黃仁勳大放豪言：英偉達是世界唯一的“AI公司”

一天前剛剛在2025年英偉達GTC大會上發表完主旨演講的黃仁勳，馬不停蹄地參加了一場麵對全球數百家媒體的交流會，但這樣的重要場合，黃仁勳卻說自己“累了”。

黃仁勳在活動開場表示，自己需要一些甜食來補充能量。“我是全世界任職最長的科技公司CEO，這或許能解釋我為何今天有點累的原因，昨晚有14場活動，我參加了其中13場”，黃仁勳說，“過去兩天我攝入的能量可能不到100卡路裏。

黃仁勳說話時略顯疲態，但在短暫的寒暄和開場白後，他又立刻進入了狀態，回到平日裏外界所熟悉的那個神采飛揚、滔滔不絕的英偉達創始人和首席執行官的角色。

“（今年的）這次 GTC確實非常重要。它展示了我們公司的轉型——從一家計算機技術公司轉變為一家AI基礎設施公司。它展示了數據中心的變革，從計算機訪問數據和托管應用程序，轉變為AI工廠。它還展示了一個新行業的崛起。”黃仁勳說，“正因為如此，所有這些公司、開發者和初創公司都聚集在這裏，他們來自不同的國家、行業和企業。”

在交流中，他還談到了中國人工智能的崛起。黃仁勳表示，中國的AI相關研究者的數量遙遙領先於其他任何國家，所以可以合理推斷，中國將在AI 研究領域做出巨大貢獻。

“我要分享的一個觀察——或許這隻是一個觀察——那就是全球50%的 AI 研究人員來自中國。”黃仁勳說，“僅僅因為這50%的比例，在美國的每一個AI實驗室，都有許多出色的中國研究人員，我找不到例外。”



以下為黃仁勳媒體問答的文字實錄，經騰訊科技編輯整理：

Q：你昨天預告2027年發布的Rubin Ultra似乎是基於台積電3納米製程。所以我想知道，是否會使用環繞柵極晶體管技術，也就是說，將應用一個不同的製程。如果是這樣，你能期望從使用新晶體管中獲得什麽樣的性能和優勢？

黃仁勳：如果我們采用新的晶體管（架構），雖然性能提升20%看起來很可觀，但這不會改變我們的整體規劃。在AI工廠、AI基礎設施以及這種規模的計算中，盡管每個處理器都很重要，但是在整體方案中的作用相對較小，因為管理所有處理器的效率才是關鍵。處理器係統的擴展是最大的挑戰，擴展不當會帶來巨大損失。

正如我昨天所說，你應該先縱向擴展（scale-up），然後再橫向擴展（scale-out）。在將一百萬個GPU連接到網絡之前，我們需要先在一個計算結構中連接數百甚至數千個GPU。這個計算結構與通信網絡有本質區別。NVLink是一種計算織構，接近網絡通信協議的底層，計算機係統中進行數據傳輸所產生的開銷很低。所有GPU能夠協同工作，實際上，它們之間的通信就像是在訪問彼此的內存一樣。通過NVLink連接的GPU實際上形成了一個巨大的芯片。

然而，NVLink的擴展受到距離限製。因此，在橫向擴展之前，應盡可能向上擴展，這正是NVLink設計的深刻意義所在。目前我們已發展到第六代NVLink交換機。從服務器性能和單位能耗來看，織構技術麵臨極大挑戰，因為大量數據持續流動，永不停歇。我們還在集群中融入了大量計算，將算法、數學和邏輯整合進去，以減少必要的工作量。

意識到盡可能向上擴展的重要性，然後是橫向擴展，這可能是行業發現的最大收獲之一。

要知道，即使是橫向擴展也很有挑戰性，當我們協同工作時，如果每個人同時發送結果，信息會相互競爭，導致一些信息無法及時到達，產生所謂的抖動。最後一個提交答案的人實際上會讓所有人都等待，所以不是看答案傳遞的平均速度，而是最長尾部的答案。誰是最慢的，誰就會拖累所有人，而這就是我們發明Spectrum-X的原因，它解決了所謂的抖動問題。

