英伟达GTC 会议的开幕视频花了一些时间才意识到什么是惊人的：完全没有人类。
视频以 Nvidia 的创始人兼首席执行官 Jensen Huang 结尾，这是一个突出外卖的例外。一方面，黄的主题演讲的主题是人工智能通过机器学习创造人工智能的理念；他将这个想法称为“智能制造”：
十年前，这些能力都遥不可及。数据中心规模的加速计算与机器学习相结合，将计算速度提高了百万倍。加速计算使变压器等革命性的人工智能模型成为可能，并使自我监督学习成为可能。人工智能从根本上改变了软件可以制作的内容以及您制作软件的方式。公司正在处理和提炼他们的数据，制作人工智能软件，成为智能制造商。他们的数据中心正在成为人工智能工厂。第一波人工智能学习感知和推理，例如识别图像、理解语音、推荐视频或购买商品。下一波人工智能是机器人技术：人工智能计划行动。数字机器人、化身和物理机器人将感知、计划和行动，正如 TensorFlow 和 PyTorch 等 AI 框架已成为 AI 软件不可或缺的一部分，Omniverse 对于制作机器人软件至关重要。 Omniverse 将启用下一波人工智能。
我们将讨论下一个百万倍，以及塑造我们行业的其他动态，这个 GTC。在过去的十年中，英伟达加速计算在 AI 领域实现了百万倍的加速，并开启了现代 AI 革命。现在人工智能将彻底改变所有行业。 CUDA 库、Nvidia SDK 是加速计算的核心。每个新的 SDK、新的科学、新的应用程序和新的行业都可以利用 Nvidia 计算的力量。这些 SDK 解决了计算、算法和科学交叉领域的巨大复杂性。 Nvidia 的全栈方法的复合效应导致了百万倍的加速。如今，英伟达加速了数百万开发人员以及数以万计的公司和初创公司的发展。 GTC 适合所有人。
机器学习背后的核心思想是，计算机在呈现海量数据后，可以从这些数据中提取人类无法获得的见解和想法。换句话说，不仅仅是洞察力的发展，而且，软件本身的发展，都是一个新兴的过程。 Nvidia 的角色是制造大规模并行计算平台，这些平台可以比 PC 或智能手机等通用计算平台更快地完成这一新兴过程所需的计算。
然而，对于 Nvidia 尤其是 Huang 来说，最引人注目的是这种能力在多大程度上是与新兴过程完全相反的结果：Nvidia 公司感觉像是一个经过深思熟虑的设计，已经酝酿了近 29 年。该公司开始加速定义的图形功能，然后发明了着色器，这使得对硬件进行编程以进行加速成为可能。但是，这种新的处理方法需要新工具，因此 Nvidia 发明了它们，并且从那时起一直在其完全集成的堆栈上构建。
Nvidia 远见的深思熟虑是我在这次与 Huang 的采访中探讨的核心主题之一，记录在他的 GTC 主题演讲后不久。我们还谈到了黄的背景，包括小时候移民美国、英伟达收购 ARM 失败等等。对我来说，一个特别引人注目的收获是在采访结束时，黄说：
智能是识别模式、识别关系、推理并做出预测或计划行动的能力。这就是智能。它与一般智力无关，智力只是解决问题。我们现在有能力编写软件，我们现在有能力与计算机合作编写软件，它可以解决多种类型的智能，在人类无法做到的规模和水平上做出多种类型的预测。
例如，我们知道互联网上有上万亿的东西，互联网上的东西数量庞大，而且扩展得非常快，但是我们有一个叫做手机的微型个人电脑，我们怎么可能计算出这万亿个呢？互联网上的东西 我们想在我们的小手机上看到什么？好吧，两者之间需要有一个过滤器，人们称之为个性化互联网，但基本上是一个人工智能，一个推荐系统。推荐者根据内容的性质、内容的特征、内容的特征，根据您的隐含和显式和隐含偏好，找到一种方法来预测您想要什么看。我的意思是，这是一个奇迹！能够大规模地为电影、书籍、音乐、新闻和视频等所有内容做到这一点，这真是一个奇迹，你能说出它的名字，产品和类似的东西。为了能够预测 Ben 想看什么，预测你想点击什么，预测什么对你有用。我说的是面向消费者的东西，但未来会预测什么是最适合你的财务策略，预测什么是最适合你的药物疗法，预测什么是最适合你的健康方案，什么是最适合你的假期计划。所有这些事情都将通过人工智能成为可能。
正如我在采访中指出的那样，这应该为 Stratechery 的读者敲响警钟：Huang 所描述的是支撑聚合理论的计算功能，其中丰富世界中的价值赋予那些旨在发现和提供导航这个世界的手段的实体这从根本上脱离了实物商品和地理的限制。英伟达在这个世界上的角色是为聚合提供硬件能力，成为聚合器的 Windows 的英特尔。不用说，这是一个有吸引力的职位；像许多这样有吸引力的职位一样，它不是在几个月或几年内建立起来的，而是在几十年内建立起来的。
在此处阅读对黄的完整采访。