黃仁勛最新訪談：英偉達(dá)投資OpenAI不是簽署大額訂單的前提

近期，英偉達(dá)（NVDA.US）投資“出手”頻繁，先是宣布50億美元投資英特爾，隨后斥資至多1000億美元投資OpenAI，而受此前OpenAI與甲骨文的合作，市場均在股價(jià)層面給予了積極反饋。

但市場也出現(xiàn)了質(zhì)疑聲音——稱英偉達(dá)、OpenAI與甲骨文存在“收入循環(huán)”，財(cái)務(wù)數(shù)字“操作”大于實(shí)際營收。

9月25日，在播客BG2最新一期節(jié)目中，BG2主播、Altimeter Capital創(chuàng)始人Brad Gerstner，Altimeter Capital合伙人Clark Tang與英偉達(dá)CEO黃仁勛展開了一次對話。黃仁勛在對話中回應(yīng)了當(dāng)下市場的關(guān)心的問題。

黃仁勛認(rèn)為，投資OpenAI實(shí)際上是一個(gè)很好的機(jī)會，并認(rèn)為OpenAI將是下一家數(shù)萬億美元級別的Hyperscaler。

此外，黃仁勛也特別解釋了為什么ASIC芯片并不完全和英偉達(dá)GPU是競爭關(guān)系——因?yàn)橛ミ_(dá)是AI基礎(chǔ)設(shè)施提供商，其提供的能力范圍已經(jīng)不僅僅是硬件和軟件層面，也包括其不斷迭代的速度、規(guī)模優(yōu)勢帶來的可靠性，以及整體能源效率等綜合因素。

因此，黃仁勛認(rèn)為英偉達(dá)目前的護(hù)城河比三年前“更寬“，而Brad Gerstner甚至認(rèn)為，英偉達(dá)將是史上第一家達(dá)到十萬億美元的公司。

以下為「明亮公司」編譯的訪談?wù)模ㄓ袆h節(jié)）：

Brad Gerstner：Jensen，再次歡迎你。你的紅色眼鏡很好看，真的很適合你。距離上次上播客，已過去一年多。你們?nèi)缃癯^40%的收入來自推理（inference），而且推理正因?yàn)閏hain of reasoning鏈?zhǔn)酵评矶痫w了。

黃仁勛：大多數(shù)人還沒真正內(nèi)化這一點(diǎn)，這其實(shí)就是一場工業(yè)革命。

投資OpenAI不是合作的前提，是因?yàn)橛袡C(jī)會能投

Brad Gerstner：說真的，從那次之后，感覺你我每天都像在驗(yàn)證那期播客。在AI的時(shí)間尺度上，這一年像過了一百年。我最近重看了那期，很多觀點(diǎn)讓我印象深刻。

最打動我的是你當(dāng)時(shí)拍著桌子說——當(dāng)時(shí)大家覺得預(yù)訓(xùn)練進(jìn)入低潮（pre-training），很多人說預(yù)訓(xùn)練要完蛋了，硬件建設(shè)過度。那是大約一年半前。你說推理不會只是一百倍、一千倍。會是十億倍。這把我們帶到今天。你剛宣布了一項(xiàng)巨大合作，我們應(yīng)該從這里聊起。

黃仁勛：我想正式說下，我認(rèn)為我們現(xiàn)在有三條Scaling Law。第一是預(yù)訓(xùn)練的Scaling Law。第二是后訓(xùn)練（post-training）的Scaling Law。后訓(xùn)練基本上就是讓AI練習(xí)一種技能，直到做對,它會嘗試很多不同方法。要做到這一點(diǎn)，就必須進(jìn)行推理（inference）。所以訓(xùn)練與推理如今以強(qiáng)化學(xué)習(xí)的方式整合在一起，非常復(fù)雜，這就是后訓(xùn)練。

第三是推理（inference）。過去的推理是“一次出手”，而我們現(xiàn)在理解的新推理，是“先思考再作答”。先想，再回答，想得越久，答案質(zhì)量越高。思考過程中你會檢索、查證事實(shí)、學(xué)到東西，再繼續(xù)思考、繼續(xù)學(xué)習(xí)，最后輸出答案，而不是上來就生成。所以思考、后訓(xùn)練、預(yù)訓(xùn)練，如今我們有三條Scaling Law，而不是一條。

Brad Gerstner：這些你去年就提過，但你今年說推理會提升十億倍，并由此帶來更高水平智能”的信心更高嗎？

黃仁勛：我今年更有把握。原因是看看如今的智能體系統(tǒng)。AI不再是單一語言模型，而是由多個(gè)語言模型組成的系統(tǒng)，它們并發(fā)運(yùn)行。有的在用工具，有的在做檢索，事情非常多，而且是多模態(tài)。看看生成的視頻，簡直令人難以置信。

Brad Gerstner：這也引到本周的關(guān)鍵時(shí)刻，大家都在談你們與OpenAI的重磅合作Stargate。你們將成為首選合作伙伴，并在一段時(shí)間內(nèi)向公司投資1000億美元。他們會建10個(gè)“gig“(Gigawatt，吉瓦)。如果這10個(gè)“gig”都用英偉達(dá)，那對你們的收入貢獻(xiàn)可能高達(dá)4000億美元。幫我們理解一下這個(gè)合作，對你意味著什么？以及為何這項(xiàng)投資是合理的？

黃仁勛：我先回答后一個(gè)問題，再回到我的敘述。我認(rèn)為OpenAI很可能成為下一家數(shù)萬億美元級的hyperscale公司。

就像Meta是hyperscale，Google也是，他們會同時(shí)擁有C端與企業(yè)服務(wù)。他們非常可能成為下一家多數(shù)萬億美元級的hyperscale公司。如果是這樣，能在他們達(dá)到那個(gè)規(guī)模之前投資進(jìn)去，是我們能想象到的最聰明的投資之一。你必須投資你熟悉的東西，恰好我們熟悉這個(gè)領(lǐng)域。所以這筆錢的回報(bào)會非常出色。

我們很樂意投資，但不是必須的，也不是合作的前提；是他們給了投資機(jī)會，這太好了。

我們與OpenAI在多個(gè)項(xiàng)目上合作。第一，Microsoft Azure的建設(shè)，我們會持續(xù)推進(jìn)，這個(gè)合作進(jìn)展非常順利，未來還有數(shù)年的建設(shè)；第二，OCI（Oracle Cloud Infrastructure）的建設(shè)，我想大概有5-7個(gè)GW要建。我們與OCI、OpenAI、軟銀一道推進(jìn)。這些項(xiàng)目都已簽約，正在實(shí)施，工作量很大。第三是CoreWeave。所有與CoreWeave相關(guān)的……我還在講OpenAI，對，一切都在OpenAI語境里。

