Lex 播客单集综述修改

2026-03-24 00:46:27

0:00 – 引言

本期播客Lex Fridman与英伟达（NVIDIA）CEO黄仁勋（Jensen Huang）展开对话。NVIDIA作为人类文明史上最具重要性和影响力的公司之一，是推动人工智能（AI）革命的核心引擎。公司的巨大成功直接归因于黄仁勋作为领导者、工程师和创新者强大的意志力以及诸多卓越的战略决策。

0:33 – 极限协同设计与机架级工程

NVIDIA在AI时代已经超越了传统的芯片级设计，转向了机架级（rack-scale）设计。过去，NVIDIA的成功在于打造最佳GPU，但现在其范畴已扩展到对GPU、CPU、内存、网络、存储、电源、散热、软件、机架本身乃至数据中心的“极限协同设计”。

黄仁勋指出，这种极限协同设计的必要性在于，当前问题已无法仅通过单个计算机或单个GPU来加速解决。用户希望添加一万台计算机，却能实现百万倍的加速，这意味着必须分解算法、重构、分片管道、数据和模型。当问题以这种方式分布式处理时，所有环节都会成为瓶颈，即阿姆达尔定律（Amdahl’s Law）的挑战。分布式计算的复杂性涉及CPU、GPU、网络、交换等所有环节，构成了一个极其复杂的计算机科学问题。因此，NVIDIA必须利用所有技术进行协同设计，否则性能提升将仅限于线性或摩尔定律（Moore's Law）的缓慢增长（由于丹纳德缩放定律 Dennard scaling 的放缓）。

3:18 – Jensen如何运营NVIDIA

NVIDIA的运营模式是其“奇迹”所在。黄仁勋的直接下属多达60余人，且几乎都是各领域的专家，涵盖内存、CPU、光学、GPU、架构、算法和设计等。他不会进行一对一的会议，而是将问题抛给整个团队，让所有相关专家共同探讨和解决，因为公司始终在进行“极限协同设计”。

黄仁勋回顾了NVIDIA的发展历程： * 初期定位：NVIDIA最初是一家加速器公司。但他意识到，过于专业的加速器应用领域狭窄，限制了研发能力和计算领域的影响力。因此，公司需要扩展为“加速计算”公司，在保持专业性的同时，逐步拓宽通用计算的范围。 * 关键技术演进： * 第一步：发明可编程像素着色器，迈向可编程性。 * 第二步：将FP32（单精度浮点数）引入着色器，使其符合IEEE标准，吸引了流处理器等领域的研究者使用GPU进行计算。 * 第三步：在此基础上开发Cg，最终演变为CUDA。 * CUDA的战略性决策：将CUDA搭载到GeForce显卡上是一个“事关存亡”的战略决策。当时，此举大幅增加了GPU的成本，几乎耗尽了公司所有毛利，导致市值从70-80亿美元骤降至15亿美元。 * 决策原因：黄仁勋坚信，计算平台的核心在于开发者生态和安装基础。为了吸引开发者，即便亏损，也必须将CUDA广泛部署到数百万台GeForce PC中，使其成为研究人员、科学家和学生触手可及的“超级计算机”，从而奠定其安装基础。这一大胆的押注最终为深度学习革命奠定了基础。 * 领导力哲学： * 远见与信念：黄仁勋通过强烈的好奇心和系统性推理，清晰地预见未来并坚信其必然实现。 * 塑造信念系统：他每天都在与董事会、管理团队、员工甚至行业伙伴沟通，逐步传递他的思考和愿景，利用外部信息、新发现和工程突破来塑造大家的信念系统。他希望在重大决策公布时（如收购Mellanox、全面投入深度学习），员工们会觉得“黄仁勋，你终于做到了！” * 平台公司定位：NVIDIA是一个“计算平台公司”，它进行垂直设计和集成以优化产品，但随后将整个平台开放到每个层面，供其他公司的产品、服务、云、超级计算机和OEM集成。GTC大会也是黄仁勋“具现化未来”的平台，确保当NVIDIA的产品准备就绪时，合作伙伴也已做好准备。

