How AI is Transforming the Way We Create, Personalize, and Share Content [S73742]
人工智慧如何改變我們創建、個人化和分享內容的方式 [S73742]


講者1：
確實，我們也有一個訴訟請求，是針對其他人的。我很害怕站在這裡，但感覺好像沒過多久，我還在參加第一屆GTC（全球技術大會），那時我談論的是電腦如何改變電影製作中模擬（simulation）的方法。我當時和克里斯·霍洛維茨（Chris Horowitz）一起，我們展示了许多功能，比如利用電腦生成煙霧、火焰等效果。那時的展示顯示，這些技術比傳統CPU的應用效率提高了200%。幾年後的今天，我和克里斯都在北京工作。今天我想談談AI（人工智慧）在動畫領域（enemy space）的應用，我知道這個話題在過去一年半左右時間裡，對一些人來說有點敏感。許多工作室對AI這個詞的使用變得低調，有些工作室甚至不允許員工公開談論它。這種情況帶來了恐懼和不確定性。所以，我希望今天能帶大家了解這種情況背後的原因，並讓業界更清楚地認識到AI在動畫領域的能力——其實這些技術已經在這個領域使用了十多年。當我們談到生成式AI（generative AI）時，會展示一些非常有趣的東西，那就讓我們開始吧。

昨天的主題演講中，大家已經看到，我們談到了即時加速運算（accelerated computing for real-time），特別是AI的應用。我想先簡單談談AI的快速演進。我們習慣看到AI能回答問題，比如時間或溫度之類的簡單查詢。但現在，我們正進入AI推理（AI reasoning）崛起的階段。這意味著你可以與AI代理（AI agent）互動，不僅能得到資訊，還能了解它得出這些資訊的推理過程。這種更深入的對話能力為我們帶來了全新的可能性，並貫穿我們的工作。開發者正在利用這些技術，他們的角色也在擴展。我們都聽過這樣的說法：你可以提示AI幫你開發一個應用程式，或者生成一張圖片。但事實上，如果你不清楚最終想要的結果是什麼，就很難得到滿意的東西。開發者明白應用程式是如何構建的，他們知道如何利用、整合和部署這些技術。因此，在這個新世界中，開發者的角色比以往任何時候都重要，因為他們正在幫助打造這些新能力，轉化為真正可用的成果。

昨天我們宣布了幾款對市場非常重要的新硬體。特別是DGX Spark，這是一款絕對的AI強者，可以放在你的桌上，連接到你正在使用的任何電腦。它運行我們完整的NVIDIA堆疊（NVIDIA stack）。這意味著你可以在桌面上擁有DGX電腦的強大性能，它的大小就像一本平裝書，擁有超過1000 TOPS（兆次運算每秒）和128GB的記憶體。如果你需要在本地進行AI推理（AI influencing），它提供了充足的空間。但如果你想要更強大的設備，我們還有DGX Station，它使用了我們的Grace Blackwell Ultra晶片。這款設備真正將伺服器的強大性能帶到了你的桌面，配備700至780GB的RAM和最高20,000 teraflops（萬億次浮點運算）的運算能力，讓你桌上擁有業界前所未有的設備。將這些設備結合起來，你真的可以看到桌上擁有伺服器性能的可能性。

除此之外，我們還宣布了一些其他內容，你們會在這段影片中看到。讓我們來看看RTX Pro如何為媒體環境帶來改變。我們推出了新一代RTX Pro全系列產品，從筆記型電腦到桌上型電腦，提供一系列產品，幫助你在桌上型電腦上進行推理（inference）。與上一代相比，性能提升驚人，從幻燈片中可以看到，推理場景的性能提高了3.5倍以上，渲染（rendering）和文字轉圖像（text-to-image）的性能提高了2.5倍，影片編輯性能更是提高了15倍。這是一個能融入你工作站的真正強者。從基準測試中可以看到，與上一代相比的顯著改進，讓你在桌上型電腦上能用AI做更多事情。

