[电动车] 黄仁勋回答了业界最关注的问题,怒赞中国电动车企
黄仁勋： 我们的紧迫感源自于为客户服务。我从未感到压力，因为我的客户中有些也在制造其他芯片。我们只是在构建不同的东西。我很高兴他们现在有了新的数据云，并且正在用视频开发自己的产品，这证明了他们做出了明智的选择。我们的技术发展速度非常快。每年性能翻倍，同时成本也几乎减半，这比摩尔定律的速度还要快，堪称最佳时代。
目前，企业的关键在于两个行业的服务：软件行业和解决方案工程师，后者帮助客户将软件适配到业务流程中。我们的战略是与这两个生态系统合作，帮助它们构建具有自主能力的AI。
例如，与ServiceNow的合作很成功，我们将推出一系列基于ServiceNow的智能代理，提升服务和工业支持的效率。这就是我们在解决方案创新方面的策略之一。还有，我们与埃森哲和劳埃德等公司的合作也非常出色，特别是埃森哲，在帮助客户将AI整合到他们的系统中方面做得非常好。因此，我们的首要任务是推动整个生态系统发展AI，因为这与开发软件不同，它需要一套专门的工具。
总之，过去一年我们在构建自主AI工具包方面取得了很大进展，现在关键是如何部署这些技术并加速应用。
问题12： 你好，Jensen，昨晚看到50/70系列的发布和价格上涨，同时还保持了我们预期的性能，真是让人兴奋。那么关于60系列，我们可以期待些什么呢？
黄仁勋：真不可思议，我们昨晚发布了四款RTX Blackwalls，最低性能的那款就达到了目前世界上最高GPU的性能。这让我们更能感受到AI的强大能力。没有AI、没有张量核心以及DLSS4的创新，这种能力根本不可能实现。至于其他内容，我没有什么新消息可以宣布。
问题13：你在分享中提到了Agent AI。像AWS、微软、Salesforce这样的公司，它们也有平台并鼓励客户进行开发，你是如何与它们合作的？你们是如何起步的？
黄仁勋：英伟达是一家科技平台公司，而非直接面向企业的公司。
我们的核心目标是构建工具包、库和人工智能模型，尤其是针对像ServiceNow这样的企业级工具包。我们主要关注的领域包括ServiceNow、SAP、Oracle、Synopsys、Cadence和西门子等公司。虽然这些公司在各自领域有丰富的积累，但他们并不希望将精力投入到计算层和AI库的开发上。因此，我们为他们提供了这一解决方案。
这个过程非常复杂，因为我们讨论的是如何将像ChatGPT这样的技术嵌入到容器中，并优化微服务和端点。
为了确保这些产品能够在任何云端环境中高效运行，我们开发了NIM和NEMO技术。NIM和NeMo可以被看作类似于CUDA及其CUDA-X库的技术。
值得强调的是，这些技术并非为了与客户竞争，而是为了支持他们。事实上，许多云服务提供商（CSP）已经开始使用NeMo来训练大型语言模型或引擎模型，且其云端已部署了大量的NIMs和NEMO，工作方式类似。
CUDA-X库对平台至关重要，它极大推动了深度学习技术的发展。我们为行业创建了这些库，避免他们从零开始开发，节省了大量的时间和资源。通过提供NeMo和NIM等技术，我们帮助行业专注于其核心业务，无需自行构建复杂的AI基础设施。
问题14：除了云端和本地计算的平衡，你认为当前非游戏PC市场中最大的未满足需求是什么？是处理能力、灵活性，还是其他方面的技术瓶颈？
黄仁勋：DIGITS代表深度学习GPU智能训练系统，它是一个面向数据科学家和机器学习工程师的平台。如今他们大多依赖个人电脑、Mac或工作站来进行相关工作。坦白说，对于大多数人的电脑来说，运行机器学习和数据科学任务，像使用pandas（Python 数据处理库）等工具，并不是最优选择。
而现在，我们有了一个小巧的设备可以放在桌子上使用，你与这个设备的互动方式，类似于与云端对话的方式。为什么你需要这样的设备呢？原因在于，大多数开发者通常需要长期依赖机器工作。如果始终在云端环境中进行开发，费用可能会迅速累积。因此，我们提供了为个人开发云的解决方案。这款设备特别为数据科学家、学生以及需要全天候在线的工程师设计，帮助他们在本地完成工作，减少云端费用。
我认为DIGITS填补了人工智能发展中的一个重要空白。人工智能最初是在云端起步的，未来也将回归云端。然而，这使得普通计算机难以跟上这一进程。因此，我们需要像DIGITS这样的设备，来弥补这一差距。
问题15： 最近Twitter上有人提到“奇点即将到来”的观点，让我很震惊。在大会分享中，你也提到“机器人时代将到来”。如果这是真的，机器人会无处不在并迅速加速发展，可能会从会议响应、周围的财产开始。你认为机器人未来会朝哪个方向发展？我们应该如何应对？
