Глава NVIDIA объясняет, как они стали сердцем ИИ-индустрии и что будет в 2026

Доброе утро всем. Меня зовут Константин Бюлер. Я партнёр в Сиквоя Capital. Занимаюсь инвестициями в сфере искусственного интеллекта. У Nvidia и Citadel Securities на самом деле много общего. Это две выдающиеся компании и отлично управляемые с поистине блестящими лидерами. Они исключительно хорошо управляются. Обе движимы вычислительной революцией и являются технологическими лидерами в своих отраслях. Есть и менее известный факт. В обоих случаях их первым внешним инвестором была Сиквоя Capital. Так что когда 1 млн долларов, они рискнули и вложили миллион долларов в NвиIDIA в девяносто третьем году, и вы того стоили. один солидный миллион долларов. Компания пошла на серьёзный риск. Всё-таки они вложили немного больше в Цитадель Securриies. Так что, когда нас попросили выступить на этой конференции об искусственном интеллекте, было абсолютно ясно, кто должен говорить. Это человек, создавший всю инфраструктуру для революции в сфере искусственного интеллекта, на которой держится весь этот ИИ. и человек, построивший самую ценную компанию в мире. Пожалуйста, поприветствуйте Дженсона Хуанга. Приятно просыпаться под такие слова. Вы уже работаете несколько часов. Да, это так. Итак, Дженсон, у нас здесь зал полный институциональных инвесторов, одних из лучших в мире. Они управляют триллионами активов и постоянно ищут уникальную стратегию. А вы, человек, у которого она есть, в каждом нашем разговоре вы даёте потрясающее представление о том, как будет выглядеть будущее. В течение следующих 60 минут у нас насыщенная программа. Мы поговорим об истории поиска этих идей, от становления Nvidia до её превращения в центр революции Ии, а затем большую часть времени посвятим тому, что ждёт Nvidia и искусственный интеллект дальше. Давайте начнём сначала. Девяносто третий

год, вам 30 лет. Какое озарение дало вам идею основать Nvidia? Мы переживали эпоху революции персональных компьютеров и революции центральных процессоров. Это было время закона Мура. Эпоха интегрированных микропроцессоров Intel, закона Мура, законов масштабирования транзисторов. Всё это было на слуху, и практически все инвестиции в кремнеевой долине и компьютерные индустрии шли туда. Мы же заметили кое-что иное. Есть много проблем с одним из преимуществ центральных процессоров является их универсальность. Но основная проблема универсальных технологий в том, что они, как правило, не слишком хороши в решении очень сложных проблем. И мы сделали два вывода. Во-первых, мы поняли, что есть задачи, которые можно решать с помощью ускорителя, более специализированного и более целевого. И такие задачи могут быть чрезвычайно интересными. Во-вторых, мы поняли, что возможности универсальных технологий, основанных на уменьшении размеров транзисторов, рано или поздно достигнут предела. Идея о том, что можно бесконечно уменьшать размер транзисторов, основывалась на наборе эвристик, называемых масштабированием денарда. Именно денард, мит и конвей заложили фундаментальные принципы, лежащие в основе закона Мура. Если вернуться к этим принципам, станет ясно: уменьшать транзисторы можно лишь до определённого момента. Дальше отдача начнёт снижаться. Существуют масштабные вычислительные задачи, и мы полагаем, что мы можем их решить, но они почти бесконечны по масштабу, и поэтому в один прекрасный день появится новый тип вычислительного подхода. И мы сосредоточили нашу компанию на расширении и дополнении вычислительных систем общего назначения с помощью технологии, называемой ускоренными вычислениями. Вот это и было нашим основным наблюдением. А вы ранее упомянули, что Nvidia всегда опережает своё время. Зачастую, если рассуждать о вещах исходя из первопринципов, что невероятно хорошо работает сегодня, если вы сможете рассуждать об этом исходя из первопринципов и спросите себя: на каком основании этот первопринцип построен и как это будет меняться со временем, это позволит нам, мы надеемся, заглянуть в будущее.

Когда вы создали графический ускоритель, вы пришли на рынок одними из первых, но вскоре появились сотни конкурентов. В итоге вы выиграли эту гонку. В начале двухсяных вы сказали: "Эта технология может быть обобщена". То есть, если CPU можно было сделать универсальным, то, возможно, и GPU тоже можно обобщить для более широких вычислительных задач. Давайте поговорим, акуда, как она появилась, откуда пришла эта идея. Говорят, что она родилась из исследований учёных. Как вы прочитали их работы и пришли к выводу, что GPU может стать универсальным вычислительным устройством? Прежде всего, Nvidia было трудно построить, потому что нам нужно было изобрести не только новую технологию, но и новый рынок. В девяносто третьем году, чтобы создать новую вычислительную платформу, требовался крупный рынок. Компания Silicon Graphics тогда занималась 3D-графикой, но рынок был слишком мал, чтобы поддержать новую платформу. Если мы хотели создать новую архитектуру, нужно было создать и рынок, а её не существовало, потому что не существовала архитектура, классическая дилемма курицы и яйца. Поэтому Nvidia научилась одновременно изобретать и технологию, и рынок. Мы внесли огромный вклад в формирование современного рынка 3D-графики и видеоигр. Seyaя Capital тогда сомневалась, ведь нам нужно было изобрести и технологию, и рынок одновременно. Вероятность успеха примерно 0%. Помню, как я рассказывал эту историю Дону Валентайну. Он спросил: "Дженсонан, а где ваше убийственное приложение? " Я ответил: "Есть компания под названием Electronic Arts". Я тогда не знал, что Дон только что инвестировал в Electronic Arts и сказал: "Eectronic Arts создаёт 3D-игры, а мы поможем им, создадим этот рынок". Он ответил: "Хочу, чтобы ты знал, мы инвестировали в Electronic Arts и их техническому директору 14 лет. Его привозят на работу родители, и ты говоришь, что это твоё убийственное приложение". Так или иначе, мы создали современную экосистему 3D-графики и видеоигр. Сегодня это одна из крупнейших индустрий развлечений в мире. Основная задача 3D-графики - имитация реальности. Если вернуться к сути, она пытается воссоздать реальность. А математика, стоящая за фотореалистичными изображениями и динамическими мирами, по сути, это моделирование физики. Линейная алгебра здесь имеет ключевое значение. И мы осознали этот принцип. И вот стоял вопрос: как превратить нечто специализированное во что-то универсальное? Это и стало великим изобретением нашей компании. Мы изобрели технологию, мы изобрели рынок, и мы изобрели пути системного роста от узкоспециализированной отрасли к более универсальным применениям. Такое почти никогда не случается. Этот путь был непрост, но не хочу тратить всё время на детали. Думаю, изобретение КУДА - это не только создание новой технологии и понимание, как обобщить GPU, но и изобретение новых продуктов, стратегий выхода на рынок, способов привлечь пользователей и построение экосистемы, которая запускает эффект маховика и превращает технологию в платформу. Мы изобрели всё это с нуля. Если оглянуться и спросить себя, кроме ARM и X86, какие ещё вычислительные платформы существуют, которые используются почти всеми? Таких нет. Создать новую вычислительную платформу - крайне редкое событие. В нашем случае на это ушло почти 30 лет.

