Nvidiaが時価総額トップに返り咲く中、ジェンセン・フアンが再びインタビューに応じた。

彼は自分自身とNvidiaについて語ったほか、マスク氏を称賛し、わずか19日間で10万枚のH100スーパークラスターを構築したxAIを繰り返し称賛した。

Nvidia が xAI への投資を検討しているという噂があり、これは本当かもしれません。

このインタビューで彼は、 AI データセンターが 100 万チップに拡張されることを阻止できる物理法則はないと主張しました。

難しいことですが、インテリジェンスを再発明することで得られるメリットは見逃せないほど大きいです。

この目的のために、彼はスーパームーアの法則を提唱し、パフォーマンスが2年ごとに2倍になる法則から、毎年2〜3倍になる法則へと変化しました。

また、ハードウェアとソフトウェアの共同設計やデータセンターレベルのイノベーションなど、具体的な実現方法についても指摘した。

ネットユーザーは次のようにコメントした。「すごいことだ。だが、さらにすごいのは、彼らが実際にそれを実行できると疑いがないことだ。」

これは、トーク番組「No Priors」へのラオ・ホアンの2度目の出演であり、前回の出演から1年が経過している。

この36分間のインタビューで、ラオ・ファン氏は業界のさらなる秘密と将来のビジョンも明かした。

• ムーアの法則の2つの基本的な技術的柱がボトルネックに遭遇しました。
• ChatGPT は古いトレーニング クラスターで推論を実行しており、NVIDIA インフラストラクチャはトレーニングと推論の間で切り替えることができます。
• Nvidia はデータセンターを製品として直接販売していませんが、他の製品と同様に扱う必要があります。
• xAIのスーパークラスターの急速な構築は、主にマスク氏の意志と実行力によるものです。
• Nvidia は AI チップ設計に大きく依存しており、AI がなければ Hopper アーキテクチャは作成できなかったでしょう。
• 半導体産業はチップを製造する産業ではなく、社会のインフラを構築する産業です。
• AI エージェントは SaaS を殺すことはありません。実際、SaaS 販売に特化した AI エージェントは繁栄と発展をもたらすでしょう。
• これから2、3年後には、あらゆる論文や科学技術上の進歩は AI によるものとなるでしょう。
• 現在、Lao Huang 氏は AI を使って、最も基本的な事実でさえも毎日あらゆることを学び、AI を使ってそれを繰り返し検証しています。
• ...

以下はインタビュー全文の編集と翻訳です。

Nvidiaの次の10年への賭け

ホスト：

Nvidiaは30年の歴史を持っています。次の10年を見据えて、どのような大きな賭けに出るべきだとお考えですか？スケールアップしか残されていないのでしょうか？既存のアーキテクチャからより多くのコンピューティング能力とメモリを引き出すことに限界を感じていますか？現在の優先事項は何ですか？

黄仁勲：

一歩下がってこれまでの成果を振り返ってみると、私たちはプログラミングから機械学習へ、ソフトウェア ツールの作成から完全に新しいエコシステムの構築へと移行してきました。

これらはすべて、もともと人間のプログラミング用に設計された CPU 上で実行されていましたが、現在は AI プログラミング、主に機械学習用に設計された GPU 上で実行されています。

世界は変わりました。計算のやり方やテクノロジースタック全体が変わりました。

解決できる問題の規模も劇的に変化しました。単一のGPUでソフトウェアを並列化できれば、クラスター全体、あるいは複数のクラスターやデータセンターにわたる並列化の基盤が築かれます。

私たちは、コンピューティングをこれまで誰も想像できなかったレベルまで拡張し、そのレベルのソフトウェアを開発する準備ができていると信じています。

今後 10 年間で、全体的な規模 (単一チップではなく) でパフォーマンスが毎年2 ～ 3 倍向上し、コストとエネルギー消費が毎年 2 ～ 3 倍削減されることを期待しています。

