เจนเซ่น หวง พูดถึงความเสี่ยง AI อีกครั้ง: คำทำนายหลายอย่างถูกแต่งขึ้น จีนจะกลายเป็นกำลังสำคัญของโอเพนซอร์สระดับโลก

ผู้เขียน: Helen Li

บรรณาธิการ: สวี ชิงหยาง

เมื่อวันที่ 14 กันยายน ตามเวลาท้องถิ่นสหรัฐฯ ในงาน All-In Summit 2026 ซึ่งจัดโดยพอดแคสต์เทคโนโลยีชื่อดัง All-In Podcast เจนเซ่น หวง ซีอีโอของ Nvidia ได้พูดคุยกับพิธีกรทั้งสี่คนเกี่ยวกับหัวข้อต่างๆ เช่น ความปลอดภัยของ AI, ทฤษฎีวันสิ้นโลกจาก AI, การพัฒนาตนเองแบบวนซ้ำ, โมเดลโอเพนซอร์ส และ AGI

พิธีกรทั้งสี่คนยังเป็นผู้ร่วมก่อตั้ง All-In Podcast ได้แก่ Jason Calacanis นักลงทุน angel, Chamath Palihapitiya อดีตผู้บริหาร Facebook, David Sacks สมาชิกคนสำคัญของกลุ่ม "PayPal Mafia" และ David Friedberg ซีอีโอของ Ohalo Genetics บริษัทเทคโนโลยีชีวภาพการเกษตร และ The Production Board บริษัทการลงทุน

บทสัมภาษณ์ได้สำรวจคำถามหลัก: การพัฒนา AI ต้องมีขอบเขตความปลอดภัยแบบใด จากการพูดคุยล่าสุดของ Dario Amodei ซีอีโอของ Anthropic เกี่ยวกับความปลอดภัยของ AI และเสียงเรียกร้องจากห้องปฏิบัติการชั้นนำให้ "ชะลอความเร็ว" เจนเซ่น หวง มองว่าความปลอดภัยและนวัตกรรมไม่ได้ขัดแย้งกัน เขากล่าวว่าเหตุการณ์ด้านความปลอดภัยที่เกิดขึ้นแล้วควรได้รับการวิเคราะห์ในฐานะปัญหาทางวิศวกรรม และควบคุมผ่านเทคโนโลยี กระบวนการ และการทดสอบ

สำหรับ "คำทำนายวันสิ้นโลก" เกี่ยวกับ AI ที่ปรากฏบ่อยครั้งในช่วงไม่กี่ปีที่ผ่านมา เจนเซ่น หวง ได้ยกตัวอย่างการคาดการณ์ที่พิสูจน์แล้วว่าไม่แม่นยำ เช่น "นักรังสีวิทยาจะถูก AI แทนที่", "ภายในระยะเวลาสั้นๆ โค้ด 90% จะถูกสร้างโดย AI", "งานระดับเริ่มต้น 50% กำลังจะหายไป" เขามองว่าคำทำนายเหล่านี้ขาดพื้นฐานทางวิทยาศาสตร์ที่เพียงพอ และไม่ควรนำมาใช้สร้างความตื่นตระหนกในสังคม

เมื่อพูดถึงการพัฒนาตนเองแบบวนซ้ำ (RSI) เจนเซ่น หวง กล่าวว่า RSI ไม่ใช่เทคโนโลยีลึกลับที่ปรากฏขึ้นอย่างกะทันหัน แต่เป็นการผสมผสานของเทคโนโลยีที่มีอยู่แล้ว เช่น บริบท, การเรียนรู้แบบเสริมกำลัง, ข้อมูลสังเคราะห์ และ LoRA

สำหรับข้อถกเถียงระหว่างโมเดลโอเพนซอร์สและโมเดลปิด เขากล่าวอย่างชัดเจนว่าทั้งสองอย่างขาดไม่ได้ และมองว่าจีนมีวิศวกรจำนวนมากและบุคลากรด้านวิทยาศาสตร์และคณิตศาสตร์ ซึ่งในอนาคตอาจกลายเป็นผู้มีส่วนร่วมสำคัญต่อระบบนิเวศโอเพนซอร์สระดับโลก