Вы смогли превратить этот узкоспециализированный сверхмощный ускоритель в универсальное устройство, благодаря которому исследователи и учёные по всему миру смогли значительно ускорить свои вычисления. Ограничения закона Мура, с которыми они сталкивались, вдруг ослабли. А теперь давайте перенесёмся в начало десятых. В то время Дип Лёнин считался чем-то вроде академического тупика. Идея нейронных сетей уже пережила зиму, период застоя. Но в двенадцатом году произошёл прорыв с Alexet и компьютерным зрением, и всё это работало на GPU от Nvidia. Был ли это тот момент, когда вы поняли, что революция в сфере искусственного интеллекта становится реальностью? И если да, то как вы этим воспользовались? Стало ли это вашей стратегией сделать Nvidia центром революции? Да, тут было два счастливых совпадения. И одно результат наблюдения, сделанного на основе базовых принципов. Первое совпадение в том, что я пытался решить задачу компьютерного зрения. Мы хотели её решить по множеству причин, но, в общем, это была цель. Но компьютерное зрение тогда было крайне нестабильным, трудно обобщаемым, состояло из набора хаотичных приёмов. Меня ужасно раздражало, как медленно двигалась индустрия, и я был разочарован прогрессом. В то же время одной из наших ключевых стратегий по демократизации архитектуры были вовлечение учёных, сделать так, чтобы исследователи в университетах использовали нашу платформу КУДАA. Поэтому я начал с сейсмической обработки, молекулярной динамики, физики частиц, квантовой химии. Я буквально возил Nvidia и Kuda по всему миру. У нас даже внутри компании существовала стратегия под названием Kuda Everywhere, что означало Дженсон таскает куда угодно. Я ездил по университетам, по всему миру, встречался с исследователями. Эта инициатива распространения куда среди учёных и студентов привела к тому, что в 2011-12 годах с нами начали связываться исследователи. Джефф Хинтон пытался решить задачу компьютерного зрения. Эндрюн пытался решить задачу компьютерного зрения. Ян Ликун тоже занимался компьютерным зрением, потому что должен был пройти конкурс Imagnet, которым руководила Фйфли. И я тоже пытался решить задачу компьютерного зрения. Когда вы естественным образом занимаетесь какой-то задачей и видите, что другие интересные люди решают ту же задачу, вы неизбежно обращаете внимание на это. Это и есть совпадение. Великолепным наблюдением стало то, что мы смогли создать для них новый тип решателя, который называется QNНNн. Своего рода сиквел встроенных вычислений. Мы изобрели QDNНN, что является своего рода сетевыми вычислениями. Эта библиотека у DN позволила всем им использовать куда эффективно. Я увидел то же, что увидели другие. Все увидели, как резко выросла точность систем компьютерного зрения. Но мы пошли дальше. Мы рассуждали о том, почему это так хорошо работает в области компьютерного зрения и в чём ещё оно может быть полезно. И о способности глубоких нейронных сетей быть чрезвычайно глубокими, что означает, что каждый слой обучается независимо от других. Если вы могли обратно распространять ошибку от функции потерь до самого ввода, вы могли обучить сеть практически любой функции. И мы пришли к выводу, что это универсальный аппроксиматор функций. И если мы сможем затем добавить к его состоянию, знаете ли, CNN был своего рода двухмерным, многомерным распознавателем образов. Затем RN дали вам конечный автомат внутри него, а LSTM даёт вам ещё лучший конечный автомат, а затем трансформеры дают вам предельный конечный автомат. Итак, идея в том, что у нас будет универсальный апропсиматор функций, который может изучить почти любую функцию. Ну а вопрос в том, какую проблему он может решить. Теперь вы инвертируете вопрос. И мы пришли к выводу, что большинство проблем, которые мы хотели решить, могут иметь компонент глубокого обучения. И поэтому мы решили рассуждать о том, каким deep плеarрнинг станет через 10-20 лет. Разложили проблему вычислений на составляющее и пришли к выводу. Каждый чип, каждая система, каждое программное обеспечение, каждый урок вычислительного стека можно будет переосмыслить заново. И решение взяться за это оказалось, пожалуй, одним из лучших в истории.

