Above: Jen-Hsun Huang, CEO of Nvidia, at CES 2017.Image Credit: Dean Takahashi
雷锋网按：英伟达 CEO 黄仁勋受邀成为今年 CES 开场演讲嘉宾，代表 GPU 计算时代的开启，从人工智能、VR，到无人驾驶，GPU 的重要性越来越高，黄仁勋在会后的采访中讲述自己的观点。本文由雷锋网编译自 Venturebeat，原文作者 Dean Takahashi。
随着人工智能的发展，英伟达目前已经达到了辉煌时期，过去的一年中，英伟达的股价暴涨三倍，它已经成功由一家图像处理器制造商转型成人工智能公司。前不久在拉斯维加斯举办的 CES 邀请了黄仁勋作为重要嘉宾，为我们带来了精彩的演讲。
在 Keynote 之后，黄仁勋和一群记者坐下来进一步交流，他讲述了 GPU 和深度学习神经网络是如何看似偶然实则必然地结合起来，并在人工智能领域取得重大突破，这些突破将继续指导自动驾驶以及声控的发展。同时，他也深度剖析了 PC 游戏、VR、在 Switch 控制上与任天堂的合作以及与奔驰、奥迪在自动驾驶上的合作，最后也对 Shield TV 作了介绍。
我参与了与黄仁勋的问答环节，下面是记者编辑的记录。
Above: Gary Shapiro of CTA on stage with Jen-Hsun Huang of Nvidia at CES 2017.Image Credit: Dean Takahashi
黄：我昨天参加了 Keynote，主要讲了三个事情。首先，PC 游戏和 GeForce 正在蓬勃发展，取得这一发展的原因有很多，PC 游戏是全球范围内唯一的游戏平台，它的设计、价格以及基于 PC 端都是它全球化的优势。PC 游戏是人类必备的工具，人们总是想购买很多东西，但他们最需要买的就是 PC。
同时我也表明，几乎每个人都可以成为游戏家。在我父母那一代人中，可能没人是游戏家，但是从我的子孙后代开始，人人都会成为游戏家。现如今，世界上就已经有数亿的游戏家了，这意味着游戏仍然有 10 倍的增长机会。游戏作为一项全球的商业有很大的未来前景。
游戏的产值也在飞速增长。在过去的 10 年中，为了能以相当的水平玩《使命召唤》，和 5 年前相比，如今你需要十倍的计算功率。随着 4K、VR、HDR 的出现，科技驱动着工业，产值也就飞速增长。
游戏之所以经久不衰只是因为好玩。你们可能已经知道，游戏现在已经成为一项运动。比起 NBA 总决赛，更多的人愿意看英雄联盟总决赛。我声明一点，长久以来（没人知道有多长久）电子竞技都是世界上最大型的游戏。它可能比足球、游泳都要大型，嗯…我不知道（笑），到底有多大型呢？你想想看，有 1 亿个游戏选手，3.25 亿个人在观看。游戏也是一种社交方式，别忘了，当你的三个朋友都在玩 《守望先锋》，而只有你不玩的时候，那你可能就跟不上他们的节奏了。这和我们平时玩的篮球游戏或者其他事情并没有太大差别。这只是一种社交网络。你朋友中玩游戏的人越多，你知道的游戏玩家就越多，这是一种正反馈系统。
我们也发现，就在过去的几年中，正是 Twitch 开启了这种局面，但不仅限于 Twitch。YouTube 快速发展的模块之一是视频游戏编程。你想要学习怎样打到下一关，你想要看别人精湛的游戏技巧，你可能已经把视频游戏作为接近艺术的平台。你做了令人难以置信的事情，比如拍了一个短篇故事，这时，视频游戏就是你分享胜利、分享瞬间、分享属于你的艺术的方式。因此视频游戏得以快速发展。
以上所有因素，所有驱动力都是基于 PC。这就是 PC 产业快速发展、PC 游戏市场迅速壮大的原因。目前 PC 游戏已经是最大的游戏平台，而且这种势头仍在继续，我们每个人都相当高兴。