บทสนทนาจึงเปลี่ยนไปสู่ "AGI และซูเปอร์อินเทลลิเจนซ์" เมื่อถูกถามว่าเกณฑ์ของ AGI คือการบรรลุระดับสติปัญญาของมนุษย์หรือไม่ และขั้นตอนนั้นมาถึงแล้วหรือยัง เจนเซ่น หวง ตอบสั้นๆ ว่า "มาถึงแล้ว"

ต่อไปนี้คือบันทึกการสัมภาษณ์ล่าสุดของเจนเซ่น หวง ที่เรียบเรียงโดยไม่เปลี่ยนแปลงความหมายเดิม:

01 ความปลอดภัยของ AI ไม่ควรตรงข้ามกับนวัตกรรม

ถาม: ช่วงนี้มีการพูดคุยเกี่ยวกับความปลอดภัยของ AI มากขึ้นเรื่อยๆ Dario Amodei เขียนบทความเกี่ยวกับความปลอดภัยของ AI และ Jacob Cockson อดีตนักวิจัยของ Anthropic ก็ลาออกเพราะประเด็นที่เกี่ยวข้อง คุณคิดอย่างไรกับเรื่องเหล่านี้?

เจนเซ่น หวง: ปัญหาความปลอดภัยต้องได้รับการปฏิบัติอย่างจริงจัง แต่ความปลอดภัยไม่ได้ขัดแย้งกับการเป็นผู้นำ เราสามารถสร้างนวัตกรรมได้อย่างรวดเร็ว ดำเนินการได้อย่างรวดเร็ว และทำให้สหรัฐฯ รักษาความเป็นผู้นำพร้อมกับความปลอดภัย การมองว่าสองสิ่งนี้เป็นทางเลือกที่แยกจากกันนั้นเป็นความผิดพลาด

Cockson กล้าพูดถึงปัญหาเหล่านี้อย่างเปิดเผย ซึ่งต้องใช้ความกล้าหาญ ในฐานะผู้เปิดโปง เขามีสิทธิ์ทำเช่นนั้น แต่ฉันคิดว่าการตัดสินทางวิทยาศาสตร์เกี่ยวกับอนาคตของเขาขาดพื้นฐานทางวิทยาศาสตร์ที่เพียงพอ เพราะคำทำนายเหล่านี้ไม่ได้อิงจากการวิจัยทางวิทยาศาสตร์ที่แท้จริง

ห้องปฏิบัติการชั้นนำหลายแห่งกำลังเปลี่ยนจากสถาบันวิจัยเป็นองค์กรวิศวกรรม และการวิจัยกับวิศวกรรมนั้นแตกต่างกันโดยพื้นฐาน หากเกิดปัญหาการควบคุมหรือการจัดการระหว่างการเปลี่ยนผ่าน นั่นเป็นอีกเรื่องหนึ่ง ส่วน Cockson เห็นอะไรจริงๆ ฉันไม่รู้

ถาม: ในช่วงไม่กี่ปีที่ผ่านมา อุตสาหกรรม AI มีคำทำนายที่มองโลกในแง่ร้ายมากมาย เช่น "AI อาจทำลายมนุษยชาติ นำไปสู่การว่างงานจำนวนมาก" คุณคิดอย่างไรกับคำกล่าวเหล่านี้?

