本周，ai 領域最關心的重要事件是，「超級權重股」、「ai芯片之王」英偉達（nvidia）將於5月22日美股盤後發佈2024自然年第一季度財報。
據華爾街分析師預計，截至4月份的一季度中，英偉達營收有望達到246億美元，同比增長兩倍多，到2025年1月財年結束時，季度銷售額有望突破300億美元大關；預計同期凈利潤138.6億美元，同比增幅超過500%。
過去一個月內，英偉達股票以9.22%漲幅超越納指，成為美國科技領域增長最快的龍頭股，最新市值高達2.27萬億美元。
半導體平台semianalysis日前披露稱，剛發佈的世界上性能最強 ai 芯片——英偉達b100 gpu售價將高達3萬美元（約合人民幣21.67萬元、具體實時價格會有變化僅供參考），預計最快將於今年9月（四季度）開始量產。
目前，世界上只有四家科技公司的市值超過 2 萬億美元：微軟、蘋果、谷歌母公司alphabet 和英偉達。而英偉達憑藉其改變遊戲規則的gpu引領了 ai 算力革命。過去短短八個月內，英偉達市值從1萬億美元飆升至 2 萬億美元，成為全球規模最大的半導體公司。
在這其中，今年61歲的英偉達聯合創始人、ceo黃仁勛功不可沒。
最近接受cbs《60分鐘》對話時，黃仁勛坦言，ai 不會奪走你們的工作，使用 ai 的人會奪走你的工作，而一家企業如果沒有更多的想法來投資增量收益，那麼當工作被自動化替代時，企業不得不裁員，並加入那些有更多想法而又負擔不起資金投資的公司，這樣當 ai 自動化他們的工作時，情況當然會改變，當然會改變工作方式。
黃仁勛經常說，ai 將改變一切。
黃仁勛認為，gpu是英偉達 ai 超級計算機的強大引擎，使其能夠快速吸收大量信息，而它與英偉達cuda一同成為當前生成式 ai 的基礎設施。
「它每秒進行千萬億次計算，這只是瘋狂的數字。」黃仁勛表示。
市場普遍認為，此次財報中，華爾街對於英偉達的關注點有三個：1、英偉達業績會否再超預期，以及利潤率走勢如何；2、最新推出的blackwell架構的產能情況；3、gb200和上一代芯片換代之際，需求增速會否放緩？
黃仁勛強調，ai 將迎來進步和繁榮，並將縮小人類間的技術差距。未來10年，ai 計算能力將再提高100萬倍。
以下是鈦媒體agi整理的黃仁勛近期兩次接受cbs對話的核心內容，有刪減：
問：15歲起，你在denny』s擔任洗碗工，而到了30歲，已婚並育有孩子。但當1993年，你和兩個朋友、英偉達聯合創始人 chris malachowsky 和 curtis priem卻選擇創立了這家公司的時候，當時發生了什麼？
黃仁勛：denny's 是美國的餐館，英偉達則是我和其它兩位聯合創始人在聖何塞 —— 我們家外面的 denny's 創立的，所以他們最近聯繫了我，我們常坐的那個包廂現在成了 nvidia 的包廂，名字是 nvidia，這就是一個萬億美元公司的誕生地，這是一個非常自豪的時刻。
就在這家denny's店，坐在後面，我們三個人決定創辦這家公司。坦白說，我不知道該怎麼做。他們也沒有。我們誰都不知道該怎麼做。
當時的一個最初想法是：用新的圖形芯片加速計算機的處理能力。但我們最初的嘗試失敗了，1996 年公司幾乎破產。
實際上，英偉達成立之時，正值 pc 革命剛剛開始，微處理器吸引了整個行業的想像力。世界正確地看到，cpu，微處理器，將會如何重塑 it 行業，重塑計算機行業；在 x86 革命前後，成功的公司截然不同。我們在那個時期創辦了我們的公司，我們的觀點是，儘管通用計算非常令人驚嘆，但它不可能成為所有問題的解決方案。
我們相信，存在一種我們稱之為加速計算的計算方式，你會在通用計算旁邊添加一個專家。如果你願意的話，cpu 是一個通才，可以做任何事。它可以做任何事情。然而，顯然，如果你能做任何事情，那麼顯然你不能做任何事情做得很好。
因此，我們認為有些問題不適合被我們所稱的普通計算機解決。因此，我們開創了這家加速計算公司。問題是，如果你想創造一個計算平台公司，我不知道這裡有多少計算機科學家，但如果你想創造一個計算平台公司，自1964年以來還沒有一個這樣的公司誕生，那是我出生後的一年，ibm 系統 system 360 完美地描述了一台計算機是什麼。
