人工智慧正通過前所未有的硬體驅動（AI晶片）投資，以驅動全球產業和技術格局。根據專業機構資料，到2030年，用於AI最佳化資料中心的資本支出 (CapEx) 預計將超過7兆美元，這一規模是以往任何計算轉型都無法比擬的。但與過去幾年全球AI硬體以訓練為主不同，當前全球AI晶片市場正在經歷從GPU（圖形處理器）一家獨大，向“GPU與ASIC（專用晶片）共生互補”格局的深刻轉變；這與全球AI日益轉嚮應用端趨勢不謀而合。當然，目前全球人工智慧市場依然由GPU主導，其在市場價值中佔比超過80%，而ASIC僅為8%-11%。但如果以出貨量為指標的話，天平已在悄然傾斜。2025年，Google自研的TPU晶片出貨量預計達150萬-200萬台，亞馬遜AWS的Trainium 2 ASIC約為140萬-150萬台，兩者合計規模已接近同期輝達AI GPU的40%-60%。更具顛覆性的是，隨著Meta計畫2026年量產100萬-150萬顆MTIA晶片，以及微軟2027年啟動大規模ASIC部署。根據野村證券最新資料認為：ASIC整體出貨量有望在2026年某個時間點超越輝達GPU。而根據DIGITIMES預測，ASIC晶片出貨量將在2027年突破千萬規模，與GPU的出貨量相比，已在伯仲之間了。那這是否意味著輝達GPU的市場影響力下降了呢？以輝達為主導的全球GPU市場（AMD配角），其主要優勢在於通用性強、生態壁壘高（CUDA）、適合複雜和快速迭代的任務，如大模型訓練。從目前來看輝達GPU出貨量不會下降，但其市場份額將持續下滑將是必然。這從輝達第三財季的資料也可以得到印證，其第三財季營收為570.1億美元，超出市場預期的549.2億美元； 資料中心營收為512億美元，輕鬆超過分析師預測的490.9億美元，同比增長66%。這鞏固了輝達在人工智慧計算基礎設施領域的領先地位。其中，微軟、亞馬遜、Alphabet和Meta這四家公司合計佔輝達銷售額的40%以上，預計未來12個月這些公司的AI支出總額將增長34%至4400億美元。這說明輝達GPU在全球人工智慧市場中無可取代的地位。但從未來全球資料中心技術路線來看，也已從“單一引擎”進化到“混合架構”；即未來資料中心將普遍採用 “GPU訓練 + ASIC推理”的混合算力策略。這種組合既能利用GPU的靈活性進行模型開發和迭代，又能在模型部署後通過ASIC實現極致的推理能效和成本控制，最佳化整體營運成本（TCO）。從應用場景來說，隨著AI應用大規模落地，推理計算需求正呈指數級增長。有預測顯示，到2026年，推理計算需求可能佔AI總計算需求的70%以上。這種演算法相對固定的規模化場景，正是ASIC發揮其能效和成本優勢的主戰場。全球ASIC的爆發，恰好與中國的產業需求和安全訴求高度契合。這既是機遇，也帶來了獨特的挑戰。中國巨大的應用市場能提供豐富的推理場景，這正是ASIC的優勢領域。同時，外部供應的不確定性，使國產替代從“可選項”變為“必選項”，為本土ASIC創造了關鍵窗口期。何況，自研ASIC能針對特定場景最佳化，實現更好的性價比和能效比。但由於國產AI晶片在單顆晶片的絕對性能上暫時落後，中國企業開創性地將競爭維度提升到了 “系統級” ，即通過架構和互聯技術創新，用多晶片協同來彌補單卡差距。也就是說，國產晶片不再追求在單卡上對標頂級GPU，而是通過超節點（SuperPOD）等先進架構，將成千上萬顆國產晶片高效互聯，形成一個超級電腦等級的統一算力底座。目前，華為的Atlas系列超節點和阿里雲的磐久超節點伺服器已大規模部署，能支撐萬卡級叢集和千億參數大模型的訓練。業界認為，這是規避先進製程限制、持續提供算力的關鍵策略。根據弗若斯特沙利文資料，中國的AI晶片市場規模將從2024年的1425.37億元，激增至2029年的1.34兆元，2025年至2029年的年均複合增長率為53.7%。同時，國產AI晶片的滲透率也在快速提升。根據IDC資料顯示，2024年，中國本土AI晶片品牌滲透率約30%，出貨量達到82萬張，相較上年同期15%的國產品牌滲透率，呈明顯提升趨勢。甚至有分析預測，中國AI晶片市場的本土化率將快速提升至2027年的55%左右。因此，從全球AI晶片的技術趨勢來看，ASIC晶片的應用將愈發廣泛；結合中國市場對供應鏈安全、成本控制和龐大應用場景的需求，這些正推動中國產業走出一條以ASIC和專用晶片為突破口、以系統級叢集能力為槓桿、以應用生態協同為加速器的獨特發展路徑。 (飆叔科技洞察)

近日，GoogleTPU攜Gemini3逆襲之勢大幅拓寬增量前景，Meta考慮斥資數十億美元為其買單，機構將TPU產量預期上調67%至500萬塊。基於“晶片-光交換網路-大模型-雲服務”全鏈閉環，Google智算體系重回AI賽道前沿梯隊，標誌著美式封閉壟斷路線更進一步。與此同時，以DeepSeek為代表的開源模型緊追不捨。月初，DeepSeek V3.2及其長思考增強版模型出爐，前者在性能測試中打平ChatGPT，後者直接對標閉源模型頂流Gemini。這也預示著中國開源開放路線漸入佳境，國產智算體系在應用層展現出良好的生態協同潛力。至此，中美AI產業博弈棋至中盤，“開放協同”與“封閉壟斷”對位格局愈發清晰。尤其在智算生態佈局中，兩大陣營或正醞釀著一場體系化能力的巔峰較量。從Gemini 3到TPU v7，軟硬一體閉環臻至極境毋庸置疑，GoogleTPU的突然走紅，很大程度得益於Gemini3的模型能力驗證。作為專為GoogleTensorFlow框架而生的ASIC晶片，TPU憑藉軟硬體一體化設計為其全端閉環完成奠基，同時也在上層應用高位突破時俘獲外部使用者市場，甚至一度被視為輝達GPU的最強平替。所謂“軟硬一體化”，即硬體的設計完全服務於上層的軟體和演算法需求。如Gemini 3訓練和推理過程高度適配TPU叢集，而這種定製化專用模式也在功耗能效方面展現出極高價值——TPU v5e的功耗僅為NVIDIA H100的20%-30%，TPU v7每瓦性能較前代產品翻倍增長。目前，Google通過“晶片+模型+框架+雲服務”的垂直整合，形成了一個封閉且高效的循環。一方面極大地提升了自身AI研發和應用開發效率，另一方面也在NV主流體系下裂土而治，奪得又一智算賽道主導權，Meta對TPU的採購意向則將這一體系熱度推向了高點。業內有觀點指出，從蘋果到Google，美式的垂直封閉玩法幾乎臻至極境，表現出科技巨頭為鞏固和擴張利益版圖，在產業鏈層面泛在的壟斷慾望。但從生態發展角度來看，封閉模式缺乏長期主義精神，極易導致產業長下游喪失創新活性，並形成單一主體高度集權的格局。另外，從TPU的應用場景來看，軟硬一體閉環儼然是專屬於巨頭的遊戲。某分析人士稱，Google的叢集化設計和“軟體黑盒”，需要使用者重新配置一整套異構基礎設施。如果沒有兆參數模型訓練需求，根本填不滿TPU的脈動陣列，省下的電費可能都抵消不了遷移成本。同時，由於TPU技術路線極為封閉，與主流開發環境無法相容，使用者還需要一支專業的工程團隊駕馭其XLA編譯器，重構底層程式碼。也就是說，只有像Google、Meta這種等級的企業才有資格轉向TPU路線，也只有算力規模達到一定程度才能發揮出定製化產物的能效優勢。不可否認，Google等頭部企業通過垂直整合自建閉環，在局部賽道快速實現單點突破，同時也造就了美國科技巨頭林立的蔚然氣象。但在中美AI博弈背景下，美式封閉壟斷路線憑藉先發優勢提前完成了賽道卡位，被動的追隨式趕超已很難滿足中國智算產業的發展需要。“小院高牆”之外，如何充分發揮舉國體制優勢，團結一切力量拆牆修路，成為拉近中美AI體系差距的關鍵。多元異構生態協同，開放路徑通往下一賽點相較於美式寡頭壟斷模式，中國智算產業正基於多元異構體系層層解耦，重塑開放式生態系統。從頂層設計到產業落地，“開源開放+協同創新”已然成為國產軟硬體全端共識。在政策層面，《算力基礎設施高品質發展行動計畫》提出建構佈局合理、泛在連接、靈活高效的算力網際網路，增強異構算力與網路的融合能力，實現多元異構算力跨域調度編排。並且，相關部門多次強調，鼓勵各方主體創新探索智能計算中心建設營運模式和多方協同合作機制。延伸到AI應用層，《關於深入實施“人工智慧+”行動的意見》同樣要求深化人工智慧領域高水平開放，推動技術開源可及......不難看出，國家在人工智慧和智算領域給出了截然不同的中國方案——不在封閉路線中盲目追趕封閉，要在開放格局下謀求錯位趕超。事實上，頂層設計完全基於產業現實需要。在美方科技封鎖下，中國智算產業主要面臨兩大挑戰：單卡算力性能瓶頸、算力成本高。除了在晶片、模型、基礎軟體等核心技術領域持續攻堅外，當前更有效的途徑是發展更大規模、更多元高效的智算叢集，突破AI算力瓶頸。業內調研結果顯示，國內宣佈擁有千卡規模的算力叢集不少於100個，但其中大部分是異構晶片。可以想像，假如不同硬體系統相互封閉，標準介面不統一，軟體棧互不相容，將導致難以實現智算資源的有效整合利用，更無法滿足大規模參數模型的應用需求。根據行業主流觀點，國產AI算力存在多元化、碎片化特徵，同時又具備相當的規模化優勢。當務之急並不是各自埋頭推進單一技術路線，更首要的是盡快打通“技術牆”、“生態牆”，實現產業鏈開放跨層協作，真正釋放總體算力生態潛能，從單點突破邁向整合創新。具體來看，所謂開放路線旨在基於開放的計算架構推動產業生態協同創新。比如通過制定統一的介面規範，聯動晶片、計算系統、大模型等產業鏈上下游企業共同參與生態建設，減少重複性研發和適配投入，共享技術攻關和協同創新效益。同時，隨著開放架構中的協作標準趨於統一，可以進一步打造出商品化的軟硬體技術，用以代替定製化、專有化的系統，進而降低計算產品應用成本，實現覆蓋產業全端的算力普惠。顯然，在中國式開放體系下，國產AI算力正打破GoogleTPU的泛化普及困境，將智算生態系統與各方開發者使用者廣泛連結，最終形成體系化協同戰力，更靈活高效賦能人工智慧+落地。屆時，中美AI博弈也將走出單卡競爭和單一模型比拚，全面迎來生態體系能力的終極對壘。 (伯虎財經)

輝達官方稱其技術領先行業一代，是唯一能運行所有AI模型並應用於所有計算場景的平台。周二（11月25日），輝達官方表示，其技術依然領先行業一代，是唯一能夠運行所有人工智慧（AI）模型並應用於所有計算場景的平台。分析認為，輝達此舉是為了回應華爾街對該公司在AI基礎設施領域主導地位可能受到Google晶片威脅的擔憂。輝達在社交平台X上發文稱：“我們對Google的成功感到高興——他們在人工智慧方面取得了巨大進展，而我們也將繼續向Google供貨。”“輝達領先行業整整一代——是唯一一個能運行所有AI模型、並在所有計算場景中部署的平台。”輝達補充道：“與專為特定AI框架或功能設計的ASIC（專用積體電路）晶片相比，輝達提供更高的性能、更強的通用性以及更好的可替代性。”此番表態發佈之際，有報導稱輝達重要客戶之一的Meta，可能與Google達成協議，在資料中心使用Google的張量處理單元（TPU）。受此影響，輝達股價日內一度跌超7%。上周，Google發佈了最新的大語言模型Gemini 3，多位業內權威人士認為其已經“超越”了OpenAI的GPT模型。該模型是使用TPU進行訓練的，而不是輝達GPU。分析師指出，輝達在AI晶片市場的份額超過90%，儘管Blackwell價格昂貴，但性能強大。不過，近幾周以來，Google的自研晶片作為Blackwell晶片的一種可行替代方案，受到了越來越多的關注。Google雲內部高管透露，擴大TPU的市場採用率，有望幫助公司搶佔輝達年收入份額的10%。不同於輝達，Google並不向其他公司出售其TPU晶片，但會將其用於內部任務，並允許企業通過Google雲來租用。Google發言人在先前一份聲明中提到：“我們對自研TPU和輝達GPU的需求都在加速增長。我們將一如既往地同時支援這兩種技術。”輝達CEO黃仁勳在本月早些時候的財報電話會上也談到了來自TPU的競爭。他指出，Google本身就是輝達GPU晶片的客戶，Gemini模型也可以在輝達的技術上運行。黃仁勳還提到，他一直與GoogleDeepMind的CEO德米斯·哈薩比斯（Demis Hassabis）保持聯絡。黃仁勳稱，哈薩比斯給他發簡訊表示，科技行業裡認為“使用更多的晶片和資料可以打造更強大的AI模型”的理論——也就是AI開發者常說的“規模化法則（scaling laws）”——依然成立。輝達認為，規模化法則將帶動對其晶片和系統形成更強勁的需求。 (科創板日報)

在AI算力需求持續爆發的背景下，一個曾經相對小眾的晶片領域正在成為半導體產業的新風口－ASIC（Application Specific Integrated Circuit，專用積體電路）。與輝達GPU在AI市場的一枝獨秀不同，越來越多的雲端服務巨頭選擇客製化專屬的AI晶片，而為這些巨頭提供設計服務的ASIC廠商們，正在迎來前所未有的黃金時代。為什麼是ASIC？要理解ASIC如今的爆火，就需要將時鐘撥回20世紀80年代初。彼時，半導體技術正經歷一場深刻變革——單晶片所能承載的電晶體數量大幅提升，電子設備製造商不再滿足於使用千篇一律的通用晶片，他們渴望擁有能夠精準適配自身產品需求、與競爭對手形成差異化的客製化晶片。這種來自市場的強烈呼聲，催生了ASIC這個全新的晶片品類，也開啟了半導體產業的重大革命。在ASIC出現之前，半導體產業長期遵循著相對單一的商業模式：晶片公司預判市場需求，自主研發通用型晶片，批次製造後透過公開市場銷售給眾多客戶。這種模式在整合度較低的年代仍能運轉，但隨著電子產品日益精密與複雜，矛盾逐漸顯現。傳統半導體企業雖然精通晶片技術，卻缺乏深入理解各個細分應用場景的系統級知識，難以為每個特定市場設計專屬晶片；而係統廠商——那些生產電腦、通訊設備的企業——雖然清楚知道自己想要什麼樣的產品，卻既缺乏半導體設計能力，更沒有晶片製造的資源。正是在這樣的產業斷層中，VLSI Technology和LSI Logic等企業敏銳捕捉到了機會。它們開創了一種全新的協作模式：系統廠商負責晶片功能的定義和前端設計，明確晶片需要實現什麼功能；而ASIC企業則承擔物理設計（即後端設計）和製造環節的責任，將概念轉化為真實的矽片。這種分工打破了原有的產業邊界，讓專業的人做專業的事。儘管最初這一模式被業界質疑為「工程成本高、客戶數量少」的小眾生意，但市場很快就用真金白銀證明了其價值——到2000年時，LSI Logic的營收已達到27.5億美元。但傳統ASIC模式也存在一個關鍵限制：其光刻掩模歸ASIC企業所有，這意味著某一設計只能由對應的ASIC企業製造。即便其他廠商提出更優惠的方案，系統廠商也無法輕易更換供應商──這需要重新啟動完整的設計流程，成本極為高。這種鎖定效應在高批次生產場景下尤其讓顧客不滿。1990年代初，兩大變革打破了這一僵局：一是台積電(TSMC)等專業代工廠的出現，二是物理設計知識的普及和EDA工具的成熟。這些變化為系統廠商提供了一條全新路徑－客戶自有工具(COT)模式：系統廠商可以自主完成從概唸到掩模的全流程設計，然後選擇任意代工廠進行製造，掩模的所有權掌握在客戶手中，這意味著真正的供應鏈彈性。不過COT模式也並非十全十美，其很快就暴露出新的問題：晶片物理設計的難度遠超過許多系統廠商的想像。曾經認為ASIC企業收費過高的公司，在自己動手後才意識到，從網表到可製造版圖的過程中，佈局佈線、時序收斂、功耗優化、可製造性設計等每一個環節都充滿挑戰。在這樣的背景下，「設計服務企業」應運而生。這類企業與傳統ASIC公司角色相似，為客戶提供專業的設計支援，但關鍵區別在於：它們沒有自己的晶圓廠，主要依託台積電等代工廠，客戶保留掩模所有權。台灣的世芯、智原和創意等企業成為此模式的代表。這種更開放、更靈活的生態，為後來AI時代百花齊放的ASIC創新奠定了產業基礎。到了2010年代，AI的出現，讓ASIC真正得以一展身手。這段時期，深度學習技術取得突破性進展，ImageNet影像辨識競賽上的驚艷表現讓業界意識到，神經網路正在開啟一個新時代。同時，訓練這些模型所需的算力呈指數級增長——從2012年AlexNet的數天訓練時間，到2018年BERT模型的數周甚至數月，再到GPT-3等大模型需要數千塊GPU協同工作數月之久。通用GPU雖然可以勝任AI訓練，但其本質上仍是為圖形渲染設計的硬體，在面對神經網路的特定計算模式時，存在大量的效率損失。正是在這樣的背景下，Google在2016年首次公開了其TPU晶片。這款ASIC專門針對TensorFlow框架下的神經網路推理優化，在Google的資料中心中大規模部署，為搜尋、翻譯、照片辨識等服務提供算力支撐。TPU的成功引發了連鎖反應。如果說在ASIC發展的前幾十年，市場主要由電信設備、消費性電子等傳統應用主導，那麼2010年代後半段，AI迅速成為ASIC最重要、成長最快的應用領域。特斯拉為自動駕駛研發FSD晶片，蘋果在iPhone中整合Neural Engine，華為推出昇騰系列AI處理器，亞馬遜為AWS雲端服務開發Inferentia推理晶片——幾乎所有科技巨頭都意識到，AI時代的算力競爭，必須依靠客製化的ASIC來實現效率和成本的最優平衡。ASIC，迅速繁榮我們不難發現，與GPU這樣的通用處理器不同，ASIC從誕生之初就帶有鮮明的「專才」特質──它只為一個特定的應用場景或功能而生，但會把這件事做到極致。ASIC的第一大優勢是效能的極致最佳化。在1980年代，ASIC主要採用兩種製造技術：閘陣列（gate-array）和基於單元（cell-based）設計。閘陣列技術在晶圓上預先製造好閘電路，掩模僅需對互連部分進行圖案化，速度更快、成本更低；而基於單元的設計則需要對空白晶圓的所有層進行圖案化，雖然製造周期更長，但靈活性更強，能夠實現更高的電路密度和性能。這種對特定任務的深度定製，到了AI時代展現出更驚人的效果。通用處理器如CPU需要兼顧各種可能的運算需求－從文字處理到圖形渲染，從資料庫查詢到科學運算－因此必須在架構上做出妥協，配置複雜的指令調度系統、多層快取結構、分支預測單元等。而AI專用ASIC則可刪繁就簡，將所有的電晶體資源都聚焦在神經網路運算的核心操作：矩陣乘法、卷積運算、活化函數等。以Google的TPU（Tensor Processing Unit）為例，這款在2010年代推出的AI專用ASIC，其核心就是一個256×256的脈動陣列（systolic array），專門針對張量運算最佳化。此設計使得TPU在執行機器學習推理任務時，效能可以達到同時期通用GPU的15-30倍，同時能效比提升30-80倍。這種性能飛躍，正是ASIC專用化理念在AI時代的最佳詮釋。ASIC的第二大優勢是功耗的極致控制，回顧ASIC的發展歷史，能源效率優勢一直是其核心賣點之一。在1990年代，ASIC廣泛應用於行動電話、數位相機等便攜設備，原因正是其出色的能源效率表現能夠延長電池續航力。進入2000年代，隨著多媒體設備的爆發式成長，ASIC在影像處理、視訊編解碼、電源管理等領域大展身手，讓裝置變得更小巧、更節能。到了AI時代，功耗問題已經從錦上添花的優勢升級為生死攸關的剛需。現代大型AI模型動輒需要數千甚至上萬塊GPU進行訓練，單一資料中心的功耗可達數十兆瓦－相當於一個小型城鎮的用電量。冷卻系統的成本和環境影響也成為不可忽視的問題。在這樣的背景下，ASIC的能源效率優勢具有了策略意義。ASIC之所以能效卓越，根本原因在於其可以精確控制每個運算單元的功耗特性。通用晶片為了保持靈活性，必須配置大量可能永遠不會被AI應用使用的功能模組——這些"閒置"的電路仍然會消耗靜態功耗。而ASIC則可以只保留必需的電路，去除一切冗餘。更進一步，ASIC還可以針對特定的運算模式優化資料流動路徑，減少資料在晶片內部的移移距離，而資料移轉往往是能耗的主要來源之一。在邊緣AI場景中，ASIC的能效優勢更加凸顯。智慧型手機、智慧音箱、監視攝影機、自動駕駛汽車——這些設備要麼受限於電池容量，要麼對散熱有嚴格限制，根本無法承載高功耗的通用晶片。例如，蘋果在iPhone中整合的神經網路引擎(Neural Engine)本質上就是AI專用ASIC，能夠在極低功耗下實現即時的臉部辨識、照片場景分析等功能。在汽車領域，特斯拉自研的FSD(Full Self-Driving)晶片同樣是ASIC架構，專門針對自動駕駛的視覺感知和決策任務優化，在功耗僅為72瓦的情況下，實現了每秒2300幀的圖像處理能力。ASIC的第三大優勢是物理尺寸的最佳化，早在1970年代，ASIC的前身——客製化積體電路就被應用於計算器和數位手錶中，原因之一就是其緊湊的設計。到了1980年代，隨著電玩主機和家用電腦的興起，ASIC幫助這些裝置在保持小巧外形的同時，實現了圖形渲染、聲音合成等複雜功能。