เจนเซ่น หวง: ฉันคิดว่าเราไม่ควรติดป้ายสิ่งที่เรียกว่า "ความน่าจะเป็นที่มนุษย์จะสูญพันธุ์" หรือ "การทำลายอารยธรรม" ให้กับสิ่งเหล่านี้อย่างง่ายดาย เพราะหลายอย่างถูกแต่งขึ้น เมื่อคุณติดป้ายใครบางคนว่าเป็นนักวิจัยหรือนักวิทยาศาสตร์ แล้วโยนคำทำนายที่น่าตกใจออกมา มันง่ายที่จะทำให้สาธารณชนตื่นตระหนก ฉันคิดว่านั่นไม่รับผิดชอบ

เราเคยเห็นคำทำนายแบบนี้มามาก มีคนทำนายว่าภายในห้าปี นักรังสีวิทยาจะถูก AI แทนที่อย่างสมบูรณ์ และไม่จำเป็นต้องมีนักรังสีวิทยาอีกต่อไป ความจริงคือ โลกต้องการนักรังสีวิทยามากขึ้น AI ถูกใช้ในการวิเคราะห์ภาพทางการแพทย์จริง แต่นั่นเป็นคนละเรื่องกับ "นักรังสีวิทยาหายไป"

ยังมีคนทำนายว่า "ภายใน 6 ถึง 12 เดือนข้างหน้า โค้ด 90% จะถูกสร้างโดย AI และงานระดับเริ่มต้น 50% จะหายไปภายใน 6 ถึง 9 เดือน" ความจริงแล้ว คำทำนายเหล่านี้ไม่เป็นจริง ก่อนหน้านี้ก็มีคนบอกว่า "GPT-2 และ Llama 3 อันตรายเกินกว่าจะเผยแพร่" หรือทำนายว่า "ปีถัดไป งานปกขาวจะหายไปครึ่งหนึ่ง" หรือ "วันสิ้นโลกของการจ้างงาน" กำลังจะมาถึง

ฉันคิดว่าคำทำนายเหล่านี้ควรถูกบันทึกไว้ หลายปีต่อมา เมื่อเรามองย้อนกลับไป เราจะรู้ว่าคำทำนายไหนถูกต้อง และคำทำนายไหนแค่สร้างความตื่นตระหนก

ถาม: คุณคิดว่าปัญหาความปลอดภัยของ AI ควรได้รับการจัดการในฐานะปัญหาทางวิศวกรรมมากกว่าใช่ไหม?

เจนเซ่น หวง: หากเกิดเหตุการณ์ด้านความปลอดภัย เราควรเริ่มจากการวิเคราะห์สาเหตุจากมุมมองทางวิศวกรรมก่อน ทำความเข้าใจว่าเกิดอะไรขึ้น ปัญหาอยู่ที่ไหน และมีมาตรการอะไรที่สามารถป้องกันเหตุการณ์คล้ายกันไม่ให้เกิดขึ้นอีก จากนั้นแปลงมาตรการเหล่านั้นเป็นระบบ กระบวนการ และการควบคุมทางเทคนิค

ฉันเชื่อว่าบริษัทเหล่านี้กำลังทำสิ่งเหล่านี้อยู่แล้ว รวมถึงแซนด์บ็อกซ์ที่ดีขึ้น สภาพแวดล้อมการทำงานที่เข้มงวดขึ้น การตรวจสอบที่ปรับปรุงดีขึ้น และระบบตรวจสอบอย่างต่อเนื่อง ฉันยินดีพนันว่าปัญหาเหล่านี้สามารถควบคุมและป้องกันได้

หากบริษัทวิศวกรรมไม่รู้จริงๆ ว่าเกิดอะไรขึ้น และไม่รู้วิธีควบคุม ก็สามารถส่งวิศวกรไปช่วยพวกเขาได้ แต่ฉันไม่คิดว่าจะถึงขั้นนั้น ห้องปฏิบัติการเหล่านี้มีบุคลากรที่ยอดเยี่ยมมาก ฉันเชื่อว่าพวกเขาได้วิเคราะห์ปัญหาที่เกี่ยวข้องและใช้มาตรการที่เหมาะสมแล้ว

ถาม: หากปัญหาความปลอดภัยของ AI ต้องมีการกำกับดูแล การกำกับดูแลควรเริ่มจากตรงไหน?