В то время я занимался исследованиями Ии в Стэнфорде, и главным ограничением всегда были вычислительные мощности. У нас были ограниченные кластеры, на которых запускались эти алгоритмы. Nvidia не только сняла это ограничение, но и сделала такие вычисления возможными благодаря инфраструктуре Куда. В этом, по сути, и заключается история вашей компании. Вы постоянно расширяете границы доступных вычислений. В 2016 году вы создали первую в мире фабрику искусственного интеллекта GDX1 и лично доставили её Илону Маску в Open AI. Да, я построил совершенно новый компьютер. Он не похож ни на что, что существовало до этого. Работает он тоже иначе, чем всё, что было раньше. Помню, как я представил его на конференции GTC, и публика просто сидела в тишине, не понимая, о чём я говорю. Это была шутка. И аплодисменты были примерно такими же. Я презентовал это устройство. И все такие на той же GTC я пригласил Илона поговорить. Мы тогда вместе работали над беспилотными автомобилями. Он вышел на сцену и спросил: "Дженсон, где компьютер? " Я ответил: "Djx1, я создал его именно для этого". Он сказал: "Мне бы пригодился один". Тут я наконец получил заказ. Потом он добавил: "Да, у меня есть некоммерческая организация". Я подумал: "Ой". Когда создаёшь нечто совершенно новое, последнее, что хочешь услышать, что твоим первым клиентом будет некоммерческая организация. Но всё же я доставил этот компьютер сам. Я был, можно сказать, курьером Дорш. Я отвёз его в Сан-Франциско. Эта организация называлась Open AI, но теперь это очень прибыльная некоммерческая организация, скорее некоммерческая структура с доходом. Да, мы работаем вместе уже давно. Все их модели с тех пор создавались на Nvidia. Это устройство колоссальное, физически огромное. Когда Дженсон говорит компьютер, речь идёт о гигантской машине. Когда люди слышат GPU Nvidia, они представляют маленькие видеокарты. Но сегодня один наш GPU - это устройство в масштабе стойки весом около 2 тн, мощностью 120. 000 Вт и стоимостью около 3 млн долларов. Это и есть GPU. Мы, конечно, продаём и меньшие GPU, те, что использует Джефнтен. Такие стоят 500- 1. 000 долларов, вставляются в обычный ПК, и с ними можно играть в видеоигры или работать C. Но у нас есть гораздо более крупные GPU. Например, фабрика искусственного интеллекта мощностью в 1 ГВТ стоит около 50 млрд долларов. Расскажите подробнее

об этих фабриках искусственного интеллекта. Есть маленькие, вроде, и блендера, но есть и огромные промышленные фабрики, о которых вы начали говорить ещё в 2016 году. Что миру понадобятся такие и фабрики. Как вы пришли к этой уверенности, к этому видению и как вы реализовали всё это? Именно так нужно уметь рассуждать об этом. Мы построили первый DJ Xune. Это был самый дорогой компьютер, который когда-либо создавался. 300. 000 долларов за узел. И он оказался не слишком успешным. Я пришёл к выводу, что мы просто сделали его недостаточно большим, поэтому мы сделали следующий больше. И вот второй стал невероятно успешным. Потом возник вопрос: насколько большим его стоит делать и насколько сильно мы можем разогнать вычисление. Причина, по которой всё развивается так быстро, в том, как Nvidia создаёт и обновляет продукты. Мы не проектируем просто чип, мы проектируем целую инфраструктуру одновременно. Мы единственная компания в мире, которая может взять здание, подвести к нему электричество, дать чистый лист бумаги и спроектировать всё, что внутри. Все сети, все коммутаторы, все CPU, все GPU, всю технологию внутри этого завода. И всё это работает на одной программной платформе NVIDIA. Благодаря такой интеграции мы можем двигаться с колоссальной скоростью. Я могу перепроектировать всё на следующий год, потом снова на следующий. И при этом каждая новая версия будет полностью совместима по ПО. А совместимость программного обеспечения - это и есть скорость. ПК индустрия развивалась так быстро именно потому, что всё было совместимо с Windows. Поэтому, если ты совместим со стеком, ты можешь выпускать чипы с любой скоростью. И сейчас мы строим и фабрики так быстро, как физически возможно. Мы обновляемся в огромных масштабах, делаем совместные изменения, меняем алгоритмы по сети, CPU и GPU одновременно. Так мы выходим за пределы закона Мура, который, как известно, замедляется. И каждое новое поколение наших решений даёт прирост производительности примерно в 10 раз. Это невероятный уровень, который мы предлагаем рынку ежегодно. Почему мы так делаем? Потому что понимаем, что за горизонтом всегда ждёт задача настолько большая, что для неё потребуется ещё более мощный компьютер. И одновременно, увеличивая производительность при том же энергопотреблении, мы снижаем стоимость, и мы стремительно удешевляем вычисление. А это позволяет клиентам делать больше, зарабатывать больше, получать больше выручки с той же инфраструктуры. Именно поэтому Nvidia сегодня лидирует. Мы предлагаем и самую высокую производительность, и максимальные масштабы. Если вы хотите огромную систему, вы можете сделать это и при этом самую низкую стоимость. Наше решение настолько производительное, что если, скажем, ваш дата-центр ограничен мощностью в 1 Гавт, то, используя наши GPU, вы сможете извлечь из этого гигаватта в три раза больше пользы. То есть ваша компания сможет получать втрое больше дохода с того же ресурса. Вот почему я называю это не дата-центром, а фабрикой. Это действительно фабрика, потому что он производит прибыль, и эти и фабрики стремятся постоянно увеличивать масштаб, повышать доходы, наращивать пропускную способность. Поэтому мы и двигаемся с такой скоростью. За нами трудно поспевать, и именно это объясняет наш успех. Дженсон, вы перешли от создания отдельных компонентов к целой платформе, концепции и фабрики для инвесторов. можете объяснить, из чего состоит эта платформа и как она будет развиваться дальше. В её основе CPU, GPU, сетевые процессоры. Есть три типа коммутаторов. Один из них, Scale up Switch, объединяет стойку в единый компьютер. Мы изобрели вычисление на уровне стойки. Это называется масштабирование вверх. Можно масштабировать и вширь, соединяя множество таких стоек вместе. Эти сети и коммутаторы работают на сложном программном обеспечении, поверх которого стоит ещё больше ПО. В итоге получается единая гигантская система размером с целое здание мощностью примерно 100 МВт, а гигаватт - это уже 1. 