智东西3月27日报道，3月24日，顶流科技博客The Lex Fridman Podcast放出了对英伟达创始人兼CEO黄仁勋近两个半小时的采访。在这期博客中，黄仁勋深入拆解了英伟达的协同设计方法论、CUDA发展历程、四层scaling laws等核心战略思考。谈及个人与公司未来时，他坦言自己“并不相信传统意义的接班计划”，并且希望自己最终的结局是“死在岗位上”。
谈及中国时，黄仁勋称，中国是当今世界创新最快的国家，全世界50%左右的AI研究者是中国人，中国科技企业发展迅速，研究者对开源的贡献巨大。
他还比较道，虽然美国的领导人很优秀，但大多是律师，“中国的国家领导人，要让他们的国家摆脱贫困，建设国家，大部分是不可思议的工程师，是最聪明的人。”
在评价马斯克时，黄仁勋称其为“顶级的思考者”，能够跨学科思考并质疑一切。他认为英伟达的极端系统协同设计方法本质与马斯克的系统工程思路相同。
黄仁勋还将OpenClaw形容为“token的iPhone”。他认为，OpenClaw是历史上增长最快的应用，正如当年iPhone开启了移动应用的全新时代一样，OpenClaw正在开启智能体应用的新发展阶段。
外界也十分关注英伟达的供应链问题，黄仁勋给市场吃了一颗定心丸：“英伟达的发展不受任何物理限制，没有任何事情可以阻碍英伟达实现3万亿美元（约合人民币20.67万亿元）的营收。
在这期播客中，黄仁勋还细谈了英伟达蜕变历程，并且分享了自己在经营英伟达时的心理历程以及思考，以下是这篇播客的核心内容：
1、四层scaling laws：四层scaling laws覆盖模型全生命周期的四个扩展阶段，它包括预训练scaling、后训练scaling、测试时scaling以及agentic scaling，智能的scaling只靠算力。
2、token的iphone：token的iPhone时代已经来了，token开始分层，像iPhone一样，有免费token、付费token，在这中间还分好几个档次。而Openclaw毫无疑问是token的iPhone。
3、聊中国：中国不是一个单一的经济体，中国的EV公司、AI公司等都有很多，在激烈的竞争下，留下的都是不可思议的公司。
4、聊台积电：台积电同时在技术和客户服务的领域具备世界级水准，并且“信任”也是台积电创造的无形资产，这让英伟达与台积电合作30年了却并未签署过任何合同。
5、AGI已经实现：黄仁勋称对于实现AGI时间线问题取决于对AGI的定义，他已经实现了自己语境定义下的AGI。
6、谈DLSS 5：DLSS 5是开放的工具，通过AI实时神经渲染，于开发者而言具有强可控性，实现画质拉满的同时稳住帧率，并不会生产AI slop（AI垃圾）。
7、编程的未来：AI是工具，全球程序员数量未来会从3000万变成10亿，所有能将AI利用好的职业都将升级。
8、关于CUDA：将CUDA集成到GeForce上的决策非常艰难，它耗费了英伟达的巨额利润，甚至将影响到英伟达的生存。
9、协同设计生态：不再孤立地设计芯片、网络、软件和基础设施，而是让所有组件从最初就共同优化，以突破摩尔定律放缓带来的性能瓶颈。
10、期盼：黄仁勋希望通过持续的实践与知识传递来自然实现英伟达领导力的延续，并希望自己最后能死在工作岗位上，没有长期痛苦。
以下是播客内容的完整编译：
一、英伟达的协同设计生态：同步解决所有瓶颈
主持人：你已经把英伟达推进到AI的新时代，英伟达已经扩展到对GPU、CPU、内存、网络、存储、电源、冷却、软件、机架本身、Pod（预集成、可独立部署的标准化AI算力集群单元）以及整个数据中心的极端协同设计。面对协同设计这样一个包含如此多复杂组件和设计变量的系统时，最困难的部分是什么？
黄仁勋：首先，之所以需要进行极端协同设计，是因为问题已经不再能装进一台计算机、由一块GPU来加速解决了。增加了1万台计算机，却希望它速度能快100万倍，于是，你把算法拆开、重构、把流水线分片、把数据分片、把模型分片。但这样做时，所有环节都会成为解决问题的阻碍。
这就是阿姆达尔定律（Amdahl’s Law）所描述的问题：某件事的加速倍数取决于它在总工作负载中所占的比例。
如果计算占总问题的50%，而我把计算加速了100万倍，那么整个工作负载也只加速了2倍。突然之间，你不仅要分布计算，还要以某种方式把流水线分片，同时还要解决网络问题。于是，在我们这个规模的分布式计算中，CPU是个问题，GPU是个问题，网络是个问题，交换是个问题，把工作负载分布到所有的计算机上也是个问题。总的来说，这就是一个极其复杂的计算机科学问题。
为解决问题，我们必须把每一种技术都用上。否则我们就只能线性扩展，或者按照摩尔定律的能力扩展，而摩尔定律现在已经大幅放缓，因为Dennard scaling（晶体管越小电压越低电流越小，单位面积功耗不变，频率与密度同步提升）已经放缓了。
主持人：我相信你们在每个领域都有专家，比如高带宽内存、网络、NVLink、网卡、光学和铜缆、电源交付、冷却等领域。你怎么把他们聚到一起共同讨论、协同设计？
黄仁勋：这就是我的团队庞大的原因。
主持人：具体过程是什么样的呢？比如当你知道要把一堆东西塞进一个机架时，你是怎么把机架设计出来的？整个协同设计的过程看起来是什么样的？
黄仁勋：极端协同设计，我们首先需要在整个软件栈上进行优化：从架构到芯片，到系统，到系统软件，到算法，到应用。这是一层。
第二，不仅要考虑CPU、GPU、网络芯片、向上交换机、向外交换机，还要把电源和冷却也纳入进来。因为所有这些组件合在一起，构成了一个极其耗电的系统。虽然每个组件本身的能效都很高，但把它们组合成一个大规模系统后，总体功耗依然非常巨大。
为了超过单纯增加计算机数量带来的收益，我们把工作负载分布出去。如果要设计一台计算机，那么必须要有计算机的操作系统。如果要设计一家公司，那就得想清楚需要这家公司生产什么。我看到很多公司的组织架构图，比如汉堡式组织图、软组织图、汽车公司组织图，它们看起来全都一样。这些对我来说毫无意义。
如果一家公司的目标就是成为生产产品的机器、机制、系统，那个产品就是我们想要创造的东西。同时公司的架构也能反映它所处的环境，它几乎间接地告诉你该怎么组织公司。我有超过60人以上的直接汇报人，我们不做一对一谈话，我们提出一个问题，所有人一起攻克它，因为我们在做极端协同设计。
字面意义上，英伟达每时每刻都在做极端协同设计。我们始终盯着整个栈，而且会进行对整个栈的设计的激烈讨论。即使只是在讨论某个特定组件，比如冷却、网络，但其他与这个专业领域无关的人也都在听。
进行推演时，他们可以插话，也可以走神。他们知道什么时候该注意。如果某件事团队的成员本可以提供解决思路却没有发言，我就会点名：“嘿，进来参与吧。”
二、英伟达体系的战略转变：将CUDA集成到GeForce的艰难决策
主持人：你刚才提到，英伟达是一家适应环境的的公司。那么，从最早的游戏GPU，到后来的早期深度学习革命，再到如今把公司定位为“打造AI工厂”，这个转变是在哪个时间点、在什么契机下发生的？英伟达是做什么的？
黄仁勋：我们最初是一家加速器公司。但加速器的缺点是应用领域太窄。它的好处是能极致优化特定的工作。高度专业化的缺点当然是市场范围更窄，但那也没关系，真正的问题是，市场规模决定了你的研发能力，而研发能力最终决定了你在计算领域的影响力和话语权。所以当英伟达最初做专用GPU加速器时，我们就清楚，那只是英伟达的第一步。
我们必须找到办法成为“加速计算”公司。如果成为一家纯粹的计算公司，它太通用，会失去专业核心竞争力。越是成为一家好的计算公司，就越不是好的专家；越是更专业化，我们做整体计算的能力就会越弱。所以我故意把“计算”和“专业化”这两个概念结合在一起，英伟达必须在这条非常狭窄的道路上，一步一步扩大我们的计算边界，同时又不放弃我们最核心的专业根基。
于是我们发明了可编程像素着色器。那是我们走向可编程性的第一步，是我们进入计算世界的第一段旅程。
第二件事，我们把FP32放进了着色器。实现了与IEEE兼容的FP32，是我们在计算方向上的巨大飞跃。这个决定让所有当时在做流处理器和其他数据流处理器的人发现了我们。他们说：“我们也许能用这块符合IEEE标准的计算密集度极高的GPU了。”
我可以把我以前在CPU上写的软件，拿过来用GPU试试。这又引导我们把C语言放在FP32之上，构建了Cg语言。Cg语言的演进之路最终又孕育了CUDA。
但是，把CUDA集成到GeForce上是一个非常艰难的战略决策，它耗费了英伟达的巨额利润，当时我们根本负担不起，但我们还是做了。因为我们想成为一家计算公司。一家计算公司必须有计算架构，而计算架构必须在我们制造的所有芯片上兼容。
主持人：你能带我回顾一遍那个决策吗？把CUDA集成到GeForce上当时英伟达负担不起？你能解释一下那个决策吗？为什么还是大胆地选择了做？
黄仁勋：我认为那是最接近对英伟达具有存在性威胁的第一个战略决策。
我们发明了CUDA，它扩大了我们加速器的应用范围。一个计算平台的关键是开发者，但如何吸引开发者来使用CUDA成为了一个问题。开发者不会仅仅因为CUDA性能有意思就来使用它，他们大多反而会被安装基数大吸引。因为开发者和其他人一样，都希望自己开发的软件能触达很多人。
