整理 | 何思思
出品丨奇点折射（ID：rgznai100）
“我们完全可以停下来，但如果今天停下来，我们就输了！”
在最新一期长达100分钟的播客中，黄仁勋讲述了过去十天里，在白宫发生的一切，并给出了几个更值得 AI 行业琢磨的判断。
客户还没见到产品，为何愿意下数百亿美元的订单
这是整场对话中最令人震撼的一个细节。
主持人问黄仁勋，英伟达的竞争护城河是在扩大还是缩小。黄仁勋没有直接回答，而是讲了一个思想实验：
“为什么客户在还没见过 Vera Rubin Ultra 的情况下，就愿意下单？”
他给出的答案是：“我们实际上是唯一的选择，因为大家都知道这是英伟达打造的，你知道Vera Rubin好，那就知道Vera Rubin Ultra会更好。”
在完全没有见过实物的情况下，客户依然敢下数百亿美元的订单，这在商业史上几乎找不到先例。
把 AI 算力带向太空，并非完全不可能
黄仁勋第一次详细描述了英伟达与 SpaceX 在太空计算领域的合作。
“双方正在密切合作，研发一种新型服务器和新的架构。这种架构可能适合太空环境，也可能在地面应用中发挥很大作用。”
他的逻辑是：“即使把计算设备部署到太空中，发射成本在整体投入中仍然只占很小一部分。你不会把低成本、低价值的计算设备送到太空，而是会部署高价值的计算系统。英伟达提供的正是你能想象到的最高价值的计算系统。”
“因此，就目前而言，我们确实非常适合作为太空任务的载荷。即使考虑发射成本，投资回报率仍然会非常出色。”
当被问到2029年能否在太空部署500兆瓦算力时，他想把具体数字留给马斯克回答，但还是补了一句：“这件事并非不可能。”
对齐是一个持续性解决的问题，不是一次性实现的终点
这是整场对话中最具锋芒的部分。
黄仁勋说，把AI能力发展和安全管控对立起来，本身就是一种逻辑上的割裂。“这就好比说汽车的安全气囊、ABS 防抱死系统、雷达、摄像头，竟然跟汽车本身的技术无关。好像汽车唯一重要的东西就是发动机。”
“不能把能力、功能与安全、安保割裂开来，它们是一体的。”
但他真正的核心观点在于：对齐将永远是一个需要持续解决的问题，而不是一个可以一次性实现的终点。 那些认为“只有实现完美对齐才能确保安全”的人，永远无法达到目标。
“我们从零信任开始，只给予最低限度的权限，随着了解不断加深，再逐步扩大活动范围。”对待AI系统也一样：从零信任开始，设置最严格的边界，随着测试推进、信心建立，再逐步扩大权限。
他还提出了一个容易被忽略的工程细节：监控必须在独立于被监控系统的控制通道中进行。“如果你告诉一个聪明人，‘我会一直盯着你’，那么他在有人监视时的行为，可能与无人监视时会有所不同。”
智能技术不会减少工作时间，而是让工作时间增加
1930年，凯恩斯预测100年后，人类每周只需工作15小时。
黄仁勋说，凯恩斯错了一半。经济规模确实扩大了8倍，但工作时间反而更长了。
“我现在比以往任何时候都更加努力工作，每周的工作时间达80小时，同时比以往更享受工作。这不是因为我必须这么做，而是我愿意这么做。”
他的结论直接推翻了当下最流行的AI叙事：智能只会增加工作时间，而不是导致失业。“每当你学到新东西，就会打开一扇新的大门；每当你打开一扇新的大门，就会看到更多机会、更多挑战。”
英伟达两个全新的商业模式
黄仁勋第一次系统性地披露了英伟达正在构建的两条全新的增长路径。
第一种是软件授权。“我们提供的是完整的软件栈，已经达到了工业级标准。世界上很多企业并没有自己的IT部门，因此他们需要我们持续维护软件。面向企业的软件授权业务将会非常庞大。”
他给出了一个粗略的计算：“假设我们的软件授权费用是每颗 GPU 每年几千美元，而我们拥有数百万颗 GPU。假设我们一年出货2000万颗 GPU，其中一半进入全球企业市场，那么收入规模很快就会累积起来。”
第二种是收入分成模式。“涉及一些依赖英伟达完整技术栈的云服务商。他们依赖我们的采购承诺、生态系统，也可能需要我们作为投资伙伴。因此，在这类合作关系中，我们很可能会采用收入分成模式。”
“这两条全新的增长路径，不依赖硬件销售，而是更多地与我们平台的安装基础有关。如果没有庞大的安装基础，软件授权有什么价值？如果没有采购承诺，又怎么可能实现收入分成？”
以下为对谈原文，我们在不改变原意的情况下做了删减，各位 enjoy~
白宫的一周与获颁国家科学奖章
主持人：这是我们第三次一起录制播客了。过去10天里，你参加了白宫国宴，出席了白宫峰会，并签署了关于超级智能的协议。就在昨天，你还和父母一起出席了活动，当时总统向你颁发了国家科学奖章。现在回过头来看，你确实是餐桌上唯一的一位投资人。那是一种怎样的感受？
黄仁勋：首先，这本身就是一种莫大的荣誉。体现了我们公司做出的贡献。显然，我们创造并发明了一种全新的计算模式。如今，这可能是全世界应用最广泛的计算模式。它是唯一一种遍布所有云平台、所有计算机公司，并被各个科学领域广泛采用的计算架构。玩家、创作者和建设者在使用它，科学家也在使用它。它为智能提供动力。退一步来看，看看我们公司取得的成就：我们最初只是为游戏玩家制造图形芯片，当然，我至今仍为此感到自豪。到现在为止，我们已经出货了16.7亿颗芯片。所以，我认为我们所产生的影响是巨大的。
而今天，我们已经成为支撑整个社会智能运转的基础设施。因此，能够代表公司接受这项荣誉，对我来说是一个无比自豪的时刻。至于我的父母，我很希望他们能来，所以提前24小时才通知他们。他们平时很少出远门。我爸爸甚至连一套西装都没有。所以他赶紧出去买了一套，我妈妈也买了一条新裙子。
进入奇点时刻，算力达到去年的10亿倍
主持人：你在预测未来方面一直非常出色。两年前，我们坐在这里时，你说，市场严重低估了未来五年所需要、也即将投入建设的算力规模。你当时说，累计算力基础设施投资不会只有1万亿美元，至少会达到2万亿美元。当然，现在已经超过了这个数字。你在大家普遍意识到这一点前就指出，推理所需的计算量将增长10亿倍，去年，我们看到 Opus 4.6 和 Claude Code 大规模崛起之前，你又说我们正在进入智能体时代，后来，Opus 4.6 和 Claude Code 确实迅速走红。你认为我们现在处于什么阶段？
黄仁勋：好吧，马斯克和奥特曼都说过类似的事情，而我说过的只有三件事应验了。过几周，我们就要举行投资者日活动，主题是“迈入奇点”，也就是我们正在经历的加速发展。马斯克、奥特曼等都说过：“我们已经来到奇点的山麓，或者说，正在进入奇点。”你也知道，现在已经有模型能够求解纳维-斯托克斯方程了。我现在来分析一下这个问题。
首先，我们需要的算力为什么会达到去年水平的10亿倍，这其实是完全合乎逻辑的。原因在于，思考和解决问题所需要的推理计算，远远多于重复输出已经记住的内容。
比如，当你使用 ChatGPT 时，你给它一个提示词，它的大部分知识已经编码在大型语言模型中。当然，问题在于它有时会产生幻觉。因此，下一步就需要让模型生成的内容以真实信息为依据，或者受到真实信息的约束。它会去搜索，快速检索相关信息，获取真实可靠的依据，然后结合这些依据，以及它在预训练阶段已经学到的知识，生成新的答案。
但我们真正感兴趣的大多数任务，都需要模型逐步推理，提出多个备选方案，制定计划，然后观察不同方案可能产生的结果。接着，模型会根据这些结果，反思目前为止哪个答案最好、哪条路径最优。它可能会选择一两个，甚至三个方案继续推进，展开进一步探索，同时舍弃其他方案。然后不断重复这个过程。
人类其实也是这样做的。这就是为什么我们说，优秀的战略家都喜欢保留战略上的选择空间。一方面，你不希望过早排除其他可能性；另一方面，你也必须优化资源的使用。而人工智能正在做同样的事情。它们保留战略上的选择空间，推进不同方案，淘汰不合适的选项，不断反思，再继续筛选。所有这些思考和探索，都需要消耗更多算力。
除此之外，由于人工智能现在已经能够完成有实际价值的工作，我们也会把它应用到更多任务中。因此，这两种效应会相互叠加：一方面，它为了完成工作需要更多算力；另一方面，因为它的表现足够出色，我们就会雇用它去完成更多工作。
给大模型加上一层智能体，它的能力会越来越强
