黃仁勛最新訪談：英偉達投資OpenAI不是簽署大額訂單的前提

近期，英偉達（NVDA.US）投資“出手”頻繁，先是宣布50億美元投資英特爾，隨后斥資至多1000億美元投資OpenAI，而受此前OpenAI與甲骨文的合作，市場均在股價層面給予了積極反饋。

但市場也出現了質疑聲音——稱英偉達、OpenAI與甲骨文存在“收入循環”，財務數字“操作”大于實際營收。

9月25日，在播客BG2最新一期節目中，BG2主播、Altimeter Capital創始人Brad Gerstner，Altimeter Capital合伙人Clark Tang與英偉達CEO黃仁勛展開了一次對話。黃仁勛在對話中回應了當下市場的關心的問題。

黃仁勛認為，投資OpenAI實際上是一個很好的機會，并認為OpenAI將是下一家數萬億美元級別的Hyperscaler。

此外，黃仁勛也特別解釋了為什么ASIC芯片并不完全和英偉達GPU是競爭關系——因為英偉達是AI基礎設施提供商，其提供的能力范圍已經不僅僅是硬件和軟件層面，也包括其不斷迭代的速度、規模優勢帶來的可靠性，以及整體能源效率等綜合因素。

因此，黃仁勛認為英偉達目前的護城河比三年前“更寬“，而Brad Gerstner甚至認為，英偉達將是史上第一家達到十萬億美元的公司。

以下為「明亮公司」編譯的訪談正文（有刪節）：

Brad Gerstner：Jensen，再次歡迎你。你的紅色眼鏡很好看，真的很適合你。距離上次上播客，已過去一年多。你們如今超過40%的收入來自推理（inference），而且推理正因為chain of reasoning鏈式推理而要起飛了。

黃仁勛：大多數人還沒真正內化這一點，這其實就是一場工業革命。

投資OpenAI不是合作的前提，是因為有機會能投

Brad Gerstner：說真的，從那次之后，感覺你我每天都像在驗證那期播客。在AI的時間尺度上，這一年像過了一百年。我最近重看了那期，很多觀點讓我印象深刻。

最打動我的是你當時拍著桌子說——當時大家覺得預訓練進入低潮（pre-training），很多人說預訓練要完蛋了，硬件建設過度。那是大約一年半前。你說推理不會只是一百倍、一千倍。會是十億倍。這把我們帶到今天。你剛宣布了一項巨大合作，我們應該從這里聊起。

黃仁勛：我想正式說下，我認為我們現在有三條Scaling Law。第一是預訓練的Scaling Law。第二是后訓練（post-training）的Scaling Law。后訓練基本上就是讓AI練習一種技能，直到做對,它會嘗試很多不同方法。要做到這一點，就必須進行推理（inference）。所以訓練與推理如今以強化學習的方式整合在一起，非常復雜，這就是后訓練。

第三是推理（inference）。過去的推理是“一次出手”，而我們現在理解的新推理，是“先思考再作答”。先想，再回答，想得越久，答案質量越高。思考過程中你會檢索、查證事實、學到東西，再繼續思考、繼續學習，最后輸出答案，而不是上來就生成。所以思考、后訓練、預訓練，如今我們有三條Scaling Law，而不是一條。

Brad Gerstner：這些你去年就提過，但你今年說推理會提升十億倍，并由此帶來更高水平智能”的信心更高嗎？

黃仁勛：我今年更有把握。原因是看看如今的智能體系統。AI不再是單一語言模型，而是由多個語言模型組成的系統，它們并發運行。有的在用工具，有的在做檢索，事情非常多，而且是多模態。看看生成的視頻，簡直令人難以置信。

Brad Gerstner：這也引到本周的關鍵時刻，大家都在談你們與OpenAI的重磅合作Stargate。你們將成為首選合作伙伴，并在一段時間內向公司投資1000億美元。他們會建10個“gig“(Gigawatt，吉瓦)。如果這10個“gig”都用英偉達，那對你們的收入貢獻可能高達4000億美元。幫我們理解一下這個合作，對你意味著什么？以及為何這項投資是合理的？

黃仁勛：我先回答后一個問題，再回到我的敘述。我認為OpenAI很可能成為下一家數萬億美元級的hyperscale公司。

就像Meta是hyperscale，Google也是，他們會同時擁有C端與企業服務。他們非常可能成為下一家多數萬億美元級的hyperscale公司。如果是這樣，能在他們達到那個規模之前投資進去，是我們能想象到的最聰明的投資之一。你必須投資你熟悉的東西，恰好我們熟悉這個領域。所以這筆錢的回報會非常出色。

我們很樂意投資，但不是必須的，也不是合作的前提；是他們給了投資機會，這太好了。

我們與OpenAI在多個項目上合作。第一，Microsoft Azure的建設，我們會持續推進，這個合作進展非常順利，未來還有數年的建設；第二，OCI（Oracle Cloud Infrastructure）的建設，我想大概有5-7個GW要建。我們與OCI、OpenAI、軟銀一道推進。這些項目都已簽約，正在實施，工作量很大。第三是CoreWeave。所有與CoreWeave相關的……我還在講OpenAI，對，一切都在OpenAI語境里。

