中國創新憑什么快？黃仁勛：家庭第一、朋友第二、公司第三，中國人情社會立功

智東西
編譯 劉煜
編輯 陳駿達

智東西3月27日報道，3月24日，頂流科技博客The Lex Fridman Podcast放出了對英偉達創始人兼CEO黃仁勛近兩個半小時的采訪。在這期博客中，黃仁勛深入拆解了英偉達的協同設計方法論、CUDA發展歷程、四層scaling laws等核心戰略思考。談及個人與公司未來時，他坦言自己“并不相信傳統意義的接班計劃”，并且希望自己最終的結局是“死在崗位上”。

談及中國時，黃仁勛稱，中國是當今世界創新最快的國家，全世界50%左右的AI研究者是中國人，中國科技企業發展迅速，研究者對開源的貢獻巨大。

他還比較道，雖然美國的領導人很優秀，但大多是律師，“中國的國家領導人，要讓他們的國家擺脫貧困，建設國家，大部分是不可思議的工程師，是最聰明的人。”

在評價馬斯克時，黃仁勛稱其為“頂級的思考者”，能夠跨學科思考并質疑一切。他認為英偉達的極端系統協同設計方法本質與馬斯克的系統工程思路相同。

黃仁勛還將OpenClaw形容為“token的iPhone”。他認為，OpenClaw是歷史上增長最快的應用，正如當年iPhone開啟了移動應用的全新時代一樣，OpenClaw正在開啟智能體應用的新發展階段。

外界也十分關注英偉達的供應鏈問題，黃仁勛給市場吃了一顆定心丸：“英偉達的發展不受任何物理限制，沒有任何事情可以阻礙英偉達實現3萬億美元（約合人民幣20.67萬億元）的營收。

在這期播客中，黃仁勛還細談了英偉達蛻變歷程，并且分享了自己在經營英偉達時的心理歷程以及思考，以下是這篇播客的核心內容：

1、四層scaling laws：四層scaling laws覆蓋模型全生命周期的四個擴展階段，它包括預訓練scaling、后訓練scaling、測試時scaling以及agentic scaling，智能的scaling只靠算力。

2、token的iphone：token的iPhone時代已經來了，token開始分層，像iPhone一樣，有免費token、付費token，在這中間還分好幾個檔次。而Openclaw毫無疑問是token的iPhone。

3、聊中國：中國不是一個單一的經濟體，中國的EV公司、AI公司等都有很多，在激烈的競爭下，留下的都是不可思議的公司。

4、聊臺積電：臺積電同時在技術和客戶服務的領域具備世界級水準，并且“信任”也是臺積電創造的無形資產，這讓英偉達與臺積電合作30年了卻并未簽署過任何合同。

5、AGI已經實現：黃仁勛稱對于實現AGI時間線問題取決于對AGI的定義，他已經實現了自己語境定義下的AGI。

6、談DLSS 5：DLSS 5是開放的工具，通過AI實時神經渲染，于開發者而言具有強可控性，實現畫質拉滿的同時穩住幀率，并不會生產AI slop（AI垃圾）。

7、編程的未來：AI是工具，全球程序員數量未來會從3000萬變成10億，所有能將AI利用好的職業都將升級。

8、關于CUDA：將CUDA集成到GeForce上的決策非常艱難，它耗費了英偉達的巨額利潤，甚至將影響到英偉達的生存。

9、協同設計生態：不再孤立地設計芯片、網絡、軟件和基礎設施，而是讓所有組件從最初就共同優化，以突破摩爾定律放緩帶來的性能瓶頸。

10、期盼：黃仁勛希望通過持續的實踐與知識傳遞來自然實現英偉達領導力的延續，并希望自己最后能死在工作崗位上，沒有長期痛苦。

以下是播客內容的完整編譯：

一、英偉達的協同設計生態：同步解決所有瓶頸

主持人：你已經把英偉達推進到AI的新時代，英偉達已經擴展到對GPU、CPU、內存、網絡、存儲、電源、冷卻、軟件、機架本身、Pod（預集成、可獨立部署的標準化AI算力集群單元）以及整個數據中心的極端協同設計。面對協同設計這樣一個包含如此多復雜組件和設計變量的系統時，最困難的部分是什么？

黃仁勛：首先，之所以需要進行極端協同設計，是因為問題已經不再能裝進一臺計算機、由一塊GPU來加速解決了。增加了1萬臺計算機，卻希望它速度能快100萬倍，于是，你把算法拆開、重構、把流水線分片、把數據分片、把模型分片。但這樣做時，所有環節都會成為解決問題的阻礙。

這就是阿姆達爾定律（Amdahl’s Law）所描述的問題：某件事的加速倍數取決于它在總工作負載中所占的比例。

如果計算占總問題的50%，而我把計算加速了100萬倍，那么整個工作負載也只加速了2倍。突然之間，你不僅要分布計算，還要以某種方式把流水線分片，同時還要解決網絡問題。于是，在我們這個規模的分布式計算中，CPU是個問題，GPU是個問題，網絡是個問題，交換是個問題，把工作負載分布到所有的計算機上也是個問題。總的來說，這就是一個極其復雜的計算機科學問題。

為解決問題，我們必須把每一種技術都用上。否則我們就只能線性擴展，或者按照摩爾定律的能力擴展，而摩爾定律現在已經大幅放緩，因為Dennard scaling（晶體管越小電壓越低電流越小，單位面積功耗不變，頻率與密度同步提升）已經放緩了。

主持人：我相信你們在每個領域都有專家，比如高帶寬內存、網絡、NVLink、網卡、光學和銅纜、電源交付、冷卻等領域。你怎么把他們聚到一起共同討論、協同設計？

黃仁勛：這就是我的團隊龐大的原因。

主持人：具體過程是什么樣的呢？比如當你知道要把一堆東西塞進一個機架時，你是怎么把機架設計出來的？整個協同設計的過程看起來是什么樣的？

黃仁勛：極端協同設計，我們首先需要在整個軟件棧上進行優化：從架構到芯片，到系統，到系統軟件，到算法，到應用。這是一層。

第二，不僅要考慮CPU、GPU、網絡芯片、向上交換機、向外交換機，還要把電源和冷卻也納入進來。因為所有這些組件合在一起，構成了一個極其耗電的系統。雖然每個組件本身的能效都很高，但把它們組合成一個大規模系統后，總體功耗依然非常巨大。

為了超過單純增加計算機數量帶來的收益，我們把工作負載分布出去。如果要設計一臺計算機，那么必須要有計算機的操作系統。如果要設計一家公司，那就得想清楚需要這家公司生產什么。我看到很多公司的組織架構圖，比如漢堡式組織圖、軟組織圖、汽車公司組織圖，它們看起來全都一樣。這些對我來說毫無意義。

如果一家公司的目標就是成為生產產品的機器、機制、系統，那個產品就是我們想要創造的東西。同時公司的架構也能反映它所處的環境，它幾乎間接地告訴你該怎么組織公司。我有超過60人以上的直接匯報人，我們不做一對一談話，我們提出一個問題，所有人一起攻克它，因為我們在做極端協同設計。

字面意義上，英偉達每時每刻都在做極端協同設計。我們始終盯著整個棧，而且會進行對整個棧的設計的激烈討論。即使只是在討論某個特定組件，比如冷卻、網絡，但其他與這個專業領域無關的人也都在聽。

進行推演時，他們可以插話，也可以走神。他們知道什么時候該注意。如果某件事團隊的成員本可以提供解決思路卻沒有發言，我就會點名：“嘿，進來參與吧。”

二、英偉達體系的戰略轉變：將CUDA集成到GeForce的艱難決策

主持人：你剛才提到，英偉達是一家適應環境的的公司。那么，從最早的游戲GPU，到后來的早期深度學習革命，再到如今把公司定位為“打造AI工廠”，這個轉變是在哪個時間點、在什么契機下發生的？英偉達是做什么的？

黃仁勛：我們最初是一家加速器公司。但加速器的缺點是應用領域太窄。它的好處是能極致優化特定的工作。高度專業化的缺點當然是市場范圍更窄，但那也沒關系，真正的問題是，市場規模決定了你的研發能力，而研發能力最終決定了你在計算領域的影響力和話語權。所以當英偉達最初做專用GPU加速器時，我們就清楚，那只是英偉達的第一步。

我們必須找到辦法成為“加速計算”公司。如果成為一家純粹的計算公司，它太通用，會失去專業核心競爭力。越是成為一家好的計算公司，就越不是好的專家；越是更專業化，我們做整體計算的能力就會越弱。所以我故意把“計算”和“專業化”這兩個概念結合在一起，英偉達必須在這條非常狹窄的道路上，一步一步擴大我們的計算邊界，同時又不放棄我們最核心的專業根基。

于是我們發明了可編程像素著色器。那是我們走向可編程性的第一步，是我們進入計算世界的第一段旅程。

第二件事，我們把FP32放進了著色器。實現了與IEEE兼容的FP32，是我們在計算方向上的巨大飛躍。這個決定讓所有當時在做流處理器和其他數據流處理器的人發現了我們。他們說：“我們也許能用這塊符合IEEE標準的計算密集度極高的GPU了。”

我可以把我以前在CPU上寫的軟件，拿過來用GPU試試。這又引導我們把C語言放在FP32之上，構建了Cg語言。Cg語言的演進之路最終又孕育了CUDA。

但是，把CUDA集成到GeForce上是一個非常艱難的戰略決策，它耗費了英偉達的巨額利潤，當時我們根本負擔不起，但我們還是做了。因為我們想成為一家計算公司。一家計算公司必須有計算架構，而計算架構必須在我們制造的所有芯片上兼容。

主持人：你能帶我回顧一遍那個決策嗎？把CUDA集成到GeForce上當時英偉達負擔不起？你能解釋一下那個決策嗎？為什么還是大膽地選擇了做？

黃仁勛：我認為那是最接近對英偉達具有存在性威脅的第一個戰略決策。

我們發明了CUDA，它擴大了我們加速器的應用范圍。一個計算平臺的關鍵是開發者，但如何吸引開發者來使用CUDA成為了一個問題。開發者不會僅僅因為CUDA性能有意思就來使用它，他們大多反而會被安裝基數大吸引。因為開發者和其他人一樣，都希望自己開發的軟件能觸達很多人。