22:40 – AI扩展定律

黄仁勋坚信AI扩展定律，并指出目前有四种主要的扩展定律：预训练、后训练、测试时间（推理）和代理（Agentic）扩展。

• 预训练扩展定律：
  • 过去人们认为高质量数据量会限制AI的智能（如Ilya Sutskever曾说“数据用完了”）。黄仁勋反驳，认为AI可以合成大量数据，因此数据量最终将不再受人类生成数据的限制，而是受算力限制。
  • 他强调，人类所学习的大多数数据本身就是合成的，并非来自自然。AI现在能够基于真实数据进行增强、合成，极大地扩展了可用于训练的数据集。
• 测试时间（推理）扩展定律：
  • 人们普遍认为推理比预训练容易，推理芯片会更小、更便宜。
  • 黄仁勋认为这是不合逻辑的。推理是“思考、推理、解决问题、探索未知体验”，这比“阅读”（预训练中的记忆、泛化和模式识别）困难得多，因此需要极其密集的计算。NVIDIA的实践证明了这一点，测试时间扩展是计算密集型的。
• 代理（Agentic）扩展定律：
  • 在推理之后，智能体系统将诞生。一个智能体可以生成并启动大量子智能体，形成“大型团队”。
  • 这类似于“AI的繁殖”，智能体可以快速生成，从而产生更多数据和经验，这些数据和经验又会反馈回预训练、后训练和测试时间阶段，形成一个持续循环。
  • 黄仁勋总结，智能的扩展最终归结为一点：算力。
• 预测硬件需求：
  • AI模型架构大约每六个月创新一次，而硬件架构大约每三年更新一次。NVIDIA必须提前两三年预测未来可能发生的变化。
  • NVIDIA通过以下方式实现预测：
    • 内部研发：进行基础和应用研究，自行开发模型，从而获得第一手经验，这是协同设计的一部分。
    • 广泛合作：与“世界上几乎所有AI公司”合作，了解他们面临的挑战，倾听行业“窃窃私语”。
    • 灵活架构：CUDA在加速器的专业性和适应算法变化的通用性之间取得了平衡，使其具有极强的韧性（目前已到CUDA 13.2）。
  • Vera Rubin机架设计：NVIDIA的Vera Rubin机架（包含存储加速器、新型CPU Vera和NVLink 72）与Grace Blackwell机架截然不同，它专注于运行智能体和工具。
  • OpenClaw的预见：NVIDIA在两年前的GTC上就已预见并探讨了智能体系统，其概念与今天的OpenClaw（一个重要的开源项目，为智能体系统带来了ChatGPT对生成系统那样的影响）几乎完全一致。黄仁勋通过对“数字工作者”的推理（需要访问真实数据、进行研究、使用工具）得出了这些设计方向，他认为这“重塑了计算机”。
• OpenClaw与安全：针对OpenClaw的安全顾虑，NVIDIA迅速推出了OpenShell，并已集成到OpenClaw中。NVIDIA的NemoClaw提供“三选二”的权限管理（访问敏感信息、执行代码、对外通信），并与企业策略引擎连接，确保安全。

37:40 – AI扩展定律的最大障碍

• 电力：黄仁勋认为电力是一个重要但并非唯一的障碍。NVIDIA通过“极限协同设计”来每年将每瓦特处理的令牌数（tokens per second per watt）提高数个数量级。过去十年，摩尔定律使计算能力提升约100倍，而NVIDIA通过极限协同设计将计算能力提升了100万倍。
• 电力效率与成本：电力效率（每瓦性能）直接影响公司收入，NVIDIA将通过极限协同设计不断提升效率，以尽可能快地降低令牌生成成本（每年降低一个数量级）。
• 能源供应：除了提高效率，世界还需要更多的能源。

