Thank you for that kind introduction, but I hate hearing about myself.

親切に紹介してくれてありがとう。

And just as a show, well, maybe if you could just applaud.

そして、ショーとして、まあ、拍手をしていただければ。

How many of you know who NVIDIA is?

エヌビディアがどんな会社か知っている人はどれくらいいるだろうか？

And how many of you know what a GPU is?

また、GPUが何であるかを知っている人は何人いるだろうか？

Okay, good, I don't have to change my speech.

オーケー、よかった、スピーチを変える必要はない。

Ladies and gentlemen, President Rosenbaum, esteemed faculty members, distinguished guests, proud parents, and above all, the 2024 graduating class of Caltech.

皆さん、ローゼンバウム学長、尊敬する教授陣、来賓の方々、誇り高き父兄の方々、そして何よりもキャルテックの2024年度卒業生諸君。

This is a really happy day for you guys.

君たちにとって本当に幸せな日だ。

You got to look more excited.

もっと興奮した顔をしてくれ。

You know you're graduating from Caltech.

カリフォルニア工科大学を卒業するんですよね。

This is the school of the great Richard Feynman, Linus Pauling, and someone who is very influential to me and our industry, Carver Mead.

この学校は、偉大なリチャード・ファインマン、ライナス・ポーリング、そして私やこの業界に大きな影響を与えたカーバー・ミードの学校である。

Yeah, this is a very big deal.

ああ、これはとても大きなことだ。

Today is a day of immense pride and joy.

今日は計り知れない誇りと喜びの日だ。

It is a dream come true for all of you, but not just for you, because your parents and families have made countless sacrifices to see you reach this milestone.

あなた方全員にとって夢のようなことですが、あなた方だけではありません。あなた方のご両親やご家族は、あなた方がこの節目を迎えるために数え切れないほどの犠牲を払ってきたのですから。

So let's take this moment and congratulate them, thank them, and let them know you love them.

だからこの場を借りて、彼らを祝福し、感謝し、愛していることを伝えよう。

You don't want to forget that because you don't know how long you're going to be living at home.

いつまで実家で暮らすかわからないからこそ、それを忘れたくない。

You want to be super grateful today.

あなたは今日、心から感謝したい。

As a proud parent, I really loved it when my kids didn't move out, and it was great to see them every day, but now they've moved out and it makes me sad.

自慢の親として、子供たちが引っ越さなかったときは本当に愛おしかったし、毎日会うことができて最高だった。

So hopefully you guys get to spend some time with your parents.

だから、君たちが両親と一緒に過ごせるといいね。

Your journey here is a testament of your character, determination, willingness to make sacrifices for your dreams, and you should be proud.

ここまでの道のりは、あなたの人格、決意、夢のために犠牲を払う意志の証であり、誇りに思うべきだ。

The ability to make sacrifices, endure pain and suffering, you will need these qualities in life.

犠牲を払う能力、痛みや苦しみに耐える能力、人生にはこうした資質が必要だ。

You and I share some things in common.

あなたと私には共通点がある。

First, both chief scientists of NVIDIA were from Caltech.

まず、エヌビディアのチーフ・サイエンティストは2人ともカリフォルニア工科大学の出身だった。

And one of the reasons why I'm giving this speech today is because I'm recruiting.

今日、このスピーチをする理由のひとつは、私がリクルートをしているからだ。

And so I want to tell you that NVIDIA is a really great company.

ですから、エヌビディアは本当に素晴らしい会社だとお伝えしたいのです。

I'm a very nice boss, universally loved, come work at NVIDIA.

私はとてもいい上司で、誰からも愛されている。

You and I share a passion for science and engineering, and although we're separated by about 40 years, we are both at the peaks of our career.

あなたと私は科学と工学への情熱を分かち合っており、40年ほど離れているが、2人ともキャリアのピークにいる。

For all of you who have been paying attention to NVIDIA and myself, you know what I mean.

