Nvidia 的下一個賭注是什麼？黃仁勳最新發聲聊AI 的未來

Nvidia CEO 黃仁勳（Jensen Huang）在DeepSeek 的「股價衝擊事件」後的首次深度訪談。

在和Cleo Abram 長達一個多小時的對談中，黃老闆從輝達的早期圖形技術切入，系統梳理了從GPU、CUDA，一直到當前深度學習與機器人、大規模加速計算平台的形成脈絡。對談揭示了輝達為什麼在多次產業變革中戲劇性的堅持了「並行加速運算」的道路，最終帶來AI 產業的徹底變革的秘籍。

Cleo Abram 是一位專注於科技與未來趨勢的美國影片創作者，曾在Vox Media 擔任製片人。她目前主持的節目「Huge if True」 透過深入淺出的影片與訪談，探討包括人工智慧、量子運算、超音速交通等前沿話題。 Cleo 最擅長以簡潔、生動的方式呈現複雜概念，鼓勵觀眾以樂觀與理性並存的視角，來理解新興科技對社會的潛在影響。

以下內容是「Jensen Huang's Vision for the Future」訪談節目的詳細總結，以關鍵主題和清單的方式呈現，大家既能快速了解全貌又不會錯過細節。

#01

從GPU 到AI：輝達的技術轉折

GPU 就像一台時間機器，因為它能讓你在更短的時間裡看到未來的可能性。

GPU 的誕生與遊戲市場

• 遊戲圖形帶來的平行運算需求:在1990 年代，遊戲開發者渴望在視覺上更加逼真的3D 圖形，但CPU（中央處理器）因串行計算方式的限制無法應對如此龐大的實時圖形負載。
• 輝達的洞察: 輝達意識到在大量重複的圖形運算中，有10% 的程式碼會消耗90%+ 的運算資源，而且可以並行化來加速。由此，他們開始研發GPU（圖形處理器），率先實現大規模平行運算－這種加速方式被稱為「加速運算」 （Accelerated Computing ）。
• 遊戲市場巨大帶來的良性循環: 黃仁勳指出：之所以選遊戲切入，是因為它潛在市場夠大，能支援龐大的研發投入，也能不斷驅動GPU 技術的迭代。

“GPU 就像一台時間機器”

• 黃仁勳曾說過，GPU 能讓研究者或開發者“看見更快的未來”，因為它讓以往需要長時間計算的任務縮短到可接受的範圍，極大提升了實驗和研發效率。
• 量子化學研究者原本需要可能耗費數年甚至超越其職業生涯才能完成的分子模擬，利用GPU 並行加速，能在更短的時間內看到結果。

CUDA 平台：從圖形到通用運算

• 早期GPU 的「曲線救國」: 由於GPU 最初是為圖形渲染設計，一些科學研究人員想用它來加速通用計算（如醫學影像、量子化學）時，不得不把問題「偽裝」成圖形任務去計算。
• CUDA 的誕生: 為讓更多人能輕鬆用GPU 做並行運算，輝達推出了CUDA，讓開發者可以用熟悉的語言（如C ）直接編程GPU。
• 生態平台與投資邏輯: 黃仁勳相信：一旦有了平台，研究者與開發者必然會發展出越來越多的前沿應用。他們賭定GPU 會成為全球出貨量最大的並行處理硬件，從而願意為CUDA 做巨額投入。

#02

深度學習革命：2012 年AlexNet 及其後續

當我們看到AlexNet 時，我們問自己：如果它能做到這種程度，那它還能走多遠？

AlexNet 的里程碑事件

• 2012 年，多倫多大學的研究小組（Geoff Hinton、Ilya Sutskever、Alex Krizhevsky）使用NVIDIA 的GTX 580 GPU 訓練了一個名為「AlexNet」的捲積神經網絡，在影像辨識競賽中大幅領先其他方法，開啟了深度學習的爆發。
• 當時輝達也在內部研究電腦視覺並且很受挫，看到AlexNet 突破後，意識到深度學習可能會徹底重塑整個電腦產業。
• 黃仁勳推論：如果這種神經網路可以不斷放大規模，未來許多先前無解的AI 問題都能迎刃而解。因此，輝達花了10 年投入「加速運算+ 深度學習」這一方向。

十年沈澱：面對外界質疑的長期投入

• 為什麼要十年？從2012 到2022，外界對AI 的關注從初期的學術界逐漸轉向更多實際應用，但真正爆發式的公眾關注（如ChatGPT 現象）在2022-2023 年才開始。
• 黃仁勳的堅持：“當你基於第一原理對未來有了堅定信念，就會始終堅持下去。”
• 即便外界曾對輝達在AI 上的巨額投入表示不理解，但他相信並行計算+ 深度學習不會停止創新，最終會顯現規模化價值。