第二点，我讲述了家中的人工智能。基本上每家每户都需要一台家用电脑，但是你的家用电脑再也不是你的 PC。你的个人电脑是属于你的，每个人都有自己的个人电脑，再也没有“家用电脑”这个概念了。但是我认为我们还是需要家用电脑。你的家用电脑有很可能是你的娱乐电脑，我们总是觉得 Shield 就是娱乐性电脑，它为家庭提供现代化的娱乐方式。但是随着时间的推移它变得越来越有权力，最终它控制了整个家庭并且连接整个家庭。
最后一点我提到了自动驾驶。我们更新了 Autopilot 平台，如处理器、操作系统以及所有需要的 AI。人们普遍有一个误解，认为智能驾驶可能只用到了一项 AI 技术，但是事实并不是这样的。在未来，AI 将要发展成为许多的 AI，这是开发软件的新途径。深度学习就是开发软件的一种新方法。智能汽车里包含了许多软件模块和能力，将来它们都将由 AI 掌控。
现在我们来分解一下这辆智能汽车的功能，你得把计算平台分解成模块化的部分，再以片状的形式开发它。但是我们希望会有许多不同的 AI。我谈到了感知 AI、驾驶 AI、推理 AI，我在哪？其他人又在哪？对于这些我都能预测。
我也说过 AI 再也不会只出现在智能汽车里，甚至当你在操控智能汽车时，它都会留意你的行为以防出错。在任何时候，你都会有一位完全投入、完全清醒、观察周围环境的副驾驶员。它不仅会一直感知周围环境，还能感知你的行为，如果汽车外面发生了你没注意到的事情它就会提醒你。虽然还没实现完全自动驾驶，但是我们还是有信心做好辅助驾驶的工作。
我主要阐述了这三个基本想法。除此之外，游戏、GeForce 都有有很好的前景。如果你们想问能不能从我说的这篇文章里摘几条分享给大家呢？这是完全可以的，我只是不知道记者的套路是什么。（笑）
Above: Jen-Hsun Huang, CEO of Nvidia, at CES 2017.Image Credit: Dean Takahashi
记者：您说的这个真的要实现了吗？
黄：我说什么都行，对吧？有一条新闻，GeForce 真的要火了。在今年的 CES 上，将会发布 30 个新的游戏电脑笔记本。这已经很多了，30 个新的 GeForce 游戏电脑笔记本。这些笔记本由我们的新品牌 GPU GeForce 1050TI 驱动，这些笔记本轻薄、转速高，获取信息的能力要比小型笔记本电脑 PlayStation 4 好得多。你可以用这个轻薄美观的笔记本玩 PS4 游戏，丝毫不影响其他程序。
同时我们也在宣传令你眼界大开的游戏显示器，世界上第一个 4K 同步 HDR 模型。如果你还没机会看见它，那你一定要看看它。不要犹豫，不要难过。HDR、4K 显示器，一个来自 ASUS，一个来自 Acer。这两者的结合将会诞生你意想不到的游戏显示器。
GeForce 是有无限可能的，我们要把 AI 带入你的家庭生活，要把你的汽车变成智能汽车，要么让 AI 带你兜风，要么让它当你的副驾驶员，没错，这就是我们要做的事情。
记者：比起智能汽车我更期待 AI 副驾驶员，您能透漏一下它何时能够实现吗？
黄：这很难说，这要比实现自动驾驶汽车还要难，我介绍了四种功能，但是目前这四种功能都还没实现。一个成熟的 AI 技术应该能够捕捉到你看的物体，能够看到你的大脑指向的方向，能够读懂你的唇语。我们正在攻克实时人脸识别的难题，有些我们人类很容易、很自然做到的事情，对计算机来说就很难做到了。这款摄像机会放到你的车里监控车里的每个人。
记者：所以实现辅助驾驶需要更多的计算能力吗？
黄：对于这一问题，我们开发了 Xavier，这款超级计算机是意义非凡的。想要做坏视觉追踪很容易，但是想要做好它真的很难。直到目前，我们还没能实现解读唇语，这个想法是我在牛津大学的同事提出来的，不过这确实道阻且长。
Above: Jen-Hsun Huang, CEO of Nvidia, at CES 2017.Image Credit: Dean Takahashi
记者：您是说现在已经终止声音识别研究了吗？
