黄仁勋：1-2万美元就能拿下 未来我们将构建“人形机器人”时代

　　在近期举行的CadenceLIVE Silicon Valley 2024大会上，英伟达CEO黄仁勋与Cadence 总裁兼CEO阿尼鲁德·德夫甘进行一场对话。

　　黄仁勋表示，在不久的将来，我们所有人都要制造的设备将会是人形机器人。人形机器人的制造成本可能会低很多。一些人认为，人形机器人的售价会超过1万-2万美元。既然当前廉价汽车的售价在1-2万美元，我们为什么不能在这个价格区间内购买一个人形机器人?

　　黄仁勋认为，生命科学、机器人和自动驾驶将成为未来三大产业，加速计算成为上述产业的重要推动力。对于智能汽车，黄仁勋表示，他更希望把汽车抽象成为拥有自主系统的“人形机器人”。

　　以下为对话内容摘要：

　　迪夫根：大家好。我很荣幸的向你们介绍黄仁勋。当然，我不需要再更多的介绍他。我们公司与英伟达有着长期的合作关系。黄仁勋和英伟达正在改变世界，这真的非常了不起。在今天的对话中，黄仁勋将会向我们传授过去30年间如何领导一家公司，如何转变行业，以及如何开拓新市场的经验。下面，我们有请黄仁勋。

　　黄仁勋：很高兴能够参加此次对话活动。我喜欢设计人员，喜欢设计工具，喜欢Cadence。我也喜欢Cadence的Allegro(PCB设计布线工具)和Palladium(集成电路设计验证平台软件)两款产品。对我而言，Palladium是唯一比冰箱更重要的应用程序。Palladium是我一生中唯一最重要的应用程序，英伟达也是这款应用最大的客户。英伟达采用Palladium安装和运行了第一批超级计算机。我们难以置信地迷恋Palladium，所以我们喜欢你们从事的工作，没有Palladium英伟达就不可能做得好。非常感谢。

　　迪夫根：谢谢你。我们非常喜欢与英伟达间的伙伴关系。值得注意的是，你知道你自己现在是“教父”，所有人都称你为“教父”。

　　黄仁勋：当教父说什么，什么就会发生;当教父想要什么，他就能得到什么。很明显，我达不到这个水平。

　　迪夫根：就人工智能而言，众所周知英伟达处于这一产业创新的最前沿。你认为未来五年大模型会变成什么样子?数据中心的架构会发生什么样的变化?你对下一步有什么看法?这是一个长期的旅程，但在未来五年，你认为人工智能会如何发展?

　　黄仁勋：让我们后退一步，事实上你刚才的主题演讲可能是最精华的部分。例如，它凸显了底层计算机技术的变革。原因当然如你所知，Cadence与计算机技术相互成就了彼此。底层计算平台的根本性转变，它是Cadence的基础，也是所有依赖Cadence的行业的基础，每个行业都是如此。

　　在你刚才的主题演讲中，非常清楚地强调了加速计算给数字孪生平台Millennium带来的诸多益处。一旦采用加速计算，生成式人工智能就有可能成为现实。如果没有向加速计算的过渡，生成式人工智能将很难实现。

　　转向加速计算的好处是，过去使用CPU扩展很难，但采用加速计算能够带来1000倍的X因素，除此之外还有30倍的系数。当把生成式人工智能加进去，在此基础上还有另外10万倍的X因素。你开始时提到的一些内容非常棒。你说设计工具只完成一次处理，但设计师想做的是多次探索多维多模态。在这个问题上，没有正确答案只有最佳答案。我们需要探索成千上万个不同的领域，当然，对浩瀚的设计空间进行彻底探索实在是难以实现。无限量的计算无法做到这一点，因此我们需要人工智能来帮助我们进入探索和优化的特定领域，然后使用有原则的求解器专门从事这项工作。所以我们可以一起做各种不同的事情。

　　就加速计算而言，我认为生成式人工智能首先将改变Cadence开发软件的方式，它还将改变我们使用软件的方式，这是第一位的。我认为，除了能够做得很好之外，还有几个其他的好处。我们用Cadence设计我们的电路、芯片、PCB、系统，现在还有我们的数据中心。我们使用Cadence的产品来进行电路设计、逻辑设计、系统设计、仿真、验证、形式验证，并一直延伸到液冷系统等等。

　　设计空间不再是一个芯片或一个系统，而是一个贯穿整个事物的共同设计。Millennium就是一个非常好的例子，因为就本质而言Cadence是一家协同设计公司，英伟达同样也是一家协同设计公司。你必须在整个过程中进行创新，所以你把Cadence从一家芯片设计EDA公司转变为一家EDA SDA公司，我认为这是非常有远见的，也是非常必要的。事实上，这正是我们与Cadence合作的方式，以及我们设计系统的方式。

