深度对谈，聚焦AI的三大核心问题、算力发展以及未来的变革方向。

　　讲台下座无虚席，每个人都在专注聆听这场跨时代的对话。在这个世界上，任何你依赖的东西，无论是电力、机票，还是其他任何东西，如果它的成本降低了百万倍，你的行为习惯会发生根本性的改变。确实如此，人们对计算的看法也完全改变了。我们让机器能够轻松学习和分析海量数据（维权），这种能力让研究人员几乎无需犹豫就能使用。这正是为什么机器学习能够蓬勃发展的原因。而今天，人工智能革命正在创造一种前所未有的新型能量 - 智能本身。

　　这不仅仅是一场技术更迭。在黄仁勋看来，我们正站在一个全新产业的起点。就像300年前通用电气和西屋公司通过发电机创造了电力工业，今天的人工智能正在建立一个“数字智能”的生产体系。计算机编程的方式从手工编写转向数据训练，CPU让位于GPU，每一个技术环节都在经历根本性的重构。这场变革的核心，是将人类认知过程 - 观察、推理、行动 - 转化为可以规模化生产的“数字智能”

　　对话文稿

　　主持人沈向洋院士： 请为台上的这两位杰出的演讲者送上热烈的掌声。黄教授，欢迎您回到母校香港科技大学。

　　嘉宾黄仁勋： 谢谢！很高兴回到香港科技大学。

　　主持人： 黄教授，真的非常高兴您能来到科大和香港。请允许我说一句，大家能不能用掌声表达我们对黄教授的热爱？

　　黄仁勋： 谢谢，谢谢。我也爱你们。

　　主持人： 黄教授，我为这个时刻准备了很久，这绝对是我在科大的职业生涯中最重要的时刻之一。我昨晚因为兴奋得睡不着，因为今天我要介绍您为这个宇宙中排名第一的首席执行官，可能是整个宇宙，至少是我们这个宇宙中最优秀的CEO。不过我有点担心，因为昨晚苹果的股票表现很好，而英伟达的股票没有特别亮眼。我忍不住等到市场收盘，今天早上醒来，我问我妻子：“英伟达撑住了吗？”不夸张地说，您真的是第一。

　　黄仁勋： 谢谢您的夸奖。

　　1、谈AI对社会影响

　　主持人： 我们今天下午只有不到一个小时的时间，我想直接问一些有挑战性的问题。您一直在人工智能领域深耕多年，能不能为我们的观众分享一下您对人工智能的看法，尤其是最近的通用人工智能，以及它对社会和产业的影响？

　　黄仁勋： 首先，非常感谢您给我这个机会。主持人Harry是我们这个时代最具影响力的计算机科学家之一，他一直是我和全世界许多人的偶像，所以能够在这里和您对话，我感到非常荣幸。人工智能领域的重大突破是它能够学习和理解各种类型的数据，比如语言、图像、蛋白质序列、化学分子序列等等。突然之间，我们的计算机能够理解单词的含义。因为生成式人工智能的出现，我们可以将一种信息形式转化为另一种，比如从文本生成图像、从文本生成文本、从蛋白质序列生成文本，甚至从文本生成化学分子。

　　这种最初的“通用函数近似器”逐渐演化成了“通用语言翻译器”，能够处理各种类型的信息。那么问题是，我们可以用它来做什么？您可以看到，全球范围内的初创企业正在利用这些能力，将不同的信息模式结合在一起，开发出令人惊叹的新功能。我认为，最了不起的突破是我们现在能够理解复杂信息的含义。对于数字生物学家来说，这意味着他们可以更好地理解数据并找到关键线索；对于芯片设计师或系统设计师来说，这种能力可以优化设计；对于气候科技、农业科技或能源行业来说，这种能力可以帮助发现新的材料。

　　主持人： 您刚刚提到的观点让我印象深刻，甚至可以说震撼到了我。您提到人类历史上的几次重大革命——农业革命让我们能够生产更多的食物，工业革命让我们能够制造更多的工业产品，信息技术革命让我们拥有了海量的信息，而现在的人工智能革命正在制造“智能”。您能否进一步阐释一下为什么这件事如此重要？