黄仁勋：这些因素会不断叠加。我认为，去年最重要的一个发现是：一方面，我们仍然希望模型变得越来越强大，而且模型的规模扩展规律还会继续发挥作用。但另一方面，去年我们也看到，在大型语言模型外面增加一套智能体框架，就像为它穿上一副外骨骼一样，会产生巨大的价值。
你可以把大型语言模型想象成一个大脑，而智能体框架就像大脑的身体，让它能够管理工作记忆、管理知识。它如何从工作记忆过渡到短期记忆，再到长期记忆，最终构建自己的知识图谱？人类也是这样做的。我们会思考：“我学到了什么？这些新知识与我过去掌握的所有知识有什么联系？”当我们晚上睡觉时，大脑会整理和压缩信息，那些没意义或者不重要的内容，最终会被遗忘，而真正重要的内容则会以某种方式重新建立联系。
人工智能也在进行类似的离线处理。因此，我们既需要工作记忆，也需要离线知识提取、知识生成和知识图谱构建。这整套记忆机制非常重要。
另一个关键领域是工具使用。我们已经教会这些人工智能系统使用人类创造过的一些最重要的工具。这就像一个机器人走进我们家里，它更有可能直接使用家里现成的各种工具，而不是从头开始重新制造一遍。因此，SPICE 这类电子设计自动化工具、Verilog 硬件描述语言、各种模拟器、设计编译器、Photoshop、AutoCAD，以及西门子旗下的各种工具，都将成为智能体非常有用的工具。我们一直利用这些工具经营公司、建设企业、设计产品和执行各种操作。未来，智能体也会使用它们。但前提是，智能体必须先学会如何使用这些工具。
所以，过去一年里，知识管理、工作记忆和工具使用这两个方面的进步，带来了巨大的能力突破。
现在，我们可以把大型语言模型封装在智能体框架或外骨骼中，将它们部署到企业内部，连接企业的信息系统和真实数据，再为它们接入可以使用的工具。这样一来，它们就能开始完成许多令人惊叹的工作。
坦率地说，最容易率先实现突破的领域是编程。这是人工智能进入实际工作场景的第一个切入点。从某种意义上说，编程相对容易，因为开发者和他们使用的工具，本来就比较适应这类工作。虽然这些工具能够发挥巨大的作用，但使用起来并不总是那么简单。早期的软件工程工具也并非特别容易部署，不过软件工程师最终还是找到了解决办法。
我认为，我们现在正迈向下一个阶段。你们可能已经体验过 OpenAI 的 Astra 了，它非常出色，我们也正在许多不同场景中使用它。下一阶段，这些智能体不仅能够编程，还能承担设计工作、创意营销工作等任务。比如，我们可以拍一张照片，把它交给 Astra，它就能直接将照片中的设计重建为 CAD 模型。
主持人：没错，它能将图像重建为 CAD 模型。这非常了不起，因为我们需要 CAD 模型。
黄仁勋：正是如此。这样我们就能直接操作 CAD 模型，进行精细调整和修改。Astra 可以极高效地为我们生成初始设计方案。现在，如果你把 Astra 的最新版本应用到各个不同领域，我认为，除了软件工程，我们还将看到设计师、建设者、创作者、科学家等群体的工作能力得到全面释放。
当然，挑战在于，我们该如何安全、可靠地将智能体部署到全球各类企业中。这又回到了我们之前讨论的同一个问题：安全性与安保。
主持人：让我感到惊讶的是，这一切都发生在今年，而 OpenAI 和 Anthropic 各自拥有的算力也不过两三吉瓦。相对于未来，这其实只是很小的一部分。我感兴趣的是，通常经济学家或者企业管理者在分析经济和公司发展时，习惯采用线性增长或增速放缓的模型。他们并不擅长预测加速增长。但我们现在面对的是一种双重指数级增长：大量新增算力正在投入使用。
如果 OpenAI 和 Anthropic 明年的算力都增长3到5倍，那么我们是否可以合理推断：眼下的算力和智能水平其实微不足道？我们现在已经能够解决纳维-斯托克斯方程这样的千禧年级别难题，而未来的智能水平可能只会更高。面对明年即将上线的算力，你是否预计，我们会需要长期持续执行的智能体任务方面取得重大突破，从而能够利用智能体集群解决更加复杂的问题？
解决世界级难题，要拉满算力，智能成本也会下降
黄仁勋：纳维-斯托克斯方程确实是一个很好的例子。请记住，OpenAI 并不是从零开始解决这个问题的。他们是站在许多杰出科学家、数学家以及前人研究成果的基础上取得突破的。之前我说过，我们正处于许多不同领域的一个转折点，因为这些领域已经积累了大量基础性研究成果。纳维-斯托克斯方程就是一个典型例子：此前已经有大量基础工作完成。如果我们能够让人工智能对这些已有成果进行全面、穷尽式的探索，那么我们很快就会看到一个又一个突破。
但要做到这一点，我们确实需要大量算力。原因在于，这些突破需要进行大规模探索。如果只需要某个人通过推导某个基础性的第一性原理理论，就能发现突破，那么它可能早就被人发现了。真正困难的是，需要在极其庞大的搜索空间中进行大量探索。这里说的是搜索空间，而不是物理空间。如果不需要如此大规模的探索，人类早就找到答案了。毕竟，人类本身已经非常聪明。
因此，我认为，还有很多类似的问题正处于突破的临界点，只需要投入大规模的智能探索，就有望取得进展。
展望未来几年，我预计，智能的成本将会相当迅速地下降。原因显而易见：一方面，越来越多的算力将投入使用；另一方面，这些模型也会变得越来越聪明。而模型越聪明，完成同一项任务时就可能越高效。
这两个因素结合起来，就会推动智能成本下降，而这当然正是大家所希望看到的结果。
这与摩尔定律没有本质区别。回顾过去三十多年，计算成本曾连续三十年左右以每年减半的速度下降。而我们希望智能成本也能以每年减半、甚至下降到原来二十分之一的速度持续降低，因为智能的使用量将会大幅增长，足以远远抵消单位成本的下降。
主持人：没错，需求增长带来的规模效应将远远超过成本下降的影响。
黄仁勋：正是如此。这个世界上存在着一个巨大的、尚未被满足的需求空间，充满了等待被开发的机会。我们需要做的，就是不断降低成本，让这些机会真正成为现实。
求解复杂方程式消耗了400万美元，未来成本会下降5到10倍
主持人：我觉得，纳维-斯托克斯方程这个案例最引人注目的一点是，他们让一万个智能体协同工作来解决这个问题。在我看来，这听起来就像一家超大规模企业，集中调度所有智能体，让它们朝着同一个目标共同努力。现阶段，这种方式主要还是通过大量并行搜索和探索来解决问题。但我认为，我们最终希望看到的是，更多智能体能够围绕共同目标协同工作，从而解决更多问题。正如你刚才所说，我认为，根据我们的计算，求解这一次纳维-斯托克斯方程的具体问题，大约消耗了400万美元的算力成本。
黄仁勋：未来几年，完成这类任务的成本还会再下降5到10倍，这意味着我们能够完成的事情将迅速增加，我们的雄心壮志也会随之大幅提升。最初训练 GPT，假设成本是2000万美元。现在，重新训练可能只要1000美元，也许只需要100美元。
所以，训练成本从2000万美元、1000万美元，降到100美元，这一切只用了10年。
与此同时，我们的雄心也越来越大。如今我们训练的模型规模达到3万亿、10万亿，甚至30万亿参数。我们现在讨论的都是规模极其庞大的模型。我们希望它们具备越来越强大的能力，因此，我们对技术能力的期待也越来越高。与此同时，从10年前到现在，我们对这项技术的使用量可能已经增长了100万倍。我不认为这一趋势会停止。对智能的需求几乎是无止境的。你越聪明、拥有的智能越多，就越能想到更多应用智能的方式。
随着人生阅历不断增加，我越来越意识到，还有更多事情值得去做。因为每当你学到新东西，就会打开一扇新的大门；每当你打开一扇新的大门，就会看到更多机会、更多挑战，也会发现更多问题需要解决。这就是未来的发展方向，对吧？
智能只会增加工作时间，创造更多机会，而不是导致失业
主持人：人们常说，未来我们会拥有更多自由时间。我完全不同意这种说法。我认为，对大多数人来说，智能将为他们打开更多机会。他们会去追求这些机会，以前他们并不是没有追求，而是缺乏实现目标的机会。现在，这些技术将为他们打开新的机会之门。回到1930年，经济学家凯恩斯曾经对工业革命的影响做出过预测。他认为，100年后，经济规模将扩大8倍，而每周工作时间将缩短至15小时。
黄仁勋：没错。他的预测有一部分是正确的：经济规模确实扩大了8倍，我们获得了巨大的物质财富和生产力提升。现在每周工作80个小时，不是每周只工作15个小时。