所以問題是，這個新伙伴關系是什么？它是幫助OpenAI首次自建AI基礎設施。也就是我們直接與OpenAI在芯片、軟件、系統、AI工廠層面協作，幫助他們成為一家完全自運營的hyperscale公司。這會持續相當一段時間，是對他們現有建設的補充。

他們正經歷兩個指數曲線：第一個指數是客戶數量在指數級增長，因為AI在變好、用例在變好，幾乎每個應用現在都連到OpenAI，所以他們正經歷使用指數；

第二個指數是計算量的指數增長。每個使用場景的算力在暴漲。過去是一鍵式推理，現在要先思考再回答。這兩個指數疊加，大幅抬升了計算需求。我們會推進所有這些建設。因而這個新合作是對既有所有合作的“增量”，去支撐這股驚人的指數增長。

Brad Gerstner：你剛說到一個很有意思的點，你認為他們極大概率會成為數萬億美元公司，是很好的投資；同時你們還在幫助他們自建數據中心。過去他們把數據中心外包給微軟，現在他們要自建“全棧工廠”，就像Elon和X那樣，對吧？

Brad Gerstner：想想Colossus的優勢，他們構建全棧，就是hyperscaler，即便自己用不完容量，也能賣給別人。同樣的，Stargate在建設海量容量，他們覺得會用掉大部分，但也能售賣出去。這聽起來很像AWS、GCP（谷歌云）或Azure，是這意思嗎？

黃仁勛：我認為他們很可能自己用掉，就像X大多會自用。但他們希望與我們建立直接關系——直接工程協作和直接采購關系。就像Zuck、Meta與我們之間的直接關系。我們與Sundar和Google的直接關系，我們與Satya和Azure的直接伙伴關系。他們規模足夠大了，認為該建立這些直接關系了。我很樂意支持，而且Satya（微軟CEO）知道，Larry（谷歌聯合創始人）知道，大家都知道。

華爾街與英偉達之間預期背離：如何理解AI的需求規模

Brad Gerstner：這兒有件事我覺得頗為神秘。你剛提到Oracle 3000億、Colossus的建設，我們知道一些主權國家在建（AI基礎設施），hyperscaler也在建。Sam正以萬億美元的口吻來談這一切。可覆蓋你們股票的華爾街25位賣方分析師的共識卻顯示，你們從2027年開始增長放緩，預2027-2030年年化增速8%。這些人的唯一工作就是給英偉達做增長預測。顯然……

黃仁勛：我們對此很坦然。看，我們經常能輕松超預期。

英偉達數據中心營收的增長預期（來源：BG2）

Brad Gerstner：我明白。但這仍是個有趣的“背離”。我每天都在CNBC、彭博上聽到。很多人擔心短缺會轉向過剩，他們不相信持續高增長。他們說，行，我們給姑且信你們的2026年，但2027年可能供給過剩、不再需要那么多。但共識預測其實顯示這不會發生。我們也做了自己的預測，納入了所有這些數字。

結果是，即便進入“AI時代”兩年半，各方的信念仍然分歧巨大，Sam Altman、你、Sundar、Satya的看法，與華爾街仍然相信的相去甚遠。對此，你依舊感到從容嗎？

黃仁勛：我也不認為這不一致。首先，我們這些“建設者”應該為“機會”而建。我們是建設者。讓我給你三個思考點，有助于你對英偉達的未來更放心。

第一點，是物理定律層面的、最關鍵的一點，通用計算已到盡頭，未來屬于加速計算與AI計算。這是第一點。

你可以這樣想：全球有多少萬億美元的計算基礎設施要被更新換代。所以首先你得認識到通用計算的終結。沒人反對這一點。摩爾定律已死，人們常這么說。那么這意味著什么？通用計算會轉向加速計算。我們與Intel的合作就是在承認通用計算需要與加速計算融合，為他們創造新機會。通用計算正遷移到加速計算與AI。

第二點，AI的首要用例其實已無處不在——在搜索、在推薦引擎等等。基礎的hyperscale計算基礎設施過去由CPU執行推薦，如今要由GPU執行AI。你把傳統計算換成加速計算與AI；你把hyperscale計算從CPU換到加速計算與AI。這是第二點。僅僅滿足Meta、Google、字節跳動、Amazon，把它們傳統的hyperscale方式搬到AI，就是數千億美元的市場。

所以，哪怕先不談AI創造新機會，僅僅是AI改變了舊做法到新做法。然后再談未來。是的，到目前為止我其實只談了“平凡”的事。舊方式不對了。你不會再用煤油燈，而要用電。這就夠了。

然后是更不可思議的，當你走向AI、走向加速計算，會出現什么新應用？就是我們在談的所有AI相關，機會巨大。怎么理解？簡單想想，過去電機替代了體力勞動；現在我們有AI——我稱之為AI超級計算機、AI工廠——它們會生成tokens來增強人類智能。而人類智能占全球GDP的55%-65%……我們就算50萬億美元吧，這50萬億將被某種東西增強。