เจนเซ่น หวง: การกำกับดูแลควรมุ่งเป้าไปที่ปัญหาที่มีอยู่จริง ปัญหาที่ต้องให้ความสนใจส่วนใหญ่มาจากห้องปฏิบัติการ AI ชั้นนำ เพราะพวกเขามีทรัพยากรการคำนวณมากที่สุด และกำลังจัดการกับปัญหาที่ล้ำสมัยที่สุด นักเรียนมัธยมปลายหรือสตาร์ทอัปทั่วไปไม่น่าจะมีพลังการคำนวณเพียงพอที่จะสร้างปัญหาเหล่านี้

ห้องปฏิบัติการเหล่านี้กำลังเปลี่ยนจากการวิจัยไปสู่วิศวกรรม และในขณะเดียวกันก็กำลังสร้างบริษัท วัฒนธรรม เทคโนโลยี และผลิตภัณฑ์ ซึ่งไม่ใช่กระบวนการที่ง่าย ดังนั้น ควรให้ความสนใจว่าพวกเขาสร้างระบบวิศวกรรมที่สมบูรณ์ยิ่งขึ้นอย่างไร เพื่อให้แน่ใจว่ากระบวนการพัฒนาและทดสอบเทคโนโลยีปลอดภัยเพียงพอ

ถาม: จำเป็นต้องมีองค์กรประเมินจากบุคคลที่สามหรือไม่?

เจนเซ่น หวง: ฉันคิดว่าสามารถมีองค์กรประเมินและตรวจสอบได้หลายแห่ง พวกเขาไม่จำเป็นต้องรู้ทุกอย่าง แต่ควรรู้ว่าควรถามคำถามอะไร ซึ่งคล้ายกับการตรวจสอบทางการเงิน หากมีองค์กรประเมินเพียงแห่งเดียว มันอาจถูกครอบงำ หากมีหลายองค์กร พวกเขาสามารถตรวจสอบถ่วงดุลกันได้

02 "การพัฒนาตนเองแบบวนซ้ำ" ไม่ได้ลึกลับขนาดนั้น

ถาม: มีการพูดคุยเกี่ยวกับการพัฒนาตนเองแบบวนซ้ำมากขึ้นเรื่อยๆ นั่นคือ AI สร้างข้อมูล ฝึกฝนตัวเอง และเร่งความเร็วอย่างต่อเนื่อง คุณคิดอย่างไร?

เจนเซ่น หวง: ฉันคิดว่า "การพัฒนาตนเองแบบวนซ้ำ" เป็นป้ายชื่อใหม่ที่ได้รับความนิยมเมื่อเร็วๆ นี้ แต่เบื้องหลังคือการผสมผสานของเทคโนโลยีที่มีอยู่แล้วหลายอย่าง รวมถึงบริบท ทักษะ การสะท้อนคิด การเรียนรู้แบบเสริมกำลัง การสร้างข้อมูลสังเคราะห์ และ LoRA

วิธีการเหล่านี้สามารถทำให้ AI สะสมประสบการณ์ระหว่างการทำงาน แล้วปรับปรุงอย่างต่อเนื่อง ตัวอย่างเช่น ผ่านข้อมูลสังเคราะห์และการเรียนรู้แบบเสริมกำลัง เราสามารถเพิ่มความสามารถของโมเดลได้โดยไม่ต้องฝึกโมเดลพื้นฐานใหม่ทั้งหมด และประสบการณ์ที่สะสมไว้ก็สามารถนำไปใช้ฝึกโมเดลพื้นฐานต่อไปได้ ฉันเชื่อว่าเกือบทุกบริษัทใช้เทคนิคบางอย่างเหล่านี้

คำว่า "การพัฒนาตนเองแบบวนซ้ำ" อาจฟังดูเหมือนระบบจะควบคุมไม่ได้โดยสิ้นเชิง แต่ในความเป็นจริง ผลิตภัณฑ์ยังต้องผ่านการประเมิน การทดสอบซ้ำ และการทดสอบถดถอยก่อนวางจำหน่าย ซึ่งเป็นการควบคุมทางวิศวกรรมขั้นพื้นฐานที่สุด