我們已經與長期合作夥伴預覽了這些產品，比如First I Picks，他們從NVIDIA創立之初就是我們的合作夥伴。關鍵之一是他們能夠將97%的環境直接載入這款96GB的顯示卡中。這對像Picks這樣的團隊來說是一個驚人的成就，我們知道這對他們意味著什麼。這表示他們將在下一代場景中做得更大、更出色。他們的進步真的很驚人，我們與他們合作，確保他們擁有最適合工作需求的平台。同樣的，還有Industrial Light and Magic，如果你熟悉Stagecraft（舞台工藝），你就知道這是一個用於即時製作的完整虛擬環境，能將特效直接帶入攝影機。我們稱之為即時技術。這一代顯示卡的性能比上一代更好，讓他們能在即時環境中完成更多工作。目前業界預測，約20%使用特效的電影是即時製作的，而未來兩年內，這比例預計將翻轉，超過70%的電影將採用即時製作。這是非常驚人的進展，而我們的硬體平台正是推動這一切的關鍵。我們提供從筆記型電腦到伺服器的全系列產品，這些功能的可能性令人驚嘆。我想給大家看一段影片，讓你們了解這些即時技術的重要性。

講者2：
透過NVIDIA RTX套件（RTX Kit），我們向開發者提供了神經渲染（neural rendering）技術。這套件中的第一個新創新是RTX Neural Shaders，這是一個新的程式設計模型，讓開發者能在著色器（shaders）中訓練和使用小型AI網路。這使得超複雜的資產（assets）能即時渲染，讓遊戲更接近重金打造的CGI電影中高品質材質的水準。神經著色器的應用無窮無盡，從材質（materials）、光影（lighting）到幾何結構（geometry）等等。其中一個應用是神經紋理壓縮（neural texture compression）。RTX神經紋理壓縮利用AI更有效地壓縮紋理，將紋理記憶體消耗減少高達7倍，同時保持高視覺品質。同樣的，RTX神經材質（neural materials）壓縮著色器程式碼並加速材質處理，讓你能在遊戲中以電影品質填滿整個場景，並保持遊戲所需的性能。

此外，RTX全局照明（RTX Global Illumination）的神經輻射緩存（neural radiance cache）利用AI模擬多次光線反射，提升照明品質和性能。在路徑追蹤（path tracing）遊戲中，隨著對視覺保真度的期望提升，以及像虛幻引擎（Unreal Engine）的Nanite這樣的高級幾何系統的發展，過去30年來幾何複雜度呈指數增長。為了解決這種複雜性，RTX Mega Geometry重建幾何資料結構，用於即時路徑追蹤，每幀可處理的追蹤三角形數量提升100倍。這項突破為巨大的、細節豐富的世界和無限複雜的角色提供了動力。

講者1：
是的，太驚人了。這些AI能力令人驚嘆的地方在於，它們將即時功能帶入工作流程，涵蓋渲染（rendering）的各個部分，全程即時進行。我們還沒真正觸及那些讓人擔憂的話題。這些能力促成了我們所謂的「媒體2.0」（Media 2.0）計劃。當我們審視業界的發展時，我們從內容創作開始，一直到分發以及之間的所有環節，與過去的媒體娛樂世界相比，現在的情況完全不同。過去的重點是將內容呈現到螢幕上，而「媒體2.0」計劃則是關注生成式AI（generative AI）、數據分析（data analytics）、推薦引擎（recommendation engines）、語音（speech）和視覺（vision）等各種應用場景。這些技術結合在一起，將我們帶入一個更加個人化的體驗時代。

例如個人化搜尋和助理能幫助你完成工作，內容描述、規劃和支出分析等功能都因AI而增強。還有動態內容傳遞（dynamic content delivery），我們知道影片消費量比以往任何時候都多，且增長速度前所未有。人們在不同設備上觀看內容——家裡的螢幕、電影院、手機等等。AI能即時轉換分發方式，適應你觀看內容的設備，不僅僅是剪掉場景，而是聚焦於你正在觀看的場景內容，甚至提供動態資訊。比如看體育比賽時，現在的觀看體驗不僅限於比賽本身，還包括周邊的數據分析，例如某個球員上一次進球是什麼時候，讓你更深入、更個人化地沉浸在比賽中。當然，在廣告技術（AD tech）領域，我們也看到驚人的成長，特別是在超本地化（hyper-localization）和個人化方面。我稍後會給大家看一段相關影片。

總之，這些元素共同構成了我們對「媒體2.0」的看法，以及支撐它的技術堆疊，從底層的RTX產品到各種軟體平台和SDK（軟體開發套件）。最重要的是我們的獨立軟體供應商（ISVs），無論是商業用途還是內部開發，一切都在「媒體2.0」技術堆疊上整合起來。我們在這次展會上展示的一個重點是「Hollow Scan for Media」。去年我們在IBC（國際廣播大會）上介紹了這個技術，現在它正進入我們燈塔客戶（lighthouse customers）的全面生產階段。這是一個針對影片製作的軟體定義平台（software-defined platform），如果你熟悉影片製作，就會知道它的意義。

