北京
出品 | 網易智能
作者 | 小小
編輯 | 王鳳枝
黃仁勛最新150分鐘深度訪談，信息量巨大。
近日他做客知名科技播客《Lex Fridman Podcast》，在這場馬拉松式的對談中，他不僅復盤了那場差點讓英偉達破產的CUDA“生死豪賭”，驚艷描繪了AGI時間線與AI工廠的商業藍圖，更以前所未有的坦誠直面了關于生命終點的靈魂拷問。
核心看點速覽：
“AGI已經到來”： 如果標準是“賺到10億美元”，那么今天能寫出爆款病毒應用的AI，就已經跨過了AGI的門檻。
“OpenClaw就是Token領域的iPhone”：AI智能體大爆發，你未來的最好玩伴和最強同事，將是一個AI。
“中國是當今世界創新最快的國家”：全球半數AI研究者來自中國，瘋狂的內部競爭與毫無保留的開源文化，正讓這里孕育出不可思議的科技爆發力。
“那場豪賭讓市值暴跌到15億”：為了強推CUDA，英偉達曾命懸一線，但沒有那次向死而生，就沒有今天的AI帝國。
“我們不再造計算機，我們在建Token工廠”：計算的本質被徹底顛覆，英偉達年營收達到3萬億美元，只是算術問題。
“智能將被廉價化”：不要畏懼AI，未來智能是最便宜的商品，人類真正的護城河，是品格和承受痛苦的能力。
“我想死在崗位上”：黃仁勛不相信繼任計劃，他只相信毫無保留地傳遞知識，把每一次會議都變成“公開推理”，直到生命最后一刻。
兩個半小時的對談，干貨滿滿，展現了黃仁勛極致的光速思維與浪漫主義。
以下為黃仁勛專訪全文：
弗里德曼：本期對話嘉賓是英偉達首席執行官黃仁勛。英偉達是人類文明史上最重要、最具影響力的公司之一，是驅動人工智能革命的核心引擎。該公司的巨大成功在很大程度上直接歸功于黃仁勛作為領導者、工程師和創新者的堅定意志和無數睿智決策。
01極致協同設計：從芯片到機架的系統重構
弗里德曼：英偉達已進入AI新時代，關注點從芯片級設計擴展到了機架級設計。過去英偉達的成功在于打造最好的GPU，現在你們將范圍擴展到了GPU、CPU、內存、網絡、存儲、供電、散熱、軟件、機架、整機柜乃至數據中心的極致協同設計。在面對包含如此多復雜組件和變量的系統時，協同設計最難的部分是什么？
黃仁勛：首先，之所以需要極致協同設計，是因為要解決的問題已經無法裝進一臺由單個GPU加速的計算機中。當你增加了一萬臺計算機時，你期望速度能相應提升一百萬倍。這時你必須處理算法，將其分解重構，對流水線進行分片，對數據和模型進行分片。
當你這樣去分解問題時，所有環節都會成為阻礙。這就是阿姆達爾定律，你能獲得的加速比取決于該部分在總工作量中的占比。如果計算只占問題的50%，即使將其加速無限倍，整體速度也只能提升一倍。因此，你不僅要將計算分布化，還必須解決網絡問題。
所有計算機都連接在一起，CPU、GPU、網絡、交換，每個環節都是問題。將工作負載分布到這么多計算機上，本身就是一個極其復雜的計算機科學問題。我們必須調動所有技術手段。
弗里德曼：這些領域都有世界一流的專家，比如高帶寬內存、網絡、NVLink、網卡、光學與銅互連、供電、散熱等等。你如何讓他們聚在一起協同設計？
黃仁勛：這就是我的直接下屬團隊規模龐大的原因。我的直接下屬有60人。他們中幾乎所有人都有工程背景，包括內存、CPU、光學、GPU、架構、算法、設計等領域的專家。我不做一對一的匯報，因為那不切實際。我們會提出一個問題，然后所有人一起解決。因為我們在進行極致協同設計，公司實際上一直在做這件事。
弗里德曼：所以即使討論某個具體組件，比如散熱或網絡，所有人也都在旁聽，隨時可以補充說這會影響電力分配、內存或其他方面？
黃仁勛：沒錯。誰想走神都可以，但他們清楚何時該集中注意力。如果某件事他們本可以貢獻卻沒有參與，我會指出來。
弗里德曼：英偉達是一家適應環境的公司。從早期的游戲GPU，到深度學習革命，再到現在的AI工廠，你認為公司在哪個節點發生了關鍵轉向？
黃仁勛：我可以系統地推演這個過程。我們最初是靠做專用加速芯片起家的，但專用加速的問題在于，應用領域過于狹窄。它的好處是能為特定任務進行極致優化，但市場范圍也更窄。問題在于，市場規模決定了研發能力，而研發能力最終決定了我們在計算領域可能產生的影響力。所以當我們最初作為加速芯片起步時，我們始終知道這只是第一步。我們必須找到方法成為一家加速計算公司，但問題是，當你成為一家計算公司時，產品會變得過于通用，從而削弱了專業優勢。我特意將這兩個詞放在一起，因為它們之間存在根本性的張力。計算公司做得越好，專業能力就越弱，專業化程度越高，整體計算能力就越弱。公司必須找到一條狹窄的道路，逐步擴展計算視野，同時不放棄最重要的專業優勢。
我們邁出加速芯片領域的第一步是發明可編程像素著色器，這是走向可編程性的第一步。第二步，我們將FP32引入著色器。這個符合IEEE標準的FP32步驟，是走向計算的一大步。這讓所有從事流處理器或其他數據流處理器研發的人發現了我們，他們意識到這個計算能力極強的GPU現在符合IEEE標準，可以把之前在CPU上寫的軟件拿來試試能否在GPU上運行。這促使我們開發了Cg語言，并最終孕育了CUDA。將CUDA集成到GeForce上是一個非常艱難的戰略決策，因為它極大地增加了成本并吞噬了公司巨大的利潤，而我們當時承受不起。但我們還是這么做了，因為我們想成為一家計算公司。計算公司擁有計算架構，而計算架構必須在所有芯片上兼容。
弗里德曼：你能帶我回顧下那個決策嗎？把CUDA放到GeForce上，當時承受不起代價卻仍然去做，是什么促使了這樣的決定？
黃仁勛：這是公司歷史上第一個近乎關乎生死存亡的戰略決策。
弗里德曼：事后看，這也是英偉達有史以來最聰明的決策之一。CUDA成為了AI基礎設施領域計算的基礎。
黃仁勛：確實，結果證明這是一個好決策。我們發明了CUDA，擴展了能用加速芯片的應用范圍。問題是如何吸引開發者？計算平臺的關鍵在于開發者，而開發者會涌向裝機量大的平臺。裝機量是一個架構最重要的部分，其他都是次要的。x86架構受到無數批評，被認為不夠優雅，但它卻是今天最重要的架構之一。許多由最聰明計算機科學家設計的優美RISC架構反而失敗了。裝機量決定一切。當時CUDA面臨著OpenCL等競爭，我們做出的關鍵決策是，既然GeForce已經成功，每年銷售數百萬塊GPU，我們就應該把CUDA放在GeForce上，放進每一臺PC，無論用戶是否使用，以此培育裝機量。同時我們去大學、寫書、開課，把CUDA推廣到各處。當時PC是主要計算工具，還沒有云，我們可以把超級計算機交到每個學校的研究人員、每個學生手中，期待奇跡發生。
問題是，CUDA極大地增加了GPU的成本，完全吞噬了公司的毛利。當時公司市值大約六七十億美元，推出CUDA后跌到了15億美元。我們在低位徘徊了很久，才慢慢爬回來，但我們堅持在GeForce上搭載CUDA。我一直說英偉達是GeForce造就的公司，因為是GeForce把CUDA帶給了所有人。研究人員、科學家在GeForce上發現了CUDA，因為他們很多本身就是游戲玩家，會自己組裝PC，在大學實驗室里用PC組件搭建集群。我們就是這樣起步的。
弗里德曼：這后來成了深度學習革命的基礎和平臺。
黃仁勛：那也是一個很偉大的觀察。
弗里德曼：那個生死攸關的時刻，你還記得那些會議是怎樣的嗎？作為公司，如何決定冒著一切風險去做這件事？
黃仁勛：我向董事會清楚地說明了我們想做什么。管理團隊知道毛利率會受到影響。你可以想象這樣的局面，GeForce承擔CUDA的成本，而游戲玩家不會為此付費。他們只支付一定的價格，不管你的成本是多少。我們的成本增加了50%，而我們當時的毛利率只有35%，這確實是一個艱難的決定。但你可以推理，有朝一日這會進入工作站和超級計算機，在這些領域我們可以獲得更高的利潤率。這樣就能找到承擔得起成本的方法，但這個過程花了十年。
