大学买不到 GPU 怪我？黄仁勋斯坦福现场火力全开：是你们体制的错！

📌 一句话摘要

黄仁勋在斯坦福的深度访谈中，系统阐述了计算范式从预录制到实时生成的颠覆性转变，并围绕协同设计、开源战略、算力评估、教育变革及 AI 安全等核心议题，给出了极具冲击力的个人见解。

📝 详细摘要

本文编译自英伟达 CEO 黄仁勋在斯坦福大学的客座讲座内容。黄仁勋在访谈中火力全开，系统性地阐述了他对当前 AI 时代计算范式变革的深刻理解。他提出，过去 60 多年基于 IBM System/360 的计算模型已被彻底颠覆，计算正从预录制转向实时生成，这将重塑软件、芯片、组织形态乃至教育方式。他详细解释了英伟达极端协同设计（Co-design）战略如何带来十年百万倍的性能提升，并强调算力利用率（MFU）是错误指标，真正应关注每瓦特输出的有效 Token 数。在开源问题上，他阐述了英伟达在多个领域充当拓荒者的战略意图，并强调开源对语言平权和 AI 安全的必要性。他还直言不讳地批评了将 GPU 与原子弹类比的观点，并指出大学买不到算力的根本原因在于自身体制而非供应不足。最后，他分享了对痛苦与煎熬、战略决策以及构建未来心智模型的个人感悟。

💡 主要观点

- 计算范式正从预录制转向实时生成，这是过去 60 多年来最根本的变革。 黄仁勋认为，过去的计算本质上是预录制系统，而 AI 驱动的计算是实时生成的，能理解语境、响应意图，这将对整个技术栈、软件开发方式乃至公司组织形态产生颠覆性影响。

英伟达通过极端协同设计，在十年内实现了 100 万倍的性能提升。 通过将算法、编译器、框架、芯片、网络和存储进行全局优化，英伟达实现了远超摩尔定律的性能飞跃，为 AI 的爆发式增长提供了算力基础。

算力利用率（MFU）是错误指标，应关注每瓦特输出的有效 Token 数。 黄仁勋认为，为了避开阿姆达尔定律，系统应进行超额配置，导致 MFU 看似低下。真正衡量系统效率的指标是每瓦特能生成多少有价值的 Token，而非浮点运算的利用率。

开源模型对语言平权、行业拓边和 AI 安全至关重要。 英伟达在多个领域开源基础模型，旨在激活下游生态。同时，开源是实现 AI 安全的基础，因为透明系统才能被审查和防御，而黑盒系统无法提供安全保障。

大学买不到算力的根本原因在于自身体制，而非供应不足。 黄仁勋直言，大学分散的预算模式无法支撑起一个大型计算集群，这是体制问题。他建议斯坦福应从捐赠基金中划拨 10 亿美元，为全校师生建设共享的 AI 超级计算机。

💬 文章金句

- 过去我们熟知的计算，本质上是预录制的。但现在，一切都是实时生成的。

• 在英伟达的协同设计下，我们在十年内实现了 100 万倍的性能提升。
• 我希望 MFU 永远处于低位，因为我想让系统足够聪明，实现超额配置，这样它才能运转自如。
• 如果你希望 AI 是安全可靠的，它就必须是开源的。
• 当某件事是你的错时，你就有能力去改变它。

📊 文章信息

AI 初评：86

来源：AI科技大本营

作者： AI科技大本营

分类：人工智能

语言：中文

阅读时间：80 分钟

字数：19829

标签： 黄仁勋, 英伟达, 协同设计, AI算力, 开源模型

阅读完整文章