#工業革命
•

黃仁勳最新訪談：我的底層思維，來自3本書

最近，黃仁勳做客《紐約時報》埃茲拉·克萊恩的播客。這場談話的背景是一場分歧：圖靈獎得主傑佛瑞·辛頓給出AI終結人類文明的機率約10%，Anthropic的達里歐·阿莫代伊和OpenAI的奧特曼都在呼籲政府立安全門檻。 身處產業鏈最核心位置的輝達，卻表現出一種截然不同的工程師現實主義。黃仁勳談到：“我始終認為，僅僅因為擺出一副警報拉響者的姿態，並不意味著你就在履行社會責任。當年傑佛瑞·辛頓預言‘五年內放射科醫生將被完全取代，醫學院應當立刻停止招生’，事實證明錯得離譜。用毫無嚴謹科學依據的末日論嚇唬年輕人，甚至讓他們對接受高等教育失去信心，這種言論沒有任何建設性。” 以下是黃仁勳這次訪談內容的精華整理。 01. AI這場工業革命，值錢的部分在那？
黃仁勳最新訪談：我的底層思維，來自3本書
科技#黃仁勳#底層思維#AI工業革命
•

摩根士丹利重磅報告：中國下一次工業革命——中國工業5.0

摩根士丹利這份報告要的核心判斷是: 中國製造正從“世界工廠”走向“世界工業作業系統”。工業5.0的關鍵是字是物理AI——工廠不再僅僅連上網、看得見, 而且會思考、能適應、可學習, 構成“感知—推理—執行—學習”的閉環。 支撐這一轉變的是三類中堅托舉力量: 工業智能化水平、工業領域抗風險強度、工業生態資源統籌領導能力。 這三類支撐因素輪番推動, 形成動態循環。中國有實力走通這個發展路徑的核心支撐是他擁有全球最大的工業設施基座: 中國的製造業增加值佔全球約28%，工業產業鏈覆蓋聯合國工業分類全部666個子類，擁有3萬多家智能工廠和超過1億台連接工業裝置。 接下來十年將實現五重突破:
摩根士丹利重磅報告：中國下一次工業革命——中國工業5.0
科技#摩根士丹利#中國#工業革命
•

美聯社最新訪談黃仁勳：AI 工業革命與美國再工業化

在德克薩斯州謝爾曼（Sherman）的一片動土工地上，，輝達（NVIDIA）創始人兼首席執行長黃仁勳與 Coherent 首席執行長吉姆·安德森（Jim Anderson）共同開啟了一座足以改寫全球 AI 算力版圖的磷化銦（InP）晶圓廠擴建工程。 城主說| 本次美聯社對黃仁勳的最新訪談與活動記錄聚焦於在德克薩斯州 Sherman 舉行的晶片工廠奠基儀式。對話探討了人工智慧作為“新工業革命”的核心地位，詳述了從能源、晶片到基礎設施的五層架構，並深入討論了美國如何通過再工業化重塑製造業，以及在保證國家安全的前提下，如何利用光通訊等前沿技術推動 AI 的全球競爭與社會和諧發展。 核心觀點 計算模式的根本重塑：AI 時代正在經歷自 1964 年 IBM System 360 以來最重大的電腦重構，從程式碼驅動轉向即時解決問題的分佈式架構。
美聯社最新訪談黃仁勳：AI 工業革命與美國再工業化
科技#美聯社#黃仁勳#AI工業革命
•

【輝達財報】電話會詳解&全文：“AI工業革命”才剛剛開始！黃仁勳高呼代理AI拐點已至，“推理即收入”