黄：现在我们是两条路都走。但是有时环境噪声太大影响我们的识别，比如你摇下车窗，或者这本来就是一辆敞篷车。但是不管环境多么嘈杂，我们还是可以解读你的唇语，这样就很有意义，对吧？有了 AI 的智能汽车不但能辅助司机，还能够监控周围环境，比如周围的摩托车在什么位置、自行车在什么位置，有没有行人过马路，街道上有没有孩子在打闹，有没有足球冲向汽车前方等等，这些都是随时有可能发生的。即便是不实现完全自动驾驶，实现辅助驾驶也还是很有难度的。
记者：现在英伟达和英特尔、高通的交集越来越多了，也使得芯片市场的竞争愈发激烈，您认为英伟达的竞争优势是什么呢？您认为能在自动驾驶汽车计算市场中脱颖而出的关键因素是什么呢？
黄：首先，这本身就是一个难题，是关于视觉计算问题和 AI 计算问题的。但是对于这两个问题，我们还是十分在行的，我们已经在这个领域研究多年。之所以选择研究这个领域是因为我们擅长这个。在自动驾驶汽车市场还没兴起的时候我们就已经着手研究智能驾驶了。在我们开始研究智能驾驶的前九年，这还是块空白市场，尽管如此，我们还是坚持研究，因为智能驾驶对人类未来的发展有着不可或缺的作用。虽然任重道远，但我相信我们一定会发挥长处获得成功。
如今，智能驾驶有着巨大的市场前景，就像你说的，有许多后来者，但实际情况却是市场上还是没有太多的解决办法。Drive PX 是要生产的，不只是用来演示。现在我们是世界上唯一一家涉及 Model S 的生产平台，上个月才开始输送。我预计我们将成为 level 4 自动驾驶汽车运输生产的领军人物，至少在未来三年内。
记者：英伟达转型成一家人工智能公司还是很有趣的，但是您会因为做人工智能和资源整合的工作而减少游戏和图像的研发投入吗？您会将研发以及人力物力转移到 AI 上而缩小传统经营范围吗？
黄：目前我们确实有许多研发人员专注人工智能领域，但是我们所做的工作都有一个共同点，就是这些工作都基于 GPU 计算。我们研究什么不取决于它是否有市场发展空间，你们应该也了解我了，刚才我已经说过，我们研究什么只取决于三点，那就是这项工作重要吗？这项工作有挑战吗？以及我们是不是擅长做这项工作。我们只做与我们的核心竞争力相符的工作，这也是我们所关注的。
我们所做的工作几乎都基于 GPU 计算。当下，我们的业务主要分成四个领域：游戏、VR、AI数据中心以及自动驾驶。我们只专注于这四件事，别的都不做。目前看来，这四件事已经足够有影响力了。但是由于它的难度所在，也是路漫漫其修远兮。不过可以肯定的一点就是这四个领域都是基于一个基本的东西，那就是 GPU 计算。
这四个领域都用到了两种解决问题的方法，一个是关于视觉，一个是关于智能，也就是人工智能。也许有一天有人会发现想象（即电脑绘图）、智能（即人工智能）和深度学习在某种程度上有相似之处。这两个问题的计算方法是高度相关的。我们想象的能力和解决问题的能力也可能是相似的。我不能说这两个问题有某种哲学关系，但是我敢说这两个问题非常相似。
记者：您在几年前选择做这块市场，如今这个市场如火如荼，您之前有预见过会有这样的转变吗？
黄：我们总是致力于重要的工作。首先要考虑的问题就是“这项工作重要吗？”，自动驾驶是一个很重要的领域，机器人也是，同时也很有挑战。英伟达也擅长做这个领域，因为这涉及到视觉计算和人工智能。虽然我们要花很长时间去实现，但是这却是很有意义的工作。
这个问题的答案是“yes”，是的，我们已经预见了这场转变的发生。这也是我们之所以认为它很重要的原因。但是这确实要花费很长时间，用十年的时间做一件事确实够久了，但是如果是做你感兴趣的事情，那十年也真的就是转瞬即逝。
Above: Jen-Hsun Huang, CEO of Nvidia, at CES 2017.Image Credit: Dean Takahashi
记者：您如何看待自动驾驶汽车在测试中的事故报导呢？比如特斯拉的事故。
黄：对于这件事我真的很遗憾，但毫无疑问的是技术还有很大的提升空间。这也是我们投入这么多精力去研发的原因。自动驾驶的问题其实是 AI 的问题，我认为目前这项工作还没完成，这也是我们致力研究它的原因，很显然，还有很多问题亟待解决。