エヌビディアや私のことを気にかけてくださっている皆さんは、私が何を言いたいかおわかりでしょう。

It's just that in your case, you'll have many, many more peaks to go.

ただ、あなたの場合、まだまだ多くのピークがある。

I just hope that today is not my peak.

今日がピークでないことを願うばかりだ。

Not the peak.

ピークではない。

And so I'm working as hard as ever to make sure that I have many more peaks ahead.

だから、私はこの先も多くのピークを迎えられるよう、これまでと同じように努力している。

Last year, I was honored to give the commencement address at Taiwan University, and I shared several stories about NVIDIA's journey and the lessons that we learned that might be valuable for graduates.

昨年、私は台湾大学の卒業式でスピーチをする光栄に浴し、NVIDIAの歩みや卒業生にとって貴重な教訓となるような話をいくつかしました。

I have to admit that I don't love giving advice, especially to other people's children.

正直なところ、特に他人の子供にアドバイスをするのは好きではない。

And so my advice today will largely be disguised in some stories that I've enjoyed and some life experiences that I've enjoyed.

だから、今日の私のアドバイスは、私が楽しんできたいくつかの物語と、私が楽しんできたいくつかの人生経験で大部分をごまかすことになるだろう。

I'm the longest-running tech CEO in the world today, I believe.

私は現在、世界で最も長く続いている技術系CEOだと思う。

Over the course of 31 years, I managed not to go out of business, not get bored, and not get fired.

31年間、私は廃業することもなく、退屈することもなく、解雇されることもなかった。

And so I have the great privilege of enjoying a lot of life's experiences, starting from creating NVIDIA from nothing to what it is today.

そして、NVIDIAを何もないところから今日の姿に作り上げるところから始まり、多くの人生経験を享受できるという大きな特権を得ることができました。

And so I spoke about the long road of creating CUDA, a programming model.

そこで私は、CUDAというプログラミングモデルを作るまでの長い道のりについて話した。

The programming model that we dedicated over 20 years to invent, and that is revolutionizing computing today.

私たちが20年以上かけて発明し、今日のコンピューティングに革命をもたらしているプログラミング・モデル。

I spoke about a very quite public canceled Sega game console project we worked on.

私が話したのは、私たちが取り組んだセガのゲーム機のキャンセルプロジェクトについてです。

And where intellectual honesty, something that I know Richard Feynman cares very deeply about and spoke quite often about, where intellectual honesty and humility saved our company.

リチャード・ファインマンがとても大切にしていて、よく話していたことだが、知的誠実さと謙虚さが私たちの会社を救った。

And how a retreat, a strategic retreat, was one of our best strategies.

そして、撤退、戦略的撤退がいかに私たちの最善の戦略のひとつであったか。

All of these are counterintuitive lessons that I spoke about at the commencement.

これらはすべて、私が開幕戦で話した直感に反する教訓だ。

But I encouraged the graduates to engage with AI, the most consequential technology of our time.

しかし、私は卒業生たちに、現代で最も重要なテクノロジーであるAIに取り組むよう勧めた。

And I'll speak a little bit more about that later, but all of you know about AI.

それについては後でもう少し詳しく話すが、AIについては皆さんご存知だろう。

It's hard not to be immersed in it and surrounded by it, and a great deal of discussion about it.

それに没頭し、それに囲まれ、それについて大いに議論しないわけにはいかない。

And of course, I hope that all of you are using it and playing with it, with surprising results and some magical, some disappointing, and some surprising.

そしてもちろん、皆さんがそれを使い、遊んで、驚くべき結果や不思議なこと、残念なこと、驚くようなことがあることを願っている。

But you have to enjoy it, you have to engage it, because it's advancing so quickly.

しかし、それを楽しみ、それに取り組まなければならない。

It is the only technology that I've known that is advancing on multiple exponentials at the same time.

私が知る限り、複数の指数関数で同時に進歩している唯一の技術である。

And so the technology is changing very, very quickly.