#03

當下的AI 生態與應用前景

突然之間，電腦視覺被攻克了，語音辨識被攻克了，語言理解也被攻克了——曾經難以想像的智能難題，一個接一個地得到解決。

加速計算的廣泛應用

• 各產業的研究與創新： 從遊戲，到科學計算（量子化學、基因組、分子模擬），再到大規模語言模型（GPT）、自動駕駛等，GPU 平行計算逐漸成為底層驅動力。

AI 的未來10 年：從基礎研究到應用爆發

• 上一個十年：主要是深度學習的核心演算法、科學突破。
• 下一個十年：則是AI 在各行各業的實際應用「落地」。例如數位生物學、材料科學、機器人、自動駕駛、物流優化、教育、醫療等等。

設計晶片的抉擇：通用vs. 專用

• Cleo 問到，如今transformer 大熱，是否會出現更「客製化」的專用晶片（ASIC），而通用晶片的價值會否被削弱？
• 黃仁勳的回答: 變革尚未結束，「transformer 」也不會是最後的架構，研究者必然不斷在註意力機制、算力結構上作出新突破。若過早把晶片「固化」到某個特定演算法，會失去彈性，無法適應未來。
• 維持通用平行運算的彈性，是輝達仍堅定走GPU 及其平台生態路線的關鍵。

#04

機器人與Omniverse/Cosmos：輝達的新“賭注”

所有會動的東西終將成為機器人，而且這一天很快就會到來。

物理AI 與機器人

• 黃仁勳直言：“一切會移動的東西，終將變成機器人，而且很快就會發生。”
• 機器人不僅是人形的，還包括智慧倉儲、建築自動化、自動駕駛汽車、無人機、掃地機、割草機等等。

為什麼模擬環境如此重要？

• 以往機器人訓練大都在現實環境中進行，成本高、進度慢且有安全風險。
• 現在輝達提出，在高模擬的3D 虛擬環境中先進行海量訓練，然後再把學到的「技能」遷移到現實中。這樣效率極高、且反覆試誤不帶來損耗。

Omniverse 和Cosmos

• Omniverse ：輝達推出的3D 模擬/協作平台，可基於真實實體引擎進行虛擬模擬（具有嚴格的實體規則）。
• Cosmos ：基於生成式AI 理念的「世界模型」（ World Model ）。與Omniverse結合，可創造「物理上可信任」的無限多模擬場景，做大量資料訓練。
• 這個「模擬+ 基礎模型」結合，就像ChatGPT 的「語言模型+ 文字語料庫」的模式，為機器人提供「物理常識」和無限可探索的虛擬世界。

#05

其他前沿投注：數位生物、氣候模擬與更多可能

如果我們能讀懂生物學的語言並預測它，那麼為人體打造數位孿生就不再是遙不可及的夢想。

數位生物與藥物研發

如今用GPU 做蛋白質結構模擬、分子對接研究、基因編輯等，未來有望出現“數字孿生的生物體”，加快對人體、疾病的理解與藥物發現。

高精度氣象與氣候預測

輝達也著力打造高解析度的天氣與氣候模型，希望能以更小的網格尺度（如1 公里解析度）來模擬預測區域性氣候，與全球暖化、極端氣候應變等緊密相關。

歸根結底，輝達致力於打造“加速運算平台”，讓各領域科學家和工程師可以“穿越未來”，進行大規模模擬與預測，從而優化設計，實現更理想的結果。

#06

面向個人和社會的影響與建議

如果只能給大家一個建議，那就是趕緊去找一位AI '導師'，讓它幫助你做得更好、學得更快、想得更遠。

黃仁勳對年輕人（或所有人）的建議

• 當下每個人都應該學習如何與AI 合作，例如學會向ChatGPT 提問（Prompting ），把它當作「私人導師」或「超級助手」。
• 就像上世紀人們得學會用電腦，這一代的必修課就是學會用AI 做事情。

AI 安全與潛在風險

• 深度偽造、虛假資訊、偏見、自動駕駛中的安全事故等。
• 黃仁勳強調，像航空安全一樣，需要從多個維度（工程冗餘、監管、社區合力）保證AI 的安全使用。

對「自動化/取代」問題的觀點

• 他認為AI 會讓人“超級賦能（superhuman）”，而不是被取代。
• 當AI 解決了枯燥繁瑣或重複性的工作，人類可以投入更多時間在創造性、複雜決策和更有價值的方面。

#07

個人願景與輝達的企業使命

企業影響力

• 希望未來人們回望時，會發現輝達在遊戲、AI、機器人、科學研究、生物醫藥、氣候等眾多領域“幾乎無處不在”，而且大幅催化了新行業的誕生與傳統行業的變革。

個人使命感

• 希望自己（以及輝達）被評價為“對世界有巨大影響力的技術創造者”，並且真正改變了大眾的生活方式與創新效率。

∇ ∇

「用科技影響人類」 是黃仁勳渴望留給世界的重要遺產。這場對話不僅回顧了輝達及黃仁勳過去二三十年的持續投入和關鍵節點，也描繪了一個融合了平行運算、生成式AI、機器人、數位生物學與類比模擬的宏大未來場景。對任何對前沿科技或產業戰略感興趣的人而言，本次訪問都展示了一個「讓人類更強大、更有效率、更具創造性」的潛在未來藍圖。(INDIGO 的數位鏡像)