【长期主义】第278期智能说：黄仁勋对话 Cadence CEO，苏姿丰接受微软CTO专访，波士顿动力CEO谈新Atlas机器人

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