所以安装基数其实是架构最重要的部分。
但架构可能招致大量批评，比如大家批评x86不够优雅，但它却是今天最不可替代的架构。实际上，由世界上最聪明的计算机科学家设计的美丽RISC架构大多失败了，但几乎不美观的x86活下来了。
安装基数定义了架构，其他一切都是次要的。当时除了CUDA，行业里还有OpenCL等好几个竞争架构。那时GeForce已经成功了，每年能卖出几百万块GeForce GPU。
我们说：“应该把CUDA放到GeForce上，让它进入每一台PC，不管用户用不用，都把CUDA作为培养装机量的起点。”同时我们去吸引开发者，去大学写书、教课，把CUDA到处传播。
那时PC是主要的计算工具，还没有云，我们能把一台超级计算机放到每个学校的研究者、科学家、工程学院、每个学生手里，总有一天会有神奇的事情发生。
问题是CUDA大大增加了我们那款消费级GPU的成本，彻底吃掉了公司所有的毛利。
当时英伟达市值大概60亿美元（约合人民币413.53亿元）到70亿美元（约合人民币482.46亿元），后来一度跌到15亿美元（约合人民币103.38亿元）左右。我们虽然挣扎过一阵，但最终坚持把CUDA集成到GeForce上。我一直说“英伟达是GeForce建起来的房子”，因为是GeForce把CUDA带给了所有人。
研究者、科学家等很多人本身都是游戏玩家，他们会自己组装PC集群，用PC零件。后来他们在GeForce上发现了CUDA，就从那之后，英伟达逐渐起步。
主持人：你还记得威胁到英伟达生存的时间段举行的会议是什么样的吗？你们进行了哪些讨论？整个公司赌上一切是什么感觉？
黄仁勋：管理团队知道我们的毛利率会崩盘，我必须向董事会说清楚我们在做什么。你可以想象一个画面：GeForce要承担CUDA的负担，但玩家不会为此买单，他们只接受固定价位。
在当时英伟达的毛利率是35%，但我们把成本提高了50%，这是一个非常艰难的决定。但我们相信，将来CUDA会进入工作站、超级计算机，英伟达在那些领域也许能拿到更高的毛利率。我们靠这套逻辑说服自己，但这一等，就是十年。
主持人：你是怎么说服董事会的？更重要的是，作为领导者，在心理上，你是如何做出这种预判未来、豪赌未来的决策的？
黄仁勋：首先，我被大量的“好奇心”驱动。到了某个点，我脑中的推演系统会非常清晰地告诉我：这个结果一定会发生，这件事一定会发生。所以我在头脑里相信它。当我相信它时，就会把那个未来具象化，那个未来如此清晰且令人信服，它不可能不发生。当然中间会有很多痛苦，但我必须相信我所相信的。
我、管理团队花大量时间推敲，推敲为什么可能会发生这个结果。很多时候，其他公司的领导者在平时会保持沉默。知道了什么新东西憋到新的一年，再突然发布宣言，或者是年底搞个新计划、大裁员、组织大调整、新使命宣言、新Logo之类的。但我们从来不这么做。
当我学到什么东西、并且这些东西开始影响我的想法时，我会立刻告知身边所有的人。
我在一步一步的思考时，就已经下定决心，但我会抓住每一个外部信息、新洞见、新发现、新的工程启示、新的里程碑，用它们去塑造所有人的认知。
我每天都在做这件事。对董事会、管理团队、员工，我一直都在塑造他们的认知。
所以当有一天我说：“嘿，我们收购Mellanox吧”，每个人都觉得这完全显而易见。当我说：“嘿，大家，我们全力投入深度学习吧，让我告诉你们为什么”时，我已经在公司不同部门铺垫了很久。每个部门、很多人可能都听过所有内容。而其他的大部分公司只听到过碎片。
等到我宣布的那天，大家其实早已在不同程度上接受了。
我喜欢宣布这些事的时候，员工心里想的是：“黄仁勋，你怎么这么晚才说？”但事实上我很早就已经在统一他们的理念和概念了。所以领导力有时看起来像在后面掌舵，但其实在那一天宣布时，大家已经有了100%的共识。这就是我想要的。
我要把所有的思考同步给每个人。否则当我宣布深度学习时，大家会说：“你在说什么？”“你宣布我们全力投入这个？”我的管理团队、董事会、员工、客户会觉得：“这从哪儿来的？太疯狂了。”
如果你回看以前的主题演讲，会发现我也在塑造行业伙伴的信念系统，比如我们刚刚宣布Groq，其实我已经铺垫了两年半。
三、英伟达的四层scaling laws：scaling的瓶颈是算力
主持人：这不只是在公司内部，你在塑造全球的创新格局。你把那些想法抛出去，在把现实具象化。
黄仁勋：我们是一家计算平台公司。我们不制造计算机，不制造云，所以没人能直接从我们这里“买”东西。我们采用垂直设计、垂直集成的方式进行系统的整体设计与优化，但同时，我们在每一层都全面开放平台，允许其他公司的产品、服务、云服务、超级计算机或OEM设备自由接入、集成。
神奇的是，我做事情前离不开先说服合作伙伴和客户。所以GTC大部分内容都是在具象化一个未来，等到我们的产品准备好时，他们会说：“你们怎么这么晚？”
我们长期相信scaling laws，而且我们现在有更多scaling laws了。
主持人：你已经列出了四个点：预训练、后训练、测试时、以及agentic scaling。放眼近期与远期的未来，你最担心、最让你夜不能寐、必须攻克的“阻碍”是什么？
黄仁勋：我们可以回顾过去大家曾经认为的阻碍。最初是预训练scaling。人们理所当然地认为我们拥有的高质量数据量会限制我们达到的智能程度。
对于预训练，模型越大，对应的数据越多，AI就越聪明。Ilya Sutskever曾经说过“我们没数据了”或者“预训练结束了”之类的话，行业恐慌了，以为AI要完了，可是事实显然不是这样。
我们会继续扩大训练数据规模，其中很多将是“合成数据”。很多人困惑，为什么很多数据可能是合成的？大家忘了一件事：人类之间互相教授、互相传递的信息，大部分数据其实都是合成的，不是自然产生的。它们是由人创造、再加工、增强、再生出来的。
现在AI已经可以对真实数据做增强，同时合成、生成海量的数据。
随着后训练阶段持续规模化推进，我们对人类标注数据的依赖会越来越小，未来绝大部分训练数据都将是合成数据。当前数据供给的瓶颈其实是算力。
模型训练所用的数据规模会持续扩大，直到训练不再受数据本身的限制。
下一个阶段是测试时。我还记得有人告诉我：“推理？哦，那很简单。预训练才难。”
大家谈论的都是巨型系统，“推理肯定简单，所以推理芯片会是很小的芯片，不会像英伟达的芯片那么复杂昂贵。未来推理会是最大市场，大家都能自己造芯片。”（别人说的）这些想法在我看来一直不合逻辑，因为推理就是思考，而思考很难，思考比阅读难多了。
预训练只是记忆和泛化，寻找模式和关系，你在阅读。而思考、推理、解决问题、拿从未探索过的经验、新的经验把它分解成可解决的片段，再通过第一性原理推理以前的例子、先验经验，或者探索和搜索、尝试不同东西。整个测试时推理的过程，其实就是思考。既然要做推理、规划和搜索，那对算力的要求肯定不会轻。
我们当时就说对了，测试时的算力是极其密集的。在推理之后，下一个显然是Agent。它拥有我们开发的大语言模型。在测试时，这个agentic系统会去研究、敲数据库、使用工具，最重要的一件事是它会分裂出大量子Agent。
这意味着我们现在在创造大型团队，扩大英伟达比扩大我自己容易多了。所以下一个scaling law是agentic scaling laws。它有点像把AI相乘，于是我们可以随心所欲地分裂出Agent。
我有四个scaling law。当我们使用agentic系统时，它们会创造更多数据、更多经验。对于一部分数据我们会说：“哇，这个真好，我们应该记住它”，那个数据集就会回到预训练，接着后训练会精炼它，测试时会增强它，最后agentic系统会把它投入实际部署。
这个循环会一直继续下去。归根结底，智能的scaling只靠一样东西，那就是算力。
主持人：有个棘手的问题，你必须提前预测：其中一些组件需要哪些种类的硬件才能实现最优解。于是你必须预测AI创新会走向哪里。比如混合专家（Mixture of Experts）以及稀疏性等架构模型每隔几个月就会出现。硬件不像软件，不可能在一周之内就完成调整，你必须提前预判未来会是什么样。这件事既可怕又困难，对吧？
黄仁勋：比如，这些AI模型架构大约每六个月就重新发明一次。而系统架构和硬件架构大约每三年更新一次。所以你需要预测两三年后可能发生什么。
有几种方法。首先，我们自己做内部研究，这就是为什么我们有基础研究和应用研究，我们自己造模型，所以我们在这里有亲身实践经验。这是我说的协同设计的一部分。
英伟达也是世界上唯一一家和全球每一家AI公司合作的AI公司，所以我们尽可能地去了解大家正在经历的挑战。你必须倾听行业和各个AI实验室的声音，并向所有人学习。
最后一点是我们需要一个灵活的架构，能随风而调整。CUDA的好处之一是，一方面它是极致的加速器，另一方面它又非常灵活。所以在专业化和通用化之间CUDA能够取得惊人的平衡，否则我们就无法在实现加速CPU的同时适应不断变化的算法。
而我们还在不断增强CUDA。现在CUDA已经迭代到13.2的版本了，我们以极快的速度演进架构，才能跟上现代算法。比如当混合专家模型出现时，为什么我们要直接上NVLink 72而不是NVLink 8，因为我们要把整个4万亿、10万亿参数的模型放在一个计算域里，就像跑在一块GPU上一样。