　　黄仁勋： 从计算机科学的角度来看，我们实际上重塑了整个技术栈。过去，我们通过手工编写代码来开发软件，我们想象出需要实现的功能和算法，然后用自己的创造力将它们写成代码。这些代码运行在CPU上。如今，我们用观测数据训练计算机，让它们从数据中发现规律和模式。我们不再使用传统的代码编写方式，而是通过机器学习生成神经网络，这些神经网络在GPU上运行。GPU的强大性能使我们能够开发出前所未有的软件，而这些软件的核心正是人工智能。

　　这种转变对整个行业的影响是巨大的。人工智能的核心是认知的自动化，即问题解决的自动化。从基本原理来看，问题解决可以分为三个步骤：观察环境并理解它、推理并得出结论、制定计划并采取行动。例如，在自动驾驶中，车辆需要感知周围环境的位置和其他车辆的位置，进行推理并制定驾驶计划；在医学影像中，人工智能可以分析CT扫描图像，找出可能的肿瘤或异常并标注给放射科医生。通过这些“数字代理人”，我们已经能够创造出“数字智能”。如果我们将这些能力放在一个数据中心，它就像一个生成“数字智能”的工厂。让我用一个类比来解释——300年前，通用电气和西屋公司发明了一种新设备，最初称为发电机，后来成为交流发电机。他们还聪明地发明了用电设备，比如灯泡和烤面包机，创造了一整个用电生态系统。类似地，人工智能如今正在为我们创造一个“数字智能”生态系统。

　　就像当年电力行业发明了用电的设备，比如灯泡和烤面包机，现在我们正在创造“智能设备”，比如数字助理和聊天机器人。这些“智能设备”就像灯泡和烤面包机一样，是我们每个人都可以使用的工具，但背后连接的是一个“工厂”。过去的工厂是发电厂，现在的新工厂是“数字智能工厂”。从工业的角度来看，这实际上是一个全新的行业，这个行业将能量转化为“数字智能”，然后被各种不同的应用所使用。我们相信，这种智能的消耗将会非常巨大，而这个行业在以前是不存在的，就像发电行业在工业革命前是不存在的一样。

　　2、谈AI对计算需求

　　主持人：  您描绘了一个更加光明的未来。当然，我们知道这一切的发生，很大程度上归功于您的努力，以及英伟达在过去十年乃至十二年里对这一领域的巨大贡献。有一个数字一直被提及，那就是关于“扩展定律”，而且最近还出现了“黄氏定律”，与早期英特尔提出的“摩尔定律”相对。摩尔定律的意思是每18个月计算能力会翻倍。而在过去十到十二年里，在您的领导下，不是每18个月，而是每年计算需求翻了四倍。也就是说，十年下来，计算需求增加了百万倍。这也解释了为什么英伟达的股票在过去十年里涨了300倍。您怎么看未来十年，计算需求还会再增加百万倍吗？

　　黄仁勋： 摩尔定律依赖于两个概念：一个是VSI缩放（大规模集成电路缩放），这得益于Carver Mead和Lynn Conway的研究；另一个是Dennard缩放（恒定电流密度缩放）。这些技术的结合让我们能够每隔一段时间将半导体的性能翻倍。通常来说，每五年性能会提升10倍，每十年会提升100倍。而我们现在经历的是另一个现象，那就是神经网络的规模越大，训练数据越多，人工智能的智能程度似乎也越高。这是一种经验定律，就像摩尔定律一样。我们称之为“扩展定律”，而它似乎仍在延续。但是，仅仅依靠预训练是不够的。就像上大学并毕业是一个重要的里程碑，但这还远远不够。我们还需要“后训练”，即在特定领域深入学习技能。这需要强化学习、人类反馈、人工智能反馈、合成数据生成、多路径学习等技术。通过这些技术，我们可以在特定领域中深入挖掘，学习非常复杂和专业的技能。