毎年成長を 2 倍、3 倍にすると、数年にわたる複利成長は驚異的なものになります。

我々は、性能が2年ごとに倍増するというムーアの法則に対する人々の理解を超え、一種の「スーパームーアの法則」曲線に入ることができるでしょう。

ムーアの法則を超えるには

ホスト：

これらすべてがムーアの法則よりも早く実現できたのはなぜだと思いますか？ムーアの法則はある程度自己実現的なものだとは思います。まずアイデアが生まれ、その後人々がそれを実現するために懸命に努力したのです。

黄仁勲：

ムーアの法則には2つの基本的な技術的柱があります。1つはデナード・スケーリング、もう1つはカーバー・ミードのVLSIスケーリングです。

これらは厳密な手法ですが、関連技術は確かに限界に達しています。そのため、スケールアップのための新たな方法が必要です。

まず、新しいスケーリング方法には、明らかに (ハードウェアとソフトウェアの)共同設計が含まれます。

システムのアーキテクチャを反映するようにアルゴリズムを修正または変更したり、新しいソフトウェアのアーキテクチャに適応するようにシステムを変更したりして、何度も繰り返し実行しない限り、希望はありません。

しかし、これら両方の側面を同時に制御できれば、FP64 から FP32、BFLOAT、FP8、さらには FP4、あるいはさらに低い精度に移行するといったことが可能になります。

したがって、共同設計は非常に重要な部分であると私は信じています。

2 番目の部分は、フルスタック最適化と呼ばれ、データ センター レベルのイノベーションです。

私たちが現在取り組んでいる計算上の課題のほとんど、中でも最も興味深いのは、推論時間の延長です。これは基本的に、極めて低いレイテンシでトークンを生成し、ツリー検索を実行し、連鎖思考を行い、場合によっては精神的なシミュレーションを行って自分自身の答えを振り返ることです。

AIは自ら指示を出し、静かにテキストを生成し、1秒以内に応答することを期待します。これを実現する唯一の方法は、極めて低いレイテンシを実現することです。

同時に、コストを削減し、高いスループットを維持し、収益を生み出す必要があるため、データ センターでは依然として高スループットのトークンを生成する必要があります。

これら 2 つの基本要件 (低レイテンシと高スループット) は矛盾しています。

両方の分野で本当に優れたものを作るには、何か新しいものを発明する必要がありましたが、NVLink はまさにそれを実現する方法です。

トレーニングと推論インフラストラクチャ間の相互変換

ホスト：

大規模なトレーニングと推論の間のインフラストラクチャの相互変換を検討している主要クライアントはいくつありますか?

黄仁勲：

現在のインフラストラクチャは分離されています。

サム（アルトマン）が最近Voltaを引退させたと言っていました。Pascal、Ampere、Blackwellの様々な構成のモデルが近々発売される予定です。

空冷用に最適化されているものもあれば、液冷用に最適化されているものもあり、サービスではそれらすべてを活用する必要があります。

Nvidiaの優位性は、今日のトレーニング用に構築されたインフラストラクチャが、将来の推論にも完璧に適合するという点にあります。ほとんどのChatGPTサービスは、最近トレーニングに使用された類似のシステム上で推論を実行していると私は考えています。

訓練できれば、推論もできるようになります。

これらの投資が利益をもたらすと確信し、規模を拡大するために新しいインフラストラクチャに投資します。

さらに、Nvidia とエコシステム全体がアルゴリズムの改善に取り組み、わずか 1 年でインフラストラクチャのパフォーマンスを 5 倍向上させます。この進歩は決して変わることはありません。

したがって、人々はインフラストラクチャを次のように見なします。

はい、現在はトレーニング用に構築されていますが、推論にも優れていることがわかっています。

推論は複数のスケールにわたります。

まず、より小さなモデルを抽出（蒸留）するためには、より大きなモデルをソースとして持つことが重要です。そうすることで、画期的な研究、合成データの生成、より大きなモデルを用いたより小さなモデルへの学習、そしてさらに小さなモデルの抽出に使用される、驚異的な最先端モデルを作成することができます。