弗里德曼：這不僅是與董事會溝通層面的挑戰，更是心理層面的博弈。英偉達持續做出大膽的押注，預測并定義未來。你如何能夠做出這樣的決策？
黃仁勛：首先，我受強烈的好奇心驅動。在某個時刻，我的推演邏輯會讓我無比確信某個結果一定會發生。當我在腦海里相信它時，就會具象化那個未來，它變得如此令人信服，以至于沒有理由不會發生。中間會有很多痛苦，但你必須相信你所相信的。
弗里德曼：所以你設想未來，然后從工程角度將其具象化？
黃仁勛：是的。你會推理如何到達那里，推理為什么它必須存在。管理團隊都會推理，我們花很多時間一起推理。接下來可能涉及一種技能，很多領導者保持沉默，或者了解一些事情后發表宣言，然后新的一年推出全新的計劃，大規模裁員、組織變革、新的使命宣言和標識。我們從不這樣做。當我學到某件事開始影響我的想法時，我會清楚地告訴身邊所有人這很有趣，會帶來改變，會影響某些方面。我一步一步地推理。很多時候我已經下定決心，但我會利用每一個可能的機會，例如外部信息、新見解、新發現、工程突破和新里程碑，來塑造周圍人的信念體系。我幾乎每天都在這樣做，對董事會、管理團隊、員工，試圖塑造他們的信念，這樣當我提出收購Mellanox或全力投入深度學習時，對所有人來說都是顯而易見的決定。
我提前在不同組織里打下基礎。大部分人聽到的是片段，到我宣布那天，大家已經接受了大部分內容。很多時候我希望員工會覺得你怎么才來。實際上我一直在塑造他們的信念，所以看起來像是從后面引導，但宣布時已經是100%全員支持。這就是你想要的，讓所有人一起參與進來。否則，你突然宣布加強深度學習，大家都會問你在說什么，你宣布全力投入某件事，管理團隊、董事會、員工、客戶都會覺得這太瘋狂了。回顧GTC的主題演講，你會發現我也在塑造行業合作伙伴的信念。我宣布Grok之前，已經談論了兩年半的鋪墊。所以到宣布的時候，大家會說你怎么才來。
弗里德曼：這不僅僅是公司內部，你還在塑造整個全球創新格局。提出這些想法，你確實在具象化現實。
黃仁勛：我們不制造計算機，不建造云。我們是一家計算平臺公司，沒人能直接從我們這里買到東西。我們垂直設計、垂直整合來優化，然后在每一層開放整個平臺，讓其他公司的產品、服務、云、超級計算機、OEM計算機能夠集成。所以如果不先說服他們，我無法做到我所做的事。GTC大部分內容都是在具象化一個未來，讓我的產品準備好時，他們會說你怎么才來。
02蘇茨克維錯了：從預訓練到智能體擴展的四重躍遷
弗里德曼：你長期相信擴展定律，現在提出了四種擴展，分別是預訓練、后訓練、測試時擴展（也稱為長思考）以及智能體擴展。你認為未來擴展的主要障礙是什么？
黃仁勛：我們可以回顧人們過去認為的障礙。一開始是預訓練擴展定律，人們認為高質量數據量會限制智能發展。伊利亞·蘇茨克維（Ilya Sutskever）說我們快沒數據了，預訓練結束了，整個行業都恐慌，認為這是AI的終結。
但事實顯然不是這樣。我們將繼續擴展訓練數據量，很多數據會是合成的，這也讓一些人困惑。他們沒有意識到，如今我們用于互相教導、傳遞信息的大部分數據本身就是合成的，它們并非自然產物，而是人類創造的。我消費它、修改它、增強它、重新生成，另一個人再消費。現在AI已經能夠獲取真實數據，增強并合成生成海量數據。后訓練階段將繼續擴展，人類生成的數據占比會越來越小。訓練不再受限于數據，而是受限于算力，因為大部分數據是合成的。
下一階段是測試時訓練。我還記得有人告訴我推理很容易，預訓練才難。他們說推理芯片會更簡單，不像英偉達的芯片那么復雜昂貴。他們認為未來推理是最大的市場，會很容易，會商品化，每個人都能造自己的芯片。這對我來說一直不合邏輯，因為推理是思考，而思考比閱讀難得多。預訓練是記憶和泛化，尋找模式和關系，是閱讀。而思考、推理、解決問題、處理新經歷，分解成可解決的部分，通過第一性原理或過往經驗去解決，或通過探索、搜索、嘗試，測試時擴展推理的整個過程就是關于思考、推理、規劃、搜索。這怎么可能不消耗大量算力？我們對此的判斷完全正確。測試時擴展的計算量非常大。
現在有了推理和測試時擴展，下一步是什么？我們創造了一個智能體，它擁有大語言模型。在測試時，這個智能體系統會去做研究、訪問數據庫、使用工具，其中最重要的事之一是生成并衍生出大量子智能體。這意味著我們在組建龐大的團隊。通過雇傭更多員工來擴展英偉達，比我自己擴展容易得多。所以下一個擴展定律是智能體擴展，即倍增AI。我們可以根據需要快速衍生出智能體。
這四種擴展定律將形成一個閉環，智能體系統產生大量數據和經驗，其中好的部分我們會記住，回到預訓練階段進行記憶和泛化，然后精煉、微調回后訓練，再通過測試時增強，由智能體系統投入行業。這個循環會持續下去。歸根結底，智能只能通過一種維度來擴展，那就是算力。
弗里德曼：但難點在于，這些組件中的一些需要不同類型的硬件才能優化。你必須預測AI創新的方向。比如專家混合模型與稀疏性，硬件不能在一周內轉向，你必須預見它的樣子，這很困難。
黃仁勛：AI模型架構大約每六個月被發明一次，而系統架構和硬件架構大約每三年一次。你需要預見兩三年后可能發生什么。我們可以內部做研究，這是有基礎研究和應用研究的原因。我們創建自己的模型，有實踐經驗，這也是協同設計的一部分。同時，我們是全球唯一與所有AI公司都有合作的企業，能盡可能了解各實驗室面臨的挑戰。最后，我們需要一個靈活的架構，能夠適應變化。
CUDA的優勢就在于此，它一方面是一個強大的加速器，另一方面又非常靈活。這種在專業化（否則無法加速CPU）和泛化（以適應不斷變化的算法）之間的平衡，讓CUDA既堅韌又能不斷演進。我們現在已經到了CUDA 13.2，能跟上現代算法的演變。專家混合模型出現時，我們推出了NVLink 72，可以把一個4萬億或10萬億參數的模型放在一個計算域里，就像在單個GPU上運行。
Grace Blackwell機架完全專注于處理大語言模型。一年后的Vera Rubin機架增加了存儲加速器、新型CPU Vera、NVLink 72以及額外的Rock機架。整個系統與之前完全不同，增加了新組件。前一個是為運行專家混合模型和推理設計的，這個是為運行智能體而設計的，智能體會使用工具。
弗里德曼：顯然，這些系統的設計必須在Claude Code、Codex、OpenClaw出現之前完成。你是在預見未來。這來自于什么？來自對整個前沿領域的了解？
黃仁勛：其實更簡單。你只需要推理。無論發生什么，在某個時刻，要讓大語言模型成為數字工作者，它需要做什么？它需要訪問真實數據，那是文件系統，它還需要能夠做研究，因為我們不會等到AI變得無所不知才讓它發揮作用，所以不如讓它去做研究。很明顯，如果它想幫助我，就必須使用我的工具。
很多人說AI會徹底摧毀軟件，我們不再需要軟件和工具了。這很荒謬。我可以用一個思想實驗來解釋，想象未來10年我們能創造的最神奇的智能體，比如人形機器人。它進入我家，更可能使用我現有的工具來完成工作，還是它的手一會兒變成10磅重的錘子，一會兒變成手術刀，為了燒水從指尖射出微波？它更可能會直接去使用微波爐。它第一次用可能不知道，但連上互聯網，讀一下說明書，馬上就成了專家。
我剛才描述的就是OpenClaw幾乎所有的特性，即使用工具、訪問文件、做研究，并且有IO子系統。這樣推理之后，你會發現這對未來計算的影響極其深遠。我認為我們重新發明了計算機。兩年前GTC上我展示的智能體系統圖，與今天的OpenClaw完全一致。當然，許多因素必須匯聚，Claude、GPT等模型需要達到足夠的能力水平，它們的創新和突破很重要，然后必須有人創建足夠強大完整的開源項目，讓我們能投入使用。OpenClaw對智能體系統所做的，就像ChatGPT對生成式系統所做的，意義重大。
