今天，英伟达CEO黄仁勋现身香港，被授予了香港科技大学工程学荣誉博士，随后，他还与美国国家工程院外籍院士、粤港澳大湾区数字经济研究院创院理事长沈向洋进行了长达1个小时的对话。
非常有趣的是，黄仁勋和沈向洋均穿上了黑色“黄氏夹克”，并向观众展示了黑色夹克背后的大字“HKUST”（香港科技大学）。
在对话中，沈向洋询问了黄仁勋如何看待AGI给世界带来的影响，以及作为CEO如何管理公司。
以下为黄仁勋与沈向洋对话的全部内容（AI翻译，人工部分校对）：
沈向洋：昨晚我辗转难眠，其中一个极为关键的原因在于，我亟欲向诸位引荐这位宇宙间最卓越的首席执行官。但我心中也暗自为贵公司担忧，毕竟昨晚苹果股价上扬，而英伟达的表现却略显逊色。我已迫不及待想要知晓股市收盘的结果！今晨醒来，我第一时间询问妻子英伟达是否挺住了。你在人工智能领域领航已久，能否再谈谈对人工智能的看法，以及这项技术，或是AGI（通用人工智能）可能带来的影响？
黄仁勋：正如你所了解的，当人工智能网络能够学习并掌握从字节、语言、图像到蛋白质序列等多种数据的理解时，一场变革性、开创性的能力便应运而生了。我们突然间拥有了能够理解单词内涵的计算机。得益于生成式AI，信息得以在不同模式间自由转换，比如从文本到图像、从蛋白质到文本、从文本到蛋白质，乃至从文本到化学品等。这一原本作为函数逼近器（Function Approximator，数学领域的重要概念，用于多个领域）及语言翻译器而存在的工具，如今所面对的问题是，我们如何能充分利用它？你见证了全球范围内创业公司如雨后春笋般涌现，它们结合了这些不同的模型与能力，展现出无限可能。
因此，我认为真正令人惊叹的突破在于，我们现在能够理解信息的真正意义。这意味着，作为数字生物学家，你能理解所观数据的含义，从而于万千数据中精准捕捉到关键信息；作为英伟达的芯片设计师、系统设计师，或是农业技术人员、气候科学家、能源领域的研究者，在探寻新材料的过程中，这无疑是开创性的壮举。
沈向洋：如今，通用翻译器的概念已然成形，它赋予我们理解世间万物的能力。许多人都听你描述过人工智能对社会的惊人影响。那些观点深深触动了我，甚至在某些方面让我感到震撼。回顾历史，农业革命让我们生产出了更多的食物，工业革命则让我们的钢铁产量大幅提升。进入信息技术时代，信息的数量更是爆炸式增长。而今，在这个智能时代，英伟达与人工智能正携手“制造”智能。你能进一步阐述为何这项工作如此重要吗？
黄仁勋：从计算机科学的视角来看，我们重新发明了整个堆栈。这意味着，我们过去开发软件的方式已经发生了根本性的变化。提及计算机科学，软件开发自然是不可或缺的一环，它是如何实现的，这至关重要。
以往，我们依靠手工编写软件，凭借想象力和创造力构思功能、设计算法，然后将其转化为代码，输入电脑。从Fortran到Pascal，再到C语言和C++，这些编程语言让我们得以用代码来表达创意。代码在CPU上运行得很好，我们向计算机输入数据，询问它从中发现了什么函数，通过观察我们提供的数据，计算机能够识别出其中的模式和关系。
然而，现在的情况已经有所不同，我们不再依赖于传统的代码编写方式，而是转向了机器学习和机器生成。这不再是简单的软件问题，而是涉及到了机器学习，它生成神经网络，并在GPU上进行处理。这一转变，从编码到机器学习，从CPU到GPU，标志着一个全新的时代的到来。
