Judul video: Jensen Huang: Nvidia's Future, Philippine AI, Risk of the Agent, Reference Exchange, AI PR Crisis
Gambar oleh Semua dalam Podcast
Foto oleh Peggy Block Beats

EDITOR INI MENEKAN BAHWA, DALAM PANAS NARASI AI SAAT INI, FOKUS DISKUSI PASAR BERGERAK DARI "BETAPA KUAT MODEL" KE "BAGAIMANA SISTEM MENDARAT." SELAMA DUA TAHUN TERAKHIR, INDUSTRI TELAH MENGALAMI TEROBOSAN SUKSES DALAM KEMAMPUAN MODELLING SKALA BESAR, KOMPETISI LATIH-SKALASI DAN PERLUASAN APLIKASI YANG DIHASILKAN. NAMUN KETIKA TAHAP-TAHAP INI MENJADI KONSENSUS, PERTANYAAN-PERTANYAAN BARU MUNCUL: KETIKA AI TIDAK LAGI HANYA MENJAWAB PERTANYAAN, IA MULAI MELAKUKAN TUGAS-TUGAS, MEMBENAMKAN PROSES BISNIS, MEMASUKI DUNIA FISIK DAN MEMPERTAHANKAN KEMAJUANNYA DI BAGIAN BAWAH

AII-In Podcast. Ia merupakan salah satu investor paling berpengaruh di Silicon Valley, program tersebut diganjar oleh empat investor garis depan yang jauh aktif dan terkenal karena diskusi mendalam tentang ilmu pengetahuan dan teknologi, bisnis dan tren makroekonomi。

Keempat presenternya adalah:

Jason CalacanisPengusaha Internet awal dan investor malaikat terkenal berinvestasi di Uber, Robinhood dan lainnya

Chamath PalihapitiyaIbu kota Sosial, mantan eksekutif Facebook, telah berinvestasi di sejumlah perusahaan teknologi seperti Slack dan Box

David SacksPoventures Craft Ventures, anggota PayPal Gang, mendirikan Yammer dan menjualnya kepada Microsoft dengan harga sekitar $1,2 miliar, serta investor awal dari Airbnb, Uber

FriedbergDewan Proyek, pendiri, berfokus pada investasi di bidang pertanian, iklim dan ilmu kehidupan, didirikan oleh Climate Corporation (subsekuen diakuisisi oleh Monsanto)。

Tamu saat ini adalah Jensen Huang, co-founder dan CEO NVIDIA, dan dianggap sebagai salah satu driver paling kritis dari gelombang infrastruktur AI saat ini。

Dari kiri ke kanan adalah David Friedberg, Chamath Palihapitiya, David Sacks, Jensen Huang, Jason Calacanis

Seluruh wawancara dapat dirangkum secara luas pada tiga tingkat。

PERTAMA-TAMA, INFRASTRUKTUR AI BERUBAH。Pada masa lalu, pasar ' s pemahaman AI sebagian besar didasarkan pada GPU yang lebih kuat, lebih pusat data. Namun, Huang In-hoon ingin menekankan bahwa persaingan di masa depan tidak lagi hanya kompetisi untuk chip tunggal, tetapi kompetisi untuk seluruh sistem. Saat permintaan penalaran meningkat, beragam model meningkat, dan angent mulai menangani tugas yang lebih kompleks, perhitungan AI bergerak dari model yang relatif tunggal di masa lalu ke kolaborasi sistem yang lebih kompleks dan terbagi. Akibatnya, NVIDIA mencoba untuk memindahkan perannya lebih jauh dari perusahaan chip ke pembangun Pabrik "AI"。

KEDUA, AI BERGERAK DARI "BERHASIL KONTEN" KE "MISI."。Ini adalah petunjuk paling kritis dalam wawancara ini. Dari sudut pandang Wong In-hoon, perubahan sebenarnya adalah AI mulai masuk ke dalam alur kerja dalam bentuk semut: tidak hanya menjawab pertanyaan, ia mampu menyebut alat, membongkar tugas, bekerja sama, dan akhirnya menyelesaikan sesuatu. Inilah sebabnya mengapa pengguna bersedia membayar AI dan pindah dari "mendapatkan jawaban" untuk "mendapatkan hasil." Di balik ini adalah kebutuhan yang lebih besar untuk penalaran, kompleksitas sistem yang lebih besar, dan kemungkinan bahwa pengembangan perangkat lunak, manajemen organisasi dan pekerjaan pengetahuan mungkin ditulis ulang sesuai。

AKHIRNYA, AI DIPERPANJANG DARI DIGITAL KE REAL。Dalam wawancara, baik otomatis mengemudi, robotika, medis, biologi digital, maupun fisik AI di mulut Hoang In, pada dasarnya menunjuk pada tren yang sama: nilai AI tidak hanya di layar, tetapi semakin banyak di pabrik, rumah sakit, mobil, peralatan terminal dan kehidupan sehari-hari. Namun ini juga berarti bahwa AI tidak akan lagi dihadapkan pada tantangan teknis, tetapi juga akan memasukkan kenyataan yang lebih kompleks seperti rantai pasokan, kebijakan, regulasi, kapasitas manufaktur dan geopolitik. Dengan kata lain, putaran ekspansi AI berikutnya akan menjadi proses yang benar-benar industrial。

DARI SUDUT PANDANG INI, APA YANG PALING MENARIK DARI PERCAKAPAN INI BUKANLAH PRODUK TERTENTU, ATAU JUMLAH OPTIMIS, TETAPI PENILAIAN BERULANG DARI HUANG IN-HOON: AI BERGERAK DARI USIA "MODEL" KE USIA "SISTEMIK." KOMPETISI UNTUK MASA DEPAN TIDAK HANYA LEBIH BESAR DAN LEBIH BANYAK KALKULATOR DARIPADA SIAPA YANG TAHU INDUSTRI, YANG DAPAT MEMBENAMKAN AI LEBIH DALAM KE DALAM PROSES NYATA, YANG DAPAT MENGATUR KEMAMPUAN INI KE DALAM SISTEM YANG BERFUNGSI DAN DAPAT DICAKUP。

INI JUGA MEMBUAT SUBJEK KERTAS INI MELAMPAUI NVIDIA SENDIRI. PERTANYAAN SEBENARNYA YANG INGIN DIJAWAB ADALAH, KETIKA AI MENJADI INFRASTRUKTUR, BAGAIMANA PUTARAN BERIKUTNYA RESTRUKTURISASI INDUSTRI TERUNGKAP, DAN DI MANA NILAI-NILAI BARU AKAN DIBENTUK。

Berikut ini adalah teks asli (untuk memudahkan pembacaan dan pemahaman, teks asli telah dikonsolidasikan):

♪ TL;DR ♪

INFRASTRUKTUR AI BERGERAK DARI ” GPU ” TUNGGAL KE STRUKTUR DECOUPLING。Tugas komputasional yang berbeda-beda akan dilaksanakan dengan kolaborasi GPU, CPU, chip web dan Groq。

NVIDIA BERGERAK DARI SEBUAH GPU KE SEBUAH PERUSAHAAN TANAMAN "AI YANG MENYEDIAKAN SISTEM YANG LENGKAP。Ini paket infrastruktur, bukan chip tunggal。

Kunci untuk mengukur biaya AI bukanlah prioritas pusat data, tetapi biaya token dan menyerap efisiensi。Sistem yang lebih mahal mungkin lebih murah。

AI AI berpindah dari model generasi ke Age of Age。Pengguna-pengguna yang tidak biasa benar-benar bersedia membayar untuk "melakukan hal-hal" daripada hanya mendapatkan jawaban。

• Menghitung tuntutan sedang berkembang pesat。dari generasi ke generasi untuk bernalar ke angent, mungkin telah diperluas lebih dari 10.000 kali dalam waktu yang singkat dan mempercepat。

Perkembangan perangkat lunak masa depan akan berubah。para insinyur tidak lagi menulis kode, tetapi mendefinisikan masalah, struktur desain, dan berkolaborasi dengan angent。

• Dalam jangka panjang, kesempatan terbesar terletak pada spesialisasi mendalam daerah vertikal daripada dalam model generik itu sendiri。Siapa tahu industri, siapa tahu parit。

Penyusun:

Jason Calacanis (varian malaikat terkenal All-In Podcast host Uber):
MINGGU INI ISTIMEWA. KAMI MEMBERIKAN RUTIN MINGGUAN "LEAVE OUT", YANG BIASANYA KAMI BERIKAN HANYA TIGA ORANG: PRESIDEN TRUMP, JESUS, DAN WONG IN-HOON. ADAPUN BAGAIMANA KETIGA HARUS BERBARIS, ITU TERSERAH ANDA. ANDA TELAH BEKERJA TERLALU KERAS AKHIR-AKHIR INI, DAN KALI INI GTC TELAH SANGAT SUKSES。

Jensen Huaang, CEDO:
SELURUH INDUSTRI ADA DI SINI. SEMUA PERUSAHAAN TEKNOLOGI, SEMUA PERUSAHAAN AI HAMPIR SAMPAI。

Jason Calacanis:
Luar biasa. Ini sungguh luar biasa. Salah satu peluncuran paling signifikan pada tahun lalu adalah Groq. Ketika Anda memperoleh Groq, apakah Anda menyadari bagaimana "tak tertahankan" Chamath akan

Groq bukan Grok. Salah satunya adalah chip alasan AI dan awan penalaran, sementara yang terakhir adalah robot chatting XAI. Kearah akhir tahun 2025, Groq dan NVIDIA masuk ke dalam perjanjian otorisasi teknis non-eksklusif, tanpa pengungkapan resmi jumlah transaksi; namun, ada laporan dan spekulasi sekitar $17 miliar sampai $20 miliar. Oleh GTC 2026, Huang In-hoon lebih jauh menunjukkan sistem penalaran berdasarkan integrasi teknologi Groq ke platform NVIDIA。

Bahasa Chamath, dirujuk di sini, merujuk kepada Chamath Palihapitiya. Ia adalah salah satu dari empat fasilitator All-In dan salah satu investor awal dan anggota dewan Groq. Dengan demikian, ketika kesepakatan besar NVIDIA dan Groq muncul, juga dianggap bahwa Chamath kembali dalam proyek kunci。

Wong In-hoon:
Aku menyembunyikan sesuatu。

Jason Calacanis:
Kita harus berurusan dengannya setiap minggu。

Wong In-hoon:
Aku tahu. Dan kau akan bersamanya selama enam minggu penuh。

Jason Calacanis:
Tepatnya。

DARI GPU KE PABRIK "AI"

Wong In-hoon:

Sebenarnya, banyak strategi kita akan tersedia di GTC tahun lebih awal dari jadwal. Dua setengah tahun lalu, saya memperkenalkan sistem operasi pabrik AI bernama Dynamo。

Dan Anda tahu, Dinamo awalnya adalah perangkat, diciptakan oleh Siemens, yang dapat mengubah energi air menjadi listrik dan meningkatkan sistem pabrik dalam revolusi industri terakhir. Jadi saya pikir itu adalah nama yang sangat bagus untuk revolusi industri berikutnya. Dan di Dynamo, salah satu teknik inti adalah dekomposisi dekomposisi。

Jason Calacanis:

Aku tahu kau tahu banyak tentang teknologi. Ayolah, kau mendefinisikannya. Aku tak ingin merampokmu。

Wong In-hoon:

Terima kasih. Jadi yang disebut penalaran dekoratif berarti bahwa seluruh perawatan garis sangat kompleks dan bahkan mungkin menjadi yang paling kompleks jenis perhitungan hari ini。