そのため、テクノロジーの変化は非常に速い。

So I advised the students at the Taiwan University to run, don't walk, and engage the AI revolution.

だから私は台湾大学の学生たちに、歩かずに走ってAI革命に参加するようアドバイスした。

And yet, one year later, it's incredible how much has changed.

そして1年後、信じられないほどの変化があった。

And so today, what I wanted to do is share with you my perspective, from my vantage point, of some of the important things that are happening that you're graduating into.

そこで今日、私が皆さんにお伝えしたいのは、私の立場から、皆さんが卒業するまでに起こっている重要なことについてです。

And these are extraordinary things that are happening that you should have an intuitive understanding for, because it's going to matter to you, it's going to matter to the industry.

なぜなら、それはあなたにとって重要なことであり、業界にとっても重要なことだからだ。

And hopefully, you take advantage of the opportunity ahead of you.

そして願わくば、目の前のチャンスを活かしてほしい。

The computer industry is transforming from its foundations, literally from studs.

コンピュータ業界は、その基礎から、文字通り画鋲から変貌を遂げようとしている。

Everything is changing from studs on up.

スタッドレスからすべてが変わりつつある。

And across every layer and soon, every industry will also be transformed.

そして、あらゆるレイヤーで、やがてあらゆる産業も変貌を遂げるだろう。

And the reason for that is quite obvious, because computers today are the single most important instrument of knowledge.

その理由は明白で、今日、コンピューターは知識の最も重要な道具だからだ。

And it's foundational to every single industry and every field of science.

そして、それはあらゆる産業、あらゆる科学分野の基礎となっている。

If we are transforming the computer so profoundly, it will, of course, have implications in every industry.

コンピュータをこれほど大きく変革するのであれば、もちろんあらゆる産業に影響を及ぼすだろう。

And I'll talk about that in just a little bit.

それについては、もう少し後で話そう。

And as you enter industry, it's important you know what's happening.

そして、この業界に入る以上、何が起きているのかを知ることが重要だ。

Modern computing traces back to the IBM System 360.

現代のコンピューティングは、IBMシステム360にまで遡る。

That was the architecture manual that I learned from.

それが私が学んだ建築マニュアルだった。

It's an architecture manual that you don't need to learn from.

学ぶ必要のない建築マニュアルだ。

A lot better documentation and better descriptions of computers and architecture has been presented since.

それ以来、コンピューターや建築に関するより良い文書や記述が数多く発表されるようになった。

But the System 360 was incredibly important at its time.

しかし、システム360は当時、非常に重要なものだった。

And in fact, the basic ideas of the System 360, the architecture of it, the principal ideas and architecture and strategy of the System 360 are still governing the computer industry today.

そして実際、システム360の基本的なアイデア、そのアーキテクチャ、主要なアイデア、アーキテクチャ、戦略は、今日でもコンピューター業界を支配している。

And it was introduced a year after my birth.

そしてそれは、私が生まれた1年後に導入された。

In the 80s, I was among the first generation of VLSI engineers who learned to design chips from Mead and Conway's landmark textbook.

80年代、私はミードとコンウェイの画期的な教科書からチップ設計を学んだVLSIエンジニアの第一世代に属していた。

And I'm not sure if it's still being taught here.

そして、それがまだここで教えられているかどうかは分からない。

It should be in the introduction of VLSI systems.

VLSIシステムの導入にあるはずだ。

Based on Carver Mead's pioneering work here at Caltech on chip design methodologies and textbook that revolutionized IC design.

カーバー・ミードがカリフォルニア工科大学で行ったチップ設計手法の先駆的研究と、IC設計に革命をもたらした教科書に基づく。

And it enabled our generation to design super giant chips and ultimately the CPU.

そして、私たちの世代が超巨大チップ、ひいてはCPUを設計することを可能にした。

The CPU led to exponential growth in computing.

CPUはコンピューティングを飛躍的に成長させた。

The performance, the incredible technology advances, that's called Moore's Law, fueled the information technology revolution.

