Judul video: Jensen Huang: Masa depan Nvidia, Filipina AI, Risiko Agen, Referensi Pertukaran, Krisis PR AI
Foto oleh Alline Podcast
Foto oleh Peggy Block Beats

EDITOR MENEKAN BAHWA, DALAM PANAS SAAT INI DARI NARASI AI, FOKUS DARI DISKUSI PASAR BERGERAK DARI "SEBERAPA KUAT MODEL" MENJADI "BAGAIMANA SISTEM MENDARAT". SELAMA DUA TAHUN TERAKHIR, INDUSTRI TELAH MENGALAMI TEROBOSAN BERTURUT-TURUT DALAM BESAR SKALA KEMAMPUAN PEMODELAN, PELATIHAN-PERHITUNGAN KOMPETISI DAN EKSPANSI MENGHASILKAN APLIKASI. TAPI KETIKA TAHAP-TAHAP INI MENJADI KONSENSUS, PERTANYAAN-PERTANYAAN BARU MUNCUL: KETIKA AI TIDAK LAGI SEKEDAR MENJAWAB PERTANYAAN, ITU MULAI MELAKUKAN TUGAS, EMBED PROSES BISNIS, MEMASUKI DUNIA FISIK DAN MEMPERTAHANKAN KEMAJUAN DI BAGIAN BAWAH

-Dalam Podcast. Sebagai salah satu yang paling berpengaruh investor di Silicon Valley, program itu co- dipimpin oleh empat investor depan yang panjang-aktif dan dikenal karena mendalam diskusi ilmu pengetahuan dan teknologi, bisnis dan tren makroekonomi。

Empat presenter adalah:

Jason CalacanisPengusaha Internet awal dan investor malaikat sangat dikenal untuk berinvestasi di Uber, Perampokan dan lainnya

Chamath PalihapitiyaSocial Capital, mantan eksekutif Facebook, telah berinvestasi pada sejumlah perusahaan teknologi seperti Slack and Box

David SacksCraft Ventures, seorang anggota dari PayPal Gang, mendirikan Yammer dan menjualnya kepada Microsoft untuk sekitar $1,2 miliar, serta investor awal dari Airbnb, Uber

David FriedbergDewan Proyek, pendiri, berfokus pada investasi dalam pertanian, iklim, dan ilmu kehidupan, didirikan oleh Perusahaan Iklim (kemudian diperoleh oleh Monsanto)。

Tamu saat ini adalah Jensen Huang, pendiri ko- dan CEO dari NVIDIA, dan dianggap salah satu yang paling kritis driver 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。Di masa lalu, pemahaman pasar AI sebagian besar didasarkan pada GPU yang lebih kuat, pusat data lebih banyak. Namun, Huang In- hoon ingin menekankan bahwa kompetisi di masa depan tidak lagi hanya kompetisi untuk satu chip, tapi kompetisi untuk seluruh sistem. Sebagai permintaan untuk penalaran meningkat, berbagai model meningkat, dan marah mulai menangani tugas yang lebih kompleks, perhitungan AI bergerak dari model 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 "AI Factory"。

KEDUA, AI BERGERAK DARI "KONTEN YANG DIHASILKAN" KE "MISI"。Ini adalah petunjuk yang paling kritis dalam wawancara ini. ChatGPT memungkinkan publik untuk memvisualisasikan kemampuan AI untuk pertama kalinya, tetapi, dari sudut pandang Wong In- hoon, perubahan yang sebenarnya adalah bahwa AI mulai memasuki alur kerja dalam bentuk semut: itu tidak hanya menjawab pertanyaan, ia dapat memanggil alat, membongkar tugas, bekerja sama, dan akhirnya menyelesaikan sesuatu. Inilah mengapa pengguna bersedia membayar AI dan pindah dari "mendapatkan jawaban" ke "mendapatkan hasil". Di balik ini adalah kebutuhan yang lebih besar untuk alasan, kompleksitas sistem yang lebih besar, dan kemungkinan bahwa pengembangan perangkat lunak, manajemen organisasi dan kerja pengetahuan mungkin ditulis ulang sesuai。

AKHIRNYA, AI MEMPERLUAS DARI DIGITAL KE KENYATAAN。Dalam wawancara, baik mengemudi otomatis, robotika, biologi medis, digital, maupun AI Fisik di mulut Hoang In, pada dasarnya menunjuk pada tren yang sama: nilai AI tidak hanya ada di layar, tapi semakin banyak di pabrik, rumah sakit, mobil, peralatan terminal dan kehidupan sehari-hari. Tapi ini juga berarti bahwa AI tidak akan lagi dihadapkan dengan tantangan teknis, tetapi juga akan mencakup lebih kompleks realitas seperti rantai pasokan, kebijakan, peraturan, kapasitas manufaktur dan geopolitik. Dengan kata lain, putaran berikutnya dari ekspansi AI akan menjadi proses yang benar-benar industri。

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

HAL INI JUGA MEMBUAT SUBJEK MAKALAH INI MELAMPAUI NVIDIA ITU SENDIRI. PERTANYAAN SEBENARNYA YANG COBA DIJAWAB ADALAH, KETIKA AI MENJADI INFRASTRUKTUR, BAGAIMANA PUTARAN BERIKUTNYA DARI RESTRUKTURISASI INDUSTRI TERUNGKAP, DAN DI MANA NILAI-NILAI BARU AKAN TERBENTUK。

Berikut ini adalah teks asli (untuk memfasilitasi membaca dan memahami, teks asli telah dikonsolidasikan):

TL; DR

INFRASTRUKTUR AI BERGERAK DARI "GPU TUNGGAL" KE STRUKTUR DEKOPLING。Tugas komputasi yang berbeda akan dilakukan dengan kolaborasi GPU, CPU, web chip dan Groq。

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

Kunci untuk mengukur biaya AI bukanlah harga pusat data, tapi biaya token dan menyerap efisiensi。Lebih mahal sistem mungkin lebih murah。

AI bergerak dari model generasi ke Usia。Pengguna benar-benar bersedia membayar untuk "melakukan hal-hal" bukannya hanya mendapatkan jawaban。

Menghitung permintaan sedang booming。dari generasi ke alasan untuk marah, mungkin telah diperluas lebih dari 10.000 kali dalam waktu singkat dan mempercepat。

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

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

Organiser lainnya

Jason Calacanis (investor malaikat terkenal Allin Podcast host Uber):
MINGGU INI ADALAH KHUSUS. KAMI MEMBERIKAN RUTINITAS MINGGUAN "LEAVE OUT", YANG BIASANYA KAMI BERIKAN HANYA KEPADA TIGA ORANG: PRESIDEN TRUMP, YESUS, 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 DI SINI. SEMUA PERUSAHAAN TEKNOLOGI, SEMUA PERUSAHAAN AI HAMPIR SAMPAI。

Jason Calacanis:
Ini luar biasa. Ini benar-benar luar biasa. Salah satu peluncuran paling signifikan dalam setahun terakhir adalah Groq. Ketika Anda memperoleh Groq, apakah Anda menyadari bagaimana "tak tertahankan" Chamath akan