以太網和InfiniBand的工作方式區別顯著。InfiniBand專為低延遲、低抖動和低流量競爭而設計，以及時間的等距路由，嚐試讓數據同時到達，而不像以太網那樣基於平均值。

Q：今天早上你提到了關稅，你說在短期內它們不會有明顯影響。我有點困惑，當在美國的生產能力仍不足以滿足製造需求時，怎麽可能沒有明顯影響？

黃仁勳：我們擁有一個非常靈活的供應鏈，它們不僅分布在中國台灣，還遍及墨西哥、越南等多個國家和地區。影響取決於多種因素：什麽產品被製造、什麽在美國被購買，以及產品的最終目的地在哪裏。這涉及很多方程式，也取決於哪個國家被征收關稅。基於我們目前所掌握的信息，預計在近期不會對我們的展望和財務產生顯著影響。

長期來看，我們希望在保持靈活性的同時，增強一個非常重要的部分，那就是本地製造。最簡單的思考方式是，我們今天的靈活性很好，但缺少本地製造能力。如果我們能在今年年底前增加本地製造，我們應該能相當迅速地適應變化。

Q：我了解到，高帶寬內存出現了定製基礎裸片（Base die）的趨勢，NVIDIA希望從這種定製中獲得什麽？

黃仁勳：定製基礎裸片使我們能夠將原本在主芯片中的一些邏輯移到基礎裸片上。

這本質上是一種工程優化，表明隨著HBM和CoWoS技術的發展，我們有了更多移動組件的方式，內存堆棧的基礎裸片就是這樣一個優化領域。有點像把東西從一個抽屜移到另一個抽屜，這種工程優化雖然有價值，但並不是什麽變革性的突破。

Q：看看NVIDIA的戰略狀態，特別是Rubin Ultra和新的Kyber機架設計，你的客戶現在基本上獲得了一個完整的SuperPOD，但不是四個機架，而是單個機架，具有巨大的計算密度。展望未來，這會是未來構建工廠的唯一物理方式嗎？

黃仁勳：是的。

Q：冷卻方式最終會完全基於空氣嗎？

黃仁勳：是的。如果你提出一個結構完整、自洽的問題，那麽你就會得到一個簡單的“是的”作為答案。當然，如前麵所說，在考慮橫向擴展之前，必須先盡可能地向上擴展，這是我們的核心策略。

Q：我來自韓國。Blackwell Ultra即將推出，包含三星的HBM3e嗎？

黃仁勳：是的，我希望是三星。我們已經在與他們合作生產許多產品，他們是一家出色的內存製造商。

說到基礎芯片，三星非常擅長將其ASIC（專用集成電路）能力與內存製造能力相結合。對於基於半定製的芯片來說，這將是一個很好的優勢。我期待三星能參與HBM3e的定製開發。

Q：你好，我來自以色列。你對AI低價限製政策有多擔心？受限製的兩類國家中，包括阿聯酋、沙特阿拉伯、以色列、瑞士，它們都是忠實的媒體客戶和合作夥伴。你認為這什麽時候以及如何能夠解決？

黃仁勳：正如你所知，AI限製政策不會產生短期影響。但從長遠來看，AI是每個國家、每個行業、每家公司都需要的技術。AI實際上已經成為主流軟件。今天我們談論AI仿佛它是一種神奇的技術，但它本質上隻是軟件，是非常出色的軟件，但仍然是軟件。因此，每個國家都將擁有運行軟件的能力。

我也認為，在可能的範圍內，我們希望能夠用美國技術和美國標準支持每個國家。這對國家和美國都有益處，讓社會獲得所需的計算能力。



圖：交流會現場

英偉達已經發生了三個轉變

Q：一般來說，關於內存，目前的數據可用性如何？你們公司承諾每年推出新一代產品和加速器。內存製造商也是這樣做嗎？在你設計每一代係統並獲得所需的供應時，這種關係有多緊密，特別是在大規模客戶越來越多的情況下？