凯恩斯错估的是人类的精神和内在动力。他没有意识到，工作本身就是人生意义的一部分，探索和发现也是人生意义的一部分。我认为，这些追求深深地刻在我们的基因里。我现在比以往任何时候都更加努力工作，同时也比以往任何时候都更享受工作。这不是因为我不得不这么做，而是因为我自己愿意这么做。
智能是无感知的，如果让智能停止，我们会极其不适
主持人：我对这个观点非常着迷。所谓奇点理论是我们现在已经拥有大量能够协同工作的智能体，它们可以承担长期任务，并且能够持续专注于目标。我特别喜欢你提出的一个想法：让这些智能体彼此监督、协同工作。我也很喜欢你强调的另一个观点：我们是在过去所有成果的基础上继续前进的。比如自动驾驶，而如果把这种变化放到科学领域，未来的突破将会更惊人！不过，我还是想请你谈谈，为什么这些进展迟迟没有真正突破？为什么它们还没有真正引起更广泛的关注？
黄仁勋：当然，最终我们可能也无法真正弄清楚所有原因。我和很多人谈过，他们也分享了各自的看法。其中一个原因当然是，人工智能或者说超级智能是一种无形的东西。你看不见它，也摸不着它。全世界都在讨论这项技术，但你既看不到它，也无法直接触摸它。尽管人们已经从中受益，却往往没有意识到这一点。
比如，你在网上搜索信息时，已经在受益；购物时，也在受益；使用 Netflix 时，同样在受益。你去沃尔玛购物，也在受益。联邦快递能够把包裹送到我们手中，背后同样已经在运用超级智能和加速计算。但我们并没有很好地向公众讲述这些故事。所以，人们的生活实际上已经因这些技术而得到改善，只是这种影响是无形的。如果我们把数据中心关掉，让超级智能停止运行一个周末，我想所有人都会立刻注意到。
机器人将成为一个1000亿美元的市场：我低估了
主持人：我知道你还有一个特别想讨论的话题，那就是机器人技术。今年你已经不止一次地表示，机器人领域的“ChatGPT 时刻”已经到来。我记得你还说过，这可能会成为一个价值1000亿美元的市场。那么，今年你究竟看到了什么样的转折点，让你认为这个时刻已经近在眼前？
黄仁勋：我之前其实低估了1000亿美元的数字，因为仅今年上半年，我们在物理人工智能领域就已经实现了100亿美元的业务规模。所谓物理人工智能，基本上就是能够以某种方式与物理世界互动的人工智能。它涵盖的领域非常广泛，比如光子计数 CT 扫描仪、超声设备、新型成像雷达，以及下一代5G技术。下一代5G不仅能够理解无线电波，还将能够理解各种不同类型的信号，成为一个全面的感知网络。
当然，还包括机器人、自动驾驶汽车、制造系统、视觉检测、地理空间卫星，以及对整个世界进行成像并重建三维模型的技术。也就是说，如果你观察整个电磁波谱，就会发现，从可见光到不可见光的各个频段，都正在发生与人工智能相关的创新。
我们正在整个领域开展工作。人工智能可以分为感知、推理，以及规划和执行三个部分。当发展到规划和执行阶段时，就会涉及自动驾驶汽车和各种机器人。例如，仓库中的自动配送车辆、无需精确编程就能完成抓取和放置操作的机器人，因为它们能够自主学习。再往前发展，就是人们期待的家用机器人：进入你家里，帮你整理床铺，完成各种家务。
当然，还有医疗机器人和医院机器人，这方面已经有许多很好的应用案例。比如，机器人能够精准地将正确的处方药送到对应的患者手中；机器人护理系统能够全天候、每时每刻地照看患者，保障患者安全。未来，甚至整个手术室都可能实现全面机器人化。我们正在看到大量非常优秀的技术投入实际应用。
从整体来看，英伟达是全球最大的物理人工智能公司。我们今年上半年在这一领域实现了100亿美元的业务规模，而去年全年也是100亿美元，那是我们第一次达到这个年度规模。再往前一年，我们的规模是50亿美元。
主持人：没错。
黄仁勋：所以业务规模从50亿美元增长到100亿美元。如果今年能达到200亿美元呢？谁知道呢。
主持人：看来，你之前说的1000亿美元可能还是被低估了。
黄仁勋：是啊。我认为，最终对我们来说最重要的事情，都会与物理世界产生联系，因为我们就生活在物理世界之中。因此，把软件、计算能力和智能引入那些历史上主要依赖机械和电气技术的行业，将带来巨大的市场机会。看看马斯克在汽车行业所做的一切就知道了。他实际上把汽车行业转变成了一个计算和科技行业。因此，我认为，未来每一家汽车公司都会成为科技公司。
每一家航运、货运和物流公司也都会成为科技公司。我对联邦快递的未来尤其兴奋。他们显然会成为一家人工智能公司，也会成为一家科技公司。沃尔玛也一样，它将成为一家科技公司、一家人工智能公司。我非常看好它们。此外，整个电信行业也将再次经历彻底的转型，重新成为一个技术驱动的行业。以前电信行业本来就是一个技术行业，后来逐渐转变成了服务行业，而现在，它将再次成为技术行业。
黄仁勋：我们已经进入仓储和物流行业、医疗保健、汽车和电信行业。事实上，我们参与了地球上几乎所有行业。生命科学娱乐产业。很长一段时间以来，英伟达实际上在很大程度上还是一家娱乐产业相关的公司。如今，我们在每一个垂直行业中都有一整套非常完整的技术体系，而且深度融入各个行业的生态系统，与合作伙伴建立了非常紧密的关系。因此，也许有一天，人们将不再把我们简单地归类为一家芯片公司。
把汽车领域的打法复制到千行百业，是英伟达所希望的
主持人：所以，你们的战略可能是把在汽车领域采用的那套打法，复制到其他每一个行业中。
黄仁勋：是的，这正是我们最终希望做出的贡献。不过，要为物理人工智能构建一个完整的平台，需要三种不同的计算机。首先，你需要一台计算机来创造人工智能的大脑，也就是训练系统。但还有一个非常重要的环节，我认为各家实验室也会逐渐采用这种方式：它们需要构建一个数字孪生环境，让人工智能能够在其中学习如何使用互联网和各种系统，而不必直接把智能体放到真实的互联网环境中学习。
这就像我们创建 Omniverse 一样。我们为仓库、建筑、城市以及整个物理世界建立数字孪生，然后把机器人放进这个数字孪生环境中。机器人可以在虚拟世界里学习如何行动。之后，我们再将它部署到第三种计算机中，也就是安装在机器人、汽车、手术器械或其他设备内部的计算机。
因此，构建物理人工智能需要三种计算机、三套完整的技术体系，而我们为这三者分别构建了完整的技术栈。我们是世界上唯一一家能够做到这一点的公司。如果你是一家希望从头到尾自主构建整套系统的企业，可以选择使用我们其中两套、三套，甚至只使用其中一套计算平台，都没有问题。每一套计算平台都有自己的软件技术栈，而我们在所有垂直行业中都采用同样的策略。
当然，这些能力也可能产生双重影响。这正是为什么人们经常讨论安全问题
要么负责任的构建技术，要么就不开发这项技术
主持人：你一直对那些宣扬人工智能末日论的观点持强烈批评态度。你的核心观点是，只有以负责任的方式构建技术，我们才能真正实现安全发展。
黄仁勋：没错。首先，我们必须以负责任的方式构建技术。注意，我用的是“构建”这个词。这是一个工程领域的词汇，强调的是技术、工程实践，以及工程师、科学家和研究人员的责任。我们必须以安全、负责任的方式构建这项技术。问题是，我们能不能做到？答案绝对是肯定的。因为如果做不到，我们就根本不应该构建它。
所以，我们要么相信自己能够做到，要么就不应该开发这项技术。我相信我们能够做到。接下来，我想分析一下其中的道理。
首先，有些人认为，人工智能是无法控制的，是因为我们不可能实现完美的对齐。我先向解释一下什么叫“对齐”。假设你告诉某个人：“我希望你完成这件事。”那么，任务目标就是明确的。比如，你要求某人解一道一元二次方程。那么，任务目标就是解出这道方程。
而所谓的对齐是：你究竟通过什么方式来完成这个任务？其实有很多种方法。比如，你可能已经记住了答案，直接把它写出来；或者，你曾经在教科书里见过这道题，于是翻书查找答案；又或者，你参考了某本资料，甚至走到一个抽屉前，打开抽屉，从里面拿出已经准备好的答案。
有些人可能会把这称为作弊，但我更愿意把它称为打开抽屉并取出答案。这其实也是计算机经常采用的方式。解决同一个问题，完全可以有许多不同的路径。
不同人有不同的文化背景和成长经历，因此会有很多种答案。所以，问题在于，我们究竟应该如何实现对齐？这取决于你的成长背景、文化环境，甚至你生活的地方和你来自哪里。实现目标的方式可以说是无穷无尽的。
因此，我想表达的核心观点是：对齐将永远是一个需要持续解决的问题。
对齐需要持续解决，不是实现对齐就能确保安全