最終的には、大規模なものから小規模なものまで、様々なモデルが生まれるでしょう。小規模なモデルは、大規模モデルほど汎用性が高くなくても、特定のタスクにおいて非常に効果的で、そのタスクでは非常に優れたパフォーマンスを発揮します。小さなモデルによって、狭い領域において人間の能力を超えるタスクが達成されるようになるでしょう。もしかしたら、これは小さな言語モデルではなく、ミニチュア言語モデル、タイニー言語モデル、あるいは全く別の何かかもしれません。

ですから、あらゆる規模のモデルが登場することになると思いますし、それが今日のソフトウェアと同じようになることを望んでいます。

完全なデータセンターの構築と提供

ホスト：

NVIDIAの顧客サポートは、個々のチップからサーバー、ラック、そしてNV72へと、より大規模に進化しています。このプロセスをどのように見ていますか？今後の展望は？NVIDIAはデータセンター全体を管理すべきでしょうか？

黄仁勲：

実際、私たちは完全なデータセンターを構築しました。

私たちのやり方は、ソフトウェアを開発するなら、完全な形のコンピュータが必要だということです。スライドショーを作ってチップを納品するだけでなく、データセンター全体を構築します。

データセンター全体が完成する前に、ソフトウェアが正常に動作しているかどうかをどのように確認すればよいでしょうか？データセンター全体が構築される前に、ネットワークが正常に動作し、期待される効率が達成されているかどうかをどのように確認すればよいでしょうか？

このため、一部の製品の実際のパフォーマンスは、スライドに表示される最高のパフォーマンスよりもはるかに低いことがよくあります。

コンピューティングはもはやかつての姿ではありません。私はよく、コンピューティングの新しい単位はデータセンターだと言います。

私たちにとって、これが皆さんが提供しなければならないものであり、これが私たちが現在構築しているものであり、私たちはシステム全体を構築し、それを完全な形で構築します。

次に、空冷式 x86、液冷式 Grace、イーサネット、Infiniband、NVLink あり、NVLink なしなど、さまざまな組み合わせがテストされました。

当社ではあらゆる構成を構築します。現在当社には 5 台のスーパーコンピューターがあり、来年にはさらに 5 台を簡単に構築できます。

ソフトウェアに真剣に取り組むなら、独自のコンピューターを構築することになりますが、当社はそれを「製品としてのデータセンター」方式で構築します。

当社はデータセンターを製品として直接販売しているわけではありませんが、そのように扱う必要があります。

計画、構築、最適化、調整、実行の維持など、すべては、新品の iPhone を開封したように、すべてが正しく機能するようにすることを目的としています。

もちろん、その背後には驚異的な技術力があるのですが、私たちは今、それを実現できるのです。

したがって、データセンターにご興味をお持ちでしたら、スペースと電源、冷却システムをご提供いただければ、30日以内に設置のお手伝いをいたします。これは非常に素晴らしいことです。

xAIのスーパークラスター

ホスト：

最近印象に残った事例の一つに、xAI用のクラスターをいかに迅速に構築されたかという点があります。規模とスピードはどちらも驚異的ですので、もしよろしければ、この事例について詳しく説明していただけますか。

黄仁勲：

その功績の多くはマスク氏に帰せられるべきだ。

まず、これを行うことが決定され、場所が選定され、冷却と電源が導入され、その後、過去最大となる 10 万 GPU を搭載したスーパー クラスターを構築することが決定されました。

それから、逆算して、数か月前に設定されていたシステムを立ち上げる日付を一緒に計画しました。

すべてのコンポーネント、OEM、システム、お客様チームとのソフトウェア統合、そしてすべてのネットワークシミュレーション。デジタルツインを用いて、お客様のネットワーク構成を事前にシミュレーションしました。サプライチェーンを事前に準備し、すべてのネットワークケーブルを事前に配線しました。さらに、すべての機器が到着する前に、テスト用のリファレンスとして小規模なモデルも構築しました。