Catatan: Groq bukan Grok. Mantan adalah chip alasan AI dan awan penalaran, sementara yang terakhir adalah robot chat XAI. Pada akhir tahun 2025, Groq dan NVIDIA memasuki perjanjian otorisasi teknis yang tidak eksklusif, tanpa pernyataan resmi tentang jumlah transaksi; namun, ada laporan dan spekulasi sekitar $17 miliar sampai $20 miliar. Dengan GTC 2026, Huang In-hoon menunjukkan lebih lanjut sistem penalaran berdasarkan integrasi teknologi Groq ke platform NVIDIA。

Chamath, mengacu ke sini, mengacu pada Chamath Palihapitiya. Dia adalah salah satu dari empat fasilitator Allin dan salah satu investor awal dan anggota dewan Groq. Dengan demikian, ketika NVIDIA dan kesepakatan Groq besar muncul, juga dianggap bahwa Chamath lagi 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:
Tepat。

DARI GPU KE "PABRIK AI"

Wong In- hoon:

Sebenarnya, banyak strategi kami akan tersedia secara terbuka pada tahun GTC lebih cepat dari jadwal. Dua setengah tahun yang lalu, saya diperkenalkan pada sistem operasi dari pabrik AI bernama Dynamo。

Dan Anda tahu, Dynamo 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 dalam dinamo, salah satu teknik inti adalah dekomposisi dekomposisi。

Jason Calacanis:

Jensen, aku tahu kau tahu banyak tentang teknologi. Ayo, Anda mendefinisikannya. Aku tidak ingin merampokmu。

Wong In- hoon:

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

SUNGGUH MENAKJUBKAN DALAM SKALA, DAN BERISI BANYAK PERHITUNGAN MATEMATIKA BENTUK DAN SKALA YANG BERBEDA. IDENYA ADALAH UNTUK MELEPASKAN SEMUA PROSES SEHINGGA SALAH SATU DARI MEREKA BERJALAN PADA SATU KELAS GPU DAN YANG LAIN DI LAIN. LEBIH LANJUT, MENGINGATKAN KITA BAHWA MUNGKIN DEKOMPOSISI ITU SENDIRI MERUPAKAN ARAH YANG WAJAR: KITA DAPAT MENGGABUNGKAN BERBAGAI JENIS DAN JENIS SUMBER DAYA KOMPUTASI。

Ide yang sama membawa kita ke Mellanex. Anda lihat hari ini, perhitungan NVIDIA telah disebar melalui GPU, CPU, switch, ekstensi vertikal switch, ekstensi horisontal switch dan prosesor jaringan. Sekarang, kita akan menempatkan Groq masuk。

TUJUAN KAMI ADALAH UNTUK MENEMPATKAN BEBAN YANG TEPAT PADA CHIP YANG TEPAT. DENGAN KATA LAIN, KITA TELAH BEREVOLUSI DARI PERUSAHAAN GPU KE PERUSAHAAN PABRIK AI。

David Sacks (PayPal COO 124; AllIn)

INI MUNGKIN ADALAH INSPIRASI YANG PALING PENTING BAGI SAYA. APA YANG ANDA LIHAT SEKARANG ADALAH DASAR "DEMARKASI". DULU HANYA ADA GPU, DAN SEKARANG ADA LEBIH DAN LEBIH BENTUK YANG BERBEDA DARI KOMPUTASI, DAN PILIHAN-PILIHAN INI AKAN HIDUP BERSAMA DI MASA DEPAN。

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

Catatan: LPU adalah singkatan dari Unit Pemroses Bahasa. Ini adalah kelas chip diusulkan oleh Groq. Inti posisi bukanlah pelatihan, tapi penalaran

Wong In- hoon:

Ya, di pusat data, mungkin untuk mendapatkan Groq sekitar 25% dari sistem Vera Rubin。

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

David Sacks:

dapatkah anda memberitahu saya bagaimana industri melihat arah ini? pada dasarnya, anda sedang membangun struktur pembusukan generasi berikutnya: prefil, decode, dan proses penalaran dibagi. menurutmu bagaimana reaksi semua orang

Wong In- hoon:

Mundur. Kami menambahkan kemampuan ini ke sistem karena seluruh industri telah pindah dari model bahasa yang besar ke pemrosesan agensi, yang merupakan tubuh cerdas-gaya proses。

Ketika Anda menjalankan agen, mengakses kenangan kerja, kenangan jangka panjang, alat panggilan, yang sangat stres untuk penyimpanan. Anda akan melihat marah bekerja dengan marah. Beberapa agen menggunakan mega- model, beberapa adalah model kecil; beberapa adalah model difusi, dan beberapa adalah model diri-kembali. Artinya, dalam pusat data ini, akan ada berbagai model yang sama sekali berbeda pada saat yang sama. Kami membangun Vera Rubin untuk menangani beban yang sangat beragam ini。

JADI, KITA DULU SEBUAH PERUSAHAAN DENGAN SATU RAK, DAN SEKARANG KITA MEMILIKI EMPAT LAGI. DENGAN KATA LAIN, TAM NVIDIA, PASAR YANG LAYAK, DIPERLUAS SEKALIGUS, SEKITAR 33% HINGGA 50% LEBIH TINGGI。

Dan tambahan 33% sampai 50% dari ini akan menjadi bagian besar dari prosesor penyimpanan, Bluefield; sebagian dari itu, saya pribadi berharap, akan menjadi bagian besar, sebuah prosesor Groq; bagian dari itu 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 (Pendiri Social Capital mantan eksekutif Facebook AllIn host):

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

Catatan: ASIC mereferensikan Application- Specific Integraded Cituit, TAM mengacu pada Total Pasar Serviceable

Wong In- hoon:

Kami pikir sebenarnya ada tiga komputer dalam masalah ini。

YANG PERTAMA, PADA SKALA TERBESAR, ADALAH KOMPUTER YANG DIGUNAKAN UNTUK MELATIH MODEL AI, MENGEMBANGKAN AI, DAN MENCIPTAKAN AI。

Yang kedua adalah komputer yang digunakan untuk mengevaluasi AI. Lihatlah sekeliling, misalnya. Ada robot, mobil. Anda harus memasukkannya ke 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 digunakan di tepi, komputer robot. Bisa berupa drive otomatis, atau robot, atau bahkan boneka beruang kecil。

UNTUK BONEKA BERUANG, SALAH SATU ARAH YANG SANGAT PENTING ADALAH APA YANG KITA LAKUKAN: MEMBUAT TELEKOMUNIKASI BAGIAN DASAR INFRASTRUKTUR AI. JADI SELURUH INDUSTRI TELEKOMUNIKASI SKALA $2 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。

David Friedberg (Moderator Allin Podcast, pendiri Dewan Produksi):

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

Wong In- hoon:

Apa aku meledakkan diriku sendiri

David Friedberg:

Ini akan tumbuh jutaan kali? Satu miliar kali

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

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

Jadi kenapa tidak Anda hanya memberitahu kami apa yang Anda lihat? Bagaimana menurutmu pembagian pasar? Apakah pelanggan ini bernilai hampir dua kali lipat premium

mengapa sistem yang lebih mahal menghasilkan yang lebih murah

Wong In- hoon:

yang paling penting dan titik pusat adalah bahwa harga tanaman tidak boleh sama dengan harga token, atau biaya token。

hal ini dimungkinkan, dan saya dapat membuktikan bahwa pabrik seharga $50 miliar sebenarnya 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, ANDA SEHARUSNYA MEMBELI PENYIMPANAN, JARINGAN, CPU, SERVER, SISTEM PENYEBARAN HEAT-. JADI GPU SENDIRI ADALAH HARGA ASLI ATAU SETENGAH HARGA, DAN TIDAK MEMBAWA TOTAL BIAYA TURUN DARI 50 MILIAR SAMPAI 30 MILIAR. ANDA HANYA MENGAMBIL ANGKA YANG ANDA SUKA, SEDIKIT LEBIH REALISTIS, MUNGKIN HANYA TURUN DARI $50 MILIAR UNTUK $40 MILIAR。