39:23 – 供应链

黄仁勋表示，供应链瓶颈（如ASML的光刻机、台积电的CoWoS先进封装、SK海力士的高带宽内存HBM）是他持续关注并努力解决的问题。NVIDIA以史无前例的速度增长，且增长还在加速，因此上游和下游供应链对公司至关重要。

• 与CEO沟通：黄仁勋花费大量时间与合作伙伴公司的CEO们沟通，告知他们增长的动力和未来的走向，以便他们能据此进行投资决策。GTC大会有数百位IT和基础设施行业的CEO出席，他会在会上分享业务状况、近期增长驱动因素和未来方向。
• HBM的例子：三年前，黄仁勋成功说服几位DRAM行业的CEO投资HBM内存（当时HBM仅少量用于超级计算机），并说服他们为数据中心调整低功耗手机内存（LPDDR5）。事实证明，这些投资取得了巨大成功。
• “具现化供应链”：黄仁勋不仅在公司内部，还在整个供应链中“具现化未来”，与台积电、ASML等上下游伙伴建立深厚关系，共同展望未来。
• 机架级制造：NVLink-72机架的高密度导致超级计算机的集成工作从数据中心内部转移到了供应链的制造环节。每个Vera Rubin机架包含1300-1500万个组件，由200个供应商提供。这意味着供应链需要相应增加电力来构建和测试这些超级计算机。
• 信心来源：黄仁勋对克服供应链瓶颈充满信心，因为他清晰地传达了需求，并相信合作伙伴会采取行动。

41:18 – 内存

（本节内容已整合至“供应链”章节，黄仁勋在其中详细阐述了如何预见并推动HBM和LPDDR5内存的供应链发展。）

47:24 – 电力

黄仁勋深入探讨了能源问题及其解决方案：

• 电网利用率低：他指出，目前的电网通常按最坏情况设计，导致99%的时间都存在闲置电力（大约60%的峰值负荷）。
• 解决方案构想：他建议重新思考数据中心与电网的互动模式。在社会基础设施（如医院、机场）需要最大电力时，数据中心可以降低功耗。在平时，数据中心可以利用电网的闲置电力。
• 合同与建筑设计：这需要数据中心、客户和电力公司之间建立新的合同协议，并设计能够“优雅降级”的计算机架构和数据中心。当电网要求降低80%负荷时，数据中心可以通过迁移工作负载、降低计算速率、接受稍长延迟等方式配合，确保关键工作负载不中断。
• 工程可行性：他认为，只要能够明确提出需求，工程上是可实现的。
• 三方问题：
  1. 客户期望：终端客户对数据中心要求“永不宕机”（六个九的可靠性），这给电网带来巨大压力。CEO们需要意识到这些合同条款的含义。
  2. 数据中心设计：数据中心需要设计成能够“优雅降级”，动态分配电力，在电力受限时依然能保持服务质量。
  3. 电力公司：电力公司应将此视为机遇，提供更多层次的电力供应承诺（例如，不同保障水平和价格的电力），以利用现有的闲置资源，而不是五年才能增加电网容量。
• 黄仁勋强调，电网中存在大量浪费，应积极解决。

52:43 – 埃隆与“巨人”超级计算机

黄仁勋高度赞扬了埃隆·马斯克及其xAI在孟菲斯四个月内建成“巨人”（Colossus）超级计算机的成就（目前拥有20万颗GPU且迅速增长）。

• 埃隆的工程方法：
  • 系统思考者：埃隆在多个学科领域都深入理解，并且擅长系统思考。
  • 质疑一切：他会质疑一切是否必要、是否必须按现有方式完成、是否需要这么长时间。他将一切简化到最必要的程度，同时保留产品核心功能。
  • 亲临现场：他会亲临问题发生的现场，深入了解细节（例如，他会与工程师一起研究如何连接机架线缆以减少错误）。
  • 紧迫感：埃隆个人展现出的紧迫感会感染所有人，包括供应商，使他的项目成为大家的首要任务。

