輝達 (NVIDIA) 執行長黃仁勳 (Jensen Huang) 近日受邀與高盛 (Goldman Sachs) 執行長 David Solomon 一同探討 AI 未來發展，而黃仁勳不只分享 NVIDIA 的發展歷程與未來展望，也深入探討生成式 AI 、數據中心和全球供應鏈的未來挑戰與機會。
Table of Contents
從遊戲顯卡到 AI 核心，NVIDIA 的成長之路
黃仁勳先回顧了 NVIDIA 從 1993 年開始創立的發展歷程，早期的願景是透過「加速運算」來解決傳統 CPU 無法解決的複雜問題。剛開始是以設計個人電腦、電視遊戲的顯示卡為出發點，後來逐漸拓展到科學計算、AI 和資料處理。黃仁勳強調，保持「技術架構一致性」和「保護開發者投入」是公司成功的重要基石，並讓 CUDA 等技術成為全球最大的開發生態系統之一。
(註：CUDA 為軟硬體整合技術，目的是利用圖形處理器 (GPU) 進行通用計算。開發人員可使用 C 等高階程式語言編寫程式，將原本由中央處理器 (CPU) 執行的計算任務轉移至 GPU，進而提升計算效率。)
傳統資料中心效率低下，Spark 提升數據處理效達 20 倍
黃仁勳指出，傳統的資料中心因硬體分散、連接複雜以及耗費能源等因素，導致效率低下。而他提到，NVIDIA 的解決方案是「集中化」和液冷技術，來降低運營成本同時提升能源效率。
黃仁勳舉例，單一 NVIDIA 伺服器機架可以取代數千個傳統節點，大幅縮減硬體與連接成本。此外 GPU 加速解決方案技術像是 Spark，能提升數據處理的效能達到 20 倍，讓客戶實現 10 倍以上的投資回報。
生成式 AI 革命，數位助理全天 24/7 工作
黃仁勳強調，生成式 AI 不僅是工具，更是一種技能。AI 能透過數據學習生成各種內容，像是影像、文字和蛋白質結構，讓 AI 能夠像「數位員工」一樣參與工作。更舉例像是自動駕駛、數位客服和機器人等應用，是 AI 技能在現實當中的具體展現。黃仁勳還提到 NVIDIA 自家的工程師現在幾乎都有一位「數位助理」在全天 24/7 工作，這是一個改變產業未來的里程碑。
跨領域 AI 應用持續拓展，結合藥物創新研發
黃仁勳也表示 AI 的跨領域應用能力也是核心優勢之一。像是 AI 能將文字轉化成影像，影像再轉化為化學分子，甚至處理複雜的藥物開發和虛擬篩選，這為計算輔助藥物研發 (computer-aided drug discovery，CADD) 提供可能性，大幅提升醫藥創新的效率和精準性。
(註：計算輔助藥物研發，指的是結合化學、生物學、藥學和資訊技術，通過模擬、分析和預測化學分子與生物目標的相互作用，來發現具有潛力的新藥物。)
軟硬體整合能力為主要優勢，技術架構一致讓開發更便捷
面對 NVIDIA 如何應對 AI 領域的競爭，黃仁勳強調，NVIDIA 的關鍵優勢在於「整合硬體、軟體和整體基礎設施」的能力，而不在單純的硬體。他強調，NVIDIA 所設計的超級電腦由多種晶片構成，再搭配客製化軟體來進行優化，並提供更高效能且更節能的運算能力。
此外，NVIDIA 的「技術架構一致」的設計，確保能讓開發者可在不同裝置 (像是電腦、雲端伺服器等) 上無縫使用，這也是 NVIDIA 在 AI 領域能脫穎而出的原因。
彈性應對供應鏈挑戰，大力讚揚台積電
面對地緣政治情勢日益緊張的問題，黃仁勳表示 NVIDIA 在設計時已有「備案」，也就是在供應鏈上增加彈性，變免受到單一來源的影響。他也強調，雖然 NVIDIA 依賴台積電 (TSMC) 作為主要的晶片製造商，但公司有能力在必要時將部分製造轉移到其他廠商。同時黃仁勳也特別讚揚台積電的應變能力，認為台積電是 NVIDIA 快速增長的重要推手。
承載全球科技需求，邁向嶄新電腦時代
黃仁勳坦言，NVIDIA 因為自家技術是直接影響到客戶的營收和競爭力，所以目前面臨來自客戶的不少壓力。然而他認為這也是一次難得的機會，因為 NVIDIA 正在塑造下一個電腦時代，並推動 AI 技術融入到各行各業當中。黃仁勳提到：「能參與這場全球變革並見證這些突破性應用的誕生，儘管肩負著巨大責任，但也是令人興奮的挑戰。」
(Siggraph 論壇｜Nvidia 執行長黃仁勳與 Meta 執行長祖克柏探討 AI 未來)
