前脚阿尔特曼刚被曝要筹7 万亿美元，与英伟达争雄，重塑全球半导体格局。后脚老黄还真回应了：老伙计，夸张了哈。
具体发言嘛，还带了点阴阳美学（手动狗头）：
（7 万亿美元）显然能买下所有 GPU。
如果你假设计算机不会变得更快，可能就会得出这样的结论：我们需要 14 颗行星、3 个星系和 4 个太阳来为这一切提供燃料。但计算机架构仍在不断进步。
简而言之，黄仁勋认为更高效、更低成本的芯片会持续出现，而这将使得阿尔特曼的这种“7 万亿美元”大规模投资变得不那么必要。
不过话说回来，老黄倒也没把话说死。他也强调，AI 领域的投资增长不会在短期内停止，还预测：AI 数据中心的规模会在五年内翻番。
实际上，打从阿尔特曼的 7 万亿消息曝出，网友们也没少吃瓜。根据 Gartner 预测，2023 年全球半导体行业的总收入是 5330 亿美元，7 万亿美元是这个数字的 14 倍。
网友测算，这些资金不仅足以一口气吞并英伟达 + 台积电 + 英特尔 + 三星 + 高通 + 博通 + AMD+ASML 等等等一系列半导体头部公司，剩下的钱再买个 Meta 还都绰绰有余。
那么这一次老黄具体还分享了些什么信息，如果你感兴趣，以下奉上文字记录~
（Kimi 和 ChatGPT 整理，人类编辑协助）
主持人：我想从一个一直存在我脑海中的问题开始，7 万亿美元能买多少 GPU？
黄仁勋：显然，所有的 GPU。
主持人：我很想向 Sam 提问这个问题，这是一个非常大的数字（笑）。谈到雄心，我们并不缺乏雄心壮志，但今天的政府面对人工智能，应该如何规划？您有什么建议？
黄仁勋：首先，这是一个令人惊叹的时代，因为我们正处于一场新的工业革命的开始，过去蒸汽机、电力、PC 和互联网带来了信息革命，现在是人工智能。
前所未有的是，我们正在同时经历两种转变：通用计算的结束和加速计算的开始。
就像以 CPU 计算作为所有工作的基础，在今天已经不再可行。原因是，从我们在 1964 年发明 CPU—— 即 IBM System 360 发布的那一年算起，已经过去了 60 年。我们实际上已经依靠这一波技术浪潮前行了整整 60 年，而现在，我们正处于加速计算的新起点。
如果你想实现可持续的计算、能源高效的计算、高性能计算、成本效益高的计算，就不能再依赖通用计算。你需要专门的特定领域加速，这就是推动加速计算增长的基础。它使得一种新型应用 —— 人工智能成为可能。
问题是，什么是因，什么是果？你知道的，首先是加速计算使得新型应用成为可能。今天有很多应用都在加速。
现在我们正处于这个新时代的开始，接下来会发生什么？
目前，全球数据中心的总价值约为 1 万亿美元。在未来 4-5 年里，这个数字将增长到 2 万亿美元，这些数据中心将成为全球软件运行的源动力。所有这些都将是加速的，这种加速计算架构非常适合下一代软件，即生成性人工智能。这就是目前正在发生的核心变革。
替换通用计算的过程中，要记住架构的性能也在同步提升。所以不能仅仅假设你会购买更多的计算机，还必须假设计算机会变得更快。因此实际需要的计算资源并没有那么多。否则，如果你假设计算机不会变得更快，可能就会得出这样的结论：我们需要 14 颗行星、3 个星系和 4 个太阳来为这一切提供燃料。
在过去 10 年里，我们做出的最大贡献之一，就是将计算和人工智能推进了 100 万倍。所以，无论你认为驱动世界的需求是什么，都必须考虑它将以 100 万倍的速度更快、更高效地发展。
主持人：对于 AI 接管世界的恐惧，我认为我们需要澄清哪些是真实的，哪些是炒作。您认为目前最大的问题是什么？
黄仁勋：非常好的问题。首先，我们必须安全地发展创造性的新技术，这是绝对正确的。无论是飞机、汽车、制造系统、医学，所有这些不同的行业在今天都受到严格监督。这些监管必须扩展、增强，去考虑 AI 将通过产品和服务来到我们身边的情况。
现在，有些利益集团试图吓唬人们，将 AI 神秘化，以阻止其他人对这项技术采取行动。我认为这是一个错误，我们希望普适化 AI 技术。
如果你问我去年最重要的 AI 事件是什么，我认为是 Llama 2，这是一个开源模型。或者 Falcon，另一个优秀的模型。还有 mistral 等等。所有这些技术都建立在透明度、可解释性之上。因为这些开源模型，安全、对齐、护栏、强化学习等诸多不同的创新成为可能。