INI MENAKJUBKAN DALAM SKALA, DAN MENGANDUNG BANYAK PERHITUNGAN MATEMATIKA DARI BERBAGAI BENTUK DAN SKALA. IDENYA ADALAH UNTANGLE SELURUH PROSES SEHINGGA SALAH SATUNYA BERJALAN PADA SATU KELAS GPU DAN YANG LAINNYA. SELANJUTNYA, HAL INI MENGINGATKAN KITA BAHWA MUNGKIN DEKOMPOSISI ADALAH SENDIRI ARAH YANG MASUK AKAL: KAMI DAPAT MENGUMPULKAN BERBAGAI JENIS DAN JENIS SUMBER DAYA KOMPUTASI。

Ide yang sama membawa kita ke Mellanox. Anda lihat hari ini, perhitungan NVIDIA sudah tersebar di GPU, CPU, switch, switch ekstensi vertikal, switch ekstensi horizontal dan prosesor jaringan. Sekarang, kita akan memasukkan Groq。

TUJUAN KITA ADALAH MENEMPATKAN BEBAN YANG TEPAT PADA CHIP YANG TEPAT. DENGAN KATA LAIN, KITA TELAH BERKEMBANG DARI PERUSAHAAN GPU MENJADI PERUSAHAAN PABRIK AI。

David Sacks (PayPal COOACH-In)

INI MUNGKIN INSPIRASI TERPENTING BAGIKU. APA YANG ANDA LIHAT SEKARANG ADALAH FUNDAMENTAL "DEMARKASI." DULU HANYA ADA GPU, DAN SEKARANG ADA LEBIH BANYAK LAGI BENTUK KOMPUTASI YANG BERBEDA, DAN PILIHAN INI AKAN HIDUP BERDAMPINGAN DI MASA DEPAN。

Anda menyebutkan di panggung bahwa saya pikir semua orang yang melakukan penalaran bernilai tinggi harus mendengarkan dengan seksama: Anda mengatakan sekitar 25 persen ruang di pusat data harus dialokasikan untuk LPU Groq。

Catatan: LPU adalah singkatan dari Unit Pengolahan Bahasa. Ini adalah kelas chip yang diusulkan oleh Groq. Posisi core coin bukan pelatihan, tapi penalaran

Wong In-hoon:

Ya, di pusat data, mungkin ada kemungkinan untuk membawa Groq ke sekitar 25% dari sistem Vera Rubin。

Catatan: Vera Rubin adalah generasi berikutnya AI platform arsitektur untuk NVIDIA. Ini bukan chip tunggal, tetapi platform infrastruktur tingkat sistem untuk pabrik AI。

David Sacks:

bisa kau ceritakan bagaimana industri melihat arah ini? intinya, anda membangun struktur dekomposisi generasi berikutnya: prefil, decode, dan proses penalaran terpecah. menurutmu bagaimana reaksi semua orang

Wong In-hoon:

Ambil langkah mundur. Kami menambahkan kemampuan ini pada sistem karena seluruh industri telah pindah dari model besar-bahasa ke sebuah lembaga pengolahan, yang merupakan proses gaya tubuh cerdas。

Saat kau menjalankan agen, itu mengakses ingatan kerja, ingatan jangka panjang, alat panggilan, yang sangat menekan untuk penyimpanan. Kau akan melihat angent bekerja dengan angent. Beberapa agen agen-agen org menggunakan mega-model, beberapa adalah model kecil; beberapa adalah model difusi, dan beberapa adalah model return sendiri. Artinya, di dalam pusat data ini, akan ada berbagai model yang sama sekali berbeda sekaligus. Kami membangun Vera Rubin untuk menangani beban yang sangat beragam ini。

JADI, KITA DULUNYA PERUSAHAAN DENGAN SATU RAK, DAN SEKARANG KITA PUNYA EMPAT LAGI. DENGAN KATA LAIN, TAM NVIDIA, PASAR YANG DAPAT DIGUNAKAN, DIPERLUAS SEKALIGUS, SEKITAR 33% HINGGA 50% LEBIH TINGGI。

Dan tambahan 33% ke 50% dari ini akan menjadi bagian besar dari prosesor penyimpanan, Bluefield; sebagian, saya sendiri berharap, akan menjadi bagian besar, prosesor Groq; sebagian akan menjadi CPU; tentu saja, akan ada banyak prosesor jaringan. Semua ini, diambil bersama-sama, akhirnya menjalankan komputer baru" dalam revolusi AI, yaitu agen. Ini adalah sistem operasi industri modern。

Chamath Palihapitiya (Mantan Ibu Kota Sosial mantan eksekutif Facebook All-In host):

BAGAIMANA DENGAN APLIKASI TERTANAM? SEPERTI BONEKA BERUANG DI RUMAH PUTRIKU, APA ISINYA JIKA DIA INGIN BICARA DENGANNYA? ATAU, ADAKAH TAM YANG LEBIH LUAS DI MASA DEPAN PADA MARGIN DAN ADEGAN YANG TERTANAM, DENGAN SKENARIO YANG BERBEDA DENGAN ALAT YANG BERBEDA

Catatan: ASIC mengacu pada Cituit Terintegrasi Terkhusus Aplikasi, TAM mengacu pada Total Servicesable Market

Wong In-hoon:

Kami pikir ada tiga komputer dalam masalah ini。

AI PERTAMA, DALAM SKALA TERBESAR, ADALAH KOMPUTER YANG DIGUNAKAN UNTUK MELATIH MODEL AI, MENGEMBANGKAN AI, DAN MEMBUAT AI。

Yang kedua adalah komputer yang digunakan untuk mengevaluasi AI. Misalnya, perhatikan sekeliling. Ada robot, mobil. Kau harus menempatkan mereka dalam lingkungan virtual yang mewakili dunia fisik. Dengan kata lain, perangkat lunak itu sendiri harus mengikuti hukum fisika. Kami menyebut sistem ini Omniverse。

Yang ketiga adalah komputer yang dikerahkan di tepi, komputer robot. Ini dapat menjadi auto-drive, atau robot, atau bahkan boneka beruang kecil。

UNTUK BONEKA BERUANG, SALAH SATU ARAH YANG SANGAT PENTING ADALAH APA YANG KITA LAKUKAN: MEMBUAT BASIS TELEKOMUNIKASI BAGIAN DARI INFRASTRUKTUR AI. JADI SELURUH INDUSTRI TELEKOMUNIKASI BERSKALA $2 TRILIUN AKAN SECARA BERTAHAP MENJADI PERPANJANGAN INFRASTRUKTUR AI. DENGAN DEMIKIAN, PERALATAN RADIO MENJADI PERIFERAL, PABRIK MENJADI PERIFERAL, DAN GUDANG MELAKUKAN HAL YANG SAMA。

Singkatnya, ketiga jenis komputer dasar sangat penting。

Friedberg (Moderator All-In Podcast, pendiri The Production Board):

Jensen, tahun lalu saya pikir Anda melihatnya sebelum dunia. Kau bilang permintaan beralasan tidak akan tumbuh hanya 1.000 kali。

Wong In-hoon:

Apa aku meledakkan diriku

Friedberg:

Ini akan tumbuh jutaan kali? 3 miliar kali

Saya pikir banyak orang pada saat itu berpikir itu berlebihan karena dunia sedang menatap ekspansi pelatihan. Tapi sekarang, Anda lihat, penalaran telah benar-benar pecah dan itu mulai menjadi - dibatasi." Sekarang Anda telah menerbitkan workshop penalaran lain" yang akan menelan 10 kali lebih banyak daripada generasi berikutnya。

TETAPI JIKA ANDA MELIHAT DUNIA LUAR, BANYAK ORANG AKAN BERKATA, " PABRIK PENALARAN ANDA AKAN MENELAN BIAYA 40-50 MILIAR DOLAR, DAN ALTERNATIF-ALTERNATIF TERSEBUT, SEPERTI ASC, AMD, DAN SEBAGAINYA, HANYA $ 25-30 MILIAR, ANDA AKAN KEHILANGAN PANGSA PASAR。

Jadi kenapa kau tidak memberitahu kami apa yang kau lihat? Apa pendapat Anda tentang pangsa pasar? Apakah pelanggan ini bernilai hampir dua kali lipat premium

mengapa sistem yang lebih mahal memproduksi yang lebih murah

Wong In-hoon:

titik terpenting dan sentralnya adalah bahwa harga tanaman tidak boleh sama dengan harga token, maupun harga token。

hal ini mungkin, dan saya dapat membuktikan, bahwa pabrik $ 50 miliar benar-benar menghasilkan token yang paling murah. alasannya adalah bahwa kita menghasilkan token ini begitu efisien, 10 kali lebih。

ANDA LIHAT, PERBEDAAN ANTARA $ 50 MILIAR DAN $ 20 MILIAR SEBENARNYA HANYA TANAH, LISTRIK DAN PERUMAHAN TANAMAN. SELAIN ITU, KAU SEHARUSNYA MEMBELI TEMPAT PENYIMPANAN, JARINGAN, CPU, SERVER, SISTEM PENYEBARAN PANAS. JADI GPU SENDIRI ADALAH HARGA ASLI ATAU SETENGAH HARGA, DAN TIDAK MEMBAWA TOTAL BIAYA TURUN DARI 50 MILIAR MENJADI 30 MILIAR. ANDA HANYA MENGAMBIL NOMOR YANG ANDA SUKA, SEDIKIT LEBIH REALISTIS, MUNGKIN HANYA TURUN DARI $ 50 MILIAR KE $ 40 MILIAR。

Dan jika pusat data $50 miliar 10 kali lebih tinggi, maka perbedaannya tidak ada。

Aku mengerti。

Wong In-hoon:

Dan itulah mengapa saya terus mengatakan, bahkan untuk banyak chip, jika Anda tidak bisa bersaing dengan teknologi depan dan kecepatan di mana kita bergerak, itu tidak cukup murah。

David Sacks:

Saya ingin mengajukan pertanyaan yang lebih makro-strategis. Kau menjalankan perusahaan paling berharga di dunia. Revenue berbayar bisa melebihi $350 miliar tahun depan, mengalirkan uang tunai gratis bisa menjadi $ 200 miliar, dan mereka tumbuh pada tingkat gila。

Bagaimana kau membuat keputusan? Bagaimana kau mendapatkan informasi? Sekarang semua orang tahu sistem surat terkenal Anda, tapi bagaimana Anda benar-benar membentuk intuisi, pasar bentuk, memutuskan di mana untuk fokus, di mana untuk kontrak, di mana untuk memasuki bidang baru? Bagaimana informasi ini bisa sampai padamu? Apa yang akan kau lakukan

Wong In-hoon:

ITU PEKERJAAN CEO。

David Sacks:

Benar。

Wong In-hoon:

Ini adalah tugas kita untuk mendefinisikan visi dan strategi. Tentu saja, kita akan menarik inspirasi dan informasi dari ilmuwan komputer yang luar biasa, ahli teknologi dan banyak sekali karyawan yang baik di perusahaan ini, tapi akhirnya adalah tugas kita untuk membentuk masa depan。

Bagian dari ujian adalah: Apakah terlalu sulit? Jika tidak cukup sulit, kita harus menjauh darinya. Alasannya sederhana: jika satu hal mudah dilakukan, akan ada banyak pesaing。

Apakah itu sesuatu yang tidak pernah dilakukan oleh siapapun dan itu terlalu sulit? Apakah kebetulan untuk mengerahkan " kekuatan super" unik untuk perusahaan kita? Jadi aku harus mencari persimpangan jalan di mana harus memenuhi kriteria ini pada saat yang sama。

Dan akhirnya, kau harus tahu bahwa melakukan ini harus disertai dengan rasa sakit dan penderitaan yang cukup besar. Tidak ada penemuan besar karena terlalu sederhana dan mudah untuk berhasil untuk pertama kalinya。