　　最后一步是“推理”，也就是测试阶段。有些问题的答案可以直接得出，而有些则需要一步步分解，用第一性原理逐一解决。这可能需要迭代或模拟各种结果，因为答案可能并非预测性的。这就是我们所说的“思考”。而思考得越深入，答案的质量可能就越高。现在我们有三个人工智能发展的核心领域，每一个都需要大量的计算资源，并能带来更高质量的结果。今天，我们已经能提供最好的答案，但这些答案离完全可靠还有距离。我们需要达到一个状态，用户对人工智能的回答能够完全信任，不再担心回答是否是幻觉，是否有意义。

　　这需要我们持续增加计算能力。在过去十年里，我们将计算性能提升了百万倍。那么我们究竟做了什么？英伟达的贡献是降低了边际计算成本。在过去的十年里，我们将计算成本降低了百万倍。想象一下，在这个世界上，任何你依赖的东西，无论是电力、机票，还是其他任何东西，如果它的成本降低了百万倍，你的行为习惯会发生根本性的改变。确实如此，人们对计算的看法也完全改变了。这是英伟达最大的贡献之一——我们让机器能够轻松学习和分析海量数据，这种能力让研究人员几乎无需犹豫就能使用。这正是为什么机器学习能够蓬勃发展的原因。

　　主持人： 我完全理解您的观点。不过，我想我们的教授们可能稍有不同意见，因为他们仍然需要投入大量资金来购买您的GPU。（笑）不过，我稍后再回到这个话题。百万倍的计算力确实令人震撼。

　　黄仁勋： 但Jay，我过去十年已经给了你百万倍的折扣啊，从某种意义上来说，现在几乎是免费的。（笑）

　　主持人： 的确，我们从您这里学到了太多东西，接下来的时间我们将继续深入探讨。那么黄教授，有一个问题我特别想听听您的看法。我们在香港科技大学应该如何更好地利用人工智能技术和基础设施？比如您的GPU、软件生态系统等。现在有很多方向可以选择，而“AI赋能科学”是一个特别令人兴奋的话题。您一直是这一领域的倡导者。我们学校也在投入大量计算基础设施，包括GPU，同时鼓励物理、材料科学、生物学等学科与计算机科学的跨学科合作。此外，香港现在正在快速发展生物医学领域。一个非常振奋人心的消息是，香港政府决定建立第三所医学院，而香港科技大学是第一所提交提案的大学。作为校友，您有什么建议可以给我们的校长、我以及学校的整体发展方向？

　　黄仁勋： 首先，我在2018年的全球超级计算大会上首次提出将人工智能引入科学计算领域，当时这个想法受到了很多质疑。原因之一是人工智能在当时更像一个“黑箱”，虽然今天它仍然是一个“黑箱”，但比当时已经透明了许多。今天的人工智能可以通过交互来解释自己，比如你可以问它：“为什么会建议这样做？”“请告诉我，你是如何一步步得出这个答案的？”通过这种探究的过程，人工智能变得更具透明性和可解释性。这种互动方式就像教授通过提问来了解学生的思维过程，不仅仅是答案本身，而是这个答案是否符合第一性原理，是否有逻辑基础。2018年时，这种能力还不存在。

　　其次，人工智能的答案并不是基于第一性原理得出的，而是基于观察数据的学习。因此，它并不像传统的第一性原理求解器，而是通过“模拟”来模仿智能和物理规律。那么问题来了，这种模拟对于科学来说有价值吗？我的答案是，模拟对科学来说是不可或缺的。原因在于，在许多科学领域，我们确实理解第一性原理，比如薛定谔方程、麦克斯韦方程等，但我们无法用这些方程去模拟和理解复杂的大系统。模拟让我们能够在更大规模、更复杂的系统中探索规律，这是人工智能赋能科学的巨大价值。