大家可能没注意到，Grace Blackwell机架的架构，它完全聚焦于一件事情，那就是跑LLM。
一年后，你看到Vera Rubin机架，它有存储加速器，有全新的Vera CPU，有Vera Rubin和NVLink 72平台来跑LLM，还有一个新增的Groq机架。整个机架系统和之前完全不同，里面全是新组件。原因在于，上一个是为MoE大语言模型推理设计的，而这一个是为Agent设计的，Agent会使用工具，而且——（被主持人打断）
主持人：显然，这个系统的设计必须在Claude Code、Codex、OpenClaw之前就完成了。所以你其实在预测未来。这来自什么？来自你听见的声音，还是来自对最前沿的理解？
黄仁勋：不，没有这么玄乎。你只需要推理。
首先，不管发生什么，用一个比喻来说，这个大语言模型迟早要成为“数字工人”。假设我们想让LLM成为数字工人，它必须能访问真实数据，它必须能做研究，但它不是什么都知道。我不想等到这个AI变得无所不知、过去现在未来都懂了，才让它有用。所以我不如让它去主动研究。
显然，如果它要帮我，它必须能够使用我使用的工具。
很多人会说“AI会彻底摧毁软件，我们以后不需要软件了，连工具都不需要了”。这太荒谬了。
假设我在未来10年创造出最惊人的Agent，比如人形机器人。如果这个机器人来到我家，它是更可能用我已有的工具来完成它需要做的工作，还是它的手一会儿变成10磅重的锤子，一会儿变成手术刀，在烧水时还从手指射出微波？或是更可能只是用微波炉？第一次它走到微波炉前，它可能不知道怎么使用。但没关系，它连着互联网，它能读微波炉说明书，瞬间就能成为专家，然后就会使用了。
我刚才其实描述了OpenClaw几乎所有的特性：它会用工具，会访问文件，能做研究，有I/O子系统。当你用这种方式推演完，你会说：“天哪，这对未来计算的影响极其深远。”因为我们几乎重新发明了计算机。
大家可能会问：“你们什么时候推演出OpenClaw的？”如果你注意到我在GTC用的OpenClaw示意图，你会发现两年前在GTC大会上，我就已经在谈agentic系统，这个和今天的OpenClaw完全一致。
当然，很多事情必须同时推进。首先我们需要Claude、GPT等模型的能力到位。他们的创新、突破和持续进步非常重要。接着必须有人创建一个足够健壮、足够完整的开源项目，让我们都能用上。我认为OpenClaw为agentic系统做了ChatGPT为生成系统做的事。我觉得这是一件大事。
主持人：是的，这是一个非常特别的时刻。我不太确定为什么它获得了超过Claude Code、Codex等工具的更多关注。
黄仁勋：因为消费者能直接用上。
主持人：是的，不止如此，我和（OpenClaw的创始人）Peter录过播客，他是个很棒的人，他的人格魅力叠加围绕OpenClaw形成的一种“潮流氛围”让它超越了其他同类工具。
黄仁勋：没错。
主持人：这里或许也有“meme（网络流行梗）”的因素。真正的难题在于：这么强大的Agent，我们怎么放心把数据交给它去干活？这是存在风险的。无论对于个体还是整个文明，我们都需要找到那个恰当的平衡点。
黄仁勋：是的，我们很快行动起来，派了一堆安全专家过去。我们做了OpenShell，已经集成到OpenClaw里了。英伟达还推出了NemoClaw。安装超级简单，它能确保安全。
Agentic系统可以访问敏感信息、执行代码、对外通信。我们一次只开放三项权限里的两项，就能保持安全。其中给出去的两个权限，我们也根据企业的授权做访问控制，之后我们把它连到企业已有的策略引擎上。我们会尽力帮助OpenClaw变得更好。
四、英伟达的担忧：不止用电压力
主持人：你刚才解释了过去我们曾经以为是障碍的东西，但都克服了。现在展望未来，你认为当Agent无处不在时，新的障碍会是什么？显然我们需要算力，那么scaling的瓶颈会是什么？
黄仁勋：我们担忧电力，但并不唯一。这就是为什么我们如此大力推进极端协同设计，让每秒token每瓦特提升几个数量级。过去10年，摩尔定律大概让计算进步100倍，而我们通过极端协同设计让计算提升了100万倍。我们会继续这么做。
芯片的能效、每瓦特性能都会直接影响公司的收入、工厂的收入。我们会把它推到极限，让token成本尽可能快地下降。我们的计算机价格在涨，但token生成效率涨得更快，所以token的成本每年会下降一个数量级。
主持人：所以电力是个有趣的话题。绕过电力障碍的方法之一，就是通过让token/s/W（每瓦特功耗每秒可处理的token）越来越高效。那怎么获得更多电力？你谈过小型模块化核电站，有各种能源想法以及供应链里的瓶颈，比如ASML的EUV光刻机、TSMC的先进封装CoWoS、SK海力士的高带宽内存，这些会让你失眠吗？
黄仁勋：我天天都在想，也一直在解决。历史上从来没有哪家公司在以我们现在的规模增长，并且还在加速增长。这太不可思议了，很多人甚至无法理解。
在整个AI计算世界里，我们的份额还在增加。所以供应链上下游对我们极其重要。我花大量时间告知和我合作的CEO们：哪些行业趋势会让业务继续增长甚至加速增长。这就是为什么在我身边坐着几乎整个IT行业上游和整个基础设施行业下游的好几百位CEO。
我不认为以前有哪次主题演讲有几百位CEO到场。他们到场的部分原因是，我像告知自己员工一样告知他们我们现在的业务状况、近期的增长驱动因素，以及我们接下来的打算，好让他们用这些信息来决定投资方向。
我当然也会亲自去拜访他们，比如DRAM行业的CEO们，我会告诉他们：“嘿，听着，这个季度、今年、明年，这些事会发生。”三年前，全球用量最大的内存，还是数据中心CPU使用的DDR内存。虽然当时HBM内存只在超级计算机里使用，但我预测未来它会成为数据中心的主流内存。
这个推测起初听起来很荒谬，但几位CEO相信了我，决定投资建HBM生产线。另一个当时听起来很奇怪的建议是：需要把手机用的低功耗内存放到数据中心里使用，我们希望他们为超级计算机适配LPDDR。他们说：“手机内存给超级计算机？”我解释了原因。结果LPDDR5和HBM4的出货量都创了历史纪录。
这些都是成立四五十年左右的老公司。所以告知、塑造、激励业内伙伴是我的一部分工作。
主持人：所以你不只在具象化未来、激励英伟达的工程师，你还在具象化未来的供应链。你在和供应链全链条的公司交流。
黄仁勋：是的，整条链。半导体行业有很多极其困难的工程，而供应链如此复杂、部件如此之多，但它就是运作起来了。这里包括了深层的科学、深层的工程、不可思议的制造，很多制造已经机器人化了。我们有几百家供应商，为我们一个机架的130万部件提供技术。仅Vera Rubin机架就有200家供应商。
主持人：有趣的是，你并没有把供应链列为让你失眠的障碍之一。
黄仁勋：是的，你看，我能睡着，因为我已经把这个障碍解决掉了。我会思考：我们把原来的DGX-I改成NVLink-72机架规模计算，这对软件意味着什么？对工程意味着什么？对我们设计和测试的方式意味着什么？对供应链意味着什么？后来我们把超级计算机集成从数据中心搬到了供应链里的超级计算机制造。
这么做的时候必须意识到：假设你想同时运行50吉瓦的超级计算机，而制造这些50吉瓦的超级计算机需要一周时间，那么供应链里每周就需要1吉瓦的电力来建造和测试。所以我们需要供应链增加电力来建造、测试超级计算机，然后再发货。
NVLink-72就是在供应链里制造超级计算机，一次发货的机架重达两三吨。以前是散件运到数据中心组装，但现在不可能了，因为NVLink-72太密集了。这就是一个例子。
我会坐飞机去供应链拜访我的合作伙伴们：“嘿，猜猜我要做什么。我们以前这样造DGX，现在要这样造。这会好得多，因为我们需要它们做推理。推理的市场拐点快来了，会是一个大市场。”
我先解释发生了什么、为什么会发生，然后请他们每家做几十亿美元的资本投资。因为他们信任我。我很尊重他们，也给他们充分的机会质疑我，我会花时间用第一性原理画图解释。等我说完，他们就知道该怎么做了。所以能做成这些事很大程度靠的是彼此信任的合作关系，以及我们共同的未来愿景。
主持人：但你会担心某些瓶颈吗？比如供应链里最大的瓶颈是什么？你担心ASML的EUV设备吗？担心TSMC的CoWoS封装能不能快速扩产？你说过你们不仅增长极快，还在加速增长。所以供应链里的每个人都必须扩产。你在和他们谈“你们怎么能扩得更快”吗？你会担心吗？
黄仁勋：不担心。因为我已经告诉他们我需要什么，他们理解了。他们告诉我他们要做什么，而我相信他们会做。
主持人：那我们稍微多聊聊电力。你对解决能源问题的希望是什么？
黄仁勋：Lex（主持人），有一件事我很想告诉大家：我们的电网是为最坏情况设计的，还留了余量。最坏情况是冬天或夏天的极端天气那几天，但99%的时间我们根本没到最坏情况。
大部分时间我们大概只用到峰值的60%。所以99%的时间电网都有富余电力，只是闲置着，但必须闲置，因为一旦需要，医院、基础设施、机场都要供电。
所以我的问题是：我们是否能够与电网方达成共识，签订相关协议，并针对性设计计算机架构与数据中心系统，这样当社会基础设施需要用到最大功率时，数据中心可以主动降低用电负荷。不过那种情况本来就极少，到那时我们可以给那部分负载用备用发电机，或者把工作负载转移到别处，或者让计算机慢一点、降低功耗、接受稍长的延迟响应。