弗里德曼：這是一個特別時刻。我不確定為什么它吸引了全世界那么多關注，但它確實做到了，超過Claude Code和Codex。
黃仁勛：因為消費者能接觸到它。
弗里德曼：這其中很大一部分是氛圍感。我曾與彼得（彼得·斯坦伯格（Peter Steinberger），OpenClaw之父）做過一期播客，他是個極其出色的人。所以大家對他的信任，也有一部分來自于代表這項技術的人本身。還有各種網絡迷因，因為我們都在試圖理解這個新事物。當一項技術如此強大時，如何放心地把數據交給它、讓它幫我們做有用的事，這背后其實隱藏著復雜而嚴峻的安全問題，也伴隨著讓人不安的一面。我們作為個體，也作為整個文明，正在摸索如何在這之間找到平衡。
黃仁勛：我們立即著手處理，派了一批安全專家，做了OpenShell并集成到OpenClaw中。
弗里德曼：英偉達推出了NemoClaw，安裝很簡單，能確保安全。
黃仁勛：我們提供三項能力中的兩項。智能體系統可以訪問敏感信息、執行代碼、與外部通信。如果任何時候只授予其中兩項，就能保證安全。我們還根據企業授予的權限提供訪問控制，連接到企業已有的策略引擎。我們會盡力幫助OpenClaw變得更好。
弗里德曼：你解釋了歷史上有哪些障礙被克服了。展望未來，在智能體無處不在的當下，你認為擴展的主要障礙是什么？
黃仁勛：電力是一個問題，但不是唯一的。這就是為什么我們要大力推進極致協同設計，每年將每秒每瓦特產生的token數提升幾個數量級。過去十年，摩爾定律讓計算能力提升約100倍，而我們通過極致協同設計提升了100萬倍。我們將繼續這樣做。能效和每瓦特性能會直接影響公司收入以及工廠收入。我們將把它推向極限，盡可能快地降低token成本。我們的計算機價格在上漲，但生成token的效率提升更快，token成本每年下降一個數量級。
弗里德曼：電力問題，除了提升效率，如何獲得更多電力也是一個復雜的問題。你談到過小型模塊化核電站等想法。供應鏈中的瓶頸，比如ASML的極紫外光刻機、臺積電的先進封裝CoWoS、SK海力士的高帶寬內存，這些問題讓你夜不能寐的程度有多深？
黃仁勛：始終如此，我們一直在努力解決。歷史上沒有公司在如此規模下還能加速增長，這令人難以置信。在整個AI計算領域，我們的份額在增加，所以上下游供應鏈至關重要。我花很多時間向我合作的CEO們說明，是什么動態因素會導致增長持續甚至加速。這也是為什么我右邊那些人，是IT行業上游和基礎設施行業下游幾乎所有的CEO。有幾百位CEO出席，我告訴他們現在的業務狀況、不久將來的增長動力、接下來要去哪里，讓他們利用這些信息來決定如何投資。我像告訴員工一樣告訴他們。
然后我會去拜訪他們，讓他們了解這個季度、明年、后年會發生什么。三年前，我說服了幾位DRAM廠商的CEO，盡管當時HBM內存使用很少，幾乎只用于超級計算機，但這將是未來數據中心的主流內存。起初這聽起來很荒謬，但有幾位CEO相信了我，決定投資建設HBM內存生產線。另一種是手機用的低功耗內存，他們覺得用在數據中心的超級計算機很奇怪。我解釋了原因。LPDDR5和HBM4的產量驚人，這三家45年歷史的公司都創下了歷史紀錄。這是我的工作之一，告知、塑造、激勵。
弗里德曼：所以你不僅是在具象化未來、激勵英偉達的工程師，還在具象化未來的供應鏈。你和臺積電、ASML都有這樣的對話。
黃仁勛：上游、下游，還有下游的工程機械公司。
弗里德曼：整個體系。整個半導體行業有太多極其困難的工程問題，供應鏈如此復雜、組件數量如此之多，讓人感到害怕，但它卻運轉良好。
黃仁勛：沒錯，深奧的科學和工程，令人難以置信的制造，其中很大一部分已經是機器人化。我們有幾百家供應商為機架提供技術。每個機架有130萬到150萬個組件。Vera Rubin機架有200家供應商。
弗里德曼：有趣的是，你并沒有把它列為夜不能寐的障礙。
黃仁勛：我正在做所有必要的事情。我可以安心睡覺，因為我把這些處理好了。我推理什么對我們重要。我們改變了系統架構，從最初的DGX-1到NVLink-72機架級計算，這對軟件、工程、設計測試、供應鏈意味著什么？其中一件事是，我們將數據中心的超級計算機集成，轉移到了供應鏈中的制造環節。如果你要建造總容量為50吉瓦的超級計算機，而制造需要一周，那么供應鏈中每周就需要一吉瓦的電力來制造和測試這些超級計算機，然后才能發貨。
NVLink-72是在供應鏈中制造超級計算機，每個機架重兩三噸，直接發貨。過去是零件運到數據中心組裝，現在因為NVLink-72密度太高，已經不可能了。我飛到供應鏈，向合作伙伴解釋新的架構，告訴他們推理市場即將到來，轉折點正在來臨，這將是一個巨大的市場。我先解釋發生了什么、為什么會發生，然后要求他們各自投資幾十億美元。因為他們信任我，我給他們機會質疑，花時間用第一性原理畫圖推理。到最后，他們就知道該做什么了。
弗里德曼：所以很大程度上是關于關系，建立對未來的共同看法。你是否擔心某些瓶頸？ASML的EUV工具、臺積電的CoWoS封裝擴展速度？
黃仁勛：一直在溝通。我告訴了他們需求，他們理解，告訴我他們打算做什么，我相信他們。
03算力瓶頸：電力、供應鏈與消除浪費的新思路
弗里德曼：再談談電力。你希望如何解決能源問題？
黃仁勛：我們的電網是為應對極端情況并留有余量而設計的。但99%的時間里，我們遠未達到最壞情況，因為最壞情況是冬季的幾天、夏季的幾天和極端天氣。大多數時候，電網運行在峰值的60%左右。99%的時間里，電網有富余電力閑置著，但它們必須在那里備用，以防萬一醫院、基礎設施、機場需要供電。問題是，我們能否幫助電網理解并創建合同協議，設計數據中心架構，使得當社會基礎設施需要最大電力時，數據中心可以減少用電量？那畢竟是罕見情況，我們可以用備用發電機應對，或者將工作負載轉移到其他地方，或讓計算機運行慢一點，降低功耗，提供稍長的響應延遲。我認為，這種使用計算機、建設數據中心的方式不再要求100%的正常運行時間，那些嚴格的合同給電網帶來了很大壓力。我只想利用那些閑置的電力。
弗里德曼：這討論得不夠多。阻礙是什么？監管？官僚主義？
黃仁勛：我認為這是一個三方問題。
首先是最終客戶，他們對數據中心的要求是永遠不能宕機，期望完美。為了交付完美，你需要備用發電機和電網供應商的結合。所以每個人都要達到六個九（99.9999%）的可靠性。應該讓所有人明白，當客戶提出這些苛刻要求時，其數據中心的運營團隊很可能與CEO是脫節的。我敢打賭，他們的CEO對此一無所知。我要和所有CEO談談。CEO們可能根本沒注意正在簽署的合同，每個人都想簽最好的合同。合同談判雙方都想要最好的條件，結果云服務提供商去找公用事業公司，也要求可靠性。所以首先要讓客戶和CEO們意識到他們真正要求的是什么。
第二，我們必須建設能夠優雅降級的數據中心。如果電網告訴我們把電力降到80%，我們可以說沒問題，移動工作負載，確保數據不丟失，降低計算速率，減少能源使用。服務質量會稍微下降，關鍵工作負載立即轉移到其他地方。
弗里德曼：實現數據中心內電力的智能動態分配，這個工程問題有多難？
黃仁勛：只要你能明確需求，就能設計出來。只要它遵循基于第一性原理的物理定律，我們就能做好。
弗里德曼：第三件事是什么？
黃仁勛：第三，我們需要公用事業公司也認識到這是一個機會。與其說需要五年增加電網容量，如果他們愿意提供這種保障級別的電力，下個月就能以這個價格提供。如果公用事業公司提供更多不同保障級別的電力選項，每個人都會想出辦法利用。現在電網有太多浪費，我們應該解決這個問題。
04馬斯克的工程之道：質疑一切、親臨一線、以緊迫感驅動
弗里德曼：你高度贊揚了埃隆·馬斯克和xAI在孟菲斯建造Colossus超級計算機的成就，創紀錄地在四個月內建成，現在有20萬顆GPU，還在快速增長。他的方法對數據中心建設者有什么啟示？他處理工程的方式、管理建設過程的方式？
