黄仁勋首提DeepSeek！英伟达蒸发的6000亿又回来了：市场误判了R1的影响，计算仍然重要！

WrrWX4NR36Tq

出品 | 51CTO技术栈（微信号：blog51cto）
黄仁勋首度回应DeepSeek？其实不准确！
在采访中黄仁勋主动提及的DeepSeek，亲自下场灭火，并称赞到“（R1是）世界上第一个开源推理模型，这太令人兴奋了，全球对我们开源的反响不可思议”！
黄仁勋大胆总结说：（有人说R1出现后）我们不再需要进行任何计算了。实际上，情况正好相反！为啥呢？
在老黄看来，未来的AI仍然需要三方面的Scaling：

• 预训练“仍然需要严谨，数据量要大，（还要有）多模态数据”
  
• 后训练的相关学习范式有很多种，但计算需求依然密集
  
• 推理方面的算力消耗无上限：“推理越多，思考越多，效果就越好“
  

这也是黄仁勋想给投资者吃的“定心丸”，要知道在R1发布当日，英伟达股价单日曾暴跌16.9%。据Yahoo Finance数据，英伟达股价在1月24日收于每股142.62美元，而在接下来的周一（1月27日），股价迅速下跌至118.52美元。这一事件在短短三天内使英伟达市值蒸发了6000亿美元。
不过，英伟达的股价目前已经基本恢复，上周五，英伟达股价开盘报140美元。
在与DataDirect Networks（DDN）的联合创始人和首席执行官Alex Bouzari所进行的这次采访中，两人还提出了其他方面的观点，先来画个重点：

• 黄仁勋提到了，英伟达开发的开放式虚拟世界平台Omniverse，其理念与数字孪生有关，希望每个公司都能够拥有自己的数字双胞胎。这相当于有机会同时在多个宇宙中生活，“一旦我们进入数字世界，我们就可以同时进行1000个实验。”
  
• Alex谈到了AI推理+垂直行业可以开启各种可能性，因为人们可以将其与特定行业的数据结合起来，进行推理，比如生命科学、金融服务、自动驾驶等等。
  
• 黄仁勋说AI改变了人们看待软件的方式。未来AI是一个模型系统，你将有不同的AI相互合作，解决大型问题，坐落在你公司的数据智能层之上。
  

以下是经整理的采访原文，enjoy：
（有关DeepSeek的内容在采访第三部分）
英伟达是“加速器”：计算让AI变得可能

Alex Bouzari：欢迎来到《超越人工智能》。
黄仁勋：谢谢，能在这里真是太好了，亚历克斯。很高兴见到你，你看起来很好。
Alex Bouzari：谢谢，你看起来也不错，感谢你一如既往的支持。
黄仁勋：谢谢。
Alex Bouzari：好的，允许我必须告诉你，DDN是如何开始这个新产品的(Infina)。2017年,Nvidia说想要建立一个参考架构的超级集群，我们需要数据部分。