所以我希望用这种新模式建设数据中心，放弃对电网100%不间断供电的要求。现在数据中心建造的合同太严苛，给电网造成很大压力。而我只想用电网的富余电力、那些闲置的电力。
主持人：是的，这点谈得不够多。是什么在阻碍？是监管？是官僚主义？
黄仁勋：我认为这是三方面的问题。
首先是终端客户。终端客户对数据中心的要求是永远不能不可用。所以终端客户期待完美。为了交付完美，需要备用发电机加上电网供应商都交付完美。所以大家都想追求六个九（99.9999%）的超高可用性。
我认为大家首先应该明白，当客户提出这些要求时，数据中心运营团队里就会存在有人和CEO是脱节的。我敢打赌CEO不知道这些。我要和所有CEO谈，CEO们大概根本没注意签的合同。双方当然都想签最好的合同，结果云服务商又要去找公用事业公司，要求六个九的可用性。
于是第一件事就是让所有客户、CEO明白他们到底在要求什么。
第二件事是我们必须建造能平稳降载的数据中心。如果电网说“我们要把你们降到80%”，我们会说完全没问题。我们就把工作负载挪一下，保证数据不丢，降低计算速率，用更少电，服务质量稍微下降一点。而对于关键工作负载，我立刻转移到别处，所以不会出问题。
第三件事是电网也必须认识到这是一个机会，不说“要增加电网能力需要五年”，而是说“如果你接受这种保证级别的电力，我下个月就能给你这个价格”。如果电网能提供更多不同保证级别的电力产品，大家就都能找到办法了。现在电网的资源浪费太多了，我们应该去利用这些资源。
五、马斯克与黄仁勋的相似经营理念
主持人：你高度赞扬了马斯克和xAI在孟菲斯建造Colossus超级计算机的成就，他们大概只花了四个月就建成，现在已经有20万张GPU，并且还在快速增长中。你能不能谈谈你对他的方法的理解？比如他的工程方法、整个建设管理方法都有哪些地方值得所有数据中心建造者学习？
黄仁勋：首先，马斯克对很多不同领域都钻得很深。但他同时也是一个非常好的思考者。他能跨多个学科思考，而且他显然会不断质疑：第一，这必要吗？第二，必须这么做吗？第三，必须花这么长时间吗？所以他有能力把一切质疑到最小必要程度，任何东西都不能再减，而产品必要的能力还保留着。
他是极致极简主义，而且是在整个系统涵盖的范围里做的。我还喜欢他亲自到现场。如果有问题，他就去现场，说“给我看问题”。当你把所有这些结合在一起时，你就能克服很多以前“我们一直就是这么做的”“我在等他们”的借口。
最后，当你自己做事的时候展现出紧迫感，也会带动所有人跟着紧张起来、行动起来。每个供应商都有很多客户、很多项目，但他让自己的项目成为每个人最优先的事。他通过实际行动证明这一点。
主持人：我参加过很多那样的会议。看着很有趣，因为真的很少有人会问：“这件事能不能做快一点？为什么必须做这么久？”
黄仁勋：对。
主持人：我记得有一次和他在一起，他真的在看整个插电缆到机架的过程。他和正在干活的工程师一起，试图理解这个过程怎么能少出错。他通过对数据中心每一个任务的细节直觉，能在微观与系统层面看到哪里低效，然后就能让它越来越高效。再加上他有“大锤子（一锤定音的权力）”，能说“我们换一种方式，把所有可能的障碍都去掉”。
黄仁勋：对。
主持人：你在英伟达的极端系统协同设计方法，和马斯克的系统工程方法有什么相似之处吗？
黄仁勋：首先，协同设计本身就是终极的系统工程问题。所以我们从第一性原理开始做这件事。另一个我们30年前就开始用的哲学、思维状态、方法，叫“光速”。光速不只是速度，它是我对“物理极限能做到什么”的简写。
我们做的每一件事都和光速对比：内存速度、数学速度、功耗、成本、时间、努力、人员数量、制造周期时间。无论是延迟还是吞吐量，成本还是吞吐量，成本还是容量，你都拿光速去测试，分别达到不同约束。然后把它们放在一起，你知道必须做取舍。因为极低延迟的系统和极高吞吐量的系统架构根本不同。但你得知道高吞吐量系统的光速极限是什么，低延迟系统的光速极限是什么，然后再在总系统里做权衡。
所以我逼着每个人先想第一性原理、物理极限，然后再开始做事情。这是一个很好的思维框架。我不喜欢另一种方法：持续改进。持续改进的问题是，首先你应该用光速思维、第一性原理去设计，把它限制在物理极限内，然后再逐步改进。
我不喜欢有人说“现在做这件事要74天，我们可以给你72天”。我宁愿把一切归零，我会问：“首先，为什么一开始要74天？我们现在能做什么？如果我从零开始搭建，要多久？”你常常会惊讶地发现可能是6天。剩下的68天，大多是经过反复权衡后的妥协、成本优化等各类环节，但至少你清楚它们都是什么。然后当你知道6天是可能的，从74天到6天的对话就有效多了。
主持人：在你处理的如此复杂的系统中，“将它们简单化”有时是一个好的启发吗？你的Vera Rubin Pod太惊人了。我们在谈七种芯片、五种专用机架、40个机架、1.2千万亿晶体管、近2万颗英伟达芯片、超过1100块Rubin GPU、60 exaflops、每秒10 PB的规模带宽，里面不同组件这么多，简单化似乎不可能，但你在设计时会把简单化作为一个指标去追求吗？
黄仁勋：我最常说的那句话是：该复杂的必须复杂，能简单的尽量简单。所以问题是：这些复杂的问题与流程都是必要的吗？我们必须检验，凡是超出必要的一切都是多余的。
主持人：但你们做的一切仍然不可思议。英伟达正在做的，是半导体行业整体历史上最伟大的工程之一。
黄仁勋：这是世界上有史以来最复杂的计算机。
主持人：是的，我不是说要比较，如果这是一场工程界的奥运会，台积电的工程能力毋庸置疑，ASML也是各个领域都很顶尖。但英伟达绝对有实力和它们一较高下，这支团队真的太厉害了。
黄仁勋：可以说，是每个项目的金牌得主全都汇聚在了一起。
六、中国的科技发展：对开源的巨大贡献
主持人：你最近去了中国。所以我想问：中国在过去10年里成功建立了那么多世界级公司、世界级工程团队和科技生态系统，生产出那么多不可思议的产品，你认为中国是怎么做到的？
黄仁勋：有很多原因。首先说一些事实。全世界50%左右的AI研究者是中国人，而且大部分还在中国。我们这里有很多AI研究者，中国也有许多非常优秀的研究者。他们的科技行业出现的时间点非常精准，正好在移动云时代，于是他们对软件所做的贡献高。
中国有不可思议的科学和数学基础以及受教育程度很高的孩子。他们的科技行业是在软件时代诞生的，他们对现代软件非常熟悉。
中国不是一个单一的经济体。它有很多省份和城市，城市之间互相竞争。这就是为什么有那么多EV公司、那么多AI公司，包括你能想到的每一种公司都有好几家。结果就是内部竞争极其激烈，留下的都是不可思议的公司。
他们还有一种社会文化：家庭第一、朋友第二、公司第三。所以公司之间的对话来来往往，基本上一直在开源。
他们对开源贡献最多是很合理的，因为“我们要保护什么呢？”。
我的工程师的兄弟在那家公司，他们的朋友在那家公司，他们都是同学。一个同学就是一辈子的兄弟，所以他们分享知识非常快，没有必要把技术藏着，还不如放到开源里。接着开源社区又放大、加速了创新过程。
于是你得到了这样的结果：快速涌现的、不可思议的优秀人才。因为和朋友、同窗的情谊而加速开源的创新，再加上企业之间激烈的竞争，所有这些因素叠加，最终诞生出来的，就是令人惊叹的成果。所以中国是当今世界上创新最快的国家，而我刚才说的所有这些，都是他们从小被培养的方式、优秀的教育，他们的文化就是这样。
中国是一个建设者的国家。我们的国家领导人很优秀，但大多是律师。中国的国家领导人，要让他们的国家摆脱贫困，建设国家的人大部分是不可思议的工程师，是最聪明的人。
主持人：稍微跑个题，因为你提到开源，我必须说到Perplexity。你长期以来都是它的粉丝。
黄仁勋：非常喜欢，是的。
主持人：谢谢你开源Nemotron 3 Super，你也可以在Perplexity里用它来查东西。那是一个1200亿参数的开源权重MoE模型。你对开源的愿景是什么？你提到中国有DeepSeek、MiniMax等公司在大力推动开源AI运动，而英伟达在接近最先进水平的开源LLM的领域处于领先地位。你有什么愿景？
黄仁勋：首先，如果我们要成为一家伟大的AI计算公司，我们就必须理解AI模型如何演进。我喜欢Nemotron 3的一点是它不是纯Transformer模型，而是Transformer加SSM。
我们很早就开发渐进式GAN（progressive GAN），一步步导向扩散模型。所以我们在模型架构和不同领域的基础研究，给我们提供了对未来模型需要什么计算系统的参考。这是我们极端协同设计策略的一部分。
第二，我们正确地认识到：一方面，我们希望打造世界级的模型产品，这些理应是专有、闭源的，另一方面我们也希望AI扩散到每一个行业、每一个国家、每一个研究者、每一个学生。如果一切都是专有的，就很难做研究、很难在上面创新。所以开源对于让更多行业参与到AI革命中来至关重要。
英伟达有规模、有动机、有技能，我们会一直建造这些AI模型，直到我们死去。所以我们应该这么做，我们可以开放、可以激活每一个行业、每一个研究者、每一个国家加入AI革命。
第三个原因使我们认识到AI不只是语言。这些AI很可能会使用在其他模态上训练的工具、模型、子Agent中，可能是生物、化学、物理定律、流体、热力学等，并非都在语言结构里。所以必须有人去确保天气预测、生物AI、物理AI等都能被推到极限、推到前沿。