　　人们开始关注一些领域。事实上，你的主题演讲确实很棒。我建议大家多看几遍，因为它的内容量巨大。你提到的一个真正意义深远的领域是，通过投资加速计算、人工智能、数据中心等领域，我们能够设计出更好、更节能的产品。现在请记住，你设计了一次芯片，但能够以万亿倍的速度出货;你建造了一个能够节约6%电力的数据中心，节约出的电力可供10亿人使用一整天。因此，通过设计更好的软件、芯片和系统，我们为世界节省的能源将对社会产生永久的效益。一方面，人工智能消耗更多的电力和数据中心;另一方面，通过更好的产品设计、更好的计算机、更好的汽车、更好的手机、更好的材料等等，我们将减少其他98%的电力和能源消耗。

　　所以我认为我们真的是处于拐点，这些都是完全正确的。当前真的是令人兴奋的时刻。你的主题演讲真的突出了这一点。

　　迪夫根：非常感谢。你一直在谈论这种转变。虽然英伟达制造出了最好的芯片，但担心人们可能会混淆，你可能一直在强调种转变不仅仅是制造芯片。在英伟达今年的GTC大会中，你的主题演讲涉及到构建整个数据中心、非常完整的系统。当把它们放在一起，你又谈到了机架和液冷数据中心。对一家芯片公司而言，向整个体系结构的转型并不容易。英伟达已经变身成为一个完整的软件系统公司，我很好奇你是怎么做到的，或者你是怎么想的。这种转变确实很难实现，一些系统公司正在尝试制造芯片，这很困难，但是英伟达已经完美无暇地完成了这种从芯片到系统、软件、数据的转变，我很好奇你是怎么做的?

　　黄仁勋：我认为你刚才说的最重要的事情是“完美无暇”。我做芯片设计师已有很长时间，我的整个职业生涯都在从事这项工作。当你说“完美无暇”这个词时，我确信观众真的注意到这一点。这是我们很久以前就观察到的，结果证明是正确的。

　　首先需要注意的是，程序中的一小部分代码占用了绝大多数的租用时间。就拿CFD为例，3%的代码占用了99.9999%的租用时间。如果是这样的话，为什么要使用完全相同的工具、相同的仪器、相同的处理器来处理90%或者是全部的代码呢?为什么不为97%的代码做一些事情，并为剩余3%的代码做一些特殊的事情呢?通过这样做，可以把应用程序的速度提高10万倍。

　　需要这种优势来进行重写的应用程序非常非常少，我们很聪明地选择了计算机图形作为突出计算的首选，因为它是一种需要大量并行计算的应用程序，有利于并行处理，而且这是一个非常大的市场，发展非常快，创新非常多，所以我们选择了一个好的市场作为起点。不过我们总是想象，除了计算机图形之外，还会有一大堆其他的应用涌现出来。

　　加速计算与通用计算并不相同。在通用计算中，你可以创建一个处理器，它将运行所有代码，这绝对不是加速计算的情况。你知道是我创造了“加速计算”一词，我的意思是可以加速一个应用程序，这是一个应用程序加速计算平台，你必须知道什么应用程序是正确的。就英伟达而言，我们从选择计算机图形起步，但我们也做了成像，然后我们做了分子动力学(molecular Dynamics)。我很高兴看到你们在数字生物学方面所做的工作。

　　想象如果芯片设计行业被称为芯片发现行业，是因为我的工程团队会出现这种情况：“看看我们今年在Blackwell架构中发现了什么?嗯，然后明年又会像干旱期一样，什么都没有发生。”但我们永远不会这样做，这是不对的，因为生物学要复杂得多。在英伟达可以使用设计工具之前，我们还无法开发晶体管;在你们可以使用设计工具之前，还无法塑造生物学。你们需要设计工具来跟上生物学的发展。因此，我认为世界上最大的行业之一将成为Cadence行业，而不是你在主题演讲中所说的1%。我认为Cadence在未来将有着巨大的发展空间。

　　每一个行业，无论是生物学还是你提到的交通运输行业，所有的应用程序都是不同的。有些与成像有关，有些与粒子物理有关，有些与流体有关，有些与有限元网格之类的事物有关。所以算法是不同的，事实上Cadence是一家数学和计算机技术公司，在很多方面英伟达同样是一家数学和计算机技术公司，这就是我们相处得如此融洽的原因。我们总是关注特定领域的加速，在30年的时间里，我们积累了基于CUDA架构的所有这些不同的特定领域的DSL库，其中一些用于粒子，一些用于成像，一些用于人工智能等等。

　　迪夫根：你在今年的GTC大会做了非常棒的演讲(详细)。我想告诉你的是，下次你需要一个更大的体育场，今年那个巨大的体育场没有足够的空间，所以也许下次你会选择在拉斯维加斯召开GTC大会。在今年的活动中，你突出展示了那么多应用程序，几乎所有行业都有横向支持，对有些行业的影响可能是巨大的，比如你提到了生命科学。此外，你还谈到了机器人技术、自动驾驶等。有没有一两个英伟达参与的行业让你在短期或中期内感到非常兴奋，并具有最大的影响潜力?