所以安裝基數其實是架構最重要的部分。

但架構可能招致大量批評，比如大家批評x86不夠優雅，但它卻是今天最不可替代的架構。實際上，由世界上最聰明的計算機科學家設計的美麗RISC架構大多失敗了，但幾乎不美觀的x86活下來了。

安裝基數定義了架構，其他一切都是次要的。當時除了CUDA，行業里還有OpenCL等好幾個競爭架構。那時GeForce已經成功了，每年能賣出幾百萬塊GeForce GPU。

我們說：“應該把CUDA放到GeForce上，讓它進入每一臺PC，不管用戶用不用，都把CUDA作為培養裝機量的起點。”同時我們去吸引開發者，去大學寫書、教課，把CUDA到處傳播。

那時PC是主要的計算工具，還沒有云，我們能把一臺超級計算機放到每個學校的研究者、科學家、工程學院、每個學生手里，總有一天會有神奇的事情發生。

問題是CUDA大大增加了我們那款消費級GPU的成本，徹底吃掉了公司所有的毛利。

當時英偉達市值大概60億美元（約合人民幣413.53億元）到70億美元（約合人民幣482.46億元），后來一度跌到15億美元（約合人民幣103.38億元）左右。我們雖然掙扎過一陣，但最終堅持把CUDA集成到GeForce上。我一直說“英偉達是GeForce建起來的房子”，因為是GeForce把CUDA帶給了所有人。

研究者、科學家等很多人本身都是游戲玩家，他們會自己組裝PC集群，用PC零件。后來他們在GeForce上發現了CUDA，就從那之后，英偉達逐漸起步。

主持人：你還記得威脅到英偉達生存的時間段舉行的會議是什么樣的嗎？你們進行了哪些討論？整個公司賭上一切是什么感覺？

黃仁勛：管理團隊知道我們的毛利率會崩盤，我必須向董事會說清楚我們在做什么。你可以想象一個畫面：GeForce要承擔CUDA的負擔，但玩家不會為此買單，他們只接受固定價位。

在當時英偉達的毛利率是35%，但我們把成本提高了50%，這是一個非常艱難的決定。但我們相信，將來CUDA會進入工作站、超級計算機，英偉達在那些領域也許能拿到更高的毛利率。我們靠這套邏輯說服自己，但這一等，就是十年。

主持人：你是怎么說服董事會的？更重要的是，作為領導者，在心理上，你是如何做出這種預判未來、豪賭未來的決策的？

黃仁勛：首先，我被大量的“好奇心”驅動。到了某個點，我腦中的推演系統會非常清晰地告訴我：這個結果一定會發生，這件事一定會發生。所以我在頭腦里相信它。當我相信它時，就會把那個未來具象化，那個未來如此清晰且令人信服，它不可能不發生。當然中間會有很多痛苦，但我必須相信我所相信的。

我、管理團隊花大量時間推敲，推敲為什么可能會發生這個結果。很多時候，其他公司的領導者在平時會保持沉默。知道了什么新東西憋到新的一年，再突然發布宣言，或者是年底搞個新計劃、大裁員、組織大調整、新使命宣言、新Logo之類的。但我們從來不這么做。

當我學到什么東西、并且這些東西開始影響我的想法時，我會立刻告知身邊所有的人。

我在一步一步的思考時，就已經下定決心，但我會抓住每一個外部信息、新洞見、新發現、新的工程啟示、新的里程碑，用它們去塑造所有人的認知。

我每天都在做這件事。對董事會、管理團隊、員工，我一直都在塑造他們的認知。

所以當有一天我說：“嘿，我們收購Mellanox吧”，每個人都覺得這完全顯而易見。當我說：“嘿，大家，我們全力投入深度學習吧，讓我告訴你們為什么”時，我已經在公司不同部門鋪墊了很久。每個部門、很多人可能都聽過所有內容。而其他的大部分公司只聽到過碎片。

等到我宣布的那天，大家其實早已在不同程度上接受了。

我喜歡宣布這些事的時候，員工心里想的是：“黃仁勛，你怎么這么晚才說？”但事實上我很早就已經在統一他們的理念和概念了。所以領導力有時看起來像在后面掌舵，但其實在那一天宣布時，大家已經有了100%的共識。這就是我想要的。

我要把所有的思考同步給每個人。否則當我宣布深度學習時，大家會說：“你在說什么？”“你宣布我們全力投入這個？”我的管理團隊、董事會、員工、客戶會覺得：“這從哪兒來的？太瘋狂了。”

如果你回看以前的主題演講，會發現我也在塑造行業伙伴的信念系統，比如我們剛剛宣布Groq，其實我已經鋪墊了兩年半。

三、英偉達的四層scaling laws：scaling的瓶頸是算力

主持人：這不只是在公司內部，你在塑造全球的創新格局。你把那些想法拋出去，在把現實具象化。

黃仁勛：我們是一家計算平臺公司。我們不制造計算機，不制造云，所以沒人能直接從我們這里“買”東西。我們采用垂直設計、垂直集成的方式進行系統的整體設計與優化，但同時，我們在每一層都全面開放平臺，允許其他公司的產品、服務、云服務、超級計算機或OEM設備自由接入、集成。

神奇的是，我做事情前離不開先說服合作伙伴和客戶。所以GTC大部分內容都是在具象化一個未來，等到我們的產品準備好時，他們會說：“你們怎么這么晚？”

我們長期相信scaling laws，而且我們現在有更多scaling laws了。

主持人：你已經列出了四個點：預訓練、后訓練、測試時、以及agentic scaling。放眼近期與遠期的未來，你最擔心、最讓你夜不能寐、必須攻克的“阻礙”是什么？

黃仁勛：我們可以回顧過去大家曾經認為的阻礙。最初是預訓練scaling。人們理所當然地認為我們擁有的高質量數據量會限制我們達到的智能程度。

對于預訓練，模型越大，對應的數據越多，AI就越聰明。Ilya Sutskever曾經說過“我們沒數據了”或者“預訓練結束了”之類的話，行業恐慌了，以為AI要完了，可是事實顯然不是這樣。

我們會繼續擴大訓練數據規模，其中很多將是“合成數據”。很多人困惑，為什么很多數據可能是合成的？大家忘了一件事：人類之間互相教授、互相傳遞的信息，大部分數據其實都是合成的，不是自然產生的。它們是由人創造、再加工、增強、再生出來的。

現在AI已經可以對真實數據做增強，同時合成、生成海量的數據。

隨著后訓練階段持續規模化推進，我們對人類標注數據的依賴會越來越小，未來絕大部分訓練數據都將是合成數據。當前數據供給的瓶頸其實是算力。

模型訓練所用的數據規模會持續擴大，直到訓練不再受數據本身的限制。

下一個階段是測試時。我還記得有人告訴我：“推理？哦，那很簡單。預訓練才難。”

大家談論的都是巨型系統，“推理肯定簡單，所以推理芯片會是很小的芯片，不會像英偉達的芯片那么復雜昂貴。未來推理會是最大市場，大家都能自己造芯片。”（別人說的）這些想法在我看來一直不合邏輯，因為推理就是思考，而思考很難，思考比閱讀難多了。

預訓練只是記憶和泛化，尋找模式和關系，你在閱讀。而思考、推理、解決問題、拿從未探索過的經驗、新的經驗把它分解成可解決的片段，再通過第一性原理推理以前的例子、先驗經驗，或者探索和搜索、嘗試不同東西。整個測試時推理的過程，其實就是思考。既然要做推理、規劃和搜索，那對算力的要求肯定不會輕。

我們當時就說對了，測試時的算力是極其密集的。在推理之后，下一個顯然是Agent。它擁有我們開發的大語言模型。在測試時，這個agentic系統會去研究、敲數據庫、使用工具，最重要的一件事是它會分裂出大量子Agent。

這意味著我們現在在創造大型團隊，擴大英偉達比擴大我自己容易多了。所以下一個scaling law是agentic scaling laws。它有點像把AI相乘，于是我們可以隨心所欲地分裂出Agent。

我有四個scaling law。當我們使用agentic系統時，它們會創造更多數據、更多經驗。對于一部分數據我們會說：“哇，這個真好，我們應該記住它”，那個數據集就會回到預訓練，接著后訓練會精煉它，測試時會增強它，最后agentic系統會把它投入實際部署。

這個循環會一直繼續下去。歸根結底，智能的scaling只靠一樣東西，那就是算力。

主持人：有個棘手的問題，你必須提前預測：其中一些組件需要哪些種類的硬件才能實現最優解。于是你必須預測AI創新會走向哪里。比如混合專家（Mixture of Experts）以及稀疏性等架構模型每隔幾個月就會出現。硬件不像軟件，不可能在一周之內就完成調整，你必須提前預判未來會是什么樣。這件事既可怕又困難，對吧？

黃仁勛：比如，這些AI模型架構大約每六個月就重新發明一次。而系統架構和硬件架構大約每三年更新一次。所以你需要預測兩三年后可能發生什么。

有幾種方法。首先，我們自己做內部研究，這就是為什么我們有基礎研究和應用研究，我們自己造模型，所以我們在這里有親身實踐經驗。這是我說的協同設計的一部分。

英偉達也是世界上唯一一家和全球每一家AI公司合作的AI公司，所以我們盡可能地去了解大家正在經歷的挑戰。你必須傾聽行業和各個AI實驗室的聲音，并向所有人學習。

最后一點是我們需要一個靈活的架構，能隨風而調整。CUDA的好處之一是，一方面它是極致的加速器，另一方面它又非常靈活。所以在專業化和通用化之間CUDA能夠取得驚人的平衡，否則我們就無法在實現加速CPU的同時適應不斷變化的算法。

而我們還在不斷增強CUDA。現在CUDA已經迭代到13.2的版本了，我們以極快的速度演進架構，才能跟上現代算法。比如當混合專家模型出現時，為什么我們要直接上NVLink 72而不是NVLink 8，因為我們要把整個4萬億、10萬億參數的模型放在一個計算域里，就像跑在一塊GPU上一樣。