[物价飞涨的时候 这样省钱购物很爽]
好新闻没人评论怎么行，我来说几句
目前，企业的关键在于两个行业的服务：软件行业和解决方案工程师，后者帮助客户将软件适配到业务流程中。我们的战略是与这两个生态系统合作，帮助它们构建具有自主能力的AI。
例如，与ServiceNow的合作很成功，我们将推出一系列基于ServiceNow的智能代理，提升服务和工业支持的效率。这就是我们在解决方案创新方面的策略之一。还有，我们与埃森哲和劳埃德等公司的合作也非常出色，特别是埃森哲，在帮助客户将AI整合到他们的系统中方面做得非常好。因此，我们的首要任务是推动整个生态系统发展AI，因为这与开发软件不同，它需要一套专门的工具。
总之，过去一年我们在构建自主AI工具包方面取得了很大进展，现在关键是如何部署这些技术并加速应用。
问题12： 你好，Jensen，昨晚看到50/70系列的发布和价格上涨，同时还保持了我们预期的性能，真是让人兴奋。那么关于60系列，我们可以期待些什么呢？
黄仁勋：真不可思议，我们昨晚发布了四款RTX Blackwalls，最低性能的那款就达到了目前世界上最高GPU的性能。这让我们更能感受到AI的强大能力。没有AI、没有张量核心以及DLSS4的创新，这种能力根本不可能实现。至于其他内容，我没有什么新消息可以宣布。
问题13：你在分享中提到了Agent AI。像AWS、微软、Salesforce这样的公司，它们也有平台并鼓励客户进行开发，你是如何与它们合作的？你们是如何起步的？
黄仁勋：英伟达是一家科技平台公司，而非直接面向企业的公司。
我们的核心目标是构建工具包、库和人工智能模型，尤其是针对像ServiceNow这样的企业级工具包。我们主要关注的领域包括ServiceNow、SAP、Oracle、Synopsys、Cadence和西门子等公司。虽然这些公司在各自领域有丰富的积累，但他们并不希望将精力投入到计算层和AI库的开发上。因此，我们为他们提供了这一解决方案。
这个过程非常复杂，因为我们讨论的是如何将像ChatGPT这样的技术嵌入到容器中，并优化微服务和端点。
为了确保这些产品能够在任何云端环境中高效运行，我们开发了NIM和NEMO技术。NIM和NeMo可以被看作类似于CUDA及其CUDA-X库的技术。
值得强调的是，这些技术并非为了与客户竞争，而是为了支持他们。事实上，许多云服务提供商（CSP）已经开始使用NeMo来训练大型语言模型或引擎模型，且其云端已部署了大量的NIMs和NEMO，工作方式类似。
CUDA-X库对平台至关重要，它极大推动了深度学习技术的发展。我们为行业创建了这些库，避免他们从零开始开发，节省了大量的时间和资源。通过提供NeMo和NIM等技术，我们帮助行业专注于其核心业务，无需自行构建复杂的AI基础设施。
问题14：除了云端和本地计算的平衡，你认为当前非游戏PC市场中最大的未满足需求是什么？是处理能力、灵活性，还是其他方面的技术瓶颈？
黄仁勋：DIGITS代表深度学习GPU智能训练系统，它是一个面向数据科学家和机器学习工程师的平台。如今他们大多依赖个人电脑、Mac或工作站来进行相关工作。坦白说，对于大多数人的电脑来说，运行机器学习和数据科学任务，像使用pandas（Python 数据处理库）等工具，并不是最优选择。
而现在，我们有了一个小巧的设备可以放在桌子上使用，你与这个设备的互动方式，类似于与云端对话的方式。为什么你需要这样的设备呢？原因在于，大多数开发者通常需要长期依赖机器工作。如果始终在云端环境中进行开发，费用可能会迅速累积。因此，我们提供了为个人开发云的解决方案。这款设备特别为数据科学家、学生以及需要全天候在线的工程师设计，帮助他们在本地完成工作，减少云端费用。
我认为DIGITS填补了人工智能发展中的一个重要空白。人工智能最初是在云端起步的，未来也将回归云端。然而，这使得普通计算机难以跟上这一进程。因此，我们需要像DIGITS这样的设备，来弥补这一差距。
问题15： 最近Twitter上有人提到“奇点即将到来”的观点，让我很震惊。在大会分享中，你也提到“机器人时代将到来”。如果这是真的，机器人会无处不在并迅速加速发展，可能会从会议响应、周围的财产开始。你认为机器人未来会朝哪个方向发展？我们应该如何应对？
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 | 更多... |
推荐: