虽然二十一世纪仅过去了不到四分之一，但英伟达已经可以被称为本世纪最伟大的企业之一。
我第一次注意到英伟达（Nvidia）这个品牌是在我的第一台笔记本电脑上，当时对其了解有限，甚至一直误以为它是一家纯粹的硬件公司。直到今年阅读了这本书，我才对英伟达有了更全面的认识——它本质上是一家以软件为核心的公司，尽管大多数人可能和我一样，曾将其归类为硬件制造商。

作为人工智能（AI）发展的幕后推手，英伟达无疑加速了 AI 技术的爆发式增长。然而，AI 的潜在威胁仍然是一个悬而未决的问题。马斯克等人对 AI 的担忧是否会成为现实，目前尚无定论。

书中对 CPU 和 GPU 的比喻非常生动形象，即使是非专业人士也能轻松理解两者之间的区别。这种通俗易懂的解释方式让我对技术细节有了更清晰的认识。

此外，书中提到了李飞飞，这位 AI 领域的杰出人物。今年我在多个场合看到她的名字，这促使我开始阅读她的著作《我看见的世界》，进一步了解她的思想和贡献。

读书笔记

算力从贫瘠到可用，某种程度上可以决定一项划时代研究工作的命运。
黄仁勋思考问题的方式并不像商人，更像工程师。他擅长将复杂的概念分解为简单的原则，并运用这些原则创造出卓越成果。
深度学习并非一种算法，它是一种方法，一种全新的软件开发方式。
黄仁勋对这种悲观论调嗤之以鼻。在他看来，人工智能正在引领一场崭新的工业革命。在这个话题上，他不容许有太多异议，而且他的个性强势，可能会让人有点望而生畏。
对他来说，金钱只是对未来可能发生的某些灾祸的一种临时保障。
驱使黄仁勋向前的，不仅仅是焦虑，他同样被自己所开创的技术所释放出的惊人力量深深吸引。
努力工作就是黄仁勋的本性。倘若说他的生活有一个贯穿始终的主题，那便是“放大”（amplification）；他一次又一次地执行着勤奋、勇气和掌握基本原则的简单准则，成效越来越大。
比任何人都更努力，似乎从不会感到沮丧或陷入困境，他从未陷入过止步不前的境地。相反，黄仁勋总是带有一种适度的满足感，耐心地专注于打磨基本功，并逐步将这些转化为实战技能。
黄仁勋拥有良好的判断力，当他认为问题复杂到一定程度、难以再取得进展时，他会及时地转换思路。
黄仁勋很享受这种难度逐渐递增的过程，他喜欢通过这种方式来实现自我提升。他有能力实现 ‘1+1=3’的效果，我的意思是，我们不仅仅是在为客户服务，更是在将这些订单转化为工具，进而将这些工具升华为方法论。——霍斯特曼
对黄仁勋而言，做出决策需要冷静分析，容不得憧憬等无用的情感因素的干扰。对他而言，商业不过是另一个工程问题。
若要创办初创公司，黄仁勋的首要任务是掌握这些原则。他需要深入研究市场、供应链、竞争态势、技术及产品匹配度。
PC 端游戏的核心理念在于，将原本用于绘制模型飞机与恐龙线框骨架的硬件重新应用于 3D 游戏，以创造出可供玩家操控的动画角色。
我们自认为与众不同，当看到别人也持相同看法时，这种感觉更为美妙。——马拉科夫斯基
对英伟达而言，首要任务是将 NV1 与市场上的其他产品区分开。为了实现这一目标，架构师普里姆在芯片和软件中融入了许多复杂的功能。
我们支持这些人的原因在于他们是世界级的一流计算科学家。一般的 CEO 会试图听取客户的意见，但在计算机领域，这是个大忌，因为客户根本不清楚什么是可能的，他们完全不知道能做什么，甚至做到什么程度！从一开始，詹森就是一位世界级的工程师，他能够预见什么是可能的。——考克斯