Dan jika $50 miliar pusat data adalah 10 kali lebih tinggi, maka perbedaan adalah apa-apa。

Aku mengerti。

Wong In- hoon:

Dan itulah mengapa saya terus mengatakan, bahkan untuk banyak chip, jika Anda tidak dapat 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. Pendapatan bisa melampaui $350 miliar tahun depan, arus uang tunai gratis bisa $200 miliar, dan mereka tumbuh pada tingkat yang gila。

Bagaimana kau membuat keputusan? Bagaimana Anda mendapatkan informasi? Semua orang sekarang tahu sistem surat yang dikenal baik Anda, tapi bagaimana Anda benar-benar membentuk intuisi, membentuk pasar, memutuskan di mana harus fokus, di mana harus berkontraksi, di mana untuk memasuki bidang baru? Bagaimana informasi ini sampai ke Anda? 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, kami akan menarik inspirasi dan informasi dari ilmuwan komputer yang luar biasa, teknolog dan karyawan yang baik yang tak terhitung jumlahnya di perusahaan, namun pada akhirnya adalah tugas kami untuk membentuk masa depan。

Bagian dari ujian adalah: apakah terlalu sulit? Jika tidak cukup sulit, kita harus tinggal jauh dari itu. Alasannya sederhana: jika satu hal mudah dilakukan, akan ada banyak pesaing。

Apakah itu sesuatu yang tidak ada yang pernah dilakukan dan itu terlalu sulit? Apakah itu terjadi untuk memobilisasi "kekuatan super" unik untuk perusahaan kami? Jadi saya harus mencari persimpangan di mana harus memenuhi kriteria ini pada saat yang sama。

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

Jika satu hal yang super keras dan tidak ada yang pernah melakukannya, itu pada dasarnya berarti bahwa Anda akan melalui banyak rasa sakit dan penderitaan. Jadi sebaiknya kau nikmati prosesnya。

David Sacks:

BISAKAH KAU MEMILIH TIGA ATAU EMPAT EKOR LAGI UNTUK BISNIS? ANDA BERBICARA TENTANG PUSAT DATA DI RUANG ANGKASA, DAS DAN MOBIL, DAN ARAH BIOLOGIS. BERI KAMI PENGERTIAN: KAPAN KURVA INI MULAI BERPUTAR? APA PENDAPATMU TENTANG OPERASI JANGKA PANJANG INI

Catatan: AdaS mengacu pada Advanced Driver Assistance Systems

Wong In- hoon:

Tentu. AI Fisik adalah kategori yang besar. Seperti yang saya katakan sebelumnya, kami memiliki tiga sistem komputasi dan semua platform perangkat lunak pada mereka. AI Fisik adalah kesempatan nyata pertama bagi industri teknologi untuk melayani 50 triliun industri dollar- berukuran yang hampir secara teknis disesuaikan di masa lalu. Untuk melakukan ini, kita harus membuat ulang semua teknologi yang dibutuhkan。

Aku selalu berpikir itu perjalanan 10 tahun. Kami mulai 10 tahun yang lalu, dan sekarang kami akhirnya melihatnya muncul. Bagi kami, ini sudah menjadi bisnis multi-miliar dolar, dan sekarang mendekati $10 miliar per tahun. Jadi ini sudah menjadi bisnis besar, dan berkembang pesat. Itu poin pertamanya。

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

Kami secara bertahap belajar bagaimana mengekspresikan dan memahami gen, protein, sel. Bahan kimia, kita sudah tahu cara mengatasinya. Jadi komponen dasar biologi dan perilaku dinamis mereka dapat diekspresikan 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 pada seluruh industri kesehatan。

Ini adalah arah yang sangat penting. Pertanian juga salah satu dari mereka。

Chamath Palihapitiya:

Ini sudah terjadi。

Wong In- hoon:

Tidak diragukan lagi。

Jason Calacanis:

Saya ingin menarik topik kembali dari pusat data ke desktop. Perusahaan awal sebagian besar didasarkan pada pecinta, pemain game 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。

Secara khusus, kita melihat bahwa banyak energi dan inovasi sebenarnya terjadi dengan mereka, dan bahwa banyak terobosan terjadi pada desktop. Anda juga merilis perangkat desktop saat ini. Aku ingat Dell 60800? Ini adalah stasiun kerja yang sangat kuat yang menjalankan model lokal dan memiliki memori 750 GB. Sekarang Mac Studio keluar dari penjualan di mana-mana. Perusahaan kami sekarang benar-benar beralih ke OpenClaw. Friedberg sedang digunakan, Chamath sedang digunakan, dan semua orang terobsesi。

apa ini gerakan terbuka-sumber, desktop-end terbuka sumber ekologi, dimulai dengan pecinta, berarti bagi anda? kemana perginya

Mengapa kebutuhan untuk menghitung perluas 10.000 kali

Wong In- hoon:

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

Pertama kali dihasilkan AI. ChatGPT mengambil AI ke tampilan publik dan membuat semua orang menyadari pentingnya. Sebenarnya, teknologi ini jelas ada bulan sebelum ChatgPT muncul. Hanya ketika ChatGPT menempatkan dalam antarmuka yang dapat digunakan semua orang untuk menghasilkan AI。

Dan generasi AI, seperti yang Anda tahu, menghasilkan token untuk konsumsi internal dan eksternal. konsumsi internal pada dasarnya adalah "berpikir", yang bulu pengembangan penalaran。

Kemudian, lebih dan lebih berbasis tanah, informasi - berdasarkan kemampuan mulai muncul, sehingga AI tidak bisa hanya menjawab pertanyaan, tetapi lebih memberikan lebih handal dan berguna jawaban. Anda mulai melihat kemajuan pendapatan dan pola bisnis OpenAI。

Dan titik ketiga, yang sebenarnya hanya terlihat dalam industri, adalah Claude Code. Ini adalah sistem awal yang benar-benar berguna, sangat revolusioner。

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

Jadi pentingnya OpenClaw pada tingkat budaya adalah, untuk pertama kalinya, itu benar-benar membuat publik sadar akan kemampuan seseorang。

Alasan kedua mengapa hal itu penting adalah karena OpenClaw terbuka。

Yang lebih penting, telah menciptakan model komputasi yang benar-benar baru, hampir merekayasa ulang perhitungannya sendiri. Ia memiliki sistem memori: awal adalah memori jangka pendek, sebuah sistem berkas adalah sumber daya jangka panjang; ia memiliki kemampuan pengiriman; ia dapat menjalankan pekerjaan kron; ia dapat menghasilkan agen baru; ia dapat menguraikan tugas, sebab, memecahkan masalah; juga memiliki subsistem I / O yang dapat masuk, ekspor, terhubung dengan whatsApp; dan ia memiliki API yang dapat menjalankan berbagai jenis aplikasi, yang disebut keterampilan。

