社区

2024年4月17日，英伟达CEO黄仁勋Jensen Huang参加Cadence LIVE硅谷2024大会，对话全球最大电子设计自动化EDA软件公司Cadence CEO Anirudh Devgan，讨论 AI与加速计算在塑造行业大趋势方面的关键作用，英伟达与 Cadence 如何合作推动EDA、SDA、数字生物学与 AI 领域转型变革。

2024年1月8日，美国AMD超微半导体公司董事长、CEO苏姿丰近期参加微软CTO凯文·斯科特Kevin Scott主持的《Behind the Tech》播客节目，分享自己的成长经历，早期对工程学与弄清事物如何运作的兴趣，她认为目前是近几十年来硬件领域最令人兴奋的时刻。

2024年4月17日，波士顿动力通过X平台官方账号，发布崭新短片，宣告液压Atlas的下一代，电动Atlas机器人诞生。IEEE Spectrum网站发布就新版电动Atlas，专访波士顿动力CEO Robert Playter的文章。Robert Playter披露电动机器人来龙去脉，与波士顿动力将如何通过新版Atlas实现人形机器人商业化。

本期长期主义，选择黄仁勋对话 Cadence CEO、苏姿丰接受《Behind the Tech》播客专访、波士顿动力CEO Robert Playter接受IEEE Spectrum网站专访纪要，腾讯科技、钛媒体AGI、瓦砾村夫发布，六合商业研选精校，分享给大家，Enjoy！ 

正文：

全文19,343字

预计阅读39分钟

黄仁勋对话 Cadence CEO：AI 将在数据中心、机器人/自动驾驶、生命科学三个领域带来革命性影响

时间：2024年4月22日

来源：腾讯科技

字数：5,136

4 月 17 日，英伟达 CEO 黄仁勋Jensen Huang参加Cadence LIVE 硅谷2024 大会，期间以嘉宾身份对话Cadence CEO Anirudh Devgan，讨论 AI与加速计算在塑造行业大趋势方面的关键作用，英伟达与 Cadence 如何合作推动EDA、SDA、数字生物学与 AI 领域的转型变革。

Cadence专门从事电子设计自动化的软件公司，1988年，由SDASystems与ECAD两家公司合并而成，全球最大的电子设计自动化、半导体技术解决方案与设计服务供应商。

Cadence客户均为全球最具创新性的公司，涉及超大规模计算、5G通信、汽车、移动、航空航天、消费、工业、医疗保健等领域。Cadence主要为客户提供从芯片、电路板到完整系统的产品，英伟达、AMD等芯片制造商均为Cadence的主要合作伙伴。

对话内容摘要：

Anirudh Devgan：我很荣幸的向你们介绍黄仁勋，我不需要再更多介绍他。我们公司与英伟达有着长期合作关系。黄仁勋与英伟达正在改变世界，非常了不起。今天对话中，黄仁勋将会向我们传授过去30年间如何领导一家公司，如何转变行业，以及如何开拓新市场的经验。

黄仁勋：很高兴能够参加此次对话活动。我喜欢设计人员，喜欢设计工具，喜欢Cadence。我也喜欢Cadence的PCB设计布线工具Allegro与集成电路设计验证平台软件Palladium两款产品。

对我而言，Palladium是唯一比冰箱更重要的应用程序。Palladium是我一生中唯一最重要的应用程序，英伟达也是这款应用最大的客户，英伟达采用Palladium安装与运行了第一批超级计算机。

我们难以置信的迷恋Palladium，我们喜欢你们从事的工作，没有Palladium，英伟达就不可能做得好。

Anirudh Devgan：我们非常喜欢与英伟达间的伙伴关系。值得注意的是，你知道自己现在是教父，所有人都称你为教父。

黄仁勋：当教父说什么，什么就会发生；当教父想要什么，他就能得到什么。很明显，我达不到这个水平。

Anirudh Devgan：就AI而言，英伟达处于这一产业创新的最前沿。你认为未来5年，大模型会变成什么样？数据中心架构会发生什么样变化？你对下一步有什么看法？这是一个长期的旅程，未来5年，你认为AI会如何发展？

黄仁勋：我们后退一步，你刚才的主题演讲可能是最精华的部分。例如，它凸显了底层计算机技术的变革。原因当然如你所知，Cadence与计算机技术相互成就彼此。底层计算平台的根本性转变，它是Cadence的基础，也是所有依赖Cadence行业的基础，每个行业都是如此。

你刚才主题演讲中，非常清楚强调加速计算，给数字孪生平台Millennium带来诸多益处。一旦采用加速计算，生成式AI就有可能成为现实。如果没有向加速计算的过渡，生成式AI将很难实现。

转向加速计算好处是，过去使用CPU扩展很难，采用加速计算，能够带来1,000倍X因素，除此之外还有30倍的系数。

当把生成式AI加进去，在此基础上，还有另外10万倍的X因素。

你开始时提到的一些内容非常棒，你说设计工具只完成一次处理，设计师想做的是多次探索多维多模态。

这个问题上，没有正确答案，只有最佳答案。我们需要探索成千上万个不同领域，对浩瀚的设计空间进行彻底探索，实在是难以实现。

无限量的计算无法做到这一点，我们需要AI来帮助我们进入探索与优化的特定领域，使用有原则的求解器专门从事这项工作，我们可以一起做各种不同的事情。

就加速计算而言，我认为生成式AI，首先将改变Cadence开发软件的方式，还将改变我们使用软件的方式，这是第一位的。

我认为，除了能够做得很好之外，还有几个其他好处。我们用Cadence设计电路、芯片、PCB、系统，现在还有数据中心。

我们使用Cadence产品，来进行电路设计、逻辑设计、系统设计、仿真、验证、形式验证，并一直延伸到液冷系统等。

设计空间不再是一个芯片或一个系统，而是一个贯穿整个事物的共同设计。Millennium就是一个非常好的例子，本质而言，Cadence是一家协同设计公司，英伟达同样也是一家协同设计公司。

你必须在整个过程中进行创新，你把Cadence从一家芯片设计EDA公司转变为一家EDA SDA公司，我认为这是非常有远见的，也是非常必要的。这正是我们与Cadence合作的方式，以及我们设计系统的方式。

人们开始关注一些领域，你的主题演讲确实很棒，我建议大家多看几遍，它的内容量巨大。

你提到一个真正意义深远的领域是，通过投资加速计算、AI、数据中心等领域，我们能够设计出更好、更节能的产品。

现在请记住，你设计了一次芯片，能够以万亿倍速度出货；你建造了一个能够节约6%电力的数据中心，节约出的电力可供10亿人使用一整天。通过设计更好的软件、芯片与系统，我们为世界节省的能源，将对社会产生永久的效益。