让大家都加入到 AI 的进步之中可能是最重要的事情，而不是去说服人们 AI 太复杂、太危险、太神秘，世界上只有两三个人能做到，我认为后者是一个巨大的错误。
主持人：您认为下一个 AI 时代还会继续建立在 GPU 之上吗？您认为未来会有什么突破？
黄仁勋：实际上，世界上几乎所有大公司都在做内部开发。谷歌、AWS、微软、Meta 都在制造自己的芯片。
英伟达 GPU 会被关注是因为这是唯一一个对所有人开放的平台。
一个统一的架构涵盖了所有领域。我们的 CUDA 架构能够适应任何新兴的架构模式，无论是 CNN、RNN、LSTM，还是现在的 Transformer。现在，Vision Transformer、Birdseye View Transformers 等各种不同的架构正在被创造出来，所有这些不同的架构都可以在英伟达 GPU 上得到发展。
主持人：AI 的特点是它在很短的时间内经历了很多演变，所以，五年前使用的基础设施与今天使用的基础设施可能非常不同。
但老黄的观点非常重要，即英伟达始终占据一席之地。
主持人: 接下来让我们换个话题，暂时不谈 AI，谈谈教育。站在技术的前沿，人们在教育方面应该关注什么？人们应该学习什么，又应该如何教育自己的孩子？
黄仁勋: 哇，这是个好问题，但我的回答可能听起来（和人们的印象）完全相反。
你可能记得在过去的 10 年、15 年里，几乎每个在正式场合回答这个问题的人都会说，计算机科学、编程是每个人都应该学习的。
但实际上，情况几乎完全相反，因为我们的工作是创造计算技术，使得没有人需要（传统意义上的）“编程”，让世界上的每个人都成为程序员。
这就是人工智能带来的奇迹。这是我们第一次缩小了（编程的）技术鸿沟，让更多的人可以参与人工智能，这就是为什么几乎所有的地方都在谈论人工智能的原因。
因为这是第一次，公司里的每个人都可以成为技术专家，现在正是技术鸿沟已经关闭的绝佳时机。
诸如数字生物学、年轻人教育、制造或农业等领域，需要专门人才来解决的问题，现在人人都能掌握。
因为人们有计算机，可以按照人的指示去做，帮助人类自动化工作、提高生产力和效率，所以我认为这是一个绝佳的时机。当然，人们需要立刻学会使用这样的工具，这是一个紧迫的问题。
同时也要意识到，现在参与 AI 比计算机历史上任何时候都更加容易，社会有责任提升每个人的技能。同时我相信，这个提升的过程将是愉快且令人惊讶的。
主持人: 所以，如果我要选择一个大学专业，你会给我什么建议？
黄仁勋: 我会首先考虑一个问题 —— 理解起来最为复杂的科学，我认为是生物学，特别是和人类相关的生物学。
它不仅涵盖的内容广泛，且十分复杂、理解难度大，关键是会带来巨大的影响。
我们称（生物学）这个领域为生命科学，把其中与医药相关的学科称做药物发现（discovery）。
但在计算机科学等传统行业中，没有人说“汽车发现”、“计算机发现”或“软件发现”，而是称之为工程。
每年，我们的软件、芯片、基础设施都会比前一年变得更好，但在生命科学上的进展却是零星的。
如果给我一次重新选择的机会，我会意识到将生命科学工程化的学科 ——生命工程即将到来，它将成为一个工程领域，而不仅仅是一个纯粹的科学领域。
所以，我希望现在的年轻人能够喜欢与研究蛋白质、酶和材料一起工作，利用工程技术让它们变得更节能、轻便、耐用，变得更加可持续。
未来，所有这些发明都将成为工程的一部分，而不是科学发现。
就在周一，英伟达市值一度超越了亚马逊，成为美股市值第四高的企业。前三分别是微软、苹果和谷歌母公司 Alphabet。
不过收盘时亚马逊夺回了第四的位置，收盘市值 1.79 万亿美元，英伟达收盘时市值约为 1.78 万亿美元。
2024 开年以来，英伟达凭借全球对芯片的强劲需求，股价节节攀升，增长了近 50%。根据测算，今年以来英伟达市值增长了约 6000 亿美元，超过了 2023 年后七个月的增幅。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。