记者：针对这一问题，市场面临的一个挑战就是包括英伟达在内的众多公司都在宣传自动驾驶即将面向大众，但是大众也很迷惑，自动驾驶到底何时会普及呢？特斯拉也许要面临更多的问题，如何解释他们所做的工作呢？在您的观点中，大众应该如何受启发呢？或者说我们应该怎样平衡过去和未来？我们能做什么，不能做什么？
黄：首先，大家都能够很好地控制这个局面，这句话别记下来（笑），显而易见，我们之所以讨论这件事，人们之所以对这个感兴趣，都是因为运输有着重要作用，这也是社会的结构，网络推动信息的传递，运输推动事物的发展。我们需要事物发展下去，这很有趣吧，当然，自动驾驶也能体现出我们浪漫的一面，我们都热爱汽车，这样写就很有趣吧？
我想你们有一个严肃的问题，那就是我们怎么才能知道还要多久才能实现，我想大部分人应该对他的汽车性能没有疑问，因为他们最早昨天才有可能读到这篇新闻，所以不会一回到家就对自己的爱车说：“来吧，自己开起来吧。”他们知道自己的汽车还不能自动驾驶。我平时就开 Model S，我可以负责任地告诉你，有了它保驾护航，我的安全性真的提升了不少。
记者：我想问题在于辅助驾驶和自动驾驶之间，似乎每个人都更关注自动驾驶，然而辅助驾驶却更实用。
黄：你说的问题正是我说的问题，我认为一辆自动驾驶汽车首先要考虑的就是规划路线，这辆汽车内部已经有一台可以联网的电脑了，当你说“我想去这”的时候，它就会规划路线，就像飞机那样，像我们每个人都会做的那样。它所规划的路线中的一条、几条甚至是全部路线都应该是全自动的，如果能做到这一点，那就有可能实现自动驾驶。
如果有几条路线不能自动规划，它应该告诉你，并且它有许多不同的方式告诉你。我们说过，即使不能实现完全自动驾驶，它至少也应该能够辅助驾驶。因此，这个 AI 汽车的概念就超过了“自动驾驶汽车”含义的范围。这就是我为什么叫它 AI 汽车，而不是自动驾驶汽车的原因。我认为 AI 汽车应该有两个基本功能，第一，能够为你驾驶，第二，能够辅助驾驶。我想我们可以明天早上公布这个想法，这对于整个社会来说是一个巨大改善。但是我们得加速完成这项技术。
Above: Nvidia has partnered with Audi on AI cars.Image Credit: Dean Takahashi
记者：英伟达已经宣布与汽车业的合作，那么英伟达想在这种合作关系中扮演什么角色呢？只是作为硬件供应商吗？还是想在系统中雄踞更重要的位置？
黄：可能我们的设想没有你们想象的那么宏伟，我们的初衷只是解决问题。世界上有许多的汽车，许多的汽车制造商，许多的汽车服务商，有卡车、航天飞机、货车、公共汽车、各种各样的汽车，对于这些不同类型的汽车不能都用一把尺子解决问题，要具体问题具体分析。
以航天飞机为例，它的路线是有范围限制的，服务的弹性不会没有区间限制。这种情况你就可以得到更多的地图数据。但是如果是私家车的话，你就可去任何地方，你可以开着你的奔驰去班加罗尔市中心，就像去山景城或者上海一样容易。由于这种汽车面临的挑战不一样，它们的功能就会有所不同，限制因素也会有所不同。
虽然我们常说具体问题具体分析，但是 AI 的计算平台却是通用的。就像每台电脑都不一样，但是计算平台内部的处理器、操作系统、AI 可能都是类似的。我们的策略是创造一个新的计算平台，就是我们所谓的英伟达 AI 汽车平台。与设备制造商合作的时候，这个平台就派上了用场，它会为设备制造商、汽车公司、飞机公司等所用。
记者：昨天您向我们展示了 Shield，并且展示了它是如何与谷歌助手（Google Assistant）联合应用。为什么 Shield 能独立完成工作的时候还需要谷歌助手的助力呢？