所以問題是，這個(gè)新伙伴關(guān)系是什么？它是幫助OpenAI首次自建AI基礎(chǔ)設(shè)施。也就是我們直接與OpenAI在芯片、軟件、系統(tǒng)、AI工廠層面協(xié)作，幫助他們成為一家完全自運(yùn)營的hyperscale公司。這會持續(xù)相當(dāng)一段時(shí)間，是對他們現(xiàn)有建設(shè)的補(bǔ)充。

他們正經(jīng)歷兩個(gè)指數(shù)曲線：第一個(gè)指數(shù)是客戶數(shù)量在指數(shù)級增長，因?yàn)锳I在變好、用例在變好，幾乎每個(gè)應(yīng)用現(xiàn)在都連到OpenAI，所以他們正經(jīng)歷使用指數(shù)；

第二個(gè)指數(shù)是計(jì)算量的指數(shù)增長。每個(gè)使用場景的算力在暴漲。過去是一鍵式推理，現(xiàn)在要先思考再回答。這兩個(gè)指數(shù)疊加，大幅抬升了計(jì)算需求。我們會推進(jìn)所有這些建設(shè)。因而這個(gè)新合作是對既有所有合作的“增量”，去支撐這股驚人的指數(shù)增長。

Brad Gerstner：你剛說到一個(gè)很有意思的點(diǎn)，你認(rèn)為他們極大概率會成為數(shù)萬億美元公司，是很好的投資；同時(shí)你們還在幫助他們自建數(shù)據(jù)中心。過去他們把數(shù)據(jù)中心外包給微軟，現(xiàn)在他們要自建“全棧工廠”，就像Elon和X那樣，對吧？

Brad Gerstner：想想Colossus的優(yōu)勢，他們構(gòu)建全棧，就是hyperscaler，即便自己用不完容量，也能賣給別人。同樣的，Stargate在建設(shè)海量容量，他們覺得會用掉大部分，但也能售賣出去。這聽起來很像AWS、GCP（谷歌云）或Azure，是這意思嗎？

黃仁勛：我認(rèn)為他們很可能自己用掉，就像X大多會自用。但他們希望與我們建立直接關(guān)系——直接工程協(xié)作和直接采購關(guān)系。就像Zuck、Meta與我們之間的直接關(guān)系。我們與Sundar和Google的直接關(guān)系，我們與Satya和Azure的直接伙伴關(guān)系。他們規(guī)模足夠大了，認(rèn)為該建立這些直接關(guān)系了。我很樂意支持，而且Satya（微軟CEO）知道，Larry（谷歌聯(lián)合創(chuàng)始人）知道，大家都知道。

華爾街與英偉達(dá)之間預(yù)期背離：如何理解AI的需求規(guī)模

Brad Gerstner：這兒有件事我覺得頗為神秘。你剛提到Oracle 3000億、Colossus的建設(shè)，我們知道一些主權(quán)國家在建（AI基礎(chǔ)設(shè)施），hyperscaler也在建。Sam正以萬億美元的口吻來談這一切。可覆蓋你們股票的華爾街25位賣方分析師的共識卻顯示，你們從2027年開始增長放緩，預(yù)2027-2030年年化增速8%。這些人的唯一工作就是給英偉達(dá)做增長預(yù)測。顯然……

黃仁勛：我們對此很坦然。看，我們經(jīng)常能輕松超預(yù)期。

英偉達(dá)數(shù)據(jù)中心營收的增長預(yù)期（來源：BG2）

Brad Gerstner：我明白。但這仍是個(gè)有趣的“背離”。我每天都在CNBC、彭博上聽到。很多人擔(dān)心短缺會轉(zhuǎn)向過剩，他們不相信持續(xù)高增長。他們說，行，我們給姑且信你們的2026年，但2027年可能供給過剩、不再需要那么多。但共識預(yù)測其實(shí)顯示這不會發(fā)生。我們也做了自己的預(yù)測，納入了所有這些數(shù)字。

結(jié)果是，即便進(jìn)入“AI時(shí)代”兩年半，各方的信念仍然分歧巨大，Sam Altman、你、Sundar、Satya的看法，與華爾街仍然相信的相去甚遠(yuǎn)。對此，你依舊感到從容嗎？

黃仁勛：我也不認(rèn)為這不一致。首先，我們這些“建設(shè)者”應(yīng)該為“機(jī)會”而建。我們是建設(shè)者。讓我給你三個(gè)思考點(diǎn)，有助于你對英偉達(dá)的未來更放心。

第一點(diǎn)，是物理定律層面的、最關(guān)鍵的一點(diǎn)，通用計(jì)算已到盡頭，未來屬于加速計(jì)算與AI計(jì)算。這是第一點(diǎn)。

你可以這樣想：全球有多少萬億美元的計(jì)算基礎(chǔ)設(shè)施要被更新?lián)Q代。所以首先你得認(rèn)識到通用計(jì)算的終結(jié)。沒人反對這一點(diǎn)。摩爾定律已死，人們常這么說。那么這意味著什么？通用計(jì)算會轉(zhuǎn)向加速計(jì)算。我們與Intel的合作就是在承認(rèn)通用計(jì)算需要與加速計(jì)算融合，為他們創(chuàng)造新機(jī)會。通用計(jì)算正遷移到加速計(jì)算與AI。

第二點(diǎn)，AI的首要用例其實(shí)已無處不在——在搜索、在推薦引擎等等。基礎(chǔ)的hyperscale計(jì)算基礎(chǔ)設(shè)施過去由CPU執(zhí)行推薦，如今要由GPU執(zhí)行AI。你把傳統(tǒng)計(jì)算換成加速計(jì)算與AI；你把hyperscale計(jì)算從CPU換到加速計(jì)算與AI。這是第二點(diǎn)。僅僅滿足Meta、Google、字節(jié)跳動、Amazon，把它們傳統(tǒng)的hyperscale方式搬到AI，就是數(shù)千億美元的市場。

所以，哪怕先不談AI創(chuàng)造新機(jī)會，僅僅是AI改變了舊做法到新做法。然后再談未來。是的，到目前為止我其實(shí)只談了“平凡”的事。舊方式不對了。你不會再用煤油燈，而要用電。這就夠了。

然后是更不可思議的，當(dāng)你走向AI、走向加速計(jì)算，會出現(xiàn)什么新應(yīng)用？就是我們在談的所有AI相關(guān)，機(jī)會巨大。怎么理解？簡單想想，過去電機(jī)替代了體力勞動；現(xiàn)在我們有AI——我稱之為AI超級計(jì)算機(jī)、AI工廠——它們會生成tokens來增強(qiáng)人類智能。而人類智能占全球GDP的55%-65%……我們就算50萬億美元吧，這50萬億將被某種東西增強(qiáng)。