講者 1：
我們為您從事的特定製作類型提供專用硬體 (dedicated hardware)。一輛卡車會開過來，如果您在本地使用多台攝影機進行作業，您會需要切換器 (switchers) 和其他相關設備，而這些都是專門設計的。然而，這裡的挑戰在於，如果您想改變製作類型，就必須更換不同的硬體，並在軟體定義系統 (software-defined system) 上進行不同的操作。但有了這種系統，您可以隨時靈活調整。我把這個概念濃縮成一句話：我們的目標是實現即時的效率提升。

媒體全掃描 (hollow scan for media) 的核心目標，是將即時人工智能 (real-time AI) 融入這個領域。我們在展台上展示了许多不同的軟體產品，目前只是這個平台的起步階段。為什麼即時性這麼重要呢？因為在視訊製作中加入即時功能，意味著您可以在製作過程中，隨時提供高度個人化的功能 (hyper-personalized capabilities)。這一切都與我們的生態系統緊密結合。我們在 NVIDIA 開發者生態系統 (NVIDIA developer ecosystem) 中擁有超過 600 萬名開發者，其中超過 25,000 人已經開始在他們現有的平台中運用人工智能 (AI)。這包括傳統公司和新興公司，他們以創新方式使用 AI。

這正是讓人感到既興奮又有些害怕的地方。特別是當人們看到生成式人工智能 (generative AI) 的應用時，您可以簡單地輸入指令，讓 AI 為您生成一張圖片，或者用文字提示生成一段影片。大約 18 個月前，這項技術首次以真正有意義的方式亮相時，很多人並不知道這背後其實是研究成果的展現。為什麼這一點很重要？因為這些研究並非為了商業化，而是為了驗證可能性。他們用手邊能取得的任何資料進行訓練，這就是研究的本質——探索一個假設的潛在解決方案：這真的可行嗎？於是，他們從網路上蒐集資料，訓練模型，用網路上的圖像生成了人們最初看到的成果。

然而，這種 AI 被推出的方式確實讓一些人感到害怕。他們會問：「這些圖像是怎麼來的？」回答是：「我們在網路上訓練的。」接著大家就炸鍋了，因為網路上沒有明確標示這些內容的創作者是誰，原始藝術家的貢獻沒有被認可。但這並不是研究的初衷。研究的目的是探索可能性，而不是商業應用。然而，一旦進入商業領域，這些問題就顯得合理且必須解決。

因此，當我們談到像 Adobe 這樣多年來一直是我們重要合作夥伴的公司時，他們在現有工具中加入了生成式 AI，例如 Photoshop 和 Lightroom，但他們還開發了一款名為 Firefly 的工具。您可以通過指令生成精美的圖像。Firefly 與其他工具的不同之處在於，它經過負責任的訓練 (responsibly trained)。用於訓練模型的內容是可信的，藝術家的署名權也受到尊重。因此，使用這些工具時，您無需擔心內容來源是否可信，您會得到保障。這是我認為目前業界最重要的一個面向，因為人們對於這些美麗作品如何誕生的恐懼與不確定性，讓大家不再公開談論這項技術。

我們知道有些工作室很想與我們在論壇上討論 AI，但他們被禁止這麼做。上個月，學院軟體基金會 (Academy Software Foundation) 甚至舉辦了一場軟體會議，但他們不能在議程中明確列出 AI 相關主題，否則參與者不會到場。工作室甚至不允許員工參加，儘管當天的核心話題就是 AI。這實在令人費解。但這正是恐懼與不確定性帶來的影響。作為一個產業，我們一直以來都樂於公開分享技術實現的過程。

在眾多新興公司中，有一家名為 Runway 的公司正以生成式 AI 做出驚艷的事情。Runway 幾年前進入這個領域，他們在短時間內取得的成果令人驚嘆。讓我給大家播放一段簡短的影片展示一下。