黄：事实证明，谷歌助手真的很给力。谷歌助手有两部分，或者说三部分，都是很有难度的。其中一部分是语音识别与合成，即自动语音识别和文本与语音之间的转换。其中最重要的是自然语言理解，即“我说的”与“我所指的”之间的理解。如果我只说：“打开”，那么我可能要打开任何东西，但其实我想要打开的东西很可能是我刚才提到的东西，这就需要结合语境进行理解。AI 的自然语言理解很复杂，这也正是谷歌助手在完成的事情。另一部分就是搜索引擎，搜索这一功能也是必不可少的，正如你所知的，谷歌在搜索引擎这一领域绝对是数一数二的。
当你用谷歌助手的时候，你会习惯助手的功能。我们一旦开始学习如何使用某一助手，这个助手的功能、优势、弱势和特性都会被我们所了解，久而久之，人们就会适应这个助手的功能，而不会再去学习使用其他助手。这就跟我们习惯跟彼此都了解的同事一起共事是一样的道理。
Above: Jen-Hsun Huang, CEO of Nvidia, at CES 2017.Image Credit: Dean Takahashi
记者：您刚才提到所有的问题都是 AI 问题，而 AI 问题又很难解决。行业里的翘楚都在紧盯着这块蛋糕，那将来那些相对规模小一点、实力弱一点的公司如何能够紧随其后，并且能够在这行业里分一杯羹呢？
黄：这对于初创公司来说是一个关键时期，如今我们与 1500 个初创公司合作，我们从来没跟这么多的初创公司合作过，这绝对是史无前例的。
“所有问题都是 AI 问题”这种描述是不够准确的，准确的说法应该是，“以前我们想解决的许多难题都是 AI 问题。”以前我们卡在了感知、世界观察、模式识别环节上，直到深度学习的出现这些问题才得以解决。识别信息就是，我现在看见了什么？外面正发生着什么？对于人类来说识别一条信息很容易，但是对计算机来说就不是这般容易了。
有了深度学习，我们就能够解决这些问题。一旦应用了深度学习，输出就是元数据，也就是计算机数据。有了数据我们就知道如何使用它，如何把它跟计算机联合应用起来。AI 可以解决我们以前都解决不了的问题。
再说到初创公司，你开始发现 AI 平台被放到了云端。一旦AI 被训练之后，这些感知层就变成了 API，声音识别 API、图像识别 API或者声音合成 API，这些 API 都是可以云端同步的。可以把它们和我们自己的应用连接，也可以写入新的应用。现在这些初创公司就可以使用这些云端服务，可以是 Watson，也可以是微软识别服务。
记者：如果我是一家初创公司，我的核心价值就是我掌握的数据，但是如果我泄露了这些数据，您会如何处理呢？
黄：人们都把数据比作原油，但是事实上我们都有自己的生活经历，这才是关键所在，这些云端服务公司没有全世界所有的数据。英伟达是设计芯片出身的，我们掌握这些芯片的许多数据，这是我们公司的内在核心。如果新来一个人的话，那么他就有许多他曾经居住环境的气流温度信息，他有许多那个地区气候的数据，这些数据不属于亚马逊。比如你在法国有一片葡萄园，那么它的土壤和独特的气候信息就是存在于那里的，这些信息不可能通过谷歌获得，这是属于你自己的数据。
最终这些数据可以被好好利用。我们要相信一点，不是所有人的数据都属于这些云端服务，我们有自己的数据。你要知道，有了 AI，只会让这小生意慢慢壮大起来。比如啤酒厂，现在我们都可以看见人们应用 AI 酿造啤酒，他们有许多酿造啤酒的数据，这些数据是不会通过亚马逊获得的。这些数据不属于谷歌，而是属于他们自己，但是他们可以通过 AI 引擎，利用这些数据发现一些新点子。
这正是初创公司发展的大好机会。
记者：我们再来谈一下 Shield 和 Spot 吧，您看到这两者之间的相互影响了吗？有了大众对这两者的影响您还能提升这些产品吗？还是说它的目标就是谷歌？
黄：我们没有打算收集任何数据，我们会使用 Shield 的局部处理和全部感知能力，因为房间里遍布许多 Spot。当这些 spot 嵌在墙体中时，不需要通电，它们就能把声音的来源分开，并很好地识别出声音。我们会在 Shield 上处理声音数据、声音信号，这个处理过程就是深度学习网络完成声音合成和声音识别的过程，很快就能把信息发送到云端。