ムーアの法則と呼ばれる驚異的な技術の進歩は、情報技術革命を加速させた。

The industrial revolution that we are part of, that my generation was part of, saw the mass production of something the world had never seen before.

私たちが属する産業革命、つまり私の世代が属する産業革命では、世界がかつて見たことのないものが大量生産された。

The mass production of something that was invisible, easy to copy, the mass production of software.

目に見えず、コピーしやすいものの大量生産、ソフトウェアの大量生産。

And it led to a $3 trillion industry.

そして、それが3兆ドル産業へとつながった。

When I sat where you sat, the IT industry was minuscule.

私があなたの席に座っていた頃、IT業界は極小だった。

And the concept that you could make money selling software was a fantasy.

そして、ソフトウェアを売ってお金を稼げるというコンセプトは幻想だった。

And yet today, it's one of the most important commodities, most important technologies and product creations that our industry produces.

しかし現在では、この産業が生み出す最も重要な商品、最も重要な技術、製品のひとつとなっている。

However, the limits of Dennard scaling, of transistor scaling, and instruction level parallelism have slowed CPU performance.

しかし、デナード・スケーリング、トランジスタ・スケーリング、命令レベルの並列性の限界により、CPUの性能は低下している。

And the slowed CPU performance gains is happening at a time when computing demand continues to grow exponentially.

また、CPUの性能向上が遅れているのは、コンピューティング需要が指数関数的に伸び続けているときに起きている。

This exponentially growing gap between demand of computing and the capabilities of computers, if not addressed, computing energy consumption and cost, inflation, would eventually stifle every industry.

コンピューティングの需要とコンピュータの能力との間のこの指数関数的なギャップは、もし対処されなければ、コンピューティングのエネルギー消費とコスト、インフレを引き起こし、最終的にはあらゆる産業を押しとどめるだろう。

We see very clear signs of computing inflation as we speak.

私たちは、今こうしている間にも、計算インフレの非常に明確な兆候を目にしている。

And after two decades of advancing NVIDIA's CUDA, NVIDIA's accelerated computing offers a path forward.

そして、NVIDIAのCUDAを20年間進化させてきたNVIDIAのアクセラレーテッド・コンピューティングは、前進への道を提供します。

That's the reason why I'm here.

それが私がここにいる理由だ。

Because finally the industry realized of the incredible effectiveness of accelerated computing at precisely the time that we're witnessing computing inflation after several decades.

というのも、数十年ぶりにコンピューティングのインフレを目の当たりにしているまさにその時に、ようやくアクセラレーテッド・コンピューティングの驚くべき有効性に業界が気づいたからだ。

By offloading time-consuming algorithms to a GPU that specializes in parallel processing, we routinely achieve 10, 100, sometimes 1,000-fold speedups saving money, cost, and energy.

時間のかかるアルゴリズムを並列処理に特化したGPUにオフロードすることで、我々は日常的に10倍、100倍、時には1000倍のスピードアップを達成し、コストとエネルギーを節約している。

We now accelerate application domains from computer graphics, ray tracing, of course, to gene sequencing, scientific computing, astronomy, quantum circuit simulations, SQL data processing, and even pandas, data science.

現在では、コンピューターグラフィックス、レイトレーシングはもちろんのこと、遺伝子配列、科学計算、天文学、量子回路シミュレーション、SQLデータ処理、さらにはパンダ、データサイエンスに至るまで、アプリケーション領域を高速化している。

Accelerated computing has reached a tipping point.

加速コンピューティングは転換点を迎えている。

That is our first great contribution to the computer industry, our first great contribution to society, accelerated computing.

それこそが、コンピュータ産業への最初の偉大な貢献であり、社会への最初の偉大な貢献である加速コンピューティングなのだ。

It now gives us a path forward for sustainable computing where cost will continue to decline as computing requirement continues to grow.

