5月20日消息，在台北Computex 2025電腦展上發表主題演講後，輝達首席執行官黃仁勳接受了科技部落格Stratechery博主本·湯普森（Ben Thompson）的專訪。在本次訪談中，黃仁勳探討了輝達近期與沙烏地阿拉伯和阿聯簽署的一系列AI合作協議、針對中國的H20晶片出口禁令，並坦率表達了對美國當前晶片出口管制政策的擔憂，認為這一策略可能會在未來削弱美國，包括輝達在內的技術領導地位。黃仁勳還闡述了自己對全球經濟格局的看法，認為AI技術不僅有可能大幅推動全球GDP增長，還可能在一定程度上幫助美國緩解貿易逆差問題。訪談中，黃仁勳介紹了“輝達全端”解決方案的核心優勢——通過軟硬體深度整合，最大化AI效能。他解釋稱，模組化設計可為客戶帶來更高靈活性，客戶可根據自身需求選配系統元件，而無需全部打包購買。同時，他還提到了Dynamo系統在提升推理性能方面的關鍵作用。輝達通過全面佈局，建構一個貫穿從晶片到軟體、從訓練到推理的AI基礎設施平台。以下為黃仁勳最新專訪全文：AI自身構成完整全新產業由AI工廠驅動問：在過去幾次訪談中，我能感受到你非常希望世界能夠理解GPU的潛力。那時候，ChatGPT還沒有問世，而現在，整個市場彷彿都懸掛在你們的財報表現之上。我知道你們現在正處於財報靜默期，我不會問財報相關的問題。但我想知道，被推到這樣一個位置，成為全球技術關注的焦點。你是什麼感受？黃仁勳： 老實說，這件事對我個人而言沒有太多情緒上的觸動，但有一點我始終非常清楚：在不斷重塑輝達的過程中，推動技術進步、引領行業發展，始終是我們工作的核心使命。我們立志走在最前沿，攻克最具挑戰性的技術難題，為整個生態系統持續創造價值。今天的輝達，已經不再僅僅是一家晶片設計公司，而是一家以資料中心為核心，提供全面計算平台的企業。我們不僅建構了一個覆蓋訓練與推理的全端AI平台，還首次實現了軟硬體架構的深度整合與模組化解耦，為生態系統的廣泛參與提供了靈活性和可擴展性。在今年的Computex主題演講中，我特別強調：我們現在所打造的，不只是“科技行業”所需的電腦系統，而是在為“人工智慧”這一全新產業形態搭建基礎設施。AI不僅是一場技術革命，更是一場勞動力革命——它明顯增強了人類的工作能力，尤其在機器人等新興領域中，這種增強將在未來展現得更加深刻。更重要的是，AI不只是一個技術突破，它本身就是一個龐大且全新的產業體系。而這個產業，將由我們稱之為“AI工廠”的基礎設施來驅動——其核心正是以超大規模算力為基石的資料中心。我們才剛剛開始意識到，時代的重心正在轉移：未來，資料中心不再只是雲端運算的承載體，而將成為真正意義上的AI工廠，其規模和重要性，將遠超我們今天的想像。問： 微軟CEO薩蒂亞·納德拉在最新的財報電話會議上提到，他們報告了一個 token 處理量的資料——我記得是上個季度的。這個是不是你最關注的財報細節？黃仁勳： 實際上，真實的 token 生成數量遠遠超過那個數字。微軟公佈的資料，只涵蓋了他們為第三方客戶生成的部分。而他們內部自用的 token 處理量，實際上比那還要大得多。此外，這個數字還不包括 OpenAI 所產生的 token 總量。所以，僅憑微軟報告中的數字，你就可以想像整個生態系統中實際生成的 token 數量究竟有多麼龐大。《AI 擴散規則》或反噬美國問：最近你們與沙烏地阿拉伯和阿聯達成了一系列AI合作協議。從你的角度來看，這些合作為何重要？你為何親自到場？這對你來說意味著什麼？黃仁勳： 他們親自邀請我出席，而且我們此行也是為了宣佈兩項相當龐大的 AI 基礎設施建設計畫：一項在沙烏地阿拉伯，另一項在阿布扎比。這兩個國家的領導人都已經意識到，他們必須參與到這場AI革命中來，也認識到自己國家擁有獨特的戰略優勢，即豐富的能源資源。不過，這些國家在勞動力方面存在短板。他們的國家發展長期受到勞動力與人口規模的限制。