回到個人層面，假如我雇一位工資10萬美元的員工，再給TA配一個1萬美元的AI，如果這個AI讓那位員工產能翻倍、三倍？我會不會做。一定會做。我現在就在給公司里每個人配，沒錯，每位協作智能體（co-agents）、每位軟件工程師、每位芯片設計師都已有AI與其協作智能體，覆蓋率100%。

結果是我們做的芯片更好，數量在增長，推進速度更快。公司因此增長更快、招聘更多、生產率更高、營收更高。利潤更高。現在把英偉達的故事套到全球GDP上，很可能發生的是，這50萬億會被……我們取個數，10萬億美元所增強。而這10萬億需要跑在一臺機器上。

AI與過去IT的不同在于，過去軟件是事先寫好，跑在CPU上，不怎么自己“動”。未來，AI要生成tokens，而機器要生成這些tokens、它“在思考”，所以軟件一直在運行；過去是一次性編寫，現在是持續編寫、持續思考。要讓AI思考，就需要工廠。假設這10萬億token的毛利率是50%，其中5萬億需要工廠、需要AI基礎設施。

所以如果你告訴我全球每年的資本開支大概是5萬億美元，我會說這個數看起來說得通。這大概就是未來的輪廓——從通用計算到加速計算；把所有hyperscale都換成AI；然后用AI去增強人類智能，覆蓋全球經濟。

Clark Tang：以今天而言，我們估算年市場規模大約4000億美元，所以TAM從現在到目標是四到五倍的提升。

黃仁勛：沒錯。昨晚（北京時間9月24日）阿里巴巴的吳泳銘（Eddie Wu）說，從現在到20年代末，他們要把數據中心電力（消耗）提升十倍。對吧？你剛才說四倍？這就對上了。他們要把電力提升十倍，而我們的收入與電力幾乎是正相關。（注：吳泳銘表示，對比2022年GenAI元年，到2032年阿里云全球數據中心能耗規模將提升10倍）他還說token生成量每幾個月就翻倍。

這意味著什么？單位能耗性能（perf per watt）必須指數級提升。這就是為什么英偉達要瘋狂推進單位能耗性能提升，而單位能耗收入（revenue per watt）基本就是收入。

Brad Gerstner：在這個未來里，有個假設從歷史角度看我覺得很迷人。兩千年里，全球GDP基本不增長。然后工業革命來了，GDP加速；接著數字革命，GDP又加速。你現在的意思和Scott Bessent（美國現任財長）說的一樣——他認為明年全球GDP增長會到4%。你其實是在說全球GDP增速將加快，因為我們正在給世界提供“數十億同事”來為我們工作。而如果GDP是在既定勞動與資本下的產出，那么它必須……

黃仁勛：一定會增長。看看AI正在發生的事，AI的技術形態、可用性，諸如大語言模型與AI智能體，都在推動一個新的“智能體行業”。這點毫無疑問。OpenAI就是歷史上收入增長最快的公司，他們在指數級增長。所以AI本身是個高速增長的行業，因為AI需要背后的工廠與基礎設施，這個行業在增長，我的行業也在增長；而因為我的行業在增長，在我們之下的行業也在增長——能源在增長、電力與廠房在增長。這簡直是能源產業的復興。核能、燃氣輪機……看看我們生態之下的那些基礎設施公司，他們做得很棒，大家都在增長。

Brad Gerstne：這些數字讓大家都在談是否會“供給過剩”或“泡沫”。Zuckerberg上周在一個播客說了，可能會有短期的“氣阱”（Airpocket），Meta可能會多花個100億美元之類的。但他說，這不重要。對他業務的未來而言太關鍵了，這是必須承擔的風險。但從博弈角度看，這有點像“囚徒困境”。

黃仁勛：開心的囚徒。

Brad Gerstner：再捋一遍。今天我們估算到2026年，會有1000億美元的AI收入，不含Meta，也不含跑推薦引擎的GPU還有搜索等其他工作負載，我們就先算1000億。

黃仁勛：但hyperscale行業本身到底有多大？這個行業現在的基數是多少？

Brad Gerstner：以萬億美元計。

黃仁勛：對。這個行業會先部署AI，不是從零起步，你得從這里開始。

Brad Gerstner：不過懷疑者會說，我們必須從2026年的1000億，長到2030年至少1萬億的AI收入。你剛才還談到5萬億。從全球GDP的自下而上推演看，你能看到從1000億到1萬億在未來五年實現嗎？

黃仁勛：能，而且我會說我們其實已經到了。因為Hyperscalers已經把CPU遷到AI，他們的整個收入基座如今都由AI驅動。

Brad Gerstner：是的。

黃仁勛：沒有AI就沒有TikTok，對吧？沒有AI就沒有YouTube Shorts。Meta做的為你定制、個性化的內容，沒有AI就做不到。以前那些事情，靠人類事先創作、提供幾個選項，再由推薦引擎挑選。現在是AI生成無限多的選項。

Brad Gerstner：這些轉變已經發生：我們從CPU遷到GPU，主要是為了那些推薦引擎。

黃仁勛：對。Zuck會告訴你，我在SIGGRAPH時他也說過，他們其實到得有點晚。Meta用GPU也就一年半、兩年的事。搜索上用GPU更是嶄新的、剛剛開始的。

Brad Gerstner：所以論證是，到2030年我們有1萬億AI收入的概率幾乎確定，因為我們幾乎已經達到了。

接著我們只談“增量”。不管你做自下而上還是自上而下，我剛聽了你按全球GDP占比的自上而下的分析。那你覺得，未來三到五年內，出現“供給過剩（glut）”的概率有多大？