輝達CEO黃仁勳在電話會上直言，代理AI（Agentic AI）已達到拐點，算力直接轉化為收入。黃仁勳認為沒有算力就無法生成token，沒有token就無法實現營收增長，雲服務商的巨額資本開支最終將直接轉化為收入。此外，公司證實接近達成與OpenAI的巨額基建合作，訂單需求已排至2027年。輝達以一份打破紀錄的財報，試圖回擊外界對AI泡沫的質疑。但電話會後輝達股價轉跌，此前盤後交易中一度漲超4%。2月25日美股盤後，輝達公佈最新單季營收達680億美元並給出強勁指引，輝達CEO黃仁勳在電話會上直言，代理AI（Agentic AI）已達到拐點，算力直接轉化為收入。黃仁勳認為沒有算力就無法生成token，沒有token就無法實現營收增長，雲服務商的巨額資本開支最終將直接轉化為收入。黃仁勳同時強調，企業對代理的應用飆升，Grace Blackwell搭配NVLink是推理的王者。此外，他表示當前的太空資料中心經濟還是“貧瘠的”，但形勢將隨著時間的推移而變化。從整體財務資料與供應鏈前瞻來看，輝達的增長引擎依然強勁。CFO克雷斯在電話會開場中透露：總營收達到680億美元，同比增長73%，按環比計算較第三季度的增長進一步加速。她明確指出，大部分收入增長依然由資料中心業務驅動。盤後輝達一度漲超4%，但電話會後漲幅逐漸縮小，直至轉跌。電話會要點提煉：產品路線圖與技術突破：近9吉瓦Blackwell基礎設施已部署，性能比領先競品50倍；已向客戶傳送首批Vera Rubin樣品，預計2026下半年量產；將減少10倍推理token成本。通過軟體最佳化(如CUDA)，在四個月內將GB200 NVL72性能提升5倍。戰略合作與投資：與OpenAI接近達成夥伴協議；Meta部署數百萬Blackwell和Rubin GPU；100億美元投資Anthropic。收購Grok低延遲推理技術；與西門子、達索系統、新思科技深化工業AI合作AI拐點已至：黃仁勳強調"代理AI"已達到拐點，算力將直接轉化為收入。資料中心範式轉變，每資料中心受電力限制，性能/瓦特成為關鍵指標。物理AI崛起：2026財年已貢獻超60億美元收入；機器人計程車和自動駕駛將從千輛級擴展至百萬輛級。主權AI增長：2026財年主權AI業務超300億美元，同比增長3倍，主要來自加拿大、法國、荷蘭、新加坡和英國。毛利率展望：預計全年保持在70%中段，依賴持續的架構創新提供多倍性能/瓦特提升。未來展望：預計2027財年Q1收入780億美元，資料中心驅動大部分增長；預計到2030年，全球資料中心資本支出將達到3-4兆美元；已戰略性確保庫存和產能，滿足需求到2027年；承認高端架構供應將持續緊張。黃仁勳：算力即營收，AI代理驅動新一輪需求浪潮面對市場對科技巨頭持續投入高昂資本支出是否會導致資金枯竭或動能不足的擔憂，黃仁勳在問答環節明確表示，並不擔心AI公司耗盡資金。黃仁勳強調：我對他們現金流的增長充滿信心，原因非常簡單。我們現在已經看到了代理AI（agentic AI）的拐點以及智能代理的實用性。行業已經到達了另一個拐點。他將當前階段的核心邏輯提煉為一句話：意識到‘推理現在就等於我們客戶的收入’是非常重要的。黃仁勳詳細描繪了這一商業模式的運作圖景：由於智能代理正在生成如此多的代幣（tokens），而且結果如此有效。當智能代理在編寫程式碼時，它會生成數千、數萬、數十萬個代幣，因為它們會運行幾分鐘到幾個小時。所以這些系統、這些代理系統，正在作為一個團隊衍生出不同的智能代理。黃仁勳補充道：正在生成的代幣數量真的、真的呈指數級增長。因此，我們需要以更高的速度進行推理，當你以更高的速度進行推理時，每一個代幣都是被貨幣化（dollarized）的，這直接轉化為收入。在展望未來時，黃仁勳更是直言：從根本上說，因為每家公司都依賴軟體，每個軟體都將依賴AI。因此，每家公司都將產生代幣。他認為，這種新的計算方式“不會倒退”。黃仁勳表示：如果我們相信產生代幣將是計算的未來……那麼我們將從現在開始建設這種能力，並從這裡繼續擴展。這一判斷與黃仁勳在上季度電話會議上的表態一脈相承。彼時他將行業劃分為三次結構性平台轉變：從傳統CPU到GPU計算、從傳統機器學習到生成式AI、再從生成式AI到AI代理，並強調每一次轉變本身均能支撐大規模投資。牽手OpenAI與生態投資，鞏固全球算力霸權在回答分析師關於戰略投資的問題時，黃仁勳證實，輝達接近敲定與OpenAI的合作。這項合作在去年初步勾勒為一個潛在的1000億美元AI基礎設施項目，近期有報導稱輝達還可能進行約300億美元的投資。黃仁勳形容OpenAI是一家“一代人中僅此一家（once-in-a-generation）”的公司，並強調輝達的投資目標是確保從大語言模型到機器人技術的一切都建立在輝達的平台上。他說：我們想要抓住這個我們正處於新計算時代開端的巨大機會。此外，黃仁勳在談及各種AI公司和項目時，特別提及了近期備受關注的開源AI代理OpenClaw。他認為，企業級獨立軟體供應商（ISVs）在工具平台上開發代理系統的熱情，再次印證了市場正處於爆發拐點。黃仁勳說：Claude Cowork和OpenClaw的計算需求之間的AI採用率正在飆升。針對馬斯克等人對太空資料中心的討論，黃仁勳回應稱目前經濟效益不佳但會改善：在太空中……散熱只能通過傳導，你需要製造的散熱器相當大。所以我們在地球上使用的方法與在太空中的做法有些不同，但有很多不同的計算問題真的需要在太空中完成，所以輝達已經是世界上第一個進入太空的GPU。Hopper已經在太空中了。他指出，在太空使用GPU最好的用例之一是成像。極度緊缺的供應鏈在供應鏈方面，克雷斯透露：我們相信目前的庫存和供應承諾能夠滿足未來的需求，出貨計畫已延伸至2027日歷年。由於輝達基礎設施需求極其旺盛，甚至連Hopper和已有6年歷史的Ampere架構產品在雲端都已售罄。在產品迭代節奏上，新舊交替正在無縫銜接。Blackwell架構正在強勁爬坡，而下一代Vera Rubin平台已經邁出實質性一步。克雷斯表示：我們在本周早些時候已經向客戶運送了首批Vera Rubin樣品，並保持在今年下半年開始量產出貨的軌道上。我們預計每個雲模型建構者都將部署Vera Rubin。除了先進元件（如高頻寬記憶體HBM）導致最新晶片架構供應持續緊張外，產能限制也溢出到了輝達傳統的遊戲業務。克雷斯表示：儘管我們非常希望有更多額外的供應，但我們確實認為在接下來的幾個季度裡（遊戲業務供應）將會非常緊張。輝達2026財年第四財季電話會議實錄，全文翻譯如下（AI工具輔助）：公司參會人員 Colette Kress，執行副總裁兼首席財務官 Jensen Huang（黃仁勳），創始人、總裁兼首席執行長 Toshiya Hari，投資者關係與戰略財務副總裁其他參會人員（分析師） Aaron Rakers，富國銀行 Antoine Chkaiban，New Street Research Atif Malik，花旗銀行 Ben Reitzes，Melius Research CJ Muse，Cantor Fitzgerald & Co. Harlan Sur，摩根大通 Jim Schneider，高盛公司 Joseph Moore，摩根士丹利 Mark Lipacis，Evercore ISI Stacy Rasgon，伯恩斯坦研究公司 Tim Arcuri，瑞銀集團 Vivek Arya，美銀美林會議陳述接線員 下午好。我是莎拉，今天將擔任您本次會議的接線員。此時，我想歡迎大家參加輝達第四季度盈利電話會議。所有線路均已靜音，以防止任何背景噪音。發言人致詞後，將進行問答環節。（接線員提示） 謝謝。Toshiya Hari，您可以開始會議了。Toshiya Hari 謝謝。 大家下午好，歡迎參加輝達2026財年電話會議。今天與我一起代表輝達參會的有總裁兼首席執行長黃仁勳（Jensen Huang），以及執行副總裁兼首席財務官科萊特·克雷斯（Colette Kress）。我們的會議正在輝達投資者關係網站上進行即時網路直播。在討論2027財年財務業績的電話會議之前，本次網路直播將提供重播。今天會議的內容是輝達的財產。未經我們事先書面同意，不得複製或轉錄。在本次會議中，我們可能會根據當前的預期做出前瞻性陳述。這些陳述受到許多重大風險和不確定性的影響，我們的實際結果可能會有實質性差異。關於可能影響我們未來財務業績和業務的因素的討論，請參閱今天收益發佈中的披露內容、我們最新的10-K和10-Q表格，以及我們可能向美國證券交易委員會提交的8-K表格報告。我們所有的陳述都是基於截至今日（2026年2月25日）目前可獲得的資訊做出的。除法律要求外，我們不承擔更新任何此類陳述的義務。在本次會議中，我們將討論非公認會計準則（Non-GAAP）的財務指標。您可以在我們網站上發佈的CFO評論中，找到這些非公認會計準則財務指標與公認會計準則（GAAP）財務指標的調節表。接下來，我將把會議交給科萊特。Colette Kress 謝謝，Toshiya。我們又交付了一個出色的季度，在營收、營業利潤和自由現金流方面均創下歷史新高。總營收達到680億美元，同比增長73%，較第三季度進一步加速。環比增長也創下紀錄，我們的資料中心營收增加了110億美元，客戶群體日益多樣化且不斷擴大，包括雲服務提供商、超大規模計算企業、AI模型製造商、企業和主權國家。我們在資料中心規模上進行極致協同設計的Blackwell架構需求持續增強，除了訓練之外，推理部署也在不斷增長。向加速計算的轉型，以及AI在現有超大規模工作負載中的普及，繼續推動著我們的增長。建立在越來越智能和多模態模型基礎上的代理式（Agentic）和物理AI應用，正開始推動我們的財務表現。從全年來看，資料中心創造了1940億美元的營收，同比增長68%。自2023財年ChatGPT問世以來，我們的資料中心業務規模已經擴大了近13倍。展望未來，我們預計2026自然年內各季度的營收都將實現環比增長，超出我們去年分享的5000億美元Blackwell和Rubin營收機會的預期。我們相信，我們已經準備好庫存和供應承諾來滿足未來的需求，包括延續到2027自然年的出貨量。每個資料中心都受到電力的限制。鑑於這些限制以及最大化AI工廠營收的需求，客戶會基於每瓦性能做出關鍵的架構決策。SemiAnalysis近期宣佈輝達為“推理之王”，因為InferenceX的最新結果鞏固了我們在推理領域的領導地位：與非網格（off-grid）方案相比，GB300和NVL72實現了高達50倍的每瓦性能提升，以及降低35倍的每Token成本。對CUDA軟體的持續最佳化，使得我們在短短四個月內就讓GB200 NVL72的性能提升了高達5倍。輝達提供了極低的每Token成本，而在輝達上運行的資料中心能產生極高的營收。我們的創新步伐，尤其是在我們這樣的規模下，是無與倫比的。憑藉接近200億美元的年度研發預算，以及我們在計算和網路、晶片、系統、演算法和軟體之間進行極致協同設計的能力，我們打算在每一代產品中都實現每瓦性能的X倍飛躍，並在長期內擴大我們的領導地位。第四季度資料中心營收為620億美元，同比增長75%，環比增長22%，這主要得益於Blackwell和Blackwell Ultra產能爬坡的持續強勁勢頭。由於對輝達基礎設施的高需求，即使是Hopper以及許多基於六年前Ampere架構的產品在雲端也已售罄。自我們的Grace Blackwell NVL72系統發佈以來，已經過去了近一年。如今，主要雲服務提供商、超大規模計算企業、AI模型製造商和企業已部署並消耗了近9吉瓦（gigawatts）的基於Blackwell的基礎設施。網路業務是我們資料中心規模基礎設施產品的基石，本季度表現突出，創造了110億美元的營收，同比增長超過3.5倍。對我們向上擴展（scale-up）和向外擴展（scale-out）技術的需求達到了創紀錄的水平，兩者均實現了兩位數的環比增長，這得益於NVLink、Spectrum-X乙太網路和InfiniBand的強勁採用。在同比基礎上，增長主要由NVLink 72向上擴展交換機推動，因為Grace Blackwell系統約佔該季度資料中心營收的三分之二。NVLink向上擴展架構徹底改變了計算，並展示了在超級電腦的所有晶片和全端上進行極致協同設計的力量。在第四季度，我們宣佈將使AWS採用NVLink技術與其定製晶片進行整合。隨著客戶致力於將分佈式資料中心統一為整合的千兆級AI工廠，我們的Spectrum-X乙太網路向上擴展和橫向擴展網路勢頭強勁。從全年來看，我們的網路業務營收超過310億美元，與我們收購Mellanox的2021財年相比增長了10倍以上。我們的需求情況廣泛、多樣，並正在向聊天機器人以外的領域擴展。首先，發生了一場從傳統機器學習向生成式AI的根本性平台轉變。隨著超大規模計算企業將海量的傳統工作負載（包括搜尋、廣告生成和內容推薦系統）升級為生成式AI，強有力的投資回報率（ROI）證據正在鼓勵我們最大的客戶加快其資本支出。例如，在Meta，其生成式（Gen / Llama）模型的進步使其Facebook上的廣告點選率增加了3.5%，Instagram上的轉化率提高了1%以上，轉化為有意義的營收增長。借助同樣的輝達基礎設施，Meta的超級智能實驗室可以訓練和部署其前沿的代理式AI系統。前沿代理系統已達到一個拐點。Claude Code、Claude Cowork以及OpenAI Codex已經實現了有用的智能。其採用率正在飆升，並且Token的生成是盈利的，這極大地推動了擴大計算規模的緊迫性。計算能力直接轉化為智能和營收增長。分析師對排名前五的雲服務提供商和超大規模計算企業（他們合計約佔我們資料中心營收的50%多一點）2026年資本支出的預期，自年初以來已上調了近1200億美元，正接近7000億美元。我們繼續預計，傳統資料中心工作負載向GPU加速計算的過渡，以及利用AI來增強當今超大規模工作負載的趨勢，將貢獻我們長期市場機遇的一半左右。每個國家都會建設和營運其部分AI基礎設施，就像今天的電力和網際網路一樣。在2026財年，我們的主權AI業務同比增長了兩倍多，超過300億美元，主要由位於加拿大、法國、荷蘭、新加坡和英國的客戶推動。從長遠來看，隨著各國根據其GDP按比例在AI上進行支出，我們預計主權AI的機會至少將與AI基礎設施市場的增長保持同步。雖然美國政府批准了向中國客戶提供少量H200產品，但我們尚未產生任何收入，並且我們不知道是否會允許任何進口進入中國。我們在中國的競爭對手在近期IPO的支援下取得了進展，從長遠來看有潛力顛覆全球AI產業的結構。為了維持其在AI計算領域的領導地位，美國必須吸引每一位開發者，並成為所有商業企業（包括中國企業）的首選平台。我們將繼續與美國和中國政府接觸，並倡導美國在全球競爭的能力。上個月我們在CES上推出了Rubin平台，包含六款新晶片：Vera CPU、Rubin GPU、NVLink 6交換機、ConnectX-9 SuperNIC、BlueField-4 DPU和Spectrum-6乙太網路交換機。與Blackwell相比，該平台能在使用四分之一GPU數量的情況下訓練MOE模型，並將推理Token成本降低多達10倍。本周早些時候，我們已經向客戶發運了首批Vera Rubin樣品，我們有望在今年下半年開始量產出貨。基於其模組化、無需理線（table-free/cable-free）的設計，Rubin將提供比Blackwell更好的彈性和可維護性。我們預計每個雲模型建構者都將部署Vera Rubin。接下來看遊戲業務。遊戲業務營收為37億美元，同比增長47%，這得益於對Blackwell的強勁需求和供應的改善。GeForce RTX是PC遊戲玩家、創作者和開發者的領先平台。在第四季度，我們增加了幾項新技術和改進，包括使用AI將遊戲視覺效果提升到新水平的DLSS 4.5，即使在運動中也能帶來令人難以置信的清晰圖形的G-SYNC Pulsar，以及在領先的AI PC框架中將大語言模型（LLM）推理速度提升35%。展望未來，儘管終端對我們產品的需求依然強勁，且管道庫存水平健康，但我們預計供應限制將成為第一季度及以後的阻力。專業可視化業務營收首次突破10億美元大關，達到13億美元，同比增長159%，環比增長74%。在本季度，我們推出了配備72GB高速記憶體的RTX Pro 5000 Blackwell工作站，專為運行大語言模型（LLM）和代理式工作流的AI開發者設計。汽車業務營收為6.04億美元，同比增長6%，這得益於對自動駕駛解決方案的強勁需求。在CES上，我們推出了Alpamayo，這是世界上首個面向推理視覺語言動作模型、模擬藍圖和資料集的開放產品組合，賦予了車輛“思考”的能力。首款搭載基於輝達Drive系統打造的Alpamayo的乘用車——新款梅賽德斯-奔馳CLA，即將上路。物理AI已經到來，在2026財年已經為輝達貢獻了超過60億美元的營收。無人駕駛計程車（Robotaxi）的出行量正在呈指數級增長，Waymo、特斯拉、優步（Uber）、文遠知行（WeRide）和Zoox以及許多其他公司的商業車隊預計將在下個十年內從2025年的數千輛擴大到數百萬輛，創造一個有望產生數千億美元營收的市場。這一擴張將要求計算量呈數量級增長，目前各大主要OEM和服務提供商都在輝達的平台上進行開發。我們通過新的NVIDIA Cosmos和Isaac Group、開放模型、框架以及輝達驅動的機器人和自主機器，繼續推進機器人技術的開發，合作夥伴包括波士頓動力（Boston Dynamics）、卡特彼勒（Caterpillar）、Franka Robotics、LG電子和Neuro Robotics等領先企業。為了加速工業物理AI的採用，我們還宣佈與達索系統（Dassault Systèmes）、西門子和新思科技（Synopsys）達成新的擴展合作夥伴關係，將輝達的AI基礎設施、Omniverse數字孿生、世界模型和CUDA-X庫帶給數以百萬計的研究人員、設計師和工程師，以建構世界工業體系。讓我們來看看損益表的其他部分。GAAP毛利率為75%，Non-GAAP毛利率為75.2%，隨著Blackwell產能的持續爬坡，實現了環比增長。GAAP營運支出環比增長16%，Non-GAAP營運支出環比增長21%，這主要與新產品發佈以及計算和基礎設施成本有關。第四季度的Non-GAAP實際稅率為15.4%，低於我們對該季度的預期，主要是由於一次性稅收優惠的影響。庫存環比增長8%，同時由於我們戰略性地鎖定庫存和產能以滿足未來幾個季度之外的需求，採購承諾也大幅增加。這比平時看得更遠，反映了我們擁有的更長遠的視線需求。雖然我們預計高級架構的供應緊張情況將持續存在，但憑藉我們的規模、龐大的供應鏈以及長期合作伙持續為我們提供的良好服務，我們對抓住前方增長機會的能力充滿信心。我們在第四季度產生了350億美元的自由現金流，在2026財年產生了970億美元的自由現金流。在這一年中，我們以股票回購和分紅的形式，向股東返還了410億美元，佔自由現金流的43%。我們將繼續對技術和生態系統進行投資，以培育市場發展，推動長期增長，並最終產生優於市場或同行的總股東回報。重要的是，在投資方面，我們將繼續執行戰略性和紀律嚴明的流程，並繼續致力於向股東返還資本。現在讓我談談第一季度的業績展望。從本季度開始，我們將在Non-GAAP業績中包含基於股票的薪酬支出（SBC）。股票薪酬是我們薪酬計畫的基礎組成部分，旨在吸引和留住世界級的人才。首先看營收。總營收預計為780億美元，上下浮動2%。我們預計大部分增長將由資料中心推動。與上季度一致，我們在展望中沒有假設來自中國的任何資料中心計算營收。GAAP和Non-GAAP毛利率預計分別為74.9%和75%，上下浮動50個基點。對於全年，我們預計毛利率將保持在75%左右的中位水平。隨著我們為Vera Rubin的過渡做準備，我們將隨時向您通報最新進展。GAAP和Non-GAAP營運支出預計分別約為77億美元和75億美元，其中包括19億美元的股票薪酬支出。對於全年，我們預計Non-GAAP營運支出將同比增長40%左右（low 40s），因為我們將繼續投資於不斷擴大的機會領域。對於整個2027財年，排除任何離散項目和稅務環境的重大變化，我們預計GAAP和Non-GAAP稅率將在17%到19%之間。接下來，我將把電話轉交給黃仁勳，我想他有幾句話要對我們說。Jensen Huang（黃仁勳） 本季度，我們顯著深化並擴大了與領先的前沿模型製造商的合作夥伴關係。最近我們慶祝了OpenAI發佈的GPT 5.3 Codex，它是使用Grace Blackwell NVLink72系統進行訓練和推理的。GPT 5.3 Codex可以承擔涉及研究、工具使用和複雜執行的長期運行任務。5.3 Codex已在輝達內部廣泛部署，我們的工程師非常喜歡它。我們繼續與OpenAI推進合作協議，並相信我們已接近達成。我們對與OpenAI正在進行的合作感到興奮，這是一家十年難遇的公司，我們很榮幸從他們成立的第一天起就與之合作。Meta超級智能實驗室正在以閃電般的速度擴大規模。上周我們宣佈，Meta正在部署數以百萬計的Blackwell和Rubin GPU、輝達CPU以及Spectrum-X乙太網路用於訓練和推理。本季度，我們宣佈了與Anthropic的合作夥伴關係，並對其投資了100億美元。Anthropic將在Grace Blackwell和Vera Rubin系統上進行訓練和推理。Anthropic的Claude Cowork代理平台是革命性的，它打開了企業級AI採用的閘門。在Claude Cowork和OpenAI Codex的推動下，計算需求正在飆升，代理式AI的“ChatGPT時刻”已經到來。憑藉橫跨Anthropic、Meta、OpenAI和xAI的合作關係，輝達在每一朵雲上的廣泛部署，以及我們從頭開始建構全端AI基礎設施或在雲端為他們提供支援的能力，我們處於一個獨特的地位，能夠在前沿模型建構者的每個階段（訓練、推理和AI工廠的橫向擴展）進行合作。最後，我們最近與Grok簽訂了一項非獨家許可協議，以獲取其低延遲推理技術，並歡迎一個由傑出工程師組成的團隊加入輝達。就像我們之前對Mellanox所做的那樣，我們將利用Grok的創新來擴展輝達的架構，以實現AI基礎設施性能和價值的新高度。我們期待在下個月的GTC大會上分享更多資訊。好的，交回給你們。我們現在進入問答環節。接線員，請接入問題。問答環節接線員 （操作提示）您的第一個問題來自美國銀行證券（Bank of America Securities）的Vivek Arya。您的線路已接通。Vivek Arya 感謝接受我的提問。我想你提到過，你們現在對2027自然年的增長也有了可見性，你們的採購承諾似乎也反映了這種信心。 但仁勳，我很好奇，當你看你們的頂級雲客戶時，今年雲行業的資本支出接近7000億美元，許多投資者擔心明年很難在這個水平上繼續增長，而且對他們中的一些人來說，現金流產生能力也受到壓縮。我知道你對你們的產品路線圖、採購承諾等方面非常有信心，但你對客戶繼續增加資本支出的能力有多大信心？如果他們的資本支出沒有增長，輝達還能在這個框架內找到增長點嗎？謝謝。Jensen Huang（黃仁勳） 我對他們現金流的增長充滿信心，原因非常簡單：我們現在已經看到了代理式AI（Agentic AI）的拐點，以及代理在世界各地和各類企業中的實用性。正因如此，你看到了令人難以置信的計算需求。在這個AI的新世界裡，計算即收入。沒有計算，就沒有辦法生成Token；沒有Token，就沒有辦法實現收入增長。因此，在這個AI的新時代，計算等於收入。我很確定，現在隨著Codex和Claude Code投入生產使用，圍繞Claude Cowork的興奮感，加上對OpenAI系統及其企業版的熱情，以及所有企業級ISV（獨立軟體開發商）目前都在其工具平台上建構代理式系統——我非常確定，此時我們正處於拐點。我們已經到達了這個轉折點，我們正在生成能夠為客戶帶來生產力、為雲服務提供商帶來利潤的Token。所以它的簡單邏輯、也是簡單的思考方式是：計算方式已經改變了。過去是軟體運行在電腦上，使用適量的電腦，大概每年3000億或4000億美元的資本支出；現在這已經轉向了AI。而在AI領域，為了生成Token，你需要計算能力，這直接轉化為增長，直接轉化為收入。接線員 您的下一個問題來自摩根士丹利的Joseph Moore。您的線路已接通。Joseph Moore 太棒了，謝謝。祝賀你們取得的業績。 你談到了你們對Anthropic以及潛在的對OpenAI核心進行的一些戰略投資，同時你們也有英特爾、諾基亞、新思科技等合作夥伴，顯然你們處於一切的中心。你能談談這些投資的作用嗎？你如何看待資產負債表作為一種工具，以此來擴大輝達在生態系統中的地位並參與到這種增長中去？Jensen Huang（黃仁勳） 正如你所知，在輝達一切的核心從根本上說就是我們的生態系統，這就是所有人喜歡我們業務的原因——我們生態系統的豐富性。世界上幾乎所有的初創公司都在研究輝達的生態系統，在輝達的平台上進行開發。我們遍佈每一朵雲，我們遍佈每一個本地（on-prem）資料中心，我們遍佈全球的邊緣裝置和機器人系統。成千上萬的原生AI企業建立在輝達之上。隨著我們處於這個新的計算時代、這個新的計算平台轉變的開端，我們希望抓住這個巨大的機會，讓每個人都使用輝達。每個人、所有東西都已經建構在CUDA之上。因此，我們從一個非常棒的起點出發。隨著我們建構整個AI生態系統——無論是針對語言的AI，還是物理AI、物理學AI、生物學AI、機器人技術或製造業AI——我們希望所有這些生態系統都建構在輝達之上。