您覺得要離開了嗎？別急，我們能解決任何問題！請大家稍微安靜一下，好吗？這些成果真的很壯觀，對吧？請為 Runway 鼓掌！他們的很多作品都是通過輸入指令完成的，有些是基於圖像生成或操作實現的。我認為，我們作為一個產業所面臨的挑戰之一，是要理解這些技術只是工具，用來講述故事。最終，電影或劇集的目標是故事本身。這就像傳統媒體領域的演變，從實體模型製作轉向電腦圖形 (computer graphics) 來打造模型，從傳統磨砂畫 (matte painting) 轉向數位繪畫 (digital painting) 來製作背景。世界在進步，我們正在利用這些工具來增強創作。

重要的是要記住，這些工具為講故事的人帶來了新的能力。最近我看到一個特別令人興奮的例子——在場有沒有《星際迷航》(Star Trek) 的粉絲？

講者 1（續）：
如果你從事這個行業，你必須是這樣的，對吧？這幾乎是一個先決條件 (prerequisite)。甚至當我在 Alamos 工作《星際迷航》(Star Trek) 時也是如此。這有點像《星際大戰》(Star Wars)，但《星際迷航》對我們來說真的很特別。最近有一部名為《統一》(Unification) 的短片，結束了史波克 (Spock) 和柯克 (Kirk) 之間故事的最後一章。這是由 Otoy 公司與《星際迷航》團隊以及羅登伯里 (Roddenberry) 團隊合作完成的。最令人驚嘆的是，現年 90 多歲的威廉·夏特納 (William Shatner) 得以親自扮演自己，而且是即時完成的。他在演這個角色時，能在螢幕上看到自己的樣子。這只是一個簡短的片段，總長 20 分鐘。如果你還沒看過，這部短片已經被下載和觀看超過 3000 萬次，我強烈推薦大家去看看。

這裡最不可思議的地方在於，你能讓演員繼續扮演他們的角色，即使故事設定在他們年輕許多的時期。我們在其他技術中也看到了類似的應用。比如有一場很精彩的演講，是由 Metaphysic 公司的人分享他們的研究成果。他們在這個行業一直是開創性的，從《班傑明的奇幻旅程》(Benjamin Button) 的工作，到現在的電影，都令人驚嘆。所以我強烈建議你們去聽聽 Metaphysic 關於即時去老化 (real-time de-aging) 的演講。Otoy 下個月也將在洛杉磯舉辦一場名為 RenderCon 的會議，我非常推薦你們去看看。我也會參加，真的很期待那場會議上將展示的精彩內容。

我總是喜歡展示一些即將推出的技術預覽。我們有一個創業計畫 (inception program)，裡面有超過 20,000 家新創公司，總是會有新鮮有趣的東西出現。我一直在尋找 AI 如何以不同的方式幫助人們，並激發業界的熱情。我最近發現了一家公司，讓我來看看你們有沒有聽過——這款產品叫 Band Maid，來自一家即將在下週結束隱身模式 (stealth mode) 的新公司。我問他們能不能讓我展示這個，他們同意了。

我覺得這個很酷的地方在於，AI 和音頻的結合也是一件讓人既興奮又有些害怕的事情。你是不是想用 AI 重新製作某人的音樂？但他們的理念並非如此，而是希望讓 AI 成為音樂家的伴奏。為什麼呢？因為在學生領域，我們都知道，大多數學生在小學或研究所拿到一件樂器後，超過 65% 的人最終會放棄。他們放棄的原因是失去了靈感，沒有動力再繼續下去。我們見過像《吉他英雄》(Guitar Hero) 這樣的工具能激發興趣，但這家公司更進一步，他們訓練 AI 模型去傾聽演奏者。現在你們將看到的是一個貝斯手現場演奏，而 AI 引擎會即時聆聽並配上音樂。背後的所有音樂都是即時生成的，隨著演奏者的變化，音樂也會隨之改變。他們的目標是推出這個模型，讓有靈感的藝術家能與之合作。你可以想像與一位著名藝術家即興合奏的感覺。為什麼這麼做？因為這能讓人們保持興趣和熱情，並激勵他們創作更多。這是 AI 的一個很棒的應用。

另一家公司則利用多台攝影機和 AI 來製作體視頻 (volumetric video)。這真的很酷，我相信你們很快會在體育和娛樂領域看到更多這樣的應用。看看這個吧。他們用多台攝影機捕捉正在發生的場景，然後通過 AI 將其拼接起來，讓你能從不同角度觀看。這涉及高斯滑動 (Gaussian sliding) 和許多其他技術。這項技術目前還在開發中，他們也剛剛走出隱身模式。但你很快就會看到這些應用實現，而且不久後，它們將能即時完成。想像一下，當你在看比賽時，可以隨時停下來，或從不同角度觀看你喜愛的選手，那會是什麼樣的體驗。