黄仁勋：如果我们认为，只有实现完美对齐才能确保安全，那么我们永远也无法达到目标。所以，真正的解决方法是：想一想我们是如何对待婴儿、如何养育孩子、如何照顾宠物，以及如何管理员工的。
我们首先要做的是限制其活动范围，并实施权限管控。你会根据他们需要完成的任务，决定允许他们使用哪些工具、访问哪些信息，以及能够承担哪些责任、使用哪些能力、资金和资源。换句话说，你要根据任务来授予相应的权限。
当你雇用一个新员工时，一开始不会给予对方毫无限制的信任。当孩子只有一岁时，你会把他放在婴儿围栏里，因为你同样不能假设他已经具备完全的自我控制能力。因此，我们从零信任开始，只给予最低限度的权限。然后，随着了解不断加深，再逐步扩大他们能够活动的范围。
面对新的人工智能系统，我们也必须采用同样的方法。测试人工智能时，要从零信任开始，设置最严格的边界和最低限度的权限。随着测试推进、信心逐渐建立，再逐步扩大权限范围。
因此，严格的限制和隔离机制，对于任何自主系统来说都至关重要。
第二是实施监控，而且这种监控必须在系统运行的独立控制通道中进行，不能完全依赖被监控系统自身的反馈。原因很简单：如果你告诉一个聪明人，“听着，我会一直坐在这里看着你工作，确保你不出错”，或者告诉他，“我会一直盯着你，确保你正确地服务客户，并且足够努力地工作”，那么，这个自主系统在有人监视时的行为，就可能与无人监视时有所不同。
主持人：就像布拉德在不在房间里，我的表现可能会不一样。
黄仁勋：没错。所以，监控必须通过独立于被监控系统的机制来实现，并且必须具备这样的能力：一旦发现自主系统的行为违反了既定政策，或者偏离了对齐目标，就能够发出警报、升级处理，甚至直接关闭系统。
主持人：也就是直接关掉它。
黄仁勋：正是如此。我们必须具备这些能力。这是工程问题，也是技术问题，而且完全可以实现。我们最近宣布了一个名为 Open Shelf 的项目。目前已经有100多家公司加入，世界各地也正在围绕这个项目展开大量活动，因为所有人都希望实现同样的目标。
安全与安保本就是AI的一部分，不能割裂开来
主持人：从最高层面来说，当我在白宫的会议桌旁环顾四周时，桌边的每一个人都有自己的父母，也都有自己的孩子。我觉得，美国社会有一种看法，认为有些超级智能领域的领导者做事完全不计后果，抱着一种“YOLO”（人生只有一次，想做什么就做什么）的心态，根本不在乎后果。他们行事鲁莽，只想把钱赚到手。但当我环顾那张会议桌时，我没有看到任何一个人想要鲁莽行事，没有人想不顾一切地冒险。那么，对于那些担心美国总统或这些领导人行事鲁莽的美国民众，你会说些什么？你有没有看到任何证据表明他们确实如此？你自己也有孩子，会不会担心自己正在创造的超级智能会给未来带来什么？
黄仁勋：安全与安保技术本来就是人工智能的一部分，有一种很奇怪的说法，仿佛人工智能技术与安全、安保是彼此正交、互不相关的。
这就好比有人说，汽车的安全气囊、制动系统、雷达、摄像头、ABS防抱死制动系统、车道保持功能等，竟然都与汽车本身的技术无关。好像汽车唯一重要的东西就是发动机。事实上，整辆车的所有部分都是汽车技术的一部分。当我说我们需要加快人工智能技术的发展时，我的意思是，我们必须加快安全技术的发展，也必须加快安保技术的发展。这些方面都需要同步提速。
如果现在问大家，我想所有人都会说：“我们应该加快安保技术的发展，加快安全技术的发展。”没有人会说：“不。”因为这些本来就是同一件事。不能把能力、功能与安全、安保割裂开来，它们是一体的。当你向用户交付一项服务时，没有人会说：“我真的很喜欢你们服务的功能，但它造成的混乱实在太严重了。”所以我认为，这些方面本来就是一个整体，我们应该把它们作为一个整体来对待，整个行业也必须如此。当我们说要加速发展时，就必须意味着加速整个体系的发展，尤其是安全与安保技术的发展。
当AI 技术不能发挥作用时，安全也就没了意义
主持人：你刚才提到了“加快步伐”，尤其是在安全方面。有些人读了《前沿模型发展步伐》，就以为这意味要放慢发展速度。正如你刚才所说，我们必须确保安全系统也同步加速，你和其他几家前沿人工智能实验室的负责人一起去内阁会议室，签署协议时，有没有人表达不同意见？大家是不是都很配合？
黄仁勋：没有，大家都非常有建设性，讨论也很有成效。我认为，毫无例外，每个人都致力于推动这个行业以安全、可靠的方式发展。原因很简单：如果技术不安全、不可靠，它的功能就根本没有机会展现出来，它的能力也就无从发挥。因此，我们始终知道，安全与安保必须是第一优先事项。当然，我们也要认识到，这个行业最近才刚刚经历了一次转变。就在六个月前，这项技术还几乎无法正常工作。
如果技术没有功能、没有能力，那让它变得安全可靠又有什么意义呢？根本不会有人在乎它。所以，人工智能的首要任务是证明自己能够完成有用的事情，而它真正达到这个阶段，也就是大约六个月前的事。
如今，它已经迫切希望投入实际应用，而且要大规模部署。因此，毫无疑问，整个行业现在都有一项战略性的重大任务，而且这项任务极其紧迫：我们必须确保部署出去的所有东西都是安全、可靠的。所以我认为，整个行业已经完全认识到，能力、功能、安全与安保必须齐头并进，它们都处于同等重要的位置，都是第一优先事项。
赢得胜利的前提，是所有技术要符合人的利益
主持人：我想重新定义一下“赢”。它不应该仅仅意味着科技行业赢了，也不应该仅仅意味着人工智能行业赢了？
黄仁勋：没错。美国赢得胜利，意味着美国的每一个行业都赢得胜利，包括医疗保健行业。当然，我先把一个基本前提说清楚：如果我们不能安全、可靠地发展人工智能技术，那么人工智能科技产业本身就不会存在。这对我们来说是一个关乎生死存亡的问题。
如果我们让人工智能变成一个对其他所有人都构成生存威胁的产业，那也绝不会有好结果，因为首先面临生存危机的就会是我们自己。所以，话说回来，我们应该如何定义胜利？我知道这一点是我一直需要稍微调整自己观点的地方。
我希望我们能够转变思路。当我谈到人工智能取得胜利、美国凭借人工智能赢得胜利时，我脑海中浮现的是这样的画面：如今我们经常乘飞机出行，从空中俯瞰大地。我希望看到每一个州都在进步，每一个县都在进步，每一个社区都在进步，每一家公司都在进步。所有人都能从中受益，因为我们有能力在医疗保健上投入更多，在教育上投入更多，在州际贸易、高速公路以及国家各项基础设施上投入更多。
主持人：所以，你的意思是，等我们在25年、30年甚至40年后回顾今天时，美国经济应该扩大到现在的十倍，每个人的生活都应该变得更好。而这一切最根本、最重要的前提是，整个发展过程必须符合人类的利益。
三足鼎立美国的超级智能治理框架
主持人：大多数人并不了解美国目前的安全治理框架。我曾经说过，我们拥有全球最完善的超级智能安全治理框架。显然，今年早些时候，我们是世界上唯一一个真正对某个模型实施制裁、并将其撤下市场的国家，那个模型就是 Mythos。但我把我们的框架比作一张三条腿的凳子。第一条腿，是由凯西和商务部对每一个新推出的前沿模型进行审查。
第二条腿，是你们参与设计的白宫超级智能协议，其中包括内部和外部审计、董事会监督，以及由此产生的全部责任机制。
第三条腿，是现在由杰伊·克莱顿领导的超级智能特别工作组。在这么短的时间内，我们已经建立起这样一套三部分的体系。作为一家在超级智能领域举足轻重的公司的领导者，你觉得这足以让我们对正在迎来的未来感到放心吗？你认为这是我们现阶段应该迈出的正确一步吗？
黄仁勋：要走向未来，最好的办法就是迅速采取行动。如果我们一直争论什么才是完美的方案、什么才是应该优先采取的行动，最后就会陷入对完美方案的无休止争论，永远无法真正到达那里。所以我很喜欢这套三足治理框架，因为它们都可以付诸行动，具体、明确，而且具有真正的约束力。它们正在发挥作用，而且就是现在。我们现在就在采取行动。之所以现在就采取行动，是因为这对我们的公司有利，对整个行业有利，对国家有利，对社会也有利。
总而言之，这是全方位都有益的事情。如果我们不采取这些措施，结果就会更糟，我们也就无法追求大家共同憧憬的那个乐观未来。回顾其他行业，我想不出还有哪个行业在发展到当前阶段时，能够如此迅速地建立起跨公司、跨产业以及政府与行业之间的协调机制，以确保整个行业以负责任、充满希望的方式向前发展。
2027 年人工智能的算力瓶颈土地、电力、建筑外壳
