如果今年你只想花時間去真正搞懂AI到底是怎麼一回事，那我強烈、強烈推薦你去看科技分析師本尼迪克特·埃文斯的最新那場訪談。真的，我從沒想過一個長達一小時、資訊密度極高的對談，能讓我看得如此酣暢淋漓。在這個AI話題已經快被聊爛的時代，我們每天都被各種極端言論轟炸，不是“人類末日將至”就是“奇點臨近永生”。這種巨大的撕裂感讓人焦慮，你根本不知道該信誰。而埃文斯用商業的冷酷邏輯，把那些浮在天上的泡沫一個個戳破，讓你看清地面上到底在發生什麼。看完之後，很多糾結了很久的問題，瞬間就有了答案。下面就是我消化後，覺得最精華的一些想法，分享給你。他首先給我們拋出了一個坐標系，用來衡量這波AI浪潮的規模。AI很重要，重要到會在未來十年裡，像移動網際網路一樣，成為無數新產品、新商業模式誕生的土壤。他說，AI是自iPhone以來最重要的一次平台級變革，但它也僅僅是自iPhone以來最重要的一次變革。但這事兒還沒到工業革命那種改變人類文明形態的等級。它是有歷史先例可循的。有了這個坐標，你就不會輕易被那些極端言論帶跑偏，你能更理性地去審視，機會在那裡，風險又在那裡。而當我們談論歷史先例時，最常被濫用的就是那個關於柯達的陳年雞湯。我們總被告誡，柯達是因為無視了自己發明的數位技術，才被時代拋棄。但埃文斯告訴我們，這完全是胡說八道。事實是，柯達不僅沒有無視，反而是全身心投入，甚至一度做到了美國數位相機市場的銷量第一。真正幹掉它的，是兩個更殘忍的商業現實。第一，隨著智慧型手機和社交媒體的崛起，人們不再需要列印照片了，柯達最賺錢的印相紙業務瞬間歸零。第二，膠卷時代，柯達憑藉專利壁壘，享受著高利潤的壟斷地位；而數位相機，是一個誰都能做的低利潤紅海市場，柯達沒有任何優勢。所以，柯達的沒落，是因為商業模式的坍塌。這自然就引出了今天最大的一個問題：那些網際網路巨頭，比如Google，是不是因為擁有海量的使用者資料，就在AI時代擁有了不可撼動的護城河？埃文斯的答案是，未必。因為訓練一個強大的基礎大模型，需要的是覆蓋人類知識方方面面的、海量且高品質的通用文字。任何一家公司的自有資料，無論多麼龐大，都只是這個巨大知識庫裡的一小部分，甚至可能是質量不高的一部分。他那個著名的例子就是，Meta在訓練自家模型時，發現自己平台上的所有使用者資料還不夠用，甚至“不是AI想要的那種文字”，最後不得不去網上找盜版電子書的語料庫。這瞬間就把所謂的資料霸權拉下神壇，也意味著AI競賽的起跑線，比我們想像的要平坦得多，給了無數創業公司與巨頭同台競技的機會。既然大家用的基礎原料都差不多，那最終的產品，自然也難以形成本質的區別。所以今天市面上所有的AI聊天機器人，本質上都是同質化的商品。它們的使用者體驗都驚人地一致：一個輸入框，一個輸出框。這種產品形態的趨同，意味著目前還沒有那家公司建立了真正的產品壁壘。領先者之所以領先，更多是依靠品牌先發優勢和使用者心智的佔領，而不是產品本身有多麼不可替代。另外，它還沒有形成真正的網路效應。你用Google搜尋，你的搜尋行為會成為資料，讓搜尋結果變得更好。你用微信，是因為你的朋友都在上面。但你用ChatGPT，並不會直接讓我的ChatGPT變得更好用。這種網路效應的缺失，讓整個戰局充滿了變數。當產品本身高度同質化，且尚未形成網路效應時，我們就能理解為什麼AI的真實使用者普及情況，和媒體渲染的熱度存在巨大溫差了。資料顯示全世界只有大約10%的人每天在用AI聊天機器人，還有一大批人，在好奇心驅使下嘗試過一次後，就再也沒有打開過。這是因為在大多數人的日常工作生活中，根本就找不到一個足夠剛需、足夠高頻的使用場景。所謂的史上最快破億使用者，很大程度上只是因為它是一個免費的網站，點一下就能用，和當年需要花錢買電腦、買手機的平台遷移，完全沒有可比性。所以你看，把這些觀點串起來，一幅清晰的圖景就浮現了。AI的未來，主要還是看某個產品能不能找到一個真實的使用者場景，並建構起真正的商業壁壘。 (Meme知識)

城主說|昨晚在華盛頓特區的GTC大會上，NVIDIA創始人兼CEO黃仁勳 整個行業描繪了一幅通向新工業革命的詳盡藍圖。在近兩個小時的演講中，他系統性地闡述了AI如何從根本上重塑計算範式，並行布了革命性的Blackwell平台，定義了“AI工廠”這一全新基礎設施概念。這是一次產品迭代，也是一場關於未來生產力、創新乃至國家競爭力的宣言。昨晚做了這場演講, 輝達的市值已經馬上要突破5兆了..核心觀點摘要“人工智慧不是一個工具，人工智慧是工作。這是深刻的差異。實際上，人工智慧是可以真正使用工具的工人。”“摩爾定律已經基本終結……我們稱之為極限協同設計。輝達是當今世界上唯一一家真正從一張白紙開始，可以同時考慮新架構、新晶片、新系統和新軟體的公司。”“我這裡所說的電腦就是一個工廠。它運行人工智慧，其目的是為了生產儘可能有價值的代幣……這絕對是一個AI工廠。”“一方面，GB200（Blackwell）是最昂貴的電腦。另一方面，它的令牌生成能力非常強大，以至於它以最低的成本生成令牌。”“物理AI需要三台電腦：一台用於訓練模型，一台用於在數字孿生中模擬，一台用於操作機器人。這三台電腦都運行CUDA。”“就像電力和網際網路一樣，人工智慧是必不可少的基礎設施。每家公司都會使用它。每個國家都會建構它。”“從亞利桑那州和印第安納州的矽片到德克薩斯州的系統，Blackwell和未來輝達AI工廠的各個世代都將在美國製造。”加速計算：超越摩爾定律的唯一路徑演講的開篇，黃仁勳直指當前計算行業面臨的根本性挑戰：摩爾定律的終結。他指出，電晶體數量的增長已無法帶來同等的性能與功耗最佳化。“登納德縮放定律在大約十年前就已經停止了……那個時刻現在已經到來了。” 在這個物理定律的瓶頸期，傳統CPU的順序處理模式已難以為繼。輝達的答案，是其耗費三十年心血建構的“加速計算”範式。黃仁勳強調，GPU本身固然重要，但其真正的護城河在於龐大而成熟的CUDA生態系統。“大多數人談論的是GPU。GPU很重要。但是如果沒有一個位於其之上的程式設計模型……開發者就不會以這個計算平台為目標。” 從用於晶片製造的計算光刻庫CuLitho，到加速SQL的CuDF，再到醫學影像的MONAI和量子計算的CuQuantum，英偉-達擁有超過350個專業庫。這構成了一個強大的軟體壁壘，使得各行各業的開發者能夠無縫利用GPU的平行計算能力，解決通用計算無法觸及的複雜問題。這不僅僅是硬體的勝利，更是生態的勝利。“AI工廠”：新工業革命的核心基礎設施黃仁勳此前提出的最顛覆性的概念，無疑是“AI工廠”。他徹底重塑了我們對資料中心的認知。傳統資料中心是資訊儲存和多種應用運行的通用設施，而AI工廠的目標則極為專一：生產智能。“這絕對是一個AI工廠。它不像過去的資料中心……這個工廠只生產一種東西……那些被稱為令牌的數字。” 令牌，是AI理解和生成資訊的單位，可以是文字、圖像、化學結構，甚至是機器人的動作。黃仁勳認為，隨著AI模型從簡單的預訓練發展到需要大量計算進行“後訓練”和即時“思考推理”，對計算資源的需求正在經歷雙重指數增長：一是模型本身複雜度帶來的計算需求；二是模型越智能、應用越廣泛，使用者越多，從而產生的計算需求。這個“良性循環”正以前所未有的壓力衝擊著全球的計算能力。“這個虛擬循環現在正在運轉。我們需要做的是大幅降低成本，這樣一來……通過降低成本來保持這個虛擬循環的運轉。” 因此，“AI工廠”的終極目標，就是以最低的成本、最快的速度，生產出最智能的令牌。Blackwell平台：極限協同設計的革命性產物為了實現AI工廠的極致效率，輝達推出了革命性的Blackwell平台。黃仁勳將之稱為“極限協同設計”的產物，其重要性被類比為“自IBM System 360以來最徹底的電腦重塑”。協同設計意味著輝達不再僅僅設計晶片，而是將晶片、系統、高速互聯（NVLink）、網路（Spectrum-X）乃至整個機架作為一個單一的、完整的計算單元進行設計。“你不能僅僅設計晶片，然後寄希望於它上面的東西會變得更快……我們需要復合指數，以保持這個虛擬循環的持續。” 這種全端式的協同設計，帶來了驚人的性能飛躍。黃仁勳引用第三方基準測試資料稱，Grace Blackwell（GB200）的性能是上一代H200的10倍。更關鍵的商業邏輯在於成本。“一方面，GB200是最昂貴的電腦。另一方面，它的令牌生成能力非常強大，以至於它以最低的成本生成令牌。” 這種極致的性價比，確保了AI“良性循環”得以持續，也讓Blackwell成為全球雲服務商和AI公司建設下一代AI工廠的核心引擎。物理AI：當數字智能遇上現實世界黃仁勳的視野並未侷限於數字世界。他提出了“物理AI”的概念，即讓AI理解並與物理世界互動，這標誌著人工智慧應用的下一個巨大浪潮。實現物理AI，需要一個全新的計算架構。“物理AI需要三台電腦。一台電腦來訓練它……一台能夠執行模擬的電腦……然後您就需要操作該機器人。” 這三台電腦分別是：用於訓練的Blackwell超級電腦、用於在數字孿生環境中模擬和驗證的Omniverse電腦，以及部署在機器人或自動駕駛汽車中的Jetson Thor機器人電腦。這一戰略構想已經催生了龐大的生態系統。在工業領域，輝達通過Omniverse DSX平台，與西門子、富士康等企業合作，在數字孿生中設計、建造和營運機器人化工廠。在人形機器人領域，與Figure、Agility Robotics等前沿公司合作，為其提供從訓練、模擬到端側部署的全端支援。而在自動駕駛領域，通過發佈Drive Hyperion標準平台，並與Uber等巨頭合作，輝達正試圖建構一個全球性的“輪式機器人”網路。這標誌著AI正從雲端走向現實，成為驅動實體經濟變革的核心力量。美國製造與展望未來：從Blackwell到Rubin演講的一個重要主題是“美國製造”。黃仁勳詳細展示了Blackwell從亞利桑那州的晶圓製造，到德克薩斯州的系統組裝的全過程，並強調這是對美國製造業回歸和再工業化的貢獻。“川普總統要求我的第一件事就是把製造業帶回來……9個月後，我們現在在亞利桑那州全面生產Blackwell。” 這不僅是地緣政治考量下的供應鏈重塑，更彰顯了輝達掌控從設計到生產全鏈條的雄心。而當世界還在驚嘆於Blackwell的強大性能時，黃仁勳已經揭開了下一代平台——Rubin的面紗。他展示了完全無線纜、100%液冷設計的Rubin機架，並承諾將以“每年一次”的節奏進行極限協同設計系統的迭代。“在我們拆解GB300的同時，我們正在準備Rubin，以便明年這個時候投入生產。” 這種毫不鬆懈的創新步伐，旨在確保輝達在AI計算領域的絕對領先地位，並持續降低令牌的生產成本。從超越摩爾定律的加速計算，到定義新生產模式的“AI工廠”，再到連線字與現實的物理AI，黃仁勳為輝達乃至整個科技行業規劃了一條清晰而激進的路線圖。這不再是一個關於晶片的故事，而是一個關於建構新世界基礎設施的宏大敘事。新工業革命的引擎已經轟鳴，而輝達正手握方向盤。天空之城全文整理版美國創新的新篇章美國，創新之地，在這裡，發明塑造命運，技術助力夢想騰飛。在貝爾實驗室，電晶體誕生，開啟了半導體時代，並催生了矽谷。海蒂·拉瑪重新構想了通訊，為無線連接鋪平了道路。IBM的System 360將通用電腦置於工業的核心地位。英特爾的微處理器推動了數字時代的發展。克雷的超級電腦拓展了科學的邊界。所以我們認為我們正處於這項技術的開端，我們將儘可能快地前進。蘋果使計算個人化。“你好，我是Macintosh。”微軟打開了通往軟體新世界的窗口。早在網路出現之前，美國政府研究人員建構了阿帕網（ARPANET），連接了第一批電腦，這是網際網路的基礎。“一個iPod。一部電話。你明白了嗎？”然後又是蘋果。將一千首歌放進你的口袋，將網際網路握在你的手中。每個時代，一次飛躍。“我們選擇在這個十年內登上月球並做其他的事情。不是因為它們容易，而是因為它們困難。”每次飛躍，美國領先。現在，下一個時代來臨了。由一項革命性的新計算模型啟動。“這很可能成為我們對電腦行業做出的最重要的貢獻。”“它很可能會被認為是一場革命。”機器學習是人工智慧的一個分支。幾乎看起來會思考的電腦。“計算資源的數量最終將推動這個領域。”人工智慧。新的工業革命。其核心是輝達GPU。在美國發明。就像電力和網際網路一樣，人工智慧是必不可少的基礎設施。每家公司都會使用它。每個國家都會建構它。贏得這場競爭將是對我們能力的考驗，與太空時代曙光以來的一切都不同。而今天，人工智慧工廠正在崛起。在美國建造。為了科學家、工程師和夢想家。橫跨大學、初創企業和工業界。“我認為我們想要努力達到文明的新高度。”探索宇宙的本質。現在，美國的創新者正在為富足掃清道路。拯救生命。將願景塑造成現實。伸出援手。並交付未來。我們很快將用無限的清潔能源為其提供動力。我們將把人類的足跡延伸到星辰。這是美國下一個阿波羅時刻。齊心協力，我們邁出下一個偉大飛躍。大膽地去往無人之境。一切都從這裡開始。歡迎來到舞台，輝達創始人兼首席執行官，黃仁勳。華盛頓特區！華盛頓特區，歡迎來到GTC。很難不對美國感到感傷和自豪，我得告訴你。剛才那個視訊很棒，對吧？謝謝。輝達的創意團隊做得非常出色。歡迎來到GTC，今天我們有很多內容要和大家分享。GTC是我們討論行業、科學、計算、當下和未來的地方。所以今天我有很多內容要和大家分享。但在開始之前，我想感謝所有幫助贊助這次盛會的合作夥伴。你會在展會上看到他們所有人。他們來這裡是為了與你見面。而且非常棒的是，如果沒有我們所有的生態系統合作夥伴，我們就無法完成我們所做的事情。人們說，這是人工智慧的超級碗。因此，每一個超級碗都應該有一個精彩的賽前表演。你們覺得這個賽前表演怎麼樣？以及我們全明星的運動員和全明星陣容。看看這些人。不知何故，我變成了最健壯的。你們覺得怎麼樣？我不知道這是否與我有關。加速計算：超越摩爾定律正如你在視訊中看到的，輝達在60年來首次發明了一種新的計算模型。一種新的計算模型很少出現。這需要大量的時間和一系列的條件。我們觀察到，我們發明了這個計算模型，因為我們想要解決通用電腦，即普通電腦無法解決的問題。我們還觀察到，總有一天，電晶體的數量會繼續增長，但是電晶體的性能和功率將會下降。摩爾定律將不會繼續有效。受物理定律的限制。那個時刻現在已經到來了。登納德縮放定律在大約十年前就已經停止了。事實上，電晶體的性能及其相關的功率已經大幅下降。然而，電晶體的數量仍在繼續增加。我們很久以前就觀察到了這一點。30年來，我們一直在推進這種我們稱之為加速計算的計算形式。我們發明了GPU，我們發明了名為CUDA的程式設計模型，並且我們觀察到，如果我們能夠加入一個處理器，該處理器可以利用越來越多的電晶體，應用平行計算，並將其加入到順序處理CPU中，那麼我們可以將計算能力擴展到遠遠超出現在的水平。那個時刻真的到來了。我們現在已經看到了那個轉折點。加速計算的時代已經到來。然而，加速計算是一種完全不同的程式設計模型。你不能只是把CPU軟體，也就是手工編寫的、順序執行的軟體，放到GPU上，然後讓它正常運行。事實上，如果你只是那樣做，它實際上會運行得更慢。所以你必須重新發明新的演算法。你必須建立新的庫。事實上，你必須重寫應用程式，這也是為什麼它花了這麼長時間的原因。我們花了將近30年的時間才走到今天。但我們一次只處理一個領域。這是我們公司的財富。大多數人談論的是GPU。GPU很重要。但是如果沒有一個位於其之上的程式設計模型，以及對該程式設計模型的專注，並保持其在各個世代之間的相容性。我們現在即將推出CUDA 13，CUDA 14。數億個GPU，運行在每一台電腦中，完全相容。如果我們沒有做到這一點，那麼開發者就不會以這個計算平台為目標。如果我們沒有建立這些庫，那麼開發者就不知道如何使用該演算法，以及如何最大限度地利用該架構。一個又一個的應用。我的意思是，這確實是我們公司的寶藏。CuLitho，計算光刻。我們花了近7年時間才用CuLitho走到今天，現在台積電使用它，三星使用它，阿斯麥使用它。這是一個令人難以置信的計算光刻庫。製造晶片的第一步。用於CAE應用的稀疏求解器。CuOpt，一種打破了幾乎所有記錄的數值最佳化。旅行推銷員問題。如何在供應鏈中將數百萬種產品與數百萬客戶連接起來。Warp，用於CUDA的Python求解器，用於模擬。CuDF，一種DataFrame方法。基本上，加速SQL。DataFrame資料庫。這個庫是完全啟動AI的那個。CuDNN。其上的名為Megatron Core的庫使我們能夠模擬和訓練極其大型的語言模型。這樣的例子還有很多。MONAI，真的，真的非常重要。世界上排名第一的醫學影像AI框架。順便說一句，我們今天不會過多地談論醫療保健，但請務必觀看金伯利的主題演講。她將會大量談論我們在醫療保健領域所做的工作。這樣的例子不勝列舉。基因組學處理。艾瑞爾，注意聽講。今天我們要在這裡做一件非常重要的事情。CuQuantum，量子計算。這只是我們公司350個不同庫的代表。