而且，由于GPU的功能异常强大，我们现在能够开发的软件类型堪称非凡，而在这一强大基础之上，则是人工智能的蓬勃发展。这正是其出现所带来的变革，计算机科学因此发生了巨大变化。现在，我们需要思考的是，这样的变化将如何影响我们的行业？我们都在竞相利用机器学习去探索新的人工智能领域。那么，究竟什么是人工智能呢？这其实是一个大家耳熟能详的概念，即认知自动化和解决问题自动化。解决问题的自动化可以归结为三个核心概念：观察并感知环境，理解并推理环境，然后提出并执行计划。
黄仁勋：......感知、推理和规划可以分解为，例如感知你的车周围的环境，推理你的位置，你是什么，以及你周围所有其他汽车的位置。感知、推理和规划可以分解为，例如感知你的车周围的环境，推理你的位置，你是什么，以及你周围所有其他汽车的位置，计划如何驾驶，所以我刚刚描述了自动驾驶汽车。自动驾驶汽车在一种表现形式中被称为数字司机。然后你可以做同样的事情如CT 扫描，通过观察你得出结论有些异常，可能是肿瘤之类的，然后你描述给放射科医生。现在你是放射科医生了。几乎所有我们做的事情，你都可以想出一些人工智能，然后执行特定的任务。如果我们有足够的这些数字代理，这些数字代理会与计算机交互，生成数字人工智能。我们所有人对数据中心的总消耗使数据中心看起来像是在生产一种叫做Tokens的东西，或者我们称之为Tokens的东西，但除此之外还有数字智能。所以现在让我稍微以不同的方式描述一下。
300年前，正如你所知道的，通用电气公司和西屋公司提出了一种新型机器，这种新型机器被称为发电机，最终成为了一台交流发电机。他们非常聪明地发明了一种消费者，消费他们所能生产的电力，当然，消费者会像是灯泡和烤面包机之类的东西，他们创造了各种各样的数码设备或电器，这些设备消耗工厂生产的电力。
看看我们现在在做什么。我们创造了 Copilots 和 ChatGPT，我们创造了所有这些不同的智能，就像是灯泡和烤面包机一样，还有一些我们所有人都会使用的设备。但你会连接到一个工厂，它曾经是一个交流发电厂，但是现在是数字智能工厂。从工业角度来看，实际上， 我们正在创造一个新的行业，这个新的行业吸收能量，生产数字智能。数字智能将被各种不同的应用所使用，我们相信他的消耗将是相当大的，这整个行业以前从未存在过，就像交流发电业从未存在过一样。
沈向洋：这真的非常惊人，Jensen你为我们描述了一个非常光明的未来。我们知道，这在很大程度上是由于您的努力和英伟达在这个领域的贡献，特别是在过去的12年里。最近人们在讨论scaling law，也有以你名字命名的黄氏定律，二者与摩尔定律相比。当然，在竞争行业的早期英特尔就提出了摩尔定律，即每18个月完计算能力就会翻倍。如果我们看过去的12年，在你的领导下，每年不止只翻一倍。如果从消费市场来看，在过去的12年里，所有大型的语言模型，实际上每一年都是计算需求的四倍多。那么在10年内，这是一个巨大的数字，实际上是一百万。这就是我向你解释为什么英伟达的股票在10年内上涨了300倍的原因。如果你仔细想想，竞争的需求是一百万倍，股票可能并不是很贵。
我的问题是，当展望未来时，我们是否会看到未来十年的需求增长一百万倍？
黄仁勋：摩尔定律依赖于两个概念。一个概念是size scaling，这是因为covermade，康威进行测试，这极大激励了我这一代人。第二个是xx scaling，恒定电流密度缩放，晶体管的反式耦合收缩使我们有可能使性能翻倍。如果半导体的性能每两年翻一倍，每一年半翻一倍，那就是每五年翻10倍，每10年翻100倍。