黃仁勛：馬斯克在多個領域都有很深的造詣，同時也是出色的系統思考者。他能跨學科思考，會質疑一切，有必要嗎，必須這樣做嗎，必須花這么長時間嗎？他能把每件事都精簡到最低必要限度，不能再移除任何東西，而產品功能依然存在。他在系統規模上做到極簡。我也喜歡他親臨一線。如果有問題，他就直接去那里說把問題指給我看。把這些結合起來，你就能克服許多諸如我們就是這樣做的或者我在等他們之類的借口。當你個人以如此緊迫感行動時，其他人也會緊迫起來。每個供應商都有很多客戶和項目，而他通過親身示范，讓自己的項目成為其他所有人最高優先級。
弗里德曼：我參加過很多這樣的會議，確實很有意思。沒多少人會問能不能快得多、怎么快、為什么必須花這么長時間？這通常就變成了工程問題。有一次我和他在一起，他真的在檢查將電纜插入機架的整個過程，和工程師一起理解這個過程，以便減少錯誤。通過了解組裝數據中心涉及的每一個任務，你立刻就能在細節層面和系統層面感受到低效率在哪里，然后讓它越來越高效。再加上你有大錘說讓我們用一種完全不同的方式來做，移除所有可能的障礙。
黃仁勛：沒錯。
05 “光速思維”：以物理極限為標尺的工程哲學
弗里德曼：英偉達的極致系統協同設計，與馬斯克處理系統工程的方式有相似之處嗎？
黃仁勛：協同設計是終極的系統工程問題，我們正是從第一性原理出發來處理工作。還有一件事，是一種哲學、思維狀態，我30年前開始用的方法，叫“光速”。光速不僅指速度，是我表示物理極限的簡寫。我們做的每件事都與光速比較，內存速度、數學運算速度、功耗、成本、時間、精力、人員數量、制造周期時間。當你考慮延遲與吞吐量、成本與吞吐量、成本與容量時，都對照光速來檢驗，以分別滿足所有這些約束。然后當你綜合考慮時，你必須做出妥協，因為實現極低延遲的系統與實現極高吞吐量的系統，架構設計根本不同。但你想知道，實現高吞吐量的系統的光速是多少，實現低延遲的系統的光速是多少。然后當你考慮整個系統時，就可以進行權衡。我迫使每個人在做任何事之前，思考第一性原理、物理極限，并以此檢驗一切。這是一個好的思維框架。
我不太喜歡漸進式改進的方法。你應該從第一性原理出發，用光速思維進行工程設計，只受物理極限限制，然后再隨時間改進。我不喜歡面對問題時，有人說現在做這件事需要74天，我們能幫你做到72天。我寧愿把所有東西推倒重來，說先告訴我為什么需要74天，今天可能實現什么，如果完全從零開始建，需要多久？很多時候你會驚訝地發現可能只需要6天。剩下的68天可能是合理的妥協、成本削減等各種考慮。但至少你知道它們是什么。既然知道6天是可能的，那么從74天到6天的對話，效果會驚人地好。
弗里德曼：在如此復雜的系統中，簡潔性有時是否是一個值得追求的原則？Vera Rubin整機柜有七種芯片、五種機架類型、40個機架、1.2千萬億晶體管、近兩萬顆英偉達芯片、超過1100個Rubin GPU、60 exaflops、每秒10PB的擴展帶寬。這只是單個整機柜。NVL72機架就有130萬組件、1300顆芯片、4000個模塊塞進一個19英寸寬的機架。簡潔性似乎不可能，但它是你追求的目標嗎？
黃仁勛：我常用的短語是，我們需要事物具備必要的復雜性，但又要盡可能簡單。問題是，所有這些復雜性都是必要的嗎？我們必須檢驗、挑戰這一點，除此之外的就是冗余。這確實是世界上有史以來制造的最復雜的計算機。
弗里德曼：工程團隊，這不是比賽，但如果工程團隊有奧運會，臺積電、ASML都在做不可思議的工程，但英偉達也會讓它們望塵莫及。真是不可思議的團隊。
黃仁勛：每個單項的金牌得主，都匯聚在這里。
06中國科技崛起：50%的AI研究者、瘋狂的內部競爭與開源文化
弗里德曼：你最近去了中國。中國在過去十年建立了強大的科技產業和生態系統，你如何看待這一點？
黃仁勛：首先從一些事實開始。全球約50%的AI研究人員是中國人，他們大多仍在中國。我們這里也有很多，但中國仍有令人驚嘆的研究者。他們的科技產業出現的時間點恰到好處，恰逢移動云時代，他們以軟件為切入點。這個國家的科學和數學教育出色，孩子受過良好教育。他們的科技產業在軟件時代創建，對現代軟件非常熟悉。中國并非一個單一的經濟體，它由眾多省份和城市組成，且彼此之間競爭激烈。這就是為什么有這么多電動汽車公司、AI公司，你能想到的每類公司，他們都會創造出一些。因此內部競爭極其激烈，最終存留下來的就是不可思議的公司。
他們的社會文化是家庭第一、朋友第二、公司第三。所以他們之間來回交流的信息量非常大，基本上一直處于開源狀態。他們對開源貢獻更多是合理的，因為他們可能會問我們有什么好保護的？我的工程師，他們的兄弟在那個公司，朋友在那個公司，都是校友。校友是一輩子的兄弟，所以他們分享知識非常快。沒有理由把技術藏起來，不如放到開源上。開源社區反過來放大、加速了創新過程。所以你得到的是快速、不可思議的優秀人才，由于開源和朋友圈的本質，以及瘋狂的競爭，公司之間最終涌現出不可思議的東西。
這是當今世界上創新最快的國家，這一切的基礎是孩子的成長方式、優秀的教育、父母希望孩子學業出色以及文化使然。這些都是他們國家的特質，而且他們恰好在技術呈指數級增長的時代崛起。
弗里德曼：從文化上講，成為一名工程師很酷。
黃仁勛：這是一個由建設者組成的國家。我們國家的領導人很多是律師，他們試圖用法治保障安全。他們的國家是從貧困中建設起來的，所以大多數領導人是杰出的工程師。
弗里德曼：談到開源，英偉達發布了開源的Nemotron 3 Super，這是一個1200億參數的開放權重MoE模型。你對開源的愿景是什么？
黃仁勛：首先，如果我們要成為一家偉大的AI計算公司，必須理解AI模型如何演進。Nemotron 3不僅僅是Transformer模型，還結合了SSM。我們在模型架構和不同領域的基礎研究，讓我們能洞察未來模型需要什么樣的計算系統。這是極致協同設計策略的一部分。
其次，我們一方面要有作為產品的世界級專有模型，另一方面也要讓AI滲透到每個行業、每個國家、每個研究者、每個學生。如果一切都是專有的，研究和創新就會困難。開源對于許多行業加入AI革命是根本性的。英偉達有規模、能力和動力，只要存在就會持續構建這些AI模型。因此我們應該這樣做，開放以激活每個行業、每個研究者、每個國家，讓他們加入AI革命。
第三，從中我們認識到AI不僅僅是語言。這些AI可能會使用在其他模態信息上訓練的工具、模型和子智能體，比如生物學、化學、物理定律、流體和熱力學，并非所有這些都以語言結構存在。所以必須有人確保天氣預報、生物學AI、物理AI等都能被推向前沿。我們不造車，但想確保每個汽車公司都能獲得優秀的模型。我們不發現藥物，但希望禮來擁有世界上最好的生物學AI系統，用于發現藥物。這三個根本原因，即認識到AI不僅僅是語言、希望讓所有人參與AI世界以及AI協同設計，促使我們這樣做。
弗里德曼：再次感謝你們開源Nemotron 3。
黃仁勛：我們開源了模型、權重、數據以及創建方法，這相當了不起。
07臺積電的奇跡：三十年無合同的信任、技術與服務的雙重巔峰
弗里德曼：你來自臺灣地區，與臺積電關系密切。臺積電也是一家傳奇公司。你如何理解臺積電的文化和方法，讓他們在半導體領域取得如此無與倫比的成功？
黃仁勛：對臺積電最深的誤解是認為他們的技術就是一切。認為他們只是擁有一個很棒的晶體管，如果別人拿出另一個晶體管，游戲就結束了。技術當然重要，不僅是晶體管，還有金屬化系統、封裝、3D封裝、硅光子學，所有這些技術讓這家公司變得特別。但他們協調世界數百家公司動態需求的能力，應對訂單變化、緊急啟動等復雜情況，同時保持高產能、高良率、成本控制出色、客戶服務卓越，這同樣是奇跡。他們認真對待承諾，當承諾的晶圓要交付時就會交付，這樣你才能恰當地運營公司。他們的制造系統完全是奇跡。
