问题在于用怎样的方式建造呢？我认为，Android与云计算是完美的解决方案，这种计算模型很好。从长远来看，AI组件相当重要，Shield可以达成目标。开发Shield的初衷正在于此，它现在变得越来越真实了。

　　问题：最近我看到了一台AI冰箱，你觉得AI在家里会以怎样的形式存在？它会成为家电的一部分吗？

　　黄仁勋：我相信家庭电脑会与住宅最大的屏幕连接，也就是电视。对于某些人来说，家里如果只有一块屏幕，他们可能会放在有趣的地方，但是还有许多地方你想监控，想控制，你想看到信息，甚至还想观察婴儿，你还想控制安全摄像头，希望与朋友用视频聊天。

　　GPU与CPU之争

　　问题：有一点还没有谈到，它就是GeForce Now流媒体平台。我曾经试用过Grid，在许多不同的平台中它很实用。你们准备如何将产品推向全球呢？你们有没有建造自己的数据中心，或者与其它人合作？如何确保画面不延迟？

　　黄仁勋：回答是肯定的，我们的确与许多不同的人合作。现在建造数据中心比过去更容易，我们有GPU，有云服务，遍及全世界。亚马逊有GPU，微软也有GPU，谷歌也有。它们的数据中心使用了我们的GPU，我们可以将数据放在它们的数据中心。我们可以在同一地方建造某类数据中心，它是高度GPU化的数据中心。我们可以做许多不同的事，现在全世界到处都是云计算数据中心，它已经商品化。

　　问题：为了发展AI汽车业务，最近你们宣布与博世合作，这次合作有多重要？

　　黄仁勋：非常重要。汽车产业的供应链非常特殊。汽车OEM制造商开发视觉技术，设计架构，甚至还承担部分工程工作，但是大多的工程工作是一线企业完成的。

　　问题：回到GeForce Now，它可以在Mac电脑上运行。我对Nvidia与苹果的关系有点好奇，你们的关系有多密切，你们还可能会与苹果在哪些方面合作？

　　黄仁勋：我们与苹果的关系很好，但是这是一个开放的平台，是一项网络服务。我们与苹果并没有什么好谈的。

　　问题：虽然Cuda在编程时很有吸引力，但是也有一些人暗示说，神经网络的运行及其它一些任务（比如训练云计算）可以用定制芯片完成，比如ASIC或者半定制芯片，以及某些应用特定使用的标准FPGA。市场可能会远离GPU，你对此有何看法？

　　黄仁勋：首先，GPU本身就是定制芯片。Cuda正在以非常快的速度进化，在处理不同任务时越来越好。开发Pascal时我们下了许多苦功，我们想彻底改变深度学习架构。你将会看到我们付出更大的努力。

　　我们一直认为自己的GPU就是定制芯片，我还相信，在处理深度学习之类的任务时使用通用处理器并不是很好的主意。正因如此，我们才会让GPU、Cuda不断进化，增加面向深度学习的定制功能。

　　问题：依你之见，GPU相比CPU最大的优势是什么？尤其是在自动驾驶、AI领域。

　　黄仁勋：CPU与GPU是不同的东西，电脑两个都需要安装，就像盐和辣椒一样。CPU用来处理指令，GPU用来处理数据。CPU非常敏捷，GPU可以用非常快的速度完成大量工作。GPU类似于喷气式飞机，而CPU相当于战斗机。一个很快，一个吞吐量很大。如果我要处理庞大的任务，就会选择安装大引擎的大飞机，也就是GPU。CPU与GPU很不相同，具体要看你处理的是什么任务。一个是卡车，一个是摩托，一个敏捷，一个吞吐量大。

　　问题：在AI运算中，云计算与边缘设备相比有着巨大的优势，如果未来这种运算模式形成，两类产品会不会有一种萎缩？

　　黄仁勋：我认为两者都会继续增长。不错，云计算的确增长很快，原因在于我们可以将小网络、人工网络放进边缘设备，让边缘设备变得非常智能。当边缘设备越来越智能，AI的响应时间就会大幅缩短。你可以与机器人顺利交流，延迟时间更小。从另一方面来看，云计算需要的宽带带宽也会更小。

　　我们需要减少云计算的流量。现在全球有几十亿台设备，未来智能设备可能会达到1万亿个，它们不能将所有识别视频全都上传到云端。我们要在本地完成识别任务，只将元数据传到云端。

　　问题：在过去几十年里，AI一直在失败，直到过去几年才成功。用你的比喻来形容，AI只是在等待卡车到来，然后就可以前进了。