“我们一无所获，”黄仁勋在谈及那些早期岁月时说道，“我们做出的第一个决定都是错误的。”
黄仁勋坦言，公司资金已近乎枯竭，不得不放弃 NV1 架构。英伟达唯一的生存希望在于放弃与世嘉的合作，转而联手微软，之后公司将试着抢在其他制造商之前，以廉价的仿制芯片抢占市场。
黄仁勋的策略是借助仿真器，跳过昂贵的原型制造环节，直接依据数字草图进行大规模制造。在半导体行业的发展历程中，此前尚无公司尝试跳过原型制作阶段，但英伟达别无他法，这一步必须成功。
对黄仁勋而言，观众的存在至关重要。所以当他严厉训斥某名员工时，他通常会选择在公开场合进行，以便让其他人从中汲取教训。“失败必须被公开。”黄仁勋是这么说的。
迪克思坦言：“如果有人开始变得具有防御性，你就知道那个人在英伟达待不久了。”
望着前方长长的竞争对手队伍，黄仁勋意识到处于最后一句其实相当有趣，事实上比位居中游要好。因为处于最后一名的公司可以做任何它想做的事情，它能选择别人不敢尝试的捷径。
“那些说胜利不重要的人，”柯克以轻柔而不带威胁的语气说道，“他们从未赢得过任何东西。”
他确实非常热爱学习。他通过阅读所能找到的每一本商业书籍来提升自我。
黄仁勋最推荐的商业书籍是哈佛商学院教授克莱顿·克里斯坦森（Clayton Christensen）的《创新者的窘境》（The Innovator’s Dilemma）。
克里斯坦森认为，相较于低盈利能力，提升盈利能力其实更为容易。
克里斯坦森提出了一个颇具深意且出人意料的观点：“在某些情况下，不听从客户的意见是正确的，投资低性能产品以获取较低的利润也是合理的。甚至追求小市场而非大市场也是明智之举。“
有时候，黄仁勋甚至会在召集的高管团队会议上，谈论颠覆英特尔的可能性，要知道，当时的英特尔可是全球最具价值的公司之一。
最初由英特尔前 CEO 戈登·摩尔（Gordon Moore）在 1965 年提出，并多次得到实际验证，因而得名”摩尔定律“。
莫斯曼说道，”那个领域对处理能力的需求几乎是无穷的。”CPU 永远无法追上 3D 渲染的速度，不仅现在是这样，未来也是如此。即使其速度翻倍，也仍然远远不够。
TNT 内部潜藏着一个秘密——一个深藏不露、如同恶魔般的秘密，在沉睡在硅片架构的最深处，以至于黄仁勋、柯克、卡马克、维沃利，乃至世界上的任何一个人都未曾察觉到它的存在。倘若你揭开那块 TNT 芯片的封盖，以显微镜观察那裸露的电路，你会发现，其中所蕴含的不仅仅是晶体管排列上的变革，更是一场针对所有计算机的彻底颠覆，甚至有可能永远地改变全人类的发展轨迹。那块看似微不足道的芯片，实则承载着一个足以改变整个世界的惊天秘密。
与传统软件执行程序员编写的的代码不同，“水母”通过向一个人工神经元网络传递信息来做出决策。这些神经元的突触在计算机中表现为一个庞大的数字矩阵，也被称为“权重”。这个网络会评估棋局，并通过这个合成的神经系统给出一个答案。
反向传播技术使计算机软件不再需要明确的编程，使计算机系统能自我设定规则，甚至实现自我进化。这种技术被称作“强化学习”（reinforcement learning），而特索罗是首位成功运用此技术的人。
你创造了一台聪明的机器，它能够通过经验来学习。这几乎与人类的学习方式如出一撤。