而AI的出現，為他們提供了歷史性機遇：實現從“能源經濟”向“數字勞動力”和“機器人勞動力”經濟的轉型。我們在沙烏地阿拉伯參與創立了一家新公司，名為 “HUMAIN”，他們的目標是登上世界舞台，建設面向全球的AI工廠，吸引包括OpenAI在內的國際企業參與合作（OpenAI 的代表也出席了現場）。這是一個意義重大的項目。問：從某種程度上說，這似乎也意味著對《AI擴散規則》（AI Diffusion Rule）的一種挑戰？我理解這項規則對這些國家尤其嚴格，比如規定了晶片出口數量限制、必須由美國公司控制、在某些方面必須依賴美國本土製造等。和以往相比，這次你們對該規則的反對聲音更為堅定。你過去較少直接參與政府政策層面事務，而如今輝達已成為全球科技核心企業之一。你能迅速適應這一角色轉變嗎？黃仁勳： 並不是我不願意參與，而是過去確實沒有這個必要。輝達發展的大部分時間裡，我們都專注於研發技術、建設公司、培育行業生態，並在競爭中不斷前行。我們時刻都在建構供應鏈、搭建生態系統，這本身就已非常龐大複雜。但《AI 擴散規則》一出台，我們立刻表明了態度。如今大家也能看清楚——這項政策完全是錯誤的。它對美國來說是一項根本性的戰略錯誤。如果《AI 擴散規則》的初衷是確保美國在 AI 領域的領先地位，那麼它實際上可能適得其反，讓我們失去原本的優勢。AI 不是某一個模型、某一層軟體這麼簡單，它是一個完整的技術堆疊。這就是為什麼大家在談論輝達時，談的不僅是晶片，還有系統、基礎設施、AI 工廠，甚至整個部署框架。AI是多層整合的：從晶片層，到工廠層、基礎設施層、模型層、應用層，每一層都至關重要——真正的競爭力來自這個完整堆疊。如果美國希望在全球AI競賽中保持領先，就必須在每一層都領先。而眼下，正值競爭對手迅速追趕、加速佈局的關鍵時刻，我們卻選擇限制自身技術在全球的擴散——這無疑是“搬起石頭砸自己的腳”。事實上，從一開始，我們就已經預見到了這種結果。不可能阻止中國參加AI革命DeepSeek堪稱傑出代表問： 你說的“國際競爭對手”，你指的是其他模型開發者？黃仁勳： 中國在AI領域的表現非常出色。全球大約50%的AI研究人員是中國人，你不可能阻止他們參與這場技術變革，也不可能讓他們停止前進。坦白講，像 DeepSeek 這樣的項目就是非常傑出的代表。如果我們連這點都不願意承認，那是一種自欺欺人，我完全無法接受。問： 針對他們的限制是否刺激了他們在某些領域（如記憶體管理和頻寬效率）的技術突破？黃仁勳： 競爭本就是推動進步的引擎。企業需要競爭來激勵自我，國家也一樣。毫無疑問，我們確實刺激了他們的技術進步。但就我個人而言，我原本就預見到，中國會在AI的每一個階段都快速發展。比如華為是一家非常強大的公司，是世界級的科技企業。中國的AI研究人員和科學家也是世界一流的。如果你去過 Anthropic、OpenAI或DeepMind 的辦公室，會發現那裡有很多來自中國的頂尖人才。這一點不令人感到意外。並且，《AI 擴散規則》旨在限制其他國家獲取美國的技術，這個政策從一開始就已經錯了。我們真正應該做的，是加速美國技術在全球範圍內的普及——趁現在還來得及。如果我們的目標是讓美國在 AI 領域保持全球領先地位，那現在這套規則恰恰在起反作用。《AI 擴散規則》還忽略了 AI 技術“堆疊”的本質。AI 堆疊就像一個計算平台：平台越強大、基礎越廣泛，吸引的開發者就越多，所產生的應用也會越強，平台的價值也就越高。反過來，開發者越多，生態越繁榮，平台裝機量越大，會進一步吸引更多開發者。這種“正向反饋循環”（positive feedback loop）對任何計算平台的發展都是至關重要的，也正是輝達今天取得成功的根本原因。你不能說：“美國不需要參與中國市場競爭。”那裡可是全球一半開發者的聚集地。從計算架構和基礎設施的角度來看，這種脫鉤是完全站不住腳的。我們應該給予美國企業在中國市場參與競爭的機會——縮小貿易逆差、為美國創造稅收、發展產業、提供就業。