我们不造车，但我们要确保每一家汽车公司都能用上最好的模型。我们研发药物，但我要确保礼来（全球顶尖的制药公司）有世界上最好的生物AI系统，让他们用来研发药物。
我们要让每个人都加入AI世界、以及AI的协同设计，这就是我们做开源的原因。
主持人：我必须再次说，谢谢你真正开源Nemotron 3……
黄仁勋：我很感激你这么说。我们开源了模型、权重、数据、以及我们如何创建它的整个过程。是的，这很了不起。
七、极度的信任：与台积电的无合同交易
主持人：真的太不可思议了。你原本来自台湾，和台积电有密切关系。所以我必须问：无论在工程团队还是他们做的不可思议的工程工作上评价，我都认为台积电也是传奇公司。你怎么理解台积电的文化和他们的方法，让他们能在半导体领域取得这种独一无二、无可匹敌的成功？
黄仁勋：首先，对台积电最深的误解是认为他们的技术就是全部。好像他们有一个很棒的晶体管，如果别人做出另一个晶体管就完了。其实不只是晶体管，是金属互联技术、封装技术、3D封装、硅光子学等所有技术让台积电成为了与众不同。
他们拥有统筹协调需求的能力，全球数百家公司的需求都在动态变化。他们不断上量、切换、增加、减少、紧急插单、停单，在世界复杂性不断变形的同时，维持工厂高吞吐量、高良率、很好的成本、极佳的客户服务。他们把工作、把承诺看得很重。他们答应你晶圆什么时候到，晶圆就到了，这样你才能正常运营公司。所以可以说他们的制造系统就像奇迹。
第二是他们的文化。台积电的文化是双重并重的。他们一方面极度专注技术、推进技术，另一方面极度以客户服务为导向。很多公司客户服务很好，但技术并不领先。很多公司在技术最前沿，但客户服务不是最好的。而TSMC在两方面都达到了世界级的水准。
第三，我最看重的，是他们创造了一种叫“信任”的无形资产。我信任他们，愿意把我的公司托付给他们，这种信任这是一件大事。
主持人：信任意味着你们之间建立了非常密切的关系，这种信任建立在多年业绩基础上，但也有人际关系在里面。
黄仁勋：三十年了，我们通过他们做了不知道多少百亿美元的生意，却没有签过合同。这很了不起。
主持人：太神奇了。有一个故事，2013年台积电创始人张忠谋曾邀请你成为台积电的首席执行官，而你说你已经有工作了。这个故事是真的吗？
黄仁勋：故事是真的。我没有直接拒绝，但我深感荣幸。当然我一直知道，台积电是历史上最具影响力的公司之一。张忠谋是我一生中最高度尊敬的商业和朋友之一。他来问我，我既谦卑又非常荣幸。
但我在英伟达做的工作真的很重要，这是我的责任。而且我在脑海里已经看到英伟达会成为什么、我们能产生什么影响。所以我拒绝了。不是因为这不是一个极好的机会，这反而是一个难以置信的机会，只是我单纯的不能接受。
主持人：我认为英伟达和TSMC是人类文明史上最伟大的两家公司之一。管理其中任何一家都极其复杂，需要你必须真正全身心投入。不仅仅是CEO层面，每个人在每个尺度上都真正全身心投入才能完成这种复杂性。
黄仁勋：是的，没错。所以现在我可以同时帮助两家公司了。
八、英伟达的底气：CUDA的安装基数
主持人：没错。所以英伟达现在是世界上最有价值的公司。我必须问：英伟达最大的护城河是什么？用科技圈的话说，你拥有什么优势能保护你免受竞争？
黄仁勋：英伟达最重要的一项财产，就是我们计算平台的安装基数。现在我们最重要的一样东西就是CUDA的安装基数。二十年前当然还没有安装基数。但如果有人发明GUDA或TUDA，根本没用。原因从来不只是技术。技术当然极具远见，但真正让它成功的是英伟达长期坚持、持续扩大CUDA的覆盖范围。
不是三个人让CUDA成功，而是4.3万人让CUDA成功。同时还有几百万开发者相信我们、信任我们会继续把CUDA从1做到13，他们决定把自己的软件山脉移植到上面。所以安装基数是最重要的优势。
历史上没有任何公司造过这么复杂的系统，而且一年造一次。这速度加上安装基数，在开发者头脑里就会变成：如果我支持CUDA，六个月后它就会好10倍。而且如果我在CUDA上开发，我能触达几亿台计算机。我能处在每个云、每个计算机公司、每个行业、每个国家中。
所以如果我做一个开源包，先放在CUDA上，我就同时得到这两个属性。而且我100%相信英伟达会一直把CUDA做下去、改进它、持续优化、不断升级库，只要公司还在，就会一直做。这一点是完全可以笃定的。
如果我今天是个开发者，我会首先瞄准CUDA、最多瞄准CUDA。这就是我认为最终的、甚至是第一个核心优势。
第二个是我们的生态系统。我们垂直集成了极其复杂的系统，但又水平集成到每一家公司的计算机里。我们在Google Cloud、Amazon、Azure里，我们正在疯狂扩大AWS。我们在新公司如CoreWeave、Nscale里。我们在礼来的超级计算机里、我们在企业计算机里、我们在边缘的无线基站里。一套架构在所有这些不同系统里，这非常疯狂。我们在汽车、机器人、卫星、太空里，你有一套架构，生态系统又如此广阔，于是覆盖了世界上每一个行业。
主持人：那么CUDA安装基数在AI工厂时代如何演变成护城河？你认为未来的英伟达会完全围绕AI工厂吗？
黄仁勋：过去，计算的单位对我们来说是GPU，后来变成一台计算机，再变成一个集群，现在是一个完整的AI工厂。当我看到一台计算机，过去我脑子里是芯片。当我宣布新一代产品时，我会拿起那块芯片，那是我当时的对产品的全部想象。
拿起芯片的样子固然很直观、有仪式感，但它不再是我现在思考的核心。我现在脑海里的画面，是一座功率高达千兆瓦级的巨型设施：它有发电系统接入电网，有冷却系统和极其庞大的网络，一万人正在里面安装，几百个网络工程师，几千个工程师在后面给它上电。
你知道，给这样一个工厂上电不是有人说“现在开机了”就行，而是需要几千人一起才能把它带起来。
主持人：所以当你想到一个计算单位时，你脑海里的画面是机架集合、Pod，而不是单个芯片？
黄仁勋：这就是整个基础设施。我希望自己下一个思维上的顿悟时刻，是在构想建造计算机时，直接以行星尺度为单位来思考。那将会是下一个重大的认知飞跃。
九、英伟达3万亿美元的营收预期将会实现
主持人：你怎么看Elon谈过的太空计算，比如在太空做计算来解决一些能源和扩展问题？
黄仁勋：冷却问题并不容易。是的。
主持人：冷却问题、还有一大堆工程复杂性问题。所以英伟达也已经宣布你们在考虑这个了？
黄仁勋：是的，我们已经在太空了。英伟达GPU是第一批进入太空的GPU。本来我可能会为此发个声明，但我都没意识到我们已经在太空了，有个小宇航服穿在我们的一块GPU上。
那些卫星有极高分辨率的成像系统，正在持续扫地球，很适合做很多成像。你想要厘米级、持续对全球的成像，实时遥测一切。那些数据是PB级的，你不想把所有数据传回地球，你就必须在现场做AI，把不需要的、以前见过没变化的扔掉，只保留需要的。所以AI必须在数据产生的最前端做。
当然，如果放在极地，我们有24/7太阳能。但没有传导、没有对流，所以基本上只能靠辐射。但太空很大，我们可以放巨大的散热器出去。
主持人：你觉得这个想法有多疯狂？5年、10年、还是20年的事？我们还在谈AI Scaling的障碍。
黄仁勋：我其实非常务实。我先找下一个“机会桶”在哪里。我在培养太空项目，我们派工程师去解决辐射问题、性能退化问题、持续测试和缺陷证明问题、冗余问题、平稳降载问题等等。我们可以先做很多工程探索。我最喜欢的答案是消除浪费。我们有那么多闲置电力，我想尽快把它利用起来。
主持人：是的，地球上有很多低垂的果实可以用来做AI Scaling。你认为英伟达有一天会值10万亿美元吗？我们换个方式问：如果那是真的，世界的未来会是什么样子？
黄仁勋：我认为英伟达的增长极其可能，在我头脑里是必然的。让我解释为什么。我们是历史上最大的计算机公司。有两个根本技术原因。
第一个原因，计算把我们预先准备好的基于检索的文件检索系统，放到网上、放到文件里，然后用推荐系统、智能过滤器给你检索。
我们过去的系统停留在一个人类预录、文件检索的阶段。现在AI计算机是上下文感知的，它必须实时处理和生成token。所以我们从检索型计算系统变成了生成型计算系统。在新世界里我们需要多得多的处理，过去的世界需要大量存储，而现在的新世界需要大量计算。
第二个原因是，计算机过去主要扮演“仓库”的角色，主要用于存储。而现在，我们正在建造的是“工厂”。仓库赚不了多少钱，工厂却能直接与公司的收入紧密挂钩。因此，计算机不仅改变了做事的方式，它在世界上的根本目的也发生了改变。它不再仅仅是一台计算机，它已经成为一座工厂，一座用来生成收入的工厂。
我们现在看到这个工厂不仅生成人们想消费的产品，而且这些商品都如此有趣、有价值、面对很多受众，以至于token开始分层，像iPhone一样。有免费token、付费token，还有中间好几个档次。
事实证明，智能是一种可规模化的产品。人们愿意为有极高智能的产品的每百万token付1000美元，这不是假设，只是时间问题。现在我们看到的这个工厂生产的商品其实是有价值的，并且能产生收入和利润。