Jika satu hal super keras dan tidak ada yang pernah melakukannya, itu pada dasarnya berarti bahwa Anda akan melalui banyak rasa sakit dan penderitaan. Jadi Anda lebih baik menikmati proses。

David Sacks:

KAU BISA PILIH TIGA ATAU EMPAT EKOR LAGI UNTUK BISNIS? KAU BERBICARA TENTANG PUSAT DATA DI RUANG ANGKASA, ADAS DAN MOBIL, DAN ARAH BIOLOGIS. BILAKAH KURVA INI AKAN MULAI MUNCUL? APA PENDAPAT ANDA TENTANG OPERASI JANGKA PANJANG INI

Catatan: ADAS mengacu pada Sistem Asisten Penggerak Lanjutan

Wong In-hoon:

Tentu. Fizikal AI adalah kategori yang besar. Seperti yang saya katakan sebelumnya, kita memiliki tiga sistem komputasi dan semua platform perangkat lunak di atasnya. Fizikal AI adalah kesempatan nyata pertama bagi industri teknologi untuk melayani industri berukuran 50 triliun dolar yang hampir tidak diadaptasi secara teknis di masa lalu. Untuk melakukan ini, kita harus menciptakan kembali semua teknologi yang dibutuhkan。

Aku selalu berpikir itu perjalanan 10 tahun. Kita mulai 10 tahun lalu, dan sekarang kita akhirnya melihatnya muncul. Bagi kita, ini sudah menjadi bisnis multi-miliar dolar, dan sekarang mendekati $ 10 miliar per tahun. Jadi ini sudah bisnis besar, dan berkembang secara eksponensial. Itu poin pertama。

Arah kedua, saya pikir dalam biologi digital, kita benar-benar sudah sangat dekat dengan momen ChatGPT nya。

Secara bertahap, kami belajar cara mengekspresikan dan memahami gen, protein, sel. Materi kimia, kita sudah tahu bagaimana menanganinya. Jadi komponen dasar biologi dan perilaku dinamis mereka dapat diungkapkan dan dipahami, dan saya pikir ini akan terjadi dalam sekitar dua sampai tiga sampai lima tahun. Dalam lima tahun, saya sangat yakin bahwa biologi digital akan berdampak besar bagi seluruh industri kesehatan。

Ini adalah arah yang sangat penting. Pertanian juga salah satunya。

Chamath Palihapitiya:

Ini sudah terjadi。

Wong In-hoon:

Tidak diragukan lagi。

Jason Calacanis:

Saya ingin menarik kembali topik dari pusat data ke desktop. Perusahaan-perusahaan awal yang sebagian besar didasarkan pada pecinta, pemain permainan dan pengguna kartu grafis. Ketika Anda berada di panggung hari ini, di depan sekitar 10.000 orang, Anda berbicara tentang revolusi yang dibawa oleh Claude Code, OpenClaw dan delegasi。

Khususnya, kita melihat bahwa banyak sekali energi dan inovasi yang terjadi dengan mereka, dan bahwa banyak terobosan terjadi pada desktop. Kali ini Anda juga merilis perangkat desktop. Aku ingat Dell 60800? Kedai Karya yang sangat kuat yang menjalankan model lokal dan memiliki memori 750 GB. Sekarang Mac Studio keluar dari penjualan di mana-mana. Perusahaan kami sekarang sepenuhnya beralih ke OpenClaw. Friedberg digunakan, Chamath digunakan, dan semua orang terobsesi。

apa gerakan open-source ini, ekologi open-source desktop-end, mulai dari pecinta, berarti bagi anda? kemana perginya

Umur Agen Agen: Mengapa perlu menghitung mengembang 10.000 kali

Wong In-hoon:

Pertama, lihat ke belakang. Dalam dua tahun terakhir, kita benar-benar telah melihat tiga titik balik。

Kali pertama dihasilkan AI. ¡ChatGPT mengambil AI ke pandangan publik dan membuat semua orang menyadari pentingnya. Sebenarnya, teknologi ini jelas ada beberapa bulan sebelum ChatGPT muncul. Hanya saja ketika ChatGPT memasukkan antarmuka yang dapat digunakan semua orang untuk menghasilkan AI。

Dan generasi AI, seperti yang Anda tahu, menghasilkan token untuk konsumsi internal maupun eksternal. Konsumsi dalaman pada dasarnya "berpikir," yang memajukan perkembangan penalaran。

Kemudian, semakin banyak berbasis darat, kemampuan berbasis informasi mulai muncul, sehingga AI tidak bisa hanya menjawab pertanyaan, tetapi lebih memberikan jawaban yang lebih dapat diandalkan dan berguna. Kau mulai melihat perubahan dalam pola pendapatan dan bisnis OpenAI。

Dan kemudian poin ketiga, yang sebenarnya hanya terlihat dalam industri, adalah Claude Code. Ini adalah sistem agentik pertama yang benar-benar berguna, sangat revolusioner。

Tapi sebelum Claude Code, itu terutama diarahkan pada bisnis, dan banyak orang luar tidak pernah melihatnya. Sampai OpenClaw membawa apa yang bisa kulakukan untuk pandangan publik。

Jadi pentingnya OpenClaw di tingkat budaya adalah bahwa, untuk pertama kalinya, itu benar-benar membuat publik menyadari kemampuan individu。

Alasan kedua mengapa penting adalah karena OpenClaw terbuka。

Lebih penting lagi, ia telah menciptakan model komputasi yang benar-benar baru, hampir merekayasa ulang perhitungan itu sendiri. Ini memiliki sistem memori: scratch adalah memori jangka pendek, sistem berkas adalah sumber jangka panjang; memiliki kapabilitas pengiriman; dapat menjalankan pekerjaan cron; dapat menghasilkan agen baru; dapat menguraikan tugas, menyebabkan penalaran, memecahkan masalah; juga memiliki subsistem I/O yang dapat masuk, mengekspor, terhubung dengan WhatsApp; dan memiliki API yang dapat menjalankan berbagai jenis aplikasi, yang disebut skill。

Dan empat elemen ini pada dasarnya mendefinisikan komputer. Jadi, untuk pertama kalinya, kita punya komputer buatan。

Dan terbuka, benar-benar terbuka, dapat berlari hampir di mana saja. Ini adalah cetak biru dari perhitungan modern. Bisa dikatakan, ini sudah menjadi sistem operasi komputasi modern dan akan ada di mana-mana di masa depan。

tentu saja, kita harus membantu menyelesaikan satu hal: selama anda memiliki perangkat lunak agentik, itu dapat mendapatkan akses ke informasi sensitif, kode penegakan, komunikasi eksternal. jadi kita harus memastikan bahwa semua ini diatur, bahwa cukup aman, bahwa itu strategis dibatasi, bahwa agen-agen ini memiliki dua dari tiga kemampuan, tetapi tidak semua tiga sekaligus。

Kami juga telah memberikan sumbangan di daerah pemerintahan. \"Pelmater Steinberger\" ada di sana hari ini. Kami memiliki banyak insinyur besar bekerja dengannya untuk membantu membuat sistem lebih aman dan lebih kuat, sehingga dapat melindungi privasi dan keamanan。

Chamath Palihapitiya:

Jensen, apakah perubahan paradigma ini membuat banyak tindakan regulatori AI melewati seluruh Amerika Serikat tampak usang

TIDAK BANYAK USULAN YANG AWALNYA DIDASARKAN PADA MODEL LAMA. APAKAH ANDA INGIN BERBICARA TENTANG SEBERAPA CEPAT PARADIGMA INI BERUBAH UNTUK MENIADAKAN SELURUH RENTANG PEMIKIRAN REGULASI LAMA? SEKARANG PERATURAN AI TELAH MENJADI TOPIK YANG SANGAT POPULER DALAM POLITIK AMERIKA。

Wong In-hoon:

Bagian dari kita ini harus selalu berada di depan pembuat kebijakan, dan Anda telah melakukan sangat baik dalam hal itu. Kita harus datang kepada mereka dan memberitahu mereka apa tahap perkembangan teknologi, apa itu, bukan apa itu. Ini bukan hidup, itu bukan alien, itu tidak sadarkan diri. Ini software komputer。

Juga, kita sering mendengar frasa "kita tidak mengerti teknologi ini sama sekali." Tapi itu tidak benar. Kami benar-benar mengerti banyak. Jadi pertama-tama, kita harus memberikan kebijakan kepada para pembuat kebijakan dengan informasi nyata atas dasar yang berkesinambungan; jangan biarkan ketekunan dan ekstremisme menentukan cara di mana teknologi ini dipahami。

NAMUN PADA SAAT YANG SAMA, KITA HARUS MENYADARI BAHWA PERKEMBANGAN TEKNOLOGI CEPAT DAN KEBIJAKAN TIDAK BOLEH TERLALU JAUH DARI TEKNOLOGI. KEPRIHATINAN TERBESAR SAYA ADALAH BAHWA RISIKO KEAMANAN NASIONAL TERBESAR AMERIKA UNTUK AI BUKANLAH AI ITU SENDIRI, TETAPI BAHWA NEGARA LAIN MENGADOPSI AI, DAN BAHWA KITA ENGGAN UNTUK MERANGKUL AI UNTUK KEMARAHAN, KETAKUTAN, ATAU FANATISME。

JADI YANG PALING MENGKHAWATIRKAN SAYA ADALAH AI TIDAK MENYEBAR CUKUP CEPAT DI AMERIKA。

David Sacks:

Tanya lagi. Apa yang akan Anda pikirkan jika Anda duduk di ruang dewan dan menonton mereka dan Departemen Perang? Dan itulah yang baru saja Anda katakan: orang tidak tahu bagaimana memahami AI, dan ada lapisan tambahan kebencian, ketakutan dan ketidakpercayaan. Jika itu kau, apakah kau menyarankan bahwa Dario dan timnya melakukan sesuatu yang berbeda untuk mengubah hasil hari ini dan kesadaran publik

Wong In-hoon:

Pertama-tama, teknologi Anthropic menakjubkan. Kami adalah pengguna penting teknologi Antropik. Saya sangat mengagumi pentingnya mereka berpaut pada keamanan, serta komitmen mereka terhadap budaya keamanan dan keunggulan teknis mereka dalam memajukan upaya - upaya ini。

Selain itu, mereka ingin mengingatkan masyarakat tentang batas kemampuan teknologi ini, yang saya percaya adalah baik dalam dirinya sendiri. Hanya penting untuk menyadari bahwa dunia memiliki spektra: hati-hati adalah hal yang baik, tidak begitu baik untuk menakut-nakuti orang。

Yeah。

Karena teknologi ini terlalu penting bagi kita. Saya pikir itu pasti mungkin untuk memprediksi masa depan, tapi kita perlu lebih berhati-hati dan lebih sederhana. Karena, pada kenyataannya, kita tidak bisa memprediksi masa depan sepenuhnya。

Jika beberapa penilaian yang sangat ekstrim dan buruk harus dilemparkan, dan tidak ada bukti bahwa hal-hal yang sebenarnya akan terjadi, bahaya mungkin lebih besar dari yang diperkirakan。

Dan sekarang kita memimpin industri teknologi. Tak ada yang mendengarkan kami sebelumnya, tapi sekarang berbeda. Teknologi teknologi sangat tertanam dalam struktur sosial, industri yang sangat penting dan sangat relevan dengan keamanan nasional. Setiap kata yang kita katakan penting。

Jadi saya pikir kita harus lebih berhati-hati, lebih terkendali, lebih seimbang dan lebih berpikir。

Friedberg:

AKU AKAN MENCALONKANMU UNTUK INI. AIA HANYA MEMILIKI 17% OPINI PUBLIK DI AMERIKA SERIKAT. KAMI TELAH MELIHAT APA YANG TERJADI DALAM BIDANG ENERGI NUKLIR: KAMI PADA DASARNYA MENUTUP SELURUH INDUSTRI NUKLIR, DAN SEKARANG CINA SEDANG MEMBANGUN 100 REAKTOR FISI, TIDAK ADA DI AMERIKA SERIKAT. SEKARANG KITA MULAI MENDENGAR JEDA DI PUSAT DATA ATAU SESUATU. JADI SAYA PIKIR KITA HARUS LEBIH PROAKTIF。

Tapi aku ingin kembali ke apa yang kau katakan terjadi di dalam perusahaan: efisiensi, produktivitas. Ada banyak argumen yang terjadi. Ketika kau dan aku memasuki tahun ini, pertanyaan terbesar adalah: pendapatan Will datang? pendapatan akan berkembang seperti kecerdasan itu sendiri? Dan kemudian kita melihat sesuatu seperti Oppenheimer: Anthropic mendapatkan $ 5 miliar, $ 6 miliar per bulan di bulan Februari saja。

Catatan: "Oppenheimer Time" berasal dari Oppenheimer, kepala Proyek Manhattan (Secret Research Project untuk Mengembangkan Bom Atom selama Perang Dunia II). Pada tahun 1945, bom atom yang diledakkan untuk pertama kalinya, melambangkan ambang batas di mana terobosan teknologi hidup berdampingan dengan risiko, dan sekarang sebagian besar digunakan untuk menunjuk ke saat-saat teknologi kritis dengan efek yang tak tertahankan。

Apa yang kau pikirkan? Dan Anda mengatakan hari ini bahwa Blackwell dan Vera Rubin sudah pada urutan triliunan dolar permintaan dalam tahun-tahun mendatang. Ditambah dengan momentum yang ditunjukkan oleh Antropik dan OpenAI, menurut Anda kita berada di kurva itu dan kemudian kita akan melihat pendapatan berkembang secepat kecerdasan

Wong In-hoon:

Aku akan menjawab dari beberapa sudut. Lihatlah penonton ini, Anthropic dan OpenAI benar-benar di sini. Tetapi, sebenarnya, 99 persen dari apa yang hadir adalah AI, bukan Antropik, bukan OpenAI. Alasan di balik ini adalah bahwa AI sendiri sangat beragam。

Saya akan mengatakan, sebagai kategori, model populer kedua sebenarnya adalah model terbuka. Yang pertama adalah, tentu saja, OpenAI, berat sumber terbuka, model sumber terbuka, seluruh kategori ekologi terbuka. Yang kedua adalah model terbuka, dan ada celah lebar dengan yang ketiga. Tempat ketiga adalah Antropik。

INI MENUNJUKKAN SEBERAPA BESAR SEMUA PERUSAHAAN AI BERSAMA-SAMA, JADI PERTAMA-TAMA, UNTUK MENYADARI HAL INI。

Saat kita beralih dari AI yang dihasilkan ke penalaran, jumlah perhitungan yang dibutuhkan sekitar 100 kali lebih tinggi; ketika kita beralih dari penalaran ke anatomi, jumlah perhitungan kemungkinan akan meningkat 100 kali lagi. Dengan kata lain, dalam dua tahun saja, permintaan yang dihitung telah meningkat kira - kira 10.000 kali. Pada saat yang sama, orang-orang membayar untuk informasi, tetapi apa yang mereka benar-benar lebih bersedia untuk membayar sebenarnya hasil dari pekerjaan。

Yeah。

Wong In-hoon:

bicara dengan robot chatting, mendapatkan jawaban, tentu saja. senang melakukan penelitian untukku. tapi apa yang benar-benar membuat saya ingin membayar adalah bahwa itu membantu saya melakukannya. dan di situlah kita berada sekarang, dan sistem agensi benar-benar melakukannya. mereka membantu insinyur perangkat lunak kami menyelesaikan pekerjaan。

Jadi Anda berpikir, di satu sisi, 10.000 kali lebih banyak perhitungan, di sisi lain, mungkin 100 kali lebih banyak kebutuhan konsumsi. Dan kita bahkan belum benar-benar mulai berkembang dalam skala besar. Kita pasti dalam perjalanan ke jutaan kali pertumbuhan。

Jason Calacanis:

Kurasa itu bisa menimbulkan pertanyaan. Berapa banyak orang di perusahaanmu

Wong In-hoon:

Kami memiliki 43.000 karyawan, sekitar 38.000 insinyur。

Jason Calacanis:

kita sering membicarakan topik dalam podcast: tuhan, penggunaan token di perusahaan kita semakin gila. beberapa bahkan bertanya berapa banyak kuota token yang bisa kudapatkan ketika aku bergabung dengan perusahaan karena mereka ingin menjadi karyawan yang efisien. aku ingat kau berbicara tentang permainan dua setengah jam di keynote, yang benar-benar panjang, tapi hebat。

Wong In-hoon:

Terima kasih. Bisa saja lebih pendek。

Jason Calacanis:

Anda menyebutkan bahwa token untuk setiap insinyur bisa biaya $ 75.000 atau lebih. Apakah itu berarti bahwa tim teknik NVIDIA menghabiskan 1 miliar, 2 miliar dolar per tahun untuk token

Wong In-hoon:

KAMI PIKIR BEGITU. SAYA AKAN MEMBERIKAN PERCOBAAN IDE: DENGAN ASUMSI ANDA MENYEWA INSINYUR PERANGKAT LUNAK ATAU PENELITI AI DENGAN GAJI TAHUNAN $500.000, YANG UMUM DI SINI。

Pada akhir tahun, saya bertanya kepadanya, " Berapa banyak yang Anda habiskan untuk token tahun ini?" Jika dia bilang, "$5,000," aku akan meledakkannya, sungguh. Aku akan sangat waspada jika seorang insinyur dengan gaji tahunan $ 500.000 menghabiskan setahun untuk token senilai kurang dari $ 250.000. Hal yang sama seperti yang dikatakan desainer chip, "Saya memutuskan hanya menggunakan kertas dan pensil, dan saya tidak perlu alat CAD."。

Jason Calacanis:

Ini benar-benar pergeseran paradigma. Pemahaman Anda tentang karyawan top ini hampir mengingatkan saya tentang LeBron James di kelas MBA: ia menghabiskan $ 1 juta setahun di tubuhnya, sehingga ia masih bisa bertarung di 41. Kenapa para intelektual terkemuka ini tidak memiliki kekuatan manusia super

Wong In-hoon:

Tepatnya。

Jason Calacanis:

JIKA KITA MENDORONG TREN INI KEMBALI DUA ATAU TIGA TAHUN, APA YANG AKAN EFISIENSI KARYAWAN TOP INI DI NVIDIA MENJADI? APA YANG BISA MEREKA LAKUKAN

Wong In-hoon:

Pertama-tama, gagasan "ini terlalu sulit" menghilang. Ini akan memakan waktu terlalu lama, dan menghilang. Kita butuh banyak orang, dan menghilang。

Ini seperti di revolusi industri terakhir, tidak ada yang akan mengatakan, bangunan ini terlihat terlalu berat. Dan tidak ada yang akan mengatakan, Gunung itu terlalu besar. Semua ide tentang "terlalu besar, terlalu berat, terlalu menyita waktu" akan dihilangkan。

David Sacks:

Hal terakhir yang tersisa adalah kreativitas. Apa yang bisa kau pikirkan。

Wong In-hoon:

tepatnya. dengan kata lain, pertanyaan tentang masa depan akan menjadi: bagaimana anda bekerja dengan pihak-pihak ini。

Intinya, itu hanya cara pemrograman yang sama sekali baru. Di masa lalu, kita menulis kode, dan di masa depan kita menulis ide, struktur dan spesifikasi; kita mengatur tim; kita mendefinisikan kriteria evaluasi dan memberitahu sistem apa yang baik, apa yang buruk, apa yang baik; kita akan mengulanginya, apa yang baik, apa yang baik, apa yang baik, apa yang baik, apa yang baik; kita akan mengulanginya, apa yang buruk, apa yang baik。

itulah yang ingin kau lakukan. aku percaya setiap insinyur akan memiliki 100 angent di masa depan。

Jason Calacanis:

Kembali ke PR. Entrepreneurs seperti David Friedberg, menggunakan teknologi Anda dan AI di Ohalo, benar-benar melakukan hal-hal nyata: meningkatkan produksi makanan dan meningkatkan pasokan kalori berkualitas. Friedberg, menurutmu berapa biayanya? Bagaimana penglihatan ini mempengaruhi apa yang Anda lakukan

Friedberg:

Kami baru saja membuat model pembentukan gen sampel nol, dan itu berhasil. Kau akan sangat terkejut saat itu. Dan ini terjadi dalam konteks "lain mengganti seluruh gudang bisnis dalam semalam."。

Dalam 90 menit, aku mengganti seluruh tumpukan dan banyak pekerjaan. Malam Minggu hari Minggu dimulai pukul 10:00, semuanya berjalan dan berangkat pukul 11:30。

SEBAGAI CEO, SAYA MEMINTA SEMUA ANGGOTA TIM MANAJEMEN SAYA UNTUK MELAKUKAN LATIHAN YANG SAMA PADA AKHIR PEKAN. SENIN, KAMI MELIHAT HASILNYA: SUDAH BERAKHIR。

Teknikal lagi, lebih ilmiah. Kami melakukan satu hal dalam 30 menit dengan penelitian auto dan koleksi data. Ini akan menjadi hasil dari kertas tingkat PhD jika telah mengikuti jalur tradisional, yang bisa saja memakan waktu tujuh tahun, atau bahkan menjadi salah satu pekerjaan doktoral paling populer di lapangan, cukup untuk diterbitkan di Science。

Kami baru saja di desktop, mengunduh penelitian auto tentang GitHub, menuangkan data yang baru kami dapatkan, dan kami kehabisan dalam 30 menit. Wajah semua orang berubah. Ini membuka potensi, benar-benar luar biasa。

Jadi saya pikir percepatan ini adalah memperluas kemungkinan untuk semua orang dengan cara yang belum pernah terjadi sebelumnya。

tapi kembali ke penelitian auto. satu akhir pekan, 600 baris kode dapat menghasilkan hasil tersebut dan juga dapat berjalan dan memproses begitu banyak jenis set data secara lokal。

Apakah ini berarti bahwa kita berada pada tahap yang sangat awal, apakah itu algoritma atau hardware optimasi

Wong In-hoon:

OpenClaw begitu menakjubkan, pertama-tama, karena bertepatan sempurna dengan titik putus dari model bahasa besar, dan tampaknya terlalu akurat。

Dan sejauh ini, Peter mungkin tidak akan membuat hal ini jika Claude, GPT dan ChatGPT tidak mencapai tingkat ini hari ini. Karena modelnya benar-benar cukup bagus。

Kedua, itu membawa kemampuan baru untuk memungkinkan model ini untuk mengakses alat yang telah kita ciptakan selama bertahun-tahun. Pelayar, Excel; dalam desain chip, Simpsi dan Cadence; Omniverse, Blender, Autodesk, dll. Dan alat-alat ini akan terus digunakan di masa depan。

Sekarang beberapa orang mengatakan bahwa bisnis IT software akan dihancurkan. Tapi saya memberikan perspektif lain: ukuran industri perangkat lunak, yang dulunya terbatas pada "berapa banyak pantat duduk" -- yaitu jumlah kursi. Tapi di masa depan, itu akan 100 kali lebih mungkin. Agen-agen ini akan mengetuk SQL, akan mengetuk database vektor, akan mengetuk Blender, Photoshop。