黃仁勛：在我們把所有通用計算徹底轉換為加速計算與AI之前，我認為出現過剩的概率極低。

Brad Gerstner：會花幾年？

黃仁勛：直到所有推薦引擎都基于AI，直到所有內容生成都基于AI。因為面向消費者的內容生成很大程度就是推薦系統之上的，所以所有這些都會轉向AI生成。直到傳統意義上的hyperscale全部遷到AI，從購物到電商等一切都遷過去。

Brad Gerstner：但所有這些新建項目，我們談的是“萬億級”，總是提前投資。那如果你們看到了放緩或過剩，是不是還“不得不”把錢投進去？還是說，一旦看到放緩跡象，再隨時收縮？

黃仁勛：實際上正相反，因為我們在供給鏈的末端，我們按需響應。現在，所有VC都會告訴你——你們也知道——全球短缺的是“計算”，不是GPU的數量短缺。只要給我訂單，我就造。過去兩年我們把整個供應鏈都打通了，從晶圓啟動、到封裝、到HBM內存等等，我們都加足了馬力。需要翻倍，我們就翻倍，供應鏈已備好。我們現在等的是需求信號。當云服務商、hyperscaler和客戶做年度計劃給我們預測時，我們就響應，并按那個預測去建。

問題是，他們每次給我們的預測都會錯，因為預測都偏低。于是我們總處于“緊急追趕”模式，已經持續了好幾年，每一輪預測都比上一年顯著上調。

Brad Gerstner：但還不夠。比如去年，Satya看起來稍微收斂了一點，有人說他像房間里那個“更穩重的成年人”，壓一壓預期。但幾周前他又說，我們今年也建了兩個“gig”，未來還會加速。你是否看到那些傳統hyperscalers——相較于Core Weave或Elon的X，或者相較于StarGate——此前略慢一些的，現在都在加倍投入，而且……

黃仁勛：因為第二條指數來了。我們已經有一條指數在增長，AI的應用和滲透率指數級增長。第二條指數是“推理與思考”，這就是我們一年前討論的。我當時說，一旦你把AI從“一次性出手、記憶并泛化”推進到“推理、檢索與用工具”，AI就在思考，它會用更多算力。

Clark Tang：回到你剛才的點，hyperscale客戶無論如何都需要把內部工作負載從通用計算遷到加速計算，他們會穿越周期持續建設。我想部分hyperscalers的負載結構不同，不確定消化速度，現在大家都認定自己嚴重低配了。

黃仁勛：我最喜歡的應用之一就是傳統的數據處理，即結構化與非結構化數據處理。很快我們會宣布一個關于“加速數據處理”的重大計劃。

數據處理占據了當今世界絕大多數CPU，它仍然完全跑在CPU上。去Databricks，大多是CPU；去Snowflake，大多是CPU；Oracle的SQL處理，大多是CPU。

大家都在用CPU做SQL/結構化數據。未來，這一切都會遷到AI數據。這是一個極其龐大的市場，我們會推進過去。但你需要英偉達的全部能力——加速層與領域專用的“配方”。數據處理層的“配方”需要我們去構建，但它要來了。

「循環營收」質疑：投資機會不綁定任何條件

Brad Gerstner：還有一個質疑點。昨天我打開CNBC，他們說的是“過剩、泡沫”。換到彭博，是“循環交易與循環營收（round-tripping、circular revenues）”。給在家觀看的觀眾解釋下，這指公司之間締結看似交易、實則缺乏真實經濟實質的安排，人為抬高營收。

換言之，增長不是來自真實的客戶需求，而是財務數字上。所以當你們、微軟或亞馬遜投資那些同時也是你們大客戶的公司時，比如你們投資OpenAI，而OpenAI又購買數百億美元的芯片。

請提醒我們、也提醒大家：當彭博等媒體分析師拿“循環營收”大做文章時，他們到底誤解了什么？

黃仁勛：建10GW的（數據中心）規模大概就是4000億美元左右吧。那4000億要主要由他們的offtake（消納能力/下游需求）來支撐，它在指數增長。

（支出）這得由他們自有資本、股權融資和可獲得的債務來支持，這是三種工具。能融到多少股權與債務，取決于他們對未來收入的把握程度。精明的投資人與授信人會綜合權衡這些因素。這是他們公司的事，不是我的。

我們當然要和他們緊密合作，以確保我們的建設能支持他們持續增長，但收入端與投資端無關。投資機會不是綁定任何條件的，是一個純投資機會。正如前面說的，這家公司很可能成為下一家多萬億美元級的hyperscale公司。誰不想持有它的股權？我唯一的遺憾是，他們早年就邀請我們投資，當時我們太“窮”了，投得不夠，真該把所有錢都投進去。

Brad Gerstner：而現實是，如果你們不把本職工作做到位，比如Vera Rubin最終不成好芯片，他們也可以去買別家的。對吧？他們沒有義務必須用你們的芯片。正如你說的，你們看待這件事是機會性的股權投資。