其次是他們的文化。一方面技術至上，不斷推進技術，另一方面客戶至上。很多公司非常以客戶為導向但技術不卓越，很多公司處于技術前沿但客戶服務不是最好。他們以某種方式平衡了這兩點，并且都做到了世界級。第三，我最看重的是他們創造了信任這種無形資產。我信任他們，把公司托付給他們，這非常重要。
弗里德曼：這種信任是建立在多年表現上的，也涉及人際關系。
黃仁勛：三十年，我們和他們做了數千億美元的交易，沒有合同。這相當了不起。
弗里德曼：有傳聞說，2013年臺積電創始人張忠謀曾邀請你出任臺積電CEO，而你回復說你已經有工作了。這個故事是真的嗎？
黃仁勛：故事是真的。我深感榮幸。張忠謀是我一生中最敬重的高管之一，也是私人朋友。他提出這樣的邀請，我受寵若驚，真的很榮幸。但我在這里做的工作非常重要，我在腦海中已經看到了英偉達的未來和可能產生的影響。這是我的責任，我無法接受。
弗里德曼：英偉達和臺積電都是人類文明史上最偉大的公司之一。運營其中任何一家都需要全身心投入。
黃仁勛：是的，毫無疑問。所以現在我可以幫助兩家公司。
08英偉達的護城河：CUDA安裝基數與橫跨所有行業的生態系統
弗里德曼：英偉達現在是世界上市值最高的公司。你認為公司最大的護城河是什么？
黃仁勛：我們最重要的資產是計算平臺的安裝基數，即CUDA的安裝基數。20年前當然沒有。如果有人搞出GUDA或TUDA，今天也不會有影響。原因在于這從來都不僅僅是技術問題，技術當然是不可思議、有遠見的。關鍵在于公司致力于它、堅持它、擴展它的覆蓋范圍。讓CUDA成功的不是三個人，而是43,000個人，以及幾百萬個相信我們會持續將CUDA從1.0發展到13.0的開發者，他們決定在上面投入他們的軟件。所以安裝基數是最重要的優勢。
當你用我們討論的這種規模下的執行速度來放大這個安裝基數，歷史上沒有公司制造過如此復雜的系統，而且每年建造一次，這是不可能的。這種速度加上安裝基數，從開發者的角度看，如果我支持CUDA，明天它會好10倍，我平均只需要等六個月。不僅如此，如果我在CUDA上開發，我能接觸到數億臺電腦，在每個云里、每個計算機公司、每個行業、每個國家。所以我創建一個開源包并首先放在CUDA上，能同時獲得這兩個好處。不僅如此，我100%相信英偉達會一直保留CUDA，維護它，改進它，持續優化它的庫，只要他們存在。你可以把這當成銀行。最后一點是信任。把所有這一切放在一起，如果我是今天的開發者，我會首先、最多地針對CUDA開發。
我們的第二個優勢是生態系統。我們垂直整合了這個極其復雜的系統，但將其水平集成到每家公司的計算機上。我們進入了Google Cloud、Amazon、Azure，正在AWS上瘋狂擴展，進入了CoreWeave、Nscale，在禮來的超級計算機中，在企業計算機中，在邊緣的無線基站中，在汽車、機器人、衛星、太空中。一個架構，存在于所有這些不同的系統中，生態系統如此廣泛，覆蓋了世界上每一個行業。
弗里德曼：CUDA的安裝基數如何隨著AI工廠作為護城河而演變？你認為英偉達的未來是否完全關乎AI工廠？
黃仁勛：過去我們對計算單元的理解是GPU，后來變成計算機，然后變成集群，現在變成了AI工廠。當我看到英偉達建造的東西時，過去我會想象芯片，宣布新產品時我會拿起芯片。那是我心理模型中我建造的東西。今天，拿起芯片仍然可愛，但不是我心理模型中的東西。我的心理模型是這個巨大的吉瓦級的東西，連接著電網，有冷卻系統和令人難以置信的網絡，有一萬人在那里試圖安裝，幾百名網絡工程師，背后幾千名工程師試圖為它供電。啟動這些工廠之一，不是有人說它現在開了那么簡單，需要數千人才能把它啟動起來。
弗里德曼：所以當你晚上睡覺時，你思考的是機架的集合、整機柜，而不是單個芯片。
黃仁勛：整個基礎設施。我希望我的下一個思維轉變，是當我思考建造計算機時，它會是行星規模的。
09 AI工廠時代：從芯片到整機柜，再到行星級基礎設施
弗里德曼：你怎么看馬斯克談到的太空算力？在太空中進行計算，可以解決能源問題。
黃仁勛：冷卻問題不容易。不過英偉達GPU已經是第一批進入太空的。衛星有高分辨率成像系統，連續掃描地球。你想要世界范圍內持續的厘米級成像，實時掌握地球動態。你不想把這些PB級數據傳回地球，只能在邊緣用AI處理，扔掉不需要的東西，只保留需要的。AI必須在邊緣完成。如果放在極地，有24/7的太陽能，但沒有傳導和對流，只能靠輻射散熱。但太空很大，我們可以放置巨大的散熱器。
弗里德曼：你覺得這個想法有多瘋狂？五年、十年、二十年后能實現？
黃仁勛：我比較務實，我會先尋找眼下的機會，同時對太空領域進行探索和培育。我派工程師去研究，學習如何應對輻射、性能退化、持續測試和缺陷證明、冗余、優雅降級。軟件如何考慮冗余和性能？讓計算機永不損壞，只是變慢。我們可以先進行大量工程探索。但與此同時，我最喜歡的答案是消除浪費。我們有那么多閑置電力，我想盡快利用起來。
弗里德曼：是的，地球上有許多唾手可得的果實可以利用來支持AI擴展。
10 10萬億美元之路：從檢索式計算到生成式工廠的范式轉移
弗里德曼：你認為英偉達有朝一日可能價值10萬億美元嗎？在什么樣的未來圖景下這會成為現實？
黃仁勛：我認為英偉達的增長極有可能，在我的推理中是必然的。原因有二。
首先，計算從基于檢索的文件系統，轉變為基于生成的實時、上下文感知系統。過去我們預先寫好、錄制、畫好，放在網上或文件里，用推薦系統找出要檢索的內容。現在AI計算機具有上下文感知能力，必須實時處理和生成token。我們從基于檢索的計算轉向基于生成的計算，新世界需要比舊世界多得多的計算。我們從根本上改變了計算方式。唯一會讓它倒退的情況是，這種在生成信息之前產生上下文相關、情境感知、基于新見解的信息的計算密集型方式不再有效。如果過去10到15年研究深度學習的任何一刻，我得出結論這行不通、不會擴展、不能用于某些應用，那我會有不同的感覺。但過去五年給了我比之前十年更多的信心。
第二，計算機過去是存儲系統，像一個倉庫。我們現在建造的是工廠。倉庫賺不了多少錢，工廠直接創造收入。計算機不僅改變了運行方式，它在這個世界上的存在目的也發生了改變。它不再僅僅是計算機，它變成了一個生產token的工廠，用于創造收入。我們看到這個工廠生產的商品如此有趣，對這么多不同受眾有價值，以至于token開始像iPhone一樣細分，有免費的、有高級的，還有中間幾種價格的。智能是一種可擴展的產品，有人愿意為高價值的token支付每百萬1000美元，這不是如果，只是時間問題。現在這個工廠生產的商品是有價值的，能產生收入和利潤。問題是世界需要多少這樣的工廠？需要多少token？社會愿意支付多少？如果生產力大幅提升，經濟會發生什么？我們會發現新藥、新產品、新服務嗎？
當把這些結合起來，我絕對肯定全球GDP增長將加速，用于計算的GDP比例將是過去的100倍以上。從這個角度反推英偉達做什么、我們將從這種新經濟中受益多少，我認為我們會大得多。英偉達有可能在不久的將來成為年收入3萬億美元的公司嗎？答案是肯定的。原因在于，這不受任何物理極限限制。我看不到什么說3萬億美元不可能。英偉達的供應鏈由200家公司共同分擔，我們在這個生態系統的基礎上擴展，問題是我們有足夠的能源嗎？我們肯定會有。所有這些因素結合起來，那個數字只是一個數字。
