黄仁勋谈通用机器人、AI 员工与科学

Matthew Berman 回顾 NVIDIA CEO 黄仁勋在 No Priors 的访谈片段，该访谈录制于这段 2025 年 1 月视频之前。黄仁勋表示，他看到了人工通用智能和更通用机器人技术的进展。这是他的预期，而非证明这两种能力已经实现的结论。

Berman 将访谈与黄仁勋在 CES 2025 的主题演讲及其对人形机器人的乐观看法联系起来。NVIDIA 在该活动中推广了物理 AI 和机器人技术。不过，关于广泛部署的预测并不能证明通用机器人已经能够在所有环境中可靠运行。

黄仁勋询问，生成人伸手拿杯子的视频，是否可以与生成机器人的动作联系起来。Berman 将这一思路解释为把信息或动作表示成 token，让模型预测接下来会发生什么。仅有表示方式并不能解决感知、控制、安全以及模拟与物理执行之间的差异。

黄仁勋将自动驾驶汽车和人形机器人称为有前景的例子，因为它们可能在现有的“棕地”环境中运行。Berman 解释其吸引力：道路和建筑已经围绕汽车和人而建，因此这些形式或许能避免部分重新设计。

Berman 列举 Figure、Unitree、Boston Dynamics 和 Tesla 的人形机器人工作，预计这一形式会很重要。人形机器人可能适合某些空间和工具，但视频声称只需很少的进一步适配是一项预测，并不能证明现有系统已能在这些环境中可靠运行。

黄仁勋表示，世界是为车辆和人建造的，这使它们的形式成为具身机器人技术有吸引力的起点。他还转向数字智能体。Berman 认为，这些机会的规模可能有助于解释人们为何同时关注自动驾驶汽车和人形机器人。

Berman 披露了与 Emergence AI 的付费合作，并推广其多智能体编排产品。他介绍该产品所称的能力，包括浏览网站、处理表单和提取文档，以及托管和私有云选项。这些是视频中的赞助商说法，并非对可靠性或安全性的独立验证。

在访谈片段中，黄仁勋预测组织将同时拥有人工和 AI 员工，通过提供上下文分配任务并对结果进行迭代。他设想营销、设计和供应链等数字角色，并表示希望 NVIDIA 在人员和人工智能能力两方面都能增长。

Berman 认为智能体入职是一个实际挑战。他建议自动向智能体提供相关业务目标、约束、文档和工具，而不是每次重复提供上下文。他预计智能体可以在几分钟内入职，这是提出的工作流程，而非经过测量的保证。

转向科学话题时，Berman 描述一种假设：AI 最终可能开展研究、改进自身设计并加速进一步进展。他将其与 Leopold Aschenbrenner 提出的智能爆炸情景联系起来。这种递归加速具有推测性，不应被视为已观察到或不可避免的轨迹。

黄仁勋认为 AI 和机器学习已经在影响各个科学与工程领域的工作，并预测这种影响将大幅扩大。Berman 指出从早期迹象进行推断的重要性，但未来影响的广度和时间仍是黄仁勋的预测。

黄仁勋回顾了与 Alex Krizhevsky、Ilya Sutskever、Geoffrey Hinton 等研究人员有关的早期计算机视觉工作。Berman 提到 2012 年提出的 AlexNet，并解释用于图形处理的 GPU 并行计算如何也能加速神经网络计算。

Berman 称赞黄仁勋认识到 AI 的潜力并据此调整 NVIDIA 的方向。黄仁勋表示，公司看到早期成果后改变了做法，并描述了随后几年图像识别的进展。Berman 对黄仁勋远见的评价属于评论，并非对单个人贡献的衡量。

黄仁勋预测，生成式 AI 将在几年内成为科学和工程各领域的基础。他认为计算技术栈及软件编码知识的方式正在改变。这一广泛说法是前瞻观点，并不能证明未来每篇论文或每项突破都会依赖生成式 AI。

Berman 将这一论点延伸到软件：他设想更多代码由 AI 编写，最终界面或游戏行为也会动态生成。他以类似 Doom 的生成式演示为例，但这并不能证明所有软件已经可以按这种方式运行。

他设想数据库保留真实依据，而上面的软件层按需生成。这是他对未来架构的推测，正确性、安全和可靠性等问题仍未解决。黄仁勋最后表示，计算方式的变化将影响他合作的初创公司、科学家和工程师。

Berman 总结说，黄仁勋的观点在 CES 之后仍然有意义，并鼓励观众思考机器人、智能体和科学工具可能如何发展。视频观点及日期反映的是 2025 年 1 月的讨论，而非当前部署情况或能力的清单。