回到個(gè)人層面，假如我雇一位工資10萬美元的員工，再給TA配一個(gè)1萬美元的AI，如果這個(gè)AI讓那位員工產(chǎn)能翻倍、三倍？我會不會做。一定會做。我現(xiàn)在就在給公司里每個(gè)人配，沒錯(cuò)，每位協(xié)作智能體（co-agents）、每位軟件工程師、每位芯片設(shè)計(jì)師都已有AI與其協(xié)作智能體，覆蓋率100%。

結(jié)果是我們做的芯片更好，數(shù)量在增長，推進(jìn)速度更快。公司因此增長更快、招聘更多、生產(chǎn)率更高、營收更高。利潤更高。現(xiàn)在把英偉達(dá)的故事套到全球GDP上，很可能發(fā)生的是，這50萬億會被……我們?nèi)€(gè)數(shù)，10萬億美元所增強(qiáng)。而這10萬億需要跑在一臺機(jī)器上。

AI與過去IT的不同在于，過去軟件是事先寫好，跑在CPU上，不怎么自己“動”。未來，AI要生成tokens，而機(jī)器要生成這些tokens、它“在思考”，所以軟件一直在運(yùn)行；過去是一次性編寫，現(xiàn)在是持續(xù)編寫、持續(xù)思考。要讓AI思考，就需要工廠。假設(shè)這10萬億token的毛利率是50%，其中5萬億需要工廠、需要AI基礎(chǔ)設(shè)施。

所以如果你告訴我全球每年的資本開支大概是5萬億美元，我會說這個(gè)數(shù)看起來說得通。這大概就是未來的輪廓——從通用計(jì)算到加速計(jì)算；把所有hyperscale都換成AI；然后用AI去增強(qiáng)人類智能，覆蓋全球經(jīng)濟(jì)。

Clark Tang：以今天而言，我們估算年市場規(guī)模大約4000億美元，所以TAM從現(xiàn)在到目標(biāo)是四到五倍的提升。

黃仁勛：沒錯(cuò)。昨晚（北京時(shí)間9月24日）阿里巴巴的吳泳銘（Eddie Wu）說，從現(xiàn)在到20年代末，他們要把數(shù)據(jù)中心電力（消耗）提升十倍。對吧？你剛才說四倍？這就對上了。他們要把電力提升十倍，而我們的收入與電力幾乎是正相關(guān)。（注：吳泳銘表示，對比2022年GenAI元年，到2032年阿里云全球數(shù)據(jù)中心能耗規(guī)模將提升10倍）他還說token生成量每幾個(gè)月就翻倍。

這意味著什么？單位能耗性能（perf per watt）必須指數(shù)級提升。這就是為什么英偉達(dá)要瘋狂推進(jìn)單位能耗性能提升，而單位能耗收入（revenue per watt）基本就是收入。

Brad Gerstner：在這個(gè)未來里，有個(gè)假設(shè)從歷史角度看我覺得很迷人。兩千年里，全球GDP基本不增長。然后工業(yè)革命來了，GDP加速；接著數(shù)字革命，GDP又加速。你現(xiàn)在的意思和Scott Bessent（美國現(xiàn)任財(cái)長）說的一樣——他認(rèn)為明年全球GDP增長會到4%。你其實(shí)是在說全球GDP增速將加快，因?yàn)槲覀冋诮o世界提供“數(shù)十億同事”來為我們工作。而如果GDP是在既定勞動與資本下的產(chǎn)出，那么它必須……

黃仁勛：一定會增長。看看AI正在發(fā)生的事，AI的技術(shù)形態(tài)、可用性，諸如大語言模型與AI智能體，都在推動一個(gè)新的“智能體行業(yè)”。這點(diǎn)毫無疑問。OpenAI就是歷史上收入增長最快的公司，他們在指數(shù)級增長。所以AI本身是個(gè)高速增長的行業(yè)，因?yàn)锳I需要背后的工廠與基礎(chǔ)設(shè)施，這個(gè)行業(yè)在增長，我的行業(yè)也在增長；而因?yàn)槲业男袠I(yè)在增長，在我們之下的行業(yè)也在增長——能源在增長、電力與廠房在增長。這簡直是能源產(chǎn)業(yè)的復(fù)興。核能、燃?xì)廨啓C(jī)……看看我們生態(tài)之下的那些基礎(chǔ)設(shè)施公司，他們做得很棒，大家都在增長。

Brad Gerstne：這些數(shù)字讓大家都在談是否會“供給過剩”或“泡沫”。Zuckerberg上周在一個(gè)播客說了，可能會有短期的“氣阱”（Airpocket），Meta可能會多花個(gè)100億美元之類的。但他說，這不重要。對他業(yè)務(wù)的未來而言太關(guān)鍵了，這是必須承擔(dān)的風(fēng)險(xiǎn)。但從博弈角度看，這有點(diǎn)像“囚徒困境”。

黃仁勛：開心的囚徒。

Brad Gerstner：再捋一遍。今天我們估算到2026年，會有1000億美元的AI收入，不含Meta，也不含跑推薦引擎的GPU還有搜索等其他工作負(fù)載，我們就先算1000億。

黃仁勛：但hyperscale行業(yè)本身到底有多大？這個(gè)行業(yè)現(xiàn)在的基數(shù)是多少？

Brad Gerstner：以萬億美元計(jì)。

黃仁勛：對。這個(gè)行業(yè)會先部署AI，不是從零起步，你得從這里開始。

Brad Gerstner：不過懷疑者會說，我們必須從2026年的1000億，長到2030年至少1萬億的AI收入。你剛才還談到5萬億。從全球GDP的自下而上推演看，你能看到從1000億到1萬億在未來五年實(shí)現(xiàn)嗎？

黃仁勛：能，而且我會說我們其實(shí)已經(jīng)到了。因?yàn)镠yperscalers已經(jīng)把CPU遷到AI，他們的整個(gè)收入基座如今都由AI驅(qū)動。

Brad Gerstner：是的。

黃仁勛：沒有AI就沒有TikTok，對吧？沒有AI就沒有YouTube Shorts。Meta做的為你定制、個(gè)性化的內(nèi)容，沒有AI就做不到。以前那些事情，靠人類事先創(chuàng)作、提供幾個(gè)選項(xiàng)，再由推薦引擎挑選。現(xiàn)在是AI生成無限多的選項(xiàng)。

Brad Gerstner：這些轉(zhuǎn)變已經(jīng)發(fā)生：我們從CPU遷到GPU，主要是為了那些推薦引擎。

黃仁勛：對。Zuck會告訴你，我在SIGGRAPH時(shí)他也說過，他們其實(shí)到得有點(diǎn)晚。Meta用GPU也就一年半、兩年的事。搜索上用GPU更是嶄新的、剛剛開始的。

Brad Gerstner：所以論證是，到2030年我們有1萬億AI收入的概率幾乎確定，因?yàn)槲覀儙缀跻呀?jīng)達(dá)到了。

接著我們只談“增量”。不管你做自下而上還是自上而下，我剛聽了你按全球GDP占比的自上而下的分析。那你覺得，未來三到五年內(nèi)，出現(xiàn)“供給過剩（glut）”的概率有多大？