　　传统的第一性原理计算方法在处理非常复杂的大规模系统时往往受到计算能力的限制，甚至变得几乎不可能完成。而通过训练了解这些物理规律的人工智能，我们可以模拟这些大型系统，以便更好地理解它们的行为和规律。这种能力非常有价值，比如在人类生物学中，我们的系统从纳米级别的分子一直延伸到跨越数年的时间尺度。仅靠第一性原理计算几乎无法解决这些跨尺度的问题。现在的问题是，我们能否利用人工智能来模拟人类生物学，以便更好地理解这些极其复杂的多尺度系统？如果可以的话，这将帮助我们创建“数字孪生体”，即人类生物学的数字化模型。这是一个令人振奋的希望，因为我们可能首次拥有了这样的计算机科学技术，让数字生物学家、气候科学家和其他处理复杂问题的科学家能够真正理解大型物理系统的运作。

　　说到香港科技大学的新医学院，这是一个非常独特的机会。全球几乎所有医院的建立都是以传统医学为基础，然后尝试将人工智能和科技整合进来。但这样的整合通常会遭遇怀疑甚至抵制。而香港科技大学却可以从零开始，利用其在技术、计算机科学和人工智能领域的优势，打造一个以科技为核心的新型医院。这不仅是一个巨大的机遇，还意味着您可以真正推动科技和医疗的结合。

　　3、谈领导力

　　主持人： 我想稍微转换一下话题，聊聊您的领导力问题。您是硅谷任职时间最长的CEO之一，已经担任英伟达CEO长达31年，几乎快到32年了。您似乎从不觉得疲惫，仍然保持着惊人的工作节奏和热情。我们非常想了解，您是如何管理这样一家庞大的组织的？英伟达今天拥有数万名员工、惊人的营收和大量的客户，您是如何带领公司保持如此快的创新速度的？

　　黄仁勋： 今天让我非常惊喜的一件事是，我见到了“计算生物学与商业”双专业的学生。过去我们通常会分别看到计算生物学或商业专业的学生，而今天我看到有学生同时学习这两个专业，我觉得非常棒。事实上，我在创办英伟达时，从未修过商业课程，甚至到现在也没有上过任何商业课。我从未写过商业计划书，也不知道如何写商业计划书。所以，我非常依赖像你们这样的学生来帮助我了解这些东西。（笑）

　　之所以这么说，是因为我始终相信，学习是一件永无止境的事情，我也一直在学习新东西。做任何你愿意为之奉献一生的事情，首先要将其视为“毕生的事业”，而不是一份工作。我把英伟达当作我的人生事业，而不是一份普通的工作。这种心态的区别会极大地影响你的思维方式。无论你是木匠、艺术家，还是神经外科医生，把你的职业看作是你终生要追求完美的技艺，这种投入感将完全不同。

　　英伟达是我的毕生事业。在这过程中，我学到了很多东西，我不会花时间分享所有细节，但作为CEO，你需要不断学习和重塑自己，因为世界在不断变化，公司在变化，技术也在变化。今天你所掌握的知识未来一定有用，但它永远不会足够。所以，我每天都在学习。比如，我在飞往香港的航班上会看YouTube视频，也会与我的AI“导师”对话。我会问AI问题，比如：“为什么你会给出这样的答案？”“请一步步解释。”或者，“请用另一种方式解读。”通过这种互动，我不断学习。

　　作为CEO和领导者，我学到的一个关键点是，你不需要知道一切。你可以对自己的方向充满信心，但同时也要允许存在不确定性。信心和确定性是不同的概念。保持对目标的信心，同时接受不确定性，这种开放的心态可以让你继续学习和成长。正如您所说，“从不确定性中获益”，不确定性是朋友，而非敌人。第二点，作为领导者，需要展现力量，因为团队成员会从你的力量中获得信心。然而，力量并不意味着不能表现脆弱。如果你需要帮助，就应该主动寻求帮助。我自己也经常向别人请教问题，甚至向我的团队寻求支持。脆弱并不等于软弱，不确定性也不等于缺乏信心。最后一点非常重要：不要为了自己而做，而是为了他人。真正被信任的领导者是那些每一个决定都以团队使命、他人成功为导向的人。无论是公司内部的同事，还是外部的合作伙伴、生态系统或供应链，我始终在思考如何让他们更成功。昨晚飞过来的时候，有人问我：“我们与某个重要合作伙伴的讨论应该怎么做？”我回答：“想一想什么对他们最有利，然后基于他们的最佳利益来决定我们的策略。”