000 акров территории. Затем мы соединяем все эти дата-центры между собой, чтобы они могли думать совместно. Вот что мы создаём сегодня. Есть несколько причин, почему инфраструктура строится такими темпами. Сейчас ходят разговоры о пузыре и сравнения с 2000 годом. Но если вспомнить тот период, тогдашние интернет-компании, вроде hospital. com или pets. com, почти не приносили прибыли. Вся индустрия интернета тогда стоила порядка 20-30 млрд долларов. А сегодня

важно понимать, что искусственный интеллект - это не только новые компании вроде Open AI и Antropic. и полностью меняет работу крупнейших корпораций. Например, поисковики теперь работают на и рекомендательные системы, реклама, новости, фильмы, всё это создаётся и управляется Ии. То есть бизнесы Google, Amazon, Meta, сотни миллиардов долларов выручки уже зависят от искусственного интеллекта. Даже если убрать Open AI и Antropic, вся индустрия гиперсбных вычислений сегодня держится на Ии. И первый вывод: весь этот сектор должен перейти от классических CPU и машинного обучения к глубокому обучению на базе ИИ. Только этот переход сам по себе означает перестройку на сотни миллиардов долларов. Понимаете, о чём я? И это первый момент. Второй заключается в том, что сейчас формируется совершенно новый рынок. Этот рынок называется искусственный интеллект и появилась новая индустрия, и она производит ИИ. Open AI, Antropic, XAI, Gemini от Google, MмеA. Все они становятся производителями искусственного интеллекта. И этот новый слой компаний, создателей ИИ - моделей также строит собственные ИИ-фабрики. Эти системы искусственного интеллекта станут двигателем нового поколения возможностей. уже появляются компании вроде Harv, Open Evidence, Cursar и других. Они создаются как EA, изначально построенные на связке с и моделями. И впервые в истории они выходят на рынок, который раньше вообще нельзя было автоматизировать, на рынок труда. Речь идёт о цифровом труде. Это новое направление, где агентные и системы будут дополнять и усиливать человеческий труд в бизнесе. Например, в Nvidia сегодня 100% наших разработчиков по иженеров по проектированию чипов работают с поддержкой. И каждый инженер использует кёрср внутри компании. Так что теперь у нас есть Ии для каждого инженера. Производительность растёт колоссально. Качество работы на новом уровне. И появляется ещё одно направление. так называемый физический ИИ. Если есть корпоративный Ии, то физический - это ИИ, который усиливает физический труд. К примеру, роботаси это, по сути, цифровой шофёр. В будущем подобные системы будут встроены во всё, что движется. В случае роботокси руликолёса. Но есть и другие формы: манипуляторы, руки, ноги, разные типы воплощений. Эти два направления, корпоративный и физические, охватывают около 100 триллинв долларов мировой экономики. И впервые в истории у нас есть технология, которая способна дополнить и расширить этот сектор. Вот почему люди так воодушевлены новой волной искусственного интеллекта. Давайте немного вернёмся к предыдущей волне. Вы упомянули, что ИИ уже приносит реальную отдачу. Для инвесторов отличным примером может быть мета. В конце 2022 года Apple фактически лишила метод данных атрибуций, и капитализация компании рухнула на сотни миллиардов. Но команда МЕТА нашла решение с помощью EИ, работающего на GPU от Nvidia. Верно? Да. Они восстановили систему атрибуции, и капитализация компании выросла на сотни миллиардов. Сейчас она более чем на триллион выше от минимальной точки. И всё это результат возврата инвестиций благодаря вашим GPU. Мета и не только Мета использует одну из самых сложных программных систем, систему рекомендаций. В её основе лежит несколько технологий. Первое - это коллаборативная фильтрация. Она анализирует моё поведение и сравнивает его с другими пользователями. Если наши паттерны похожи, система предложит мне тот же фильм, товар, книгу или видео. Вторая контентная фильтрация. Она смотрит на то, кто я и что собой представляет контент, чтобы предложить мне то, что максимально соответствует моим интересам. Система рекомендаций - это крупнейшая программная экосистема в мире, и сейчас она стремительно переходит на Иголые горы GPU. Эти системы стали известны после конкурса Netflix Challenge 20 лет назад. Сегодня все рекомендации Netflix работают на Ии. То же самое с Amazоon, когда вы что-то покупаете. Большинство рекомендаций делается искусственным интеллектом. Поиск тоже переходит на Ии, поиск тоже на Ии. TikTok использует Иишс использует и теперь даже персонализированная реклама полностью работает на и объём ей задач сегодня просто колоссален. И обратите внимание, всё, что я перечислил - это классические применения, даже без генеративных моделей. Дальше количественный трейдинг, он тоже перейдёт на Ии. То, что раньше требовало человеческого анализа признаков, теперь будет выполняться ИИ. Именно так. И это направление Цитаade Securties развивает уже более 20 лет. И это и есть классический Иици Цитадель - отличный клиент. Спасибо. Это прекрасный пример, и для инвесторов важно понимать, отдача АТИ уже существует в виде триллионов капитализаций.