這些庫中的每一個都重新設計了加速計算所需的演算法。這些庫中的每一個都使所有生態系統合作夥伴能夠利用加速計算。這些庫中的每一個都為我們開闢了新的市場。讓我們來看看CUDA X能做什麼。是不是很棒？你所看到的一切都是模擬。沒有藝術，沒有動畫。這就是數學之美。這是深度的電腦科學，深度的數學，它令人難以置信的美妙。涵蓋了每個行業。從醫療保健和生命科學到製造業、機器人技術、自動駕駛汽車、電腦圖形，甚至是視訊遊戲。你看到的第一張照片是輝達運行的第一個應用程式。這就是我們在1993年開始的地方。我們一直堅信我們所嘗試做的事情。這花費了……很難想像你能看到第一個虛擬格鬥場景變得栩栩如生，而同一家公司相信我們今天會在這裡。這真是一段非常非常不可思議的旅程。我想感謝所有輝達的員工為你們所做的一切。這真是太不可思議了。今天我們有很多行業要介紹。我將介紹人工智慧、6G、量子、模型、企業計算、機器人和工廠。讓我們開始吧。我們有很多內容要介紹。有很多重大消息要宣佈。很多新的合作夥伴會讓你非常驚訝。拓展新邊界：從6G通訊到量子計算電信是我們經濟、我們產業、我們國家安全的支柱和命脈。然而，自從無線技術誕生之初，我們定義了這項技術，我們定義了全球標準，我們將美國技術出口到世界各地，以便世界可以在美國技術和標準之上進行建設。這種情況已經很久沒有發生過了。如今，世界各地的無線技術，很大程度上是建立在外國技術之上。我們建立在外國技術之上的基本通訊結構。這種情況必須停止。我們有機會做到這一點。尤其是在這個根本性的平台轉變時期。如你所知，電腦技術是幾乎每一個行業的基礎。它是科學最重要的工具。它是工業最重要的工具。我剛才說，我們正在經歷一個平台轉變。那個平台轉變應該是一生一次的機會，讓我們重返賽場。讓我們開始用美國技術進行創新。今天，我們宣佈我們將這樣做。我們與諾基亞建立了大型合作夥伴關係。諾基亞是世界第二大電信裝置製造商。這是一個3兆美元的產業。基礎設施價值數千億美元。世界各地有數百萬個基站。如果我們能合作，我們就能在這個令人難以置信的新技術之上進行建構，它從根本上基於加速計算和人工智慧。並且為了美國，為了讓美國成為6G下一場革命的中心。因此今天，我們宣佈輝達推出了一條新的產品線。它被稱為輝達ARC。空中無線電網路電腦。空中無線電接入網電腦，ARC。ARC由三項根本性的新技術建構而成。Gray CPU、Blackwell GPU，以及我們專為該應用設計的ConnectX Mellanox ConnectX網路。所有這些使得我們能夠運行這個庫，我之前提到的這個名為Aerial的CUDAX庫。Aerial本質上是一個運行在CUDAX之上的無線通訊系統。我們將首次創造一台軟體定義的、可程式設計的電腦，它能夠同時進行無線通訊和人工智慧處理。這是完全革命性的。我們稱之為輝達ARC。諾基亞將與我們合作，整合我們的技術，重寫他們的協議棧。這是一家擁有7000項基本必要5G專利的公司。很難想像在電信領域有比這更偉大的領導者了。所以我們將與諾基亞合作。他們將把輝達ARC作為他們未來的基站。輝達ARC也與AirScale相容，AirScale是諾基亞目前的基站。這意味著我們將採用這項新技術，並能夠用6G和人工智慧升級全球數百萬個基站。現在，6G和人工智慧非常重要，因為我們將首次能夠使用人工智慧技術，用於RAM的人工智慧，以使無線通訊的頻譜效率更高。使用人工智慧、強化學習，根據周圍環境、交通、移動性、天氣等情況，即時、有針對性地調整波束成形，所有這些都可以被考慮進來，從而提高頻譜效率。頻譜效率消耗了全球約1.5%到2%的電力。因此，提高頻譜效率不僅可以提高我們通過無線網路傳輸的資料量，而無需增加必要的能量。我們可以做的另一件事是，用於RAM的人工智慧是RAM上的人工智慧。這是一個全新的機會。記住，網際網路實現了通訊，但令人驚訝的是，像AWS這樣的智能公司在網際網路之上建構了一個雲端運算系統。我們現在將在無線電信網路之上做同樣的事情。這個新的雲將是一個邊緣工業機器人云。這是RAM上的人工智慧，第一個是用於RAM的人工智慧，以提高無線電頻譜效率，第二個是RAM上的人工智慧，本質上是用於無線電信的雲端運算。雲端運算將能夠直接延伸到邊緣，即沒有資料中心的地方，因為我們在世界各地都有基站。這個公告真是令人興奮。首席執行官賈斯汀·霍達，我想他就在房間裡的某個地方，感謝你們的合作。感謝你們幫助美國將電信技術帶回美國。這真是一次很棒的合作。非常感謝。這是慶祝諾基亞的最佳方式。讓我們來談談量子計算。1981年，粒子物理學家、量子物理學家理查德·費曼設想了一種可以直接模擬自然的新型電腦。直接模擬自然，因為自然是量子的。他稱之為量子電腦。40年後，該行業取得了根本性的突破。40年後，就在去年，一個根本性的突破。現在製造一個邏輯量子位元是可能的。一個邏輯量子位元。一個相干、穩定且經過糾錯的邏輯量子位元。現在，一個邏輯量子位元有時由10個，有時由數百個物理量子位元共同協作構成。正如你所知，量子位元，這些粒子非常脆弱。它們很容易變得不穩定。任何觀察，任何採樣，任何環境條件都會導致它失去相乾性。因此，它需要極佳的可控環境，並且現在還需要許多不同的物理量子位元協同工作，以便我們對這些所謂的輔助量子位元或辛德羅姆量子位元進行誤差校正，從而糾正誤差並推斷出邏輯量子位元的狀態。有各種不同類型的量子電腦。超導、光子、囚禁離子、穩定原子，各種不同的方式來建立量子電腦。實際上，我們現在意識到，對於我們來說，將量子電腦直接連接到GPU超級電腦至關重要，這樣我們才能進行誤差校正，才能對量子電腦進行人工智慧校準和控制，才能共同進行模擬。正確的演算法在GPU上運行，正確的演算法在QPU上運行，這兩個處理器，兩台電腦並肩工作。這就是量子計算的未來。有許多方法可以建構量子電腦。每種方法都使用量子位元（量子位）作為其核心建構塊。但無論採用何種方法，所有量子位元，無論是超導量子位元、囚禁離子、中性原子還是光子，都面臨著相同的挑戰。它們很脆弱，並且對噪聲極其敏感。今天的量子位元只能在幾百次操作中保持穩定。但解決有意義的問題需要數兆次操作。答案是量子糾錯。測量會干擾量子位元，從而破壞其中的資訊。訣竅是加入額外的糾纏量子位元，這樣測量它們就能給我們足夠的資訊來計算出錯誤發生的位置，而不會損壞我們關心的量子位元。這很棒，但需要超越當前最先進的傳統計算。這就是我們建構NVQ Link的原因，這是一種新的互連架構，可將量子處理器與NVIDIA GPU直接連接。量子糾錯需要從量子位元中讀取資訊，計算出錯誤發生的位置，並將資料發回以糾正它們。NVQ Link能夠每秒數千次地將太字節的資料傳送到量子硬體並從中接收，這是量子糾錯所必需的。其核心是CUDAQ，我們用於量子GPU計算的開放平台。利用NVQ Link和CUDAQ，研究人員將能夠做的不僅僅是糾錯。他們還將能夠協調量子裝置和人工智慧超級電腦來運行量子GPU應用程式。量子計算不會取代經典系統。它們將融合在一起，成為一個加速的量子超級計算平台。哇，這真是一個很長的階段。你知道，首席執行官們，我們不僅僅是坐在辦公桌前打字。這是一項體力活。所以今天，我們宣佈NVQ Link。而這由兩件事促成。當然，這種互連可以進行量子電腦控制和校準、量子糾錯，以及連接兩台電腦，即QPU和我們的GPU超級電腦，以進行混合模擬。它也完全可擴展。它不僅僅為今天少量量子位元的數量進行糾錯。它為未來進行糾錯，在未來，我們將從今天擁有的數百個量子位元，擴展到未來的數萬個量子位元，數十萬個量子位元。因此，我們現在有了一個可以進行控制、協同模擬、量子糾錯並擴展到未來的架構。在 CUDA Q 發明之後，行業支援令人難以置信。請記住，CUDA 是為 GPU、CPU、加速計算而設計的。基本上，使用兩個處理器來使用正確的工具來完成正確的工作。現在，CUDA Q 已經擴展到 CUDA 之外，以便我們可以支援 QPU，並讓兩個處理器，QPU 和 GPU，協同工作，並在幾微秒內來回移動計算。這是與量子電腦合作的必要延遲。因此，現在，CUDA Q 是一個令人難以置信的突破，被許多不同的開發者採用。我們今天宣佈有 17 家不同的量子電腦行業公司支援 NVQ 鏈路。而且，我對此感到非常興奮，有 8 個不同的美國能源部 (DOE) 實驗室。伯克利、布魯克海文、芝加哥費米實驗室、林肯實驗室、洛斯阿拉莫斯、橡樹嶺、太平洋西北、聖地亞哥國家實驗室。幾乎每一個能源部實驗室都與我們合作，與我們的量子電腦公司和這些量子控製器生態系統合作，以便我們可以將量子計算整合到科學的未來中。好的，我還有一個額外的聲明要宣佈。今天，我們宣佈能源部正在與輝達合作，建造7台新的AI超級電腦，以推進我們國家的科學發展。我必須向克里斯·賴特部長致敬。他為能源部帶來了如此多的活力。一股能量的湧動，一股熱情的湧動，以確保美國再次引領科學。正如我所提到的，計算是科學的基本工具，我們正在經歷幾個平台轉變。一方面，我們將加速計算，這就是為什麼未來每一台超級電腦都將是基於GPU的超級電腦。我們將走向人工智慧，這樣人工智慧和基於原理的求解器、基於原理的模擬、基於原理的物理模擬不會消失，但它可以被增強、強化、擴展，使用替代模型、人工智慧模型協同工作。我們也知道，基於原理的求解器，經典計算，可以被增強，以使用量子計算來理解自然狀態。我們也知道，在未來，我們有如此多的訊號，如此多的資料需要從世界中採樣，遙感比以往任何時候都更加重要。這些實驗室不可能以我們需要的規模和速度進行實驗，除非它們是機器人工廠，機器人實驗室。所以所有這些不同的技術都在完全相同的時間進入科學領域。賴特部長理解這一點，他希望能源部抓住這個機會，增強自身能力，並確保美國保持在科學的最前沿。我想感謝你們所有人。謝謝。人工智慧的本質：新計算堆疊與AI工廠讓我們來談談人工智慧。什麼是人工智慧？大多數人會說人工智慧是一個聊天機器人，這是理所當然的。毫無疑問，ChatGPT 處於人們認為的人工智慧的最前沿。然而，正如你現在所看到的，這些科學超級電腦不會運行聊天機器人。它們將進行基礎科學研究。科學、人工智慧，人工智慧的世界，遠遠不止一個聊天機器人。當然，聊天機器人極其重要，而通用人工智慧從根本上來說至關重要。深入的電腦科學、強大的計算能力、偉大的突破對於通用人工智慧仍然是必不可少的。但除此之外，人工智慧還有更多。事實上，我將用幾種不同的方式來描述人工智慧。你思考人工智慧的第一種方式是，它已經徹底改造了計算堆疊。我們過去做軟體的方式是手工編碼。手工編碼的軟體運行在CPU上。如今，人工智慧是機器學習、訓練、資料密集型程式設計（如果你願意這麼稱呼），由運行在GPU上的人工智慧訓練和學習。為了實現這一點，整個計算堆疊都發生了變化。注意到這裡沒有Windows。這裡沒有CPU。你看到的是一個完全不同的堆疊。對於能源的需求，我們川普總統的政府在這方面功不可沒。他的親能源倡議，他認識到這個行業需要能源才能發展。它需要能源來發展，我們需要能源來取勝。他認識到這一點，並將國家的力量放在支援能源增長上，徹底改變了遊戲規則。如果沒有發生這些，我們可能已經陷入困境，我想為此感謝川普總統。在能源之上是這些GPU，這些GPU連接到，建構到我稍後將向您展示的基礎設施中。在這個基礎設施之上，它由巨大的資料中心組成，很容易就是這個房間的許多倍大。大量的能源通過這種稱為GPU超級電腦的新機器轉換能源以生成數字。這些數字被稱為令牌。如果你願意，這就是語言，計算單元，人工智慧的詞彙。你幾乎可以對任何事物進行標記化。當然，你可以對英語單詞進行標記化。你可以對圖像進行標記化。這就是你能夠識別或生成圖像的原因。標記化視訊。標記化3D結構。你可以對化學物質、蛋白質和基因進行標記化。你可以對細胞進行標記化。對幾乎任何具有結構的事物，任何具有資訊內容的事物進行標記化。一旦你可以對其進行標記化，人工智慧就可以學習該語言及其含義。一旦它學會了那種語言的含義，它就能翻譯，就能像你與chatGPT互動一樣做出回應，並且能像chatGPT一樣生成內容。你看到chatGPT做的所有基本的事情，你所要做的就是想像如果它是一個蛋白質會怎樣？如果它是一種化學物質會怎樣？如果它是一個像工廠一樣的3D結構會怎樣？如果它是一個機器人會怎樣？如果令牌是理解行為並標記運動和動作會怎樣？所有這些概念基本上是相同的。這就是人工智慧取得如此非凡進展的原因。在這些模型之上是應用。Transformer並非通用模型。這是一個非常有效的模型，但沒有萬能的模型。只是人工智慧具有普遍的影響。有非常多種不同類型的模型。在過去的幾年裡，我們享受了多模態的發明，並經歷了其創新突破。有非常多種不同類型的模型。有摺積神經網路（CNN）模型、組合神經網路模型、狀態空間模型、圖神經網路模型、當然還有多模態模型，以及我剛才描述的所有不同的分詞和令牌方法。你可以擁有在空間理解方面進行最佳化，從而為空間感知最佳化的模型。你可以擁有為長序列最佳化，在很長一段時間內識別微妙資訊的模型。有非常多種不同類型的模型。在這些模型架構之上，是各種應用。過去的軟體，這是一個深刻的理解，對人工智慧的一個深刻觀察，即過去的軟體行業是關於創造工具的。Excel是一個工具。Word是一個工具。網頁瀏覽器是一個工具。我知道這些是工具的原因是因為你在使用它們。工具行業只有螺絲刀和錘子。工具行業只有這麼大。在IT工具的例子中，它們可以是資料庫工具，這些IT工具大約價值一兆美元左右。但人工智慧不是一個工具。人工智慧是工作。這就是深刻的差異。實際上，人工智慧是可以真正使用工具的工人。我真正感到興奮的事情之一是埃爾文在Perplexity所做的工作。Perplexity使用網路瀏覽器來預訂假期或進行購物，基本上就是人工智慧使用工具。Cursor是一個人工智慧，一個我們在輝達使用的巨大的人工智慧系統。輝達的每一位軟體工程師都在使用Cursor。它極大地提高了我們的生產力。它基本上是我們每一位軟體工程師生成程式碼的夥伴。而且它使用一個工具。它使用的工具叫做VS Code。所以Cursor是一個人工智慧，一個使用VS Code的巨大人工智慧系統。那麼，所有這些不同的行業，這些不同的行業，無論是聊天機器人還是數字生物學（我們在其中有AI輔助研究人員），或者什麼是自動駕駛計程車？在自動駕駛計程車裡，當然它是不可見的，但顯然有一個人工智慧司機。那位司機正在工作。而他用來做這項工作的工具是汽車。所以我們直到現在所創造的一切，整個世界，我們直到現在所創造的一切都是工具。供我們使用的工具。有史以來第一次，技術現在能夠從事工作，並幫助我們提高生產力。機會清單還在不斷增加，這就是為什麼人工智慧涉及了資訊技術從未涉及的經濟領域。資訊技術是幾兆美元的產業，它位於一個價值一百兆美元的全球經濟體的各種工具之下。現在，人工智慧將首次參與到這個價值一百兆美元的經濟體中，並使其更具生產力。使其增長更快，規模更大。我們正面臨嚴重的勞動力短缺，擁有能夠增強勞動力的人工智慧將有助於我們的增長。現在從科技行業的角度來看，有趣的是，除了人工智慧是解決經濟新領域的新技術之外，人工智慧本身也是一個新興產業。正如我之前解釋的那樣，這個令牌，在您對所有這些不同的資訊模態進行分詞之後，需要有一個工廠來生成這些數字。與過去的電腦行業和晶片行業不同，請注意，如果您看看過去的晶片行業，晶片行業僅佔數兆美元，或者數兆美元IT產業的百分之五到百分之十，甚至更少，大約百分之五。原因是使用Excel不需要太多的計算。使用瀏覽器不需要太多的計算。使用Word不需要太多的計算。我們進行計算。但在這個新世界中，需要一台始終理解上下文的電腦。它無法預先計算。因為每次您使用電腦進行人工智慧時，每次您要求人工智慧做某事時，上下文都是不同的。所以它必須處理所有這些資訊。例如，在自動駕駛汽車的情況下，它必須處理汽車的上下文。上下文處理。你要求人工智慧執行的指令是什麼？然後它必須逐步分解問題，進行推理，制定計畫並執行它。每個步驟都需要生成大量的令牌，這就是我們需要新型系統的原因，我稱之為人工智慧工廠。這絕對是一個人工智慧工廠。它不像過去的data center（資料中心）。它是一個人工智慧工廠，因為這個工廠只生產一種東西。與過去的data center（資料中心）不同，它無所不能，為我們所有人儲存檔案，運行各種不同的應用程式，你可以像使用電腦一樣使用該data center（資料中心）來處理各種應用程式。你可以用它來玩遊戲，可以用它來瀏覽網頁，可以用它來做會計。所以那是過去的電腦，一種通用的通用電腦。我這裡所說的電腦就是一個工廠。它基本上只運行一件事，它運行人工智慧，其目的是為了生產儘可能有價值的令牌，這意味著它們必須足夠智能。而且你希望以驚人的速度生產這些令牌，因為當你向人工智慧提出要求時，你希望它能做出回應。注意到在高峰時段，這些人工智慧的回應速度越來越慢，因為它需要為很多人做很多工作。所以你希望它以驚人的速度生產有價值的令牌，並且你希望它以具有成本效益的方式生產。