這不僅有利於美國，也有利於全球技術生態的健康發展。如果我們選擇放棄參與，讓中國建構出一個完整而繁榮的本土生態系統，而美國企業又完全缺席，那麼未來主導這個新平台的就將不再是美國。AI技術正在全球快速擴散。如果我們不主動參與競爭，最終擴散出去的將是別人的技術和領導地位。問：我非常同意你的觀點。在我看來，現在這種試圖限制晶片銷售、卻又允許對方獲取所有晶片製造裝置的政策邏輯，簡直本末倒置。我們很清楚，追蹤晶片比追蹤裝置要難得多。有一種說法是，在華盛頓，一些半導體裝置製造商已經深耕多年，擅長遊說，而輝達在那邊影響力相對較小，所以在政策博弈中處於劣勢。你覺得這個說法成立嗎？你是否也覺得讓華盛頓理解你們的立場，是一件特別難的事？黃仁勳： 過去幾年，我們確實花了很大力氣，才逐步在華盛頓建立起一些存在感。我們的確只有一小支團隊在那裡，而與我們體量相當的公司，通常在華盛頓都有上百人的公關和政策團隊，我們只有那麼幾個人。但我要說，這幾個人非常出色。他們不僅在努力講述輝達的故事，更在幫政策制定者理解晶片是如何工作的、AI 生態系統如何運轉，以及某些政策將帶來那些意想不到的連鎖後果。我們真正想要的是美國在競爭中獲勝。每一家公司都應該希望自己的國家贏，每一個國家也應希望自己的公司能贏。這並不是錯誤的願望，而是一件好事。人們渴望贏，是好事；有志於卓越，是好事；競爭也是好事。如果一個國家渴望偉大，我們不應因此心生嫉妒；如果一家公司渴望卓越，我同樣不會嫉妒。這種動力會激勵所有人不斷向前、做出更優秀的成績。我喜歡看到那些渴望卓越的人。毫無疑問，中國渴望成為強國，這沒有錯，他們本就應當追求偉大。而我所認識的AI 科學家和研究人員，正是因為有這種志向，才取得了今天的成就，他們確實非常優秀。我們要做的，不是試圖絆倒別人，而是自己跑得更快。輝達能有今天的成就，從來不是因為我們獲得了什麼特殊待遇，而是因為我們一直在拚命奔跑。我認為你提到的那種“通過限制對手來保護自己”的思維模式，只會促使對方變得更強——因為他們本身就已經很了不起了。問：川普政府禁止你們向中國出口H20晶片，而這款晶片其實是你們根據前一屆政府的政策框架，專門定製設計出來的。結果後來又被告知“這也不行”。現在他們還在研究新的限制規則。你覺得政策制定者是否終於意識到，這個世界是高度互聯的，在一個地方的行動，會在另一個地方引發連鎖反應？他們是不是終於開始意識到，“徹底脫鉤”是不現實的，也許是時候回歸一種更務實的、以管理為導向的思路？你對此感到樂觀，還是已經做好最壞的準備？黃仁勳： 美國總統有他想達成的願景。我支援他，也相信他最終會以一種尊重的方式，帶領美國走向積極的結果。他會以競爭為導向，同時也會努力尋找合作的機會。當然，我並不在白宮，不知道他們內部具體怎麼想，但我對此是這樣理解的。關於H20晶片的禁令，我們已經按照 Hopper 架構所能做到的最大限製做了設計，能砍的都砍掉了。我們已經為此進行了大規模核銷，我記得是55億美元。在歷史上，還沒有那家公司核銷過這麼大的庫存。所以這項針對 H20 的額外禁令，對我們來說極為沉重，代價巨大。不僅是這55億美元的直接損失，更是我們主動放棄了 150億美元的潛在銷售額，以及約30億美元的稅收收入。你要知道，中國市場的AI晶片年需求規模大概是500億美元。注意，不是5000萬，是 500億美元。這是什麼概念？相當於整個波音公司的年營收。讓我們放棄這樣的市場——不僅僅是利潤、營收，還有隨之而來的生態建設、全球影響力，這代價是無法忽視的。問：如果中國最終建構出CUDA的替代方案，那是否會對輝達構成長期威脅？黃仁勳： 沒錯。任何人天真地認為，僅僅靠下一步出口管制、禁止中國使用H20晶片，就能阻止他們在AI領域的發展，這種想法都是極其無知的。AI將推動全球GDP大幅增長問：你真正意識到輝達將成為一家“基礎設施公司”是什麼時候？