黃仁勛：我們投了xAI、投了CoreWeave，這都是很棒的投資。

Brad Gerstne：回到“循環營收”的討論，還有一個根本點是，你們把一切都擺在臺面上，告訴大家你們在做什么。而其背后的經濟實質是什么？并不是雙方互相倒騰營收。我們看到有用戶每月為ChatGPT付費，有15億月活在用這個產品。你剛說世界上每家企業要么擁抱這一切，要么被淘汰。每個主權國家都把這視為其國防與經濟安全的“生死攸關”，就像核能一樣。

黃仁勛：問問看，有哪一個人、公司、國家會說“智能”對我們是可選項？沒有。這就是基礎。關鍵在于“智能的自動化”。

摩爾定律已死，現在需要極致的軟硬件協同設計

Brad Gerstner：需求問題我問得夠多了，我們聊系統設計。我接下來會把話題遞給Clark。2024年你們切換到了年度發布節奏，對吧？

Hopper之后，2025年的Grace Blackwell是一次巨大升級，需要數據中心進行重大改造。26年下半年會有Vera Rubin，27年有Rubin Ultra，28年有Feynman。年度發布節奏進行得如何？為什么要改為年度發布？英偉達內部的AI是否讓你們能落實年度發布？

英偉達未來芯片架構的發展脈絡（來源：BG2）

黃仁勛：是的，答案是肯定的。沒有它，英偉達的速度、節奏和規模都會受限。現在沒有AI，根本不可能建出我們如今的產品。為什么這么做？記得Eddie（吳泳銘）在財報或大會上說過、Satya說過、Sam也說過……token生成速率在指數級上升，用戶使用在指數級上升。我記得OpenAI說周活躍用戶有8億左右，對吧？從ChatGPT推出才兩年。

Brad Gerstner：而且這些用戶的每次使用都在生成更多token，因為他們在使用“推理時思考”（inference-time reasoning）。

黃仁勛：沒錯。所以第一點是：在兩個指數疊加的情況下，除非我們以不可思議的速度提升性能，否則token生成成本會持續上升。

因為摩爾定律已死，晶體管的單位成本每年幾乎不變，電力也大致不變。在這兩條“定律”約束下，除非我們發明新技術降成本，否則即便給對方打個幾個百分點的折扣，也無法抵消兩個指數增長的壓力。因此我們必須每年以跟上這個指數的節奏去提升性能。

比如從Kepler（注：2012年4月發布）一路到Hopper（注：2022年3月發布），大概實現了100000的提升。那是英偉達 AI旅程的開端，十年十萬倍。Hopper到Blackwell，因為NVLink等，我們在一年內實現了30×的系統級提升；接下來Rubin還會再來一波“x”（數倍），Feynman再一波“×”……

之所以能做到，是因為晶體管本身幫不上太多忙了。摩爾定律基本只剩密度在漲，性能沒有相應提升。所以我們必須把問題在系統層面完全拆開，所有芯片同步升級，軟件棧與系統同步升級，這是極致的“協同設計（co-design）”。

以前沒人做到這個層級。我們同時改變CPU、重塑CPU，與GPU、網絡芯片、NVLink縱向擴展、Spectrum-X橫向擴展。當然還要去構建更大的系統，在多個AI工廠之間做跨域互聯。并且以年度節奏推進。所以我們自身也在技術上形成了“指數疊指數”。這讓客戶能持續拉低token成本，同時通過預訓練、后訓練與“思考”讓token更聰明。AI變聰明，使用就更多，使用更多就指數增長。

Brad Gerstner：極致的協同設計是什么？

黃仁勛：極致協同設計，意味著你要同時優化模型、算法、系統與芯片。

當摩爾定律還能推動時，只要讓CPU更快，一切都會更快。那是在“盒子里”創新，只需把那顆芯片做快。但如果芯片不再變快，你怎么辦？就要跳出原有框架來創新。

英偉達改變了行業，因為我們做了兩件事——發明了CUDA、發明了GPU，并把大規模協同設計的理念落地。

這就是為什么我們覆蓋這么多行業。我們在構建大量庫與協同設計。第一，全棧的極致不僅在軟件與GPU，還延伸到數據中心層面的交換與網絡，以及它們內部的所有軟件：交換機、網絡接口、縱向擴展與橫向擴展，跨全部層面優化。其結果就是Blackwell對Hopper的30×提升。摩爾定律根本做不到，這是極致協同設計的成果。

英偉達全部技術棧（來源：BG2）

Brad Gerstner：這些都源自極致協同設計。

黃仁勛：是的，這就是為什么我們要做網絡、做交換、做縱向/橫向/跨域擴展，做CPU、做GPU、做NIC。也是為什么英偉達的軟件如此豐富。我們在開源軟件上的貢獻提交量，全球能比的沒幾家。而且這還只是AI領域。別忘了我們在計算機圖形、數字生物學、自動駕駛等。我們產出的軟件規模極其可觀，這讓我們能做深度且極致的協同設計。

Brad Gerstner：我從你一位競爭對手那里聽說，你們這么做能降低token生成成本。但與此同時，你們的年度發布節奏讓競爭者幾乎很難跟上。因為你們給供應鏈三年的可見性，供應鏈鎖定更深，心里有底該供到什么規模。