капитализаций. Давайте теперь обсудим, что дальше. Прогнозы на двадцать пятый год говорят, что инвестиции ВИ могут достичь 500 млрдов долларов. Что будет потом? Станет ли это отраслью с инвестициями в триллионы ежегодно? Да, если говорить о производстве, о и фабрике, то это создатели моделей. Их можно сравнить с производителями кремневых пластин. приложение, которое один из способов смотреть на Ииставит, что большие языковые модели - это операционные системы современного компьютера, а на них строятся приложения. И не только одна модель и, а система из нескольких моделей. Приложения, по сути, соединяют между собой разные и так вот возникает вопрос, что представляют собой эти приложения сверху? Самый простой способ понять, что это такое. Все эти многочисленные приложения, которые будут улучшены с помощью и самый простой способ - это объяснить через метафору цифровых людей. Например, цифровой инженер-программист, то есть и пишущий код. Это рынок, который будет, вероятно, стоить несколько триллионов долларов. Или и медсёстры, и бухгалтеры. и юристы, и маркетологи. Всё это мы называем агентным. И эта технология сейчас активно развивается. Впервые технологии перестают быть просто инструментом, который используют бухгалтеры или инженеры. Они сами становятся цифровыми инженерами. Я не удивлюсь, если компании начнут лицензировать их и нанимать их в зависимости от уровня и глубины их экспертизы. В будущем в компаниях будут трудиться и люди, и цифровые люди. Кто-то на основе Open AI, кто-то Harv, Open Evidence, Curser, Repли или Lovable. Часть таких и будет внешней, а часть созданной внутри компании. Мы, например, разрабатываем собственные Ии, потому что у нас есть уникальные знания и данные, которые нужно защищать и компетенции, чтобы развивать свои модели. Со временем всё больше компании смогут создавать своих цифровых сотрудников, потому что это станет проще. Агентный и для бизнеса, который дополняет человеческий труд. Это рынок с триллионным потенциалом. И что делает и уникальным по сравнению с предыдущими поколениями ПО и должен думать. Его нельзя просто скомпилировать, упаковать в файл и установить. Он должен постоянно обрабатывать данные. Он должен понимать контекст, осознавать, чего вы от него хотите, и создавать результат. То есть он думает, он думает и генерирует. И для этого ему нужны вычислительные мощности. Поэтому и существуют и фабрики. Они могут быть в облаке, локальными, распределёнными по всему миру. Это часть инфраструктуры. И эти фабрики выполняют огромное количество вычислений, создавая то, что мы называем токенами, по сути, частицами интеллекта. Так рождается когнитивный и цифровая рабочая сила. Второе большое направление - работотехника. Позвольте провести мысленный эксперимент, чтобы объяснить, насколько она уже близка. Как вы знаете, вы можете писать запрос. Дженсон берёт бутылку, открывает и делает глоток. и генерирует видео, где я это делаю. Так, если он может это сгенерировать, почему бы ему не управлять роботом, чтобы тот сделал то же самое? Этот мысленный эксперимент наверняка скоро станет реальностью. Если можно создать цифрового шофёра, управляющего автомобилем, почему нельзя сделать физического робота, который будет водить? А если робот, если мы можем научить его водить, почему он не может двигать манипулятором или выполнять другие действия? Получается, мы уже умеем придавать форму практически чему угодно. Мы можем взять нож и вилку, и они становятся продолжением нашего тела. Мы можем взять биту, и она тоже становится его частью. Мы воплощаем физические предметы. Будущие и смогут воплощаться и управлять машиной, роботизированными руками, хирургическими системами, всем, что угодно. Эти два рынка, когнитивный и работотехника, уже находятся в зоне досягаемости. И последний пример. Если вы наблюдаете одно удачное воплощение технологии, дальше остаётся лишь инженерия, мы уже видим отличные результаты цифрового и программиста, поэтому мы так активно его используем. Если и может писать код, почему бы ему не писать программы для маркетинга или для бухгалтерии и чего угодно, что вам нужно. Сам факт существования этого доказывает, что остальное вопрос инженерии. У нас уже есть роботокси, воплощённый робот, управляющий рулём и колёсами. Если такое уже есть, значит, можно обобщить принцип. Остальное дело техники. Это и есть рассуждение с позиции первых принципов. Насколько вероятно, что эта технология распространится на все отрасли и всю жизнь. Следующий шаг- понять, как масштабировать всё это, как доставить этот интеллект в разные приложения. Для этого нужны и фабрики. Подпишись прямо сейчас на мой Telegram-канал по ссылке в описании. Я подготовил для тебя топ-три материала, которые, на мой взгляд, должен знать каждый. Первое, карта сотни топовых AI стартапов - это будущее на одной картинке. Второе- прогноз от инсайдера из Open AI, который ещё до появления чат GPT предсказал всё, что сейчас происходит с нейронками. И вот в этом году он выпустил новый прогноз до двадцать седьмого года. И третье, самое мощное - это мой разбор эссе основателя компании Anтроopic, который по сути второй человек в мире искусственного интеллекта. Он по полочкам разложил, что будет происходить в мире ближайшие 5 лет, и главное, каким будет универсальный AI, которого все так боятся или ждут. Переходи по ссылке в