我们现在所经历的是，你的神经网络越大，你训练这个神经网络的数据就越多，人工智能似乎就越智能。这是经验定律，就像摩尔定律一样，我们称之为scaling law 扩展定律，这似乎还在继续。但是我们知道，预训练，仅仅获取世界上所有数据再从中发现知识是不够的。就像上大学和大学毕业一样，这是一个非常重要的里程碑，但这远远不够。因为还有岗位培训，就是非常深入地学习某一项技能。岗位培训需要强化学习的人工反馈、合成数据的生成、多路径的学习，基本上是你现在正在深入到一个特定的领域，并试图学习一些非常深入的东西。这就是后训练 post-training。当你选择一个确定的职业，你会进行大量的学习，在那之后我们称之为测试时间定律 test time scaling。有些事情你只是知道答案，你必须把问题一步步分解成每个，试图为每个原则找到一个解决方案。这可能需要您迭代，需要你模拟各种结果，因为答案是不可预测的。所以我们称之为思考，你思考的时间越长，答案的质量可能会越高。
我们现在有三个人工智能发展领域，其中大量的计算将产生更高质量的答案。今天，我们所拥有的答案是我们能提供的最好的，但我们要知道你得到的答案并不是我们提供的最好的。在某种程度上，你仍然需要决定这是否是幻觉？是否有意义？是否明智？我们必须达到这样一个点，即你得到的答案，你在很大程度上信任他们。
我认为我们离做到这一点还要几年的时间。同时，我们必须不断增加我们的算力。你之前说的一件事让我非常感激，那就是在过去的10年里，我们把性能提高了100万倍。英伟达的贡献在于我们将计算的边际成本降低了一百万倍。想象一下，如果世界上有什么你可以依赖的东西。它可以是电力，机票，可以是你选择的任何东西，在过去10年里，我们把成本降低了100万倍。当某事的成本降低了一百万倍时，你的习惯会从根本上改变。你对计算的看法也会发生根本性的变化。这是我们有史以来最大的贡献，因此使用机器去详尽地学习大量数据是研究人员不会做的事情。这就是为什么机器学习崛起了。
沈向洋：我完全明白你的意思，但是我们这里的一些教授可能稍微不太同意，因为购买GPU 还是需要很多钱。
黄仁勋：想象一下成本增加一百万倍，我在过年十年给了你们100万倍的折扣，（现在）实际上是免费的。
沈向洋：Jensen，我想知道你的想法，关于我们在HKUST 应该做什么。在AI 领域，例如AI 技术，AI 基础设施，GPUs，以及软件生态，我们可以选择做许多事情，现在有一件特别令人兴奋的事情，我们称之为AI for science。你一直在提倡这点。例如，我们在大学投资了相当多的计算基础设施和应用。校长和我特别鼓励我们的院系在物理学和计算机科学之间，在材料科学和计算机科学之间，在生物学和计算机科学之间进行合作。
现在在香港发生的一件非常令人兴奋的事情是，我们的政府已经决定 将建造第三所医学院，香港科技大学是第一所提交申请的大学。现在在香港发生的一件非常令人兴奋的事情是，政府已经决定我们将建造第三所医学院，香港科技大学是第一所提交申请的大学。对此，你有什么建议？
黄仁勋：首先，我在2018年的世界科学计算大会上介绍了AI 超算，结果遭到了极大的怀疑。原因是在那时AI 像是黑匣子。那时候做不到，但如今你可以问AI，为什么这么建议？告诉我你是如何通过探索过程一步一步得出这个答案的？今天的AI 更透明更有解释力，你的一组问题可能就像教授探究他们的学生以了解他们的思维过程一样。基于基第一性原理first principal，AI不仅能给出答案，而且推理答案的方式是合理的。我们今天可以做到，但在2018年，我们无法做到。因此，它遭到了极大的怀疑。