离开那次会议时，我说，如果黄仁勋的远见在未来十年内变为现实，就需要一种完全不同的架构。它必须是一个高效可扩展的训练架构，它必须具备低延迟，并且要在本地和多云环境中分布，负载不能移动，因为成本太高了，图像、视频等都太大了，因此它必须是元数据和标记等。
因此，这就是它（Infina）的起点，我在白板上画了它，我说这就是AI的架构应该是什么样的。大家看着我，都说，你完全疯了。你在谈论一些根本无法实现的事情。我说，我们换个角度来看，跳出问题的框架，忘掉我们要解决的东西，忘掉过去，忘掉文件系统等等，这花了七年时间。
黄仁勋：这就是两个工程师CEO聚在一起时发生的事情（笑）。我认为你刚刚描述的非凡旅程，从训练模型到现在我们利用这些前沿模型和AI模型，转向用于推理和解决大问题的AI应用。
人们常常忽视的一点是，在应用过程中需要的数据的重要性，而不仅仅是在训练时。因此，当然，你希望在海量数据上进行预训练，但在使用过程中，AI必须能够访问信息，而AI希望以信息的形式访问信息，而不是原始数据的形式。这就是为什么将对象存储和原始数据重新构建为数据智能的原因，这为DDN提供了新机遇，为全球企业提供数据智能，因为AI运行在这张信息网络之上。这是计算和存储的非凡重构，改变了我们之间的关系，以及你能向世界提供的产品类型。
Alex Bouzari：所以我们的看法是，必须要再说一次，这一切都是由你的愿景驱动的。你基本上创造了这个行业，为了让这个行业能够收获成果，它正在改变我们所做的一切，工作、娱乐、休闲、健康、安全等等。
这是深刻的全球性转变，是全球经济在各方面的一个转折。因此，为了让这一切发生，企业需要采用它，并且需要加快采用的步伐，这意味着投资回报率（ROI）必须能够实现。为了让ROI能够实现，应用层必须加速，而基础设施必须高效，这些基础设施驻留在数据中心或云中。我们已经完成了这一部分。我认为，最大的推动力和加速器是我们如何增强应用层，而你在这方面做得非常出色，尤其是在CUDA方面。
黄仁勋：感谢你使用“加速器”这个词，我认为在计算机科学的层面上，当然你我享受并观察到摩尔定律的好处，计算变得越来越快，计算以同样的价格和功耗变得更快，这意味着计算变得更加经济实惠。因此，在我们职业生涯的前30年中，我们享受到了这一点，但在过去15年中，我们确实看到了一种平稳期，因此摩尔定律在很大程度上已经结束。
我们对计算机行业的贡献，第一项根本贡献是使用完全不同的架构和算法重构，极限加速。我们在计算机科学层面上共同努力，将顺序处理转变为加速的并行处理。我们现在正在将计算加速到极限，这使我们能够为行业带来成本效益和能源效率，并加速工作负载。
在这个基础之上，我们发明了或使机器学习和人工智能成为可能。我们现在的计算是如此高效，以至于你可以进入极端版本的计算，让计算机自己找到洞察。
因此，在基础层面上，我们必须做的一件事，以及我们在这条新产品线中共同完成的伟大工作。
谈数字孪生：Omniverse将让人同时生活在百万个宇宙

