文章核心观点 生成式AI的核心机制已从检索既有信息彻底转变为学习知识结构并进行即时的逻辑推理，这标志着计算范式的根本性转变[6][7][9] 数据中心正演变为输入能源与数据并大规模产出智能Token的新型工厂[9][13] 加速计算正在让摩尔定律以另一种方式重生，并极大地降低了AI计算成本[9][21][24] 未来的编程语言将回归人类自然语言，这将极大地降低技术门槛并赋予个人更强的创造力[9][18] AI技术范式的根本转变 - AI的核心机制已从“检索”数据转变为“推理”和生成答案，它根据学到的知识结构逐字逐句生成内容，而非查找预存答案[6][7][8] - 深度学习与传统软件编程不同，它不描述内部函数，而是通过海量输入输出示例训练一个巨大的神经网络（通用函数逼近器），通过误差反向传播调整数十亿参数以学习规律[11] - AI计算本质上是海量的并行计算，GPU（由成千上万个可并行处理简单任务的单元组成）比CPU（少数擅长串行处理复杂逻辑的专家）更适合此任务[22][23] 数据中心作为“AI工厂”与能源挑战 - 数据中心已演变为“AI工厂”，其输入是电力和数据，输出是代表智能载体的Tokens，这是一种大规模生产智能的新型制造业[9][13] - 能源消耗是AI扩张的挑战，但提升芯片能效是关键，例如Blackwell芯片比上一代能效提升了25倍，使得用同样的电做更多的事成为可能[14] - 数据中心需要稳定的基载电力，太阳能和风能因波动性大并非理想选择，核能（包括重启现有电站或发展小型模块化反应堆）被视为非常好的选择[14] 加速计算与摩尔定律的重生 - 传统的、依靠缩小晶体管来提升性能的摩尔定律已经放缓，但在AI计算领域，通过加速计算让该定律以另一种方式重生[20][21] - 在过去十年里，通过加速计算将AI计算的成本降低了10万倍，这被形容为“喝了能量饮料的摩尔定律”[24] - 技术迭代迅速，2016年交付OpenAI的世界首台AI超级计算机DGX-1具有1 Petaflops算力，售价30万美元，而如今同等算力已被集成到书本大小的模块中，成本和体积大幅下降[27][28] 编程与未来就业的演变 - 未来的编程语言将是人类自然语言，人们无需学习Python或C++等特定语法，只需清晰表达意图即可编程，这将使世界上每个人都成为程序员，极大降低技术门槛[9][18] - AI不会完全取代人类工作，而是改变任务内容，例如AI帮助放射科医生处理看片任务，使其能更专注于疾病诊断这一核心目标，从而提升效率[16][17] - 人们将从任务执行者转变为指令的发出者，职业身份认同将随之演变，但人类解决问题的欲望和目的感依然存在[16][17] 英伟达的创业历程与战略抉择 - 公司在1996年曾面临30天倒闭危机，因技术路线错误（采用正向纹理映射而非行业主流的三角形）导致为世嘉开发的芯片变成废品[33] - 在危机中，公司创始人选择向合作伙伴世嘉CEO坦诚失败，并请求支付合同尾款约500万美元以渡过难关，这笔资金拯救了公司[34] - 早期曾冒险投资CUDA技术，在芯片中增加通用计算功能导致成本翻倍，初期无人买单且不被理解，公司市值从约120亿美元跌至20亿美元，但基于对第一性原理和新计算方式的信念而坚持投入[30][31][32] - 在资金极度紧张时，用公司救命资金的一半购买了一台已倒闭公司的芯片模拟器，用于完成软件测试并跳过流片环节，这是一次决定公司存亡的赌博[35][36] 创始人的管理哲学与个人驱动力 - 公司创始人每天早晨4点起床，睡眠6-7小时，起床后首先花数小时处理邮件，其家人（妻子和两个孩子）均在英伟达工作，家庭与工作高度融合[42][45][46] - 尽管执掌公司32年，创始人表示其动力并非来自对成功的渴望，而是源于对失败的恐惧，每天醒来仍会担心公司倒闭，这种偏执有助于保持敏锐[4][48] - 创始人认为痛苦、孤独和不确定性是成就伟大事业过程的一部分，并希望员工能经历足够的痛苦，视其为磨砺性格的必需[49][50] - 创始人强调专注于当下，不佩戴手表是为了不被时间追赶，将全部注意力集中于当前正在进行的事务[43]