声波和声音数据留在了 Shield 上，但是说出来的话发送到了谷歌云端。
记者：您现在已经把这些新特点都加到了 Shield TV 中，您觉得它与任天堂的 Switch 有明显的差别吗？下一步你打算不做什么呢，比如更多的平板电脑工作？Switch 在某种程度上是否适用于 Shield TV 系统呢？
黄：任天堂的 Switch 是一个游戏的操控中心，整个游戏体验都将符合任天堂的风格，基于这家公司的美感、制作技巧以及哲学理念，他们确信这种游戏体验一定会让你耳目一新，尤其对于儿童、青少年都是安全的。他们精湛的制作技术绝对是值得你青睐的，不夸张地说，你们一看到 Switch，我相信你们都会为之倾倒。真的是太棒了，虽然这跟 AI 没什么关系。
Above: Nvidia Shield TV set-top box.Image Credit: Dean Takahashi
记者：您刚才解释了利用 Spot 收集数据的过程，您能保证这种外接的环境不会造成黑客获取用户数据或者其他个人隐私问题吗？
黄：我知道我们的网络安全保护措施也没有更高超，但是黑客的技术也并没有提高，因为你是在跟设备对话。网络安全环境还需要提高，我们传输的数据也仍需要加密，在做这这些工作的时候我们仍需要复杂的密码。这和蓝牙没有什么差别，所有的传输文件都需要加密。现实状况没有太大的改善，网络安全也同等重要。
记者：但是在智能家庭中越来越多的连接设备使这个问题似乎越来越严重，您认为业界能够保护所有数据吗？
黄：这也是全连接世界所面临的挑战，也许我回答不了你的问题。
记者：我之前也看过您很多场演讲，看您总穿同一件夹克衫，（笑），在英伟达迅速发展一路走到今天之后，您觉得您自身是处于一个什么样的位置呢？
黄：众所周知，我们已经进入了计算的全新时代。当我们进入工业时代的时候，大型主机、小型计算机、客户端服务器开始走向衰落，个人电脑开始兴起，于是 PC 工业时代来了，随后互联网兴起，移动电话兴起，这几个阶段大约持续了 10 年或者 15 年。在过去的 10 年或者 15 年期间，技术已经炉火纯青，现在已经进入了人工智能时代。
正如你所知，人工智能，是人们长久以来对电脑潜力的一个梦想。正是由于 GPU 使得深度学习成为可能，我们第一次目睹新工具吹响了 AI 时代的革命号角。我们身处其中，我们在这个新计算时代的舞台中心，我们之前 25 年的工作从未变得如此重要。身处 AI 革命的舞台中心是我们的荣幸，我们也从未停止脚步去探索更多的发现。
记者：AI 汽车将要与世界的其他部分相连接了吗？谷歌助手的到来是否会为他们在汽车界的发展空间带来更强的竞争力呢？您打算把 AI 带入到生活的其他方面去吗？
黄：如果你看了我的图表，在右上方你就会看见列出来的 AI 助手，它可能是 IBM Watson,、Microsoft Cognitive Services、Cortana 或者 Google Assistant，汽车可以和许多 AI 助手相连接。自然语言理解是需要随时运行的，因为汽车需要迅速和你取得联系。当你开车的时候，你肯定不希望发出一个指令后，还要耐着性子等汽车反应过来，你需要它能够快速听懂你在说什么。
然而，这个助手本身，也就是信息的 AI，会一直在云端，作为一名顾客你有自己决定的权利，我是要这个助手还是换一个？汽车制造商应该提供这样选择的机会。
Above: You can preorder Nvidia Shield TV for $200 for the 16GB version or $300 for 500GB.Image Credit: Nvidia
记者：作为您的合作伙伴，您看到德国领先的自动驾驶技术了吗？您认为美国、日本、中国有机会赶超吗？
黄：中国和日本发展得很快，对此我们还没作任何表态。正如你所知，如果有一个国家能从 AI 获益的话，那毫无疑问就是日本了。AI 是未来机器人的核心技术，机器人工艺制造的中心仍在日本和德国，他们是自动化工业的中心，这两个行业都从 AI 获得巨大收益。我认为，在未来，日本和中国将在 AI 中取得非凡的发展。