这个领域很早就明确了 AI 领域“训练”阶段和“推理”阶段的区别：训练是计算机学习的过程，推理是计算机运用知识的过程，比起人类那颗大约 1.5 公斤重、负责推理的大脑，还有为其训练提供条件的数亿年进化相比，推理的成本要低得多。
他说，他的程序“只有大约 100 个脑细胞，这和海蜇差不多”。这就是神经结构的威力：无论是攻克西洋双陆棋，还是在危机四伏的海洋生态系统中存活 5 亿年，甚至抵御敌人，都只需百来个小小的细胞。
“水母”成了首个在游戏中超越人类的神经网络。
试图通过计算网格中的个体权重来找出游戏策略，就如同试图通过显微镜观察脑细胞来解开意识之谜一样困难。
经典编程讲究的是逻辑与顺序，操控神经网络却需要截然不同的思维。
许多神经网络的批判者都曾是满怀希望的先驱，他们在技术初期取得过成功，却在多年后收获低于期望的结果。
”问题在于，如果你只赢了一场比赛，人们很快就会把你忘记，对吧？“温德尔说道。言语中提及了他的偶像泰格·伍兹（Tigger Woods）。“如果我不再赢下去，人们就会把我忘得一干二净。”
维沃利表示：“由于我们创造了这个类别，因此我们自然能成为这个领域的领头羊。”
关于黄仁勋的传闻在此时几乎被渲染成了邪恶的化身：他控角员工，窃取创意，操纵评测者，甚至在竞争对手陷入困境时落井下石。然而，大多数人憎恶黄仁勋的真正原因是，黄仁勋把他们整个公司打得落花流水。
加利克接手了这份工作，并在接下来的 17 年里为英伟达效力。“我个人的看法是，黄仁勋本质是个善良的人，但环境迫使他变得冷酷无情。”
我们曾不惜一切追求完美，结果却一败涂地。
真是太混乱了！代码写得一塌糊涂，开发工具链也是一团乱麻，最重要的是，他们对此毫不在意！他们一心只想着下一块芯片流片，其他什么都不顾。——加利克
“不断迭代、迭代、再迭代，执行、执行、再执行，”他表示，“在我看来，技术债务就像是幸存者的战斗伤痕。”
为了不再重蹈那样的覆辙，柯克坚信，要避免裁员，首先就要严格招聘。
微芯片行业却更像时尚界——倘若你今天的产品与昨天雷同，那便犯下了严重的错误。在半导体领域，一切技术每隔几年就需要彻底革新。
马克思在《共产党宣言》中曾写道：“一切等级和固定的东西都烟消云散了。”或者，正如格鲁夫所言：“我们都必须迎接变革的疾风。”
唯一的生存之道，便是寻得一手好牌，押上所有筹码，然后一次又一次地重复。
在他所处的行业中，唯一可能确定的是，未来将有更多晶体管问世。随着这一趋势的发展，图形渲染将愈发经济实惠且易于实现。
黄仁勋曾坦言：“倘若我们未能重新塑造计算机图形技术，倘若我们未能重塑自我，并拓展处理器可实现的领域，我们终将沦为货品化而消逝。”对他而言，不勇于冒险才是最大的风险。
“我想，没有任何东西像内疚一样激发我。”黄仁勋告诉我。
即便是对这种管理策略不以为然的人，通常对黄仁勋本人也持有积极的评价。
在英伟达的世界里，真正被看重的并非利润或收入。重要的是那位执着的 CEO 和他那些大胆的高风险决策。你要么信任他，要么不信任。若你不信任他，那你将面临严峻的挑战，因为黄仁勋即将做出他有史以来最大胆的押注。
曾经的游戏显卡，如今不再是单纯的游戏工具，它们被赋予了新的使命，变身为科学研究的利器。这种新型客户的涌现，黄仁勋也注意到了。马克提及：“我发表的系统论文获得了大家的广泛支持。接着，在 2004 年左右，詹森邀请我加入英伟达，正式着手开展这项工作。”
CUDA 的核心理念在于，将原本用于视频游戏的并行计算电路重新定向给科学家使用。
