關於投資OpenAI、AI泡沫、ASIC的競爭...黃仁勳回答了這一切
來源：硬AI
作者：李笑寅
黃仁勳表示，OpenAI很可能會成為下一個萬億美元級別的公司，很遺憾沒有早點投資。未來5年內，AI驅動的收入將從1000億美元增至萬億美元級別，現在就可能達到了。關於ASIC的競爭，英偉達放話，即使競爭對手將芯片價格定為零，客戶仍然選擇英偉達，因為係統運營成本更低。
?
近日， $英偉達 (NVDA.US)$ 創始人兼CEO黃仁勳做客「Bg2 Pod」雙周對話節目，與主持人Brad Gerstne和Clark Tang進行了一場廣泛的對話。
?
對談中，黃仁勳談及了和OpenAI價值1000億美元的合作，並就AI競賽格局、主權AI前景等主題發表了自己的看法。
?
黃仁勳表示，現在的AI競爭比以往任何時候都激烈，市場已從簡單的“GPU”演變為複雜的、持續進化的“AI工廠”，需要處理多樣化的工作負載和呈指數級增長的推理任務。
?
他預計，如果未來AI為全球GDP帶來10萬億美元的增值，那麽背後的AI工廠每年的資本支出需要達到5萬億美元級別。
?
談及和OpenAI的合作，黃仁勳表示，OpenAI很可能會成為下一個萬億美元級別的超大規模公司，唯一的遺憾是沒有早點多投資一些，“應該把所有錢都給他們”。
?
在AI商業化前景方麵，黃仁勳預計，未來5年內，AI驅動的收入將從1000億美元增至萬億美元級別。
?
關於ASIC的競爭，英偉達放話，即使競爭對手將芯片價格定為零，客戶仍然會選擇英偉達，因為他們的係統運營成本更低。
?
以下為對談的亮點內容：
?
OpenAI想和英偉達建立起類似於馬斯克和X那樣的“直接關係”，包括直接的工作關係和直接的采購關係。
?
假設AI為全球GDP帶來10萬億美元的增值，而這10萬億美元的Token生成有50%的毛利率，那麽其中5萬億美元需要一個工廠，需要一個AI基礎設施，所以這個工廠每年的合理資本支出大約是5萬億美元。
?
10吉瓦大約需要4000億美元的投資，這4000億美元很大程度上需要通過OpenAI的承購協議來資助，也就是他們指數級增長的收入。這必須通過他們的資本、通過股權融資和能夠籌集的債務來資助。
?
未來5年內，AI驅動收入從1000億美元增至1萬億美元的的概率幾乎是確定的，而且現在幾乎已經達到了。
?
全球的算力短缺不是因為GPU短缺，而是因為雲服務廠商的訂單往往低估了未來需求，導致英偉達長期處於“緊急生產模式”。
?
黃仁勳表示，英偉達唯一的遺憾是，OpenAI很早就邀請我們投資，但我們當時太窮了，沒有投資足夠多的資金，我應該把所有錢都給他們。
?
英偉達很可能成為第一家10萬億美元級別的公司。十年前，人們說永遠不可能有萬億美元的公司。現在有了10家。
?
現在的AI競爭比以往任何時候都激烈，但也比以往任何時候都困難。黃仁勳表示，這是因為晶圓成本越來越高，這意味著除非你進行極限規模的協同設計，否則你就無法實現X倍增長因子。
?
穀歌擁有的優勢是前瞻性。他們在一切開始之前就啟動了TPU1。當TPU成為一門大生意後，客戶自有工具將成為主流趨勢。
?
英偉達芯片的競爭優勢在於總擁有成本（TCO）。黃仁勳表示，其競爭對手在構建更便宜的ASIC，甚至可以將價格定為零。我們的目標是，即使他們將芯片價格定為零，您仍然會購買英偉達係統，因為運營該係統的總成本仍然比購買芯片更劃算（土地、電力和基礎設施已經價值150億美元）。
?
英偉達芯片的性能或每瓦token數是其他芯片的兩倍，雖然每單位能耗性能也要高得多，但客戶可以從他們的數據中心產生兩倍的收入。誰不想要兩倍的收入呢？
?
每個國家都必須建設主權AI。沒有人需要原子彈，但每個人都需要AI。
?
就像當初馬達取代勞動力和體力活動一樣，現在我們有了AI。AI超算、AI工廠，將會生成token來增強人類智能，未來人工智能大約占全球GDP的55-65%，也就是約50萬億美元。
?
人工智能不是零和遊戲。黃仁勳表示，“我的想法就越多，我想象我們可以解決的問題就越多，我們創造的工作就越多，我們創造的就業機會就越多”。
?
在接下來的5年裏，真正酷且將被解決的事情之一是人工智能與機器人技術的融合。
?
即使不考慮AI創造的新機會，僅僅是AI改變了做事方式就有巨大價值。這就像不再使用煤油燈而改用電力，不再使用螺旋槳飛機而改用噴氣式飛機一樣。
?
以下為黃仁勳對談全文紀要整理，由AI工具輔助翻譯，華爾街見聞有所刪減：
?
主持人：
?
Jensen，很高興再次回來，當然還有我的合作夥伴Clark Tang。我簡直不敢相信——歡迎來到英偉達。
?
黃仁勳：
?
哦，還有漂亮的眼鏡。
?
主持人：
?
它們在你身上看起來真的很好。問題是現在每個人都會希望你一直戴著它們。他們會說："紅色眼鏡在哪裏？"我可以為此作證。
?
黃仁勳：
?
距離我們上次錄製節目已經超過一年了。如今超過40%的收入來自推理，但推理即將發生變化，因為推理鏈的出現。它即將增長十億倍，對吧？一百萬倍，十億倍。
?
主持人：
?
沒錯。這正是大多數人還沒有完全內化的部分。這就是我們一直在談論的行業。這是工業革命。說實話，感覺就像你和我從那時起每天都在繼續這個節目。在AI時間裏，這已經過了大約一百年了。
?
我最近重新觀看了這個節目，我們討論的許多事情都很突出。對我來說最深刻的一點是你當時拍桌子強調——記得當時預訓練處於某種低潮期，人們說："天哪，預訓練結束了，對吧？預訓練結束了。我們不會繼續了。我們過度建設了。"這是大約一年半前的事。你說推理不會增長100倍、1000倍，而是會增長10億倍。
?
這將我們帶到了今天的情況。你宣布了這個巨大的交易。我們應該從那裏開始。
?
黃仁勳：
?
我低估了。讓我正式聲明。我估計我們現在有三個縮放定律，對吧？我們有預訓練縮放定律。我們有後訓練縮放定律。後訓練基本上就像AI練習。
?
是的，練習一項技能直到掌握它為止。所以它嚐試各種不同的方法，為了做到這一點，你必須進行推理。所以現在訓練和推理在強化學習中整合在一起了。非常複雜。這就是所謂的後訓練。然後第三個是推理。舊的推理方式是一次性的，對吧？但是我們認可的新推理方式是思考。所以在回答之前先思考。
?
