黄仁勋：不玩X是我太内向，现在为AI必须站出来

哎呀，原来老黄之前不玩（原推特）是因为害羞（doge）。

这次是因为想说的话太重要了，才终于克服了内向：

直到二零二六年, 我总算在X上面发布了第一条帖子, 这完全能够表明我有着多么内向的性格, 我差不多是地球上最后才这么去做的人了。

然而, 我所发布的内容, 那对于我自身而言是极其重要的, 对于整个行业来讲也是至关重要的, 对这个世界同样是有着非凡重要意义的, 所以, 我战胜了自己内心的害羞之感, 从而做出了公开发表言论的选择, 紧接着就把第一条内容给发布出来。

这一关键重要内容, 其核心紧紧围绕着AI的开放生态环境氛围。黄仁勋于第一条推文中分享了一封由英伟达、谷歌以及多众多家公司联合署名的名曰《Open and AI》的公开信件文书, 并多次进行呼吁倡导构建开放开放生态。

此刻, 最新的动态已然呈现, 老黄于时长将近1小时的《Huang: The That Built》的访谈之中, 疯狂地爆出诸多金句, 且高能持续不断, 接连涌现:

本文在保持原意始终不变的情形之下, 借助AI针对访谈内容文字实录开展了精细校对。

愿你读完后有所收获：

三本教科书，救活英伟达

为主持人, 现今存在诸多学生, 他们仅仅熟知英伟达位于AI领域彰显出的领军之地位, 要是打算促成他们去知晓公司发展之成长原本所奠定下的根基, 您认定最应当去了解早期这段故事当中的哪一个部分呢?

黄仁勋称, 多数人都不会相信, 在创业之际, 我们所选定的用于技术研发的方向, 实际上全然不正确。那时, 我们一开始图谋去重新搞出新式的3D图形技术, 怀着坚定的信心觉得凭借可以加速运转速度的装置去强化通用性有着中央处理器, 就能够把那些未曾获得解决办法的难题加以消解。

1990年时候, PC还未广泛普及, 我们这群在游戏机时代成长起来的人, 想着把每一台PC都弄成游戏机, 将超级计算机的算法放到个人电脑里面, 我们因新算法而十分兴奋, 还做了严谨的深思熟虑的推演, 之后就打算去创办公司来实现它。

最终, 用以支撑公司创建的算法以及技术, 均被证实为全然谬误的。在1995年的时候我们才有所觉悟, 然而却差不多已然为时过晚了——那个时候大概有三四十家公司都在从事PC 3D图形方面的工作，我们发觉这条道路根本无法通行。当回到公司去商讨应对策略的时候我讲道: “要是不正视实际情况、不转向正确的算法, 公司就会不复存在了。”。

接着, 有人跟我讲, 在我们这群人里头, 没有任何一个人晓得正确的做法究竟是啥；那时, 我们不但技术选得不对, 就连正确的办法都不掌握。

那一天于我而言有着重大意义, 那时我的兜里仅剩下几张面值为60美元的钞票, 总计也就百来块, 我前往Fry’s购买了三本教科书, 这些教科书全都是围绕关于画面色彩和光影等效果的渲染管线设计方面的。

公司方面, 要我把一些书带到公司那地方然后交给这些工程师们, 之后呢, 发生了一些事, 大家都清楚知道了。我们对计算机图形学进行了重新的、别样的定义, 成为了现代计算机图形学领域在全球范围的、处于领导地位的存在, 在过去的25年，诸多重大突破, 大多数都是从我们这里产生出来的。

人人皆认为英伟达生来便是3D图形范畴的王者, 然而实际上我们是从三本教科书开端的。说来荒诞不经, 我们乃是先创立公司、融了资金, 才去购置教科书从头开始学习的。这使我彻彻底底明白一个道理:

技术始终处于迭代当中, 假使你可以正视实际状况、维持学习的本领, 那么既有的技术储备根本就不是决定性的因素。

打从那之后, 英伟达持续冲入陌生范畴, 创造了不计其数绝无仅有的技艺。我们针对每件事情都秉持同样的态度: “这件事情存在重要性吗? 若重要那就去研习！究竟可能会有多困难呢? ”。

哈哈笑, 当然, 结果常常会显得较之预想起来更是困难重重, 然而你务必始终都要怀揣着这般迎着困难而上的那股劲头去展开行事。

英伟达真正的赌注是加速算法，而不只是造芯片

主持人：英伟达真正瞄定的大方向是什么？

黄仁勋称, 我们公司切实确定的大方向为, 能够借助加速器强化CPU, 用以处理那些原本很难达成的问题。分子动力学, 图像处理, 逆物理, 以及各类算法均在这个范围之内, 然而深度学习是其中最为关键的主线。

为造就如今的英伟达, 从很早的时候起我们就已然知道, 重点并非是去制作出一块超厉害的芯片, 而是着重于加快一个算法方面的推进。

我一直都深信这样一点, 那就是造就伟大公司的乃是你对于世界所拥有的一个独特的视角, 是那种任你怎样深信不疑的视角。它并非单纯的技术方面的问题, 它也并非单纯的市场方面的问题, 虽然无论技术还是市场二者都是不可能缺少的。然而要是能够于正确的时候, 依靠正确的技术切入至正确的市场当中, 那么前行的道路自然就会顺畅好多了。

一种对于重要事物的未来, 怀揣着高层次的愿景, 拥有独特且坚信的视角, 且追求这一愿景的本身就满是挑战, 当这些要素齐备, 便构成了成就卓越的基石 标点符号: 句号、逗号, 不能有顿号等等, 不能用引号之类的标点符号。

我们在很早的时候就做出了判断, 加速计算会在未来的时间里扮演重要的角色, 而事实也证明了, 它确实变得至关重要了。

在此同时, 历经这么多年的时间流逝, 我们当初做出的另外一个判断, 也已然获得了验证, 那就是: 加速计算的关键之处在于算法, 并非仅仅只是芯片自身而已。

英伟达, 经历过从500万美元极限生存阶段, 走向3亿美元IPO历程, 其直面生死攸关的时刻, 靠着满怀坦诚获取到了救命的关键支撑。

那身为主持人的人发问: 你讲述了诸多指向创始人的艰难之处这般情况。是否存在一些故事是你脑海里印象格外深刻的那种呢?

黄仁勋表示, 让我们察觉到算法选错过的, 恰好就是和世嘉开展的合作。我们起初规划是进行芯片开发, 然而因技术存有根本方面的缺陷, 根本没办法去履行约定。

于是, 我前往了日本, 朝着当时身为CEO的入交昭一郎, 坦诚相告: 我们所签订的那份金额大概为1200万美元的合同, 确实是没办法履行下去了。

我朝着他真挚无误地说明了我们这个既定项目无法达成的缘由, 并且给出建议让他去选择别的人家承接来做。

然而, 在讲完这些之后, 我再次鼓起勇气补充了这么一句, 那就是, 可我依旧是需要这笔钱的。你能够想象得出那个场面……

那时, 他满心疑惑, 说道, 你已然没办法履行合同了, 却还妄图索要合同里的全部钱款, 是吗?

我讲着: ‘没错, 这是我所希求的。’不容置疑, 我的态度尤为恳切, 所做出的阐释均能经得起推敲且无可辩驳, 他能够察觉到在我的表述之际并无虚假成分存在。

倘若他不曾给我们这笔款项, 那我们确实将会陷入经营倒闭的境地。我认为今朝诸多情形亦是如此这般 -- 你予以投入的并非唯独只是公司, 还有公司内里的人员。

认为我们这群人可信赖、靠谱, 这份合同值得信任, 还期望见到我们坚持到明日的入交先生, 因此最终抉择信任我们, 进而支付了500万美元。

让我们得以存活下来的, 正是这500万, 它为我们争取到了去寻觅新出路的时段。

不只是一个模型，它改变了看问题的方式

主持人问道, 之前自己认为, 没有人能够切实真正预见到, GPU以及其所构建而成的相关技术, 对于AI革命而言是这般重要。想问问你看到了些什么。是由于加速器, 再加上合适的时机有利的地势吗。还是因为长久诸多的积累, 最终致使出现了这所有的一系列情况。

黄仁勋表示, 实际上他跟其他所有人是一样的情况, 均关注到了某情况。然而, 他观察事物的角度存在差异, 他总是在寻觅“算法”, 此算法有可能是NAMD、VAP , 而且情况较复杂, 甚至也有可能是SQL , 另外，还说不定是什么某个领域专门使用的语言, 或者某类特定算法。他持续处在琢磨的状态, 思考究竟哪些问题自己这边能够提供帮助。要一直到一个相关事物出现之后, 他才察觉到, 原来这个算法就是深度学习。

对于我们而言, 突破之处在于认识到, 并非仅仅如此, 它属于一种深度学习方式, 能使你掌握任何函数。故而在15年之前, 我便四处跟众人讲: “嘿, 你猜怎么回事? 我们刚刚发觉了！只要给予它函数的答案当作样本, 它便能自行学会那个函数。并且对于诸多函数来讲, 你并不需要做到绝对精准——实际上根本不可能做到绝对精准。所以大部分真正有趣的问题, 本质上皆是这般不精确的。”。

在我们察觉到自身已然具备通用函数逼近器（）的那一日起始, 问题便转化成了: 这于计算栈而言意味着什么? 对于软件来说意味着什么? 这将会对哪些行业予以冲击? 诸如此类的情况。

随后, 我们差不多马上就开启了对计算机视觉的研究, 紧接着又着手于机器人研究, 之后还开展了自动驾驶分析。

凭着这样一份基础能力, 计算机视觉领域的好多难题有了新解法, 机器人领域的诸多难题也有了新解法。

故而, 实际的突破并非只是如此这般而已, 而是呈现为一种别样全新的软件开发模式。它会对处理器、中间件、算法以及应用程序进行再度定义, 进而致使整个计算产业发生改变。

我们所要去做的事情, 便是持续不间断地针对诸多事物展开逐点的推理行为, 一直推进到寻觅到最为基本的原理为止, 而后由第一性原理起始进行深度追问, 如果它确实是有效的, 那么紧接着还将会发生什么样的改变呢?

CEO不能照搬管理模版，要构建一个真正适合你的团队

主持人：你对如何建立公司、如何领导团队有什么建议？

黄仁勋表示, 他的工作起始于好奇心, 当碰到重要问题之时, 他惯于亲自去寻觅答案 如有一项信息被他觉察到对公司具备价值 那么他就会尽自己最大能够去学透彻 此后并且才会分享给团队。

我觉得CEO的责任, 是深入到最前线、透彻地掌握技术, 再凭借自身的洞察力为公司赋予能量。特别是在技术更新换代极为迅速的行业当中, 一旦CEO不亲身潜入到各个细节里, 就实在很难确切地判定究竟正在发生着什么。

宛如冲浪那般, 旁观者仅瞧见混乱状, 然而冲浪者却能够读懂海浪, 且驭浪前行的姿态自如。CEO亦是相似, 唯有亲身下场开展研究探索, 才尽可以理解变化状况呈现, 拆解所遇众多问题, 引领所在公司笃定无阻往前前行姿态展现。

对公司进行管理, 就好像打造一辆要由自己来驾驶的F1赛车一样, 创立公司的人不需要被传统的管理模式束缚着, 相反得依照自身的特性来调适组织, 调整流程, 改变工作方式, 以此让整个公司能够更有效率地达成使命。

至于下一任CEO，自然会按照自己的方式重新改造它。

AI时代，系统思维会变得更重要

主持人: 你始终不间断地留意着从材料开始 , 历经芯片 , 一直到数据中心以及应用的一整篇完整的技术链条 , 并且也有过很多回谈论到和等智能体。面对这一座全栈样式的AI工厂 , 往后人们最为迫切需要拥有的是什么样的能力呢?

黄仁勋：我认为，未来最重要的能力之一是系统思维。

曾经, 我们得亲自去设计晶体管, 还得设计门电路, 以及设计功能模块, 在现今当下, 好多那底层的工作已经是能够自行去完成的了。软件同样也会历经相似的那种变化, 数量众多的编码工作将会被交给Agent。

所以, 人类得站到更高处, 从系统的角度去思索: 所要解决的问题是啥? 存在怎样的一些约束? 输入和输出分别是什么? 处理器、内存以及网络应当怎样相互配合呢?

这些基础知识不会过时，反而会越来越重要。

现有的Agent已然拥有了一定程度的自我改进本领, 它们能够于运用期间去更新自身记忆, 整理相关信息, 甚至于构建知识图谱, 进而使得自身越随着使用越发聪明。

但那切实需要去解决之道, 乃是可控性。我们可不可以仅仅改动计划里的一个词, 进而令Agent精确调整一个像素, 或者一个零件, 又或者一条连接, 而非将所有内容再次进行完全生成呢?

我觉得那种Agent并非非达到百分之百准确才具备价值, 纵使它能够达成百分之八十, 剩余部分由人来补充, 这同样足以提升效率。

关键在于，人能否精确地控制它，并与它稳定协作。

所以, 我觉得可控性极有可能是Agent后续阶段最为关键的突破点。

每个人、每家公司，都该拥有自己的AI

主持人: 你觉得, 人们应不应该把控住归属于自身的个人AI, 而不是把决策权彻底交予云端智能体? 这种有关本地化以及自主权的需求, 是不是英伟达深度谋划智能体生态的核心动机当中的一个。

黄仁勋称, 首先, 那此Agent这般全新软件形态状况当中的蕴含内在要点信息, 我们需予以领会明白, 毕竟其正是Agent。

对于计算机体系结构来讲, 理解这种新的软件处理的流程是非常关键重要的。当我们对于Agent的本性本质加深理解, 对于和聊聊天的机器人之间区别搞明白些, 不仅如此, 对于和早一些时候推理模式那些区别同样领悟得更深刻, 以及对于这些处理层级本质的 grasp 也就便会更透彻, 这样之下就能够设计出越完美越好优秀的系统。

一套系统从研发开始, 当中要经过历经大概十几年跨度, 才能在量产之后投入使用。英伟达得提前五到十年去为相关事宜做思考, 所以, 你必须拥有洞察未来趋势的能力。

其次, 在英伟达内部, 我们也于较大范围使用Agent。使用的人当中, 有的用Code, 有的用Codex及别的……我们倡导各种方式发展, 使得员工能够自由挑选他们打算使用的工具, 继而依据实际运用情况深入研习怎样将系统改善, 为提升公司运作效率贡献力量。

首先, 我们会从一些早期的技术信号里进行未来的推演, 比如说, 斯坦福大学早期存在的思维链, 使我们察觉到, AI能够借助先验知识去推理, 且并非要完全依赖海量的训练数据, 凭借这般判断, 我们进行了开发, 让自动驾驶系统在不需要积累海量驾驶里程的状况下就可以开好车, 它能够分析陌生的情况, 而不是仅仅依靠见过的案例来作出反应。

大语言模型明白无误地还需要具备记忆, 以及拥有工具, 还有先验知识, 另外还要有与其他Agent协作的能力。越是能够早早地看清这些需求, 那么往往就越有可实现帮助你获取跨越式发展的可能。

主持人表示, 英伟达好像总是能够在新的技术露脸之后, 马上就投身到开源之中。当新技术初次登场之际, 有人存有担忧, 觉得它欠缺安全性, 然而你们迅速就推出了沙箱工具包, 给它设置安全防护。

黄仁勋表示, 当看到的时候, 我的最初反应是, 这便是现代计算机的全新形态, 它属于承载大语言模型的操作系统, 所以对我来讲, 这就是一个“Linux时刻”。

此刻, 每一个人均有机会去构建自身的AI, 我们联络了相关团队, 告知他们, 英伟达乐意给予工程方面的支持, 助力他们化解问题。

我坚定不移地相信, 世界是需要给予每一个人去构建自身 AI 的能力的。当然了, 我同样是鼓励大家尽量地去使用诸如、等之类的云端服务的。然而企业是拥有属于自身的数据、知识以及业务流程的, 并且也是需要构建在自身领域范围之内的专用 AI 的。现如今借助像、等之类的工具, 做这件事情已经是变得容易了许多的。

我们希望每个人、每家公司都能构建自己的AI。

主持人表示, 正因为其处于开源状态, 所以自己认为真正的超额价值也就是Alpha, 在于去构建属于你自身的AI, 别人所使用的是已然现成的通用产品, 然而你却拥有能够进行递归自我改进的系统, 人们对于文件持有不以为意的态度, 觉得“哈, 那仅仅只是文本”，但实则文本自身便是智能。

黄仁勋：是的。因为语言就是思想。你很难脱离语言进行思考。

AI消灭的是任务，不一定是工作

主持人：当智能变得唾手可得，经济和就业会发生什么变化？

黄仁勋称, AI所带来的影响, 不会以平均的情况落在每一个人的身上, 诸多重复性的任务, 尤其是那些能够凭借现有数据去完成的认知任务, 均会被自动化, 每一份工作会因之发生改变, 同时还会涌现出大量新型的工作。

但那种认为“AI会摧毁工作”的说法, 完全颠倒了事实, 绝不能将任务与工作彼此混淆。一份工作常常涵盖诸多任务, AI能够使其中一部分实现自动化, 然而却不见得会致使整份工作就此消失。

暂且以软件行业为例来说, 编码正处于被自动化的状况之中, 然而软件工程师的岗位数量相较于同期增长了大概10%。这是由于企业积压下的想法以及需求数量太多, 在编程效率得到提高以后, 反倒能够让更众多的工程师去完成更多的项目任务。

医疗行业同样是这般情况, AI能够助力读取医学影像, 使得医院能够接收以及诊断更多患者, 而若要为这些新增患者提供服务, 却依旧需要更多医生, 更多护士, 以及更多放射科医生, 在过去几年里, 放射科岗位数量反倒增长了大约20%。

法律行业情况也是这样, 以往有人觉得法律AI 会将律师助理取而代之, 使律师岗位得以缩减, 然而待律所处理案件的能力得到提升后, 律师助理岗位实际上却出现了大幅的增长, 究其原因是需要更多的人员来承接新增加的业务了。

这便是生产率提高所引发的一系列连锁反应, AI首先致使人们去完成更多工作, 借此推动了业务的增长, 而这份业务的增长, 进而营造出更多的就业岗位。

今天的就业总量比我刚毕业时还要多，正是这个道理。

机器人将成为英伟达下一个千亿美元业务

主持人说道, 聊毕软件以及智能体之后, 再来谈论一下物理世界, 那真正能够投入进行使用的实用机器人, 距离我们究竟还有多远呢?

黄仁勋：生成式视频的出现，对我来说是一个重要信号。

早在几年之前, 当AI具备生成手指发生移动, 伸手去拿起杯子的视频的能力之时, 我就已然意识到, 既然它能够生成呈现这些动作的视频, 为何就却不能够让机器人也去完成同样的动作呢? 就在那一个时刻, 我便已经知道, 机器人的具身操控能力已然是近在咫尺了。

机器人不能仅仅生成那种直观感觉合理的动作, 它还得精准把握真实世界之中存在的因果关系, 并且要熟知像摩擦力、张力这类跟物体相互作用紧密相关的物理规律才行。我们着手去研究“物理AI”以及世界基础模型, 缘由就在于此: 通过这样的研究, 能够达成让AI不仅仅简单识别世界, 而是更深入地理解世界究竟是以怎样的方式运行着的目标。

于我而言, 机器人的那个“时刻”早在几年前便已然出现了。恰似早期之时虽不一定能够直接创造出生产力, 然而却致使所有人都目睹到了其中存在的可能性；当机器人借助强化学习, 于符合物理规律的模拟环境里四处行走之际, 同样也开启了与之相类似的想象空间。

接下来, 我们要构建一套完备的训练跟评估体系, 首先借助Real-to-Sim把现实世界转变为模拟环境, 凭借Isaac Sim等平台开展基于物理的训练以及评估, 接着通过Sim-to-Real, 依靠强化学习把在模拟中所学到的能力转移到真实机电系统上, 这三者一道形成了机器人的评估与后训练验证体系, 我坚信, 实用机器人的爆发就在眼前。

主持人: 物理人工智能最先会于哪个领域创造切实的经济价值? 当下已然看到了吗?

黄仁勋称, 我们很早便做出判断, 那一判断为自动驾驶汽车会是物理AI最先达成规模化落地的范畴, 为何做此言判呢, 缘于此存在一个情况, 什么情况呢它的市场十分庞大足够, 同时技术处于相对标准化层级阶段方面。有这样的好处能够凭借持续不断地展开收集数据的行动, 以及对模型的改进优化, 进而形成增长飞轮, 并且其还具备真实的经济价值这一特性。

所以, 英伟达修筑了自车载芯片、数据中心直至软件平台的完备技术堆叠, 且开源了我们投身其中的Myo项目。开源缘由在于, 自主导航能力含有广泛的通用性: 农业机械、末端配送、仓储AMR（自主移动机器人）等情景都对其有需求。这些单个市场虽不像汽车那么巨大, 然而聚合起来足够多元多样, 值得为其构筑完整生态。

如今, 英伟达有着机器人与自动驾驶业务, 这业务也就是物理AI业务, 其规模现已逼近100亿美元范畴。该业务不会于短期内一两年就全然成熟就绪, 并且也不会延续耗费悠长的十年时间等待发展。

相信, 物理人工智能有成为全球最大产业范畴之内一员的可能性, 亦会成为英伟达后续千亿美元业务范围之情形领域。

现代AI的发展，根植于开放生态的持续繁荣

主持人说道: 我想要凭借这个机会, 代表处于现场的所有的人, 对你加入（原推特）表示欢迎。对你所迈出的这一步予以感激, 对你所具备的领导力同样予以感激。开源这件事、开放权重这件事以及开源模型这件事, 对于我们所有的人而言, 都是至关重要的。

黄仁勋, 一直到2026年, 我才在上面发了第一条帖子, 这足够用来表明我有多么内向呀。

但我发的内容对我来说太重要了，对整个行业太重要了，对世界也太重要了。所以我克服了自己的害羞，选择公开发声，并把第一条内容发了出来。

如果没有开源技术，移动互联网和云计算产业根本就不会诞生。

倘若不存在Linux等基础设施方面开源的这种情况 , 要是没有Caffe等深度学习框架接二连三的出现 , 那么我们究竟又怎么可能会拥有现代AI呢?

主持人：感谢您的领导，您的发声在这里至关重要，谢谢。

学习是一个人最伟大的超能力，韧性可能是创业者最重要的品质

主持人提问, 面对AI所带来的变化, 年轻人当下应该学习些什么, 才可在将来维持竞争力?

黄仁勋表示, 简单的那些事情将会被自动化, 其中涵盖了许多基础的编码工作, 就如同我这一代的人, 曾经是必须要学习长除法的, 然而现如今, 它早就已经被交给计算机去完成了。

然而, 那些确实颇具难度的问题并非会全然不见。物理这一学科, 化学这一学科, 生物这一学科, 计算机科学这一学科, 计算机工程这一学科, 系统思维这一方面, 还有这些学科所相交形成的领域, 依旧是需要有人去开展探索的。

人工智能仅仅是使得我们具备了更强的能力, 并且也让我们更加迫切地要去处理那些极为宏大同时又极为艰难的难题。

当我刚刚毕业之际, 去设计一块具备1000个晶体管的芯片此种情形已然堪称非常了不起了；而在当下的今天, 如今我们所直面的却是万亿级晶体管数量的芯片。随着工具取得进步之后, 问题所呈现出的规模便不再会成为一种限制了。

故而, 别先是去计算所需编写代码的数量, 以及投入工程师的数量规模, 而是首要去问这么一个问题: 我实实在在究竟是想要解决什么样的问题呢?

往后, 越是善于系统思考, 就越发能够调动数组AI共同解决问题, 进而就越具备优势呢。

存在大量机会的是深科技、基础科学、技术与社会相互交叉的地带, 所以去上学, 要像以前那样, 好好待在学校里。

主持人提出问题, 要是能够将相关内容发给处于18岁至22岁这个阶段的自己, 无论是一封电报, 还是一条信息, 那么会表达怎样的话语呢?

黄仁勋称, 创办英伟达之际, 我跟Chris以及Priem三个人都觉着有超多东西有待学习, 然而我差不多啥都不懂。那个时候不存在, 并且也没有YC来教你如何创业。我唯有去书店买了一本名为《如何创办公司》的书, 结果发觉它竟然足足有500页。我心里想着, 等把这本书读完, 公司估计早就倒闭了, 我与妻子Lori肯定早就 money 紧张了。

但是随后我清楚了, 那些事情实际上都并非关键。你总归会存在不理解的事物, 世界每日都在持续演变, 绝不可能等到所有都通晓了才着手。现今或许是先前60年里最适宜开展创业的时代。整个计算行业正被再度界定, 这是人类进程中最重要的一回技术重新调整。你们所面临的机遇使我极其艳羡。

当碰到新技术, 或者新出现的市场, 又或者是新萌生的问题之际, 我一般会自行告知自己, 这具备相当的重要程度, 我必须要在较短的时间内掌握, 随即便要去着手做些什么。它究竟能够有多困难呢?

然也, 最终常常较想象之中难上许多。但切莫提早沉浸于困难当中, 致使对失败的想象演变为焦虑以及停滞。

开始先动手, 让困难于向前行进的进程里逐个逐渐出现, 随后再逐个将其解决, 况且当下, 存在着许多能够提供帮助的AI Agent。

用于个人的最为伟大的超能力是学习, 对于创业者而言最为重要的品质说不定是韧性。

你用不着在一日之内, 就将整个人生都征服下来, 仅需先把今日挺过去, 把当下眼前的难题给解决掉, 然后朝着明天再迈进那么一步就可以了。

若你确确实实由衷地信奉某件事情, 那么就付诸行动。别任凭恐惧、焦虑或者那份不自信将你阻碍住吧。

你可以始终坚定地告诉自己：

我会一路披荆斩棘，笃行不怠，直到迎来属于自己的成功。

完整访谈：