英伟达CEO黄仁勋：重塑计算革命与"万物机器人时代"的来临

从游戏显卡到计算革命：GPU的诞生逻辑

回溯到1990年代初期，英伟达成立时的核心观察揭示了一个关键事实：在大多数软件程序中，仅约10%的代码执行了99%的处理工作，而这99%的处理可并行执行；其余90%的代码则需要顺序执行。这一认知成为GPU诞生的基础。

黄仁勋指出："理想的计算机应当既能进行顺序处理，也能进行并行处理——不是二选一，而是两者兼备。"当时视频游戏产业对更逼真3D图形的追求正好需要这种并行处理能力。GPU的本质是通过数千个小型处理器同时工作，而非CPU依赖少数强大核心逐一处理任务。

CUDA：连接游戏世界与科学计算的桥梁

尽管GPU在图形处理上表现卓越，但研究人员发现它可用于更广泛的科学计算领域。早期研究人员需要"欺骗"GPU，让它误以为分子模拟等任务是图形问题。为解决这一障碍，英伟达在2000年代初推出了CUDA平台。

CUDA使程序员能使用熟悉的语言（如C语言）直接控制GPU，极大降低了并行计算的门槛。黄仁勋将这一决策描述为"希望的赌注"："如果你构建它，他们可能会来。悲观者说'如果你建了，但人不来呢？' 乐观者说'但如果你不建，他们根本无法来。'"

CUDA成功的核心在于英伟达对市场的精准判断：游戏产业将提供足够规模支持技术研发，形成"技术—市场—更先进技术"的良性循环。这一循环最终使GPU成为世界上产量最高的并行处理器架构。

2012转折点：AlexNet与AI革命的引爆

2012年，多伦多大学研究团队在图像识别竞赛中使用NVIDIA GPU训练AlexNet神经网络模型，性能远超其他参赛作品，错误率大幅降低。这一事件被视为现代AI革命的起点。

黄仁勋回忆："当时我们内部也在尝试解决计算机视觉问题，却屡屡受挫。看到AlexNet的表现后，我们问自己：如果它能解决这个问题，还能走多远？"这一思考使英伟达认识到，深度神经网络可能重塑整个计算机产业。

黄仁勋表示，这一洞察促使英伟达"重新设计整个计算堆栈"，从硬件到软件进行系统性变革。他指出："65年来，自IBM System 360引入现代通用计算以来，我们已经彻底重新定义了计算方式。"

物理AI革命：机器人学习的范式转变

如果说过去十年聚焦于AI基础科学，黄仁勋认为，未来十年将进入"应用科学时代"。他特别关注"物理AI"领域——将AI能力应用于机器人和物理世界。

过去机器人训练受限于现实环境：在真实世界操作易损坏设备，或依赖人类动作捕捉等有限数据。而英伟达的Omniverse和新推出的Cosmos技术正在改变这一局面：

这一方法使机器人能在数字环境中进行数百万次安全、无损耗的训练，涵盖各种可能情境。黄仁勋预测："未来十年，一切会移动的物体都将成为机器人。你还在手动推割草机？这很快就会显得不合时宜。"

他还描绘了个人AI伴侣的图景："我的'R2-D2'无处不在——有时在我的智能眼镜中，有时在手机里，有时在PC上。当我离开时，家里会有一个实体版本。我将与自己的'R2-D2'共同生活，它会随着我成长。这不是如果，而是必然。"

技术边界与安全考量

谈及技术局限性，黄仁勋表示，最终所有计算都受制于能源限制："在给定能量条件下能完成的工作量，存在物理限制。"然而，他认为这些限制远未成为发展瓶颈。他举例指出，从2016年首款DGX AI超级计算机到最新版本，能耗效率已提升一万倍。

对于AI安全，他提出了系统化框架：

• 算法正确性：确保AI想要做好事且能正确执行（如自动驾驶汽车正常运行）
• 故障防护：设计多重安全保障，类似航空业的三重冗余系统
• 社区安全架构：通过系统性设计，确保AI失误不会伤害人类

准备迎接"超人类"时代：AI如何重塑工作与生活

黄仁勋认为，AI将赋予人类"超人类"能力，不是通过取代人类，而是通过增强人类能力："我周围都是超级智能人士——各领域顶尖专家。这让我感到自信，而非无用。AI将为每个人提供这种赋能体验。"

他提出了一个思考框架：设想某项工作所需的"努力程度"从一周缩短至几乎为零，会带来什么影响？如同高速公路或视频会议引发的变革，AI将重塑经济结构和社会运行方式：

对于个人如何适应这一变革，他给出明确建议：无论你从事什么职业，都应该思考"如何利用AI做好我的工作"：

结语：科技变革中的永恒信念

在近30年的发展中，黄仁勋坚持的核心理念始终如一：

1. 并行计算与加速计算的价值：GPU与CPU协同工作优于单一架构
2. 可扩展的深度学习潜力：模型规模和数据量增加将带来能力提升
3. 技术的广泛赋能性：使强大计算能力为各领域研究者可用
4. 技术创新的开放性：保持硬件通用性以支持未知的未来算法