黃仁勛：在我們把所有通用計(jì)算徹底轉(zhuǎn)換為加速計(jì)算與AI之前，我認(rèn)為出現(xiàn)過剩的概率極低。

Brad Gerstner：會花幾年？

黃仁勛：直到所有推薦引擎都基于AI，直到所有內(nèi)容生成都基于AI。因?yàn)槊嫦蛳M(fèi)者的內(nèi)容生成很大程度就是推薦系統(tǒng)之上的，所以所有這些都會轉(zhuǎn)向AI生成。直到傳統(tǒng)意義上的hyperscale全部遷到AI，從購物到電商等一切都遷過去。

Brad Gerstner：但所有這些新建項(xiàng)目，我們談的是“萬億級”，總是提前投資。那如果你們看到了放緩或過剩，是不是還“不得不”把錢投進(jìn)去？還是說，一旦看到放緩跡象，再隨時(shí)收縮？

黃仁勛：實(shí)際上正相反，因?yàn)槲覀冊诠┙o鏈的末端，我們按需響應(yīng)。現(xiàn)在，所有VC都會告訴你——你們也知道——全球短缺的是“計(jì)算”，不是GPU的數(shù)量短缺。只要給我訂單，我就造。過去兩年我們把整個(gè)供應(yīng)鏈都打通了，從晶圓啟動、到封裝、到HBM內(nèi)存等等，我們都加足了馬力。需要翻倍，我們就翻倍，供應(yīng)鏈已備好。我們現(xiàn)在等的是需求信號。當(dāng)云服務(wù)商、hyperscaler和客戶做年度計(jì)劃給我們預(yù)測時(shí)，我們就響應(yīng)，并按那個(gè)預(yù)測去建。

問題是，他們每次給我們的預(yù)測都會錯(cuò)，因?yàn)轭A(yù)測都偏低。于是我們總處于“緊急追趕”模式，已經(jīng)持續(xù)了好幾年，每一輪預(yù)測都比上一年顯著上調(diào)。

Brad Gerstner：但還不夠。比如去年，Satya看起來稍微收斂了一點(diǎn)，有人說他像房間里那個(gè)“更穩(wěn)重的成年人”，壓一壓預(yù)期。但幾周前他又說，我們今年也建了兩個(gè)“gig”，未來還會加速。你是否看到那些傳統(tǒng)hyperscalers——相較于Core Weave或Elon的X，或者相較于StarGate——此前略慢一些的，現(xiàn)在都在加倍投入，而且……

黃仁勛：因?yàn)榈诙l指數(shù)來了。我們已經(jīng)有一條指數(shù)在增長，AI的應(yīng)用和滲透率指數(shù)級增長。第二條指數(shù)是“推理與思考”，這就是我們一年前討論的。我當(dāng)時(shí)說，一旦你把AI從“一次性出手、記憶并泛化”推進(jìn)到“推理、檢索與用工具”，AI就在思考，它會用更多算力。

Clark Tang：回到你剛才的點(diǎn)，hyperscale客戶無論如何都需要把內(nèi)部工作負(fù)載從通用計(jì)算遷到加速計(jì)算，他們會穿越周期持續(xù)建設(shè)。我想部分hyperscalers的負(fù)載結(jié)構(gòu)不同，不確定消化速度，現(xiàn)在大家都認(rèn)定自己嚴(yán)重低配了。

黃仁勛：我最喜歡的應(yīng)用之一就是傳統(tǒng)的數(shù)據(jù)處理，即結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)處理。很快我們會宣布一個(gè)關(guān)于“加速數(shù)據(jù)處理”的重大計(jì)劃。

數(shù)據(jù)處理占據(jù)了當(dāng)今世界絕大多數(shù)CPU，它仍然完全跑在CPU上。去Databricks，大多是CPU；去Snowflake，大多是CPU；Oracle的SQL處理，大多是CPU。

大家都在用CPU做SQL/結(jié)構(gòu)化數(shù)據(jù)。未來，這一切都會遷到AI數(shù)據(jù)。這是一個(gè)極其龐大的市場，我們會推進(jìn)過去。但你需要英偉達(dá)的全部能力——加速層與領(lǐng)域?qū)Ｓ玫摹芭浞健薄?shù)據(jù)處理層的“配方”需要我們?nèi)?gòu)建，但它要來了。

「循環(huán)營收」質(zhì)疑：投資機(jī)會不綁定任何條件

Brad Gerstner：還有一個(gè)質(zhì)疑點(diǎn)。昨天我打開CNBC，他們說的是“過剩、泡沫”。換到彭博，是“循環(huán)交易與循環(huán)營收（round-tripping、circular revenues）”。給在家觀看的觀眾解釋下，這指公司之間締結(jié)看似交易、實(shí)則缺乏真實(shí)經(jīng)濟(jì)實(shí)質(zhì)的安排，人為抬高營收。

換言之，增長不是來自真實(shí)的客戶需求，而是財(cái)務(wù)數(shù)字上。所以當(dāng)你們、微軟或亞馬遜投資那些同時(shí)也是你們大客戶的公司時(shí)，比如你們投資OpenAI，而OpenAI又購買數(shù)百億美元的芯片。

請?zhí)嵝盐覀儭⒁蔡嵝汛蠹遥寒?dāng)彭博等媒體分析師拿“循環(huán)營收”大做文章時(shí)，他們到底誤解了什么？

黃仁勛：建10GW的（數(shù)據(jù)中心）規(guī)模大概就是4000億美元左右吧。那4000億要主要由他們的offtake（消納能力/下游需求）來支撐，它在指數(shù)增長。

（支出）這得由他們自有資本、股權(quán)融資和可獲得的債務(wù)來支持，這是三種工具。能融到多少股權(quán)與債務(wù)，取決于他們對未來收入的把握程度。精明的投資人與授信人會綜合權(quán)衡這些因素。這是他們公司的事，不是我的。

我們當(dāng)然要和他們緊密合作，以確保我們的建設(shè)能支持他們持續(xù)增長，但收入端與投資端無關(guān)。投資機(jī)會不是綁定任何條件的，是一個(gè)純投資機(jī)會。正如前面說的，這家公司很可能成為下一家多萬億美元級的hyperscale公司。誰不想持有它的股權(quán)？我唯一的遺憾是，他們早年就邀請我們投資，當(dāng)時(shí)我們太“窮”了，投得不夠，真該把所有錢都投進(jìn)去。

Brad Gerstner：而現(xiàn)實(shí)是，如果你們不把本職工作做到位，比如Vera Rubin最終不成好芯片，他們也可以去買別家的。對吧？他們沒有義務(wù)必須用你們的芯片。正如你說的，你們看待這件事是機(jī)會性的股權(quán)投資。