ห้องปฏิบัติการชั้นนำเหล่านี้กำลังเปลี่ยนจากสถาบันวิจัยเป็นองค์กรวิศวกรรม ฉันเชื่อว่าในอนาคตพวกเขาจะมีวิธีการ ความรู้ แนวปฏิบัติ เครื่องมือ และเทคโนโลยีที่ดีกว่าในการควบคุม ตรวจสอบ และประเมินระบบเหล่านี้ การพัฒนาตนเองแบบวนซ้ำสามารถเกิดขึ้นภายในได้ แต่ผลิตภัณฑ์ที่ผ่านการตรวจสอบแล้วยังสามารถวางจำหน่ายได้อย่างปลอดภัย

ถาม: คุณมองความสัมพันธ์ระหว่างโมเดลโอเพนซอร์สและโมเดลปิดอย่างไร?

เจนเซ่น หวง: โลกต้องการทั้งโมเดลโอเพนซอร์สและโมเดลปิด ฉันเองก็ใช้โมเดล前沿แบบปิด พวกมันเหมือนน้ำดื่มบรรจุขวด น้ำ本身ฟรี แต่ผลิตภัณฑ์ในรูปแบบต่างๆ สามารถตอบสนองความต้องการที่แตกต่างกันได้

โมเดลโอเพนซอร์สมีความสำคัญมากต่ออธิปไตย ความเป็นส่วนตัว และเทคโนโลยีเฉพาะขององค์กร ในช่วงหกเดือนที่ผ่านมา มีเงินทุน venture capital ประมาณ 4 แสนล้านดอลลาร์ไหลเข้าสู่บริษัท AI-native ซึ่งประมาณ 80% ใช้โมเดลโอเพนซอร์ส หากไม่มีโมเดลโอเพนซอร์ส สตาร์ทอัปจำนวนมากก็ไม่สามารถบรรลุเป้าหมายของตัวเองได้ เพราะสิ่งที่พวกเขาต้องการทำแตกต่างจากสิ่งที่ห้องปฏิบัติการชั้นนำกำลังทำ

ข้อได้เปรียบที่แท้จริงของสหรัฐฯ คือการมีนวัตกรรมหลากหลายรูปแบบ เพื่อชนะการแข่งขัน AI เราต้องอนุญาตให้โมเดลโอเพนซอร์สพัฒนา

การชนะการแข่งขัน AI ไม่ใช่แค่บริษัทอเมริกันไม่กี่แห่งชนะ แต่เป็นบริษัท อุตสาหกรรม นักวิจัย นักการศึกษา นักศึกษา และผู้ประกอบการของสหรัฐฯ ที่สามารถคว้าโอกาสจากเทคโนโลยีนี้ บางคนจะใช้โมเดลปิด หลายคนจะใช้โมเดลโอเพนซอร์ส ทั้งสองอย่างจำเป็น

ถาม: คุณคิดว่าจีนจะกลายเป็นผู้มีส่วนร่วมสำคัญต่อระบบนิเวศโอเพนซอร์สระดับโลกหรือไม่?

เจนเซ่น หวง: ฉันเชื่อว่าจีนอาจมีส่วนร่วมค่อนข้างมากต่อระบบนิเวศโอเพนซอร์สระดับโลก จีนมีวิศวกรจำนวนมาก และยังมีนักศึกษาที่เรียนวิทยาศาสตร์และคณิตศาสตร์อีกมาก มหาวิทยาลัยชั้นนำอย่าง Tsinghua ผลิตบุคลากรที่ยอดเยี่ยมจำนวนมากทุกปี

ตัวอย่างเช่น วิศวกรจีนมีส่วนร่วมใน Linux, Kubernetes (ระบบจัดการคอนเทนเนอร์โอเพนซอร์ส) และโครงการซอฟต์แวร์อีกมากมาย คุณสมบัติหนึ่งของโอเพนซอร์สคือ เมื่อคุณดาวน์โหลดมันแล้ว มันก็เป็นของคุณ คุณสามารถแก้ไข ปรับปรุง และทำให้เป็นของคุณเองได้