這種"在有限空間內整合強大功能"的能力，正是ASIC設計哲學的體現。在AI時代，空間優化的重要性達到了新高度。現代智慧型手機需要在厚度不到10毫米的機身內，整合處理器、記憶體、電池、相機、天線等數十個組件。如果AI運算依賴獨立的通用晶片，不僅會佔據寶貴的電路板空間，還會因為晶片間的資料傳輸增加延遲和功耗。而將AI能力整合為ASIC形式的協處理器，可以與主處理器封裝在同一晶片內，甚至直接整合在同一塊矽片上，極大地節省了空間。事實上，如今的ASIC早已經成為AI基礎設施中不可或缺的一環，從Google到微軟，從亞馬遜到Meta，幾乎所有雲端服務巨頭都已經涉足定製晶片即ASIC晶片，在輝達賺的盆滿缽滿之際，ASIC也與之一同崛起，成為了新的搖錢樹。博通與Marvell：ASIC市場的最大贏家時間來到2025年，ASIC早已讓博通和Marvell賺的盆滿缽滿。博通FY25Q2財報顯示，其AI業務收入超44億美元，年增46%，客製化AI加速器實現兩位數增長；Marvell FY26Q1數據中心營收達14.41億美元，佔總營收76%，同比暴增76%，主要驅動力AI定製晶片的大規模出貨。從市佔率來看，博通與Marvell已經形成了近乎壟斷的雙寡頭格局。根據產業分析，這兩家公司合計佔據ASIC市場超過60%的份額，其中博通一家就拿下了55-60%的市場份額，堪稱絕對霸主；Marvell則佔據13-15%，穩居第二。更關鍵的是，它們服務的客戶清一色都是全球最頂級的雲端服務供應商（CSP）——這些才是真正大規模部署AI基礎設施、願意為客製化晶片投入數十億美元的金主。博通與Google的合作堪稱ASIC領域最成功的產業聯盟之一。兩家公司的合作歷史超過10年，從第一代TPU開始，博通就深度參與了GoogleAI晶片的設計與製造。迄今為止，雙方已經共同發布了六代TPU產品，而最新的TPUv7p正在研發中。這種長期穩定的合作關係，不僅為博通帶來了穩定的營收，更重要的是，在與Google這樣的頂尖AI公司共同迭代的過程中，博通積累了大量關於AI工作負載特性、晶片架構優化、系統整合的第一手經驗——這些know-how成為其最寶貴的競爭壁壘。Marvell則是將重心放在亞馬遜AWS身上。 AWS是全球最大的雲端服務供應商，也是最早開始自研AI晶片的雲端廠商之一。 Marvell主要負責為AWS開發Trainium系列訓練晶片和Inferentia系列推理晶片。特別值得一提的是，Marvell已經鎖定了亞馬遜Trainium2專案的大部分產能，雙方正在合作開發下一代產品。這種深度綁定的合作模式，為Marvell提供了穩定的訂單預期和現金流，也讓其能夠在產能緊張的市場環境下獲得晶圓廠的優先支援。有趣的是，Marvell在其最新的投資者溝通會上給出了一組驚人的預測數字：到2028年，全球資料中心資本開支將突破1兆美元大關。在這1兆美元的總盤子中，與AI加速算力相關的開支規模將達到3,490億美元——佔比超過三分之一。而在AI加速算力這個細分領域內，ASIC市場的規模預計將達到554億美元，從2023年到2028年的複合年增長率（CAGR）高達53%。更細緻拆解這個市場，可以看到兩大核心成長引擎。第一是客製化XPU（包括各類AI加速器晶片）本身的業務，預計到2028年規模將達到408億美元，五年複合成長率為47%。這部分業務是博通和Marvell的傳統強項，也是它們營收的主要來源。第二是XPU附件業務，包括網路介面卡（NIC）、電源管理IC、高頻寬記憶體（HBM）控製器等周邊晶片，預計規模將達到146億美元，而複合成長率更是高達90%——幾乎是主晶片業務成長速度的兩倍。這種附件業務的爆發式成長，反映了AI晶片系統複雜度的快速提升。早期的AI加速器相對獨立，但隨著模型規模膨脹到數千億甚至數兆參數，單晶片算力已經遠遠不夠，必須透過高速互連將成百上千顆晶片組成叢集協同工作。這就對網路頻寬、記憶體頻寬、電源管理提出了極高要求。例如，一個包含數千顆AI晶片的訓練叢集，其內部網路頻寬需求可能達到數百Tbps（太位元每秒）；而為了避免木桶效應，HBM記憶體的頻寬也需要同步提升；同時，數千顆晶片的功耗管理、散熱控制更是系統工程。這些需求催生了龐大的配件市場，而博通和Marvell憑藉著在高速介面、網路晶片、儲存控製器等領域的深厚積累，自然成為這一市場的主要受益者。值得注意的是，這些預測數字還在持續上調。光是過去一年，多家分析機構就數次提高了對ASIC市場的預期，原因無他——AI的發展速度超出了所有人的想像。從ChatGPT引爆生成式AI浪潮，到Sora展示視頻生成能力,再到各種多模態大模型的湧現，每一次技術突破都意味著更大的算力需求，而這些需求最終都會轉化為對定製AI晶片的訂單。博通與Marvell能夠在ASIC市場建立如此穩固的領先地位，絕非偶然。表面上看，它們正在為客戶定製晶片，但實際上，這背後需要的是極其深厚的技術累積和系統級整合能力。在這個領域，IP設計和SoC整合這兩大核心能力構成了難以踰越的護城河。傳統的客製化晶片主要包含四大類IP（Intellectual Property，知識產權核）：計算單元、儲存子系統、網路I/O介面，以及先進封裝技術。這四者缺一不可，但分工明確。在這個產業鏈條中，ASIC服務供應商通常不涉及運算單元的架構設計，而是提供相應的設計流程支援和效能最佳化建議，幫助客戶的架構設計能夠有效率地轉換為實體實作。但在儲存、網路I/O和封裝這三大領域，ASIC服務商需要提供完整的IP解決方案──這才是它們的核心價值所在，也是科技壁壘最高的部分。在所有IP中，SerDes（Serializer/Deserializer，串列器-解串器）可以說是最關鍵、門檻最高的技術。現代AI訓練任務往往需要數百顆上千顆晶片來協同工作。例如，訓練一個千億參數等級的大模型，可能需要一個包含1024顆甚至更多AI晶片的群集。這些晶片需要不斷交換梯度資訊、同步參數更新，對互連頻寬的需求極為驚人。如果晶片間通訊速度跟不上運算速度，整個叢集就會陷入"等待"狀態，算力浪費嚴重－這就是業界常說的"通訊牆"問題。SerDes技術的核心挑戰在於：如何在極高的資料速率下確保訊號完整性？這需要在類比電路設計、訊號處理演算法、均衡技術等多個層面進行精密最佳化。更具挑戰性的是，隨著製程節點推進到5nm、3nm甚至更先進，電晶體特性的變異性增加，功耗密度提升，這都為SerDes設計帶來了新的難題。博通在SerDes領域的領先地位毋庸置疑。其自研擁有200G PAM4（四電平脈衝幅度調變）SerDes技術，並且已經在量產產品中大規模應用。 PAM4是一種先進的調變技術，相較於傳統的NRZ（非歸零碼），可以在相同的波特率下傳輸兩倍的資料量，這對於提升頻寬密度至關重要。博通的200G SerDes不僅速率領先，更重要的是其成熟度和可靠性——在資料中心這種7×24小時不間斷運作的環境中，穩定性往往比峰值效能更重要。而Marvell在SerDes技術上的進展同樣令人矚目。在2025年的OFC（光纖通訊大會）上，Marvell展示了最新的SerDes技術成果：光SerDes速率已經達到400G PAM4，而電SerDes速率更是突破了224G大關。這意味著單通道（single lane）就能提供224Gbps的頻寬，如果一顆晶片整合數十個甚至上百個SerDes通道，總頻寬可以達到驚人的數十Tbps。這種頻寬能力，是支撐下一代AI超級叢集的基礎。對於兩大巨頭而言，除了SerDes這項技術外，它們還建構了完整的ASIC設計IP體系，除了傳統的CPU/DSP（數位訊號處理器）IP外，它們還擁有網路交換IP、儲存介面IP、安全IP、封裝技術支援等。龐大而豐富的IP庫，意味著博通和Marvell可以為客戶提供菜單式的客製化服務，客戶只需要專注於最核心的AI加速器架構設計，其他所有子系統都可以從供應商的IP庫中選擇成熟的方案進行組合，也讓這兩大巨頭在AI時代到來之際，牢牢抓住了ASIC這棵搖錢樹。群雄逐鹿：傳統晶片巨頭的策略轉型在博通和Marvell瘋狂賺錢之際，也有越來越多的傳統晶片廠商開始策略轉型，試圖在這個新興市場中佔有一席之地。英特爾：困境中的突圍之路多年來，英特爾一直難以跟上台積電等競爭對手的晶片製造能力，其在AI市場上更是缺乏競爭力的產品線。輝達的AI晶片大賣特賣，AMD也有自己的AI晶片組合，而英特爾的下一個"重磅炸彈"Jaguar Shores還要等到2027年首次亮相。身處困境的英特爾，選擇了差異化道路。英特爾最近成立了中央工程集團（CEG），將公司內所有工程人才整合到一個部門，由前Cadence Systems高階主管斯里尼·艾揚格領導。這位在2024年7月從Cadence加入的高階主管，在推動客製化晶片商業模式方面有著深厚的經驗。英特爾執行長在第三季財報電話會議上明確表示，CEG集團將帶頭拓展新的ASIC和設計服務業務，為廣泛的外部客戶提供專用晶片。英特爾的最大優勢在於其完整產業鏈。作為老牌IDM企業，英特爾擁有晶片專業知識、x86 IP以及提供製造服務的內部代工廠，尋求客製化AI晶片的客戶可以獲得滿足所有需求的一站式服務。這是市場上任何其他ASIC設計公司都無法提供的優勢，即使是博通和Marvell也難以企及。然而，挑戰同樣巨大。輝達最近宣佈以50億美元收購英特爾約4%的股份，兩家公司將共同開發多代客製化資料中心和PC產品。這項合作為英特爾帶來了機遇，但也帶來了複雜的競合關係。在製造方面，輝達採用英特爾的18A製程或其他製程來生產部分晶片的機率其實並不高。高通：收購Alphawave強化SerDes能力與許多巨頭不同，高通在過去三年並未從資料中心的蓬勃發展中獲益。高通的業務傳統上以智慧型手機處理器和數據機的銷售為主，鑑於數據中心市場預計將在未來五年成為半導體行業增長最快的領域，進軍這一市場如今已成為高通業務多元化戰略的重要組成部分，也是高通不容錯過的機遇。高通的選擇，就是以24億美元的價格收購Alphawave。Alphawave的核心價值在於其領先的串列器-解串器（SerDes）技術，這項技術能夠實現對人工智慧應用至關重要的高速資料傳輸。與傳統的模擬SerDes架構不同，Alphawave基於DSP的SerDes建構方法能夠將資料速率擴展到更高速度，並將製造流程擴展到更小的幾何尺寸。這家英國新創公司成立於2017年，是資料中心、人工智慧、網路、5G、自動駕駛汽車和儲存等領域高速連接和運算晶片的領先供應商。其核心優勢在於為資料中心和其他應用提供高速連接IP，包括：用於伺服器和儲存的PCIe Gen 6/CXL 3.0；用於網路交換器、路由器、DPU和網路卡的400G、800G和1.6T乙太網路IP；用於GPU、CPU、FPGA和DPU的HBM和DRAMIP，以及用於乙太網路IP；尤其值得一提的是，該公司在尖端製程節點的高速SerDes方面擁有深厚的累積。值得一提的是，Alphawave不只是一家IP公司，它還涉足晶片組和客製化ASIC領域。在2022年，Alphawave以2.1億美元收購了SiFive的ASIC業務，伴隨著隨著收購Alphawave，高通也將加入這一行列。目前，憑藉在SerDes領域的專業技術，Alphawave已成功拓展至客製化晶片和晶片組的設計與製造領域。其作為一家垂直整合型公司，能夠掌控其供應鏈的關鍵環節，包括晶片IP、晶片組、客製化晶片和連接產品。其技術解決方案透過強大的代工廠和組件產業合作夥伴生態系統得以實施，其中包括台積電、三星、英特爾和格羅方德等所有主要代工廠。值得一提的是，Alphawave也與ARM緊密合作，基於ARM的Neoverse運算子系統（CSS）開發適用於人工智慧/機器學習應用、高效能運算（HPC）、資料中心和5G/6G網路基礎架構應用的高階運算、I/O和記憶體晶片組。 Alphawave也是ARM Total Design的成員，該生態系統致力於建構基於ARM Neoverse CSS的客製化晶片解決方案。這次交易對高通來說也具有多重戰略意義。首先，高通缺乏關鍵的資料中心連線IP，尤其是SerDes。自主研發需要大量投資，可能需要數年時間。因此，高通對Alphawave的興趣源於其策略擴張，即從行動領域向人工智慧運算、資料中心加速、汽車和客製化晶片等高成長領域拓展——所有這些領域都需要SerDes、PCIe、CXL和UCIe等先進的連接IP。其次，與Alphawave達成協議不僅將加強高通的IP組合，還將使其在定製晶片和ASIC市場站穩腳跟，從而能夠更有效地與AMD、輝達、AWS和其他超大規模數據中心運營商等參與者競爭，構建下一代計算基礎設施。事實上，Alphawave幾乎是唯一一家能夠跨多個晶圓代工廠提供高效能互連IP且可供收購的小型公司。 Alphawave的估值相對較低，這為高通提供了一個獨特的機會，可以以相當大的折扣收購一家具有強大長期成長潛力的策略性重要公司，從而大大提高高通在未來幾年內打入資料中心市場的機會。聯發科：從手機晶片到雲端ASIC聯發科這家傳統的手機晶片廠商，也正在成為雲端ASIC設計服務的重要玩家，與博通這樣的ASIC市場領導者展開直面競爭，並且已經拿下了Google、Meta等科技巨頭的訂單。在今年的輝達GTC大會上，聯發科介紹了其Premium ASIC設計服務，顯示聯發科與輝達的合作擴展至IP領域，能提供各式客製化晶片/HBM4E等，並具有豐富的Cell Library，以及先進製程、先進封裝經驗。聯發科的核心競爭力在於其SerDes技術。聯發科指出，其SerDes技術為ASIC核心優勢，涵蓋晶片互連、高速I/O、先進封裝與記憶體整合。其中，112Gb/s DSP基於PAM-4接收器，於4奈米FinFET製程打造，實現超過52dB損耗補償，意謂更低訊號衰減、更強之抗干擾特性。現在聯發科更推出專為資料中心使用的224G Serdes，並且已經完成矽驗證。近日，聯發科正式宣佈與輝達合作設計GB10 Grace Blackwell超級晶片，將為新推出的NVIDIA DGX Spark提供動力。 GB10採用了聯發科在設計節能、高效能CPU、記憶體子系統和高速介面方面的專業知識。在雲端服務商市場，聯發科也取得突破。根據研究機構指出，部分CSP已在評估輝達及聯發科之IP組合的客製化設計晶片。儘管GoogleTPU進度稍微遞延，第七代TPU預計在明年第三季投入量產，但採用3nm打造仍有望為聯發科增加超過20億美元的貢獻。Google進階到第八代的TPU，將會開始採用台積電2nm製程。聯發科的另一個重大突破來自Meta。最近的報告表明，聯發科即將獲得Meta即將推出的一款2nm製程ASIC的大額訂單，該晶片代號為"Arke"，專注於後訓練和推理功能，可能在2027年上半年實現量產。聯發科轉向ASIC的原因與其獨特的市場定位有關。身為台灣晶片設計公司，聯發科在手機晶片市場面臨激烈競爭，利潤率受到擠壓。 ASIC設計服務為聯發科提供了更高的利潤率和更穩定的客戶關係。台灣Fabless的異軍突起除了巨頭外，台灣的設計服務公司正成為全球AI晶片客製化趨勢的核心受惠者。除了世芯、創意、智原這三雄憑藉與代工廠的合作關係、深厚的技術積累以及靈活的商業模式崛起外，做驅動IC的聯詠也有意涉足這一利潤頗豐的市場。先來說最成功的世芯，作為一家提供NRE（委託設計）和Turn-key（一站式量產）業務的IC設計服務公司，其專門負責替客戶代為設計IC，不生產自有品牌的IC。若客戶不擅與中下游的晶圓代工廠、封測廠往來，又想爭取較佳的投片價格及技術服務，世芯也提供代為投片量產的一站式服務。世芯的成長歷程堪稱傳奇。 2004年，成立僅一年的世芯取得索尼PSP遊戲機晶片大單；2009年，IBM攜手東京大學推出當時全球最快的超級電腦，也是找世芯合作設計量產，逐漸打響世芯在業界名稱。位元幣自2008年發明後，興起一波挖礦熱潮，更讓世芯2014年度營收大幅成長。近年來的AI風潮，使HPC晶片需求激增，自2018年起，世芯營收連續六年成長，2023年度營收新台幣304.8億元，稅後淨利33.2億元，營收及獲利均創下歷史新高。綜觀2024年前11個月，世芯累積營收達474.93億元，年增高達76.07%，創下歷史同期新高。由世芯2023年各終端應用類型貢獻的營收來看，人工智慧的HPC應用佔84%，其次為利基和通訊網路應用（9%）、消費性電子應用（6%）。至於從區域營收觀察，北美區域佔比從2021年的14%，顯著成長至2023年的63%，由雲巨頭貢獻的業績可見一斑。目前世芯在全球ASIC供應鏈中的地位極為穩固，其核心成長動能仍來自於極高單價的先進製程（如5奈米及以下）AI加速器量產訂單，特別是來自美國大型客戶（如英特爾5奈米加速器訂單）的訂單，預期將是2026年營收的最大貢獻者。在其業務結構中，委託設計（NRE）比重預計將提高，顯示新一代AI晶片設計委託案仍不斷湧入。而創意電子作為台積電的策略夥伴，在ASIC設計服務領域具有得天獨厚的優勢。 2025年10月，創意電子合併營收約37.16億元，較去年同期大幅成長150.6%，創下單月歷史新高。這一強勁表現主要是受惠於雲端巨頭的AI相關HPC計畫進入大規模量產階段。據瞭解，創意電子的主要營收來源有三：一是本身自有IP的權利金（royalty）；二是幫其他企業設計晶片的一次性工程費用，稱之為NRE；第三，若客戶不擅長與晶圓及封測廠往來，但又想享有價格或技術優勢，就會請創意協助向台廠投片量產，稱之為Turn-Key。有趣的是，雖然當前創意電子與世芯都擁有台積電CoWoS的Turn-Key服務，但一名美系IC設計高層表示，台積電到底是創意的大股東，但在技術上，創意會比世芯來得更加具有優勢，其最大的優勢，就是能最早接觸台積電最新製程以及封測。此外，由於AI要用到的幾乎都是先進製程，研調分析師指出：“全世界的先進製程幾乎都掌握在台積電手中，創意和台積電技術關係緊密，權利金抽取會有優勢。”智原作為聯電集團旗下的IC設計服務公司，在ASIC領域也扮演重要角色。 2025年10月，智原合併營收約8.34億元，營收涵蓋了IP授權、NRE服務與ASIC量產。雖然短期營收受到整體半導體景氣修正的壓力，但其在HPC與5G網路等領域的IP授權和NRE業務持續獲得大案，其在財報中指出，公司正積極轉向更高階的ASIC設計，以迎接下一波AI復甦。台灣ASIC設計服務三雄的崛起，有其獨特的競爭優勢：1. 與台積電的緊密合作關係：無論是創意電子作為台積電子公司的"嫡系"身份，還是世芯與台積電長期合作建立的信任關係，都使得它們能夠優先獲得先進製程和CoWoS等關鍵封裝產能。在目前CoWoS產能緊張的情況下，這一優勢尤其重要。2. 完整的Turn-Key服務能力：從設計到投片量產的一站式服務，使得雲端巨頭可以專注於核心晶片的設計，而將配套晶片和製造環節外包給台灣的設計服務公司。這種模式既降低了雲端巨頭的資源投入，也能獲得台積電先進製程的技術支援。3. 靈活的商業模式：相比博通、Marvell等美國廠商主要聚焦於最高端的XPU設計，台灣廠商的業務範圍更加靈活，既可以承接高端AI加速器項目，也能服務消費電子、網通等多元領域，這種多元化佈局提高了抗風險能力。4. 深厚的技術累積：世芯從創業初期至今超過20年的市場深耕，創意電子作為最早接觸台積電最新過程的先驅，智原在IP授權領域的長期佈局，都為它們在ASIC領域的競爭奠定了堅實基礎。最後是聯詠，其因在面板驅動IC與影像處理器等消費性電子領域深耕多年，被視為典型的「中游系統IC廠」。然而，隨著AI浪潮推動算力基礎設施高速擴張，聯詠逐步將技術觸角延伸至HPC與ASIC領域，並開始在更具戰略高度的伺服器與AI晶片供應鏈中佔有一席之地。根據台媒報導，聯詠近期成功完成以Arm Neoverse CSS N2 為基礎架構的高效能運算系統單晶片（SoC），並在台積電N4P 先進製程節點順利流片。此專案源自Arm 推出的「Total Design（ATD）」協作計劃，旨在透過生態整合加速Arm架構在資料中心與AI加速領域的佈局。聯詠此次晶片預計將於2025年9月完成首批晶圓驗證，這也標誌著其正式跨入以資料中心與AI推理為核心的運算晶片賽道。從技術規格來看，這顆SoC採用Chiplet 異質整合架構，將Neoverse N2 運算核心、DDR5 / HBM3e 記憶體控製器、PCIe 6.0 / CXL 2.0 介面，以及224G SerDes 高速傳輸模組進行模組化整合，形成可彈性擴充、可重複使用的平台尺寸可複用的平台粒進行彈性擴展。同時，晶片採用台積電的N4P 製程與CoWoS 先進封裝方案－前者為5nm家族中優化功耗比和效能的版本，後者則為AI伺服器運算單元與HBM堆疊的主流封裝路徑，凸顯聯詠在高階算力晶片上已具備從架構設計、系統整合到封裝組合的全鏈路協同作用。