すべての機器が到着し、準備も万端で、すべての演習とシミュレーションも完了し、いよいよ大規模統合作業に突入しました。大規模なチームが昼夜を問わず協力し、数週間以内にクラスターは稼働を開始しました。

これはまさに彼（マスク氏）の意志の強さと、機械的・電気的問題について考え、大きな障害を克服する能力の証明です。

ホスト：

将来を見据えて、20万人、50万人、あるいは100万人規模のスーパークラスターを構想する場合、最大の障害は何だと思いますか？資本、エネルギー、それとも供給でしょうか？

黄仁勲：

今おっしゃった要素はどれも簡単なものではありません。

これほどの規模の拡大を追求する価値はあるだろうか？もちろんある。

私たちが思い描いているような、要求したことを難なくこなし、ある種の汎用知能を備えたコンピューター（本当に汎用知能を備えているかどうかは議論の余地があるが）に到達することさえ、奇跡に近いことである。

OpenAI、Anthropic、xAI、そしてもちろんGoogle、Meta、Microsoftなどの企業を含め、この目標を達成するために5つか6つのチームが懸命に取り組んでいると思います。

この最先端分野では、次の数歩が山の登頂を左右します。誰だって最初に山頂に到達したいはずです。

知性を再発明することで得られる利益は、見逃せないほど大きいと私は信じています。

物理法則の制約がなければ、すべてが非常に困難になると思います。

AIチップの設計とNvidiaの事業展開

ホスト：

1年前、NVIDIAとお話しした際に、人工知能（AI）をはじめとする分野でNVIDIAが最も関心を持っているアプリケーションは何か、そして次にお客様にどのようなサービスを提供していく予定かをお伺いしました。NVIDIAの最も高度な顧客からの科学的なアプリケーションについてお話いただきました。

この1年で、この考え方はより主流になってきました。科学分野における人工知能の応用は、今でもあなたにとって最も興味深い分野ですか？

黄仁勲：

Nvidia に AI「チップ デザイナー」と AI「ソフトウェア エンジニア」がいることを嬉しく思います。

それらは非常に効率的であり、それらなしでは Hopper を構築することはできません。

彼らは無限の時間を持ち、スーパーコンピューターで処理するため、人間よりもはるかに広い宇宙を探索できます。一方、私たち人間のエンジニアは時間に限りがあり、可能な限り広い宇宙を探索することも、複数の方法を組み合わせて宇宙を探索することもできません。

私自身が探求している間は、あなたの探求や他の人たちの探求をカバーすることはできません。

当社のチップは非常に大きいため、単一のチップとしてではなく、1000個のチップとして設計されています。そのため、一つ一つを個別に最適化する必要があります。

より多くのモジュールを最適化し、モジュール間で連携し、より広いスペースを最適化したいと考えています。

人工知能がなければ、私たちのエンジニアはそれを実行できません。時間が足りないのです。

ホスト：

前回の会話からもう一つ変化がありました。調べてみたところ、NVIDIAの時価総額は当時約5,000億ドルでしたが、今では3兆ドルを超えています。これは過去18ヶ月で2.5兆ドル増加しており、毎月1,000億ドル以上の増加です。

本日、NVIDIAを訪問し、15年前Googleにいた時と同じように、この会社のエネルギーを感じました。会社のエネルギーと熱意を肌で感じることができました。

この間、何か変化はありましたか？あるいは、Nvidiaの事業運営方法、世界観、あるいは賭けられる賭け金の大きさなど、何か変化はありましたか？

黄仁勲：

会社の株価は株価ほど速くは変化しないので、多くの点で私たちはあまり変わっていません。

私たちは一歩下がって、自分たちは何をしているのかと自問する必要があると思います。

業界の観点から見ると、私たちはコンピューティングを再発明しました。60年間も再発明されていませんでしたが、これは大きな成果です。

過去 10 年間で、計算の限界費用は約 100 万分の 1 に削減され、ソフトウェアの徹底的な作成をコンピューターに任せることができるようになりました。

ある意味、チップ設計でも同じことを言ってきたと言えるでしょう。コンピューターには、私たち自身ではできないチップの仕組みを発見し、チップを探索し、私たちにはできない方法で最適化してもらいたいのです。