これにより、コンピューティング要件が増加し続ける一方でコストが低下し続ける、持続可能なコンピューティングへの道筋が見えてきた。

A hundred-fold, a hundred-fold of anything in time or cost or energy savings that accelerated computing opened surely would trigger a new development somewhere else.

時間やコスト、エネルギーの節約につながるものが100倍、100倍となれば、加速されたコンピューティングがどこかで新たな開発の引き金になるに違いない。

We just didn't know what it was until deep learning came to our consciousness.

ただ、ディープラーニングが私たちの意識の中に入ってくるまでは、それが何なのかわからなかった。

A whole new world of computing emerged.

まったく新しいコンピューティングの世界が出現したのだ。

Jeff Hinton, Alice Krzyzewski, and Ilya Suskever used NVIDIA CUDA GPUs to train AlexNet and shocked the computer vision community by winning the 2012 ImageNet Challenge.

Jeff Hinton、Alice Krzyzewski、Ilya Suskeverは、NVIDIA CUDA GPUを使用してAlexNetを学習し、2012 ImageNet Challengeで優勝してコンピュータビジョンコミュニティに衝撃を与えました。

This was the big moment, the big bang of deep learning, a pivotal moment that marked the beginning of the AI revolution.

これはディープラーニングのビッグバンであり、AI革命の始まりを告げる極めて重要な瞬間だった。

Our decisions after AlexNet transformed our company is something that's worth taking note of.

アレックスネットが私たちの会社を変えた後の決断は、注目に値するものだ。

Our decisions after AlexNet transformed our company and likely everything else.

アレックスネット後の決断が、私たちの会社、そしておそらく他のすべてを変えた。

We saw the potential of deep learning and believed, just believed through principle thinking, believed through our own analysis of the scalability of deep learning.

私たちはディープラーニングの可能性を見いだし、原理的な思考によって信じ、ディープラーニングのスケーラビリティに関する独自の分析によって信じた。

We believed the approach could learn other valuable functions.

私たちは、このアプローチが他の価値ある機能を学ぶことができると考えた。

That maybe deep learning is a universal function learner.

ディープラーニングは普遍的な機能学習なのかもしれない。

And how many problems are difficult or impossible to express using fundamental first principles?

また、基本的な第一原理を使って表現することが難しい、あるいは不可能な問題がどれほどあるのだろうか？

And so when we saw this, when we saw this, we thought this is a technology we really have to pay attention to because its limits are potentially only limited by model and data scale.

そして、これを見たとき、私たちは、これは本当に注目しなければならない技術だと思った。なぜなら、その限界はモデルとデータのスケールによってのみ制限される可能性があるからだ。

However, there were challenges at the time.

しかし、当時は課題もあった。

This is 2012, shortly after 2012.

これは2012年、2012年の直後のことだ。

How could we explore the limits of deep learning without having to build these massive GPU clusters?

大規模なGPUクラスターを構築することなく、ディープラーニングの限界を探るにはどうすればいいのだろうか？

At the time we were a rather small company.

当時、私たちはかなり小さな会社だった。

Building these massive GPU clusters could cost hundreds and hundreds of millions of dollars.

このような巨大なGPUクラスターを構築するには、何億ドルも何億ドルもかかる可能性がある。

And if we didn't though, there was no assurance that it would be effective if we scaled.

しかし、そうしなければ、規模を拡大しても効果があるという保証はない。

However, no one knew how far deep learning could scale.

しかし、ディープラーニングがどこまで拡張できるかは誰にもわからなかった。

And if we didn't build it, we'd never know.

そして、もし私たちがそれを作らなければ、決して知ることはないだろう。

This is one of those, if you build it, will they come?

これは、"作れば来る "もののひとつだ。

Our logic is if we don't build it, they can't come.

私たちの論理では、建設しなければ彼らは来られない。

And so we dedicated ourselves based on our first principle beliefs and our analysis.