許多公司會自己開發內部軟體來支持他們的製作，像 Pixar 就是其中之一。Pixar 在定製工具 (custom tools) 上做了很多工作，因為他們是一家動畫公司。他們用機器學習 (machine learning) 做了一件很酷的事情：不是完全依賴物理模擬或神經風格轉換 (neural style transfer)，他們讓藝術家直接重塑角色。比如在這個案例中，角色 Amber 的火焰效果，藝術家可以直接畫出他們想要的體視覺效果 (volumetric output)。你可以在左邊看到目標風格，右邊則是 AI 驅動的結果。這讓藝術家能更輕鬆地與技術互動，創造出美麗的環境和豐富的場景，而這些通常是非常具有挑戰性的過程。這再次展示了如何用機器學習實現目標，讓工具對藝術家更友好。

有時候，AI 的工作是在幕後完成的。如果你聽過 Beamer 公司，他們也在這次展會上。他們是媒體全掃描 (hollow scan for media) 的開發者之一，同時也在我們的創業生態中。他們做的事情很驚人：他們用 AI 結合技術，為影片創造超解析度 (super resolution)。左邊是低解析度的影片，右邊是高解析度版本，但檔案大小卻沒有傳統方法那麼大。他們利用基於神經網路的超解析度技術，分析低解析度來源，然後智能重建缺失細節，生成 16 倍大的高畫質版本，但檔案大小卻不會過於龐大。你不會看到任何瑕疵或偽影，只有流暢自然的畫面。這背後有許多技術在運作，而我們從中獲得的是更高品質的影片和更低的儲存需求。

我們可能都記得，生成式 AI (generative AI) 領域的一個重要起點是 Stability AI。他們源於我之前提到的研究。最近他們的管理層有了變動，吉姆·卡梅隆 (Jim Cameron) 加入了團隊，現在 Premium 是他們的執行長。他們向我們展示了正在開發的新功能。我覺得在這裡展示很重要，因為他們傾聽了藝術家社群的需求，讓他們在生成式 AI 過程中擁有更多控制權。來看看他們新模型帶來的一些新能力吧。當人們創作內容時，最大的挑戰之一是想自由移動攝影機。他們的模型現在能做到這一點，即使你在生成圖像時，這些圖像仍保留了 3D 資訊，讓你能調整攝影機角度。為什麼這麼做？因為這關乎藝術家如何掌控技術來實現他們的願景，而不僅僅是隨機生成內容。這個虛擬攝影機 (virtual camera) 是電影製作、3D 動畫等領域的數位工具，你會開始看到它被更廣泛應用。我很喜歡他們正在做的事情，他們將電影製作技術融入生成式 AI 的研究並推動其發展。

講者 2：
Adoptable 使用機器學習 (machine learning) 將收容所裡狗狗的基本照片轉換成攝影棚品質的照片 (studio-quality photography)。這些收容所的狗狗隨後可以被插入任何數位血統廣告 (digital pedigree ad) 中。每則廣告會引導人們到一個個人化的登陸頁面 (personalized landing page)，在那裡他們可以了解更多關於剛剛看到的狗狗的資訊。一旦狗狗被領養，它會立刻從媒體輪播 (media rotation) 中移除。現在，每個血統廣告活動 (pedigree campaign) 都可以展示您附近一隻可領養的狗狗。

講者 3：
Adoptable 是一種人工智能模型 (AI model)，它試圖精確理解視覺構圖 (visual composition) 和細微差異 (nuance)。我要說的是，色彩識別 (color identity) 可以完全客製化，以匹配收容所裡等待領養的每隻狗狗，甚至細緻到牠們獨特的斑紋 (unique markings)。由於這個環形結構是完全可擴增的 (fully augmentable)，狗狗的影像可以被調整定位，以適應任何媒體格式 (media format)。

講者 1：
是的，沒錯。

講者 2：
但目前，每五隻被領養的狗狗中，就有一隻被送回收容所。我們利用地理數據 (geographic data)，像是公園的距離 (proximity to parks) 和家庭規模 (household sizes)，來分析。Adoptable 會根據這些數據，將狗狗匹配到最適合牠們的地點。