大家可能沒注意到，Grace Blackwell機架的架構，它完全聚焦于一件事情，那就是跑LLM。

一年后，你看到Vera Rubin機架，它有存儲加速器，有全新的Vera CPU，有Vera Rubin和NVLink 72平臺來跑LLM，還有一個新增的Groq機架。整個機架系統和之前完全不同，里面全是新組件。原因在于，上一個是為MoE大語言模型推理設計的，而這一個是為Agent設計的，Agent會使用工具，而且——（被主持人打斷）

主持人：顯然，這個系統的設計必須在Claude Code、Codex、OpenClaw之前就完成了。所以你其實在預測未來。這來自什么？來自你聽見的聲音，還是來自對最前沿的理解？

黃仁勛：不，沒有這么玄乎。你只需要推理。

首先，不管發生什么，用一個比喻來說，這個大語言模型遲早要成為“數字工人”。假設我們想讓LLM成為數字工人，它必須能訪問真實數據，它必須能做研究，但它不是什么都知道。我不想等到這個AI變得無所不知、過去現在未來都懂了，才讓它有用。所以我不如讓它去主動研究。

顯然，如果它要幫我，它必須能夠使用我使用的工具。

很多人會說“AI會徹底摧毀軟件，我們以后不需要軟件了，連工具都不需要了”。這太荒謬了。

假設我在未來10年創造出最驚人的Agent，比如人形機器人。如果這個機器人來到我家，它是更可能用我已有的工具來完成它需要做的工作，還是它的手一會兒變成10磅重的錘子，一會兒變成手術刀，在燒水時還從手指射出微波？或是更可能只是用微波爐？第一次它走到微波爐前，它可能不知道怎么使用。但沒關系，它連著互聯網，它能讀微波爐說明書，瞬間就能成為專家，然后就會使用了。

我剛才其實描述了OpenClaw幾乎所有的特性：它會用工具，會訪問文件，能做研究，有I/O子系統。當你用這種方式推演完，你會說：“天哪，這對未來計算的影響極其深遠。”因為我們幾乎重新發明了計算機。

大家可能會問：“你們什么時候推演出OpenClaw的？”如果你注意到我在GTC用的OpenClaw示意圖，你會發現兩年前在GTC大會上，我就已經在談agentic系統，這個和今天的OpenClaw完全一致。

當然，很多事情必須同時推進。首先我們需要Claude、GPT等模型的能力到位。他們的創新、突破和持續進步非常重要。接著必須有人創建一個足夠健壯、足夠完整的開源項目，讓我們都能用上。我認為OpenClaw為agentic系統做了ChatGPT為生成系統做的事。我覺得這是一件大事。

主持人：是的，這是一個非常特別的時刻。我不太確定為什么它獲得了超過Claude Code、Codex等工具的更多關注。

黃仁勛：因為消費者能直接用上。

主持人：是的，不止如此，我和（OpenClaw的創始人）Peter錄過播客，他是個很棒的人，他的人格魅力疊加圍繞OpenClaw形成的一種“潮流氛圍”讓它超越了其他同類工具。

黃仁勛：沒錯。

主持人：這里或許也有“meme（網絡流行梗）”的因素。真正的難題在于：這么強大的Agent，我們怎么放心把數據交給它去干活？這是存在風險的。無論對于個體還是整個文明，我們都需要找到那個恰當的平衡點。

黃仁勛：是的，我們很快行動起來，派了一堆安全專家過去。我們做了OpenShell，已經集成到OpenClaw里了。英偉達還推出了NemoClaw。安裝超級簡單，它能確保安全。

Agentic系統可以訪問敏感信息、執行代碼、對外通信。我們一次只開放三項權限里的兩項，就能保持安全。其中給出去的兩個權限，我們也根據企業的授權做訪問控制，之后我們把它連到企業已有的策略引擎上。我們會盡力幫助OpenClaw變得更好。

四、英偉達的擔憂：不止用電壓力

主持人：你剛才解釋了過去我們曾經以為是障礙的東西，但都克服了。現在展望未來，你認為當Agent無處不在時，新的障礙會是什么？顯然我們需要算力，那么scaling的瓶頸會是什么？

黃仁勛：我們擔憂電力，但并不唯一。這就是為什么我們如此大力推進極端協同設計，讓每秒token每瓦特提升幾個數量級。過去10年，摩爾定律大概讓計算進步100倍，而我們通過極端協同設計讓計算提升了100萬倍。我們會繼續這么做。

芯片的能效、每瓦特性能都會直接影響公司的收入、工廠的收入。我們會把它推到極限，讓token成本盡可能快地下降。我們的計算機價格在漲，但token生成效率漲得更快，所以token的成本每年會下降一個數量級。

主持人：所以電力是個有趣的話題。繞過電力障礙的方法之一，就是通過讓token/s/W（每瓦特功耗每秒可處理的token）越來越高效。那怎么獲得更多電力？你談過小型模塊化核電站，有各種能源想法以及供應鏈里的瓶頸，比如ASML的EUV光刻機、TSMC的先進封裝CoWoS、SK海力士的高帶寬內存，這些會讓你失眠嗎？

黃仁勛：我天天都在想，也一直在解決。歷史上從來沒有哪家公司在以我們現在的規模增長，并且還在加速增長。這太不可思議了，很多人甚至無法理解。

在整個AI計算世界里，我們的份額還在增加。所以供應鏈上下游對我們極其重要。我花大量時間告知和我合作的CEO們：哪些行業趨勢會讓業務繼續增長甚至加速增長。這就是為什么在我身邊坐著幾乎整個IT行業上游和整個基礎設施行業下游的好幾百位CEO。

我不認為以前有哪次主題演講有幾百位CEO到場。他們到場的部分原因是，我像告知自己員工一樣告知他們我們現在的業務狀況、近期的增長驅動因素，以及我們接下來的打算，好讓他們用這些信息來決定投資方向。

我當然也會親自去拜訪他們，比如DRAM行業的CEO們，我會告訴他們：“嘿，聽著，這個季度、今年、明年，這些事會發生。”三年前，全球用量最大的內存，還是數據中心CPU使用的DDR內存。雖然當時HBM內存只在超級計算機里使用，但我預測未來它會成為數據中心的主流內存。

這個推測起初聽起來很荒謬，但幾位CEO相信了我，決定投資建HBM生產線。另一個當時聽起來很奇怪的建議是：需要把手機用的低功耗內存放到數據中心里使用，我們希望他們為超級計算機適配LPDDR。他們說：“手機內存給超級計算機？”我解釋了原因。結果LPDDR5和HBM4的出貨量都創了歷史紀錄。

這些都是成立四五十年左右的老公司。所以告知、塑造、激勵業內伙伴是我的一部分工作。

主持人：所以你不只在具象化未來、激勵英偉達的工程師，你還在具象化未來的供應鏈。你在和供應鏈全鏈條的公司交流。

黃仁勛：是的，整條鏈。半導體行業有很多極其困難的工程，而供應鏈如此復雜、部件如此之多，但它就是運作起來了。這里包括了深層的科學、深層的工程、不可思議的制造，很多制造已經機器人化了。我們有幾百家供應商，為我們一個機架的130萬部件提供技術。僅Vera Rubin機架就有200家供應商。

主持人：有趣的是，你并沒有把供應鏈列為讓你失眠的障礙之一。

黃仁勛：是的，你看，我能睡著，因為我已經把這個障礙解決掉了。我會思考：我們把原來的DGX-I改成NVLink-72機架規模計算，這對軟件意味著什么？對工程意味著什么？對我們設計和測試的方式意味著什么？對供應鏈意味著什么？后來我們把超級計算機集成從數據中心搬到了供應鏈里的超級計算機制造。

這么做的時候必須意識到：假設你想同時運行50吉瓦的超級計算機，而制造這些50吉瓦的超級計算機需要一周時間，那么供應鏈里每周就需要1吉瓦的電力來建造和測試。所以我們需要供應鏈增加電力來建造、測試超級計算機，然后再發貨。

NVLink-72就是在供應鏈里制造超級計算機，一次發貨的機架重達兩三噸。以前是散件運到數據中心組裝，但現在不可能了，因為NVLink-72太密集了。這就是一個例子。

我會坐飛機去供應鏈拜訪我的合作伙伴們：“嘿，猜猜我要做什么。我們以前這樣造DGX，現在要這樣造。這會好得多，因為我們需要它們做推理。推理的市場拐點快來了，會是一個大市場。”

我先解釋發生了什么、為什么會發生，然后請他們每家做幾十億美元的資本投資。因為他們信任我。我很尊重他們，也給他們充分的機會質疑我，我會花時間用第一性原理畫圖解釋。等我說完，他們就知道該怎么做了。所以能做成這些事很大程度靠的是彼此信任的合作關系，以及我們共同的未來愿景。

主持人：但你會擔心某些瓶頸嗎？比如供應鏈里最大的瓶頸是什么？你擔心ASML的EUV設備嗎？擔心TSMC的CoWoS封裝能不能快速擴產？你說過你們不僅增長極快，還在加速增長。所以供應鏈里的每個人都必須擴產。你在和他們談“你們怎么能擴得更快”嗎？你會擔心嗎？

黃仁勛：不擔心。因為我已經告訴他們我需要什么，他們理解了。他們告訴我他們要做什么，而我相信他們會做。

主持人：那我們稍微多聊聊電力。你對解決能源問題的希望是什么？

黃仁勛：Lex（主持人），有一件事我很想告訴大家：我們的電網是為最壞情況設計的，還留了余量。最壞情況是冬天或夏天的極端天氣那幾天，但99%的時間我們根本沒到最壞情況。

大部分時間我們大概只用到峰值的60%。所以99%的時間電網都有富余電力，只是閑置著，但必須閑置，因為一旦需要，醫院、基礎設施、機場都要供電。

所以我的問題是：我們是否能夠與電網方達成共識，簽訂相關協議，并針對性設計計算機架構與數據中心系統，這樣當社會基礎設施需要用到最大功率時，數據中心可以主動降低用電負荷。不過那種情況本來就極少，到那時我們可以給那部分負載用備用發電機，或者把工作負載轉移到別處，或者讓計算機慢一點、降低功耗、接受稍長的延遲響應。

所以我希望用這種新模式建設數據中心，放棄對電網100%不間斷供電的要求。現在數據中心建造的合同太嚴苛，給電網造成很大壓力。而我只想用電網的富余電力、那些閑置的電力。