Dan keempat elemen ini pada dasarnya mendefinisikan komputer. Jadi, untuk pertama kalinya, kita sebenarnya memiliki komputer buatan。

Dan itu terbuka, benar-benar terbuka, dapat berjalan hampir di mana saja. Ini adalah cetak biru perhitungan modern. Dalam arti, itu sudah sistem operasi komputasi modern dan akan di mana-mana di masa depan。

tentu saja, kita harus membantunya memecahkan satu hal: selama anda memiliki perangkat lunak agentic, itu bisa mendapatkan akses ke informasi sensitif, kode penegakan, komunikasi eksternal. jadi kita harus memastikan bahwa semua ini diatur, bahwa cukup aman, bahwa itu dibatasi secara strategis, bahwa agen-agen ini memiliki dua dari tiga kemampuan, tetapi tidak semua tiga pada saat yang sama。

Kami juga telah memberikan kontribusi dalam bidang pemerintahan. Peter Steinberger ada di sana hari ini. Kami memiliki banyak insinyur besar bekerja dengan dia untuk membantu membuat sistem aman dan lebih kuat, sehingga dapat melindungi baik privasi dan keamanan。

Chamath Palihapitiya:

Jensen, apakah pergeseran paradigma ini membuat banyak tindakan regulasi AI melewati Amerika Serikat tampak usang

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

Wong In- hoon:

Bagian dari kita 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 pengembangan teknologi, apa itu, bukan apa itu. Ini bukan hidup, itu bukan alien, itu tidak sadar. Ini software komputer。

Juga, kita sering mendengar ungkapan "kita tidak mengerti teknologi ini sama sekali". Tapi itu tidak benar. Kami benar-benar mengerti banyak. Jadi pertama-tama, kita harus menyediakan pembuat kebijakan dengan informasi nyata secara terus menerus; jangan biarkan ketahanan dan ekstremisme mendikte cara teknologi ini dipahami。

NAMUN PADA SAAT YANG SAMA, KITA HARUS MENYADARI BAHWA PERKEMBANGAN TEKNOLOGI ITU CEPAT DAN KEBIJAKAN ITU SEHARUSNYA TIDAK TERLALU JAUH DARI TEKNOLOGI. PADA TINGKAT NASIONAL, PERHATIAN TERBESAR SAYA ADALAH BAHWA RESIKO KEAMANAN NASIONAL TERBESAR AMERIKA TERHADAP AI BUKANLAH AI ITU SENDIRI, TAPI BAHWA NEGARA-NEGARA LAIN MENGADOPSI AI, DAN KITA ENGGAN UNTUK MERANGKUL AI UNTUK KEMARAHAN, KETAKUTAN, ATAU KEFANATIKAN。

JADI YANG PALING SAYA KHAWATIRKAN 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 kebencian tambahan, ketakutan dan ketidakpercayaan. Jika itu Anda, akan Anda 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 dari teknologi Anthropic. Saya sangat mengagumi pentingnya mereka melekat pada keamanan, serta komitmen mereka terhadap budaya keamanan dan keunggulan teknis mereka dalam memajukan upaya ini。

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

Ya。

Karena teknologi ini terlalu penting bagi kita. Saya pikir tentu saja 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 bencana yang akan dilemparkan, dan tidak ada bukti bahwa hal-hal itu benar-benar akan terjadi, bahaya mungkin lebih besar dari yang diperkirakan。

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

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

David Friedberg:

AKU AKAN MENOMINASIMU UNTUK INI. AI HANYA MEMILIKI 17% OPINI PUBLIK DI AMERIKA SERIKAT. KITA TELAH MELIHAT APA YANG TERJADI DI BIDANG ENERGI NUKLIR: KITA PADA DASARNYA MENUTUP SELURUH INDUSTRI NUKLIR, DAN SEKARANG CINA 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 saya ingin kembali ke apa yang Anda katakan terjadi di dalam perusahaan: efisiensi, produktivitas. Ada banyak argumen yang terjadi. Ketika Anda dan saya masuk tahun ini, pertanyaan terbesar adalah: akan pendapatan datang? Akankah pendapatan berkembang seperti kecerdasan itu sendiri? Dan kemudian kita melihat sesuatu sedikit seperti Oppenheimer: Anthropic memperoleh $5 miliar, $6 miliar per bulan saja。

Catatan: "Oppenheimer Time" berasal dari Oppenheimer, kepala Proyek Manhattan (Proyek Penelitian Rahasia untuk mengembangkan Bom Atom selama Perang Dunia II). Pada tahun 1945, bom atom diledakkan untuk pertama kalinya, melambangkan ambang batas di mana terobosan teknologi bersama dengan risiko, dan sekarang kebanyakan digunakan untuk menunjuk ke saat-saat teknologi kritis dengan efek ireversibel。

Menurutmu apa yang terjadi? Dan kau mengatakan hari ini bahwa Blackwell dan Vera Rubin sudah pada urutan triliunan dolar dalam permintaan dalam tahun-tahun mendatang. Ditambah momentum yang Anthropic dan OpenAI tunjukkan, apakah Anda pikir 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. Namun sebenarnya, 99 persen dari apa yang ada adalah AI, bukan Anthropic, bukan OpenAI. Alasan di balik ini adalah bahwa AI sendiri sangat beragam。

Sebagai kategori, model kedua yang populer sebenarnya adalah model yang terbuka. Yang pertama, tentu saja, OpenAI, bobot sumber terbuka, model open source, sebuah kategori ekologi terbuka. Yang kedua adalah model terbuka, dan ada celah lebar dengan yang ketiga. Tempat ketiga adalah Anthropic。

INI MENUNJUKKAN BETAPA BESARNYA PERUSAHAAN AI BERSAMA-SAMA, JADI PERTAMA-TAMA, UNTUK MENYADARI HAL INI。

Ketika kita bergerak dari AI yang dihasilkan ke penalaran, jumlah perhitungan yang diperlukan adalah sekitar 100 kali lebih tinggi; ketika kita bergerak dari penalaran ke anatomi, jumlah perhitungan cenderung untuk meningkatkan 100 kali lagi. Dengan kata lain, hanya dalam dua tahun, permintaan yang dihitung telah meningkat sekitar 10.000 kali. Pada saat yang sama, orang membayar untuk informasi, tapi apa yang mereka benar-benar lebih bersedia membayar sebenarnya hasil kerja。

Ya。

Wong In- hoon:

berbicara dengan robot chatting, mendapatkan jawaban, tentu saja. senang bisa melakukan penelitian untukku. tapi apa yang benar-benar membuat saya ingin membayar adalah bahwa itu membantu saya melakukannya. dan di situlah kita berada di sekarang, dan sistem agensi benar-benar melakukannya. mereka membantu kami perangkat lunak insinyur 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 untuk memperluas pada skala besar. Kami pasti di jalan untuk satu juta kali pertumbuhan。

Jason Calacanis:

Saya pikir itu bisa menyebabkan pertanyaan. Berapa banyak orang yang menemanimu

Wong In- hoon:

Kami memiliki 43.000 karyawan, sekitar 38.000 insinyur。

Jason Calacanis:

kita sering berbicara tentang topik dalam podcast: tuhan, penggunaan token di perusahaan kami semakin gila. beberapa bahkan bertanya berapa banyak kuota token yang bisa saya dapatkan ketika saya 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 bagus。

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 rekayasa NVIDIA menghabiskan 1 miliar, 2 miliar dolar per tahun pada token

