公开访谈 · 黄仁勋
黄仁勋：从游戏到 AI（《财富》科技峰会）
先看这几个判断
共 8 条重点- 01黄仁勋认为，深度学习的重大突破在于利用大量数据与计算能力，让计算机从例子中自行提取重要特征；他把这种变化概括为软件能够编写软件。 →
- 02黄仁勋把三维图形和游戏称为 NVIDIA 创新及研发规模的引擎；据他当时所知，NVIDIA 独有的优势是可以投入四五十亿美元开发超级计算机处理器，在尚无客户采购订单时把它做成十亿美元业务。 →
- 03黄仁勋表示，NVIDIA 一直认为机器人和能在复杂环境中自主运行的机器会形成巨大市场，并将成为计算机与 AI 进入物理世界的方式。 →
其余 5 条重点
- 04黄仁勋认为，汽车厂商可先限制自动驾驶功能的启用条件，并在随后数年逐步增加产品；能够在所有地点、所有条件下完全无人驾驶的汽车，当时可能仍需五到十年。 →
- 05黄仁勋认为，自动驾驶系统必须能在故障发生后继续安全运行；为避免共同的系统性失效，设计需要兼具冗余和多样性。 →
- 06黄仁勋在估计出行行业规模约为 10 万亿美元后，判断从访谈次年开始，地理围栏内的出行服务可能是最容易推进的自动驾驶应用。 →
- 07黄仁勋预计，出行服务会改变城市设计和停车空间，但许多人仍将长期拥有私家车；他们可能开得更少、购买更好的车，并更多把车用于娱乐而非通勤。 →
- 08黄仁勋认为，区块链将成为重要的数据库与交易功能，并预测未来每笔交易都会带有某种加密编码的公共账本或分布式数据库机制。 →
访谈导读 · 忠实转述
在这场发表于 2018 年 1 月的访谈中，黄仁勋将 NVIDIA 定位为 GPU 计算公司：GPU 在 CPU 旁边并行处理信息、加速计算。他回顾，三维图形与游戏兼具极高计算需求和潜在巨大消费市场，使高性能技术能够进入消费级 PC，也为公司扩展到工作站、高性能计算、云和自动驾驶提供规模。他把游戏称为创新与研发规模的引擎，并将大额处理器研发投入的信心归因于 GeForce 用户对下一代产品的需求；这些商业能力与用户规模表述属于他的自述。
他认为，深度学习通过大量数据与计算自行提取特征，推动了视觉、音频和时间序列信息的感知能力；图形技术创造虚拟现实与 AI 理解物理现实之间的联系，也帮助解释 NVIDIA 向 AI 的延伸。机器人和自主机器则被他视为 AI 进入物理世界的方式。自动驾驶虽然是他眼中相对简单的自主机器应用，将驾驶技能写入程序却极难，还必须快速反应，并在故障后继续安全运行。因此，他强调计算系统既要冗余，也要有不同设计，以避免相同缺陷造成共同失效。
谈及落地路径，他区分了限定城市或区域的出行服务、司机仍在车内的固定高速路线卡车，以及全地点、全条件无人驾驶汽车。既有车辆能否改装也取决于车型及传感器配置。他认为出行服务提高使用率后会改变城市与停车空间，但私人拥车仍会长期存在。访谈还涉及他对区块链交易机制普及和加密货币持续使用的乐观判断，以及创业应以真实社会贡献为动机的立场。
访谈观点
嘉宾观点 · 忠实转述
正在阅读 8 条重点，保留原观点编号。
观点目录 · 8 条 选择一条，跳转阅读
嘉宾未来判断汇总 · 忠实转述
以下均为黄仁勋在本场访谈时作出的历史预期：机器人与自主机器将形成巨大市场；从访谈次年起，地理围栏内的出行服务可能最容易推进。约两年内，卡车可能在司机仍在车内、充分测绘且反复行驶的固定高速路段实现部分自动驾驶，到端点再由司机接管。汽车厂商可能在随后数年增加受限功能产品，而所有地点、所有条件下完全无人驾驶的汽车，当时可能仍需五到十年。 他援引现场此前关于未来约十年新增十亿人口的说法，认为新增出行需求和停车空间约束会推动出行服务，提高车辆使用率；许多人仍会长期拥有私家车，但可能开得更少、购买更好的车，并更多用于娱乐而非通勤。他还广泛预测未来每笔交易都会带有某种加密公共账本或分布式数据库机制，同时认为加密货币会持续存在并被部分人使用。这些预期不代表其后实际进展已获核验。
延伸分析汇总
AI 条件式分析：若游戏用户需求能够持续转化为下一代产品销售，消费业务规模可能支持高额研发及进入更多计算市场；安装基础本身不足以保证这种转化。若限定区域和路线确能减少需要覆盖的驾驶场景，受限出行服务与卡车应用可能比全场景无人驾驶更早形成需求，但仍取决于实际运行能力、故障后的安全运行及验证结果。若出行服务提高车辆使用率并承接更多通勤，私人用车频率、用途和停车需求可能改变，不能据此推出汽车销量必然下降。以上是基于本场观点的推演，不是黄仁勋的市场结论或投资建议。