這不僅意味著聯詠具備AI ASIC 與Chiplet 設計服務的技術條件，更顯示其已從「消費性電子IC廠」邁向「AI基礎設施晶片提供者」的角色轉型。隨著AI伺服器、邊緣運算、智慧座艙與大模型推理持續擴大，聯詠將有機會在原本的驅動IC與ISP業務之外，培育出第二成長曲線。值得關注的是，聯詠此次的Neoverse CSS N2 SoC 採用高度模組化架構設計，可與生態系統內超過60 家合作夥伴的I/O、加速器與專用邏輯芯粒搭配，形成可依客戶需求「自由拼接」的HPC與AI平台。這種架構不僅順應Chiplet + IP復用的主流方向，也使聯詠在未來車載、邊緣AI、資料中心ASIC等高客製化場景中具備可規模化交付能力。中國大陸廠商的突圍在ASIC領域，國內廠商也在積極佈局，試圖在這個快速成長的市場中佔有一席之地。芯原股份作為中國IP授權領域龍頭企業，主要提供各類處理器IP（GPU、NPU、VPU、DSP、ISP等）、數模混合IP及射頻IP，其一站式定製晶片業務是根據客戶需求，使用自有IP或購買其他IP通過設計、實現、驗證，轉換為可製造的晶片版圖。據瞭解，芯原已有核心客戶的AI Chiplet投片在即，多合一裝形式打造強勁算力，AI、智駕、機器人、端側多元領域需求可望爆發，公司商業模式進一步向Chiplet供應商演進。另一家SoC企業翱捷科技，則累積了大量自有晶片產品的設計與流片經驗。這種平台化的能力與經驗可以高效復用於ASIC客製化服務中，不僅能為客戶大幅縮短研發周期、提升開發效率，更能確保專案的成功率。據瞭解，目前翱捷ASIC 在手訂單充足，已承接多個第一線頭部客戶專案。自2H24 開始，ASIC 客製化市場空間大幅擴大，公司快速回應需求，在智慧穿戴/眼鏡、端側AI 及RISC-V 晶片等領域積極佈局，目前在手訂單充足。同時，針對海外算力限制新規，公司透過技術創新與新型架構設計，在合規基礎上為系統廠商提供ASIC 服務，並已承接多項頭部客戶訂單。同樣值得關注的還有專注於ASIC的燦芯股份，其依賴與中芯國際的策略合作，持續鞏固其在ASIC客製化服務領域的領先地位。據瞭解，燦芯2025年上半年研發投入超過9,000萬元，重點聚焦高速介面IP與高效能類比IP的自主研發，涵蓋DDR、SerDes、PCIe、MIPI、PSRAM、TCAM、ADC、PLL、PMU等多個方向。其基於22nm製程的DDR5 IP已完成架構驗證，憑藉高頻寬、低功耗與創新控製器架構，正成為AI運算、資料中心與工業控制等高效能場景的重要支撐模組。在新興應用領域，燦芯股份積極佈局AI算力晶片，其在半年報中指出，公司正結合3D封裝技術優化IP互連效率，推出適配Chiplet架構的高速介面IP，以滿足高頻寬、低延遲的系統需求，協助客戶實現異質整合設計。對於國產ASIC廠商而言，AI的爆火帶來了更多機遇，儘管在IP積累上弱於國際巨頭，但在國產替代的浪潮與國產晶片崛起的當下，它們有望在ASIC市場中分得更大的蛋糕。產業展望：ASIC時代的機會與挑戰隨著AI算力需求的持續成長，ASIC市場正經歷前所未有的繁榮，根據博通的預計，到2027年其三家大客戶的資料中心相關XPU與網路市場總規模達600-900億美元，且客戶將部署百萬卡叢集。同時，這個市場也面臨許多挑戰。隨著更多廠商加入AI客製化晶片競爭，客製化業務毛利率或將承壓，一方面，ASIC服務商眾多，競爭逐漸激烈；另一方面，雲巨頭議價能力更強，偏向壓低客製化晶片價格。但大勢不可阻擋，ASIC的全面崛起，不僅是技術演進的必然結果，更是產業分工深化的體現。從博通、Marvell的持續領先，到英特爾、高通、聯發科的策略轉型，再到國產力量的奮起直追，這個市場正在演繹一場精彩的產業變革。我們相信，在AI浪潮的推動下，客製化晶片的黃金時代才剛開始。 （半導體產業觀察）

近日，輝達創辦人兼CEO黃仁勳作客「Bg2 Pod」雙周對話節目，與主持人Brad Gerstne和Clark Tang進行了一場廣泛的對話。對談中，黃仁勳談及了和OpenAI價值1000億美元的合作，並就AI競賽格局、主權AI前景等主題發表了自己的看法。黃仁勳表示，現在的AI競爭比以往任何時候都激烈，市場已從簡單的“GPU”演變為複雜的、持續進化的“AI工廠”，需要處理多樣化的工作負載和呈指數級增長的推理任務。他預計，如果未來AI為全球GDP帶來10兆美元的增值，那麼背後的AI工廠每年的資本支出需要達到5兆美元等級。談到和OpenAI的合作，黃仁勳表示，OpenAI很可能會成為下一個兆美元等級的超大規模公司，唯一的遺憾是沒有早點多投資一些，「應該把所有錢都給他們」。以下為對談的亮點內容：• OpenAI想和輝達建立起類似於馬斯克和X那樣的“直接關係”，包括直接的工作關係和直接的採購關係。• 假設AI為全球GDP帶來10兆美元的增值，而這10兆美元的Token生成有50%的毛利率，那麼其中5兆美元需要一個工廠，需要一個AI基礎設施，所以這個工廠每年的合理資本支出大約是5兆美元。• 未來5年內，AI驅動收入從1000億美元增加到1兆美元的機率幾乎是確定的，而且現在幾乎已經達到了。• 全球的算力短缺不是因為GPU短缺，而是因為雲端服務提供廠商的訂單往往低估了未來需求，導致輝達長期處於「緊急生產模式」。• 黃仁勳表示，輝達唯一的遺憾是，OpenAI很早就邀請我們投資，但我們當時太窮了，沒有投資足夠多的資金，我應該把所有錢都給他們。• 現在的AI競爭比以往任何時候都激烈，但也比以往任何時候都更困難。黃仁勳表示，這是因為晶圓成本越來越高，這意味著除非你進行極限規模的協同設計，否則你就無法達到X倍成長因子。• Google擁有的優勢是前瞻性。他們在一切開始之前就啟動了TPU1。當TPU成為大生意後，客戶自有工具將成為主流趨勢。• 輝達晶片的競爭優勢在於總擁有成本（TCO）。其性能或每瓦token數是其他晶片的兩倍，雖然每單位能耗性能也要高得多，但客戶可以從他們的資料中心產生兩倍的收入。誰不想要兩倍的收入呢？• 每個國家都必須建構主權AI。沒有人需要原子彈，但每個人都需要AI。• 人工智慧不是零和遊戲。黃仁勳表示，「我的想法就越多，我想像我們可以解決的問題就越多，我們創造的工作就越多，我們創造的就業機會就越多」。• 在接下來的5年裡，真正酷且將被解決的事情之一是人工智慧與機器人技術的融合。• 即使不考慮AI創造的新機會，光是AI改變了做事方式就有巨大價值。這就像不再使用煤油燈而改用電力，不再使用螺旋槳飛機而改用噴射機一樣。以下為黃仁勳對談全文紀要整理，由AI工具輔助翻譯，硬AI有所刪減：主持人：Jensen，很高興再次回來，當然還有我的夥伴Clark Tang。我簡直不敢相信──歡迎來到輝達。黃仁勳：哦，還有漂亮的眼鏡。主持人：它們在你身上看起來真的很好。問題是現在每個人都會希望你一直戴著它們。他們會說："紅色眼鏡在那裡？"我可以為此作證。黃仁勳：距離我們上次錄製節目已經超過一年了。如今超過40%的收入來自推理，但推理即將發生變化，因為推理鏈的出現。它即將增長十億倍，對吧？一百萬倍，十億倍。主持人：沒錯。這正是大多數人還沒有完全內化的部分。這就是我們一直在談論的行業。這是工業革命。說實話，感覺就像你和我從那時起每天都在繼續這個節目。在AI時間裡，這已經過了大約一百年了。我最近重新觀看了這個節目，我們討論的許多事情都很突出。對我來說最深刻的一點是你當時拍桌子強調——記得當時預訓練處於某種低潮期，人們說："天那，預訓練結束了，對吧？預訓練結束了。我們不會繼續了。我們過度建設了。"這是大約一年半前的事。你說推理不會增加100倍、1000倍，而是會增加10億倍。這將我們帶到了今天的情況。你宣佈了​​這個巨大的交易。我們應該從那裡開始。黃仁勳：我低估了。讓我正式聲明。我估計我們現在有三個縮放定律，對吧？我們有預訓練縮放定律。我們有後訓練縮放定律。後訓練基本上就像AI練習。是的，練習一項技能直到掌握它為止。所以它嘗試各種不同的方法，為了做到這一點，你必須進行推理。所以現在訓練和推理在強化學習中整合在一起了。非常複雜。這就是所謂的後訓練。然後第三個是推理。舊的推理方式是一次性的，對吧？但是我們認可的新推理方式是思考。所以在回答之前先思考。現在你有了三個縮放法則。你思考得越久，得到的答案品質就越好。在思考的過程中，你進行研究，檢視一些基本事實。你學習一些東西，再思考一些，再學習一些，然後產生答案。不要一開始就直接生成。所以思考、後訓練、預訓練，我們現在有三個縮放定律，而不是一個。主持人：你去年就知道這一點，但你今年對推理將增長10億倍以及這將把智能水平帶到何種程度的信心水平如何？今年比去年更有信心嗎？黃仁勳：我今年更有信心了，原因是現在看看智能體系統，AI不再是一個語言模型，AI是一個語言模型系統，它們都在並行運行，可能使用工具。我們中的一些人使用工具，一些人進行研究。主持人：目前整個產業有大量的發展，都是關於多模態的，看看所有正在生成的影片內容，這真是令人驚嘆的技術。這確實把我們帶到了本周大家都在討論的關鍵時刻，就是你幾天前宣佈的與OpenAI Stargate的大規模合作，你們將成為優先合作夥伴，在一段時間內向該公司投資一千億美元。他們將建造10個千兆瓦的設施，如果他們在這10個千兆瓦設施中使用輝達的產品，這可能為輝達帶來高達4000億美元的收入。請幫我們理解這個合作關係，它對你們意味著什麼，為什麼這項投資對輝達來說如此合理。黃仁勳：首先，我先回答最後一個問題，然後再詳細說明。我認為OpenAI很可能會成為下一個兆美元等級的超大規模公司。主持人：為什麼你稱它為超大規模公司？超大規模就像Meta是超大規模公司，Google是超大規模公司一樣。他們將擁有消費者和企業服務，他們很可能成為世界上下一個兆美元等級的超大規模公司。我認為你會同意這個觀點。黃仁勳：我同意。如果是這樣的話，在他們達到那個目標之前投資的機會，這是我們能想像到的最明智的投資之一。你必須投資你瞭解的領域，而我們恰好瞭解這個領域。因此投資的機會，這筆錢的回報將是非常棒的。所以我們很喜歡這個投資機會。我們不是必須投資，這不是我們投資的必要條件，但他們給了我們投資的機會，這是很棒的事。現在讓我從頭開始說。我們正在與OpenAI在幾個專案上合作。第一個專案是Microsoft Azure的建置。我們將繼續這樣做，這個合作進展得非常好。我們還有幾年的建設工作要做，光是那裡就有數千億美元的工作。第二個是OCI的建設，我認為大約有五、六、七千兆瓦即將建設。所以我們正在與OCI、OpenAI和軟銀合作建設，這些項目都已簽約，還有很多工作要做。第三個是Core Weave，這些都還是在OpenAI的背景下。那麼問題是，這個新的合作關係是什麼？這個新的合作關係是關於幫助OpenAI，與OpenAI合作，首次為他們建立自己的AI基礎設施。這是我們直接與OpenAI在晶片層面、軟體層面、系統層面、AI工廠層面的合作，幫助他們成為一個完全營運的超大規模公司。這將持續一段時間，它將補充他們正在經歷的兩個指數增長。第一個指數增長是客戶數量的指數增長，原因是AI正在變得更好，用例正在改善，幾乎每個應用程式現在都連接到OpenAI，所以他們正在經歷使用量的指數增長。第二個指數成長是每次使用的計算指數成長。現在不僅僅是一次推理，而是在回答之前先思考。主持人：這兩個指數成長使他們的計算需求複合成長。所以我們必須建造所有這些不同的項目。最後一個項目是在他們已經宣佈的所有內容之上的補充，是在我們已經與他們合作的所有事情之上的補充，它將支援這種難以置信的指數增長。你說的一個很有趣的點是，在你看來，他們很可能成為一兆美元等級的公司，我認為這是一個很好的投資。同時，他們正在自建，你們正在幫助他們自建資料中心。到目前為止，他們一直外包給微軟來建造資料中心，現在他們想要自己建造全端工廠。黃仁勳：他們想要…他們想要…他們基本上想和我們建立像伊隆和X那樣的關係。主持人：我認為這是一個非常重要的事情，當你考慮Colossus所擁有的優勢時，他們正在建造全端。這就是超大規模，因為如果他們不使用這些容量，他們可以賣給其他人。同樣地，Stargate正在建造巨大的容量。他們認為自己會使用大部分容量，但這也讓他們能夠將其出售給其他人。這聽起來很像AWS、GCP或Azure。黃仁勳：他們希望與我們建立同樣的直接關係，包括直接的工作關係和直接的採購關係。就像祖克柏和Meta與我們的關係一樣，我們與Sundar和Google的直接合作關係，以及我們與Satya和Azure的直接合作關係。他們已經達到了足夠大的規模，認為是時候開始建立這些直接關係了。我很高興支援這一點，Satya知道這件事，Larry也知道，每個人都瞭解情況，每個人都非常支援。主持人：關於Nvidia加速運算的市場前景，我發現了一個有趣的現象。 Oracle正在建造價值3000億美元的Colossus項目，我們知道各國政府在建造什麼，我們知道超大規模雲端服務商在建造什麼，Sam談論的是兆級的投資。但華爾街25位涵蓋我們股票的賣方分析師，從他們的一致預期來看，基本上認為我們的成長從2027年開始會趨於平緩，2027年到2030年只有8%的成長。這25個人的唯一工作就是預測Nvidia的成長率。黃仁勳：坦白說，我們對此很坦然。我們定期超越市場預期沒有任何問題。但確實存在這種有趣的分歧。我每天都在CNBC和彭博社聽到這些觀點。我認為這涉及到一些關於短缺會導致過剩的質疑，他們不相信持續成長。他們說："好吧，我們認可你們2026年的表現，但2027年，可能會供過於求，你們不會需要那麼多。"主持人：有趣的是，一致預期認為這種成長不會發生。我們也制定了公司的預測，考慮了所有這些數據。這讓我看到，即使我們已經進入AI時代兩年半了，Sam Altman、我、Sundar、Satya所說的話與華爾街仍然相信的話之間存在巨大分歧。黃仁勳：我認為這並不矛盾。讓我用三個重點來解釋，希望能幫助大家對Nvidia的未來更有信心。第一點是物理定律層面的觀點，這是最重要的一點：通用運算時代已經結束，未來是加速運算和AI運算。需要考慮的是，全世界有多少兆美元的運算基礎設施需要更新換代。當它們更新時，將轉向加速計算。每個人都同意這一點，都說"是的，我們完全同意，通用計算時代結束了，摩爾定律已死。"這意味著通用計算將轉向加速計算。我們與英特爾的合作就是要意識到通用運算需要與加速運算融合，為他們創造機會。第二點，AI的第一個應用場景其實已經無所不在，在搜尋推薦引擎、購物等領域。基礎的超大規模運算基礎設施過去使用CPU做推薦，現在正轉向使用GPU做AI。這就是經典計算向加速計算AI的轉變。超大規模運算正從CPU轉向加速運算和AI，這涉及向Meta、Google、字節跳動、亞馬遜等公司提供服務，將他們傳統的超大規模運算方式轉向AI，這代表著數千億美元的市場。主持人：考慮到抖音、Meta、Google等平台，全球可能有40億人的需求工作負載由加速運算驅動。黃仁勳：所以即使不考慮AI創造的新機會，光是AI改變了做事方式就有巨大價值。這就像不再使用煤油燈而改用電力，不再使用螺旋槳飛機而改用噴射機一樣。到目前為止我談論的都是這些基礎性的轉變。而當你轉向AI，轉向加速運算時，會出現什麼新的應用？這就是我們正在討論的所有AI相關的機會。簡單來說，就像當初馬達取代勞動力和體力活動一樣，現在我們有了AI。我說的這些AI超級電腦、AI工廠，將會生成代幣來增強人類智慧。人類智慧約佔全球GDP的55-65%，也就是約50兆美元。這50兆美元將得到增強。讓我們從單一人說起。假設我僱用一個10萬美元薪資的員工，然後為他配備1萬美元的AI。如果這1萬美元的AI能讓這個10萬美元的員工提高2倍、3倍的生產力，我會這麼做嗎？毫不猶豫。我現在正在公司的每個人身上這樣做，每個軟體工程師、每個晶片設計師都有AI與他們合作，100%覆蓋。結果是，我們製造的晶片品質更好，數量正在成長，速度也在提升。我們公司發展更快，僱用更多人員，生產力更高，收入更高，獲利能力更強。現在把輝達的故事應用到全球GDP。很可能發生的是，那50兆美元被10兆美元增強。這10兆美元需要在機器上運作。 AI與過去不同的地方在於，過去軟體是預先編寫好的，然後在CPU上運行，由人們操作。但未來AI要生成代幣，機器必須生成代幣並思考，所以軟體一直在運作。過去軟體寫一次就行，現在軟體其實一直在寫，一直在思考。為了讓AI思考，它需要一個工廠。假設這10兆代幣產生有50%的毛利率，其中5兆需要工廠，需要AI基礎設施。如果你告訴我全球年度資本支出約為5兆美元，我會說這個數學計算是合理的。這就是未來：從Excel通用運算轉向加速運算，用AI取代所有超大規模伺服器，然後增強全球GDP的人類智慧。主持人：目前這個市場我們估計年收入約4000億美元。所以TAM比現在成長4到5倍。黃仁勳：昨晚阿里巴巴的Eddie Woo（吳泳銘）說，從現在到這個十年末，他們將把資料中心功率增加10倍。輝達的收入幾乎與功率相關。他還說代幣生成每幾個月翻一番。這意味著每瓦性能必須持續指數級增長。這就是為什麼輝達在每瓦性能上不斷突破，因為在這個未來，每瓦收入基本上就是收入。這個假設包含了非常有趣的歷史背景。 2000年來，GDP基本上沒有成長。然後工業革命來了，GDP加速成長。數位革命來了，GDP又加速成長。你所說的，就像Scott Besson說的，他認為明年我們將有4%的GDP成長。你的意思是世界GDP成長將加速，因為現在我們為世界提供了數十億個為我們工作的同事。如果GDP是固定勞動力和資本的產出量，它必須加速成長。看看AI科技帶來的改變。 AI技術，包括大語言模式和所有AI代理，正在創造一個新的AI代理產業。 OpenAI是史上營收成長最快的公司，呈指數級成長。 AI本身就是一個快速成長的產業，因為AI需要背後的工廠和基礎設施。這個產業在成長，我的產業在成長，我產業下面的產業也在成長。能源正在成長，這對能源產業來說是一次復興，核能、燃氣渦輪機等基礎設施生態系統中的所有公司都表現出色。這些數字讓大家都在談論過剩和泡沫。祖克柏上周在播客中說，他認為很可能在某個時候會出現真空期，Meta可能會超支100億美元，但這無關緊要，因為這對他們業務的未來如此重要，這是他們必須承擔的風險。這聽起來有點像囚徒困境，但這些都是非常快樂的囚徒。主持人：我們估計2026年將有1000億美元的AI收入，不包括Meta，也不包括運行推薦引擎的GPU，不包括搜尋等其他功能。超大規模伺服器產業已經有數兆規模，這個產業將轉向AI。懷疑論者會說我們需要從2026年的1000億美元AI收入成長到2030年的至少1兆美元AI收入。你剛才談到全球GDP時提到了5兆美元。如果自下而上分析，你能看到在未來5年內從1000億美元成長到1兆美元的AI驅動收入嗎？我們成長得有那麼快嗎？黃仁勳：是的，我還要說我們已經達到了。因為超大規模服務商已經從CPU轉向AI，他們的整個收入基礎現在都是由AI驅動的。沒有人工智慧就無法做TikTok，也無法做YouTube短視頻，沒有AI就無法做這些事。 Meta在客製化內容和個人化內容方面所做的驚人工作，都無法離開人工智慧。以前這些工作都是由人來完成的，即預先創建四個選擇，然後透過推薦引擎進行選擇。現在變成了由AI生成無限數量的選擇。但這些事情已經在發生了，我們已經從CPU過渡到GPU，主要是為了這些建議引擎，這在過去三、四年是相當新的。當我在Sigraph見到扎克時，他會告訴你他們在使用GPU方面確實起步較晚。 Meta使用GPU大概也就兩年半的時間，這是相當新的。在GPU上搜尋絕對是全新的。主持人：所以你的論點是，到2030年我們擁有兆美元AI收入的機率幾乎是確定的，因為我們幾乎已經達到了。讓我們談論一下從現在開始的增量部分。當你進行自下而上或自上而下分析時，我剛聽到你關於全球GDP百分比的自上而下分析。你認為我們在未來三、四或五年內遇到供應過剩的機率是多少？黃仁勳：這是一個分佈，我們不知道未來。在我們完全將所有通用計算轉換為加速計算和AI之前，我認為這種可能性極低。這需要幾年時間。直到所有推薦引擎都基於AI，直到所有內容生成都基於AI，因為面向消費者的內容生成在很大程度上就是推薦系統等等，所有這些都將由AI生成。直到所有經典的超大規模業務都轉向AI，從購物到電子商務等一切，直到一切都轉過去。主持人：但所有這些新建設，當我們談論兆美元時，我們正在為未來投資。即使你看到放緩或某種供應過剩即將到來，你是否有義務投資這些資金？還是說這是你向生態系統揮舞旗幟，告訴他們去建設，如果我們看到放緩，我們總是可以減少投資水平？黃仁勳：實際上情況相反，因為我們處於供應鏈的末端，我們會回應需求。現在所有創投都會告訴你們，需求供不應求，世界上有運算短缺，不是因為世界上GPU短缺。如果他們給我訂單，我就會生產。