黄仁勋：关于Infinia的事情是使用加速计算和人工智能，从你拥有的所有数据中学习，将原始数据转化为数据智能，将智能嵌入到模型中，从所有数据中提取其语义、智能和信息。现在，不再是服务原始数据，而是提供元数据、知识、智能和洞察力。令人难以置信的是，元数据、数据的语义层是高度压缩的。
Alex Bouzari：是的，为了实现这一点。因此，带有多模态元数据标记和移动元数据的能力变得至关重要，否则经济性根本无法实现。世界上没有足够的数据中心空间，也没有足够的电力来完成这样的事情。
因此，元数据属性非常关键，我们从Infinia开始，这就是我们关注的其中一项内容。我们说，必须有一个元数据丰富的基础设施，能够以非常低的延迟处理这些对象，这些对象需要被转化以获得洞察。因为归根结底，正如你所说，这就是数据智能。如果不从中获得洞察，不获得商业价值，也不为消费者提供休闲价值，将所有这些数据引入环境中训练模型又有什么意义呢？所以，这必须有效，必须产生好处。
黄仁勋：这是一种与公司数据交互的新方式。你知道，与其检索数据，不如弄清楚数据中有什么。你可能会修改并存储回去。在许多方面，你是在与公司的数据对话。你问公司的数据问题，你公司的数据回应你，告诉你需要知道的事情。你可能在公司原始数据中有相当多的洞察，现在以这种语义形式存在。你希望有AI代理与来自不同部门的数据互动，查询这些数据，生成报告，然后由另一个AI代理读取、理解，将其与其他数据和其他智能结合，最终生成一些结果。
Alex Bouzari：所以，基本上，这些代理都是领域专家，每个代理在特定领域都是专家。他们是顾问，组织现在可以利用这些顾问来提高竞争力，更快地开发更好的产品，为客户带来更多的价值，无论是产品还是服务。你将这些结合到Omniverse（注：Omniverse 是由 NVIDIA 开发的一个开放式虚拟世界平台，旨在支持实时协作和3D内容的创建、模拟和共享）中，我认为这是目前最了不起的东西。
与其在物理世界中做事情，你说，我要开发一种药物来解决某种疾病，但这非常昂贵，需要数十亿美元，耗时多年，还需要FDA(美国食品药品监督管理局)的批准。我不知道它是否会成功。我们有10种不同的途径需要探索，我们不能按顺序进行，也不能并行进行，所以我们将在Omniverse中将它们作为数字双胞胎启动，然后会得到反馈，告诉我们，如果你将路径1的这些属性与路径4的其他属性结合起来，将最大化成功的可能性，压缩将药物推向市场的时间，并最大化相关收益。
黄仁勋：对于正在观看这一切的观众来说，这真的很有趣。我们的旅程始于高性能计算和高性能计算训练基础模型和前沿模型。这是高性能计算的极限版本。因此，Nvidia和DDN通过这个起点建立了我们的友谊和长期合作关系。现在，我们希望在训练这些模型时，这些模型可以转向世界企业，将我们的所有数据从原始数据转化为数据智能，现在我们的世界正在共同进入企业。因此，我们从高性能计算到企业，从公有云到现在的私有云和公有云。当你进入所有这些公司时，最终他们希望生活在数字世界中，因为当我们生活在数字世界中，我们所做的一切都更快，这个Omniverse的理念使每个公司都能够成为数字双胞胎，这真是深刻的。
Alex Bouzari：这太不可思议了，我不太确定人们是否能够真正理解它的重要性。
黄仁勋：这是我们的旅程，也是下一步。所以我们已经从超级计算走到企业，现在我们要从企业走向企业的数字双胞胎。为了实现这一点，我们必须提取他们领域的数据，无论是3D数据、蛋白质、化学品、信息、时间序列，还是物理信息。我们希望提取所有这些数据，从中提取出表示和意义。一旦我们得到了它的表示，我们将在数字Omniverse中展示它。然后，全球的公司都可以在数字中拥有他们的表示。一旦我们进入数字世界，我们就可以同时进行1000个实验。
因此，一旦我们拥有Omniverse，我们将拥有多元宇宙Omniverse，我们可以尝试所有这些实验。
Alex Bouzari：这就像在百万个宇宙中同时生活。你选择一个结合这些不同生活的组合，这个组合对你是最优的。这适用于企业和组织，也适用于有主权AI的政府，以造福他们的公民。它同样适用于个人、消费者和健康。因此，你只需将所有这些内容分开并进行优化。
黄仁勋：我喜欢你能看到这一点。
Alex Bouzari：这正是正确的，但这非常深刻。第一次听你谈论Omniverse时，我想，哇，这就是AI引导我们的方向。
黄仁勋：AI需要将世界的原始数据提取出意义，在数字世界中进行表示。
Alex Bouzari：在数字双胞胎中，因为我们必须压缩时间，降低经济影响。因此，我们必须以更快的方式做到这一点。以数字双胞胎的方式做到这一点是更便宜的。
黄仁勋：别无他法。是的，我们在数字双胞胎中，一切都是这样。
Alex Bouzari：是的，这就是企业采用AI的加速过程。它帮助他们在这个旅程中，从而真正压缩时间并获得显著的好处。我们正处于这样的时刻。
谈推理进展：DeepSeek R1不代表计算已经终止