對我們來說，這是在整個技術堆疊中投資生態系統的一個極好的機會。我們今天的生態系統也比過去更加豐富。我們過去主要是一個基於GPU的計算平台，但現在我們是一家計算AI基礎設施公司。我們在各個方面都有計算平台，從計算到AI模型，到網路，再到我們的DPU，所有這些之上都有計算棧。正如我之前提到的，無論是在企業中，還是在製造業、工業、科學或機器人領域，每一個生態系統都有不同的技術堆疊，我們希望確保繼續對生態系統進行投資。因此，我們的投資非常明確、具有戰略性地聚焦於擴大和深化我們的生態系統覆蓋範圍。接線員 您的下一個問題來自摩根大通的Harlan Sur。您的線路已接通。Harlan Sur 下午好，感謝接受我的提問。網路業務在你們整體資料中心業務中的佔比繼續上升。在2026財年中，你們網路業務的同比增速每個季度都在加快。正如你們提到的，第四季度同比增長3.6倍，顯然得益於你們向上擴展（scale-up）和橫向擴展（scale-out）網路產品組合的實力。我記得去年上半年，你們在Spectrum-X乙太網路交換平台上的年化運行率（run rate）約為100億美元。看起來去年下半年這個數字可能已經躍升至110億到120億美元左右。仁勳，看看你們的訂單簿，特別是隨著Spectrum-XGS以及即將推出的102T Spectrum 6交換平台的發佈，目前Spectrum的運行率趨勢如何？你如何看待今年結束時的情況？Jensen Huang（黃仁勳） 正如你所知，我們將自己視為一家AI基礎設施公司。AI計算基礎設施包括CPU、GPU，而我們發明了NVLink，將單個計算節點“向上擴展（scale up）”成一個巨大的計算伺服器機架。我們發明了機架級電腦的概念。我們交付的不是單個計算節點，而是整機架的電腦。然後，這個NVLink交換機的向上擴展系統，會使用Spectrum-X和InfiniBand進行“橫向擴展（scale out）”——這兩種方式我們都支援。更進一步，我們還使用Spectrum-X進行跨資料中心的擴展。因此，我們思考網路的方式實際上是一種延伸，我們開放性地提供一切，以便人們可以決定如何在不同的規模下進行混合和匹配，或者按照他們希望的任何方式將其整合到他們定製的資料中心裡。但歸根結底，這都是我們平台的巨大組成部分。NVLink的發明真正為我們的網路業務注入了渦輪動力。每個機架都配有九個網路交換節點，每個節點內部有兩個晶片。在未來，它們會有更多。所以，我們每個機架處理的交換量確實令人難以置信。我們現在也是全球最大的網路公司。如果你看看乙太網路領域，我們大約兩年前進入了乙太網路交換市場。我認為我們今天很可能已經是世界上最大的乙太網路網路公司，肯定很快就會名副其實。Spectrum-X乙太網路對我們來說是一個本壘打（巨大成功）。但我們對人們想要採用的任何網路方式持開放態度。有些人就是非常喜歡InfiniBand的低延遲和向上擴展能力，當然我們會繼續支援這一點；而有些人喜歡基於乙太網路在整個資料中心整合他們的網路。我們創造了一種乙太網路功能，將乙太網路與資料中心處理人工智慧的方式相結合，我們在這一點上做得非常出色。我們的Spectrum-X性能確實證明了這一點。當建立一個100億或200億美元的AI工廠時，在資料中心網路效率和利用率上那怕只有10%（很容易達到20%）的差異，這也將轉化為實打實的真金白銀。所以，輝達的網路業務真的、真的增長得非常快。我認為這只是因為我們在建構AI基礎設施方面非常有效，而且AI基礎設施業務的增長快得驚人。接線員 您的下一個問題來自Cantor Fitzgerald的CJ Muse。您的線路已接通。CJ Muse 下午好。感謝接受提問。鑑於大上下文窗口應用、Grok以及可能需要加入特定解碼解決方案的情況，我很好奇我們該如何看待你們未來的路線圖。 我們是否應該預期，根據工作負載或特定客戶進行定製化的晶片設計（Customized Silicon）將越來越成為輝達的重點？特別是借助於你們向“裸片互連/Chiplet架構（die-to-die/dial-in）”的轉變？非常感謝。Jensen Huang（黃仁勳） 不，我們不這樣認為。大家都應該希望儘可能地推遲使用裸片互連（die-to-die）。原因在於，每次你跨越一個裸片互連介面，你都增加了一道介面。每次跨越介面，你就會不可避免地增加延遲，無謂地增加功耗。我們並不排斥裸片互連技術，實際上我們已經在使用了，但我們儘量只有在別無選擇的情況下才使用它。所以，如果你看看Grace Blackwell架構和Rubin架構，我們使用的是兩塊達到光刻掩模極限（reticle-limited）的巨型晶片，並且將它們結合在一起，這樣減少了架構跨越。這種互連（介面）的損耗會在競爭對手的架構效能中顯現出來。說到輝達，人們常稱之為我們的軟體優勢，但究竟那裡是軟體的功勞，那裡是架構的功勞，其實很難區分。我們的軟體之所以高效，是因為我們的架構太優秀了。CUDA架構毫無疑問比市面上的任何計算架構都更有效、更高效，能提供更高的每瓦浮點運算性能，這是因為我們的架構設計方式。關於我們如何看待Grok以及低延遲解碼器，我有一些很棒的想法，希望能GTC大會上與你分享。但最簡單的理念是：得益於CUDA，我們的基礎設施具有令人難以置信的多功能性，我們將繼續保持這一點，我們所有的GPU在架構上都是相容的。這意味著，當我今天致力於為Blackwell最佳化模型時，所有這些針對最佳化軟體棧和新模型所付出的努力和投入，也會使Hopper受益，也會使Ampere受益。這就是為什麼在我們將其部署到世界各地數年後，A100依然感覺很新且性能依然出色的原因。架構相容性讓我們做到了這一點。它讓我們能夠在軟體工程和最佳化上投入巨資，因為我們知道，我們在雲端、本地、以及任何地方運行的各代GPU架構的整個安裝基數都將從中受益。我們將繼續這樣做，它讓我們能夠延長產品的使用壽命，賦予我們創新的靈活性和速度。這一切為我們的客戶轉化為性能，並非常重要的是——轉化為每美元性能和每瓦性能。所以，關於我們將與Grok做什麼，你來GTC大會就知道了。但我們將做的是，用Grok作為加速器來擴展我們的架構，這與我們當年用Mellanox擴展輝達架構的方式非常相似。接線員 下一個問題來自伯恩斯坦研究公司（Bernstein Research）的Stacy Rasgon。您的線路已接通。Stacy Rasgon 大家好，謝謝接受我的提問。Colette，我想深入探討一下關於全年環比增長的預期。本季度你們資料中心業務環比增長了超過100億美元，而業績指引似乎暗示這種勢頭將繼續。 隨著我們經歷這一年，尤其是當Rubin在這個間隔期內開始爬坡時，你如何看待這一趨勢？Blackwell帶來了非常大規模的環比增長加速，當我們過渡到Rubin時，我們是否應該期待類似的情況？ 另外，我也希望你能談談對遊戲業務的預期。我理解記憶體限制和其他一切問題。你認為遊戲業務在2027財年仍能實現同比增長嗎，還是因為記憶體問題將面臨更大壓力？請回答這兩個問題。謝謝。Colette Kress 謝謝，Stacy。讓我先從未來的營收開始說起。我們試圖逐個季度來看待營收情況。當思考全年時，毫無疑問我們仍將銷售和提供Blackwell，可能與此同時我們也看到Vera Rubin推向市場。這是一個非常棒的架構，能立刻幫助他們快速搭建系統。我們已經在多個不同客戶中規劃了許多不同的訂單來提供這款產品。目前還無法確定Vera Rubin在下半年早期的爬坡能佔多少比例，但毫無疑問，對其的需求和興趣是非常強烈的。我們預期幾乎每個客戶都會購買Vera Rubin。問題僅僅在於，我們推向市場的速度有多快，以及他們能在各自的資料中心裡多快將其搭建起來。這是你的第一部分問題。第二部分是關於我們的遊戲業務。儘管我們非常希望能有更多的供應，但我們確實認為在接下來的幾個季度裡，供應將會非常緊張。如果到年底情況有所改善，那麼從同比增長的角度來看還是有機會的。但目前我們判斷還為時過早，一旦有了更明確的消息，我們會盡快回覆你。接線員 您的下一個問題來自花旗銀行的Atif Malik。您的線路已接通。Atif Malik 感謝接受我的提問。仁勳，我很好奇你是否可以談談，隨著越來越多的AI投資流向推理工作負載，CUDA發揮的重要作用。Jensen Huang（黃仁勳） 如果沒有CUDA，我們在推理方面將不知所措。整個技術堆疊——從我們幾年前推出的TensorRT LLM（這仍然是世界上性能最高的推理棧）開始——為了在NVLink上對其進行最佳化，我們需要發現並行明建立在CUDA之上的新平行化演算法，以分配工作負載並進行推理，從而充分利用跨NVLink 72的聚合頻寬。NVLink 72使我們能夠實現跨代級的、50倍的單位能耗性能提升。這是令人難以置信的領先優勢，也是明智之舉。NVLink 72是一項偉大的發明，實現起來非常困難。發明這種交換技術、將交換機解耦、建構系統機架等等，所有這一切我們都是在眾目睽睽之下完成的，大家都知道這對我們來說有多難。但結果令人難以置信：每瓦性能提升了50倍，每美元性能提升了35倍。因此，推理能力的飛躍是極其驚人的。非常重要的一點是，大家要認識到，現在對我們的客戶來說，推理（Inference）就等於收入。因為智能代理（Agents）生成了如此多的Token，而且結果非常有效。當智能代理編寫程式碼時，它會生成幾千、幾萬甚至幾十萬個Token，因為它們會運行幾分鐘到幾個小時。這些代理式系統會衍生出不同的代理作為團隊協同工作。正在生成的Token數量真的、真的呈指數級增長。所以我們需要以更快的速度進行推理。當你以更快的速度進行推理，並且這些Token中的每一個都以美元計價時，這就直接轉化為收入。因此，對我們的客戶而言，推理性能就等於收入。對於資料中心來說，每瓦推理的Token數直接轉化為雲服務提供商（CSP）的收入。原因是每個人的電力都受限。無論你擁有多少資料中心，無論是100兆瓦還是1吉瓦，都有電力限制。所以，擁有最佳每瓦性能的架構就能轉化為收益，因為每瓦能產出的Token數——也就是每個Token都被計價後——轉化為每瓦的美元產出。在千兆瓦等級下，這直接決定了收入規模。你可以看到，現在每一個CSP、每一個超大規模企業都明白這一點：資本支出轉化為計算力。擁有正確架構的計算力意味著收入最大化，計算等於收入。如果現在不投資產能、不投資計算力，就不可能實現收入增長。我認為大家都明白這一點。選擇正確的架構極其重要，這不僅僅具有戰略意義，它直接影響他們的盈利能力，選擇正確的架構——即擁有最佳每瓦性能的架構——真的意味著一切。接線員 您的下一個問題來自Melius Research的Ben Reitzes。您的線路已接通。Ben Reitzes 你好，謝謝。首先讓我對你們在Non-GAAP業績中包含股票薪酬的做法表示讚賞，我認為這是一個很棒的舉措。但這並不是我的問題。我的問題是關於毛利率及其在長期內維持在75%左右（mid-70s）的可持續性。供應可見性延伸到2027自然年，我們是否能從中解讀出，在此之前這種毛利率是可持續的？另外，仁勳，那之後呢？你們是否能展示在記憶體消耗方面的創新，讓我們對毛利率長期保持在這一水平的能力感到更加安心？謝謝。Jensen Huang（黃仁勳） 影響我們毛利率最重要的一點，實際上是我們能否為客戶交付代際的性能飛躍。這是最單一、也是最重要的事情。如果我們能夠實現每瓦性能的代際飛躍，遠遠超過摩爾定律的步伐；如果我們能夠提供極高的每美元性能，遠超我們系統的成本和定價，那麼我們就能繼續維持我們的毛利率。這是一個最簡單、也是最重要的概念。我們之所以發展如此之快，首先是因為世界經歷了這幾個拐點後對Token的需求已經完全呈指數級增長。我想我們都看到了這一點。以至於連我們部署在雲端六年前的GPU都被完全消耗殆盡，而且定價還在上漲。所以我們知道，現代軟體開發方式所需的計算量正呈指數級增長。因此我們的戰略是，每年交付一個完整的AI基礎設施方案。今年，我們引入了六款新晶片（Rubin平台），下一代我們也會推出許多新晶片。每一代產品，我們都致力於提供X倍的每瓦性能和每美元性能飛躍。這種步伐，加上我們進行極致協同設計的能力，使我們能夠將這種價值和收益傳遞給客戶。只要這關乎我們交付的價值，這就是最至關重要的事情。接線員 您的下一個問題來自New Street Research的Antoine Chkaiban。您的線路已接通。Antoine Chkaiban 你好，非常感謝接受提問。我想問關於“太空資料中心”的問題，你們的一些客戶正在考慮這個想法。 你認為它的可行性有多高？時間表是怎樣的？現在的經濟效益如何？你認為這會隨著時間如何演變？謝謝。Jensen Huang（黃仁勳） 嗯，今天的經濟效益還很差，但這會隨著時間的推移而改善。正如你所知，太空中的工作方式與地球上截然不同。太空中有豐富的能源，需要巨大的太陽能電池板，但在太空中有著充足的空間。在散熱方面，太空確實很冷，但是沒有空氣流動。所以唯一能散熱的方式就是通過傳導。你需要製造的散熱器尺寸相當大。液冷顯然是不可能的，因為它很重而且會結冰。所以我們在地球上使用的方法與在太空中採用的方法會有所不同。但有許多不同的計算問題，確實很適合在太空中進行處理。所以，輝達已經有了世界上首個太空GPU，Hopper目前就在太空中。GPU在太空中最好的用例之一是成像。在太空中，利用光學技術和人工智慧，能夠以極高的解析度進行成像，能夠進行不同角度投影的計算，能夠提高解析度並進行降噪，擁有能在極高解析度和極大尺度下進行快速成像的視覺能力。要在地球上通過傳輸數PB（petabytes）的成像資料來完成這項工作是很困難的。直接在太空中處理會更容易。你可以忽略所有收集到的並在處理中發現無用的資料，直到你看到有趣的東西再回傳。因此，人工智慧在太空中將會有非常出色、非常有趣的應用。接線員 您的下一個問題來自Evercore ISI的Mark Lipacis。您的線路已接通。Mark Lipacis 你好，感謝接受我的提問。我想繼續探討關於在簡報中提到的收入多元化的問題。我相信Colette你提到過，超大規模計算企業佔了你們收入的50%以上，但業務增長卻是由其餘的資料中心客戶主導的。我只是想澄清一下，確保我理解對了。這是否意味著非超大規模客戶的增速更快？如果是這樣，你能否幫助我們理解一下，非超大規模客戶在做些什麼不同的事情？他們是在做與超大規模客戶不同的事情，還是在不同規模下做同樣的事情？你是否認為這種趨勢會持續下去？你是否預計你們的客戶群會演變到某個階段，使得非超大規模客戶成為你們業務的更大組成部分？謝謝。Colette Kress 好的，看看我們能否解答這個問題。當你想到我們提到的前五大CSP（雲服務提供商）和超大規模計算企業時，他們目前約佔我們總收入的50%。但在除此之外，還有各種類型的公司組織形式，具有極強的多樣性，這涵蓋了AI模型建構商、企業使用者、超級電腦構以及我們的主權AI客戶。此外還有很多其他不同的領域。你說的沒錯。這也是一個增長非常快的領域。我們不僅在所有各種雲提供商平台上佔據強勢地位，而且現在也在世界各地看到了極端多樣化的客戶群體。能夠看到這種多樣性並有能力服務於所有這些不同的群體，將極大地使我們受益。看看仁勳是否想再補充一點。Jensen Huang（黃仁勳） 是的，這是我們的生態系統建立在CUDA之上所擁有的優勢之一。我們是唯一一個進駐每一朵雲的加速計算平台，可以通過每一個電腦製造商獲得，並且在邊緣側可用。我們現在還在培育電信領域。很顯然，未來的無線電都將是由AI驅動的無線電，未來的無線網路也將是一個計算平台。這是不言而喻的定論，但總得有人去發明相關的技術來實現它。我們建立了一個名為Aerial的平台來做這件事。我們的技術搭載在幾乎每一個機器人、每一輛自動駕駛汽車中。CUDA能夠兼顧一方面通過GPU內的Tensor Core實現專用處理器的性能優勢，另一方面又具備極強的靈活性，這使我們能夠解決從語言問題、電腦視覺問題、機器人問題，到生物學問題、物理問題以及幾乎所有種類的AI和計算演算法問題。因此，客戶群的多樣性是我們擁有的最大優勢之一。第二點當然是，如果沒有我們自己的生態系統，即使我們的處理器是可程式設計的，如果我們不培育生態系統（就像我們今天談論投資未來生態系統並繼續強化生態系統那樣），我們很難突破僅僅在別人的生態系統中贏得幾個設計訂單（design wins）的侷限。由於我們建立的這個平台，我們可以非常自然地增長並擴大我們的生態系統。最後非常重要的一點是，我們與OpenAI、Anthropic、XAI和Meta建立的合作夥伴關係。當然，還有世界上幾乎所有的開放原始碼專案。Hugging Face上有150萬個AI模型。所有這些都在輝達CUDA上運行。如果把所有的開源模型加起來，可能代表著世界上第二大的模型集合（OpenAI是最大的，所有開放原始碼的集合可能是第二大的）。輝達能夠運行所有這一切，使得我們的平台具有極強的可替代性（fungible）、極其易用，並且值得放心投資。這創造了客戶的多樣性和平台的多樣性，並且因為我們支援全球的生態系統，所以能夠在每個國家/地區使用。接線員 您的下一個問題來自富國銀行的Aaron Rakers。您的線路已接通。Aaron Rakers 你好，感謝接受提問。我想順著平台和極致協同設計的理念問一下。過去一個季度裡的一些新聞指出，輝達有能力或正在推動將Vera CPU作為獨立的解決方案推向市場。仁勳，我很好奇，在我們向前發展的過程中，Vera在架構演進中扮演了什麼重要的角色？這是由推理工作負載的激增或異構性所驅動的嗎？我很好奇你如何看待它對於輝達的發展，尤其是基於獨立CPU的形式。謝謝。Jensen Huang（黃仁勳） 是的，謝謝提問。我會在GTC大會上告訴你更多細節。但從最高層面上講，我們在CPU架構上做出了與世界上其他CPU截然不同的根本性決策。它是唯一一款支援LPDDR5的資料中心CPU。它的設計初衷是專注於極高的資料處理能力。原因在於，我們感興趣的大多數計算問題都是資料驅動的，人工智慧就是其中之一。而Vera的單線程性能與頻寬的比例非常出色。我們做出這些架構決策，是因為在AI的整個流水線和不同階段（在進行訓練之前，你必須進行資料處理），涵蓋了資料處理、預訓練，以及現在的後訓練階段。現在AI正在學習如何使用工具。而許多工具的使用環境是在僅有CPU的環境中運行，或者在CPU與GPU加速相結合的環境中運行。Vera的設計旨在成為一款用於後訓練階段的卓越CPU。因此，在人工智慧整個流水線中的一些用例，包括了使用大量的CPU。我們既喜歡GPU，也同樣喜歡CPU。當你像我們一樣將演算法加速到極限時，阿姆達爾定律（Amdahl's Law）表明，你需要非常非常快的單線程CPU。這就是為什麼我們把Grace架構建構得在單線程性能上極其出色的原因，而Vera的性能比那還要好得出奇。接線員 您的下一個問題來自瑞銀集團的Tim Arcuri。您的線路已接通。Tim Arcuri 非常感謝。 Colette，我想知道你能否談談關於資本部署的問題。我知道你們大幅提高了採購承諾規模，聽起來你們可能已經度過了投資高峰期，而且今年你們可能會產生大約1000億美元的現金。然而，不管業績有多好，股價似乎並沒有漲太多。所以我認為你們可能會覺得目前的價位是回購大量股票的一個相當不錯的價格。我想知道你能否談談這個。問題是，為什麼不立下一個重大目標，在這裡進行一次大規模的股票回購呢？謝謝。Colette Kress 謝謝你的提問。我們非常謹慎地審視我們的資本返還計畫。我們確信，我們能做的最重要的事情之一，就是真正支援擺在我們面前的宏大生態系統。這涵蓋了方方面面：從我們的供應商，到為確保供應鏈安全並幫助他們提升產能我們所需做的工作，一直延伸到在我們平台上開發AI解決方案的早期開發者。因此，我們將繼續把這（投資生態）作為我們流程和戰略投資中非常重要的一部分。當然，我們也仍在回購我們的股票。我們也在繼續發放股息。我們將繼續在這一年中尋找合適的特定機會來進行這些回購。接線員 您的最後一個問題來自高盛公司的Jim Schneider。您的線路已接通。Jim Schneider 感謝接受我的提問。仁勳，你之前曾概述過，到2030年資料中心資本支出有可能達到3兆到4兆美元，這意味著增長率可能會加速，你也在接下來的季度指引中暗示了這一點。 我的問題是，你認為最有可能驅動這種拐點的關鍵應用有那些？是物理AI、代理式AI還是其他什麼？你仍然對3兆到4兆美元的市場預期感覺良好嗎？謝謝。Jensen Huang（黃仁勳） 是的，讓我們退一步，從幾個不同的角度來推理一下。首先，從第一性原理來看。未來開發軟體的方式是利用AI驅動的軟體。使用AI是由Token驅動的。我想大家都在談論代幣經濟學（Tokenomics），談論資料中心生成Token，推理的本質就是生成Token。我們在生成Token，剛才還談到了輝達的NVLink72如何使我們在單位能耗上以比上一代高出50倍的性能來生成Token。因此，在未來，Token生成幾乎處於所有與軟體和計算相關事務的中心位置。回顧我們過去使用計算的方式，過去軟體所需的計算量，僅僅是未來所需的一小部分。AI已經來了，且不會倒退，AI只會變得越來越好。所以，如果你想一下，過去世界每年在經典計算上的投資大約是3000億到4000億美元。而現在AI到來了，所需的計算量比我們過去計算方式所需要的要高出一千倍。計算需求就是高出很多很多。只要我們繼續相信這其中有價值（我們稍後會談到這一點），世界就會投資於計算能力來生產這些Token。因此，世界所需的Token生成能力，遠遠不僅是7000億美元所能涵蓋的。我相當有信心，從現在起，我們將繼續生成Token，我們將繼續投資計算能力。因為從根本上說，每家公司都依賴軟體，每個軟體都將依賴AI。因此，每家公司都會生產Token。這就是我稱它們為“AI工廠”的原因。如果你的公司身處雲資料中心，你擁有AI工廠為你的收入生成Token；如果你是一家企業級軟體公司，你將為你工具上的代理式系統生成Token；如果你是一家機器人製造商（自動駕駛汽車就是其最初的表現形式），你將擁有巨大的超級電腦（本質上就是AI工廠）來生成輸入到你汽車中的Token，成為它的AI大腦。然後你還必須把電腦放在汽車裡，持續不斷地生成Token。所以，我們現在非常確定這就是計算的未來。那麼，為什麼我們如此確定這就是計算的未來呢？原因在於我們過去製作軟體的方式是預先錄製的。所有的東西都是先驗捕捉好的。我們預編譯軟體，預先編寫內容，預先錄製視訊。但現在，一切都是即時生成的。當它即時生成時，它可以將人的背景、所處的場景、查詢的內容以及意圖都考慮在內，以生成這種被稱為AI（或代理式AI）的新型軟體的結果。因此，它所需的計算量遠遠、遠遠大於預先錄製好的。正如電腦擁有比預先錄製內容的DVD播放器多得多的計算能力一樣，人工智慧需要的計算能力也遠大於我們過去做軟體的方式。關於計算可持續性的問題，首先在電腦科學層面，這就將是未來計算的方式。其次在產業層面。歸根結底，所有公司都由軟體驅動，雲服務公司由軟體驅動；如果新軟體需要生成Token，且這些Token是可以變現的，那麼順理成章地，他們資料中心的建設將直接驅動他們的營收。計算驅動營收，我想他們都明白這一點，我認為外界也越來越多地開始明白這一點了。最後，AI為世界創造的效益最終必須能轉化為收入。我們正親眼看著它發展，正如我們現在所處的階段，代理式AI已經到了一個拐點。這實際上就發生在過去的兩三個月裡。當然，在行業內部，我們看到這個趨勢有一段時間了，大概有六個月左右，但現在整個世界都已經覺醒，意識到了代理式AI的拐點。代理（Agents）超級聰明，它們正在解決實際問題。程式設計工作顯然現在是由代理式系統輔助的，我們輝達內部所有的程式設計師都在大量使用代理式系統，無論是Claude Code、OpenAI Codex，還是Cursor，經常取決於用例而三者並用。但他們擁有了代理和協同設計的工程夥伴來幫助他們解決問題。你可以看到這幾家公司的營收在飆升。以Anthropic為例，我認為他們的營收在一年內增長了10倍，而且他們嚴重受限於產能，因為需求實在是令人難以置信。對Token的需求令人難以置信，Token生成率呈指數級增長。OpenAI也是一樣，他們的需求非常驚人。因此，他們能建立並上線的計算能力越多，他們的收入增長得就越快。這又回到了我之前的觀點：推理就是收入，在這個新世界裡，計算等於收入。從很多方面來看，這就是為什麼我們說這是一場新的工業革命。新的工廠、新的基礎設施正在建設中，這種新的計算方式不會倒退。因此，只要我們相信生成Token將是計算的未來——我堅信這一點，我認為整個行業也大抵相信這一點——那麼從現在起我們將繼續建設這種能力，並從這裡繼續擴張。目前我們正在經歷的浪潮是代理式AI的爆發；而在此之後的下一個拐點，是將物理AI以及這些代理系統引入物理應用中，比如製造業，比如機器人技術。所以，前方存在著巨大的機會。分析師 好的。接線員 問答環節到此結束。我將把會議交給Toshiya Hari。Toshiya Hari 在會議結束之際，請注意，黃仁勳將於3月4日在舊金山參加摩根士丹利TMT（科技、媒體及電信）會議的爐邊談話。他還將於3月16日在聖何塞的GTC大會上發表主題演講。我們討論2027財年第一季度業績的電話會議定於5月20日舉行。感謝大家今天的參與。 接線員，請結束會議。接線員 謝謝。今天的電話會議到此結束。您現在可以掛斷了。會議已結束。 (invest wallstreet)
【輝達財報】電話會詳解&全文：“AI工業革命”才剛剛開始！黃仁勳高呼代理AI拐點已至，“推理即收入”
美股#輝達#財報#黃仁勳
•