我還記得英偉達營收第一次突破10億美元時，有人提醒我有一位CEO說過從理論上講，無晶圓廠半導體公司不可能超過10億美元。這當然不合邏輯，而且有很多證據表明并非如此。后來有人說你永遠不會超過250億美元，因為其他公司。這些都不是基于第一性原理的思考。簡單的方法是問，我們制造什么？我們能創造多大的機會？英偉達不從事市場份額業務。我剛才談到的大部分東西都不存在。如果英偉達是100億美元的公司試圖搶占別人份額，股東很容易看到如果能搶到10%份額就能變得多大。但人們很難想象我們能有多大，因為我沒有可以從誰那里搶份額。這是世界面臨的挑戰之一，即對未來的想象力。但我有足夠的時間，我會繼續推理、談論，每一次GTC都會讓它變得更加真實。總有一天我們會實現，我100%相信。
弗里德曼：這種關于token工廠的觀點，每秒每瓦特token，每個token都有價值，是真正能帶來價值的東西，給不同的人帶來不同類型、不同數量的價值，這就是產品。你可以松散地認為是token。你有一堆token工廠。然后，鑒于AI可以解決的所有潛在問題，從第一性原理很容易想象未來需要指數級更多的token工廠。
黃仁勛：是的。我如此興奮的原因是，token的iPhone時刻出現了。
弗里德曼：你是說OpenClaw是iPhone？
黃仁勛：是的，智能體，token的iPhone出現了。它是歷史上增長最快的應用，直線上升。毫無疑問OpenClaw是token的iPhone。
弗里德曼：是否有某些特別的事情從大約12月開始發生？人們真正意識到了Claude Code、Codex、OpenClaw的力量。我不好意思承認，在來這里的路上在機場，我第一次在公共場合通過和筆記本電腦說話來編程，像是在和一個人類同事說話。我不太確定未來每個人都走來走去和AI說話的感覺如何，但這是完成工作的高效方式。
黃仁勛：更可能是你的AI一直在煩你。因為它做事太快，不斷向你匯報完成的任務，問下一步要做什么。大多數人沒有意識到的是，最常與他們聊天、發短信的人將是他們的智能體。
11壓力與韌性：分解問題、分享負擔、選擇性遺忘
弗里德曼：多么不可思議的未來。我讀到你把很多成功歸功于比任何人都努力工作、比任何人都能承受更多痛苦。我們可以列出很多方面，處理失敗、成本和工程問題、人的問題、不確定性、責任、疲憊、尷尬、公司瀕臨死亡的時刻，以及現在的壓力。作為這家公司的CEO，各國經濟都在圍繞你制定戰略、規劃AI基礎設施，你如何應對如此巨大的壓力？在那么多國家和人民依賴你的情況下，是什么給了你力量？
黃仁勛：我意識到英偉達的成功對美國非常重要。我們創造了巨額稅收，為國家確立了技術領先地位。技術領先對國家安全很重要，不僅僅在某一方面，而是方方面面。當國家更繁榮時，我們可以在國內政策和改善社會福利方面做得更好。因為我們正在美國創造大量再工業化，創造大量就業機會，幫助把工廠、芯片、計算機以及這些AI工廠的建設方式帶回美國。我完全意識到這一點。
我很幸運，這也是一份真正的禮物，那些主流投資者、教師、警察，不知何故投資了英偉達，或者因為看了吉姆·克萊默（Jim Cramer）的節目買了些股票，現在成了百萬富翁。我完全意識到這種情況。我意識到英偉達對我們身后和下游的龐大生態系統合作伙伴網絡至關重要。所以我處理這個問題的方式，就像我剛才所做的那樣，推理我們在做什么、導致了什么、對他人的影響是積極還是帶來負擔。然后問自己，你打算怎么辦？對于我感受到的一切，我分解它，推理情況、變化、難點，然后制定計劃。我把問題分解成可管理的事情。之后我能做的唯一一件事是問自己，你做了嗎？要么自己做，要么讓別人做？如果你沒做，而你推理出需要做，也沒讓別人做，那就別再抱怨了。
我對自己相當嚴格。我把事情分解，這樣就不會恐慌。我可以去睡覺，因為我已經列出了需要做的事情清單，并確保所有可能危及公司、合作伙伴、行業的事情，我都告訴了能處理的人。我已經把它從心里卸下了，或者正在處理。在那之后，還能做什么呢？
弗里德曼：考慮到建設英偉達過程中經歷的極度痛苦，你經歷過心理低谷嗎？
黃仁勛：當然，一直都有。
弗里德曼：然后你只是把問題分解成碎片，看看能做什么？
黃仁勛：其中一部分是遺忘。AI學習最重要的屬性之一是系統性遺忘。你需要知道何時該遺忘，不能記住一切、保留一切、背負一切。我做得很快的是分解問題、推理問題、分享負擔。當我說我告訴所有人，我是在分享那個負擔。無論什么讓我擔心，都盡快告訴別人，不要憋在心里，不要嚇到他們。把問題分解成更小的部分，讓人們去做，激勵他們去做點什么。但其中一部分就是遺忘。很多時候你必須對自己狠一點，別再抱怨，行動起來，然后起床。另一部分是，你被下一束亮光、下一個未來、下一個機會、下一個那已經過去了、接下來是什么所吸引。偉大的運動員就是這樣，只擔心下一個得分點，上一個已經過去了。
弗里德曼：你曾說過，如果知道建立英偉達最終會有多難，比你預想的難一百萬倍，你可能不會做。
黃仁勛：是的。
弗里德曼：這可能是所有值得做的事情的真相。
黃仁勛：這正是我想解釋的，有一種不可思議的超能力，就是擁有孩子般的思維。當我看到一件事，第一個想法是能有多難？沒人做過，看起來巨大無比，耗資數千億美元，需要所有這些，但你就想能有多難？你需要讓自己進入那種狀態。你不想提前過度模擬所有挫折、磨難、失望。你想帶著完美、美好、極其有趣的心態進入新經歷。然后當挫折、失望、尷尬、羞辱真正來臨時，你需要有耐力和毅力，不讓它打倒你，然后開啟另一項技能，忘記它，繼續前進。只要我對未來的假設沒有實質性改變，我模擬的未來結果仍然會發生，我就會繼續追求它。
這需要幾種人類特質的結合，以新鮮心態進入經歷的能力、忘記挫折的能力、相信自己并持續驗證的能力。這些對韌性很重要。我很幸運，無論是什么樣的生活經歷讓我擁有了這些特質。我總是充滿好奇心，總是向每個人學習。因為對一切保持謙遜，我總是想他們做得真好，想知道他們在想什么、怎么做到的。我在模擬每個人，在很多方面，我在模仿我觀察到的每一個人，對他們所做的事感同身受并尊重。所以你在不斷學習。
弗里德曼：你現在是世界上最富有、最成功的人之一。財富、權力和名聲會讓你更難保持謙遜、聽取不同意見嗎？
黃仁勛：出乎意料的是，并沒有。我反而會反過來說。因為我做了這么多公開的工作，當我犯錯時，幾乎所有人都能看到，這本身就會讓我謙遜。當我在外面說的大部分話，我都是相當確信的，因為它會影響別人，我希望對此非常謹慎。對于我在內部會議上推理的事情，很多可能會有不同結果。但這從不阻止我推理。我管理和領導的方式是，我經常在人們面前推理，即使和你談話時你也可以看到我在推理。我想讓你理解我說的，不是因為我告訴了你，而是因為我謙遜地展示了我得出這個結論的步驟，然后你可以決定是否相信。我整天在會議上這樣做。對我所有的員工，我不斷地推理讓我告訴你我怎么看的，然后推理出來，讓大家有機會打斷說我不同意那一點。通過推理并讓人們與之互動的好處是，他們不必不同意你的結論，可以不同意你的推理步驟。他們可以把我的思路拉向不同方向，然后我們一起向前推理。這是一種集體路徑搜索的方法，真的很棒。
弗里德曼：你有一種特質，當你解釋事情時，我能感覺到你實際上是在現場推理，帶著開放的心態，我覺得我可以引導你的思維。這很美好，你在經歷這么多年的成功和痛苦后還能保持這種狀態。有時痛苦會讓你封閉一點。
黃仁勛：對尷尬的容忍度，我認為很重要。
弗里德曼：這是真實的東西。多年讓自己尷尬，即使在那些會議中，你身邊有人，你曾經宣布了一個想法，結果證明是錯的，還能承認并從中成長，這在人類層面非常困難。
黃仁勛：是的，他們最近知道了我的第一份工作是打掃廁所。
12游戲的DNA：從《毀滅戰士》到GeForce，英偉達的營銷基石
弗里德曼：很高興你保持了在Denny's餐廳工作時的精神。你的旅程從Denny's開始，我問你關于電子游戲的事。我是個鐵桿游戲迷，感謝英偉達多年來提供的不可思議的圖形。
黃仁勛：GeForce至今仍然是我們的頭號營銷策略。人們在青少年時期通過游戲了解英偉達，然后上大學，知道英偉達是誰，一開始是玩《使命召喚》、《堡壘之夜》，后來用CUDA，再后來用Blender、Dassault、Autodesk。