主持人：是的，這點談得不夠多。是什么在阻礙？是監管？是官僚主義？

黃仁勛：我認為這是三方面的問題。

首先是終端客戶。終端客戶對數據中心的要求是永遠不能不可用。所以終端客戶期待完美。為了交付完美，需要備用發電機加上電網供應商都交付完美。所以大家都想追求六個九（99.9999%）的超高可用性。

我認為大家首先應該明白，當客戶提出這些要求時，數據中心運營團隊里就會存在有人和CEO是脫節的。我敢打賭CEO不知道這些。我要和所有CEO談，CEO們大概根本沒注意簽的合同。雙方當然都想簽最好的合同，結果云服務商又要去找公用事業公司，要求六個九的可用性。

于是第一件事就是讓所有客戶、CEO明白他們到底在要求什么。

第二件事是我們必須建造能平穩降載的數據中心。如果電網說“我們要把你們降到80%”，我們會說完全沒問題。我們就把工作負載挪一下，保證數據不丟，降低計算速率，用更少電，服務質量稍微下降一點。而對于關鍵工作負載，我立刻轉移到別處，所以不會出問題。

第三件事是電網也必須認識到這是一個機會，不說“要增加電網能力需要五年”，而是說“如果你接受這種保證級別的電力，我下個月就能給你這個價格”。如果電網能提供更多不同保證級別的電力產品，大家就都能找到辦法了。現在電網的資源浪費太多了，我們應該去利用這些資源。

五、馬斯克與黃仁勛的相似經營理念

主持人：你高度贊揚了馬斯克和xAI在孟菲斯建造Colossus超級計算機的成就，他們大概只花了四個月就建成，現在已經有20萬張GPU，并且還在快速增長中。你能不能談談你對他的方法的理解？比如他的工程方法、整個建設管理方法都有哪些地方值得所有數據中心建造者學習？

黃仁勛：首先，馬斯克對很多不同領域都鉆得很深。但他同時也是一個非常好的思考者。他能跨多個學科思考，而且他顯然會不斷質疑：第一，這必要嗎？第二，必須這么做嗎？第三，必須花這么長時間嗎？所以他有能力把一切質疑到最小必要程度，任何東西都不能再減，而產品必要的能力還保留著。

他是極致極簡主義，而且是在整個系統涵蓋的范圍里做的。我還喜歡他親自到現場。如果有問題，他就去現場，說“給我看問題”。當你把所有這些結合在一起時，你就能克服很多以前“我們一直就是這么做的”“我在等他們”的借口。

最后，當你自己做事的時候展現出緊迫感，也會帶動所有人跟著緊張起來、行動起來。每個供應商都有很多客戶、很多項目，但他讓自己的項目成為每個人最優先的事。他通過實際行動證明這一點。

主持人：我參加過很多那樣的會議。看著很有趣，因為真的很少有人會問：“這件事能不能做快一點？為什么必須做這么久？”

黃仁勛：對。

主持人：我記得有一次和他在一起，他真的在看整個插電纜到機架的過程。他和正在干活的工程師一起，試圖理解這個過程怎么能少出錯。他通過對數據中心每一個任務的細節直覺，能在微觀與系統層面看到哪里低效，然后就能讓它越來越高效。再加上他有“大錘子（一錘定音的權力）”，能說“我們換一種方式，把所有可能的障礙都去掉”。

黃仁勛：對。

主持人：你在英偉達的極端系統協同設計方法，和馬斯克的系統工程方法有什么相似之處嗎？

黃仁勛：首先，協同設計本身就是終極的系統工程問題。所以我們從第一性原理開始做這件事。另一個我們30年前就開始用的哲學、思維狀態、方法，叫“光速”。光速不只是速度，它是我對“物理極限能做到什么”的簡寫。

我們做的每一件事都和光速對比：內存速度、數學速度、功耗、成本、時間、努力、人員數量、制造周期時間。無論是延遲還是吞吐量，成本還是吞吐量，成本還是容量，你都拿光速去測試，分別達到不同約束。然后把它們放在一起，你知道必須做取舍。因為極低延遲的系統和極高吞吐量的系統架構根本不同。但你得知道高吞吐量系統的光速極限是什么，低延遲系統的光速極限是什么，然后再在總系統里做權衡。

所以我逼著每個人先想第一性原理、物理極限，然后再開始做事情。這是一個很好的思維框架。我不喜歡另一種方法：持續改進。持續改進的問題是，首先你應該用光速思維、第一性原理去設計，把它限制在物理極限內，然后再逐步改進。

我不喜歡有人說“現在做這件事要74天，我們可以給你72天”。我寧愿把一切歸零，我會問：“首先，為什么一開始要74天？我們現在能做什么？如果我從零開始搭建，要多久？”你常常會驚訝地發現可能是6天。剩下的68天，大多是經過反復權衡后的妥協、成本優化等各類環節，但至少你清楚它們都是什么。然后當你知道6天是可能的，從74天到6天的對話就有效多了。

主持人：在你處理的如此復雜的系統中，“將它們簡單化”有時是一個好的啟發嗎？你的Vera Rubin Pod太驚人了。我們在談七種芯片、五種專用機架、40個機架、1.2千萬億晶體管、近2萬顆英偉達芯片、超過1100塊Rubin GPU、60 exaflops、每秒10 PB的規模帶寬，里面不同組件這么多，簡單化似乎不可能，但你在設計時會把簡單化作為一個指標去追求嗎？

黃仁勛：我最常說的那句話是：該復雜的必須復雜，能簡單的盡量簡單。所以問題是：這些復雜的問題與流程都是必要的嗎？我們必須檢驗，凡是超出必要的一切都是多余的。

主持人：但你們做的一切仍然不可思議。英偉達正在做的，是半導體行業整體歷史上最偉大的工程之一。

黃仁勛：這是世界上有史以來最復雜的計算機。

主持人：是的，我不是說要比較，如果這是一場工程界的奧運會，臺積電的工程能力毋庸置疑，ASML也是各個領域都很頂尖。但英偉達絕對有實力和它們一較高下，這支團隊真的太厲害了。

黃仁勛：可以說，是每個項目的金牌得主全都匯聚在了一起。

六、中國的科技發展：對開源的巨大貢獻

主持人：你最近去了中國。所以我想問：中國在過去10年里成功建立了那么多世界級公司、世界級工程團隊和科技生態系統，生產出那么多不可思議的產品，你認為中國是怎么做到的？

黃仁勛：有很多原因。首先說一些事實。全世界50%左右的AI研究者是中國人，而且大部分還在中國。我們這里有很多AI研究者，中國也有許多非常優秀的研究者。他們的科技行業出現的時間點非常精準，正好在移動云時代，于是他們對軟件所做的貢獻高。

中國有不可思議的科學和數學基礎以及受教育程度很高的孩子。他們的科技行業是在軟件時代誕生的，他們對現代軟件非常熟悉。

中國不是一個單一的經濟體。它有很多省份和城市，城市之間互相競爭。這就是為什么有那么多EV公司、那么多AI公司，包括你能想到的每一種公司都有好幾家。結果就是內部競爭極其激烈，留下的都是不可思議的公司。

他們還有一種社會文化：家庭第一、朋友第二、公司第三。所以公司之間的對話來來往往，基本上一直在開源。

他們對開源貢獻最多是很合理的，因為“我們要保護什么呢？”。

我的工程師的兄弟在那家公司，他們的朋友在那家公司，他們都是同學。一個同學就是一輩子的兄弟，所以他們分享知識非常快，沒有必要把技術藏著，還不如放到開源里。接著開源社區又放大、加速了創新過程。

于是你得到了這樣的結果：快速涌現的、不可思議的優秀人才。因為和朋友、同窗的情誼而加速開源的創新，再加上企業之間激烈的競爭，所有這些因素疊加，最終誕生出來的，就是令人驚嘆的成果。所以中國是當今世界上創新最快的國家，而我剛才說的所有這些，都是他們從小被培養的方式、優秀的教育，他們的文化就是這樣。

中國是一個建設者的國家。我們的國家領導人很優秀，但大多是律師。中國的國家領導人，要讓他們的國家擺脫貧困，建設國家的人大部分是不可思議的工程師，是最聰明的人。

主持人：稍微跑個題，因為你提到開源，我必須說到Perplexity。你長期以來都是它的粉絲。

黃仁勛：非常喜歡，是的。

主持人：謝謝你開源Nemotron 3 Super，你也可以在Perplexity里用它來查東西。那是一個1200億參數的開源權重MoE模型。你對開源的愿景是什么？你提到中國有DeepSeek、MiniMax等公司在大力推動開源AI運動，而英偉達在接近最先進水平的開源LLM的領域處于領先地位。你有什么愿景？

黃仁勛：首先，如果我們要成為一家偉大的AI計算公司，我們就必須理解AI模型如何演進。我喜歡Nemotron 3的一點是它不是純Transformer模型，而是Transformer加SSM。

我們很早就開發漸進式GAN（progressive GAN），一步步導向擴散模型。所以我們在模型架構和不同領域的基礎研究，給我們提供了對未來模型需要什么計算系統的參考。這是我們極端協同設計策略的一部分。

第二，我們正確地認識到：一方面，我們希望打造世界級的模型產品，這些理應是專有、閉源的，另一方面我們也希望AI擴散到每一個行業、每一個國家、每一個研究者、每一個學生。如果一切都是專有的，就很難做研究、很難在上面創新。所以開源對于讓更多行業參與到AI革命中來至關重要。

英偉達有規模、有動機、有技能，我們會一直建造這些AI模型，直到我們死去。所以我們應該這么做，我們可以開放、可以激活每一個行業、每一個研究者、每一個國家加入AI革命。

第三個原因使我們認識到AI不只是語言。這些AI很可能會使用在其他模態上訓練的工具、模型、子Agent中，可能是生物、化學、物理定律、流體、熱力學等，并非都在語言結構里。所以必須有人去確保天氣預測、生物AI、物理AI等都能被推到極限、推到前沿。