黃仁勳：答案是我們與內存製造商的關係非常緊密。通過與他們分享我們的路線圖，這種關係會更加緊密，這也是我向全世界公布英偉達未來三四年路線圖的原因。這樣其他合作夥伴都可以參與進來。

我們正在構建的基礎設施規模非常龐大。我昨天闡述的一個重要觀點是：我們不再僅僅是構建芯片了。那是過去的美好時光，當時我們構建芯片，有人買了芯片後放在電腦裏，然後銷售電腦。

現在，我們正在構建AI基礎設施，它們以數千億美元的規模被一次性部署。這需要精心的規劃工作。AI基礎設施不是今天決定購買明天就能部署的東西，它需要提前兩年投資和規劃，然後希望能按時完成部署。這意味著各方信息必須保持一致，我們必須協同規劃，為世界構建基礎設施。

第一點是英偉達已經成為一家AI基礎設施公司，不僅僅是買賣芯片的公司。我們的規劃周期必須在上遊和下遊都延伸多年。

第二點是我們現在成為了一個AI工廠，直接幫助客戶創造收入。我們的工廠直接轉化為客戶的收入來源。整個工廠非常複雜，運行在物理極限處。通過將每瓦性能推向極限，我們確保在功率受限的情況下（這是每個公司都麵臨的現實），能實現最大收入。性能直接轉化為每分鍾的Token產出。

因此，我們作為AI工廠的商業和競爭標準比以往都高，客戶的風險容忍度也比以前低得多，因為他們的收入直接與我們的表現相關。這是一個涉及數億美元的多年投資周期，是一個真正的基礎設施業務和AI工廠業務。

最後，AI已經成為每個行業、每家公司的基礎技術，這就是為什麽我們吸引了如此廣泛的合作夥伴，從汽車公司到金融服務公司再到零售公司。每個行業、每個國家、每家公司都來到這裏，因為我們已經成為一個基礎平台，其他公司可以在此基礎上構建自己的業務。

這三個轉變是近年來發生的重大變化，人們已經注意到GTC的氛圍和能量確實發生了轉變，參與的人員也有了很大變化。

認識到這一點後，我決定改變我們對外溝通的方式。我們成為曆史上第一個一次性宣布四代產品的科技公司。這就像有人說："今天我要宣布我接下來的四部手機"一樣不尋常。但我們這樣做是因為我們已經成為基礎設施公司、世界工廠和許多企業的技術基礎。

Q：我很好奇為什麽NVIDIA能夠如此頻繁地推出新軟件。我認為這是NVIDIA與其他芯片公司的區別之一。你能告訴我公司裏有多少軟件工程師，工程師中軟件工程師的百分比是多少？第二個問題是關於美國生產的。TSMC最近宣布在美國追加投資，他們說他們想在亞利桑那州減少AI芯片。那麽有多少Blackwell或Rubin將在美國生產？

黃仁勳： 英偉達製造芯片，但我們不是一家芯片公司。我們實際上是一家算法公司，是當今世界領先的計算機圖形算法創造者。當DeepLine和Disney Research需要開發精細的物理算法時，他們選擇與英偉達合作。我們開發機器人的物理算法和計算光刻技術，是唯一一家與每家計算光刻公司合作的公司。

我們精通反向物理、物理學、計算機圖形學和光線追蹤等領域。我們將所有算法知識提煉成一個稱為CUDA的共同架構，然後在此基礎上構建芯片。從很多方麵來說，我們從算法和數學的角度思考世界，這也是當深度學習出現時我們能夠迅速適應的原因。我們擁有數百名AI研究人員，自主研究算法。

在擴散模型出現之前，我們就在做漸進式GANs的工作，也在變分自編碼器方麵取得了開創性的成果。這些話題通常不是芯片公司CEO會討論的內容。

英偉達的核心是數學，以一種獨特的方式表現出來。我們是少數幾家能夠從處理器到交換機全麵思考計算係統的公司，包括網絡、網絡算法和協議。我們擅長發明網絡協議，可以創造自己的交換機，擴展以太網做超級以太網。正是這種完整的係統能力讓我們能夠快速創新，但首先是因為我們對算法的深刻理解。芯片設計幾乎是次要的，盡管我們也為構建複雜芯片而自豪。