黃仁勛：你不妨這樣想：要讓我們一年做幾千億美元級的AI基礎設施建設想想我們在一年前就必須提前預備多少產能。我們說的是數千億美元級的晶圓啟動量、DRAM采購量。這個規模，幾乎沒有公司能承接。

英偉達的護城河為什么更寬了：如何看ASIC的競爭力

Brad Gerstner：你們今天的護城河比三年前更寬了嗎？

黃仁勛：是的。

首先，競爭者比以往更多，但難度也比以往更大。因為晶圓成本在上升。除非你在極致規模上做協同設計，否則你交不出那個“數倍”級的增長，這是第一點。所以，除非你一年同時做6-8顆芯片，否則不行。重點不是做一顆ASIC，而是構建一座AI工廠系統。這座系統里有很多芯片，它們都協同設計。它們共同交付我們幾乎固定節奏能拿到的那個“10×”。

所以第一，協同設計必須極致。第二，規模必須極致。當你的客戶部署1個GW，那就是四五十萬顆GPU，要讓50萬顆GPU協同工作，這就是個奇跡。

所以客戶是在承擔巨大的風險來購買這些。你得想，有哪個客戶會在一個架構上下500億美元的采購訂單？一個全新的、未經大規模驗證的架構？

你再興奮、大家再為你喝彩，當你剛剛展示第一個硅片的時候，會有誰給你500億美元的訂單？你又為何敢在一顆剛剛流片的芯片上啟動500億美元的晶圓？但對英偉達來說，我們敢，因為我們的架構高度成熟與積累的信用。其二，我們客戶的規模極其驚人。再者，我們供應鏈的規模也極其驚人。誰會替一家企業去提前啟動這些、預構建這么多，除非他們確信英偉達能把它交付到底？對吧？他們相信我們能交付到全球所有客戶手里，愿意一次性啟動數千億美元的供應。

這就是“規模”的故事。

Clark Tang：順著這個點，全球一個最大的爭論是“GPU vs ASIC”，比如Google的TPU、Amazon的Trainium。Arm到OpenAI、Anthropic在傳出自研……你去年說過我們構建的是“系統”，不是“芯片”，而你們在堆棧的每一層都驅動性能提升。你還說過這些項目里很多可能永遠到不了生產規模，事實上…大多數都到不了。在TPU看似成功的前提下，你今天如何看這片正在演進的版圖？

黃仁勛：Google的優勢在“前瞻”。

記得他們在一切開始之前就做了TPU v1。這跟創業沒區別。你應當在市場尚未做大之前去創業，而不是等市場漲到萬億級再來。所有VC都懂一個謬誤：市場很大，只要拿到幾個百分點就能做成大公司。這是錯的。你該在一個很小的領域拿到“幾乎全部份額”，這就是英偉達當年做的，也是TPU當年做的。

所以今天那些做ASIC的人的挑戰在于：市場看起來很“肥”，但別忘了，這個“肥市場”已經從一顆叫GPU的芯片，演化為我剛描述的“AI工廠”。

你們剛看到我宣布了CPX（注：Rubin CPX GPU，英偉達專為長語境推理設計的芯片），這是一顆用于“上下文處理與擴散式視頻生成”的芯片，是很專門但很重要的數據中心負載。我剛才也暗示，也許會有“AI數據處理”處理器。因為你需要“長期記憶”和“短期記憶”。KVCache的處理非常重，AI記憶是大事。你希望你的AI有好記憶。圍繞整個系統處理KVCache非常復雜，也許它也需要一顆專屬處理器。

你可以看到，英偉達今天的視角，是俯瞰全體AI基礎設施——這些了不起的公司要如何讓多元且變動的工作負載流經系統？看看Transformers，這個架構在快速演化。若非CUDA如此好用、易于迭代，他們要如何進行如此海量的實驗，來決定采用哪種Transformer變體、哪類注意力算法？如何去做“解耦/重構（disaggregate）”？CUDA之所以能幫你做這一切，是因為它“高度可編程”。

所以看我們的業務，你得回到三五年前那些ASIC項目啟動之時，那會兒的行業“可愛而簡單”，只有GPU。一兩年后，它已巨大且復雜；再過兩年，它的規模會非常之大。所以，作為后來者要殺入一個巨量市場，這仗很難打。

Clark Tang：即便那些客戶在ASIC上成功了，他們的算力機隊里也應該有個“優化配比”，對吧？我覺得投資人喜歡非黑即白，但其實即便ASIC成功了，也要有個平衡。會有很多不同的芯片或部件加入英偉達的加速計算生態，以適配新生的負載。

Brad Gerstner：換句話說，Google也是你們的大客戶。

黃仁勛：Google是我們的大GPU客戶。Google很特殊，我們必須給予尊重。TPU已經迭代到v7了，對吧？這對他們也是極大挑戰。他們做的事情極難。

所以我想先理順一下芯片的分類。一類是“架構型”芯片：x86CPU、ArmCPU、英偉達GPU，屬于架構級，有豐富的IP與生態，技術很復雜，由架構的擁有者構建。

另一個是ASIC，我曾就職于發明ASIC概念的公司LSI Logic。你也知道，LSI早已不在。原因在于，當市場規模不太大時，ASIC很棒，找一家代工/設計服務公司幫你封裝整合并代工生產，他們會收你50-60個點的毛利。