したがって、私たちがコンピューティングを再発明したことを人々は認識し始めました。

しかし、これは一体何を意味するのでしょうか？突然、「インテリジェンス」と呼ばれるものが誕生した今、コンピューティングにはどのような変化が起きたのでしょうか？

まずはデータセンターから始めましょう。

データセンターは、ファイルを保存するためのマルチテナント型の場所です。しかし、私たちが構築している新しいデータセンターは、従来のデータセンターとは異なります。マルチテナントではなく、多くの場合シングルテナントです。ファイルを保存するのではなく、単に何かを生成する、つまりトークンを生成するだけです。

これらのトークンは、一見知的な物に再結合され、この知性は、ロボットの動作の表現、アミノ酸の配列、化学鎖、またはあらゆる種類の興味深い物など、さまざまな形をとることができます。

では、私たちは具体的に何をしているのでしょうか？私たちは新しいツール、新しいマシンを開発しました。これは多くの点で「生成型人工知能」という形容詞の名詞形と言えるでしょう。

これは生成型AIというより、AIファクトリーです。AIを生成する工場であり、それを大規模に展開しています。

これが新たな産業になり得ることに、人々は気づき始めています。トークンと数字を生成しますが、これらの数字は価値の高い方法で構成されます。では、どの業界が恩恵を受けるのでしょうか？

次に、一歩下がって、Nvidia が何をしているのか自問してみましょう。

一方では、私たちが知っているコンピューティングを再発明したため、数兆ドル規模のインフラストラクチャを近代化する必要があります。これが方程式の 1 つの層です。

より大規模な視点で見ると、私たちが構築しているツールは、データセンターの近代化のためだけのものではありません。新しいコモディティを生産するためのツールです。この新しいコモディティ産業はどれほどの規模になるでしょうか？予測は困難ですが、数兆ドル規模の価値を持つ可能性があります。

ですから、一歩引いて考えてみると、私たちはもはやコンピューターを製造しているのではなく、工場を製造しているのです。

あらゆる場所、あらゆる企業に必要です。「いいですか？ 情報を生み出す必要はありません。すでに十分な情報がありますから」と言う企業や業界を挙げられますか？

したがって、これは重要な概念であり、抽象的な産業的観点であると私は信じています。

いつか、半導体産業はチップの製造ではなく、社会インフラの構築に大きく関わっていることに人々が気づく日が来るでしょう。そして突然、誰もが「なるほど、これは大きな出来事だ」と思うようになるでしょう。

具現化された知性

ホスト：

「具現化」について今どうお考えですか？

黄仁勲：

私が興奮しているのは、多くの点で私たちは汎用人工知能に近づいているだけでなく、汎用ロボットにも近づいているということです。トークンはトークンであり、問​​題はそれをトークン化できるかどうかです。

もちろん、ご存知の通り、トークン化は簡単ではありません。しかし、もしトークン化して大規模な言語モデルやその他のモダリティと連携させることができれば、例えば私がコーヒーカップに手を伸ばす動画を生成できるのであれば、ボットにコーヒーカップを取るためのトークンを生成するように指示することはできないでしょうか？

直感的に、コンピューターの問題定義は非常に似ていると思われるでしょう。ですから、私たちは非常に近づいていると思います。これは非常にエキサイティングなことです。

現在、「ブラウンフィールド」ロボットシステムは 2 つあります。「ブラウンフィールド」とは、環境を変更する必要がないことを意味します。つまり、自動運転車と具現化ロボットです。