在過去幾年裡，我們真正打通了供應鏈，從晶圓開始到封裝、HBM內存等所有技術，我們都已經準備就緒。如果需要翻倍，我們就會翻倍。所以供應鏈已經準備好了。現在我們只是在等待需求訊號，當雲端服務供應商、超大規模廠商和我們的客戶制定年度計劃並給我們預測時，我們會回應並據此生產。當然，現在發生的情況是，他們提供給我們的每一個預測都是錯誤的，因為他們預測不足，所以我們總是處於緊急模式。我們已經處於緊急模式幾年了，無論我們收到什麼預測，都比去年有顯著成長，但還是不夠。主持人：薩蒂亞去年似乎有所退縮，有人稱他為房間裡的成年人，正在抑制這些期望。幾周前他說今年我們已經蓋了2千兆，未來將加速。你是否看到一些傳統的超大規模廠商，他們可能比CoreWeave或Elon X動作慢一些，也許比Stargate慢一些？聽起來他們現在都在更積極地投入。黃仁勳：因為第二個指數成長。我們已經經歷了一個指數增長，即AI的採用率和參與度呈指數級增長。第二個指數成長是推理能力。這是我們一年前的對話。一年前我們說，當你把AI從一次性的、記憶答案轉變為記憶和泛化（這基本上是預訓練）時，例如記住8乘8等於多少，這就是一次性AI。一年前，推理出現了，工具使用出現了，現在你有了思考型AI，計算量要大10億倍。主持人：某些超大規模客戶有內部工作負載，他們無論如何都必須從通用運算遷移到加速運算，所以他們持續建造。我認為也許一些超大規模廠商有不同的工作負載，所以他們不確定能多快消化，但現在每個人都得出結論，他們嚴重建設不足。黃仁勳：我最喜歡的應用之一就是傳統的資料處理，包括結構化和非結構化資料。我們很快就會宣佈一個非常大的加速資料處理計畫。數據處理代表了當今世界上絕大多數CPU的使用。它仍然完全在CPU上運行。如果你去Databricks，主要是CPU；去Snowflake，主要是CPU；Oracle的SQL處理，主要是CPU。每個人都在使用CPU進行SQL結構化資料處理。未來，這些都將轉向AI數據處理。這是一個我們將要進入的龐大市場。但你需要NVIDIA所做的一切，需要加速層和特定領域的資料處理配方，我們必須去建構這些。主持人：當我昨天打開CNBC時，他們在談論供應過剩泡沫；當我打開彭博時，談論的是循環收入問題。當有人質疑我們與OpenAI等公司的投資和業務關係時，我需要澄清幾個要點。首先，循環收入安排通常指公司進入誤導性交易，人為誇大收入而沒有任何潛在經濟實質。換句話說，這是透過金融工程而非客戶需求所推動的成長。大家都在引用的典型案例當然是25年前上一次泡沫中的思科與北電。當我們或微軟、亞馬遜投資那些同時也是我們大客戶的公司時，例如我們投資OpenAI而OpenAI購買數百億晶片，我想提醒大家，那些在彭博等平台的分析師對循環收入或往返交易的過度擔憂是錯誤的。黃仁勳：10千兆瓦大約需要4000億美元的投資，這4000億美元很大程度上需要透過他們的承購協議來資助，也就是他們指數級增長的收入。這必須透過他們的資本、透過股權融資和能夠籌集的債務來資助。這是三種融資工具。他們能夠籌集的股權和債務與他們所能維持的收入信心有關。聰明的投資者和放款者會考慮所有這些因素。從根本上說，這就是他們要做的，這是他們的公司，不是我的業務。當然，我們必須與他們保持密切聯繫，確保我們的建設支援他們的持續成長。收入方面與投資方面沒有任何關係。投資方面不與任何東西綁定，這是投資他們的機會。正如我們之前提到的，這很可能成為下一個數兆美元的超大規模公司。誰不想成為其中的投資人呢？我唯一的遺憾是他們很早就邀請我們投資。我記得那些對話，我們當時太窮了，沒有投資夠多，我應該把所有錢都給他們。現實是，如果我們不做好本職工作跟上步伐，如果Rubin沒有成為好晶片，他們可以採購其他晶片放入這些資料中心。他們沒有義務必須使用我們的晶片。如前面所說，我們將此視為機會性股權投資。我們也做了一些很好的投資，我必須說出來，我們投資了XAI，投資了Corewave，這些都很棒，非常明智。回到根本問題，我們公開透明地說明我們在做什麼。這裡有潛在的經濟實質，我們不是簡單地在兩家公司之間來回發送收入。每月有人為ChatGPT付費，15億月活躍用戶在使用產品。每個企業要麼採用這項技術，要麼將會死亡。每個主權國家都將此視為對其國家安全和經濟安全的生存威脅，如同核能一樣。那個人、公司或國家會說智能對我們來說基本上是可選的？這對他們來說是根本性的。智慧的自動化，我已經充分討論了需求問題。主持人：談到系統設計，2024年我們轉向年度發布周期，從Hopper開始。然後我們進行了大規模升級，需要重大資料中心改造，推出了Grace Blackwell。 2025年和2026年下半年，我們將推出Vera Rubin。 2027年推出Ultra，2028年推出Fineman。轉向年度發布周期進展如何？主要目標是什麼？ AI是否有助於我們執行年度發布周期？答案是肯定的。沒有AI，輝達的速度、節奏和規模都會受到限制。黃仁勳：最後一個問題的答案是肯定的。如今沒有AI，根本不可能建構我們所建構的產品。為什麼要這樣做？記住Eddie在財報電話會議上說過，Satya說過，Sam也說過，token生成率正在指數級增長，客戶使用量也在指數級增長。我認為他們有大約8億周活躍用戶。這距離ChatGPT發布不到兩年。每個使用者都在產生更多token，因為他們在使用推理時間推理。首先，因為token生成率以令人難以置信的速度增長，兩個指數級疊加在一起，除非我們以令人難以置信的速度提高性能，否則token生成成本將持續增長，因為摩爾定律已死，晶體管成本每年基本相同，功耗也基本相同。在這兩個基本定律之間，除非我們提出新技術來降低成本，即使成長有輕微差異，給某人幾個百分點的折扣，如何彌補兩個指數級成長？因此，我們必須每年以跟上指數級成長的速度來提高效能。從Kepler一直到Hopper，可能是10萬倍增長，這是輝達AI之旅的開始，10年內10萬倍。在Hopper和Blackwell之間，由於NVLink72，我們在一年內實現了30倍增長，然後Rubin將再次獲得X倍因子，Fineman也將獲得另一個X倍因子。我們這樣做是因為電晶體對我們幫助不大，摩爾定律基本上密度在成長但性能沒有。如果是這樣，我們面臨的挑戰之一是必須在系統層級分解整個問題，同時更改每個晶片以及所有軟體堆疊和所有系統。這是終極極端協同設計，以前沒有人在這個級別進行協同設計。我們革新CPU、GPU、網路晶片、NVLink擴展、Spectrum X橫向擴展。有人說"哦是的，這只是以太網"。 Spectrum X乙太網路不只是乙太網路。人們開始發現，天那，X倍因子相當令人難以置信。輝達的乙太網路業務，光是乙太網路業務，就是全球成長最快的乙太網路業務。我們現在需要擴展規模，當然要建造更大的系統。我們跨多個AI工廠進行擴展，將它們連接在一起。我們以年為周期進行這項工作。因此我們現在在技術方面實現了指數的指數成長。這使我們的客戶能夠降低代幣成本，透過預訓練、後訓練和思考讓這些代幣變得越來越聰明。結果是，當AI變得更聰明時，它們的使用量就會增加。當使用量增加時，它們將呈指數級增長。對於那些可能不太熟悉的人來說，什麼是極限協同設計？極限協同設計意味著你必須同時優化模型、演算法、系統和晶片。你必須在盒子外面創新。因為摩爾定律說你只要讓CPU變得越來越快，一切都會變快。你是在盒子內創新，只是讓晶片變得更快。但如果那個晶片不能再快了，那你該怎麼辦？在盒子外面創新。輝達真正改變了事情，因為我們做了兩件事。我們發明了CUDA，發明了GPU，我們發明了大規模協同設計的概念。這就是為什麼我們涉足所有這些行業。我們創建所有這些庫和協同設計。首先，全端極限甚至超越了軟體和GPU。現在是在資料中心層級的交換器和網絡，所有這些交換器和網路中的軟體、網路介面卡、擴展、橫向擴展，在所有這些方面進行最佳化。因此，Blackwell相比Hopper有30倍的提升，沒有摩爾定律能實現這一點。這就是極限，這來自於極限協同設計。這就是輝達進入網路和交換、擴展和橫向擴展、跨系統擴展，建構CPU和GPU以及網路介面卡的原因。這就是輝達在軟體和人才方面如此豐富的原因。我們向世界貢獻的開源軟體數量超過幾乎任何公司，除了一家公司，我想是AI2之類的。我們擁有如此龐大的軟體資源，這只是在AI方面。別忘了電腦圖形、數位生物學、自動駕駛汽車，我們公司生產的軟體數量是令人難以置信的，這使我們能夠進行深度和極限的協同設計。主持人：我從你的一個競爭對手那裡聽說，是的，他這樣做是因為這有助於降低代幣生成成本，但同時你的年度發布周期讓你的競爭對手幾乎不可能跟上。供應鏈被鎖定更多，因為你給供應鏈三年的可見性。現在供應鏈對他們能夠建立什麼有了信心。你是否考慮過這個？黃仁勳：在你問這個問題之前，先想想這個。為了讓我們每年進行數千億美元的AI基礎設施建設，想想我們一年前必須開始準備多少產能。我們在談論建造數千億美元的晶圓啟動和DRAM採購。這現在已經達到幾乎沒有公司能跟上的規模。主持人：那麼你認為你的競爭護城河比三年前更大嗎？黃仁勳：是的。首先，現在的競爭比以往任何時候都激烈，但也比以往任何時候都更困難。我這樣說的原因是晶圓成本越來越高，這意味著除非你進行極限規模的協同設計，否則你就無法實現X倍增長因子。除非你每年研發六、七、八個晶片，這很了不起。這不是關於建立一個ASIC，而是關於建造一個AI工廠系統。這個系統有很多晶片，它們都是協同設計的，一起提供我們幾乎定期獲得的10倍因子。第一，協同設計是極限的。第二，規模是極限的。當你的客戶部署一千兆瓦時，那是40萬到50萬個GPU。讓50萬個GPU協同工作是個奇蹟。你的客戶在你身上承擔了巨大的風險去購買所有這些。你得問問自己，什麼客戶會在一個架構上下500億美元的採購訂單？在一個未經驗證的架構，一個新架構上。一個全新的晶片，你對此感到興奮，每個人都為你興奮，你剛剛展示了第一個矽片。誰會給你500億美元的採購訂單？為什麼要為一個剛剛流片的晶片啟動價值500億美元的晶圓？但對於輝達，我們能做到這一點，因為我們的架構已經得到驗證。我們客戶的規模如此令人難以置信。現在我們供應鏈的規模也令人難以置信。誰會為一家公司啟動所有這些，預先建造所有這些，除非他們知道輝達能夠交付？他們相信我們能夠向全世界的客戶交付。他們願意一次啟動數千億美元。這個規模令人難以置信。主持人：關於這一點，世界上最大的關鍵爭論和爭議之一是GPU與ASIC的問題，Google的TPU、亞馬遜的Trainium，似乎從ARM到OpenAI到Anthropic都傳言在建構ASIC。去年你說我們在建構系統，不是晶片，你透過堆疊的每個部分驅動效能。你還說這些項目中的許多可能永遠不會達到生產規模。但考慮到大多數項目，以及GoogleTPU的明顯成功，你如何看待今天這個不斷演變的格局？黃仁勳：首先，Google擁有的優勢是前瞻性。記住，他們在一切開始之前就啟動了TPU1。這與新創公司沒有什麼不同。你應該在市場成長之前創建新創公司。當市場達到兆美元規模時，你不應該作為新創公司出現。這是一個謬論，所有創投都知道這個謬論，如果你能在大市場中佔幾個百分點的市場份額，你就能成為一家巨型公司。這其實是根本錯誤的。你應該在一個小產業中佔據100%的市場份額，就像Nvidia和TPU所做的那樣。當時只有我們兩家公司，但你必須希望這個產業能真正變大。你在創造一個產業。Nvidia的故事說明了這一點。對於現在建構ASIC的公司來說，這是一個挑戰。雖然現在看起來市場很誘人，但記住這個誘人的市場已經從一個叫做GPU的晶片演變成了我剛才描述的AI工廠。你們剛剛看到我宣佈了一款叫CPX的晶片，用於上下文處理和擴散視頻生成，這是一個非常專業的工作負載，但在數據中心內是重要的工作負載。我剛才提到了AI資料處理處理器的可能性，因為你需要長期記憶和短期記憶。 KV快取處理非常密集。 AI記憶體是個大問題。你希望你的AI有良好的記憶，光是處理整個系統的KV快取就是非常複雜的事情，可能需要專門的處理器。你可以看到，Nvidia的觀點現在不再只是GPU。我們的觀點是審視整個AI基礎設施，以及這些優秀公司需要什麼來處理他們多樣化且不斷變化的工作負載。看看transformer。 transformer架構正在發生巨大變化。如果不是因為CUDA易於操作和迭代，他們如何嘗試大量實驗來決定使用那個transformer版本、什麼樣的注意力演算法？如何分解？ CUDA幫助你完成所有這些，因為它非常可編程。現在思考我們業務的方式是，當所有這些ASIC公司或ASIC專案在三、四、五年前開始時，我必須告訴你，那個行業非常簡單。涉及一個GPU。但現在它變得龐大而複雜，再過兩年它將變得完全龐大。規模將非常巨大。所以我認為，作為新進入者進入一個非常大的市場的戰鬥是困難的。即使對於那些在ASIC上可能成功的客戶來說也是如此。主持人：投資者往往是二元化的生物，他們只想要是或否的黑白答案。但即使你讓ASIC運作起來，難道不存在最適平衡嗎？因為我認為購買Nvidia平台時，CPX將推出用於預先填充、視訊生成，可能還有解碼等。黃仁勳：是的，所以會有許多不同的晶片或零件加入到Nvidia生態系統的加速運算叢集中，隨著新工作負載的產生。現在試圖流片新晶片的人們並沒有真正預測一年後會發生什麼，他們只是試圖讓晶片工作。換句話說，Google是GPU的大客戶。Google是一個非常特別的案例，我們必須表示應有的尊重。 TPU已經到了TPU7。這對他們來說也是一個挑戰，他們所做的工作非常困難。讓我說明一下，有三類晶片。第一類是架構晶片：X86 CPU、ARM CPU、Nvidia GPU。它們是架構性的，上面有生態系統，架構擁有豐富的IP和生態系統，技術非常複雜，由像我們這樣的所有者所建構。第二類是ASIC。我曾為發明ASIC概念的原始公司LSI Logic工作。如你所知，LSI Logic已經不存在了。原因是ASIC在市場規模不是很大時確實很棒，很容易有人作為承包商幫助你將所有東西打包並代表你進行製造，他們收取50-60%的毛利率。但當ASIC市場變大時，就有了新的做法叫做客戶自有工具。誰會這樣做？蘋果的智慧型手機晶片。蘋果的智慧型手機晶片量非常大，他們絕對不會付給別人50-60%的毛利率來做ASIC。他們使用客戶自有工具。那麼當TPU成為大生意時會走向何方？客戶自有工具，毫無疑問。但ASIC有其位置。視訊轉碼器永遠不會太大，智慧網卡永遠不會太大。當一個ASIC公司有10、12、15個ASIC專案時，我並不感到驚訝，因為可能有五個智慧網路卡和四個轉碼器。它們都是AI晶片嗎？當然不是。如果有人為特定推薦系統建立嵌入式處理器作為ASIC，當然可以做到。但你會將其作為一直在變化的AI的基礎計算引擎嗎？你有低延遲工作負載、高吞吐量工作負載、聊天的令牌生成、思考工作負載、AI視訊生成工作負載。主持人：你在談論加速計算的主幹。黃仁勳：這就是Nvidia的全部意義所在。主持人：簡單來說，這就像是下西洋棋和跳棋的區別。事實是，今天開始做ASIC的公司，無論是Tranium還是其他一些加速器，他們正在建造一個晶片，它只是更大機器的一個組件。你建構了一個非常複雜的系統、平台、工廠，現在你在某種程度上開放了一點。你提到了CPX GPU，在某些方面，你正在將工作負載分解到該特定領域的最佳硬體片段。黃仁勳：我們宣佈了一個叫Dynamo的東西，分解的AI工作負載編排，我們開源了它，因為未來的AI工廠是分解的。主持人：你推出了MV Fusion，甚至對你的競爭對手包括Intel說，你參與我們正在構建的這個工廠的方式，因為沒有其他人瘋狂到嘗試構建整個工廠，但如果你有足夠好、足夠引人注目的產品，讓最終用戶說"我們想用這個而不是ARM GPU，或者我們想用這個而不是你的推理加速器"，你可以接入其中。黃仁勳：我們很高興能夠建立連結。融合確實是一個非常棒的想法，我們很高興能與英特爾在這方面合作。這需要利用英特爾的生態系統，世界上大部分企業仍運作在英特爾平台上。我們將英特爾生態系與輝達AI生態系、加速運算融合在一起。我們與ARM也是這樣做的，還有其他幾家公司我們也將與其合作。這為我們雙方都打開了機會，對雙方都是共贏。我將成為他們的大客戶，而他們將讓我們接觸到更大的市場機會。這與您提出的一個觀點密切相關，這個觀點可能會讓一些人感到震驚。您說我們的競爭對手正在構建ASIC，他們所有的晶片在今天已經更便宜了，但他們甚至可以將價格定為零。我們的目標是，即使他們將晶片價格定為零，您仍然會購買輝達系統，因為運營該系統的總成本——電力、數據中心、土地等，產出的智慧仍然比購買晶片更划算，即使晶片是免費的。因為土地、電力和基礎設施已經價值150億美元。我們已經對這個數學問題進行了分析。主持人：但請您為我們解釋一下您的計算，因為我認為對於那些不經常思考這個問題的人來說，這確實難以理解。您的晶片如此昂貴，競爭對手的晶片價格為零，怎麼可能您的晶片仍然是更好的選擇？黃仁勳：有兩種思考方式。一種是從收入角度來考慮。每個人都受到功耗限制，假設您能夠獲得額外的2千兆瓦功率。那麼這2千兆瓦的功率您希望能夠轉化為收入。如果您的效能或每瓦token數是其他人的兩倍，因為您進行了深度和極端的程式碼設計，我的每單位能耗效能要高得多，那麼我的客戶就可以從他們的資料中心產生兩倍的收入。誰不想要兩倍的收入呢？如果有人給他們15%的折扣，我們的毛利率（大約75個百分點）與其他人的毛利率（大約50到65個百分點）之間的差異，不足以彌補Blackwell和Hopper之間30倍的性能差異。假設Hopper是一款出色的晶片和系統，假設其他人的ASIC就是Hopper。 Blackwell的表現是其30倍。因此在那1千兆瓦中，您必須放棄30倍的收入。這個代價太大了。所以即使他們免費提供晶片，您只有2千兆瓦可以使用，機會成本極高。您總是會選擇最佳的每瓦性能。主持人：我從一位超大規模雲端服務供應商的CFO那裡聽到，鑑於您的晶片帶來的效能提升，正是針對每千兆瓦token數這一點，以及電力成為限制因素，他們必須升級到新的周期。當您展望Ruben、Ruben Ultra、Fineman時，這種趨勢會持續嗎？黃仁勳：我們現在每年建造六、七款晶片，每一款都是系統的一部分。系統軟體無所不在，需要在所有這六、七款晶片上進行整合和最佳化，才能實現Blackwell的30倍效能提升。現在想像我每年都在做，持續不斷。如果您在這一系列晶片中建立一個ASIC，而我們在整個系統中進行最佳化，這是一個難以解決的問題。主持人：這讓我回到一開始關於競爭護城河的問題。我們一直在關注這一點，我們是生態系統的投資者，也投資您的競爭對手，從Google到博通。但當我從第一原理思考這個問題時，您是在增加還是減少您的競爭護城河？您轉向年度節奏，與供應鏈共同開發。規模比任何人預期的都要大得多，這需要資產負債表和開發的規模。您透過收購和有機成長所做的舉措，包括Envy Fusion、CPX等我們剛才討論的。所有這些因素讓我相信，至少在建造工廠或系統方面，您的競爭護城河正在增強。這至少是令人驚訝的。但有趣的是，您的本益比比其他大多數公司要低得多。我認為這部分與大數法則有關。一家4.5兆美元的公司不可能再變得更大了。但我一年半前就問過您這個問題，今天您坐在這裡，如果市場將發展到AI工作負載增長10倍或5倍，我們知道資本支出在做什麼等等。在您看來，有沒有任何可以想像的情況，您在5年後的營收不會比2025年高出2倍或3倍？考慮到這些優勢，營收實際上不會比今天高很多的機率是多少？黃仁勳：我這樣回答。正如我所描述的，我們的機會比共識大得多。我在這裡說，我認為輝達很可能成為第一家10兆美元的公司。我在這裡待了足夠長的時間，就在十年前，您應該記得，人們說永遠不可能有兆美元的公司。現在我們有10家。主持人：今天世界更大了，回到GDP和成長的指數級發展。黃仁勳：世界更大了，人們誤解了我們所做的事情。他們記得我們是一家晶片公司，我們確實製造晶片，我們製造世界上最出色的晶片。但輝達其實是一家AI基礎設施公司。我們是您的AI基礎設施合作夥伴，我們與OpenAI的合作就是完美的證明。我們是他們的AI基礎設施合作夥伴，我們以多種不同方式與人們合作。我們不要求任何人向我們購買所有產品。我們不要求他們購買整個機架。他們可以購買晶片、組件、我們的網路設備。我們有客戶只購買我們的CPU，只購買我們的GPU而購買其他人的CPU和網路設備。我們可以按照您喜歡的任何方式銷售。我唯一的要求就是從我們這裡買點什麼。主持人：我們討論了伊隆馬斯克與X.ai以及Colossus 2計畫。正如我之前提到的，這不僅僅是關於更好的模型，我們還必須建造。我們必須擁有世界級的建設者。而我認為我們國家最頂尖的建設者可能就是伊隆馬斯克。我們談到了Colossus 1以及他在那裡所做的工作，建立了一個由數十萬台H100和H200組成的連貫叢集。