问题是，世界需要多少这样的工厂？世界需要多少token？社会愿意为这些token付多少钱？如果生产力大幅提升，世界经济会怎样？我们会发现新药物、新产品、新服务吗？把这些结合起来，我绝对确信世界GDP的增长会加速。我绝对确信用于计算的GDP占比会比过去高100倍，因为它不再是存储单元，而是产品生成单元。
从这个角度来看，再回头思考英伟达的定位：我们究竟在做什么，又能在这场全新的经济与产业变革中占据多大份额，我相信我们的规模将会变得无比巨大。至于英伟达是否可能在不久的将来成为3万亿美元（约合人民币20.67万亿元）收入的公司？答案是当然有可能。
之所以这么说，是因为英伟达的发展不受任何物理边界的限制。在我看来，没有任何因素能说明3万亿美元营收是不可能的。而且事实上，英伟达的供应链是由200家公司一起支撑的。我们是依托整个生态的合作伙伴们实现规模化扩张的。
唯一的问题或许只是：我们有精力做吗？答案是，我们肯定会有。所以综合所有的因素，这个数字（3万亿）不过仅仅只是一个数字而已。
我还记得英伟达第一次突破10亿美元（约合人民币68.9亿元）营收时，有人告诉我：“黄仁勋，理论上无晶圆厂半导体公司不可能超过10亿美元。”我不会烦你说为什么，最后当然是无稽之谈。还有人告诉我“你永远不会超过250亿美元（约合人民币1723.85亿元），因为别的公司如何”，而这些都不是我们的第一性原理思考方式。
简单的思考方式是：我们造什么？我们能创造的机会有多大？英伟达不是在做市场份额生意，我刚才谈的几乎所有东西现在都不存在。这才是难点。
如果英伟达是一家市值100亿美元（约合人民币689.09亿元）、正试图抢占市场份额的公司，那么股东们很容易就能想明白如果能拿下10%的市场份额，市值可能会变得更大。但现在人们很难想象我们的市值能变得多大，因为我找不到可以抢占份额的对象。
所以我认为世界面临的挑战之一是对未来的想象力。我有的是时间，我会继续思考、继续讲，每一次GTC都会让这个想象变得更真实。越来越多的人都将会谈论它，总有一天我们会到达那个未来，我100%相信我们会到达。
十、token的iPhone时代已经来临
主持人：你关于token工厂、token/s/W、每个token都有价值的观点我都非常认同。token本身就是真正创造价值的载体，它能为不同的人、不同场景，带来不同类型、不同量级的价值。从这个角度看，产品本身就可以宽泛地理解为token。而你拥有的是一大批token工厂。从第一性原理出发，很容易想象这样一个未来：因为AI所能解决的问题潜力巨大，我们未来将需要指数级增长的token工厂。
黄仁勋：真正让我兴奋的是，属于token的iPhone时代已经来了。
主持人：你说什么？等等，你是说OpenClaw是token的iPhone？这很有趣。
黄仁勋：是广义上的Agents。OpenClaw是历史上增长最快的应用，它的使用数据呈爆发式增长，OpenClaw是token的iPhone。
主持人：从大概12月开始，是不是发生了什么特别的事？人们真的醒悟到Claude Code、Codex、OpenClaw的力量。我来这里的路上，在机场我在对着笔记本电脑“编程”。这是我第一次在公共场合做这件事。我还假装在和人类同事说话。我不确定未来每个人都走着和AI说话的感觉，但我必须说这是一种极其高效的做事方式。
黄仁勋：更可能的是你的AI一直在烦你。原因在于它把事情做得太快。它会报告“我做完了。你接下来要我做什么？”我认为大部分人还没意识到：未来和你聊天、发短信最多的对象，会是你的claw或lobster。
十一、黄仁勋的心理历程：拆解问题并付诸行动
主持人：你把自己的很多成功归因于比任何人更努力工作、承受比任何人更多痛苦的能力。我们可以列出很多：应对失败、成本和工程问题、人事问题、不确定性、责任、疲惫、尴尬、公司差点死掉的时刻、还有压力。现在，作为这家连国家都在围绕它制定战略、规划金融分配、规划AI基础设施的公司的CEO，你如何应对这么大的压力？是什么给你力量？
黄仁勋：我清醒地意识到，英伟达的成功对美国非常重要。我们为美国贡献了巨额税收，我们为国家确立了技术领导地位。而技术领导地位对国家安全至关重要，不仅是某一方面的国家安全，而是所有方面。
当我们国家更繁荣时，我们就能更好地做国内政策、提供社会福利。因为我们在美国进行大量再工业化，我们创造了大量就业岗位。我们正在把芯片、计算机、AI工厂等很多制造带回美国。我完全清楚这一点。
主流投资者、老师、警察，不知为什么投资了英伟达，或者看了Jim Cramer（美国最知名的财经媒体人）买了股票，现在成了百万富翁。我完全清楚这个情况。我也清楚英伟达是背后巨大生态伙伴网络和下游伙伴网络的核心。
所以我处理问题的方式就是理性地思考：我们到底在做什么？这会带来什么影响？对其他人会产生什么正面或者负面的影响，比如对会不会对供应链造成负担。
那么接下来的问题就是：我要为此做些什么？对于几乎所有事情，我都会拆解分析：当前的状况是什么？发生了哪些变化？困难在哪里？我该如何应对？我会把问题层层拆解，把复杂的局面分解成我能够处理、能够执行的具体事项。
在那之后，我只需要问自己一件事：我做了吗？要么自己去做，要么安排别人去做。如果我明明知道必须去做，但是不仅自己不做，也不交给别人做，那就不要抱怨。我对自己相当严苛。
但也正因为我会把事情拆解清楚，所以我才不会陷入恐慌，我能够安心入睡，因为我已经列出了所有必须完成的事项，并且确保：任何可能危害公司、危害伙伴、危害整个行业的事情，我都已经告知了相关负责人。所以之后，Lex，你还能做什么呢？已经没有什么可以纠结的了。
主持人：在建立英伟达的疯狂旅程中，你有没有心理上的低谷？
黄仁勋：有啊，当然。一直都有。
主持人：然后你就把问题分解成小块？
黄仁勋：是的。
主持人：看看你能做什么？
黄仁勋：Lex，其中一部分是遗忘。AI学习最重要的属性之一就是系统性遗忘。你需要知道什么时候该忘。你不能记住一切。你不能把一切都背着。你不想背着一切。我做得很快的一件事就是分解问题、推演问题，然后分担压力。
当我说我告诉大家时，我其实就是在分担压力。尽快把让我担心的事告诉别人，别自己扛着，不要吓到他们。然后把问题分解成小部分，让人去解决。另一部分是遗忘。我必须对自己狠一点：“得了，别哭了，继续干。”然后起床。
同样重要的是，你会被下一个闪亮的新事物、下个未来、下个机会深深吸引。“好，那件事已经过去了，接下来是什么？”我认为你在顶尖运动员身上也能清楚看到这一点，他们只专注于下一分，上一分无论成败都已过去。
因为我的很多工作都是公开进行的，Lex，你也做了大量公开工作。我公开说了很多话，当时我觉得合理、甚至好笑，大部分只是当时觉得有趣而已。但事后反思时，就没那么好笑了，不过——（被主持人打断）
主持人：是的，我懂。你总是向前看，让未来拉着你走，不纠结过去。
黄仁勋：对。
主持人：你说过一句有名的话：如果当时知道建立英伟达会这么难，比我预想的难100万倍，那我根本不会做。
黄仁勋：是的。
主持人：但你知道吗？当我听到这句话时，我觉得这大概适用于每一件值得做的事，对吧？
黄仁勋：完全正确。这就是我刚才想解释的：拥有孩子般心灵是一种不可思议的超能力。
我常常看一件事，第一反应就是：“这能有多难？”然后进入这种状态：“这能有多难？”没人做过，工程看起来巨大无比，要花几千亿美元，但是就是告诉自己：“是啊，但这能有多难？”我必须进入那种心态。
我不想提前把所有挫折、考验、失望都模拟一遍。不想提前知道。我想带着“它会完美、会很棒、会超级好玩”的心态进入新体验。在这个过程里我需要拥有耐力、韧性，这样当真正的挫折、失望、尴尬、羞辱来临时，它们会让我惊讶，但不会让我崩溃。
我们必须打开另一面：忘掉它，继续前进。只要我对未来的假设、未来会为什么发生的前提没有实质改变，那么我的模拟输出就不会变。我还是会去追寻它，我相信它会发生。
所以我的心态是两三种人类特质的组合：以新鲜心态进入体验的能力、忘掉挫折的能力、相信自己的能力、忠于信念的能力，但同时不断重新评估。这些东西的组合对韧性真的很重要。
我很幸运，无论是什么人生经历让我拥有了这些，我都会永远好奇、永远学习。我永远向每个人学习。我永远在问，因为我对一切都很谦虚，我总是想：“天哪，他们做得真漂亮。他们想得真好。”
我在模仿每个人。在很多方面，我几乎在模仿我观察和尊重的每一个人。我对他们做的每件事都有同理心，所以我不断学习。
主持人：你现在是地球上最富有的人之一，也是最成功的人之一。金钱、权力、名声是否让谦虚变得更难？是否让你更难承认自己可能错了，更难听取别人不同意见并向他们学习？
黄仁勋：奇怪的是，没有，我甚至会说相反。因为我做了那么多公开工作，当我错了，或者结果不是那样，几乎所有人都会看到。
我对外说的东西大多相当确定。原因是我说的话会影响别人，我必须非常谨慎、非常深思熟虑。在内部会议里，很多事情可能会有不同结果。但这从来不阻止我推演。
我的管理和领导方式就是我一直在大家面前推演。即使现在和你说话，你也能看到我在现场推演。我想让你明白我说的不是因为我告诉你，而是因为我很谦虚地展示我怎么一步步得到结论。然后你自己决定是否相信。
我一直在会议里这么做。
对所有员工，我会说：“让我告诉你我怎么看。”接着我进行推演，这给了每个人说“我不同意那部分”的机会。推演并让人们互动的好处是，他们不用不同意你的结论，他们可以不同意你的推演步骤，他们可以把我拉向不同方向，然后我们一起继续推演。所以这是一种集体的路径搜索方法。真的很棒。