56:11 – Jensen的工程与领导方法

黄仁勋认为，协同设计本身就是终极的系统工程问题。他30年前就确立了一个方法论，称之为“光速”（speed of light）思考。

• “光速”原则：
  • “光速”不仅指速度，更是黄仁勋用来指代物理极限的简称。NVIDIA的每项工作都与“光速”（物理极限）进行比较，包括内存速度、计算速度、功耗、成本、时间、精力、人员数量和制造周期等。
  • 他强迫每个人都从第一性原理（first principles）出发思考物理极限，从而在系统设计中权衡延迟与吞吐量、成本与吞吐量、成本与容量等。
• 超越“持续改进”：黄仁勋不喜欢“持续改进”的方法论，即在现有基础上小幅优化。他更倾向于“清零”思维，从头开始思考“这本来为什么要74天？”“如果从零开始，最快能多长时间完成？”（可能只需要6天），从而发现巨大的改进空间。
• 复杂性与简洁：他常说：“我们追求必要的复杂性，但也要尽可能简洁。”这意味着要检验所有复杂性是否必要，去除一切不必要的。
• NVIDIA的工程成就：他认为NVIDIA正在进行“人类历史上最伟大的工程之一”，构建了“世界上最复杂的计算机”，汇聚了各领域的“金牌得主”。一个Vera Rubin pod（计算单元）就包含了7种芯片、5种专用机架、40个机架、1.2万亿晶体管、近2万个NVIDIA芯片、超过1100个Rubin GPU，提供60 Exaflops的算力，以及每秒10 PB的带宽。NVIDIA可能需要每周生产200个这样的pod。

1:01:37 – 中国

黄仁勋谈到了中国科技产业的成功：

• 人才储备：全球约50%的AI研究人员来自中国，且多数仍在中国。
• 发展时机：中国科技产业恰逢移动云时代崛起，熟练掌握现代软件。
• 内部竞争：中国有众多省市相互竞争，孕育了大量电动汽车和AI公司，激烈的内部竞争促成了杰出公司的诞生。
• 文化特质：
  • “家庭第一，朋友第二，公司第三”的社会文化，使得知识分享非常迅速，基本等同于“总是开源”。工程师与兄弟、朋友、同学之间快速分享知识，加速了创新。
  • “建造者国家”：中国领导人多是工程师，致力于从贫困中建设国家。
• NVIDIA的开源愿景：NVIDIA致力于开源（如Nemotron 3 Super模型，包含1200亿参数的MoE模型），原因有三：
  1. 协同设计：作为顶尖AI计算公司，必须理解AI模型演进，自行进行基础模型架构研发，以指导未来计算系统设计。
  2. 普及AI：开放源代码是让AI技术普及到各行各业、各国、研究人员和学生手中的根本途径。NVIDIA有能力、规模和动力长期构建并开源AI模型。
  3. AI的广阔性：AI不仅限于语言，还包括生物学、化学、物理学等模态信息。NVIDIA希望确保每个行业都能获得顶尖的AI模型（如为礼来公司提供最佳生物学AI系统，为汽车公司提供优质模型），推动AI在前沿领域发展。

1:09:50 – 台积电与台湾

黄仁勋评价了台积电（TSMC）的成功及其文化：

• 被低估的能力：外界对台积电的最大误解是认为其只有技术。实际上，除了晶体管、金属化系统、3D封装、硅光子等尖端技术外，其“奇迹般的”制造系统才是核心。
• 卓越的运营管理：台积电能够协调全球数百家公司动态变化的半导体需求（增减、推迟、提前、紧急启动晶圆等），同时保持高吞吐量、高良率、低成本和卓越的客户服务。他们严肃对待承诺，确保晶圆按时交付。
• 独特文化：台积电的文化同时注重技术进步和客户服务，两方面都达到世界一流水平。
• 信任：台积电创造了“信任”这一无形资产。NVIDIA与台积电合作三十年，业务往来达数千亿美元，却无需合同，体现了双方深厚的信任关系。
• CEO职位邀约：黄仁勋证实，台积电创始人张忠谋曾在2013年邀请他出任CEO。他对此深感荣幸，但由于对NVIDIA的使命和潜在影响力有清晰愿景，最终选择婉拒。他表示，现在他能够同时帮助这两家公司。