การแข่งขัน AI สุดท้ายแล้วขึ้นอยู่กับว่าใครใช้เทคโนโลยีนี้ได้ดีที่สุด สิ่งประดิษฐ์สำคัญหลายอย่างของการปฏิวัติอุตสาหกรรมในอดีตมาจากยุโรป แต่สหรัฐฯ ใช้เทคโนโลยีเหล่านั้นได้ดีในภายหลัง ฉันหวังว่าการปฏิวัติอุตสาหกรรมครั้งต่อไปจะพัฒนาในลักษณะเดียวกัน

ฉันคิดว่าการพูดคุยในจีนเน้นการปฏิบัติมากกว่า เน้นการพัฒนาเศรษฐกิจและความก้าวหน้าทางสังคม มากกว่าการพูดถึงวันสิ้นโลกหรือการทำลายอารยธรรมอยู่เรื่อย หากคำทำนายวันสิ้นโลกเหล่านี้เป็นจริง เราก็ควรพูดคุยและรับมือ แต่ไม่จำเป็นต้องสร้างความตื่นตระหนก งานของเราคือทำให้มันเป็นจริง

ถาม: หาก AI ทำให้งานเขียนโปรแกรมจำนวนมากเป็นอัตโนมัติในที่สุด วิศวกรยังต้องทำอะไรอีก?

เจนเซ่น หวง: งานวิศวกรรมจะยังคงมีอยู่ วิศวกรรุ่นฉันไม่ได้ใช้เวลามากมายในการเขียนโค้ดเมื่อซอฟต์แวร์ยังไม่แพร่หลาย ตอนนี้วิศวกรซอฟต์แวร์ใช้เวลามากในการเขียนโค้ด ในอนาคตหากงานส่วนใหญ่ถูกทำให้เป็นอัตโนมัติ มนุษย์ก็ยังทำงานวิศวกรรมอยู่ นิสัยอย่างหนึ่งของฉันคือ ปุ่มคีย์บอร์ดที่ฉันชอบที่สุดคือ Backspace เพราะซอฟต์แวร์ที่ดีที่สุดมักหมายถึงโค้ดที่น้อยลง

03 ทำไม Nvidia ถึงมีส่วนร่วมอย่างลึกซึ้งในห่วงโซ่อุตสาหกรรม AI

ถาม: รัฐบาลสหรัฐฯ เริ่มแรกเน้นการจ้างงาน การกลับมาสู่อุตสาหกรรม พลังงาน และห่วงโซ่อุปทาน สิ่งเหล่านี้กำลังเกิดขึ้นจริง Nvidia ได้กลายเป็นผู้ให้ทุนสำคัญของอุตสาหกรรม AI ทั้งหมด คุณตัดสินใจทิศทางการจัดสรรทรัพยากรอย่างไร?

เจนเซ่น หวง: AI คือการปฏิวัติอุตสาหกรรมครั้งใหม่ อุตสาหกรรมนี้ประกอบด้วยองค์ประกอบหลายอย่าง เช่น โมเดล ชิป แอปพลิเคชัน ศูนย์ข้อมูล อาคาร ไฟฟ้า และโรงงานผลิตไฟฟ้า ฉันเฝ้าสังเกตระบบนิเวศทั้งหมดเพื่อหาจุดคอขวด

หากบริษัทที่ดีมากถูกจำกัดด้วย环节ใด环节หนึ่ง ฉันก็จะให้ความสนใจกับปัญหานั้น อาจเป็นห่วงโซ่อุปทาน หรือที่ดิน ไฟฟ้า หรือโรงงาน Nvidia มีขนาดใหญ่พอแล้ว ดังนั้นเราต้องคิดถึงห่วงโซ่อุปทานล่วงหน้าหลายปี บริษัทอย่าง Corning, Lumentum, TSMC และผู้ผลิตหน่วยความจำ ล้วนเป็นองค์กรที่เราต้องให้ความสนใจในระยะยาว

ถาม: บางคนคิดว่ากำไรส่วนใหญ่ของอุตสาหกรรม AI จะย้ายไปที่ชั้นแอปพลิเคชันในที่สุด ทำไม Nvidia ถึงเข้าสู่โมเดลและ Hugging Face ซึ่งเป็นระดับที่สูงกว่า?