AI將比工業革命大100倍，普通人最值得做這一件事

在昨天達沃斯世界經濟論壇上，Google DeepMind的CEO、諾貝爾獎得主戴密斯·哈薩比斯說出了一個讓全場震驚的判斷：“AI帶來的變革，將是工業革命的10倍規模、10倍速度。”主持人迅速接話：“那就是100倍。”“是的，100倍。”哈薩比斯確認道。無獨有偶，就在幾天前，矽谷傳奇投資人馬克·安德森也在一場播客中拋出類似觀點：“為什麼一切即將擴大十倍？因為當技術發生根本性突破時，基於現有市場資料的預測完全失效。”問題是：在這場百年未見的巨變中，普通人的最佳機會在那裡？答案可能讓很多人意外，也讓一些人不屑一顧。普通人最值得做的，不是去學 Python 程式設計，不是去捲大廠職位，更不是去all in 炒幣，而是成為一名內容創作者，或者更準確地說，成為一家“一人公司”（One-Person Business）。因為這是人類歷史上，個人槓桿率最高、門檻最低、上限最高的一次機會窗口。AI時代的真正衝擊：不是失業，而是工資制度本身的衰亡一、一篇文章，1.5億瀏覽量2025年1月12日，一個叫Dan Koe的美國人在X（原推特）上發了一篇長文，標題是《How to fix your entire life in 1 day》（如何在一天內修復你的整個人生）。一周後，這篇文章的瀏覽量突破了1.5億。1.5億是什麼概念？X全球月活使用者約6億——意味著平台上每四個人，就有一個看到了這篇文章。有人好奇這篇文章賺了多少錢。Dan Koe曬出了X平台14天的分成：4495美元。1.5億瀏覽量，才賺4495美元？但Dan Koe去年的總收入是400多萬美元。錢從那來的？來自他的付費訂閱、書籍銷售、AI工具銷售。所有這些，都建立在他六年如一日的內容創作之上。那篇爆款文章不是終點，而是漏斗的入口。1.5億瀏覽量意味著品牌曝光和信任積累，真正的收入來自那些被內容吸引、進而購買他產品的一小部分人。Dan Koe的收入曲線是這樣的：2019年：1萬美元2020年：10萬美元2021年：15萬美元2022年：80萬美元2023年：250萬美元2024年：400萬美元+六年，從1萬到400萬。他說了一句話，我覺得值得每個人記住：“Please for the love of all things holy don't quit after 2 months.” 拜託，千萬別兩個月就放棄。Dan Koe的故事之所以值得關注，不是因為他是個例外，而是因為他代表了一種正在崛起的新物種：超級個體。一個人，借助網際網路和AI，做著過去需要一整個團隊才能完成的事。而這個物種的數量，正在以指數級增長。二、為什麼是內容創作——三大底層改變你可能會說：這不就是個網紅故事嗎？每個時代都有幾個幸運兒。此言差矣。這不是運氣，而是底層邏輯的改變。我們可以從用三個維度來解釋。【邏輯一：供給驅動的市場爆發】馬克·安德森的基金a16z投資了Substack（一個付費的寫作平台）。很多人不理解：寫作能有多大市場？安德森的回答是：“傳統市場分析完全失效。”他解釋說，在Substack出現之前，許多才華橫溢的作者被困在傳統媒體機構中，受限於機構的立場或商業模式，無法自由表達或從中獲利。這導致了一個巨大的“供給缺口”。而當你提供一種新的變現機制，你就能憑空創造出原本不存在的供給——那些原本不寫作或無法獨立生存的作者。這些新供給會進而激發原本不可見的潛在需求。“Substack不僅僅是替代了舊報紙，它可能將內容產業的市場規模擴大10倍甚至1000倍。”這就是“供給側解鎖”的威力。過去人們批評網際網路充滿了短影片和貓片，認為使用者只想當“沙發土豆”。但這種批評忽略了市場的啞鈴型結構——雖然大眾娛樂有巨大市場，但在另一端，對於高品質、深度內容的潛在需求同樣驚人。長播客的成功就打破了“使用者注意力只有幾秒鐘”的迷思——只要供給質量足夠高，使用者願意花3小時觀看。問題從來不是缺乏需求，而是缺乏優質的供給。而AI，正是人類歷史上最大的供給側變革。過去，一個人想做內容創作，需要會寫作、會剪輯、會設計、會營運。現在，AI可以幫你完成其中80%的執行工作。門檻降低了，但這不意味著價值消失——恰恰相反。安德森特別提到一個概念：“非同質化作者”。AI可以生成大量平庸的內容，這反而讓真正獨特、具備個人品牌的作者變得更有價值。Substack實際上是在通過技術手段，讓這些“非同質化”的個體得以建立自己的商業帝國。尖峰報告：穩定幣到底是一場怎樣的財富大轉移？【邏輯二：納瓦爾的“槓桿三要素”】矽谷傳奇天使投資人納瓦爾·拉瓦坎納有一套著名的“致富框架”，被無數人奉為圭臬。其核心是三個要素：1. 特殊知識（Specific Knowledge）：你獨特的經歷、洞察、表達，這是無法被培訓、無法被覆制的。納瓦爾說：“特殊知識往往來自你的熱情和好奇心，而不是去學當下最熱門的東西。”2. 責任（Accountability）：用自己的名字承擔風險。社會獎勵那些有勇氣在自己名下冒險的人。大多數人不敢，所以敢的人獲得超額回報。3. 槓桿（Leverage）：讓你的投入產出比遠超1:1。關於槓桿，納瓦爾有一句堪稱劃時代的觀點：“程式碼和媒體是無需許可的槓桿。”什麼意思？傳統槓桿（資本、人力）需要別人的許可——你要融資、要招人。但程式碼和媒體不需要。你今天就可以開始寫作、錄視訊、做播客，不需要任何人批准。他還說：“這是全新的槓桿形式，也是最民主的形式。它是邊際成本為零的產品複製——包括書籍、媒體、電影和程式碼。所有新財富都是從這裡產生的。”“只要你是最好的，網際網路今天使任何小眾興趣都能規模化擴展。”內容創作，恰好同時滿足這三個要素：你用自己的名字（責任），分享你獨特的思考（特定知識），通過網際網路觸達數百萬人（槓桿）。而正如納瓦爾所言，“學會銷售，學會建構。如果你兩樣都會，你將勢不可擋。”內容創作本質上就是在學習銷售，銷售你的想法、你的人格、你的世界觀。都2026年了，全世界最會搞錢的這群大聰明為什開始狂搞自媒體？【邏輯三：AI放大器效應——一個人就是一支團隊】Dan Koe是怎麼工作的？根據矽谷著名連續創業者Greg Isenberg的消息和分析，Dan Koe每天早上打開ChatGPT和Claude，像使用內部策略團隊一樣使用它們。他會把表現最好的帖子喂給AI，讓AI分析隱藏的模式——結構、節奏、好奇心缺口、情感回報。然後他建立一套可重複的系統，把2小時的工作變成7天的內容。他的核心方法是：1. 在Twitter上快速驗證：每天寫兩三條高密度帖子，那條火了，就是市場訊號。2. 一個來源驅動所有內容：把驗證過的想法擴展成Newsletter，Newsletter變成YouTube指令碼，再跨平台復用到LinkedIn、Instagram、Threads、Shorts。3. 用AI壓縮研究時間：把長視訊丟給Claude，6小時的研究壓縮成1000字摘要，再與自己的素材庫比對，找到獨特角度。他有一套“提示詞堆疊”：YouTube標題生成器（基於他表現最好的15個標題訓練出30個新標題）、深度帖子生成器（提取悖論、轉變弧線、行動步驟）、內容創意生成器（根據驗證過的格式輸出60個推文創意）。哈薩比斯在達沃斯說了一句話，精準描述了這種狀態：“你可能能夠做到過去需要10個人才能完成的工作。如果你有創業精神，在遊戲設計、電影、項目方面有創意，你可能比過去更容易進入這些行業。”一個人，就是一家公司。一個人，就是一支團隊。這在人類歷史上從未發生過。三、為什麼不是程式設計或投資？你可能在想：為什麼偏偏是內容創作？做軟體不行嗎？打工不行嗎？創業不行嗎？讓我一個個說。【做軟體？在國內C端幾乎賺不到錢】前幾天跟朋友聊天，他說了一句話讓我印象深刻：“身邊做AI的人很多，但在國內做C端AI產品賺到錢的，除了賣課，好像真想不到其它的了。”做出海的有，給企業做解決方案的有，搞培訓教課的也有。但國內C端AI產品，要麼做了但沒賺到什麼錢，要麼做得很小眾，養活自己都勉強。AI熱了這麼久，國內使用者量也不小，按理說C端應該有機會。但實際情況是，大家寧願去做ToB、做出海，就是不碰國內C端。為什麼？因為做了發現賺不到錢。國內使用者付費意願本來就低，AI產品又特別容易被覆制，你剛做出個東西，就有一堆類似的。外加大廠直接免費送，用流量和錢砸你。一個小團隊，沒能力跟人家耗。但內容不一樣。內容的護城河是你這個人。你的經歷、你的表達、你的人格；這些沒法被覆制，沒法被大廠砸錢砸掉。【打工？你只是個時日不多的螺絲釘】Anthropic（claude模型的母公司）的CEO Dario Amodei阿莫戴伊在達沃斯說，AI可能在5年內消滅50%的入門級白領工作。哈薩比斯雖然認為時間線會更長，但他承認今年就會開始看到一些跡象，比如入門級工作和實習崗位的減少。而Node.js的創始人Dahl今天就在推特上表示，“人類編寫程式碼的時代已經結束。”“黑天鵝之父”塔勒布有一句很經典也很扎心的話：“最危險的毒品有三種：海洛因、碳水化合物，和月薪。”打工者用時間換錢，永遠無法獲得槓桿。你的價值被鎖死在每小時、每月能產出多少。我看到網友的一段話，寫得還是很有道理的：“別跟我扯行業、崗位、背景。那怕你是技術崗，不會曝光、不敢說話、沒人知道你，你就是個隨時可替換的螺絲釘。”很多人還在賭一件事：熬。熬資歷，熬年頭，熬到高級經理。但你算過機率嗎？能熬上去的那點人，不比做出一個自媒體號多，甚至更少。而且更殘酷的是：你熬輸了，啥都沒留下；你做自媒體，那怕失敗，至少留下了內容、曝光、經驗和認知。現在這個年代，影響力就是簡歷。不是你寫給HR的那張紙，是市場天天給你打的分。【傳統創業？門檻太高，風險太大】傳統創業需要：資金、團隊、供應鏈、辦公室……內容創業只需要：一台電腦、你的思想、持續輸出。Dan Koe總結了一個“新商業劇本”：“先做創作者→ 建立受眾 → 積累現金和槓桿 → 享受生活……或者用它來啟動創業。”內容創作是所有事情的“前置任務”。你先有了受眾和信任，再做任何生意都事半功倍——無論是賣課、賣產品、做諮詢、還是真的去創業融資。這也是為什麼越來越多聰明人的路徑變成了：先建立個人品牌，再考慮下一步做什麼。因為有了受眾，你做什麼都有人買單；沒有受眾，你做什麼都是從零開始。【一個正在成型的共識】我越來越相信一個判斷：未來所有工作都將是：專業技能 + 自媒體。你會什麼固然重要，但是有多少人知道你更重要。沒人認識你，不能被看到，你就不值錢。再努力，也只是更便宜的努力。要麼早點把自己當成一門生意來經營，要麼等著被現實教育：公司不養閒人，時代不等無名者。四、為什麼現在是最好的時代？Sahil Bloom，《五種財富》的作者，另一位成功的內容創作者，在一次播客中說了一段話，我覺得是對這個時代最好的註解：“我可以坐在書桌前，每周寫一份新聞通訊，觸及全球數百萬讀者。可能是印度的18歲青年，也可能是內布拉斯加州的90歲老人，但他們可以在我還活著的時候，即時閱讀和參與這些想法。這是多麼不可思議的時代？”他說得對。這確實是人類歷史上成為內容創作者的最佳時機。原因有幾個：【前所未有的全球觸達能力】數位化創作工具讓個人能夠突破地理限制，通過網際網路直接與全球受眾即時互動。這是歷史上前所未有的傳播規模。過去，你想讓一百萬人聽到你的聲音，需要出版社、電視台、報社。現在，你只需要一個帳號和持續輸出的內容。納瓦爾說過，“網際網路使任何小眾興趣，只要你是最好的，都能規模化擴展。”在網際網路之前，全世界最好的手沖咖啡師可能只在一個小鎮上被認可。現在，他可以通過YouTube教全世界的人沖咖啡，賣課程、賣咖啡豆、接代言。【複利式影響力積累】Sahil Bloom提到一個概念：內容創作的本質是複利。“給朋友發條簡訊會產生未來人際關係的複利效應。”每個微小創作單元（文章、視訊、推文）都是在建構持續增值的數位資產池。你今天寫的文章，可能五年後還在為你帶來流量和客戶。他提出的“每日解決一個問題”方法，將內容生產轉化為可積累的長期影響力工程。不是追求每篇都爆，而是持續建立一個資訊庫，讓時間成為你的朋友。納瓦爾也說過類似的話：“所有生活中的回報，無論是財富、關係還是知識，都來自複利。”內容是少數幾種可以複利的資產。【對抗社會連接悖論的機遇】我們處在一個奇怪的時代：技術連接與現實疏離並存。每個人都線上上，但真正的深度連接越來越稀缺。這恰恰是內容創作者的機會。優質內容創作成為稀缺的情感連接管道。通過深度觀點分享（播客、長文、視訊），創作者能建立超越表層社交的實質精神聯結。這也是為什麼Dan Koe那篇文章能有1.5億瀏覽量：人們渴望有人告訴他們如何修復自己的人生，渴望有人提供方向感。誰能持續提供這種價值，誰就能建立起最深的信任。【非線性成功的可能性】Sahil Bloom自己就是例子：“從高薪工作轉型寫作卻獲得更大成就。”數字時代的內容價值評估體系（閱讀量、互動深度、社會影響）已超越傳統財務標準。個人專業知識（如金融、技術、設計）可通過內容產品化轉化為多維財富——時間自由、社會影響力、被動收入。傳統路徑是線性的：升職、加薪、慢慢積累。內容創作的路徑是非線性的：可能很長時間沒有反饋，然後突然爆發。Dan Koe的收入曲線就是這樣，前三年才從1萬到15萬，但後三年從15萬到400萬。這就是槓桿的威力：一旦找到了產品-市場匹配，增長是指數級的。五、但時間窗口正在關閉哈薩比斯在達沃斯說了一句讓我印象深刻的話：“通常這樣的轉變需要一到兩代人，但這次的速度和變革的規模都是前所未有的。”這意味著什麼？意味著先發優勢的窗口期極短。Dan Koe花了六年建立起17萬郵件訂閱者和數百萬社交媒體粉絲。這六年積累的信任，是AI無法複製的。而現在，AI降低了入門門檻，但同時也讓競爭更加激烈。在Dan Koe那篇文章爆火後，X平台上已經湧現出大量模仿者，各種AI技能教學和勵志文章，什麼“How to change your life in 2026”“The one skill you need”“Why most people will never succeed”……結構一樣，圖片風格一樣，連“讓我告訴你真相”的語氣都一模一樣。這種寫法甚至成了一個meme，引發了大量模仿和惡搞。但爆火的依然是Dan Koe，而不是模仿者。為什麼？一方面，信任需要時間積累。Dan Koe寫了六年，有真實的失敗經歷和可追溯的成長歷程。AI可以模仿他的句子結構，但無法複製那段歷史。另一方面，超級個體賽道已經非常擁擠。每個人都想成為下一個Dan Koe——他的學員們的目標通常都是“建立個人品牌”“通過內容創作變現”“逃離朝九晚五”。Dan Koe自己也說：今年，你將與大量使用AI的寫作者競爭。但不用擔心，因為這正是你真正的聲音和思考方式閃耀的時候。AI是一個資料庫，它繪製地圖，但你的寫作可以朝任何方向走，可以比AI更快地調整。作為一人企業，這是你的優勢。這就是時間窗口的意義：越早開始，你就越有可能在AI氾濫的時代建立起不可替代的信任資產。等到所有人都在用AI寫內容的時候，唯一能脫穎而出的，就是那些有真實積累、有獨特視角、有人格魅力的人。而建立這些，需要時間。窗口不會永遠開著。六、所以，從今天開始哈薩比斯在達沃斯說，面對這場100倍的變革，他對人類保持樂觀：“我們極其適應性強，因為我們的心智是如此通用。”他給年輕人的建議是：“精通這些新工具，成為這些工具的原生使用者。這幾乎相當於給你超能力。”納瓦爾說得更直接：“成為世界上做你所做之事最好的人。不斷重新定義你做的事，直到你真的是最好的。”這不是關於賺錢的故事。這是關於在AI時代找到“不可替代”位置的故事。AI可以寫程式碼，可以生成圖像，可以分析資料，但AI無法成為“你”。你的經歷、你的思考、你的表達、你的故事，這些是真正的稀缺資源。而內容創作，就是把這些稀缺資源轉化為可複利資產的最佳方式。所以，從今天開始。用你的名字，分享你的思考。不需要完美，不需要許可，不需要等待。但正如Dan Koe所說，千萬別兩個月就放棄。至於具體怎麼做？如何找到自己的定位？如何建立內容飛輪？如何用AI提升效率而不是被AI替代？網上已經有很多套路，或者問AI也可以拿到標準答案。但是，如果你想要更系統更特殊的方法論和實操指南，歡迎加入經叔的知識星球，今年會有更多關於“一人公司”的獨家內容，幫助大家抓住時間窗口。但在那之前，最重要的是——先開始。【懂】 (不懂經)
AI將比工業革命大100倍，普通人最值得做這一件事
科技#AI#工業革命#達沃斯
•

矽谷掀桌！知名科技分析師說出真相，AI遠沒到工業革命的等級，奧特曼聽完直接就懵了！

如果今年你只想花時間去真正搞懂AI到底是怎麼一回事，那我強烈、強烈推薦你去看科技分析師本尼迪克特·埃文斯的最新那場訪談。真的，我從沒想過一個長達一小時、資訊密度極高的對談，能讓我看得如此酣暢淋漓。在這個AI話題已經快被聊爛的時代，我們每天都被各種極端言論轟炸，不是“人類末日將至”就是“奇點臨近永生”。這種巨大的撕裂感讓人焦慮，你根本不知道該信誰。而埃文斯用商業的冷酷邏輯，把那些浮在天上的泡沫一個個戳破，讓你看清地面上到底在發生什麼。看完之後，很多糾結了很久的問題，瞬間就有了答案。下面就是我消化後，覺得最精華的一些想法，分享給你。他首先給我們拋出了一個坐標系，用來衡量這波AI浪潮的規模。AI很重要，重要到會在未來十年裡，像移動網際網路一樣，成為無數新產品、新商業模式誕生的土壤。他說，AI是自iPhone以來最重要的一次平台級變革，但它也僅僅是自iPhone以來最重要的一次變革。但這事兒還沒到工業革命那種改變人類文明形態的等級。它是有歷史先例可循的。有了這個坐標，你就不會輕易被那些極端言論帶跑偏，你能更理性地去審視，機會在那裡，風險又在那裡。而當我們談論歷史先例時，最常被濫用的就是那個關於柯達的陳年雞湯。我們總被告誡，柯達是因為無視了自己發明的數位技術，才被時代拋棄。但埃文斯告訴我們，這完全是胡說八道。事實是，柯達不僅沒有無視，反而是全身心投入，甚至一度做到了美國數位相機市場的銷量第一。真正幹掉它的，是兩個更殘忍的商業現實。第一，隨著智慧型手機和社交媒體的崛起，人們不再需要列印照片了，柯達最賺錢的印相紙業務瞬間歸零。第二，膠卷時代，柯達憑藉專利壁壘，享受著高利潤的壟斷地位；而數位相機，是一個誰都能做的低利潤紅海市場，柯達沒有任何優勢。所以，柯達的沒落，是因為商業模式的坍塌。這自然就引出了今天最大的一個問題：那些網際網路巨頭，比如Google，是不是因為擁有海量的使用者資料，就在AI時代擁有了不可撼動的護城河？埃文斯的答案是，未必。因為訓練一個強大的基礎大模型，需要的是覆蓋人類知識方方面面的、海量且高品質的通用文字。任何一家公司的自有資料，無論多麼龐大，都只是這個巨大知識庫裡的一小部分，甚至可能是質量不高的一部分。他那個著名的例子就是，Meta在訓練自家模型時，發現自己平台上的所有使用者資料還不夠用，甚至“不是AI想要的那種文字”，最後不得不去網上找盜版電子書的語料庫。這瞬間就把所謂的資料霸權拉下神壇，也意味著AI競賽的起跑線，比我們想像的要平坦得多，給了無數創業公司與巨頭同台競技的機會。既然大家用的基礎原料都差不多，那最終的產品，自然也難以形成本質的區別。所以今天市面上所有的AI聊天機器人，本質上都是同質化的商品。它們的使用者體驗都驚人地一致：一個輸入框，一個輸出框。這種產品形態的趨同，意味著目前還沒有那家公司建立了真正的產品壁壘。領先者之所以領先，更多是依靠品牌先發優勢和使用者心智的佔領，而不是產品本身有多麼不可替代。另外，它還沒有形成真正的網路效應。你用Google搜尋，你的搜尋行為會成為資料，讓搜尋結果變得更好。你用微信，是因為你的朋友都在上面。但你用ChatGPT，並不會直接讓我的ChatGPT變得更好用。這種網路效應的缺失，讓整個戰局充滿了變數。當產品本身高度同質化，且尚未形成網路效應時，我們就能理解為什麼AI的真實使用者普及情況，和媒體渲染的熱度存在巨大溫差了。資料顯示全世界只有大約10%的人每天在用AI聊天機器人，還有一大批人，在好奇心驅使下嘗試過一次後，就再也沒有打開過。這是因為在大多數人的日常工作生活中，根本就找不到一個足夠剛需、足夠高頻的使用場景。所謂的史上最快破億使用者，很大程度上只是因為它是一個免費的網站，點一下就能用，和當年需要花錢買電腦、買手機的平台遷移，完全沒有可比性。所以你看，把這些觀點串起來，一幅清晰的圖景就浮現了。AI的未來，主要還是看某個產品能不能找到一個真實的使用者場景，並建構起真正的商業壁壘。 (Meme知識)
矽谷掀桌！知名科技分析師說出真相，AI遠沒到工業革命的等級，奧特曼聽完直接就懵了！
科技#矽谷#科技分析師#AI
•