黃仁勛：我們投了xAI、投了CoreWeave，這都是很棒的投資。

Brad Gerstne：回到“循環(huán)營收”的討論，還有一個(gè)根本點(diǎn)是，你們把一切都擺在臺面上，告訴大家你們在做什么。而其背后的經(jīng)濟(jì)實(shí)質(zhì)是什么？并不是雙方互相倒騰營收。我們看到有用戶每月為ChatGPT付費(fèi)，有15億月活在用這個(gè)產(chǎn)品。你剛說世界上每家企業(yè)要么擁抱這一切，要么被淘汰。每個(gè)主權(quán)國家都把這視為其國防與經(jīng)濟(jì)安全的“生死攸關(guān)”，就像核能一樣。

黃仁勛：問問看，有哪一個(gè)人、公司、國家會說“智能”對我們是可選項(xiàng)？沒有。這就是基礎(chǔ)。關(guān)鍵在于“智能的自動化”。

摩爾定律已死，現(xiàn)在需要極致的軟硬件協(xié)同設(shè)計(jì)

Brad Gerstner：需求問題我問得夠多了，我們聊系統(tǒng)設(shè)計(jì)。我接下來會把話題遞給Clark。2024年你們切換到了年度發(fā)布節(jié)奏，對吧？

Hopper之后，2025年的Grace Blackwell是一次巨大升級，需要數(shù)據(jù)中心進(jìn)行重大改造。26年下半年會有Vera Rubin，27年有Rubin Ultra，28年有Feynman。年度發(fā)布節(jié)奏進(jìn)行得如何？為什么要改為年度發(fā)布？英偉達(dá)內(nèi)部的AI是否讓你們能落實(shí)年度發(fā)布？

英偉達(dá)未來芯片架構(gòu)的發(fā)展脈絡(luò)（來源：BG2）

黃仁勛：是的，答案是肯定的。沒有它，英偉達(dá)的速度、節(jié)奏和規(guī)模都會受限。現(xiàn)在沒有AI，根本不可能建出我們?nèi)缃竦漠a(chǎn)品。為什么這么做？記得Eddie（吳泳銘）在財(cái)報(bào)或大會上說過、Satya說過、Sam也說過……token生成速率在指數(shù)級上升，用戶使用在指數(shù)級上升。我記得OpenAI說周活躍用戶有8億左右，對吧？從ChatGPT推出才兩年。

Brad Gerstner：而且這些用戶的每次使用都在生成更多token，因?yàn)樗麄冊谑褂谩巴评頃r(shí)思考”（inference-time reasoning）。

黃仁勛：沒錯(cuò)。所以第一點(diǎn)是：在兩個(gè)指數(shù)疊加的情況下，除非我們以不可思議的速度提升性能，否則token生成成本會持續(xù)上升。

因?yàn)槟柖梢阉溃w管的單位成本每年幾乎不變，電力也大致不變。在這兩條“定律”約束下，除非我們發(fā)明新技術(shù)降成本，否則即便給對方打個(gè)幾個(gè)百分點(diǎn)的折扣，也無法抵消兩個(gè)指數(shù)增長的壓力。因此我們必須每年以跟上這個(gè)指數(shù)的節(jié)奏去提升性能。

比如從Kepler（注：2012年4月發(fā)布）一路到Hopper（注：2022年3月發(fā)布），大概實(shí)現(xiàn)了100000的提升。那是英偉達(dá) AI旅程的開端，十年十萬倍。Hopper到Blackwell，因?yàn)镹VLink等，我們在一年內(nèi)實(shí)現(xiàn)了30×的系統(tǒng)級提升；接下來Rubin還會再來一波“x”（數(shù)倍），F(xiàn)eynman再一波“×”……

之所以能做到，是因?yàn)榫w管本身幫不上太多忙了。摩爾定律基本只剩密度在漲，性能沒有相應(yīng)提升。所以我們必須把問題在系統(tǒng)層面完全拆開，所有芯片同步升級，軟件棧與系統(tǒng)同步升級，這是極致的“協(xié)同設(shè)計(jì)（co-design）”。

以前沒人做到這個(gè)層級。我們同時(shí)改變CPU、重塑CPU，與GPU、網(wǎng)絡(luò)芯片、NVLink縱向擴(kuò)展、Spectrum-X橫向擴(kuò)展。當(dāng)然還要去構(gòu)建更大的系統(tǒng)，在多個(gè)AI工廠之間做跨域互聯(lián)。并且以年度節(jié)奏推進(jìn)。所以我們自身也在技術(shù)上形成了“指數(shù)疊指數(shù)”。這讓客戶能持續(xù)拉低token成本，同時(shí)通過預(yù)訓(xùn)練、后訓(xùn)練與“思考”讓token更聰明。AI變聰明，使用就更多，使用更多就指數(shù)增長。

Brad Gerstner：極致的協(xié)同設(shè)計(jì)是什么？

黃仁勛：極致協(xié)同設(shè)計(jì)，意味著你要同時(shí)優(yōu)化模型、算法、系統(tǒng)與芯片。

當(dāng)摩爾定律還能推動時(shí)，只要讓CPU更快，一切都會更快。那是在“盒子里”創(chuàng)新，只需把那顆芯片做快。但如果芯片不再變快，你怎么辦？就要跳出原有框架來創(chuàng)新。

英偉達(dá)改變了行業(yè)，因?yàn)槲覀冏隽藘杉隆l(fā)明了CUDA、發(fā)明了GPU，并把大規(guī)模協(xié)同設(shè)計(jì)的理念落地。

這就是為什么我們覆蓋這么多行業(yè)。我們在構(gòu)建大量庫與協(xié)同設(shè)計(jì)。第一，全棧的極致不僅在軟件與GPU，還延伸到數(shù)據(jù)中心層面的交換與網(wǎng)絡(luò)，以及它們內(nèi)部的所有軟件：交換機(jī)、網(wǎng)絡(luò)接口、縱向擴(kuò)展與橫向擴(kuò)展，跨全部層面優(yōu)化。其結(jié)果就是Blackwell對Hopper的30×提升。摩爾定律根本做不到，這是極致協(xié)同設(shè)計(jì)的成果。

英偉達(dá)全部技術(shù)棧（來源：BG2）

Brad Gerstner：這些都源自極致協(xié)同設(shè)計(jì)。

黃仁勛：是的，這就是為什么我們要做網(wǎng)絡(luò)、做交換、做縱向/橫向/跨域擴(kuò)展，做CPU、做GPU、做NIC。也是為什么英偉達(dá)的軟件如此豐富。我們在開源軟件上的貢獻(xiàn)提交量，全球能比的沒幾家。而且這還只是AI領(lǐng)域。別忘了我們在計(jì)算機(jī)圖形、數(shù)字生物學(xué)、自動駕駛等。我們產(chǎn)出的軟件規(guī)模極其可觀，這讓我們能做深度且極致的協(xié)同設(shè)計(jì)。