現在你有了三個縮放定律。你思考得越久，得到的答案質量就越好。在思考的過程中，你進行研究，檢查一些基本事實。你學習一些東西，再思考一些，再學習一些，然後生成答案。不要一開始就直接生成。所以思考、後訓練、預訓練，我們現在有三個縮放定律，而不是一個。
?
主持人：
?
你去年就知道這一點，但你今年對推理將增長10億倍以及這將把智能水平帶到何種程度的信心水平如何？你今年比去年更有信心嗎？
?
黃仁勳：
?
我今年更有信心了，原因是現在看看智能體係統，AI不再是一個語言模型，AI是一個語言模型係統，它們都在並發運行，可能使用工具。我們中的一些人使用工具，一些人進行研究。
?
主持人：
?
目前整個行業有大量的發展，都是關於多模態的，看看所有正在生成的視頻內容，這真是令人驚歎的技術。這確實把我們帶到了本周大家都在討論的關鍵時刻，就是你幾天前宣布的與OpenAI Stargate的大規模合作，你們將成為優先合作夥伴，在一段時間內向該公司投資一千億美元。他們將建設10個千兆瓦的設施，如果他們在這10個千兆瓦設施中使用英偉達的產品，這可能為英偉達帶來高達4000億美元的收入。請幫我們理解一下這個合作關係，它對你們意味著什麽，為什麽這項投資對英偉達來說如此合理。
?
黃仁勳：
?
首先，我先回答最後一個問題，然後再詳細說明。我認為OpenAI很可能會成為下一個萬億美元級別的超大規模公司。
?
主持人：
?
為什麽你稱它為超大規模公司？超大規模就像Meta是超大規模公司，穀歌是超大規模公司一樣。他們將擁有消費者和企業服務，他們很可能成為世界上下一個萬億美元級別的超大規模公司。我認為你會同意這個觀點。
?
黃仁勳：
?
我同意。如果是這樣的話，在他們達到那個目標之前投資的機會，這是我們能想象到的最明智的投資之一。你必須投資你了解的領域，而我們恰好了解這個領域。因此投資的機會，這筆錢的回報將是非常棒的。所以我們很喜歡這個投資機會。我們不是必須投資，這不是我們投資的必要條件，但他們給了我們投資的機會，這是很棒的事情。
?
現在讓我從頭開始說。我們正在與OpenAI在幾個項目上合作。第一個項目是Microsoft Azure的建設。我們將繼續這樣做，這個合作進展得非常好。我們還有幾年的建設工作要做，僅在那裏就有數千億美元的工作。
?
第二個是OCI的建設，我認為大約有五、六、七千兆瓦即將建設。所以我們正在與OCI、OpenAI和軟銀合作建設，這些項目都已簽約，有很多工作要做。第三個是Core Weave，這些都還是在OpenAI的背景下。
?
那麽問題是，這個新的合作關係是什麽？這個新的合作關係是關於幫助OpenAI，與OpenAI合作，首次為他們建設自己的AI基礎設施。這是我們直接與OpenAI在芯片層麵、軟件層麵、係統層麵、AI工廠層麵的合作，幫助他們成為一個完全運營的超大規模公司。這將持續一段時間，它將補充他們正在經曆的兩個指數增長。第一個指數增長是客戶數量的指數增長，原因是AI正在變得更好，用例正在改善，幾乎每個應用程序現在都連接到OpenAI，所以他們正在經曆使用量的指數增長。第二個指數增長是每次使用的計算指數增長。現在不僅僅是一次推理，而是在回答之前進行思考。
?
主持人：
?
這兩個指數增長使他們的計算需求複合增長。所以我們必須建設所有這些不同的項目。最後一個項目是在他們已經宣布的所有內容之上的補充，是在我們已經與他們合作的所有事情之上的補充，它將支持這種難以置信的指數增長。
?
你說的一個很有趣的點是，在你看來，他們很可能成為萬億美元級別的公司，我認為這是一個很好的投資。同時，他們正在自建，你們正在幫助他們自建數據中心。到目前為止，他們一直外包給微軟來建設數據中心，現在他們想要自己建設全棧工廠。
?
黃仁勳：
?
他們想要……他們想要……他們基本上想和我們建立像埃隆和X那樣的關係。
?
主持人：
?
我認為這是一個非常重要的事情，當你考慮Colossus所擁有的優勢時，他們正在建設全棧。這就是超大規模，因為如果他們不使用這些容量，他們可以賣給其他人。同樣地，Stargate正在建設巨大的容量。他們認為自己會使用大部分容量，但這也讓他們能夠將其出售給其他人。這聽起來很像AWS、GCP或Azure。
?
黃仁勳：
?
他們希望與我們建立同樣的直接關係，包括直接的工作關係和直接的采購關係。就像紮克伯格和Meta與我們的關係一樣，我們與Sundar和Google的直接合作關係，以及我們與Satya和Azure的直接合作關係。他們已經達到了足夠大的規模，認為是時候開始建立這些直接關係了。我很高興支持這一點，Satya知道這件事，Larry也知道，每個人都了解情況，每個人都非常支持。
?
主持人：
?
關於Nvidia加速計算的市場前景，我發現了一個有趣的現象。Oracle正在建設價值3000億美元的Colossus項目，我們知道各國政府在建設什麽，我們知道超大規模雲服務商在建設什麽，Sam談論的是萬億級別的投資。但華爾街25位覆蓋我們股票的賣方分析師，從他們的一致預期來看，基本上認為我們的增長從2027年開始會趨於平緩，2027年到2030年隻有8%的增長。這25個人的唯一工作就是預測Nvidia的增長率。
?
黃仁勳：
?
坦率地說，我們對此很坦然。我們定期超越市場預期沒有任何問題。但確實存在這種有趣的分歧。我每天都在CNBC和彭博社聽到這些觀點。我認為這涉及到一些關於短缺會導致過剩的質疑，他們不相信持續增長。他們說："好吧，我們認可你們2026年的表現，但2027年，可能會供過於求，你們不會需要那麽多。"
?
主持人：
?
有趣的是，一致預期認為這種增長不會發生。我們也製定了公司的預測，考慮了所有這些數據。這讓我看到，即使我們已經進入AI時代兩年半了，Sam Altman、我、Sundar、Satya所說的話與華爾街仍然相信的之間存在巨大分歧。
?
黃仁勳：
?
我認為這並不矛盾。讓我用三個要點來解釋，希望能幫助大家對Nvidia的未來更有信心。
?
第一點是物理定律層麵的觀點，這是最重要的一點：通用計算時代已經結束，未來是加速計算和AI計算。需要考慮的是，全世界有多少萬億美元的計算基礎設施需要更新換代。當它們更新時，將轉向加速計算。每個人都同意這一點，都說"是的，我們完全同意，通用計算時代結束了，摩爾定律已死。"這意味著通用計算將轉向加速計算。我們與英特爾的合作就是認識到通用計算需要與加速計算融合，為他們創造機會。
?
第二點，AI的第一個應用場景實際上已經無處不在，在搜索推薦引擎、購物等領域。基礎的超大規模計算基礎設施過去使用CPU做推薦，現在正轉向使用GPU做AI。這就是經典計算向加速計算AI的轉變。超大規模計算正從CPU轉向加速計算和AI，這涉及向Meta、Google、字節跳動、亞馬遜等公司提供服務，將他們傳統的超大規模計算方式轉向AI，這代表著數千億美元的市場。
?
主持人：
?
考慮到抖音、Meta、Google等平台，全球可能有40億人的需求工作負載由加速計算驅動。
?
黃仁勳：
?
所以即使不考慮AI創造的新機會，僅僅是AI改變了做事方式就有巨大價值。這就像不再使用煤油燈而改用電力，不再使用螺旋槳飛機而改用噴氣式飛機一樣。
?
到目前為止我談論的都是這些基礎性的轉變。而當你轉向AI，轉向加速計算時，會出現什麽新的應用？這就是我們正在討論的所有AI相關的機會。
?
簡單來說，就像當初馬達取代勞動力和體力活動一樣，現在我們有了AI。我說的這些AI超級計算機、AI工廠，將會生成代幣來增強人類智能。人工智能大約占全球GDP的55-65%，也就是約50萬億美元。這50萬億美元將得到增強。
?
讓我們從單個人說起。假設我雇傭一個10萬美元薪資的員工，然後為他配備1萬美元的AI。如果這1萬美元的AI能讓這個10萬美元的員工提高2倍、3倍的生產力，我會這麽做嗎？毫不猶豫。我現在正在公司的每個人身上這樣做，每個軟件工程師、每個芯片設計師都有AI與他們協作，100%覆蓋。結果是，我們製造的芯片質量更好，數量在增長，速度也在提升。我們公司發展更快，雇傭更多人員，生產力更高，收入更高，盈利能力更強。
?
現在把英偉達的故事應用到全球GDP上。很可能發生的是，那50萬億美元被10萬億美元增強。這10萬億美元需要在機器上運行。AI與過去不同的地方在於，過去軟件是預先編寫好的，然後在CPU上運行，由人操作。但未來AI要生成代幣，機器必須生成代幣並進行思考，所以軟件一直在運行。過去軟件寫一次就行，現在軟件實際上一直在編寫，一直在思考。為了讓AI思考，它需要一個工廠。
?
假設這10萬億代幣生成有50%的毛利率，其中5萬億需要工廠，需要AI基礎設施。如果你告訴我全球年度資本支出約為5萬億美元，我會說這個數學計算是合理的。這就是未來：從Excel通用計算轉向加速計算，用AI替換所有超大規模服務器，然後增強全球GDP的人類智能。
?
主持人：
?
目前這個市場我們估計年收入約4000億美元。所以TAM比現在要增長4到5倍。
?
黃仁勳：
?
昨晚阿裏巴巴的Eddie Woo（吳泳銘）說，從現在到這個十年末，他們將把數據中心功率增加10倍。英偉達的收入幾乎與功率相關。他還說代幣生成每幾個月翻一番。這意味著每瓦性能必須持續指數級增長。這就是為什麽英偉達在每瓦性能上不斷突破，因為在這個未來，每瓦收入基本上就是收入。
?
這個假設包含了非常有趣的曆史背景。2000年來，GDP基本沒有增長。然後工業革命來了，GDP加速增長。數字革命來了，GDP又加速增長。你所說的，就像Scott Besson說的，他認為明年我們將有4%的GDP增長。你的意思是世界GDP增長將加速，因為現在我們給世界提供了數十億個為我們工作的同事。如果GDP是固定勞動力和資本的產出量，它必須加速增長。
?
看看AI技術帶來的變化。AI技術，包括大語言模型和所有AI代理，正在創造一個新的AI代理產業。OpenAI是曆史上收入增長最快的公司，呈指數級增長。AI本身就是一個快速增長的產業，因為AI需要背後的工廠和基礎設施。這個產業在增長，我的產業在增長，我產業下麵的產業也在增長。能源在增長，這對能源產業來說是一次複興，核能、燃氣輪機等基礎設施生態係統中的所有公司都表現出色。
?
這些數字讓大家都在談論過剩和泡沫。紮克伯格上周在播客中說，他認為很可能在某個時候會出現真空期，Meta可能會超支100億美元，但這無關緊要，因為這對他們業務的未來如此重要，這是他們必須承擔的風險。這聽起來有點像囚徒困境，但這些是非常快樂的囚徒。
?
主持人：
?
我們估計2026年將有1000億美元的AI收入，不包括Meta，也不包括運行推薦引擎的GPU，不包括搜索等其他功能。超大規模服務器產業已經有數萬億規模，這個產業將轉向AI。懷疑者會說我們需要從2026年的1000億美元AI收入增長到2030年的至少1萬億美元AI收入。你剛才談到全球GDP時提到了5萬億美元。如果自下而上分析，你能看到在未來5年內從1000億美元增長到1萬億美元的AI驅動收入嗎？我們增長得有那麽快嗎？
?
黃仁勳：
?
是的，我還要說我們已經達到了。因為超大規模服務商已經從CPU轉向AI，他們的整個收入基礎現在都是AI驅動的。
?
沒有人工智能就無法做TikTok，也無法做YouTube短視頻，沒有AI就無法做這些事情。Meta在定製內容和個性化內容方麵所做的驚人工作，都無法離開人工智能。以前這些工作都是由人來完成的，即預先創建四個選擇，然後通過推薦引擎進行選擇。現在變成了由AI生成無限數量的選擇。
?
但這些事情已經在發生了，我們已經從CPU過渡到GPU，主要是為了這些推薦引擎，這在過去三四年裏是相當新的。我在Sigraph見到紮克時，他會告訴你他們在使用GPU方麵確實起步較晚。Meta使用GPU大概也就兩年半的時間，這是相當新的。在GPU上進行搜索絕對是全新的。
?
主持人：
?
所以你的論點是，到2030年我們擁有萬億美元AI收入的概率幾乎是確定的，因為我們幾乎已經達到了。讓我們談論一下從現在開始的增量部分。在你進行自下而上或自上而下分析時，我剛聽到你關於全球GDP百分比的自上而下分析。你認為我們在未來三、四或五年內遇到供應過剩的概率是多少？
?
黃仁勳：
?
這是一個分布，我們不知道未來。在我們完全將所有通用計算轉換為加速計算和AI之前，我認為這種可能性極低。這需要幾年時間。
?
直到所有推薦引擎都基於AI，直到所有內容生成都基於AI，因為麵向消費者的內容生成在很大程度上就是推薦係統等等，所有這些都將由AI生成。直到所有經典的超大規模業務都轉向AI，從購物到電子商務等一切，直到一切都轉過去。
?
主持人：
?
但所有這些新建設，當我們談論萬億美元時，我們正在為未來投資。即使你看到放緩或某種供應過剩即將到來，你是否有義務投資這些資金？還是說這是你向生態係統揮舞旗幟，告訴他們去建設，如果我們看到放緩，我們總可以減少投資水平？
?
黃仁勳：
?
實際上情況相反，因為我們處於供應鏈的末端，我們響應需求。現在所有風投都會告訴你們，需求供不應求，世界上存在計算短缺，不是因為世界上GPU短缺。如果他們給我訂單，我就會生產。在過去幾年裏，我們真正打通了供應鏈，從晶圓開始到封裝、HBM內存等所有技術，我們都已經準備就緒。如果需要翻倍，我們就翻倍。所以供應鏈已經準備好了。
?
現在我們隻是在等待需求信號，當雲服務提供商、超大規模廠商和我們的客戶製定年度計劃並給我們預測時，我們會響應並據此生產。當然，現在發生的情況是，他們提供給我們的每一個預測都是錯誤的，因為他們預測不足，所以我們總是處於緊急模式。我們已經處於緊急模式幾年了，無論我們收到什麽預測，都比去年有顯著增長，但還是不夠。
?
主持人：
?
薩蒂亞去年似乎有所退縮，有人稱他為房間裏的成年人，在抑製這些期望。幾周前他說今年我們已經建了2千兆，未來我們將加速。你是否看到一些傳統的超大規模廠商，他們可能比CoreWeave或Elon X動作慢一些，也許比Stargate慢一些？聽起來他們現在都在更積極地投入。
?
黃仁勳：
?
因為第二個指數增長。
?
我們已經經曆了一個指數增長，即AI的采用率和參與度呈指數級增長。第二個指數增長是推理能力。這是我們一年前的對話。一年前我們說，當你把AI從一次性的、記憶答案轉變為記憶和泛化（這基本上是預訓練）時，比如記住8乘8等於多少，這就是一次性AI。一年前，推理出現了，工具使用出現了，現在你有了思考型AI，計算量要大10億倍。
?
主持人：
?
某些超大規模客戶有內部工作負載，他們無論如何都必須從通用計算遷移到加速計算，所以他們持續建設。我認為也許一些超大規模廠商有不同的工作負載，所以他們不確定能多快消化，但現在每個人都得出結論，他們嚴重建設不足。
?
黃仁勳：
?
我最喜歡的應用之一就是傳統的數據處理，包括結構化和非結構化數據。我們很快將宣布一個非常大的加速數據處理計劃。數據處理代表了當今世界上絕大多數CPU的使用。它仍然完全在CPU上運行。如果你去Databricks，主要是CPU；去Snowflake，主要是CPU；Oracle的SQL處理，主要是CPU。每個人都在使用CPU進行SQL結構化數據處理。未來，這些都將轉向AI數據處理。
?
這是一個我們將要進入的巨大市場。但你需要NVIDIA所做的一切，需要加速層和特定領域的數據處理配方，我們必須去構建這些。
?
主持人：
?
我昨天打開CNBC時，他們在談論供應過剩泡沫；當我打開彭博時，談論的是循環收入問題。
?
黃仁勳：
?
當有人質疑我們與OpenAI等公司的投資和業務關係時，我需要澄清幾個要點。首先，循環收入安排通常指公司進入誤導性交易，人為誇大收入而沒有任何潛在經濟實質。換句話說，這是通過金融工程而非客戶需求推動的增長。大家都在引用的典型案例當然是25年前上一次泡沫中的思科和北電。
?
當我們或微軟、亞馬遜投資那些同時也是我們大客戶的公司時，比如我們投資OpenAI而OpenAI購買數百億芯片，我想提醒大家，那些在彭博等平台的分析師對循環收入或往返交易的過度擔憂是錯誤的。
?
10吉瓦大約需要4000億美元的投資，這4000億美元很大程度上需要通過他們的承購協議來資助，也就是他們指數級增長的收入。這必須通過他們的資本、通過股權融資和能夠籌集的債務來資助。這是三種融資工具。他們能夠籌集的股權和債務與他們能夠維持的收入信心有關。聰明的投資者和放貸者會考慮所有這些因素。從根本上說，這就是他們要做的，這是他們的公司，不是我的業務。當然，我們必須與他們保持密切聯係，確保我們的建設支持他們的持續增長。
?
收入方麵與投資方麵沒有任何關係。投資方麵不與任何東西綁定，這是投資他們的機會。正如我們之前提到的，這很可能成為下一個數萬億美元的超大規模公司。誰不想成為其中的投資者呢？我唯一的遺憾是他們很早就邀請我們投資。我記得那些對話，我們當時太窮了，沒有投資足夠多，我應該把所有錢都給他們。
?
現實是，如果我們不做好本職工作跟上步伐，如果Rubin沒有成為好芯片，他們可以采購其他芯片放入這些數據中心。他們沒有義務必須使用我們的芯片。正如前麵所說，我們將此視為機會性股權投資。
?
我們還做了一些很好的投資，我必須說出來，我們投資了XAI，投資了Corewave，這些都很棒，非常明智。
?
回到根本問題，我們公開透明地說明我們在做什麽。這裏有潛在的經濟實質，我們不是簡單地在兩家公司之間來回發送收入。每月有人為ChatGPT付費，15億月活躍用戶在使用產品。每個企業要麽采用這項技術，要麽將會死亡。每個主權國家都將此視為對其國家安全和經濟安全的生存威脅，如同核能一樣。哪個人、公司或國家會說智能對我們來說基本上是可選的？這對他們來說是根本性的。智能的自動化，我已經充分討論了需求問題。
?
主持人：
?
談到係統設計，2024年我們轉向年度發布周期，從Hopper開始。然後我們進行了大規模升級，需要重大數據中心改造，推出了Grace Blackwell。2025年和2026年下半年，我們將推出Vera Rubin。2027年推出Ultra，2028年推出Fineman。
?
轉向年度發布周期進展如何？主要目標是什麽？AI是否幫助我們執行年度發布周期？答案是肯定的。沒有AI，英偉達的速度、節奏和規模都會受到限製。
?
黃仁勳：
?
最後一個問題的答案是肯定的。如今沒有AI，根本不可能構建我們所構建的產品。
?
為什麽要這樣做？記住Eddie在財報電話會議上說過，Satya說過，Sam也說過，token生成率正在指數級增長，客戶使用量也在指數級增長。我認為他們有大約8億周活躍用戶。這距離ChatGPT發布不到兩年時間。每個用戶都在生成更多token，因為他們在使用推理時間推理。
?
首先，因為token生成率以令人難以置信的速度增長，兩個指數級疊加在一起，除非我們以令人難以置信的速度提高性能，否則token生成成本將持續增長，因為摩爾定律已死，晶體管成本每年基本相同，功耗也基本相同。在這兩個基本定律之間，除非我們提出新技術來降低成本，即使增長有輕微差異，給某人幾個百分點的折扣，如何彌補兩個指數級增長？
?
因此，我們必須每年以跟上指數級增長的速度提高性能。從Kepler一直到Hopper，可能是10萬倍增長，這是英偉達AI之旅的開始，10年內10萬倍。在Hopper和Blackwell之間，由於NVLink 72，我們在一年內實現了30倍增長，然後Rubin將再次獲得X倍因子，Fineman也將獲得另一個X倍因子。
?
我們這樣做是因為晶體管對我們幫助不大，摩爾定律基本上密度在增長但性能沒有。如果是這樣，我們麵臨的挑戰之一是必須在係統級別分解整個問題，同時更改每個芯片以及所有軟件堆棧和所有係統。這是終極極端協同設計，以前沒有人在這個級別進行協同設計。我們革新CPU、GPU、網絡芯片、NVLink擴展、Spectrum X橫向擴展。
?
有人說"哦是的，這隻是以太網"。Spectrum X以太網不隻是以太網。人們開始發現，天哪，X倍因子相當令人難以置信。英偉達的以太網業務，僅僅是以太網業務，就是世界上增長最快的以太網業務。
?
我們現在需要擴展規模，當然要構建更大的係統。我們跨多個AI工廠進行擴展，將它們連接在一起。我們以年為周期進行這項工作。因此我們現在在技術方麵實現了指數的指數增長。這使我們的客戶能夠降低代幣成本，通過預訓練、後訓練和思考讓這些代幣變得越來越智能。結果是，當AI變得更智能時，它們的使用量就會增加。當使用量增加時，它們將呈指數級增長。
?
對於那些可能不太熟悉的人來說，什麽是極限協同設計？極限協同設計意味著你必須同時優化模型、算法、係統和芯片。你必須在盒子外麵創新。因為摩爾定律說你隻需要讓CPU變得越來越快，一切都會變快。你是在盒子內創新，隻是讓芯片變得更快。但如果那個芯片不能再快了，那你要怎麽辦？在盒子外麵創新。英偉達真正改變了事情，因為我們做了兩件事。我們發明了CUDA，發明了GPU，我們發明了大規模協同設計的理念。這就是為什麽我們涉足所有這些行業。我們創建所有這些庫和協同設計。
?
首先，全棧極限甚至超越了軟件和GPU。現在是在數據中心級別的交換機和網絡，所有這些交換機和網絡中的軟件、網絡接口卡、擴展、橫向擴展，在所有這些方麵進行優化。因此，Blackwell相比Hopper有30倍的提升，沒有摩爾定律能實現這一點。這就是極限，這來自於極限協同設計。這就是英偉達進入網絡和交換、擴展和橫向擴展、跨係統擴展，構建CPU和GPU以及網絡接口卡的原因。
?
這就是英偉達在軟件和人才方麵如此豐富的原因。我們向世界貢獻的開源軟件數量超過幾乎任何公司，除了一家公司，我想是AI2之類的。我們擁有如此龐大的軟件資源，這還僅僅是在AI方麵。別忘了計算機圖形學、數字生物學、自動駕駛汽車，我們公司生產的軟件數量是令人難以置信的，這使我們能夠進行深度和極限的協同設計。
?
主持人：
?
我從你的一個競爭對手那裏聽說，是的，他這樣做是因為這有助於降低代幣生成成本，但同時你的年度發布周期讓你的競爭對手幾乎不可能跟上。供應鏈被鎖定更多，因為你給供應鏈提供三年的可見性。現在供應鏈對他們能夠構建什麽有了信心。你是否考慮過這個？
?
黃仁勳：
?
在你問這個問題之前，想想這個。為了讓我們每年進行數千億美元的AI基礎設施建設，想想我們一年前必須開始準備多少產能。我們在談論建設數千億美元的晶圓啟動和DRAM采購。
?
這現在已經達到幾乎沒有公司能跟上的規模。
?
主持人：
?
那麽你認為你的競爭護城河比三年前更大嗎？
?
黃仁勳：
?
是的。首先，現在的競爭比以往任何時候都激烈，但也比以往任何時候都困難。我這樣說的原因是晶圓成本越來越高，這意味著除非你進行極限規模的協同設計，否則你就無法實現X倍增長因子。除非你每年研發六、七、八個芯片，這很了不起。這不是關於構建一個ASIC，而是關於構建一個AI工廠係統。這個係統有很多芯片，它們都是協同設計的，一起提供我們幾乎定期獲得的10倍因子。
?
第一，協同設計是極限的。第二，規模是極限的。當你的客戶部署一千兆瓦時，那是40萬到50萬個GPU。讓50萬個GPU協同工作是一個奇跡。你的客戶在你身上承擔了巨大的風險去購買所有這些。你得問問自己，什麽客戶會在一個架構上下500億美元的采購訂單？在一個未經驗證的架構，一個新架構上。一個全新的芯片，你對此很興奮，每個人都為你興奮，你剛剛展示了第一個矽片。誰會給你500億美元的采購訂單？你為什麽要為一個剛剛流片的芯片啟動價值500億美元的晶圓？
?
但對於英偉達，我們能做到這一點，因為我們的架構已經得到驗證。我們客戶的規模如此令人難以置信。現在我們供應鏈的規模也令人難以置信。誰會為一家公司啟動所有這些，預先構建所有這些，除非他們知道英偉達能夠交付？他們相信我們能夠向全世界的客戶交付。他們願意一次啟動數千億美元。這個規模令人難以置信。
?
主持人：
?
關於這一點，世界上最大的關鍵爭論和爭議之一是GPU與ASIC的問題，穀歌的TPU、亞馬遜的Trainium，似乎從ARM到OpenAI到Anthropic都傳言在構建ASIC。去年你說我們在構建係統，不是芯片，你通過堆棧的每個部分驅動性能。你還說這些項目中的許多可能永遠不會達到生產規模。但考慮到大多數項目，以及穀歌TPU的明顯成功，你如何看待今天這個不斷演變的格局？
?
黃仁勳：
?
首先，穀歌擁有的優勢是前瞻性。記住，他們在一切開始之前就啟動了TPU1。這與初創公司沒有什麽不同。你應該在市場增長之前創建初創公司。當市場達到萬億美元規模時，你不應該作為初創公司出現。這是一個謬論，所有風投都知道這個謬論，即如果你能在大市場中占據幾個百分點的市場份額，你就能成為一家巨型公司。這實際上是根本錯誤的。
?
你應該在一個小行業中占據100%的市場份額，就像Nvidia和TPU所做的那樣。當時隻有我們兩家公司，但你必須希望這個行業能夠真正做大。你在創造一個行業。
?
Nvidia的故事說明了這一點。對於現在構建ASIC的公司來說，這是一個挑戰。雖然現在看起來市場很誘人，但記住這個誘人的市場已經從一個叫GPU的芯片演變成了我剛才描述的AI工廠。你們剛剛看到我宣布了一款叫CPX的芯片，用於上下文處理和擴散視頻生成，這是一個非常專業的工作負載，但在數據中心內是重要的工作負載。我剛才提到了AI數據處理處理器的可能性，因為你需要長期記憶和短期記憶。KV緩存處理非常密集。AI內存是個大問題。你希望你的AI有良好的記憶，僅僅處理整個係統的KV緩存就是非常複雜的事情，可能需要專門的處理器。
?
你可以看到，Nvidia的觀點現在不再隻是GPU。我們的觀點是審視整個AI基礎設施，以及這些優秀公司需要什麽來處理他們多樣化且不斷變化的工作負載。
?
看看transformer。transformer架構正在發生巨大變化。如果不是因為CUDA易於操作和迭代，他們如何嚐試大量實驗來決定使用哪個transformer版本、什麽樣的注意力算法？如何分解？CUDA幫助你完成所有這些，因為它非常可編程。
?
現在思考我們業務的方式是，當所有這些ASIC公司或ASIC項目在三、四、五年前開始時，我必須告訴你，那個行業非常簡單。涉及一個GPU。但現在它變得龐大而複雜，再過兩年它將變得完全龐大。規模將非常巨大。所以我認為，作為新進入者進入一個非常大的市場的戰鬥是困難的。即使對於那些在ASIC上可能成功的客戶來說也是如此。
?
主持人：
?
投資者往往是二元化的生物，他們隻想要是或否的黑白答案。但即使你讓ASIC工作起來，難道不存在最優平衡嗎？因為我認為購買Nvidia平台時，CPX將推出用於預填充、視頻生成，可能還有解碼等。
?
黃仁勳：
?
是的，所以會有許多不同的芯片或部件添加到Nvidia生態係統的加速計算集群中，隨著新工作負載的產生。現在試圖流片新芯片的人們並沒有真正預測一年後會發生什麽，他們隻是試圖讓芯片工作。
?
換句話說，穀歌是GPU的大客戶。穀歌是一個非常特殊的案例，我們必須表示應有的尊重。TPU已經到了TPU7。這對他們來說也是一個挑戰，他們所做的工作非常困難。
?
讓我說明一下，有三類芯片。第一類是架構芯片：X86 CPU、ARM CPU、Nvidia GPU。它們是架構性的，上麵有生態係統，架構擁有豐富的IP和生態係統，技術非常複雜，由像我們這樣的所有者構建。
?
第二類是ASIC。我曾為發明ASIC概念的原始公司LSI Logic工作。如你所知，LSI Logic已經不存在了。原因是ASIC在市場規模不是很大時確實很棒，很容易有人作為承包商幫助你將所有東西打包並代表你進行製造，他們收取50-60%的毛利率。但當ASIC市場變大時，就有了一種新的做法叫做客戶自有工具。誰會這樣做？蘋果的智能手機芯片。蘋果的智能手機芯片量非常大，他們永遠不會付給別人50-60%的毛利率來做ASIC。他們使用客戶自有工具。
?
那麽當TPU成為大生意時會走向何方？客戶自有工具，毫無疑問。
?
但ASIC有其位置。視頻轉碼器永遠不會太大，智能網卡永遠不會太大。當一個ASIC公司有10、12、15個ASIC項目時，我並不感到驚訝，因為可能有五個智能網卡和四個轉碼器。它們都是AI芯片嗎？當然不是。如果有人為特定推薦係統構建嵌入式處理器作為ASIC，當然可以做到。但你會將其作為一直在變化的AI的基礎計算引擎嗎？你有低延遲工作負載、高吞吐量工作負載、聊天的令牌生成、思考工作負載、AI視頻生成工作負載。
?
主持人：
?
你在談論加速計算的主幹。
?
黃仁勳：
?
這就是Nvidia的全部意義所在。
?
主持人：
?
簡單來說，這就像下國際象棋和跳棋的區別。事實是，今天開始做ASIC的公司，無論是Tranium還是其他一些加速器，他們正在構建一個芯片，它隻是更大機器的一個組件。
?
你構建了一個非常複雜的係統、平台、工廠，現在你在某種程度上開放了一點。你提到了CPX GPU，在某些方麵，你正在將工作負載分解到該特定領域的最佳硬件片段。
?
黃仁勳：
?
我們宣布了一個叫Dynamo的東西，分解的AI工作負載編排，我們開源了它，因為未來的AI工廠是分解的。
?
主持人：
?
你推出了MV Fusion，甚至對你的競爭對手包括Intel說，你參與我們正在構建的這個工廠的方式，因為沒有其他人瘋狂到嚐試構建整個工廠，但如果你有足夠好、足夠引人注目的產品，讓最終用戶說"我們想用這個而不是ARM GPU，或者我們想用這個而不是你的推理加速器"，你可以接入其中。
?
黃仁勳：
?
我們很高興能夠建立連接。融合確實是一個非常棒的想法，我們很高興能與英特爾在這方麵合作。這需要利用英特爾的生態係統，世界上大部分企業仍然運行在英特爾平台上。我們將英特爾生態係統與英偉達AI生態係統、加速計算融合在一起。我們與ARM也是這樣做的，還有其他幾家公司我們也將與其合作。這為我們雙方都打開了機會，對雙方都是共贏。我將成為他們的大客戶，而他們將讓我們接觸到更大的市場機會。
?
這與您提出的一個觀點密切相關，這個觀點可能讓一些人感到震驚。您說我們的競爭對手在構建ASIC，他們所有的芯片在今天已經更便宜了，但他們甚至可以將價格定為零。我們的目標是，即使他們將芯片價格定為零，您仍然會購買英偉達係統，因為運營該係統的總成本——電力、數據中心、土地等，產出的智能仍然比購買芯片更劃算，即使芯片是免費的。因為土地、電力和基礎設施已經價值150億美元。我們已經對這個數學問題進行了分析。
?
主持人：
?
但請您為我們解釋一下您的計算，因為我認為對於那些不經常思考這個問題的人來說，這確實難以理解。您的芯片如此昂貴，競爭對手的芯片價格為零，怎麽可能您的芯片仍然是更好的選擇？
?
黃仁勳：
?
有兩種思考方式。一種是從收入角度來考慮。每個人都受到功耗限製，假設您能夠獲得額外的2千兆瓦功率。那麽這2千兆瓦的功率您希望能夠轉化為收入。如果您的性能或每瓦token數是其他人的兩倍，因為您進行了深度和極端的代碼設計，我的每單位能耗性能要高得多，那麽我的客戶就可以從他們的數據中心產生兩倍的收入。誰不想要兩倍的收入呢？
?
如果有人給他們15%的折扣，我們的毛利率（大約75個百分點）與其他人的毛利率（大約50到65個百分點）之間的差異，不足以彌補Blackwell和Hopper之間30倍的性能差異。假設Hopper是一款出色的芯片和係統，假設其他人的ASIC就是Hopper。Blackwell的性能是其30倍。
?
因此在那1千兆瓦中，您必須放棄30倍的收入。這個代價太大了。所以即使他們免費提供芯片，您隻有2千兆瓦可以使用，機會成本極高。您總是會選擇最佳的每瓦性能。
?
主持人：
?
我從一位超大規模雲服務提供商的CFO那裏聽到，鑒於您的芯片帶來的性能提升，正是針對每千兆瓦token數這一點，以及電力成為限製因素，他們必須升級到新的周期。當您展望Ruben、Ruben Ultra、Fineman時，這種趨勢會繼續嗎？
?
黃仁勳：
?
我們現在每年構建六七款芯片，每一款都是係統的一部分。係統軟件無處不在，需要在所有這六七款芯片上進行集成和優化，才能實現Blackwell的30倍性能提升。現在想象我每年都在這樣做，持續不斷。如果您在這一係列芯片中構建一個ASIC，而我們在整個係統中進行優化，這是一個難以解決的問題。
?
主持人：
?
這讓我回到開始時關於競爭護城河的問題。我們一直在關注這一點，我們是生態係統的投資者，也投資您的競爭對手，從穀歌到博通。但當我從第一原理思考這個問題時，您是在增加還是減少您的競爭護城河？
?
您轉向年度節奏，與供應鏈共同開發。規模比任何人預期的都要大得多，這需要資產負債表和開發的規模。您通過收購和有機增長所做的舉措，包括Envy Fusion、CPX等我們剛才討論的。所有這些因素讓我相信，至少在構建工廠或係統方麵，您的競爭護城河正在增強。這至少是令人驚訝的。但有趣的是，您的市盈率比其他大多數公司要低得多。我認為這部分與大數法則有關。一家4.5萬億美元的公司不可能再變得更大了。但我一年半前就問過您這個問題，今天您坐在這裏，如果市場將發展到AI工作負載增長10倍或5倍，我們知道資本支出在做什麽等等。在您看來，有沒有任何可以想象的情況，您在5年後的營收不會比2025年高2倍或3倍？考慮到這些優勢，營收實際上不會比今天高很多的概率是多少？
?
黃仁勳：
?
我這樣回答。正如我所描述的，我們的機會比共識要大得多。我在這裏說，我認為英偉達很可能成為第一家10萬億美元的公司。我在這裏待了足夠長的時間，就在十年前，您應該記得，人們說永遠不可能有萬億美元的公司。現在我們有10家。
?
主持人：
?
今天世界更大了，回到GDP和增長的指數級發展。
?
黃仁勳：
?
世界更大了，人們誤解了我們所做的事情。他們記得我們是一家芯片公司，我們確實製造芯片，我們製造世界上最出色的芯片。
?
但英偉達實際上是一家AI基礎設施公司。我們是您的AI基礎設施合作夥伴，我們與OpenAI的合作就是完美的證明。我們是他們的AI基礎設施合作夥伴，我們以多種不同方式與人們合作。我們不要求任何人從我們這裏購買所有產品。我們不要求他們購買整個機架。他們可以購買芯片、組件、我們的網絡設備。我們有客戶隻購買我們的CPU，隻購買我們的GPU而購買其他人的CPU和網絡設備。我們可以按照您喜歡的任何方式銷售。我唯一的要求就是從我們這裏買點什麽。
?
主持人：
?
我們討論了埃隆·馬斯克與X.ai以及Colossus 2項目。正如我之前提到的，這不僅僅是關於更好的模型，我們還必須建設。我們必須擁有世界級的建設者。而我認為我們國家最頂尖的建設者可能就是埃隆·馬斯克。
?
我們談到了Colossus 1以及他在那裏所做的工作，建立了一個由數十萬台H100和H200組成的連貫集群。現在他正在開發Colossus 2，這可能包含50萬台GPU，相當於數百萬台H100在一個連貫集群中。我不會感到驚訝，如果他比任何人都更快達到千兆瓦級別。關於成為既能構建軟件和模型，又理解構建這些集群所需條件的建設者，這有什麽優勢？
?
黃仁勳：
?
我想說，這些AI超級計算機是複雜的係統。技術很複雜，由於融資問題，采購也很複雜。獲得土地、電力和基礎設施，為其供電都很複雜，建設並啟動所有這些係統。這可能是人類迄今為止所承擔的最複雜的係統問題。
?
埃隆有一個巨大的優勢，就是在他的頭腦中，所有這些係統都在相互協作，所有的相互依賴關係都存在於一個頭腦中，包括融資。所以他就是一台大型GPT，他本身就是一台大型超級計算機，是終極GPU。他在這方麵有很大優勢，而且他有強烈的緊迫感，有建設它的真正願望。當意誌與技能結合時，不可思議的事情就會發生。這是相當獨特的。
?
主持人：
?
接下來我想談論主權AI以及全球AI競賽。30年前，你無法想象你會在宮殿裏與王儲和國王交流，經常出入白宮。總統說你和英偉達對美國國家安全至關重要。
?
當我審視這種情況時，如果各國政府不認為這至少像我們在1940年代對待核技術那樣具有生存意義，你很難出現在那些場所。雖然我們今天沒有政府資助的曼哈頓計劃，但它由英偉達、OpenAI、Meta、穀歌資助。我們今天擁有與國家同等規模的公司。這些公司正在資助總統和國王們認為對其未來經濟和國家安全具有生存意義的事業。你同意這種觀點嗎？
?
黃仁勳：
?
沒有人需要原子彈，但每個人都需要AI。這是一個非常大的區別。AI就是現代軟件。這就是我的出發點——從通用計算到加速計算，從人工逐行編寫代碼到AI編寫代碼。這個基礎不能被遺忘，我們已經重新發明了計算。地球上沒有新物種出現，我們隻是重新發明了計算。每個人都需要計算，它需要被民主化。
?
這就是為什麽所有國家都意識到他們必須進入AI世界，因為每個人都需要跟上計算的步伐。世界上沒有人會說："我昨天還在使用計算機，明天我準備重新使用棍棒和火。"每個人都需要向計算轉移，它隻是在現代化而已。
?
首先，要參與AI，你必須在AI中編碼你的曆史、文化和價值觀。當然，AI變得越來越智能，即使核心AI也能夠相當快速地學習這些東西。你不必從零開始。
?
所以我認為每個國家都需要擁有一些主權能力。我建議他們都使用OpenAI、Gemini、這些開放模型和Grok，我建議他們都使用Anthropic。但他們也應該投入資源學習如何構建AI。原因是他們需要學習如何構建它，不僅僅是為了語言模型，還需要為工業模型、製造模型、國家安全模型構建AI。有很多智能需要他們自己培養。所以他們應該擁有主權能力，每個國家都應該發展它。
?
你在世界各地聽到的是否也是這樣？他們都意識到了這一點。他們都將成為OpenAI、Anthropic、Grok和Gemini的客戶，但他們也確實需要構建自己的基礎設施。這就是英偉達所做的重要理念——我們在構建基礎設施。正如每個國家都需要能源基礎設施和通信互聯網基礎設施一樣，現在每個國家都需要AI基礎設施。
?
讓我們從世界其他地方開始。我們的好朋友大衛·薩克斯，AI團隊做得非常出色。我們非常幸運能在華盛頓特區擁有大衛和什裏拉姆。大衛在擔任AISR的工作，特朗普總統把他們安排在白House是多麽明智的舉措。
?
在這個關鍵時刻，技術很複雜。什裏拉姆是我認為華盛頓特區唯一懂CUDA的人，這雖然有些奇怪。但我就是喜歡這樣的事實：在這個技術複雜、政策複雜、對我們國家未來影響如此重大的關鍵時刻，我們有一個頭腦清晰、投入時間理解技術、深思熟慮地幫助我們度過難關的人。
?
科技就像過去的玉米和鋼鐵一樣，現在是如此基本的貿易機會。這是貿易的重要組成部分。為什麽你不希望美國技術被每個人渴望，這樣它就可以用於貿易？
?
特朗普已經做了幾件事情，所做的事情對於讓每個人都跟上來說是非常好的。第一件事是美國的再工業化，鼓勵公司來美國建設，投資工廠，以及對技術工人隊伍進行再培訓和提升技能，這對我們國家來說極其寶貴。我們喜歡工藝，我喜歡用雙手製造東西的人，現在我們要回去建造東西，建造宏偉不可思議的東西，我喜歡這樣。
?
這將改變美國，毫無疑問。我們必須認識到，美國的再工業化從根本上將是變革性的。
?
然後當然是AI。它是最大的均衡器。想想每個人現在都可以擁有AI。這是終極均衡器。我們已經消除了技術鴻溝。記住上一次有人必須學習使用計算機來獲得經濟或職業利益時，他們必須學習C++或C，或者至少是Python。現在他們隻需要學習人類語言。如果你不知道如何為AI編程，你告訴AI："嗨，我不知道如何為AI編程。我如何為AI編程？"AI就會向你解釋或為你做。它為你做。這太不可思議了，不是嗎？我們現在用技術消除了技術鴻溝。
?
這是每個人都必須參與的事情。OpenAI有8億活躍用戶。天哪，它真的需要達到60億。它真的需要很快達到80億。我認為這是第一點。然後第二點，第三點，我認為AI將改變任務。
?
人們搞混的是，有許多任務將被消除，有許多任務實際上將被創造出來。但很可能對許多人來說，他們的工作是受到有效保護的。
?
例如，我一直在使用AI。你一直在使用AI。我的分析師一直在使用AI。我的工程師，他們每個人都在持續使用AI。我們正在雇用更多工程師，雇用更多人，全麵招聘。原因是我們有更多想法。我們現在可以追求更多想法。原因是我們的公司變得更有生產力。因為我們變得更有生產力，我們變得更富有。我們變得更富有，我們可以雇用更多人去追求這些想法。
?
AI帶來大規模工作破壞的概念始於一個前提，即我們沒有更多想法了。它始於我們沒有什麽可做的前提。我們今天在生活中做的一切就是終點。如果別人為我做那一項任務，我就隻剩下一項任務了。現在我必須坐在那裏等待什麽，等待退休，坐在我的搖椅上。這個想法對我來說沒有意義。
?
我認為智能不是零和遊戲。我周圍的人越聰明，我周圍的天才越多，令人驚訝的是，我的想法就越多，我想象我們可以解決的問題就越多，我們創造的工作就越多，我們創造的就業機會就越多。我不知道一百萬年後的世界會是什麽樣子，那將留給我的孩子們。但在接下來的幾十年裏，我的感覺是經濟將增長。很多新工作將被創造出來。每個工作都將被改變。一些工作將丟失。我們不會在街上騎馬，這些事情都會很好。人類在理解複合係統方麵出了名的懷疑和糟糕，他們在理解隨規模加速的指數係統方麵更糟糕。
?
主持人：
?
我們今天談論了很多指數。偉大的未來學家雷·庫茲韋爾說，在21世紀，我們不會有一百年的進步。我們可能會有兩萬年的進步。
?
你之前說過，我們很幸運生活在這個時刻並為這個時刻做出貢獻。我不會要求你展望10年、20年或30年，因為我認為這太有挑戰性了。但當我們思考2030年時，像機器人這樣的事物，30年比2030年更容易。真的嗎？是的。好的，所以我會給你許可去展望30年。當你思考這個過程時，我喜歡這些較短的時間框架，因為它們必須將比特和原子結合起來，這是構建這些東西的困難部分。
?
每個人都在說這即將發生，這很有趣但並不完全有用。但如果我們有2萬年的進步，請思考Ray的那句話，思考指數級增長，以及我們所有的聽眾——無論你們在政府工作、在初創公司、還是在經營大公司——都需要思考加速變化的速度、加速增長的速度，以及你們如何在這個新世界中與人工智能協同合作。
?
黃仁勳：
?
許多人已經說了很多事情，它們都很合理。我認為在接下來的5年裏，真正酷且將被解決的事情之一是人工智能與機器人技術的融合。我們將擁有在我們身邊遊走的人工智能。每個人都知道，我們都將與自己的R2-D2一起成長。那個R2-D2會記住關於我們的一切，沿途指導我們，成為我們的夥伴。我們已經知道這一點。
?
每個人都將在雲端擁有自己關聯的GPU，80億人口對應80億個GPU，這是一個可行的結果。每個人都擁有為自己量身定製的模型。那個在雲端的人工智能也會體現在各種地方——你的汽車裏、你自己的機器人裏，它無處不在。我認為這樣的未來是非常合理的。
?
我們將理解生物學的無限複雜性，理解生物學係統以及如何預測它，擁有每個人的數字孿生。我們在醫療保健方麵擁有自己的數字孿生，就像我們在亞馬遜購物有數字孿生一樣，為什麽不在醫療保健方麵擁有呢？當然會有。一個能預測我們如何衰老、可能患什麽疾病，以及即將發生的任何事情的係統——也許是下周甚至明天下午——並提前預測。當然，我們會擁有所有這些。我認為所有這些都是理所當然的。
?
我經常被合作的CEO們問到，既然有了所有這些，會發生什麽？你該怎麽做？這是快速發展事物的常識。如果你有一列即將越來越快並呈指數級發展的火車，你真正需要做的就是上車。一旦你上了車，你就會在路上弄清楚其他一切。試圖預測那列火車會在哪裏，然後朝它射子彈，或者預測那列火車會在哪裏——它每秒都在指數級加速——然後弄清楚在哪個路口等它，這是不可能的。隻要在它行駛相對緩慢時上車，然後一起呈指數級發展。
?
主持人：
?
很多人認為這隻是一夜之間發生的。你已經在這個領域工作了35年。我記得大約在2005年或2006年聽Larry Page說，Google的最終狀態是當機器能夠在你問問題之前就預測到問題，並在你不用查找的情況下給你答案。我在2016年聽Bill Gates說，當有人說所有事情都已經完成了——我們有了互聯網、雲計算、移動、社交等等。他說："我們甚至還沒有開始。"有人問："你為什麽這麽說？"他說："直到機器從愚蠢的計算器變成開始為自己思考、與我們一起思考時，我們才真正開始。"那就是我們所處的時刻。
?
擁有像你這樣的領導者，像Sam和Elon、Satya等人，對這個國家來說是如此非凡的優勢。看到我們擁有的風險資本係統之間的合作——我參與其中，能夠為人們提供風險資本。
?
這確實是一個非凡的時代。但我也認為，我感激的一點是，我們擁有的領導者也理解他們的責任——我們正以加速的速度創造變化。我們知道雖然這很可能對絕大多數人都是好事，但路上會有挑戰。我們會在挑戰出現時處理它們，為每個人提高底線，確保這是一個勝利，不僅僅是為了矽穀的一些精英。不要嚇到他們，要帶上他們。我們會做到的。
?
黃仁勳：
?
是的。
?
主持人：
?
所以，謝謝你。
?
黃仁勳：
?
完全正確。
?
