黄仁勋认为，即将到来的自主机器时代意味着 AI 从理论来到真实世界。但除了开发新的传感器、完成电池等基础技术的突破之外，我们仍有三个基本问题需要解决：
1、构建一个完整的 AI 开发平台；
2、让机器人在虚拟环境中学习（这样才能够通过不断试错完成适应真实世界的算法）；
3、给机器人安装 AI 运算专用的处理器。
在人工智能领域拥有领先地位的英伟达已经走在解决这三个问题的道路上了：人工智能平台、Issac 和 Xavier 就是为了这三大挑战而提出的。英伟达表示，最早在明年，这些项目就能正式推出，届时整个业界就可以在它们的基础上构建完整的 AI 技术体系了。黄仁勋认为，在 5-10 年内我们就会看到 AI 领域出现新的巨大突破。
众所周知，深度学习是随着 GPU 技术的发展而兴起的，英伟达在这个过程中所扮演的角色不言而喻。不过，英伟达对于自己和 GPU 在未来扮演的角色有着自己的看法。「在未来，GPU 不会代替 CPU，」黄仁勋说道。「在任何设备中，GPU 都会和 CPU 共同工作，GPU 等于加速器。CPU 可以承担所有计算的工作，而 GPU 在很多特定问题上具有无与伦比的能量。」
英伟达对于未来计算设备的构想是：CPU 负责通用计算，GPU 负责特定任务——特别是人工智能任务的计算。在此之外，英伟达不会向通用处理器发展，而是致力于提升 GPU 在特定任务上的性能，这也是 CUDA 异构计算秉承的思路。
当然，英伟达希望充分发挥自己的技术优势。在它在本届 GTC 上提出的未来五大方向中（AI 计算平台、TensorRT、智能城市平台、自动驾驶平台和 Xaiver），所有愿景都是基于 GPU 实现的。可以认为，现在的人工智能领域里，GPU 是不可或缺的，这意味着英伟达占据着非常独特的位置。「我们确信，如果这些方向成功了，英伟达可以为整个社会的进步做出很大贡献，所以我们很开心能做这样的事。」黄仁勋表示。
GPU 在特定领域的优势让它面对 FPGA 等芯片架构的竞争时占据先机。FPGA 可以非常灵活，因为设计原因，它可以进行快速重构；而 GPU 并不是完全可变的，它是一种并行计算加速器。例如，你可以让 FPGA 处理 GPU 的工作，这样速度会非常慢；但 FPGA 可以用做网卡，但 GPU 却做不到。在三年前，英伟达决定把 GPU 转型发展为人工智能张量处理器，所以在今年 5 月，我们见证了搭载 Tensor Core 结构的 Volta 芯片问世。而在 GTC China 上，英伟达又推出了 NVDLA，重新定义了终端设备上的加速器架构，并希望以开放的态度推动整个人工智能产业界的发展。
在 AI 领域的各大方向中，自动驾驶是英伟达此前最为重视的一部分。在黄仁勋的眼中，符合 Level 5 自动驾驶级别的消费级汽车（售价 3 万美元左右）将会在不到十年的时间内出现，对此，英伟达构建了完整的自动驾驶技术体系。
「英伟达 Drive PX 相当于计算机的硬件，Drive OS 相当于操作系统，Driveworks 相当于 API——就像 Windows 中的 DriectX 一样，而最新推出的的 Drive AV 就相当于 APP，」黄仁勋介绍道，「所有这些构成了英伟达的自动驾驶技术体系，它们都是开放的。如果你希望在哪一层用自己的，完全没有问题。英伟达是在开发自己的整套系统。因为五年前我们开始做自动驾驶的时候，我们需要了解所有细节，所以这些都是我们需要研究的方向。但对于厂商来说，每家公司都有自己所擅长的领域，他们只需从中选择自己所需要的。」
在发展技术之外，英伟达也投资了景驰科技、图森未来等创业公司，并与沃尔沃等车企展开合作。「这不是在下注，英伟达希望能够成为一个技术平台，」黄仁勋对此表示，「在这之上，公司可以实现它们的梦想，我们希望所有人都可以成功。作为硬件提供者，我们的任务是不断改进这个平台，让它变得越来越强大。我们的平台是开放的，任何人都可以加入。英伟达不是一个垂直公司。我们希望能和大众、丰田等公司合作、和众多初创公司合作，甚至可以与空中客车合作，飞起来的汽车不是很好吗。」
此外，英伟达还希望投资更多其他领域的公司。这家公司对于 GPU 实现的科学计算、图形计算，以及人工智能应用的前景表示乐观。英伟达目前正在关注的垂直领域是人工智能和交通运输（当然，主要是智能交通）。
英伟达目前在三个市场里占据优势地位：游戏硬件、人工智能与车载芯片，这些业务的体量已经很大了。黄仁勋认为下一个将被颠覆的会是医疗行业，英伟达可以助力医疗公司进行新药研发：通过 GPU 加速新药的研发速度，同时助力基于人工智能的疾病早期检测。
「大家可以回想一下，交通、医疗等行业面临的挑战曾被认为是不可能解决的问题。有了人工智能，我们可以达成不可能完成的任务。」黄仁勋说道。
而提到解决前沿领域的问题，英伟达也正在与很多大学和研究机构增进联系。事实上，这家公司在向人工智能投入精力的开始时期完全把它看做是一个研究问题。在 7 年前，只有斯坦福大学、多伦多大学、纽约大学等院校在坚持着机器学习技术的研究，正是它们为今天人工智能大发展打下了基础。英伟达在各个大学中有很多项目（它们被称为英伟达 AI Lab）。在中国，这家公司已与清华大学、中国科学院大学和香港中文大学展开了深度合作，英伟达会资助学术机构的研究项目，提供先进技术，甚至邀请学者来到英伟达的实验室做研究。
黄仁勋了解缩小业界与学界之间隔阂的重要性：「事实上，很多新公司打造产品是为了更多的利润，但对于英伟达来说，我们用了 3 年时间研究，花费 20 亿美元重金打造 Volta 架构 AI 芯片，第一块 Volta 我们却送给了研究机构。面向学界对我们而言非常重要。」