我使用的每一個詞都與人工智慧工廠、汽車工廠或任何工廠相符。它絕對是一個工廠。這些工廠，這些工廠以前從未存在過。在這些工廠內部，堆積如山的都是晶片。良性循環：驅動AI計算需求的指數級增長這就引出了今天過去幾年裡發生的事情。事實上，去年發生了什麼？實際上，今年發生了一些相當深刻的事情。如果你觀察，在年初，每個人對人工智慧都有一些看法。這種看法通常是，它將會變得很重要，它將會是未來，而且不知何故，幾個月前，它進入了渦輪增壓狀態。這樣做的原因有幾個。首先，在過去的幾年裡，我們已經弄清楚如何讓人工智慧變得更聰明。而不是僅僅進行預訓練，預訓練基本上是說，讓我們把人類創造的所有資訊都拿來，讓AI從中學習。這本質上是記憶和泛化。這和我們小時候上學沒什麼不同。這是學習的第一個階段。預訓練從來不意味著，就像學前班從來不意味著是教育的終點一樣。預訓練，就像學前教育，僅僅是教你智力的基本技能，以便你理解如何學習其他一切。沒有詞彙，沒有對語言和如何溝通、如何思考的理解，就不可能學習其他一切。下一步是後訓練。在預訓練之後的後訓練是教你技能。解決問題、分解問題、推理的技能，如何解決數學問題，如何程式設計，如何逐步思考這些問題，使用第一性原理推理。然後在那之後，計算才真正開始發揮作用。如你所知，我們中的許多人都上過學，就我而言，那是幾十年前的事了。但從那以後，我學到了更多，思考了更多，原因是，我們不斷地將自己置於新的知識中，我們不斷地進行研究，我們不斷地思考。思考確實是智力的全部。因此，現在我們有了三種基本的技術技能。我們有這三種技術：預訓練，它仍然需要大量的計算。我們現在有後訓練，它使用甚至更多的計算。現在，思考會給基礎設施帶來難以置信的計算負載，因為它代表每個個體進行思考。因此，人工智慧思考推理所需的計算量確實非常巨大。現在，我過去常聽到人們說推理很容易。輝達應該做訓練。輝達將會做，你知道，他們真的很擅長這個，所以他們將會做訓練。推理很容易。思考怎麼會容易呢？反芻記憶的內容很容易。背誦乘法表很容易。思考很難，這也是為什麼這三個尺度，這三個新的尺度定律，所有這些都在全力推進，給計算量帶來了如此大的壓力。現在，又發生了一件事。從這三個尺度定律，我們得到了更智能的模型。這些更智能的模型需要更多的計算。但是當你得到更智能的模型時，你獲得了更多的智能，人們會使用它……好像無論發生什麼，我都想第一個出去。開玩笑而已。我相信沒事。可能只是午飯。我的胃。剛才是我嗎？那麼我剛才說到那兒了？你的模型越智能，使用的人就越多。現在更親民了。它能夠推理。它能夠解決以前從未學過的難題，因為它能做研究。去學習相關知識，回來，分解問題，推理如何回答你的問題，如何解決你的難題，然後去解決它。思考的量正在使模型變得更智能。它越智能，使用的人就越多。智能化程度越高，所需的計算就越多。但事情是這樣的。去年，人工智慧行業迎來了一個轉折點。這意味著人工智慧模型現在足夠智能，它們正在創造價值，它們值得付費。輝達為每個Cursor的許可證付費，而且我們很樂意這樣做。我們很樂意這樣做，因為Cursor正在幫助一位年薪數十萬美元的員工，無論是軟體工程師還是人工智慧研究員，提高數倍的生產力。所以我們當然非常樂意這樣做。這些人工智慧模型已經變得足夠好，值得付費。Cursor、11 Labs、Synthasia、Abridge、Open Evidence，這樣的例子不勝列舉。當然，Open AI，當然還有Cloud。這些模型現在非常好，人們願意為之付費。並且因為人們正在為它付費並更多地使用它，而且每次他們更多地使用它，你就需要更多的計算資源，我們現在有了兩個指數增長。這兩個指數增長，一個是三縮放定律帶來的指數級計算需求。第二個指數增長是，人越多，它就越智能，越多的人使用它，越多的人使用它，它就需要越多的計算資源。這兩個指數增長正在給世界的計算資源帶來壓力。正好發生在我之前告訴過你的摩爾定律已經基本終結的時候。所以問題是，我們該怎麼辦？如果我們有這兩個指數級的需求增長，如果我們不，如果我們找不到降低成本的方法，那麼這個正反饋系統，這個循環反饋系統，本質上被稱為良性循環，這對於幾乎所有行業都是至關重要的。對於任何平台行業都至關重要。這對輝達至關重要。我們現在已經進入了CUDA的良性循環。應用程式越多，人們建立的應用程式越多，CUDA就越有價值，CUDA越有價值，購買的CUDA電腦就越多，購買的CUDA電腦越多，就越多的開發者想要為其建立應用程式。輝達在30年後終於實現了那個虛擬循環。我們也已經實現了這一點。15年後，我們為人工智慧實現了這一點。人工智慧現在已經進入了虛擬循環。因此，你使用得越多，因為人工智慧很聰明，而且我們為此付費，產生的利潤就越多，產生的利潤越多，投入到網格計算中的計算力就越多，投入到人工智慧工廠中的計算力就越多，計算力越多，人工智慧就變得越聰明，越聰明就越多人使用它，更多應用程式使用它，我們就能解決更多問題。這個虛擬循環現在正在運轉。我們需要做的是大幅降低成本，這樣一來，當你提示人工智慧時，使用者體驗會更好，它能更快地響應你；二來，通過降低成本來保持這個虛擬循環的運轉，這樣它就能變得更聰明，這樣更多人使用它，諸如此類，等等。那個虛擬循環現在正在運轉。Blackwell平台：極限協同設計的革命但是當摩爾定律實際上已經達到極限時，我們該如何做到這一點呢？嗯，答案叫做協同設計。你不能僅僅設計晶片，然後寄希望於它上面的東西會變得更快。設計晶片時，你能做的最好的事情就是在幾年內增加，我不知道，50% 更多的電晶體。如果你增加了更多的電晶體，只是，你知道，我們可以增加更多的電晶體，而且台積電有很多電晶體，一家令人難以置信的公司。我們將繼續增加更多的電晶體。然而，這些都是百分比，而不是指數。我們需要復合指數，以保持這個虛擬循環的持續。我們稱之為極端協同設計。輝達是當今世界上唯一一家真正從一張白紙開始，並且可以同時考慮新的基礎電腦架構、新的晶片、新的系統、新的軟體、新的模型架構和新的應用的公司。在這個房間裡的很多人來到這裡，是因為你是這個層級中不同的部分，與輝達合作的堆疊中不同的部分。我們從根本上自下而上地重新建構一切。然後，因為人工智慧是一個如此大的問題，我們將其規模擴大。我們創造了一台完整的電腦，一台首次擴展到整個機架的電腦。那是一台電腦，一個GPU。然後，我們通過發明一種新的AI乙太網路技術來擴展它，我們稱之為Spectrum X乙太網路。每個人都會說，乙太網路就是乙太網路。乙太網路根本就不是那麼回事。乙太網路，Spectrum X乙太網路是為AI性能而設計的，這也是它如此成功的原因。即使那樣還不夠大。我們將用AI超級電腦和GPU填滿整個房間。這仍然不夠大，因為AI的應用數量和使用者數量正在持續呈指數級增長。我們將多個這樣的資料中心連接在一起，我們稱之為跨規模擴展。Spectrum XGS。千兆級規模。Spectrum X千兆級規模。XGS。通過這樣做，我們在如此巨大的規模、如此極端的水平上進行協同設計，其性能優勢令人震驚。不是每一代都提升50%。不是每一代提升25%。而是更多，更多得多。這是我們有史以來製造的，坦率地說，也是現代製造的最極致的協同設計電腦。自IBM System 360以來，我不認為有任何一台電腦像這樣被徹底地重新發明過。這個系統的創造極其困難。我馬上會向你展示它的好處。但本質上我們所做的，本質上我們所做的，我們創造了……嗨，Janine，你可以出來了。你得走到我這裡，差不多一半的路程。好了，這有點像美國隊長的盾牌。因此，NVLink 72，如果我們建立一個巨大的晶片，一個巨大的GPU，它看起來會是這樣。這就是我們必須進行的晶圓級處理水平。太不可思議了。所有這些晶片現在都被放入一個巨大的機架中。是我做的還是別人做的？進入那個巨大的機架，你知道，有時我覺得我不是一個人在這裡。這個巨大的機架使所有這些晶片作為一個整體協同工作。這實際上是完全不可思議的。我會向你展示它的好處。所以，謝謝珍妮。我喜歡這個。好了，女士們先生們，珍妮·保羅。我明白了。將來，下次我就要像索爾那樣行動。就像你在家，搆不著遙控器，然後你就這樣示意一下，有人把它遞給你一樣，是的，就是這個意思。這種事從沒發生在我身上。我只是在做夢。我只是說說而已。好的，總之，基本上，這是我們過去創造的東西。這是MVLink 8。現在，這些模型非常龐大，我們解決這個問題的方法是將這個模型，這個巨大的模型變成一大堆專家。這有點像一個團隊。所以，這些專家擅長處理某些類型的問題。我們把一大堆專家聚集在一起。所以，這個價值數兆美元的巨型人工智慧模型擁有所有這些不同的專家，我們將所有這些不同的專家都放在GPU上。現在，這是MVLink 72。我們可以把所有的晶片都放進一個巨大的結構中，每個專家都可以互相交流。所以，主專家，也就是主要的專家，可以和所有的工作以及所有必要的上下文、提示以及我們必鬚髮送給所有專家的一堆資料，一堆令牌進行交流。專家們會，無論那個專家被選中來解決答案，都會開始嘗試回應。然後它會一層又一層地進行下去。有時是8個，有時是16個，有時這些專家有時是64個，有時是256個。但關鍵是專家越來越多。那麼，在這裡，MVLink 72，我們有72個GPU。正因為如此，我們可以在1個GPU中放入4個專家。對於每個GPU，你需要做的最重要的事情是生成令牌，這是你在HBM記憶體中擁有的頻寬量。我們有1個GPU為4位專家生成思考內容。相比之下，這裡因為每台電腦只能放置8個GPU，我們必須將32位專家放入1個GPU。因此，這個1個GPU必須為32位專家思考，而這個系統每個GPU只需要為4位專家思考。正因為如此，速度差異令人難以置信。這才剛剛發佈。這是Semi-Analysis做的基準測試。他們做了一項非常、非常徹底的工作。他們對所有可以進行基準測試的GPU都進行了基準測試。結果發現數量並不多。如果你查看可以實際進行基準測試的GPU列表，會發現大約90%是NVIDIA。所以我們是在和自己比較，但世界上第二好的GPU是H200，它可以運行所有工作負載。Grace Blackwell每個GPU的性能是其10倍。現在，當電晶體數量只有兩倍時，你如何獲得10倍的性能？答案是極端協同設計。通過理解人工智慧模型未來的本質，我們在整個堆疊中進行思考，我們可以為未來建立架構。這是一件大事。它表明我們現在可以更快地做出反應，但這甚至是一件更大的事。下一個。看看這個。這表明世界上成本最低的令牌是由Grace Blackwell和NVLink72生成的。最昂貴的電腦。一方面，GB200是最昂貴的電腦。另一方面，它的令牌生成能力非常強大，以至於它以最低的成本生成令牌。因為每秒token數除以Grace Blackwell的總擁有成本非常划算。這是生成token的成本最低的方式。這樣做可以提供令人難以置信的性能，是原有性能的10倍，成本降低到原來的1/10，這種良性循環得以繼續。美國製造：重塑全球AI供應鏈這就引出了下一個話題。我昨天才看到這個。這是CSP的資本支出(CapEx)。最近人們一直在問我關於資本支出(CapEx)的問題，這是一個很好的觀察角度。事實上，排名前6的CSP的資本支出，這6家分別是亞馬遜、CoreWeave、Google、Meta、微軟和甲骨文。這些CSP加起來將在資本支出方面投資這麼多。我認為現在的時機再好不過了。原因是現在我們已經全面量產Grace Blackwell NVLink 72，全球各地的供應鏈都在生產。因此，我們現在可以向他們所有人交付這種新架構，以便資本支出投資於能夠提供最佳TCO（總擁有成本）的儀器電腦。在這之下，有兩件事情正在發生。所以當你看到這些時，它實際上非常非凡。無論如何，這都相當非凡。但下面發生的事情是這樣的。有兩個平台轉型同時發生。一個平台轉型是從通用計算到加速計算。記住，正如我之前向你提到的，加速計算可以進行資料處理，圖像處理，電腦圖形，它可以進行各種計算。它可以運行SQL，它可以運行Spark，你知道，你問它，你告訴我們需要運行什麼，我相當肯定我們為你準備了一個很棒的庫。你可能是一個試圖製造掩模來製造半導體的資料中心。我們為你準備了一個很棒的庫。因此，在不考慮人工智慧的情況下，世界正在從通用計算轉向加速計算。暫且不論人工智慧。事實上，許多雲服務提供商（CSPs）早已擁有在人工智慧出現之前就已存在很久的服務。記住，它們是在機器學習時代發明的。像XGBoost這樣的經典機器學習演算法。像DataFrames這樣用於推薦系統的演算法。協同過濾，內容過濾。所有這些技術都是在通用計算的舊時代創造的。即使是這些演算法，即使是這些架構，現在通過加速計算也變得更好。因此，即使沒有人工智慧，世界各地的雲服務提供商（CSPs）也會投資於加速。輝達的GPU是唯一能夠完成所有這些以及人工智慧的GPU。而ASIC可能能夠做人工智慧，但它無法做任何其他的。輝達可以完成所有這些。這解釋了為什麼僅僅依靠輝達的架構是如此安全。我們現在已經到達了我們的虛擬周期，我們的轉折點。這非常不尋常。我在房間裡有很多合作夥伴，你們都是我們供應鏈的一部分，我知道你們工作有多努力。我要感謝你們所有人。你們工作有多努力。非常感謝。現在我將向你們展示原因。這就是我們公司業務的現狀。由於我剛才提到的所有原因，我們看到了Grace Blackwell的非凡增長。它由兩個指數增長驅動。我們現在有了可見性。我認為我們可能是歷史上第一家能夠看到累計5000億美元的Blackwell以及到2026年Rubin早期增長的技術公司。如您所知，2025年尚未結束，2026年尚未開始。這就是帳面上的業務量。迄今為止，價值5000億美元。其中，我們已經在最初的幾個季度，我想是最初的4個季度，或者說是3個半季度的生產中，交付了600萬個Blackwell。2025年我們還有一個季度，然後我們有四個季度。接下來的五個季度，有5000億美元。5000億美元。這是Hopper增長率的5倍。這在某種程度上說明了一些問題。這是 Hopper 的一生。這不包括中國和亞洲。這僅僅是西方。我們排除中國。Hopper，在其整個生命周期中，400萬個GPU，Blackwell，每一個Blackwell在一個大型封裝中都有兩個GPU。在 Rubin 的早期階段有 2000 萬個 Blackwell 的 GPU。驚人的增長。我要感謝我們所有的供應鏈合作夥伴，所有人。我知道你們有多努力。我製作了一個視訊來慶祝你們的工作。讓我們播放它。人工智慧時代已經開始。Blackwell 是它的引擎。一項工程奇蹟。在亞利桑那州，它始於一塊空白的矽晶圓。數百道晶片處理和紫外光刻步驟建構起每個2000億個電晶體。在12英吋晶圓上一層又一層地堆疊。在印第安納州，HBM堆疊將被併行組裝。具有1024個I/O連接埠的HBM記憶體晶片採用先進的EUV技術製造。矽通孔用於後端，將12個HBM記憶體堆疊和基底晶片連接起來以生產HBM。同時，晶圓被劃片成單獨的Blackwell晶片，經過測試和分類。分離出好的晶片以繼續前進，晶片在晶圓上再到基板上的工藝將32個Blackwell晶片和128個HBM堆疊連接到定製的矽中介層晶圓上。金屬互連線直接蝕刻到其中，將Blackwell GPU和HBM堆疊連接到每個系統和封裝單元中，並將所有東西鎖定到位。然後，將該元件進行烘烤、模塑和固化，從而建立GB300 Blackwell Ultra超級晶片。在德克薩斯州，機器人將全天候工作，在Grace Blackwell PCB上拾取並放置超過10,000個元件。在加利福尼亞州，用於橫向擴展通訊的ConnectX 8 SuperNIC和用於解除安裝和加速網路、儲存和安全的Bluefield 3 DPU被仔細地組裝到GB300計算托盤中。NVLink是輝達發明的突破性高速鏈路，用於連接多個GPU並擴展成一個大型虛擬GPU。NVLink交換機托盤由NVLink交換機晶片構成，提供每秒14.4太字節的全部互聯頻寬。NVLink主幹形成一個定製的盲插背板，用5,000根銅纜將所有72個Blackwell或144個GPU晶片連接成一個巨大的GPU，提供每秒130太字節的全部互聯頻寬，幾乎相當於全球網際網路的峰值流量。熟練的技術人員將每個部件組裝成一個機架級AI超級電腦。總共有120萬個元件，2英里的銅纜，130兆個電晶體，重約2噸。從亞利那州和印第安納州的矽片到德克薩斯州的系統，Blackwell和未來輝達AI工廠的各個世代都將在美國製造。書寫美國歷史和工業的新篇章，美國回歸製造和再工業化。被人工智慧時代重新點燃。人工智慧時代已經開始。美國製造。為世界製造。我們再次在美國進行製造。這真是不可思議。川普總統要求我的第一件事就是把製造業帶回來。把製造業帶回來，因為它對國家安全至關重要。把製造業帶回來，因為我們需要就業機會，我們需要那部分經濟。9個月後，9個月後，我們現在在亞利那州全面生產Blackwell。