一方面，AI消耗更多电力与数据中心；另一方面，通过更好的产品设计、更好的计算机、更好的汽车、更好的手机、更好的材料等，我们将减少其他98%的电力与能源消耗。

我认为我们真的是处于拐点，这些都是完全正确的。当前真的是令人兴奋的时刻，你的主题演讲真的突出了这一点。

Anirudh Devgan：你一直在谈论这种转变，英伟达制造出最好的芯片，但担心人们可能会混淆，你可能一直在强调这种转变不仅是制造芯片。

英伟达2024 GTC大会中，你的主题演讲涉及到构建整个数据中心、非常完整的系统。当把它们放在一起，你又谈到机架与液冷数据中心。

对一家芯片公司而言，向整个体系结构的转型，并不容易。英伟达已变身成为完整的软件系统公司，我很好奇，你是怎么做到，或者你是怎么想的。

这种转变确实很难实现，一些系统公司正在尝试制造芯片，这很困难，英伟达已经完美无暇完成从芯片到系统、软件、数据转变，我很好奇你是怎么做的？

黄仁勋：我认为你刚才说的最重要的事情是完美无暇。我做芯片设计师已有很长时间，我整个职业生涯都在从事这项工作。当你说完美无暇这个词时，我确信观众真的注意到这一点。这是我们很久以前就观察到的，结果证明是正确的。

首先需要注意的是，程序中一小部分代码，占用了绝大多数的租用时间。拿CFD为例，3%的代码占用99.9999%租用时间。如果是这样的话，为什么要使用完全相同的工具、相同的仪器、相同的处理器，来处理90%或者是全部的代码？为什么不为97%的代码，做一些事情，并为剩余3%的代码，做一些特殊的事情？通过这样做，可以把应用程序的速度提高10万倍。

需要这种优势来进行重写的应用程序非常非常少，我们很聪明的选择了计算机图形作为突出计算的首选，它是一种需要大量并行计算的应用程序，有利于并行处理，这是一个非常大的市场，发展非常快，创新非常多，我们选择了好的市场作为起点。

我们总是想象，除了计算机图形之外，还会有一大堆其他的应用涌现出来。

加速计算与通用计算并不相同。通用计算中，你可以创建一个处理器，它将运行所有代码，这绝对不是加速计算的情况。你知道是我创造了加速计算一词，我意思是可以加速一个应用程序，这是一个应用程序加速计算平台，你必须知道什么应用程序是正确的。

就英伟达而言，我们从选择计算机图形起步，我们也做了成像，我们做了分子动力学molecular Dynamics。我很高兴看到你们在数字生物学方面所做的工作。

想象如果芯片设计行业，被称为芯片发现行业，是我的工程团队会出现这种情况：看看我们2024年在Blackwell架构中发现了什么？2025年又会像干旱期一样，什么都没有发生。我们永远不会这样做，这是不对的，生物学要复杂得多。

在英伟达可以使用设计工具之前，我们还无法开发晶体管；在你们可以使用设计工具之前，还无法塑造生物学。你们需要设计工具，来跟上生物学的发展。

我认为世界上最大的行业之一将成为Cadence行业，而不是你在主题演讲中所说的1%。我认为Cadence在未来将有着巨大发展空间。

每一个行业，无论是生物学，还是交通运输行业，所有的应用程序都是不同的。有些与成像有关，有些与粒子物理有关，有些与流体有关，有些与有限元网格之类的事物有关。

算法是不同的，Cadence是一家数学与计算机技术公司，在很多方面，英伟达同样是一家数学与计算机技术公司，这就是我们相处得如此融洽的原因。

我们总是关注特定领域的加速，30年时间里，我们积累了基于CUDA架构的所有这些不同特定领域的DSL库，其中一些用于粒子，一些用于成像，一些用于AI等。

Anirudh Devgan：你在2024年GTC大会做了非常棒演讲。我想告诉你的是，下次你需要一个更大的体育场，2024年那个巨大的体育场没有足够空间，也许下次你会选择在拉斯维加斯召开GTC大会。

在2024年的活动中，你突出展示了多应用程序，几乎所有行业都有横向支持，对有些行业的影响可能是巨大的，比如你提到了生命科学。

你还谈到了机器人技术、自动驾驶等。有没英伟达参与的有一两个行业，让你在短期或中期内感到非常兴奋，并具有最大的影响潜力？

黄仁勋：你提到的这三个产业，恰巧就是让我目前超级兴奋的产业。

其中一个是数据中心或者仅仅是计算机技术，第二个是自动技术，我可以将这种技术抽象为机器人、自动机器与自动系统与半自动系统，这是一个总的类别。

无论是汽车还是卡车，披萨外卖机器人，还是人形关节自连接机器人，这类系统有很多共性，它们都需要有许多传感器，更重要的是需要功能安全。

设计计算机与验证计算机的方式，要求操作系统不是普通类型的操作系统，这一点非常重要。

AI的使用非常广泛，这些系统将随时连接到云，连接到数据中心，这样它就可以更新体验，报告故障与新的情况，下载新模型。

可以说，我喜欢整个自动系统领域，它是一个全新的类别。不久的将来，我们所有人都要制造的设备将会是人形机器人，人形机器人的制造成本可能会低很多。一些人认为，人形机器人售价会超过1万~2万美元。当前廉价汽车售价在1万~2万美元，我们为什么不能在这个价格区间内购买人形机器人？

在一个我们为人类设计的环境中，机器人可能会更加灵活与多功能。过去的生产线，是为人类设计，仓库是为人类设计，一大堆东西都是为人类设计。这种环境中，人形机器人可能更具生产力。

科学发现过程至关重要，但它是零星的，这就是为什么反摩尔定律Eroom’s Law是正确的。如果我们不转向加速计算，如果不转向AI，计算机行业将经历反摩尔定律，原因非常清楚，我们所做的工作量与计算量都在增长，CPU扩展速度已经放缓，我们的计算成本将会增长，而不是降低。鉴于此，我们必须转向加速计算，以节约电力、时间、支出。

我很喜欢这一点，我很喜欢将生物学变成工程领域。无论如何，我认为数字生物学将经历一场全面的复兴。

科学与工程越来越紧密，这是一个非常复杂的领域。我们必须创新，我们第一次拥有必要的工具计算系统，帮助我们处理非常混乱的大型系统的算法。数据驱动方法与你之前所说的原理性主要模拟方法相融合，融合可能会给我们一个机会。我认为这三个行业是正确的，它们的市场规模都将非常庞大，单是人形机器人的市场规模就已足够大。

Anirudh Devgan：无论如何，带有自动驾驶功能的汽车，也许会是第一款机器人，人形机器人随后也将成为另一个巨大的市场。

黄仁勋：的确是这样。

Anirudh Devgan：你对AI的能耗问题，有什么看法？数据中心当然可以优化，我们还能为此做什么？

黄仁勋：首先，加速计算的功耗非常高，原因是集成的计算机数量非常多。无论我们可以对电源利用率进行什么优化，都会直接转化为更高的性能，这种性能是可以衡量的，更高的工作效率会产生更多收入，或者直接转化为在相同性能情况下，购买更小的产品所节约的成本。

AI可以帮助人们节省能源。如果不是你自主创建AI模型，我们现在在工具中使用的模型，我们会发现节省6%以上的成本。

如果没有AI，这是不可能的。你投资了一次模型训练，数百万像我们一样的工程师从中受益；未来几十年内，数十亿人将享受到节省的成本，这就是考虑成本的方式。

考虑成本的方式，不仅仅是逐个案例，而是从医疗保健角度纵向考虑。你必须从整个跨度上，纵向考虑节省的成本与能耗，以及对气候变化的影响，不仅是你正在生产的产品，还有你正在设计的产品。

纵向看，AI将彻底改变我们应对气候变化的方式，有助于使用更少的能源，提高能效等。

Anirudh Devgan：你拥有一套非常独特的管理风格。今天与会者当中有许多人是工程师、经理人与管理者，你对此有什么建议？

黄仁勋：如何把管理系统与领导哲学的核心思想转化为行动，那就是你愿意创造条件让杰出的人可以从事他们一生的工作，这就是我所认同的管理哲学。

问题是我们能做些什么来创造条件，让人们可以一生从事他们工作。

我认为最重要的一个方面，是让他们获得信息，我不认为我做的任何决定，只需要一个人听到，或者我需要私下告诉个别人一些信息，没有人值得听到或可以听到这些信息。

我倾向于在大环境做我的大部分工作，不同的专家团队与有贡献的人聚集在一起，我们只是解决问题。

除了公司面临挑战的透明度，与人们应该获得的信息之外，我还喜欢在人们面前讲道理，并提出基于良好推理的方向建议。

通过强迫自己讲道理，我正在做两件事：一是影响他人；其次是教导他人。

我认为向员工充分授权，是英伟达的规模如此之小的原因之一。

我们只有2.8万名员工，体量却非常庞大，这是几乎每个人都有权利，能够代表我做出合理的决定。

你组织的属性，应该反映你制造的产品。

英伟达是一家全栈技术公司，我们人员充足，完全是联合设计。联合设计，意味着你不应该只与硬件团队合作，或者只同软件团队合作，你应该同时在所有方面进行合作，你正在进行共同设计。

我尝试创造一个环境，让公司每一层的专家与贡献者，都能同时参与解决问题，这些就是我的管理原则。

AMD董事长苏姿丰：AI 对我们影响持续、深远

时间：2024年4月6日

来源：钛媒体AGI

字数：10,447

美国AMD超微半导体公司董事长、CEO苏姿丰近期参加微软CTO凯文·斯科特Kevin Scott主持的《Behind the Tech》播客节目。

Kevin Scott：大家好，欢迎收听《Behind the Tech》。

这档播客中，我们将深入了解科技背后的故事。我们将与那些使我们的现代科技世界成为可能的人们交谈，了解是什么激励他们创造了他们所做的一切。请加入我，也许我们可以了解一些计算机历史，并深入了解今天正在发生的事情。

AMD董事长、CEO苏姿丰博士，她领导了公司向高性能与自适应计算领导者的转型。她热衷与合作伙伴紧密合作，提供下一代计算与AI解决方案，以解决世界上最重要的挑战。

2018年，她被选入国家工程学院，2021年，她被IEEE授予最高的半导体荣誉，罗伯特·诺伊斯奖章，并被拜登总统任命为总统科技顾问委员会成员，她还担任半导体工业协会董事会成员。

欢迎苏姿丰来到《Behind the Tech》。非常感谢你今天加入我们。

苏姿丰：很高兴与你在一起，Kevin，谢谢你邀请我。

Kevin Scott：你是从什么时候开始对科技产生兴趣？是在你小时候与父母相处过程中培养起来的？

苏姿丰：当然，我出生在中国台湾，在纽约长大，我父亲是一名数学家，更准确说，他是一名统计学家。每当孩子们坐在餐桌旁时，他就会让我们练习乘法表，这促使我必须在数学方面表现出色，我一直对事物的工作原理与结构充满好奇。

关于这一点，我最早的记忆是与弟弟一起玩遥控汽车。有一次，那辆遥控汽车突然停下来，我开始思考它为什么会停下来。我拆开它，发现里面有一根电线松动。当我把电线放回正确位置后，它重新跑起来。那一刻，我幼小的心灵受到极大震撼。从那时起，我就开始对各种事物的工作原理产生好奇心。

Kevin Scott：你当时多大？

苏姿丰：我不知道，大概 10 岁左右，我弟弟更年轻，我只是有点好奇事情是如何运作的。

Kevin Scott：我认为这些，这真的很有趣。对于年幼时的偶然发现，你是否觉得特别有趣？有些东西，在你看来难以理解，甚至神奇，直到你逐渐掌握它们工作原理，才开始真正理解这些事物运行逻辑？

苏姿丰：确实如此，每当你掌握一些新知识，都会有一种自豪感油然而生，这种感觉会一直伴随你的成长。

你很自豪想，好像我在那里学到一些东西，这就是你的想法。

Kevin Scott：你在高中时期，已经决定要在大学攻读电气工程专业吗，还是在进入大学之后才做出这个决定？

苏姿丰：我高中时，可能是书呆子。当时我参加数学小组等活动，毕业后有幸进入麻省理工学院完成本科学业。在那里，每个人都对工程领域充满热情。

学院里开设很多电子工程与计算机科学的课程，那里环境对我影响很大。不过问题随之而来，你想成为一名工程师吗？你想研发硬件，还是软件？你想成为计算机科学家吗？周围的同学，都在思考这些问题。对我来说，我确信自己想成为一名硬件工程师。

Kevin Scott：你是如何发现自己更倾向硬件领域？我也有过类似困惑。年轻时，我对电子与电气工程都很感兴趣，包括一些软件方面知识。我最终选择软件，我觉得软件在某些方面更有优势。

苏姿丰：我有软件方面经验，我就像是在帮助一个实验室项目。

麻省理工学院的优点之一，是他们鼓励本科生参与研究工作。除了课程作业，学院还鼓励学生尝试各种课外项目。

我有过两次类似于实验室项目的实习经历，一次是参与软件开发，那时我时薪是5美元或等值的其他报酬。那份工作，让我有机会与实验室同事们一起合作。另一次是研究硬件相关项目，属于半导体领域。任务繁重，我坚持下来。那次实验中，我们将晶圆放入反应离子刻蚀机中，在显微镜下观察它的变化，正是这次经历，让我对硬件产生浓厚的兴趣。

我不是要贬低软件领域，软件同样非常重要且有趣。但在那时，硬件对我来说，更具吸引力。我有机会亲眼见证芯片的制造过程，尽管它们并不是当时最先进的技术。那时我们就能在硬币大小材料上，构建晶体管，并在系统上进行测试，这正是我选择进入半导体行业的原因。

Kevin Scott：某种程度上，我们都能意识到，如果你在计算领域工作，硬件与软件这两个部分是同样重要。

我想首先谈谈你的实践经验，就像我们的主题之一，我们在与计算机科学家与工程师讨论时，经常会提到一个话题：过去几十年来，人类在计算机领域建立的抽象层，有时会掩盖一些底层的技术细节。你是否还能回想起在材料科学课程中获得的成就感？

苏姿丰：我是个坚定的信徒。有些人可能更擅长理论学习，有些人更注重实际操作。两者都有各自优势，都能体验到不同事物。我更倾向于通过实践来学习，我认为经历非常重要。

本科时期，我上的第一堂课就是搭建自己个人电脑。我不仅需要构建电路，还要进行编程。亲手打造出自己半导体设备，并观察每一个步骤是如何完成的感觉，可能并不是每个人都会喜欢，我非常享受这个过程。

我喜欢触摸与感受由我构建的产品，这对我来说有种成就感，我认为学校应该帮助我们思考在生活中喜欢做什么。

我不会说每个人都喜欢这些经历，我确实喜欢，学校不应该是工作培训。它不应该是职业培训，它应该帮助我们思考在生活中喜欢做什么，这让我难以忘怀，看到你所做的事情的结果是非常重要的，我喜欢制造我可以触摸与感觉的产品，走进百思买，看看这些产品，或者走进数据中心，看看这些产品，这就是我喜欢的。

Kevin Scott：说到硬件与软件区别，有个有趣的现象。我认为，总的来说，硬件是一件很好的事情。即使你在编写程序时，也很难获得像构建芯片那样的直观感受。即使你把软件一点一滴组装成完整的系统，也不会像组装自己个人电脑有成就感。

比如，一块主板、一个机箱、一个电源、一个CPU，你只是在物理上组装这些东西，最后能给你带来一种实实在在的成就感。

苏姿丰：我是在鼓励你来硬件方面，还是......

Kevin Scott：我已经做了很长一段时间软件，我在想，实际上我现在正在录制的机器，有一个AMD 32核Threadripper CPU，你知道这是非常定制的配置。我正准备做另一个版本，我可能会手工组装下一个，我已经很久没有组装自己个人电脑。

苏姿丰：太令人兴奋了。我必须把我们最新的ThreadRipper寄给你，我们刚推出下一代。这很酷，我完全同意你的看法，我认为能够亲手构建，并触摸到技术的机会，是非常酷的。这对于引导学生进入STEM科学、技术、工程与数学领域，也是非常有帮助。

Kevin Scott：你在麻省理工学院主修电子工程，完成学业后，你是如何规划下一步的？

苏姿丰：我是麻省理工学院终身教授，我在麻省理工学院完成本科、硕士、博士学位的学习，这是一段相当艰难的经历。

当时，我朋友们都陆续毕业，开始寻找工作。我觉得自己还有很多需要学习的地方，我决定继续攻读博士学位，专注半导体领域研究，我真的很感激我的博士导师。

他叫Dimitri Antoniadis，建立早期模拟芯片能力的人之一。我觉得有更多东西要学，我决定获得博士学位，我的重点是半导体设备，我当时正在建造四分之一微米0.25um设备，这在当时非常非常先进。

现在人们谈论的是2nm技术，但在当时，我的研究方向是构建四分之一微米的设备，那在当时已经是非常非常先进的技术，甚至可以说是艺术级作品。我选择了继续深造，希望能够在这一领域做出更多贡献。

即使在那时，人们也在谈论摩尔定律是否结束。它显然没有结束，我研究了一种叫做绝缘体上硅设备的东西，这是很大的学习，但它也很有趣，你可以认为你正在做一些最先进的研究，作为你学习的一部分。

Kevin Scott：我很想知道你对博士学位价值的看法。许多人认为博士学位主要价值在于对先进技术的贡献，我认为它的价值更在于能够完成一件非常复杂的事情，并将其综合起来。你认为你的博士学位，对你来说有多大价值？

苏姿丰：在我作为一名学生时，我总是急切想要前进，当我开始攻读博士学位时，我希望能尽快完成。

博士学位对我来说，具有无法估量的价值。它不仅是一个学历，更是一个让我学会如何思考，并解决复杂问题的机会，这段经历给了我巨大信心。

想象一下，某个没人能解决的问题，你能去找一本书，然后说，这是如何解决它的答案吗？很明显这是行不通的。

我们真正需要做的，是要好好想想，该怎么解决这个问题，如何为行业或学术界做出贡献，答案并不明确。

对我来说，是3年、4年、5年，真的给了你信心，你可以在某个领域做出最高水平的贡献，这就是我从中学到的东西。

我只是认为它教会你如何思考，那段时间这一研究给了我信心，即使在当时，这也是一个团队，我喜欢与其他研究生一起，研究如何解决这些问题。

Kevin Scott：我认为，你所研究的那些问题都相当棘手，且前所未有，你无法向他人寻求答案。你从麻省理工学院毕业后，第一份工作是什么？

苏姿丰：我毕业后，第一份工作是在达拉斯的德州仪器TI，模拟半导体公司。我在那里工作时间很短，仅仅不到1年，那段时间我非常想家。之后，我早期职业生涯大部分时间都是在TJ Watson研究中心，然后在纽约IBM度过。

Kevin Scott：当时，你是在研究他们在那里建造的RISC处理器吗？

苏姿丰：那时IBM一直聚焦于新一代技术发展，我把大量时间花在工艺技术领域，我们一直在关注下一代技术。在IBM，我一直在研究处理器技术，IBM第一个处理器。

从我开始接触的第一个处理器到现在，已经过去30年。我参与开发的第一个处理器，是PowerPC处理器，它被广泛应用在个人电脑，以及一些大型服务器系统上。

Kevin Scott：我记得，我曾经去过一所科技管理学校，那里有一台可能是最早的PowerPC，我们做了很多实习。我只记得，那是一件神奇的事情。

苏姿丰：超级超级有趣。我意思是，这又是一种RISC处理的想法，对我们来说，这是我们如何在正确地方获得性能与功率。

Kevin Scott：我想说，在我们两人职业生涯早期，都经历了一场技术变革。那是一个指令集架构创新，层出不穷的时代，有PowerPC、PA Risk、MIPS、DEC等。最终，全球大部分电脑，都开始采用英特尔x86指令集处理器。

现在，我们似乎又进入同样有趣的时代，ARM处理器，以及计算能力越来越强的GPU正在崛起，这种变革与二三十年前的情况颇为相似。对此，你有何感想呢？

苏姿丰：回想起二、三十年前，那时有各种各样的指令集，很多都无法实现规模化与商业化。

这很有趣，我们当时都在做alpha东西，我们确实建造了很多指令集与x86架构等，但我实际上还没有找到两者之间的相似之处。

我认为情况是这样，实际上我很想知道你对此的看法，那就是指令集，当然在那些日子里，有这么多不同的指令集，以及某种程度的整合，我不认为它与指令集有太多的关系。

我意思是，人们总是问我关于ARM与x86的对比，我想，看…这不是ARM对x86的问题。

伟大的指令集，是关于我们试图在其上运行的应用程序与生态系统，有很多想要扩大规模的原因，如果我想想20年前发生的事情，只是你有太多指令集，其中许多都不能扩展。

现在你看看今天，随着我们正在做的事情，工作负载正在改变，这就是GPU如此重要的原因。

现在，随着工作量与方式的变化，GPU市场需求激增，这使得GPU的性能变得来越重要重要。比如最近热议的AI，AI企业对算力的需求日益增长，市场随之不断扩大，这就是选择研究方向的关键所在。

Kevin Scott：我想我是一个关心指令集的怪人。我的职业生涯，是从编写很多汇编语言代码开始。研究生阶段，我专注编译器与计算机架构。我为x86编写了一个软件解码器，我认为你关心的是你是否在堆栈的最底层实现了一些东西，但这只是开发活动中的一小部分。就像其他人一样，你想要的是低功耗、高性能与便宜。

苏姿丰：是的。

Kevin Scott：就像这三件事一样，就你的观点而言，我认为规模推动了这一点。

苏姿丰：你是否同意，当你思考现在的情况时，在最低、最低级别编程的相对好处可能更少，有这么多的计算能力。这就是为什么人们为了速度与灵活性，以及所有这些东西，而向上移动堆栈？或者你如何看待最高与最低级别编程之间的关系。

Kevin Scott：我认为这将是同样的事情。我认为，随着时间的推移，需要处理计算堆栈最底层细节的人会越来越少。我甚至认为，最终大部分开发人员，可能会被AI所取代。

他们正在尝试做一些可能的事情，他们必须从最底层的东西中挤出最后一点性能。我认为对大多数开发人员来说，最终大部分都会被抽象掉，这就是一直发生的事情。

苏姿丰：我完全同意这个观点，这正是我们所预见的趋势。技术日新月异，计算机迭代的速度，几乎可以弥补任何不足，我把这种现象称为抽象性想象力的丧失。

Kevin Scott：确实如此。即便如此，我们仍然需要那些对低层次细节与问题充满热情的工程师群体，我们需要他们来构建低层次的系统软件。

当我看到一些孩子在学习计算机科学课程时，他们展现出的抽象水平非常高。你是否真正喜欢深入理解你正在操作的完整堆栈？是否有兴趣成为那些在系统低级别层面上摸索的系统人员之一？专研底层堆栈的系统工程师，会不会消失？

苏姿丰：很多人问过我，AMD是如何让足够多的人对硬件产生兴趣。每个人的兴趣点都不同，我认为在软件优化与推动硬件优化方面，还有很多工作可以做。

我认为你完全正确。我认为，当我们思考，你如何拥有最好的工程师，或者最聪明的人，你希望他们拥有广泛的经验。我是说，这真的很重要。我意思是，你仍然可以专业化，但了解的广度，如计算机如何工作，以及你需要做什么来实现这一点，我认为这是非常重要的。

对于我交谈过的很多人来说，发生的一件事是，我们如何让足够多的人对硬件感兴趣？软件是性感的地方，我试着说，看…每个人的兴趣都不一样，但在硬件优化与推动方面仍有很多可以做的事情。

Kevin Scott：与过去二三十年相比，我认为AI的出现，是我们几十年来在计算机领域最激动人心的时刻。

苏姿丰：我完全同意这个看法。

Kevin Scott：我每天都去上班，我对我正在做的事情感到非常惊讶。当我在大学与研究生院的时候，我在国家超级计算应用中心实习，并为思维机器、CM5超级计算机写了一大堆东西。

我在硅谷图形公司Silicon Graphics实习，就在他们收购克雷研究公司Cray Research之后，我喜欢在Origin 2000上工作，就像他们建造的这个大型的现金连贯的气动机器，它是超级创新的。

然后我离开研究生院，确切说，20年来这些都不重要。现在，所有这些，就像，再次变得重要，就像你真的必须考虑其中的一些，就像旧的高性能计算原则来编写我们今天正在构建的一些软件，计算机体系结构再次变得重要。太棒了。

我们必须考虑使用旧的高性能计算原则，来编写今天的软件，问题是，这些旧原则是否还能满足现在的需求？计算机体系结构的重要性，再次凸显出来。

苏资丰：确实如此。我意思是，你正在做的、微软正在做的一些工作，无疑是在挑战我们所认为的与硬件与系统有关的一切极限。

Kevin Scott：让我们回到你的职业发展上来。你在IBM工作很长一段时间，之后是不是就计划加入AMD？

苏资丰：我在IBM工作了大约12~13年，我在半导体研发与下一代处理器技术方面做了很多事情。我是一个半导体人，我希望在更大范围内产生影响。

加入AMD之前，我还去了Freescale半导体，我工作了5年。实际上，我有你的头衔，我是Freescale CTO，当时公司正在考虑如何重塑他们产品组合，我负责他们的网络与多媒体业务几年。

那时我已经搬到奥斯汀，现在我正式成为德克萨斯人，然后我有机会加入AMD。我在大约12年前加入AMD，这是一段很棒的旅程。

我们在重塑AMD公司的过程中，经历了一系列事情，就像我说的，我的职业生涯离处理器还不远，始终与处理器领域紧密相连。不知何故，处理器找到我，或者我找到它们。

Kevin Scott：在你职业生涯中，你何时决定要担任领导团队的？领导力是你喜欢或认为必要的因素吗？

苏姿丰：在IBM最初几年，我经理曾问我想成为IBM研究员，还是副总裁。当时，我想，这是一个有趣的问题。

我认为对我来说，最有趣的是，我喜欢做自己的研究，我有一些好的想法，更有趣的是看到团队聚在一起，做一些事情。

坦率说，我们认为是不可能的，就像早期的记忆，你在一个项目上，你必须在某个特定的时间向客户发送一些东西，就像什么都不起作用一样，那是我最喜欢的。

就像，我喜欢思考：我如何把这些放在一起？我如何将团队聚集在一起？

问题是，如果我成为IBM副总裁，我该如何带领团队？

那可能是我在IBM的最初几年。我必须决定的一件事是，有人问我，我想我的经理问我，你是想成为IBM的一员，还是想成为IBM的副总裁？当时，我想，这是一个有趣的问题。

这个问题的答案是，我认为我不够聪明，不能成为IBM技术研究的一员，我想我会努力成为IBM副总裁。

那时起，我开始有机会领导小型团队，然后成为中型团队，成为更大的团队，这实际上是我最喜欢的。

技术是超级有趣的，更值得的是，看到团队成员们团结一心、齐心协力，共同面对挑战，完成看似困难，甚至不可能的任务，做一些真正具有开创性的事情。这个过程，一直是我职业生涯中最享受的部分。

Kevin Scott：你是美国移民过来第一代，到世界上最重要的半导体公司之一的董事长兼CEO。

你的道路就是技术上的卓越，进入这个极好的领导职位，这对很多人来说都是一种激励。不管你喜欢与否，你的整个职业生涯是非凡的，你都是一个榜样。

我更想了解你在AMD的职业发展。你凭借卓越的技术实力，成功担任美国最重要的半导体公司之一AMD董事长兼CEO，无疑对许多人来说都是一种巨大的鼓舞。你如何看待你的工作与所取得的成就？哪些希望向你学习的人如何成为这种榜样？

苏姿丰：我想了几件事。

首先，我认为，一个人的成功，不仅取决于他自身才能与努力，还需要在正确时间出现在正确地点。我认为，某种程度上我是幸运的，我在正确时间找到正确的地方。

当我加入AMD时，很多人问我，你为什么要加入AMD ，在那个时候？我从来没有想过我为什么不加入AMD。

看看在美国，有多少公司在制造高性能处理器，只是没有那么多人这样做，我认为这是一个我可以帮助的地方，我对我们所做的事情充满热情。

对我来说，我从来没有说过我必须成为一名CEO。在我看来，对我来说，做一些我认为重要的事情，是非常重要的。就像我喜欢半导体，我想进入这个行业，进入一个我可以对这个行业产生影响的地方。

AMD一直是一个很好的平台，我确实认为，高性能计算与这项技术，是我们必须做的事情的基础。

对于你的观点，成为一个榜样或帮助，就像很多人帮助我走到今天一样。

我认为，对我帮助最大的导师，是那些在我搞砸的时候告诉我的人，坦率说，每个人都可以告诉你，你有多棒，如果有人告诉你，你犯了一个错误，真正愿意帮助你的人，才会告诉你怎么做才能更好，我很感激。

我认为，我的工作，或者说我希望我能做的是帮助别人感觉到，你完全有可能实现自己的抱负与梦想。一路上你会犯一些错误，但没关系。

我有机会遇到很多职业生涯早期的女性，我鼓励她们做的很多事情实际上是雄心勃勃，感觉你可以告诉别人，你想做什么，有很多人想要帮助你，有时人们会感到害羞，或者，我不能这么说，我说，你可以。你绝对可以做不可思议的事情，人们会很乐意帮助你。

你当然要努力。所有这些事情都是真的，我认为鼓励人们，你可以做一些，一些令人惊奇的事情，这很好。

Kevin Scott：我完全同意这个建议，就像告诉人们，你可以有野心，你应该为你的野心辩护，这是非常非常重要的。

这对我来说是疯狂的，有多少人不这样做，或者在他们头脑中没有一个清晰的感觉，他们的野心实际上是什么。

你在AMD时，看到半导体行业一系列令人难以置信的发展，大家继续在工艺技术上取得惊人进步，我已经成为一名专业的计算机科学家，这是很长一段时间了。

人们一直在谈论摩尔定律的终结，微软还在坚持技术层面更新换代，随着时间推移，我们已经找到更经济高效的方式。

例如，利用高性能计算来处理大量的科学工作，以及当前的AI模型训练等。在你进入AMD的12年里，你认为最有趣的趋势是什么？

苏姿丰：我们一直在讨论摩尔定律，是否在放缓，甚至是否已经结束。摩尔定律的速度已经有所放缓，但它从未完全停止。

我经常对我团队说，在技术方面下对赌注非常重要，这需要很长时间才能真正见效。

摩尔定律放缓的事实意味着，我们必须寻找不同的方式来组装芯片，这可能是我们在AMD做出的最重要的决定之一。

2014年、2015年的时候，AMD已经做出重要的决定：如果摩尔定律真的已经放缓，更好的芯片组装方式就是将其分解为更小的单元，分解成小芯片芯粒Chiplet的东西，这更像是一个大胆的赌注。我认为这种方法代表着未来，这种新的组合方式，成本效益要高得多。

我记得当我们做出那个决定时，我想，坦率说，这几乎是公司的一个赌注，我们试图得到一个非常非常有竞争力的路线图，但思考的过程是：这是未来，你如何把芯片放在一起的未来。

我们必须把芯片变得更小，它们的产出更好，它们更具成本效益，但它们之间的互连非常重要，如何实现这一点，以及如何确保从编程的角度看，它不会对软件产生太大影响。

现在，我们已经看到这个想法，在Instinct MI300上。我们刚推出我们最新的AI芯片，这就像Instinct的小芯片，12 个Die堆叠在顶部，横向、上下以及所有这些东西。

如果你在 20 年前问我，作为一名半导体学生，或者作为一名半导体工程师，我会说，这些东西永远不会起作用。比如它太复杂，它需要太多精度才能工作，大约需要 1,500 亿个晶体管的水平，但这就是我们行业的美妙之处。

就像，我们找到了让它发挥作用的方法。现在，我认为，当我们展望未来时，这就是我们必须寻找的，那就是技术中存在拐点，使你能够迈出下一个大步骤，而在正确的时间做出这些决定，是我所要做的事情。

想想看，在物理学方面，确实存在这些基本限制，但对此我们有非常聪明的专业人士。你抛出给他们一个问题，他们就会发现，有一种方法可以解决这个问题，只是你必须对他们研究进行投资。

我认为，对漫不经心的外行观察者来说，我认为他们不必关心任何这些事情。他们所关心的是，你将以更低的成本获得更高性能，我们一直在讨论计算领域。

我们希望确保摩尔定律，每隔几年将性能提高一倍。按照常规方法，它无法做到这一点，但使用所有这些技巧与技术，你确实可以扩展性能曲线，这为像你这样的人提供了更多的计算，以用于你正在做与构建的所有伟大的事情，AMD发展目标，是确保计算可以扩展。你确实得到了更多，这使应用程序能够做更多的事情。

Kevin Scott：有一段时间，我对计算感到有点沮丧，我们似乎已经失去想象力，你可以用更多的计算来做什么，就像我们已经进入内部，就像我如何优化计算，在小电池上提供的特定功能，以及类似的事情，这是非常非常重要的，总会非常令人兴奋。

苏苏姿丰：这不是big iron，对吗？

Kevin Scott：是的，这就是成本效益与计算之间的关系。我认为，当前这一代的生成式 AI 就像是这个问题的答案之一，它非常了不起，我不认为我们已经接近事物scaling laws的终点，这让我感到兴奋，更像是互联网，而不是移动手机。

微软正在迅速部署很多计算机，并有如此多的人，有这些非常有创意的想法，关于他们可以做什么，形成巨大扩展的计算机发展前景。

对此，你有什么看法？或许，生成式AI领域蕴藏着我们寻找的答案？

苏姿丰：我完全同意你的观点。过去10年里，我们在计算领域取得显著进步，大部分关注点都集中在外在形式上。

坦率说，AI可以说是过去四五十年来最重要的技术。我们发现在计算应用方面，存在大量未开发的潜力，计算能力仍然难以充分利用。生成式AI，为我们如何运用计算力量带来全新的视角。

Kevin Scott：当我还是孩子时，我喜欢读科幻小说，看《星际迷航》系列，这些乐观的科幻作品里计算机都无比强大。

当然，这些都是在个人电脑出现之前的想象，作者们在描绘他们对计算机未来的憧憬。

你有没有觉得，计算机革命在某种程度上，限制人们想象力？我认为过去几年发展，再次激发了人们想象力，有时候表现方式有些奇特，我认为这大部分都是积极的。

苏姿丰：我完全同意你的看法。

Kevin Scott：让我们来谈一谈，比如你认为AI计算机将走向何方？你刚刚宣布AMD在AI计算路线图上的突破，MI300是非常强大的GPU，为AI工作负载而赋能我们一起做了很多工作，试图找出如何让最强大的 AI 工作负载在这个系统上工作。

很明显，我们看到同样的未来轨迹，就像你一定在想各种各样的事情，就像半导体世界的未来会是什么样？我相信AMD也一定在考虑这个问题。

苏姿丰：是的。首先，在我看来，AI是一种赋能技术，它在许多方面都赋予我们强大的力量。

我们谈论了很多关于数据中心的观点，这些大语言模型，如微软与OpenAI，以及其他人正在做的。训练世界上最大的模型，需要大量计算，这就是我们切入点，但我也把它看作是，AI将影响我们生活，在数据中心，你需要大量算力来训练与推理最复杂的模型。

AI对我们生活的影响，将是持续深远，所有参与其中的公司，都有机会重新定义个人电脑与手机的功能。

但这一切都需要算力来支撑，尽管在芯片技术方面，可能并不完全相同。随着技术不断进步，我们将在所有计算机产品中看到AI的身影。

无论是在数据中心，客户端设备，还是个人电脑、手机的功能，所有这些都需要AI的能力，尽管它可能不一定是完全相同的技术，我认为他们都想在一起相互操作。

这是一个超级繁忙的1年，几年来，AMD真正扩展我们的路线图，让我们称之为更多的通用处理，更多的AI能力。

随着我们发展，我认为我们将在我们所有计算产品中，看到 AI，比如数据中心、边缘、客户端，这是有趣的地方，我们对我们正在做的工作非常满意，当然是在Azure中，但也在PC与Windows方面。我非常兴奋的是，Windows的发展与Copilot的能力。

Kevin Scott：你们已经了解这一点，有一段时间了，AMD一些强大超级计算机已经上了全球TOP500超级计算机名单。在构建这些系统时，你们必须考虑所有因素。

例如，如何为数据中心供电，如何冷却设备，如何设计机架，如何构建网络，我认为这是另一个非常激动人心的部分。这不仅仅是关于芯片，更是关于芯片周围所有配套设施。

就像我们必须考虑整个系统的设计一样，如果一个完整的系统中只有某些部分是高性能的，而其他部分仍然是过时的，这个系统仍然无法正常工作。

苏姿丰：我想这就是AMD所看到的机会，结合你们在模型开发方面所做的努力，我们可以共同构建出更出色的整体系统。

像我们所拥有的深度合作伙伴关系，可以将计算提升到新的水平，芯片、系统、模型开发，将这些东西协同在一起，我们可以构建更好的整体系统，并向前发展。

Kevin Scott：你在工作之余，会如何消遣？

苏姿丰：我觉得工作很有趣，我想你也认为工作很有趣。

工作之余，我喜欢打高尔夫球。我不得不说，过去几年里，我高尔夫差点上升了，我还没玩够。

我有点像一个美食家，你知道我们都喜欢吃美味的食物，我偶尔喝点波尔多葡萄酒。这只是一个放松与享受生活中，感受所有美好事物的机会。

Kevin Scott：太棒了。非常感谢你在百忙之中抽出时间，与我们一起讨论这个问题。很高兴听到更多关于你的故事。再一次我非常感激，不仅仅是合作关系，还因为你在职业生涯中所做的一切，以及你对年轻一代工程师的鼓舞。世界上需要更多的苏姿丰。

苏姿丰：非常感谢你。世界上还需要更多的斯科特。我很荣幸也很高兴今天能与你们在一起，我期待着我们一起做的一切。

波士顿动力CEO Robert Playter谈新Atlas机器人

时间：2024年4月22日

来源：瓦砾村夫

字数：3,627

4月16日，波士顿动力Boston Dynamics在YouTube频道上发布题为再见，液压Atlas的视频，向他们研发10年，曾为世界带来大量极具想象力演示视频的Atlas机器人致敬。

近10年来，Atlas激发了我们想象力，激励了下一代机器人专家，跨越了该领域技术障碍，现在是时候让我们液压Atlas机器人放松一下，回顾一下我们迄今为止在Atlas平台上取得的所有成就。

4月17日，波士顿动力通过X平台官方账号，发布崭新短片，宣告液压Atlas的下一代，电动Atlas机器人诞生，这条短片在惊艳之余，带有丝丝惊悚。

同一天，IEEE Spectrum网站发布就新版电动Atlas，专访波士顿动力CEO Robert Playter的文章。Robert Playter披露电动机器人来龙去脉，以及波士顿动力将如何通过新版Atlas实现人形机器人商业化。

Robert Playter从1994年开始担任波士顿动力工程副总裁。我敢肯定，那时候波士顿动力还只是一家建模与仿真公司，而不是一家机器人公司。Robert Playter在2019年成为CEO，帮助公司完成从研发到商业产品的艰难转型，推出Spot、Stretch、Atlas。

我们与Robert Playter讨论了波士顿动力到底花了多长时间才制造出电动Atlas、Atlas作为一款产品的愿景、它极高的灵活性以及下一步的计划。

IEEE Spectrum：到底发生了什么？

Robert Playter：波士顿动力制造了一款全电动人形机器人，这是我们历时近15年研发的最新一代人形机器人。

我们将把它作为产品推出，目标是工业应用、物流，以及那些比Stretch的应用处理形状复杂的重物更多样化的地方，可能是制造业类型的环境。我们已经制造出了第一台机器人，我们相信，这将为整个行业下一代能力树立标杆。

IEEE Spectrum：你们怎么花了这么长时间？

Robert Playter：我们想让自己相信，我们知道如何制造一款人形机器人产品，它可以处理多种多样任务，比我们前几代机器人更多，包括我们期望在工业领域中会碰到的那种、需要用双臂快速操作，并具有复杂几何形状的重物。

我们非常希望了解使用案例，我们做了大量的背景调查工作，以确保我们能够看到这些机器人在工业领域的应用效果。

在电动Atlas机器人身上，我们已经工作一段时间，我们一直在与传统Atlas进行并行开发。你可能已经看过一些Atlas自信满满四处移动的视频，那是在向我们自己证明我们可以让它运作起来。

然后，真正设计出下一代机器人，它将比世界上现有的任何机器人都要好上一个数量级。

IEEE Spectrum：开发Spot时，波士顿动力感觉是先开发产品，没有考虑具体的使用案例，你们把机器人投放出去，让人们去发现它的优点。你们开发Atlas的方法，有不同？

Robert Playter：你说得非常对。Spot是技术寻找产品，我们花了很多时间，才真正搞清楚我们在工业检测领域的产品市场定位。但这种挑战，让我们更明智在大规模生产这些产品之前，真正确定目标应用。

Stretch很不一样，它有明确的目标市场。Atlas会更像Stretch，尽管它将远远超出单一任务机器人的范畴，Stretch正是如此。

我们花了一点时间说服自己，我们确实可以将Atlas通用化。这将是我们4年来第3款产品。我们从中学到很多，这个世界也与我们经历的不同。

IEEE Spectrum：Atlas愿景，是成为一款通用机器人？

Robert Playter：它肯定需要是一款多用途机器人，我相信这一点，我不认为有多少类型的单一重复性任务，需要使用这些复杂的机器人。

我认为，实际情况是，我们必须专注于某一类使用案例，并让它们真正对最终客户有帮助。

我们通过Spot与Stretch学到的经验是，必须走出去，真正了解是什么让这款机器人对客户有价值，确保在开发周期中考虑到这一点。如果能在产品推出之前，就开始这么做，就更好了。

IEEE Spectrum：把新Atlas视为产品，而非研究平台，会带来哪些变化？

Robert Playter：我认为，我们在过去10~15年里所做的研究，对于首先让人形机器人发挥作用至关重要。我们专注动态平衡与移动性，以及能够拿起东西，并保持移动性，这些都是过去的研究课题，我们已经找到管理方法，我们认为这些对完成有用的工作至关重要。

通用性方面，我们还有很多工作要做，这样人形机器人，才能从上千个不同零件中拾取任何一个，并以合理方式处理它们。

这种通用性尚未得到证实，我们认为大有可为，AI将是帮助解决这一问题的工具之一。在我们开始大规模生产，并将它们交付给客户之前，还有很多产品原型设计与迭代工作要做。

IEEE Spectrum：长期以来，液压似乎是为Atlas这样的机器人提供强有力动态运动的最佳方式，这一状况改变了吗？

Robert Playter：我们在推出Spot时，首次尝试了这种方法。几年前，我们遇到同样的问题，后来发现我们可以制造出具有同样响应速度与强度，或者说具有足够响应速度与强度，可以真正发挥作用的大功率轻型电机。

我们在电动Atlas中，设计了一套更新、更小巧的执行器，将人类精英运动员级别的力量，融入这些小部件中，让电动人形机器人真正运作起来。

这款机器人的大部分关节都比人，甚至比精英运动员更强壮，运动范围将超过人之所能。

我们还比较了新型电动Atlas与液压Atlas的力量，电动Atlas力量更大。

IEEE Spectrum：从Atlas运动范围看，这段介绍视频，让人看了不舒服，我相信这是故意的，为什么要这样介绍新的Atlas？

Robert Playter：这些高运动范围执行器，将实现一系列独特动作，最终让机器人变得非常高效。

试想一下，机器人在转身时，不需要经过很多步骤，就能转过整个身体。视频中展示的这些动作，我们的工程师是这么说的：有了这些关节，我们就能像这样站起来。

以前我们并没有真正考虑过这个问题，这种灵活性创造了调色板，你可以用它来做出新的设计。我们已经从中获得乐趣，我们决定要与全世界分享这种兴奋。

IEEE Spectrum：这看起来确实是让Atlas更有效率的一种方法，我从其他研究人形机器人的人那里听说，让机器人以熟悉与可预测的方式移动非常重要，这样人们才能放心在它们周围工作，对此你有什么看法？

Robert Playter：我确实认为，人们必须要熟悉我们的机器人，我认为并不意味着要局限于人类动作。我相信，如果你的机器人更强大或更灵活，它最终就能完成人类做不了或不想做的事情。

让一个产品真正有用的挑战之一是，你必须有足够的生产力来满足客户需求。如果我们速度很慢，就很难做到这一点，我们通过Stretch学到了这一点。

我们有两代Stretch产品，第一代产品并没有一个可以让它旋转180度的关节，在拿起一个箱子与放下箱子之间，它不得不费力转来转去。

这是个大问题，我们决定不行，一定要有旋转关节。它能让Stretch变得更快、更高效。说到底，这才是最重要的，人们会习惯的。

IEEE Spectrum：关于机器人头部，你有什么能介绍的？

Robert Playter：旧版Atlas，没有可转动的头部。新Atlas，有了可转动的头部，就有了可以用来表达意图的工具，它还集成了可以与用户交流的灯光。

我们最初的一些概念设计，更接近人类头部的形状，对我们来说，它们看起来总是有点威胁性，或者说有点反乌托邦式的感觉。

我们想摆脱这种感觉，我们对头部形状做了非常有目的性的决定，我们明确意图是让它不像人类。

我们试图投射出一些不同的想法：友好的，可以让人通过观察，就了解机器人意图的部位。

这个设计，借鉴了我们过去看到的一些友好的形状。例如，几十年前大家都钟爱的老式皮克斯台灯，就为我们设计提供了一些灵感。

IEEE Spectrum：你认为你们几十年来，在人形机器人方面工作经验，以及将Spot商业化的经验，对你们将Atlas做成产品有什么帮处？

Robert Playter：这是我们第3款产品，我们学到的一点是，要让一款产品成功，需要的不仅是一些有趣技术。我们必须有一个真正的用例，我们必须围绕客户关心的用例拥有真正的生产力。

每个人都会买一个机器人，我们通过Spot意识到这一点。他们不会一开始就购买一支机器人队伍，除非你能向同一个客户销售多个机器人，否则你就做不下去生意。如果没有其他所有元素，可靠性、服务与集成，你就不可能实现这一目标。

几年前，当我们将Spot作为产品推出时，整个公司都发生翻天覆地转变。我们必须学习所有这些新学科：制造、服务、测量机器人的质量与可靠性，搭建让它们不断改进的系统与工具。

这一转变不容易，我们作为一个组织，已经成功完成转变，意味着，我们可以很容易将这种思维方式与技能组合运用到公司中去。

老实说，这种转变需要2~3年时间才能完成，那些只拥有人形机器人原型的全新创业公司，他们甚至还没有开始这段旅程。

还有成本问题，以合理成本生产有效产品，以合理价格出售，最终从中赚取利润，这并非易事。

坦率说，现代汽车显然是世界一流的制造专家，如果没有现代汽车支持，单靠我们自己力量，非常有挑战性。

我们现在对于成功，需要付出的代价，有更清醒认识。我们并不急于展示一些奇思妙想的技术，在确信有一条通往产品的道路之前，我们并不想表明我们意图。我认为，这最终会让我们赢得比赛。

IEEE Spectrum：在近期的未来，你们将从事哪些工作？有哪些你可以分享的？

Robert Playter：我们将开始在新Atlas上，展示比传统Atlas更多的灵巧动作。我们目标，是最早于2025年，在现代汽车集团HMG工厂进行技术验证测试。现代汽车集团对这项投资感到非常兴奋，他们希望改造生产流程，并将Atlas视为其中重要的一环，我们很快就会开始这项工作。

IEEE Spectrum：你认为新的Atlas最令人兴奋的地方在哪里？

Robert Playter：在一个相对小巧轻便的包装中，拥有一个如此强大与灵活的机器人。过去，大多数其他公司都把他们与我们相提并论，这让我感到很荣幸。他们会说，波士顿动力标准是什么？

我认为我们提高了标准，这最终对整个行业都有好处。人们会说，这是有可能做到的。坦率说，他们会以最快速度开始追逐我们，这就是我们目前所看到的，我认为这最终会推动整个行业向前发展。

【长期主义】栏目每周六、与长假更新，分以下系列：

宏观说：全球各大国政要、商业领袖等

社会说：比尔·盖茨等

成长说：洛克菲勒、卡内基等

科学说：历年诺奖获得者、腾讯科学WE大会等

科技说：马斯克、贝索斯、拉里·佩奇/谢尔盖·布林、扎克伯格、黄仁勋、Vitalik Buterin、Brian Armstorng、Jack Dorsey、孙正义、华为、马化腾、张小龙、张一鸣、王兴等

投资说：巴菲特、芒格、Baillie Giffrod、霍华德·马克斯、彼得·蒂尔、马克·安德森、凯瑟琳·伍德等

管理说：任正非、稻盛和夫等

能源说：曾毓群等

汽车说：李想、何小鹏、王传福、魏建军、李书福等

智能说：DeepMind、OpenAI等

元宇宙说：Meta/Facebk、苹果、微软、英伟达、迪士尼、腾讯、字节跳动、EpicGames、Roblox、哔哩哔哩/B站等

星际说：中国国家航天局、NASA、历年国际宇航大会，SpaceX、Starlink、蓝色起源、维珍银河等

军事说：全球主要航空航天展等

消费说：亚马逊、沃尔玛、阿里、京东、拼多多、美团、东方甄选等

每个系列聚焦各领域全球顶尖高手、产业领军人物，搜集整理他们的致股东信、公开演讲/交流、媒体采访等一手信息，一起学习经典，汲取思想养分，做时间的朋友，做长期主义者。