關於製造，我們有能力在美國製造很多產品，雖然不是全部，但相當可觀。

Q：中國在AI方麵有很大的野心。在正常情況下，NVIDIA在中國市場將有巨大的機會。你能告訴我們你對NVIDIA和中國AI的願景嗎，無論是在貿易戰還是關稅威脅下？

黃仁勳：我們有基本的義務經營業務、遵守法律，並盡力競爭和服務客戶。這對每個公司而言都是基本要求，我們並不特殊。

隨著世界變得更加複雜，有些事情不是我們公司能明智考慮的。我們隻確保始終遵守法律，並盡最大努力服務客戶和市場。

值得注意的是，世界上50%的AI研究人員來自中國，這是單一最大的群體，遠遠領先於其他國家。因此，中國在AI研究方麵的巨大貢獻是可以理解的。美國每個AI實驗室都有許多優秀的中國研究人員，沒有例外。所以，中國是如何培養出這麽多優秀的計算機科學家？無論中國如何做到這一點，請繼續這樣做。

Q：關於GM合作夥伴關係的公告，特別是關於DriveAGX將用於未來車輛，當然你們與其他OEM也有合作關係，對這裏的一些車輛非常感興趣。你是否看到有一天汽車購買者會因為NVIDIA在車上而買車，就像人們因為有NVIDIA顯卡或英特爾芯片而購買PC一樣？

黃仁勳：是和否。

我的法拉利裏沒有英偉達技術，這並不影響我對它的喜愛，因為它對我而言太重要了。

汽車對人們來說是非常個人化的產品，反映了他們的個性和生活方式，所以我認為這超越了單純的技術考量。

另一方麵，在自動駕駛汽車領域，作為機器人技術的一部分，這對我們是一個非常重要的市場。我們已經研究物理AI、機器人係統超過10年了。我們的戰略不僅僅關注汽車計算機，而是一個三計算機戰略：機器人的AI基礎設施、機器人的AI模擬器，以及機器人的AI計算機。首先需要訓練AI，然後在將其應用到現實世界之前進行模擬測試，最後通過中心實現適應技術將AI應用到現實環境中。

我們與世界上幾乎每家機器人和汽車公司在這三台計算機中的至少一台上合作。有時是提供車載計算機，但更多時候是訓練AI的計算機、模擬係統，或者數據中心和模擬的組合。我們與各類機器人公司合作，包括自動送貨機器人和拾取放置機器人。

有時我們會開發完整的軟件套件，如我們最近宣布的世界首個開源通用機器人基礎模型Group N1，或用於合成物理正確虛擬世界的Cosmos模型。在某些情況下，我們提供汽車中的軟件堆棧，特別是與AI安全相關的部分。

在機器人係統中實現AI安全極其複雜，需要在芯片係統、操作係統、算法、軟件堆棧、工具和方法論，甚至工程文化中實現多樣性、冗餘、透明度和可解釋性。我們的Halos係統旨在全麵保障安全，類似於空中交通安全係統。我們在機器人安全方麵的專業知識將來會有很大回報，因為安全對於廣泛部署的機器人至關重要。

無論是四輪汽車、兩腿機器人還是其他任何機器人係統，我們都有合適的計算架構。這已經成為一個超過50億美元的業務，我相信它將成為我們公司長期最重要的業務之一，代表著AI最關鍵的應用領域。

英偉達是世界上唯一的“AI公司”

Q：英偉達不僅提供世界領先的芯片，現在還提供世界領先的算法、基礎設施和軟件，逐漸成為人工智能“一站式商店”，而過去英偉達成功的模式是成為每個人的合作夥伴。現在你們涉足一些客戶、合作夥伴的領域，某種程度上成為他們的競爭對手，他們會如何反應，這對你們意味著什麽？