但當ASIC面向的市場變大后，會出現一種新方式叫COT（Customer-Owned Tooling，客戶自有工具），誰會這么做？比如Apple的手機芯片，量級太大，他們絕不會去付給別人50-60%的毛利做ASIC，他們會自己掌握工具。

所以，當TPU變為一門大生意時，它也會走向COT，這毫無疑問。話說回來，ASIC有它的位置——視頻轉碼器的市場永遠不會太大；智能網卡（Smart NIC）的市場也不會太大。

所以當你看到一家ASIC公司有十來個甚至十五個ASIC項目時，我并不驚訝，因為可能其中五個是Smart NIC、四個是轉碼器。它們都是AI芯片嗎？當然不是。如果有人做一顆為某個特定推薦系統定制的處理器，做成ASIC，當然也可以。但你會用ASIC來做那顆“基礎計算引擎”嗎？要知道AI的工作負載變化極快。有低延遲負載，有高吞吐負載；有聊天token生成，有“思考”負載，有AI視頻生成負載，現在你在談的是……

Clark Tang：算力機群的 “主力骨干”。

黃仁勛：這才是英偉達的定位。

Brad Gerstner：再通俗點講，就像“象棋vs跳棋”。那些今天做ASIC的人，不管是Trainium還是別的某些加速器，本質是在造一顆“更大機器中的一個部件”。

而你們造的是一個“非常復雜的系統、平臺、工廠”，現在你們又開始做一定程度上的“開放”。你提到了CPX GPU，在某種意義上，你們在把工作負載“拆分”到最適合它的硬件切片上。

黃仁勛：沒錯。我們發布了一個叫“Dynamo”的東西——解耦后AI負載編排（disaggregated orchestration），而且開源了它，因為未來的AI工廠就是解耦的。

Brad Gerstner：你們還發布了NVLink Fusion，甚至對競爭對手開放，包括你們剛剛投資的Intel，這就是讓他們也能接入你們正在建的工廠——沒人瘋狂到要獨自建完整工廠。但如果他們有足夠好的產品、足夠有吸引力，終端客戶說我們想用這個替代某個Arm GPU，或者替代你們的某個推理加速器等，他們就可以插進來。

黃仁勛：我們非常樂意把這些接上。NV Fusion是個很棒的主意，我們也很高興與Intel合作——它把Intel的生態帶進來，全球大多數企業工作負載仍跑在Intel上。它融合了Intel生態與英偉達的AI生態與加速計算。我們也會與Arm做同樣的融合。之后還會與更多人做。這為雙方都打開了機會，是雙贏、非常大的雙贏。我會成為他們的大客戶，他們也會把我們帶到更大的市場機會前。

Brad Gerstner：與此緊密相關的，是你提出一個讓人震驚的觀點：就算競爭者造的ASIC芯片今天已經更便宜，甚至就算他們把價格降到零，也依然會買英偉達的系統。因為一個系統的總運營成本——電力、數據中心、土地等——以及“智能產出”，選擇你們仍然更劃算，即使對方的芯片白送。

Blackwell 和 ASIC成本分析（來源：BG2）

黃仁勛：因為單是土地、電力、廠房等設施就要150億美元。

Brad Gerstner：我們試著做過這背后的數學題。對很多不熟悉的人來說，這聽起來不合邏輯，你把競品芯片定價為零，考慮到你們芯片并不便宜，怎么可能還是更劃算？

黃仁勛：有兩種看法。一是從營收角度。大家都受“電力”約束。假設你拿到了新增2GW的電力，那你希望2GW能被轉化為營收。如果你的“token單位能耗（token per watt）”是別人的兩倍，因為你做了深度且極致的協同設計，你的單位能耗性能更好，那你的客戶就能從他們的數據中心產出兩倍營收。誰不想要兩倍營收？而就算有人給他們15%的折扣——比如我們75%的毛利，別人50%-65%的毛利——這點差距也絕不可能彌補Blackwell與Hopper之間30×的差距。

過去10年大模型單位能效提升了10萬倍（來源：BG2）

就算我們把Hopper和別人的ASIC看作同級，Blackwell也有30×的空間。所以在同一個GW上，你要放棄30×的營收。這代價太大了。就算對方白送芯片，你也只有2GW的電力可用，你的機會成本高得離譜——你永遠會選擇“單位能耗”最強的那套系統。

Brad Gerstner：我從一家hyperscaler的CFO那里聽說過，鑒于你們芯片帶來的性能提升，特別是以單位能耗（token/gigawatt）和“電力供給”為硬約束，他們不得不升級到新的周期。展望Rubin、Rubin Ultra、Feynman，這條曲線會延續嗎？

黃仁勛：我們現在一年做六七顆芯片，每一顆都是系統的一部分。系統軟件無處不在。要實現Blackwell的30×，需要跨這六七顆芯片的聯調與優化。想象一下，我每年都這么做，砰、砰、砰地連發。如果你在這鍋“芯片大雜燴”里只做一顆ASIC，而我們卻在整鍋里到處優化，這就是個很難的問題。