講者 1：
這項活動已在紐西蘭啟動，結果顯示，將狗狗送往新家的成功率提升了 600%。所以，這種生成式 AI (generative AI) 沒什麼可怕的，整個過程也沒什麼好怕的，但最終的成果是沒有它就無法實現的。這些新功能將帶來超個人化 (hyper-personalization)，為廣告商帶來更好的效果，也為創作這些內容的藝術家帶來更好的成果。我覺得這是一個很棒的應用案例 (use case)，我很喜歡談論這個，因為未來我們會看到更多這樣的例子。

現在，我們把這些技術整合起來，讓開發者更容易使用。我們稱之為微服務 (microservices) 和藍圖 (blueprints)。這些是可以被調用的服務，用來提升效能，特別是在容器化環境 (container-type situation) 中。比起在你的桌面上即時處理，這些微服務的速度快得多。你可以把這些組件拼湊起來，創建一個藍圖 (blueprint)。我們有 NIM，這是一個完整的技術堆疊 (full stack)，包含 API 和所有相關服務，你可以從應用程式中直接調用這些服務。根據你的專案需求，你可以靈活組合這些組件。

這裡有一個搜尋與摘要 (search and summarization) 的藍圖範例。這意味著你把所有點連繫起來，就像名字所說的，給開發者提供一個藍圖，告訴他們如何把東西整合起來。如果你到 build.nvidia.com 看看，我們現在已經有數百個這樣的藍圖，而且還在不斷增加。這真的是做事的新方式。我們利用 AI 的所有力量，將其融入微服務中，透過這樣的流程，讓你能比以往更快地實現目標。

當然，我們也有一些客戶正在進行早期測試。例如 Sky Television 正在使用這個技術，提供影片搜尋和摘要功能 (video search and summarization)。當你在觀看時，可以提出問題；如果你離開一會兒再回來，可以得到剛剛錯過的場景摘要，無論是運動比賽還是其他內容。這是一個例子。另一個例子是 Barrels Men，他們也在做類似的事情，利用情境影片 (context video) 理解場景內容，提供回顧 (recaps) 和亮點 (highlights)，增強內容的可發現性 (discoverability)。根據你想找的東西，他們還能結合這些技術，提供特定情境的廣告投放 (context-specific ad placements)，讓你看到的廣告更符合你的需求。

這裡還有另一個例子，你可以在展場上看到。這是由 Vast 公司使用我們的藍圖和 Metropolis 平台完成的，他們可以直接接入並實現你即將看到的東西。他們在展示舞蹈相關的應用，對吧？我很喜歡這個，因為它真的預示了未來的方向——更個人化、更引人入勝的體驗。無論是體育還是娛樂，甚至是劇集內容 (episodic content)，你都能與內容互動，獲取資訊，發現以前不知道的新事物。你還可以深入歷史檔案 (archives)，了解過去發生的事情。想想看，有多少行業擁有數十年的檔案素材，無論是運動、Discovery Channel 還是劇集內容，這類內容即將迎來一個全新的時代，以及全新的應用方式。

講者 2：
所以，隨著我們的前進，你會看到並聽到更多這樣的事情。

講者 1：
現在，這一切將走向何方呢？我們的研發實驗室裡正在進行很多工作。我想給大家一點預覽，讓你們看看正在發生的事情，這樣你們就能理解：我看到當前的人工智能 (AI) 的發展，我看到這些新平台正在推動這些技術。我可以在現有產品中體驗到它們，也有一些新公司在做相關的事情。如果我是一個開發者，我可以輕鬆使用這些工具。在媒體技術堆疊 (media stack) 中，這些技術是通用的。那麼，下一步是什麼？未來的世界會如何發展？

我想把這比喻成一個重要的時刻——就像當年你可以用相機拍攝高品質照片，捕捉 2D 影像 (2D imagery) 的時候。想像一下，如果同樣的設備能開始捕捉 3D 影像 (3D imagery)，那會是什麼樣子？來看看這個吧。請把音量調大。你們現在看到的是用一台行動裝置來捕捉這個物體，但它不僅僅是捕捉 2D 影像，而是利用 NeRF 和 Gaussian Splat 技術 (G Splat) 來捕捉 3D 資訊。這讓你能與之互動。你可以看到，他們可以直接抹去某個部分，但現在你有了這個物體，可以為它加入運動學 (kinematics)，移動它、操作它等等。你還可以賦予它屬性 (properties)。