Wong In- hoon:

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

Pada akhir tahun, saya bertanya kepadanya, "Berapa banyak yang Anda keluarkan dengan 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 pada token senilai kurang dari $250.000. Ini hal yang sama seperti desainer chip mengatakan, "Saya memutuskan untuk hanya menggunakan kertas dan pensil, dan saya tidak perlu peralatan CAD"。

Jason Calacanis:

Ini benar-benar pergeseran paradigma. Pemahamanmu terhadap karyawan top ini hampir mengingatkanku pada LeBron James di kelas MBA: dia menghabiskan $1 juta setahun di tubuhnya, sehingga dia masih bisa bertarung di 41. Mengapa para cendekiawan ini tidak memiliki kekuatan super

Wong In- hoon:

Tepat。

Jason Calacanis:

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

Wong In- hoon:

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

Ini seperti di revolusi industri terakhir, tidak ada yang akan berkata, "Bangunan ini terlihat terlalu berat. Tidak ada yang berkata," Gunung itu terlalu besar ". Semua ide tentang" terlalu besar, terlalu berat, terlalu lama "akan dihilangkan。

David Sacks:

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

Wong In- hoon:

tepat. dengan kata lain, pertanyaan tentang masa depan adalah: bagaimana anda bekerja dengan partai-partai ini。

Pada dasarnya, itu hanya cara baru pemrograman. 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, 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 benar-benar ingin kau lakukan. saya percaya setiap insinyur akan memiliki 100 marah di masa depan。

Jason Calacanis:

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

David Friedberg:

Kita baru saja membuat contoh formasi gen nol, dan itu berhasil. Kau akan sangat terkejut saat itu. Dan ini terjadi dalam konteks "Yang lain mengganti seluruh gudang bisnis dalam semalam"。

Saya melakukan satu hal: dalam 90 menit, saya mengganti seluruh tumpukan dan banyak pekerjaan. Minggu malam dimulai pukul 10: 00, semua berjalan dan menyebarkan dengan 11: 30。

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

Lebih teknis, lebih ilmiah. Kami melakukan satu hal dalam 30 menit dengan penelitian otomatis dan koleksi data. Ini akan menjadi produk dari tingkat PhD-kertas PhD-jika telah mengikuti jalan tradisional, yang bisa diambil tujuh tahun, atau bahkan menjadi salah satu pekerjaan dokter paling populer di lapangan, cukup untuk diterbitkan dalam Sains。

Kami baru saja dari desktop, mengunduh penelitian otomatis di GitHub, menuangkan beberapa data yang baru saja kami dapat, dan kami berlari dalam 30 menit. Wajah semua orang berubah. Ini membuka potensi, benar-benar luar biasa。

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

tapi kembali ke penelitian mobil. suatu akhir pekan, 600 baris kode dapat menghasilkan hasil tersebut dan juga dapat berjalan dan memproses begitu banyak jenis data yang berbeda set lokal。

Apakah ini berarti bahwa kita berada di tahap yang sangat awal, apakah itu algoritmik atau optimasi perangkat keras

Wong In- hoon:

OpenClaw sangat menakjubkan, pertama-tama, karena itu bertepatan dengan sempurna dengan titik istirahat 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 cukup bagus。

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

Sekarang beberapa orang mengatakan bahwa bisnis perangkat lunak IT akan hancur. Tapi saya memberi Anda perspektif lain: ukuran industri perangkat lunak, yang dulunya terbatas pada "berapa banyak duduk" -- yaitu, jumlah kursi. Tapi di masa depan, itu akan menjadi 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 melakukan dengan baik; dan kedua, mereka pada dasarnya "perantara" antara kami dan mesin. Akhirnya, ketika pekerjaan dilakukan, hasilnya harus datang kembali kepada saya dengan cara yang saya bisa mengontrol. Dan aku tahu cara mengoperasikan alat-alat ini。

Jadi saya ingin semuanya berakhir kembali ke Synopsys, ke Cadence, karena di situlah saya bisa mengendalikannya dan memverifikasi itu。

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

FIELD BERIKUTNYA AI: OPEN SOURCE, VERTIKALISASI DAN GLOBAL SPREAD

David Sacks:

Saya ingin mengajukan pertanyaan open source. Sekarang kita memiliki model sumber yang sangat baik, kita memiliki model berat badan yang terbuka, banyak yang luar biasa dan sangat kuat。

Dua hari lalu, mungkin kau sibuk di panggung, dan kau tidak melihatnya. Mereka melatih 4 milliar-pound model Llama dengan cara yang didistribusikan. Sekelompok orang secara acak berkontribusi terhadap perhitungan, tapi mereka mengatur seluruh proses pelatihan dalam keadaan berdiri. Saya pikir ini sangat teknis, karena orang-orang yang terlibat benar-benar tersebar secara acak。

Wong In- hoon:

Ini seperti rumah Folding @ usia kita。

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

David Sacks:

TEPAT. JADI BAGAIMANA MENURUTMU AKHIR DARI OPEN SOURCE? DAPATKAH ANDA MELIHAT BAHWA ARSITEKTUR JUGA SEDANG DIDESENTRALISASI DAN ALGORITMA SEDANG DIDESENTRALISASI UNTUK MENDUKUNG JALUR BOBOT TERBUKA DAN BENAR-BENAR TERBUKA SUMBER, SEHINGGA MEMBUAT AI BENAR-BENAR TERSEDIA SECARA LUAS

Wong In- hoon:

Saya percaya bahwa pada dasarnya kita membutuhkan dua hal pada saat yang sama: 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. TAK DIRAGUKAN LAGI. ALASANNYA ADALAH MODEL PERTAMA ADALAH TEKNOLOGI DAN BUKAN PRODUK TERAKHIR. MODEL ADALAH TEKNOLOGI, BUKAN LAYANAN。

Dan untuk kebanyakan pengguna, pada tingkat horizontal, pada tingkat kecerdasan umum, saya tidak benar-benar ingin pergi ke fine- tune untuk diriku sendiri. Aku lebih suka melanjutkan ChatGPT, Claude, Gemini, X. Mereka adalah individu, tergantung pada bagaimana saya merasa dan apa yang saya ingin memecahkan. Jadi bagian industri ini akan dikembangkan dengan baik, dan akan sangat makmur。

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

Terus terang, 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 setiap perusahaan yang kita investasikan sekarang membuka dan pindah ke model proprietary。

Wong In- hoon:

Benar. Dan hal yang menakjubkan 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, fine- tune dan spesialisasi. Jadi Anda mulai dengan keterampilan kelas dunia, dan kemudian perlahan-lahan membangun parit Anda sendiri。

David Friedberg:

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

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

Wong In- hoon:

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

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

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

PADA TINGKAT YANG LEBIH TINGGI, SAYA PIKIR KITA HARUS MENGAKUI SATU HAL: KEAMANAN NASIONAL KITA MELEMAH KETIKA KITA TIDAK MEMILIKI AKSES KE MIKROKABEL, MINERAL BUMI YANG LANGKA; KETIKA KITA TIDAK DAPAT MENGONTROL JARINGAN KOMUNIKASI KITA; DAN KETIKA KITA TIDAK DAPAT MENYEDIAKAN ENERGI BERKELANJUTAN BAGI NEGARA KITA. SETIAP SATU DARI INDUSTRI-INDUSTRI INI ADALAH SEBUAH CERITA SAYA TIDAK INGIN INDUSTRI AI UNTUK MENGULANGI。