описании. — А теперь немного о работотехнике. У вас потрясающая команда. Один из ваших руководителей, отвечающих за работотехнику, тоже здесь. Раньше вы рассказывали, как это может развиваться. Будет ли один гуманоидный проект или несколько открытых инициатив? Как они свяжутся между собой? Как вы считаете, работотехника появится в реальном мире? И в какие сроки? Роботакси уже существуют, и их способность адаптироваться к разным городам растёт невероятно быстро. Это возможно, потому что технология та же самая. Мы прошли и тот же путь, что и в алгоритмической торговле. От ручного проектирования признаков к машинному обучению, потом к глубинному обучению и мультимодальным моделям. И теперь к системам end to end, и она мультимодальная. Благодаря этому мы добились высокой степени обобщения. Модель Ии, которая управляет беспилотным автомобилем, и модель, которая управляет роботом-гуманоидом, почти идентичны. Это просто разные воплощения одного интеллекта. Я знаю это точно, потому что сам могу водить машину и управлять телом. Это одна и та же способность. Я могу взять нож и вилку и играть хирурга, разрезая стейк. То есть мы видим одно и то же и в разных формах. Работотехника движется к более универсальным системам и, которые можно воплощать в разных телах и использовать в разных средах. Чтобы это осуществить, нужно три вещи: и фабрика для обучения моделей. И вам нужно место, где и может учиться, не попадая сразу в реальный мир, чтобы она пробовала триллионы итераций в этом виртуальном мире. Виртуальный мир, где и обучается, похож на видеоигру. Он тренируется, пробуя триллионы действий, соблюдая законы физики. Когда Ии становится опытным игроком, он может перейти из виртуального мира в реальный. И разница между ними минимальна, потому что симуляция максимально реалистична. Мы называем эту среду Omмniнис. И когда робот выбирается из этого виртуального мира, наш мир становится одной из версий виртуального мира, в котором он играл. Когда робот выходит из виртуального мира, ему тоже нужен компьютер. Таким образом, нужно три компьютера: для обучения, для симуляции и для воплощения, где робот в самом деле управляет мозгом. NVIDIA предлагает все три, и мы сотрудничаем почти со всеми компаниями в области работотехники и беспилотников. И эта отрасль, вероятно, станет одной из самых масштабных в мире. Сегодня Nvidia так или иначе касается почти всех сфер технологий. Вы как-то говорили, что начинаете с рынков, на которых нет даже миллиарда долларов, и превращаете их в рынки с триллионами. Работотехника - одна из таких новых областей. Есть ли другие, которые вас особенно вдохновляют? Вы упомянули медицину- это та сфера, к которой вы неравнодушны? Или есть ещё какие-то, на которые инвесторам стоит обратить внимание? Технологии, нужные для здравоохранения, действительно очень сложные, но мы быстро продвигаемся. Если вы можете понимать смысл слов, последовательности символов, если вы понимаете структуру, например, виртуальный мир, тогда вы способны генерировать видео. Ведь для этого нужно понимать, как устроен мир. Чтобы создавать изображение, нужно уметь представлять себе структуру реальности. Так что если вы можете генерировать видео, значит, вы понимаете мир. А если вы понимаете мир, возможно ли, что вы сможете понять белки и химические соединения со сложной структурой? Ответ: да. Мы всё ближе к тому. Чтобы понимать смысл белков, достаточно вспомнить Альфафолт и подобные проекты. Мы начинаем понимать, как устроены клетки. Недавно мы запустили партнёрство с AC, и их модель ИВ2 стала одним из первых примеров крупной языковой модели, предназначенной для представления клеток. Теперь можно буквально общаться с ней и сказать: "Создай клетки с такими-то свойствами". Или, наоборот, поговорить с клеткой, узнать, какие у неё характеристики. с чем она может связываться, какие процессы активирует, какой у неё метаболизм. То есть теперь с клеткой можно взаимодействовать почти как с чатботом. Так что понимание смысла белков - это лишь начало. Прогресс огромный, и список всё пополняется. Мы также активно работаем над внедрением и телекоммуникации. 5G и 6G будут полностью преобразованы с помощью искусственного интеллекта. Ещё одно направление, которое меня очень вдохновляет - это квантовые компьютеры. Мы надеемся сократить путь к их реальному применению примерно на десятилетия, создавая гибридные квантовые GPU-системы, где мы отвечаем за коррекцию ошибок, управление квантовым компьютером и постобработку данных. И мы разработали новую архитектуру под названием QUД Q. Это расширение куда для квантовых вычислений, и она уже получает невероятную популярность. Так что теперь мы можем решать множество задач, которые раньше казались неразрешимыми.