1:15:04 – NVIDIA的护城河

NVIDIA的“护城河”在于其独特的优势：

• CUDA安装基础：公司最核心的优势是其计算平台，尤其是CUDA的安装基础。这不是单一技术，而是NVIDIA 43,000名员工的长期投入，以及数百万开发者对CUDA持续迭代、维护和优化的信任。开发者之所以选择CUDA，是因为它能带来持续的性能提升、覆盖数亿用户的广泛市场和生态系统，以及对NVIDIA长期承诺的信任。
• 执行速度：结合庞大的安装基础，NVIDIA以惊人的速度每年构建极其复杂的系统，这种执行力进一步巩固了其优势。
• 广泛的生态系统：NVIDIA垂直集成复杂的系统，并将其水平集成到全球每一家公司的计算机中，包括谷歌云、亚马逊、Azure等云服务提供商，以及CoreWeave、Nscale等新兴公司，超级计算机、企业级电脑，甚至汽车、机器人、卫星等边缘设备。一个架构覆盖了世界上所有行业。
• 计算单位的演变：黄仁勋对“计算单位”的认知已从GPU、单台计算机、集群，演变为“整个AI工厂”（gigawatt级别的基础设施，包含电源、冷却、网络，需要数千人安装和启动）。他期望下一个认知飞跃是“行星规模”的计算。

1:20:41 – 太空中的AI数据中心

黄仁勋谈到了在太空中部署AI数据中心的可能性和NVIDIA的布局：

• 已在太空：NVIDIA的GPU已率先进入太空，用于卫星上的高分辨率成像系统。
• 应用场景：卫星持续扫描地球，产生海量（拍字节级）数据。在太空中进行AI处理，过滤掉不需要的数据，只传输关键信息，是高效的解决方案。
• 挑战：在太空中进行计算面临散热（无传导、对流，仅辐射，需要巨大散热器）、辐射、性能衰减、持续测试、故障冗余以及优雅降级软件等工程挑战。
• 当前重心：NVIDIA正在积极探索太空应用，派遣工程师解决这些问题（如辐射处理、冗余设计），但黄仁勋认为，当前更实际的重点是消除地球上的能源浪费。

1:24:30 – NVIDIA市值能否达到10万亿美元？

黄仁勋认为NVIDIA的增长“极有可能”且“不可避免”，并解释了原因：

• 根本性的技术转变：
  1. 从检索到生成计算：计算机已从基于文件检索系统（预录制、预存储信息）转变为基于实时生成令牌的AI计算（上下文感知、情境感知、基于新洞察生成信息）。生成式计算比检索式计算需要更多的处理能力。如果这种生成式计算方式是有效的，那么它将是不可逆的。过去10-15年深度学习的发展，尤其近五年，让他对此充满信心。
  2. 计算机角色转变：从仓库到工厂：计算机不再只是存储数据的“仓库”，而是生成收入的“工厂”。AI工厂生产“产品”——令牌，这些令牌具有价值，可以像iPhone一样分层（免费、高级、专业定制），黄仁勋预言很快就会出现百万令牌价值1000美元的情况。
• 经济影响：世界需要更多这样的AI工厂和令牌。AI带来的生产力提升将加速全球GDP增长，其中用于计算的GDP占比将比过去高出100倍。
• NVIDIA的定位：NVIDIA是这些“工厂”的建造者。在这样的背景下，NVIDIA将变得“大得多”。10万亿美元的市值只是一个数字，不受物理限制，且NVIDIA的供应链负担由200家公司共同承担，能量充足。
• 开创市场：黄仁勋指出，NVIDIA的增长并非通过抢占现有市场份额，而是通过创造前所未有的新市场来实现。他认为这需要人们对未来的想象力，但他相信随着GTC的持续推进，未来将变得越来越真实。
• “令牌的iPhone”：他将OpenClaw等智能体系统称为“令牌的iPhone”，是历史上增长最快的应用，证明了生成式AI的巨大需求和价值。