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

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

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

Chamath Palihapitiya:

Seberapa dekat Anda fokus pada situasi konflik global? Seberapa khawatir itu? Timur Tengah, sebagai contoh, dapat mempengaruhi pasokan helium, yang merupakan risiko rantai 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 terbarukan, dengan pasokan yang sangat terkonsentrasi terutama bergantung pada sejumlah kecil sumber seperti Amerika Serikat, Qatar (Timur Tengah) dan Aljazair (Afrika Utara). Setelah pasokan hulu terganggu, mereka mungkin memiliki dampak langsung pada operasi stabil dari garis produksi chip。

Wong In- hoon:

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

Hal pertama: mereka sangat cemas, sangat khawatir, sangat takut. Kami telah berpikir tentang mereka dan mengawasi perubahan situasi. Mereka akan mendapatkan dukungan 100% dari kami. Saya juga ditanya apakah, mengingat situasi saat ini di Timur Tengah, kita masih akan tetap di Israel. Jawabanku adalah: kita akan tinggal 100 persen di Israel. Kami mendukung 100 persen keluarga di sana. Kami akan tetap 100 persen di Timur Tengah。

HAL INI JUGA DITANYA APAKAH, KARENA SITUASI DI TIMUR TENGAH BEGITU, KAMI PIKIR ITU LAYAK UNTUK 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 UNTUK BERPIKIR TENTANG HAL ITU SEBELUM PERANG, MAKA MASA PASCA-PERANG HARUS DIANGGAP SERIUS. JADI AKU 100% BERKOMITMEN UNTUK INI。

KAMI MEMILIKI TIGA HAL YANG HARUS DILAKUKAN. PERTAMA, AMERIKA SERIKAT HARUS DIINDUSTRI ULANG SECEPAT MUNGKIN, BAIK ITU PABRIK CHIP, PABRIK KOMPUTER ATAU PABRIK AI。

Jason Calacanis:

Bagaimana kemajuan telah dibuat dalam hal ini

Wong In- hoon:

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

Kedua, kita harus mengubah rantai pasokan manufaktur. Apakah di Korea, Jepang atau Eropa, kita perlu diversifikasi rantai pasokan untuk membuatnya lebih tabah. Ketiga, sementara kita mempromosikan 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 mengarah ke masalah ini。

Wong In- hoon:

Saya pikir helium bisa menjadi masalah. Di sisi lain, sering ada saham penyangga dalam rantai pasokan, dan sistem tersebut biasanya meninggalkan beberapa jumlah di belakang。

Jason Calacanis:

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

I understand your bet that there will be an open platform like Android in the future, in where you will play a key role in serving tentent of car productures; on the other side, there may be closed system like iOS, like Tesla or Waymo。

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

Wong In- hoon:

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

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

Pada saat yang sama, kita memiliki sistem kemudi pertama di dunia dengan kemampuan penalaran. Hal ini dapat menguraikan adegan kompleks menjadi skenario sederhana, kemudian menavigasi mereka satu per satu, seperti model penalaran. Sistem penalaran ini disebut Alpamayo, dan itu memberi kita hasil yang sangat mengesankan。

Kami melakukan optimasi vertikal dan inovasi horizontal; kemudian setiap produsen memutuskan untuk dirinya 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 kau ingin bergabung dengan kami untuk mendapatkan mereka bertiga melalui, bahkan menempatkan ujung komputer di mobilmu

Sikap kita selalu bahwa kita ingin memecahkan masalah, tetapi kita tidak bersikeras bahwa hanya kita memberikan satu-satunya jawaban. Apapun cara Anda memilih untuk bekerja dengan kami, kami senang。

David Sacks:

Setelah pertanyaan ini, saya merasa sangat menarik. Anda 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 dari "I can go beyond NVIDIA". Meskipun mereka juga klien besarmu。

Bagaimana kau mengatur hubungan ini? Menurutmu apa yang terjadi dalam jangka panjang? Peran apa yang akan produk ini akhirnya bermain dalam seluruh ekologi

Wong In- hoon:

Pertanyaannya sangat bagus。

PERTAMA, KAMI SATU-SATUNYA PERUSAHAAN AI NYATA. KAMI MEMBUAT MODEL DASAR KAMI SENDIRI DAN BERADA DI GARIS DEPAN DI BANYAK DAERAH. KAMI MEMBANGUN TUMPUKAN DARI ATAS KE BAWAH, SETIAP LAPISAN. KAMI 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 PERSIS APA YANG SAYA LAKUKAN. JADI KEPERCAYAAN DIRI KITA BERASAL DARI SATU HAL: KAMI SANGAT SENANG BERSAING DENGAN TEKNOLOGI TERBAIK. SELAMA KITA BISA TERUS BERJALAN, SAYA YAKIN ITU AKAN MENJADI SALAH SATU PILIHAN MEREKA YANG PALING EKONOMIS UNTUK TERUS MEMBELI NVIDIA. AKU SANGAT PERCAYA DIRI。

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

JADI, KITA SEBENARNYA MEMILIKI BAGIAN BESAR DARI 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 SEDANG MEMBANGUN INFRASTRUKTUR AI. JADI APA YANG MEREKA BUTUHKAN ADALAH BAHWA ANDA MEMBAWA SELURUH TUMPUKAN, DAN KAMI KEBETULAN MEMILIKI SELURUH TUMPUKAN。

JADI, MENGEJUTKAN, JIKA ANDA LIHAT SEKARANG, SAHAM PASAR NVIDIA SEBENARNYA MASIH MENINGKAT。

David Sacks:

Maksudmu, 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 membuat jelas bahwa masalahnya bukan chip, tapi sistem, yang sangat sulit untuk dibangun. Jadi skala kerja sama mereka dengan kami berkembang。

MISALNYA, AWS, SAYA INGAT MEREKA MENGUMUMKAN KEMARIN BAHWA MEREKA AKAN MEMBELI 1 JUTA CHIP DI TAHUN MENDATANG. INI ADALAH VOLUME YANG SANGAT BESAR PEMBELIAN, DAN INI BUKAN SELURUH BANYAK YANG TELAH MEREKA BELI. TENTU SAJA KAMI AKAN SENANG。

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

Jadi bagian kita naik, di satu sisi, dalam jumlah model, dan, di sisi lain, dalam meningkatnya jumlah perusahaan yang muncul dari awan, tumbuh dalam penyebaran daerah, skenario bisnis, margin industri。

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

David Friedberg:

Untuk menjadi relevan, tidak ada in- kedalaman nomor, tapi analis tampaknya tidak percaya Anda。

ANDA MENGATAKAN ANGKA-ANGKA ITU DAPAT TUMBUH JUTAAN KALI, NAMUN PASAR SETUJU UNTUK MENGHARAPKAN ANDA UNTUK TUMBUH 30 PERSEN TAHUN DEPAN, 20 PERSEN TAHUN DEPAN, DAN PADA TAHUN 2029, ITU SEHARUSNYA MENJADI TAHUN PENUH, HANYA 7 PERSEN. DAN JIKA ANDA MENEMPATKAN TAM ANDA PADA ANGKA-ANGKA PERTUMBUHAN, ITU IMPLISIT BAHWA SAHAM ANDA AKAN TURUN 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 LUASNYA 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 investasi ortodoks yang "lebih besar dan lebih sulit untuk dipertahankan". Mereka harus kembali ke komite kontrol angin bank investasi dan modelnya. Mereka bersedia untuk menyerah sampai $7 triliun, dan mereka tidak akan mengambilnya。