【GTC】黃仁勳GTC十月主旨演講: 開啟AI新紀元, 新工業革命的藍圖

城主說|昨晚在華盛頓特區的GTC大會上，NVIDIA創始人兼CEO黃仁勳 整個行業描繪了一幅通向新工業革命的詳盡藍圖。在近兩個小時的演講中，他系統性地闡述了AI如何從根本上重塑計算範式，並行布了革命性的Blackwell平台，定義了“AI工廠”這一全新基礎設施概念。這是一次產品迭代，也是一場關於未來生產力、創新乃至國家競爭力的宣言。昨晚做了這場演講, 輝達的市值已經馬上要突破5兆了..核心觀點摘要“人工智慧不是一個工具，人工智慧是工作。這是深刻的差異。實際上，人工智慧是可以真正使用工具的工人。”“摩爾定律已經基本終結……我們稱之為極限協同設計。輝達是當今世界上唯一一家真正從一張白紙開始，可以同時考慮新架構、新晶片、新系統和新軟體的公司。”“我這裡所說的電腦就是一個工廠。它運行人工智慧，其目的是為了生產儘可能有價值的代幣……這絕對是一個AI工廠。”“一方面，GB200（Blackwell）是最昂貴的電腦。另一方面，它的令牌生成能力非常強大，以至於它以最低的成本生成令牌。”“物理AI需要三台電腦：一台用於訓練模型，一台用於在數字孿生中模擬，一台用於操作機器人。這三台電腦都運行CUDA。”“就像電力和網際網路一樣，人工智慧是必不可少的基礎設施。每家公司都會使用它。每個國家都會建構它。”“從亞利桑那州和印第安納州的矽片到德克薩斯州的系統，Blackwell和未來輝達AI工廠的各個世代都將在美國製造。”加速計算：超越摩爾定律的唯一路徑演講的開篇，黃仁勳直指當前計算行業面臨的根本性挑戰：摩爾定律的終結。他指出，電晶體數量的增長已無法帶來同等的性能與功耗最佳化。“登納德縮放定律在大約十年前就已經停止了……那個時刻現在已經到來了。” 在這個物理定律的瓶頸期，傳統CPU的順序處理模式已難以為繼。輝達的答案，是其耗費三十年心血建構的“加速計算”範式。黃仁勳強調，GPU本身固然重要，但其真正的護城河在於龐大而成熟的CUDA生態系統。“大多數人談論的是GPU。GPU很重要。但是如果沒有一個位於其之上的程式設計模型……開發者就不會以這個計算平台為目標。” 從用於晶片製造的計算光刻庫CuLitho，到加速SQL的CuDF，再到醫學影像的MONAI和量子計算的CuQuantum，英偉-達擁有超過350個專業庫。這構成了一個強大的軟體壁壘，使得各行各業的開發者能夠無縫利用GPU的平行計算能力，解決通用計算無法觸及的複雜問題。這不僅僅是硬體的勝利，更是生態的勝利。“AI工廠”：新工業革命的核心基礎設施黃仁勳此前提出的最顛覆性的概念，無疑是“AI工廠”。他徹底重塑了我們對資料中心的認知。傳統資料中心是資訊儲存和多種應用運行的通用設施，而AI工廠的目標則極為專一：生產智能。“這絕對是一個AI工廠。它不像過去的資料中心……這個工廠只生產一種東西……那些被稱為令牌的數字。” 令牌，是AI理解和生成資訊的單位，可以是文字、圖像、化學結構，甚至是機器人的動作。黃仁勳認為，隨著AI模型從簡單的預訓練發展到需要大量計算進行“後訓練”和即時“思考推理”，對計算資源的需求正在經歷雙重指數增長：一是模型本身複雜度帶來的計算需求；二是模型越智能、應用越廣泛，使用者越多，從而產生的計算需求。這個“良性循環”正以前所未有的壓力衝擊著全球的計算能力。“這個虛擬循環現在正在運轉。我們需要做的是大幅降低成本，這樣一來……通過降低成本來保持這個虛擬循環的運轉。” 因此，“AI工廠”的終極目標，就是以最低的成本、最快的速度，生產出最智能的令牌。Blackwell平台：極限協同設計的革命性產物為了實現AI工廠的極致效率，輝達推出了革命性的Blackwell平台。黃仁勳將之稱為“極限協同設計”的產物，其重要性被類比為“自IBM System 360以來最徹底的電腦重塑”。協同設計意味著輝達不再僅僅設計晶片，而是將晶片、系統、高速互聯（NVLink）、網路（Spectrum-X）乃至整個機架作為一個單一的、完整的計算單元進行設計。“你不能僅僅設計晶片，然後寄希望於它上面的東西會變得更快……我們需要復合指數，以保持這個虛擬循環的持續。” 這種全端式的協同設計，帶來了驚人的性能飛躍。黃仁勳引用第三方基準測試資料稱，Grace Blackwell（GB200）的性能是上一代H200的10倍。更關鍵的商業邏輯在於成本。“一方面，GB200是最昂貴的電腦。另一方面，它的令牌生成能力非常強大，以至於它以最低的成本生成令牌。” 這種極致的性價比，確保了AI“良性循環”得以持續，也讓Blackwell成為全球雲服務商和AI公司建設下一代AI工廠的核心引擎。物理AI：當數字智能遇上現實世界黃仁勳的視野並未侷限於數字世界。他提出了“物理AI”的概念，即讓AI理解並與物理世界互動，這標誌著人工智慧應用的下一個巨大浪潮。實現物理AI，需要一個全新的計算架構。“物理AI需要三台電腦。一台電腦來訓練它……一台能夠執行模擬的電腦……然後您就需要操作該機器人。” 這三台電腦分別是：用於訓練的Blackwell超級電腦、用於在數字孿生環境中模擬和驗證的Omniverse電腦，以及部署在機器人或自動駕駛汽車中的Jetson Thor機器人電腦。這一戰略構想已經催生了龐大的生態系統。在工業領域，輝達通過Omniverse DSX平台，與西門子、富士康等企業合作，在數字孿生中設計、建造和營運機器人化工廠。在人形機器人領域，與Figure、Agility Robotics等前沿公司合作，為其提供從訓練、模擬到端側部署的全端支援。而在自動駕駛領域，通過發佈Drive Hyperion標準平台，並與Uber等巨頭合作，輝達正試圖建構一個全球性的“輪式機器人”網路。這標誌著AI正從雲端走向現實，成為驅動實體經濟變革的核心力量。美國製造與展望未來：從Blackwell到Rubin演講的一個重要主題是“美國製造”。黃仁勳詳細展示了Blackwell從亞利桑那州的晶圓製造，到德克薩斯州的系統組裝的全過程，並強調這是對美國製造業回歸和再工業化的貢獻。“川普總統要求我的第一件事就是把製造業帶回來……9個月後，我們現在在亞利桑那州全面生產Blackwell。” 這不僅是地緣政治考量下的供應鏈重塑，更彰顯了輝達掌控從設計到生產全鏈條的雄心。而當世界還在驚嘆於Blackwell的強大性能時，黃仁勳已經揭開了下一代平台——Rubin的面紗。他展示了完全無線纜、100%液冷設計的Rubin機架，並承諾將以“每年一次”的節奏進行極限協同設計系統的迭代。“在我們拆解GB300的同時，我們正在準備Rubin，以便明年這個時候投入生產。” 這種毫不鬆懈的創新步伐，旨在確保輝達在AI計算領域的絕對領先地位，並持續降低令牌的生產成本。從超越摩爾定律的加速計算，到定義新生產模式的“AI工廠”，再到連線字與現實的物理AI，黃仁勳為輝達乃至整個科技行業規劃了一條清晰而激進的路線圖。這不再是一個關於晶片的故事，而是一個關於建構新世界基礎設施的宏大敘事。新工業革命的引擎已經轟鳴，而輝達正手握方向盤。天空之城全文整理版美國創新的新篇章美國，創新之地，在這裡，發明塑造命運，技術助力夢想騰飛。在貝爾實驗室，電晶體誕生，開啟了半導體時代，並催生了矽谷。海蒂·拉瑪重新構想了通訊，為無線連接鋪平了道路。IBM的System 360將通用電腦置於工業的核心地位。英特爾的微處理器推動了數字時代的發展。克雷的超級電腦拓展了科學的邊界。所以我們認為我們正處於這項技術的開端，我們將儘可能快地前進。蘋果使計算個人化。“你好，我是Macintosh。”微軟打開了通往軟體新世界的窗口。早在網路出現之前，美國政府研究人員建構了阿帕網（ARPANET），連接了第一批電腦，這是網際網路的基礎。“一個iPod。一部電話。你明白了嗎？”然後又是蘋果。將一千首歌放進你的口袋，將網際網路握在你的手中。每個時代，一次飛躍。“我們選擇在這個十年內登上月球並做其他的事情。不是因為它們容易，而是因為它們困難。”每次飛躍，美國領先。現在，下一個時代來臨了。由一項革命性的新計算模型啟動。“這很可能成為我們對電腦行業做出的最重要的貢獻。”“它很可能會被認為是一場革命。”機器學習是人工智慧的一個分支。幾乎看起來會思考的電腦。“計算資源的數量最終將推動這個領域。”人工智慧。新的工業革命。其核心是輝達GPU。在美國發明。就像電力和網際網路一樣，人工智慧是必不可少的基礎設施。每家公司都會使用它。每個國家都會建構它。贏得這場競爭將是對我們能力的考驗，與太空時代曙光以來的一切都不同。而今天，人工智慧工廠正在崛起。在美國建造。為了科學家、工程師和夢想家。橫跨大學、初創企業和工業界。“我認為我們想要努力達到文明的新高度。”探索宇宙的本質。現在，美國的創新者正在為富足掃清道路。拯救生命。將願景塑造成現實。伸出援手。並交付未來。我們很快將用無限的清潔能源為其提供動力。我們將把人類的足跡延伸到星辰。這是美國下一個阿波羅時刻。齊心協力，我們邁出下一個偉大飛躍。大膽地去往無人之境。一切都從這裡開始。歡迎來到舞台，輝達創始人兼首席執行官，黃仁勳。華盛頓特區！華盛頓特區，歡迎來到GTC。很難不對美國感到感傷和自豪，我得告訴你。剛才那個視訊很棒，對吧？謝謝。輝達的創意團隊做得非常出色。歡迎來到GTC，今天我們有很多內容要和大家分享。GTC是我們討論行業、科學、計算、當下和未來的地方。所以今天我有很多內容要和大家分享。但在開始之前，我想感謝所有幫助贊助這次盛會的合作夥伴。你會在展會上看到他們所有人。他們來這裡是為了與你見面。而且非常棒的是，如果沒有我們所有的生態系統合作夥伴，我們就無法完成我們所做的事情。人們說，這是人工智慧的超級碗。因此，每一個超級碗都應該有一個精彩的賽前表演。你們覺得這個賽前表演怎麼樣？以及我們全明星的運動員和全明星陣容。看看這些人。不知何故，我變成了最健壯的。你們覺得怎麼樣？我不知道這是否與我有關。加速計算：超越摩爾定律正如你在視訊中看到的，輝達在60年來首次發明了一種新的計算模型。一種新的計算模型很少出現。這需要大量的時間和一系列的條件。我們觀察到，我們發明了這個計算模型，因為我們想要解決通用電腦，即普通電腦無法解決的問題。我們還觀察到，總有一天，電晶體的數量會繼續增長，但是電晶體的性能和功率將會下降。摩爾定律將不會繼續有效。受物理定律的限制。那個時刻現在已經到來了。登納德縮放定律在大約十年前就已經停止了。事實上，電晶體的性能及其相關的功率已經大幅下降。然而，電晶體的數量仍在繼續增加。我們很久以前就觀察到了這一點。30年來，我們一直在推進這種我們稱之為加速計算的計算形式。我們發明了GPU，我們發明了名為CUDA的程式設計模型，並且我們觀察到，如果我們能夠加入一個處理器，該處理器可以利用越來越多的電晶體，應用平行計算，並將其加入到順序處理CPU中，那麼我們可以將計算能力擴展到遠遠超出現在的水平。那個時刻真的到來了。我們現在已經看到了那個轉折點。加速計算的時代已經到來。然而，加速計算是一種完全不同的程式設計模型。你不能只是把CPU軟體，也就是手工編寫的、順序執行的軟體，放到GPU上，然後讓它正常運行。事實上，如果你只是那樣做，它實際上會運行得更慢。所以你必須重新發明新的演算法。你必須建立新的庫。事實上，你必須重寫應用程式，這也是為什麼它花了這麼長時間的原因。我們花了將近30年的時間才走到今天。但我們一次只處理一個領域。這是我們公司的財富。大多數人談論的是GPU。GPU很重要。但是如果沒有一個位於其之上的程式設計模型，以及對該程式設計模型的專注，並保持其在各個世代之間的相容性。我們現在即將推出CUDA 13，CUDA 14。數億個GPU，運行在每一台電腦中，完全相容。如果我們沒有做到這一點，那麼開發者就不會以這個計算平台為目標。如果我們沒有建立這些庫，那麼開發者就不知道如何使用該演算法，以及如何最大限度地利用該架構。一個又一個的應用。我的意思是，這確實是我們公司的寶藏。CuLitho，計算光刻。我們花了近7年時間才用CuLitho走到今天，現在台積電使用它，三星使用它，阿斯麥使用它。這是一個令人難以置信的計算光刻庫。製造晶片的第一步。用於CAE應用的稀疏求解器。CuOpt，一種打破了幾乎所有記錄的數值最佳化。旅行推銷員問題。如何在供應鏈中將數百萬種產品與數百萬客戶連接起來。Warp，用於CUDA的Python求解器，用於模擬。CuDF，一種DataFrame方法。基本上，加速SQL。DataFrame資料庫。這個庫是完全啟動AI的那個。CuDNN。其上的名為Megatron Core的庫使我們能夠模擬和訓練極其大型的語言模型。這樣的例子還有很多。MONAI，真的，真的非常重要。世界上排名第一的醫學影像AI框架。順便說一句，我們今天不會過多地談論醫療保健，但請務必觀看金伯利的主題演講。她將會大量談論我們在醫療保健領域所做的工作。這樣的例子不勝列舉。基因組學處理。艾瑞爾，注意聽講。今天我們要在這裡做一件非常重要的事情。CuQuantum，量子計算。這只是我們公司350個不同庫的代表。這些庫中的每一個都重新設計了加速計算所需的演算法。這些庫中的每一個都使所有生態系統合作夥伴能夠利用加速計算。這些庫中的每一個都為我們開闢了新的市場。讓我們來看看CUDA X能做什麼。是不是很棒？你所看到的一切都是模擬。沒有藝術，沒有動畫。這就是數學之美。這是深度的電腦科學，深度的數學，它令人難以置信的美妙。涵蓋了每個行業。從醫療保健和生命科學到製造業、機器人技術、自動駕駛汽車、電腦圖形，甚至是視訊遊戲。你看到的第一張照片是輝達運行的第一個應用程式。這就是我們在1993年開始的地方。我們一直堅信我們所嘗試做的事情。這花費了……很難想像你能看到第一個虛擬格鬥場景變得栩栩如生，而同一家公司相信我們今天會在這裡。這真是一段非常非常不可思議的旅程。我想感謝所有輝達的員工為你們所做的一切。這真是太不可思議了。今天我們有很多行業要介紹。我將介紹人工智慧、6G、量子、模型、企業計算、機器人和工廠。讓我們開始吧。我們有很多內容要介紹。有很多重大消息要宣佈。很多新的合作夥伴會讓你非常驚訝。拓展新邊界：從6G通訊到量子計算電信是我們經濟、我們產業、我們國家安全的支柱和命脈。然而，自從無線技術誕生之初，我們定義了這項技術，我們定義了全球標準，我們將美國技術出口到世界各地，以便世界可以在美國技術和標準之上進行建設。這種情況已經很久沒有發生過了。如今，世界各地的無線技術，很大程度上是建立在外國技術之上。我們建立在外國技術之上的基本通訊結構。這種情況必須停止。我們有機會做到這一點。尤其是在這個根本性的平台轉變時期。如你所知，電腦技術是幾乎每一個行業的基礎。它是科學最重要的工具。它是工業最重要的工具。我剛才說，我們正在經歷一個平台轉變。那個平台轉變應該是一生一次的機會，讓我們重返賽場。讓我們開始用美國技術進行創新。今天，我們宣佈我們將這樣做。我們與諾基亞建立了大型合作夥伴關係。諾基亞是世界第二大電信裝置製造商。這是一個3兆美元的產業。基礎設施價值數千億美元。世界各地有數百萬個基站。如果我們能合作，我們就能在這個令人難以置信的新技術之上進行建構，它從根本上基於加速計算和人工智慧。並且為了美國，為了讓美國成為6G下一場革命的中心。因此今天，我們宣佈輝達推出了一條新的產品線。它被稱為輝達ARC。空中無線電網路電腦。空中無線電接入網電腦，ARC。ARC由三項根本性的新技術建構而成。Gray CPU、Blackwell GPU，以及我們專為該應用設計的ConnectX Mellanox ConnectX網路。所有這些使得我們能夠運行這個庫，我之前提到的這個名為Aerial的CUDAX庫。Aerial本質上是一個運行在CUDAX之上的無線通訊系統。我們將首次創造一台軟體定義的、可程式設計的電腦，它能夠同時進行無線通訊和人工智慧處理。這是完全革命性的。我們稱之為輝達ARC。諾基亞將與我們合作，整合我們的技術，重寫他們的協議棧。這是一家擁有7000項基本必要5G專利的公司。很難想像在電信領域有比這更偉大的領導者了。所以我們將與諾基亞合作。他們將把輝達ARC作為他們未來的基站。輝達ARC也與AirScale相容，AirScale是諾基亞目前的基站。這意味著我們將採用這項新技術，並能夠用6G和人工智慧升級全球數百萬個基站。現在，6G和人工智慧非常重要，因為我們將首次能夠使用人工智慧技術，用於RAM的人工智慧，以使無線通訊的頻譜效率更高。使用人工智慧、強化學習，根據周圍環境、交通、移動性、天氣等情況，即時、有針對性地調整波束成形，所有這些都可以被考慮進來，從而提高頻譜效率。頻譜效率消耗了全球約1.5%到2%的電力。因此，提高頻譜效率不僅可以提高我們通過無線網路傳輸的資料量，而無需增加必要的能量。我們可以做的另一件事是，用於RAM的人工智慧是RAM上的人工智慧。這是一個全新的機會。記住，網際網路實現了通訊，但令人驚訝的是，像AWS這樣的智能公司在網際網路之上建構了一個雲端運算系統。我們現在將在無線電信網路之上做同樣的事情。這個新的雲將是一個邊緣工業機器人云。這是RAM上的人工智慧，第一個是用於RAM的人工智慧，以提高無線電頻譜效率，第二個是RAM上的人工智慧，本質上是用於無線電信的雲端運算。雲端運算將能夠直接延伸到邊緣，即沒有資料中心的地方，因為我們在世界各地都有基站。這個公告真是令人興奮。