在这一轮生成式人工智能迭代潮的关键环节之一，芯片设计公司英伟达似乎没有得到资本市场之外更多人的关注。不同于这批脱颖而出的技术公司，英伟达既提出了先进的训练方法，还设计了让不同类型人工智能模型更容易学习和创造内容的芯片。

不久前，挪威养老金 CEO Nicolai Tangen 主持的播客邀请到英伟达 CEO 黄仁勋对谈，剪辑以后的音频时长仍近 50 分钟。对话中，黄仁勋回顾了设计适用于人工智能的超级计算机从 0 到 1 的过程，介绍如何设计世界上最大、最复杂的芯片之一。

他把设计芯片比作从零开始设计一个比纽约市大几千倍的城市，以此帮助听众更好理解这行不一样的地方。他非常清楚，人工智能是学习模式，而非单纯的技术或者计算机语言。

(资料图片仅供参考)

挪威养老金是全球最大主权财富基金之一，它们持有英伟达价值近 40 亿美元的股份。以下是黄仁勋谈到的一些点。斜体字为黄仁勋口述内容。

OpenAI 没有很好描述 GPT-4 的新突破

-GPT-4 的突破之一是可以同时学习语言和图像内容，就跟我们人类学东西一样，阅读图文比只看文字更容易理解事物。比如，你给一个只看过马的人介绍斑马，对方不容易理解，但如果你说 “斑马和马外形相近，但有黑白条纹”，对方就能把马的样子的斑马的语言描述建立关联。GPT-4 具有这样的学习能力。

如何理解 ChatGPT 是 AI 的 iPhone 时刻

-计算机的最初四五十年是线性发展，就像水、冰、水蒸气之间的关系，直到 Windows 95 颠覆了一切。之后又是一段时间的线性增长，直到互联网的普及，再之后是云、iPhone、移动云。其中，iPhone 让人更容易编写和分发应用，诞生了数以百万计的应用程序，让计算机编程大众化，消除技术鸿沟。现在再看 ChatGPT、人工智能编程，我们可以用人类语言让计算机做事情，不需要 Python、Java、 Pascal……

设计芯片有多难？想象一下从头开始设计一座比纽约大千倍的城市

-英伟达做的最难事情之一是设计芯片……想象一个比纽约成大 1000 倍的城市，然后从头开始重组它，找出每个建筑最佳位置，餐厅、公园等等，各种排列组合已经破表。英伟达只有借助人工智能才有可能解决这些问题。

未来五到十年，人工智能将要解决的最重要问题是数字生物学

-借助人工智能，人类学会理解蛋白质，理解其生化物质的作用、聚合方式、特定三维形状下可以实现的功能，从而可以从一个蛋白质的期望功能出发，合成具有某些更好特定能力的蛋白质。（龚方毅）