黄仁勋表示：“我们之前已经预见到了这种趋势，但正是尼科尔斯让我确信摩尔定律真的已经走到尽头。他为公司今天的辉煌成就做出了巨大贡献。”
尼科尔斯对 CUDA 平台的运行充满了热情。朋友们有时会问他，为何在一家电子游戏公司工作却不玩电子游戏。尼科尔斯回应说，他所做的并非电子游戏的制作，而是一项有史以来最重要的技术。
与英特尔的 CPU 每次只能激活少量晶体管不同，英伟达的游戏 GPU 可以一次激活数千个晶体管。
乳腺 X 光扫描仪被黄仁勋称为“零亿美元市场”的首个案例，这指的是那些虽无直接收益，却拥有巨大潜力的市场。黄仁勋一直在探索一条能让英伟达与竞品区别开来的道路。他发现，硬件创新并非长久之计，因为这些都太容易被模仿了。
首先，我们来探讨电路的工作原理。试想将微芯片放大至舞池的尺寸。舞池内，站满了挥舞荧光棒的舞者，他们便代表了晶体管。灯光忽明忽暗，音乐节奏强劲，然而多数舞者却静止不动，他们唯有在轮到自己时才会移动。某位舞者在第一小节的第一拍起舞，另一位则在第二小节的第四拍动作，以此类推。尽管荧光棒四处挥舞，但多数舞者其实并未真正跳动，他们在静待时机。
串行 DJ 试图通过加快节奏来激发人群活力，但效果愈发微弱。此时，并行 DJ 闪亮登场。并行 DJ 并没有加快节奏，而是编排了更为繁复的动作。效果显而易见：活动愈发狂热，地板开始颤动，场地温度骤升，部分舞者甚至可以因过于投入而过热。此刻，无数荧光棒随节拍挥舞。
并行计算的难点所在，驾驭如此复杂的编排，后勤工作异常艰巨，要求程度员必须开启全新的思考模式。
英伟达的并行 GPU 则更像是一队摩托车在城市中穿梭。他们几乎能同时送达第个包裹，整个过程半小时内便可完成。然而，这种高效的并行解决方案执行起来更为棘手，它需要更多的骑手、更多的车辆以及更为周密的后勤安排。在此情境下，随着摩托车频繁进出仓库，每个包裹都必须精准地分配给对应的车辆，并确保准确送达目的地。
对于科学家来说，理解串行计算和并行计算之间差异的最佳方式是将英特尔的串行 CPU 比作高端不锈钢厨房刀具。这把刀是一种美丽的多功能工具，可以进行任何类型的切割。它可以切丝、切条、切块、切片、切丁或剁碎。凭借一点技巧，厨师可以仅用这一件工具就制作出一整餐，但这把刀一次只能切一种蔬菜。相比之下，英伟达的并行 CPU 更像是一台食物处理机。它是一种专用工具，声音大，操作不够精准，耗电量大。它无法在鱿鱼筒上用刀划出十字花纹，但要快速切碎一堆蔬菜，GPU 就是合适的工具。
CUDA 核心所采用的许多理念，早已在超级计算机和专业处理器中得到应用，但对它们所服务的小型专业领域而言，成本过于高昂，“CUDA 项目最早的工程师之一布雷特·库恩（Brett Coon）回忆道，”依我看，CUDA 的天才之处就在于它让游戏玩家们为庞大的芯片研发成本买单。“
想让硬件设计师理解提高 Unreal 或《毁灭战士》游戏性能的重要性，远比让他们提高矩阵乘法或快速傅里叶变换“性能的重要性来得容易。”库恩回忆道。
勒佩特猜测，黄仁勋的怒斥可能是他避免解雇员工的一种方式。”他会责骂你，会部你大吼，甚至会侮辱你，但无论如何，“哈莱佩特解释道，”他绝不会解雇你。“
黄仁勋所倡导的”光速“，是希望经理们能够设想到，在没有任何限制、一切条件都最理想的情况下，某项任务能够完成的最快速度。
黄仁勋每天都在努力追求这个看似遥不可及的”光速“目标。”我总是要确保自己工作到筋疲力尽，这样到了晚上，就再也没有什么能让我失眠的了，“他曾经说过，”这真的是我唯一能掌握的事情。“