记者：目前英伟达在 GPU 和自动驾驶市场中都做得风生水起，但在任天堂的控制中心上却是刚开始起步，您为什么觉得有必要开发新的 Nvidia Shield 呢？是作为新家庭娱乐设备来开拓客户市场的一种方式吗？
黄：我们开发 Shield 是因为我们认为家用电脑市场、家庭计算平台会掀起一层巨浪。曾经人们一度认为个人电脑就是你家的 PC，但是那只有你坐在家里时那才是你的个人电脑。我想个人电脑再也不是这个含义了。当我们都离开家，并且都随身带着电脑，房子就空了，家里没有电脑，我时常觉得房子里应该有台电脑，就像汽车一样，电脑会在家里做各种好玩的事情，可能会有娱乐项目，可能会跟你交谈。昨天我们谈到了 AI，目的就是能够控制智能家庭，它会自然地跟你交谈，我们都认为有必要开发这样的电脑。
问题是如何开发这样的电脑呢？我曾经认为安卓和与云端连接会是一个完美的办法，而且计算模型足够成熟。长久以来，我都认为 AI 十分重要，所以我觉得 Shield 是一个好平台来完成这项工作。Shield 平台背后的理念是十分必要的，这比其他事情都更加真实。
记者：昨天我们看到了植入 AI 技术的冰箱，您认为对于家庭中的人工智能的外观因素是什么呢？这也会成为个人应用的一部分吗？
黄：我认为你的家用电脑很可能和你家里最大的显示屏（通常是电视）相连接，有的人家可能会把家中唯一的显示屏放在有趣的地方，但是你想看、想控制的东西实在太多了，你可能会通过小的显示器、家周围的监控器或者和家人的视频聊天获得信息。
Above: Nvidia CEO Jen-Hsun Huang at CES 2017.Image Credit: Dean Takahashi
记者：我们还没谈到您的游戏计算云平台 GeForce Now，我试过 Grid，它在许多不同的平台上都很有效果。您打算如何从其他平台中撤离出来呢？您是打算自己建立数据中心还是和其他公司合作呢？您如何能将潜在风险降到最低呢？
黄：首先，问题的答案是肯定的，我们会跟许多人合作，现如今建立一个数据中心可是比从前容易得多，目前我们拥有全世界的 GPU 和云端服务。亚马逊有 GPU，微软也有，谷歌也有，我们可以在数据中心内部用我们自己的 GPU 控制软件，可以驻地并建立不同类型的数据中心，高度调整 GPU 数据中心。也可以做一些有新意的事情，目前世界各地到处都是云端数据中心，几乎成了一种商品。
Above: Nvidia.Image Credit: Dean Takahashi
记者：为了能够壮大您在自动驾驶方面的市场，与像 Bosch 这样的供应商的合作关系对您来说有多重要呢？
黄：超级重要。自动化产业的供应链很特殊，汽车的原始设备商提供视觉效果、构架，有些还提供工程技术支持，但是你知道有许多工程工艺是由其他部门完成的。现在，我们与世界上最大的 Bosch 合作，它是 ZF 中的世界五大之一。这是前所未闻的。你再想想其他平台，为他们提供支持的都不在世界前五中。英伟达平台在原始供应商的支持下已经变得越来越自信。
记者：我们再回到 GeForce Now，现在它已经能在 Mac 上正常运行了，我很好奇您和苹果的关系，您和苹果的合作关系现在是什么程度呢？您还会与苹果进行其他产品的合作吗？
黄：我们与苹果公司的关系很好，但是这是一个开放平台，只是一个网页服务，关于这个问题我没有其他想说的了。
记者：尽管 Cuda 的编程能力很吸引人，但是有人还是建议可以将应用中的神经网络和像训练这样的其他工作负荷，应用于定制芯片中，无论它是 ASIC、半定制部件、特定于应用程序的标准部件还是 FPGA。您有思考过工作负载如何通过 GPU 移动吗？
黄：首先，GPU是定制芯片，我们已经快速改进了 Cuda，对于不同的工作负荷它都能很好的应对。Pascal 是我们用于深度学习、第一个投入大量精力改造构架的 GPU。我们实际做的比你所看到的还要多。