黃仁勳：如果你回看我過往的主題演講，其實你會發現，今天正在發生的很多事，我在五年前就已經開始談了。也許那時候我講得還不夠清楚，語言沒有現在這麼精準，但我們前進的方向一直非常明確、一貫而堅定。問：所以說，你現在在每次演講結尾都會談到“機器人”，那其實就是我們要高度關注的“五年預告”了？也就是說，這不是遙遠的未來，而是幾年內就會成真的現實？黃仁勳：沒錯，我認為它真的就快來了，就在未來幾年內會發生。在整個行業中，一件深遠而意義重大的事是：過去 60 年，我們一直屬於 IT 行業，也就是一個為人類提供工具與技術的產業。但現在，我們正在首次走出 IT 範疇——我們原本賣的產品全都是IT裝置，現在我們開始進入製造與營運兩個全新領域。所謂的製造領域，是指我們正在製造機器人，或用機器人系統製造其他產品；所謂營運領域，是指我們正在提供“數字員工”。全球的營運支出與資本支出總和大約是50兆美元，而整個IT行業的規模也就約為1兆美元。現在，得益於AI，我們即將從那個1兆美元的行業，跨入一個50倍規模的新市場。我相信，雖然一些傳統工作會被替代，也確實會消失，但與此同時，也會湧現大量全新的工作機會。尤其是隨著“智能體”這一新形態的普及，機器人系統可能會直接推動全球 GDP 的實際擴張。背後的邏輯其實很簡單：我們正面臨勞動力短缺的窘境。美國的失業率處於歷史低點，走遍全國你都能看到：餐館招不到服務員，許多工廠也難以招到工人。在這種背景下，“每年花十萬美元雇個機器人”這個概念，很多人會毫不猶豫地接受，因為這能顯著提升他們的收入與產出能力。所以我判斷，在未來五到十年內，我們可能會經歷一次實質性的GDP擴張，也會見證一個全新產業的誕生。這個產業的核心，就是以“生成 token”的系統為基礎來生產數字成果——這一點，公眾現在開始慢慢理解了。問：你在 Computex 2025 和上個月 GTC 的兩場演講，其實風格截然不同。我的理解是：GTC 是面向超大規模雲服務提供商的，而 Computex 2025 則是講給企業 IT 市場的。所以你現在的目標重點，是企業 IT 嗎？黃仁勳：可以這麼說——企業 IT，以及“智能體與機器人”。企業 IT的核心載體是智能體，而製造業的核心應用是機器人。為什麼這點這麼重要？因為這就是未來生態系統的起點。Dynamo將成為AI工廠作業系統？問：在你最近的 GTC 演講中，你提到了傳統資料中心存在的一些侷限，並解釋了為什麼輝達的方案是更合適的選擇。我把這理解為你對“專用晶片”（也就是 ASIC）的某種反對立場。一方面，你展示了輝達完整的產品路線圖，說明我們有長期清晰的技術方向；另一方面，你講到“延遲和頻寬”的平衡問題，指出 GPU 因為具備可程式設計性，可以靈活適應不同類型的 AI 工作負載，不像 ASIC 那樣只能做單一任務。而這些專用 ASIC 晶片，正是由一些超大規模的雲服務商自己打造的。相比之下，輝達提供的是一個通用、可擴展的解決方案，更適合一個快速變化的 AI 世界。黃仁勳：你的理解沒錯，我確實傳遞了這些觀點，但我的本意並不是反對 ASIC，而是想幫助人們理解：下一代資料中心應該如何設計。我們已經在思考這個問題很多年了。關鍵挑戰在於：資料中心的能源是有限的。所以如果你把它看作是一座“AI 工廠”，首要任務就是：如何讓每一瓦電產生儘可能多的計算吞吐量。而我們衡量這種吞吐量的單位，就是 token。你可以生產極其廉價的token，比如開源模型的免費推理；也可以生產高品質、高價值的token，使用者可能會為此支付每月1000美元，甚至1萬美元。問：你在演講中還提到一個“價值10萬美元的智能體”。黃仁勳：是的。你問我願不願意每年花10萬美元雇一個AI助手？我的答案非常願意。我們每天都在僱傭年薪幾十萬、甚至上百萬美元的人才。如果花10萬美元就能提升一個年薪50萬美元員工的生產力，當然是值得的。關鍵在於，你在 AI 工廠中生產的token質量是多種多樣的。