化石记录表明，平托的研究方向是正确的——视觉识别能力推动了生物智力的快速发展，而这一能力也即将在计算机上得以实现。
克里斯坦森观察到，颠覆性技术往往源自业余爱好者的社群。
虽然伽利略的望远镜由改良的眼镜镜片制成，放大倍数甚至不及现代的双筒观鸟望远镜，但它彻底颠覆了我们对宇宙及其定位的认知。黄仁勋希望通过为热忱的科学家们提供低成本的超级计算机，引发一场类似的革命。
黄仁勋对未来技术并无明确构想。有些技术专家则不然，比如埃隆·马斯克，他先从设想自己站在火星表面的场景开始，然后逆向构建所需技术，以实现这一目标。黄仁勋则恰恰相反，他从眼前电路的功能出发，极力向前推测其潜能。唯有在理性的边界，他才允许自己稍作逾越，涉足那朦胧未知的领域。
灵感并非来自邱定伟这样的量子物理学家，但黄仁勋深信：在某个角落，定有位狂热者，其创意将通过 CUDA 得以验证； 在某处，定有某位研究生跳过烦琐的资助申请，省下住房津贴购买一个英伟达 GPU，从而掀起一场技术革命；在某处，定有某个被忽视的科学领域，正静候 CUDA 的算力加持，以彻底颠覆旧有范式。他只是尚未明确那空间是何物。
辛顿认为，试图去破解大脑的功能显得有些荒谬，就好比试图去解析肾脏的功能，然而，这样的观点并未能为他争取到更多的认同。为了掩盖他的工作内容以便更顺利地获取资金支持，他与其他神经网络研究者共同选择将他们的研究描述为“机器学习”，有时也称作“深度学习”，却唯独避免提及“人工智能”一词。
辛顿给苏茨克弗和克里泽夫斯基布置了一项艰巨的任务：利用英伟达的 CPU 训练计算机学会图像识别。
为了训练他的神经网络，克里泽夫斯基使用了 ImageNet 数据库，这是一个由斯坦福大学的计算机李飞飞组装的图像数据集。
在机器学习领域，利用像 ImageNet 这样的带标签数据集进行训练被称作“监督学习”，正因如此，克里泽夫斯基将他的神经网络命名为“SuperVision”。
克里泽夫斯基不仅开创了多项编程技术，更关键的是他发现 CPU 训练神经网络的速度比 CPU 快数百倍。
卡坦扎罗说道，”我是从最底层，即电路的角度出发接触到人工智能的。我深感人工智能是最重要的计算工作负载，就是无法避免的。“
戴利的目光很长远：他认为应该向其他顶尖科学家宣传他的研究工作，以吸引他们加入。”我们会吸引最杰出的学者加入公司，因为他们能看到我们的出版物，“他常说，”质量会说明一切。“
吴恩达是斯坦福大学教授，当时在谷歌工作。在山景城的实验室，吴恩达开发了类似于 AlexNet 的技术，不过他运用的是传统的计算架构。
黄仁勋的 CUDA 决策如同一场豪赌，使公司跨入了深邃莫测的未知领域。10 年来，他始终站在船头，远望彼岸。如今，仿佛他已寻得传说中的亚特兰蒂斯。
“他在周五晚上发了封电子邮件，说我们将全面转向深度学习，不再是一家图形芯片公司，”英伟达副总裁格雷格·埃斯特斯（Greg Estes）讲述道，”到了周一早上，我们已经转型为一家 AI 芯片公司。真的，转变就这么快。“
在这些演讲中，他反复强调几个核心主题：”光速“调度理念的关键性，追求传说中的”零亿美元市场“，以及尤其要警惕潜滋暗长的官僚主义危害。
他与卡坦扎罗在停车场进行的思想实验，反映了他坚信公司可能需要随时进行万花筒般的重组。”我希望你们每个人能做好准备。“他常对聚焦在一起的执行团队这样说，”你永远不知道自己何时会为公司不可或缺的角色。“