黄仁勋：现在我们已经构建了数据层，并在其上构建了一个智能层，这就是数据智能。在这个层的基础上，我们将构建一个代理层。在信息世界中，我们称它们为代理AI。在物理世界中，我们使用体现于机器人的物理AI。所以我们现在又有了一个层。
真正令人兴奋的是，你可能看到了DeepSeek发生的事情，这是世界上第一个开源推理模型，这太令人兴奋了，全球对我们开源的反响不可思议。
Alex Bouzari：为什么人们认为这可能是件坏事？我认为这是件好事。
黄仁勋：首先，我认为从投资者的角度来看，有一个心理模型认为世界是预训练的，然后进行推理，推理就是你问AI一个问题，它立刻给你一个答案，一次性回答。我不知道这是谁的错，但显然这个范式是错误的。这个范式是预训练，因为我们希望有基础。你需要对信息有基本的理解才能进行第二部分，即后续训练。
因此，预训练仍然需要严谨，数据量要大，（还有）多模态数据，正如你提到的。我们将从语言中学习，当然还有语言和图像、视频、声音，我们将把所有这些结合在一起形成我们的基础知识，而这将持续进行。
第二部分，这是智能中最重要的部分，我们称之为后续训练。但这是你学习解决问题的地方。你有基础信息，了解词汇、语法和基本数学是如何运作的。因此，你将这些基础知识应用于解决问题。我们称之为后续训练。
你可以使用强化学习和人类反馈。这是指使用人类示范的另一种说法。或者你可以使用自我练习的强化学习，或者你可以与另一个AI进行强化学习，一个教练，对吧？因此，与后续训练相关的学习范式有很多种。
在这个范式中，技术在过去五年中发生了巨大的变化，计算需求也非常密集。因此，人们认为，哦，天哪，预训练的负担要小得多。他们忘记了，后续训练实际上是相当密集的。
现在第三个扩展法则是，你在回答问题之前进行的推理越多，思考越多，效果就越好。当然，我们记住了很多事情。比如，64的平方根是多少？你只是记住了这个。你可以对其进行推理，但不必这样。因此，理想情况下，你已经记住了很多基本的事情，但大多数有价值的智能你仍然需要进行推理。因此，你必须应用第一原则，逐步分析。
也许你需要尝试很多不同的实验。根据一个实验的结果输出，它可能会为你下一个实验提供信息。因此，推理是一个相当计算密集的部分。因此，我认为市场对R1的反应是，哦，我的天，AI完成了。
你知道，它从天而降。（有人说）我们不再需要进行任何计算了。实际上，情况正好相反。
Alex Bouzari：这完全相反，因为DeepSeek正在做的是，它让每个人注意到，有机会让模型比我们认为可能的更高效，因此它正在扩大并加速AI的采用。
R1现在可以与智能信息进行交互以解决问题。我认为另一个极具赋能的东西是CUDA工具，我认为这开启了各种可能性，因为人们可以将其与特定行业的数据结合起来，进行推理，比如生命科学、金融服务、自动驾驶等等。你将所有这些结合在一起，并与模型的进步相结合，再次加速AI的采用，这对Nvidia来说是件美好的事情。我认为对DDN来说也是一件美好的事情，但这一切都是在应用层上发生的。是的，我认为我们需要继续改善你们在GPU上所做的事情，越来越快，降低功耗，推动数据中心和多云环境的经济效益。但这些都是结合在一起的。你知道，这个数据智能层，正如你所建议的，正在与数据中心的效率和应用层的加速相结合。
黄仁勋：真正令人惊讶的是，当你剥离一切时，这一切只是软件，但今天我们谈论软件的方式与十年前谈论软件的方式截然不同，真是不可思议。
一个问题，Alex，人们会问，企业应该构建自己的AI还是仅仅使用公共云中的AI？我认为答案是，都是。原因是，如果你能使用公共云AI，我绝对会从那里开始。因此，那里提供的东西对于许多个人使用来说，通用智能非常好，并且正在以指数速度增长。所以，真的非常适合入手。
然而，企业内部有许多不同的领域。例如，我们设计芯片的方式，我们编写软件的方式，我们的编程代码，我们的Vlog编程，供应链管理的方式，都是深度专业化的，我们在这些方面的专业知识显然是卓越的。因此，在这种情况下，我们倾向于构建自己的AI。我们拥有所有必要的工具包，从开源模型和开源工具包，如Nvidia的Nemo、Nvidia Nims，以及像Infina这样的数据智能层。所有这些技术组件都可以用于入驻并策划培训课程和训练自己的AI。因此，它将成为所有这些AI代理的策划。
公司将由自制的AI、合同AI、与第三方软件平台一起提供的AI以及公共云中的AI组成。在你的公司内部，你将会是AI的AI，而AI内部是一个模型系统。你将有AI相互合作，解决大型问题，坐落在你公司的数据智能层之上。因此，对于组织来说，情况就是这样。
Alex Bouzari：我认为，作为一个组织、一个企业，不论市场如何，你说得对，你的使命是什么？你的目的是什么？一旦你定义了这一点，你就必须进行差异化，而这种差异化只能来自AI在你特定组织中的专业应用。所以是的，你可以使用AI，但这只是消费而已。真正的价值是，作为生命科学组织、金融服务组织，你的生活目的是什么？那么，你如何进行差异化？这非常特别，这就是你需要Nvidia提供的专业NIMS能力的地方，这就是Nemo发挥作用的地方，这就是我认为DDN's Infina发挥作用的地方。它真的赋能了差异化，使其更具影响力并放大这种差异化。
黄仁勋：没错。
Alex Bouzari：我再次感谢你，作为一个出色的合作伙伴，向我们展示了方向，谢谢你，内部拥抱我们的技术和视频，这太棒了。对此我无以为报，感谢你。