Alasannya sederhana: pertama, alat-alat ini sudah berjalan dengan baik; dan kedua, mereka pada dasarnya "perantaraan" antara kita dan mesin. Akhirnya, ketika pekerjaan selesai, hasilnya harus kembali padaku dengan cara yang bisa kukendalikan. Dan aku tahu cara mengoperasikan alat ini。

Jadi aku ingin semuanya berakhir kembali ke Synopsys, ke Cadence, karena di situlah aku bisa mengendalikannya dan memverifikasinya。

Catatan: Symps, Cadence adalah dua perusahaan perangkat lunak penting EDA, yang semuanya mengandalkan mereka (NVIDIA, Apple, AMD)

MEDAN AI BERIKUTNYA: SUMBER TERBUKA, VERTIKALISASI DAN PENYEBARAN GLOBAL

David Sacks:

Aku ingin mengajukan pertanyaan terbuka. Sekarang kita memiliki model sumber-tertutup, yang sangat bagus; kita memiliki model berat terbuka, banyak di antaranya menakjubkan dan benar-benar kuat。

Dua hari lalu, mungkin kau sibuk di panggung, dan kau tidak melihatnya. Mereka melatih model Llama 4 miliar pon dengan cara didistribusikan. Kelompok acak dari orang-orang berkontribusi pada perhitungan, tetapi mereka mengelola seluruh proses pelatihan dalam keadaan berdiri. Saya pikir itu sangat teknis, karena orang-orang yang terlibat benar-benar tersebar secara acak。

Wong In-hoon:

Ini seperti zaman kita Folding@home。

Catatan: Folding@home adalah proyek komputasi terdistribusi yang memungkinkan relawan global untuk menyumbangkan energi komputer untuk simulasi protein dan penelitian medis

David Sacks:

TEPATNYA. JADI BAGAIMANA MENURUTMU AKHIR DARI SUMBER TERBUKA? ANDA DAPAT MELIHAT BAHWA ARSITEKTUR JUGA SEDANG TERDESENTRALISASI DAN ALGORITMA SEDANG DIDESENTRALISASI UNTUK MENDUKUNG JALUR BOBOT TERBUKA DAN SUMBER TERBUKA SEPENUHNYA, SEHINGGA MEMBUAT AI BENAR-BENAR TERSEDIA SECARA LUAS

Wong In-hoon:

Saya percaya bahwa kita pada dasarnya membutuhkan dua hal sekaligus: pertama, model sebagai produk komersial, produk proprietary dari warga kelas satu; dan kedua, model sebagai bentuk open-source。

INI BUKAN HUBUNGAN ANTARA A ATAU B, TAPI ANTARA A DAN B. TIDAK DIRAGUKAN LAGI. ALASANNYA ADALAH BAHWA MODEL ADALAH PERTAMA SEBUAH TEKNOLOGI DAN BUKAN PRODUK AKHIR. MODEL MODEL ADALAH TEKNOLOGI, BUKAN LAYANAN。

Dan bagi sebagian besar pengguna, pada tingkat horizontal, pada tingkat kecerdasan umum, saya tidak benar-benar ingin pergi ke baik-baik saja untuk diriku sendiri. Aku lebih suka melanjutkan dengan ChatGPT, Claude, Gemini, X. Mereka individu, tergantung bagaimana perasaanku dan apa yang ingin kuselesaikan. Jadi bagian industri ini akan dikembangkan dengan baik, dan akan sangat makmur。

Namun, di semua industri ini, pengetahuan, kompetensi profesional di lapangan harus menetap dengan cara mereka dapat mengontrol, yang hanya bisa berasal dari model terbuka. Industri model terbuka ini sangat dekat dengan garis depan. Kami juga berinvestasi berat。

Secara jujur, bahkan jika model terbuka berada di garis depan, saya masih percaya bahwa model -- layanan, model produk komersial kelas dunia -- akan terus berkembang。

Jason Calacanis:

Hampir semua perusahaan awal yang kita investasikan sekarang adalah membuka dan pindah ke model proprietary。

Wong In-hoon:

Benar. Dan hal yang indah adalah, selama Anda memiliki router yang baik, pada hari pertama, setiap hari, Anda mendapatkan model terbaik di dunia. Pada saat yang sama, itu memberi Anda waktu untuk downplay, halus-tune dan khusus. Jadi Anda mulai dengan keterampilan kelas dunia, dan kemudian perlahan membangun parit Anda sendiri。

Friedberg:

Jensen, aku ingin mengajukan pertanyaan geopolitik. Tentu saja, tidak ada yang ingin Amerika memenangkan kompetisi AI global lebih dari yang Anda lakukan. Tapi setahun yang lalu, aturan penyebaran Biden-era sebenarnya mencegah penyebaran teknologi AI Amerika di seluruh dunia。

PEMERINTAH BARU TELAH BERKUASA SELAMA SETAHUN SEKARANG. BERAPA POIN YANG KAU BERIKAN? APA YANG BAGUS? APA YANG BURUK

Wong In-hoon:

Pertama, Presiden Trump ingin industri AS memimpin, ilmu pengetahuan dan teknologi AS untuk memimpin, ilmu pengetahuan dan teknologi AS untuk menang, teknologi AS untuk menyebar secara global, dan AS untuk menjadi negara terkaya di dunia. Dia semua ingin direalisasikan。

NAMUN PADA SAAT INI, NVIDIA, PASAR TERBESAR KEDUA DI DUNIA, TELAH KEHILANGAN 95 PERSEN DARI PANGSA PASAR ASLINYA, YANG SEKARANG 0 PERSEN. PRESIDEN TRUMP INGIN KITA MENGAMBIL KEMBALI INI。

Langkah pertama adalah mendapatkan lisensi untuk perusahaan yang bisa kita jual. Banyak perusahaan telah mengajukan permohonan, kami telah mengajukan izin untuk mereka, dan Menteri Perdagangan Lutnick telah menyetujui beberapa dari mereka. Kami kemudian memberitahu perusahaan Cina bahwa banyak dari mereka telah menempatkan perintah pembelian pada kami. Jadi kita mulai kembali rantai pasokan dan mengirimkan barang。

PADA TINGKAT YANG LEBIH TINGGI, SAYA PIKIR KITA HARUS MENGAKUI SATU HAL: KEAMANAN NASIONAL KITA MELEMAH KETIKA KITA TIDAK MEMILIKI AKSES KE KABEL MIKRO, MINERAL TANAH LANGKA; KETIKA KITA TIDAK DAPAT MENGENDALIKAN JARINGAN KOMUNIKASI KITA; DAN KETIKA KITA TIDAK DAPAT MENYEDIAKAN ENERGI BERKELANJUTAN BAGI NEGARA KITA. SETIAP INDUSTRI INI ADALAH CERITA YANG TAK INGIN SAYA ULANGI INDUSTRI AI。

DAN KETIKA KITA MELIHAT KE MASA DEPAN, DAN BERTANYA, "APA INDUSTRI TEKNOLOGI AMERIKA SERIKAT, INDUSTRI AI AS BENAR-BENAR MEMIMPIN DUNIA?", KITA HARUS JUJUR: MODEL AI TIDAK DAPAT DIMAKAN DI SELURUH DUNIA OLEH AS, DAN TIDAK MASUK AKAL。

TAPI KITA HANYA BISA MEMBAYANGKAN BAHWA KUBAH TEKNOLOGI AMERIKA, DARI CHIP SAMPAI SISTEM KOMPUTASI KE PLATFORM, DIGUNAKAN SECARA LUAS SECARA GLOBAL. ORANG-ORANG DI SELURUH DUNIA BISA MEMBANGUN AI SENDIRI, AI PUBLIK, AI SWASTA, UNTUK MELAYANI MASYARAKAT MEREKA. SAYA INGIN GUDANG TEKNOLOGI AS UNTUK MENCAKUP 90% DUNIA. KUHARAP BEGITU。

Jika tidak, jika situasi akhir menjadi seperti energi matahari, tanah langka, magnet, listrik, peralatan komunikasi, saya akan berpikir bahwa akan menjadi hasil yang sangat buruk bagi keamanan nasional AS。

Chamath Palihapitiya:

Seberapa dekatkah Saudara berfokus pada situasi konflik global? Bagaimana khawatir itu? Misalnya, di Timur Tengah, mungkin mempengaruhi pasokan helium, yang merupakan risiko rantai pasokan potensial untuk pembuatan semikonduktor. Seberapa khawatir masalah ini? Berapa banyak energi yang telah Anda dikhususkan untuk ini

Catatan: Helium penting untuk pembuatan semikonduktor, yang sulit untuk menggantikan tidak hanya dalam link kritis cahaya dan deteksi, tetapi juga sebagai sumber daya yang tidak dapat diperbaharui, dengan pasokan yang sangat terkonsentrasi yang bergantung terutama pada sejumlah kecil sumber seperti Amerika Serikat, Qatar (Timur Tengah) dan Aljazair (Afrika Utara). Setelah persediaan hulu ini terganggu, mereka mungkin memiliki dampak langsung pada operasi tetap garis produksi chip。

Wong In-hoon:

Pertama, berbicara tentang Timur Tengah, kita memiliki 600 keluarga di sana. Ada banyak karyawan Iran di perusahaan, dan keluarga mereka masih di Iran. Jadi kita punya banyak keluarga di sana。

Hal pertama: mereka sangat cemas, sangat khawatir, sangat takut. Kami telah memikirkan mereka dan mengawasi situasi yang berubah. Mereka akan mendapatkan 100% dukungan kita. Saya juga ditanya apakah, mengingat situasi sekarang di Timur Tengah, kami masih akan tetap tinggal di Israel. Jawabannya adalah: kita akan tinggal 100 persen di Israel. Kami mendukung 100 persen keluarga di sana. Kita akan tetap 100 persen di Timur Tengah。

INI JUGA DITANYA APAKAH, KARENA SITUASI DI TIMUR TENGAH BEGITU, KAMI PIKIR ITU LAYAK DIPERLUAS DI SANA. PANDANGAN SAYA ADALAH BAHWA ADA PERANG KARENA KITA SEMUA INGIN HASIL YANG LEBIH STABIL. DAN AKU YAKIN BAHWA TIMUR TENGAH AKAN LEBIH STABIL SETELAH PERANG. JADI JIKA KITA BERSEDIA MEMIKIRKANNYA SEBELUM PERANG, MAKA PERIODE PASCA-PERANG HARUS DIANGGAP SERIUS. JADI AKU 100% BERKOMITMEN UNTUK INI。

KITA ADA TIGA HAL YANG HARUS DILAKUKAN. PERTAMA, AMERIKA SERIKAT HARUS DIINDUSTRIALISASI KEMBALI SESEGERA MUNGKIN, APAKAH ITU PABRIK CHIP, PABRIK KOMPUTER ATAU PABRIK AI。

Jason Calacanis:

Apa kemajuan dalam hal ini

Wong In-hoon:

Ini berjalan sangat baik. Kami dapat bergerak maju pada tingkat yang mengkhawatirkan di Arizona, Texas dan California karena kami mendapat dukungan strategis, persahabatan dan bantuan dari rantai pasokan Taiwan, Cina. Mereka benar-benar mitra strategis kita. Mereka layak mendapat dukungan kita, persahabatan dan kemurahan hati kita. Mereka juga berusaha keras untuk membantu kita mempercepat proses pembuatan。

Kedua, kita harus mengembangkan rantai pasokan manufaktur. Apakah di Korea, Jepang atau Eropa, kita perlu diversifikasi rantai pasokan untuk membuatnya lebih tangguh. Ketiga, sementara kita menganjurkan pluralisme dan ketahanan, kita juga harus menahan diri dan menahan diri dari tekanan yang tidak perlu。