主持人：现在我想谈谈算力的问题。长期运行的智能体可以组成团队，成千上万甚至数百万个智能体协同工作，解决复杂任务，而这一切都需要消耗远超以往的算力。明年，我们将新增43吉瓦的人工智能算力。为了让大家对这个数字有个概念，我们会在网上分享一张图表：这相当于超过目前全球所有人工智能算力的总和。也就是说，仅明年一年，我们就会新增这么多算力；再下一年，还会增加另外40吉瓦。以你掌握的情况来看，你认为这些数字是否合理？我们真的能够建成这么多算力吗？你怎么看现在大家谈论的那些问题，比如审批许可、供应链瓶颈以及当地居民的抗议？根据你目前看到的情况，最终建成的算力规模会与这些数字有明显差距吗？
黄仁勋：我认为，市场需求确实存在，而且实际需求还会更大。当然，挑战在于，当我们从数字世界走向物理世界时，会遇到很多障碍。比如土地审批、电力供应设施的建设与投运，当然还需要建筑工人、设备安装人员、水管工以及各种专业人员。光是建设这些设施，就创造了数百万个新就业岗位。而且，这些岗位所需要的技能并不能随意替代。
人们需要掌握很多专业技能，尤其是在建设价值500亿美元的数据中心时，更需要高水平的专业人才。整个建设过程中，有一些关键环节需要非常特殊、非常具体的技能。此外，我们还要应对各地可能实施的建设暂停令，以及全国各地正在出现的其他问题。因此，我认为，土地、电力、建筑外壳以及建设所需的各类资源，将会成为明年实现算力扩张目标时最重要的障碍之一。
就英伟达自身而言，我们正在采取几项措施来缓解这些问题。首先，正如你所知道的，我们是唯一一家服务于所有云服务提供商（CSP）的公司。我们还通过戴尔、惠普、联想等合作伙伴开展规模庞大的企业业务。我们服务于每一个行业，覆盖人工智能的整个生命周期，从数据处理、模型训练、训练后处理，到推理、智能体计算，以及我们所加速的各种工具调用环节。我们的业务覆盖面和市场触达范围是最大的。
全球每一家合同制造商都在为我们的业务提供支持，整个市场渠道也都围绕我们的架构展开。因此，如果某个州、某个社区或者某个数据中心遇到建设困难，由于目前我们的需求远远超过供应，我们就可以相应地调整供应链。
另外，还有一点，不过我不太喜欢这个答案。正如你所知道的，英伟达也是全球基础设施的一部分。无论是在欧洲，还是在非洲、中亚、东南亚、拉丁美洲、中东等地区，我们都已经开始推进相关项目。所以，我不希望看到美国无法跟上需求的情况。
但从我们公司的业务来看，我们拥有非常广泛的全球布局，世界各地都有算力基础设施建设需求。如果美国没有把这些设施建起来，我想我们必须认识到，世界上每一个国家都希望能够在自己的国土上建设这些设施。因此，我认为，英伟达的业务可能是最具韧性的。
原因就在于我刚才提到的这些因素：我们覆盖人工智能的整个领域，也覆盖计算技术的整个领域。我们服务于每一家云服务商，业务遍及每一个区域。因此，我们公司的韧性要强得多。不过，我确实认为，明年土地、电力和建筑外壳这些基础条件，将成为算力基础设施建设中非常棘手的挑战。
每吉瓦算力能提供的价值比过去高得多，已超过400亿美元
主持人：我从外界听到的一种说法是，目前已经宣布或正在推进的芯片部署规模大约有50吉瓦，但最终可能只有35到40吉瓦的算力基础设施能够真正投入使用，包括土地、电力和建筑设施。那么，究竟有多少算力能够在什么时间范围内，真正落地到这些土地、电力和建筑设施上，目前还存在不确定性。
黄仁勋：我想在你继续之前插一句。正如你所知道的，英伟达的架构拥有最高的生产效率，也就是说，每瓦电力能够生成最多的 token。因此，如果全球可用的电力减少，市场就会转向效率最高的方案。原因很简单，企业仍然希望创造收入，我的所有 CEO 同行都对明年的营收抱有很高的期望，他们必须兑现这些预期，股东指望他们做到这一点，合作伙伴也需要他们实现目标。所以，当可用电力减少时，你部署的计算资源就必须是当今世界上性能最出色、生产效率最高的计算资源。我们的计算平台最能创造收益，而且具有可替代性，也非常耐用。
因此，全球资源短缺所带来的种种压力，正在促使市场把更多注意力转向我们。我们的市场份额本来就很高，但令所有人惊讶的是，我们不仅是一家规模庞大的公司、拥有很高的市场份额，而且由于这些原因，我们的份额还在继续增长。
你们会看到，我们每吉瓦算力所能提供的价值比过去高得多。英伟达过去是一家GPU公司，后来成为全球规模最大、增长最快的网络设备公司之一。
现在，我们也将成为全球规模最大的CPU公司之一，而且肯定会是增长最快的CPU公司。我们提供的产品和服务越来越多，我们还进入了安全领域。因此，每吉瓦算力所对应的产品价值，从过去大约180亿美元，增长到200多亿美元，现在已经超过400亿美元。我认为，这个数字还会继续上升。
所以，我们的市场份额增长有两个原因：一是市场正在转向我们的计算平台；二是我们能够为全球资本支出提供越来越多的价值。从市场支出的金额占比来看，我们所占的份额也在不断增加。
马斯克是英伟达最愿意合作的客户
主持人：英伟达的买家之一，是我们两年前谈到过的马斯克。昨天你和他见了面，他获颁了一枚奖章。你觉得如今马斯克建设算力基础设施的能力，比当年又提升了多少？这件事现在对你来说已经显而易见了吗？SpaceX 最终会成为全球最大的人工智能超大规模云服务商，这是不是几乎已经板上钉钉了？
黄仁勋：过去，我们在财务报告中把马斯克的业务归入企业客户类别。现在已经把他归入云服务提供商。他的业务规模非常庞大。我很高兴能与马斯克合作，我非常喜欢和他一起工作。他正在使用我们的技术来训练自己的人工智能模型，也用来部署模型。
另外，他也会把算力出租给客户。把这三件事结合起来做的人并不多。我想，谷歌也采用了类似的模式。马斯克还有一个优势，就是他特别擅长把计算技术与实体基础设施建设结合起来。他非常喜欢这个领域，而且没有多少人比他更了解能源。
把数据中心搬上太空，英伟达有的是信心
黄仁勋：我们接下来准备共同探索的一个新市场，就是把数据中心部署到太空中。双方的工程团队正在密切合作，研发一种新型服务器和新的架构。这种架构可能非常适合太空环境，也可能在地面应用中发挥很大作用。
主持人：上周我们看到 Starship 发射升空，首次完成了轨道交会任务，还发射了 V3 卫星。你认为2028年或2029年，我们能通过 Starship 在太空中部署相当规模的算力？你认为到那个时间点，我们真的能在太空中实现具有实质规模的推理计算吗？
黄仁勋：这不仅仅是技术问题。英伟达的单位能耗性能是全球最好的，我们称之为每瓦性能。但更重要的是，英伟达计算平台的生产效率极高，也就是说，投入资本所能带来的回报非常出色。因此，即使把计算设备部署到太空中，发射成本在整体投入中仍然只占很小一部分。当然，发射成本绝不是可以忽略不计的。所以，你不会把低成本、低价值的计算设备送到太空，而是会部署高价值的计算系统。
英伟达提供的正是你能想象到的最高价值计算系统，也是计算技术发展史上能力最强的计算系统。因此，就目前而言，我们确实非常适合作为太空任务的载荷。即使考虑发射成本，投资回报率仍然会非常出色。
主持人：到2029年，我们能在太空中部署500兆瓦的算力吗？
黄仁勋：这个问题还是让马斯克自己回答。不过，我觉得这件事并非不可能。马斯克现在每年要发射多少次？我不确定具体数字，反正一天要发射好几次。你完全可以把 Vera Rubin 系统送上太空，而且从投资回报来看是合理的。市场需求确实存在，他能够获得很好的投资回报，而这些系统的生产效率也极其出色。
另外，英伟达计算平台具有很强的可替代性。假设你把一颗卫星送入太空，如果没有客户租用它，它就只能闲置在那里，而我们当然不希望出现这种情况。英伟达的计算资源可以灵活地服务于不同客户，而且会有大量租户。我们与全球所有采用闭源模型的公司都有合作，能够运行全球所有的开放模型，还有数千家初创企业与我们合作，同时也服务于每一个行业的企业客户。因此，我们的算力可以灵活地满足各种需求，而且非常耐用。
你知道，这些设备部署上去之后，可以在太空中持续运行。而且我们会不断升级 CUDA 软件。我们是全球唯一一家硬件公司之一，能够让客户在八年前购买我们的硬件之后，至今仍然持续获得软件更新和新的算法支持。只要卫星还在太空中，我们就会继续更新软件，因此这些设备会非常耐用。我认为，结合这三项特性以及我们的技术优势，英伟达的计算平台确实是 SpaceX 非常理想的发射载荷。