弗里德曼：我告訴朋友要和你談話，他說哦，他們生產很棒的游戲GPU。人們真的很喜歡，它給很多人帶來了快樂。硬件真正把這些世界帶入了生活。DLSS 5存在一些爭議，游戲玩家擔心它會讓游戲看起來像AI生成的垃圾內容。你怎么看？
黃仁勛：他們的觀點有道理，我能理解。我也不喜歡AI垃圾。所有AI生成的內容看起來越來越相似，都很漂亮，我理解他們的想法。但DLSS 5的意圖并非如此。我展示了一些例子。DLSS 5是基于3D條件、3D引導的，由真實的結構數據引導。藝術家決定了幾何形狀，我們對每一幀的幾何形狀完全忠實。它由紋理、藝術家的藝術性來限定。每一幀它都是增強，但不改變任何內容。因為系統是開放的，你可以訓練自己的模型來決定，甚至可以在未來提示它，比如希望它是卡通著色器、某種風格，它會以那種風格生成，全部與藝術家的藝術性、風格、意圖一致。這些都是為藝術家做的，讓他們能創造出更美麗但仍然符合他們想要風格的作品。他們認為游戲會按原樣發布，然后我們后期處理，這不是DLSS的意圖。DLSS與藝術家集成，是給藝術家的AI工具、生成式AI工具，他們可以選擇不使用。
弗里德曼：人們對人臉很敏感。我們生活在這個對AI垃圾敏感的時刻，這很美好，它給我們照了一面鏡子，幫助我們意識到我們尋求的是不完美，有時不是完美的圖形。它幫助我們在創造的世界中理解什么才是引人入勝的。只要它是幫助我們創造世界的工具，就很好。
黃仁勛：沒錯。又一個工具，他們希望生成模型生成與照片級真實相反的東西，它也能做到。這只是又一個工具。游戲玩家可能也會欣賞，在過去幾年里，我們向游戲開發者推出了皮膚著色器，包括次表面散射，使皮膚看起來更像皮膚。游戲開發者正在尋找更多工具來表達藝術，這只是又一個工具，他們可以決定使用什么。
弗里德曼：你認為有史以來最偉大或最有影響力的游戲是哪一款？
黃仁勛：從藝術、文化影響以及將PC變成游戲設備的角度，我會說是《毀滅戰士》。那是一個非常重要的時刻。飛行模擬公司在此之前就存在了，但不如《毀滅戰士》普及，使整個行業將PC從辦公自動化工具轉變為家庭和玩家的個人電腦。從實際游戲技術角度，我會說是《VR戰士》。
弗里德曼：還有更近期的游戲，《賽博朋克2077》，很棒的GPU加速圖形。
黃仁勛：實現了全景光線追蹤。
弗里德曼：我個人是《上古卷軸5：天際》的超級粉絲，它發布很久了，但人們發布模組，創造出完全不同的游戲，讓我能一遍又一遍重玩。它讓你意識到可以用全新的方式重新體驗你已經熱愛的世界。
黃仁勛：我們創造了RTX Mod，一個模組工具，允許社區將最新技術注入老游戲。
13 AGI已至：一個能創造10億美元公司的AI，現在就可以
弗里德曼：AGI時間線的問題取決于如何定義。如果我們定義AGI為一個能創辦并運營一家價值超過10億美元的成功科技公司的AI系統，我們離這個目標還有多遠？
黃仁勛：我認為就是現在，我們已經實現了AGI。
弗里德曼：你認為像這樣的AI系統可以運營公司嗎？
黃仁勛：可能。你說的是10億美元，沒說永遠。Claude能夠創建一個網絡服務，一個小應用程序，突然被數十億人使用，每人花了50美分，然后不久又倒閉，這并非不可能。互聯網時代我們看到了大量這樣的公司，它們并不比今天的OpenClaw能生成的更復雜。當然，十萬個這樣的智能體中，能建成英偉達的概率是零。
我想確保大家都能聽到這個故事，計算機科學家和AI研究人員曾預言，第一個將被淘汰的職業是放射科醫生。因為計算機視覺將達到超人類的水平，而且它確實做到了。計算機視覺在2019年、2020年左右就已經超越了人類。因此，當時的預測是放射科醫生會消失，因為分析放射影像已成為過去式，AI會代勞。嗯，他們確實說對了，計算機視覺完全超越了人類，今天每一個放射學平臺和軟件包都由AI驅動，然而放射科醫生的數量卻增長了。問題是為什么？我們現在全球都面臨放射科醫生短缺。所以，首先，這種危言聳聽走得太遠了，嚇退了人們從事這個對社會如此重要的職業，造成了傷害。那么，為什么這種預測是錯的？原因在于放射科醫生的目的是診斷疾病，幫助患者和醫生診斷疾病。因為我們現在研究影像的速度快得多，你可以研究更多影像，可以做出更好的診斷，可以更快地讓患者住院，可以看更多的患者。醫院賺了更多錢，醫院里有更多患者，你就需要更多放射科醫生。令人驚奇的是，這事發生得如此明顯。英偉達的軟件工程師數量將會增長，而不是下降。原因是，軟件工程師的目的和編碼的任務是相關的，但不是一回事。我希望我的軟件工程師解決問題，不在乎他們寫了多少行代碼。他們的目的沒有改變，解決問題、團隊合作、診斷問題、評估結果、尋找新問題、創新、連接點。這些都不會消失。
弗里德曼：你認為世界上的程序員數量可能會增加，而不是減少？
黃仁勛：是的。今天編碼的定義是制定規范，如果你愿意，甚至可以給出想要編寫的軟件的架構。有多少人能這樣做？描述一個規范，告訴計算機去構建什么？我認為我們剛剛從3000萬增加到了可能10億。未來的每個木匠都將是一個程序員，只不過帶AI的木匠同時也是建筑師。他們能帶給客戶的價值得到了提升，藝術性極大地提升了。每個會計師同時也是財務分析師、財務顧問。所有這些職業都得到了提升。如果我是木匠，看到AI會完全瘋狂。如果我是水管工，也會完全瘋狂。
弗里德曼：目前的程序員和軟件工程師，處于最前沿，他們直觀地理解如何用自然語言與智能體溝通，以便設計出最好的軟件。
黃仁勛：沒錯。
弗里德曼：學習編程、學習編程語言、好的實踐、大型軟件系統的設計原則，仍然有價值。
黃仁勛：規范的藝術性取決于你試圖解決什么問題。當我思考公司戰略、制定方向時，我描述的詳細程度足以讓大多數人理解方向并可以采取行動，但我故意不詳細說明，以便讓43,000名出色的員工能把它做得比我設想的更好。所以當我和工程師一起工作時，我會考慮在解決什么問題、和誰一起工作，規范的層次、架構定義的程度與此相關。每個人都需要學習，在編碼的光譜中想處于什么位置。編寫規范就是編碼。你可以決定非常具體，因為你正在尋找非常特定的結果。你也可以決定更探索性，不那么具體，以便與AI來回互動，甚至推動你自己的創造力邊界。這就是編碼的未來。
弗里德曼：很多人擔心工作，尤其是白領行業。當自動化和新技術到來時，總會有動蕩時期。我們需要有同情心和責任感，去感受失業給個人和家庭帶來的實際痛苦。當有變革性技術時，會有很多痛苦。希望它能創造更多機會，讓同樣的人做同樣的工作，隨著工具演變變得更高效、更有趣。我在編程中從未有過這么多樂趣。希望它能自動化無聊的部分，把創造性的部分留給人類。但還會有很多痛苦。
黃仁勛：我處理焦慮的方式是，先分解，然后告訴自己，有些事情可以做，有些事情無能為力。對于可以做的那部分，推理然后行動。如果我們今天招聘應屆畢業生，一個不了解AI，一個是使用AI的專家，我會雇那個使用AI的專家。如果是會計師、營銷人員、供應鏈、客戶服務、銷售人員、業務發展、律師，我會雇使用AI的專家。所以我建議，每個大學生、每個教師都應該鼓勵學生使用AI。每個大學生畢業時都應該成為AI專家。如果你是木匠、電工，去使用AI。看看它能如何改變你目前的工作，提升自己。如果我是農民、藥劑師，我會使用AI，看看它能如何提升我的工作，讓我成為革新這個行業的創新者。這是我會做的第一件事。
黃仁勛：技術會取代許多任務。如果你的工作就是任務本身，你很有可能受到沖擊。如果你的工作目的包含某些任務，那么學習使用AI來自動化這些任務就至關重要。中間有一個光譜范圍。
弗里德曼：AI的美妙之處，尤其是聊天機器人版本，在于你可以通過和它交談來分解問題。我最近用它來思考生活中的問題，不是治療問題，而是實際問題，“我擔心工作，需要哪些技能？需要采取哪些步驟？如何更好地掌握AI？”你剛才說的一切，都可以直接問，它會給你逐點計劃。它就是一個很棒的人生教練。