เจนเซ่น หวง: Nvidia สามารถรันโมเดลเกือบทั้งหมดในโลกได้ ประมาณหนึ่งปีครึ่งที่แล้ว ผู้คนพูดถึงโมเดลของ OpenAI เป็นหลัก แต่ตอนนี้มี Muse ของ Meta, Grok, Gemini, Anthropic และโมเดลอื่นๆ อีกมากมาย ห้องปฏิบัติการ AI แนวหน้าหลายแห่งสร้างขึ้นบนแพลตฟอร์มของ Nvidia

กลยุทธ์ของเราคือช่วยให้ทุกคนประสบความสำเร็จ ไม่ใช่ยึดธุรกิจของคนอื่น เราจะพยายามอยู่ที่ชั้นล่างของ technology stack ให้มากที่สุด และขยับขึ้นเฉพาะเมื่อจำเป็น CUDA รองรับเฟรมเวิร์กจำนวนมาก Megatron และ Megatron Core รองรับการฝึกขนาดใหญ่ เราประดิษฐ์เทคโนโลยีที่จำเป็น แล้วปล่อยให้ระบบนิเวศทั้งหมดพัฒนา ให้บริษัทต่างๆ เข้ามามีส่วนร่วมมากขึ้น

ถาม: ทำไมผู้ให้บริการคลาวด์ระดับภูมิภาคถึงมีความสำคัญมากขึ้นเรื่อยๆ?

เจนเซ่น หวง: ผู้ให้บริการคลาวด์ระดับภูมิภาคมักจะยืดหยุ่นกว่าผู้ให้บริการคลาวด์ขนาดใหญ่ เพราะพวกเขาสามารถหาที่ดิน ไฟฟ้า และโรงงานในท้องถิ่นได้ และเข้าใจความต้องการในท้องถิ่นดีกว่า

ในอนาคตจะเกิดเครือข่ายองค์กรแบบกระจายศูนย์ ประเทศต่างๆ จะมอง AI เป็นอุตสาหกรรมเชิงกลยุทธ์มากขึ้น เราเห็นบางภูมิภาคเริ่มเพิ่มโครงสร้างพื้นฐานด้านการคำนวณ AI แล้ว

ถาม: ตอนนี้ Nvidia กำลังพัฒนาโมเดลโอเพนซอร์สของตัวเอง รวมถึงโมเดลด้านการขับขี่อัตโนมัติและชีวการแพทย์ ทำไมถึงทำสิ่งเหล่านี้?

เจนเซ่น หวง: เพราะลูกค้าต้องการ เรามีความสามารถที่จะทำได้ดีที่สุด เราก็จะทำ ตัวอย่างเช่น Alpamayo ซึ่งเป็นโมเดลการขับขี่อัตโนมัติของเรา มันเป็นระบบขับขี่อัตโนมัติที่มีความสามารถในการให้เหตุผล ในอดีต การขับขี่อัตโนมัติต้องใช้ข้อมูลถนนหลายพันล้านชั่วโมง แต่ความสามารถในการให้เหตุผลทำให้ระบบคิดถึงสถานการณ์ที่คล้ายกันได้ ซึ่งลดการพึ่งพาข้อมูลถนนจริงจำนวนมาก

อนาคตของการขับขี่อัตโนมัติไม่เพียงรวมถึงรถยนต์นั่ง แต่ยังรวมถึงอุปกรณ์การเกษตร รถบรรทุก รถตู้ และอุปกรณ์เคลื่อนที่อื่นๆ อีกมากมาย หลายบริษัทไม่มี technology stack ที่สมบูรณ์ ดังนั้น Nvidia จึงสามารถให้ technology stack ที่สมบูรณ์ได้ และลูกค้าสามารถปรับแต่งในขั้นตอนสุดท้ายตามความต้องการของตัวเอง