1:34:39 – 压力下的领导力

黄仁勋谈到了作为NVIDIA CEO，面对巨大压力时的应对方式：

• 责任意识：他深知NVIDIA的成功对美国至关重要（税收、技术领导力、国家安全、再工业化、就业创造），也影响着广泛的生态系统伙伴和普通投资者。
• 应对机制：
  • 分解问题：他会将问题分解，理性分析“我们在做什么？它造成了什么？对别人有什么影响？我该怎么办？”将巨大焦虑分解为可管理的小块。
  • 执行与承担：一旦确定了要做的事情，他会确保自己完成或委托他人完成，否则就“停止抱怨”。他对自己要求严格。
  • 分担负担：他会迅速将自己的担忧告知他人，与团队分担重担。
  • 忘记挫折：像运动员一样，专注于“下一个得分点”，不沉湎于过去的尴尬、失望或挫折。
  • “这有多难？”的心态：以一种孩子般的好奇心和乐观心态面对新事物，不去过度模拟所有可能的挫折和困难。这种心态结合毅力和韧性，能够让他克服预料之外的打击，并持续相信对未来的设想会实现。
• 保持谦逊：尽管财富和成功巨大，黄仁勋认为他能保持谦逊。因为他的工作大部分是公开的，错误也会被所有人看到。他不断在公众和会议中展示他的推理过程，让大家有机会质疑他的思考步骤，而不是直接反对结果，从而形成一种“集体路径搜索”的方法。

1:48:25 – 电子游戏

黄仁勋感谢玩家多年来对NVIDIA图形技术的支持。

• GeForce的营销价值：GeForce仍然是NVIDIA最重要的营销策略，许多用户在青少年时期通过游戏认识NVIDIA，随后在大学或工作中开始使用CUDA。
• DLSS 5争议：对于DLSS 5被一些玩家担忧会产生“AI废品”（AI slop），黄仁勋表示理解。但他澄清DLSS 5是3D引导、以真实结构数据为条件的，它增强而非改变艺术家设计的几何和纹理，只是一个为艺术家赋能的生成式AI工具，而非后处理，艺术家可以选择不使用。
• 最具影响力的游戏：
  • 《毁灭战士》（Doom）：从文化和行业角度看，它将PC变成了游戏设备，影响力巨大。
  • 《VR战士》（Virtua Fighter）：从游戏技术角度看，也具有重要影响。
• Modding（模组）：NVIDIA支持模组文化（如RTX Mod），允许社区将最新技术注入老游戏，让玩家以全新的方式重温喜爱的世界。

1:55:16 – AGI时间线

关于通用人工智能（AGI）的时间线，黄仁勋的回答基于一个特定定义：一个AI系统能够启动、发展并成功运营一家价值超过10亿美元的科技公司。

• 黄仁勋的观点：他认为“现在就已实现AGI”。
• 理由：像OpenClaw这样的系统，完全有可能创建出一个病毒式传播的网络服务或应用，迅速实现盈利并达到10亿美元市值，就像互联网时代许多公司一样。虽然这样的AI不太可能创建NVIDIA这样规模的公司，但实现十亿美元级别的商业成功是可行的。
• 引发关注：他认为这个观点会引起广泛讨论，因为人们可能难以想象AI能如此快地实现商业价值。