人工智能收入能否支撑资本支出？黄仁勋：必须可以
主持人：建设这些基础设施需要投入数万亿美元。你们还利用自己的资产负债表，为新型云服务商等企业提供支持，帮助他们建设基础设施。对金融界的人来说，要让这些投资在财务上说得通，就必须看到投资回报。
你有多大信心，这些实验室未来每年还能把收入增长两到三倍，从而支撑起数万亿美元的基础设施投资？你也投资了一些公司，而且投入相当大。你认为它们能够持续实现这样的增长吗？
黄仁勋：当然可以。人们误解了目前正在发生的事情。首先，英伟达目前大约占全球人工智能基础设施收入的80%。因此，如果我们要理解整个计算市场，就必须明白，英伟达所参与的计算业务远不止大家想到的那些人工智能实验室。大致来说，我们的计算业务可以分成三个主要部分，实际上可能还不止三个，但我先按三个大类来说明。
第一部分是基础计算。它用于数据处理、分子动力学、物理模拟、聚变模拟、裂变模拟、量子化学、量子物理，以及各种各样的计算任务。此外，还有计算机图形学等领域，这些工作都可以通过我们的GPU来完成。假设人工智能根本不存在，世界上只有传统机器学习，或者用来决定向你推荐哪些新闻的推荐系统，以及其他传统计算任务，没有生成式人工智能，没有深度学习，也没有智能体系统，这些业务加起来仍然约占我们业务的三分之一。而且，这部分业务每年仍然以大约30%至40%的速度增长。所以，即使没有任何人工智能实验室，英伟达也绝不可能变成一家没有业务的公司。我们依然是一家规模相当庞大的企业。这是第一部分。
第二部分是人工智能实验室。人们通常只看到其中两家，但实际上我们与所有这些实验室都有合作。Meta 的 Muse 模型进展非常出色，表现令人惊叹，而且背后大量依赖英伟达的计算能力。就在一年前，或者再往前一年，这类模型还不存在，当时主要还是推荐系统。现在，Meta 通过 Muse 取得了很大进展。当然，三年前 Grok 还不存在。我们过去也没有运行 Gemini，但现在已经在运行了。今年，我们还开始与 Anthropic 合作。所以，当别人看我们的计算业务时，可能只看到几家实验室；但我看到的是五六家实验室，而且它们的表现都很好。
假设这些实验室占我们业务的比例还不到三分之一，占算力需求的比例大约是四分之一，那也已经非常不错了。人们看到英伟达占据人工智能基础设施市场约80%的收入份额，但我们现在实际上是在为全世界提供基础设施。我刚才说过，前沿人工智能实验室可能只占我们业务的25%到30%；另有大约三分之一用于一般性的计算和数据处理。
第三部分才是真正令人兴奋的地方。因为我们正处于新一代计算平台转型的起点，大量初创企业正在涌现，出现了许多优秀的新公司。其中一些面向消费者市场，表现很好；还有一些专注于各种物理人工智能、生物人工智能、材料科学人工智能等领域，已经有数千家这样的公司成立。它们在做什么？它们租用英伟达的算力。也就是说，它们都是我们的算力租户。这部分业务大致占我们业务的三分之一，整体而言，这部分业务约占我们业务的三分之一。
我认为，我们才刚刚开始建设这一代新的计算架构。把整个基础设施建设的前景归结为少数几家公司，并认为只有它们在为基础设施买单，这是一个非常大的错误。
未来几年，算力需求将从5000亿美元增长到1.5万亿美元
黄仁勋：我一直是开放模型的积极支持者。原因很简单：开放模型能够创造新的机会。如果你看看这些初创企业，会发现其中80%都在使用开放模型。
它们并不是想和前沿人工智能实验室正面竞争，而是希望借助开放模型，在其他领域开辟新的机会。可能是物理人工智能、制造业，也可能是医疗保健。它们做的是完全不同的事情。这些公司会采用开放模型，其中许多还会使用 Neotron 等模型，再通过定制化训练，让模型在特定领域达到超级智能的水平。
如果这样理解的话，通用型的闭源实验室会致力于实现通用人工智能，并不断提升其能力。与此同时，还有大量专注于特定垂直领域的公司，它们拥有高度专有的数据，会训练模型完成非常具体的任务，最终让模型在各自的专业领域实现超级智能。
主持人：所以，你并不认为应该只看少数几家实验室的收入，来推算整个行业的未来。
我经常听到有人担心，因为他们看到今年部分实验室的收入增长有所放缓，于是担心某个时刻泡沫会破裂：新增的算力供应超过了当时的市场需求。人工智能的发展曲线可能不是一条持续向上的抛物线，而更像是阶梯式增长，会在某些阶段突然跃升，然后暂时停滞。因此，我想问你：你是否担心有一天，所有人突然开始担忧基础设施建设的融资问题，导致大家不再愿意投资，最终使整个建设计划无法继续？
黄仁勋：我认为，对这些问题都应该逐一拆解，回到最基本的原理来分析。人们试图外推的那些收入数字，比如1000亿、1250亿美元之类的，其实只是整个基础设施建设中的一部分。当然，这部分很重要，但它并不代表全部。真正的问题是：人们还会继续在网上购物吗？当然会。你刚才提到的那第三部分业务，我们说它占英伟达业务的三分之一，这点完全可以相信，根本没有争议。
几年前，我就说过，到本世纪20年代末，全球基础设施建设的年支出可能会达到3万亿至4万亿美元。显然，我认为这个数字会更接近4万亿美元，而不是3万亿美元。假设其中1.5万亿美元用于计算本身。那么，为什么计算支出会达到如此庞大的规模？在人工智能兴起之前，这一数字就已经达到约5000亿美元。如果在接下来的六七八年里，因为全世界需要越来越多的计算能力，这个数字从5000亿美元增长到1.5万亿美元，这并不是什么不合逻辑的事情。
此外，摩尔定律已经走到了尽头。过去，如果你想让晶体管数量翻倍，只要等一年就行了；如果还想再翻一倍，再等一年就行，而且价格基本不变。但现在，如果你想让晶体管数量翻倍，无论等多久，你都必须支付大约两倍的成本。这就是摩尔定律失效所带来的影响。因此，无论全世界每年需要多少计算能力，如果希望计算能力翻倍，就必须付出大约两倍的成本。
在原本每年就自然增长的5000亿美元计算支出之上，由于全球数字化程度不断提高，计算需求持续增长，我们还必须把摩尔定律失效所带来的额外成本考虑进去。即使没有人工智能，半导体产业也已经走在成为全球最大产业的道路上。我很早以前就说过这件事，只是大家后来忘了，我两年前就说过了。
而且，别忘了，我们正处于新一轮计算平台转型之中，这意味着会有大量初创企业诞生。创新本来就是经济的重要组成部分，新公司不断涌现，而且这个过程还在加速。回到摩尔定律时代，传统通用计算的成本大约是每吉瓦50亿美元；而如今，像 Vera Rubin 这样的系统，每吉瓦的成本可能达到500亿美元。问题是，Vera Rubin 能否为世界创造十倍的价值？我认为可以。因此，最终的结论是：我们根本没有必要假设任何一家人工智能实验室必须增长到数万亿美元的收入规模，才能支撑整个行业的发展。
不应该把过多压力放在两家实验室身上
主持人：你一直强调的重点是：当我们谈到明年新增40吉瓦的基础设施时，至少三分之一是用于替换超大规模云服务商的通用计算资源，也就是那些最基础的计算需求；另外三分之一会流向新型云服务商、主权计算项目、企业以及其他用户，包括所有那些初创公司；剩下的三分之一也不是只流向两家实验室，而是会流向很多家实验室，包括 Grok、Thinking Machines 等等。我们却把太多压力都放在了两家实验室身上。
黄仁勋：我很高兴能与它们合作并支持它们。它们将成为人类历史上最具影响力的两家科技公司，而且会取得非常了不起的成功。但它们并不需要达到每年一万亿美元的收入，才能算是成功。我认为，我们给它们施加了过大的压力。与此同时，整个行业仍然需要建设数万亿美元规模的计算基础设施。
芯片需求量超过供给100%，虽然困难，用18个月能解决
主持人：你之前说，明年行业对英伟达芯片的需求将超过供给100% 以上。你给出的指引是营收增长 70%。你还展望了未来一年的情况，因为你说供应受到限制。这就是我当时掌握的全部信息。
黄仁勋：没错。
主持人：你说自己很有信心，而且还有充足的时间与供应链合作，争取做得更好。你预计情况会进一步改善，也不想让客户失望。那么，事情是不是进展得比预期还要好？订单是不是还在持续增长？你觉得供应链还有没有可以挖掘的余量？随着更多能力逐渐释放，你们能不能进一步提高供货量？