Давайте поговорим о суверенном. И мы только что слышали Марио Драги. Он говорил о важности инвестиций в технологии для ЕС, включая, конечно, масштабный И. Эта революция отличается от предыдущих тем, что правительства активно вовлечены не только в регулировке, но и в покупке и фабрик. Как вы видите будущее суверенного и когда страны создают собственные системы и как, по вашему мнению, США должны выстраивать отношения с остальным миром в этой сфере? Ни одна страна не может позволить себе полностью отдать свои национальные данные за границу, а потом импортировать обратно собственный интеллект. С самого начала это выглядит нелогично. При этом никто не обязан создавать всё с нуля. Можно покупать технологии, использовать импортные решения, но нельзя отказываться от производства собственного национального интеллекта. Сегодня технологии сложны, но они стремительно становятся доступнее, особенно благодаря открытым исходным кодам. Поэтому я бы не стал отказываться от идеи создания собственного суверенного ИИ и использования имеющихся данных для формирования национальной интеллектуальной базы. Сейчас этим занимаются страны по всему миру. Думаю, каждая из них будет что-то покупать, что-то импортировать и что-то разрабатывать самостоятельно. Мы видим большой рост интереса к суверенному ИИ. В Великобритании это активно развивают. Например, компания Мистраль во Франции. В Великобритании есть и NIB. множество стартапов в Италии, Испании, Германии по всему миру. Есть в Японии, есть в Корее. Суверенный ИИ появляется по всему миру. Одной из часто упоминаемых стран является Китай. Как вы считаете, какой подход должны избрать США в вопросе экспорта и фабрик в Китай? И это новая технология. И нужно тщательно подумать, как её регулировать. США, конечно, хотят выиграть гонку Ии, и политики стремятся к тому, чтобы страна была лидером. Тем не менее, важно помнить, то, что вредит Китаю, нередко вредит и самой Америке, а иногда даже сильнее. Прежде чем принимать решения, наносящие ущерб другим, стоит сделать шаг назад и задуматься, какие меры действительно выгодны самой Америке. и, скорее всего, снова вернуться к базовым принципам. Что касается Ии, как и в любой сфере программного обеспечения, разработчики играют ключевую роль. Победа в привлечении разработчиков определяет, чья технология станет основой будущего. Мы хотим, чтобы мир строился на американских технологиях. Nvidia, американская компания, и мы гордимся этим. Мы хотим, чтобы именно на американских решениях создавались мировые системы Ии. Однако в Китае работает около 50% всех исследователей в области ИИ. У них выдающиеся университеты, сильная концентрация внимания и энтузиазм. Поэтому, на мой взгляд, было бы ошибкой не позволять китайским специалистам строить ИИ на основе американских технологий. Это фундаментальная ошибка. И тут важно найти баланс, как оставаться впереди, но при этом позволять миру развиваться на американской технологической базе. Это баланс. И для этого нужен нюанс. Это не так, что всё или ничего. гибкая адаптивная стратегия, позволяющая США сохранять лидерство и при этом сотрудничать с исследователями по всему миру. Это, на мой взгляд, правильный путь. Сейчас мы полностью вышли из Китая. Наша доля там упала с 95% до нуля. Я не думаю, что кто-то из политиков может считать это хорошим решением. Любая политика, которая привела к тому, что Америка потеряла один из крупнейших мировых рынков, не может быть успешной. И в любых наших прогнозах на будущее мы закладываем для Китая ноль. Если что-то изменится в Китае, это будет бонус. Но Китай - это огромный рынок. Китай остаётся вторым по величине компьютерным рынком в мире с живой экосистемой. Я считаю, что США совершают ошибку, отказываясь от участия в нём. Поэтому мы продолжаем объяснять, информировать и надеяться на изменения политики.

Дженсон, недавно вы были в наших офисах на конференции по искусственному интеллекту, и тогда вы делились очень интересными мыслями о будущем и безопасности и её важности. Это отчасти связано с тем, что существуют государственные акторы, которые могут вмешиваться в работу и а также обычные пользователи, которые могут использовать его неправильно. Как, по-вашему, будет выглядеть будущее и безопасности? Ну и безопасность в будущем будет выглядеть примерно так же, как кибербезопасность. Нам всем придётся работать как сообществу. Вы, наверное, знаете, что в области кибербезопасности все директора по безопасности, специалисты представляют одно большое сообщество. Когда кто-то обнаруживает попытку взлома, он делится этой информацией со всеми. Каждый раз, когда мы находим уязвимость, мы сообщаем о ней всем. Поэтому вполне вероятно, что будущее Иизопасности будет похоже на кибербезопасность. Второе. Если предельная стоимость интеллекта, предельная стоимость ИИ стремится к нулю, то почему предельная стоимость ИИ, сфокусированного на безопасности, не должна тоже стремиться к нулю? Это очевидно. Скорее всего, каждый и будет окружён множеством кибери, которые будут его охранять. Мы будем иметь огромное количество и защитников, тысячи, миллионы внутри компаний за её пределами. И это и есть то будущее, к которому мы идём. Идея, что и сам по себе должен быть хорошим, хороша. Но я не думаю, что нужно полагаться только на это. Так же, как и с программами. Мы хотим, чтобы они работали корректно, но при этом понимаем, что в них могут быть ошибки, вирусы или уязвимости. Мы обязаны это учитывать. Поэтому мы будем делать всё, чтобы развитие И проходило максимально безопасно, окружая каждый и множеством систем безопасности. Вы тогда сказали, что динамика физического мира отличается от цифрового. Где в физическом мире может быть один сотрудник безопасности на сотню обычных людей. В мире Ииношение может быть противоположным. И ещё вы высказали идею, которая просто взорвала мой мозг. Например, как в кибербезопасности. У нас намного больше агентов кибербезопасности, чем людей, которые работают в самой компании над безопасностью. Вы также сказали, что в будущем у нас будет не просто рендеринг

