“我们不再是在检索数据，而是在进行推理。”在与美国知名播客主持人Joe Rogan的对话中，英伟达CEO黄仁勋深入阐述了人工智能的技术本质及其对社会的深远影响。

他指出，当前AI的核心机制已从传统的信息检索转变为基于知识结构的实时逻辑推理。当用户向ChatGPT发出指令时，系统并非查找预存答案，而是逐字生成回应，这一过程类似于人类组织语言回答问题。

黄仁勋解释，深度学习不同于传统编程，它不依赖人为编写的算法，而是通过构建包含数十亿参数的神经网络，利用大量输入输出示例进行训练。该网络通过反向传播误差不断调整内部参数，最终学会识别图像、理解语言甚至掌握物理定律，本质上是一种通用函数逼近器。

关于AI是否具备意识的问题，他认为这属于哲学范畴。只要系统能够完成推理、解决问题和理解意图，即可视为某种形式的“理解”。他强调，现代数据中心正演变为“AI工厂”，其运作方式与工业革命时期的工厂类似：输入电力和数据，输出代表智能的Tokens，实现智能的大规模生产。

能源效率是AI扩展的关键挑战。黄仁勋表示，若不提升芯片能效，全球能源将难以支撑需求增长。英伟达的Blackwell芯片相较前代能效提升25倍，显著提高了单位能耗下的计算能力。他确认微软等公司为保障稳定供电，正在考虑重启老旧核电站或采用小型模块化反应堆。

对于AI取代人类工作的担忧，黄仁勋以放射科医生为例说明任务转型而非岗位消失的趋势。AI处理影像分析后，医生可更专注于疾病诊断，提升整体效率。未来的编程将不再需要掌握Python或C++等语法，人类自然语言将成为主要编程工具，极大降低技术门槛，使每个人都能成为程序员。

尽管存在“已死互联网理论”认为未来90%网络内容将由AI生成，但他认为只要合成知识基于第一性原理验证，其来源并不重要。加速计算使摩尔定律在AI时代得以延续：虽然晶体管微缩趋缓，但GPU通过并行架构实现了算力飞跃。

CPU擅长串行处理复杂任务，如同少数专家按序执行步骤；GPU则拥有数千个核心并行处理海量简单运算，更适合AI所需的矩阵计算。过去十年间，AI计算成本因此降低了10万倍。2016年，黄仁勋亲自向OpenAI交付首台专为深度学习设计的超级计算机DGX-1，提供1 Petaflop算力。如今同等性能设备已缩小至书本大小，成本与体积大幅下降。

早期CUDA架构曾导致公司市值从120亿美元跌至20亿美元，因增加硬件功能使成本翻倍却缺乏市场认可。但他坚持认为这是新计算范式的开端，必须持续推进。1996年，英伟达曾濒临倒闭，距离破产仅30天。因技术路线选择错误——采用四边形绘图而非行业主流三角形，在微软推出DirectX后原有方案失效。

黄仁勋向世嘉CEO坦承无法履约，并请求支付剩余合同款项约500万美元以维持运营。对方基于对其诚信的认可，同意付款，这笔资金挽救了公司。由于无力承担流片费用，他用一半剩余资金购入IKOS公司一台库存芯片模拟器，在未实际制造芯片的情况下完成软件测试，直接进入生产环节。

《Doom》游戏推动了3D图形发展，其名称源自电影《金钱本色》中的台词。英伟达早期显卡设计深受此类游戏需求影响。童年时期，黄仁勋9岁起就读于肯塔基州条件艰苦的寄宿学校，负责打扫全宿舍厕所，这段经历培养了他的坚韧品质。父母初到美国时身无分文，父亲登报求职，母亲做女仆，家庭通过录音带通信，往返需一个月。

他每日凌晨4点起床，先处理数小时邮件再开始工作，睡眠时间约6至7小时。不佩戴手表象征专注当下，不受时间束缚。即便度假也持续工作，两个子女现均在英伟达任职，家庭聚会常围绕公司事务展开。掌舵公司32年，他仍保持高度警觉，每天担心公司倒闭，认为这种偏执有助于保持敏锐。成功源于对失败的恐惧远大于对成功的渴望。

他坦言领导者的日常充满痛苦、孤独与不确定性，这些是成就伟大事业不可避免的部分。他对员工表示，适度的痛苦是性格的磨刀石，唯有经历磨难，才能真正取得突破，单靠天赋或运气无法实现持久成功。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。