展望未來：下一代平台Rubin極限Blackwell，GB200，Grace Blackwell，NVLink 72，極限協同設計使我們獲得了10倍的代際提升。這真是太不可思議了。現在真正令人難以置信的部分是這個。這是我們製造的第一台人工智慧超級電腦。這是在2016年，當時我把它交付給舊金山的一家初創公司，後來發現那是OpenAI。這就是那台電腦。為了製造那台電腦，我們設計了一款晶片。我們設計了一款新的晶片。為了我們現在進行協同設計，看看我們要做的所有晶片。這就是所需的。你不可能只用一塊晶片就讓電腦速度提高10倍。這是不可能發生的。讓我們能夠以指數方式不斷提高性能，以指數方式不斷降低成本，從而讓電腦速度提高10倍的方法是極限協同設計，以及同時開發所有這些不同的晶片。現在魯本回家了。這是魯本。這是維拉·魯本和魯本。女士們先生們，魯本。這是我們的第三代NVLink 72機架規模電腦。第三代。GB200是第一個。我們在世界各地的所有合作夥伴，我知道你們有多努力。這極其困難。做成這件事極其困難。第二代，順暢多了。還有這一代，看看這個。完全無線纜。完全無線纜。而現在，所有這些都回到了實驗室。這是下一代魯本。在我們拆解GB300的同時，我們正在準備魯本，以便明年這個時候投入生產，也許會稍早一些。因此，我們每年都會推出最極致的協同設計系統，以便我們能夠不斷提高性能，並不斷降低token生成成本。看看這個。這真是一台極其漂亮的電腦。所以這太棒了。這是100千兆次浮點運算。我知道這沒什麼意義。100千兆次浮點運算。但與我10年前，9年前交付給OpenAI的DGX-1相比，它的性能是其100倍。就在這裡，相比之下是那台超級電腦的100倍。100個那種裝置的100倍，讓我想想，100個那種裝置相當於25個這樣的機架，全部被這一個東西取代了。一個維拉·魯賓。好的，這是計算托盤，這是維拉·魯賓的超級晶片。好的，這是計算托盤，就在這裡。它非常容易安裝，只需打開這些東西，把它推進去，甚至我都能做到。這是維拉·魯賓計算托盤。如果你決定要加入一個特殊的處理器，我們已經加入了另一個處理器，它被稱為上下文處理器，因為我們給人工智慧提供的上下文量越來越大。我們希望它在回答問題之前閱讀大量的PDF。我們希望它閱讀大量的檔案論文，觀看大量的視訊，在你回答我的問題之前學習所有這些東西。所有這些上下文處理都可以加入。所以你看到底部有8個ConnectX 9新型SuperNIC，你有CPX，8個，你有Bluefield 4，這個新的資料處理器，2個維拉CPU，和4個魯賓封裝或8個魯賓GPU。所有這些都在這一個節點中，完全無電纜，100%液冷。然後是這個新的處理器，今天我不會談太多，我沒有足夠的時間，但這是完全革命性的。這樣做的原因是，你的人工智慧需要擁有越來越多的記憶體。你會更多地與之互動，你希望記住我們上次的對話，所有你為了我學習的東西，下次我回來時請不要忘記。因此，所有這些記憶將建立一種叫做KV快取的東西，而這種KV快取，檢索它，你可能已經注意到，現在每次進入你的AI，刷新和檢索所有之前的對話需要越來越長的時間。這樣做的原因是我們需要一種革命性的新處理器，它叫做Bluefield 4。接下來是ConnectX交換機，抱歉，是NVLink交換機，就在這裡。好的，這是NVLink交換機，它使我們能夠將所有電腦連接在一起，並且該交換機的頻寬是當今世界網際網路流量峰值的數倍。因此，這個骨幹網路將同時通訊並將所有資料傳輸到所有GPU。最重要的是，這是Spectrum X交換機，而這款乙太網路交換機的設計目的是使所有處理器可以同時相互通訊，而不會阻塞網路。阻塞網路，這非常技術性。好的，這些是，這三個組合在一起，然後這是量子交換機。這是用於InfiniBand的，這是乙太網路，我們不在乎你想使用那種語言，無論你喜歡使用什麼標準，我們都為你提供了出色的橫向擴展結構，無論是InfiniBand，還是量子，還是Spectrum。乙太網路，這個使用了矽光子技術，並且是完全共封裝的選項。基本上，雷射直接照射到矽片上，並將其連接到我們的晶片。好的，這是Spectrum X乙太網路，現在讓我們來談談，謝謝，哦，這就是它的樣子。這是一個機架。這是2.5，這是2，這是2噸，150萬個零件，而主幹，就是這個主幹，在一秒鐘內承載著整個網際網路的流量。相同的速度，將其移動到所有這些不同的處理器上。100%液體冷卻。所有這些都是為了，你知道，世界上最快的令牌生成速率。好的，這就是機架的樣子。現在，那是一個機架。一個千兆瓦的資料中心將擁有，你知道，就叫它，讓我想想，16個機架是1000，然後是500個這樣的。所以不管怎樣，500乘以16。所以，算它有9000個這樣的，8000個這樣的就構成一個千兆瓦的資料中心。好嗎？所以這就是未來的AI工廠。AI工廠生態系統：Omniverse DSX藍圖現在，正如你所注意到的，我們，輝達最初是從設計晶片開始的，然後我們開始設計系統，我們設計了AI超級電腦。現在我們正在設計整個AI工廠。每一次我們向外拓展，整合更多要解決的問題，我們就能提出更好的解決方案。我們現在建構整個AI工廠。這個，這個AI工廠就是我們為維拉·魯賓建造的，而且我們創造了一種技術，使我們所有的合作夥伴都能以數位化的方式整合到這個工廠中。讓我展示給你們看。下一次工業革命已經到來。隨之而來的是一種新型工廠。人工智慧基礎設施是一項生態系統等級的挑戰，需要數百家公司合作。NVIDIA Omniverse DSX 是建構和營運千兆級人工智慧工廠的藍圖。這是首次將建築、電力和冷卻系統與 NVIDIA 的人工智慧基礎設施堆疊共同設計。它始於 Omniverse 數字孿生。Jacobs Engineering 最佳化計算密度和佈局，以根據功率約束最大化令牌生成。他們將來自西門子、施耐德電氣、特靈和維諦的 SIM 就緒 OpenUSD 資產整合到 PTC 的產品生命周期管理中。然後使用來自 eTap 和 Cadence 的 CUDA 加速工具模擬熱工和電氣特性。設計完成後，NVIDIA 的合作夥伴（如 Bechtel 和 Vertiv）交付預製模組，這些模組在工廠中建構、測試並準備好插入。這大大縮短了建構時間，從而更快地實現收入。當物理人工智慧工廠上線時，數字孿生充當作業系統。工程師們提示來自Phydra和Emerald AI的AI代理，這些代理之前已經在數字孿生中接受過訓練，以最佳化功耗並減少AI工廠和電網的壓力。總的來說，對於一個1吉瓦的AI工廠，DSX最佳化每年可以帶來數十億美元的額外收入。在德克薩斯州、佐治亞州和內華達州，NVIDIA的合作夥伴正在將DSX變為現實。在弗吉尼亞州，NVIDIA正在建立一個AI工廠研究中心，使用DSX來測試和產品化Vera Rubin，從基礎設施到軟體。借助DSX，NVIDIA在全球的合作夥伴可以比以往更快地建構和啟動AI基礎設施。完全在數位領域中。早在Vera Rubin作為一台真實的電腦存在之前，我們就已經把它當作一台數字孿生電腦來使用了。現在，早在這些AI工廠存在之前，我們將使用它，我們將設計它，我們將規劃它，我們將最佳化它，我們將像數字孿生一樣營運它。因此，我們所有的合作夥伴都在與我們合作，我非常高興你們所有人都在支援我們，Geo在這裡，通用電氣Vernova在這裡，施耐德，我想奧利維爾在這裡，奧利維爾·布魯姆在這裡，西門子，令人難以置信的合作夥伴。好的，羅蘭·布什，我想他正在觀看。你好，羅蘭。總之，非常非常棒的合作夥伴與我們合作。最初，我們有CUDA，並且我們擁有所有這些不同的軟體合作夥伴生態系統。現在，我們有了Omniverse DSX，並且我們正在建構AI工廠，同樣，我們擁有這些與我們合作的令人難以置信的合作夥伴生態系統。開放生態：開源模型與戰略合作讓我們來談談模型。特別是開源模型。在過去的幾年裡，發生了一些事情。首先，由於推理能力，開源模型變得相當強大。它變得相當強大，因為它們是多模態的，並且由於知識蒸餾，它們非常高效。因此，所有這些不同的能力使得開源模型首次對開發者來說非常有用。它們現在是初創企業的命脈。不同行業初創企業的命脈，因為，正如我之前提到的，每個行業都有自己的用例、自己的用例、自己的資料、自己的用例資料、自己的飛輪。所有這些能力，這些領域專業知識，都需要具備嵌入模型的能力。開源使之成為可能。研究人員需要開源。開發者需要開源。全世界的公司，我們需要開源。開源模型真的非常重要。美國也必須在開源領域發揮領導作用。我們有非常棒的專有模型。我們有非常棒的專有模型。我們同樣需要非常棒的開源模型。我們的國家依賴於此。我們的初創公司依賴於此。因此，輝達正致力於實現這一目標。我們現在是最大的，我們在開源貢獻方面處於領先地位。我們在排行榜上有23個模型。我們擁有所有這些不同的領域，從語言模型到我將要談到的物理人工智慧模型，再到機器人模型和生物學模型。這些模型中的每一個都擁有龐大的團隊，這也是我們為自己建造超級電腦的原因之一，以便能夠建立所有這些模型。我們擁有排名第一的語音模型、排名第一的推理模型和排名第一的物理人工智慧模型。下載量非常非常驚人。我們致力於此。這樣做的原因是科學需要它，研究人員需要它，初創公司需要它，公司也需要它。我很高興人工智慧初創公司基於輝達建構。他們這樣做有幾個原因。首先，當然，我們的生態系統非常豐富。我們的工具運行良好。我們的所有工具都可以在我們所有的GPU上運行。我們的GPU無處不在。實際上它就在每一個雲端。它可以在本地部署。你可以自己建構它。你可以建構一台帶有多個GPU的發燒友級遊戲PC。你可以下載我們的軟體堆疊，它就能正常工作。我們有富有的開發者，他們正在使這個生態系統變得越來越豐富。所以我真的對我們正在合作的所有初創公司感到高興。我對此表示感謝。同樣的情況是，這些初創公司中的許多公司現在開始創造更多的方式來享受我們的GPU。CoreWeaves、Nscale、Nibius、Lambda，所有這些公司， Crusoe，這些公司正在建構這些新的GPU雲來為初創公司提供服務，我對此非常感謝。這一切皆有可能，因為NVIDIA無處不在。我們整合了我們的庫，我跟你說過的所有CUDAx庫，我跟你說過的所有開源AI模型，我跟你說過的所有模型，例如，我們將其整合到AWS中。非常喜歡與Matt合作。例如，我們將其整合到Google雲中。非常喜歡與Thomas合作。每個雲都整合了NVIDIA GPU，以及我們的計算、我們的庫以及我們的模型。喜歡與微軟Azure的Satya合作。喜歡與Oracle的Clay合作。每個雲都整合了NVIDIA堆疊。結果是，無論你走到那裡，無論你使用那個雲，它都能出色地工作。我們還將NVIDIA庫整合到世界的SaaS中，以便每個SaaS最終都將成為代理型SaaS。我喜歡比爾·麥克德莫特對ServiceNow的願景。是的，就這樣。我想那可能是比爾。你好，比爾。那麼ServiceNow是什麼呢？佔世界企業工作流的85%，SAP佔世界商業的80%，我和克里斯蒂安·克萊恩正在合作將NVIDIA庫、CUDAX、Nemo和Nemotron，我們所有的AI系統整合到SAP中。與Synopsys的Sasin合作，加速世界的CAE、CAD、EDA工具，以便它們能夠更快地運行和擴展。幫助他們建立AI代理。總有一天，我希望聘請AI代理ASIC設計師與我們的ASIC設計師一起工作。從本質上講，就是Synopsys的游標，如果你願意這麼說的話。我們正在與阿尼魯德合作。阿尼魯德，我今天早些時候看到他了。他是賽前表演的一部分。Cadence正在做著令人難以置信的工作，加速他們的堆疊，建立人工智慧代理，以便我們可以擁有Cadence人工智慧ASIC設計師和系統設計師與我們合作。今天，我們將宣佈一個新的合作。人工智慧將極大地提高生產力。人工智慧將改變幾乎每個行業。但人工智慧也將極大地加劇網路安全挑戰。不良的人工智慧。因此，我們需要一個強大的防禦者。我想不出比CrowdStrike更好的防禦者了。喬治在這裡。他之前在這。我早些時候看到他了。我們正在與CrowdStrike合作，使網路安全達到光速。為了建立一個在雲端擁有網路安全人工智慧代理，同時在本地或邊緣擁有極佳人工智慧代理的系統。這樣，無論何時出現威脅，你都能在瞬間檢測到它。我們需要速度，我們需要快速的代理式人工智慧，超級智能的人工智慧。我還有第二個公告。這是世界上速度最快的企業公司。可能是當今世界上最重要的企業堆疊。Palantir本體。這裡有Palantir的人嗎？我剛才和Alex聊過。這是Palantir本體。他們獲取資訊，獲取資料，獲取人為判斷，並將其轉化為商業洞察。我們與Palantir合作加速Palantir所做的一切，以便我們能夠以更大規模和更高速度進行資料處理。無論是過去的結構化資料，當然我們也會有結構化資料、人工記錄的資料、非結構化資料，以及為了我們的政府、為了國家安全以及為了世界各地的企業而處理這些資料，以光速處理這些資料，並從中找到洞見。這就是未來將會呈現的樣子。Palantir將整合輝達（NVIDIA），以便我們能夠以光速和非凡的規模進行處理。好的，輝達（NVIDIA）和Palantir。物理AI：機器人與數字孿生的融合讓我們來談談物理人工智慧。物理人工智慧需要三台電腦。正如訓練一個語言模型需要兩台電腦一樣，一台用於訓練，一台用於評估和推理。好的，這就是你看到的大型GB200。為了實現物理人工智慧，你需要三台電腦。你需要一台電腦來訓練它。這是GB，即Grace Blackwell NVLink 72。我們需要一台能夠執行我之前用 Omniverse DSX 向您展示的所有模擬的電腦。它基本上是機器人的數字孿生，用於學習如何成為一個優秀的機器人，也是工廠的數字孿生。那台電腦是第二台電腦，Omniverse 電腦。這台電腦必須在生成式人工智慧方面非常出色，並且必須擅長電腦圖形、感測器模擬、光線追蹤、訊號處理。這台電腦被稱為 Omniverse 電腦。一旦我們訓練好模型，在數字孿生中模擬人工智慧，並且該數字孿生可以是工廠的數字孿生以及一大堆機器人的數字孿生，那麼您就需要操作該機器人。這就是機器人電腦。這個可以裝入自動駕駛汽車。其中一半可以裝入機器人。或者，您實際上可以擁有，你知道的，在操作中非常靈活和快速的機器人，可能需要兩台這樣的電腦。所以這是 Thor，Jetson Thor 機器人電腦。這三台電腦都運行 CUDA，這使我們能夠推進物理人工智慧的發展。理解物理世界的人工智慧。理解物理定律、因果關係、永恆性，你知道，物理人工智慧。我們有令人難以置信的合作夥伴與我們一起創造工廠的物理人工智慧。我們自己也在使用它來建立我們在德克薩斯州的工廠。一旦我們建立了機器人化工廠，我們就會擁有一堆在其中的機器人。這些機器人也需要物理人工智慧，應用物理人工智慧，並在數字孿生中工作。讓我們看看它。美國正在重新工業化。各個行業都在將製造業遷回國內。在德克薩斯州休斯頓，富士康正在建造一座最先進的機器人化工廠，用於製造輝達人工智慧基礎設施系統。由於勞動力短缺和技能差距，數位化、機器人技術和物理人工智慧比以往任何時候都更加重要。這家工廠是數字原生。在Omniverse中。富士康工程師在一個基於Omniverse技術開發的西門子數位化雙胞胎解決方案中組裝他們的虛擬工廠。每個系統，機械、電氣、管道，都在建造前經過驗證。西門子工廠模擬運行設計空間探索最佳化，以識別理想的佈局。當出現瓶頸時，工程師會更新佈局，更改由西門子TeamCenter管理。在Isaac Sim中，相同的數字孿生被用於訓練和模擬機器人AI。在裝配區域，發那科機械手建構GB300托盤模組。通過來自FII的手動機械手和熟練的AI，將母線安裝到托盤中。然後，AMR將托盤運送到測試艙。之後，富士康使用Omniverse進行大規模感測器模擬，機器人AI在其中學習如何作為一個團隊工作。在Omniverse中，基於NVIDIA Metropolis和Cosmos建構的視覺AI代理從上方監視機器人和工人的隊伍，以監控營運並向富士康工程師發出異常和安全違規，甚至質量問題的警報。為了培訓新員工，這些代理為互動式AI教練提供支援，以便輕鬆地進行員工入職培訓。美國的再工業化時代已經到來。人們和機器人協同工作。這就是製造業的未來，工廠的未來。我想感謝我們的合作夥伴富士康。首席執行官劉揚也在這裡。但所有這些生態系統合作夥伴使我們有可能創造機器人工廠的未來。工廠本質上就是一個機器人，它協調其他機器人來製造機器人產品。完成這項工作所需的軟體量非常巨大，除非你能在數字孿生中進行規劃、設計和操作，否則幾乎不可能實現。我很高興看到卡特彼勒，我的朋友喬·克里德，以及他那家百年老公司也在他們的製造方式中採用了數字孿生。這些工廠將擁有未來的機器人系統。其中最先進的一家是Figure。佈雷特·阿德科克今天也在這裡。他在三年半前創立了一家公司。他們今天的價值幾乎是400億美元。我們一起合作訓練人工智慧、訓練機器人、模擬機器人，當然還有進入Figure的人形機器人電腦。真的很棒。我有幸親眼見證。這真的非常了不起。人類擁有的機器人很有可能，我的朋友埃隆也在研究這個，這很可能會成為最大的消費類新型電子產品市場之一，而且肯定會是最大的工業裝置市場之一。佩吉·約翰遜和Agility公司的人正在與我們合作開發用於倉庫自動化的機器人。強生公司的人再次與我們合作，訓練機器人，在數字孿生中模擬它，並操作機器人。這些強生公司的外科手術機器人甚至將以前所未有的精度進行完全無創的手術。當然，還有有史以來最可愛的機器人。有史以來最可愛的機器人。迪士尼機器人。這件事對我們來說非常重要。我們正在與迪士尼研究院合作，開發一個全新的框架和模擬平台，該平台基於一項名為牛頓的革命性技術。而牛頓模擬器使得機器人能夠在具有物理感知、基於物理學的環境中學習如何成為一個優秀的機器人。讓我們來看一下。藍色。女士們先生們，迪士尼藍色。告訴我它不可愛。他很可愛。我們都想要一個。我們都想要一個。現在，記住，你剛才看到的一切都不是動畫。這不是電影。這是一個模擬。這個模擬是一個全宇宙。全宇宙，數字孿生。所以這些工廠的數字孿生、倉庫的數字孿生、手術室的數字孿生，以及Blue可以在其中學習如何操縱、導航以及與世界互動的數字孿生。所有這些都是完全即時完成的。這將是世界上最大的消費電子產品線。其中一些現在確實運行得非常出色。這是人類或機器人技術的未來。當然，還有藍色。好嗎？自動駕駛的拐點：輪式機器人與全球網路現在，人類或機器人仍在開發中。但與此同時，有一個機器人顯然正處於拐點。它基本上就在這裡。那就是輪式機器人。這是一種無人駕駛計程車。無人駕駛計程車本質上是一個人工智慧司機。現在，我們今天要做的事情之一是，我們宣佈輝達Drive Hyperion。這是一件大事。我們建立了這個架構，以便世界上每家汽車公司都可以製造汽車、車輛，可以是商用的，可以是載客的，可以是專門用於無人駕駛計程車的，製造出為無人駕駛計程車準備的車輛。感測器套件將圍繞攝影機、雷達和雷射雷達，使我們能夠實現最高水平的環繞繭式感測器感知和冗餘，這對於最高等級的安全性是必不可少的。超越驅動（Hyperion Drive），超越驅動現在被設計應用於Lucid、梅賽德斯-奔馳，我的朋友奧拉·凱萊紐斯（Ola Kalenius），以及Stellantis的各位，還有許多其他車型也將採用。而且，一旦你擁有一個基本的標準平台，那麼AV系統的開發者，比如那些才華橫溢的公司Wave、Wabi、Aurora、Momenta、Neuro等等，就有很多。We Ride，有很多公司可以將他們的AV系統運行在標準底盤上。基本上，這個標準底盤現在已經變成了一個輪子上的計算平台。而且，因為它是一個標準平台，並且感測器套件是全面的，他們所有人都可以將他們的AI部署到上面。讓我們快速看一下。這是美麗的舊金山，你可以看到，無人駕駛計程車（RoboTaxi）的拐點即將到來。在未來，每年行駛一兆英里，每年生產1億輛汽車，全球大約有5000萬輛計程車，這將由一大批無人駕駛計程車來擴充。所以，這將是一個非常大的市場。為了將其連接起來並在全球部署，今天我們宣佈與Uber建立合作夥伴關係。Uber，達拉·科斯羅薩西（Dara K），我們正在合作將這些輝達（NVIDIA）Drive Hyperion汽車連接到一個全球網路中。現在，在未來，你將能夠叫到這些車，而且生態系統將變得非常豐富，我們將擁有遍佈全球的Hyperion或無人駕駛計程車。這將成為我們新的計算平台，我期望它會非常成功。結語：引領新一輪平台轉型好的。這就是我們今天討論的內容。我們討論了大量的事情。我們談到，請記住，其核心是從通用計算到加速計算的兩個平台轉型。輝達CUDA以及那些被稱為CUDAX的庫套件使我們能夠應對幾乎所有行業，並且我們正處於拐點。現在，它正像一個良性循環所暗示的那樣增長。第二個拐點現在正向我們逼近。第二個平台轉型，人工智慧從經典的手寫軟體到人工智慧。兩個平台轉型同時發生，這就是我們感受到如此驚人增長的原因。量子計算，我們談到了。開放模型，我們討論過了。我們討論了 CrowdStrike 和 Palantir 加速其平台的企業級應用。我們討論了機器人技術，一個新興的、可能成為最大的消費電子和工業製造領域之一。當然，我們還討論了 6G。NVIDIA 擁有用於 6G 的新平台。我們稱之為 Arc。我們有一個用於機器人汽車的新平台。我們稱之為 Hyperion。我們甚至還有用於工廠的新平台。兩種類型的工廠。人工智慧工廠，我們稱之為 DSX。然後是具有人工智慧的工廠，我們稱之為 Mega。所以現在，我們也在美國進行製造。女士們先生們，感謝今天加入我們，感謝你們允許我們將GTC帶到華盛頓特區。我們計畫每年都舉辦，希望如此。感謝各位為讓美國再次偉大所做的貢獻。謝謝。 (Web3天空之城)

匹茲堡廢棄鋼鐵廠的遺址上，重型機械轟鳴作響，資料中心地基正在澆築，這座曾經的“鋼鐵之城”正被重塑為美國AI新心臟。千億入場券：美國AI的資本狂歡2025年7月15日，川普站在賓夕法尼亞能源與創新峰會的講台上，宣佈了一項900億美元的投資計畫，旨在將這一關鍵“搖擺州”轉變為AI產業樞紐。黑石集團領投250億美元建設資料中心和能源基礎設施，Google、Meta、CoreWeave等科技巨頭緊隨其後，一場以千億美元為單位的競賽在美國全面展開。這不過是美國AI投資狂潮的冰山一角，科技巨頭們正以前所未有的力度押注人工智慧，將其視為塑造國家命運的關鍵一役。2025年前七個月，Meta、微軟、亞馬遜和Google四家公司的資本支出總和已突破1550億美元，超過美國政府同期在教育、就業和社會服務領域的支出總和。·微軟單季度資本支出指引高達300億美元，為2026財年超過1200億美元的支出定調·Meta將年度資本支出下限提升至660億美元，並暗示2026年可能突破1000億美元大關·亞馬遜年度資本開支直指1180億美元，Google母公司Alphabet也調高預算至850億美元這場競賽遠未結束：微軟宣佈下一財年將投入1000億美元，亞馬遜AWS預計支出1180億美元，Google將投入850億美元，Meta的計畫也在660-720億美元之間。僅這四家巨頭明年的AI投資總額就將突破4000億美元，超過歐盟一個季度的國防總預算。私營部門的狂熱與國家戰略形成共振。川普政府推出的“星際之門計畫”承諾四年內投入5000億美元建設AI基礎設施，初期1000億美元已落地德克薩斯州。加上賓夕法尼亞州的900億專項投資，美國政府主導的AI項目投資總額已近2000億美元。這些數字創造了歷史：美國AI投資強度已超越網際網路泡沫時期的電信投資（1996-2001年累計1兆美元），成為19世紀鐵路建設以來最大規模的基礎設施投資。能源黑洞：AI繁榮的隱形代價驅動這場AI革命需要吞噬驚人的能源。訓練GPT-3模型的耗電量達1.287吉瓦時，相當於120個美國家庭一年的用電量。隨著AI資料中心激增，美國電力需求結束了近20年的停滯狀態，開始大幅攀升。資料中心的年耗電量正呈指數級增長：德勤諮詢預測，將從2024年的180-290太瓦時飆升至2030年的515-720太瓦時，年均增速高達15%-17%。到2035年，資料中心用電將佔全美總用電量的8.6%，較目前的3.5%增長逾一倍。能源瓶頸已成為AI發展的最大制約。美國電網系統面臨嚴峻挑戰：今年1月能源部報告警告，發電廠退役與新增發電能力延遲將導致停電激增。能源部長克里斯·賴特直言：“美國的再工業化和AI競賽需要全天候、可靠和不間斷的電力供應。”為此，川普政府採取了一系列激進措施：·簽署“國家能源緊急狀態”行政令，加速批准油氣項目·設定2050年核能產量提高4倍的目標·放寬環保法規，允許發電廠直連資料中心而非通過電網供電科技巨頭也紛紛佈局能源領域：Meta購買1.1吉瓦時核電，Google敲定30億美元水電採購計畫，一場圍繞能源安全的軍備競賽已悄然展開。中美競速：焦慮驅動的投資熱潮美國如此不計成本地投資AI，背後是對中國AI技術崛起的深刻焦慮。史丹佛大學《2025年人工智慧指數報告》揭示，中美AI模型性能差距正急劇縮小：從2024年1月的9.26%差距，到2025年2月僅剩1.7%。中國AI企業展現出強大的創新能力。深度求索（DeepSeek）發佈的大模型在中文場景下語義理解精準率達98.7%，遠超GPT-5的92.3%；在金融預測、工業模擬等垂直領域，其推理效率甚至高出美國同類產品30%。川普曾公開表示：“中國公司推出的DeepSeek AI應該給我們的產業敲響警鐘。”為壓制中國發展，美國持續加碼AI晶片禁令。但這一策略可能適得其反——輝達CEO黃仁勳指出，這些限制“從根本上是錯誤的”，反而激發了中國企業的創新動力，加速了本土晶片研發處理程序。摩根士丹利研究預測，到2030年中國將打造價值1400億美元的本土AI市場。在這場AI霸權爭奪戰中，美國正試圖通過巨額投資維持技術代差，但歷史表明，技術擴散的洪流難以阻擋。量子躍遷從AI狂潮到第四次工業革命的真正引擎當美國科技巨頭以每年近4000億美元的資本支出澆築AI算力基座時，一場更深刻的變革正在量子領域悄然醞釀。富士通於2025年8月1日宣佈啟動研發超過10,000物理量子位的超導量子電腦，目標直指2030年完工。這台龐然大物將運行250個邏輯量子位，採用創新的“STAR架構”——一種早期容錯量子計算設計，旨在解決材料科學中的複雜模擬問題，為高溫超導、新能源催化劑等領域的突破掃清障礙。這一計畫絕非孤立的技術躍進。日本政府通過新能源產業技術綜合開發機構（NEDO）投入3.35億美元，聯動富士通、RIKEN等機構建構“量子工業化”生態，目標是在2035年實現1000邏輯量子位的終極機器，並探索超導與金剛石自旋量子位的融合路徑。而在此之前，北京經濟技術開發區於2025年7月發佈“量子科技十條”，對晶片研發、場景應用提供最高3000萬元資金支援，推動量子-經典混合算力在金融最佳化、藥物模擬等領域的落地。全球資本與政策的協同押注，昭示著量子技術已從實驗室 curiosity 躍升為大國戰略的核心賽道。量子計算的終極意義，或許在於它重新定義了人類解決問題的“時空尺度”。在醫療領域，它可模擬數十億細胞級的癌症病變過程，將精準診療推進至分子動態層面；在氣候科學中，它能處理千萬變數級的大氣模型，將30天預報精度提升至95%以上；在能源賽道，它可設計室溫超導材料，重構全球能源傳輸網路。正如丁洪所言：“量子電腦不會取代經典電腦，但它將解決經典電腦無法解決的問題”。當3640億美元的AI投資狂潮聚焦於最佳化現有世界的運行效率，量子計算的躍遷則是為人類打開了新世界的物理法則。 (壹零社)

一、為什麼要研究工業革命以來的經濟危機？工業革命帶來兩個轉變，一是生產方式從分散的手工作坊轉向集中的規模化生產，二是生產目的從自給自足轉向滿足市場需求。這些變化催生了現代市場體系，經濟運行更加複雜化，危機也將出現新的形態。經濟危機是市場經濟下不可避免的周期現象。自工業革命以來，全球經歷了10次左右的重大經濟危機。儘管每次危機的具體表現不同，但能看到一些相似的要素在發揮作用，比如生產與消費失衡導致的生產過剩、收入分配不均引發的需求不足、以及金融體系過度擴張等，這就是為什麼要分析歷史上的經濟危機。二、六次主要的經濟危機分析（一）1825 年英國經濟危機：生產過剩的首次預演1. 背景 ：18 世紀 60 年代，英國率先開啟了工業革命的大門，紡織業的機械化、蒸汽動力的應用等極大地提升了生產效率，資本主義經濟蓬勃發展。以紡織業為例，珍妮紡紗機的出現使一個人能同時紡多根紗線，極大提高了生產效率，棉布產量大幅增加。然而，這一新興的經濟形態在快速擴張中也埋下了諸多隱患。2. 表現 ：1825 年，英國遭遇了第一次全國性經濟危機，大量商品堆積如山，尤其是棉紡織品等工業產品生產過剩，價格暴跌。據記載，當時曼徹斯特的倉庫裡堆積的棉布足以供全歐洲使用五年之久。眾多企業因資金鏈斷裂而紛紛倒閉，銀行也陷入了困境，失業率急劇上升，工人們面臨著前所未有的生活壓力。3. 原因剖析 ：從經濟結構來看，工業生產的迅速擴張與社會購買力的相對滯後形成了鮮明對比，生產過剩成為直接誘因。當時英國雖然工業產出大幅增長，但廣大民眾的收入水平並未同步提高，導致消費市場難以消化大量商品。同時，當時的金融體系尚不完善，銀行信貸過度擴張，大量資金流入投機領域，導致信用泡沫破裂。此外，經濟政策的失誤也不容忽視，政府對經濟的干預不足，未能及時調整經濟結構和引導市場行為。（二）1847 年歐洲經濟危機：鐵路狂熱後的崩塌1. 背景 ：19 世紀 40 年代，工業革命在歐洲大陸深入推進，鐵路建設成為這一時期的熱門投資項目，各國紛紛加大對鐵路的投入，期望借此帶動經濟發展。以英國為例，1840 年至 1847 年間，英國修建的鐵路里程數增加了近三倍。然而，過度的狂熱投資掩蓋了潛在的風險。2. 表現 ：1847 年，歐洲經濟陷入危機，鐵路建設資金鏈斷裂，許多鐵路項目被迫停工，相關企業大量倒閉。失業問題愈發嚴重，社會矛盾激化，經濟衰退的陰霾籠罩整個歐洲大陸。3. 原因探究 ：鐵路建設的過度擴張是此次危機的重要導火索，由於缺乏合理的規劃和資金保障，大量鐵路項目陷入困境。當時歐洲各國為了追求鐵路建設的規模效應，盲目上馬眾多項目，導致資金分散且管理混亂。同時，經濟泡沫的破裂加劇了危機的嚴重程度，除了鐵路領域，其他行業的投機行為也較為普遍，當市場信心受挫時，泡沫迅速破裂。社會矛盾的激化也在一定程度上影響了經濟的穩定，工人階級與資產階級的矛盾日益尖銳，罷工等事件頻發，對經濟秩序造成了嚴重衝擊。（三）1907 年美國金融恐慌：金融體系的脆弱性暴露1. 背景 ：19 世紀末 20 世紀初，美國在第二次工業革命的推動下，工業生產迅速增長，金融體系也日益複雜。銀行等金融機構在追求利潤的過程中，逐漸暴露出諸多問題。2. 表現 ：1907 年，美國爆發了嚴重的金融恐慌，銀行擠兌事件頻發，眾多金融機構倒閉，股市暴跌，企業融資困難，經濟活動受到嚴重抑制。3. 原因分析 ：銀行監管的缺失是此次危機的關鍵因素，金融機構為了追求高額利潤，盲目發放貸款和進行高風險投資，而政府對金融市場的監管卻相對滯後。當時美國的銀行體系存在著諸多漏洞，銀行資金運用不當、風險控制不嚴等問題突出。金融投機的盛行進一步加劇了危機，大量資金流入股市等投機領域，資產價格泡沫不斷膨脹，最終破裂。此外，經濟結構的不合理也對危機的爆發起到了推動作用，美國的工業發展過度依賴少數幾個行業，如鋼鐵、鐵路等，缺乏多元化的經濟支撐。（四）1929 - 1933 年世界經濟大危機：大蕭條的全球衝擊1. 背景 ：20 世紀 20 年代，資本主義世界經歷了一段短暫的經濟繁榮，但繁榮背後隱藏著諸多深層次矛盾，如貧富差距不斷擴大、金融市場過度投機、國際貿易摩擦加劇等。2. 表現 ：1929 年 10 月 24 日，美國華爾街股市暴跌，這場危機迅速蔓延至全球，工業生產大幅下降，企業倒閉潮席捲各國，失業率飆升至歷史新高。以美國為例，1933 年失業率高達 25%，約有1500 萬人失業。國際貿易幾乎陷入停滯，全球經濟陷入了長達四年的嚴重衰退。3. 原因探究 ：生產過剩是此次危機的根源之一，工業生產的高度發展與廣大民眾有限的購買力之間形成了巨大鴻溝。當時美國的汽車、鋼鐵等行業產能過剩嚴重，大量商品積壓在倉庫中。金融體系的崩潰則是危機加劇的關鍵因素，銀行信貸過度擴張、股票市場投機盛行，金融泡沫的破裂對經濟造成了毀滅性打擊。經濟政策的失誤也起到了推波助瀾的作用，各國政府在經濟繁榮時期採取的過度寬鬆貨幣政策和財政政策，未能及時調整經濟結構和防範金融風險。國際貿易保護主義的抬頭進一步惡化了全球經濟環境，各國紛紛提高關稅、限制進口，導致國際貿易萎縮，加劇了經濟的衰退。（五）20 世紀 70 年代西方國家的經濟 “滯脹”：增長困境與通膨並存1. 背景 ：20 世紀 50 年代至 70 年代初，資本主義世界經歷了高速增長的 “黃金時期”，但隨著經濟的發展，一些深層次的結構性問題逐漸顯現，如經濟結構不合理、通貨膨脹加劇、能源危機等。2. 表現 ：20 世紀 70 年代，西方國家陷入了 “滯脹” 的困境，經濟增長停滯甚至出現負增長，失業率上升，同時通貨膨脹率卻居高不下，物價飛漲。以美國為例，1974 年至 1975 年，通貨膨脹率高達 10% 以上，失業率也超過了 8%。傳統的經濟理論和政策在這種情況下似乎失去了效力，社會矛盾進一步激化。3. 原因剖析 ：經濟結構的不合理是導致 “滯脹” 的重要原因之一，西方國家的工業結構逐漸向重化工業傾斜，服務業發展相對滯後，經濟結構單一，難以適應市場需求的變化。通貨膨脹的加劇進一步惡化了經濟形勢，20 世紀 60 年代末至 70 年代初，西方國家為了刺激經濟增長，採取了過度寬鬆的貨幣政策，導致貨幣供應量大幅增加，通貨膨脹不斷加劇。