　　黄仁勋：你提到的这三个产业恰巧就是让我目前超级兴奋的产业。其中一个是数据中心或者仅仅是计算机技术，第二个是你提到的自动技术，不过我可以将这种技术抽象为机器人、自动机器和自动系统和半自动系统。这是一个总的类别。无论是汽车还是卡车，披萨外卖机器人还是人形关节自连接机器人，这类系统有很多共性，它们都需要有许多传感器，更重要的是需要功能安全。设计计算机和验证计算机的方式，要求操作系统不是普通类型的操作系统，这一点非常重要。

　　人工智能的使用非常广泛，这些系统将随时连接到云，连接到数据中心，这样它就可以更新体验，报告故障和新的情况，然后下载新模型。可以说，我喜欢整个自动系统领域，它是一个全新的类别。在不久的将来，我们所有人都要制造的设备将会是人形机器人。人形机器人的制造成本可能会低很多。一些人认为，人形机器人的售价会超过1万-2万美元。既然当前廉价汽车的售价在1-2万美元，我们为什么不能在这个价格区间内购买一个人形机器人?

　　在一个我们为人类设计的环境中，机器人可能会更加灵活和多功能。过去的生产线是为人类设计的，仓库是为人类设计的，一大堆东西都是为人类设计的。在这种环境中，人形机器人可能更具生产力。我很喜欢这一点，我很喜欢将把生物学变成工程领域。科学发现过程确实至关重要，但它是零星的，这就是为什么反摩尔定律(Eroom’s Law)是正确的。顺便说一下，如果我们不转向加速计算，如果不转向人工智能，计算机行业将经历反摩尔定律，原因非常清楚，我们所做的工作量和计算量都在增长 但是CPU的扩展速度已经放缓，因此我们的计算成本将会增长，而不是降低。

　　鉴于此，我们必须转向加速计算以节约电力、时间、支出，无论如何我认为数字生物学将经历一场全面的复兴。科学和工程越来越紧密，这是一个非常复杂的领域。我们必须创新，不过我们第一次拥有了必要的工具--计算系统--帮助我们处理非常混乱的大型系统的算法。数据驱动方法与你之前所说的原理性主要模拟方法相融合，融合可能会给我们一个机会。我认为这三个行业是正确的，它们的市场规模都将非常庞大，单是人形机器人的市场规模就已足够大。

　　迪夫根：无论如何，带有自动驾驶功能的汽车也许会是第一款机器人，人形机器人随后也将成为另一个巨大的市场。

　　黄仁勋：的确是这样。

　　迪夫根：你对人工智能的能耗问题有什么看法?数据中心当然可以优化，但我们还能为此做什么?

　　黄仁勋：首先，加速计算的功耗非常高，原因是集成的计算机数量非常多。无论我们可以对电源利用率进行什么优化，都会直接转化为更高的性能，这种性能是可以衡量的，因为更高的工作效率会产生更多的收入，或者直接转化为在相同性能的情况下，购买更小的产品所节约的成本。

　　人工智能实际上可以帮助人们节省能源。如果不是你自主创建人工智能模型(我们现在在工具中使用的模型)，我们会发现节省了6%以上的成本。如果没有人工智能，这是不可能的。所以你投资了一次模型训练，然后数百万像我们一样的工程师从中受益;未来几十年内，数十亿人将享受到节省的成本，这就是考虑成本的方式。考虑成本的方式不仅仅是逐个案例，而是从医疗保健的角度纵向考虑。你必须从整个跨度上纵向考虑节省的成本和能耗，以及对气候变化的影响，不仅仅是你正在生产的产品，还有你正在设计的产品。从纵向来看，人工智能将彻底改变我们应对气候变化的方式，有助于使用更少的能源，提高能效等等。

　　迪夫根：你拥有一套非常独特的管理风格。今天的与会者当中有许多人是工程师、经理人和管理者，你对此有什么建议吗?

　　黄仁勋：如何把管理系统和领导哲学的核心思想转化为行动，那就是你愿意创造条件让杰出的人可以从事他们一生的工作，这就是我所认同的管理哲学。所以问题是我们能做些什么来创造条件，让人们可以一生从事他们的工作。

　　我认为最重要的一个方面是让他们获得信息，所以我不认为我做的任何决定只需要一个人听到，或者我需要私下告诉个别人一些信息，因为没有人值得听到或可以听到这些信息。我倾向于在大环境做我的大部分工作，不同的专家团队和有贡献的人聚集在一起，我们只是解决问题。

　　除了公司面临的挑战的透明度和人们应该获得的信息之外，我还喜欢在人们面前讲道理，并提出基于良好推理的方向建议。通过强迫自己讲道理，我正在做两件事：一是影响他人;其次是教导他人。我认为向员工充分授权，是英伟达的规模如此之小的原因之一。我们只有2.8万名员工，但体量却非常庞大，这是因为几乎每个人都有权利，能够代表我做出合理的决定。

　　最后，你的组织的属性应该反映你制造的产品。英伟达是一家全栈技术公司。我们人员充足，完全是联合设计的。联合设计意味着你不应该只与硬件团队合作，或者只同软件团队合作。你应该同时在所有方面进行合作，因为你正在进行共同设计。所以我尝试创造一个环境，让公司每一层的专家和贡献者都能同时参与解决问题。这些就是我的管理原则。