主持人：是的，当你解释事情时，我能感觉到你真的在现场带着持续的开放心态推演，我感觉我可以引导你的思考。在这么多年成功和痛苦之后，你还能保持这一点，真的很好。我觉得有时痛苦会让你封闭一点。
黄仁勋：嗯，是的。
主持人：要保持——
黄仁勋：是的。保持对尴尬的容忍度。
主持人：是的，那是真的。即使在会议里，你宣布一个想法，然后被证明错了，还能承认并从中成长，对于人性层面来说非常难。
黄仁勋：是的。你知道吗？他们最近知道我的第一份工作是打扫厕所。
十二、DLSS 5是可供选择的辅助工具
主持人：我很高兴你还保持着Denny’s的那种精神。你从Denny’s开始的整个旅程真的很美妙。我是个大游戏迷，所以我必须感谢英伟达这么多年提供不可思议的图形。现在我想问问电子游戏。
黄仁勋：顺便说一句，到今天为止GeForce仍然是我们第一的营销策略。人们在青少年时期就认识英伟达。然后上大学知道英伟达是谁，先玩Call of Duty、Fortnite，后来用CUDA，再后来用Blender、Dassault、Autodesk。
主持人：是的。我跟朋友说我在和你聊天，他说：“哦，他们做很棒的游戏GPU。”
黄仁勋：没错。
主持人：很多人真的很爱它，它给很多人带来了很多快乐。硬件真的让这些世界活了过来。最近DLSS 5有一些争议。你能解释一下吗？游戏玩家在线上担心它让游戏看起来像AI slop，你怎么看？
黄仁勋：我认为他们的视角有道理，我能理解担心从哪里来，因为我自己也不喜欢AI slop。你知道，所有AI生成的内容越来越相似，都很漂亮，但那不是DLSS 5要做的。
我展示了几个例子。DLSS 5是3D条件化的、3D引导的、由真实结构数据引导的。艺术家决定了几何构型。我们对这类几何完全忠实，每一帧都保持原样，同时它的纹理以及艺术家的艺术性也会保持。所以每一帧它都在增强，但没有改变任何东西。
问题是关于增强：DLSS 5是开放的，你可以训练自己的模型，未来甚至可以用提示词引导它。比如“我想让它成为卡通着色器，我想让它看起来像这样”，你甚至可以给它一个例子，它就会以那种风格生成，而且完全符合艺术家的风格、意图。所以这一切都是为给艺术家赋能，让他们能创造更美的东西同时也在他们想要的风格里。
我认为他们误以为游戏出厂就是那样，之后我们后处理，但那不是DLSS被设计的意图。DLSS与创作者的工作流深度集成，它是专为艺术家打造的生成式AI工具，但艺术家完全可以自主选择是否使用它。
主持人：我认为人们对人脸非常敏感、对AI slop很敏感。它像一面镜子，让我们意识到我们追求的是不完美。它帮助我们理解我们在自己创造的世界里什么才真正吸引人，只要它是帮助我们创造那些世界的工具就很棒。
黄仁勋：对，没错。他们也想要生成模型生成非照片写实的东西。DLSS 5也能做到，它只是一个工具。我觉得游戏玩家可能也会欣赏，就像过去几年我们给游戏开发者引入了皮肤着色器，很多游戏的皮肤着色器包含次表面散射，让皮肤看起来更像皮肤。
所以游戏开发者正在寻找越来越多工具来表达他们的艺术。所以这只是众多工具中的一个工具，由他们决定用不用。
主持人：一个荒谬的问题：从英伟达角度看，你认为历史上最伟大或最有影响力的游戏是什么？
黄仁勋：Doom（中文常译《毁灭战士》是一款第一人称射击游戏）。
主持人：Doom，毫无疑问。那是3D的开始。
黄仁勋：我会说Doom，是因为从艺术、文化影响以及把PC变成游戏设备的产业转折来看，它都不只是一款游戏，而是一个非常重要的节点。当然，在它之前已经有飞行模拟类的游戏了，但它们没有Doom那么受欢迎，让产业把PC从办公自动化工具变成家庭、游戏玩家的个人电脑。所以Doom在这方面影响巨大。从实际游戏技术角度，我会说Virtua Fighter。我们和两者都是好朋友。
主持人：最近的游戏里，Cyberpunk 2077有很棒的GPU加速图形完全光追。我个人超级喜欢The Elder Scrolls V：Skyrim（游戏《上古卷轴5：天际》）。虽然它们是很久以前出的，但游戏玩家还在为它们不断出mod（游戏模组）。
黄仁勋：我们爱mod。
主持人：mod让它们变成完全不同的游戏，让我能反复重玩。我意识到你可以用全新的方式重新体验你已经爱的世界。所以我经常这么做。我最喜欢的事情之一就是在Skyrim里散步。
黄仁勋：我们做了一个东西叫RTX Mod。是mod工具。它能让玩家社区把最新的图形技术注入到老游戏里。
十三、AGI已经实现，未来程序员不减反增
主持人：当然，让游戏伟大的不只是图形，还有故事和角色发展，但漂亮的图形能增加沉浸感。让你感觉被传送到另一个地方。对了，你刚才说的很对，AGI的时间线，完全取决于我们如何定义AGI。那我想问问，你觉得它可能会在什么时候实现？
黄仁勋：一个说起来或许荒谬的AGI定义是：一个AI系统能做你的工作，包括创办、成长、运营一家价值超过10亿美元的成功科技公司。你知道这所有组件有多难。所以我们离这个有多远？
OpenClaw要能做所有极其复杂的事：创新、找客户、销售、管理、组建团队（一部分Agent、一部分人类）这是5年、10年、15年还是20年的事？我认为现在就有了。我认为我们已经实现了AGI。
主持人：你认为可以用这样的AI系统运行一家公司吗？
黄仁勋：可能，原因如下。你说10亿美元，但你没说“永远”。比如，一个Claw完全可能做出一个网页服务、一款有趣的小应用，突然之间，几十亿人每人花50美分去用它，但没过多久这家公司就又倒闭了。我们在互联网时代见过一大堆这样的公司，而它们大多数比今天的OpenClaw能生成的东西更简单。
主持人：有趣。实现病毒式传播并变现。
黄仁勋：是的。只是我不知道它是什么，但我当时也预测不了那些公司。所以——
主持人：你这句话会让很多人兴奋。就像“我可以放一个Agent出去赚大钱”。
黄仁勋：这件事现在已经正在发生了。你去中国会看到很多人教他们的Claw去找工作、做事、赚钱。如果出现什么社交新东西，或者有人创造一个超级可爱的数字网红，或者什么社交应用，像当年的电子宠物Tamagotchi（日本万代推出的经典掌上电子宠物玩具）突然爆红，很多人用几个月然后消失，我都不会惊讶。
现在，10万个这样的Agent建成英伟达的概率是0。我不想做、也希望大家不要做的一件事，是让人们真的担心自己的工作。
我只想提醒他们：你工作的目的和用来完成工作的任务、工具是相关的，但它们并不是同一件事。
我做这个工作34年了，我是世界上在位最久的科技CEO。过去34年我用来做工作的工具不断在变，有时两三年就有很大的变化。
我最想让大家听到的故事是：计算机科学家、AI研究者第一个说会消失的工作是放射科医生。因为计算机视觉会达到超人水平，而且确实做到了。2019-2020年计算机视觉在医学影像诊断这件事上就超越人类了。所以他们的预测是放射科医生会消失，因为看片子已经是过去时，AI会做。
他们确实正确，现在的计算机视觉完全超人，如今所有的放射科诊断平台与工具，全都由AI驱动，可是放射科医生数量反而增长了，现在全世界都缺放射科医生。当初那些危言耸听的预测太过火了，吓退了很多人，让他们不敢进入这个对社会极其重要的行业。这样的预测反而造成了伤害。
为什么之前的预测判断错了？因为放射科医生的核心使命，是诊断疾病、帮助患者和医生找到病因。AI让医生看影像的速度大幅提升，他们就能看更多片子、诊断更精准、让病人更快住院、接诊更多患者。这样医院的收入更高了，收治的病人更多了，于是你需要更多的放射科医生。
同理，英伟达的软件工程师数量会增长而不是减少。是因为软件工程师的目的和写代码的任务是相关的，但这依然不是同一件事。我要我的软件工程师解决问题，但我不在乎他们写了多少行代码。可是他们的工作目的没变：解决问题、团队合作、诊断问题、评估结果、寻找新问题、创新、连接点子。这些都不会消失。
主持人：你认为程序员数量可能增加而不是减少吗？
黄仁勋：是的。如今，编程本质上就是把需求说清楚。如果更想控制结果导向一些，AI甚至可以把你想要的软件架构也一并给出。所以问题变成了：有多少人能做到这件事？也就是说，描述一个规格并让计算机把它造出来，有多少人能做到？我认为这个数字会从3000万一下子跃升到大约10亿。
未来，每个木匠都将是程序员，但用了AI的木匠，同时也成了建筑师。他们的价值会大大提升，他们的创作力也会大大提升。我相信每个会计都会同时成为财务分析师、财务顾问。所以所有这些职业都会被升级。如果我是木匠或者水管工，有了AI我能给客户提供的服务会疯狂到什么程度，简直不敢想。
主持人：而现在已经是程序员和软件工程师的人，我认为他们处在理解如何用自然语言和Agent沟通、设计最好软件的最前沿。
黄仁勋：没错。
主持人：所以随着时间推移他们会融合，但我认为学习编程、学习编程语言是什么、好的编程实践、大型软件系统的设计原则，仍然有价值。
黄仁勋：对，Lex，你可以对观众说，我认为规格的艺术性、规格的目标，取决于自己要解决的问题。
当我在思考给公司战略、制定公司方向时，我描述的层级足够具体，让大家都能理解方向，而且可行动，但我故意不明确指定，好让4.3万名优秀的人把它做得比我想象的还好。