黃仁勛：我不知道怎么用AI，AI會說讓我給你展示。你不能走到Excel前說我不知道怎么用Excel。
弗里德曼：這就是AI為我所做的，作為初學者第一次使用某樣東西時最初的摩擦。我可以問任何一件事，我需要采取的第一步是什么？它所提供的指導，消除了世界提供的所有體驗的摩擦。就像我私下跟你說的，你說要去中國大陸和臺灣，只需問我去哪里、怎么去，所有問題立刻得到回答。
黃仁勛：當你去臺灣時，問AI說黃仁勛在臺灣最喜歡的餐廳是哪家？它實際上會告訴你。
弗里德曼：準確嗎？
黃仁勛：臺灣各地都有。
弗里德曼：你在那里是搖滾明星。也許我們會在Computex相遇，那將是計算領域很美好的事。
黃仁勛：Computex，英偉達GTC臺灣大會。
14智能與人性：當智能被商品化，什么才是人類的真正價值？
弗里德曼：你認為人性、人類意識中是否存在根本上是非計算性的東西？也許是無論多么強大的芯片都無法復制的東西？
黃仁勛：我不知道芯片是否會緊張、焦慮或產生任何情緒。我相信AI將能夠識別和理解這些，但我認為芯片不會感受到這些。這種焦慮、感覺、興奮如何體現在人類表現中？極其出色的人類表現、運動表現，與平均或低于平均水平，同樣環境下不同的人表現出不同的結果。我不認為我們正在建造的任何東西會表明，兩個相同的計算機在完全相同的環境下會產生不同的結果，它們會產生統計上不同的結果，但不是因為它們感覺不同。
弗里德曼：主觀體驗確實有些特別。和你談話我挺緊張的。希望、恐懼、焦慮，生活本身的豐富多彩，我們愛得多深，心碎得多深，對死亡有多恐懼，當親人去世時感到多大的痛苦。所有這一切，很難認為AI或計算設備能做到。但這其中有很多未解之謎，我對被驚喜保持開放態度。在智能領域，擴展可以創造出一些不可思議的奇跡，觀察這一過程令人驚嘆。
黃仁勛：分解什么是智能很重要。智能不是一個神秘的詞，它有含義。它是一個包含感知、理解、推理、制定計劃能力的系統。這個循環是智能的基本定義。智能絕不等于人性。將兩者區分開很重要。我不過度幻想或浪漫化智能。智能是一種商品。我身邊都是比我聰明的人，在各自領域都比我聰明。然而我在那個圈子里有自己的角色。他們比我受教育程度更高，上的學校更好，在各自領域都比我深。我手下60個人都是超人。不知何故，我坐在中間協調他們。你問自己，是什么讓一個洗碗機能夠坐在一群超人中間？
黃仁勛：我的觀點是，智能是一個功能性的東西。人性不是用功能性定義的，它是一個更宏大的詞。我們的人生經歷、對痛苦的承受力、決心，這些是與智能不同的詞。如果我能給聽眾一個信息，那就是智能是我們隨著時間的推移而提升到很高地位的一個詞。
弗里德曼：我們真正應該提升的詞是人性。
黃仁勛：品格，人性，同情心，慷慨，你剛才說的一切。我相信這些是超人的力量。現在智能將被商品化。最重要的事情是你的教育。當你在學校時，你獲得的不僅僅是知識。但不幸的是，我們的社會把所有東西都塞進了一個詞里，而生活遠不止一個詞。我的生活會表明，在智能曲線上低于我身邊的每個人，這并沒有改變我是最成功的人這一事實。我希望這能激勵其他人，不要讓智能的民主化、商品化引起焦慮，你應該為此感到鼓舞。
弗里德曼：我認為AI將幫助我們更多地贊美人類。以人為本，人性至上。讓這個世界不可思議的是，人類將永遠如此，而AI只是讓我們變得更強大的工具。
黃仁勛：完全正確。
15最后的愿望：死在崗位上，把知識傳遞到最后一刻
弗里德曼：英偉達的成功和數百萬人的生活依賴于你。但你是一個凡人，和我們所有人一樣終有一死。你思考過生命的極限嗎？害怕死亡嗎？
黃仁勛：我真的不想死。我的生活很美好，有很棒的家庭，有非常重要的工作。這不是一生一次的經歷，因為一生一次意味著很多人都曾經歷過，只不過每人只有一次。我現在經歷的，是人類歷史上絕無僅有的經歷。英偉達是歷史上最具影響力的科技公司之一，我們在做非常重要的工作，我非常認真地對待。有一些實際的事情需要考慮，比如繼任計劃。我常說我不相信繼任計劃，很多人都知道。
原因不是因為我長生不老。原因在于，如果你擔心繼任計劃，如果你為此焦慮，你應該怎么做？你把它分解。今天，如果你關心公司在你之后的未來，最重要的事情就是盡可能持續地傳遞知識、信息、洞察力、技能和經驗。這就是為什么我不斷地在團隊面前推理一切。每一次會議都是一次推理會議。我在公司內部、外部度過的每一刻，都在盡可能快地向人們傳遞知識。我學到的東西，從不在辦公桌上停留超過一秒鐘。我傳遞信息，在我自己完全學完之前，我已經把它指向別人，去研究這個，這很酷，你會想學的。我不斷地傳遞知識，賦能人們，提升周圍每個人的能力，這樣我所尋求的結果，我希望的是我死在崗位上，希望是瞬間的，沒有長時間的痛苦。
弗里德曼：從粉絲的角度，考慮到你對文明的巨大積極影響，我當然希望你繼續下去。看著英偉達做的事情也很有趣，創新的速度，我是工程的超級粉絲。英偉達不斷進行著不可思議的工程，看著令人愉快。這是對人性、對偉大的建設者、對偉大工程的頌歌。它代表著特別的東西。關于我們正在進行的這一切，關于人性，關于人類的未來，是什么給了你希望？當你展望10年、20年、50年、100年后，是什么給了你希望？
黃仁勛：我一直對人類善良、慷慨、同情心和人類能力充滿信心，有時甚至超過應有的程度。我被利用過，但這從未讓我停止相信。我總是從人們想要做好事、想要幫助他人出發，絕大多數情況下我被證明是正確的，常常超出預期。所以我對人類的能力有完全的信心。我認為，基于我們現在看到的各種可能性，以及根據我們正在做的事情進行外推，極有可能發生的事情，這些東西給了我極大的希望。有這么多我們想要解決的問題，有這么多我們想要建造的東西，有這么多我們想做的善事，現在都觸手可及，而且在我有生之年就能實現。你不可能不對此感到浪漫。
弗里德曼：活著是多么激動人心的時刻。
黃仁勛：你怎么能不對此感到浪漫呢？期望疾病終結是合理的，期望污染大幅減少是合理的，期望以光速旅行實際上在我們的未來是合理的，不是長距離，而是短距離。人們問我怎么做到。首先，很快我要把一個人形機器人放在宇宙飛船上，是我的機器人，我們會盡快把它送出去，它會在飛行途中不斷改進和增強。然后到了時候，我所有的意識，我生活的很大一部分已經上傳到了互聯網，把我所有的收件箱、做的所有事情、說的所有話都收集起來，變成了我的AI。當時機成熟時，我們只需以光速把它發送出去，趕上我的機器人。
弗里德曼：這有點應用層面。但對我而言，從最大化好奇心的角度，所有那些未解之謎，有太多引人入勝的科學問題。
黃仁勛：理解生物機器就在眼前，不是10年，大概只要5年。
弗里德曼：然后是你的生物機器、人類思維，以及破解物理學、理論物理，這太令人興奮了！
黃仁勛：解釋意識，那將非常棒。
弗里德曼：所有這些都在我們的掌握之中。仁勛，非常感謝你這些年來所做的一切，感謝你為世界所做的一切，感謝你做你自己。我能看出你是一個偉大的人，祝你今年取得令人難以置信的成功。作為一個粉絲，我迫不及待地想看到你接下來的成就，希望我們能在臺灣見面，非常感謝你今天和我談話。
黃仁勛：謝謝，我過得很愉快。還有，如果我能再說一件事。謝謝你做的所有訪談，你所展現的深度、尊重，以及你為了向我們揭示你多年來采訪過的那些了不起的人所做的研究。我非常喜歡這些訪談。作為一個創新者，你創造了這種長篇的、令人難以置信的、卻又引人入勝的內容。謝謝你做的一切。
弗里德曼：這對我來說意義重大。謝謝你！
黃仁勛：謝謝你，弗里德曼。
弗里德曼：感謝您收聽這次與黃仁勛的對話。要支持本播客，請查看描述中的贊助商鏈接。現在，讓我用艾倫·凱的一句話來結束：“預測未來的最好方法就是去創造它。”感謝收聽，期待下次再見。
本文來源：網易智能
責任編輯：
王鳳枝_NT2541