黄仁勋：首先，我来解释一下当时为什么要告诉大家这些情况。我们面临的挑战是，订单实在太庞大了。每一家云服务提供商（CSP）、每一家新云服务商（NCP）、每一家原始设备制造商（OEM）都已经向我们下了订单。初创公司、大公司、小公司，全都已经下单了。
原因在于，我们会根据客户规模，与他们提前规划。对大多数客户，我们至少会提前一年协作规划；对最大的客户，则会做两年期的预测。因此，我们手里已经有非常庞大的订单。
当时我正在给所有客户分配产能，但我能分配给他们的数量，远远低于他们想要的数量。如果我不公开说明我们的实际情况，大家就会开始猜疑：是不是有人被亏待了？是不是有人拿到的份额不公平？
事实上，几乎每一个客户都愿意从我们这里买更多产品，只要我们能多交付一些，他们就会多买，而且会多买很多。此后，我们几乎每周、甚至每天都会收到新订单。与此同时，我们的供应也在增加。有些限制我们供货能力的因素，出现在产业链下游，比如土地和电力资源，所以，几周前我们宣布了在澳大利亚新增 2 吉瓦的相关资源。对我们来说，2 吉瓦意味着大约 800 亿美元的规模，这是件大事。
我希望之后和 UTC 一起去欧洲时，也能宣布一些新的合作伙伴关系，从而释放更多土地和电力资源。这些资源显然是我们面临的障碍之一，而英伟达在这方面具有巨大的优势。
因为基于我们所打造的技术，如果一家新云服务商，比如CoreWeave 或 EBS 希望扩大业务规模，英伟达拥有完整的 AI 基础设施全栈，可以支持它们扩张。我们可以在其他公司无法做到的地方建设，也可以与合作伙伴和客户一起建设。
我认为，这让我们的供应体系更有韧性。不过，随着我们继续增加上游和下游的供应，有一个关键领域仍然受到限制，那就是封装基板。
基板越来越大，上面集成的芯片也越来越多，这给制造带来了双重压力。每一颗出货的芯片，都需要消耗更多的材料。而且，随着封装尺寸变大，要以我们要求的精度制造这些有机材料，难度也越来越高。热膨胀系数、堆叠方式等因素，都让我们很难处理翘曲以及各种制造缺陷。
以我们这样的规模生产，必须达到极高的精度，也必须拥有非常出色的合作伙伴。这些都是供应受限的原因。硅光子技术也受到供应限制。事实上，各个环节都受到供应限制。
所以，我们会继续努力。我说过，我还有 18 个月的时间来解决这些问题。每过去一周，我们的供应能力都会有所提升，但与此同时，我们也在不断增加供货量，而订单还在继续增长。因此，未来几年里，要缩小供需之间的差距仍然会很困难。
英伟达的护城河只会越来越宽
主持人：来看看这张图。灰色线代表2025 年年初市场对英伟达的一致预期，蓝色线是预测。你们当时的预测远高于市场一致预期。如今，市场一致预期已经上调到了一个更高的水平。一年之内，市场对这家公司的业绩一致预期就上调了100% 到 200%。在我从事这项工作二十多年的时间里，很少看到市场一致预期出现这么大的偏差。
你认为市场对英伟达究竟在表达什么看法？或者说，市场对自身预期的信心究竟如何，才会导致这种情况？
黄仁勋：首先，对于一家规模已经如此庞大的公司来说，还能继续扩大市场份额，这本身就说明了我们业务的韧性。
主持人：是的，也说明了你们的规模，以及竞争优势有多么强大。那么，你们的优势是在扩大还是在缩小？你们的竞争护城河是在变宽还是变窄？
黄仁勋：在扩大。是的。我举个例子，我们现在做一个思想实验。假设现在你必须给某家公司开一张1000 亿美元的支票，用来订购下一代产品。如果你想排队订购 Vera Rubin Ultra，现在已经快到下单的时候了。
而且你还没见过实物，就要下单。因为客户是有信心的。假设你必须把1000 亿美元投给某家公司，你怎么知道它的产品会不会足够好？因为这是英伟达打造的，大家之所以对 Vera Rubin 有信心，是因为 Grace Black 的表现非常好。
计算领域的工作负载非常复杂，你不能只靠某一个基准测试来衡量系统的表现。
主持人：对。毕竟这是价值 500 亿美元的系统。
黄仁勋：没错。要实现预期性能，需要把大量不同的技术整合在一起，复杂程度惊人。所以，问题是：在完全没有见过实物的情况下，你敢向谁下 500 亿美元的订单？我们实际上是唯一的选择。
以前，下一个价值 10 亿美元的采购订单就已经很有挑战性了。但如果你下的是 1 亿美元的订单，而且系统就摆在你面前，你还可以对芯片进行基准测试。可现在，你要如何测试这些系统？光是把它们建造出来，就已经是个奇迹了。
如果有人想做评估，我很乐意支持。但你得先给我一座大型数据中心，我们还需要花上几年时间对它进行改造。如今，这些系统已经不是那么容易通过基准测试来评估的了。
主持人：很有意思。
黄仁勋：这和台积电的情况完全一样。
我们把 100% 的业务都交给台积电，是因为它是全球唯一一家让我可以提前五年规划，并且即使还没看到最终产品，也能确信其晶体管品质会非常出色的公司。因为它的表现会比前一代更好，也会比再前一代更好。
而且，我知道他们会为我预留产能，也知道他们懂得如何与我的业务团队合作。他们有足够的灵活性，能够应对我们业务的各种起伏。例如，我的预测从灰色线变成蓝色线，又变成绿色线，他们都能应对。
主持人：对。他们必须有足够大的规模，才能帮助你完成从灰色到蓝色再到绿色的转变。
黄仁勋：没错。世界上没有其他公司能帮我做到这一点。
此外，我们还需要整合各种不同的工艺技术，从硅光子、逻辑芯片、存储器，到先进封装。我们所做的事情变化极快、复杂程度极高。你怎么可能指望一家规模只有他们十分之一的公司做到这一切？根本不可能。
所以，我认为核心在于：我们正在为整个地球打造基础设施，而英伟达已经成为一家基础设施公司。
这些基础设施的成本非常高，技术又在快速演进。我们几乎是凭借信任，以及我们能够运行所有这些工作负载的能力，建立起了优势。
最初，人们关注的是一些 GPT 模型。但后来，FlashAttention 等机制被重新发明出来；我们改变了模型的并行化方式，并通过NVLink 互联的 72-GPU 系统（NVL72）将模型切分、分布到不同部分。整个技术格局随之改变。
现在，人们又开始讨论 Transformer 与扩散模型的混合架构、混合了状态空间模型（SSM）的 Transformer，以及各种不同的技术。不管这些技术如何演进，我们都知道它们可以运行在 CUDA 上。
我们不知道未来究竟需要更多预训练、后训练，还是更多智能体推理。但无论哪种方式，我们的系统都能运行。
所以，你可以建造一座价值 500 亿甚至 1000 亿美元的数据中心，并且知道它的计算资源能够灵活地分配给不同工作负载。如果因为某种未知原因，你想把一半算力转租给其他人，英伟达的基础设施完全可以做到。
我们的平台可以适配不同的工作负载、不同的模型，也可以服务不同的客户，而且能部署到全球各地。
假设你在欧洲创办了一家公司，希望服务欧洲的客户，也希望服务日本的客户，你会发现，我们的基础设施早已在那里。
全球布局，英伟达可以把 AI 公司带到任何地方
黄仁勋：英伟达的基础设施已经遍布各地。所以，如果 OpenAI 想进入欧洲，我们马上就能带它过去。如果它想进入印度，也可以立即实现。
如果 Anthropic 想进入日本或韩国，同样可以马上开展业务，因为我们的基础设施已经在那里。所以，如果你从整体上看待英伟达，然后再回到刚才那个思想实验：假设你要把1000 亿美元交给某家公司，你会怎么选？
主持人：一年前，我们坐在这里时，市场一致预期认为，你们在 2027 年的业绩将持平，甚至可能萎缩。而现在，市场一致预期变成了增长 74%。
我想让大家认真想一想这件事，因为很多人会关注市场一致预期，但这些预测当时错得非常离谱。
黄仁勋：我把所有事情都解释过了。如果把时间展望到 2029 年，我们之前还讨论过投资回报率的问题，也谈到了定制化方案与通用方案之间的区别。英伟达之所以坚持通用平台，是因为这样才能让我们的计算资源具备充分的可替代性和灵活性。
可替代性带来的好处是风险低。当你要投入巨额资金时，低风险就特别重要。假如你要建设价值 500 亿或 1000 亿美元的基础设施，你必须确信，这些基础设施在很长一段时间里都能保持出色的表现，无论发生什么情况。
因此，专业化是可替代性的敌人，也是持久性的敌人。