我們不造車，但我們要確保每一家汽車公司都能用上最好的模型。我們研發藥物，但我要確保禮來（全球頂尖的制藥公司）有世界上最好的生物AI系統，讓他們用來研發藥物。

我們要讓每個人都加入AI世界、以及AI的協同設計，這就是我們做開源的原因。

主持人：我必須再次說，謝謝你真正開源Nemotron 3……

黃仁勛：我很感激你這么說。我們開源了模型、權重、數據、以及我們如何創建它的整個過程。是的，這很了不起。

七、極度的信任：與臺積電的無合同交易

主持人：真的太不可思議了。你原本來自臺灣，和臺積電有密切關系。所以我必須問：無論在工程團隊還是他們做的不可思議的工程工作上評價，我都認為臺積電也是傳奇公司。你怎么理解臺積電的文化和他們的方法，讓他們能在半導體領域取得這種獨一無二、無可匹敵的成功？

黃仁勛：首先，對臺積電最深的誤解是認為他們的技術就是全部。好像他們有一個很棒的晶體管，如果別人做出另一個晶體管就完了。其實不只是晶體管，是金屬互聯技術、封裝技術、3D封裝、硅光子學等所有技術讓臺積電成為了與眾不同。

他們擁有統籌協調需求的能力，全球數百家公司的需求都在動態變化。他們不斷上量、切換、增加、減少、緊急插單、停單，在世界復雜性不斷變形的同時，維持工廠高吞吐量、高良率、很好的成本、極佳的客戶服務。他們把工作、把承諾看得很重。他們答應你晶圓什么時候到，晶圓就到了，這樣你才能正常運營公司。所以可以說他們的制造系統就像奇跡。

第二是他們的文化。臺積電的文化是雙重并重的。他們一方面極度專注技術、推進技術，另一方面極度以客戶服務為導向。很多公司客戶服務很好，但技術并不領先。很多公司在技術最前沿，但客戶服務不是最好的。而TSMC在兩方面都達到了世界級的水準。

第三，我最看重的，是他們創造了一種叫“信任”的無形資產。我信任他們，愿意把我的公司托付給他們，這種信任這是一件大事。

主持人：信任意味著你們之間建立了非常密切的關系，這種信任建立在多年業績基礎上，但也有人際關系在里面。

黃仁勛：三十年了，我們通過他們做了不知道多少百億美元的生意，卻沒有簽過合同。這很了不起。

主持人：太神奇了。有一個故事，2013年臺積電創始人張忠謀曾邀請你成為臺積電的首席執行官，而你說你已經有工作了。這個故事是真的嗎？

黃仁勛：故事是真的。我沒有直接拒絕，但我深感榮幸。當然我一直知道，臺積電是歷史上最具影響力的公司之一。張忠謀是我一生中最高度尊敬的商業和朋友之一。他來問我，我既謙卑又非常榮幸。

但我在英偉達做的工作真的很重要，這是我的責任。而且我在腦海里已經看到英偉達會成為什么、我們能產生什么影響。所以我拒絕了。不是因為這不是一個極好的機會，這反而是一個難以置信的機會，只是我單純的不能接受。

主持人：我認為英偉達和TSMC是人類文明史上最偉大的兩家公司之一。管理其中任何一家都極其復雜，需要你必須真正全身心投入。不僅僅是CEO層面，每個人在每個尺度上都真正全身心投入才能完成這種復雜性。

黃仁勛：是的，沒錯。所以現在我可以同時幫助兩家公司了。

八、英偉達的底氣：CUDA的安裝基數

主持人：沒錯。所以英偉達現在是世界上最有價值的公司。我必須問：英偉達最大的護城河是什么？用科技圈的話說，你擁有什么優勢能保護你免受競爭？

黃仁勛：英偉達最重要的一項財產，就是我們計算平臺的安裝基數。現在我們最重要的一樣東西就是CUDA的安裝基數。二十年前當然還沒有安裝基數。但如果有人發明GUDA或TUDA，根本沒用。原因從來不只是技術。技術當然極具遠見，但真正讓它成功的是英偉達長期堅持、持續擴大CUDA的覆蓋范圍。

不是三個人讓CUDA成功，而是4.3萬人讓CUDA成功。同時還有幾百萬開發者相信我們、信任我們會繼續把CUDA從1做到13，他們決定把自己的軟件山脈移植到上面。所以安裝基數是最重要的優勢。

歷史上沒有任何公司造過這么復雜的系統，而且一年造一次。這速度加上安裝基數，在開發者頭腦里就會變成：如果我支持CUDA，六個月后它就會好10倍。而且如果我在CUDA上開發，我能觸達幾億臺計算機。我能處在每個云、每個計算機公司、每個行業、每個國家中。

所以如果我做一個開源包，先放在CUDA上，我就同時得到這兩個屬性。而且我100%相信英偉達會一直把CUDA做下去、改進它、持續優化、不斷升級庫，只要公司還在，就會一直做。這一點是完全可以篤定的。

如果我今天是個開發者，我會首先瞄準CUDA、最多瞄準CUDA。這就是我認為最終的、甚至是第一個核心優勢。

第二個是我們的生態系統。我們垂直集成了極其復雜的系統，但又水平集成到每一家公司的計算機里。我們在Google Cloud、Amazon、Azure里，我們正在瘋狂擴大AWS。我們在新公司如CoreWeave、Nscale里。我們在禮來的超級計算機里、我們在企業計算機里、我們在邊緣的無線基站里。一套架構在所有這些不同系統里，這非常瘋狂。我們在汽車、機器人、衛星、太空里，你有一套架構，生態系統又如此廣闊，于是覆蓋了世界上每一個行業。

主持人：那么CUDA安裝基數在AI工廠時代如何演變成護城河？你認為未來的英偉達會完全圍繞AI工廠嗎？

黃仁勛：過去，計算的單位對我們來說是GPU，后來變成一臺計算機，再變成一個集群，現在是一個完整的AI工廠。當我看到一臺計算機，過去我腦子里是芯片。當我宣布新一代產品時，我會拿起那塊芯片，那是我當時的對產品的全部想象。

拿起芯片的樣子固然很直觀、有儀式感，但它不再是我現在思考的核心。我現在腦海里的畫面，是一座功率高達千兆瓦級的巨型設施：它有發電系統接入電網，有冷卻系統和極其龐大的網絡，一萬人正在里面安裝，幾百個網絡工程師，幾千個工程師在后面給它上電。

你知道，給這樣一個工廠上電不是有人說“現在開機了”就行，而是需要幾千人一起才能把它帶起來。

主持人：所以當你想到一個計算單位時，你腦海里的畫面是機架集合、Pod，而不是單個芯片？

黃仁勛：這就是整個基礎設施。我希望自己下一個思維上的頓悟時刻，是在構想建造計算機時，直接以行星尺度為單位來思考。那將會是下一個重大的認知飛躍。

九、英偉達3萬億美元的營收預期將會實現

主持人：你怎么看Elon談過的太空計算，比如在太空做計算來解決一些能源和擴展問題？

黃仁勛：冷卻問題并不容易。是的。

主持人：冷卻問題、還有一大堆工程復雜性問題。所以英偉達也已經宣布你們在考慮這個了？

黃仁勛：是的，我們已經在太空了。英偉達GPU是第一批進入太空的GPU。本來我可能會為此發個聲明，但我都沒意識到我們已經在太空了，有個小宇航服穿在我們的一塊GPU上。

那些衛星有極高分辨率的成像系統，正在持續掃地球，很適合做很多成像。你想要厘米級、持續對全球的成像，實時遙測一切。那些數據是PB級的，你不想把所有數據傳回地球，你就必須在現場做AI，把不需要的、以前見過沒變化的扔掉，只保留需要的。所以AI必須在數據產生的最前端做。

當然，如果放在極地，我們有24/7太陽能。但沒有傳導、沒有對流，所以基本上只能靠輻射。但太空很大，我們可以放巨大的散熱器出去。

主持人：你覺得這個想法有多瘋狂？5年、10年、還是20年的事？我們還在談AI Scaling的障礙。

黃仁勛：我其實非常務實。我先找下一個“機會桶”在哪里。我在培養太空項目，我們派工程師去解決輻射問題、性能退化問題、持續測試和缺陷證明問題、冗余問題、平穩降載問題等等。我們可以先做很多工程探索。我最喜歡的答案是消除浪費。我們有那么多閑置電力，我想盡快把它利用起來。

主持人：是的，地球上有很多低垂的果實可以用來做AI Scaling。你認為英偉達有一天會值10萬億美元嗎？我們換個方式問：如果那是真的，世界的未來會是什么樣子？

黃仁勛：我認為英偉達的增長極其可能，在我頭腦里是必然的。讓我解釋為什么。我們是歷史上最大的計算機公司。有兩個根本技術原因。

第一個原因，計算把我們預先準備好的基于檢索的文件檢索系統，放到網上、放到文件里，然后用推薦系統、智能過濾器給你檢索。

我們過去的系統停留在一個人類預錄、文件檢索的階段。現在AI計算機是上下文感知的，它必須實時處理和生成token。所以我們從檢索型計算系統變成了生成型計算系統。在新世界里我們需要多得多的處理，過去的世界需要大量存儲，而現在的新世界需要大量計算。

第二個原因是，計算機過去主要扮演“倉庫”的角色，主要用于存儲。而現在，我們正在建造的是“工廠”。倉庫賺不了多少錢，工廠卻能直接與公司的收入緊密掛鉤。因此，計算機不僅改變了做事的方式，它在世界上的根本目的也發生了改變。它不再僅僅是一臺計算機，它已經成為一座工廠，一座用來生成收入的工廠。

我們現在看到這個工廠不僅生成人們想消費的產品，而且這些商品都如此有趣、有價值、面對很多受眾，以至于token開始分層，像iPhone一樣。有免費token、付費token，還有中間好幾個檔次。

事實證明，智能是一種可規模化的產品。人們愿意為有極高智能的產品的每百萬token付1000美元，這不是假設，只是時間問題。現在我們看到的這個工廠生產的商品其實是有價值的，并且能產生收入和利潤。

問題是，世界需要多少這樣的工廠？世界需要多少token？社會愿意為這些token付多少錢？如果生產力大幅提升，世界經濟會怎樣？我們會發現新藥物、新產品、新服務嗎？把這些結合起來，我絕對確信世界GDP的增長會加速。我絕對確信用于計算的GDP占比會比過去高100倍，因為它不再是存儲單元，而是產品生成單元。