　　主持人： 关于与他人合作，我有一个问题不得不问。我听说您直接管理60位高管，是这样吗？

　　黄仁勋： 没错，是60位。（笑）

　　主持人：  那真是令人难以置信。开员工会议时，可能就像您说的，前四排的座位都坐满了您的团队成员。这似乎是您独特的领导风格，您是如何做到这一点的？

　　黄仁勋： 透明度是关键。我在所有人面前阐述需要完成的工作目标，我们共同制定策略。无论是什么策略，大家同时听到并参与整个讨论过程。通过这种方式，每个人都能看到我们如何共同努力完成目标。这种透明的沟通方式，让整个团队更加紧密地协作，也能更好地执行策略。当公司需要确定方向、制定策略或做出决定时，我不会一个人进入“森林”深思熟虑，然后带着答案回来告诉大家该怎么做。相反，我们会一起推理、讨论，最终得出结论。我通常是最后一个总结发言的人，我的职责是确保每个人都听到并理解相同的信息，消除任何可能的歧义。一旦我们达成一致，我会依靠团队中的每一个人，他们是世界上最优秀的人才，他们不需要我手把手地指导。

　　主持人：  这确实是一种非常有效的领导方式。我今天早上听您在接受香港科技大学荣誉学位时的致辞，您提到学校在培养创业者方面的成就，比如校友创办的公司数量、独角兽企业的数量以及退出案例的数量。科大确实以创业精神闻名，但您作为一位从年轻时就创办公司并带领其取得惊人成功的企业家，有什么建议可以给我们的学生和教职员工？他们应该何时以及为什么开始自己的事业？

　　黄仁勋： 这是个很好的问题。我确实向我的妻子Lori承诺过，在30岁之前我会创办一家公司。但老实说，那更像是一个“撩人”的台词。我16岁上大学，17岁遇到了我的妻子。当时，我是班里年龄最小的学生，班上有250名学生，其中只有3位是女生。我显然需要一些“竞争策略”，所以我走上前去对她说：“你想看看我的作业吗？”接着，我向她承诺：“如果你每周日和我一起做作业，我保证你每门课都能得A。”这就让我每周都有一次约会。而且为了确保她最终会嫁给我，我告诉她：“到我30岁的时候，我一定会成为一家公司的CEO。”老实说，当时我完全不知道自己在说什么。（笑）

　　主持人：  这是一个很有趣的故事。我注意到有学生问了一个相关的问题。他们提到自己在学业上表现不错，但担心谈恋爱会分散注意力，影响学业。您的看法是什么？

　　黄仁勋： 绝对不会有负面影响！其实我每次在她来之前都会先完成作业，这样当她到的时候，我已经知道所有答案了。她可能一直都认为我是个天才。（笑）

　　4、谈高校融合AI浪潮

　　主持人： 实际上，您确实是个天才！这对我们的学生来说是一个很有趣的提示。今天有太多精彩的问题想问您，我准备了九页的问题，不过时间有限，可能无法全部覆盖。我必须代表我们的一位教授提问，因为问题非常重要，尤其是在当今人工智能需要大量计算资源的背景下。之前有一位华盛顿大学的教授在推特上说过，现在的深度学习革命中，像MIT这样的顶尖大学几乎“缺席”。他指的不仅是MIT，而是许多美国的顶尖大学。这些年，最重要的开创性论文大多来自企业，比如您的公司英伟达，以及微软、OpenAI、谷歌DeepMind等。这很大程度上是因为企业拥有足够的计算能力。我们的教授想问：在这种情况下，大学应该怎么做？我们是直接加入英伟达？还是可以与英伟达合作？作为我们的校友，您能否给我们一些帮助？