你需要大量廉價的，也需要高附加值的token。如果你建構的晶片或系統只能處理某一類 token，那麼它在大多數時間裡都會被閒置，導致計算資源浪費。因此，問題的本質是：如何設計一個平台，既能處理高吞吐量的免費 token，又能勝任高品質的任務？如果你的計算架構太分散，不同類型任務在不同晶片間遷移時效率會很低。如果你只專注於高 token 速率，它的整體吞吐通常反而會下降。你若追求高吞吐性能，系統互動性就會受限，使用者體驗下降。“在 X 軸或 Y 軸上做最佳化很容易”，但“填滿整個二維空間”非常困難。而這，正是輝達試圖通過Blackwell 架構、FP4 低精度計算格式、NVLink 72 高速互聯、HBM 高頻寬記憶體，以及核心的 Dynamo 解耦式推理系統來解決的問題。問：Dynamo是不是你所說的“資料中心作業系統”？黃仁勳：可以這麼說。它的設計出發點，是因為大語言模型的推理過程並不是一個統一的、恆定的過程，而是分階段、因任務而異的。我們將這個過程拆解成兩個主要階段：Pre-fill（預填充）階段：處理上下文，相當於“理解你是誰”、“你關心什麼”這一類背景工作；Decode（解碼）階段：生成實際 token 的過程，常涉及鏈式思維（chain-of-thought）、檢索增強（RAG）等複雜計算。解碼階段對計算資源的需求是高度動態變化的——有時幾乎不需要太多浮點運算，有時則需要大量。Dynamo 的意義就在於，它能把推理任務自動拆解、分發、調度到整個資料中心中的最優資源節點。問：從架構角度看，Dynamo 是不是就是那個把整個資料中心當成一個 GPU 來調度的軟體系統？黃仁勳：沒錯。它本質上就是 AI 工廠的作業系統。問：你如何看待推理型模型的未來？它們會更多用於智能體工作流？還是主要用於生成訓練資料，幫助模型自我最佳化？黃仁勳：我認為這取決於成本。但從趨勢看，推理型模型將成為 AI 的“默認計算單元”。隨著硬體和軟體的進步，我們處理推理的速度會快得驚人。比如說：Grace Blackwell 平台的性能是前一代的40倍；下一代又提升40 倍；模型本身也越來越高效。所以，從現在起未來五年內，推理速度提升10萬倍，對我來說是完全有可能的。現在的 AI 系統，其實在你看不見的地方，已經完成了一座“高山般龐大的思考”。它只是沒有表現出來讓你看到它“正在思考”。這是一種“快思考”的系統——那怕是原本需要深度推理、屬於“慢思考”的任務，在它這裡也已經變得極為迅速。問：你提到美國電力基礎設施建設困難重重，但像一些海灣國家、中國等地，電力獲取和建設速度快得多，是不是輝達所解決的問題在這些地區就不是那麼迫切？黃仁勳：你這個角度很有趣，我之前確實沒這麼想。但無論在那個國家，資料中心的規模總是有限的，所以性能功耗比（efficiency per watt）始終非常關鍵。我們可以做個簡單計算：一個1吉瓦的資料中心，其殼體、電力、土地和營運成本大約是 300 億美元；加上計算、儲存、網路等部分，大約是 500 億美元；如果因為系統效率很低，你就必須建兩套系統以達到相同的性能，那麼前期建設成本就從 300 億美元膨脹到 600 億美元。所以你必須用極其高效的架構來抵消額外成本。在這個世界裡，“免費的計算”有時也不夠便宜。輝達的全端戰略問：你曾多次提到“希望你們（客戶）購買輝達的全套產品，但只要你們購買其中的任何一部分，你也會很高興”， 這句話聽起來非常務實，像是一位企業軟體公司的 CEO。如果客戶需要建構完整的 AI 工廠，按照你的說法，輝達的全端解決方案無疑會帶來最大收益。但許多客戶並不需要“全端”，他們只購買其中的一部分。但一旦他們開始使用輝達的某個部分，通常就會繼續使用下去。所以從戰略角度來看，覆蓋這些客戶也非常有價值，對吧？黃仁勳：服務客戶，這就是聰明的做法。你看看輝達的市場策略，我們一直以來都是在打造端到端的完整解決方案。