從這個角度來看，再回頭思考英偉達的定位：我們究竟在做什么，又能在這場全新的經濟與產業變革中占據多大份額，我相信我們的規模將會變得無比巨大。至于英偉達是否可能在不久的將來成為3萬億美元（約合人民幣20.67萬億元）收入的公司？答案是當然有可能。

之所以這么說，是因為英偉達的發展不受任何物理邊界的限制。在我看來，沒有任何因素能說明3萬億美元營收是不可能的。而且事實上，英偉達的供應鏈是由200家公司一起支撐的。我們是依托整個生態的合作伙伴們實現規模化擴張的。

唯一的問題或許只是：我們有精力做嗎？答案是，我們肯定會有。所以綜合所有的因素，這個數字（3萬億）不過僅僅只是一個數字而已。

我還記得英偉達第一次突破10億美元（約合人民幣68.9億元）營收時，有人告訴我：“黃仁勛，理論上無晶圓廠半導體公司不可能超過10億美元。”我不會煩你說為什么，最后當然是無稽之談。還有人告訴我“你永遠不會超過250億美元（約合人民幣1723.85億元），因為別的公司如何”，而這些都不是我們的第一性原理思考方式。

簡單的思考方式是：我們造什么？我們能創造的機會有多大？英偉達不是在做市場份額生意，我剛才談的幾乎所有東西現在都不存在。這才是難點。

如果英偉達是一家市值100億美元（約合人民幣689.09億元）、正試圖搶占市場份額的公司，那么股東們很容易就能想明白如果能拿下10%的市場份額，市值可能會變得更大。但現在人們很難想象我們的市值能變得多大，因為我找不到可以搶占份額的對象。

所以我認為世界面臨的挑戰之一是對未來的想象力。我有的是時間，我會繼續思考、繼續講，每一次GTC都會讓這個想象變得更真實。越來越多的人都將會談論它，總有一天我們會到達那個未來，我100%相信我們會到達。

十、token的iPhone時代已經來臨

主持人：你關于token工廠、token/s/W、每個token都有價值的觀點我都非常認同。token本身就是真正創造價值的載體，它能為不同的人、不同場景，帶來不同類型、不同量級的價值。從這個角度看，產品本身就可以寬泛地理解為token。而你擁有的是一大批token工廠。從第一性原理出發，很容易想象這樣一個未來：因為AI所能解決的問題潛力巨大，我們未來將需要指數級增長的token工廠。

黃仁勛：真正讓我興奮的是，屬于token的iPhone時代已經來了。

主持人：你說什么？等等，你是說OpenClaw是token的iPhone？這很有趣。

黃仁勛：是廣義上的Agents。OpenClaw是歷史上增長最快的應用，它的使用數據呈爆發式增長，OpenClaw是token的iPhone。

主持人：從大概12月開始，是不是發生了什么特別的事？人們真的醒悟到Claude Code、Codex、OpenClaw的力量。我來這里的路上，在機場我在對著筆記本電腦“編程”。這是我第一次在公共場合做這件事。我還假裝在和人類同事說話。我不確定未來每個人都走著和AI說話的感覺，但我必須說這是一種極其高效的做事方式。

黃仁勛：更可能的是你的AI一直在煩你。原因在于它把事情做得太快。它會報告“我做完了。你接下來要我做什么？”我認為大部分人還沒意識到：未來和你聊天、發短信最多的對象，會是你的claw或lobster。

十一、黃仁勛的心理歷程：拆解問題并付諸行動

主持人：你把自己的很多成功歸因于比任何人更努力工作、承受比任何人更多痛苦的能力。我們可以列出很多：應對失敗、成本和工程問題、人事問題、不確定性、責任、疲憊、尷尬、公司差點死掉的時刻、還有壓力。現在，作為這家連國家都在圍繞它制定戰略、規劃金融分配、規劃AI基礎設施的公司的CEO，你如何應對這么大的壓力？是什么給你力量？

黃仁勛：我清醒地意識到，英偉達的成功對美國非常重要。我們為美國貢獻了巨額稅收，我們為國家確立了技術領導地位。而技術領導地位對國家安全至關重要，不僅是某一方面的國家安全，而是所有方面。

當我們國家更繁榮時，我們就能更好地做國內政策、提供社會福利。因為我們在美國進行大量再工業化，我們創造了大量就業崗位。我們正在把芯片、計算機、AI工廠等很多制造帶回美國。我完全清楚這一點。

主流投資者、老師、警察，不知為什么投資了英偉達，或者看了Jim Cramer（美國最知名的財經媒體人）買了股票，現在成了百萬富翁。我完全清楚這個情況。我也清楚英偉達是背后巨大生態伙伴網絡和下游伙伴網絡的核心。

所以我處理問題的方式就是理性地思考：我們到底在做什么？這會帶來什么影響？對其他人會產生什么正面或者負面的影響，比如對會不會對供應鏈造成負擔。

那么接下來的問題就是：我要為此做些什么？對于幾乎所有事情，我都會拆解分析：當前的狀況是什么？發生了哪些變化？困難在哪里？我該如何應對？我會把問題層層拆解，把復雜的局面分解成我能夠處理、能夠執行的具體事項。

在那之后，我只需要問自己一件事：我做了嗎？要么自己去做，要么安排別人去做。如果我明明知道必須去做，但是不僅自己不做，也不交給別人做，那就不要抱怨。我對自己相當嚴苛。

但也正因為我會把事情拆解清楚，所以我才不會陷入恐慌，我能夠安心入睡，因為我已經列出了所有必須完成的事項，并且確保：任何可能危害公司、危害伙伴、危害整個行業的事情，我都已經告知了相關負責人。所以之后，Lex，你還能做什么呢？已經沒有什么可以糾結的了。

主持人：在建立英偉達的瘋狂旅程中，你有沒有心理上的低谷？

黃仁勛：有啊，當然。一直都有。

主持人：然后你就把問題分解成小塊？

黃仁勛：是的。

主持人：看看你能做什么？

黃仁勛：Lex，其中一部分是遺忘。AI學習最重要的屬性之一就是系統性遺忘。你需要知道什么時候該忘。你不能記住一切。你不能把一切都背著。你不想背著一切。我做得很快的一件事就是分解問題、推演問題，然后分擔壓力。

當我說我告訴大家時，我其實就是在分擔壓力。盡快把讓我擔心的事告訴別人，別自己扛著，不要嚇到他們。然后把問題分解成小部分，讓人去解決。另一部分是遺忘。我必須對自己狠一點：“得了，別哭了，繼續干。”然后起床。

同樣重要的是，你會被下一個閃亮的新事物、下個未來、下個機會深深吸引。“好，那件事已經過去了，接下來是什么？”我認為你在頂尖運動員身上也能清楚看到這一點，他們只專注于下一分，上一分無論成敗都已過去。

因為我的很多工作都是公開進行的，Lex，你也做了大量公開工作。我公開說了很多話，當時我覺得合理、甚至好笑，大部分只是當時覺得有趣而已。但事后反思時，就沒那么好笑了，不過——（被主持人打斷）

主持人：是的，我懂。你總是向前看，讓未來拉著你走，不糾結過去。

黃仁勛：對。

主持人：你說過一句有名的話：如果當時知道建立英偉達會這么難，比我預想的難100萬倍，那我根本不會做。

黃仁勛：是的。

主持人：但你知道嗎？當我聽到這句話時，我覺得這大概適用于每一件值得做的事，對吧？

黃仁勛：完全正確。這就是我剛才想解釋的：擁有孩子般心靈是一種不可思議的超能力。

我常常看一件事，第一反應就是：“這能有多難？”然后進入這種狀態：“這能有多難？”沒人做過，工程看起來巨大無比，要花幾千億美元，但是就是告訴自己：“是啊，但這能有多難？”我必須進入那種心態。

我不想提前把所有挫折、考驗、失望都模擬一遍。不想提前知道。我想帶著“它會完美、會很棒、會超級好玩”的心態進入新體驗。在這個過程里我需要擁有耐力、韌性，這樣當真正的挫折、失望、尷尬、羞辱來臨時，它們會讓我驚訝，但不會讓我崩潰。

我們必須打開另一面：忘掉它，繼續前進。只要我對未來的假設、未來會為什么發生的前提沒有實質改變，那么我的模擬輸出就不會變。我還是會去追尋它，我相信它會發生。

所以我的心態是兩三種人類特質的組合：以新鮮心態進入體驗的能力、忘掉挫折的能力、相信自己的能力、忠于信念的能力，但同時不斷重新評估。這些東西的組合對韌性真的很重要。

我很幸運，無論是什么人生經歷讓我擁有了這些，我都會永遠好奇、永遠學習。我永遠向每個人學習。我永遠在問，因為我對一切都很謙虛，我總是想：“天哪，他們做得真漂亮。他們想得真好。”

我在模仿每個人。在很多方面，我幾乎在模仿我觀察和尊重的每一個人。我對他們做的每件事都有同理心，所以我不斷學習。

主持人：你現在是地球上最富有的人之一，也是最成功的人之一。金錢、權力、名聲是否讓謙虛變得更難？是否讓你更難承認自己可能錯了，更難聽取別人不同意見并向他們學習？

黃仁勛：奇怪的是，沒有，我甚至會說相反。因為我做了那么多公開工作，當我錯了，或者結果不是那樣，幾乎所有人都會看到。

我對外說的東西大多相當確定。原因是我說的話會影響別人，我必須非常謹慎、非常深思熟慮。在內部會議里，很多事情可能會有不同結果。但這從來不阻止我推演。

我的管理和領導方式就是我一直在大家面前推演。即使現在和你說話，你也能看到我在現場推演。我想讓你明白我說的不是因為我告訴你，而是因為我很謙虛地展示我怎么一步步得到結論。然后你自己決定是否相信。

我一直在會議里這么做。

對所有員工，我會說：“讓我告訴你我怎么看。”接著我進行推演，這給了每個人說“我不同意那部分”的機會。推演并讓人們互動的好處是，他們不用不同意你的結論，他們可以不同意你的推演步驟，他們可以把我拉向不同方向，然后我們一起繼續推演。所以這是一種集體的路徑搜索方法。真的很棒。

主持人：是的，當你解釋事情時，我能感覺到你真的在現場帶著持續的開放心態推演，我感覺我可以引導你的思考。在這么多年成功和痛苦之后，你還能保持這一點，真的很好。我覺得有時痛苦會讓你封閉一點。