Brad Gerstner：我從你一位競爭對手那里聽說，你們這么做能降低token生成成本。但與此同時(shí)，你們的年度發(fā)布節(jié)奏讓競爭者幾乎很難跟上。因?yàn)槟銈兘o供應(yīng)鏈三年的可見性，供應(yīng)鏈鎖定更深，心里有底該供到什么規(guī)模。

黃仁勛：你不妨這樣想：要讓我們一年做幾千億美元級的AI基礎(chǔ)設(shè)施建設(shè)想想我們在一年前就必須提前預(yù)備多少產(chǎn)能。我們說的是數(shù)千億美元級的晶圓啟動量、DRAM采購量。這個(gè)規(guī)模，幾乎沒有公司能承接。

英偉達(dá)的護(hù)城河為什么更寬了：如何看ASIC的競爭力

Brad Gerstner：你們今天的護(hù)城河比三年前更寬了嗎？

黃仁勛：是的。

首先，競爭者比以往更多，但難度也比以往更大。因?yàn)榫A成本在上升。除非你在極致規(guī)模上做協(xié)同設(shè)計(jì)，否則你交不出那個(gè)“數(shù)倍”級的增長，這是第一點(diǎn)。所以，除非你一年同時(shí)做6-8顆芯片，否則不行。重點(diǎn)不是做一顆ASIC，而是構(gòu)建一座AI工廠系統(tǒng)。這座系統(tǒng)里有很多芯片，它們都協(xié)同設(shè)計(jì)。它們共同交付我們幾乎固定節(jié)奏能拿到的那個(gè)“10×”。

所以第一，協(xié)同設(shè)計(jì)必須極致。第二，規(guī)模必須極致。當(dāng)你的客戶部署1個(gè)GW，那就是四五十萬顆GPU，要讓50萬顆GPU協(xié)同工作，這就是個(gè)奇跡。

所以客戶是在承擔(dān)巨大的風(fēng)險(xiǎn)來購買這些。你得想，有哪個(gè)客戶會在一個(gè)架構(gòu)上下500億美元的采購訂單？一個(gè)全新的、未經(jīng)大規(guī)模驗(yàn)證的架構(gòu)？

你再興奮、大家再為你喝彩，當(dāng)你剛剛展示第一個(gè)硅片的時(shí)候，會有誰給你500億美元的訂單？你又為何敢在一顆剛剛流片的芯片上啟動500億美元的晶圓？但對英偉達(dá)來說，我們敢，因?yàn)槲覀兊募軜?gòu)高度成熟與積累的信用。其二，我們客戶的規(guī)模極其驚人。再者，我們供應(yīng)鏈的規(guī)模也極其驚人。誰會替一家企業(yè)去提前啟動這些、預(yù)構(gòu)建這么多，除非他們確信英偉達(dá)能把它交付到底？對吧？他們相信我們能交付到全球所有客戶手里，愿意一次性啟動數(shù)千億美元的供應(yīng)。

這就是“規(guī)模”的故事。

Clark Tang：順著這個(gè)點(diǎn)，全球一個(gè)最大的爭論是“GPU vs ASIC”，比如Google的TPU、Amazon的Trainium。Arm到OpenAI、Anthropic在傳出自研……你去年說過我們構(gòu)建的是“系統(tǒng)”，不是“芯片”，而你們在堆棧的每一層都驅(qū)動性能提升。你還說過這些項(xiàng)目里很多可能永遠(yuǎn)到不了生產(chǎn)規(guī)模，事實(shí)上…大多數(shù)都到不了。在TPU看似成功的前提下，你今天如何看這片正在演進(jìn)的版圖？

黃仁勛：Google的優(yōu)勢在“前瞻”。

記得他們在一切開始之前就做了TPU v1。這跟創(chuàng)業(yè)沒區(qū)別。你應(yīng)當(dāng)在市場尚未做大之前去創(chuàng)業(yè)，而不是等市場漲到萬億級再來。所有VC都懂一個(gè)謬誤：市場很大，只要拿到幾個(gè)百分點(diǎn)就能做成大公司。這是錯(cuò)的。你該在一個(gè)很小的領(lǐng)域拿到“幾乎全部份額”，這就是英偉達(dá)當(dāng)年做的，也是TPU當(dāng)年做的。

所以今天那些做ASIC的人的挑戰(zhàn)在于：市場看起來很“肥”，但別忘了，這個(gè)“肥市場”已經(jīng)從一顆叫GPU的芯片，演化為我剛描述的“AI工廠”。

你們剛看到我宣布了CPX（注：Rubin CPX GPU，英偉達(dá)專為長語境推理設(shè)計(jì)的芯片），這是一顆用于“上下文處理與擴(kuò)散式視頻生成”的芯片，是很專門但很重要的數(shù)據(jù)中心負(fù)載。我剛才也暗示，也許會有“AI數(shù)據(jù)處理”處理器。因?yàn)槟阈枰伴L期記憶”和“短期記憶”。KVCache的處理非常重，AI記憶是大事。你希望你的AI有好記憶。圍繞整個(gè)系統(tǒng)處理KVCache非常復(fù)雜，也許它也需要一顆專屬處理器。

你可以看到，英偉達(dá)今天的視角，是俯瞰全體AI基礎(chǔ)設(shè)施——這些了不起的公司要如何讓多元且變動的工作負(fù)載流經(jīng)系統(tǒng)？看看Transformers，這個(gè)架構(gòu)在快速演化。若非CUDA如此好用、易于迭代，他們要如何進(jìn)行如此海量的實(shí)驗(yàn)，來決定采用哪種Transformer變體、哪類注意力算法？如何去做“解耦/重構(gòu)（disaggregate）”？CUDA之所以能幫你做這一切，是因?yàn)樗案叨瓤删幊獭薄?/p>

所以看我們的業(yè)務(wù)，你得回到三五年前那些ASIC項(xiàng)目啟動之時(shí)，那會兒的行業(yè)“可愛而簡單”，只有GPU。一兩年后，它已巨大且復(fù)雜；再過兩年，它的規(guī)模會非常之大。所以，作為后來者要?dú)⑷胍粋€(gè)巨量市場，這仗很難打。

Clark Tang：即便那些客戶在ASIC上成功了，他們的算力機(jī)隊(duì)里也應(yīng)該有個(gè)“優(yōu)化配比”，對吧？我覺得投資人喜歡非黑即白，但其實(shí)即便ASIC成功了，也要有個(gè)平衡。會有很多不同的芯片或部件加入英偉達(dá)的加速計(jì)算生態(tài)，以適配新生的負(fù)載。

Brad Gerstner：換句話說，Google也是你們的大客戶。

黃仁勛：Google是我們的大GPU客戶。Google很特殊，我們必須給予尊重。TPU已經(jīng)迭代到v7了，對吧？這對他們也是極大挑戰(zhàn)。他們做的事情極難。