現在他正在開發Colossus 2，這可能包含50萬台GPU，相當於數百萬台H100在一個連貫叢集中。我不會感到驚訝，如果他比任何人都更快達到千兆瓦級別。關於成為既能建構軟體和模型，又理解建構這些叢集所需條件的建構者，這有什麼優勢？黃仁勳：我想說，這些AI超級電腦是複雜的系統。技術很複雜，由於融資問題，採購也很複雜。獲得土地、電力和基礎設施，為其供電都很複雜，建造並啟動所有這些系統。這可能是人類迄今所承擔的最複雜的系統問題。埃隆有一個巨大的優勢，就是在他的頭腦中，所有這些系統都在相互協作，所有的相互依賴關係都存在於一個頭腦中，包括融資。所以他就是一台大型GPT，他本身就是一台大型超級計算機，是終極GPU。他在這方面有很大優勢，而且他有強烈的緊迫感，有建造它的真正願望。當意志與技能結合時，不可思議的事情就會發生。這是相當獨特的。主持人：接下來我想談談主權AI以及全球AI競賽。 30年前，你無法想像你會在宮殿裡與王儲和國王交流，經常出入白宮。總統說你和輝達對美國國家安全至關重要。當我審視這種情況時，如果各國政府不認為這至少像我們在1940年代對待核子技術那樣具有生存意義，你很難出現在那些地方。雖然我們今天沒有政府資助的曼哈頓計劃，但它由輝達、OpenAI、Meta、Google資助。我們今天擁有與國家同等規模的公司。這些公司正在資助總統和國王們認為對其未來經濟和國家安全具有生存意義的事業。你同意這種觀點嗎？黃仁勳：沒有人需要原子彈，但每個人都需要AI。這是一個非常大的區別。 AI就是現代軟體。這就是我的出發點——從通用計算到加速計算，從人工逐行編寫程式碼到AI編寫程式碼。這個基礎不能被遺忘，我們已經重新發明了計算。地球上沒有新物種出現，我們只是重新發明了計算。每個人都需要計算，它需要被民主化。這就是為什麼所有國家都意識到他們必須進入AI世界，因為每個人都需要跟上計算的步伐。世界上沒有人會說："我昨天還在使用計算機，明天我準備重新使用棍棒和火。"每個人都需要向計算轉移，它只是在現代化而已。首先，要參與AI，你必須在AI中編碼你的歷史、文化和價值觀。當然，AI變得越來越智能，即使核心AI也能夠相當快速地學習這些東西。你不必從零開始。所以我認為每個國家都需要擁有一些主權能力。我建議他們都使用OpenAI、Gemini、這些開放式模型和Grok，我建議他們都使用Anthropic。但他們也應該投入資源學習如何建構AI。原因是他們需要學習如何建構它，不僅是為了語言模型，還需要為工業模型、製造模型、國家安全模型建構AI。有很多智能需要他們自己培養。所以他們應該擁有主權能力，每個國家都應該發展它。在世界各地聽到的是否也是這樣？他們都意識到了這一點。他們都將成為OpenAI、Anthropic、Grok和Gemini的客戶，但他們也確實需要建立自己的基礎設施。這就是輝達所做的重要理念──我們正在建立基礎設施。正如每個國家都需要能源基礎設施和通訊網路基礎設施一樣，現在每個國家都需要AI基礎設施。讓我們從世界其他地方開始。我們的好朋友大衛·薩克斯，AI團隊做得非常出色。我們非常幸運能在華盛頓特區擁有大衛和什里拉姆。大衛在擔任AISR的工作，川普總統把他們安排在白House是多麼明智的舉措。在這個關鍵時刻，技術很複雜。什里拉姆是我認為華盛頓特區唯一懂CUDA的人，雖然有點奇怪。但我就是喜歡這樣的事實：在這個技術複雜、政策複雜、對我們國家未來影響如此重大的關鍵時刻，我們有一個頭腦清晰、投入時間理解技術、深思熟慮地幫助我們度過難關的人。科技就像過去的玉米和鋼鐵一樣，現在是如此基本的貿易機會。這是貿易的重要組成部分。為什麼你不希望美國科技被每個人渴望，這樣它就可以用於貿易？川普已經做了幾件事情，所做的事情對於讓每個人都跟上來說是非常好的。第一件事是美國的再工業化，鼓勵公司來美國建設，投資工廠，以及對技術工人隊伍進行再培訓和提升技能，這對我們國家來說極為寶貴。我們喜歡工藝，我喜歡用雙手製造東西的人，現在我們要回去建造東西，建造宏偉不可思議的東西，我喜歡這樣。這將改變美國，毫無疑問。我們必須認識到，美國的再工業化從根本上將是變革性的。然後當然是AI。它是最大的均衡器。想想每個人現在都可以擁有AI。這是終極均衡器。我們已經消除了技術鴻溝。記住上一次有人必須學習使用電腦來獲得經濟或職業利益時，他們必須學習C++或C，或至少是Python。現在他們只需要學習人類語言。如果你不知道如何為AI程式設計，你告訴AI："嗨，我不知道如何為AI程式設計。我如何為AI程式設計？"AI就會向你解釋或為你做。它為你做。這太不可思議了，不是嗎？我們現在用科技消除了技術鴻溝。這是每個人都必須參與的事情。 OpenAI有8億活躍使用者。天那，它真的需要達到60億。它真的需要很快達到80億。我認為這是第一點。然後第二點，第三點，我認為AI將改變任務。人們搞混的是，有許多工將被消除，有許多工實際上將被創造出來。但很可能對許多人來說，他們的工作是受到有效的保護。例如，我一直在使用AI。你一直在使用AI。我的分析師一直在使用AI。我的工程師，他們每個人都在持續使用AI。我們正在僱用更多工程師，僱用更多人，全面招募。原因是我們有更多想法。我們現在可以追求更多想法。原因是我們的公司變得更有生產力。因為我們變得更有生產力，我們變得更富有。我們變得更富有，我們可以僱用更多人去追求這些想法。AI帶來大規模工作破壞的概念始於一個前提，即我們沒有更多想法了。它始於我們沒有什麼可做的前提。我們今天在生活中做的一切就是終點。如果別人為我做那一項任務，我就只剩下一項任務了。現在我必須坐在那裡等待什麼，等待退休，坐在我的搖椅上。這個想法對我來說沒有意義。我認為智能不是零和遊戲。我周圍的人越聰明，我周圍的天才越多，令人驚訝的是，我的想法就越多，我想像我們可以解決的問題就越多，我們創造的工作就越多，我們創造的就業機會就越多。我不知道一百萬年後的世界會是什麼樣子，那將留給我的孩子。但在接下來的幾十年裡，我的感覺是經濟將會成長。很多新工作將被創造出來。每個工作都將被改變。一些工作將會丟失。我們不會在街上騎馬，這些事情都會很好。人類在理解復合系統方面出了名的懷疑和糟糕，他們在理解隨規模加速的指數系統方面更糟糕。主持人：我們今天談了很多指數。偉大的未來學家雷‧庫茲韋爾說，在21世紀，我們不會有一百年的進步。我們可能會有兩萬年的進步。你之前說過，我們很幸運生活在這個時刻並為這個時刻做出貢獻。我不會要求你展望10年、20年或30年，因為我認為這太有挑戰性了。但當我們思考2030年時，像機器人這樣的事物，30年比2030年更容易。真的嗎？是的。好的，所以我會給你許可去展望30年。當你思考這個過程時，我喜歡這些較短的時間框架，因為它們必須將位元和原子結合起來，這是建構這些東西的困難部分。每個人都在說這即將發生，這很有趣但並不完全有用。但如果我們有2萬年的進步，請思考Ray的那句話，思考指數級增長，以及我們所有的聽眾——無論你們在政府工作、在新創公司、還是在經營大公司——都需要思考加速變化的速度、加速增長的速度，以及你們如何在這個新世界中與人工智慧協同合作。黃仁勳：許多人已經說了很多事情，它們都很合理。我認為在接下來的5年裡，真正酷且將被解決的事情之一是人工智慧與機器人技術的融合。我們將擁有在我們身邊遊走的人工智慧。每個人都知道，我們都會與自己的R2-D2一起成長。那個R2-D2會記得關於我們的一切，沿途指導我們，成為我們的夥伴。我們已經知道這一點。每個人都將在雲端擁有自己關聯的GPU，80億人口對應80億個GPU，這是可行的結果。每個人都擁有為自己量身定製的模型。那個在雲端的人工智慧也會反映在各種地方——你的車上、自己的機器人裡，它無所不在。我認為這樣的未來是非常合理的。我們將理解生物學的無限複雜性，理解生物學系統以及如何預測它，擁有每個人的數位孿生。我們在醫療保健方面擁有自己的數位孿生，就像我們在亞馬遜購物有數位孿生一樣，為什麼不在醫療保健方面擁有呢？當然會有。一個能預測我們如何老化、可能患什麼疾病，以及即將發生的任何事情的系統——也許是下周甚至明天下午——並提前預測。當然，我們會擁有所有這些。我認為所有這些都是理所當然的。我常被合作的CEO們問到，既然有了這些，會發生什麼事？你該怎麼做？這是快速發展事物的常識。如果你有一列即將越來越快並呈指數級發展的火車，你真正需要做的就是上車。一旦你上了車，你就會在路上弄清楚其他一切。試圖預測那列火車會在那裡，然後朝它射子彈，或者預測那列火車會在那裡——它每秒都在指數級加速——然後弄清楚在那個路口等它，這是不可能的。只要在它行駛相對緩慢時上車，然後一起呈指數級發展。主持人：很多人認為這只是一夜之間發生的。你已經在這個領域工作了35年。我記得大約在2005年或2006年聽Larry Page說，Google的最終狀態是當機器能夠在你問問題之前就預測到問題，並在你不用尋找的情況下給你答案。我在2016年聽Bill Gates說，當有人說所有事情都已經完成了——我們有了網路、雲端運算、行動、社交等等。他說：『我們甚至還沒開始。』有人問：『你為什麼這麼說？』他說：『直到機器從愚蠢的計算器變成開始為自己思考、與我們一起思考時，我們才真正開始。』那就是我們所處的時刻。擁有像你這樣的領導者，像Sam和Elon、Satya等人，對這個國家來說是如此非凡的優勢。看到我們擁有的風險資本系統之間的合作——我參與其中，能夠為人們提供風險資本。這確實是一個非凡的時代。但我也認為，我感激的一點是，我們擁有的領導者也理解他們的責任——我們正以加速的速度創造改變。我們知道雖然這很可能對絕大多數人都是好事，但路上會有挑戰。我們會在挑戰出現時處理它們，為每個人提高底線，確保這是一個勝利，不僅僅是為了矽谷的一些精英。不要嚇到他們，要帶他們去。我們會做到的。黃仁勳：是的。主持人：所以，謝謝你。黃仁勳：完全正確。 （硬AI）

黃仁勳表示，OpenAI很可能會成為下一個兆美元等級的公司，很遺憾沒有早點投資。未來5年內，AI驅動的收入將從1000億美元增加到兆美元等級，現在就可能達到了。關於ASIC的競爭，輝達放話，即使競爭對手將晶片價格定為零，客戶仍然選擇輝達，因為系統運作成本更低。內容摘要: 黃仁勳BG2 專訪：輝達、OpenAI、算力未來與美國夢AI 規模定律與推理的革命： 在傳統的AI 規模定律（預訓練、後訓練）之上，引入了全新的「思考」推理定律——即在回答前深度思考、研究和學習。這將使推理能力呈指數級增長（百萬倍乃至十億倍），最終將智慧推向新高度。OpenAI Stargate 合作的戰略意義： NVIDIA 與OpenAI 的1000 億美元合作（Stargate）不僅是裝置供應，更是支援OpenAI 建立自主AI 基礎設施，助其成為下一個兆美元市值的超大規模公司。 NVIDIA 作為其首選合作夥伴，將提供從晶片、軟體到系統的全方位支援。通用運算向加速運算的典範轉移： 摩爾定律的終結標誌著通用運算時代的落幕，運算基礎設施正全面轉向加速運算和AI 運算。這項轉變將重塑全球運算市場，為NVIDIA 帶來數千億美元的成長機會。AI 驅動的經濟成長潛力： AI 作為強大「引擎」將極大增強人類智能，預計在全球GDP 中佔據數兆美元的顯著份額，加速全球經濟成長，並催生全新的AI 代理產業和應用。NVIDIA 的競爭壁壘與“極致協同設計”： NVIDIA 透過年度發佈周期、與供應鏈的深度合作，以及在晶片、系統、軟體、網路等領域的全端“極致協同設計”，不斷推出性能呈指數級提升的產品（如Blackwell），建構了難以踰越的競爭壁壘。GPU 與ASIC 的辯證關係： NVIDIA 正從GPU 供應商轉型為AI 基礎設施建構者，能夠整合各類ASIC（如CPX）以滿足多樣化的AI 工作負載需求，同時透過開放原始碼軟體和平台（如Dynamo、NV Fusion）吸引生態系統內的合作夥伴。AI 晶片的成本優勢： NVIDIA 的系統級設計使其每瓦性能遠超競爭對手。即便對手的ASIC 晶片免費，NVIDIA 的系統在總擁有成本（TCO，包括電力、資料中心等）上仍具備顯著優勢。主權AI 的重要性： 各國必須發展自身的主權AI 能力，這不僅關乎國家安全，也關乎經濟命脈。各國在利用通用AI 模型的同時，應投入資源自主建構工業、製造業和國家安全領域的專屬模型。AI 驅動的「美國夢」與人才吸引： 吸引並留住全球頂尖人才（包括STEM 學生）是美國保持競爭力的關鍵。提高H-1B 簽證費用或許是一個起點，但需平衡合法與非法移民問題，並警惕可能加速海外投資、損害美國品牌形象的負面效應。中國市場的重要性與競爭策略： 中國是全球最重要的市場之一。鼓勵外企在華投資競爭，同時發展本國充滿活力的AI 產業，最符合中美兩國的國家利益，應避免「脫鉤」和零和博弈思維。AI 驅動的生產力提升與就業創造： AI 不會消滅工作，而是重塑任務，它將增強人類智慧、提高生產力，並創造新的就業機會。 AI 將極大地彌合技術鴻溝，讓每個人都能從技術進步中受益。指數級成長與未來預測： AI 領域的指數級成長速度驚人。預測未來（如30 年後）需要將「位元」與「原子」世界結合，重點關注AI 與機電一體化、機器人學的融合，以及生物學和數位孿生的巨大潛力。「投資美國」與普惠式成長： 透過「Invest America」等倡議，讓每個孩子從出生起就成為美國優秀企業的股東，以此實現包容性成長，確保在科技浪潮中無人落後。美國重新工業化與技工價值： 重振美國製造業（重新工業化）並重新重視技工的價值，再結合AI 的賦能，將有效促進經濟成長、創造就業並提升國家競爭力。「放馬過來」的自信態度： 面對競爭，應採取自信開放的態度（「放馬過來」），相信美國的人民、文化和制度，透過合作（即使是與曾經的對手）共同實現繁榮。訪談全文黃仁勳： 我認為OpenAI 很有可能成為下一個兆美元市值的超大規模公司。主持人Gerstner： Jensen，很高興能再次相會。當然，還有我的搭檔Clark Tang。時間過得真快。黃仁勳： 歡迎來到NVIDIA。年度AI 回顧主持人Gerstner： 哦，這副眼鏡不錯，戴著很好看。不過問題是，以後大家都會希望你一直戴著了。他們會問：「那副紅眼鏡呢？」我能作證。我們上次錄播客已經過去一年多了。如今，你超過40% 的收入來自推理業務。而真正的推理革命，也就是煉式推理，才剛開始，對嗎？黃仁勳： 它即將迎來十億倍的成長。沒錯，是百萬倍，甚至十億倍。這才是大多數人尚未完全理解的重點。我們之前談論的是一個產業，而現在我們面對的是一場工業革命。主持人Gerstner： 說實話，感覺自上次之後，我們每天都在繼續對話。在AI 的時間尺度裡，一年多就像100 年。我最近重溫了那期播客，我們談到的許多觀點都讓我印象深刻。其中最深刻的，就是你當時的極力強調。還記得嗎？大約一年半前，預訓練領域有些悲觀，人們都在說：“天啊，預訓練走到頭了，我們過度投資了。”而你卻說：「推理的成長不是100 倍、1000 倍，而是10 億倍。」這句話直接把我們帶到了今天。你剛剛宣佈了一項重大合作，我們就從這裡開始吧。黃仁勳： 我得坦白，我當時低估了。我們現在有三個規模定律：預訓練規模定律、後訓練規模定律。後訓練，本質上就像AI 在練習一項技能，透過不斷嘗試各種方法，直到做對為止。要做到這一點，就需要進行推理。如今，在強化學習中，訓練和推理已經融為一體，這讓整個過程變得非常複雜。這個過程就被稱為後訓練。第三個面向是推理。過去的推理方式是'一次性'的。然而，我們現在所推崇的新推理方式，引入了'思考'。在回答之前先深入思考，這至關重要。現在，我們有了三個規模定律。你思考的時間越長，答案的品質就越高。在思考的過程中，你可以進行研究，核實事實，學習新知識。再思考，再學習，然後產生答案。關鍵在於，不要急於給出第一個答案。因此，是思考、後訓練和預訓練這三個規模定律在共同推動發展，而不僅僅是一個。主持人Gerstner： 你去年就預見了這一點。那麼和一年前相比，你現在是否對「推理將實現十億倍增長」以及「這將把智能推向何種新高度」更有信心了？黃仁勳： 我今年的信心更足了。看看現在的AI 代理系統就知道了。 AI 不再是單一的語言模型，而是由多個模型組成的系統。它們可以同時運行，使用工具，進行研究，處理各種任務。而且這一切都是多模態的。看看現在AI生成的那些視頻，簡直太瘋狂了。OpenAI Stargate 與NVIDIA 投資主持人Gerstner： 這自然就引出了本周的熱門話題：幾天前，你宣佈了與OpenAI 的Stargate 計畫達成重大合作，NVIDIA 將成為其首選合作夥伴，併計劃投資1000 億美元。他們要建設10 千兆瓦的算力。如果全部使用NVIDIA 的產品，這可能為NVIDIA 帶來高達4000 億美元的收入。所以，能否請你談談這次合作對你來說意味著什麼？以及為什麼這項投資對NVIDIA 來說是明智之舉？黃仁勳： 首先，我先回答最後一個問題，然後再展開闡述。我認為OpenAI 很有可能成為下一個兆美元市值的超大規模公司。為什麼稱之為超大規模公司？就像Meta 和Google一樣，它們將同時擁有面向消費者和企業的服務，極有可能成為全球下一個兆美元等級的巨頭。我想你會同意這個判斷。如果真是如此，那麼在它成長到那個規模之前進行投資，就是我們能想到的最明智的決策之一。投資必須投在自己瞭解的領域，而這恰好是我們的專長。投資這個領域的回報將是巨大的。我們非常看好這次投資機會，雖然我們並非必須投資，但他們提供了這個機會，這非常難得。現在，讓我從頭說起。我們與OpenAI 的合作涵蓋多個項目。首先是與微軟Azure 的合作建設，這個計畫進展順利，未來幾年還有價值數千億美元的工作要完成。我們正與OCI、OpenAI 和軟銀合作，建立約5 到7 千兆瓦的算力。這些項目均已簽約，正在推進中。然後是與CoreWeave 的合作。這些都是在OpenAI 的大背景下進行的。那麼，這次的新合作究竟是什麼呢？這次新合作的核心，是幫助OpenAI 首次建立自己的AI 基礎設施。所以，這意味著，我們將直接在晶片、軟體、系統乃至AI 工廠層級與OpenAI 合作，幫助他們成為一個完全自營運的超大規模公司。這個過程會持續相當長的時間。這次合作是為了回應他們正在經歷的「雙重指數級成長」。第一個指數增長來自用戶數量，因為AI 效果越來越好，應用場景不斷豐富，幾乎所有應用都在接入OpenAI，導致使用量爆炸性增長。第二個指數成長來自單次使用的計算量。因為AI 不再是'一次性'推理，而是需要'思考'後才能回答。這兩個指數成長疊加，導致他們的算力需求複合式成長。因此，我們必須推進所有這些項目。這次新的合作是在他們已有的所有項目基礎之上的一個增量，旨在支援這種驚人的指數級增長。主持人Gerstner： 你剛才提到“OpenAI 極有可能成為兆美元公司”，這點非常有趣。你認為這是一筆絕佳的投資，同時你也在幫助他們進行自主建設，包括自建資料中心。而在此之前，他們的資料中心建置一直外包給微軟。現在，他們希望建立自己的完整技術堆疊。黃仁勳： 是的，就像自建工廠一樣。他們希望與我們建立一種類似伊隆與X 那樣的關係，進行自主建設。主持人Gerstner： 這確實是個重大事件。 Colossus的優勢在於他們正在建立完整的技術棧，這本身就是一個超大規模計算公司（Hyperscaler）。因為即便他們自己用不完這些算力，也可以賣給別人。同理，Stargate也在建造龐大的算力叢集。他們預計自己會使用大部分，但這也讓他們有能力將富餘的算力出售。這聽起來不就是AWS、GCP或Azure的模式嗎？黃仁勳： 我認為他們很可能會像X公司一樣，將這些算力自用。但關鍵在於，他們希望與我們建立直接的合作與採購關係。就像祖克柏和Meta、桑達爾和Google、薩提亞和Azure和我們的合作一樣，都是完全直接的。他們已經達到了這樣的規模。輝達加速運算的潛在市場規模（TAM）他們認為，現在是時候開始建立這種直接關係了。我很高興能支援他們。薩提亞知道，拉里也知道，每個人都清楚正在發生什麼，而且都非常支援。主持人Gerstner： 但有一點讓我感到困惑。您剛才提到了Oracle的3000億美元投資、Colossus的宏偉計劃，還有主權AI和各大超大規模計算公司的投入。 Sam Altman甚至談論的是兆美元級別的規模。然而，華爾街那25位負責研究您公司的賣方分析師，他們的共識預測是，輝達的成長將在2027年左右趨於平緩，到2030年的年增長率僅為8%。而預測輝達的成長率是這些分析師的唯一工作。黃仁勳： 我們清楚這一點，但這沒關係。我們總是能超越這些預期。主持人Gerstner： 我明白，但這確實是一種有趣的脫節。我每天都在CNBC和彭博電視上聽到這種論調。我想，這部分源自於一種擔憂，即當前的短缺最終會導致未來的產能過剩。他們或許相信到2026年的成長，但對2027年後的情況持懷疑態度，認為屆時市場可能飽和。