第二，AI通过观察数据来产生答案。因此，它并不是真的模拟第一性原理解决，而是模拟智能，模拟物理。现在的问题是，模拟对科学有价值吗？我认为仿真模拟对科学来说是无价的，原因是在许多科学领域中，我们理解了第一性原理 first principal，我们理解了薛定谔方程，我们理解了麦克斯韦方程，我们理解了很多这样的方程，但我们无法模拟它，也不能理解大型系统。因此，我们可以使用AI来训练AI，而不是根据第一性原理来解决它，让它在计算上受到限制。我们可以训练物理学的AI，并用它来模拟非常大的系统，这样我们就可以理解大规模的系统。
这在哪将会有用呢？首先，人类生物学的时间尺度从纳秒开始，这样的时间尺度使用原理求解器是根本不可能的。所以现在的问题是，我们能否使用人工智能来模拟人类生物学，以便更好地理解这些非常复杂的多磁盘系统。这样我们就可以创造一个人体的数字孪生体。拥有这样的计算机科学技术，数字生物学家、气候科学家以及科学家们就可以处理非常庞大、复杂的规模问题。
就你提到的医院而言，这是很好的一个机会。这里将创建一家医院，其原始专业领域是技术，计算机科学，几乎所有的医院都是这样。试图将人工智能和技术融入医院，这通常会遭遇怀疑和不信任。因此，你第一次有机会从基础开始创造一些东西，在那里技术被接受，被推进。在座的各位正在推送基础技术的发展，所以你知道它的局限性也知道它的潜力，我认为这是一个非凡的机会，希望你们能好好利用。
沈向洋：谢谢你，Jensen。这所大学一直擅长科技和创新，正在推动计算机科学、工程、生物学和其他领域的前沿。所以我们认为有了香港的第三所医学院，我们可以做一些与其他两所学校不同的事情。我们可以将传统的医学培训与技术研究站点相结合，并在其中工作。我们将来会联系你以获得更多的建议。
我想问你一些关于领导力的问题。你一直是硅谷任期最长的CEO，32年。我们很想向你学习，你是如何领导这样一个巨大的组织的？你们有成千上万的员工，惊人的收入和大量的客户，你是如何真正做到这一点来领导这样一个庞大的组织并且打破瓶颈的？
黄仁勋：我很惊讶有像我这样的计算生物学家和商人。我没有上过商业课程就创立了NVIDIA ，直到今天我也没有上过商业课程。我从未写过商业计划，我不知道如何写商业计划书，我指望着你们所有人帮我写业务计划。
我想说的是，首先，我认为你应尽可能地学习。我一直在学习。所以，关于做任何你想要奉献一生的事情，第一件事是认为这是毕生的工作，而不仅是一份工作。我认为这在脑海中有很大的不同。所以英伟达是我毕生的心血，我在一路上学到了很多东西。如果你想成为一家公司的CEO，你有很多东西要学，你必须不断重塑自己。世界一直在变化， 所以我基本上每天都在学习，就像我飞过来这里一样，我在看YouTube，或者我在和AI说话，我问了很多问题。它告诉我一个答案，我问你为什么给我这个答案？用这种方式向我解释，将这种推理应用于其他事物，给我一些类比。我用我的AI，我折磨我的AI来教我，所以，有很多方法可以学习。
我在领导力方面学到了什么？
首先，你是CEO 但是你不必知道任何事。你不必确定，但是你必须对自己做的事充满信心。信心和确定不是同一个概念。你完全可以自信地追求一个方向，为不确定性留出空间。这种不确定性的空间给了你继续学习的机会。不确定性是你的朋友，不是你的敌人。
第二，领导者要强大。很多人都指望你的力量，他们以你的力量为食。然而，强大并不意味着你不能脆弱，这意味着如果你需要帮助，就寻求帮助。所以我不断寻求帮助。我不知道我来寻求你的帮助多少次了。因此，脆弱并不代表缺乏力量，不确定并不代表缺乏能力。
最后，不要为自己做事，要为其他人做。领导者在做出的每一个决定都符合使命的利益时，从根本上说是值得信赖的，是别人的利益所在。无论是公司内部的人，我的同事，我的合作伙伴，生态系统，我们服务于我们的供应链，思考什么对他们来说是最好的，从他们的最大利益出发。