　　黄仁勋： 这确实是一个非常重要且结构性的问题。从未来的科学发展来看，没有机器学习，科学的推进将是无法想象的，而机器学习本质上离不开计算设备。这就像没有射电望远镜，你无法研究宇宙；没有粒子加速器，你无法研究物质的基本构成。超级计算机，特别是AI超级计算机，已经成为当今科学的基本工具。但大学面临的结构性问题在于，各个研究人员的经费通常是独立筹集的。一旦研究人员获得经费，他们往往不愿与他人共享，而机器学习研究需要巨大的计算资源。虽然每个研究项目只需要短时间的大规模计算，但整体资源需求依然很高。大学如果想在研究上取得突破，就需要整合各方资源。然而，在像斯坦福、哈佛这样的大学里，计算机科学领域的研究者通常能筹集到大量资金，但其他领域，比如气候科学或海洋科学的研究者可能面临更大的资金挑战。

　　解决这个问题的关键是大学需要重新思考资助机制。比如，建设一个全校共享的基础设施，可以为所有学科提供支持。这种系统性的改变是必要的，但也非常困难。这正是为什么许多研究人员会选择进入像英伟达、谷歌、微软这样的公司，在那里开展研究，因为他们能够接触到更强大的计算基础设施。与此同时，我们也看到一些教授选择做访问学者，一边教学一边在企业从事研究。这些都是可行的解决方案。但从长远来看，大学需要从根本上重新思考如何分配和使用研究经费。

　　主持人： 您提到的这些建议非常重要，尤其是在场的观众中，我们有香港政府科技创新部门的负责人孙教授。他们一直在支持人工智能领域的资助工作，比如设立了香港生成式人工智能中心，这是一个非常重要的进展。此外，我们的副校长也在场，他们都能够帮助推动这些想法的实现。不过，我有一个挑战性的问题想请教您。一方面，我们很高兴计算能力显著提升，价格也在下降，这对研究非常有利。但另一方面，您的GPU耗费了大量的能源。有些预测显示，到2030年，全球能源消耗将增长30%。您是否担心，因为GPU的广泛应用，世界的能源消耗会增加？

　　黄仁勋：  这是一个非常重要的问题。我想倒着回答。首先，我要说，如果全球的能源更多地被用于支持AI工厂，那么这个世界会变得更美好。让我分析几点。首先，人工智能的目标并不是训练模型，而是利用模型。就像学生来这里上学的目标不仅仅是为了学习本身，而是为了将来能成功地应用所学的知识。当然，学习本身是崇高且有价值的，但大多数学生投入了大量的时间和金钱，目标是将知识应用到实践中。同样地，AI的最终目标是推理（inference），而非仅仅是训练模型。推理是非常高效的，它可以帮助发现新的科学方法，比如如何将二氧化碳储存在地下、设计更高效的风力涡轮机、开发储能材料，或者优化太阳能电池板的材料。这些都是我们想通过人工智能实现的终极目标。

　　其次，AI不关心它在哪里被训练。我们不需要把超级计算机放在大学校园中，可以把它们放在更靠近电网、甚至远离人口密集区的地方。过去，我们的发电厂是为了家用电器而建，比如离家近的灯泡、洗碗机或电动车充电站。但超级计算机不需要靠近人类居住区，可以放在任何地方，比如使用可持续能源的偏远地区。最后，我希望人工智能能够变得更加高效，帮助我们解决许多领域的浪费问题，比如电网的浪费。电网大部分时间都处于供电过剩状态，但在某些时刻又会供电不足。AI可以优化这些系统，减少浪费，同时节省能源。如果人工智能能够通过节能技术节省的能源超过它本身的消耗，那么这是一个非常值得的交换。