Brad Gerstner：這讓我回到開頭的護城河問題。我們做投資許久了，在整個生態投資，也投了你的競爭對手，比如Google、博通。

但當我從第一性原理出發，你們改為以年為單位的發布節奏、跟供應鏈共研、規模遠超所有人預期，這對資產負債表與研發有雙重規模要求，你們通過收購與自研推進了NVFusion、CPX等。因此，你們的護城河在拓寬，至少在“構建工廠或打造系統”這件事上是如此。

但有趣的是，你們的估值倍數比那些人都低。我認為部分源自“大數定律”——一家4.5萬億美元的公司不可能再變更大了。但一年半前我也問過你，如果市場會把AI負載提升10×或5×，我們也知道Capex的走勢。在你看來，結合剛才談到的優勢下，營收“不大幅更高”的概率有多大？

黃仁勛：我這樣回答，我們的機會遠大于市場共識。

Brad Gerstner：我認為英偉達很可能成為第一家10萬億美元的公司。我在這行待得夠久了。十年前，大家還說世上不可能有1萬億美元公司。現在我們有十家。今天的世界更大了，對吧？

黃仁勛：世界變大了。而且人們誤解我們在做什么。大家記得我們是“芯片公司”——沒錯，我們造芯片，造的是全球最驚人的芯片。但英偉達實際上是一家AI基礎設施公司。

我們是你的“AI基礎設施合作伙伴”。我們與OpenAI的伙伴關系就是最好證明。我們是他們的AI基礎設施伙伴。我們以很多方式與客戶合作。我們不要求任何人買我們的一切。我們不要求你買整機柜，你可以買一顆芯片、一個部件、我們的網絡，或僅僅買我們的CPU。也有人只買我們的GPU，配別家的CPU和網絡。我們基本上是按你喜歡的方式賣。我的唯一請求是，買點兒我們的東西就行。

Brad Gerstner：你說過，不只是更好的模型，還要有“世界級建造者”。你說，也許全國最強的建設者是Elon Musk。我們聊過Colossus One，他在那里把二十幾萬顆H100/H200組成一個“相干”的大集群。現在他在做Colossus Two，可能是50萬顆GPU、相當于幾百萬H100的“等效”相干集群。

黃仁勛：如果他先于所有人做到1GW，我不驚訝。

Brad Gerstner：既能做軟件與模型，又懂如何打造這些集群的“建造者”有什么優勢？

黃仁勛：這些AI超級計算機極其復雜。技術復雜，采購復雜（融資），拿地、拿電力與廠房復雜，建設復雜、點亮復雜。這恐怕是人類史上最復雜的系統工程之一。Elon的優勢在于：在他腦子里，這些系統是一體協同的，所有相互依賴關系都在他一個人腦中，包括融資。是的，而且……

Brad Gerstner：他自己就是個“大GPT”、一臺“大超算”。

黃仁勛：對，終極“GPU”。他有很強的緊迫感，他非常想把它建出來。當“意志”與“能力”相遇時，不可思議的事會發生。

主權AI：AI正在成為每個國家的基礎設施

Brad Gerstner：你深度參與的另一塊是主權AI……回看30年前，你大概難以想象如今你經常出入白宮。總統說你與英偉達對美國國家安全至關重要。面對這些，先給我個背景——若不是各國把這件事視為“生死攸關”，至少不亞于我們在1940年代看待“核”，你也不會出現在那些地方。如今如果沒有一個由政府出資的“曼哈頓計劃”，那它也由英偉達、OpenAI、Meta、Google來出資。

黃仁勛：沒有人需要原子彈，但人人都需要AI。這就是巨大的不同。AI是現代軟件。這是我一開始就說的：從通用計算到加速計算，從人寫代碼到AI寫代碼，這個根基不能忘，我們已經重塑了計算。它需要被普及，這就是所有國家都意識到必須進入AI世界的原因，因為每個國家都必須在計算中保持現代化。不會有人說：你知道嗎，我昨天還用計算機，明天我就靠木棍和火種了。所以每個人都得繼續向前，只是計算被現代化了而已。

第二，為了參與AI，你必須把自己的歷史、文化、價值觀寫進AI。隨著AI越來越聰明，核心AI學這些的速度很快，不必從零開始。所以我認為每個國家都需要一定的主權能力。我建議大家都用OpenAI、用Gemini、用Grok、用Anthropic……用各類開放模型。但他們也應該投入資源去學習如何“構建”AI，這不僅是為了語言模型，也是為了工業模型、制造模型、國家安全模型。他們要培養一整套“自己的智能”。因此，每個國家都應具備主權能力。

Brad Gerstner：這是否也是你在全球聽到與看到的？

黃仁勛：是的。他們都會成為OpenAI、Anthropic、Grok、Gemini的客戶，但同時也需要建設自己的基礎設施。這就是英偉達在做的大想法——我們在構建“基礎設施”。就像每個國家需要能源基礎設施、通信與互聯網基礎設施，現在每個國家都需要AI基礎設施。

作者：MD

出品：明亮公司