黃仁勛：嗯，是的。

主持人：要保持——

黃仁勛：是的。保持對尷尬的容忍度。

主持人：是的，那是真的。即使在會議里，你宣布一個想法，然后被證明錯了，還能承認并從中成長，對于人性層面來說非常難。

黃仁勛：是的。你知道嗎？他們最近知道我的第一份工作是打掃廁所。

十二、DLSS 5是可供選擇的輔助工具

主持人：我很高興你還保持著Denny’s的那種精神。你從Denny’s開始的整個旅程真的很美妙。我是個大游戲迷，所以我必須感謝英偉達這么多年提供不可思議的圖形。現在我想問問電子游戲。

黃仁勛：順便說一句，到今天為止GeForce仍然是我們第一的營銷策略。人們在青少年時期就認識英偉達。然后上大學知道英偉達是誰，先玩Call of Duty、Fortnite，后來用CUDA，再后來用Blender、Dassault、Autodesk。

主持人：是的。我跟朋友說我在和你聊天，他說：“哦，他們做很棒的游戲GPU。”

黃仁勛：沒錯。

主持人：很多人真的很愛它，它給很多人帶來了很多快樂。硬件真的讓這些世界活了過來。最近DLSS 5有一些爭議。你能解釋一下嗎？游戲玩家在線上擔心它讓游戲看起來像AI slop，你怎么看？

黃仁勛：我認為他們的視角有道理，我能理解擔心從哪里來，因為我自己也不喜歡AI slop。你知道，所有AI生成的內容越來越相似，都很漂亮，但那不是DLSS 5要做的。

我展示了幾個例子。DLSS 5是3D條件化的、3D引導的、由真實結構數據引導的。藝術家決定了幾何構型。我們對這類幾何完全忠實，每一幀都保持原樣，同時它的紋理以及藝術家的藝術性也會保持。所以每一幀它都在增強，但沒有改變任何東西。

問題是關于增強：DLSS 5是開放的，你可以訓練自己的模型，未來甚至可以用提示詞引導它。比如“我想讓它成為卡通著色器，我想讓它看起來像這樣”，你甚至可以給它一個例子，它就會以那種風格生成，而且完全符合藝術家的風格、意圖。所以這一切都是為給藝術家賦能，讓他們能創造更美的東西同時也在他們想要的風格里。

我認為他們誤以為游戲出廠就是那樣，之后我們后處理，但那不是DLSS被設計的意圖。DLSS與創作者的工作流深度集成，它是專為藝術家打造的生成式AI工具，但藝術家完全可以自主選擇是否使用它。

主持人：我認為人們對人臉非常敏感、對AI slop很敏感。它像一面鏡子，讓我們意識到我們追求的是不完美。它幫助我們理解我們在自己創造的世界里什么才真正吸引人，只要它是幫助我們創造那些世界的工具就很棒。

黃仁勛：對，沒錯。他們也想要生成模型生成非照片寫實的東西。DLSS 5也能做到，它只是一個工具。我覺得游戲玩家可能也會欣賞，就像過去幾年我們給游戲開發者引入了皮膚著色器，很多游戲的皮膚著色器包含次表面散射，讓皮膚看起來更像皮膚。

所以游戲開發者正在尋找越來越多工具來表達他們的藝術。所以這只是眾多工具中的一個工具，由他們決定用不用。

主持人：一個荒謬的問題：從英偉達角度看，你認為歷史上最偉大或最有影響力的游戲是什么？

黃仁勛：Doom（中文常譯《毀滅戰士》是一款第一人稱射擊游戲）。

主持人：Doom，毫無疑問。那是3D的開始。

黃仁勛：我會說Doom，是因為從藝術、文化影響以及把PC變成游戲設備的產業轉折來看，它都不只是一款游戲，而是一個非常重要的節點。當然，在它之前已經有飛行模擬類的游戲了，但它們沒有Doom那么受歡迎，讓產業把PC從辦公自動化工具變成家庭、游戲玩家的個人電腦。所以Doom在這方面影響巨大。從實際游戲技術角度，我會說Virtua Fighter。我們和兩者都是好朋友。

主持人：最近的游戲里，Cyberpunk 2077有很棒的GPU加速圖形完全光追。我個人超級喜歡The Elder Scrolls V：Skyrim（游戲《上古卷軸5：天際》）。雖然它們是很久以前出的，但游戲玩家還在為它們不斷出mod（游戲模組）。

黃仁勛：我們愛mod。

主持人：mod讓它們變成完全不同的游戲，讓我能反復重玩。我意識到你可以用全新的方式重新體驗你已經愛的世界。所以我經常這么做。我最喜歡的事情之一就是在Skyrim里散步。

黃仁勛：我們做了一個東西叫RTX Mod。是mod工具。它能讓玩家社區把最新的圖形技術注入到老游戲里。

十三、AGI已經實現，未來程序員不減反增

主持人：當然，讓游戲偉大的不只是圖形，還有故事和角色發展，但漂亮的圖形能增加沉浸感。讓你感覺被傳送到另一個地方。對了，你剛才說的很對，AGI的時間線，完全取決于我們如何定義AGI。那我想問問，你覺得它可能會在什么時候實現？

黃仁勛：一個說起來或許荒謬的AGI定義是：一個AI系統能做你的工作，包括創辦、成長、運營一家價值超過10億美元的成功科技公司。你知道這所有組件有多難。所以我們離這個有多遠？

OpenClaw要能做所有極其復雜的事：創新、找客戶、銷售、管理、組建團隊（一部分Agent、一部分人類）這是5年、10年、15年還是20年的事？我認為現在就有了。我認為我們已經實現了AGI。

主持人：你認為可以用這樣的AI系統運行一家公司嗎？

黃仁勛：可能，原因如下。你說10億美元，但你沒說“永遠”。比如，一個Claw完全可能做出一個網頁服務、一款有趣的小應用，突然之間，幾十億人每人花50美分去用它，但沒過多久這家公司就又倒閉了。我們在互聯網時代見過一大堆這樣的公司，而它們大多數比今天的OpenClaw能生成的東西更簡單。

主持人：有趣。實現病毒式傳播并變現。

黃仁勛：是的。只是我不知道它是什么，但我當時也預測不了那些公司。所以——

主持人：你這句話會讓很多人興奮。就像“我可以放一個Agent出去賺大錢”。

黃仁勛：這件事現在已經正在發生了。你去中國會看到很多人教他們的Claw去找工作、做事、賺錢。如果出現什么社交新東西，或者有人創造一個超級可愛的數字網紅，或者什么社交應用，像當年的電子寵物Tamagotchi（日本萬代推出的經典掌上電子寵物玩具）突然爆紅，很多人用幾個月然后消失，我都不會驚訝。

現在，10萬個這樣的Agent建成英偉達的概率是0。我不想做、也希望大家不要做的一件事，是讓人們真的擔心自己的工作。

我只想提醒他們：你工作的目的和用來完成工作的任務、工具是相關的，但它們并不是同一件事。

我做這個工作34年了，我是世界上在位最久的科技CEO。過去34年我用來做工作的工具不斷在變，有時兩三年就有很大的變化。

我最想讓大家聽到的故事是：計算機科學家、AI研究者第一個說會消失的工作是放射科醫生。因為計算機視覺會達到超人水平，而且確實做到了。2019-2020年計算機視覺在醫學影像診斷這件事上就超越人類了。所以他們的預測是放射科醫生會消失，因為看片子已經是過去時，AI會做。

他們確實正確，現在的計算機視覺完全超人，如今所有的放射科診斷平臺與工具，全都由AI驅動，可是放射科醫生數量反而增長了，現在全世界都缺放射科醫生。當初那些危言聳聽的預測太過火了，嚇退了很多人，讓他們不敢進入這個對社會極其重要的行業。這樣的預測反而造成了傷害。

為什么之前的預測判斷錯了？因為放射科醫生的核心使命，是診斷疾病、幫助患者和醫生找到病因。AI讓醫生看影像的速度大幅提升，他們就能看更多片子、診斷更精準、讓病人更快住院、接診更多患者。這樣醫院的收入更高了，收治的病人更多了，于是你需要更多的放射科醫生。

同理，英偉達的軟件工程師數量會增長而不是減少。是因為軟件工程師的目的和寫代碼的任務是相關的，但這依然不是同一件事。我要我的軟件工程師解決問題，但我不在乎他們寫了多少行代碼。可是他們的工作目的沒變：解決問題、團隊合作、診斷問題、評估結果、尋找新問題、創新、連接點子。這些都不會消失。

主持人：你認為程序員數量可能增加而不是減少嗎？

黃仁勛：是的。如今，編程本質上就是把需求說清楚。如果更想控制結果導向一些，AI甚至可以把你想要的軟件架構也一并給出。所以問題變成了：有多少人能做到這件事？也就是說，描述一個規格并讓計算機把它造出來，有多少人能做到？我認為這個數字會從3000萬一下子躍升到大約10億。

未來，每個木匠都將是程序員，但用了AI的木匠，同時也成了建筑師。他們的價值會大大提升，他們的創作力也會大大提升。我相信每個會計都會同時成為財務分析師、財務顧問。所以所有這些職業都會被升級。如果我是木匠或者水管工，有了AI我能給客戶提供的服務會瘋狂到什么程度，簡直不敢想。

主持人：而現在已經是程序員和軟件工程師的人，我認為他們處在理解如何用自然語言和Agent溝通、設計最好軟件的最前沿。

黃仁勛：沒錯。

主持人：所以隨著時間推移他們會融合，但我認為學習編程、學習編程語言是什么、好的編程實踐、大型軟件系統的設計原則，仍然有價值。

黃仁勛：對，Lex，你可以對觀眾說，我認為規格的藝術性、規格的目標，取決于自己要解決的問題。

當我在思考給公司戰略、制定公司方向時，我描述的層級足夠具體，讓大家都能理解方向，而且可行動，但我故意不明確指定，好讓4.3萬名優秀的人把它做得比我想象的還好。

所以當我和工程師、和人工作時，我會想：我在解決什么問題？我和誰一起工作？規格和架構定義的層級與此相關。所以每個人都要學會在編程光譜上處于什么位置。

寫規格就是編程。人們要非常特定的結果，可能做出非常指令性的決定。如果想在這個領域獲得更多的探索，所以大家不把條件限定死，和AI來回碰撞，甚至推高你自己的創造力邊界。所以你在光譜上的藝術性，就是未來的編程。

