上週同一天(10/26)NVIDIA在台北舉行GPU技術大會（GTC Taiwan），而廣達旗下雲達科技在矽谷舉辦Q.synergy 2017，談Data center transformation。兩家公司是往來密切的合作夥伴，抓到了雲端與AI的市場大勢而成為明星企業，NVIDIA與雲達台美兩地的撞日巧合其實頗有值得玩味思索之處。
10/26下午4點到5點，黃仁勳把時間留給了產業分析師，在艾美寒舍5樓與10餘名分析師進行閉門Q&A section，黃仁勳整場重複最多次的訊息並非AI，而是一再重述他經營企業的理念：
Rule No. 1：做有影響力且只有我能做的事
Rule No. 2：努力工作，做到最好
Rule No. 3：樂在其中
黃仁勳相信AI與自駕車可以對人類社會帶來重大影響，所以他可以成立一個龐大人力的labeling center，花了整整一年時間幫龐大道路影像資料label物體以供機器學習之訓練使用(他說不願意再來一次這種苦差事)，而NVIDIA在還看不到何時回收前，迄今已投了30億美金到自駕車項目，接下來還打算再砸20億美金。
黃仁勳說了段話頗值得台灣公司思索，他說，他做AI與自駕車時根本沒考慮ROI，事實上，創新跟ROI一點關係都沒有，他要make impact，ROI是之後的output，自然會發生，不該是input!
用黃仁勳的經營理念來看雲達，做白牌/代工伺服器不難，有許多人會做可做想做，但楊晴達帶領的事業團隊選擇了獨特的道路，不只做伺服器產品而做伺服器、儲存與交換器完整的硬體解決方案，再進而與VMware等業者結盟及自己開發軟體，提供軟硬整合整體解決方案。此外，雲達決心推動品牌而甘願承受與既有客戶衝突的掉單陣痛。
也因走了難走的路，才讓雲達乃至廣達集團未來發展的局變得開闊，除了網路業者外，亦可從電信業者、大企業私有雲找到成長力道。未來局面尚不僅於此，隨邊緣運算趨勢漸興，雲端業者也開始提供分散式的邊緣運算資源，如AWS的Snowball Edge，過去未能搶食雲端服務XX-as-a-service市場的電信業者也希望透過Mobile Edge Computing或Cloudlet與雲端業者分庭抗禮，邊緣運算有機會帶動下一波成長力道。
在Q&A Section中，我問了黃仁勳一個長問題：「Jensen，監督式學習需要dataset，那是否在每個領域擁有最多data的公司，如Google、Facebook、Amazon等將會成為市場贏家？另一方面，台灣很難擁有很多data，非監督式學習不需labeled data、遷移學習僅需small data、增強學習不需data，是否這些領域更會是台灣機會所在？」他的回覆是：「我不需回答你的問題，你已經回答了你自己的問題！」
我想，真正的問題是，我們能夠像NVIDIA與雲達般，選一條難走的路，並一步一腳印的認真把路走好嗎？
DIGITIMES副總經理。美國壬色列理工學院(RPI)電機碩士暨台灣大學國際企業所博士候選人，曾帶領DIGITIMES研究中心，並擔任多個政府及企業委託之研究顧問專案主持人，關懷多變局勢下的台灣產業發展之道。