在人类的大脑组织中，每个神经元平均维持着约 1000 个与其他相信神经元的突触连接。大脑通过化学方式改变这些连接，而神经网络则通过矩阵乘法来实现这一改变。
矩阵乘法是通过结合 2 个网格的数字来生成第 3 个网络。虽然其规则简单，但当矩阵乘法非法合适并行处理。然而，在神经网络兴起之前，英伟达并未将矩阵乘法视为重点。
直到后来人 们才广泛理解这一事实：深度学习不仅是软件的革命，而且是硬件的革命。
在并行计算上运行的神经网络：这两种紧密相连的技术正是新型强大生命体的 DNA 双螺旋，即将吞噬世间的所有数据。
信心与确定性是两个截然不同的概念。在追求目标的过程中，你可以满怀信心地前进，同时开放心态，欣然接受并拥抱其中的不确定性。
脆弱并非软弱的表现，不确定性也不是信心的缺失。在这个复杂多变的世界中，你即可以坚强自信地面对挑战，也可以诚实地接纳自己的脆弱和不确定性。
作为领导者，你的决策应始终围绕使命展开，以他人的福祉和成为为考量。
黄仁勋认为，性格不是靠聪明绝顶的人塑造出来的，而必须是经过磨难的人。
一条新的定律正在形成，它是一条超级加速的定律。我们得构建一个替代宇宙。There’s a new law going on, a supercharged law. We have to build an alternative universe.
尽管训练成本高昂，但如果操作得当，它可以实现自我回报，正如谷歌努力展示的那样：通过利用神经网络优化其服务器网络的能耗，谷歌每年在电费上节省了数亿美元，几乎立即收回了其在 AI 的投资成本。
波斯特洛姆的著作是他多年思考的延伸。此前，他提出了”曲别针制造器“的设想：倘若我们拥有一个人工智能，它的唯一目标就是生产尽可能多的曲别针。很快，这个人工智能就会意识到，没有人类的世界对它更为有利，因为人类可能会选择关闭它。毕竟，一旦人类这样，曲别针的产量就会减少。更何况，人类的身体中包含大量可用于制造曲别针的原子。因此，这个人工智能所追求的理想未来，便是一个遍布曲别针却无人类存在的世界。
他们信心满满地踏入那些商业上的废弃之地，这些场所遍布着失败企业家的残迹，他们却有能力让这些地方重获新生。
马斯克认为，先进的人工智能可能带来灭绝级威胁。
采取了一种非比寻常的组织架构，牵头创立了 OpenAI，汇聚了一群捐赠者和技术专家。”OpenAI 是一家非营利性质的人工智能研究公司，“该组织在首篇博客文章中写道，”我们的目标是以最可能造福全人类的方式来推进数字智能的发展，不受财务回报需求的限制。
英伟达的首款 FinFET 芯片架构被命名为帕斯卡，以致敬 17 世纪的哲学家兼数学家布莱兹·帕斯卡，他发明了首台机械计算器，这是他众多成就之一。
历经 60 余年的深入研究和数百亿美元的资金投入，计算机现在已经能够准确区分刮刀和小斧。这标志着，一个由机器引领的新时代已经到来。
GPU 使科学家能在宏观或微观之下，并行堆叠这些数据“积木”，构建出宇宙奇观的精确三维模型。
黑洞与自然的齿轮，它们已经存在了漫长的数百万年，只是从未被人类所察觉。而并行计算的崛起，终于使这一切成为可能。
现在他明白了，仅仅模拟一件事是远远不够的；他得模拟所有的事物。“我们得构建一个替换宇宙。”黄仁勋表示。
