和梁朝伟同获港科荣誉博士，黄仁勋与沈向洋对谈Scaling Law

liukang20241周前 (04-23)166吃瓜1155

来历：机器之心Pro

机器之心报导

机器之心编辑部

11 月 23 日，香港科技大学举行了今年度的学位颁授仪式。英伟达开创人和 CEO 黄仁勋又新增一个荣誉工程学博士头衔，与他一同取得荣誉博士学位的还有闻名影星梁朝伟、2013 年诺贝尔化学奖得主 Michael Levitt、菲尔兹奖得主 David Mumford。

仪式现场相片，图源：X 用户@biogerontology

行程中，黄仁勋与闻名核算机科学家、香港科技大校园董会主席沈向洋身穿同款皮衣，进行了主题为「技能、领导力和企业家精力」的炉边说话，内容触及 AI 的开展和对社会的影响、AI 在科学范畴的运用、大湾区的硬件生态体系、领导力和企业管理乃至爱情等主题。

黄仁勋与沈向洋展现同款皮衣

黄仁勋观念的太长不读版：

AI 的要害革新意义是可作为了解悉数的「通用翻译器」，而 AI 还将发明一个全新的作业。
Scaling Law 仍在继续有用。英伟达最巨大的奉献之一是让机器能轻松地学习许多数据。
AI 还没有把握从榜首性原理中得出答案的才干，但模仿对科学也很有价值。
作为领导者，要继续学习、坚持强壮、考虑别人的利益。
大学生谈恋爱不会耽搁学习。
AI 的方针是推理，而不是练习。AI 练习尽管耗能多，但终究也能协助节省动力。
未来只需三种机器人能够大规划出产：轿车、无人机和人形机器人。
大湾区是国际上仅有一个机电技能和 AI 技能能够一同蓬勃开展的区域。

机器之心整理了这场炉边说话的首要内容。

视频链接：https://mp.weixin.qq.com/s/pwjN5ZH2BT-r2DGuCNNJdg

AI 的社会影响

沈向洋：我昨夜睡不着，一个重要原因是我将把你当成国际榜首 CEO 来介绍给咱们。我很忧虑，由于昨日苹果公司的股票在涨，而你的公司没有。早上起来，我问了我的妻子，承认你们仍是榜首。所以我会给你提些难题。首要，你以为 AI（尤其是 AGI）对作业和整个社会来说有什么影响？

黄仁勋：首要，很感谢有时机与您共度韶光。Harry（沈向洋）是咱们这个年代最重要的核算机科学家之一。他是我和许多人的英豪。Harry，正如你所知，当 AI 有才干学习和了解言语、图画、蛋白质序列、氨基酸序列和化学序列等各种数据时，就能取得革新性的、开创性的才干。突然之间，咱们有了能够了解字词意义的电脑。生成式 AI 让咱们将一种信息形式转换为另一种信息形式，比方从文本到图画、从文本到文本、从蛋白质到文本、从文本到蛋白质、从文本到化学物质。

开端，这是一个通用的函数迫临器，现在演化成了适用于各种状况的通用言语翻译器。那么问题是，咱们能够用它做什么？国际上有许多公司和团队在组合这些不同的模态和才干。我以为真实惊人的打破是 AI 现在能够了解各种信息的意义，成了能够了解任何东西的通用翻译器。

沈向洋：你曾说过，农业革新实践上是制作了更多食物，工业革新实践上制作了更多的科学技能，然后是信息技能带来了更多信息。现在是人工智能年代，你以为现在 AI 实践上是在制作更多智能吗？

黄仁勋：从核算机科学的视点看，咱们现已从头发明晰整个仓库，也便是咱们开发软件的方法。曩昔咱们自己动手写代码。我一开端学习了 Fortran，后来学习了 Pascal、C 和 C++。每种言语都能够将咱们的主意变成代码，然后在 CPU 上运转。

现在咱们则是运用调查数据。咱们将其供给给核算机，看它能从中发现什么形式和联系。现在不再是编程，而是机器学习。机器生成的不是软件，而是在 GPU 上处理的神经网络。从编程到机器学习，从 CPU 到 GPU。由于 GPU 才干强壮得多，所以咱们现在能够开宣布异乎平常的软件类型。而它之上是人工智能。这便是呈现。所以核算机科学现已发生了很大的改变。

现在的问题是，咱们的作业会发生什么？当然，咱们都在竞相运用机器学习来发现新的人工智能和 AI。AI 做的作业之一是「认知主动化」，或许说处理问题的主动化。

处理问题的整个进程能够被总结成三个根本进程：感知、推理和规划。比方，关于主动驾驭，需求轿车感知其周围环境，然后推理自己的方位以及其它轿车的方位，再规划驾驭进程。咱们能够将主动驾驭比作是数字驾驭员。类似于，咱们能够有数字放射科医师等等。实践上，关于咱们所做的任何作业，都能够想出对应的 AI 表达。咱们能够称之为数字智能体。这些数字智能体相互交互，发生 token，但实践上便是数字智能。

就像三百年前发电机的发明造就了各种电器，它们耗费发电机出产的电力。Copilot 和 ChatGPT 等运用就像是各种电器，而发电机就对应于数字智能工厂。所以，咱们其实正在发明一个新的作业。这个新作业需求动力并发生数字智能。这些数字智能将被用于各种不同的运用。咱们信赖，它的耗费量会适当大。而这整个作业在曾经是不存在的，就像发电机呈现之前不存在电器作业相同。

按黄氏规律，英伟达股票还能再涨吗？

沈向洋：Nvidia 在算力范畴，尤其是在曩昔十几年里的奉献，有一个数字不断被提及，便是以你的姓名命名的「黄氏规律」，对标摩尔规律。

「黄氏规律」：在曩昔十年中，英伟达 GPU 的人工智能处理才干添加了 1000 倍，这一添加标明在单芯片推理功能中看到的增速不会逐渐消失，而是会继续存在。

在核算机作业的前期开展中，英特尔提出了闻名的摩尔规律 —— 大约每 18 个月，核算才干将完结翻倍。

假如咱们回看曩昔 10 到 12 年，在你的领导下，乃至不是每年翻一番，而是更多。

从消费的视点来看，在最近 12 年中，算上悉数的大言语模型，每年的核算需求实践上是添加了四倍。假如每年添加四倍，那么在十年的时刻里，这个数字将变成惊人的一百万倍。

这便是为什么 Jensen 的股票能在十年内添加 300 倍的原因之一：需求添加了一百万倍。这也解说了为什么英伟达的股票贵得合理。

现在，我想问问您，用您的水晶球展望未来，咱们是否在未来十年还会见证这种百万倍的需求添加？

黄仁勋：摩尔规律依据两个概念，其一是 VLSI 缩放。这一概念源自 Carver Mead 和 Lynn Conway 的作品，的确极大地启示了咱们这一代人。其二是 Dennard 缩放，即坚持晶体管的电流密度稳定的一同，经过缩小晶体管标准，使咱们能够每隔几年将半导体的功能提高一倍。

具体来说，大约每一年半，功能就会翻一番。这意味着 5 年后，功能能提高至 10 倍，10 年后，能到达 100 倍。

其时，咱们所见证的是，神经网络的规划越大，练习这些网络的数据越多，AI 的功能好像就越强壮。这已成为一个经历规律，类似于摩尔规律，咱们称之为 Scaling Law，而 Scaling Law 好像仍在继续发挥作用。

但咱们也知道，仅仅经过预练习从全球数据中主动发现常识是不行的。这就比方上大学、完结学业是一个重要的里程碑，但这还远远不行。

咱们需求后练习，也便是深化学习特定技能的进程。后练习触及强化学习、人类反应、人工智能反应、组成数据生成、多路径学习等多种技能。

中心在于，你开端进入一个特定范畴的深度学习，企图深化了解其间的某些内容。这便是后练习的进程。一旦你选择了一份作业，你会再次进行许多的学习。

然后，在后续阶段，就到了咱们所说的「考虑」。这能够被称为 test time scaling。在这个阶段，有些问题的答案能够开门见山地知道，而有些问题则需求你将其分化，逐渐追溯到榜首性原理，再从原点动身，为每个问题找到处理方案。这或许需求你进行迭代，或许需求你分状况评论，模仿不同的成果。

因而，咱们称之为「考虑」，而且往往考虑的时刻越长，得到的答案质量或许就越高。

请注意，在人工智能开展的三个要害范畴中，许多的核算能够带来更高质量的答案。现在 AI 能供给的答复现已是才干规划的最好了，但咱们需求坚持脑筋清醒，判别 AI 的答复有没有错觉？合不合理？

咱们有必要尽力到达一个境地，那时咱们能够充沛信赖人工智能供给的答案。我以为咱们间隔这一方针还有几年的时刻。在此期间，咱们不得不继续增强核算才干。

很感谢你刚刚谈到，在曩昔的十年中，Nvidia 完结了核算功能的百万倍提高。Nvidia 实践上做了什么呢？咱们将核算的边沿本钱降低了百万倍。

试想一下，假如国际上有人把刚需物品的本钱降低了百万倍，比方电力，那么你的习气将会发生根本性的改变。

对核算的观点也由此发生了突变。这是 Nvidia 所做出的最巨大奉献之一 —— 咱们使得让机器全面学习许多数据变得如此简略，以至于研讨人员简直不需求犹疑就能够进行。这便是机器学习之所以能够迅速开展的原因。

2024 年，AI for Science 为什么走得通了？

沈向洋：Jensen，有一件事我真的想讨教你，关于咱们应该在港科大做些什么。咱们其实有许多选择，其间有一个特别令人振奋的作业，咱们称之为 AI for Science。例如，咱们一直在咱们的大学出资许多的核算根底设备 GPU，校长和我特别鼓舞咱们的教师在物理和核算机科学、资料科学和核算机科学、生物学和核算机科学之间进行协作。你一直在议论生物学的未来。现在在香港发生的一件十分令人振奋的作业是，咱们的政府决议建造第三所医学院。事实上，港科大是榜首个提交提案的大学。你对此有什么主张？咱们应该出资在什么当地？

黄仁勋：首要，我在 2018 年的国际科学核算会议上介绍了人工智能，其时饱尝质疑。由于其时的人工智能在某种程度上是一个黑箱。事实上，它今日不那么像黑箱了，由于你能够向它发问，问它为什么给出某个主张，让它向你解说它是怎样一步一步得到答案的，就像教授启示他的学生相同。所以说今日的人工智能变得愈加通明，愈加可解说。而在 2018 年咱们还做不到这一点。所以它遭到了很大的质疑，这是榜首点。

第二，人工智能还没有把握从榜首性原理中发生答案的才干。它经过学习调查到的数据发生答案。因而，它并不是在模仿榜首性原理求解器，而是模仿智能，模仿物理。现在的问题是，模仿对科学有价值吗？我想说，模仿对科学并非没有价值。原因在于，在许多科学范畴，咱们了解榜首性原理，比方薛定谔方程、麦克斯韦方程等，但咱们无法模仿这些方程并了解巨大的体系。所以，与其从榜首性原理动身去处理这些问题，并让它在核算上受到限制，咱们不如运用人工智能。

咱们能够练习了解物理的人工智能，并用它来模仿十分大的体系，以便咱们能够了解大体系和大标准。那么，这对哪些范畴有用呢？首要，人类生物学有一个从纳米开端的标准，从纳秒到年，用榜首性原理求解器去求解这样的体系简直是不或许的。所以现在的问题是，咱们能否运用人工智能来模仿人类生物学，以便咱们能够更好地了解这些十分复杂的多标准体系，乃至创立一个人类生物学的数字孪生。这是一个巨大的期望。

现在说到你们的医院，港科大有一个十分重要的时机，那便是在这儿树立一所医院，其开端的中心范畴是技能、核算机科学和人工智能。这与国际上简直悉数医院的运作方法彻底相反。传统医院一般是以医疗为起点，然后测验将人工智能和技能融入其间，而这种方法一般会遇到置疑和对技能的不信赖。

而你们现在有时机榜首次从零开端打造一个彻底不同的体系 —— 一个从一开端就拥抱技能并推动技能前进的医院。在这儿的悉数人，包含你们自己，都是推动根底技能开展的专家。你们了解技能的局限性，一同也了解它的潜力。我以为这是一个特别的时机，我期望你们能好好使用它。

作为 CEO，应该继续学习、坚持强壮、考虑别人的利益

沈向洋：你是硅谷前史受骗 CEO 时刻最长的人，到现在有 30 或 31 年了？你不累吗？

黄仁勋：挨近 32 年了。我超级累（super tired）。

沈向洋：哈哈，你超级累，但仍在继续前进。咱们想知道，你是怎样领导英伟达这样巨大的企业的，而且还让它以惊人的速度前进？

黄仁勋：我很惊奇今日（在颁授仪式上）看见了「核算生物学和商业」专业。我以为这很棒。我创立英伟达前没有上过商业课程，到今日我也没有上过商业课程。我也没写过商业计划书，历来也不知道怎样写。我盼望你们帮我写商业计划书。我想说的是，我以为你们应该尽或许多地学习。我一直在学习。

关于我的作业，我想的是这不仅仅是一份作业，而是我终身的作业。不管是做什么，作业与人生作业的不同主意会给你的脑筋带来十分巨大的差异。假如你以为你的作业便是你要奉献终身的作业，那你就会想要去完善它。英伟达便是我终身的作业。

一路上我学到了许多。这儿说一个。假如你想成为一家公司的 CEO，你有许多东西要学。你有必要不断地重塑自己。国际一直在改变，你的公司一直在改变，技能一直在改变。所以我根本上每一天都在学习，当我飞到这儿的时分，我在看 YouTube 或许我在和我的 AI 说话。趁便说一下，我找了个 AI 当家教。我会问许多问题。比方，假如它告知我一个答案，我会问你为什么给我那个答案？一步一步告知我答案。履行推理或类比等等。我经过摧残我的 AI 来学习。所以学习的方法有许多。

关于 CEO 和领导力方面，我学到了什么？首要，你是 CEO，是领导者，但你不用知道悉数。你有必要对自己想要做的作业充满决心，但你不用承认。决心和承认性不是同一个概念。你有或许彻底自傲地寻求一个方向，一同又给不承认性留出空间，而这种不承认性的空间能给你供给你继续学习的时机。不承认性是你的朋友，而不是敌人。

第二点，作为领导者要强壮（strong），由于许多人盼望你的力气，他们以你的力气为食。可是，强壮并不意味着你不能软弱。也便是说，假如你需求协助，就寻求协助。所以我不断地寻求协助。

所以，软弱不等于短少力气，不承认不等于短少决心。

终究，做作业的时分，不要想着自己，要想着其别人。只需当每一个决议计划都契合使命和别人的利益时，领导者才是值得信赖的。要契合别人成功的利益。不管是公司内部的人、我的搭档、我的协作同伴、咱们服务的生态体系、咱们的供应链，我都在不断考虑其别人的成功。我一直在考虑什么对他们最有利。昨夜，我飞过来的时分，有人问我，咱们应该和一个十分重要的同伴评论什么？我说，给出契合他们最大利益的主张 —— 从他们的最大利益动身，考虑咱们该怎样做。我以为这些主意或许会有所协助。

沈向洋：你有 60 个直接部属，十分多。你是怎样做到的，这好像是你的共同领导风格。

黄仁勋：通明度。我会在咱们面前推理咱们需求做什么。咱们共同尽力拟定战略。不管是什么战略，每个人都会一同听到。因而，当公司有了方向、战略和决议计划时，每个人都在一同考虑。而不是每个人都在等着我告知他该怎样做。所以我仅有要做的便是：保证咱们都知晓相同的作业。

我一般是终究一个，会依据咱们所做的悉数来进行总结，比方哪些是大方向和优先事项。

一旦咱们都对齐了，也便是咱们都了解了选用什么战略，我信赖每个人都是成年人，会自行完结自己的作业。

我之前说到了我的行为 —— 不断学习，自傲但不承认。假如他们也不知道什么作业，我需求他们表达出来。假如他们需求协助，我需求他们向咱们寻求协助。没有人会单独失利。

此外，我这 60 个人都是国际上最优异的。

沈向洋：咱们也有些学生会去创业，他们会成为新的企业家。作为这方面的大师，你很年轻时就创立了企业，并取得了如此惊人的成功。那么关于想要创业的学生和教职人员，你有什么主张吗？咱们知道你承认曾许诺你的妻子，在 30 岁之前创立一家公司。

黄仁勋：我 16 岁上大学。我遇见我的妻子时 17 岁，她 19 岁。我是班上最小的孩子。咱们有 250 名同学，只需 3 个女生。我是仅有一个看起来像孩子的学生。所以我有必要要有一个很好的搭讪话。所以我走向她，我对她说，我知道我看起来像个孩子。（我坚信她对我的榜首印象是我很聪明，不然就没戏了。）所以我走到她面前说：你想看看我的作业吗？

然后我向她保证，我说假如你每个星期天和我一同做作业，我保证你会得到全 A。成果，我每个星期天都能和她约会，而我让她整天做作业。

然后为了保证她终究和我成婚，我告知她，到我 30 岁的时分，那时分我只需 20 岁，可是到我 30 岁的时分，我会成为一名 CEO。我都不知道我在说什么。

然后咱们成婚了。所以，这便是我给企业家的悉数主张。

大学生谈恋爱耽搁好好学习吗？

沈向洋：好吧，我这儿有一个学生的发问，他说自己在校园各方面体现都不错，但他需求专心学业。不过，他读到了您和您妻子的爱情故事。他想问的是，假如他糟蹋时刻去谈恋爱，会不会影响学业？

你的答案显然是否定的，对吗？

黄仁勋：那是当然。只需你坚持好成绩，其他方面就瓜熟蒂落了。

我老婆历来没看到我写作业的进程，但我就想展现出我很聪明的姿态。所以我总是在她到来之前就把作业写完了。这样当她来了之后，我现已知道了悉数的答案。成果，她或许整个四年都在想，「黄仁勋真是个天才」。

沈向洋：没错，你真是个天才。

校园的算力难题

沈向洋：方才你给了学生们一些很好的主张。趁便说一下，我这儿实践上有 9 页的问题，抱愧不能选择每个人的问题，我代表咱们的学生提一个问题。

黄仁勋：念吧。

沈向洋：我没有运用 GPT，不然能简略些。所以，问题实践上是，作为一名大学助理教授，现在做人工智能需求许多的力气。咱们之前说到的那点很有意思，华盛顿大学一位教授几年前在推特上写道，在深度学习革新中麻省理工学院显着缺席了。但他的意思并不仅仅是麻省理工学院，实践上，即使是美国的顶尖大学也没有做出奉献。曩昔十年里有太多开创性的论文了，而是一些顶尖公司，包含英伟达、微软、OpenAI、谷歌，完结了令人惊叹的作业，部分原因是他们实践上具有满足的核算才干。

所以，我的问题是，咱们应该怎样做？咱们应该参加英伟达吗？这却是一个方法。或许咱们能和英伟达协作吗？能请你帮助吗？

黄仁勋：这个问题的中心实践上是一个十分严峻的结构性问题，即大学的结构性问题。如你所知，未来假如没有机器学习，就不或许以咱们所说的规划推动科学开展。没有机器，就不或许有机器学习。科研作业需求科学仪器，而超级核算机便是当今人工智能范畴的科学仪器。

大学的结构性问题在于，每个研讨人员都有自己的资金来历。因而，一旦筹措到资金，他们就不想与其别人共享。可是，机器学习的作业方法是，你需求机器的一部分时刻，但需求的是悉数机器的一小部分时刻，没有人永久需求它的悉数，仅仅在一小段时刻内需求巨大的资源。事实证明，大学要想推动研讨，就有必要把悉数人的资金都会集起来，而这在斯坦福或哈佛这样的大学是十分困难的，由于在这样的大学里，尽管核算机科学方面的研讨人员能够筹措到许多资金，取得十分许多的赞助，但关于从事气候科学或海洋标志研讨的人来说，就十分困难了。

因而，现在的问题是该怎样办。我以为，这正是那些能够经过建造供全校运用的根底设备来发挥领导作用的大学能够真实发挥作用的当地。但这也是大学面对的结构性应战。这也是为什么这么多研讨人员来英伟达、谷歌和微软这样的公司实习、做研讨的原因，正如你们所知，由于咱们有根底设备。然后这些人回到校园一段时刻，要求咱们将自己的研讨成果保存在咱们的体系中，这样他们回来后就能够继续研讨。许多教授会这样做，客座教授也会兼职做研讨，但一同仍在教学。咱们就有好几位这样的教授。因而，有许多方法能够处理这个问题。当然，最好的方法是大学从头考虑怎样供给资金。

GPU 的能耗问题

沈向洋：但我想问你一个具有应战性的问题，一方面，咱们很快乐算力在不断大幅提高，价格也在不断下降。但与此一同，英伟达的 GPU 将耗费许多动力。据预测，到 2030 年，全球能耗将添加 30%。你是否忧虑由于 GPU，国际实践上正在耗费更多的动力？

黄仁勋：逆向思想的话，我要倒推的榜首件事是，假如国际运用更多的能耗来为人工智能工厂供给动力，那么咱们的国际就会变得更夸姣。现在，让我进行几个层面的推导。

榜首，人工智能的方针不是练习模型，而是运用模型。就像是，有些人上学的意图仅仅为了上学，这没有错。为了学习而学习。这是一件崇高的作业，也是一件十分正确的作业。可是，大多数学生来到这儿，投入了许多的金钱，投入了许多的时刻，方针是日后学有所成，学以致用。因而，人工智能的方针不是练习。

人工智能的方针是推理。推理的价值令人难以置信，它能够发现贮存二氧化碳的新方法，或许能发现新的风力涡轮机规划，或许能发现新的蓄电资料，或许能发现更有用的太阳能电池板资料，等等。因而，咱们的方针是终究发明出人工智能，而不是练习人工智能。

第二，人工智能并不在乎在哪里「上学」。咱们不用把超级核算机放在接近电网的校园里。咱们应该做的是，开端考虑把人工智能超级核算机放在电网之外，略微远离电网，让它运用可继续动力，而不是人口地点的当地。请记住，咱们悉数的发电厂都是为了咱们需求的电器而创立的，这些电器离咱们的房子很近，灯泡离咱们的房子很近，洗碗机离咱们的房子很近。现在，由于有了电，电动轿车也离咱们家很近。但超级核算机不一定要在人们的家邻近。它能够在其他当地运转。

终究，我期望人工智能在发现新科学方面能够如此高效和聪明，电网需求变得愈加智能。要知道，电网的供应是过度装备的，只需部分时刻供电刚好适宜，大部分时刻供电过剩。因而，咱们应该在许多不同的范畴运用人工智能来节省动力，削减资源糟蹋。期望终究咱们能够将这种节省下来的动力用作代替动力，比方到达节省 20% 到 30% 的方针。

终究，咱们都会看到，运用人工智能、运用动力来完结智能化，是咱们所能幻想到的对动力的最佳使用。

未来只需三种机器人能够大规划出产

沈向洋：你知道，大湾区（括香港、深圳、广州和东莞等地）近年来现已开展成为一个巨大的硬件生态体系。假如咱们今日想要制作一些风趣的设备，而没有使用大湾区的生态体系，功率将大打折扣，由于你简直无法在其他当地找到所需的悉数组件。一个很好的比方便是在大湾区生长起来的大疆（DJI），它是一家商业无人机公司，技能十分超卓。

那么，我的问题是，跟着智能的物理化趋势越来越重要，比方机器人范畴的快速开展，咱们将会看到更多的机器人运用。我假定其间一个特别类型的机器人是主动驾驭轿车。您怎样看待这些物理智能实体？这些机器人或主动驾驭技能会在作业和日子中多快地遍及？咱们又该怎样使用大湾区这个杰出的硬件生态体系？

黄仁勋：这是我国以及这个区域的一个特别时机。原因在于，大湾区现已在机电一体化方面十分超卓，机械与电子技能的结合才干很强。可是，机器人范畴真实短少的是能够了解物理国际的人工智能。

现在的谈天机器人（如 ChatGPT）或大言语模型，拿手处理认知智能和常识层面的使命，但它们并不了解物理智能。比方，当我把一个杯子放到桌子上，它们无法了解杯子不会穿过桌子。因而，咱们需求教会人工智能了解物理智能。

实践上，咱们在这方面现已取得了一些发展。例如，你能够用生成式 AI 将文本转化为视频。假如我输入指令，让 AI 生成一段视频，展现「黄仁勋拿起咖啡杯喝了一口」，AI 能够完结这个使命。假如 AI 能够生成这样的场景，那为什么不能进一步生成操作指令，让机械臂真实去拿起咖啡杯？从生成式 AI 到通用机器人的跨过现已十分挨近了。所以，我对这个范畴感到十分振奋。

咱们现在有三品种型的机器人能够完结大规划出产，简直只需这三种。前史上呈现过的其他机器人品种，规划化出产十分困难。规划化量产十分重要，由于只需大规划出产才干构成技能飞轮，带来高额的研制投入，然后带来更大的技能打破，进一步扩展出产规划。这个研制飞轮对任何作业都是至关重要的。

实践上，只需三品种型的机器人能够完结真实的大规划出产，但其间两种的产值会是最高的。原因在于，这三种机器人都能够直接布置到现有的国际中，咱们称之为棕色场布置（在现有的体系、设备或结构的根底上进行晋级或改造，而不是从头开端或在全新的环境中进行）。

榜首种是轿车。由于在曩昔的 250 年里，咱们发明晰轿车的国际。第二个是无人机，由于天空是适当无限的。可是体量最大的当然是类人机器人，这是由于咱们这个国际是为自己发明的。有了这三品种型的机器人，咱们简直能够将机器人扩展到极大的体量。这是像大湾区这样的制作业生态体系真实具有的优势之一。

大湾区是国际上仅有一个机电技能和人工智能技能能够一同蓬勃开展的区域。这样的状况在其他当地并不存在。你能够看看其他两个首要的机电技能产业中心 —— 日本和德国，但惋惜的是，它们在人工智能范畴落后了不少，的确需求尽力追逐。而大湾区在这方面不存在这个问题。因而，这是一个十分共同的时机，我会强烈主张咱们捉住这个时机并充沛使用它。

告发/反应