車とヒューマノイドロボットの場合、私たちはすでにこの両方の世界を構築しているので、世界を変えることなくロボットを実際に世界に導入することができます。

マスク氏がこれら 2 種類のロボットに注目しているのは偶然ではないかもしれません。これらのロボットには莫大な潜在的規模がある可能性があるからです。

これはとてもエキサイティングだと思いますが、デジタル版も同様にエキサイティングです。

私たちが話しているのはデジタル従業員、あるいはAI従業員です。あらゆる種類のAI従業員が存在することは間違いありません。将来は生物知能と人工知能の両方が存在し、私たちはそれらに同じように働きかけるでしょう。

ほとんどの場合、従業員に指示を出し、背景情報を提供し、タスクを依頼します。その後、従業員は他のチームメンバーを募集し、戻ってきて、私たちはコミュニケーションを取りながら進めていきます。これは、様々なAI従業員とどう違うのでしょうか？

したがって、AI マーケター、AI チップ設計者、AI サプライチェーン担当者などが存在します。

いつかNVIDIAが生物知能の分野でさらに大きな存在になることを願っていますが、人工知能の分野ではもっと大きな存在になることを願っています。それが私たちの未来の会社です。

ホスト：

1 年後にもう一度お話を伺うとしたら、社内のどの部門が最も AI を活用していると思いますか?

黄仁勲：

チップ設計こそが最も重要な部分だと思います。なぜなら、チップ設計は私たちに最も大きな影響を与え、私たちが最も大きな影響力を発揮できる分野だからです。非常に難しい問題です。

私たちはSynopsys社とCadence社と提携しています。彼らがAIチップ設計者を雇用してくれることは容易に想像できます。彼らは特定のモジュールに関する専門知識と特定のツールの使いこなしに精通しており、チップ設計の各段階で必要に応じて多数のAI設計者を雇用し、サポートしてもらう予定です。

もしかしたら、シノプシスのエンジニアを100万人雇って、それからケイデンスのエンジニアを100万人雇って、手伝ってもらうかもしれません。ツールプラットフォーム上にこれだけのエージェントを配備し、他のプラットフォームと連携させる。彼らにとって、どれほどエキサイティングな未来が待っていることでしょう。

SAPやServiceNowでも同じことが起こるでしょう。これらのSaaSプラットフォームは破壊的変化を起こすと言われていますが、私はむしろその逆だと考えています。これらのプラットフォームはまさに金鉱の上にあり、SalesforceやSAPのようなプラットフォームは、専用のインテリジェントエージェントによって繁栄していくでしょう。

SalesforceにはLightning、SAPにはABAP、それぞれ独自の言語がありますよね？当社にはCUDAがあり、OmniverseにはOpenUSDがあります。

OpenUSD で優れた AI エージェントを作成するのは誰でしょうか？私たちです。私たち以上にそれを気にかけている人はいないからです。

したがって、私は、さまざまな方法で、これらのプラットフォームが多数のインテリジェントエージェントを生み出し、それらを相互に紹介し、協力して問題を解決すると信じています。

科学のためのAI

ホスト：

人工知能の様々な分野で多くの人が活躍されていますが、どの分野が過小評価されていると思いますか？あるいは、起業家、エンジニア、ビジネスマンにもっと関わってほしいと思う分野はどこでしょうか？

黄仁勲：

まず、誤解され、過小評価されているのは、表面下の活動、つまり人工知能と機械学習の影響を受ける画期的な科学、コンピューター サイエンス、エンジニアリングであると私は考えています。

人工知能や機械学習、そして今日私たちが話している仕事が、明日をどう変えるのかを目にすることなく、どんな科学部門、どんな理論数学部門に足を踏み入れることはできないと私は信じています。

もし世界中のエンジニアや科学者全員を集めて、彼らの現在の働き方が未来の兆候であると信じたとしたら、人工知能の津波、機械学習の津波が短期間で私たちの行動のすべてを変えていくのを目にすることになるでしょう。