GPU 只是一种定制芯片，我认为像深度学习这样的工作负荷来说，通用的处理可能不太适合，因此为了能完成深度学习，我们优化了 GPU，并完善了 Cuda 的定制功能。
记者：我想问一下您关于公司的企业文化方面，您是如何选择关注您解决的问题并让您的员工预见到这些问题的呢？您觉得英伟达的特点是什么？
黄：很多人认为英伟达是世界上最大的初创公司，我也认为英伟达有很多创业公司的特点，你想要跟着公司一起实现梦想，一起思考未来，那么你就得不断尝试，不断试验。如果你尝试了，失败了，而这时你的上司、你的朋友、你的同事都要责备你，那你可能就不会再一次尝试。
而在英伟达绝不会这样，我们接受偶然的新想法，如果他们自己没做出来，我们就会吸取经验继续向前。企业文化是什么呢？我不知道还有什么比它更神奇。我们只是一群想要做出点成绩出来的人。我们更倾向于做自己擅长做的事情，不会因为这件事情有很多人在做、有巨大的市场前景我们就去做。我们只会挑自己有把握做成的事情去做，如果你加入了一家这样的公司，你就会发现很多可做的事情。
Above: The Nvidia headquarters is full of triangles, the basic building blocks of 3D graphics.Image Credit: Dean Takahashi
记者：在自动驾驶和 AI 应用方面，相比于 CPU，您认为 GPU 最重要的优势是什么呢？
黄：CPU 和 GPU 是两个不同的东西，这两者电脑都需要，就像盐和胡椒，CPU 是用来指示处理的，GPU 是用来处理数据的。CPU 处理速度很快，而 GPU 能够快速处理大量工作负荷。这就好比一架喷射机和一架战斗机，一个伸手敏捷，一个高流通量。如果我想移动大量负荷，那我就要选一个有大引擎的飞机，这就是 GPU。这两种处理器很有大的差别，这取决于你的目的是什么，这是一辆卡车，那是一辆摩托车，想要速度那就选摩托车，想要高通量，那就选卡车。
记者：对于 AI 计算，相比于边缘设备，云端有巨大的能力。对于计算模型的未来，您觉得哪一方面会有所衰退呢？
黄：实际上，我认为边缘设备可能会发展起来，当然，云端已经成长得很快了。为什么边缘设备会发展起来呢？因为我们可以把小的网络系统、人工网络放在边缘，这样边缘设备就会非常智能。通过 AI，把边缘设备更加智能化，我们必然会事半功倍。你可以和机器人交流，并且延迟很短。另一方面，这样也会减少云端所必需的宽带数量。
我们得减少云端的数据量，现如今我们就已经有数十亿的设备，将来我们就会有数万亿的智能设备，它们不能都上传到云端识别，如果你想要部分识别的话，你只能上传元数据到云端。
记者：我想近几年 AI 成功的背后肯定离不开数十年来不计其数的失败，难道为了能够推进， AI 这么多年来一直在等待这个突破口的到来？
黄：一部分是命运使然吧，一部分是幸运。为什么说命运使然呢？我们开发了一种非常擅长处理数据并且有高通量计算能力的处理器，同时，深层神经网络方法的计算能力非常强。在某种程度上，这种算法简单明了，但是只有通过大量的数据训练它它才有效，这时就需要一个巨大的计算引擎来支撑。
这两者结合到一起的时候，就是我所谓的幸运。但是深度学习的好处是它有丰富的功能，唯一的缺点是内部需要大量的计算。这就是为什么我经常觉得深度学习和 GPU 的结合就像是命运撞上了一点运气。
深度学习真正炫酷的地方在于它的模型是便携式的，一旦你理解它，开始使用它，你就将人工智能从艺术形式转变成工程形式。这也是开始使用深度学习的公司数量激增的原因。就像你能把你的手放在周围并且恰到好处地使用它们，也是一种能力。就像 40 年前，当我们能够自己设计芯片的时候，大量的公司都开始自己设计芯片。
有了深度学习这个工具，你就可以通过这个算法、平台来训练人工智能网络，因此，这些公司也随着深度学习这股潮流蓬勃发展起来。
正在生成分享图...
高秀松