Jason Calacanis:

Mereka tidak bisa membayangkan $10 triliun perusahaan nilai pasar。

David Sacks:

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

Wong In- hoon:

Dan kau harus mendefinisikan ulang apa yang kau lakukan。

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

Jason Calacanis:

Bagus。

Wong In- hoon:

Tentu saja, ini lelucon。

Chamath Palihapitiya:

Apa yang podcast katakan bukan panduan kinerja resmi。

Wong In- hoon:

Ya, bukan pemandu pertunjukan. Tapi intinya adalah, apa yang dapat Anda 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, PEMAHAMAN KEBANYAKAN ORANG TENTANG AI TERLALU SEMPIT, TERBATAS PADA BAGIAN YANG MEREKA LIHAT, DENGAR DAN DISKUSIKAN。

OpenAI sangat bagus, itu akan menjadi sangat besar, Anthropic sangat bagus, 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:

Kemudian memberitahu orang-orang biasa tentang pusat data ruang bisnis. Bagaimana Anda memahami 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:

Pertama, tentu saja, kita harus melakukan hal-hal di tanah pertama, dan kita berada di tanah sekarang. Kedua, kita juga harus siap untuk memasuki ruang. Tentu saja ada banyak energi di luar angkasa. Masalahnya adalah panas menyebar. 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. Setelah semua, ada banyak tempat di ruang angkasa, tapi biaya 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 PROSES GAMBAR, GAMBAR, ANALISIS GAMBAR AI. INI ADALAH SESUATU YANG SEHARUSNYA DILAKUKAN DI RUANG ANGKASA, DARIPADA MENGIRIM SEMUA DATA KEMBALI KE BUMI, 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 angkasa. Ini akan memakan waktu bertahun-tahun. Tidak apa-apa, aku punya banyak waktu。

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

Jason Calacanis:

Aku ingin bertanya lagi tentang kesehatan medis。

Kita semua 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? Anda harus memberitahu saya ini secara pribadi。

Jadi apa yang terjadi dari sudut pandang membangun sistem kesehatan? 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 dua kali lebih banyak uang daripada yang lain, menghasilkan hanya setengah output kesehatan。

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

JADI APA LAGI YANG DIPERLUKAN UNTUK MENDAPATKAN PERATURAN MASA LALU DAN MENDAPATKAN AI UNTUK BENAR-BENAR MEMILIKI DAMPAK NYATA PADA SISTEM KESEHATAN

Wong In- hoon:

Kami terutama terlibat dalam beberapa arah dalam sistem medis。

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

Yang kedua adalah peristiwa AI, digunakan untuk membantu dalam diagnosis skenario tersebut. OpenProvidence adalah contoh yang baik, dan Hippocratic adalah contoh yang baik. Aku suka bekerja dengan perusahaan-perusahaan ini. Saya benar-benar berpikir bahwa teknologi agentic akan mengubah cara kita berinteraksi dengan dokter, dengan sistem medis。

Bagian tiga, 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 terkena, apakah itu ultrasound, CT, atau apa pun itu, akan menjadi marah。

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

Jason Calacanis:

Kami telah menginvestasikan begitu banyak dalam senjata buatan, dan saya benar-benar ingin melemparkan lebih banyak pada AI EMT, Al Paramedis, bukannya membunuh orang。

Dan itu hanya bagaimana kelanjutannya. Anda sekarang memiliki puluhan mitra. Selama dekade terakhir, atau bahkan dua dekade, sektor robotika telah melalui masa yang aneh - kekuasaan Boston, Google membeli sekelompok perusahaan, menjualnya dan membebaskan mereka. Rasanya pada satu titik bahwa robot jauh dari benar-benar dapat digunakan。

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

Terutama di Cina, mereka tampaknya akan melakukan serta Amerika Serikat, mungkin lebih cepat. Berapa lama lagi menurut Anda, berdasarkan kemajuan kemitraan dan kedewasaan teknologi yang Anda lihat

Wong In- hoon:

Sejauh ini, kami menemukan industri robot, atau Amerika Serikat. Anda dapat mengatakan bahwa kita terlalu dini. Kami sekitar lima tahun lebih maju dari kunci teknologi otak nyata, dan kami lelah dan kami tidak sabar。

Tapi sekarang benar-benar datang. Pertanyaan berikutnya adalah, berapa lama waktu yang dibutuhkan untuk memindahkan sertifikat eksistensi yang "high-fungsional" menjadi "produk komersial yang dapat diterima"

Teknologi tidak 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 jenis kuat yang tidak dapat dibenci. Alasan untuk ini adalah bahwa mereka memiliki elektronik mikro, listrik, bumi langka, magnet, yang berada di puncak dunia di mana industri robot berbasis. Jadi dalam banyak hal, industri robot kita akan bergantung pada ekologi dan rantai pasokan mereka. Industri robot dunia akan bergantung padanya。

Jadi saya pikir Anda akan melihat beberapa perubahan yang sangat cepat。

Jason Calacanis:

Akankah itu berakhir satu-ke-satu? Elon tampaknya 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:

Kuharap lebih dari itu. Pertama, ada banyak robot di pabrik yang bekerja 24 jam sehari, ada banyak robot pabrik yang tidak terlalu bergerak, tapi itu sedikit bergerak. Hampir semua hal berakhir dengan robot。

Chamath Palihapitiya:

Hal yang paling penting bagi saya tentang robot adalah mereka membuka mobilitas ekonomi bagi semua orang。

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

Wong In- hoon:

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

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

Jason Calacanis:

Kita harus segera mengeluarkan staf dari sini。

Wong In- hoon:

Tepat. Tapi pikirkan tentang hal ini, Anda benar-benar dapat membiarkannya berputar di sekitar rumah, melihat apa yang terjadi, berbicara dengan anjing, berbicara dengan anak-anak。

David Friedberg:

Ini seperti perjalanan waktu。

Wong In- hoon:

PADA SAAT YANG SAMA, KAMI MELAKUKAN PERJALANAN PADA KECEPATAN CAHAYA. JELAS, KAMI AKAN MENGIRIM ROBOT PERTAMA. TENTU SAJA SAYA TIDAK AKAN MENGIRIM DIRI SAYA, SAYA AKAN MENGIRIM ROBOT DAN MELIHAT APA YANG TERJADI. DAN KEMUDIAN UPLOAD AI SAYA。

Chamath Palihapitiya:

Ini hampir tak terelakkan. Ini membuka bulan dan Mars, membuat mereka target kolonial. Dan itu berarti sumber daya hampir tak terbatas. Membawa material kembali ke Bumi dari Bulan hampir mungkin untuk mencapai konsumsi energi nol, karena 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 membuatnya mungkin。

Wong In- hoon:

Pada saat itu, jarak tidak akan lagi menjadi masalah。

David Friedberg:

semakin banyak model dan kemarahan membuat, semakin banyak kita berinvestasi pada infrastruktur, infrastruktur yang lebih baik, model yang lebih terkunci dan kemarahan。

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

Wong In- hoon:

Saya pikir dia sangat konservatif. Saya yakin Dario dan Anthropic akan tampil baik melampaui jumlah itu, jauh di luar。