沈向洋：你有60个直接下属，你是怎么做到的？这似乎是你的独有风格。
黄仁勋：透明，理性。我们需要做的是，我们共同努力想出一个策略。无论策略是什么，每个人都同时听到，所有人同时通过战略工作。因此，当公司确定方向、制定战略、做出决定时，每个人都进行了共同的推理。这并不是我走进了一片森林，然后带回答案，每个人都在等着我告诉他们该做什么。而是我们对此进行了推理，我们一起得到答案。所以我唯一要做的是，确保我们都听到了同样的事情，我通常是最后一个根据我们所做的一切来描述的人。这是方向，这些是优先事项，并确保没有任何歧义。现在，一旦我们都团结一致，你知道，我们都明白了策略是什么。
我之前提到的关于我的行为的所有事情，不断学习，自信，不确定性。我需要他们来表达，需要向我们寻求帮助。当其他人看到同样的行为，看到CEO 脆弱是可以的，领导者可以寻求帮助，可以不确定，可以犯错，然后他们都会这样做。
沈向洋：今天早上当你发表演讲时，我非常印象深刻。你说了关于我们大学的很多数字，特别是我们校友创办的创业公司的数量，产生独角兽的数量，这所大学确实以创造新的企业而闻名。在你很年轻的时候，你让公司一路走到今天难以置信的成功，你有什么建议呢？他们应该何时以及为什么开始自己的事情。此外，你确实向你的妻子劳里保证过，到30岁时，你将创办一家公司，除此之外，你知道什么，有什么建议吗
黄仁勋：那是我的搭讪之道。我上大学的时候16岁，当我遇到我的妻子时，我17岁，她19岁。所以我是学校里最小的孩子。所以我是学校里最小的孩子。有250名学生和3个女孩，我是唯一一个看起来像孩子的学生，他们都是孩子。
沈向洋：所以你学会了如何在那个时候保持竞争力。
黄仁勋：现在你必须这样做，你必须学会如何做。你没有一条好的搭讪线。所以我走到她面前，说，我对她说，我知道我看起来像个孩子，因此我确信她对我的第一印象是我很聪明。否则的话一定是这样的。所以我知道第一印象是，我很聪明。我走向她，说，你想看我的家庭作业吗？然后我向她做出了承诺。我说，如果你每天星期日都和我一起做作业，我保证你会得全优。
结果，我每个星期日都有个约会，让她整天做作业。只要确保她最终嫁给了我，到我30岁的时候，我只是想，你知道我现在只有20岁。但是当我30岁的时候，我将成为一名CEO？我不知道我在说什么，哦。然后我们结婚了。然后我们结婚了。这就是我要给的所有建议。
沈向洋：我真的觉得我应该代表我们问一个问题，只要阅读问题，我们就会明白，这是真的。我没有使用GPT，否则会更容易。所以问题实际上是，作为大学助理教授，做AI需要大量的计算能力。我们之前已经提到过这一点。有趣的是，这位华盛顿州大学的教授几年前在推特上说，深度学习革命中明显缺少的是麻省理工学院，但他并不是说麻省理工学院是顶尖大学，即使在美国，也没有做出贡献。在过去十年中，有太多的开创性论文。相反，你的公司，微软，谷歌OpenAI，以及那些顶尖公司都做出了惊人的工作，部分原因是因为他们实际上有足够的算力。所以，我们的教授们提出了问题，你知道，我们应该做什么，我们应该加入英伟达还是？或者我们可以与英伟达合作吗？
黄仁勋：你问题的核心实际上是一个非常非常严肃的结构性问题，大学的结构性问题。如你所知，在未来，没有机器学习就无法以我们所谈论的规模推进科学。没有机器，机器学习是不可能的。这和你不打算在没有射电望远镜的情况下研究宇宙没有什么不同。如果没有某种你知道的粒子加速器，你就无法开始研究世界积木的结构。你不会用我们的科学和超级计算机开始这些事情。AI超级计算机是大学的结构问题。每一位私家侦探，每一项研究。因此，一旦他们筹集了资金，他们就不想与其他人分享。但是机器学习的工作方式是，那台机器只能在一部分时间内工作，而你只需要在一小部分时间内全部工作。