　　我的梦想是，我们最终能够看到，将能源用于创造智能是我们能够想象的最好的能源利用方式。

　　5、谈智能技术应用

　　主持人： 我完全同意，将能源用于智能的开发是最有价值的利用方式。说到智能，我想回到与“智能”相关的另一个话题。您知道，粤港澳大湾区，包括香港、深圳、广州和东莞等地，这个区域多年来已经发展为一个重要的硬件生态系统。如果今天开发一个有趣的硬件设备，而不在大湾区生产，很可能会因为组件和效率问题而受到限制。比如，大疆公司就是从这里起步的，凭借其无人机技术成为全球领先的企业。我的问题是，随着人工智能的发展，实体智能（physical intelligence）将变得越来越重要，比如机器人和自动驾驶汽车。您如何看待这些实体智能技术将如何快速融入我们的生活和工作中？我们又该如何利用大湾区的硬件生态系统来抓住这个机会？

　　黄仁勋：  粤港澳大湾区对于中国乃至世界来说，是一个绝佳的机会。这个区域在机电一体化（mechatronics）方面已经非常成熟，这是一种机械技术与电子技术的交汇点。而机器人技术的关键在于加入一个能够理解物理世界的人工智能。目前的大型语言模型（如ChatGPT）主要擅长处理认知智能和知识，但它们并不理解物理智能，比如当我把一个杯子放在桌子上，它需要理解这个动作的物理规律。未来的人工智能需要学会物理智能，理解并与物理世界交互。这是机器人技术的核心，也是我们在大湾区硬件生态系统中可以深入挖掘的一个巨大机会。让我用一个例子来进一步解释，其实我们在机器人领域已经取得了很大的进展。您可能已经看到，生成式人工智能可以通过文字生成视频。例如，我可以输入一个指令“Jensen拿起咖啡杯喝一口”，AI就能生成相应的视频。如果AI能通过文字生成这样的视频，那么同样也可以生成指令来控制机械臂完成相同的动作。因此，从生成式AI到通用机器人，这一跨越其实已经非常接近了。

　　目前有三类机器人能够实现大规模生产，这一点非常重要，因为大规模生产能带来技术飞轮效应。高产量能推动研发投入，而研发又会带来技术突破，从而制造出更好的产品，进一步提高产量。这种技术飞轮对于任何行业来说都是至关重要的。

　　这三类机器人分别是：汽车，因为过去150年来我们的世界是为汽车设计的；无人机，因为天空几乎没有限制；以及最重要的，人形机器人，因为我们的世界是为人类设计的。这三类机器人可以无缝地融入现有环境（即所谓的“棕地部署”），并推动机器人技术的大规模应用。

　　粤港澳大湾区在这方面拥有得天独厚的优势。它是世界上唯一一个同时拥有机电技术和人工智能技术的区域。其他两个传统机电技术的强大区域是日本和德国，但遗憾的是，它们在人工智能领域落后较多，需要迎头赶上。而大湾区的独特之处就在于它能同时整合这两种能力。

　　主持人： 听您对实体智能和机器人技术的展望实在令人振奋。我们大学确实在这些领域有很强的优势，再加上大湾区的硬件生态系统，我们能够与不同的公司和地方政府合作，推动这些技术的发展。前几天我还与深圳市的市长和技术局局长张博士会面，了解到深圳是一个以硬件迭代速度媲美软件迭代速度的城市。这非常符合您刚才的观点，这个地区确实是一个巨大的机遇。

　　黄仁勋：  没错，大湾区确实是一个极具潜力的地区。我还读到贵校在人工智能、机器人技术以及医疗领域的工作，非常令人印象深刻。现在我作为校友，也可以为这些好的决定“邀功”了。（笑）人工智能、机器人和医疗这三个领域的结合，确实是推动创新的完美组合。通过新的医学院，您可以将这些发展推向更高的水平。

　　主持人： 感谢您的认可！不过，要让这些美好的事情发生，我们还是需要您的支持，尤其是您的GPU！不过看时间，我们好像已经严重超时了。