そうして私たちは、第一原則の信念と分析に基づいて自分自身を捧げた。

And we got ourselves to the point where we believed this was going to be so effective and when the company believes something, we should go act on it.

そして私たちは、これがとても効果的なものになると信じ、会社が何かを信じたら、それを行動に移すべきだと考えるようになった。

So we dove deep into deep learning and over the next decade, systematically reinvented everything.

そこで私たちはディープラーニングに深く取り組み、その後10年以上にわたって、すべてを体系的に改革してきた。

We reinvented every computing layer, starting with the GPU itself.

GPU自体から始まり、すべてのコンピューティング・レイヤーを再発明した。

The invention of the modern GPU, which is very different than the GPU of the past that we invented in the first place, and we went on to invent just about every other aspect of computing, the interconnects, the systems, the networking, and of course, software.

現代のGPUの発明は、私たちが最初に発明した過去のGPUとはまったく異なるものであり、私たちは、インターコネクト、システム、ネットワーキング、そしてもちろんソフトウェアなど、コンピューティングのあらゆる面を発明していった。

We invested billions.

我々は数十億ドルを投資した。

We invested billions into the unknown.

私たちは未知の世界に何十億ドルも投資した。

Thousands of engineers for a decade worked on deep learning and advancing and scaling deep learning without really knowing how far we could really take the technology.

何千人ものエンジニアが10年間、ディープラーニングに取り組み、ディープラーニングを進歩させ、スケーリングしてきたが、私たちがこの技術をどこまで進化させることができるのか、本当のところはわかっていなかった。

We invested billions.

我々は数十億ドルを投資した。

And we designed and built supercomputers to explore the limits of learning, of deep learning in AI.

そして私たちは、AIにおけるディープラーニング（深層学習）の学習限界を探るためにスーパーコンピューターを設計し、構築した。

Then in 2016, we announced DGX-1, our first AI supercomputer, and I delivered the first one to a startup in San Francisco, a startup nobody knew anything about, a group of friends of mine who were working on artificial intelligence, a company called OpenAI.

そして2016年、私たちは最初のAIスーパーコンピューターであるDGX-1を発表し、私はサンフランシスコのスタートアップに最初の1台を納入しました。誰も知らないスタートアップで、人工知能に取り組んでいた私の友人たちのグループ、OpenAIという会社です。

In 2022, 10 years after AlexNet, and about a million-fold increase in computing later, a million-fold.

アレックスネットから10年後の2022年には、計算能力が約100万倍になっている。

If you could just imagine, what would it be like if your laptop was a million-fold more capable?

もし、あなたのノートパソコンが100万倍も高性能だったらどうなるだろうか？

A million-fold later, OpenAI launched ChatGPT, and AI went mainstream.

その100万倍後、オープンAIがChatGPTを立ち上げ、AIは主流になった。

During this decade, NVIDIA transformed ourselves from a graphics company that many of you probably first knew us as, that builds GPUs, to now an AI company that builds massive data center-scale supercomputers.

この10年間で、エヌビディアは、GPUを製造するグラフィックス会社から、巨大なデータセンター規模のスーパーコンピュータを製造するAI会社へと変貌を遂げました。

We transformed our company completely.

私たちは会社を完全に変革した。

We also transformed computing completely.

また、コンピューティングを完全に変革した。

The fundamental way of doing computing today has been radically changed.

今日のコンピューティングの基本的なやり方は根本的に変わってしまった。

The computing stack now uses GPU to process large language models that are trained on computers, rather than CPUs that are processing instructions written by programmers.

コンピューティング・スタックは現在、プログラマーが書いた命令を処理するCPUではなく、コンピュータ上で学習された大規模な言語モデルを処理するためにGPUを使用している。

We are now creating software that no humans can write.

私たちは今、人間には書けないソフトウェアを作っている。

We are now creating software that does things that no humans can imagine, even just 10 years ago.

私たちは今、ほんの10年前でも人間が想像できなかったようなことをするソフトウェアを作っている。

Computers are now intention-driven, rather than instruction-driven.