вычислений, а всё будет генерироваться. Можете объяснить, что вы имели в виду и что это значит для НВИ? Лучший пример, чтобы это объяснить, перплексити. Всё, что вы видите в перплексите, когда задаёте вопрос, полностью сгенерировано на 100%. Раньше доперплексити вы вводили запрос, получали список ссылок, переходили по ним. И весь этот контент был кем-то заранее создан. Поиск - это вычисление, основанные на хранении и извлечении данных. Он просто находит и выдаёт вам информацию, чтобы вы сами её изучили. Perplexity или любой и - это генерация. Он сам изучает материалы, читает их и создаёт ответ специально для вас. Perplexity - отличный пример перехода от классического подхода компьютеров, которые извлекают файлы генеративному подходу, основанному на и другой пример, видео, которое мы видим сегодня. Сора, нанобана, все эти пиксели сгенерированы. Они зависят от ваших условий и подсказок. Вы можете задать начальные данные и сказать: "Создай видео, где Константин и Дженсон ведут беседу у камина". Затем нужно уточнить, что это будет за разговор. Например, о безумных идеях. Кстати, для тех, кто онлайн, мы настоящие. И после этого Сосора создаст это видео. Каждый пиксель, каждое движение, каждое слово сгенерировано. Так что вычисления будущего, скорее всего, будут генеративными. Позвольте привести ещё одну мысль. Всё, что мы с вами сейчас обсуждаем, сгенерировано. Каждый вопрос, что вы задали, я не возвращался в офис, не находил что-то и не отдавал вам. Это то, что вы имели в виду, Константин. И вы громко читаете всё это для остальных. Это вчерашний компьютер. Сегодняшний компьютер - это взаимодействие в реальном времени. Всё создаётся здесь и сейчас на основе контекста того, что здесь происходит, аудитории, событий в мире. Всё генерируется мгновенно. Это и есть компьютер будущего. Ваш компьютер будущего - это генеральный директор перед вами, художник, поэт, рассказчик, с которым вы создаёте уникальный контент. Будущее компьютеров 100% генеративное. И за всем этим стоит и фабрика. Именно поэтому я абсолютно уверен, что мы только в начале пути. Сейчас всего на эти фабрики потрачено несколько сотен миллиардов долларов. Это очень мало. Несколько сотен миллиардов долларов - это всё, что построено. Но в будущем это будут триллионы ежегодно. Это простейший способ это представить. И этот вычислительный подход становится всё больше похож на человеческий разум. Да, он думает. Он реально думает. Если

не против, давайте сделаем короткий блиц. Несколько быстрых вопросов. Несколько последних минут вместе. Уверен ответ жареная курица. Не знаю, к какому вопросу, но ладно. Начнём. Какой один KPI, по вашему мнению, Уолстрит недооценивает? В будущем и фабрик пропускная способность на единицу энергии будет определять выручку их клиентов. Речь не только о выборе лучшего чипа. Это решение, от которого зависит доход компании. Если посмотреть на облачные сервисы, те, кто сделали правильный выбор, выросли, а те, кто замедлился, позже догнали. Люди начинают это понимать. Ваша производительность или, как мы говорим, скорость генерации токенов на единицу энергии вашей фабрики. Это и есть ваш доход. Самая недооценённая часть платформы Nvidia. Многие говорят окуда, и это действительно важно. Но поверх куда есть целый набор библиотек. Одна из них кудин. Это, пожалуй, одна из самых важных библиотек истории человечества. До неё такой была сиквел SQL. Так, динN есть и другие. Диеф, Кулио используется для производства микрочипов литографии. Всего их около 350. Эти библиотеки - настоящее сокровище Nvidia. Какая технология, по вашему мнению, сильно недооценена, а какая переоценена? Недооценена. Думаю, виртуальные миры, в которых физический и учатся быть хорошим физическим и мы называем это амниврс. Это сложно понять, но это глубоко недооценено. Не потому, что люди не просто люди пока не осознали, что им это нужно. Сейчас умниверс распространяется по индустрии работотехники, и все начинают понимать, когда начинаешь создавать роботов, понимаешь, насколько дальновидной была идея заняться этим почти 10 лет назад. Так что Амниврс очень важен. Какая книга сильнее всего повлияла на ваш бизнес и лидерскую философию? Одна из моих любимых книг, первый учебник по математическому анализу, который читали все, когда осознаёшь, что математика - это движение. Отличная книга. Все книги Клейтона Кристерсона великолепные. Он был моим другом. Все его книги хороши. Книга Элрайса, позиционирование тоже отличное. Конечно, сапиенс классика и книга Джефри Мура. Преодоление пропасти. Но начните с Кристенсона. Все его книги того стоят. Любимая еда, чтобы поднять настроение. Ну и вот оно. Жареная курица. Вот и ответ. Отлично. И последний вопрос. Если бы вы были CO с 10 млрдми долларов на инвестиции в Ии в ближайшие годы, куда бы вы вложились? Я бы сразу начал экспериментировать с созданием собственного Ии. Мы гордимся тем, как вводим новых сотрудников в культуру компании через обучение, ценности, методы работы. Это и определяет компанию. Те данные и знания, которые накопятся за всё это время, которые ты сделаешь доступными. Это что определяло компании в прошлом. В будущем компании должны будут делать то же самое. Для ИИ необходимо онбордить цифровых сотрудников. обучать их культуре, знаниям, навыкам, методам оценки. Таким образом, весь цикл вашего цифрового сотрудника - это то, чему вам нужно пойти и научиться. Я говорю моему IT-директору, что IT-отдел нашей компании в будущем станет отделом кадров для агентивного ИИ. Они станут отделом кадров для цифровых сотрудников будущего. И эти цифровые сотрудники будут, конечно, работать вместе с нашими биологическими. И именно так будет выглядеть наша компания в будущем. Если у вас есть возможность начать это уже сейчас, делайте это. Спасибо, Дженсон. Мы услышали невероятную историю, историю Nvidia, которая эволюционировала от ускорителя графики до технологии, на которой держится весь и мир, от одного компонента, первого в мире GPU, до целой платформы, до фабрики искусственного интеллекта. Мы обсудили, как сервисы становятся базой этой новой революции, каким образом работотехника будет развиваться. Обсудили политику и даже жареную курицу. Вы охватили всё. Спасибо огромное спасибо. Отличная работа.