没有人永远需要所有东西，但他们需要一些巨大的东西一段时间。所以事实证明，为了让大学推进研究，你必须齐心协力。每个人都很困难，像斯坦福或哈佛这样的大学，或者这里的研究人员正在为计算机科学进行研究，研究和资助，当有人在气候科学或海洋标志等领域工作时，可以筹集很多钱。非常困难。所以现在的问题是该怎么做？
我认为这是大学可以通过建立所有学校都可以使用的基础设施来产生真正影响的地方。这就是结构性挑战，如果这就是为什么这么多研究人员来到我们、谷歌和微软这样的公司实习的原因，正如你所知道的，我们做你的研究是因为我们可以访问基础设施。然后你回到学校一段时间，要求我们继续你的研究。
在我们的系统中，当你回来时，你可以拿起它，或者许多教授，客座教授做研究，兼职而他们还在教学，对吗？我们有几个这样的所以有很多方法可以解决这个问题。最好的方法是以某种方式思考它是如何资助你的。
沈向洋：这是一个非常好的建议。而我，尤其是今天的观众。所以我们这里有孙东教授，他管理着我们政府的技术创新和产业部门，他在为AI提供资金方面给予了极大的支持。事实上，孙教授实际上支持香港的这个生成式AI中心。
但我确实想问你一个具有挑战性的问题，一方面是我们非常非常高兴竞争能力继续显著增加，价格正在下降，这更好。但与此同时，你的GPU将消耗如此多的能量，如此多的能量。而且有一些预测，你知道，就像在30号，世界上的能源消耗将增加30%。你担心因为你的GPU 会消耗能量吗？
黄仁勋：我要告诉你，我要倒推。我要做的第一件事是，我要做出这样的声明: 如果世界使用更多的能源来为世界的AI工厂提供动力，那么我们的世界就会变得更美好。当这种情况发生时，让我解释一下几件事情。因为AI的目标不是训练模型，AI的目标是使用模型。你的许多目标的目标，有些人，为了目标而上学并没有错，只为了上学的目标，为了学习而学习。
当它实际上是非常明智的事情时，这是一件正常的事情。然而，大多数学生来到这里，投入了大量的资金，投入了大量的时间，你的目标是在以后成功地应用你的知识。因此，AI的目标不是为了训练。AI的目标是推理非常高效，它可以发现储存二氧化碳的新方法。我们所有的发电厂都是为电器而建的我们需要靠近我们的房子。我们房子附近的灯泡。你的洗碗机离我们家很近。
现在，由于电动汽车的存在，电动汽车靠近房屋。但超级计算机必须离我们家很近。它可以在其他地方学习。最后，我希望发生的是AI能够如此高效和聪明地发现新科学，无论是浪费电网，供电更多，电网过度供应，大部分时间只提供部分时间。时间大多超过规定。
因此，我们应该在许多不同的领域使用AI来节约能源，将其从废物中取出，我们希望它能被它最终节省的20、30% 所取代。这就是我的希望和梦想。这是我们都看到的吗？使用能源或智力，是我们所能做到的最佳利用能源。
沈向洋：我当然同意将能源用于智能是使用能源的最佳方式。谈到情报，我想回到智能的话题上来，就像你知道的，大湾区，这个地区，香港新津，广州，东莞，这个地区，我们都住在大湾区，所以多年来已经变得真正的样子。大型硬件生态系统。你这么说。如果你现在建造任何有趣的小工具，如果你不以巨大的价值建造它，投资就无法简单地找到所有这些组件。