私がコンピューター ビジョンの初期の兆候を目にし、Alex、Ilya、Hinton (AlexNet) の研究を目にし、Yann LeCun、そしてもちろんスタンフォード大学の Andrew Ng にも会ったことを覚えておいてください。

猫の視覚からコンピューターサイエンスとコンピューティングの大きな変化を推測できたのは幸運であり、そのような推測は私たちにとって幸運です。

私たちは今、このことにとても感銘を受けており、物事のやり方がすべて変わりました。

しかし、どれくらいの時間がかかったのでしょうか？今日の基準ではおもちゃと見なされる、おもちゃのようなAlexNetを観察し始めてから、物体認識において超人的な能力を達成するまで、わずか数年しかかかりませんでした。

今起きているのは、あらゆる科学分野にわたる変化の波であり、どの科学分野も取り残されることはありません。

私たちが議論している（AIコラボレーション）アプローチには、量子コンピューティングから量子化学に至るまで、あらゆる科学分野が関わっていることを明確にしておきたいと思います。

あと2、3年あれば、世界は変わるでしょう。生成型人工知能（GAI）に基づいた論文、科学技術のブレークスルーは、一つも生まれないでしょう。私は今、そのことを確信しています。

これが単なる一時的な流行なのかどうかという多くの疑問に対しては、第一原理に戻って実際に何が起こるかを観察するだけで十分です。

計算スタック、つまり計算を実行する方法が変わりました。ソフトウェアの書き方も変わりました。これは非常に根本的な変化です。

ソフトウェアは人間が知識をコード化する方法であり、アルゴリズムをコード化する方法でもあります。しかし今、私たちはそれを全く異なる方法でコード化しており、これはあらゆるものに影響を与え、あらゆるものが以前とは違ってくるでしょう。

ですから、私はこれをすでに理解している人と話しているのだと思いますし、私たち全員が同じものを見ているのです。

誰も取り残されることはありません。皆さんが提携したすべてのスタートアップ企業も、私が協力したすべての科学者やエンジニアも、取り残されることはありません。

皆様と共に前進してまいります。

ジェンセン・フアンは毎日AIを使っている

黄仁勲：

私自身も毎日AIを使っています。皆さんはどうか分かりませんが、AIは私にとって今やメンターのような存在です。

何かを学ぶときはいつも、まず AI を探します。

なぜ難しい方法で学ぶ必要があるのでしょうか？AIに直行したり、ChatGPTに直行したり、あるいはPerplexityを使うこともあります。問題の表現方法によって異なりますが、まずはそこから学習を始めます。その後、必要に応じてさらに深く掘り下げていくことができます。

でも、これはすごいですね。私は自分が知っていることのほとんどすべてを二重チェックしています。たとえ自分が根本的な真実だと信じ、専門家である事実であっても、AIに確認してもらい、何度も確認しています。

これは素晴らしいことです。今では私が行うほぼすべてのことに AI が関わっています。

もう一つ

モリス・チャン氏の近々出版される伝記に基づく最新の暴露によると、TSMCは2013年頃にジェンセン・フアン氏にCEO就任に興味があるかどうか尋ねたが、フアン氏は断ったという。

10年以上前、NVIDIAは今日のような巨大企業ではありませんでした。KeplerアーキテクチャのGPUシリーズ、新しいTegraシリーズのモバイルチップ、そしてゲームコンソールShieldをリリースしたばかりで、データセンターへの進出を進めていました。

当時、ジェンセン・フアンはNvidiaの将来に自信に満ちており、同社の既存の本社の西側にさらに大きな本社を建設すると発表した。

TSMCはプランBを選択せざるを得ず、社内から2人の上級エンジニアを昇進させてビジネスマンに育成し、1人が会長、もう1人がCEOを務める二重リーダーシップ体制を構築した。対照的に、ジェンスン・フアンはNVIDIAで一貫して会長とCEOを兼任してきた。

今日、ジェンセン・フアンのデータセンターと人工知能に関する戦略的ビジョンは、Nvidia が世界で最も価値のある企業になるのに貢献しました。