コンピューターは今や、命令主導型ではなく、意図主導型である。

Tell a computer what you want, and it will figure out how.

コンピュータに望みを伝えれば、コンピュータがその方法を見つけ出す。

Like humans, AI applications will understand the mission, reason, plan, and orchestrate a team of large language models to perform tasks.

人間と同じように、AIアプリケーションは任務を理解し、推論し、計画し、大規模な言語モデルのチームを編成してタスクを実行する。

Future applications will do and perform very similar to the way we do things, assemble teams of experts, use tools, reason and plan, and execute our mission.

将来のアプリケーションは、私たちが物事を行い、専門家のチームを編成し、ツールを使用し、推論し、計画を立て、任務を遂行する方法と非常によく似たことを行い、実行するだろう。

Software and what software can do has been completely changed.

ソフトウェアとソフトウェアにできることは完全に変わってしまった。

Even our industry, as it's being changed and transformed, created yet another industry, an industry the world's never seen before.

私たちの業界でさえ、変化し、変容していく中で、また新たな業界、世界がかつて見たことのない業界が生まれた。

An industry is forming right in front of our eyes.

目の前に産業が形成されつつある。

AI's input and output are tokens.

AIの入力と出力はトークンである。

For all the engineers in the room, you know what I mean.

この部屋にいるエンジニアの皆さんは、私の言っている意味がわかるだろう。

These are floating-point numbers that embed intelligence.

これはインテリジェンスを埋め込んだ浮動小数点数である。

Companies are now building a new type, a new type of data center that didn't exist before that specialized in producing intelligence tokens, essentially AI factories.

企業は今、新しいタイプの、以前には存在しなかった、インテリジェンス・トークンの生産に特化した新しいタイプのデータセンター、要するにAI工場を建設している。

Like AC generators that Nikola Tesla invented of the past industrial revolution, we now have AI token generators, and they will be the factories of a new industrial revolution.

かつての産業革命でニコラ・テスラが発明した交流発電機のように、私たちは今、AIトークン発電機を持っている。

There's large industries producing energy, electricity.

エネルギーや電力を生産する大きな産業がある。

We now have a large industry producing something invisible called software.

私たちは今、ソフトウェアという目に見えないものを生産する大きな産業を持っている。

In the future, in the very near future, we'll have industries that are producing, manufacturing intelligence tokens, AI generators.

将来的には、ごく近い将来、インテリジェンス・トークンやAIジェネレーターを製造する産業が生まれるだろう。

A new computing model has emerged, and a new industry has emerged, all because we reasoned from first principles, formed our belief about the future, and we acted on them.

新しいコンピューティング・モデルが登場し、新しい産業が生まれたのは、すべて私たちが第一原理から推論し、未来についての信念を形成し、それに基づいて行動したからである。

The next wave of AI is robotics, where AI, in addition to a language model, also has a physical world model.

AIの次の波はロボット工学で、そこではAIは言語モデルに加えて物理的世界モデルも持っている。

We work with hundreds of companies building robots, robotic vehicles, pick-and-place arms, humanoid robots, and even entire gigantic warehouses that are robotic.

私たちは、ロボット、ロボット車両、ピック・アンド・プレイス・アーム、ヒューマノイド・ロボット、さらには巨大な倉庫全体をロボット化する何百もの企業と協力しています。

But unlike our AI factory strategy and our experience there, which was really formed through reasoning and deliberate action, our robotics journey resulted from a series of setbacks.

しかし、私たちのAI工場戦略やそこでの経験が、理性的で意図的な行動によって形成されたのとは異なり、私たちのロボット工学の旅は、一連の挫折から生まれた。

As you know, NVIDIA invented the GPU.

ご存知のように、エヌビディアはGPUを発明した。

This was before we invented AI factories.

AI工場が発明される前の話だ。

Our first great contribution to the computer industry was reinventing computer graphics through programmable shaders.