這恰恰表明，儘管我們進入AI時代已經兩年半，但在您、Sam Altman、桑達爾、薩提亞的願景與華爾街的普遍看法之間，仍然存在巨大的認知鴻溝。這一點您也很清楚。黃仁勳： 我也不認為這其中有矛盾。讓我從三個面向來闡述，希望能幫助你對輝達的未來更加放心。第一點，也是最重要的一點，是基於物理定律的必然：通用運算的時代已經落幕，未來屬於加速運算和人工智慧。你可以這樣思考：全球價值數兆美元的運算基礎設施，有多少需要更新換代？所有人都同意，通用計算的時代已經結束，摩爾定律已死。這意味著什麼？通用計算必將轉向加速計算。我們與英特爾的合作，正是基於「通用運算必須與加速運算融合」這一共識，這為他們創造了新的機會。第二點，人工智慧的第一個應用場景其實早已無所不在，像是搜尋、推薦引擎和購物。過去，超大規模運算的基礎設施是用於推薦系統的CPU；現在，它將變成用於人工智慧的GPU。所以，你只需看看傳統運算和超大規模運算，它們都在從CPU轉向加速運算和AI。為Meta、Google、字節跳動、亞馬遜等公司提供支援，將他們傳統的超大規模運算模式轉向人工智慧，這將是一個價值數千億美元的市場。主持人Gerstner： 考慮到地球上使用TikTok、Meta、Google服務的40億人，他們已經產生了巨大的工作負載需求。黃仁勳： 這些都是由加速運算變革所驅動的。所以，即便不考慮AI創造的新機會，僅是AI改變做事方式這一項，就已經夠龐大。接下來，讓我們談談未來。到目前為止我說的，其實都只是基礎。這就好比，你不會再用煤油燈，而是改用電燈；你不會再坐螺旋槳飛機，而是選擇噴射機。舊的模式已經過時，道理就是這麼簡單。真正令人難以置信的是，當你轉向AI和加速運算後，會湧現那些全新的應用？這就是我們正在熱議的生成式AI。這個機會有多大？一個簡單的類比是，就像馬達取代了體力勞動一樣，現在我們有了人工智慧。我稱之為「AI工廠」。這些AI超級電腦將產生tokens，以增強人類的智慧。人類智慧貢獻了全球GDP的多少？大約是55%到65%，也就是50兆美元。這50兆美元的經濟活動，未來都將被某些東西增強。讓我們回到個人層面。假設我花1萬美元為一位年薪10萬美元的員工配備一套AI系統，而這套系統能讓他的生產力翻倍甚至三倍，我會不會這麼做？答案是毫不猶豫。在我們公司，每一位員工都正在這樣做。我們公司的每一位軟體工程師、每一位晶片設計師，都已經在與AI協同工作了。100%覆蓋。因此，我們正在建構的晶片數量更多，節奏更快，公司作為一個整體成長得也更快。我們僱用了更多的人，生產力更高，收入更高，利潤也更高。何樂而不為呢？現在，將輝達的故事放大到全球GDP。那50兆美元的經濟活動，很可能被價值10兆美元的AI增強。而這10兆美元的價值，就需要機器來生成。黃仁勳： AI與過去的IT有何不同？過去，軟體是預先寫好的，運作在CPU上，需要人來操作。未來，AI會持續生成“通證”，機器必須不斷地思考才能生成它們。因此，軟體將永遠在線運行，而不是像過去那樣只編寫一次。為了讓AI能夠思考，它需要一個「工廠」。假設我們產生了10兆美元的token價值，其毛利率為50%，那就意味著需要一個價值5兆美元的“AI工廠”，也就是AI基礎設施來支撐。所以，如果有人告訴我全球每年在AI基礎設施上的資本支出將達到5兆美元，我認為這個數字是合理的。這就是未來：從通用運算轉向加速運算，用AI重塑所有超大規模運算，並最終增強人類智慧。主持人Gerstner： 您這是在對標全球GDP。我們估計，目前這個市場的年規模約為4000億美元。照此計算，潛在市場規模（TAM）比現在高出4到5倍。黃仁勳： 沒錯。阿里巴巴的吳泳銘（Eddie Wu）昨晚就說，到這個十年末，他們資料中心的電力容量將增加10倍。對吧？黃仁勳： 他們將電力增加10倍，我們將其與電力相關聯。輝達的收入幾乎與電力消耗成正比，對吧？黃仁勳： 他還說了什麼？他說token的生成速度每幾個月就會翻倍。這說明了什麼？每瓦性能必須持續指數級成長，這也是為什麼輝達要持續推出性能更強的產品。同樣，每瓦帶來的收入也是如此。在未來，「瓦特」幾乎就等同於收入。主持人Gerstner： 這很有趣。從歷史上看，在工業革命和數位革命之前，全球GDP成長非常緩慢，之後才開始加速。您所說的，其實是在描繪一個相似的場景：全球GDP成長將再次提速，因為我們擁有了數十億為我們工作的AI「同事」。如果GDP是勞動和資本投入的產出，那麼它必然會加速。黃仁勳： 必然會。看看AI正在發生什麼事。得益於大語言模式和AI代理等技術，一個全新的AI代理產業正在誕生，這一點毋庸置疑。 OpenAI是史上營收成長最快的公司，而且還在指數級成長。因此，人工智慧本身就是一個快速成長的產業。因為它背後需要「工廠」和基礎設施，所以我的產業也在成長。因為我的產業正在成長，它下游的產業也在成長。能源產業正在成長。這對能源產業來說是一次復興，無論是核能還是燃氣渦輪機。看看我們基礎設施生態系統中的所有公司，它們都發展得非常好。每個人都在成長。輝達的投資回報－供過於求還是泡沫？主持人Gerstner： 這些宏大的數字也讓人們開始討論「供過於求」或「泡沫」。祖克柏上周在播客中坦言，未來某個節點很可能會出現需求「真空期」（air pocket），Meta可能會在某方面超額投資100億美元。但他認為沒關係，因為這是關乎業務未來的必要風險。這聽起來有點像“囚徒困境”，不是嗎？黃仁勳：可他們都是非常快樂的囚犯。主持人Gerstner： 您再給我們講講。我們估計到2026年，AI產生的收入將達到1000億美元，這還不包括Meta，也不包括將推薦引擎、搜尋等現有業務AI化的部分。黃仁勳： 就稱之為1000億美元吧。但超大規模計算這個產業有多大？數兆美元。而且別忘了，這個產業正在全面轉向AI。在任何人從零開始創造新市場之前，你必須先從這裡算起。主持人Gerstner： 但懷疑論者會說，要支撐您的論點，我們需要看到AI驅動的收入從2026年的1000億美元增長到2030年的至少1兆美元。您認為在未來五年內，我們真的能看到這樣的成長嗎？我們的發展速度能有這麼快嗎？黃仁勳： 我還要補充一點，我們其實已經達成這個目標了。讓我解釋一下。因為那些超大規模（hyperscale）公司，已經完成了從CPU 到AI 的轉型，它們所有的收入基礎現在都由AI 驅動。沒有AI，TikTok 無法運作；沒有AI，YouTube Shorts 無法運作；沒有AI，Meta 在客製化和個人化內容方面所做的驚人工作也無法實現。所有這些過去由人類完成的事情，如今都改變了。過去，內容是預先編寫好的，推薦引擎只是從有限的選項中挑選。而現在，AI 能夠產生無限的可能。主持人Gerstner： 但那些推薦引擎，不正是我們經歷從CPU 過渡到GPU 的主要原因嗎？並且在過去三、四年裡，它們也一直在演進。黃仁勳： 是的，但祖克柏會告訴你，Meta 在採用GPU 方面肯定有所遲疑。 GPU 對Meta 來說是近一兩年的事，非常新。搜尋業務也用了GPU 嗎？當然，這更是全新的變革。主持人Gerstner： GPU 用於搜尋？所以，你的論點是，到2030 年AI 收入達到1 兆美元幾乎是板上釘釘的事，因為我們實際上已經快要實現了。好吧，那我們來談談增量。當你進行自下而上或自上而下的分析時，我剛剛聽了你關於全球GDP 百分比的自上而下分析。你認為在未來三到五年內，出現供過於求的機率有多大？這是一個機率分佈，我們無法預知未來。黃仁勳： 在所有通用運算徹底轉型為加速運算和AI 之前，我認為出現供過於求的幾率微乎其微。這還需要好幾年時間。讓我再補充一點。直到所有推薦引擎都基於AI，所有內容生成都基於AI——因為面向消費者的內容生成很大程度上依賴推薦系統——而這一切都將被AI 所取代。直到所有這些傳統上屬於超大規模運算的領域，從購物到電子商務，全部遷移到AI 上。主持人Gerstner： 但所有這些新建設，當我們談論數兆美元的投資時，這是一種超前投資。這種投資是隨心所欲的嗎？即便看到經濟放緩或出現某種過剩，你們也有義務必須投入資金嗎？還是說，這只是你們向生態系統發出的一個信號，告訴大家“儘管去建設”，到某個時候，如果我們看到放緩，可以隨時調整投資水平？黃仁勳： 實際上，情況恰恰相反。我們處於供應鏈的最末端，我們是對需求做出回應。現在，所有的創投都很清楚，全球範圍內都存在運算能力短缺。這並不是因為全球GPU 短缺。如果客戶給我訂單，我就會生產。過去幾年，我們已經深入梳理了供應鏈。所以，我身後的所有環節，從晶圓廠到封裝廠，再到HBM 內存，所有這些技術都已準備就緒。如果需求翻倍，我們就能生產翻倍。所以供應鏈不是問題。我們現在只等需求訊號。當雲端服務供應商、超大規模資料中心營運商和我們的客戶制定年度計畫並向我們提供預測時，我們就會據此進行生產。而現在的情況是，他們提供的每一個預測都被證明是錯誤的，因為他們的預測總是偏低。所以我們一直處於追趕狀態。黃仁勳： 這種追趕狀態已經持續好幾年了。我們收到的任何預測都比去年有顯著成長，但實際需求總是會超出預期。主持人Gerstner： 薩提亞（Satya Nadella）去年似乎有所保留，有人稱他為“房間裡的成年人”，壓制了某些過高的期望。但幾周前，他說今年也要建兩個吉瓦的算力，並且會加速發展。你是否看到一些傳統的超大規模資料中心運營商，他們的進展速度可能比CoreWeave 或Elon 的xAI 稍微慢一些？在我看來，他們現在都在加大投入…黃仁勳： 這也是因為第二波指數級成長的到來。我們已經經歷了一次指數級成長，那就是AI 的採用率和使用量。而第二波指數級成長，是推理（inference）的應用。這正是我們一年前討論的話題。他們當時說，AI 過去是一次性完成任務，記住答案並泛化，基本上是預訓練。例如記住「A 乘以A 等於什麼」這樣的答案。所以，記住答案並泛化，是一次性的AI。而一年前，推理、研究和工具使用出現了，現在的AI 變成了一個會思考的AI。主持人Gerstner： 能創造億萬價值。黃仁勳： 它會使用更多的運算能力。你提到的某些超大規模客戶，他們有大量的內部工作負載，無論如何都必須從通用運算遷移到加速運算，所以他們順利度過了這個周期。也許另一些超大規模客戶的工作負載更多樣化，所以他們不太確定消化產能的速度。但現在，所有人都得出了結論：他們嚴重低估了所需的產能。我最喜歡的一個應用是傳統的資料處理，包括結構化和非結構化資料。很快，我們將宣佈一項重大的加速資料處理計劃。目前，資料處理消耗了全球絕大多數的CPU 算力，並且仍然完全運作在CPU 上。你去Databricks、Snowflake，絕大多數是CPU；Oracle 的SQL 處理，絕大多數也是CPU。每個人都在使用CPU 進行SQL 查詢，處理結構化資料。未來，這一切都將轉向由AI 處理資料。這是一個巨大而廣闊的市場，我們將要進入。但是，NVIDIA 所做的一切都需要一個加速層，需要特定領域的資料處理庫和方法。我們必須去建造它，但這將是未來的新篇章。資金循環與循環收入主持人Gerstner： 有一個反對的聲音。我昨天打開CNBC，他們在談論過剩和泡沫。當我切換到彭博社時，討論則集中在資金循環和循環收入。為了讓觀眾理解，這種情況指的是公司之間進行誤導性交易，人為地誇大收入，而交易本身並沒有任何潛在的經濟實質。換句話說，所謂的成長，是靠財務堆砌的，而非源自於真實的客戶需求。 最典型的例子，莫過於25 年前上一個泡沫時期的思科與北電。所以，當你或微軟、亞馬遜投資於同時也是你們大客戶的公司時——比如你們投資了OpenAI，而OpenAI 又向你們購買了價值數百億美元的晶片——請告訴我們：彭博社和其他地方的分析師在擔憂循環收入或資金循環時，他們究竟錯在那裡？黃仁勳： 10 吉瓦的算力價值約4000 億美元。這4000 億美元主要必須由他們的銷售額和收入來支撐，而這些收入正在呈指數級增長。資金來源必須是他們的資本、透過股權籌集的資金以及他們能獲得的任何債務。這三種方式。他們能夠籌集到的股權和債務，與市場對他們維持收入能力的信心息息相關。聰明的投資者和貸款人會綜合考慮所有這些因素。從根本上說，這就是他們的商業模式。黃仁勳： 這是他們的生意，與我無關。當然，我們必須與他們保持密切聯繫，以確保我們能支援他們的持續成長。所以，這是收入層面，與我們的投資無關。我們的投資不與任何採購掛鉤，它純粹是一個投資未來巨頭的機會。正如我們之前提到的，這些公司很可能成為下一個兆美元等級的超大規模公司。誰不想投資這樣的公司呢？我唯一的遺憾是，當他們早期邀請我們投資時，我們因為囊中羞澀而投得太少。我真該把當時所有的錢都投給他們。主持人Gerstner： 現實是，如果你們的產品不夠好，例如Vera Rubin 晶片效能不佳，他們完全可以去買別的晶片。他們沒有義務必須使用你們的晶片。而且，正如你所說，你們將其視為一項機會性的股權投資。黃仁勳： 我們確實做了一些很棒的投資。我們投資了xAI，投資了CoreWeave。非常明智，不是嗎？主持人Gerstner： 回顧這一點，在我看來，另一個基本點是：你們是公開透明的。你說「這就是我們正在做的事情」。而這裡的根本經濟實質是真實的，不是兩家公司之間來回轉移收入。我們有數億用戶每月為ChatGPT 付費，有15 億用戶在使用這個產品。你剛才也說，世界上所有的企業不是擁抱AI，就是就會消亡。每個主權國家都將AI 視為如同核武一樣，關乎其國家安全和經濟命脈。黃仁勳：無論是個人、公司或國家，誰會認為智慧是可有可無的？智慧的自動化，是一項根本性的需求。年度發布周期與極致協同設計主持人Gerstner： 需求的問題我們已經談得很透徹了。讓我們稍微深入探討一下系統設計。在2024 年，你隨著Hopper 晶片切換到了年度發布周期。然後，2025 年的Grace Blackwell 帶來了大規模升級，需要進行重大的資料中心改造。2026 年下半年，我們將迎來Vera Rubin。 2027 年是Ultra，2028 年是Feynman。年度發布周期進展如何？採用這個周期的主要目標是什麼？ NVIDIA 內部的AI 是否幫助你們實現了這一目標？黃仁勳： 最後一個問題的答案是肯定的。沒有AI，NVIDIA 如今的速度、節奏和規模都是不可能實現的。我們今天所建構的一切，都離不開AI。那麼，我們為什麼要這樣做呢？記得Andy Jassy 在財報電話會議上說過，薩提亞說過，Sam Altman 也說過：token的生成速度正在呈指數級增長，客戶的使用量也在呈指數級增長。我想ChatGPT 的周活躍用戶大約有8 億，而它誕生還不到兩年。主持人Gerstner： 而且每個用戶都在產生更多的令牌，因為他們在進行推理時使用了更多的思考時間。黃仁勳： 完全正確。因此，首先，由於令牌生成率的成長如此驚人——這是兩個指數曲線的疊加——除非我們以同樣驚人的速度提高效能，否則令牌產生的成本將持續攀升。因為摩爾定律已死。如今，晶體管的年度成本削減已基本停滯，功耗也類似。除非我們開發出新技術來降低成本，否則局面不會改變。即使你給別人幾個點的折扣，這點差異又怎麼能彌補指數級的性能鴻溝呢？因此，我們必須每年都以指數級的速度提升效能，才能跟上時代的腳步。所以，從Kepler 到Hopper，效能成長了約10 萬倍。這標誌著NVIDIA AI 旅程的開端。十年，成長十萬倍。而從Hopper 到Blackwell，得益於NVLink，我們僅用一年就實現了30 倍的成長。接下來，我們還會實現另一個數量級的飛躍。然後透過Feynman，我們還將再次實現數量級的飛躍。我們之所以能做到這一點，是因為電晶體的進步對我們的幫助已經微乎其微。摩爾定律如今的實質是：電晶體密度仍在成長，但效能早已停滯。面對這項挑戰，我們必須在系統層面將問題徹底分解，同時革新所有的晶片、軟體堆疊和系統。這就是「極致協同設計」（Extreme Co-design）。以前從未有人在如此高的層面上進行過協同設計。黃仁勳： 我們同時革新了CPU、GPU、網路晶片、NVLink 交換器和Spectrum-X 交換器。我聽到有人說，「哦，那不就是乙太網路嗎？」好吧，Spectrum-X 可遠不止是普通的乙太網路。人們開始意識到，這種數量級的成長是多麼驚人。 NVIDIA 的乙太網路業務，光是這項業務，就已是全球成長最快的乙太網路業務。因此，我們進行橫向擴展。當然，現在我們必須建立更龐大的系統，將多個AI 工廠連接在一起。我們每年都在這樣做。因此，我們正在技術層面實現指數的平方級成長。這使得我們的客戶能夠持續降低產生Token 的成本，並透過預訓練、後訓練和推理，讓Token 變得越來越聰明。當AI 變得更聰明時，它的使用量就會增加。當使用量增加時，它就會呈現指數級成長。主持人Gerstner： 對於可能不太熟悉的人來說，您能解釋一下什麼是「極致協同設計」嗎？黃仁勳： 極致協同設計，意味著你必須同時優化模型、演算法、系統和晶片。你必須打破常規，跳脫固有的思考框架去創新。過去的摩爾定律時代，你只需要不斷提高CPU 速度，一切就會自然變快，創新被侷限在固有的框架內。但如果晶片本身不再提速了，你該怎麼辦？答案就是：跳脫框架去創新。因此，NVIDIA 真正改變了遊戲規則，因為我們做了兩件事：發明了CUDA 和GPU，並提出了大規模協同設計的概念。這就是為什麼我們涉足如此多的行業。我們創造了所有這些庫並進行協同設計。首先，是完整的技術棧。而極致協同設計甚至超越了軟體和GPU，現已擴展到資料中心層面，涵蓋了交換器、網路以及所有相關的軟體、網卡（NIC）、橫向擴展、縱向擴展，並對這一切進行最佳化。結果就是，從Hopper 到Blackwell 實現了30 倍的成長。任何摩爾定律都無法實現這一點，這就是極致。這種極致的性能源自於極致協同設計的理念。 NVIDIA 已經深入參與到這個過程中，這就是我們涉足網路、交換、橫向擴展、縱向擴展和跨域擴展的原因。我們在建構CPU、GPU 和NIC 方面也取得了顯著進展。NVIDIA 之所以擁有如此豐富的軟體和人才，是因為我們向世界貢獻的開源軟體比幾乎任何其他公司都多。我們開發的龐大且豐富的軟體資源不僅限於AI，還擴展到電腦圖形學、數位生物學和自動駕駛汽車等領域。我們公司產出的軟體數量確實令人難以置信，而這些豐富的資源使我們能夠有效地進行深入而極致的協同設計。主持人Gerstner： 我從您的一個競爭對手那裡聽到一種說法：輝達這樣做，固然有助於降低Token 生成的成本，但同時，你們的年度發布周期也讓對手們望塵莫及。由於你們為供應鏈提供了長達三年的路線圖可見性，這大大增強了供應鏈的黏性。因此，供應鏈對未來的產能規劃也充滿了信心。黃仁勳： 你不妨在提問前先想一想：為了實現每年數千億美元的AI 基礎建設，我們必須提前一年投入多少資源？我們談論的是投入數百億美元用於晶圓採購和DRAM 採購。這已經達到了一個幾乎沒有公司能夠企及的規模。主持人Gerstner： 那麼你會說你們的競爭障礙比三年前更堅固了嗎？黃仁勳： 競爭比以往任何時候都激烈，但進入這個賽道的難度也比以往任何時候都更激烈。我這麼說，原因在於晶圓成本不斷上漲，這意味著除非你進行大規模的協同設計，否則根本無法實現數量級的成長。首先，你必須每年同時開發六、七、八款晶片，這本身就是一項驚人的成就。這並非只是製造一個ASIC，而是在建造一個由眾多協同設計的晶片組成的AI 工廠系統。它們共同實現了我們幾乎定期達成的10 倍性能飛躍。所以，第一，協同設計的極致性。第二，規模的極致性。當你的客戶要部署一個吉瓦（gigawatt）的算力時，那意味著需要40 萬到50 萬塊GPU。讓50 萬塊GPU 協同工作，本身就是奇蹟。我是說，這簡直是個奇蹟。因此，你的客戶在你身上押下了巨大的賭注。要購買所有這些，你必須反問自己：什麼樣的客戶會為一款未經市場驗證的全新架構，下達500 億美元的採購訂單？是的，你剛剛完成了全新晶片的設計，你為此興奮不已，每個人都為你喝采。你展示了第一批流片樣品。但誰會給你一張500 億美元的採購訂單？你又為什麼要為一款剛完成設計的晶片，提前投產價值500 億美元的晶圓？但對輝達來說，我們可以做到，因為我們的架構已經得到了充分的驗證。所以我們客戶的規模是驚人的。相應地，我們供應鏈的規模也是驚人的。除非他們確信輝達能夠交付，否則誰會願意為一家公司提前生產所有這些零件？他們相信我們能夠為世界各地的所有客戶交付。他們願意一次啟動價值數千億美元的生產訂單。這種規模是驚人的。ASIC之爭與未來格局主持人克拉克： 談到這一點，當前一個全球性的關鍵爭論就是GPU 與ASIC 之爭。從Google的TPU 到亞馬遜的Trainium，似乎從Arm、OpenAI 到Anthropic，每個人都在傳聞研發自己的ASIC。