首席執行官賈斯汀·霍達，我想他就在房間裡的某個地方，感謝你們的合作。感謝你們幫助美國將電信技術帶回美國。這真是一次很棒的合作。非常感謝。這是慶祝諾基亞的最佳方式。讓我們來談談量子計算。1981年，粒子物理學家、量子物理學家理查德·費曼設想了一種可以直接模擬自然的新型電腦。直接模擬自然，因為自然是量子的。他稱之為量子電腦。40年後，該行業取得了根本性的突破。40年後，就在去年，一個根本性的突破。現在製造一個邏輯量子位元是可能的。一個邏輯量子位元。一個相干、穩定且經過糾錯的邏輯量子位元。現在，一個邏輯量子位元有時由10個，有時由數百個物理量子位元共同協作構成。正如你所知，量子位元，這些粒子非常脆弱。它們很容易變得不穩定。任何觀察，任何採樣，任何環境條件都會導致它失去相乾性。因此，它需要極佳的可控環境，並且現在還需要許多不同的物理量子位元協同工作，以便我們對這些所謂的輔助量子位元或辛德羅姆量子位元進行誤差校正，從而糾正誤差並推斷出邏輯量子位元的狀態。有各種不同類型的量子電腦。超導、光子、囚禁離子、穩定原子，各種不同的方式來建立量子電腦。實際上，我們現在意識到，對於我們來說，將量子電腦直接連接到GPU超級電腦至關重要，這樣我們才能進行誤差校正，才能對量子電腦進行人工智慧校準和控制，才能共同進行模擬。正確的演算法在GPU上運行，正確的演算法在QPU上運行，這兩個處理器，兩台電腦並肩工作。這就是量子計算的未來。有許多方法可以建構量子電腦。每種方法都使用量子位元（量子位）作為其核心建構塊。但無論採用何種方法，所有量子位元，無論是超導量子位元、囚禁離子、中性原子還是光子，都面臨著相同的挑戰。它們很脆弱，並且對噪聲極其敏感。今天的量子位元只能在幾百次操作中保持穩定。但解決有意義的問題需要數兆次操作。答案是量子糾錯。測量會干擾量子位元，從而破壞其中的資訊。訣竅是加入額外的糾纏量子位元，這樣測量它們就能給我們足夠的資訊來計算出錯誤發生的位置，而不會損壞我們關心的量子位元。這很棒，但需要超越當前最先進的傳統計算。這就是我們建構NVQ Link的原因，這是一種新的互連架構，可將量子處理器與NVIDIA GPU直接連接。量子糾錯需要從量子位元中讀取資訊，計算出錯誤發生的位置，並將資料發回以糾正它們。NVQ Link能夠每秒數千次地將太字節的資料傳送到量子硬體並從中接收，這是量子糾錯所必需的。其核心是CUDAQ，我們用於量子GPU計算的開放平台。利用NVQ Link和CUDAQ，研究人員將能夠做的不僅僅是糾錯。他們還將能夠協調量子裝置和人工智慧超級電腦來運行量子GPU應用程式。量子計算不會取代經典系統。它們將融合在一起，成為一個加速的量子超級計算平台。哇，這真是一個很長的階段。你知道，首席執行官們，我們不僅僅是坐在辦公桌前打字。這是一項體力活。所以今天，我們宣佈NVQ Link。而這由兩件事促成。當然，這種互連可以進行量子電腦控制和校準、量子糾錯，以及連接兩台電腦，即QPU和我們的GPU超級電腦，以進行混合模擬。它也完全可擴展。它不僅僅為今天少量量子位元的數量進行糾錯。它為未來進行糾錯，在未來，我們將從今天擁有的數百個量子位元，擴展到未來的數萬個量子位元，數十萬個量子位元。因此，我們現在有了一個可以進行控制、協同模擬、量子糾錯並擴展到未來的架構。在 CUDA Q 發明之後，行業支援令人難以置信。請記住，CUDA 是為 GPU、CPU、加速計算而設計的。基本上，使用兩個處理器來使用正確的工具來完成正確的工作。現在，CUDA Q 已經擴展到 CUDA 之外，以便我們可以支援 QPU，並讓兩個處理器，QPU 和 GPU，協同工作，並在幾微秒內來回移動計算。這是與量子電腦合作的必要延遲。因此，現在，CUDA Q 是一個令人難以置信的突破，被許多不同的開發者採用。我們今天宣佈有 17 家不同的量子電腦行業公司支援 NVQ 鏈路。而且，我對此感到非常興奮，有 8 個不同的美國能源部 (DOE) 實驗室。伯克利、布魯克海文、芝加哥費米實驗室、林肯實驗室、洛斯阿拉莫斯、橡樹嶺、太平洋西北、聖地亞哥國家實驗室。幾乎每一個能源部實驗室都與我們合作，與我們的量子電腦公司和這些量子控製器生態系統合作，以便我們可以將量子計算整合到科學的未來中。好的，我還有一個額外的聲明要宣佈。今天，我們宣佈能源部正在與輝達合作，建造7台新的AI超級電腦，以推進我們國家的科學發展。我必須向克里斯·賴特部長致敬。他為能源部帶來了如此多的活力。一股能量的湧動，一股熱情的湧動，以確保美國再次引領科學。正如我所提到的，計算是科學的基本工具，我們正在經歷幾個平台轉變。一方面，我們將加速計算，這就是為什麼未來每一台超級電腦都將是基於GPU的超級電腦。我們將走向人工智慧，這樣人工智慧和基於原理的求解器、基於原理的模擬、基於原理的物理模擬不會消失，但它可以被增強、強化、擴展，使用替代模型、人工智慧模型協同工作。我們也知道，基於原理的求解器，經典計算，可以被增強，以使用量子計算來理解自然狀態。我們也知道，在未來，我們有如此多的訊號，如此多的資料需要從世界中採樣，遙感比以往任何時候都更加重要。這些實驗室不可能以我們需要的規模和速度進行實驗，除非它們是機器人工廠，機器人實驗室。所以所有這些不同的技術都在完全相同的時間進入科學領域。賴特部長理解這一點，他希望能源部抓住這個機會，增強自身能力，並確保美國保持在科學的最前沿。我想感謝你們所有人。謝謝。人工智慧的本質：新計算堆疊與AI工廠讓我們來談談人工智慧。什麼是人工智慧？大多數人會說人工智慧是一個聊天機器人，這是理所當然的。毫無疑問，ChatGPT 處於人們認為的人工智慧的最前沿。然而，正如你現在所看到的，這些科學超級電腦不會運行聊天機器人。它們將進行基礎科學研究。科學、人工智慧，人工智慧的世界，遠遠不止一個聊天機器人。當然，聊天機器人極其重要，而通用人工智慧從根本上來說至關重要。深入的電腦科學、強大的計算能力、偉大的突破對於通用人工智慧仍然是必不可少的。但除此之外，人工智慧還有更多。事實上，我將用幾種不同的方式來描述人工智慧。你思考人工智慧的第一種方式是，它已經徹底改造了計算堆疊。我們過去做軟體的方式是手工編碼。手工編碼的軟體運行在CPU上。如今，人工智慧是機器學習、訓練、資料密集型程式設計（如果你願意這麼稱呼），由運行在GPU上的人工智慧訓練和學習。為了實現這一點，整個計算堆疊都發生了變化。注意到這裡沒有Windows。這裡沒有CPU。你看到的是一個完全不同的堆疊。對於能源的需求，我們川普總統的政府在這方面功不可沒。他的親能源倡議，他認識到這個行業需要能源才能發展。它需要能源來發展，我們需要能源來取勝。他認識到這一點，並將國家的力量放在支援能源增長上，徹底改變了遊戲規則。如果沒有發生這些，我們可能已經陷入困境，我想為此感謝川普總統。在能源之上是這些GPU，這些GPU連接到，建構到我稍後將向您展示的基礎設施中。在這個基礎設施之上，它由巨大的資料中心組成，很容易就是這個房間的許多倍大。大量的能源通過這種稱為GPU超級電腦的新機器轉換能源以生成數字。這些數字被稱為令牌。如果你願意，這就是語言，計算單元，人工智慧的詞彙。你幾乎可以對任何事物進行標記化。當然，你可以對英語單詞進行標記化。你可以對圖像進行標記化。這就是你能夠識別或生成圖像的原因。標記化視訊。標記化3D結構。你可以對化學物質、蛋白質和基因進行標記化。你可以對細胞進行標記化。對幾乎任何具有結構的事物，任何具有資訊內容的事物進行標記化。一旦你可以對其進行標記化，人工智慧就可以學習該語言及其含義。一旦它學會了那種語言的含義，它就能翻譯，就能像你與chatGPT互動一樣做出回應，並且能像chatGPT一樣生成內容。你看到chatGPT做的所有基本的事情，你所要做的就是想像如果它是一個蛋白質會怎樣？如果它是一種化學物質會怎樣？如果它是一個像工廠一樣的3D結構會怎樣？如果它是一個機器人會怎樣？如果令牌是理解行為並標記運動和動作會怎樣？所有這些概念基本上是相同的。這就是人工智慧取得如此非凡進展的原因。在這些模型之上是應用。Transformer並非通用模型。這是一個非常有效的模型，但沒有萬能的模型。只是人工智慧具有普遍的影響。有非常多種不同類型的模型。在過去的幾年裡，我們享受了多模態的發明，並經歷了其創新突破。有非常多種不同類型的模型。有摺積神經網路（CNN）模型、組合神經網路模型、狀態空間模型、圖神經網路模型、當然還有多模態模型，以及我剛才描述的所有不同的分詞和令牌方法。你可以擁有在空間理解方面進行最佳化，從而為空間感知最佳化的模型。你可以擁有為長序列最佳化，在很長一段時間內識別微妙資訊的模型。有非常多種不同類型的模型。在這些模型架構之上，是各種應用。過去的軟體，這是一個深刻的理解，對人工智慧的一個深刻觀察，即過去的軟體行業是關於創造工具的。Excel是一個工具。Word是一個工具。網頁瀏覽器是一個工具。我知道這些是工具的原因是因為你在使用它們。工具行業只有螺絲刀和錘子。工具行業只有這麼大。在IT工具的例子中，它們可以是資料庫工具，這些IT工具大約價值一兆美元左右。但人工智慧不是一個工具。人工智慧是工作。這就是深刻的差異。實際上，人工智慧是可以真正使用工具的工人。我真正感到興奮的事情之一是埃爾文在Perplexity所做的工作。Perplexity使用網路瀏覽器來預訂假期或進行購物，基本上就是人工智慧使用工具。Cursor是一個人工智慧，一個我們在輝達使用的巨大的人工智慧系統。輝達的每一位軟體工程師都在使用Cursor。它極大地提高了我們的生產力。它基本上是我們每一位軟體工程師生成程式碼的夥伴。而且它使用一個工具。它使用的工具叫做VS Code。所以Cursor是一個人工智慧，一個使用VS Code的巨大人工智慧系統。那麼，所有這些不同的行業，這些不同的行業，無論是聊天機器人還是數字生物學（我們在其中有AI輔助研究人員），或者什麼是自動駕駛計程車？在自動駕駛計程車裡，當然它是不可見的，但顯然有一個人工智慧司機。那位司機正在工作。而他用來做這項工作的工具是汽車。所以我們直到現在所創造的一切，整個世界，我們直到現在所創造的一切都是工具。供我們使用的工具。有史以來第一次，技術現在能夠從事工作，並幫助我們提高生產力。機會清單還在不斷增加，這就是為什麼人工智慧涉及了資訊技術從未涉及的經濟領域。資訊技術是幾兆美元的產業，它位於一個價值一百兆美元的全球經濟體的各種工具之下。現在，人工智慧將首次參與到這個價值一百兆美元的經濟體中，並使其更具生產力。使其增長更快，規模更大。我們正面臨嚴重的勞動力短缺，擁有能夠增強勞動力的人工智慧將有助於我們的增長。現在從科技行業的角度來看，有趣的是，除了人工智慧是解決經濟新領域的新技術之外，人工智慧本身也是一個新興產業。正如我之前解釋的那樣，這個令牌，在您對所有這些不同的資訊模態進行分詞之後，需要有一個工廠來生成這些數字。與過去的電腦行業和晶片行業不同，請注意，如果您看看過去的晶片行業，晶片行業僅佔數兆美元，或者數兆美元IT產業的百分之五到百分之十，甚至更少，大約百分之五。原因是使用Excel不需要太多的計算。使用瀏覽器不需要太多的計算。使用Word不需要太多的計算。我們進行計算。但在這個新世界中，需要一台始終理解上下文的電腦。它無法預先計算。因為每次您使用電腦進行人工智慧時，每次您要求人工智慧做某事時，上下文都是不同的。所以它必須處理所有這些資訊。例如，在自動駕駛汽車的情況下，它必須處理汽車的上下文。上下文處理。你要求人工智慧執行的指令是什麼？然後它必須逐步分解問題，進行推理，制定計畫並執行它。每個步驟都需要生成大量的令牌，這就是我們需要新型系統的原因，我稱之為人工智慧工廠。這絕對是一個人工智慧工廠。它不像過去的data center（資料中心）。它是一個人工智慧工廠，因為這個工廠只生產一種東西。與過去的data center（資料中心）不同，它無所不能，為我們所有人儲存檔案，運行各種不同的應用程式，你可以像使用電腦一樣使用該data center（資料中心）來處理各種應用程式。你可以用它來玩遊戲，可以用它來瀏覽網頁，可以用它來做會計。所以那是過去的電腦，一種通用的通用電腦。我這裡所說的電腦就是一個工廠。它基本上只運行一件事，它運行人工智慧，其目的是為了生產儘可能有價值的令牌，這意味著它們必須足夠智能。而且你希望以驚人的速度生產這些令牌，因為當你向人工智慧提出要求時，你希望它能做出回應。注意到在高峰時段，這些人工智慧的回應速度越來越慢，因為它需要為很多人做很多工作。所以你希望它以驚人的速度生產有價值的令牌，並且你希望它以具有成本效益的方式生產。我使用的每一個詞都與人工智慧工廠、汽車工廠或任何工廠相符。它絕對是一個工廠。這些工廠，這些工廠以前從未存在過。在這些工廠內部，堆積如山的都是晶片。良性循環：驅動AI計算需求的指數級增長這就引出了今天過去幾年裡發生的事情。事實上，去年發生了什麼？實際上，今年發生了一些相當深刻的事情。如果你觀察，在年初，每個人對人工智慧都有一些看法。這種看法通常是，它將會變得很重要，它將會是未來，而且不知何故，幾個月前，它進入了渦輪增壓狀態。這樣做的原因有幾個。首先，在過去的幾年裡，我們已經弄清楚如何讓人工智慧變得更聰明。而不是僅僅進行預訓練，預訓練基本上是說，讓我們把人類創造的所有資訊都拿來，讓AI從中學習。這本質上是記憶和泛化。這和我們小時候上學沒什麼不同。這是學習的第一個階段。預訓練從來不意味著，就像學前班從來不意味著是教育的終點一樣。預訓練，就像學前教育，僅僅是教你智力的基本技能，以便你理解如何學習其他一切。沒有詞彙，沒有對語言和如何溝通、如何思考的理解，就不可能學習其他一切。下一步是後訓練。在預訓練之後的後訓練是教你技能。解決問題、分解問題、推理的技能，如何解決數學問題，如何程式設計，如何逐步思考這些問題，使用第一性原理推理。然後在那之後，計算才真正開始發揮作用。如你所知，我們中的許多人都上過學，就我而言，那是幾十年前的事了。但從那以後，我學到了更多，思考了更多，原因是，我們不斷地將自己置於新的知識中，我們不斷地進行研究，我們不斷地思考。思考確實是智力的全部。因此，現在我們有了三種基本的技術技能。我們有這三種技術：預訓練，它仍然需要大量的計算。我們現在有後訓練，它使用甚至更多的計算。現在，思考會給基礎設施帶來難以置信的計算負載，因為它代表每個個體進行思考。因此，人工智慧思考推理所需的計算量確實非常巨大。現在，我過去常聽到人們說推理很容易。輝達應該做訓練。輝達將會做，你知道，他們真的很擅長這個，所以他們將會做訓練。推理很容易。思考怎麼會容易呢？反芻記憶的內容很容易。背誦乘法表很容易。思考很難，這也是為什麼這三個尺度，這三個新的尺度定律，所有這些都在全力推進，給計算量帶來了如此大的壓力。現在，又發生了一件事。從這三個尺度定律，我們得到了更智能的模型。這些更智能的模型需要更多的計算。但是當你得到更智能的模型時，你獲得了更多的智能，人們會使用它……好像無論發生什麼，我都想第一個出去。開玩笑而已。我相信沒事。可能只是午飯。我的胃。剛才是我嗎？那麼我剛才說到那兒了？你的模型越智能，使用的人就越多。現在更親民了。它能夠推理。它能夠解決以前從未學過的難題，因為它能做研究。去學習相關知識，回來，分解問題，推理如何回答你的問題，如何解決你的難題，然後去解決它。思考的量正在使模型變得更智能。它越智能，使用的人就越多。智能化程度越高，所需的計算就越多。但事情是這樣的。去年，人工智慧行業迎來了一個轉折點。這意味著人工智慧模型現在足夠智能，它們正在創造價值，它們值得付費。輝達為每個Cursor的許可證付費，而且我們很樂意這樣做。我們很樂意這樣做，因為Cursor正在幫助一位年薪數十萬美元的員工，無論是軟體工程師還是人工智慧研究員，提高數倍的生產力。所以我們當然非常樂意這樣做。這些人工智慧模型已經變得足夠好，值得付費。Cursor、11 Labs、Synthasia、Abridge、Open Evidence，這樣的例子不勝列舉。當然，Open AI，當然還有Cloud。這些模型現在非常好，人們願意為之付費。並且因為人們正在為它付費並更多地使用它，而且每次他們更多地使用它，你就需要更多的計算資源，我們現在有了兩個指數增長。這兩個指數增長，一個是三縮放定律帶來的指數級計算需求。第二個指數增長是，人越多，它就越智能，越多的人使用它，越多的人使用它，它就需要越多的計算資源。這兩個指數增長正在給世界的計算資源帶來壓力。正好發生在我之前告訴過你的摩爾定律已經基本終結的時候。所以問題是，我們該怎麼辦？如果我們有這兩個指數級的需求增長，如果我們不，如果我們找不到降低成本的方法，那麼這個正反饋系統，這個循環反饋系統，本質上被稱為良性循環，這對於幾乎所有行業都是至關重要的。對於任何平台行業都至關重要。這對輝達至關重要。我們現在已經進入了CUDA的良性循環。應用程式越多，人們建立的應用程式越多，CUDA就越有價值，CUDA越有價值，購買的CUDA電腦就越多，購買的CUDA電腦越多，就越多的開發者想要為其建立應用程式。輝達在30年後終於實現了那個虛擬循環。我們也已經實現了這一點。15年後，我們為人工智慧實現了這一點。人工智慧現在已經進入了虛擬循環。因此，你使用得越多，因為人工智慧很聰明，而且我們為此付費，產生的利潤就越多，產生的利潤越多，投入到網格計算中的計算力就越多，投入到人工智慧工廠中的計算力就越多，計算力越多，人工智慧就變得越聰明，越聰明就越多人使用它，更多應用程式使用它，我們就能解決更多問題。