所以我想先理順一下芯片的分類。一類是“架構(gòu)型”芯片：x86CPU、ArmCPU、英偉達(dá)GPU，屬于架構(gòu)級，有豐富的IP與生態(tài)，技術(shù)很復(fù)雜，由架構(gòu)的擁有者構(gòu)建。

另一個(gè)是ASIC，我曾就職于發(fā)明ASIC概念的公司LSI Logic。你也知道，LSI早已不在。原因在于，當(dāng)市場規(guī)模不太大時(shí)，ASIC很棒，找一家代工/設(shè)計(jì)服務(wù)公司幫你封裝整合并代工生產(chǎn)，他們會收你50-60個(gè)點(diǎn)的毛利。

但當(dāng)ASIC面向的市場變大后，會出現(xiàn)一種新方式叫COT（Customer-Owned Tooling，客戶自有工具），誰會這么做？比如Apple的手機(jī)芯片，量級太大，他們絕不會去付給別人50-60%的毛利做ASIC，他們會自己掌握工具。

所以，當(dāng)TPU變?yōu)橐婚T大生意時(shí)，它也會走向COT，這毫無疑問。話說回來，ASIC有它的位置——視頻轉(zhuǎn)碼器的市場永遠(yuǎn)不會太大；智能網(wǎng)卡（Smart NIC）的市場也不會太大。

所以當(dāng)你看到一家ASIC公司有十來個(gè)甚至十五個(gè)ASIC項(xiàng)目時(shí)，我并不驚訝，因?yàn)榭赡芷渲形鍌€(gè)是Smart NIC、四個(gè)是轉(zhuǎn)碼器。它們都是AI芯片嗎？當(dāng)然不是。如果有人做一顆為某個(gè)特定推薦系統(tǒng)定制的處理器，做成ASIC，當(dāng)然也可以。但你會用ASIC來做那顆“基礎(chǔ)計(jì)算引擎”嗎？要知道AI的工作負(fù)載變化極快。有低延遲負(fù)載，有高吞吐負(fù)載；有聊天token生成，有“思考”負(fù)載，有AI視頻生成負(fù)載，現(xiàn)在你在談的是……

Clark Tang：算力機(jī)群的 “主力骨干”。

黃仁勛：這才是英偉達(dá)的定位。

Brad Gerstner：再通俗點(diǎn)講，就像“象棋vs跳棋”。那些今天做ASIC的人，不管是Trainium還是別的某些加速器，本質(zhì)是在造一顆“更大機(jī)器中的一個(gè)部件”。

而你們造的是一個(gè)“非常復(fù)雜的系統(tǒng)、平臺、工廠”，現(xiàn)在你們又開始做一定程度上的“開放”。你提到了CPX GPU，在某種意義上，你們在把工作負(fù)載“拆分”到最適合它的硬件切片上。

黃仁勛：沒錯(cuò)。我們發(fā)布了一個(gè)叫“Dynamo”的東西——解耦后AI負(fù)載編排（disaggregated orchestration），而且開源了它，因?yàn)槲磥淼腁I工廠就是解耦的。

Brad Gerstner：你們還發(fā)布了NVLink Fusion，甚至對競爭對手開放，包括你們剛剛投資的Intel，這就是讓他們也能接入你們正在建的工廠——沒人瘋狂到要獨(dú)自建完整工廠。但如果他們有足夠好的產(chǎn)品、足夠有吸引力，終端客戶說我們想用這個(gè)替代某個(gè)Arm GPU，或者替代你們的某個(gè)推理加速器等，他們就可以插進(jìn)來。

黃仁勛：我們非常樂意把這些接上。NV Fusion是個(gè)很棒的主意，我們也很高興與Intel合作——它把Intel的生態(tài)帶進(jìn)來，全球大多數(shù)企業(yè)工作負(fù)載仍跑在Intel上。它融合了Intel生態(tài)與英偉達(dá)的AI生態(tài)與加速計(jì)算。我們也會與Arm做同樣的融合。之后還會與更多人做。這為雙方都打開了機(jī)會，是雙贏、非常大的雙贏。我會成為他們的大客戶，他們也會把我們帶到更大的市場機(jī)會前。

Brad Gerstner：與此緊密相關(guān)的，是你提出一個(gè)讓人震驚的觀點(diǎn)：就算競爭者造的ASIC芯片今天已經(jīng)更便宜，甚至就算他們把價(jià)格降到零，也依然會買英偉達(dá)的系統(tǒng)。因?yàn)橐粋€(gè)系統(tǒng)的總運(yùn)營成本——電力、數(shù)據(jù)中心、土地等——以及“智能產(chǎn)出”，選擇你們?nèi)匀桓鼊澦悖词箤Ψ降男酒姿汀?/p>

Blackwell 和 ASIC成本分析（來源：BG2）

黃仁勛：因?yàn)閱问峭恋亍㈦娏ΑS房等設(shè)施就要150億美元。

Brad Gerstner：我們試著做過這背后的數(shù)學(xué)題。對很多不熟悉的人來說，這聽起來不合邏輯，你把競品芯片定價(jià)為零，考慮到你們芯片并不便宜，怎么可能還是更劃算？

黃仁勛：有兩種看法。一是從營收角度。大家都受“電力”約束。假設(shè)你拿到了新增2GW的電力，那你希望2GW能被轉(zhuǎn)化為營收。如果你的“token單位能耗（token per watt）”是別人的兩倍，因?yàn)槟阕隽松疃惹覙O致的協(xié)同設(shè)計(jì)，你的單位能耗性能更好，那你的客戶就能從他們的數(shù)據(jù)中心產(chǎn)出兩倍營收。誰不想要兩倍營收？而就算有人給他們15%的折扣——比如我們75%的毛利，別人50%-65%的毛利——這點(diǎn)差距也絕不可能彌補(bǔ)Blackwell與Hopper之間30×的差距。

過去10年大模型單位能效提升了10萬倍（來源：BG2）

就算我們把Hopper和別人的ASIC看作同級，Blackwell也有30×的空間。所以在同一個(gè)GW上，你要放棄30×的營收。這代價(jià)太大了。就算對方白送芯片，你也只有2GW的電力可用，你的機(jī)會成本高得離譜——你永遠(yuǎn)會選擇“單位能耗”最強(qiáng)的那套系統(tǒng)。

Brad Gerstner：我從一家hyperscaler的CFO那里聽說過，鑒于你們芯片帶來的性能提升，特別是以單位能耗（token/gigawatt）和“電力供給”為硬約束，他們不得不升級到新的周期。展望Rubin、Rubin Ultra、Feynman，這條曲線會延續(xù)嗎？

黃仁勛：我們現(xiàn)在一年做六七顆芯片，每一顆都是系統(tǒng)的一部分。系統(tǒng)軟件無處不在。要實(shí)現(xiàn)Blackwell的30×，需要跨這六七顆芯片的聯(lián)調(diào)與優(yōu)化。想象一下，我每年都這么做，砰、砰、砰地連發(fā)。如果你在這鍋“芯片大雜燴”里只做一顆ASIC，而我們卻在整鍋里到處優(yōu)化，這就是個(gè)很難的問題。