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 yang bernilai - ditambahkan reseller untuk kode Anthropic, Anthropic token, token OpenAI. Bagian ini akan membuat skala GTM mereka berkembang secara signifikan。

David Sacks:

Jadi apa yang tersisa parit di dunia seperti ini

BEBERAPA PARIT AKAN HAMPIR DIATASI UNTUK MENGATAKAN YANG SEBENARNYA. SEBAGAI CONTOH, PARIT YANG TIDAK DAPAT ANDA DISKUSIKAN, TAPI MUNGKIN YANG TERKUAT, ADALAH CUDA, YANG MERUPAKAN KEUNTUNGAN STRATEGIS YANG LUAR BIASA。

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

Wong In- hoon:

Spesialisasi kedalaman。

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

David Sacks:

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

Wong In- hoon:

Tepat。

David Sacks:

Memahami lebih dalam dan lebih baik dari 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 anda sendiri, anda bisa mendapatkan klien anda pada agen anda. semakin cepat anda mendapatkan kemarahan untuk benar-benar terhubung ke klien, semakin cepat roda mulai berputar, dan itu akan berubah sangat cepat。

David Sacks:

Ini hampir kebalikan dari logika perangkat lunak hari ini. Hari ini kita akan membuat perangkat lunak, maka kita akan berpikir tentang apa yang dapat diperpanjang, maka kita akan menjual sebanyak mungkin orang, dan kemudian kita akan menjual penyesuaian sebagai layanan tambahan。

David Friedberg:

Kemudian mengunci klien sampai mati。

Wong In- hoon:

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

Jason Calacanis:

Tepat. Selain itu, sampai batas tertentu, ukuran pasar disesuaikan mungkin lima atau enam kali lebih besar dari platform itu sendiri。

Wong In- hoon:

Tepat. Jadi saya berpikir bahwa perusahaan-perusahaan platform ini memiliki kesempatan sendiri untuk menjadi ahli, pemain-pemain dalam 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 untuk bekerja bukanlah AI, tapi seseorang yang akan menggunakan AI". Kembali sekarang, kita hampir semua berbicara tentang hal ini: kemarahan mengubah manusia menjadi Superman, peluang bisnis berkembang, peluang bisnis berkembang. Anda benar-benar melihatnya sangat jelas。

Wong In- hoon:

Kau terlalu baik。

Jason Calacanis:

Tentu saja, kita harus mengakomodasi dua ide pada saat yang sama: pertama, memang akan ada perkembangan yang baik, dan kedua, memang akan ada pengganti. Pertanyaannya kemudian menjadi apakah orang-orang memiliki daya tahan dan tekad yang cukup untuk merangkul teknologi baru ini。

Sebagai contoh, jika 100 persen pekerjaan mengemudi otomatis diganti di masa depan, itu tentu 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 ini. Perubahan ini pasti akan terjadi。

Wong In- hoon:

Saya pikir pekerjaan akan berubah. Ada banyak pengemudi hari ini, misalnya. Saya percaya bahwa di masa depan banyak pengemudi masih akan duduk di dalam mobil, tidak hanya bertanggung jawab untuk mengemudi, tetapi di belakang atau sebelah, menjadi semacam "asisten perjalanan"。

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

jadi saya tidak akan terkejut jika sopir masa depan anda berubah menjadi asisten ponsel anda dan membantu anda dengan banyak hal lain saat mengemudi。

Jason Calacanis:

Sama seperti di hotel。

Wong In- hoon:

Benar. Mobil yang mengemudi sendiri, tapi dia mengkoordinasikan hal-hal untuk Anda。

David Friedberg:

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

Chamath Palihapitiya:

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

Wong In- hoon:

Misalnya, koordinasi, komunikasi, pemesanan, menangani banyak tugas。

Chamath Palihapitiya:

Seluruh kue semakin besar。

Wong In- hoon:

BENAR. JADI SATU HAL YANG JELAS: SETIAP PEKERJAAN BERUBAH; BEBERAPA PEKERJAAN MENGHILANG; NAMUN 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 PALING MENGGUNAKANNYA。

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

David Sacks:

Ketika Anda di Stanford, saran yang Anda berikan kepada anak-anak muda itu terkenal: "Saya harap Anda semua menderita dan kesakitan". Kau ingat

Jason Calacanis:

Ini klasik。

David Sacks:

Bagaimana dengan hari 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 PENGETAHUAN YANG DALAM, MATEMATIKA YANG DALAM, KETERAMPILAN BAHASA YANG 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。

POKOKNYA, SARAN SAYA ADALAH, APAPUN PENDIDIKAN YANG ANDA DAPATKAN, PASTIKAN ANDA CUKUP PROFESIONAL UNTUK MENGGUNAKAN AI。

Berbicara tentang pekerjaan, saya ingin menambahkan satu hal lagi yang saya harap semua orang akan mendengar. Pada hari-hari awal revolusi pembelajaran mendalam, salah satu ilmuwan komputer top dunia, salah satu orang yang paling dihormati saya, sangat ditentukan 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: visi komputer memang telah diintegrasikan ke dalam semua peralatan radiologi dan platform di seluruh dunia. Hasil yang mengejutkan, bagaimanapun, tidak hanya bahwa jumlah radiolog tidak menurun, tetapi bahwa mereka telah meningkat, dan permintaan yang meningkat. Hal ini karena setiap pekerjaan memiliki dua dimensi: mandat dan tujuan。

Radiolog ditugaskan untuk melihat gambar, namun tujuan sebenarnya mereka adalah membantu dokter mengobati pasien dan mendiagnosa penyakit. Sebagai pemutaran video sekarang dapat dilakukan lebih cepat, rumah sakit dapat melakukan lebih banyak pemindaian, yang meningkatkan efisiensi medis dan memungkinkan pasien untuk masuk dan menerima pengobatan lebih cepat. Akibatnya, rumah sakit telah meningkatkan penghasilannya sebagai hasil dari lebih banyak pemindaian dan layanan bagi lebih banyak pasien。

Jason Calacanis:

Tepat。

Wong In- hoon:

Jadi hasilnya positif。

David Friedberg:

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

Hanya saja Anda 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 MEMILIKI DUKUNGAN AI, TETAPI SETIAP SISWA MASIH MEMBUTUHKAN GURU YANG BAIK。

Jason Calacanis:

Sungguh menakjubkan. Jensen, selamat atas kesuksesan ini. Ini adalah diskusi yang positif dan merangsang. Terima kasih banyak atas waktumu。

David Sacks:

Kau orang kemudi yang dibutuhkan industri。

Jason Calacanis:

MEMANG. SAYA PIKIR ANDA HARUS LEBIH VOKAL TENTANG SISI POSITIF AI. ADA TERLALU BANYAK AKHIR-HARI BERBICARA 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 lakukan pada dasarnya perangkat lunak". Orang-orang perlu mendengarnya. Kami juga menemukan kategori baru, industri baru. Kita tidak perlu menyelinap ke semacam panik, itu tidak membantu。

Jason Calacanis:

Selain itu, kita bisa memilih sendiri, kan? Kita punya otonomi dan kapasitas operasional. Kita bisa memilih cara menggunakannya. Oke, lain kali. Terima kasih sudah menonton All in。

Wong In- hoon:

Terima kasih。

[Terkekeh]Tautan Video]