Jason Calacanis:

Maksudmu, bersabarlah。

Chamath Palihapitiya:

Bagaimana dengan helium? Banyak laporan menyebutkan hal ini。

Wong In-hoon:

Kurasa helium bisa jadi masalah. Di sisi lain, sering ada saham buffer dalam rantai pasokan, dan sistem semacam itu umumnya meninggalkan beberapa jumlah。

Jason Calacanis:

Anda telah membuat kemajuan besar pada autopilot dan Anda telah merilis berita penting. Kau menambahkan banyak rekan, termasuk Uber. Aku melihatmu di video mobil Mercedes baru-baru ini. Kau dan Uber juga telah mengumumkan bahwa mereka akan mengerahkan lebih banyak kendaraan bersama dengan banyak pabrik。

Saya memahami taruhan Anda bahwa akan ada platform terbuka seperti Android di masa depan, di mana Anda akan memainkan peran kunci dalam melayani puluhan produsen mobil; di sisi lain, mungkin ada sistem tertutup seperti iOS, seperti Tesla atau Waymo。

Apa strategimu? Bagaimana permainan ini? Karena rasanya seperti Anda bekerja di beberapa tempat dan bersaing di tempat lain, dan tumpukan Anda sangat dalam。

Wong In-hoon:

Pertama, kita percaya bahwa apa yang akan bergerak di masa depan akan menjadi sepenuhnya atau sebagian otonom. Kedua, kita tidak ingin membangun autopilot sendiri, tapi kita ingin memberdayakan setiap perusahaan mobil di seluruh dunia untuk membangun autopilot。

Jadi kami membangun tiga komputer: pelatihan komputer, simulasi, evaluasi, dan komputer akhir mobil. Kami juga telah mengembangkan sistem operasi mengemudi paling aman di dunia。

Pada saat yang sama, kita memiliki sistem penggerak diri pertama di dunia dengan kemampuan penalaran. Hal ini dapat menguraikan adegan kompleks ke dalam skenario yang lebih sederhana, kemudian menavigasi mereka satu per satu, sama seperti model penalaran. Sistem penalaran ini disebut Alpamayo, dan memberikan hasil yang sangat mengesankan。

Kita melakukan optimisasi vertikal dan inovasi horizontal; kemudian setiap produsen memutuskan sendiri. Anda hanya ingin membeli salah satu komputer kami? Seperti Elon dan Tesla, mereka membeli sistem pelatihan kami; atau apakah Anda ingin membeli sistem pelatihan untuk menirunya? Atau apakah Anda ingin bergabung dengan kami dalam mendapatkan ketiganya melalui, bahkan menempatkan komputer akhir di mobil Anda

Sikap kita selalu kita ingin menyelesaikan masalahnya, tetapi kita tidak berkeras bahwa hanya kita yang memberikan satu-satunya jawaban. Apa pun cara Anda memilih untuk bekerja dengan kami, kami senang。

David Sacks:

Mengikuti pertanyaan ini, saya merasa sangat menarik. Kau benar-benar menyiapkan platform untuk seribu bunga mekar. Tapi itu benar bahwa beberapa bunga sekarang ingin turun dan turun dan mencoba untuk bersaing dengan Anda. Google memiliki TPU, Amazon memiliki Inferentia dan Trainium, dan hampir semua orang melakukan versi mereka sendiri "Saya dapat melampaui NVIDIA." Meskipun mereka juga klien besarmu。

Bagaimana Anda mengelola hubungan ini? Menurutmu apa yang terjadi dalam jangka panjang? Apa peranan produk - produk ini pada akhirnya dalam seluruh ekologi

Wong In-hoon:

Pertanyaannya sangat bagus。

PERTAMA, KITA SATU-SATUNYA PERUSAHAAN AI YANG NYATA. KAMI MEMBUAT MODEL DASAR KAMI SENDIRI DAN BERADA DI GARIS DEPAN DI BERBAGAI BIDANG. KAMI MEMBANGUN TUMPUKAN DARI ATAS KE BAWAH, SETIAP LAPISAN. KITA JUGA SATU-SATUNYA PERUSAHAAN AI DI DUNIA YANG BEKERJA DENGAN SEMUA PERUSAHAAN AI。

MEREKA TIDAK PERNAH MENUNJUKKAN APA YANG MEREKA LAKUKAN, TAPI AKU SELALU MEMBERITAHU MEREKA APA YANG SAYA LAKUKAN. JADI KEYAKINAN KITA BERASAL DARI SATU HAL: KITA SANGAT SENANG UNTUK BERSAING PADA SIAPA TEKNOLOGI TERBAIK. SELAMA KITA BISA TERUS BERJALAN, AKU YAKIN ITU AKAN MENJADI SALAH SATU PILIHAN EKONOMI MEREKA UNTUK TERUS MEMBELI NVIDIA. AKU SANGAT YAKIN AKAN HAL ITU。

Kedua, kita adalah satu-satunya struktur yang dapat dikerahkan pada semua platform awan. Ini membawa keuntungan mendasar. Kami juga satu-satunya struktur yang dapat dikeluarkan dari awan dan ditempatkan di kamar lokal, mobil, di mana saja, bahkan di ruang angkasa。

JADI, KITA SEBENARNYA MEMILIKI SEBAGIAN BESAR PASAR, SEKITAR 40 PERSEN DARI BISNIS. JIKA ANDA TIDAK MEMILIKI PENGINAPAN CUDA DAN ANDA TIDAK DAPAT MENYEDIAKAN SELURUH PABRIK AI, KLIEN TIDAK TAHU BAGAIMANA BEKERJA DENGAN ANDA. MEREKA TIDAK INGIN MEMBELI CHIP, MEREKA MEMBANGUN INFRASTRUKTUR AI. JADI APA YANG MEREKA BUTUHKAN ADALAH BAHWA ANDA MEMBAWA SELURUH TUMPUKAN, DAN KAMI KEBETULAN MEMILIKI SELURUH TUMPUKAN。

JADI, SECARA MENGEJUTKAN, JIKA ANDA MELIHAT SEKARANG, PANGSA PASAR NVIDIA SEBENARNYA MASIH MENINGKAT。

David Sacks:

Anda berarti, perusahaan-perusahaan ini mencoba lap, dan mereka menemukan, "Oh, Tuhan, ini terlalu rumit." Dan kemudian mereka kembali? Itu sebabnya bagianmu terus tumbuh

Wong In-hoon:

Ada beberapa alasan untuk peningkatan ini。

Pertama, kita bergerak terlalu cepat. Kedua, kita telah menjelaskan bahwa masalahnya bukan chip, tapi sistem, yang sangat sulit untuk dibangun. Jadi skala kerjasama mereka dengan kita semakin berkembang。

SEBAGAI CONTOH, AWS, SAYA INGAT MEREKA MENGUMUMKAN KEMARIN BAHWA MEREKA AKAN MEMBELI 1 JUTA CHIP PADA TAHUN-TAHUN MENDATANG. INI ADALAH VOLUME YANG SANGAT BESAR PEMBELIAN, DAN INI BUKAN SELURUH BANYAK MEREKA TELAH MEMBELI. TENTU SAJA KAMI MAU。

Juga, saham kami telah tumbuh selama beberapa tahun terakhir, karena sekarang ada Antropik, ada Meta, dan pertumbuhan model terbuka bahkan lebih menakjubkan, dan ini semua terjadi di NVIDIA。

Jadi pembagian kami meningkat, di satu sisi, dalam jumlah model, dan, di sisi lain, dalam jumlah yang meningkat perusahaan keluar dari awan, tumbuh dalam penyebaran regional, skenario bisnis, margin industri。

DAN PASAR ITU, JIKA ANDA HANYA MELAKUKAN ASIC, BENAR-BENAR SULIT UNTUK MASUK。

Friedberg:

Untuk menjadi relevan, tidak ada bilangan in-depth, tetapi analis tampaknya tidak percaya Anda。

KAU BILANG ANGKANYA BISA BERTAMBAH JUTAAN KALI, TAPI PASAR SETUJU UNTUK MENGHARAPKAN KAU TUMBUH 30 PERSEN TAHUN DEPAN, 20 PERSEN TAHUN DEPAN, DAN PADA 2029, ITU SEHARUSNYA MENJADI TAHUN PENUH, HANYA 7 PERSEN. DAN JIKA ANDA MENEMPATKAN TAM ANDA DALAM ANGKA PERTUMBUHAN INI, ITU IMPLISIT BAHWA BAGIAN ANDA AKAN DROP TAJAM。

Jadi, dari apa yang Anda lihat di buku urutan masa depan, apakah ada tanda-tanda dukungan untuk penilaian itu

Wong In-hoon:

PERTAMA, MEREKA TIDAK MENGERTI UKURAN DAN LUAS AI SAMA SEKALI。

David Sacks:

Ya, kurasa juga begitu。

Wong In-hoon:

KEBANYAKAN ORANG BERPIKIR AI HANYA TENTANG LIMA PRODUSEN AWAN SUPER。

Jason Calacanis:

Benar。

David Sacks:

Ada juga logika ortodoks investasi yang lebih besar dan lebih sulit untuk dipertahankan." Mereka harus kembali ke komite kontrol angin bank investasi dan memodelkannya. Mereka rela menyerah sampai $7 triliun, dan mereka tidak akan menerimanya。

Jason Calacanis:

Mereka tidak bisa membayangkan perusahaan $ 10 triliun nilai pasar。

David Sacks:

Ini pada dasarnya adalah model pertahanan diri, dan mereka takut untuk menulis tentang hal-hal yang tidak pernah terjadi dalam sejarah。

Wong In-hoon:

Dan kau harus mendefinisikan kembali apa yang kau lakukan。

Baru-baru ini, telah diamati bahwa Jensen, NVIDIA, tidak bisa lebih besar dari Intel? Alasannya sederhana: seluruh pasar CPU pusat data sekitar $ 25 miliar per tahun. Dan kita, Anda tahu, untuk hampir waktu kita duduk di sini berbicara, kita dapat melakukan $ 25 miliar。

Jason Calacanis:

Bagus。

Wong In-hoon:

Tentu saja, ini lelucon。

Chamath Palihapitiya:

Apa kata podcast bukan panduan kinerja resmi。

Wong In-hoon:

Ya, bukan pemandu pertunjukan. Tapi intinya adalah, apa yang Anda dapat tumbuh adalah apa yang Anda bangun。

NVIDIA TIDAK MEMBUAT CHIP, ITU POIN PERTAMA. DAN KEDUA, MEMBANGUN SEBUAH CHIP TIDAK LAGI CUKUP UNTUK MEMECAHKAN MASALAH INFRASTRUKTUR AI, YANG TERLALU RUMIT. KETIGA, KEBANYAKAN ORANG MEMAHAMI AI TERLALU SEMPIT, TERBATAS PADA BAGIAN YANG MEREKA LIHAT, DENGAR DAN DISKUSIKAN。

OpenAI adalah sangat baik, itu akan menjadi sangat besar; Antropik sangat baik, dan itu akan menjadi sangat besar. Tapi AI sendiri akan lebih besar dari mereka semua digabungkan. Dan kami melayani bagian yang lebih besar dari keseluruhan。

David Sacks:

Lalu beritahu orang-orang biasa tentang bisnis pusat data ruang angkasa. Bagaimana Anda memahami hal ini dibandingkan dengan pusat data besar di tanah

Wong In-hoon:

Kita sudah di luar angkasa。

David Sacks:

Bagaimana orang biasa memahami bisnis ini

Wong In-hoon:

Tentu saja, pertama-tama, kita harus melakukan hal-hal di tanah pertama, dan kita berada di tanah sekarang. Kedua, kita juga harus siap memasuki ruang angkasa. Tentu saja ada banyak energi di luar angkasa. Masalahnya adalah penyebaran panas. Anda tidak dapat mengandalkan transfer dan konveksi seperti yang Anda lakukan di tanah, sehingga Anda tidak dapat mengandalkan panas radiasi, yang membutuhkan daerah permukaan yang sangat besar. Ini bukan masalah yang dapat diatasi. Lagipula, ada banyak tempat di luar angkasa, tapi biayanya masih tinggi. Tapi kita akan menjelajah。

DAN KITA SUDAH DI SANA. PERANGKAT KERAS KAMI TELAH DIPERKUAT TERHADAP RADIASI, DAN BANYAK SATELIT DI SELURUH DUNIA SUDAH MENJALANKAN CUDA. MEREKA MELAKUKAN GAMBAR, PENGOLAHAN GAMBAR, ANALISIS GAMBAR AI. INI ADALAH SESUATU YANG SEHARUSNYA DILAKUKAN DI RUANG ANGKASA, DARIPADA MENGIRIM SEMUA DATA KEMBALI KE TANAH, DI MANA MEREKA DAPAT DIANALISIS. JADI ADA BANYAK PEKERJAAN YANG HARUS DILAKUKAN DI LUAR ANGKASA。

Pada saat yang sama, kita akan terus mempelajari seperti apa pusat data di ruang angkasa seharusnya terlihat. Ini akan memakan waktu bertahun-tahun. Tak apa, aku punya banyak waktu。

MASA DEPAN ROBOT, OBAT-OBATAN DAN PEKERJAAN: BAGAIMANA AI AKHIRNYA AKAN MEMASUKI DUNIA NYATA

Jason Calacanis:

Aku ingin bertanya lagi tentang kesehatan medis。

Kita semua sudah cukup tua untuk mulai berpikir tentang kehidupan dan kehidupan yang sehat. Kita semua terlihat baik. Beberapa mungkin lebih baik. Jensen, aku benar-benar tidak tahu apa rahasiamu. Apa kau menolak? Apa yang tidak bisa kita makan? Kau harus memberitahuku ini secara pribadi。

Jadi, dari sudut pandang pembangunan sistem kesehatan, dari mana ini berasal? Kemajuan apa yang telah kita buat

Aku hanya melakukan analisis dengan Claude untuk melihat apa yang terjadi dengan praktek medis di Amerika. Amerika Serikat menghabiskan uang dua kali lipat lebih banyak daripada yang lain, sehingga hanya menghasilkan setengah dari output kesehatan。

Aku mungkin sedang mencari 15 sampai 25 persen uang yang sebenarnya dihabiskan untuk konsultasi praktisi umum pertama. Sejujurnya, kita semua tahu bahwa hari ini model bahasa besar telah mampu melakukan lebih baik dengan stabilitas yang lebih besar dalam wawancara pertama。

JADI APA LAGI YANG DIPERLUKAN UNTUK MELEWATI PERATURAN DAN MEMBUAT AI BENAR-BENAR MEMILIKI DAMPAK NYATA PADA SISTEM KESEHATAN

Wong In-hoon:

Kami terutama terlibat dalam beberapa arah dalam sistem medis。

Yang pertama adalah fisika AI, yang melayani biologi AI, yaitu menggunakan AI untuk memahami dan mengekspresikan biologi dan perilakunya. Ini sangat penting dalam penemuan narkoba。

Yang kedua adalah peristiwa AI, yang digunakan untuk membantu diagnosis skenario seperti itu. OpenEvidence adalah contoh yang baik, dan Hippocrates adalah contoh yang baik. Aku suka bekerja dengan perusahaan ini. Saya benar-benar berpikir bahwa teknologi agentik akan secara radikal mengubah cara kita berinteraksi dengan dokter, dengan sistem medis。

Bagian ketiga, adalah AI fisik。

Bagian pertama adalah AI PHysics, yang menggunakan AI untuk memprediksi fisika; bagian kedua adalah membuat PHysical AI memahami pola fisik, yang dapat digunakan dalam operasi robotik. Ini sudah sangat aktif. Di masa depan, di rumah sakit, setiap perangkat yang Anda terekspos, apakah itu USG, CT, atau apa pun, akan menjadi ingentik。

Anda dapat memahaminya sebagai versi OpenClaw yang ditingkatkan dengan aman, yang akan tertanam dalam setiap perangkat. Jadi dalam banyak hal, peralatan akan berinteraksi langsung dengan pasien, perawat dan dokter di masa depan。

Jason Calacanis:

Kami telah berinvestasi begitu banyak dalam senjata AI, dan aku benar-benar ingin melempar lebih banyak pada AI EMT, AI Paramedis, daripada membunuh orang。

Dan itulah yang terjadi. Sekarang kau punya banyak rekan. Selama dekade terakhir, atau bahkan dua dekade, sektor robotik telah melewati masa yang aneh — Boston power, Google membeli banyak perusahaan, menjualnya dan mengeluarkannya. Ada satu hal yang dirasakan bahwa robot tidak dapat digunakan。

Tapi sekarang kau, Elon Musk, pengusaha top ini semua di penjara. Optimus terlihat menakjubkan, dan ada banyak perusahaan di Cina yang bergerak cepat. Berapa jauh kita dari membawa robot ke dalam kehidupan? Misalnya, robot memasak, perawat robot, pengasuh robot, robot robot yang benar-benar bekerja di dunia nyata。

Terutama di Cina, mereka tampaknya melakukan serta Amerika Serikat, bahkan mungkin lebih cepat. Menurutmu berapa lama lagi, berdasarkan kemajuan kemitraan dan kematangan teknologi yang kau lihat

Wong In-hoon:

Kami menemukan industri robot, atau Amerika Serikat. Anda dapat mengatakan bahwa kita terlalu awal. Kami sekitar lima tahun di depan teknologi otak kunci yang sebenarnya, dan kami lelah dan kami tidak sabar。

Tapi sekarang itu benar-benar datang. Pertanyaan berikutnya adalah: Berapa lama waktu yang diperlukan untuk pindah dari sertifikat keberadaan yang berfungsi tinggi" ke produk komersial yang dapat diterima"

Teknologi tak pernah melebihi dua atau tiga siklus. Dua atau tiga siklus, sekitar tiga atau lima tahun. Itu saja. Dalam tiga atau lima tahun, akan ada robot di mana-mana。

Saya pikir Cina sangat kuat, dan itu adalah jenis kuat yang tidak bisa dipandang hina. Alasan untuk ini adalah bahwa mereka memiliki mikroelektronik, listrik, bumi langka, magnet, yang berada di puncak dunia di mana industri robotik didasarkan. Jadi dalam banyak hal, industri robot kita akan sangat bergantung pada ekologi dan rantai pasokan mereka. Industri robot di dunia akan bergantung padanya。

Jadi saya pikir Anda akan melihat beberapa perubahan sangat cepat。

Jason Calacanis:

Akankah berakhir satu lawan satu? tampaknya Elon berpikir bahwa masa depan akan menjadi satu orang dengan robot -- 7 miliar dengan 7 miliar robot, 8 miliar dengan 8 miliar robot。

Wong In-hoon:

Saya berharap lebih dari itu. Pertama-tama, ada banyak robot di pabrik yang bekerja 24 jam sehari; ada banyak robot pabrik yang tidak terlalu mobile, tapi itu sedikit bergerak. Hampir semua hal berakhir robot。

Chamath Palihapitiya:

Hal terpenting bagi saya adalah mereka membuka mobilitas ekonomi bagi semua orang。

Sebelum ini, setiap orang memiliki mobil dan dapat melakukan banyak pekerjaan yang berbeda; di masa depan, setiap orang memiliki robot dan robotnya bisa melakukan banyak pekerjaan untuknya. Dia bisa membuka toko Etsy, toko Shotify, dan dia bisa menciptakan apapun yang dia ingin ciptakan dengan menggunakan robot untuk melakukan hal-hal yang tidak bisa dia lakukan sendiri. Saya pikir robot akhirnya akan menjadi teknologi yang kita lihat untuk membawa kemakmuran bagi lebih banyak orang di Bumi。

Wong In-hoon:

Tidak diragukan lagi. Fakta paling sederhana sekarang adalah bahwa hari ini kita kekurangan jutaan tenaga kerja. Jadi kita benar-benar perlu robot sangat mendesak. Semua perusahaan ini bisa tumbuh lebih cepat jika mereka memiliki lebih banyak tenaga kerja。

Dan beberapa hal yang kau sebutkan sangat menarik. Dengan robot, kita akan memiliki kehadiran virtual. Sebagai contoh, ketika saya sedang dalam perjalanan bisnis, saya bisa masuk ke tubuh robot saya, memanipulasinya dari jarak jauh, berjalan di sekitar rumah, berjalan anjing, melihat bagaimana rumah terlihat。

Jason Calacanis:

Kita harus segera mengeluarkan staf situsnya dari sini。

Wong In-hoon:

Tepatnya. Tapi coba pikirkan, kau benar-benar bisa membiarkannya berputar di sekitar rumah, melihat apa yang terjadi, berbicara dengan anjing, berbicara dengan anak-anak。

Friedberg:

Ini seperti perjalanan waktu。

Wong In-hoon:

PADA SAAT YANG SAMA, KITA MELAKUKAN PERJALANAN DENGAN KECEPATAN CAHAYA. JELAS, KITA AKAN MENGIRIM ROBOT PERTAMA. TENTU SAJA AKU TIDAK AKAN MENGIRIM DIRIKU SENDIRI, AKU AKAN MENGIRIM ROBOT DAN MELIHAT APA YANG TERJADI. DAN KEMUDIAN UPLOAD AI SAYA。

Chamath Palihapitiya:

Ini hampir tak terhindarkan. Ini membuka Bulan dan Mars, membuat mereka target kolonial. Dan itu berarti sumber daya yang hampir tak terbatas. Anda dapat menggunakan energi surya untuk mempercepat. Jadi di masa depan, Anda dapat membangun tanaman di bulan dan membuat segala sesuatu yang Bumi butuhkan, dan robot adalah kunci untuk memungkinkannya。

Wong In-hoon:

Pada waktu itu, jarak tidak akan menjadi masalah lagi。

Friedberg:

dan semakin banyak model dan angent membuat, semakin banyak kita berinvestasi di infrastruktur; infrastruktur yang lebih baik, model dan angent yang lebih terkunci。

Dariario baru-baru ini menyatakan di Dwarkesh bahwa pada tahun 2027, 2028, perusahaan model dan perusahaan angent akan mendapatkan ratusan miliar dolar; pada tahun 2030, ia diharapkan mencapai $1 triliun. Perhatikan bahwa ini tidak termasuk pendapatan AI dari tingkat infrastruktur。

Wong In-hoon:

Saya pikir dia sangat konservatif. Aku yakin Dario dan Anthropic akan tampil jauh melebihi jumlah itu。

Jason Calacanis:

Jadi, dari $30 miliar menjadi $1 triliun

Wong In-hoon:

Benar. Dan karena sebagian alasan dia belum mempertimbangkan adalah bahwa saya percaya bahwa setiap perusahaan perangkat lunak perusahaan akhirnya akan menjadi reseller yang dihargai untuk kode Antropik, token Antropik, token OpenAI. Bagian ini akan membuat skala GTM mereka diperluas secara signifikan。

David Sacks:

Jadi apa sisa parit sejati di dunia seperti ini

BEBERAPA PARIT AKAN HAMPIR TAK TERBANTAHKAN UNTUK MENGATAKAN YANG SEBENARNYA. SEBAGAI CONTOH, PARIT YANG ANDA TIDAK MEMILIKI SIAPA PUN UNTUK DIBAHAS, TETAPI MUNGKIN YANG TERKUAT, ADALAH CUDA, YANG MERUPAKAN KEUNTUNGAN STRATEGIS YANG MENAKJUBKAN。

Tetapi di masa depan, jika model itu sendiri dapat menciptakan sesuatu yang besar, maka model generasi berikutnya mungkin juga akan menumbangkannya. Jadi apa perbedaan terpenting antara perusahaan-perusahaan ini yang membangun lapisan aplikasi

Wong In-hoon:

Spesialisasi kedalaman。

Aku yakin akan ada akses model generik ke perusahaan perangkat lunak. Banyak model ini akan menjadi model bisnis seperti Claude, model proprietary; tetapi banyak dari mereka akan menjadi sub-agen khusus bahwa perusahaan-perusahaan ini sendiri telah dilatih untuk sub-misi。

David Sacks:

Jadi panggilan Anda untuk pengusaha adalah untuk benar-benar memahami bidang vertikal Anda。

Wong In-hoon:

Tepatnya。

David Sacks:

Kesepahaman adalah lebih mendalam dan lebih baik daripada siapa pun. Dan kemudian menunggu alat-alat ini untuk mengejar ketinggalan dengan Anda, dan setelah mereka mengejar, Anda dapat menuangkan pengetahuan Anda ke dalamnya。

Wong In-hoon:

benar. anda memiliki pengetahuan sendiri, anda dapat mendapatkan klien anda pada agen anda. semakin cepat anda mendapatkan angent untuk benar-benar terhubung ke klien, semakin cepat roda mulai berputar, dan itu akan berubah sangat cepat。

David Sacks:

Ini hampir berlawanan dengan logika perangkat lunak saat ini. Hari ini kita akan membuat sebuah perangkat lunak, lalu kita akan memikirkan apa yang dapat diperpanjang, lalu kita akan menjual sebanyak mungkin orang, lalu kita akan menjual kustomisasi sebagai layanan tambahan。

Friedberg:

Kemudian mengunci klien sampai mati。

Wong In-hoon:

DAN SEBENARNYA, SEPERTI YANG ANDA KATAKAN, KITA AKAN MEMBUAT PLATFORM HORIZONTAL. TETAPI, ANDA LIHAT, SEMUA INTEGRATOR SISTEM GLOBAL (GSI) DAN PERUSAHAAN KONSULTASI, PADA DASARNYA PARA AHLI, YANG MENYESUAIKAN PLATFORM HORIZONTAL ANDA MENJADI SOLUSI VERTIKAL。

Jason Calacanis:

Tepatnya. Selain itu, ukuran pasar yang disesuaikan mungkin lima atau enam kali lebih besar dari platform itu sendiri。

Wong In-hoon:

Tepatnya. Jadi saya berpikir bahwa perusahaan-perusahaan platform ini memiliki kesempatan untuk menjadi ahli, pemain di bidang vertikal dan pemilik nyata dari bidang tertentu。

Jason Calacanis:

Aku ingin memberikan apa yang pantas kau dapatkan。

Aku ingat tiga tahun lalu saat kau bilang, " Orang yang kehilanganmu bekerja bukanlah AI, tapi orang yang akan menggunakan AI." Kita hampir membicarakan hal ini: angent mengubah manusia menjadi Superman, peluang bisnis berkembang, peluang bisnis berkembang. Kau melihatnya dengan sangat jelas。

Wong In-hoon:

Kau terlalu baik。

Jason Calacanis:

Tentu saja, kita harus mengakomodasi dua ide sekaligus: pertama, pasti akan ada perkembangan yang baik; dan kedua, memang akan ada penggantian. Pertanyaannya kemudian menjadi apakah orang-orang tersebut memiliki ketahanan dan tekad yang cukup untuk merangkul teknologi baru ini。

Sebagai contoh, jika 100 persen pekerjaan mengemudi secara otomatis diganti di masa depan, itu pasti akan menyelamatkan banyak nyawa, yang merupakan hal yang baik, tetapi kita juga harus mengakui bahwa 10 juta sampai 15 juta orang di Amerika Serikat hidup dalam hal ini. Perubahan ini pasti akan terjadi。

Wong In-hoon:

Saya pikir pekerjaan akan berubah. Misalnya, ada banyak pengemudi dewasa ini. Saya percaya bahwa di masa depan banyak pengemudi masih akan duduk di dalam mobil, hanya tidak bertanggung jawab mengemudi, tapi di belakang atau sebelah, menjadi semacam asisten perjalanan."。

Karena jangan lupa, apa yang akhirnya pengemudi lakukan, itu bukan hanya mengemudi. Mereka akan membantu Anda dengan tas Anda, membantu Anda dengan banyak hal, pada dasarnya peran asisten。

jadi aku tidak akan terkejut jika pembalap masa depanmu berubah menjadi asisten ponselmu dan membantumu dengan banyak hal lain saat mengemudi。

Jason Calacanis:

Sama seperti di hotel。

Wong In-hoon:

Benar. Mobilnya mengemudi sendiri, tapi dia mengkoordinasikan sesuatu untukmu。

Friedberg:

Pesawat pilot pilot otomatis juga membawa lebih banyak pilot dan tidak mengusir mereka dari kokpit. Meskipun autopilot telah mengambil 90% dari pekerjaan dalam penerbangan。

Chamath Palihapitiya:

Dan jujur saja, ketika mobil mengemudi sendiri, pengemudi bisa melakukan banyak pekerjaan lain di telepon dan mengatur hal-hal untuk Anda。

Wong In-hoon:

Misalnya, koordinasi, komunikasi, pemesanan, penanganan sekumpulan tugas。

Chamath Palihapitiya:

Kuenya semakin besar。

Wong In-hoon:

BENAR. JADI SATU HAL YANG JELAS: SETIAP PEKERJAAN DIUBAH; BEBERAPA PEKERJAAN MENGHILANG, TETAPI PADA SAAT YANG SAMA, BANYAK PEKERJAAN BARU DICIPTAKAN. DAN SAYA INGIN MENGATAKAN KEPADA ORANG-ORANG MUDA YANG BARU SAJA KELUAR DARI SEKOLAH DAN KHAWATIR TENTANG AI: PERGI MENJADI ORANG YANG MENGGUNAKANNYA TERBAIK。

HARI INI, KITA MASING-MASING INGIN KARYAWAN MENJADI BENAR-BENAR BAIK DI AI, DAN INI BUKAN HAL YANG MUDAH UNTUK DILAKUKAN. ANDA PERLU TAHU BAGAIMANA MENUNTUT, TETAPI ANDA TIDAK DAPAT MEMERINTAH ORDO TERLALU MATI; ANDA PERLU MEMBERIKAN RUANG AI YANG CUKUP UNTUK BERINOVASI DAN MENCIPTAKAN DI BAWAH BIMBINGAN KAMI; DAN ANDA PERLU MEMBAWANYA KE APA YANG KITA INGINKAN. INI SEMUA MEMBUTUHKAN "ART"。

David Sacks:

Ketika Anda berada di Stanford, saran yang Anda berikan kepada muda terkenal: "Saya berharap Anda semua rasa sakit dan penderitaan." Kau ingat

Jason Calacanis:

Ini klasik。

David Sacks:

Bagaimana dengan dewasa ini? Apa yang akan Anda sarankan jika seorang pria yang akan lulus SMA dan berdiri di persimpangan jalan kehidupan, akan kuliah, apa spesialisasi, dan bahkan perguruan tinggi

Wong In-hoon:

SAYA MASIH PERCAYA BAHWA ILMU MENDALAM, MATEMATIKA MENDALAM, KETERAMPILAN BAHASA ADALAH PENTING. DAN SEPERTI YANG ANDA TAHU, BAHASA SEBENARNYA ADALAH BAHASA PEMROGRAMAN AI, BAHASA PEMROGRAMAN AKHIR. JADI MUNGKIN PROFESIONAL INGGRIS AKAN MENJADI YANG PALING SUKSES DI MASA DEPAN。

SARANKU ADALAH, APAPUN PENDIDIKAN YANG KAU DAPATKAN, PASTIKAN KAU CUKUP PROFESIONAL UNTUK MENGGUNAKAN AI。

Aku ingin menambahkan satu hal lagi yang kuharap semua orang akan mendengarnya. Pada masa-masa awal revolusi pembelajaran mendalam, salah satu ilmuwan top komputer di dunia, salah satu orang paling dihormati saya, sangat bertekad untuk memprediksi bahwa visi komputer akan benar-benar menghilangkan radiolog. Dia bahkan menyarankan semua orang untuk tidak memasuki bidang radiologi。

Sepuluh tahun kemudian, proyeksi ini 100 persen tepat pada satu tingkat: penglihatan komputer telah diintegrasikan ke dalam semua peralatan radiologi dan platform di seluruh dunia. Namun, hasil yang mengejutkan bukan hanya jumlah ahli radiologi tidak menurun, tetapi meningkat, dan permintaan itu meningkat. Ini karena setiap pekerjaan memiliki dua dimensi: mandat dan tujuan。

Ahli biologi geologi bertugas untuk melihat gambar, tetapi tujuan sebenarnya adalah untuk membantu dokter mengobati pasien dan mendiagnosis penyakit. Sejalan dengan penayangan video sekarang dapat dilakukan lebih cepat, rumah sakit dapat melakukan lebih banyak pemindaian, yang meningkatkan efisiensi medis dan memungkinkan pasien untuk masuk dan menerima perawatan lebih cepat. Akibatnya, rumah sakit ini meningkatkan pendapatannya akibat lebih banyak pemindaian dan pelayanan kepada lebih banyak pasien。

Jason Calacanis:

Tepatnya。

Wong In-hoon:

Jadi hasilnya positif。

Friedberg:

Di negara yang tumbuh lebih cepat, lebih produktif dan lebih kaya, lebih banyak guru dari yang lebih sedikit dapat ditempatkan di ruang kelas。

Hanya saja kau memberikan setiap guru kemampuan untuk menyesuaikan kurikulum untuk setiap siswa di kelas. Jadi mereka lebih kuat dan lebih baik, seperti Biomies。

Wong In-hoon:

SETIAP SISWA AKAN MENDAPAT DUKUNGAN AI, TAPI SETIAP SISWA MASIH MEMBUTUHKAN GURU YANG BAIK。

Jason Calacanis:

Luar biasa. Jensen, selamat atas keberhasilan ini. Ini adalah diskusi yang sangat positif dan merangsang. Terima kasih banyak atas waktumu。

David Sacks:

Kau orang yang dibutuhkan industri。

Jason Calacanis:

MEMANG. SAYA PIKIR ANDA HARUS LEBIH VOKAL TENTANG SISI POSITIF AI. TERLALU BANYAK PEMBICARAAN DI LUAR SANA。

David Sacks:

Dan saya berpikir bahwa itu benar-benar sehat untuk menjaga sederhana ini setelah semua keberhasilan ini, dan untuk memberitahu Anda, "Kalian, kita melakukan dasarnya perangkat lunak." Orang perlu mendengar itu. Kami juga menciptakan kategori baru, industri baru. Kita tidak perlu menyelinap ke dalam kepanikan semacam itu, itu tidak membantu。

Jason Calacanis:

Selain itu, kita bisa memilih sendiri, kan? Kami memiliki otonomi dan kapasitas operasional. Kita bisa memilih bagaimana menggunakannya. Oke, guys, waktu berikutnya. Terima kasih sudah menonton All-In。

Wong In-hoon:

Terima kasih。

[Terkekeh]Video Link]