一个真正的现实模拟器，不仅需要拥有完美的物理引擎，还必须能精确呈现碰撞弹性和物体密度。
乌斯科雷特决定仅停靠上下文来构建语言模型。他摒弃了所有的记忆结构，取而代之的是一个简洁的知识图谱。
以往的神经网络结构总是试图构建完整的句子乃至段落，而 Transformer 则采用基于概率关系的方式，逐个预测词语，每次仅预测一个词，这便是其预测的极限。
苏茨克弗里希望利用 Transformer 技术构建一个能够提高高质量、人类可读文本，并能回答任何可理解提示的产品。
AGI 的一种定义是“能够完成任何人类任务的软件”。苏茨克弗里在推进 GPT 版本的复杂度时，再次思考了 OpenAI 成立的初衷所担忧的问题。
从黄仁勋的角度来看，神经网络并非实质性的成就；真正的成就，是他成功地将庞大的算力打包进了数据中心。
他迫切希望掌握数据管道，这一关键的缺失环节将把他的 AI 工厂从一个智能大脑转变为一个更接近于复杂神经网络的实体——这是公司并购罕见协同效应的一个真正典范。
英伟达之所以成功，并非因为它的电路更出众，而是因为它的软件更优秀。
英伟达的软件工程主管德怀特·迪克斯手下拥有一支万名程序员的庞大团队。“我们其实是一家软件公司，这才是人们不理解的地方。”他说道。
每当出现新的科学技术时，他总是第一时间出现，并推出他那些虽然丑陋却极为实用的软件工具。某个竞争者或者会在未来推出成本更低、设计更优雅的产品，但届时已然太迟——行业标准早已尘埃落定。
AI 在工业上的应用意味着电网更高效、航班调度更迅速、配送速度更快，以及无数其他逐步的改进。
DeepMind 的德米斯·哈萨比斯凭借在蛋白质折叠方面的贡献荣获 2024 年诺贝尔化学奖，而杰弗里·辛顿同时摘得 2024 年诺贝尔物理学奖。同年，黄仁勋当选美国国家工程院院士，很多人都觉得这项荣誉早就该授予他了。
“逐渐””突然“这两个词也恰如其分地描述了黄仁勋的财富增长之路。历经 20 余年的投资与不断的小幅改进，如今终于带来了惊人的回报。
一些华尔街分析师形象地指出：”AI 领域正上演着一场激战，而英伟达则是这场战争中唯一的军火供应商。“
黄仁勋的宏伟愿景，是将英伟达和计算机图形研究与生成式 AI 研究相融合。
”人工智能，如果它足够智能的话，它所关注的世界远比人类居住的这层薄薄的地壳要广阔。我不认为它会有兴趣从我们这里掠夺什么。相反，我觉得人工智能会愿意照顾我们。“
GPU 已经解决了计算速度的瓶颈问题，而 Mellanox 的 Infiniband 协议解决了数据吞吐量的瓶颈。目前，唯一的瓶颈在于数据中心所消耗的电力。
一次标准的谷歌搜索大约需要 0.3 瓦时的电量。而启用生成式 AI 后，同样的谷歌搜索所需电量是原来的 10 倍，这足以为一个灯泡供电约 20 分钟。若让 GPT 为你撰写一篇 5000 字的论文，所耗电量足驱动微波炉运行 1 小时。
要在满足英伟达 GPU 所需电力的同时实现碳中和目标，现实中几乎无法找到可行的方法。除了升级高压线路，道明尼公司还在探讨重启已封存的燃煤设施的可能性。
戴利投身于人工智能领域的一个重要原因是，他坚信这一技术能推动人类走向碳中和的未来。他曾这样说道：”如果说有什么问题能让全世界的人都夜不能寐，那无疑就是气候变化。
台积电在凤凰城建造芯片厂的总预算将超过 400 亿美元，这使其成为美国历史上最大的外国直接投资项目之一，也是全球最昂贵的超级工程之一。一旦完工，凤凰城的这家工厂将雇用 2000 名员工，每年生产 60 万块芯片，足以满足美国国内的全部需求。
