Jensen Huang 与 Joel Hellermark：AI、计算与领导力

Joel Hellermark 问 Jensen Huang 何时开始相信深度学习。Huang 回忆，准备参加 2012 年 ImageNet 竞赛的研究者寻找 Nvidia GPU 及神经网络编程支持；他们工作的效果促使他思考能扩大到什么程度。

Huang 将深度学习既视为解决难以明确规定问题的算法，也视为不同的软件开发方式。他说，这一认识促使 Nvidia 重新思考计算，类似的想法后来被称为“软件 2.0”。

讨论 Transformer 时，Huang 说研究者已将这种架构用于文本、视觉和音频。他认为结合不同模态可以改善感知：描述条纹的文字可能帮助模型将斑马与马联系起来。

他提到摄像头、雷达和激光雷达的传感器融合，以及言语与手势相互澄清含义的方式。他预计多模态模型将更强大、更稳健，但这些是预测而非保证。

Huang 认为模型可以从语言中学习对物理现象的描述，而直接的感官基础能增加细节。对于机器人，他提出用模拟物理反馈将学习到的行为与物理约束联系起来。

他将 Nvidia Omniverse 描述为机器人数字孪生的模拟环境，并将模拟物理反馈与用于对齐的人类反馈作比较。这种比较描述的是一种训练思路，并不证明模拟能够完美再现现实。

被问到现有架构能否持续扩大时，Huang 说自己不了解足够多的科学细节，无法预测极限。他推测显式规则和符号推理可以补充从数据和经验中学习。

Hellermark 问，在能力强得多的 AI 身边，人还能扮演什么角色。Huang 说，他已经与在特定技能上远超自己的人共事，并希望更广泛获取智能能放大人的专业知识与热情。

Huang 认为自然语言界面可能让不懂编程语言的人更容易使用计算机。他希望这能缩小数字鸿沟，并举出孩子用提示词创建程序和图像的例子。

Huang 说，Nvidia 使用 AI 探索芯片设计方案。工程师选择权衡目标，例如关键路径速度或重复组件的能效，系统再按这些目标搜索大量可能设计。

被问到 AI 应用如何建立护城河时，Huang 强调深入理解客户领域和处境。通用能力强的模型仍可能需要了解行业背景、具体问题以及相关人员。

Huang 指出 Nvidia 使用 AI 的三个方向：改进产品设计方式、改变产品功能，以及增强公司内部工作。他以 AI 辅助芯片设计和软件开发作为第一类例子。

在产品方面，他介绍使用学习得到的图像重建来推断图形中的缺失像素。他将效率提升归因于硬件与大型计算系统训练的模型相结合；具体比例反映的是他在 2023 年的描述。

在内部运营方面，Huang 设想助手连接员工、市场需求与供应链之间的信息。他将其作为增强工作、发现人们可能漏掉的信号的长期愿景。

谈及风险与机会时，Huang 说变革性技术既会造成冲击，也会创造新行业。他认为转岗培训对受影响的劳动者很重要，并预测会出现提示工程等新角色；这是 2023 年的预测。

他呼吁在提升能力的同时投资 AI 安全，并以自动驾驶作类比。他列出防护措施、人类反馈对齐和检索支持信息作为语言模型可能使用的组成部分；这些都不能保证输出正确。

Joel Hellermark 问 Jensen Huang，管理 Nvidia 的同时如何跟上技术发展。Huang 归功于愿意教他的优秀同事，并说自己有意识地努力当一个好学生。

Huang 说，Nvidia 的工作涉及自动驾驶、气候和数字生物学等领域。科技企业的领导者需要充分理解技术基础，才能区分根本性转变与旁支发展。

他以生成对抗模型、变分自编码器和扩散模型之间的联系为例，说明一个领域的洞见如何启发另一个领域。当解决方案需要多年才能建成，而技术基础又快速变化时，技术直觉尤为重要。

谈到管理方式时，Huang 说自己从第一性原理出发：组织的目标、输入与输出，以及所处行业的条件。他说 Nvidia 的使命是解决常规方法几乎无法处理的计算问题。

Huang 希望公司足够大以做好工作，同时尽可能精简，吸引愿意解决难题的人。为了赋权员工并加快信息流动，他偏好扁平结构，而不是自上而下的命令控制。

他说自己有很多资深直接下属，不与他们定期进行一对一职业辅导。他的理由是这些领导者熟悉自己的领域；他会向团队同时传达战略方向，并根据反馈完善。

Huang 认为，共享信息和扁平结构使公司更敏捷。他说 Nvidia 以整体协作而非独立事业部的方式组织，结构围绕加速计算形成。

Hellermark 问 Huang 的领导方式如何演变。Huang 说，遇到不同意见时他可能很直接，也会花时间解释决策背后的推理，让同事了解他如何权衡不同方案。

Huang 说，会议并不限于特定职级：刚毕业的员工和不同团队的专家都可以参加。两位嘉宾都重视让最接近问题或最有专业知识的人参与。

Huang 不依赖传统状态报告，而是邀请员工通过“最重要的五件事”邮件分享观察、工作或所学。他说通常每天早晨会读约一百封；内容不必全部是正式工作汇报。

他说信息从员工流向领导层，而非由中心发布清单影响大家汇报什么。抽样阅读这些邮件帮助他判断员工实际在做的事，是否与公司所说的战略一致。

Huang 说，Nvidia 持续规划，而不是依靠定期的一年或五年计划。按照他的说法，目的在于随着环境变化作出调整，同时让组织对正在做的事情保持一致。

Hellermark 问如何相信与常规相悖的直觉。Huang 说，要从明确的假设出发推理。他以未来数据中心像工厂一样处理数据、生产智能的愿景为例，说明如何从技术前提出发推演。

Huang 说，坚定信念必须伴随改变想法的意愿。他描述了公开承认错误、反复调整计划的做法，而不是为错误的长期承诺辩护。

Hellermark 问领导者如何让员工完成毕生事业。Huang 说，领导者的使命是为他人创造条件，首先要选择有意义的问题，而不是安排同质化工作。

Huang 说，公司不会把市场份额作为讨论中心；在他的理解中，围绕可互换产品竞争意味着优秀人才在重复已有工作。这是他所表达的管理理念，并不意味着 Nvidia 没有市场竞争。

他说，退出同质化业务可以强化这一信息：员工应该解决新问题。在他看来，选择正确的工作和离开不合适的工作，都是创造良好环境的一部分。

最后，Huang 强调信息获取和减少等级壁垒。他认为，团队之间保持透明，让刚毕业的员工也能在会议上贡献意见，有助于让赋权真正落地。