主持人：但跳出編程，我覺得很多人理所當然地擔心自己的工作，尤其是白領。我認為我們誰都不知道當自動化和新技術的動蕩時代到來時該怎么辦。首先，我們都需要有同情心和責任感，去感受個人和家庭真正失去工作時的痛苦。我認為每當出現像AI這樣變革性的技術，都會帶來很多痛苦，我不知道該怎么處理那種痛苦。我希望它會為同樣的人創造更多機會，同樣的工作隨著工具演進變得更有生產力、更有趣，就像編程現在對我來說超級好玩。也希望它能自動化無聊部分，讓人類負責的創造性部分更突出，但還是會有很多痛苦和煎熬在里面。

黃仁勛：所以我的第一個建議，也正是我處理焦慮的方式。事實上我們剛才談過對未來的巨大焦慮、對壓力的巨大焦慮、對不確定性的巨大焦慮。我首先分解它，然后告訴自己：“好，有些事你能做點什么，有些事你什么都做不了。但對于你能做點什么的事，我們來推演，然后去做。”

如果我今天要招一個應屆畢業生，有兩個選擇：一個完全不懂AI，一個是AI專家，我會招AI專家。如果我有一個會計、營銷人員、供應鏈、客服、銷售、業務開發、律師，我同樣會招擅長使用AI的那一個。

所以我建議每個大學生都去用AI，每個老師都應該鼓勵學生去用AI。每個大學生畢業時都應該成為AI專家。如果你是木匠、電工，去用AI。去看它能怎么改變你現在的工作、提升你自己。如果我是農民，我絕對會用AI，如果我是藥劑師，我也會用AI。我想看它能怎么提升我的工作，讓我自己成為這個行業的創新者、革命者。

確實，技術會讓很多任務消失、自動化。如果你工作的內容就是那個任務，那你很可能會被顛覆。如果你的工作目的包含某些任務，那么你必須學會用AI自動化那些任務。中間還有很大的光譜。

主持人：AI最美妙的地方就是，對于聊天機器人的版本，你能通過和它說話把問題分解。真的不可思議，你能通過它思考人生中的問題，而且非常實際。你直接問，它就會給你一個點對點的計劃。它真的是個超級棒的人生教練。

黃仁勛：我不知道怎么用AI，AI會說：“讓我示范給你看。”但你不能走到Excel前說“我不知道怎么用Excel”，然后就完了。

主持人：沒錯。道理非常“元（本質）”，但真的不可思議。AI為我在人生所有領域，移除第一次使用某件事的初始摩擦。我可以問任何東西：“我需要采取的第一步是什么？”

黃仁勛：對。

主持人：那種手把手、消除世界上所有體驗的摩擦，就像我之前跟你私下說的，你提到“我要去中國和臺灣”。太棒了。只要問：“我該去哪里？我該怎么做”所有那些問題，立刻就有答案，太美了。

黃仁勛：你去臺灣時，就問AI：“黃仁勛在臺灣最喜歡的餐廳是哪些？”它真的會——（被主持人打斷）

主持人：你不知道（哪些餐廳好吃）嗎？

黃仁勛：哦，知道。

主持人：準確嗎？

黃仁勛：是的。全臺灣都有。

主持人：你在那邊是巨星。我們私下也說過，也許我們在計算領域的路會在那里交叉（在那里見面），那會很棒。

黃仁勛：（我們可能會在）COMPUTEX，英偉達GTC臺灣（見面）。

十四、人性的價值永遠超過智能

主持人：你認為人類本性、人類意識里有些東西根本不是能計算的嗎？無論芯片多強大，也許都永遠無法復制嗎？

黃仁勛：我不知道芯片會不會緊張。當然，引起焦慮、緊張或任何情緒的條件，我相信AI能識別和理解。但我覺得我的芯片不會感受到那些。

包括焦慮、感受、興奮在內的所有情緒如何影響人類的表現？比如，有的運動員能展現出驚人的成績，有的則表現平平甚至更差。同樣的外部條件下，不同的人會呈現出截然不同的結果和表現。

我不認為我們正在建造的任何東西，能夠讓兩臺處于完全相同語境下的計算機產生不同的表現。當然，它們在統計上會有所差異，但那不是因為它們“感覺”不同。

主持人：是的，人類感受到的主觀體驗真的很特別。我跟你說過，我和你聊天時其實挺緊張的。那些希望、恐懼、焦慮豐富了生命。包括我們如何墜入愛河，心如何破碎，如何害怕死亡，當親人離世時我們感受到多大的痛苦等。我知道很難想象一個計算設備能做到這一切，但有太多謎題我們還沒揭開，所以我非常期待這種驚喜。過去幾個月、幾年我已經驚訝太多次了。scaling能在智能領域創造一些不可思議的奇跡，非常令人驚喜。

黃仁勛：關鍵在于把“智能”這個詞拆解開。我們經常使用這個詞，它并不是一個神秘的詞匯。智能有它明確的含義，它是一個系統，包含感知、理解、推理、規劃等能力。這個循環過程，就是智能的本質。智能這個詞，并不等同于“人性”。我們有兩個不同的詞來指代這兩件事。我不會對智能抱有過度的幻想，也不會把它浪漫化。

我其實把智能看作一種商品、一種可普及的能力。我周圍都是聰明人，而且每個領域都有比我聰明的人。我手下有60位這樣的人，但我依然能在這個圈子里扮演我的角色。他們學歷比我高，讀的學校比我好，在各自專業領域里的造詣都比我深，對我來說，他們每個人都堪稱“超人”。

你可能會問：到底是什么，讓一個“普通人”能站在一群“超人”中間？這道理你明白嗎？我想說的是，智能是一種功能性的東西。而人性，不是一種被功能定義的東西，它的內涵要宏大得多。

如果我只能傳遞給觀眾一個觀點，那就是，長久以來，我們把“智能”捧得太高了。

主持人：我們真正應該抬高的詞是人性。

黃仁勛：品格、人性、慈悲、慷慨，你剛才說的所有那些，我相信那些才是正真的超能力。而現在，智能將被商品化。當前，即便大家都說“最重要的是教育”，但你在學校里收獲的，也遠不只是知識本身。可惜的是，我們的社會把一切都塞進了一個單一的詞里，但人生遠比一個詞更豐富。

我想告訴大家，從我自己的經歷來看：即便我在智力水平上不如身邊所有人，也不妨礙我成為最成功的那一個。

我希望用這一點去激勵每一個人：不要因為智能的普及化和商品化而感到焦慮。你反而應該為此備受鼓舞。

主持人：是的。我認為AI會幫助我們更欣賞人類，人性第一。我覺得讓這個世界不可思議的就是人類永遠如此，而AI只是一個讓我們人類更強大的不可思議的工具。

黃仁勛：完全正確。

十五、期待告別英偉達的方式：希望死在崗位上

主持人：英偉達和幾百萬人的生活成功都取決于你。但你只是一個凡人，像我們所有人一樣。你會思考自己的死亡嗎？你怕死嗎？

黃仁勛：我真的不想死。我有很好的生活、很好的家庭、非常重要的工作。我現在所經歷的事情，不是每個人的一生中都能得到的體驗，而是整個人類文明史上都罕見的歷程。英偉達是歷史上影響力最深遠的科技公司之一，我們在做的工作至關重要，我對此非常認真。

所以，我自然也會考慮一些很現實的問題，比如：我們該如何看待接班計劃？大家都知道，我并不信奉傳統意義上的接班計劃。我如果真的在乎我離開之后的公司的未來，那么我今天最該做的一件事，就是盡可能持續不斷地傳遞知識、信息、洞見、技能和經驗。

這也是為什么我總是在團隊面前，把我對所有事情的思考過程完整地講出來。

我的每一場會議，都是一起探討、共同思考的會議。我在公司里、公司外的每一刻，都在以最快速度把知識傳遞給別人。我學到的任何東西，從不會在自己手里多耽擱哪怕一秒。我會立刻把這些信息、這些知識分享出去。

我不斷傳遞知識、賦能大家、提升周圍每個人的能力。

我希望的結果就是我死在崗位上，最好是瞬間死在崗位上，死前沒有經歷長期的痛苦。

主持人：從粉絲角度講，鑒于你對文明的巨大正面影響，我當然希望能夠繼續做下去。看著英偉達在做什么也真的太有趣了。你對我們正在做的這一切，關于人性、關于人類未來有什么希望？當你展望10年、20年、50年、100年后的未來時，是什么給你希望？

黃仁勛：我一直對人類的善良、慷慨、慈悲、能力有極大信心，有時甚至超過我應該有的程度。我會被利用，但這從來不會讓我停止。

我總是從“人們想要做好事、人們想要幫助別人”開始。絕大多數時候，我被證明是對的，并且經常超過我的預期。所以我對人類能力有完全的信心。

真正讓我充滿希望的，是我看到現在能做到的事，然后往后推演：按照我們正在做的事情發展下去，未來很可能會有什么結果。我們有太多問題想解決，太多東西想造出來，而且這些都在我有生之年里。那么多我們想做的好的事請，現在伸手就已經能夠到。面對這些，你怎么可能不覺得浪漫？你懂我意思嗎？

主持人：活著真是太激動人心了。

黃仁勛：我們完全可以合理期待，疾病終將被終結，污染問題將得到極大改善，光速航行在未來有望成為現實，至少在短途范圍內實現。

大家可能會問這要如何實現？首先，我們很快會將人形機器人送入太空飛船。我們會盡快將其發射升空，機器人會在飛行過程中持續迭代、不斷進化。

而我本人的大量信息早已存在于網絡中：我的郵件、我做過的事、我說過的話，它們都在被不斷整合，逐漸形成屬于我的AI。

時機成熟時，我們可以將這些信息以光速發送，與太空中的機器人完成對接。

主持人：哦，這太天才了。對我來說還有那么多迷人的科學問題等著解密。

黃仁勛：緊接著，人類自身這臺“生物機器”、理論物理學、破解物理學的底層規律，都要迎來突破了。這個拐角并不會在10年后才出現，它可能5年左右就要到來。