荷兰公司阿斯麦，作为建造光刻机的巨头，成为欧洲最有价值的科技股。而拥有无与伦比制造设施的台积电，则成为亚洲最有价值的科技股。
他并非生来就是一位伟大的 CEO，也并非注定会成为这样的人。他通过不断的抽象思考，通过解决一个好 CEO 应该具备的输入和输出问题，把自己变成了这样一个人。
一切的成功都并非难以捉摸，而是有迹可循的：“他们的智慧确实超乎常人。”
当一个念头真正触动黄仁勋时，它会在数日乃至数周内慢慢酝酿发酵。它融入他的词汇库，并在每次会议上被反复提及。诸如“零亿美元市场”或“光速”之类的概念，并非在黄仁勋的脑海中一闪而过，而是在历经数月深思后，作为反复打磨的智慧结晶浮现。
凌晨 4 点，黄仁勋便已起身投入工作。他总是从自己最看重的长期项目开启新一天，坚信只要着手这个项目，无论当天遭遇何种变故，这一天都算不上失败。
“人工智能越强大，就越可能试图控制运行它的计算机，以便为自己获取更多奖励，”本吉奥说，“这就是我们的故事结局。”
“人工智能会占上风的，它会为自己争取更多资源。事实上，最自私的变体将表现最佳，你应该能看出这是一条非常危险的道路。”
短短 10 年间，人工智能已经两次实现了不可预见且永久的能力跃升。本吉奥认为，当前的模型尚不会对人类生命构成直接威胁，但谁又能预料下一次的突破呢？没人能够断言它将带来什么，或何时到来。
“目前有 99 位极其聪明的人正致力于让人工智能变更更出色，但也有一位极其聪明的人正试图探明如何阻止它接管一切。”辛顿说道。
黄仁勋的信心还来源于人工智能与生物大脑间的诸多差异。大脑并非通过反向传播来学习，这一点确凿无颖。而神经网络仅仅是模仿神经元。
不过，说实话，我也感到一丝其名的兴奋。能成为黄仁勋愤怒的对象，从某种意义上说，竟也算是一种荣幸：这是每个进入他核心圈子的人都必须经历的考验。
黄仁勋之所以能在并行计算、人工智能、Omniverse 等他人失败的领域取得成功，源于他不容忍对未来进行毫无根据的臆测。他总能为冷静地从第一性原理出发去审视技术，既不受乐观情绪影响，也不被恐惧所左右，仅凭一种冷静且耐心的商业逻辑，将企业远见推至极限。便除此之外的一切，他既不看也不去想象。人类灭绝的可能性并不属于企业战略层面的问题，对他来说，这纯属无稽之谈。
OpenAI 的成立背景便是防范灾难的发生。而几乎只有黄仁勋坚信，人工智能只会带来益处。
解决问题的自动化可以归纳为三个核心概念：观察并感知环境，理解并推理环境，然后提出并执行计划。
AI 目前尚未能从第一性原理中直接得出答案，它是通过观察数据来学习和得出纵论的。因此，它并非模拟第一性原理的求解器，而是在模仿智能、模仿物理。
他敢于摒弃传统观念，依循自己的理性判断行事。正是他坚定的信念，使他在一众中脱颖而出。
英伟达一直对规模庞大且利润丰厚的市场视而不见，反而专注于规模较小、处于边缘地带的市场。
渴望复制黄仁勋成功之路的企业家们，务必要遵循他的成功蓝图：首要之务是（持续）掌握所在领域顶尖的专业知识。
在未来的岁月里，人工智能将以我们几乎无法想象的方式重塑我们的世界。无论是艺术、科学、商业、战争，还是体力劳动，人类活动的每个领域都将发生变化。
一切都将焕然一新，没有东西都够维持原状。
硬件进化与 AI 算法的协同发展，成为推动这一时代变革的关键力量。