黃仁勳：顯然，我們在解釋自身業務方麵做得不夠清晰。事實上，我會這樣解釋：英偉達是唯一的AI公司，我們提供麵向雲、麵向汽車、麵向機器人、麵向企業的AI解決方案。

正如你所提到的，我們是全棧的，我們擁有完整的基礎設施、網絡、交換機，現在還有存儲技術，當然還有各種大小和形狀的計算設備，從小型spark到超級SuperPOD。在很多方麵，我們擁有跨整個技術棧、跨所有這些行業的基礎技術。

關鍵部分在於——我們構建一切，以客戶希望采用的任何方式向世界提供它。英偉達不是一家解決方案公司，我們不做最下遊價值創造那部分。

我們構建原始技術，並與生態係統內的企業合作創建解決方案——這就是為什麽思科是我們企業網絡的合作夥伴，戴爾、惠普企業和聯想是我們企業計算合作夥伴，而DDN、NetApp、戴爾、EMC、日立和IBM都是我們存儲領域的合作夥伴。

這就是為什麽我們是一家AI公司，但Salesforce、Cadence又都是英偉達合作夥伴的原因——因為我們毫不猶豫地將我們創造的核心技術提供給他們，讓他們將其整合到自己的解決方案中並推向市場。所以說，英偉達是世界上唯一一家“與世界上每家AI公司合作的AI公司。”

一方麵，我為奔馳構建整套自動駕駛汽車技術棧，也在為通用汽車、捷豹路虎做同樣的事情。另一方麵，豐田能夠以他們的方式與我們合作，特斯拉、Waymo們也是如此，我們不介意以任何人喜歡的方式與他們合作，如果他們決定自己做更多，減少對英偉達的依賴，我完全沒有問題，這就是英偉達的特別之處，也是為什麽我們以多個層次構建技術的原因：隻提供芯片、係統與軟件算法。

最終，由客戶決定，選擇其中兩個、三個或四個模塊。我們的理念是：從我們這裏購買任何你喜歡的產品，隻要請從我們這裏購買。

所以，我們實際上是技術基礎公司，我們構建了很多技術，但願意讓生態係統合作夥伴使用它們，所以大家基本都在和英偉達合作。

Q：今天官宣了英偉達與貝萊德、微軟、xAI等一起參與AIP聯盟（人工智能基礎設施合作夥伴關係聯盟）的官方消息，你們作為技術顧問，與聯盟的關係是什麽，如何推動聯盟的發展。你在之前的演講中提到對能源供應存在擔憂，是否也會給聯盟在數據中心的全球能源供應方麵提供谘詢、支持？

黃仁勳：AI是一個新興行業，實際上是一個新的製造業，隻是過去人們不將其視為製造業。過去談製造，主要是說人類製造，一切都由手工來完成，在AI時代它與工業製造融合，產品也均由機器來完成，所以從行業的角度來看它屬於製造業，製造業肯定需要能源。

我相信能源行業在十年時間內將達到數萬億美元，它將是一個相當大的行業，因為我們將在全世界各地推動與有關的製造。

關於你的第一個問題，這是一種合作關係，因為我們都投入了資金。我們把它視為投資工具，用於為能源、數據中心的建設提供資金，這需要相當多的資本。這個行業除了需要大量能源，也需要大量的資本，而聯盟這種合作關係讓我們能夠幫助資助數據中心、AI工廠的開發和準備工作。簡單來說，我們不僅提供專業知識，也提供資本。是的，這將需要資本。

3.6萬人的”小公司“英偉達

Q：我們了解到，英偉達一直將台灣地區的供應商視為關鍵合作夥伴，並致力於他們的成功。過去幾年，英偉達加深了與許多合作夥伴的合作，如台達電子、聯發科和富士康，同時也在全球範圍內投資越來越多的初創公司。你能分享這些合作夥伴關係以及投資在這一階段對英偉達的戰略意義，以及你希望實現的目標嗎？

黃仁勳：我們與台達、聯發科、台積電、富士康等公司合作，坦率地說，因為他們是世界一流的。這種合作始於欽佩和尊重。當然，當你與某人（暗示台積電）合作30年時，你會培養一些喜愛和友誼。

（我解釋一下，今天我有點累，但也充滿熱情，如你所知，我是工作時間最長的科技CEO，昨晚有14個派對，我參加了其中13個）

在技術投資方麵，我們希望尋找具有創新性的公司，創造新事物，可能是常規創新路徑之外的東西，但我不認為這與前麵提到的合作夥伴關係有真正的關聯。

我們與供應鏈和生態係統中的公司合作純粹基於一個理念：他們的卓越，然後攜手將他們的“卓越”與我們的結合，共同做偉大的事情，這就是全部，就是100%的戰略。

從公司的視角來看，我們是一家相當小的公司，隻有36,000人，比矽穀這裏幾乎每家科技公司都小。我們的方式是隻做我們需要做且必不可少的事情，我們不會為市場份額而戰，這不是我們的風格。當你與我們交談時，沒有一個員工會說“我們為份額而戰”，因為我們的目標是創造新事物。

當我們將公司致力於隻創造新事物時，會利用外部可能利用的一切——如果合作夥伴構建了非常棒的東西，我們就會使用它，無論它來自哪家公司。

過去，我們與AMD、英特爾、博通和Marvell合作。最近，我們還宣布了與聯發科的合作，共同開發項目。我們嚐試與每家公司合作，這樣我們就可以將我們非常稀缺的精力集中在世界上還沒有的東西上。

Q：你很好地解釋了為什麽我有一個三年增長到600太瓦的計劃。我想了解你從數據行業那裏得到的關於他們認為在未來幾年可以實際支持的基本限製是什麽。這些15年項目的限製在哪裏？

黃仁勳：現在一個數據中心大概250兆瓦，它的容量實際上受到機架的限製。

如果你說一個數據中心是1吉瓦，我可能會告訴你，每個機架做到1吉瓦聽起來也不錯，剩下無非就是工程的問題，但關鍵在於：是否有必要將所有東西放在一個機架中？

一切都基於向上擴展（Scaling up）和橫向擴展（Scaling out）的數學原理以及並行化的特性。

在超過1000或5000個GPU之後，向上擴展的收益遞減，那麽之後我們可以用多個機架橫向擴展，但如果向上擴展非常有效，比如在72、144、288和576個處理器之間，在這個水平上向上擴展效果非常好，我們應該盡可能地向上擴展。

Q：我來自以色列，最近有報道稱英偉達是收購英特爾的聯盟的一部分，你是否計劃與台積電一起收購它？

黃仁勳：沒有人邀請我們加入任何聯盟，也許其他人參與其中，但我不知情。

人類需要可用的AI，誰最聰明不重要

Q：在下一波物理AI浪潮中，我應該將我的時間和資源集中在哪裏？

黃仁勳：AI的挑戰仍然是數據戰略和訓練戰略。

過去幾年，有人說我們的數據用完了，這當然是非常愚蠢的。事實上，由於強化學習的存在，我們現在幾乎擁有無限的數據。

強化學習和可驗證結果以及獎勵係統的發現，再加上人類多年來通過數學、證明、定理和科學發現甚至遊戲已經解決了許多問題的事實，使得我們有了大量數據來源。

我們現在有無限量的數據來訓練模型進行推理，物理AI方麵也是如此，因此必須確定數據戰略和訓練戰略。

我提到過其中一些策略，比如使用人類示範，然後使用生成式AI和模擬來生成無數相關場景，就像我們給AI一個代數問題，然後提出一係列它必須解決的代數例子，最終它必須解決所有這些問題。

我們可以對物理操作和運動做同樣的事情，之後要解決協調操作、表達的體育活動，但如何教AI完成這一切？答案是數據戰略，訓練戰略。

最後一部分是使用戰略，即如何最好地提示AI來產生答案，這是軟件編程的現代版本。在物理AI中也是如此：如何提示AI進行物理推理？物理推理顯然非常重要，這些都是富有成效的研究領域。

Q：我看到昨天的Agentic的內容，像這樣的技術，你在接下來的四年裏會做什麽？

黃仁勳：我認為我們需要做的第一件事是將推理融入一切。

它的好處在於，我們不必給AI提供一堆特定的提示，而可以更加以使命為導向。我們會連接具有特定技能的Agent係統，然後讓它開始工作。你可能隻需提供輸入和期望的輸出。在中間，會有很多轉換、推理和問題解決過程。

例如，如果是預測分析，係統需要處理公司的所有組件、所有供應商、供應鏈和預測數據。這個優化係統相當複雜，因為它過度約束，需要很多推理、優化和數學計算。但也許我們隻需給係統提供兩個端點，它就能自己找出解決方案。

我認為下一代AI將非常擅長應用推理、使用工具、訪問信息，然後產生必要的結果。這是一個多步驟、高度嵌套的過程。我對此非常興奮，幾乎可以觸摸到它。現在看，技術的各個部分正在結合起來。

Q：你在演講中列出了路線圖和其中的數字，AI相關的資本支出令人驚訝，僅美國就將在“星門”（Star Gate）上花費5000億美元，歐盟剛剛也宣布了2000億歐元用於AI超級工廠，中國也在投入大量資金。這是否意味著誰花費最多誰就會率先獲得通用人工智能，是否存在過度支出和資源錯誤分配的風險？

黃仁勳：你們知道世界上最聰明的人是誰嗎？你在乎嗎？我認為這就是答案的關鍵。

我相信我們需要實現AGI（通用人工智能），這樣我們才能使AI真正有用，解決我剛才描述的問題（提供兩個端點，AI自行尋找答案），但這個過程中最聰明的AI，可能並不那麽重要。

我相信將智慧應用於特定目的、選擇正確的戰略和任務，以及領域專業知識仍然非常重要，這占世界價值的99%，而不是簡單地擁有“世界上最聰明的係統”。

如果你告訴我現在全球每年在資本支出上花費5000億美元，而這不是全部用於GPU計算，我會說這很可惜，畢竟我們已經擁有幾萬億美元的通用計算機，而且我們知道未來最重要的問題是基於機器學習、科學計算和AI，為什麽不將資源投向這些領域呢？

當前，關於這5000億的資本支出，我認為第一件事是投資未來，建造盡可能多的原生AI數據中心和計算機。到2030年，這個數字可能會達到10000億美元，我相信這些資金應該完全用於AI原生係統。

AI不僅僅是數據中心，（前麵我們說）AI是製造業，我們在製造一種叫做智能的東西，它可以被重新構成為文字、故事、法律文件、分析報告、音樂、電影、廣告、機器人動作等等。

世界應該將多大比例的產業專門用於製造智能？我認為它應該占全球GDP（120萬億美元）的一個相當大的比例。

回顧300年前，能源生產占GDP的比例很小，因為當時能源主要意味著人力。隨著時間的推移，能源行業成為世界上最大的行業之一，它將物理學轉化為電子，現在我們又將電子轉化為數字。

我相信AI行業的資本支出將達到數萬億美元，當出現一個智能製造行業時，所有人都會受益。

Q：你在每次演講中提到最喜歡的幻燈片是NVIDIA的加速庫，它使許多研究人員、科學家和工程師能夠在不同領域開展工作。當我們進入“黑洞時代”，你希望在這個幻燈片上增加什麽樣的領域？

黃仁勳：首先，加速計算不隻是上麵的軟件和下麵的芯片，它真正是中間的這一層。這就像AI不僅僅是提示框和底部的計算機，其中還有一個模型，這個模型對AI至關重要。

庫不是應用程序本身，但它使解決該應用程序的數學問題成為可能。這個庫可以是Spark或Pandas的數據處理，可以是計算光刻、地震處理等等... ...我非常期待的領域是計算機輔助藥物發現。

我們這一代的行業得益於電子設計自動化，如果沒有Cadence、Synopsis、Mentor Graphics和西門子等公司，我們就無法構思這些令人難以置信的技術，也無法建造這些驚人的機器。

我認為，如果我們為生物學創造類似的工具，讓醫生和生物學家能夠將蛋白質、細胞、器官和組織轉換為數字孿生，並能夠模擬從納米到米、從納秒到秒的生物學過程，詳細展示其中巨大的規模和複雜性，我們將徹底改變藥物行業的運作方式和醫療保健的思考方式。