去年，您曾說輝達建構的是系統，而非晶片，並透過優化整個技術堆疊來提升效能，並斷言許多這類ASIC 專案可能永遠無法達到生產規模。但考慮到GoogleTPU 的顯著成功，您現在如何看待這個不斷變化的市場格局？黃仁勳：Google 的優勢在於其遠見卓識。請記住，他們在一切開始之前就啟動了TPU1 專案。這和創辦公司的道理一樣。你應該在市場爆發前就創立公司，而不是等到市場規模達到兆美元時再以創業者的身份入場。所有創投都知道一個謬論，那就是認為在一個巨大的市場裡，只要能分到幾個百分點的份額，就能成為一家大公司。這實際上是完全錯誤的。你應該在一個微小的行業中佔據100% 的市場份額，這正是輝達所做的。 TPU 也是如此。當時這個賽道上只有我們兩家。主持人Gerstner： 但你最好祈禱那個小產業能真正發展壯大。你實際上是在創造一個產業。黃仁勳： 這就是現在那些製造ASIC 的公司所面臨的挑戰。這個市場看起來很誘人，但請記住，這個誘人的市場是從一種稱為GPU 的晶片演變而來的。我剛才描述了一個AI 工廠。你們也看到了，我剛剛發布了一款名為CPX 的晶片，專門用於上下文處理和擴散視訊生成。這是一個非常專業化的工作負載，但在資料中心內至關重要。我剛才也提到了AI 資料處理單元，因為你需要長期記憶和短期記憶。 KV 快取的處理非常密集，AI 的記憶體是個大問題。你希望你的AI 擁有良好的記憶力，而處理系統中的KV 快取是極其複雜的事情。或許需要一個專門的處理器，或許還需要其他東西。所以你看到輝達的…我們的視角早已不再侷限於GPU。我們的視角是專注於整個AI 基礎設施，以及這些傑出的公司如何應對各種多樣且不斷變化的工作負載。黃仁勳： 看看Transformer 架構，它正在發生劇烈的變化。如果不是因為CUDA 的靈活性和易於迭代的特性，他們如何進行大量的實驗來決定使用那個版本的Transformer，採用那種注意力演算法，以及如何進行解耦？ CUDA 的高度可編程性幫助你完成了所有這些。所以，現在思考我們業務的方式是，看看所有這些ASIC 公司或專案是什麼時候開始的。三、四、五年前，我必須告訴你，那個產業曾經非常「可愛」簡單，核心只有一個GPU。但現在，它已經變得龐大而複雜。再過兩年，它的複雜程度和規模將難以想像。所以我認為，作為一個新來者，想在一個已經非常龐大的市場中競爭，是非常困難的。主持人克拉克： 即使對於那些可能在ASIC 方面取得成功的客戶，他們的計算叢集中難道不存在一個最優的平衡點嗎？投資人往往是二元思維，只想要一個非黑即白的答案。但即便客戶的ASIC 成功了，難道不也需要一個平衡的配置嗎？例如，他們可能會購買輝達的平台，將CPX 用於視訊生成的預處理，或用於解碼器、視訊轉錄平台等。隨著新工作負載的出現，輝達的生態系統和加速運算叢集中，勢必會加入許多不同的晶片或組件。然而，今天那些試圖從零開始設計新晶片的人，其實並未真正預見到一年後會發生什麼，他們只是專注於讓眼下的晶片正常工作。黃仁勳： Google是輝達GPU 的大客戶。Google是一個非常特殊的例子，我們必須對真正值得尊敬的對手表示敬意。 TPU 已經發展到了第七代。這對他們來說也是一個巨大的挑戰，他們所做的工作極為困難。所以，首先讓我說…晶片分為三個類別：有架構類別的晶片…x86 CPU、ARM CPU、輝達GPU，這些都是核心架構。這些架構之上，都建構了龐大的生態系。一個架構之所以能成功，是因為它擁有豐富的IP 和生態系統，技術也極為複雜，而這些都是由我們這樣的架構所有者所建構的。說完架構，我們再來談談ASIC。我曾在發明了ASIC 概念的LSI Logic 公司工作。 LSI Logic 如今已不復存在，原因何在？當市場規模不大時，ASIC 模式非常有效。你可以輕易找到承包商，幫你完成所有設計和封裝，並代表你進行製造。他們會為此收取50% 到60% 的高額利潤。但是，當市場變得足夠龐大時，一種名為COT（客戶自有工具， Customer-Owned Tooling ）的新模式便應運而生。以蘋果的智慧型手機晶片為例，其銷售量龐大，蘋果絕對不可能將50% 到60% 的毛利分給別人來做ASIC，他們必然會選擇COT 模式。黃仁勳： 那麼，當TPU 的業務規模夠大時，會發生什麼事？答案是COT，毫無疑問。不過，ASIC 仍有其用武之地。例如視訊轉碼器或智慧網卡，它們的市場規模永遠不會變得太龐大。因此，當一家ASIC 公司同時推進十幾個專案時，我一點也不驚訝，因為其中可能就包含了五個智慧網路卡和四個視訊轉碼器專案。這些都是AI 晶片嗎？當然不是。如果有人想為特定的推薦系統建立嵌入式處理器，並且採用ASIC 模式，這完全可行。但你會用它來建立AI 的核心運算引擎嗎？ AI 的世界瞬息萬變。你需要處理低延遲、高吞吐等不同類型的工作負載，有用於聊天的Token 生成，有用於深度思考的推理，還有AI 視訊生成。這些工作負載的需求千差萬別…主持人克拉克： 這正是您加速器事業的核心支柱，也是輝達的精髓所在。主持人Gerstner： 我把這個問題簡化一下，這就像是下棋和跳棋的差別。像Trainium 或其他法國加速器公司，他們現在做的ASIC 晶片，其實只是一個更大機器中的一個元件。而您已經建立了一個極其複雜的系統、平台，或者說『工廠』。現在，您又讓這個系統更開放了，例如您提到的Grace CPU。在我看來，您正在做的是將不同的工作負載分配給最適合它們的硬體。黃仁勳： 我們所做的，是發布並開源了一個名為Dynamo 的項目，用於分散式AI 工作負載編排，因為未來的AI 工廠必然是分散式的。主持人Gerstner： 而您推出的NVLink Fusion，甚至向英特爾（您剛剛投資的競爭對手）都敞開了大門，這表明了您希望各方參​​與到這個'工廠'建設中的方式。因為沒人會瘋狂到想憑一己之力蓋起整個工廠。但只要你的產品夠好、夠有吸引力，最終用戶就會說：“嘿，我們想用這個，而不是ARM GPU”，或者“我們想用這個，而不是你們的推理加速器”，這樣你就能順利接入這個生態。黃仁勳： 我們非常樂意，很高興能讓大家加入。主持人Gerstner： 請您談談。黃仁勳： NVLink Fusion 是個絕妙的主意。我們很高興能與英特爾合作，這整合了他們的生態系統。世界上大多數企業仍然在英特爾的平台上運作。這次合作融合了英特爾生態系統、輝達AI 生態系統和我們的加速運算平台。我們與ARM 已經實現了類似的合作，未來將與其他幾家公司攜手。這為我們雙方都創造了機會，是一次巨大的雙贏。我將成為他們的大客戶，而他們則為我們打開一個更廣闊的市場。主持人Gerstner： 與此緊密相關的是，您提出了一個讓許多人震驚的論點：即使競爭對手的ASIC 晶片定價為零，客戶仍然會選擇購買英偉да的系統。因為考慮到電力、資料中心等整體營運成本，以及最終產生的智慧價值，輝達的方案依然更具優勢。黃仁勳： 沒錯，即使他們免費送你晶片。因為土地、電力和基礎設施的成本可能高達150 億美元。主持人Gerstner： 這筆帳我們算了一下，但還是想請您詳細解釋。在您晶片價格如此昂貴的情況下，如何做到'即使對手晶片免費，您的方案仍是更優選'？這對普通人來說似乎難以置信。黃仁勳： 可以從兩個角度看。首先是收入。如今，所有人都受限於電力。假設你獲得了2 吉瓦的額外電力，你當然希望它能轉化為最大的收入。如果我們的'每瓦性能'，或者說'每瓦生成的Token 數'是別人的兩倍——這是通過我們深度、極致的協同設計實現的——那麼我們的客戶就能用同樣的數據中心獲得兩倍的收入。誰會拒絕兩倍的收入呢？即使別人給他們15% 的折扣，也無法彌補這巨大的差距。Blackwell 相較於Hopper 實現了30 倍的效能提升。現在，假設別人的ASIC 效能等同於Hopper，那麼選擇它就意味著在同樣的一吉瓦電力上，你放棄了30 倍的潛在收入。這個機會成本高到無法想像，所以你永遠會選擇每瓦性能最高的那個方案，即使對手的晶片是免費的。主持人Gerstner： 我從一家超大規模資料中心的CFO 也聽到了類似的觀點。正是因為您晶片性能的巨大提升——以及電力是核心限制因素——他們不得不跟上你們的升級周期。展望未來，從Ruben、Ruben Ultra 到Feynman，這種效能飛躍的趨勢還會持續嗎？黃仁勳： 我們現在每年都會推出六到七款晶片，並對系統的每個部分進行最佳化。 Blackwell 的30 倍效能提升，正是源自於這六到七款晶片及其係統軟體的全面整合與優化。現在，想像一下我們每年都以這樣的節奏進行迭代：砰、砰、砰、砰……而你，如果只是在這一堆晶片中做一個ASIC，我們卻在優化整個系統。輝達的護城河這是一個極難解決的問題。主持人Gerstner： 這又回到了我們最初討論的護城河問題。我們一直在關注，也和投資人、甚至你們的競爭對手（從Google到博通）進行了深入探討。當我從第一原理出發思考時，我問自己：您是在拓寬還是在縮窄自己的護城河？您轉向了年度迭代的節奏，與供應鏈共同開發；公司的體量遠超預期，這需要龐大的資產負債表和研發投入；再加上你們透過收購和內生成長推出的一系列舉措，如NVLink Fusion、Grace CPU 等。所有這些都讓我相信，您的競爭壁壘非但沒有減弱，反而在不斷增強，至少在構建'工廠'或系統層面是如此。黃仁勳： 至少是出乎意料的。主持人Gerstner： 但有趣的是，貴公司的估值倍數遠低於許多其他科技巨頭。部分原因可能是『大數定律』——一家市值4.5 兆美元的公司還能成長多少呢？我一年半前也問過您類似的問題。考慮到AI 工作負載市場的巨大成長潛力，在您看來，五年後輝達的收入規模有沒有可能和現在相差不大，成長停滯？考慮到您所建立的這些優勢，這種可能性有多大？黃仁勳： 我會這樣回答：我們的機遇，遠比市場共識所認為的要大得多。主持人Gerstner： 我也說說我的看法。我認為輝達很可能成為第一家市值達到10 兆美元的公司。就在十年前，人們還覺得兆美元市值的公司是天方夜譚，但現在我們已經有十家了。世界的規模在指數級增長。黃仁勳： 這正是指數級成長的力量，世界變得更大了。人們對我們有誤解，他們還停留在'輝達是一家晶片公司'的舊印象裡。我們當然製造晶片，而且是世界上最頂尖的晶片。但輝達的本質是一家AI 基礎設施公司，我們是客戶的AI 基礎設施合作夥伴。我們與OpenAI 的合作就是最好的例子。我們與客戶的合作方式非常靈活。我們不強迫客戶必須購買我們的全套產品，也不要求他們購買整個機櫃。他們可以只買一顆晶片，一個組件，或只買我們的網路設備。我們有些客戶只買我們的CPU，或只買GPU，然後搭配其他廠商的CPU 和網路設備。我們完全接受。伊隆、X.AI 與Colossus 2無論您選擇那種購買方式，我唯一的請求就是：好歹從我們這裡買點東西。 （笑）主持人Gerstner： 您說過，AI 不只是關於更好的模型，更需要世界級的建造者。您認為我們國家最頂尖的建設者或許就是伊隆馬斯克。他之前建造的Colossus 1 叢集，整合了數十萬顆H100 和H200。現在他正在規劃Colossus 2，可能會在統一叢集中整合數百萬個H100 等效算力。黃仁勳： 如果他率先建成吉瓦規模的超算，我一點也不會驚訝。主持人Gerstner： 是的，請談談身為建造者——不僅建立軟體和模型，還要理解如何建構這些龐大叢集——所具備的優勢。黃仁勳： 這些AI 超級電腦是極為複雜的系統。技術複雜，採購因融資而複雜，確保土地、電力、機房和供電也同樣複雜。把所有這些整合並運作起來，這無疑是人類有史以來遇到的最複雜的系統工程。伊隆的巨大優勢在於，他能在一個人的大腦中整合並處理所有這些複雜的、相互依賴的系統，甚至包括融資。他本身就是一個巨大的GPT，一台超級計算機，是終極的GPU。他有強烈的緊迫感和真正的建設意願。所以當意願與能力結合時，奇蹟就會發生。他確實是獨一無二的。主權AI與全球建設主持人Gerstner： 您一直非常關心一個主題，我想和您聊聊：主權AI。我還想談談中國，以及正在進行的全球AI競賽。回想30年前，您一定想不到自己這周會和艾米爾、國王們在宮殿裡會面，還成了白宮的常客。總統曾說過，您和輝達對美國國家安全至關重要。那麼，當您審視這一切時，請先為我鋪陳一下背景：如果主權國家不認為AI是關乎生死存亡的大事，其重要性不亞於20世紀40年代我們看待核武器，您是不可能出現在這些場合的，對吧？我們今天沒有政府資助的曼哈頓計劃，但有由輝達、OpenAI、Meta和Google資助的計劃。我們如今的公司堪比國家，這得益於美國的偉大之處，不是嗎？他們資助的項目，在我看來，總統和國王都認為對其未來的經濟和國家安全至關重要。您同意嗎？黃仁勳： 原子彈，無人需要；人工智慧，人人必需。說得好。這確實是一個非常非常大的差別。 AI就是現代軟體。我的理念就是將計算從通用計算推向加速計算，將軟體從人類編寫演進到AI編寫。我們不能忘記這個基礎：我們重新發明了計算。地球上並沒有出現新物種，我們只是重新發明了計算本身，而每個人都需要計算。計算需要被民主化，這就是為什麼所有國家都意識到他們必須擁抱AI，因為每個人都需要跟上計算的步伐。世界上沒人會說：「我昨天還在用電腦，明天就打算返璞歸真，改用木棍和火種了。」所以每個人都需要融入計算的世界。這只是計算的現代化，僅此而已。這是第一點。確實，要參與AI中，就必須將自己的歷史、文化和價值觀編碼進去。當然，AI越來越聰明，所以即使是核心AI也能相對快速地學會這些東西，你不必從零開始。我認為每個國家都需要擁有某種主權能力。我建議他們都去使用OpenAI、Gemini，以及Grok和Anthropic。但同時，他們也應該投入資源，學習如何親手建構AI。這樣做的原因是，他們需要學習如何建構AI，不僅是語言模型，還有工業模型、製造模型和國家安全模型。他們必須親自培育出大量的本土智能。因此，每個國家都應該在AI領域發展自己的主權能力。主持人Gerstner： 這是您的看法，還是您在世界各地聽到的普遍共識？黃仁勳： 他們都意識到了這一點。他們都意識到了。他們都會成為OpenAI、Anthropic、Grok和Gemini的客戶，但他們也都清楚，必須建立自己的基礎設施。而這就是核心理念，輝達所做的就是建造基礎設施，就像每個國家都需要能源基礎設施一樣。AI行政管理通訊和互聯網基礎設施。現在，每一個國家都需要AI基礎設施。主持人Gerstner： 那麼，我們先不談世界其他國家。正如我們的好朋友大衛·薩克斯所說，「AI是我們的」。黃仁勳： 是的，我們做得非常好。我們非常幸運有大衛和斯里拉姆在華盛頓特區工作，大衛在AI的某個部門工作。川普總統將他們調到白宮是多麼明智的舉動。因為在這個關鍵時刻，技術非常複雜。斯里拉姆是華盛頓特區裡我唯一認為懂CUDA的人，這很不尋常。我只是非常欣賞，在這個技術複雜、政策複雜、對國家未來影響巨大的關鍵時刻，我們有一位頭腦清晰的人，投入時間來理解這項技術，並深思熟慮地幫助我們渡過難關。主持人Gerstner： 我再次回到曼哈頓計畫的類比，你會發現，總統理解其迫切性。德州州長格雷格·阿博特等人希望放鬆監管以加快進程，因為他們明白其重要性。能源部長賴特、內政部長伯格姆和商務部長盧特尼克也明白這一點的重要性。黃仁勳： 他們是親能源的。你能想像嗎，如果我們現在的政府不親能源、不希望能源產業在美國發展，我們還怎麼擁有人工智慧？我認為這就是領導力。我簡直無法想像相反的情況。主持人Gerstner： 我覺得頗具諷刺意味的是，就在幾年前，我們還在說中國要蓋100座核反應堆，遙遙領先我們。這其實就是AI發展的能源基礎。但現在，輪到我們自己要建造了，卻有人說「這太過剩了」。對我來說，這似乎是政府應該要做的事情，符合他們的利益。而且，我們看到了政府與產業界的合作，這是我很久沒見過的。您在這個行業資歷深厚，而且您和川普總統的關係也很密切。請幫我們解讀一下，這種政商關係究竟是怎麼樣的呢？上周我們看到所有CEO都參加了那場晚宴。您花了很多時間在這上面。這是一種特殊情況嗎？您在30年的職業生涯中見過類似的情況嗎？黃仁勳： 過去想去華盛頓特區是很難的，預約幾乎不可能拿到。川普總統則為那些希望進入政界、幫助政府瞭解未來的產業領袖敞開了大門。這是一個信奉成長的政府。從根本上說，川普總統希望美國發展。如果我們能在經濟上發展，我們就能在軍事上強大。如果我們能在經濟上發展，我們就會安全。我從未見過那個國家能在貧窮的同時獲得安全。一個國家富有是國家安全的重要組成部分，他明白這一點。他也希望美國贏得人工智慧競賽。這將是一場非常長期的競賽。他明白這是一個關鍵時刻。他希望科技產業能夠蓬勃發展。他希望全世界都建立在美國科技之上。這些都是明智、合乎邏輯的事。反過來想才奇怪。如果我們把一切都顛倒過來，假設我們不希望國家發展。因為我們不希望國家發展，所以我們不需要任何能源——因為我們知道發展需要能源。所以，乾脆不要任何能源。事實上，我們也不希望我們的科技產業領先。他明白，我們的科技產業是國之瑰寶。而這項技術，就像過去的玉米、鋼鐵一樣，如今是至關重要的貿易籌碼。它是貿易的基本組成部分。你怎麼會不希望美國科技被所有人渴求，以便能夠用於貿易呢？主持人Gerstner： 是的，網路和Google傳播到世界各地。我們透過搜尋將民主價值傳播到世界各地，Google當時並不需要去華盛頓獲得許可，一切就自然發生了。我們將我們的技術傳播到了世界各地。大衛·薩克斯一直非常明確地表示，需要加速發放出口許可證，以便美國的人工智慧技術能夠贏得全球市場。我們談論的是晶片、模型、資料中心等等。但一年前我們看到的情況並非如此。黃仁勳： 曾經有過一個叫「小院高牆」的概念。諷刺的是，這個概念的描述和政策建議，聽起來像是在美國自己周圍建造了「小院高牆」。那才是奇怪的地方。我認為川普總統做得對，我們希望最大限度地擴大出口，最大限度地擴大美國在世界各地的影響力。我們應該將這些最大化。中國AI晶片與輝達的角色主持人Gerstner： 您認為這些許可證會下來嗎？您是否看到了華盛頓方面的加速？我知道高層一直在這樣說，但您是否看到這種加速正在透過政府層層傳遞，從而推動我們在全球加速發展？財政部長盧特尼克非常積極。很好。那麼，我們來談談中國。大多數人可能不知道，但我認為您對中國的瞭解不亞於美國任何領導人。黃仁勳： 我們去中國已經30年了。主持人Gerstner： 已經30年了。大多數人不知道的是，直到幾年前，您在中國的市佔率高達95%。而最重要的是，可以說，我們為了所謂的“減緩他們”，結果是單方面自廢武功。我們迫使輝達退出中國，這反而讓華為在中國市場獲得了壟斷利潤的滋養，使其加速發展。我今天早上剛看到華為、阿里巴巴等公司宣佈將在全球各地建置資料中心。華為有三年計劃，希望憑藉在中國這個世界最大AI市場獲得的壟斷利潤，從而超越輝達。所以，您當初的警告——將壟斷市場拱手讓給中國競爭對手是一個巨大錯誤——似乎正在應驗。總統在禁止H-20後表示，我們現在的情況是你可以向中國出售晶片，但要徵收15%的出口稅。然而，現在看來，中方似乎因為美方的言論而不滿，傳聞不允許輝達在中國銷售晶片。那麼，我們目前在輝達和中國之間處於什麼位置？您能否重申一下，您認為我們國家應該怎麼做，才能在全球人工智慧競賽中處於獲勝的最佳位置？黃仁勳： 我們與中國存在競爭關係。我們應該要認識到，中國希望自己的公司能發展壯大，這是理所當然的。我對此毫無怨言。他們應該做得好，也應該給予他們盡可能多的支援。這完全是他們的權利。而且不要忘記，中國擁有世界上一些最優秀的企業家，因為他們畢業於世界上最好的STEM學校。他們是世界上最渴望成功的人。關於他們的職業道德，「996」工作制，是一種效率極高的工作模式。為了讓觀眾理解，996意味著每周工作6天，從早上9點到晚上9點。那是他們的文化。好的，我們正在面對一個強大、創新、渴望成功、行動迅速、監管寬鬆的環境。人們沒有意識到這一點；他們的監管非常寬鬆。諷刺的是，他們的監管甚至比我們這個資本主義體系還要寬鬆。人們常常認為他們是中央集權管理的，但請記住，中國的智慧在於其去中心化的經濟體系。所有這33個省份和地方經濟都驅動著巨大的內部競爭和經濟活力。當然，這也有一些副作用，但總的來說，這是一個充滿活力、創業精神、高科技、現代化的產業。我聽到的一些說法，例如“他們永遠造不出AI晶片”，這簡直是無稽之談。另一種說法是中國不擅長製造業。主持人克拉克： 製造能力？黃仁勳： 對，製造。但如果說他們最擅長什麼，那正是製造。有人說他們落後我們很多年。一兩年？還是三四年？說真的，他們只比我們慢了納秒而已。就是納秒之差。所以我們別無選擇，必須去競爭。那麼問題來了：什麼最符合中國的最佳利益？當然，最符合中國利益的是擁有一個充滿活力的產業。他們也公開表示，而且理應如此，他們希望中國成為一個開放的市場。他們希望吸引外國投資。他們希望公司來中國，並在市場上競爭。我相信，也希望我們能回到過去的狀態。