只要我们能证明自己的性能非常出色，而我们每天都在证明这一点——那么，可替代性和持久性就能转化为租赁能力，进一步转化为生产力和融资能力，最终带来最低的总体拥有成本。
两种全新的商业模式，已经奏效了
黄仁勋：还有一件事我之前忘了提。可能你正准备问我这个问题。我们大部分投资和融资合作策略，其实都在围绕两种新的商业模式展开。
第一种是软件授权。这件事我们已经做了一段时间，而且未来会加速推进。
我们公司拥有的软件体系极其强大。想想数据中心的规模，再想想其中运行着多少软件。我们提供的是完整的软件栈，而且这个软件栈已经达到了工业级标准，能够满足云服务提供商的需求。
这些大型云服务商通常希望运行自己的软件栈，所以我们可以把软件授权给他们，也可以将软件开源，让他们自行修改、整合到自己的系统中，再运营自己的服务。
但世界上很多企业并没有自己的 IT 部门，也没有足够的软件工程团队来做这些事。因此，他们需要我们持续维护软件。
过去几年，AI 的重点主要在训练上；但现在行业正在转向部署阶段。企业需要把这些系统当作工厂来运营，也需要确保我们能够长期负责支持和维护。
我们要承担服务等级协议所规定的责任，确保系统持续运行、保持安全，并在未来很长时间里得到维护。因此，面向企业的软件授权业务将会非常庞大。
简单计算一下，假设我们的软件授权费用是每颗 GPU 每年几千美元，而我们拥有数百万颗 GPU。假设我们一年出货 2000 万颗 GPU，而且业务还在增长，其中一半进入全球企业市场，那么收入规模很快就会累积起来。
所以，我相当确信，软件授权将成为我们业务中非常重要的一部分。
第二种模式，涉及一些依赖英伟达完整技术栈的云服务商。他们依赖我们的采购承诺、生态系统，也可能需要我们作为投资伙伴，帮助他们获得融资和资本。
这些公司已经获得了土地、电力等资源，也有很多有利条件，甚至可能成为所在地区的领军企业。但在这几个方面，他们仍然需要我们的支持。
因此，在这类合作关系中，我们很可能会采用收入分成模式。我们会进行投资，既能从前期销售中获益，也能在未来持续分享收入。我们不是云服务提供商，但我们会在未来四年、五年甚至十年里，为这些合作伙伴提供采购承诺和软件支持。因此，我们理应从中获得相应的经济回报。
你会发现，我刚才描述的两条全新的增长路径，它们不依赖硬件销售，而是更多地与我们平台的安装基础有关。
如果没有庞大的安装基础，软件授权有什么价值？如果没有采购承诺，又怎么可能实现收入分成？
因此，我们的安装基础、丰富的软件栈、采购承诺，以及遍布全球的生态系统，都将为这些新业务提供动力。
黄仁勋投哪家公司？你就应该投哪家公司
主持人：我们刚才谈到，你们的市盈率只有 13 倍左右。你们现在把超过50% 的自由现金流用于回购股票，实际上是在回馈股东，同时公司本身还在实现指数级增长。
黄仁勋：我们之前说的是 50%，我想上一季度，我们的比例达到了 60% 多。我们还会继续增加回报。正如你们所知道的，我们也会投资一些非常优秀的公司。过去几年，市场上流传着这样一句话：英伟达买谁的东西，或者黄仁勋向谁采购，你就应该投资那家公司。
现在，市场上又有了新的说法：黄仁勋投资哪家公司，你就应该投资哪家公司。
这确实有一定道理。原因是，我们身处整个生态系统之中，掌握着信息流，也能与其他投资者共同了解这些投资机会。
我们认识很多聪明的人，也希望在他们想做一些伟大事情的时候支持他们。因此，我们确实处于相对有利的位置，掌握着大量信息，所以我们的投资往往是经过充分了解后作出的。
更重要的是，英伟达本身就在这个生态系统中，我们也能够帮助这些公司取得成功。所以，这些投资能取得好结果，有很多不同的原因。
不过，投资金额占我们现金创造总额的比例，很快就会下降。一方面，像 OpenAI 和 Anthropic 这样的投资机会，不会反复出现；坦白说，这种机会不会经常出现。另一方面，我们的现金流增长得非常快。
主持人：说到这里，如果你们正在大规模回购股票，而且正如你今天所解释的，营收的持续性可能比人们预期的更长。我认为，人们仍然过度关注一个问题：这轮增长究竟还能持续多久？泡沫还要多久才会破裂？
我记得大约两到三年你的意思是，你对眼下的需求有相当好的可见度，再往后就很难判断了。我听到一些人说，可能只需要两年，这轮热潮就会结束。但在我看来，这实际上是在永久性地重构全球计算产业。
黄仁勋： 永久性的改变，除非全球经济陷入大萧条。
主持人：对。否则，每一年，人们都需要消耗大量英伟达的算力。
黄仁勋：是的。可以这样理解：过去云服务提供商每年的基础设施支出大约是 5000 亿美元。整个行业、整个世界每年投入建设的相关基础设施，可以说大约是 1 万亿美元。
每年都会建设更多基础设施，而大约每五年，就会有一部分设备折旧、退役或被关闭。当然，有些设备的使用寿命更长。
那是过去以检索为主的计算方式。现在，我们正在转向一种新的计算方式。
我之前预测，未来几年这个市场会增长到几万亿美元的规模。比如三万亿、四万亿，或者说五万亿美元。
而我的判断是，在达到这个规模之后，我们仍然会继续增长。
如果你告诉我，到那时，全球每年用于新增基础设施、扩建产能以及更新旧设施的支出加起来达到 10 万亿美元，我一点也不会感到惊讶。
未来十年：99.99% 的信心
主持人：最后，顺便说一句，工业革命刚开始的时候，人们也表达过类似的担忧。你有多大信心认为，五年之后，我们会作出正确的决定，让世界变得更美好，实现我们今天所描述的未来？你认为，我们今天对未来的信心是否比12 个月前更强？
黄仁勋：我有 99.99% 的信心。这是为了纪念一位好朋友，所以我不会说 0% 或 100%。因为有太多的人真心在乎最终的结果，希望事情能够向好的方向发展。
我们会投入自己的全部能力、智慧和资源，确保以负责任、乐观的方式实现这个目标。
有太多的人正在做正确的事情。当然，有些人喜欢高谈阔论，他们的观点往往受到自己所掌握的信息影响，却没有意识到，在他们的信息圈之外，还有许多行业、研究人员和工程师，正在独立地做着令人惊叹的工作。
我在公司内部经常说，即使没有我的领导，即使没有我的战略，公司里的人也会自发地做出明智的决策。
聪明人本来就会做聪明的事。如果把他们组织起来，他们就能创造更大的影响力。但即使没有人组织他们，许多优秀的人也一样会独立完成很了不起的工作。
所以，当有人问我是不是担心未来时，我会说：保持担忧是好事，我们应该表达自己的担忧和顾虑。但我们不应该因此就预言世界末日。
因为那样做低估了人类的本性，也低估了人类的能力。有些人可能是出于自负，也可能是傲慢，觉得如果事情不是由他们来做，就不会有人做成。但事实并非如此。
无论我有没有说出来，英伟达这家公司都在做着了不起的事情。我得到所有的赞誉，也承担所有的责备。两方面我都觉得很公平，尤其是那些赞誉。
原因在于，当你身边聚集着一群非常优秀的人，并且创造出一种环境，让所有人都朝着同一个良好目标努力时，事情就会向好的方向发展。
我认为，大多数人都希望事情有一个好的结果。这就是为什么我们必须对自己负责、接受问责。
但与此同时，我们也应该描绘一个乐观的未来。我有 99.99% 的把握，相信只要我们与世界各地那些优秀的人携手合作，就一定能共同实现这个目标。
主持人：我同意。我认为你是国家的瑰宝，今天就聊到这里，谢谢你。
黄仁勋：谢谢大家。
参考链接：https://www.youtube.com/watch?v=eS7qQ3WJSrw
当 OpenAI、Anthropic、Google，到智谱、DeepSeek、Kimi、阿里都开始密集发布自进化相关研究，RSI 正从概念走向真正的技术竞赛。
11 月 20—21 日，2026 奇点智能技术大会「大模型技术：从 Agentic Scaling 到 RSI」专场，将邀请一线研究者与工程专家，围绕 Agentic Scaling、RSI、自进化闭环、持续学习、AI 制造 AI 等关键问题展开分享。
同时，我们整理了 《RSI（递归自我改进 / 自进化）前沿研究资料包》，汇总 OpenAI、Anthropic、Google、DeepSeek、智谱、Kimi、阿里等最新论文、官方技术报告与研究出处。
扫描下方海报二维码，领取 RSI 前沿资料包，并了解专题参会详情。
热门跟贴