能源危機的爆發對經濟造成了嚴重衝擊，1973 年和 1979 年兩次石油危機導致能源價格大幅上漲，增加了企業的生產成本，抑制了經濟增長。國際競爭的加劇也對西方國家的經濟造成了壓力，隨著日本、歐洲等國家和地區的經濟崛起，美國等西方國家的國際市場份額受到衝擊，經濟壓力增大。（六）2008 年全球金融危機：金融創新的雙刃劍1. 背景 ：20 世紀末 21 世紀初，以資訊技術為代表的第三次工業革命深入推進，全球經濟一體化加速，金融創新層出不窮。然而，金融創新在推動經濟發展的同時，也帶來了巨大的風險。2. 表現 ：2008 年，美國次貸危機引發了一場全球性的金融危機，金融機構紛紛倒閉，金融市場暴跌，信貸市場幾近癱瘓，企業破產潮湧現，失業率急劇上升。以美國為例，2008 年第四季度失業率達到了 7.6%，2009 年繼續攀升至 9.3%。全球經濟陷入了嚴重的衰退。3. 原因探究 ：金融創新過度是此次危機的重要根源，金融衍生品的過度創新和複雜化，使得金融市場的風險不斷累積，而投資者對這些複雜金融產品的風險認識不足。金融監管的缺失則為危機的爆發提供了溫床，美國等國家的金融監管機構未能及時發現和防範金融市場的風險，導致金融泡沫不斷膨脹。經濟全球化的影響使得危機迅速蔓延至全球，全球經濟一體化使得各國經濟相互依存度加深，一國的金融危機容易迅速蔓延至全球。房地產市場泡沫破裂則是危機的直接導火索，美國房地產市場的過度投機導致房價大幅上漲，形成泡沫，最終破裂，引發了次貸危機和全球金融危機。三、經濟危機的三個層面原因（一）實體層面：生產與消費循環的斷裂生產過剩與消費不足：資本為了追求利潤會不斷擴張，當這種擴張過度時，就會導致生產過剩，然而分配層面的原因，會導致勞動者收入佔比持續下降，必然導致社會有效需求無法消化過剩的生產，進而引起經濟危機。（1825年英國危機、1929大蕭條）技術衝擊陷阱：熊彼特"創造性破壞"理論指出，重大技術創新在提升效率的同時，會引發產業結構調整，但是舊的產業快速衰退，但是新的產業還沒有成長起來，就會導致過度期間的經濟危機。（19世紀末鐵路泡沫、2000年網際網路泡沫）全球化失衡：全球化的深化導致生產端與消費端地理分離，加劇了全球供需錯配與資源組態扭曲（2008年金融危機後的全球產業鏈重構過程）（二）金融層面：債務擴展導致的失控債務周期失控：明斯基金融不穩定假說中描述的信貸擴張、資產泡沫與債務違約的循環機制，導致金融體系脆弱性累積（2008年次貸危機，1990年日本泡沫）貨幣政策扭曲：央行量化寬鬆政策引發的資產價格扭曲與風險定價失真，形成金融市場的脆弱性（2020年全球流動性過剩與資產泡沫）監管制度滯後：金融創新與監管能力之間的時間差導致的風險累積，體現為監管真空區的系統性風險（影子銀行體系與金融衍生品失控）（三）制度層面：制度對激勵機制的扭曲尋租資本主義：既得利益集團通過壟斷、監管俘獲扭曲市場（1929危機前的托拉斯、2008大而不倒）福利體系失衡：民主政治下社會福利支出與經濟承載力之間的結構性矛盾，引發主權債務風險（歐債危機中的南歐國家財政困境）治理機制缺陷：金融市場微觀主體的風險控制與宏觀審慎監管體系的不完善，導致系統性風險積累（2008年大型金融機構的風控失效） (大奇小語)四、經濟危機三維評估

近年來，《黑神話》《哪吒》等作品標誌著中國大眾文藝的從遊戲到電影到動畫的整體崛起。與本世紀前20年的國產文藝作品相比，它們在成熟的技術水準與獨特的文化表達上展現出了雙重進步，使得本土創作具備了與長期掌握文化話語權的西方文藝作品相競爭的能力。在這一崛起的背後，是「產業公地」的長期積累——包括技術、人才、市場等基礎設施的長期投入。本文是播客對話，從《哪吒2》的成功原因，談到現代文藝創作作為一門工業所具備的新特徵、中國文化產業複雜的歷史遺產，以及我們對西方已有文藝範式的借鑑應抱有怎樣的態度。本文是文化縱橫新媒體特約稿件，基於「縱橫說」播客內容整理而成。僅代表作者觀點，供讀者參考。王儒西：以往我們如果要玩遊戲，或者看電影，更多想到的可能是歐美或日本的一些作品。但是近年來，從黑神話到哪吒，當然還有更早的像流浪地球這樣的一些作品，我們可以看到中國的大眾文藝領域越來越熱鬧，而且很多時候越來越能替代西方文藝作品的市場。我們似乎在見證中國的大眾文藝正在拉開序幕——也就是說，一種有廣泛群眾基礎的、有不斷湧現的藝術生命力的，並且對其他國家也有一定吸引力和影響力的這樣一種文藝正在興起。這個興起包含兩個維度：一個是技術上的完備、成熟、體系化，這是對西方長久的產業積累的學習的結果，另一個則是發出了此前西方文藝中所沒有的，中國文藝獨特的聲音。要討論這個話題，當代的技術語境是比較關鍵的一個限定。一方面，今天的文藝創作，無論是遊戲還是電影，都不再是藝術家個人的靈光一現或者振臂一呼，而是一個建基於文化工業體系之上、淘洗於文化市場競爭之中的過程，它和其他的工業門類有一些類似性。文藝創作在今天成為了需要龐大的工業體系、產業鏈、人才庫和資本投入的事。我們說的這個文化工業，與法蘭克福學派所說的「文化工業」當然不是一回事，但其實也有一定的聯絡。就是說，當文化「作品」成為一種工業「產品」後，可能就會步入商品化、模式化的命運，像福特汽車的流水線一樣，透過生產工藝和產品的標準化來實現生產效率的大幅提高。同時，生產崗位也被標準化，並在業界具有通用性。這在工業領域自然是好事，但對於文化工領域來說，千篇一律的內容就與文藝創作的原創性相矛盾了。另一方面，在傳媒技術上，今天我們生活在一個分眾化的媒介環境。不僅文藝消費者習慣了這樣的資訊環境，其實創作者也習慣了面向特定群體進行圈層化的表達。在這樣的時代，如何重建大眾文藝的「大眾」性，去找出各個分眾的情感、情緒、立場與觀點的最大公約數？所謂大眾，是說它是面向一個作為整體的「人民」進行創作的。例如我們以前的動畫片《大鬧天宮》《哪吒鬧海》，都具有很鮮明的代表當時絕大多數的人民性。那麼在今天新的社會形態和技術脈絡裡，我們又該如何重拾這種社會主義文藝的傳統呢？最近的《哪吒之魔童鬧海》（以下簡稱「《哪吒2》」）獲得現象級的票房成績，為什麼它能夠喚起如此廣泛的共鳴？白廣大：上次春節檔競爭最激烈的是《滿江紅》和《流浪地球2》那年。但這一回，恕我直言，除了《哪吒》剩下的真的是一個能打都沒有。 《哪吒2》這次的表達和技術呈現，從我的角度看來的話，比五年前的前作有很大的提升。但你要說是有什麼質的飛躍或進步，其實還不到那一層。它仍然是餃子自我表達的一個綜合體現。所有的敘事邏輯都沒有脫離開他做《哪吒1》時候的那個框架。所以為什麼那個時候沒有成功，這個時候成功？時也，運也，命也。如果單純用作品品質來衡量這個東西，是不太公平的。周安：我也是從春節檔開始一直在觀察這個事情。它對我們研究大眾文化產業的人來說都是一個考驗。我試著分析《哪吒2》成功的所謂天時、地利、人和。天時是趕上了一個大的政策環境。從去年開始，我覺得國家明顯對文化產業應該走，有了一些比較新的想法。以前它可能對於市場機制這一塊的理解，更多會依靠體制內的一些更傳統的力量，但這次它明顯是想要放權給一些更市場化的機構。像是《黑神話》的成功我們也能看到其中有政府的參與，並透過政策綠燈等方式來輔助，達成了非常好的一個效果。 《哪吒2》很明顯也是在這樣一條延長線上。從今年春節的時候，新聞聯播和新華社就一直在發通稿，內容也很一致：第一，它體現了中國電影的成就，第二，它體現了中國產業轉型的一個方式，也就是以電影帶動大市場這樣一種新的消費模式。這些說法其實都蠻新的。我覺得這是《哪吒2》為什麼能夠過了50億之後還一直往上衝的原因之一。地利方面，像剛剛白老師說的，實在是一個能打的都沒有。雖然我是個徐克粉，但我也沒有去看《射鵰》。我確實不太能夠繼續接受像徐克他們這一幫電影大佬的操作模式，就是使用粉圈的一些機制，先把預售票房做起來，在預售票房基礎之上，再去吸引其他觀眾。這套玩法其實是上一代市場化的人想出來的，很明顯現在觀眾已經不太吃這一套了。然後《封神》總體來說還是一個在製作方面工業化水平達標的作品，但是顯然它的內容和當下觀眾的心理需求之間是有一定gap的。至於我們敬愛的預製菜經理陳思誠，他這次也是非常聰明地選擇了一個海外華人的故事作為《唐探1900》的背景，票房也還是在他的一貫水準上。但是它們都還是不能與哪吒這樣的一個作品相比。再就是人和。其實像餃子這個導演他操作動畫的方式，我看完《哪吒》第一部之後，其實就對他有了一定的判斷，我覺得他是挺穩的一個人。中國動畫產業裡面，就是追光和彩條屋這兩家基本上把大部分的合家歡和青年市場都瓜分了。彩條屋其實是投資制度，就是它去找導演來合作，而追光是自己做一個廠牌，這個可能後面再說。餃子導演的一個特點就是他自己本身對於動畫這個形式該怎麼拍有比較好的一個理解力，他在動畫視覺語言上的把握還是非常專業的。但是他沒有那麼多的個人情懷一定要表達。比起彩條屋上一部口碑失敗的《姜子牙》來說，其實餃子一貫還是在使用類型化劇本去推動情節發展方面比較穩的。所以像這樣的一個導演，他最後出來的動畫的完成度是很高的。加上中國市場的觀眾本身也很接受這些已經被好萊塢和日本動漫檢驗過的敘事類型，所以我覺得他在這裡面又加入一些像周星馳電影以及當代網文的元素，這個產品其實就非常穩，基本上所有觀眾都能看懂，且覺得不難看。我覺得這個就是它能夠在新的這種市場環境下大爆的所謂的天時地利人和。李寅：《哪吒2》這麼受歡迎，除了剛才大家聊到的原因之外，還有一個層面，我覺得其實它代表了某種工業上的範式轉型。這樣的情況在中國的整個工業發展史中出現過無數次了，從轎車到家電，都經歷過一個類似的過程。剛開始大家都很迷信洋品牌、迷信合資。我們也不能完全否定它們的作用，畢竟它們就跟好萊塢大片一樣培養了一個市場。但同時，中國自己的工業也正在經歷一個從低端開始發展的過程，例如我們的汽車工業剛開始主要也是給跨國品牌做組裝。其實我們的電影、遊戲工業裡面，也都在某種程度上經歷過這樣的階段。等我們所有的技術成熟了，市場也培育起來了，然後在某個時刻，就會出現一個市場的窗口期、政策的窗口期，然後就有人做出一個爆款產品。無論是電動車裡的比亞迪，還是遊戲嗎我講一個稍微學術一點的概念，就是在工業發展的研究中有一個概念叫做「產業公地」 （industrial commons）。它的意思是說一個工業要發展，它背後有很多因素，包括基礎設施，包括產業的上下游，包括大量熟練的勞動力，包括整個產業的環境，包括人的隱性的知識，甚至包括整個市場的開拓，其實都是某種公共產品。這個公共產品需要有人來投資，有人來維護，產業就是不斷在這些公共資源的基礎上發展的。所以這樣看我們的遊戲、電影產業，多年來國家投資和市場參與培育出來的產業公地它夠大了，而我們的市場又這麼龐大，所以早晚有一天會出來一個像《黑神話》《哪吒2》的產品。這是很必然的事。白廣大：是的。過去20多年，無論是動畫也好還是遊戲也好，其實都是透過產業鏈上下游的不斷積累，達到李老師剛才說的公地這樣一個狀態。就像汽車工業最開始做零配件，然後做組裝，其實文化產業也是這樣，已經至少有十幾年的外包史了。所以無論是對產業鏈的認識，對於管線的建構，對於技術的要求，對於產業工人自身的認知，以及在文化上形成審美的共識，這些時至今日都已經具備，只是看誰先跳出來拿到這個振臂一呼的資格。李寅：對，這裡面也有一個很有趣的問題：雖然我們事後來看這個規律是必然的，但我們回頭去看的話，如果當時一個人突然跑出來說我們中國人可以造自己的5G、可以造一輛跟歐美的汽車不相上下的電動車，是不會有人相信的。那這個人是怎麼冒出來的？我覺得這個問題是非常讓人著迷的，因為這是到了一個經濟學沒有辦法解釋的一個點了：他的這個勇氣是從那裡來的？推動這樣的一個範式轉變的精神氣質是從那裡來的？我們對這個問題的回答經常會變得很玄，例如凱恩斯講的動物精神，熊彼特講的企業家精神，其實就是大家發現這個已經不能用物質來解釋的了。那我特別想聽聽從文藝創作的角度，你們覺得為什麼這些作者和作品會出現？這個精神氣質是從那裡來的？為什麼恰恰是在過去的一年就冒出來了這麼多大家原來都覺得我們做不到的成果？周安安：李寅老師研究的自主工業，都是從一個盛利走向另一個勝利，或者說事物在曲折中發展，但最終還是能夠達到光明的彼岸。我作為一個研究中國文化產業的人，則是從一個失敗走向另一個失敗。基本上每一年在發掘新的研究問題的時候，都覺得這事兒唯一能研究的是它到底怎麼又失敗了，而且失敗的姿勢真的是只有你想不到的坑，沒有他跳不進去的坑。為什麼中國的文化產業那麼難做呢？其實它有一些和中國工業很類似的地方，就是我們面臨的產業環境其實是非常複雜的，它沒有什麼前人走過的路可以學著走。首先是我們的文化體制繼承了一些類似蘇聯國家的特質，在文化作品應該是一個市場的產品還是以國家主導的產品這個問題上，我們其實有一個包袱，或者說遺產。在90年代之後有很大的一個爭議，就是關於這個遺產我們應該怎麼使用。第二，我們面臨像美國這樣的超級文化霸權的進攻，我們對它應該是以什麼樣的態度？我們的做法和像韓國這樣的小體量國家肯定是會不同的。第三，在20世紀後半葉全球大眾文化生產體制發展的時期，我們完全走的是另一條路，這也使得我們不能複製像英國和日本這樣非常基於他們自己本土的文化傳統來創立文化產業的這樣一條路。加上中國崛起的時間又趕上網路騰飛。而網路對整個20世紀的大眾文化生產製度產生了質的衝擊。所有這些東西都要去理順，理出一條自己的路，就本來就是很難的事。這就可以解釋為什麼在今年之前，我們這些文化產業研究者都會有「我真的要繼續把這個研究做下去嗎」的感覺。但是可能是從現在開始，國家在產業的梳理上有了一些質的變化。因為我自己最早其實是做網路劇的研究，你就能看到國家對於到底應該怎麼生產電視劇這事基本上已經想清楚了。像去年開始，其實電視劇領域好幾個質量很不錯的爆款，像《山花爛漫時》，同時在工業製作水平和思想意識形態兩個方面，也就是文化產品的兩個屬性上，都達到了還不錯的一個高度。我本來以為電影產業可能是比較難以理順的，因為它身上附加的東西更多。但從今年春節檔《哪吒2》的狀況來看，我覺得可能還是有些樂觀的資訊。白廣大： 1995年到2005年，就是典型的國內文化市場被文化霸權洗劫的十年。反覆地洗劫。 90年代的時候我們進電影院，驚呼美國人太厲害了，怎麼能拍出像《泰坦尼克號》這樣的電影？而同時期的國產電影，如果從今天回看，它們其實思想上的表達屬於中國文化或者說屬於我們自己的那種敘事邏輯的特點仍然是很鮮明的，它核心仍然是強勁的，但是它為什麼競爭不過呢？一方面是技術上差了好幾代，另外一個是90年代之後的市場化對於原有的製片廠形式形成了一個特別巨大的衝擊。以動畫導演創作的視頻“哪吒鬧海”其實都是上美影的美術資產。我印象特別深的是99年的時候，國內動畫愛好者集中起來痛批《天書奇譚》。這個事兒就特有意思，是因為當時和日本的動畫產業進行了對比，“我們做動畫還用手工製作呢”，但那時候我們不知道日本人也手工製作。那時候其實是陷入了對發達國家的技術迷信的一個狀態，覺得人家為什麼想像力那麼瑰麗豐富，賽博朋克，科幻，現代戰爭，而國產動畫還在這兒講神話，聽煩了，沒有人願意看。這就是本世紀初中國人對自己電影產業的一波反思。如果你去注意新晉的這些文化產品的主理人，像郭帆、馮驥、餃子，他們都是八九十年代生人，他們在年方弱冠的時候經受了資本主義文化鐵拳的洗禮，然後覺得自己應該終身投入這個事業。其實他們創作的熱情是在少年時代就打下了基礎，他只不過是把那個少年時候的夢想延續了20多年而已。他們帶著這樣一種熱情，去接觸技術，學習技術，然後改變創作的邏輯，不斷把最新技術應用到自己的作品裡。在這裡邊其實還有一個大前提，就是整個中國的產業發展已經能夠支援一個普通人在文藝創作上的技術需求。比如說開一個動畫工作室得有電，有網，有顯示卡，而且都要能買得起，這就是生產用的基礎設施。前面說的一切其實都建立在這個工業的底層的發展對我們生活的改變的基礎上。王儒西：我最近在看遊戲史，看到電子藝界（EA）作為那樣一個完全利潤導向的出年貨的遊戲廠商，由於它有完備的技術、人才、產業鏈、成熟的管理模式，所以它周圍其實不斷孵化出——其實是從它內部出走了——一些掌握了相關技術的人，想出來自己做一些很理想主義的東西，並製作了許多自己的工作室。就像是在整體的涓滴效應下，普通人只要接了那麼一滴，就能做出自己的東西。但結果是許多這種出走的工作室，後來又被EA給收購回去了，但在EA的管理模式下很快就被砍掉自己的業務。白廣大：有一個很著名的漫畫，就是一個工作室被EA帶到一個懸崖旁邊，回頭問EA：“Dad？”，然後EA抬手一槍就給送下去了，而懸崖底下已經有一堆牛蛙、Westwood等工作室，都是在EA手下死掉的孩子。 EA本身是為了增值的商業邏輯，實際上對於是否培育了產業公地不是很在乎，他重視的是自己的市值。李寅：公地也是需要不斷培育、滋養的。如果所有的企業都只是想從中獲得養分，沒有人願意投入進去的話，那公地總有一天會枯竭。