1:57:29 – 编程的未来

黄仁勋深入探讨了AI对就业和编程未来的影响：

• 工作与任务的区别：他强调，工作的“目的”与完成工作的“任务和工具”是相关的，但并非同一回事。工具会不断变化，但工作的核心目的不变。例如，他作为CEO 34年，工具一直在变，但解决问题的目的未变。
• 放射科医生的案例：计算机视觉在2019-2020年就已达到超人水平，但放射科医生的人数并未减少反而增加，因为AI提高了诊断效率，使得医院能处理更多病人，进而需要更多医生。他认为“危言耸听”的警告可能有害。
• 软件工程师：NVIDIA的软件工程师数量不会减少，因为他们的核心目的是解决问题、团队协作、诊断问题、评估结果和创新，这些都不会被AI取代。
• 编程的重新定义：他认为“编程”的定义将演变为“规范”（specification），甚至可以包含软件架构。未来，能够“为计算机描述规范”的人数将从3000万增加到10亿。每个木匠、会计师、水管工都将成为“程序员”，用AI提升自己的专业能力。
• 现有程序员的优势：目前的程序员更懂得如何用自然语言与AI智能体沟通，以设计出最好的软件。学习传统编程和设计原则仍有价值，因为这有助于理解如何进行有效的“规范”。
• 规范的艺术：未来的编程是“规范的艺术”，即决定在多大程度上精确地定义问题，从而与AI互动，甚至拓展自身的创造力边界。
• 应对就业焦虑：
  • 分解焦虑：像对待工程问题一样，将焦虑分解，区分可控与不可控，并专注于可控部分。
  • 学习使用AI：他建议所有学生和各行各业的人（如木匠、电工、农民、药剂师）都成为AI专家，利用AI改造和提升自己的工作。
  • 任务自动化：如果一个人的工作仅限于某项AI可自动化的任务，那么他的工作将面临高度颠覆。如果工作目的包含这些任务，则必须学会使用AI自动化它们。
  • AI作为生活教练：AI聊天机器人可以帮助人们分解问题，制定学习计划，减少初学者的障碍。

2:11:01 – 意识

黄仁勋谈到了他对人类意识和AI能力的看法：

• 非计算性体验：他怀疑芯片是否能真正“感到”紧张、焦虑、兴奋等情绪。AI可以识别和理解这些情绪产生的条件，但芯片本身不会有主观感受。人类在相同条件下，会因情绪产生不同的表现，而AI的输出虽然会有统计学差异，但并非源于“感受”不同。
• 智能与人性的区分：他认为将“智能”与“人性”分开讨论至关重要。
  • 智能：是一个功能性的概念，包括感知、理解、推理、规划。他甚至认为“智能是一种商品”，因为他身边有许多比他聪明的人，但他在其中扮演着协调的角色。
  • 人性：是一个“大得多”的词，包括生活经验、对痛苦的忍受力、决心、品格、同情心、慷慨等。这些是“超人力量”。
• 智能的商品化：智能的普及不应引起焦虑，而应是激励。AI将帮助我们更多地赞颂人性。

2:17:22 – 死亡

黄仁勋谈到了对死亡的看法和NVIDIA的传承：

• 对死亡的看法：他“真的不想死”，因为他拥有美好的生活、家庭和“人生中独一无二的经历”（NVIDIA的成就）。
• 继任计划：他以不相信传统继任计划而闻名。他认为，如果关心公司的未来，最重要的就是持续不断地传递知识、信息、洞察力、技能和经验。
• 知识传递：他在团队面前不断推理，将所学所知迅速分享给身边每一个人，赋能和提升所有人的能力。
• 理想结局：他希望最终“在工作中瞬间死去”，没有长期的痛苦。
• 对未来的希望：
  • 对人性的信心：他对人类的善良、慷慨和同情心始终充满信心，甚至有时会因此被利用，但这并未改变他的信念。
  • 科技潜力：他看到当前和未来科技的巨大潜力，能够解决许多问题，实现许多美好的愿望（如终结疾病、大幅减少污染、实现“光速”旅行），这些都在他的有生之年触手可及，让他充满浪漫的希望。
  • 理解生命与意识：他认为理解生物机器可能在五年内实现，而解释意识也将是“令人惊叹”的成就。
• 总结：黄仁勋感谢Lex Fridman的访谈，并赞扬了他深度、尊重的采访方式，以及作为创新者在播客领域所做的贡献。