1964年，ibm 描述了 system 360 有一個中央處理單元，i/o 子系統，直接內存訪問，虛擬內存，跨可擴展架構的二進制兼容性，它描述了我們今天所描述的計算機的一切，60 年後，我們感覺有一種新的計算形式，可以解決一些有趣的問題，當時並不完全清楚我們能解決什麼問題，但我們覺得加速計算有未來。
儘管如此，我們還是出發去創辦這家公司，並做出了一個非常好的首次決策，坦白說，直到今天這個決策都是不可思議的，如果有人走過來對你說，我們要發明一個世界上沒有的新技術，每個人都想圍繞 cpu 建立一家計算機公司，我們想圍繞與 cpu 相連的其他東西建立一家計算機公司，第一點。
第二點，殺手級應用是一款視頻遊戲，一款 1993 年的 3d 視頻遊戲，而且那個應用不存在，構建這個公司的公司不存在，我們試圖構建的技術不存在。因此，現在你有一家公司，既面臨技術挑戰，又面臨市場挑戰和生態系統挑戰，因此這家公司成功的可能性幾乎為0％，但不管怎樣，我們很幸運，因為兩位非常重要的人。
坦率地說，我們三個聯合創始人曾一起工作過的，他們是當時技術行業中非常重要的人物，我給當時世界上最重要的風險投資家 don valentine 打電話，告訴 don 給這個孩子一些錢，然後沿途搞清楚這是否行得通，幸運的是他們這樣做了，但那個商業計劃，即使是今天，我也不會投資，因為它有太多的依賴性，每一個都有一定的成功概率。
當你把這些加在一起時，乘起來，你得到的是 0％，儘管如此，我們設想會有一個名為視頻遊戲的市場，這個市場將成為世界上最大的娛樂產業，當時它是 0；我們推測，3d 圖形將被用於講述幾乎所有運動、遊戲的故事。因此，在虛擬世界中，你可以擁有任何遊戲，任何運動，結果每個人都會成為遊戲玩家。
don valentine 問我，這個市場會有多大？我說，將來每個人都會是遊戲玩家，也是創辦公司時的錯誤答案，坦白說，這些都是糟糕的習慣，糟糕的技能，我不是在建議你們這樣做；不管怎樣，結果證明是真的，視頻遊戲成為了世界上最大的娛樂產業，3d 圖形獲得了成功，我們找到了加速計算的第一個殺手級應用，這為我們贏得了時間，使用加速計算解決了一系列其他問題，最終轉向了 ai。
問：為什麼英偉達要採取fabless模式？
黃仁勛：我們不做製造的原因是因為台積電做得太好了，而且他們已經在做了，我為什麼要去奪取他們的工作？我喜歡台積電的人，他們是我的好朋友，僅僅因為我有業務，我可以進入這個領域，那又怎樣？他們為我做得很好，讓我們不要浪費時間去重複他們已經做過的事情，讓我們浪費時間做一些沒有人做過的事情，沒有人做過的事情，這就是你如何建立一些特別的東西，否則，你只是在談論市場份額。
我們觀察到兩件事情：加速計算是一個軟件問題，是一個算法問題，而 ai 是一個數據中心問題，所以我們是唯一一個出去構建所有這些東西的公司，我們做的一部分是商業模式的選擇，我們本可以成為一家數據中心公司，完全垂直整合。然而，我們認識到，無論一家計算機公司有多成功，它都不會是世界上唯一的計算機公司，而作為一個平台計算公司更好，因為我們熱愛開發者。作為一個為世界上每一家計算機公司服務的平台計算公司，比單獨成為一家計算機公司要好。
我們採取了這種方法，將這個與這個房間大小相當的數據中心，所有的電線、所有的開關和網絡以及大量軟件，我們將所有這些分解，並集成到全世界其他不同的數據中心中，這是一個瘋狂的複雜問題，我們找到了一種方法，在必要時擁有足夠的標準化，在需要時擁有足夠的靈活性，以便我們能夠與全世界的計算機公司進行足夠的合作。
結果是，nvidia 的架構現在被植入到世界上每一家計算機公司中，這創造了一個更大的足跡，更大的安裝基礎，更多的開發者，更好的應用程序，這使客戶更加滿意，他們購買更多的芯片，這增加了安裝基礎，增加了我們的研發預算等等，飛輪效應，正反饋系統，這就是它的運作方式，簡單明了。
問：隨着大模型的到來，你認為，需要多少個服務器gpu來訓練這些計算機？
黃仁勛：創建 gpt-4 所需的是 16000 個 gpu，這是目前任何人使用的最大的模型，價值 10 億美元，而這只是一張支票，甚至不是一張很大的支票，不要害怕，不要讓任何人勸阻你創業，去實現你的夢想。
每個人都希望你認為這是一個巨大的問題，非常昂貴。其實不是，讓我告訴你為什麼，我們公司大約花了 5～6 億美元的工程成本來設計一顆芯片，然後一到兩年後，我按下回車鍵，發一封電子郵件給台積電，通過 ftp 傳送一個大文件給台積電，他們就會製造它，這個過程讓我們公司花費了大約 5 億美元。
總共花了 55 億美元，我得到了一顆芯片，這顆芯片對我們來說當然很有價值，但這沒什麼大不了的。我一直在做這個，所以如果有人說，嘿 jensen，你需要創建一個價值 10 億美元的數據中心，一旦你插上電，錢就會從另一邊噴涌而出。我會立刻去做，顯然很多人也會這樣做，因為誰不想創建一個產生智能的工廠呢？
現在 10 億美元其實並不是很多錢，坦白說，全球每年在基礎設施計算基礎設施上的支出約為 2500 億美元，我們中沒有人正在產生金錢，只是在存儲我們的文件，傳遞我們的電子郵件，那已經是 2500 億美元了，我們增長如此之快的原因之一是，經過 60 年的發展，通用計算正在衰退，因為再投資 2500 億美元創建另一個通用計算數據中心是不明智的，它在能源上過於粗暴，在計算上太慢。
現在加速計算來了，那 2500 億美元將用於創建加速計算數據中心，我們很高興支持客戶這樣做。除此之外，加速計算，你現在有了一個生成 ai 的基礎設施，就像我們剛剛談論的所有事情，基本上的工作方式是你拿很多數據，然後壓縮它。
深度學習就像一個壓縮算法，你試圖學習你正在研究的數據的數學表達、模式和關係，並將其壓縮成一個神經網絡，所以輸入的是，比方說，數萬億位元組，數萬億個 token ，所以說幾萬億位元組，輸出的是 100gb，所以你已經把所有那些數據壓縮成了這個小小的文件，100gb 就像 2 張 dvd，你可以在手機上下載並觀看，對吧？
因此，你可以在手機上下載這個巨大的神經網絡。現在，所有這些數據已經被壓縮進去了，這個壓縮的神經網絡模型是一個 llm，意味着你可以與之交互，你可以提問，它會回到它的記憶中，理解你的意圖，並為你生成文本，與你進行對話，所以，核心就是這樣，聽起來神奇，但對房間里所有的計算機科學家和科學家來說，這是非常合理的，不要讓任何人說服你這花費了很多錢，我會給你一個很好的折扣，大家都去創建 ai 吧。
問：你認為在過去30多年間，英偉達能夠成為萬億美金公司，是運氣還是願景使然？
黃仁勛：那就是——運氣是由遠見創造的。我們發明了這種功能，然後有一天，創建深度學習的研究人員發現了這種架構，因為事實證明這種架構非常適合他們。
問：你如何管理英偉達這家市值2.27萬億美金的公司？如何在管理供應鏈、客戶過程中實現規模翻倍？
黃仁勛：我喜歡管理，只有其中的一部分，就是數錢，很有趣。早上起來，在所有的現金上滾來滾去，這不就是你們所有人來這裡的目的嗎？我理解這是最終目標，建立公司很難，沒有什麼容易的事情，有很多痛苦和磨難，需要大量努力。
如果這很容易，每個人都會去做，並且關於所有公司，無論大小，無論是我們的還是其他技術公司，你總是在垂死，原因是總有人試圖超越你，所以你總是在走向破產的路上；如果你不內化這種感覺，如果你不相信這一點，你將會破產。而且我最初是在 denny 開始的，你們都知道，英偉達是在極其不可能的情況下建立起來的。我們花了很長時間才走到今天。我的意思是，我們是一家有30年歷史的公司。當 nvidia 剛成立時，1993年，windows 95 還沒有推出。那時候，才是第一台可用的 pc ，我們沒有電子郵件。那時還沒有筆記本電腦或智能手機。所有這些東西都不存在，所以你可以想像，我們剛開始時的世界和現在的世界是多麼不同。
顯然，公司全靠人，如果有正確的系統，你周圍有像我一樣出色的人，公司就會擁有技能。不管你是銷售1000億美元還是2000億美元，都無關緊要。
現在的真相是，供應鏈並不簡單，有人知道 g-force 顯卡長什麼樣嗎？舉手示意一下，有誰知道 nvidia 的顯卡長什麼樣，所以你會認為，顯卡就像一個插入 pc 的 pc express 插槽的卡帶，但我們現在的顯卡芯片，在這些深度學習系統中使用的，有 35000 個部件，重達 70 磅，因為它們太重了，所以需要機械人來組裝，它們需要超級計算機來測試，因為它本身就是一台超級計算機，而且成本是20萬美元，用這20萬美元，你可以購買一台這樣的計算機，它可以替換幾百個通用處理器，這些處理器的成本高達幾百萬美元，每花費 20 萬美元在 nvidia 購買，你就能節省 250 萬美元的計算成本，這就是為什麼我告訴你們，買得越多，節省得越多；顯然，這個策略非常成功，人們真的在排隊購買，這就是我們的工作；供應鏈非常複雜，我們製造了世界上最複雜的計算機，但這真的有多難呢？其實非常難，核心在於，如果你被出色的人包圍，簡單的真相是，這一切都關乎人；我很幸運，周圍有一個偉大的管理團隊，然後 ceo 會說類似「讓它成為第一名」的話，比如「讓它運作」。
問：摩爾定律已經「死」了嗎？你為何要提出「jensen定律」？
黃仁勛：答案是，實際上，摩爾定律非常好，我從中受益了。整個行業都從中受益了，計算機行業之所以存在就是因為它，但最終通用計算的摩爾定律，並不是關於計算中晶體管的數量，它關於晶體管的數量，你如何使用它對於 cpu，你如何最終轉化為性能，那個曲線不再是每 5 年增長 10 倍。如果你幸運的話，那個曲線是每 10 年兩到四倍。問題是，那個曲線是每 10 年 2～4 倍。
計算需求和我們使用計算機解決問題的願景，我們的想像力，使用計算機解決問題的想像力是不是超過了每 10 年 4 倍？所以我們的想像力、我們的需求、世界對所有這些的消費都超過了這個限制，你可以通過購買更多的 cpu 來解決這個問題，你可以購買更多，但問題是這些 cpu 消耗了太多的能源，因為它們是通用的，就像一個通才，一個通才不如一個專家效率高，他們的工藝不如專家好，他們不像專家那樣有生產力；如果我要做開胸手術，不要給我找個通才，你們知道我的意思嗎？如果你們在周圍，就叫個專家好了，所以新聞作者的方式太蠻力了，所以現在這讓世界消耗太多能源，讓世界花費太多，只是為了粗暴地強行推動通用計算。
現在幸運的是，我們長時間以來一直在研究加速計算，正如我所提到的，加速計算不僅僅是關於處理器，它實際上是關於理解應用領域，然後創建必要的軟件、算法、架構和芯片；我們不知怎麼地找到了一種方法，用一種架構來做這些，這是我們所做工作的天才之處，我們不知怎麼地找到了這種架構，它既非常快，有時候要加速 cpu 100*500 倍，甚至有時候 1000 倍，但它又不是那麼特定，只用於一種單一活動，這合理嗎？而且你需要足夠廣泛，以便你有大市場，但你需要足夠狹窄，以便你可以加速應用程序，這條微妙的界線，這把剃刀邊緣，是英偉達存在的原因。如果我在 30 年前解釋這個，沒有人會相信，事實上，如果你現在誠實地說，也沒人會相信。
我們花了很長時間，我們堅持下去，我們從地震處理開始，分子動力學，圖像處理，當然還有計算機圖形學，我們不斷地努力，不斷地努力，不斷地努力，天氣模擬，流體動力學，粒子物理，量子化學，然後有一天深度學習，然後是變換器，接下來將是某種形式的強化學習變換器，然後會有一些多步推理系統，所以所有這些事情，我們只是一個應用程序。
不知怎的，我們找到了一種方法，創造了一個架構，解決了所有這些問題，這個新定律會結束嗎？我不這麼認為。原因是這樣的，它不取代 cpu，它補充了 cpu，那麼問題是，接下來會有什麼東西來補充我們？
我們只是把它連接在旁邊，所以當時機到來時，我們會知道我們應該使用另一個工具來解決問題，因為我們是在為我們試圖解決的問題服務。我們不是在嘗試製造一把刀，讓每個人都使用它。我們不是在嘗試製造一把鉗子，讓每個人都使用它。我們是為了加速計算服務於問題，所以這是你們所有人都要學習的一件事。確保你的使命是正確的。確保你的使命不是製造火車，而是促進交通，這合理嗎？我們的使命不是製造 gpu。我們的使命是加速應用程序，解決普通計算機無法解決的問題。如果你的使命表述得當，你專註於正確的事情，它將永遠持續下去。
（本文首發於鈦媒體app，作者｜林志佳，編輯｜胡潤峰）