我查了一下EA最近五年的利潤是怎麼分配的，結果是它幾乎所有的利潤都花在了分紅和股票回購上，這意味著它幾乎沒有把更多的資源用來投入在員工上、產品上以及一系列跟產業公地相關的東西上。最近幾年好萊塢電影也有類似的問題。不管出於什麼原因，它不停地在推出差不多的續集，一個IP不停地拍，所有人都想從IP中搾取價值，沒有人投入到新的IP裡去，沒有人在想辦法對舊IP創新、延續。這就是一個問題：產業要延續，要不斷髮展，是需要不斷輸入養分的。而在現代工業社會裡面，能夠有這麼大量的資源去滋養的，也無非就是政府或者大企業，其他的初創企業、小團隊，本質上都是從公地裡面去汲取養分的。剛剛周老師說我們研究工業的好像是從一個勝利走向另一個勝利，不是這樣子的。其實大家真正開始認同中國的自主工業、中國的自主創新，也沒有很久。2014年，《哈佛商業評論》上曾經發表過一篇文章叫《Why China Can't Innovate》，基本上是當時大家的共識，沒有人認為有問題。但這也只是10年之前。或許大家不知道的是，第二年（2015年）我美國的導師威廉·拉佐尼克教授就和一些學者在牛津大學出版社出了一本書，叫《China as an Innovation Nation》，中國作為一個創新型國家，出來以後沒有多少人相信，大家覺得我們瘋了。所以整個風向的完全改變，就是在這10年之間。其實現在回頭看，2015年的時候，華為、大疆都已經在那了，而且他們做的產品已經很好了。但是意識的改變就需要這麼一個時間。而如果我們說2025年是中國文化產業完全讓大家刮目相看的話，它之前差不多也經過了10年的時間。剛剛老白講的餃子、郭帆這些人大概在00年左右開始要決定要做新一代的東西，而我們回想一下中國的工業，像王傳福、任正非這些人，大概也就是再往前推十年——1990年左右，華為想要做自己的交換機。所以這麼一算，兩者在獲得普遍認可之前都經歷了類似的10年左右的發展期。周安安：為什麼在80後這一代，中國的文化產業能做？因為如果你不是泡在這樣一種文化工業產品的環境之中成長起來的話，你有時候就會對工業公地怎麼建構這個事，要麼就是想像不到，要麼就是可能對它有一些過於浪漫化的看法，以及過度的反思。我就記得2000年左右的時候，你如果和一些文化產業從業者聊我們中國人為什麼拍不出來電影，他能跟你反思到中國文化基因就是不合適進行電影敘事這樣的層面去。我們學界也是一樣的，對於文化產業該怎麼研究，我們的學界進入的可能是美國60、70年代提出的問題和日本80年代提出的問題。但逐漸你會發現這些理論武器它並不合適研究中國當下的情況，而其實是他們的社會在自己文化產業生長的過程之中，他們的學者圍繞著他們自己的這些真實的問題建構出來的這些理論。老白：對，我認為學界對於文化產業的研究，其實更多是要和生產實踐的整體流程結合起來。因為單純從形而上這塊來聊的話，它只能讓理論和生產實踐脫節得越發地厲害。過去文化產業的生產鏈、工業公地，與現在數字化工業的完全不一樣，所以還是需要學界的參與，大家共同努力。很多人很想做一個好遊戲出來，但他沒得借用。李寅：我在這裡提一個需求，我特別期待國內能出一款比肩《博德之門3》的東方的CRPG。王儒西：對，我看最近冒出很多新國遊戲，但更多的還是動作類。這個類型還是有一個比較成熟的可藉鑑的範本。而CRPG這種類型可能對人文元素的挖掘要求就很高。白廣大：對，不那麼容易。 CRPG本身它的敘事性，還有它的系統複雜性，註定了人們理解它需要很高的成本。李寅：所以這基本上就是好萊塢大片跟法國文藝片的差別。白廣大：對。楊治學老師之前到我們那做電影的時候就講到，電影史上的很多作品，你可能今天再回頭來看，什麼玩意兒，但是它作為當時的範式開創者，具有很重要的歷史意義。比如說喬治·羅梅羅，他的《活死人之夜》作為殭屍片的開山鼻祖，用了25分鐘左右講殭屍是怎麼產生的、殭屍有多麼可怕，它開創了這樣一個範式之後，以後所有殭屍片就可以把開場的介紹壓縮到5分鐘以內。王儒西：其實最近這些年中國的遊戲或影視作品中，我覺得我們也在進入這樣一種範式化的過程，就是對於怎樣去把我們傳統的一些元素進行拆洗，然後重新組織成一種現代的敘事、現代的影像語言、聲音語言，在這件事上，創作者內部以及創作者和受眾之間逐漸形成了一些約定俗成的規範。比如說在敘事上，像《黑神話》《哪吒》都繼承了我們以前的「妖」「仙」這一套世界觀設定，繼承了網文中常見的「修仙」這樣一個類似一層層升級的敘事。大概這麼一說，大家就知道在說什麼了。然後在影像上，例如我們怎麼用當代技術去呈現天庭、地府等中國傳統神話中的場景？ 《黑神話》的呈現就很精彩，可能會成為以後用CG技術製作類似常見場景時的借鑑。而在追光動畫的作品裡，我們可以看到蒸氣龐克這種西方影視中的成熟範式和中國元素的混搭。又例如音樂上，我們現在寫中國風格的激昂片段時經常會把嗩吶用在西洋交響樂團裡，聽眾也對這種配器呈現的效果很買帳，這其實就像當年《指環王》配樂裡用愛爾蘭哨笛表達霍比人的田園主題，後來成為奇幻題材配樂的通行慣例一樣。所以像開頭我提到的，我們正在形成這樣一些範式，這是影視、遊戲工業化的進步，但如果對它過度依賴，只要是某某風格就拿來一整套現成的行活直接套，是不是也意味著陷入了一種比較僵化的創作模式？李寅：我對這個問題其實有一個非常簡單的答案，就是我一點都不擔心。因為我們一般人對創新的理解是有問題的，大家都覺得創新就應該是一些特別新、從來沒有出現過的東西。但創新從來都不是這樣的。在創新研究領域大家比較能接受的一個對創新的定義是說，創新實際上是一種對已有的點子的非常見的組合，用英文說叫atypical combination of existing ideas。有人做了巨量資料的研究，發現我們通常能夠接受的那種被認為有重大影響的創新裡，大概70%是已有的idea，這樣才能讓大家接受。大概只有20%到30%是全新的東西。如果這個比例裡面舊的太多的話，大家會覺得這個東西特別陳腐。而如果新的東西太多，大家就會覺得這個東西沒有辦法接受。所以我們看到的這些大家覺得新的有意思的東西，我們都不能說它是完全新的，它一定是不斷在組合。我們會不斷地有新一代的創作者出來，他們會把自己的生活經驗跟已有的東西組合起來進行創作。現在的小朋友從三歲就開始看平板，他看到的東西跟我們會完全不一樣，他把他的生活經歷跟他看到的以往的那些idea組合起來，在新的技術基礎上去實現，一定會創造出我們沒有辦法想像出來的東西。白廣大：您說的這樣的產品今年就會有，叫《昭和米國語》。創作者特別在遊戲的宣傳片裡加了一個腳註，就是你在影片裡看到的所有上個世紀80年代的佈景、設定、人物，全都是我們的刻板印象，跟歷史一點關係都沒有。王儒西：這種對某一文化的刻板印象，我們一般是批判的，因為它是一種過於簡化的認知，並沒有進入當事人自身的視角去理解他們的文化。但是如果一個創作者就是以非常樂觀的、拿來主義的心態，把這些刻板印象拿來進行創作，就像日本的大瀧詠一，他就很喜歡拿東南亞的、中國的那種非常刻板印象的元素來創作，不管是音樂還是影片，最後他把這些元素組合到一起之後，揉成了一個他自己的新的東西。周安：說到敘事上的創新，我們中國這些新的文化作品，有沒有提出以前西方文藝中沒有的、屬於中國的敘事？還是拿《哪吒2》來說，為什麼我一開始就說餃子他是一個比較穩的人，就是因為其實他在直接搬運、使用好萊塢和日本動畫的程式的時候，他沒有太大的心理障礙。白廣大：他完全沒負擔──我不需要自己重新發明輪子。周安安：對。與之相反，像追光動畫，完全是自己做劇本，從底層邏輯開始就要求是中國人的思維，這導致每次他們的故事我感覺可能大部分人都有點看不明白想說啥。但餃子不是，他想說什麼，其實你覺得既很順滑，但好像同時裡面又有一點中國人的東西。比方說我覺得這次最有意思的例子，就是陳塘關被燒燬，很多人都在說看到那裡的時候，為什麼哪吒沒有表達任何對陳塘關居民的同情，就走了？這個事情非常有意思的地方在於，導演使用了一個日本漫畫裡典型的敘事程序，就是一個原本被他的社區所排斥的小朋友，遇上了一個毀滅社區的事情，他要在這個社區被毀滅的時候，激發出他自己和社區之間的連接，表達出同情、共情，接下來他就獲得了心靈的成長，逐漸從一個社區裡被說的人像火影忍者排斥的人。其實這麼拍並不是因為餃子沒有人道主義，而是因為日本之所以會形成這樣一套敘事程序，是因為它作為二戰戰敗國，戰後又深深嵌入在美國戰後一整套民主價值的和反戰價值的語境之中，就長出了這麼一個特別本土化的敘事程式，它劇情到這個地方就一定會這麼寫。但中國是二戰的戰勝國，我們一直以來對於戰爭的看法不是要講人道主義，而是講我們是英雄的國家，我們是反抗侵略的國家。所以我們的文化基因裡面沒有這麼日本動漫的這一個程式。這就是為什麼很多觀眾看到這個地方他不舒服。在這個地方，餃子很順滑的把它帶過去了，但是被當代文化充分訓練過的觀眾，可能就會覺得這個事情不太對。《哪吒2》裡最讓大家共鳴的，其實是基於中國網路文學所總結出來的大量的程式。在中國的文化工業一直髮展不起來的這些年裡，中國的網路文學其實發展得非常好，提供了大量基於大家真實經驗的敘事。我覺得餃子他這次很聰明的地方也是在於，《哪吒2》裡最關鍵的幾個設定，它其實用的是這些程式，比方說申公豹，以及在《黑神話》和《哪吒2》裡都用到的要把妖練成丹。這些雖然都是我們在網文裡面看熟了的套路，但用在這裡觀眾馬上一看就懂。白廣大：二次元也是一個典型的產業公地的例子。當二次元的觸角延伸到遊戲，就造就了現在中國手游裡一塊巨大的產值，但在此之前形成二次元的共識則花了很長的時間。這個共識就是產業公地的一部分。正是基於這個共識，人們接受二次元、使用二次元、把二次元商業化就變得容易了。這也是為什麼我們今天看到青年文化中二次元的內容越來越多，包括衍生品、谷店、二創……二次元文化已經達到了一種量化效應，就是能以洪水漫灌形式去影響每個人，而影響了更多人之後，它又反過來鞏固了社會關於二次元文化的共識，進一步擴大了這塊產業公地。王儒西：其實很多時候這種工業化的大眾文化，我們不能單純從藝術的角度去看。市場的考量也是很重要一環。白廣大：市場考量，或現代商業規則，屬於是我們社會運作的條件。這也是就是《哪吒2》在這個春節檔爆火體現的另外一層意義。你可以看到一個十幾億人的大市場在爆發出消費力的時候，是何等地驚人。之前楊治學講過韓國史，說韓國為什麼很多電影的選題、表達邏輯總是趨向於極端化，總是帶著那種語不驚人死不休的那個勁？原因是他們必須向外謀求市場，因為韓國本土市場就那麼大，如果只服務本土市場，說到底就幾千萬人，那你怎麼把電影的商業價值拉到和好萊塢等量奇觀呢？有且只有一種辦法，就是你要去講他們的觀眾所理解的敘事，你要去講他們所理解的文化價值觀。其實你去看大量韓國電影都是按照這種邏輯創作的。而中國不需要。中國憑一國的市場就能擠進世界影史榜單前十。接下來無論那裡的創作者都必須開始正視這個問題：有這樣一個市場，這個市場有巨大的受眾，有巨大的消費力，那你要講什麼故事給他們聽？王儒西：您說這個其實就是中國的所謂“超大規模性”，這其實是在討論很多中國問題的時候一個繞不開的基礎限定。由於中國整個的人口基數很大，行業的從業人數也很多，所以即使是曾經主流圈子裡有種失敗主義的風氣，也總會有一些比較邊緣的創作者不會受到影響，做出一些讓人意外的一些作品。所以在主流大廠都在做氪金手游的時候，會出現《黑神話》這樣的大型3A，他就能做一個不那麼主流的選擇。包括《哪吒》如此成功，餃子他也不是科班的導演。這些都是在中國這樣的超大規模性之下成就的一些事情。白廣大：其實還是有很多馮馥，有很多餃子。只不過他們沒有成功，就被淹沒了，這是歷史的代價。但在這樣一個滔滔大勢面前，就是會有人成功，只不過他剛好站在那個頂端。可能有很多拚搏時間很長甚至更長的人，沒有能夠實現自己創作上的理想，但這都不重要，重要的是代表一個群體的這樣一個文藝作品能夠被大家認可。功成不必在我，但功成必定有我。 （文化縱橫）

第四次工作革命，中國與工業革命的發源地西方世界將處於同一起跑線上，我堅信這種認知和判斷是客觀的、正確的。我們常說的百年未有之大變局，從宏觀方面而言，其內涵其實就是因第四次工業革命引爆的生產力大發展，中國抓住了這次機會，由於中國獨有的國情優勢，中國很可能在人類第四次工業革命浪浪中，領跑西方，成為人類文明之光。從最近十年以來，中國的發展趨勢以及在代表第四次工業革命的相關產業：例如人工智慧、AI深度學習、物聯網、量子通訊、可控核聚變、5G/6G通訊技術等領域，中國相繼取得了技術突破，與美國的競爭形成雙雄爭霸的局面，但在市場應用方面，中國又領先於美國，所以，中國成為第四次工業革命的大言。回顧人類工業革命的歷史，也就260年時間左右。英國由於擁有獨特的地理優勢，再加上在與歐洲陸權國家的競爭中採取了正確的外交戰略（離岸平衡戰略），促使英國最先完成了人類的第一次工業革命（1760—1840）。蒸汽機與紡織業還有鐵路以及煤炭做為能源的大組合形成的機械生產力碾壓數千年的農業生產力，從而讓英國成為日不落帝國，稱霸世界一百多年。第二次工作革命（1870—1914）以電力（內燃機）為代表，德家與美國後來居上，超過英國。德國的強大與​​其野心同步，由此引爆了歐洲兩次世界大戰，讓美洲的美國撿了大便宜，坐受漁翁之利，於是，美國的發展強大引爆了人類第三次工業革命。前兩次工業革命前後持續近200年（1760—1950）曾經在農業文明時代領先全球2000年的中華帝國在幹啥？為何缺席了？歷史給出的答案是血淋淋的。滿清入關，專制統治中原267年，是中華民族在近代跌倒爬不起來的最重要原因。即使結束了封建社會，但現代史幾十年，軍閥混戰，國家處於分裂狀態，國家想進入工業化，只能是一個遙遙無期的美夢。因此，第一次與第二次工業革命，我們錯過了。 1949年之後，我們這一代吃三代人的苦，進行了艱苦卓絕的追趕，追趕什麼？追趕前面兩次工業革命的缺位，在追趕的同時，我們也不忘規劃第三次工業革命的藍圖，這就是前30年的成就與貢獻。70餘年的奮鬥歷程，讓我們彌補上了前兩次工業革命的差距，又追隨著第三次工業革命的步伐。何謂第三次工業革命，就是美國自1950年左右主導的半導體資訊產業和網路產業，人類社會也因此進入資訊時代，資訊時代持續了半個世紀，我們一步不停的追隨著追隨著。進入二十一世紀，第四次工業革命又由美國最先起步，美國壟斷金融資本的設想是通過第四次工業革命，藉人工智慧的高牆小院又續命美國霸權100年，可是，中國在第四次工業革命領域的全方位強勢崛起，打破了美國企圖再續霸權之命100年的美夢。人類的命運是霸權當道還是共同發展？是繼續維持持續了500年的舊秩序？還是進入嶄新的人類命運共同體模式？這是靈魂拷問，人類命運共同體的宏偉藍圖，要實現，靠的是實力，實力來自那裡？來自硬實力與軟實力的完美結合。第四次工業革命的領先就是硬實力；世界大同、天人合一的理念就是文化，就是軟實力。王毅夫先生的認知我是讚賞的，這兩天在上海舉辦的全球半導體盛會，深圳新凱來公司公開亮相的半導體全產業鏈產品系列，科技含量之高，驚豔世界，聯絡到華為、中芯國際、DeepSeeK等一系列國內公司徹底打破美西方的技術封鎖，在資金、人類技術、人才、市場，我們都包括了一點點革命市場，還有一點點 （行走在荒野）