這個虛擬循環現在正在運轉。我們需要做的是大幅降低成本，這樣一來，當你提示人工智慧時，使用者體驗會更好，它能更快地響應你；二來，通過降低成本來保持這個虛擬循環的運轉，這樣它就能變得更聰明，這樣更多人使用它，諸如此類，等等。那個虛擬循環現在正在運轉。Blackwell平台：極限協同設計的革命但是當摩爾定律實際上已經達到極限時，我們該如何做到這一點呢？嗯，答案叫做協同設計。你不能僅僅設計晶片，然後寄希望於它上面的東西會變得更快。設計晶片時，你能做的最好的事情就是在幾年內增加，我不知道，50% 更多的電晶體。如果你增加了更多的電晶體，只是，你知道，我們可以增加更多的電晶體，而且台積電有很多電晶體，一家令人難以置信的公司。我們將繼續增加更多的電晶體。然而，這些都是百分比，而不是指數。我們需要復合指數，以保持這個虛擬循環的持續。我們稱之為極端協同設計。輝達是當今世界上唯一一家真正從一張白紙開始，並且可以同時考慮新的基礎電腦架構、新的晶片、新的系統、新的軟體、新的模型架構和新的應用的公司。在這個房間裡的很多人來到這裡，是因為你是這個層級中不同的部分，與輝達合作的堆疊中不同的部分。我們從根本上自下而上地重新建構一切。然後，因為人工智慧是一個如此大的問題，我們將其規模擴大。我們創造了一台完整的電腦，一台首次擴展到整個機架的電腦。那是一台電腦，一個GPU。然後，我們通過發明一種新的AI乙太網路技術來擴展它，我們稱之為Spectrum X乙太網路。每個人都會說，乙太網路就是乙太網路。乙太網路根本就不是那麼回事。乙太網路，Spectrum X乙太網路是為AI性能而設計的，這也是它如此成功的原因。即使那樣還不夠大。我們將用AI超級電腦和GPU填滿整個房間。這仍然不夠大，因為AI的應用數量和使用者數量正在持續呈指數級增長。我們將多個這樣的資料中心連接在一起，我們稱之為跨規模擴展。Spectrum XGS。千兆級規模。Spectrum X千兆級規模。XGS。通過這樣做，我們在如此巨大的規模、如此極端的水平上進行協同設計，其性能優勢令人震驚。不是每一代都提升50%。不是每一代提升25%。而是更多，更多得多。這是我們有史以來製造的，坦率地說，也是現代製造的最極致的協同設計電腦。自IBM System 360以來，我不認為有任何一台電腦像這樣被徹底地重新發明過。這個系統的創造極其困難。我馬上會向你展示它的好處。但本質上我們所做的，本質上我們所做的，我們創造了……嗨，Janine，你可以出來了。你得走到我這裡，差不多一半的路程。好了，這有點像美國隊長的盾牌。因此，NVLink 72，如果我們建立一個巨大的晶片，一個巨大的GPU，它看起來會是這樣。這就是我們必須進行的晶圓級處理水平。太不可思議了。所有這些晶片現在都被放入一個巨大的機架中。是我做的還是別人做的？進入那個巨大的機架，你知道，有時我覺得我不是一個人在這裡。這個巨大的機架使所有這些晶片作為一個整體協同工作。這實際上是完全不可思議的。我會向你展示它的好處。所以，謝謝珍妮。我喜歡這個。好了，女士們先生們，珍妮·保羅。我明白了。將來，下次我就要像索爾那樣行動。就像你在家，搆不著遙控器，然後你就這樣示意一下，有人把它遞給你一樣，是的，就是這個意思。這種事從沒發生在我身上。我只是在做夢。我只是說說而已。好的，總之，基本上，這是我們過去創造的東西。這是MVLink 8。現在，這些模型非常龐大，我們解決這個問題的方法是將這個模型，這個巨大的模型變成一大堆專家。這有點像一個團隊。所以，這些專家擅長處理某些類型的問題。我們把一大堆專家聚集在一起。所以，這個價值數兆美元的巨型人工智慧模型擁有所有這些不同的專家，我們將所有這些不同的專家都放在GPU上。現在，這是MVLink 72。我們可以把所有的晶片都放進一個巨大的結構中，每個專家都可以互相交流。所以，主專家，也就是主要的專家，可以和所有的工作以及所有必要的上下文、提示以及我們必鬚髮送給所有專家的一堆資料，一堆令牌進行交流。專家們會，無論那個專家被選中來解決答案，都會開始嘗試回應。然後它會一層又一層地進行下去。有時是8個，有時是16個，有時這些專家有時是64個，有時是256個。但關鍵是專家越來越多。那麼，在這裡，MVLink 72，我們有72個GPU。正因為如此，我們可以在1個GPU中放入4個專家。對於每個GPU，你需要做的最重要的事情是生成令牌，這是你在HBM記憶體中擁有的頻寬量。我們有1個GPU為4位專家生成思考內容。相比之下，這裡因為每台電腦只能放置8個GPU，我們必須將32位專家放入1個GPU。因此，這個1個GPU必須為32位專家思考，而這個系統每個GPU只需要為4位專家思考。正因為如此，速度差異令人難以置信。這才剛剛發佈。這是Semi-Analysis做的基準測試。他們做了一項非常、非常徹底的工作。他們對所有可以進行基準測試的GPU都進行了基準測試。結果發現數量並不多。如果你查看可以實際進行基準測試的GPU列表，會發現大約90%是NVIDIA。所以我們是在和自己比較，但世界上第二好的GPU是H200，它可以運行所有工作負載。Grace Blackwell每個GPU的性能是其10倍。現在，當電晶體數量只有兩倍時，你如何獲得10倍的性能？答案是極端協同設計。通過理解人工智慧模型未來的本質，我們在整個堆疊中進行思考，我們可以為未來建立架構。這是一件大事。它表明我們現在可以更快地做出反應，但這甚至是一件更大的事。下一個。看看這個。這表明世界上成本最低的令牌是由Grace Blackwell和NVLink72生成的。最昂貴的電腦。一方面，GB200是最昂貴的電腦。另一方面，它的令牌生成能力非常強大，以至於它以最低的成本生成令牌。因為每秒token數除以Grace Blackwell的總擁有成本非常划算。這是生成token的成本最低的方式。這樣做可以提供令人難以置信的性能，是原有性能的10倍，成本降低到原來的1/10，這種良性循環得以繼續。美國製造：重塑全球AI供應鏈這就引出了下一個話題。我昨天才看到這個。這是CSP的資本支出(CapEx)。最近人們一直在問我關於資本支出(CapEx)的問題，這是一個很好的觀察角度。事實上，排名前6的CSP的資本支出，這6家分別是亞馬遜、CoreWeave、Google、Meta、微軟和甲骨文。這些CSP加起來將在資本支出方面投資這麼多。我認為現在的時機再好不過了。原因是現在我們已經全面量產Grace Blackwell NVLink 72，全球各地的供應鏈都在生產。因此，我們現在可以向他們所有人交付這種新架構，以便資本支出投資於能夠提供最佳TCO（總擁有成本）的儀器電腦。在這之下，有兩件事情正在發生。所以當你看到這些時，它實際上非常非凡。無論如何，這都相當非凡。但下面發生的事情是這樣的。有兩個平台轉型同時發生。一個平台轉型是從通用計算到加速計算。記住，正如我之前向你提到的，加速計算可以進行資料處理，圖像處理，電腦圖形，它可以進行各種計算。它可以運行SQL，它可以運行Spark，你知道，你問它，你告訴我們需要運行什麼，我相當肯定我們為你準備了一個很棒的庫。你可能是一個試圖製造掩模來製造半導體的資料中心。我們為你準備了一個很棒的庫。因此，在不考慮人工智慧的情況下，世界正在從通用計算轉向加速計算。暫且不論人工智慧。事實上，許多雲服務提供商（CSPs）早已擁有在人工智慧出現之前就已存在很久的服務。記住，它們是在機器學習時代發明的。像XGBoost這樣的經典機器學習演算法。像DataFrames這樣用於推薦系統的演算法。協同過濾，內容過濾。所有這些技術都是在通用計算的舊時代創造的。即使是這些演算法，即使是這些架構，現在通過加速計算也變得更好。因此，即使沒有人工智慧，世界各地的雲服務提供商（CSPs）也會投資於加速。輝達的GPU是唯一能夠完成所有這些以及人工智慧的GPU。而ASIC可能能夠做人工智慧，但它無法做任何其他的。輝達可以完成所有這些。這解釋了為什麼僅僅依靠輝達的架構是如此安全。我們現在已經到達了我們的虛擬周期，我們的轉折點。這非常不尋常。我在房間裡有很多合作夥伴，你們都是我們供應鏈的一部分，我知道你們工作有多努力。我要感謝你們所有人。你們工作有多努力。非常感謝。現在我將向你們展示原因。這就是我們公司業務的現狀。由於我剛才提到的所有原因，我們看到了Grace Blackwell的非凡增長。它由兩個指數增長驅動。我們現在有了可見性。我認為我們可能是歷史上第一家能夠看到累計5000億美元的Blackwell以及到2026年Rubin早期增長的技術公司。如您所知，2025年尚未結束，2026年尚未開始。這就是帳面上的業務量。迄今為止，價值5000億美元。其中，我們已經在最初的幾個季度，我想是最初的4個季度，或者說是3個半季度的生產中，交付了600萬個Blackwell。2025年我們還有一個季度，然後我們有四個季度。接下來的五個季度，有5000億美元。5000億美元。這是Hopper增長率的5倍。這在某種程度上說明了一些問題。這是 Hopper 的一生。這不包括中國和亞洲。這僅僅是西方。我們排除中國。Hopper，在其整個生命周期中，400萬個GPU，Blackwell，每一個Blackwell在一個大型封裝中都有兩個GPU。在 Rubin 的早期階段有 2000 萬個 Blackwell 的 GPU。驚人的增長。我要感謝我們所有的供應鏈合作夥伴，所有人。我知道你們有多努力。我製作了一個視訊來慶祝你們的工作。讓我們播放它。人工智慧時代已經開始。Blackwell 是它的引擎。一項工程奇蹟。在亞利桑那州，它始於一塊空白的矽晶圓。數百道晶片處理和紫外光刻步驟建構起每個2000億個電晶體。在12英吋晶圓上一層又一層地堆疊。在印第安納州，HBM堆疊將被併行組裝。具有1024個I/O連接埠的HBM記憶體晶片採用先進的EUV技術製造。矽通孔用於後端，將12個HBM記憶體堆疊和基底晶片連接起來以生產HBM。同時，晶圓被劃片成單獨的Blackwell晶片，經過測試和分類。分離出好的晶片以繼續前進，晶片在晶圓上再到基板上的工藝將32個Blackwell晶片和128個HBM堆疊連接到定製的矽中介層晶圓上。金屬互連線直接蝕刻到其中，將Blackwell GPU和HBM堆疊連接到每個系統和封裝單元中，並將所有東西鎖定到位。然後，將該元件進行烘烤、模塑和固化，從而建立GB300 Blackwell Ultra超級晶片。在德克薩斯州，機器人將全天候工作，在Grace Blackwell PCB上拾取並放置超過10,000個元件。在加利福尼亞州，用於橫向擴展通訊的ConnectX 8 SuperNIC和用於解除安裝和加速網路、儲存和安全的Bluefield 3 DPU被仔細地組裝到GB300計算托盤中。NVLink是輝達發明的突破性高速鏈路，用於連接多個GPU並擴展成一個大型虛擬GPU。NVLink交換機托盤由NVLink交換機晶片構成，提供每秒14.4太字節的全部互聯頻寬。NVLink主幹形成一個定製的盲插背板，用5,000根銅纜將所有72個Blackwell或144個GPU晶片連接成一個巨大的GPU，提供每秒130太字節的全部互聯頻寬，幾乎相當於全球網際網路的峰值流量。熟練的技術人員將每個部件組裝成一個機架級AI超級電腦。總共有120萬個元件，2英里的銅纜，130兆個電晶體，重約2噸。從亞利那州和印第安納州的矽片到德克薩斯州的系統，Blackwell和未來輝達AI工廠的各個世代都將在美國製造。書寫美國歷史和工業的新篇章，美國回歸製造和再工業化。被人工智慧時代重新點燃。人工智慧時代已經開始。美國製造。為世界製造。我們再次在美國進行製造。這真是不可思議。川普總統要求我的第一件事就是把製造業帶回來。把製造業帶回來，因為它對國家安全至關重要。把製造業帶回來，因為我們需要就業機會，我們需要那部分經濟。9個月後，9個月後，我們現在在亞利那州全面生產Blackwell。展望未來：下一代平台Rubin極限Blackwell，GB200，Grace Blackwell，NVLink 72，極限協同設計使我們獲得了10倍的代際提升。這真是太不可思議了。現在真正令人難以置信的部分是這個。這是我們製造的第一台人工智慧超級電腦。這是在2016年，當時我把它交付給舊金山的一家初創公司，後來發現那是OpenAI。這就是那台電腦。為了製造那台電腦，我們設計了一款晶片。我們設計了一款新的晶片。為了我們現在進行協同設計，看看我們要做的所有晶片。這就是所需的。你不可能只用一塊晶片就讓電腦速度提高10倍。這是不可能發生的。讓我們能夠以指數方式不斷提高性能，以指數方式不斷降低成本，從而讓電腦速度提高10倍的方法是極限協同設計，以及同時開發所有這些不同的晶片。現在魯本回家了。這是魯本。這是維拉·魯本和魯本。女士們先生們，魯本。這是我們的第三代NVLink 72機架規模電腦。第三代。GB200是第一個。我們在世界各地的所有合作夥伴，我知道你們有多努力。這極其困難。做成這件事極其困難。第二代，順暢多了。還有這一代，看看這個。完全無線纜。完全無線纜。而現在，所有這些都回到了實驗室。這是下一代魯本。在我們拆解GB300的同時，我們正在準備魯本，以便明年這個時候投入生產，也許會稍早一些。因此，我們每年都會推出最極致的協同設計系統，以便我們能夠不斷提高性能，並不斷降低token生成成本。看看這個。這真是一台極其漂亮的電腦。所以這太棒了。這是100千兆次浮點運算。我知道這沒什麼意義。100千兆次浮點運算。但與我10年前，9年前交付給OpenAI的DGX-1相比，它的性能是其100倍。就在這裡，相比之下是那台超級電腦的100倍。100個那種裝置的100倍，讓我想想，100個那種裝置相當於25個這樣的機架，全部被這一個東西取代了。一個維拉·魯賓。好的，這是計算托盤，這是維拉·魯賓的超級晶片。好的，這是計算托盤，就在這裡。它非常容易安裝，只需打開這些東西，把它推進去，甚至我都能做到。這是維拉·魯賓計算托盤。如果你決定要加入一個特殊的處理器，我們已經加入了另一個處理器，它被稱為上下文處理器，因為我們給人工智慧提供的上下文量越來越大。我們希望它在回答問題之前閱讀大量的PDF。我們希望它閱讀大量的檔案論文，觀看大量的視訊，在你回答我的問題之前學習所有這些東西。所有這些上下文處理都可以加入。所以你看到底部有8個ConnectX 9新型SuperNIC，你有CPX，8個，你有Bluefield 4，這個新的資料處理器，2個維拉CPU，和4個魯賓封裝或8個魯賓GPU。所有這些都在這一個節點中，完全無電纜，100%液冷。然後是這個新的處理器，今天我不會談太多，我沒有足夠的時間，但這是完全革命性的。這樣做的原因是，你的人工智慧需要擁有越來越多的記憶體。你會更多地與之互動，你希望記住我們上次的對話，所有你為了我學習的東西，下次我回來時請不要忘記。因此，所有這些記憶將建立一種叫做KV快取的東西，而這種KV快取，檢索它，你可能已經注意到，現在每次進入你的AI，刷新和檢索所有之前的對話需要越來越長的時間。這樣做的原因是我們需要一種革命性的新處理器，它叫做Bluefield 4。接下來是ConnectX交換機，抱歉，是NVLink交換機，就在這裡。好的，這是NVLink交換機，它使我們能夠將所有電腦連接在一起，並且該交換機的頻寬是當今世界網際網路流量峰值的數倍。因此，這個骨幹網路將同時通訊並將所有資料傳輸到所有GPU。最重要的是，這是Spectrum X交換機，而這款乙太網路交換機的設計目的是使所有處理器可以同時相互通訊，而不會阻塞網路。阻塞網路，這非常技術性。好的，這些是，這三個組合在一起，然後這是量子交換機。這是用於InfiniBand的，這是乙太網路，我們不在乎你想使用那種語言，無論你喜歡使用什麼標準，我們都為你提供了出色的橫向擴展結構，無論是InfiniBand，還是量子，還是Spectrum。乙太網路，這個使用了矽光子技術，並且是完全共封裝的選項。基本上，雷射直接照射到矽片上，並將其連接到我們的晶片。好的，這是Spectrum X乙太網路，現在讓我們來談談，謝謝，哦，這就是它的樣子。這是一個機架。這是2.5，這是2，這是2噸，150萬個零件，而主幹，就是這個主幹，在一秒鐘內承載著整個網際網路的流量。相同的速度，將其移動到所有這些不同的處理器上。100%液體冷卻。所有這些都是為了，你知道，世界上最快的令牌生成速率。好的，這就是機架的樣子。現在，那是一個機架。一個千兆瓦的資料中心將擁有，你知道，就叫它，讓我想想，16個機架是1000，然後是500個這樣的。所以不管怎樣，500乘以16。所以，算它有9000個這樣的，8000個這樣的就構成一個千兆瓦的資料中心。好嗎？所以這就是未來的AI工廠。AI工廠生態系統：Omniverse DSX藍圖現在，正如你所注意到的，我們，輝達最初是從設計晶片開始的，然後我們開始設計系統，我們設計了AI超級電腦。現在我們正在設計整個AI工廠。每一次我們向外拓展，整合更多要解決的問題，我們就能提出更好的解決方案。我們現在建構整個AI工廠。這個，這個AI工廠就是我們為維拉·魯賓建造的，而且我們創造了一種技術，使我們所有的合作夥伴都能以數位化的方式整合到這個工廠中。