黄仁勋：算力越强，人类越安全 - 每天醒来都觉得公司会倒闭

　　黄仁勋最近做客了 Joe Rogan 播客，进行了一场两个半小时的对话。

　　作为 NVIDIA 的创始人兼 CEO，黄仁勋可以说是站在全球算力之巅掌控雷电的男人，大家可能以为这位 AI 卖铲人每天就是躺着数钱。

　　实则不然，老黄在对话中表现出的，是一个由极度焦虑、数次濒临破产的经历塑造的工程师。

　　而他的世界观以及他对 AI 的理解，都来自于此。

　　在外界普遍对 AI 怀有天网式恐惧的当下，老黄则讲述了一个由工程师主导的、以算力为核心的、渐进式的未来。

　　他试图说明：AI 算力的指数级增长，不是通往毁灭的快车道，反而是通往安全的唯一路径。

　　马斯克说，AI 有 20% 的概率毁灭人类。

　　老黄却说，AI 的发展不会是一个天启式的降临，而是一个持续迭代、渐进增强的过程，就像历史上所有技术一样。

　　人们习惯性地将「力量」等同于「破坏力」，面对 AI 的能力，潜意识中会有恐惧。

　　但在老黄看来，技术领域的「力量」，尤其是计算能力，更多地被用于提升系统的「安全性」和「可靠性」。

　　他用汽车类比：一台拥有 1000 匹马力的现代汽车，远比几十年前只有 100 匹马力的老爷车安全。多出来的 900 匹马力，被 ABS、牵引力控制系统和复杂的底盘管理系统所调用，以便在危急时刻更快地脱离险境。

　　今天的 AI 也是如此。

　　过去两年，AI 的能力提升了百倍，但这百倍的算力增长，绝大部分都被投入到让 AI「思考得更周全」上。

　　它被用来进行更深度的多步推理，在回答前进行事实核查，对生成的结果进行反思，甚至调用外部工具来确保准确性。

　　所有这些，都是在用巨大的算力降低 AI 的幻觉，提升结果的真实性和安全性。

　　当外界在为 AI 的力量感到恐慌时，身处风暴中心的工程师们，正在利用这股力量构建更坚固的护城河。

　　老黄认为，不会只有一个国家或一个公司拥有唯一的、最强的 AI。现实将是一个由无数 AI 组成的复杂生态系统。

　　AI 的安全问题，是一个可管理、可迭代的工程学问题。

　　我们每天都在使用 AI，与 AI 共同进化，我们踩在自己创造的 AI 的肩膀上，一步步向前。这是一种动态的、持续的军备竞赛，而防御方天然拥有协同优势。

　　在网络安全领域，一旦某个漏洞或攻击被发现，整个社区会立刻共享信息，协同封堵。

　　在共同的威胁面前，竞争者会成为合作者。AI 安全的未来也会遵循同样的逻辑。

　　很多人在讨论 AI 是否会产生意识，老黄却说，我们不能讨论一个没有被清晰定义的概念。

　　如何区分智能和意识？

　　智能是可以被工程学定义的能力：感知、认知、理解、规划、执行任务。

　　而意识，则关乎「体验」、「感受」和自我认知。

　　那么 AI 能否通过与世界的交互获得体验？

　　老黄认为，AI 和环境之间只是互动，而非体验。

　　一些威胁论者把 AI 异常行为的个例渲染放大，但实际上，AI 的那些行为，本质上依然是模仿。

　　即使一台机器能够完美地模仿人类所有的思维和行为模式，那也只能说是模仿到了极致，而非真正拥有了意识。

　　总之，我们对神经科学和认知科学的研究，至今也没有把意识这件事情讲清楚，更何况讨论一个机器、一段代码的「意识」。

　　在可预见的未来，我们打交道的将是一个能力越来越强的智能工具，而不是一个新的生命形式。

　　AI 会取代我们的工作吗？

　　老黄认为：AI 不会加剧数字鸿沟，反而会成为有史以来最能弥合数字鸿沟的技术。

　　理由极其简单：AI 是迄今为止最容易使用的工具。你不需要学习 Python 或 C++，你只需要会说人话。

　　ChatGPT 在一夜之间获得近十亿用户也是明证。如果你不知道怎么用它，你甚至可以直接问它自己：「我该如何使用你？」

　　历史上没有任何工具具备这种自我解释、自我引导的能力。

　　当然，有人会反驳，训练和运行尖端 AI 需要巨大的能源和算力，这本身就是一种巨大的鸿沟。

　　答案就在 NVIDIA 的成功秘诀里。

　　如今，老黄定律已经超越了摩尔定律：在过去十年里，NVIDIA 将计算性能提升了 10 万倍。这意味着，在同等性能下，完成一项计算任务的成本和能耗，在十年间下降了 10 万倍。