因為軟體和硬體必須緊密結合，才能發揮最大效能，而我們能夠很好地將軟體和硬體“解耦”，讓客戶可以根據自己的需要選擇部分元件。如果客戶不想使用我們的軟體——沒問題。我們的系統設計得足夠靈活，如果客戶想替換某些元件，我們也可以做到。現在，Grace Blackwell 架構已經在全球不同的雲服務中得到了部署，每家雲服務提供商都基於我們的標準進行整合，但他們的實現方式各不相同。我們能夠非常順暢地融入到他們的系統中。這其實就是輝達商業模式的真正優勢所在，但也正是我們作為“計算平台公司”定位的體現。我們最看重的，是客戶至少能在我們的技術堆疊中使用一部分：如果他們選擇了我們的計算堆疊，那太好了；如果他們選擇的是我們的網路堆疊（我對網路的重視程度不亞於計算），也很好；如果兩者都選了，那就更棒了！我始終堅信：輝達能夠建構出最好的整體系統。如果我都不相信我們做得更好，那說明我們那裡出了問題，我們必須改進並找回信心。我們的公司有 36,000 到 38,000 名員工，每個人都在齊心協力地做一件事：打造全球領先的加速計算平台和 AI 計算平台。所以，如果有那家公司只有 14 個人，卻能做得比我們更好，那對我來說會非常痛苦，我們就必須加倍努力去追趕。問：但你也相信規模的力量，而要實現規模的最大化，就必須按照客戶希望的方式銷售產品。黃仁勳：完全正確，這就是關鍵。我們有自己的偏好，但我們會根據客戶喜歡的方式來服務客戶。遊戲：GeForce的多重角色問：在你的GTC演講中，僅有10%的內容是關於 GeForce的，但對我們來說，它依然非常重要。這種“重要”是因為我們在做GPU，且一切都可以擴展嗎？怎麼解釋輝達與遊戲的關係呢？黃仁勳：我很希望我能這樣說，RTX PRO 如果沒有GeForce是不可能的，Omniverse 如果沒有GeForce 也無法實現，所有我們看到的每一個像素，沒有 GeForce也無法呈現出來。機器人如果沒有 GeForce 也無法運作，Newton也是如此。GeForce本身並不是GTC的核心主題，因為後者主要側重高性能計算、企業和 AI 等領域，我們還有專門的遊戲開發者大會。所以在GTC上，GeForce的產品發佈並不會像其他領域那樣成為核心焦點，但大家都清楚，GeForce 在我們所做的一切中扮演著至關重要的角色。問：這是不是意味著，遊戲玩家可能沒有完全意識到，GeForce 的作用已經遠遠超出了單純的圖形渲染引擎？黃仁勳：確實如此。我們只渲染了每十個像素中的一個，這是一個令人震驚的數字。假設我給你一幅拼圖，給你十個拼圖中的一個，剩下的九個我根本不交給你，你必須自己想辦法補全它們。問：我試著把遊戲跟你剛才提到的那些其他領域聯絡起來。你說過，輝達在設計上非常嚴謹地把不同模組區分開來，軟體管理得也很清晰，並實現瞭解耦。這讓我一下子聯想到Windows上的驅動程式問題。說實話，這種能力本身就是你們的一項核心技術優勢。黃仁勳：驅動程式確實屬於非常底層的技術，涉及的內容極其複雜。實際上，驅動程式的“抽象”本身就是一個革命性的概念，而微軟在推動這一體系中發揮了關鍵作用。可以說，如果沒有驅動這一抽象層的設計，就不會有今天的 Windows 生態。正是通過建立 API 抽象層，使得硬體層可以不斷演進和變化，而不會影響到上層軟體的相容性和穩定性。目前我們的驅動程式是開放原始碼的，但坦率地說，我並沒有看到太多人能夠真正參與其中。原因在於，每當我們推出一款新的 GPU，之前在舊驅動上所做的大量工作幾乎都要被重寫或替換。只有像輝達這樣擁有龐大工程能力的團隊，才能持續推動這一系統演進——這對大多數公司來說幾乎是不可能完成的任務。但正是因為我們能為每一代 GPU 提供深度最佳化的專屬驅動，才建構起一個穩定而強大的抽象層和隔離層。無論是基於 CUDA，還是 DirectX，開發者都可以放心地在這些平台上進行開發，而無需擔心底層硬體的變化。 (騰訊科技)