ด้านชีวการแพทย์ก็เช่นกัน เราพัฒนา ESM2, ESMFold, OpenFold, AlphaFold 2 และโมเดล equivariant บางตัว รวมถึง Protein Complexa (เฟรมเวิร์ก generative AI สำหรับโปรตีนคอมเพล็กซ์แบบ all-atom) เพราะบริษัทยาต้องการเทคโนโลยีเหล่านี้จริงๆ จุดเริ่มต้นของฉันคือ มีคนต้องการเทคโนโลยีนี้ เราก็ทำ

04 Terafab ของ Musk

ถาม: Musk ประกาศแผนโรงงานชิป Terafab ซึ่งมีขนาดใหญ่มาก คุณคิดอย่างไร?

เจนเซ่น หวง: Nvidia เข้าใจเทคโนโลยีกระบวนการผลิตเป็นอย่างดี และเราท้าทายขีดจำกัดของกระบวนการผลิตอยู่เสมอ ดังนั้นแน่นอนว่าเราสามารถพูดคุยเรื่องนี้ได้ เมื่อ Musk ตัดสินใจจะทำอะไรสักอย่าง มันยากที่จะหยุดเขาได้ นั่นคือพลังพิเศษของเขา

ถาม: แล้วในอนาคต Nvidia จะสามารถผลิตชิปในโรงงานของเขาได้หรือไม่?

เจนเซ่น หวง: เราสามารถพูดคุยกันได้

ถาม: หากนิยามของ AGI คือการบรรลุระดับสติปัญญาของมนุษย์ คุณคิดว่าเราเข้าสู่ขั้นตอนนี้แล้วหรือยัง แล้วซูเปอร์อินเทลลิเจนซ์ล่ะ?

เจนเซ่น หวง: เรามาถึงแล้ว และอาจพูดได้ว่าในบางสาขาเฉพาะ เราเข้าสู่ขั้นซูเปอร์อินเทลลิเจนซ์แล้ว

ถาม: ทำไม?

เจนเซ่น หวง: เพราะในบางสาขาที่เฉพาะเจาะจงมาก AI ได้ก้าวข้ามมนุษย์แล้ว การขับขี่อัตโนมัติเป็นตัวอย่างหนึ่ง หากรถยนต์สามารถขับได้ดีกว่ามนุษย์ ในด้านการขับขี่ มันก็คือซูเปอร์อินเทลลิเจนซ์

ปัจจุบัน อัตราการเกิดอุบัติเหตุของระบบขับขี่อัตโนมัติสามารถต่ำกว่ามนุษย์ถึงสิบเท่า ด้านชีวการแพทย์ก็เช่นกัน งานอย่างการสังเคราะห์โปรตีนและการคัดกรองเสมือนจริงได้บรรลุระดับซูเปอร์อินเทลลิเจนซ์แล้ว ในสาขาเฉพาะเหล่านี้ AI สามารถทำงานที่เกินความสามารถของมนุษย์ได้แล้ว

ถาม: รู้สึกอย่างไรที่ได้อยู่แนวหน้าสุดของเทคโนโลยีเช่นนี้?

เจนเซ่น หวง: ฉันชอบความรู้สึกนี้ อนาคตสดใส บางทีในอนาคตหลายคนไม่จำเป็นต้องทำงาน แต่ฉันไม่อยากพลาดยุคนี้

ฉันหวังว่าเราทุกคนจะก้าวไปสู่อนาคตนั้นด้วยกัน และมนุษย์จะประสบความสำเร็จร่วมกันในที่สุด เราต้องให้กำลังใจทุกคน และลดการโต้เถียงที่ดราม่าเกินจำเป็น สิ่งสำคัญที่สุดคือ เราต้องแน่ใจว่าคนอเมริกันทุกคนมีส่วนร่วมได้