Brad Gerstner：這讓我回到開頭的護(hù)城河問題。我們做投資許久了，在整個(gè)生態(tài)投資，也投了你的競爭對手，比如Google、博通。

但當(dāng)我從第一性原理出發(fā)，你們改為以年為單位的發(fā)布節(jié)奏、跟供應(yīng)鏈共研、規(guī)模遠(yuǎn)超所有人預(yù)期，這對資產(chǎn)負(fù)債表與研發(fā)有雙重規(guī)模要求，你們通過收購與自研推進(jìn)了NVFusion、CPX等。因此，你們的護(hù)城河在拓寬，至少在“構(gòu)建工廠或打造系統(tǒng)”這件事上是如此。

但有趣的是，你們的估值倍數(shù)比那些人都低。我認(rèn)為部分源自“大數(shù)定律”——一家4.5萬億美元的公司不可能再變更大了。但一年半前我也問過你，如果市場會把AI負(fù)載提升10×或5×，我們也知道Capex的走勢。在你看來，結(jié)合剛才談到的優(yōu)勢下，營收“不大幅更高”的概率有多大？

黃仁勛：我這樣回答，我們的機(jī)會遠(yuǎn)大于市場共識。

Brad Gerstner：我認(rèn)為英偉達(dá)很可能成為第一家10萬億美元的公司。我在這行待得夠久了。十年前，大家還說世上不可能有1萬億美元公司。現(xiàn)在我們有十家。今天的世界更大了，對吧？

黃仁勛：世界變大了。而且人們誤解我們在做什么。大家記得我們是“芯片公司”——沒錯(cuò)，我們造芯片，造的是全球最驚人的芯片。但英偉達(dá)實(shí)際上是一家AI基礎(chǔ)設(shè)施公司。

我們是你的“AI基礎(chǔ)設(shè)施合作伙伴”。我們與OpenAI的伙伴關(guān)系就是最好證明。我們是他們的AI基礎(chǔ)設(shè)施伙伴。我們以很多方式與客戶合作。我們不要求任何人買我們的一切。我們不要求你買整機(jī)柜，你可以買一顆芯片、一個(gè)部件、我們的網(wǎng)絡(luò)，或僅僅買我們的CPU。也有人只買我們的GPU，配別家的CPU和網(wǎng)絡(luò)。我們基本上是按你喜歡的方式賣。我的唯一請求是，買點(diǎn)兒我們的東西就行。

Brad Gerstner：你說過，不只是更好的模型，還要有“世界級建造者”。你說，也許全國最強(qiáng)的建設(shè)者是Elon Musk。我們聊過Colossus One，他在那里把二十幾萬顆H100/H200組成一個(gè)“相干”的大集群。現(xiàn)在他在做Colossus Two，可能是50萬顆GPU、相當(dāng)于幾百萬H100的“等效”相干集群。

黃仁勛：如果他先于所有人做到1GW，我不驚訝。

Brad Gerstner：既能做軟件與模型，又懂如何打造這些集群的“建造者”有什么優(yōu)勢？

黃仁勛：這些AI超級計(jì)算機(jī)極其復(fù)雜。技術(shù)復(fù)雜，采購復(fù)雜（融資），拿地、拿電力與廠房復(fù)雜，建設(shè)復(fù)雜、點(diǎn)亮復(fù)雜。這恐怕是人類史上最復(fù)雜的系統(tǒng)工程之一。Elon的優(yōu)勢在于：在他腦子里，這些系統(tǒng)是一體協(xié)同的，所有相互依賴關(guān)系都在他一個(gè)人腦中，包括融資。是的，而且……

Brad Gerstner：他自己就是個(gè)“大GPT”、一臺“大超算”。

黃仁勛：對，終極“GPU”。他有很強(qiáng)的緊迫感，他非常想把它建出來。當(dāng)“意志”與“能力”相遇時(shí)，不可思議的事會發(fā)生。

主權(quán)AI：AI正在成為每個(gè)國家的基礎(chǔ)設(shè)施

Brad Gerstner：你深度參與的另一塊是主權(quán)AI……回看30年前，你大概難以想象如今你經(jīng)常出入白宮。總統(tǒng)說你與英偉達(dá)對美國國家安全至關(guān)重要。面對這些，先給我個(gè)背景——若不是各國把這件事視為“生死攸關(guān)”，至少不亞于我們在1940年代看待“核”，你也不會出現(xiàn)在那些地方。如今如果沒有一個(gè)由政府出資的“曼哈頓計(jì)劃”，那它也由英偉達(dá)、OpenAI、Meta、Google來出資。

黃仁勛：沒有人需要原子彈，但人人都需要AI。這就是巨大的不同。AI是現(xiàn)代軟件。這是我一開始就說的：從通用計(jì)算到加速計(jì)算，從人寫代碼到AI寫代碼，這個(gè)根基不能忘，我們已經(jīng)重塑了計(jì)算。它需要被普及，這就是所有國家都意識到必須進(jìn)入AI世界的原因，因?yàn)槊總€(gè)國家都必須在計(jì)算中保持現(xiàn)代化。不會有人說：你知道嗎，我昨天還用計(jì)算機(jī)，明天我就靠木棍和火種了。所以每個(gè)人都得繼續(xù)向前，只是計(jì)算被現(xiàn)代化了而已。

第二，為了參與AI，你必須把自己的歷史、文化、價(jià)值觀寫進(jìn)AI。隨著AI越來越聰明，核心AI學(xué)這些的速度很快，不必從零開始。所以我認(rèn)為每個(gè)國家都需要一定的主權(quán)能力。我建議大家都用OpenAI、用Gemini、用Grok、用Anthropic……用各類開放模型。但他們也應(yīng)該投入資源去學(xué)習(xí)如何“構(gòu)建”AI，這不僅是為了語言模型，也是為了工業(yè)模型、制造模型、國家安全模型。他們要培養(yǎng)一整套“自己的智能”。因此，每個(gè)國家都應(yīng)具備主權(quán)能力。

Brad Gerstner：這是否也是你在全球聽到與看到的？

黃仁勛：是的。他們都會成為OpenAI、Anthropic、Grok、Gemini的客戶，但同時(shí)也需要建設(shè)自己的基礎(chǔ)設(shè)施。這就是英偉達(dá)在做的大想法——我們在構(gòu)建“基礎(chǔ)設(shè)施”。就像每個(gè)國家需要能源基礎(chǔ)設(shè)施、通信與互聯(lián)網(wǎng)基礎(chǔ)設(shè)施，現(xiàn)在每個(gè)國家都需要AI基礎(chǔ)設(shè)施。

作者：MD

出品：明亮公司