当然，一个很好的例子是，这里的dj公司是无人机商业无人机公司。令人难以置信的技术。所以我的问题实际上是，当我们考虑智能时，物理方面将变得越来越重要，机器人技术。我认为，越来越多的机器人，当然，这种特殊类型的机器人实际上被称为自动驾驶车辆，自动驾驶汽车。那么，你的观点是什么？我们能够多快地在我们的生活和工人的生活中看到这些身体智能？我们应该如何考虑和利用这个网格B区域硬件生态系统？
黄仁勋：这对中国来说只是一个非凡的机会，在这个地区。其原因是因为，这个大湾区，整个地区在机械技术和电子技术之间的交叉点上表现出色。当然，对于机器人来说，缺少的是能够理解物理世界的人工智能，但今天的ChatGPT或大型语言模型理解这认知的整体的，但它不理解物理智能。它不一定理解，当我设置集合、切割时，它不会穿过那张桌子。
因此，我们需要教人工智能如何理解身体智能。好的，让我展示一下我们正在取得良好进展的事实。嗯，我所看到的演示之一是使用Gens AI文本生成，我可以肯定地生成一个视频，该视频以我自己的照片开始，然后你提示，Jensen，拿起咖啡杯并喝一口。好吧，如果我能提示AI去选择主题，我就生成令牌，比如机械手臂选择的原因。
因此，与我们现在所处的位置差距非常接近，当生成式人工智能和通用机器人时。有三种类型的机器人被制造出来，几乎只有我们历史上看到的所有其他类型的机器人。你知道，机器人已经存在很长时间了，但是很难大规模地扩展。
规模化生产非常重要，因为您需要技术飞轮，高产量可以让您产生高R和DS，这可以让您取得巨大的技术突破，制造更好的产品，从而使产量更高。所以飞轮，RD飞轮对于只有三个机器人至关重要。你真的可以做到这一点，但其中两个将是最高的。
原因是这三个机器人都被部署到这个世界上，我们称之为棕色野外部署，而这三个是汽车，因为我们在过去的200到50年里创造了一个汽车的世界。第二个，无人机，你知道，天空是相当无限的，最大的体积，当然，是人类发现这是因为我们为自己创造了世界。有了这三种类型的机器人，我们几乎可以将观众扩展到高容量。
这就是像这样的制造生态系统在一秒钟内真正拥有的优势之一。这个伟大的海湾地区是世界上唯一同时拥有megatronic技术和AI技术的地区。在其他地方不是这样的。在其他地方不是这样的。挑选你的另一个。挑选你的另一个。另外两个大型的巨型电子设备，即日本和德国，但不幸的是，它们在AI方面远远落后。他们真的需要赶上来。这不是真的。因此，这真的是一个非常独特的机会，我们真的很倾向于它。
沈向洋：是的，我仍然需要以年轻人的观点来看待身体智能和机器人将会发生什么。这所大学实际上很擅长描述。我敢肯定，我们很大，很大的障碍，你知道，我们有其他的优势与不同的公司合作，不同的是他是政府。我敢肯定，我们很大，很大的障碍，你知道，我们有其他的优势与不同的公司合作，不同的是他是政府。就在几天前，我与深圳市市长以及管理该市技术的张先生进行了交谈。我只是很高兴在绿湾地区见到你，特别是在罪恶之城，这实际上是一个秘密。
馆，硬件，软件速度，你到两个，一个不知道为什么的点，你知道，这对这个地区来说是一个很好的机会，你知道，对我们的大学来说。餐馆，硬件，软件速度，你到两个，一个不知道为什么的点，你知道，这对这个地区来说是一个很好的机会，你知道，对我们的大学来说。
黄仁勋：但我不知道从我读到的关于你们在这里所做的工作以及我的学校自从我成为校友以来所做的工作中选出的天才是谁。我现在可以把你所有的好决策归功于你，但是人工智能、机器人和医疗保健？好吧，我们是该地区真正创新的完美之树。
沈向洋：是的，我们将进一步推动医学院。对于所有这些，我们仍然需要你的支持，我们需要你的GPU。
本文来自网易科技报道，更多资讯和深度内容，关注我们。