這些功能就像是你真正在即時打造這個物體時會想要的一切，但現在你只需捕捉它，以 3D 形式記錄下來，然後賦予它可互動的屬性。想像一下，這對創意社群 (creative community) 意味著什麼？當你在自然中看到一個物體，心想：「天啊，我希望能重現這個！」你就可以直接取樣 (sample)，將它帶入你的系統，賦予它特定的屬性，然後開始操作它。這就是我們看到的下一波浪潮。

你們昨天在主題演講中也看到了，Jensen 如何帶我們走進 NVIDIA 總部。那是通過類似的技術實現的，他們對環境進行取樣，不需要從頭重建一切。你用 NeRF 和 Splat 技術將環境帶入系統，再應用一些技術來優化那些雲點 (cloud points)，最終得到一個非常漂亮的 3D 環境 (3D environment)。讓我在最後幾分鐘，向你們展示這些技術的新能力。這個也有音量，好的，這裡我來幫你們解說。

你們看到的是將一些基本的 3D 物體 (3D objects) 導入系統的能力，然後為它們添加表面 (surfaces)，並在周圍應用環境 (environments)。但這還不是全部。你可以用相同的影像生成技術 (image generation) 添加或移動這些物體，調整構圖 (composition)，甚至改變環境。這裡展示的只是這些功能的簡單範例。美妙之處在於，這成為藝術家的新工具。他們可以從基本的形式開始，將其精煉成美麗的作品，然後自由探索不同的環境類型。

另外，我之前提到過音頻領域。我們的研究團隊在音頻上也做了很多驚艷的工作。你可能聽過 Forgotten，這是一個新興的研究團隊，專注於音頻技術。他們有 Forgotten、Flamingo 和 Eda 等項目。如果有機會，你可以去看看場外的約翰·藍儂巴士 (John Lennon Bus)，他們在那裡運行這些技術。有一位很棒的藝術家 Riza 在現場，他正在實驗並玩這些技術。讓我給你們展示它們能做到什麼。

講者 4：
這些技術讓你能從文字和音頻輸入創造聲音、語音和音樂，為電影或音頻製作提供直接的沉浸式音景 (immersive soundscapes) 和動態音效 (shifting soundscapes)。

講者 1：
嗯。

講者 4：
Forgotten 還讓音樂家能通過添加新樂器，來實驗現有的音頻。

講者 1：
嗯。

講者 4：
這完全改變了他們所寫旋律的風格。

講者 1：
嗯，真是很驚艷的東西。再一次，這一切都關乎藝術家追求的目標。我認為，作為一個行業，我們必須記住一個關鍵點：雖然這些新技術可能讓人感到畏懼，甚至有時有些可怕，但它們的核心是你想講述的故事，是音樂家想分享的作品，是最終的成果。我們越能理解這一點，作為一個行業就越不需要害怕。我懇請所有媒體行業的人，我們應該更多地談論這些能力，而不是阻止討論。工作室不應該禁止人們談論這些。談得越多，我們不僅能更了解它，還能解決人們的擔憂，建立輸入和輸出的信任 (trust in and trust out)。

我以前的老闆常說，這些新工具和技術讓新的故事成為可能，這是對團隊的挑戰。他會說：「如果你想做某件事，哪怕這從未有人做過，為什麼要讓這阻止你呢？去做吧，去想辦法解決它。」那麼，你如何開始这一切呢？你要學習、計畫、實踐，去 build.nvidia.com 看看那裡的資源，開始玩這些技術。我總是鼓勵我的團隊拿起這些工具，開始使用，試試看。最壞的情況會是什麼呢？就像數位攝影 (digital photography) 出現時，我的導師告訴我：「盡可能多拍照片。你不用再擔心膠卷，現在你有無限的影像供應，去拍吧。」這讓我成為更好的攝影師。我相信這些技術能力會讓藝術家更出色，也一定會讓講故事的人更優秀。

最後我想說的是，你們看到的這些背後有許多努力。我希望我們能一起為我們的工程和產品團隊鼓掌，是他們讓這一切成為可能。在這個行業工作真的很快樂，我很喜歡看到這些發展。非常感謝大家。請務必去展台看看，參觀新創公司區域，到展示公園瞧瞧正在發生的事情。非常感謝！