剛好有幸朋友傳了這篇給我，趁著腦迴路還夠用的時候，來進行一些內容摘要與心得分享。
在提到演講內容之前，必須先有的一個概念：摩爾定律，由Intel的創始人之一摩爾所提出的，內容大概就是積體電路上可容納的電晶體數目，約每隔18個月便會增加一倍。然而隨著科技的進步，電晶體也越做越小，小到一個極限後，摩爾定律也即將走到極限。
但是人類對於運算能力的需求仍然是無止境，尤其是到了AI的部分。
先簡略介紹一下我比較清楚的阿法GO，可以說圍棋AI的出現改變了圍棋生態，幾乎所有的頂尖棋手、冠軍棋手都必須師從AI，越擅長理解AI算力的棋手能在比賽中走得越遠。一個剛學會圍棋規則的AI，可以在幾週內透過模擬，自己與自己下幾十萬場棋局，而在這過程中累積經驗與算力，從而遠超人類。
而這些模擬與累積，除了在圍棋上，也可以應用在各種方面。比如「跑步的機器人」。人類研究機器人已經很久了，但是自然的跑步動作其實很難模擬，我們利用小腦與三半規管完成了非常微妙的平衡，才能做到這樣的動作，但是如果玩過模型的都知道，讓模型擺出一個姿勢後光是好好的站立都不容易，更不用說跑起來不會左右摔倒。
但是透過AI，可以直接創造一個虛擬的環境，在這環境中可以有重力，所有的零件都有其密度與重量與剛性，也有符合運動定律的虛擬環境。而在這之中的虛擬機器人，可以透過反覆的跑步、跳躍、走路、跌倒去累積各種運動經驗。經過幾百萬次的各種地形的模擬後，得到一個歷經淬鍊反覆訓練後的優秀程式，也就是電子小腦了。
而說不定這樣的小腦，是可以在一個開源空間裡，供人販賣、下載的，這也就是演講中所說的，如何在最新的世界中，像電力被製造出來可以賺錢一樣，有意義的數據將被製造出來，並且有其金錢價值。
可以說以前的AI還在進行蒐集大數據經驗，而新的AI可以透過直接模擬環境，自行製造出他所需要的大數據。
說些比較科幻的部分，在電影星際效應中，最關鍵的，不就是庫柏從黑洞中的五維空間將奇異點的數據傳回給女兒墨菲，才得以使她完成重力方程式的嗎？
以黃仁勳的說法來看，似乎輝達本身也已經將最花時間的晶片設計，交給AI來負責了。假若設計上的探索將花去大量的人力與時間，那麼交給AI將能得到大量的助益。
科技面的部份大概如上。如果順利的話，將會是一個眾人以AI製造各種需求數據，小到居家設計、電動汽車路線規劃、天氣預報，大到說不定連公司營運、組織運作都可能可以交由AI創造理想數據來完成。
來說些人性面的部份。
在演講中說到，黃仁勳習慣的是60人與他進行直接的匯報，而且照他的說法多半不會是一對一，他認為這是一種平等，一種賦權，同時他對每個人的反饋也覺得應該是所有人平等的學習機會....
但是在一般的環境，或者說，平庸的環境中，這其實很難辦到。會出現太多的政治活動與人際關係，在接收到上級回饋的同時出現。
簡單來說，這樣的環境，除了需要相當高程度對自我有追求，對願景有追求的有才之人聚集以外，還需要一定程度的信仰才行。(純粹無感或許也辦得到在眾人面前接受回饋，但是考慮到純粹無感之人無法做好一個管理者，因此不做考量)
偉大的事情能被完成，不會是倚靠一個人，而是倚靠一群人。而在這前提之上，單純的智商並不能完成任務，需要的是更全面性的關係。
輝達齊聚了一群了不起的人，然後一起做些了不起的事，所以能成就出了不起的願景。
在這點而言，我認為黃仁勳是比賈伯斯更理想許多的科技領導者，至少他深知固執不可行，也理解商業性的重要。賈伯斯的成功或許只是一種倖存者理論，有許許多多跟賈伯斯一樣的完美主義者(比如拍戲拍到破產的魏德聖)，但是成功者的自傳會被傳誦；而黃仁勳的行為模式終將累積出一種成功。
或許也像是馬斯克一樣，能多次的成功絕非偶然。
我們活在一個改變速度超越想像力的世界裡，對這點充滿著感謝。