所以当我和工程师、和人工作时，我会想：我在解决什么问题？我和谁一起工作？规格和架构定义的层级与此相关。所以每个人都要学会在编程光谱上处于什么位置。
写规格就是编程。人们要非常特定的结果，可能做出非常指令性的决定。如果想在这个领域获得更多的探索，所以大家不把条件限定死，和AI来回碰撞，甚至推高你自己的创造力边界。所以你在光谱上的艺术性，就是未来的编程。
主持人：但跳出编程，我觉得很多人理所当然地担心自己的工作，尤其是白领。我认为我们谁都不知道当自动化和新技术的动荡时代到来时该怎么办。首先，我们都需要有同情心和责任感，去感受个人和家庭真正失去工作时的痛苦。我认为每当出现像AI这样变革性的技术，都会带来很多痛苦，我不知道该怎么处理那种痛苦。我希望它会为同样的人创造更多机会，同样的工作随着工具演进变得更有生产力、更有趣，就像编程现在对我来说超级好玩。也希望它能自动化无聊部分，让人类负责的创造性部分更突出，但还是会有很多痛苦和煎熬在里面。
黄仁勋：所以我的第一个建议，也正是我处理焦虑的方式。事实上我们刚才谈过对未来的巨大焦虑、对压力的巨大焦虑、对不确定性的巨大焦虑。我首先分解它，然后告诉自己：“好，有些事你能做点什么，有些事你什么都做不了。但对于你能做点什么的事，我们来推演，然后去做。”
如果我今天要招一个应届毕业生，有两个选择：一个完全不懂AI，一个是AI专家，我会招AI专家。如果我有一个会计、营销人员、供应链、客服、销售、业务开发、律师，我同样会招擅长使用AI的那一个。
所以我建议每个大学生都去用AI，每个老师都应该鼓励学生去用AI。每个大学生毕业时都应该成为AI专家。如果你是木匠、电工，去用AI。去看它能怎么改变你现在的工作、提升你自己。如果我是农民，我绝对会用AI，如果我是药剂师，我也会用AI。我想看它能怎么提升我的工作，让我自己成为这个行业的创新者、革命者。
确实，技术会让很多任务消失、自动化。如果你工作的内容就是那个任务，那你很可能会被颠覆。如果你的工作目的包含某些任务，那么你必须学会用AI自动化那些任务。中间还有很大的光谱。
主持人：AI最美妙的地方就是，对于聊天机器人的版本，你能通过和它说话把问题分解。真的不可思议，你能通过它思考人生中的问题，而且非常实际。你直接问，它就会给你一个点对点的计划。它真的是个超级棒的人生教练。
黄仁勋：我不知道怎么用AI，AI会说：“让我示范给你看。”但你不能走到Excel前说“我不知道怎么用Excel”，然后就完了。
主持人：没错。道理非常“元（本质）”，但真的不可思议。AI为我在人生所有领域，移除第一次使用某件事的初始摩擦。我可以问任何东西：“我需要采取的第一步是什么？”
黄仁勋：对。
主持人：那种手把手、消除世界上所有体验的摩擦，就像我之前跟你私下说的，你提到“我要去中国和台湾”。太棒了。只要问：“我该去哪里？我该怎么做”所有那些问题，立刻就有答案，太美了。
黄仁勋：你去台湾时，就问AI：“黄仁勋在台湾最喜欢的餐厅是哪些？”它真的会——（被主持人打断）
主持人：你不知道（哪些餐厅好吃）吗？
黄仁勋：哦，知道。
主持人：准确吗？
黄仁勋：是的。全台湾都有。
主持人：你在那边是巨星。我们私下也说过，也许我们在计算领域的路会在那里交叉（在那里见面），那会很棒。
黄仁勋：（我们可能会在）COMPUTEX，英伟达GTC台湾（见面）。
十四、人性的价值永远超过智能
主持人：你认为人类本性、人类意识里有些东西根本不是能计算的吗？无论芯片多强大，也许都永远无法复制吗？
黄仁勋：我不知道芯片会不会紧张。当然，引起焦虑、紧张或任何情绪的条件，我相信AI能识别和理解。但我觉得我的芯片不会感受到那些。
包括焦虑、感受、兴奋在内的所有情绪如何影响人类的表现？比如，有的运动员能展现出惊人的成绩，有的则表现平平甚至更差。同样的外部条件下，不同的人会呈现出截然不同的结果和表现。
我不认为我们正在建造的任何东西，能够让两台处于完全相同语境下的计算机产生不同的表现。当然，它们在统计上会有所差异，但那不是因为它们“感觉”不同。
主持人：是的，人类感受到的主观体验真的很特别。我跟你说过，我和你聊天时其实挺紧张的。那些希望、恐惧、焦虑丰富了生命。包括我们如何坠入爱河，心如何破碎，如何害怕死亡，当亲人离世时我们感受到多大的痛苦等。我知道很难想象一个计算设备能做到这一切，但有太多谜题我们还没揭开，所以我非常期待这种惊喜。过去几个月、几年我已经惊讶太多次了。scaling能在智能领域创造一些不可思议的奇迹，非常令人惊喜。
黄仁勋：关键在于把“智能”这个词拆解开。我们经常使用这个词，它并不是一个神秘的词汇。智能有它明确的含义，它是一个系统，包含感知、理解、推理、规划等能力。这个循环过程，就是智能的本质。智能这个词，并不等同于“人性”。我们有两个不同的词来指代这两件事。我不会对智能抱有过度的幻想，也不会把它浪漫化。
我其实把智能看作一种商品、一种可普及的能力。我周围都是聪明人，而且每个领域都有比我聪明的人。我手下有60位这样的人，但我依然能在这个圈子里扮演我的角色。他们学历比我高，读的学校比我好，在各自专业领域里的造诣都比我深，对我来说，他们每个人都堪称“超人”。
你可能会问：到底是什么，让一个“普通人”能站在一群“超人”中间？这道理你明白吗？我想说的是，智能是一种功能性的东西。而人性，不是一种被功能定义的东西，它的内涵要宏大得多。
如果我只能传递给观众一个观点，那就是，长久以来，我们把“智能”捧得太高了。
主持人：我们真正应该抬高的词是人性。
黄仁勋：品格、人性、慈悲、慷慨，你刚才说的所有那些，我相信那些才是正真的超能力。而现在，智能将被商品化。当前，即便大家都说“最重要的是教育”，但你在学校里收获的，也远不只是知识本身。可惜的是，我们的社会把一切都塞进了一个单一的词里，但人生远比一个词更丰富。
我想告诉大家，从我自己的经历来看：即便我在智力水平上不如身边所有人，也不妨碍我成为最成功的那一个。
我希望用这一点去激励每一个人：不要因为智能的普及化和商品化而感到焦虑。你反而应该为此备受鼓舞。
主持人：是的。我认为AI会帮助我们更欣赏人类，人性第一。我觉得让这个世界不可思议的就是人类永远如此，而AI只是一个让我们人类更强大的不可思议的工具。
黄仁勋：完全正确。
十五、期待告别英伟达的方式：希望死在岗位上
主持人：英伟达和几百万人的生活成功都取决于你。但你只是一个凡人，像我们所有人一样。你会思考自己的死亡吗？你怕死吗？
黄仁勋：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。我现在所经历的事情，不是每个人的一生中都能得到的体验，而是整个人类文明史上都罕见的历程。英伟达是历史上影响力最深远的科技公司之一，我们在做的工作至关重要，我对此非常认真。
所以，我自然也会考虑一些很现实的问题，比如：我们该如何看待接班计划？大家都知道，我并不信奉传统意义上的接班计划。我如果真的在乎我离开之后的公司的未来，那么我今天最该做的一件事，就是尽可能持续不断地传递知识、信息、洞见、技能和经验。
这也是为什么我总是在团队面前，把我对所有事情的思考过程完整地讲出来。
我的每一场会议，都是一起探讨、共同思考的会议。我在公司里、公司外的每一刻，都在以最快速度把知识传递给别人。我学到的任何东西，从不会在自己手里多耽搁哪怕一秒。我会立刻把这些信息、这些知识分享出去。
我不断传递知识、赋能大家、提升周围每个人的能力。
我希望的结果就是我死在岗位上，最好是瞬间死在岗位上，死前没有经历长期的痛苦。
主持人：从粉丝角度讲，鉴于你对文明的巨大正面影响，我当然希望能够继续做下去。看着英伟达在做什么也真的太有趣了。你对我们正在做的这一切，关于人性、关于人类未来有什么希望？当你展望10年、20年、50年、100年后的未来时，是什么给你希望？
黄仁勋：我一直对人类的善良、慷慨、慈悲、能力有极大信心，有时甚至超过我应该有的程度。我会被利用，但这从来不会让我停止。
我总是从“人们想要做好事、人们想要帮助别人”开始。绝大多数时候，我被证明是对的，并且经常超过我的预期。所以我对人类能力有完全的信心。
真正让我充满希望的，是我看到现在能做到的事，然后往后推演：按照我们正在做的事情发展下去，未来很可能会有什么结果。我们有太多问题想解决，太多东西想造出来，而且这些都在我有生之年里。那么多我们想做的好的事请，现在伸手就已经能够到。面对这些，你怎么可能不觉得浪漫？你懂我意思吗？
主持人：活着真是太激动人心了。
黄仁勋：我们完全可以合理期待，疾病终将被终结，污染问题将得到极大改善，光速航行在未来有望成为现实，至少在短途范围内实现。
大家可能会问这要如何实现？首先，我们很快会将人形机器人送入太空飞船。我们会尽快将其发射升空，机器人会在飞行过程中持续迭代、不断进化。
而我本人的大量信息早已存在于网络中：我的邮件、我做过的事、我说过的话，它们都在被不断整合，逐渐形成属于我的AI。
时机成熟时，我们可以将这些信息以光速发送，与太空中的机器人完成对接。
主持人：哦，这太天才了。对我来说还有那么多迷人的科学问题等着解密。
黄仁勋：紧接着，人类自身这台“生物机器”、理论物理学、破解物理学的底层规律，都要迎来突破了。这个拐角并不会在10年后才出现，它可能5年左右就要到来。
热门跟贴