摘要基於網際網路和人工智慧基礎之上的“第四次工業革命”正在發生。人工智慧表現出來五個顯著特徵：技術能力的高度集中性、技術管理的高度中央性、技術使用的高度壟斷性、技術受眾的高度分散性、國家間或者區域間競爭的高度封建性。技術進步對社會的影響是一個永恆的話題。必須明確意識到，技術的進步並不代表人類的進步。前三次工業革命都帶來了人類文明的進步，“第四次工業革命”會導致的社會政治秩序，最有可能的是“牧民社會政治秩序”，也可能在國際和國內層面形成一種新型封建體制或者無政府狀態。“牧民社會”對人類最大的衝擊是智慧的不平等，倘若人類利用人工智慧進行自我傷害的趨勢繼續下去，最終的結果必然是重返“奴隸式依賴”。因此，如果沒有新的啟蒙運動和新人文意識的崛起，“第四次工業革命”給人類文明帶來的很可能是大倒退。人們需要直面這個問題，找出有效的糾正方法。技術進步對社會的影響是一個永恆的話題。必須明確意識到，技術的進步並不代表人類的進步。人類既要充分受惠於技術的進步，又要防止和減少技術對社會進步的負面影響。人類社會此前已經歷了三次工業革命，即蒸汽時代、電氣時代、資訊時代。第一次工業革命始於18世紀60年代末，英國人詹姆斯·瓦特製造出人類第一台有實用價值的蒸汽機，人類得以進入工業時代。第二次工業革命始於19世紀60年代，美國實現了電力的廣泛使用，人類得以從蒸汽時代進入電氣時代。第三次工業革命始於1946年，美國生產出人類第一台二進制電腦，人類得以從電氣時代進入資訊時代。當前，“第四次工業革命”正在發生，其內涵和外延都在不斷被定義，目前國內外普遍的共識是“第四次工業革命”是基於網際網路和人工智慧基礎之上。它意味著人類從資訊時代進入人工智慧時代，其對社會政治經濟秩序的影響，無論是積極的還是負面的，都已經成為眼下國內外學術界和政策界討論的熱點。正如近代以來的三次工業革命構成了近代社會科學的經濟基礎那樣，“第四次工業革命”已經構成了現存社會科學知識體系轉型的動力和未來社會科學思想體系的經濟基礎。工業革命與社會政治秩序工業革命與政治秩序的關係需要從經濟基礎與上層建築、生產力與生產關係之間的關係來理解。但無論是經濟基礎還是上層建築，無論是生產力還是生產關係，都不是簡單的一一對應關係，而是需要把社會關係作為中間變數加以考量。也就是說，經濟基礎不是直接決定上層建築，而是通過經濟基礎產生的社會關係來影響上層建築；同樣，生產力本身也不能決定生產關係，而是通過生產力產生的社會關係來決定生產關係。反之亦然。忽視了社會關係這一中間變數，就很難理解各國不同的歷史發展路徑和經驗。馬克思有關經濟基礎和上層建築、生產力和生產關係的論述給我們很大啟發，其理論把社會簡化為經濟基礎和上層建築、生產力和生產關係兩者之間的關聯。馬克思的理論是基於歐洲歷史發展之上的，是對歐洲歷史的解釋。馬克思本人也已經意識到，當這個理論應用於其他社會時，解釋力就有所欠缺。例如，馬克思在解釋中國和印度等東方社會時，就提出了“亞細亞方式”的概念。實際上，即使是西方社會，也沒有沿著馬克思當時所設想的線性發展。馬克思認為資本主義是一種自我毀滅的力量。資本的目的是通過剝削勞工階層來賺取剩餘價值，這使得資本和勞工階層處於對立面，勞工階層便是資本主義的“掘墓人”。馬克思的假設是國家（政府）僅僅只是資本的代理人，國家（政府）和資本是一一對應關係，因此，勞工階層（社會）便是資本—政府的對立面。但後來的發展證明，資本和政府的利益並非繫結關係，資本和社會、政府和社會的關係是可以變動和重塑的。勞工階層的鬥爭帶來了福利社會的發展，而政府“經濟”角色的調整帶來了規制資本主義的崛起。也就是說，如果加入了社會變數，那麼對工業革命和政治秩序之間關係的理解應當是：產業結構—社會結構—政治結構。再者，因為產業結構的核心在於技術結構，因此，也可以表述為：技術結構—社會結構—政治結構。（一）農業社會的政治秩序。在漫長的農業社會，傳統農耕技術使得經濟生活具有分散性，因此社會是“一盤散沙”，經濟上自給自足，表現為“雞犬相聞，老死不相往來”。政治秩序要不體現為地方化的封建王朝秩序，要不體現為鬆散的帝國秩序。即使是帝國秩序，皇權往往是無為而治，或者統而不治。無論是羅馬帝國還是中國的歷朝歷代，都具有這種秩序特徵。（二）商業社會的政治秩序。早期的商業社會也具有分散性。商業以城市為中心，商業網路往往也是在附近幾個城市之間形成的，雖然存在遠端貿易，但規模不大，參與的人數也極其有限。但是，商業的分散性和農業的分散性不同，商業在於交易，表現為一種基於交易之上的集體性社會關係。同時，商業的交易又表現出平等性。表現在政治秩序上，則是分權和自治，最為典型的便是城市國家。應當指出的是，農業社會也有商業，但因為主體是農業，政治秩序反映的是農業經濟秩序，而非商業。在中國，國家更是形成了“士農工商”的意識形態，長期處於重農抑商的氛圍。（三）工業社會的政治秩序。工業社會可以分為早期的絕對專制主義和後期的工業民主兩個階段。工業化早期是絕對專制主義。第一，工業化使得“想像共同體”成為可能，從前“老死不相往來”的人們之間出現一種“有機的團結”，產生了新型民族主義。民族主義有利於國家政治權力的集中。第二，商業和資本有極強大的國內統一市場的需要和國際拓展市場的需求。第三，政治權力秩序從封建王朝轉型到近代國家。近代國家基於主權之上，通過各種形式來實現統一。第四，第二點提到的資本的需要和第三點提及的國家的需要，形成了兩種力量的結合。工業化和工業技術的擴散無論對社會秩序還是政治秩序都產生了巨大的影響。就社會結構來說，工業化技術的擴散導致了城市化，生產力的提高使得更多的人脫離貧困，最終形成中產階層。工業化的發展基於勞動分工之上，勞動分工需要大規模的教育，以此獲得工作技能，而財富的擴散和收入的提高使得更多的人接受教育。教育的擴散不僅促進民眾權利意識的產生，也賦予了他們的政治參與技能，最終導向了工業民主，形成民主的政治秩序。這是先發國家政治秩序的演變過程，後發國家的情況則很不相同。在後發國家，政府往往在工業化處理程序中發揮更重要的作用。因此，社會階層往往更多地依附國家政權。在一些國家，不同社會階層的形成是國家所塑造的結果。在這種情況下，權力表現為集中或者高度集中的形式。人工智慧技術的五大特徵“第四次工業革命”正在破壞甚至摧毀傳統的社會政治秩序，同時新的社會政治秩序已經變得若隱若現。人工智慧（廣義上的技術）表現出來五個顯著的特徵，這五個特徵基本上決定了未來社會政治秩序的特徵。第一，技術能力的高度集中性（highly concentrated）。人工智慧的技術能力是高度集中的，集中在少數幾個大國的幾家大公司。在全球範圍內，中美兩國掌握大部分人工智慧技術能力，而其他國家雖然也具備一定的人工智慧技術能力，但相比之下仍無法與中美兩國相媲美。而僅就中美兩國對比，美國則擁有更多的技術能力。今天，儘管美國一直宣揚中國在這個領域對美國公司構成了巨大的競爭壓力，但是無論從理論還是經驗層面看，人工智慧領域有意義的競爭都發生在美國的幾家大公司之間，而非中美之間。再進一步，即使在中美兩國內部，人工智慧技術的區域分佈也集中在少數幾個地區。在美國，人工智慧技術主要分佈在兩個區域：一是西邊從加州矽谷到德克薩斯的狹長地帶，二是東北部的波士頓—紐約區域。在中國，主要分佈在三個區域：一是粵港澳大灣區（香港—深圳—廣州），二是長三角地區（蘇州—上海—杭州），三是北京地區（主要是科研）。一種技術的集中性達到如此的高度也是近代以來所少見的。近代以來的三次工業革命中並沒有出現這樣的情況，因為擴散性和分散性是三次技術革命的特徵。在發達的西方，對基於傳統技術之上的產業的反壟斷已經有了一套成熟的方法。一般都是通過分解（拆分）一個企業以防止其取得壟斷地位，從而為創新和新企業的產生創造制度條件。但是，對於高科技企業的反壟斷問題迄今為止依然懸而未決。因為基於網際網路之上，如果進行分解，就不太符合資訊產業的發展邏輯。如果找不到有效的反壟斷機制，那麼這種集中度只會越來越高。第二，管控的高度集權性（highly centralized）。管控人工智慧使用的角色要麼是各國政府，要麼是各個大公司（即網際網路平台公司）；人工智慧領域的主導力量要麼是各國政府，要麼是各大公司（即平台）。基於網際網路之上的人工智慧涉及國家間的關係，這裡蘊含兩種相關但又不同的安全問題：一是技術本身和技術使用的安全問題（safety）；二是國家間的安全問題（security），即一個國家對另一個國家是否構成威脅的問題。基於對技術本身安全和國家間安全的需要，管控的高度集權性不可避免。這也就是為什麼自網際網路產生以來，人們對網際網路主權的討論從未終止過。儘管網際網路主權很難實現，但各國還是千方百計地來掌控網際網路，使其體現出一定程度的“主權性”。再者，國家之間的互聯互通僅僅通過一個國家一個介面或者幾個介面的方式進行，這種關聯方式也為高度集權性創造了技術條件。這種集權性也可以表現為公司形式。儘管在內部事務上，一些美國公司擁有了某種程度的對抗國家的權力，但在國際層面，無論是主動的還是被動的，公司就是國家的代理人。第三，競爭的高度封建性（highly feudalized）。正是對上述兩種安全的恐懼導致了國家間或者區域間競爭的封建性。“封建性”在某種程度上可理解為，國際層面上人們針對一個國家“一統天下”的擔憂，以及國內層面上對一家公司可能形成壟斷地位的恐懼而所做的努力與反應。今天，無論是一國內部的科技公司之間還是各國政府之間，都在追求政治學家羅伯特·達爾所說的“多頭政治”的平衡，以避免出現“大一統”的局面。各種不斷產生的新技術包括不同的作業系統和區塊鏈技術，正在促成一種新的封建秩序，各種主體分割而治。在民眾中間日益盛行的“資訊繭房”也強化了這種新趨勢。這是一種新的“雞犬相聞，老死不相往來”的局面。第四，商用者的高度壟斷性（highly monopolized）。承接前文邏輯，無論商用者是政府還是公司，都很容易趨向於高度壟斷性。從經驗上看，即使使用者是個人，也呈現出高度壟斷性質。無論在那裡，今天的網際網路和社交媒體領域都被各個領域有網路影響力的人物（大V）及其小團體所壟斷。這些大V及其團體往往集聚和壟斷了大部分資源，享有無論是物質意義上的還是話語權意義上的不相稱的權力。他們往往被視為各個領域的“精英”，任何東西（宗教、思想、價值觀、謊言、謠言等），一旦具有了“商用”價值（即只要有人信），他們便會趨之若鶩，毫無底線地追求流量，把某一事物的商用價值推到極端。第五，使用者高度分散性（highly diffused）。使用者即最底端的網際網路使用者。迄今為止網際網路可以說是最具有民主性質的技術，因為人是會說話的動物，人們必須溝通，這也就是基於網際網路之上的社交媒體今天如此普遍的一個原因。但是，這種技術的可得性也導致了個人的“原子化”。而現在的情況已經發生了巨大的變化。如今被視為高度“民主化”的網際網路技術導致了個人的極端“原子化”。在社交媒體中，人們是互聯著，但又不是互聯著的，因為他們之間並沒有真正的溝通。在年輕群體中，很多人實際上已經失去了語言溝通的能力，他們之間的溝通往往發生在一個人的拇指與另一個人的拇指之間。更為重要的是，他們往往還是大V們的商用對象，大V們對他們來說具有吸引力。“第四次工業革命”將導向怎樣的社會政治秩序？從經驗上看，網際網路和人工智慧技術的五個特徵一直在強化；從原理上說，這種趨勢只會強化，而沒有弱化的可能性。那麼，從技術的這些特徵看，“第四次工業革命”會導致怎麼樣的社會政治秩序呢？（一）牧民社會政治秩序。最有可能的一種是“牧民社會結構”和與之相應的“牧民社會政治秩序”。“牧民”的思想早見於中國古代經典《管子》。《管子》的第一篇就是“牧民”，大致意思是說，統治者要創造足夠的財富，把老百姓養起來。“牧民”就是承認基於人性差異之上的人的差異，在承認人類差異的基礎上進行統治。牧民社會表現為三層結構，即牧羊人、牧羊犬和羊群。對應於人類社會，則是最高統治者、統治精英和民眾。在人工智慧時代，人工智慧已經出現替代“牧羊犬”或者“統治精英”職能的趨勢。現在人們所擔憂的是，“人工智慧”的能力是否有一天會超越“牧羊人”？如果不能超越，那麼人工智慧依然是可控的，是人類的工具；如果被超越，那麼人類整體就會受制於人工智慧，甚至成為人工智慧的奴隸。正如前面三次工業化塑造不同的社會政治體系，“第四次工業革命”也會造就不同的政治體系。形成中的“牧民社會”至少可以有兩種社會形態：一是傳統福利社會的擴大版。人工智慧影響就業，甚至剝奪人類的就業機會，從而影響人類的生存和發展。不過，從積極面來看，人工智慧不僅使人類從大多數工作中解放出來，還大大提高了勞動生產率。在這樣的情況下，各國政府可以擴大傳統的福利體系，保證社會成員的生活不受太大的負面影響。歐洲一些小國已經在施行普遍工資制度，即使民眾沒有任何工作，也能得到一份工資。二是通過技術手段實行高度集中的統治。這種形式更多地會發生在經濟比較落後、民眾政治意識比較薄弱的社會。但無論那一種形態，牧民社會都會是一種表面上平等但實際上高度等級化和高度依賴性的制度秩序。（二）新型封建社會秩序。人工智慧技術在不斷演化，尤其在應用領域。當人們（尤其是體現為不同的國家或者利益群體）意識到高度集中的危害性時，便會想方設法去發展反集中的技術，這樣便會展開集中—反集中的競爭。前面所說的區塊鏈技術和不同作業系統的開發就反映了這一趨勢。結合目前國際社會劇烈的地緣政治之爭、中美兩極化和區域多極化趨勢，還有各國內部中央—地方極化的現實政治趨勢，以人工智慧為核心的“第四次工業革命”造就的很可能是一個新型封建體制，無論在國際層面，還是國內層面。在近代主權國家之上的國際體系出現之前，世界呈現出多個帝國並存、等級制明顯且相互分割的封建格局。由於現代國際體系是建立在近代以來建構的主權國家之上，借用近代主權國家興起之前的“封建”概念，我們可以說，當前國際局勢也產生了新的“封建”特性。隨著美國作為一霸超強的衰落，世界其他大國開始逐鹿中原——建立以自己為中心的勢力範圍、國際乃至區域秩序，我們把這種現象稱為國際秩序的“再封建化”。大國在建構以自己為中心的、從經貿領域到軍事領域的勢力範圍，國際秩序出現區域集團化和價值集團化兩種情形。集體安全機制也遭到削弱。當聯合國不能以有效的方式約束成員國遵守規則時，表明其系統已被削弱。以人工智慧為核心的“第四次工業革命”，可能會加速這種新型封建體制的形成。高科技發展到人工智慧的階段，其賦權的能量的確越來越巨大，但賦權表現為絕對的不平等和不均衡，不僅表現在一國之內，更表現在國家之間。在一國之內，人工智慧對國家、對公司、對個人的賦能極度失衡。對國家間來說，人工智慧分佈在少數幾個大國，大多數國家並沒有能力擁有人工智慧。（三）無政府狀態。美國擁有世界最先進且數量規模最為龐大的人工智慧技術，因此其社會受到的影響也會尤為顯著。人工智慧無論是對倫理和道德、對就業和收入、對傳統制度、對社會意識等各方面的影響已經在美國社會得到充分的反映。傳統制度被摧毀了，新的制度還沒有正式確立。舊的利益團體（和精英）受到深刻的衝擊，新的精英還沒有正式確立統治地位。民眾要不就被社交媒體所解放，要不就被社交媒體所奴役，他們依然不知道社會的方向在那裡。毫無疑問，今天的美國社會已經展現出無政府的狀態。沒有任何跡象表明，美國社會可以很快走出這種無政府狀態的局面。無政府狀態也可以發生在社會底層覺醒的時候。當被奴役的社會群體意識到自己被奴役時，他們就會進行集體反抗。這種集體反抗也會導致無政府狀態。當然，那會是另一種革命，是通往另一種政治秩序的革命。也應當意識到，技術儘管塑造人類社會政治秩序，但人類社會政治秩序從來不是由單一的技術所決定的。人類社會政治秩序是技術和社會互動的結果。只有當技術和人類的物質、價值需求相一致時，社會才會完全接受這種技術。反之，如果技術和人類的物質、價值需求不相一致，甚至產生對立的時候，技術就很難在這個社會生存。今天人類所面臨的最嚴峻挑戰是，前面三次工業革命所產生的技術是人類的工具，為人類所創造，並為人類所用，但是，“第四次工業革命”的網際網路和人工智慧技術則不同。當人類在創造這些工具的時候，這些工具反過來會塑造人類。現如今，人類社會生活的方方面面，無疑不受網際網路和人工智慧的影響。在很多方面，人類已經把“選擇權”和“決策權”在不知不覺的情況下讓渡給了這些“工具”。結論正如前面三次工業革命塑造不同的社會政治體系，基於網際網路和人工智慧基礎之上的“第四次工業革命”也會造就不同的政治體系。最有可能的一種是“牧民社會結構”和與之相應的“牧民社會政治秩序”。在人工智慧時代，由於廣泛和毫無節制地使用（無論是主動使用還是被動使用）人工智慧相關的工具（尤其是基於網際網路的各種社交媒體），導致了人類的自我智力傷害。尤其是在當下高科技發展到人工智慧的階段，隨著技術“賦權”能量愈加巨大，愈發呈現出絕對的“不平等”和“不均衡”——不僅表現在一國之內，更表現在國家之間。“牧民社會”的治理結構正在快速形成和崛起——人工智慧對人類最大的衝擊是智慧的不平等，倘若人類利用人工智慧進行自我傷害的趨勢繼續下去，最終的結果必然是重返“奴隸式依賴”。自從人類有意識地去發明和創造技術以來，一個總的趨勢是：機器越來越像人，而人越來越像機器——因為人是根據自己的人性來塑造機器的，機器便有了最終征服和奴役人類的機會。今天，人工智慧已經有能力扮演或者已經在扮演著“牧羊犬”的角色。倘若這一趨勢得不到遏制和管控，人類恐將成為“會說話的羊群”。以此看來，如果沒有新的啟蒙運動和新人文意識的崛起，那麼和前面三次工業革命不同，“第四次工業革命”給人類文明帶來的很可能是大倒退。鑑於人工智慧技術的快速發展勢頭及其對人類智力的巨大負面影響，人們需要直面這個問題，找到有效的糾正方法。從長遠來說，各國所需要的是從根本上進行教育改革。人類已經進入人工智慧時代，但各國的教育系統依然停留在前人工智慧時代，因此教育與社會發展嚴重脫節。正如教育在近代以來的三次工業革命處理程序中所發揮的關鍵作用，在人工智慧時代，一個國家的未來，無論是內部發展還是其在國際舞台所處的位置，都取決於其教育改革。 ( 社會科學文摘)

“我是做宏觀研究的，我30年前就做宏觀研究，和現在差不多，一直沒有轉型。” 李迅雷從事宏觀經濟、金融與資本市場研究30多年，先後編著、翻譯經濟及證券類書籍多部，曾多次參加總理座談會、博鰲論壇等高層會議。 李迅雷一貫強調基於事實、深入研究後的謹慎判斷，和對市場「共識」的再思考。 ■  談到資本市場，他表示：「股市是經濟的晴雨表，確切地說，它是經濟成長品質的晴雨表。股市背後是上市公司，這些公司的體量有多大，盈利能力有多強、持續增長時間有多久，決定了股市的表現。我們能否在科技創新方面取得突破，科技類企業的盈利是否能提高，而影響了 A股市場的表現。