回到你關於未來的問題，我對此充滿希望，因為他們的領導人就是這麼說的，我對此深信不疑。我相信這一點，是因為我認為讓外國公司在中國投資、競爭，同時中國本土也擁有充滿活力的競爭環境，這最符合中國的利益。此外，他們也希望走出國門，參與全球競爭。我認為這是一個相當明智的願景。作為一個國家，我們需要做的是賦能我們的科技產業。我很榮幸能在一個被譽為「國家寶藏」的行業工作。我們必須認識到，這是我們的國家寶藏，是我們最頂尖、獨一無二的產業。我們為何不讓這個產業放手一搏，在競爭中求生存？為何不讓它向全世界傳播技術，從而建立一個以美國技術為基礎的世界？這樣才能最大化我們的經濟成就和地緣政治影響力，讓我們這個在關鍵時代充滿活力的科技產業蓬勃發展。主持人Gerstner： 換言之，懷疑論者會說，Jensen只是想多賣些晶片。如果能賣給中國，他當然樂意，才不管這對美國意味著什麼。黃仁勳： 我想回應這些懷疑論者。我希望美國的生態系統和經濟能持續成長，這不代表我錯了。首先，迄今為止所有關於中國的負面論調和捏造的說法，都已被事實證明是錯誤的。現實情況並非如此。僅僅因為我們希望美國獲勝，希望這個產業發展，並不代表我的看法是錯的。主持人Gerstner： 任何瞭解你的人，包括現任總統和我，都知道你心繫國家，非常希望美利堅合眾國能贏得全球人工智慧競賽。而你的觀點恰恰是——而且我認為你的經驗無人能及——在中國競爭對我們有利。這會增加我們贏得全球AI競賽的幾率，因為我們能接觸到全球半數的人工智慧工程師，並將他們留在我們的生態系統中。而且坦白說，我們談論的這些公司，例如字節跳動、阿里巴巴，其大部分股權都由美國投資者持有。這些都是正在建構全球推薦引擎的跨國公司。黃仁勳： 而且，順便說一句，他們的技術非同凡響。主持人Gerstner： 都是令人難以置信的公司。所以我認為，你提出的關於中國的論點，比向世界其他地區推廣困難得多，我理解這一點。這就是為什麼我認為當總統說，「我不知道，這就像拋硬幣。也許Jensen是對的，也許其他人是對的。」但如果Jensen願意為美國財政部提供15%的股份作為避險，我就會支援他。但對於現狀，我感到非常失望。主持人克拉克： 嗯哼。主持人Gerstner： 我認為，如果中國人覺得自己吃了虧，覺得我們賣給他們的是十年前的晶片，我能理解他們為什麼會有那樣的反應。黃仁勳： H-20 仍然相當出色，當然，它不如Blackwell。我明白。你看，我很有耐心。我相信他們是明智的，正在權衡局勢。他們有更宏大的議程要處理，例如與美國的關係。雖然有很多討論正在進行，但我會回歸到根本事實。我相信，讓輝達能夠服務並參與中國市場的競爭，最符合中國的最佳利益。我堅信這最符合中國的利益。當然，這也最符合美國的利益。這兩個根本性的事實可以並行不悖，而且我相信兩者皆為真理。因此，即使我告訴所有投資者，我們的業績指引中不包含中國——我也感謝所有投資者理解這一點——我們在海外仍有充足的成長機會，這些都是事實。但這並不意味著中國對我們不重要。它對我們至關重要。任何認為中國市場不重要的人，都是在自欺欺人。所以，這是世界上最重要的市場之一，聰明人在這裡做著聰明事，我們希望身處其中。我認為，我們兩國都參與其中，才最符合雙方的共同利益。所以，當我退一步思考…H-1B、人才與美國夢我確信最終智慧會戰勝一切。我一直相信智慧和真理終將勝出，這也是我一路走來的信念。我相信這在今天依然是根本性的真理。因此，這些問題終將解決，我們將有機會進入中國市場參與競爭。主持人克拉克： 我不太懂政治，但關於將H-1B簽證申請費提高到每人10萬美元的提議，是個非常熱門的話題。你與總統有過很多接觸，也稱他為我們在人工智慧領域的秘密武器。我也知道你想為我們國家吸引國內外最優秀、最聰明的人才。那麼，你如何看待每份H-1B簽證收取10萬美元的決定？這會使吸引人才變得更容易還是更難？也許這對大公司和小公司的影響有所不同。你怎麼看？黃仁勳： 那麼，我會說「這是一個很好的開始」。沒錯，這是一個很好的開端，但願它不是終點。原因如下：美國擁有一個獨一無二的品牌聲譽，這是世界上任何國家過去不曾擁有，未來也難以企及的。那就是：來美國，實現美國夢。那個國家的名稱後面，會緊跟著一個'夢'字？主持人Gerstner： 是的，這已經成為它品牌的一部分。黃仁勳： 我們是獨一無二的。現在與你對話的，就是一個美國夢的鮮活例證。我的父母沒什麼錢就把我們送了過來，我們當時一無所有。你們知道我的故事，我曾經端過盤子、洗過碗、打掃過廁所，今天我站在這裡。這就是美國夢。川普總統也深知這一點。我們想要的是合法移民。合法移民和非法移民是有區別的。 「這裡是自由之地，誰都可以來」的想法是不切實際的。所以現在的問題是，我們如何在「從根本上保護美國夢」的理念與處理大規模非法移民的現實之間找到平衡？我們如何找到一個合乎邏輯、切實可行的解決方案？所以，為H-1B設定10萬美元的價格標籤可能有點太高了，但作為一個起點，它至少能夠杜絕H-1B簽證的濫用。這是一個好的開始，至少我們可以就此展開對話。我們瞭解川普總統的一點是，他善於傾聽。他確實會聽取意見。他聽你的，也聽我的，儘管他不必如此。他聽取許多人的意見，並整合大量資訊。這顯然是一個非常複雜的問題。所以，我認為這是一個不錯的開端，但白宮裡沒有人會混淆這一點。合法移民是美國夢的基石，也是我們想要守護的終極品牌和未來。主持人Gerstner： 而且我還要說，在我看來，薩克斯風和政府中的其他人肯定知道，我們必須招募世界上最優秀、最聰明的人才。我們不應該犧牲這個品牌的價值。收取10萬美元的費用，或降到5萬，無論多少，這似乎確實讓天平向那些有能力為大量員工提供擔保的大公司傾斜。這對於新創企業生態系統來說挑戰更大，因為那裡的人力成本已經非常高昂，現在還要額外支付這筆費用。黃仁勳： 它還會產生意想不到的後果，例如可能會加速海外投資。但正如我所說，要解決問題，總得從某個地方開始，朝著正確的方向前進。人們通常想從錯誤的狀況一步跳到完美的答案，這很難做到。先行動起來，這就是創業精神。主持人Gerstner： 對我來說很重要的一點是，總統在競選時曾說，他想把綠卡釘在STEM學生的畢業證書上。這樣，那些在史丹佛學習的中國頂尖人工智慧研究者來到美國後，我們就能留住他們。但如果他們的家人無法來到這裡，他們幾年後還是會離開。所以你甚至可能需要讓他們的家人更容易來到這裡。你是否相信本屆政府對此有一個長遠的戰略計畫？你知道，這只是一個開始。但你的談話是否讓你確信，我們有一個更宏大的策略計劃，以確保我們正在吸引最優秀、最聰明的人才？黃仁勳： 我不確定是否有答案。但我明白，我們目前的處境並非我們所願。而且我認為沒有人忽視美國夢、移民的重要性，以及吸引全球頂尖人才來美、並為他們創造留下來的條件的重要性。有時我們的一些做法會與我剛才描述的願景背道而馳。讓外國學生在這裡感到不受歡迎會損害我們的品牌形象。我們不要忘記，與中國競爭是正常的，但我們必須謹慎，不要對中國學生過於嚴格。我們需要確保不要越過這條危險的界線。所有這些都需要技巧和細緻的處理。事實是，我們知道目標在那裡，也意識到我們正處於一個困境中，並且不想繼續這樣下去。川普總統沒有太多時間推動我們朝那個方向前進。只要我們能朝著那個方向取得進展，我認為這就是一個好的開始。主持人Gerstner： 我聽說一位領導美國頂尖實驗室的中國研究員說，三年前，中國頂尖的人工智慧研究者中有90%的人想來美國，確實來了。他估計，今天這個比例已經降到了接近10%或15%。你是否也看到了這種急劇的下降？你同時關注著兩個市場，你看到了嗎？為了扭轉這種局面，我們需要做些什麼？黃仁勳： 我絕對看到了中國學生來美並留下的意願在日益減弱。許多來這裡上學的學生正在考慮去別的地方，例如歐洲。所以我認為我們必須對此高度警惕。這是關乎我們未來的生存危機，是未來問題的早期預警。優秀人才來美的意願，以及頂尖學生留下的決心，這些我稱之為關鍵績效指標（KPI）的，正是預示未來成功的先行指標。主持人Gerstner： 這有點像看金州勇士隊。如果他們擁有招募NBA所有頂尖球員的優勢，他們就能一直贏得總冠軍。但一旦這個招募管道因為品牌受損或其他原因而中斷，他們就無法招募到未來的頂尖球員，也就無法再贏得總冠軍。當我聽到你如此有說服力地談論美國夢時，那其實就是「美國品牌」的體現。來到這裡並成就一番事業的權利。所以我希望，向這個政府，甚至我們整個國家提出的回饋是，我們應該如何談論移民。這裡應該是歡迎最優秀、最聰明的人才的地方，我們應該制定策略計畫來招募他們，並確保這裡是他們向往的工作之地。黃仁勳： 有一個詞，直到幾年前我才聽過：「中國鷹派」。顯然，如果你是一個“中國鷹派”，你可以自豪地戴上這個標籤，它幾乎像一枚榮譽徽章。但這其實是一枚恥辱的徽章。毫無疑問，這是一枚恥辱的徽章。儘管他們聲稱是為了我們國家的最佳利益——我們所有人都希望如此——但扼殺通往美國夢的管道，絕非愛國之舉。他們自認為在為國效力，但這根本不是愛國，一點也不是。我們是一個偉大的國家，要有作為一個偉大國家的自信。要有大國的自信，面對想要與我們競爭的人，要抱持「放馬過來」的態度。放馬過來。因為我相信我們的人民，我相信這裡的文化，我相信我們的國家，我相信我們的製度。放馬過來。主持人Gerstner： 在我看來，總統就是這樣的人。他是個實用主義者，他堅信美國的成長和競爭力。毫無疑問，這就是他的立場。黃仁勳： 川普總統就是那個會說「放馬過來」的總統。主持人Gerstner： 是的。在我看來，這就是我信心的來源。我曾在這個播客上說過，我認為他會與中國達成一項重大的協議。黃仁勳： 我真心希望如此。而且我認為他以極高的敬意和出色的口才，積極地闡述了他與中國的關係以及中國的重要性。我從未聽他說過「脫鉤」這個詞，這個詞我們在上一屆政府時期常聽到。你不能與未來一個世紀最重要的兩大關係「脫鉤」。這完全沒有道理，「脫鉤」這個理念本身就是錯的。主持人Gerstner： 在我看來，他的意思是：「聽著，我們要讓美國再次偉大。我們要讓美國重新工業化。我們需要平衡，確保公平貿易，保護我們需要發展的產業，中國在這方面幫助了我們，同時也要認識到過去25年我們幫助了他們。」但最終他說，理解我的最好方式是，我是一個偉大的交易者。我做交易。而在其他陣營中，有些人是偶像破壞者或教條主義者。這就像米爾斯海默（Mearsheimer）對中國的看法，認為這是一場大國博弈，一方必勝，另一方必敗。但事實並非如此。黃仁勳： 那種認為每個國家都必須和我們一模一樣的想法是錯誤的。我們追求的是多元性。主持人Gerstner： 你希望美國獲勝，但這不必以犧牲他國為代價，更不必宣告他國的失敗。因為我們夠自信。黃仁勳： 我們之所以強大，正因為我們強大得不可思議。我與生態系中的所有夥伴合作都毫無問題。請注意，我們剛剛完成了一筆終極交易——與英特爾（Intel）合作，要知道，這家公司大部分時間都想讓我們破產。但我與他們合作毫無芥蒂。原因很簡單：第一，放馬過來。第二，未來會更光明。黃仁勳： 這不該是「我們或他們」的零和博弈，而應是「我們和他們」的攜手共贏。主持人克拉克： 是的。黃仁勳： 但儘管放馬過來。投資美國與美國崛起權主持人Gerstner： 同意。你提到了一個對我們兩人至關重要的話題：美國夢。我認為林肯曾說過，美國夢的基石是「崛起的權利」（the right to rise），即相信你的孩子能比你做得更好。你也曾經歷過這種崛起的權利。我們都曾在美國經歷過。黃仁勳： 現在你上維基百科查“美國夢”，會看到我的照片。主持人Gerstner： 然而，我們所處的時代，由於這些科技系統的性質，我們將擁有一兆美元市值的公司，甚至可能出現兆美元身家的個人。這些激勵措施能帶給人進步的動力。但同時，當我們邁入這個富足的時代，我深切擔憂會有太多人掉隊。他們感到被排斥和被遺棄。因此，他們攻擊資本主義體係也就不足為奇了。你和我共同推動的一個想法，我對此深表感激，那就是「投資美國」（Invest America）的理念。我們必須讓每個孩子從一出生，就踏上資本主義的財富增長之旅。我們應該給他們一千美元，投資像Investigator和OpenAI這樣的優秀公司。當國家獲勝時，他們也獲勝。他們可以作為個體擁有這些股份，並親眼見證其成長。黃仁勳： 讓每個孩子，都成為美國未來的股東。主持人Gerstner： 所以，由於你的支援，我希望能藉此播客機會…黃仁勳： 我要感謝你發起並推動了這個計畫。謝謝你。這真是個偉大的想法。主持人Gerstner： 你是個天才。這項偉大的法案已經通過了，大多數人甚至還沒意識到。從2026年起，這個國家所有新生兒都將擁有一個投資帳戶，內含一千美元的啟動資金，用於投資最優秀的美國公司。你的公司已同意為員工子女及其他孩子追加投資。我將資助學校，還有許多慈善家和公司也會加入。我們認為，所有公司都應該…黃仁勳： 這是公司回饋社會的絕佳方式。主持人Gerstner： 作為401k計畫的一部分，我認為這是社會契約需要做出的改變。因為如果我們預見這種指數級的進步，我們就知道政府和社會的演變需要跟上。顯然，川普總統以及國會兩院的兩黨議員已經將此法案簽署為法律。所以，能否請你談談，你如何看待即將到來的變革的步伐和規模？我知道你相信這將帶來正面影響，但同時也會有很多人在這個過程中被取代。我們可能需要更多像這樣的措施，來確保所有人都能跟上這趟旅程。黃仁勳： 川普總統推行的一些政策，對於讓每個人都能跟上時代步伐極有助益。我先從這裡說起。第一件事就是讓美國重新工業化。川普總統、盧特尼克（Lutnick）部長以及他們的團隊全力以赴，鼓勵企業來美國建廠，投資製造業，並對技術工人進行再培訓和技能提升，這對我們的國家極為寶貴。我們必須改變那種認為只有拿到博士學位或就讀名校才能過好生活、賺大錢的觀念。這毫無道理。我們熱愛工藝。我熱愛那些用雙手創造價值的人。現在我們要重新開始製造業，去建造那些宏偉、不可思議的東西。我喜歡這樣。這無疑將改變美國。毫無疑問。過去，因為我們把幾乎所有東西都外包了，經濟和社會中的某個群體基本上被遺棄了。我並不是說要把所有東西都遷回國內。有些人總是糾結要不要在美國製造網球鞋和牙籤，這完全是把一個嚴肅的討論引向了荒謬的境地。我們必須認識到，讓美國重新工業化本身就具有變革意義。這是第一點。主持人Gerstner： 重燃雄心壯志。黃仁勳： 哦，這太棒了。主持人Gerstner： 伊隆（Elon）帶我們探索火星，用「筷子」從空中接住火箭。這不僅有利於美國的工業基礎，也激發了整個國家的雄心壯志。黃仁勳： 沒錯。然後，當然是人工智慧。它是終極的均衡器。想想看，現在每個人都可以擁有一個人工智慧。我們正用科技本身，來彌合科技鴻溝。還記得嗎，過去人們為了提昇職業技能而學習計算機，必須掌握C或C++，至少也得是Python。現在他們只需要學會「人類語言」就行了。如果你不知道如何編程人工智慧，你可以直接告訴它：「嗨，我不知道怎麼編程，你能教我嗎？」然後人工智慧會向你解釋，甚至替你完成。所以，這真是不可思議。我們現在已經用科技彌合了技術鴻溝。每個人都必須參與其中。 OpenAI擁有8億活躍用戶。天那，這個數字應該要達到60億，很快就會是80億。這是第二點。然後是第三點。人工智慧將改變任務的形態。人們的誤解在於，只看到有很多任務將被消除，卻沒看到更多任務將被創造出來。對很多人來說，他們的工作很可能會得到保障。例如，我一直在用人工智慧，你也在用，我的分析師、我的工程師們，每個人都持續使用人工智慧。主持人克拉克： 是的。黃仁勳： 而我們正在招募更多的工程師，招募更多的人，全面擴張。因為我們有了更多的想法，現在可以追求更多的目標。我們的公司變得更有效率，從而更富裕。因為更富裕，我們就能招募更多人去實現那些新想法。所謂「人工智慧會導致大規模失業」的論調，其前提是我們已經沒有了新想法，無事可做，今天的一切就是終點。如果別人能幫我做那份工作，我就失業了，只能坐著等待退休，在搖椅上虛度光陰。主持人克拉克： 是的。黃仁勳： 這種想法對我來說毫無意義。我認為，智慧的成長，不是一場零和遊戲。我身邊越是聰明、越有才華的人，我的想法就越多，我們能設想解決的問題就越多，創造的工作和就業機會就越多。所以，我不知道一百萬年後世界會怎樣，但我感覺未來幾十年，經濟必會成長。會有很多新工作被創造出來。每一份工作都會改變。有些工作會消失，就像我們不再在街上騎馬一樣。但一切都會好起來的。前方的未來主持人Gerstner： 眾所周知，人類很難理解複利系統，而對於隨規模加速成長的指數系統，我們的理解則更為糟糕。主持人Gerstner： 我們今天已經多次談到指數成長。偉大的未來學家雷‧庫茲韋爾（Ray Kurzweil）曾說，在21世紀，我們體驗到的將不是100年的進步，而是20,000年的進步。你剛才說，我們很幸運能活在這一刻並為此做出貢獻。我不打算讓你展望10年或20年，因為那太難了。當我們想到2030年時，我們會想到機器人。黃仁勳： 30年比20年更容易預測。主持人Gerstner： 好的，那就給你30年的時間。當你展望未來時，我喜歡這些較短的時間框架，因為它們必須將「位元」與「原子」結合。將「位元」與「原子」結合至關重要，這也是建構這些事物的困難所在。黃仁勳： 科幻小說很有趣，但於事無補。主持人Gerstner： 沒錯。但是，如果我們面臨20000年的進步，請思考雷的這句話。思考一下指數成長，以及我們的所有聽眾，無論你在政府、新創公司或大企業工作，都需要考慮變化速度的加快，以及如何在新的世界中協同合作。黃仁勳： 很多人已經談過很多，都很有道理。我認為在未來五年內，一件非常酷的事情將會得到解決，那就是人工智慧與機電一體化、機器人技術的融合。所以，我們將擁有能在身邊自由活動的人工智慧。每個人都知道，我們每個人都會有自己的「R2-D2」機器人陪伴成長。那個機器人會記得我們的一切，一路指引我們，成為我們的夥伴。我們都預見了這一點。未來在雲端部署80億個GPU，為全球80億人服務，完全可能實現。每個人都擁有一個為他們量身定製的模型，這是一個令人興奮的前景。人工智慧不僅在雲端，也體現在海量設備中——在你的車裡，在你自己的機器人裡，無所不在。我相信這個未來是合乎邏輯的。我們將會理解生物學的無限複雜性，這一點非常了不起。理解並預測生物系統，可能會讓我們為每個人建立一個數位孿生。就像我們在亞馬遜上有用於購物的“數位分身”，為什麼不能在醫療保健領域也擁有一個呢？當然可以。想像一個系統，它可以預測我們的老化過程、可能患上的疾病，以及任何可能發生的重大健康事件——甚至可能就在下周或明天下午發生——並及早預警。我們當然都希望擁有這一切。因此，我認為這一切的實現只是時間問題。我合作的CEO們常問我：面對眼前的這一切，未來會變成怎樣？我們該怎麼做？答案其實很簡單，尤其是在一個事物正以驚人速度發展的時代。如果有一列指數級加速的火車，你唯一要做的，就是跳上去。 一旦上車，所有問題都可以在途中解決。因此，試圖預測一列每秒都在加速的火車會駛向何方，然後妄圖在某個路口攔截它，這是徒勞的。趁它還未快到無法企及，趕緊上車，與它一同指數級成長。主持人Gerstner： 很多人覺得這一切彷彿一夜之間就發生了，但您已經在這個領域深耕了35年。我記得大約在2005或2006年，拉里·佩奇就說過，Google的終極目標是讓機器能在你提問前就預測到你的問題，甚至無需你開口，就直接給出答案。比爾蓋茲在2006年也表達過類似觀點。黃仁勳： 因為它能根據上下文推斷，你很可能對某個主題感興趣。主持人Gerstner： 2016年，我聽比爾蓋茲說過，當有人問他「網路、雲端運算、行動和社交都已出現，我們是不是已經窮盡了所有可能？」他回答說：「我們甚至還沒真正開始。」我追問原因，他說：「真正的開始，要恰等到機器從一個簡單的計算器還沒真正開始。」我追問原因，他說：「真正的開始，恰恰等到機器從一個簡單的計算器我認為，我們國家能擁有像您、山姆·奧特曼、伊隆·馬斯克、薩提亞·納德拉這樣的領袖，是一種巨大的優勢。我們所看到的風險投資體系與創新者的合作，能夠為創新提供所需資金，我們無需依賴政府發起“曼哈頓計劃”，而是可以為了國家利益自發地攜手共進。這的確是一個前所未有的偉大時代。同時，我也很欣慰地看到，我們的領袖們都深刻理解自己身處的時代與肩負的責任。我們正以前所未有的速度創造變革，這固然能讓絕大多數人受益，但過程中也必然會帶來挑戰。我們將直面並解決這些問題，確保所有人的生活水平都能得到提升，讓這場變革成為普羅大眾的勝利，而非僅僅是矽谷少數精英的盛宴。黃仁勳： 這正是關懷所在。主持人Gerstner： 我們要做的不是嚇退他們，而是邀請他們加入進來，實現共贏。我們一定能做到。黃仁勳： 非常感謝您這番話，我深表贊同。參考資料: https://www.youtube.com/watch?v=pE6sw_E9Gh0，發佈於2025年09月26日 （invest wallstreet)