　　它意味着，今天看起来遥不可及、需要耗费巨资和能源的尖端 AI，几年之后，就可以在你的手机上以极低的功耗离线运行。

　　发展中国家或许暂时用不上「明天」的 AI，但他们将能免费用上「昨天」的 AI。而「昨天」的 AI，已经足够强大到改变一切。

　　人类历史上知识和智能的成本，从未如此迅猛地趋近于零。

　　从成本降低出发继续考虑，自然延伸出 AI 与就业关系的思考。

　　Geoff Hinton 五年前预言：五年内，放射科医生将被 AI 取代。

　　然而现实是，今天几乎所有放射科医生都在使用 AI，而这个职业的从业人数反而增加了。为什么？

　　因为 AI 没有取代放射科医生的「目的」，而只是自动化了他们的部分「任务」。

　　由于 AI 能更快、更准、不知疲倦地分析 3D 甚至 4D 影像，医生可以处理的病例数量和诊断的深度都大大增加，医院的效率和营收也随之提升，从而有能力雇佣更多的医生。

　　AI 取代的往往是「任务」，而不是「工作」。AI 将成为我们的杠杆，放大我们的能力。

　　律师的「目的」是帮助客户解决问题，而不仅仅是起草文件；司机的「目的」在某些场景下是保护、服务和陪伴，而不仅仅是驾驶。

　　AI 将会消灭大量基于「任务」的工作，同时创造出更多基于「目的」的新岗位。

　　老黄的这些观点和思考，并非来自某个商学院的课程，而是源自他和 NVIDIA 在过去三十年里数次死里逃生的真实经历。

　　NVIDIA 的创业故事并非一帆风顺，而是数次濒临破产。

　　他们最初为 Sega 游戏机开发芯片，却发现自己选择的技术路线完全错误。

　　在硅谷上百家图形芯片公司的竞争中，他们成了起步最早、却落后最远的那一个。

　　当公司资金即将耗尽，他不得不飞到日本，向 Sega 的 CEO 坦白自己的失败，请求对方终止合同，并戏剧性地请求对方将最后一笔合同款转为投资，以让 NVIDIA 活下去。

　　拿到救命钱后，公司里却没人知道「正确」的技术该怎么做。

　　老黄从书店里买回三本当时唯一的 3D 图形技术教科书，交给工程师们，说：「读完它，然后去拯救公司。」

　　他们为了赶在资金链断裂前推出产品，将公司仅存资金的一半，买下了一台来自一家即将倒闭的公司的、全行业唯一一台芯片仿真器，在硬件生产前完成了所有的软件测试。

　　随后，他决定：跳过样品测试阶段，直接让台积电进行量产。

　　他赌上了公司的全部，赌第一次流片就会成功。

　　他赌赢了。

　　这段经历深刻地烙印在老黄的思维模式中。

　　他学会了如何在危机中保持冷静，如何回归第一性原理思考，如何砍掉一切不必要的枝节，只做最核心的事。

　　当年，正是这种「我们错了」的坦诚，让他们得以从 Sega 的技术泥潭中脱身。

　　后来，他们发明了 CUDA 并将其集成到 GPU 中时，由于没有直接的商业回报，成本却大幅增加，导致 NVIDIA 股价暴跌。

　　但老黄坚信这是未来，顶住了巨大的压力。

　　最终，正是那些游戏玩家的显卡，无意中成为了点燃现代 AI 革命的火种。

　　标志着深度学习突破的 AlexNet 模型，就是在两块 GTX 580 显卡上训练出来的。

　　而老黄送给 Elon Musk 的那台 DGX-1，则开启了 OpenAI 的时代。

　　小结：读懂黄仁勋

　　老黄说：直到今天，身为全球最成功的科技公司之一的 CEO，他每天醒来时的感受，依然是「公司离倒闭只有 30 天」。

　　驱动他的，与其说是对成功的渴望，不如说是对失败的恐惧。

　　这种极度的焦虑感，让他无法安于现状，必须时刻保持警惕，不断地重新评估、质疑昨天的自己。这种脆弱感，也让他更能倾听和接受不同的意见，从而能够做出关键的战略转向。

　　这种工程师特质，深刻地塑造了 NVIDIA 的文化和战略。

　　他推崇工程之上，认为所有问题最终都是工程问题。AI 安全、工作替代，最终都能通过更强大的算力、更优秀的架构和更普惠的工具来解决。

　　他秉持渐进主义，认为世界不会一夜改变，技术是逐步渗透的，社会也是逐步适应的。灾难片式的想象，是对技术发展规律的误读。

　　所以，下次你再听到关于 AI 的末日预言时，不妨听听老黄的观点。

　　这个掌握全球最多算力的男人，用他的亲身经历告诉我们：

　　保持焦虑，回归常识，然后，勇敢下注。