讓我展示給你們看。下一次工業革命已經到來。隨之而來的是一種新型工廠。人工智慧基礎設施是一項生態系統等級的挑戰，需要數百家公司合作。NVIDIA Omniverse DSX 是建構和營運千兆級人工智慧工廠的藍圖。這是首次將建築、電力和冷卻系統與 NVIDIA 的人工智慧基礎設施堆疊共同設計。它始於 Omniverse 數字孿生。Jacobs Engineering 最佳化計算密度和佈局，以根據功率約束最大化令牌生成。他們將來自西門子、施耐德電氣、特靈和維諦的 SIM 就緒 OpenUSD 資產整合到 PTC 的產品生命周期管理中。然後使用來自 eTap 和 Cadence 的 CUDA 加速工具模擬熱工和電氣特性。設計完成後，NVIDIA 的合作夥伴（如 Bechtel 和 Vertiv）交付預製模組，這些模組在工廠中建構、測試並準備好插入。這大大縮短了建構時間，從而更快地實現收入。當物理人工智慧工廠上線時，數字孿生充當作業系統。工程師們提示來自Phydra和Emerald AI的AI代理，這些代理之前已經在數字孿生中接受過訓練，以最佳化功耗並減少AI工廠和電網的壓力。總的來說，對於一個1吉瓦的AI工廠，DSX最佳化每年可以帶來數十億美元的額外收入。在德克薩斯州、佐治亞州和內華達州，NVIDIA的合作夥伴正在將DSX變為現實。在弗吉尼亞州，NVIDIA正在建立一個AI工廠研究中心，使用DSX來測試和產品化Vera Rubin，從基礎設施到軟體。借助DSX，NVIDIA在全球的合作夥伴可以比以往更快地建構和啟動AI基礎設施。完全在數位領域中。早在Vera Rubin作為一台真實的電腦存在之前，我們就已經把它當作一台數字孿生電腦來使用了。現在，早在這些AI工廠存在之前，我們將使用它，我們將設計它，我們將規劃它，我們將最佳化它，我們將像數字孿生一樣營運它。因此，我們所有的合作夥伴都在與我們合作，我非常高興你們所有人都在支援我們，Geo在這裡，通用電氣Vernova在這裡，施耐德，我想奧利維爾在這裡，奧利維爾·布魯姆在這裡，西門子，令人難以置信的合作夥伴。好的，羅蘭·布什，我想他正在觀看。你好，羅蘭。總之，非常非常棒的合作夥伴與我們合作。最初，我們有CUDA，並且我們擁有所有這些不同的軟體合作夥伴生態系統。現在，我們有了Omniverse DSX，並且我們正在建構AI工廠，同樣，我們擁有這些與我們合作的令人難以置信的合作夥伴生態系統。開放生態：開源模型與戰略合作讓我們來談談模型。特別是開源模型。在過去的幾年裡，發生了一些事情。首先，由於推理能力，開源模型變得相當強大。它變得相當強大，因為它們是多模態的，並且由於知識蒸餾，它們非常高效。因此，所有這些不同的能力使得開源模型首次對開發者來說非常有用。它們現在是初創企業的命脈。不同行業初創企業的命脈，因為，正如我之前提到的，每個行業都有自己的用例、自己的用例、自己的資料、自己的用例資料、自己的飛輪。所有這些能力，這些領域專業知識，都需要具備嵌入模型的能力。開源使之成為可能。研究人員需要開源。開發者需要開源。全世界的公司，我們需要開源。開源模型真的非常重要。美國也必須在開源領域發揮領導作用。我們有非常棒的專有模型。我們有非常棒的專有模型。我們同樣需要非常棒的開源模型。我們的國家依賴於此。我們的初創公司依賴於此。因此，輝達正致力於實現這一目標。我們現在是最大的，我們在開源貢獻方面處於領先地位。我們在排行榜上有23個模型。我們擁有所有這些不同的領域，從語言模型到我將要談到的物理人工智慧模型，再到機器人模型和生物學模型。這些模型中的每一個都擁有龐大的團隊，這也是我們為自己建造超級電腦的原因之一，以便能夠建立所有這些模型。我們擁有排名第一的語音模型、排名第一的推理模型和排名第一的物理人工智慧模型。下載量非常非常驚人。我們致力於此。這樣做的原因是科學需要它，研究人員需要它，初創公司需要它，公司也需要它。我很高興人工智慧初創公司基於輝達建構。他們這樣做有幾個原因。首先，當然，我們的生態系統非常豐富。我們的工具運行良好。我們的所有工具都可以在我們所有的GPU上運行。我們的GPU無處不在。實際上它就在每一個雲端。它可以在本地部署。你可以自己建構它。你可以建構一台帶有多個GPU的發燒友級遊戲PC。你可以下載我們的軟體堆疊，它就能正常工作。我們有富有的開發者，他們正在使這個生態系統變得越來越豐富。所以我真的對我們正在合作的所有初創公司感到高興。我對此表示感謝。同樣的情況是，這些初創公司中的許多公司現在開始創造更多的方式來享受我們的GPU。CoreWeaves、Nscale、Nibius、Lambda，所有這些公司， Crusoe，這些公司正在建構這些新的GPU雲來為初創公司提供服務，我對此非常感謝。這一切皆有可能，因為NVIDIA無處不在。我們整合了我們的庫，我跟你說過的所有CUDAx庫，我跟你說過的所有開源AI模型，我跟你說過的所有模型，例如，我們將其整合到AWS中。非常喜歡與Matt合作。例如，我們將其整合到Google雲中。非常喜歡與Thomas合作。每個雲都整合了NVIDIA GPU，以及我們的計算、我們的庫以及我們的模型。喜歡與微軟Azure的Satya合作。喜歡與Oracle的Clay合作。每個雲都整合了NVIDIA堆疊。結果是，無論你走到那裡，無論你使用那個雲，它都能出色地工作。我們還將NVIDIA庫整合到世界的SaaS中，以便每個SaaS最終都將成為代理型SaaS。我喜歡比爾·麥克德莫特對ServiceNow的願景。是的，就這樣。我想那可能是比爾。你好，比爾。那麼ServiceNow是什麼呢？佔世界企業工作流的85%，SAP佔世界商業的80%，我和克里斯蒂安·克萊恩正在合作將NVIDIA庫、CUDAX、Nemo和Nemotron，我們所有的AI系統整合到SAP中。與Synopsys的Sasin合作，加速世界的CAE、CAD、EDA工具，以便它們能夠更快地運行和擴展。幫助他們建立AI代理。總有一天，我希望聘請AI代理ASIC設計師與我們的ASIC設計師一起工作。從本質上講，就是Synopsys的游標，如果你願意這麼說的話。我們正在與阿尼魯德合作。阿尼魯德，我今天早些時候看到他了。他是賽前表演的一部分。Cadence正在做著令人難以置信的工作，加速他們的堆疊，建立人工智慧代理，以便我們可以擁有Cadence人工智慧ASIC設計師和系統設計師與我們合作。今天，我們將宣佈一個新的合作。人工智慧將極大地提高生產力。人工智慧將改變幾乎每個行業。但人工智慧也將極大地加劇網路安全挑戰。不良的人工智慧。因此，我們需要一個強大的防禦者。我想不出比CrowdStrike更好的防禦者了。喬治在這裡。他之前在這。我早些時候看到他了。我們正在與CrowdStrike合作，使網路安全達到光速。為了建立一個在雲端擁有網路安全人工智慧代理，同時在本地或邊緣擁有極佳人工智慧代理的系統。這樣，無論何時出現威脅，你都能在瞬間檢測到它。我們需要速度，我們需要快速的代理式人工智慧，超級智能的人工智慧。我還有第二個公告。這是世界上速度最快的企業公司。可能是當今世界上最重要的企業堆疊。Palantir本體。這裡有Palantir的人嗎？我剛才和Alex聊過。這是Palantir本體。他們獲取資訊，獲取資料，獲取人為判斷，並將其轉化為商業洞察。我們與Palantir合作加速Palantir所做的一切，以便我們能夠以更大規模和更高速度進行資料處理。無論是過去的結構化資料，當然我們也會有結構化資料、人工記錄的資料、非結構化資料，以及為了我們的政府、為了國家安全以及為了世界各地的企業而處理這些資料，以光速處理這些資料，並從中找到洞見。這就是未來將會呈現的樣子。Palantir將整合輝達（NVIDIA），以便我們能夠以光速和非凡的規模進行處理。好的，輝達（NVIDIA）和Palantir。物理AI：機器人與數字孿生的融合讓我們來談談物理人工智慧。物理人工智慧需要三台電腦。正如訓練一個語言模型需要兩台電腦一樣，一台用於訓練，一台用於評估和推理。好的，這就是你看到的大型GB200。為了實現物理人工智慧，你需要三台電腦。你需要一台電腦來訓練它。這是GB，即Grace Blackwell NVLink 72。我們需要一台能夠執行我之前用 Omniverse DSX 向您展示的所有模擬的電腦。它基本上是機器人的數字孿生，用於學習如何成為一個優秀的機器人，也是工廠的數字孿生。那台電腦是第二台電腦，Omniverse 電腦。這台電腦必須在生成式人工智慧方面非常出色，並且必須擅長電腦圖形、感測器模擬、光線追蹤、訊號處理。這台電腦被稱為 Omniverse 電腦。一旦我們訓練好模型，在數字孿生中模擬人工智慧，並且該數字孿生可以是工廠的數字孿生以及一大堆機器人的數字孿生，那麼您就需要操作該機器人。這就是機器人電腦。這個可以裝入自動駕駛汽車。其中一半可以裝入機器人。或者，您實際上可以擁有，你知道的，在操作中非常靈活和快速的機器人，可能需要兩台這樣的電腦。所以這是 Thor，Jetson Thor 機器人電腦。這三台電腦都運行 CUDA，這使我們能夠推進物理人工智慧的發展。理解物理世界的人工智慧。理解物理定律、因果關係、永恆性，你知道，物理人工智慧。我們有令人難以置信的合作夥伴與我們一起創造工廠的物理人工智慧。我們自己也在使用它來建立我們在德克薩斯州的工廠。一旦我們建立了機器人化工廠，我們就會擁有一堆在其中的機器人。這些機器人也需要物理人工智慧，應用物理人工智慧，並在數字孿生中工作。讓我們看看它。美國正在重新工業化。各個行業都在將製造業遷回國內。在德克薩斯州休斯頓，富士康正在建造一座最先進的機器人化工廠，用於製造輝達人工智慧基礎設施系統。由於勞動力短缺和技能差距，數位化、機器人技術和物理人工智慧比以往任何時候都更加重要。這家工廠是數字原生。在Omniverse中。富士康工程師在一個基於Omniverse技術開發的西門子數位化雙胞胎解決方案中組裝他們的虛擬工廠。每個系統，機械、電氣、管道，都在建造前經過驗證。西門子工廠模擬運行設計空間探索最佳化，以識別理想的佈局。當出現瓶頸時，工程師會更新佈局，更改由西門子TeamCenter管理。在Isaac Sim中，相同的數字孿生被用於訓練和模擬機器人AI。在裝配區域，發那科機械手建構GB300托盤模組。通過來自FII的手動機械手和熟練的AI，將母線安裝到托盤中。然後，AMR將托盤運送到測試艙。之後，富士康使用Omniverse進行大規模感測器模擬，機器人AI在其中學習如何作為一個團隊工作。在Omniverse中，基於NVIDIA Metropolis和Cosmos建構的視覺AI代理從上方監視機器人和工人的隊伍，以監控營運並向富士康工程師發出異常和安全違規，甚至質量問題的警報。為了培訓新員工，這些代理為互動式AI教練提供支援，以便輕鬆地進行員工入職培訓。美國的再工業化時代已經到來。人們和機器人協同工作。這就是製造業的未來，工廠的未來。我想感謝我們的合作夥伴富士康。首席執行官劉揚也在這裡。但所有這些生態系統合作夥伴使我們有可能創造機器人工廠的未來。工廠本質上就是一個機器人，它協調其他機器人來製造機器人產品。完成這項工作所需的軟體量非常巨大，除非你能在數字孿生中進行規劃、設計和操作，否則幾乎不可能實現。我很高興看到卡特彼勒，我的朋友喬·克里德，以及他那家百年老公司也在他們的製造方式中採用了數字孿生。這些工廠將擁有未來的機器人系統。其中最先進的一家是Figure。佈雷特·阿德科克今天也在這裡。他在三年半前創立了一家公司。他們今天的價值幾乎是400億美元。我們一起合作訓練人工智慧、訓練機器人、模擬機器人，當然還有進入Figure的人形機器人電腦。真的很棒。我有幸親眼見證。這真的非常了不起。人類擁有的機器人很有可能，我的朋友埃隆也在研究這個，這很可能會成為最大的消費類新型電子產品市場之一，而且肯定會是最大的工業裝置市場之一。佩吉·約翰遜和Agility公司的人正在與我們合作開發用於倉庫自動化的機器人。強生公司的人再次與我們合作，訓練機器人，在數字孿生中模擬它，並操作機器人。這些強生公司的外科手術機器人甚至將以前所未有的精度進行完全無創的手術。當然，還有有史以來最可愛的機器人。有史以來最可愛的機器人。迪士尼機器人。這件事對我們來說非常重要。我們正在與迪士尼研究院合作，開發一個全新的框架和模擬平台，該平台基於一項名為牛頓的革命性技術。而牛頓模擬器使得機器人能夠在具有物理感知、基於物理學的環境中學習如何成為一個優秀的機器人。讓我們來看一下。藍色。女士們先生們，迪士尼藍色。告訴我它不可愛。他很可愛。我們都想要一個。我們都想要一個。現在，記住，你剛才看到的一切都不是動畫。這不是電影。這是一個模擬。這個模擬是一個全宇宙。全宇宙，數字孿生。所以這些工廠的數字孿生、倉庫的數字孿生、手術室的數字孿生，以及Blue可以在其中學習如何操縱、導航以及與世界互動的數字孿生。所有這些都是完全即時完成的。這將是世界上最大的消費電子產品線。其中一些現在確實運行得非常出色。這是人類或機器人技術的未來。當然，還有藍色。好嗎？自動駕駛的拐點：輪式機器人與全球網路現在，人類或機器人仍在開發中。但與此同時，有一個機器人顯然正處於拐點。它基本上就在這裡。那就是輪式機器人。這是一種無人駕駛計程車。無人駕駛計程車本質上是一個人工智慧司機。現在，我們今天要做的事情之一是，我們宣佈輝達Drive Hyperion。這是一件大事。我們建立了這個架構，以便世界上每家汽車公司都可以製造汽車、車輛，可以是商用的，可以是載客的，可以是專門用於無人駕駛計程車的，製造出為無人駕駛計程車準備的車輛。感測器套件將圍繞攝影機、雷達和雷射雷達，使我們能夠實現最高水平的環繞繭式感測器感知和冗餘，這對於最高等級的安全性是必不可少的。超越驅動（Hyperion Drive），超越驅動現在被設計應用於Lucid、梅賽德斯-奔馳，我的朋友奧拉·凱萊紐斯（Ola Kalenius），以及Stellantis的各位，還有許多其他車型也將採用。而且，一旦你擁有一個基本的標準平台，那麼AV系統的開發者，比如那些才華橫溢的公司Wave、Wabi、Aurora、Momenta、Neuro等等，就有很多。We Ride，有很多公司可以將他們的AV系統運行在標準底盤上。基本上，這個標準底盤現在已經變成了一個輪子上的計算平台。而且，因為它是一個標準平台，並且感測器套件是全面的，他們所有人都可以將他們的AI部署到上面。讓我們快速看一下。這是美麗的舊金山，你可以看到，無人駕駛計程車（RoboTaxi）的拐點即將到來。在未來，每年行駛一兆英里，每年生產1億輛汽車，全球大約有5000萬輛計程車，這將由一大批無人駕駛計程車來擴充。所以，這將是一個非常大的市場。為了將其連接起來並在全球部署，今天我們宣佈與Uber建立合作夥伴關係。Uber，達拉·科斯羅薩西（Dara K），我們正在合作將這些輝達（NVIDIA）Drive Hyperion汽車連接到一個全球網路中。現在，在未來，你將能夠叫到這些車，而且生態系統將變得非常豐富，我們將擁有遍佈全球的Hyperion或無人駕駛計程車。這將成為我們新的計算平台，我期望它會非常成功。結語：引領新一輪平台轉型好的。這就是我們今天討論的內容。我們討論了大量的事情。我們談到，請記住，其核心是從通用計算到加速計算的兩個平台轉型。輝達CUDA以及那些被稱為CUDAX的庫套件使我們能夠應對幾乎所有行業，並且我們正處於拐點。現在，它正像一個良性循環所暗示的那樣增長。第二個拐點現在正向我們逼近。第二個平台轉型，人工智慧從經典的手寫軟體到人工智慧。兩個平台轉型同時發生，這就是我們感受到如此驚人增長的原因。量子計算，我們談到了。開放模型，我們討論過了。我們討論了 CrowdStrike 和 Palantir 加速其平台的企業級應用。我們討論了機器人技術，一個新興的、可能成為最大的消費電子和工業製造領域之一。當然，我們還討論了 6G。NVIDIA 擁有用於 6G 的新平台。我們稱之為 Arc。我們有一個用於機器人汽車的新平台。我們稱之為 Hyperion。我們甚至還有用於工廠的新平台。兩種類型的工廠。人工智慧工廠，我們稱之為 DSX。然後是具有人工智慧的工廠，我們稱之為 Mega。所以現在，我們也在美國進行製造。女士們先生們，感謝今天加入我們，感謝你們允許我們將GTC帶到華盛頓特區。我們計畫每年都舉辦，希望如此。感謝各位為讓美國再次偉大所做的貢獻。謝謝。 (Web3天空之城)
【GTC】黃仁勳GTC十月主旨演講: 開啟AI新紀元, 新工業革命的藍圖
科技#GTC#輝達#黃仁勳
•

最後一次工業革命？美國千億豪賭AI基建

匹茲堡廢棄鋼鐵廠的遺址上，重型機械轟鳴作響，資料中心地基正在澆築，這座曾經的“鋼鐵之城”正被重塑為美國AI新心臟。千億入場券：美國AI的資本狂歡2025年7月15日，川普站在賓夕法尼亞能源與創新峰會的講台上，宣佈了一項900億美元的投資計畫，旨在將這一關鍵“搖擺州”轉變為AI產業樞紐。黑石集團領投250億美元建設資料中心和能源基礎設施，Google、Meta、CoreWeave等科技巨頭緊隨其後，一場以千億美元為單位的競賽在美國全面展開。這不過是美國AI投資狂潮的冰山一角，科技巨頭們正以前所未有的力度押注人工智慧，將其視為塑造國家命運的關鍵一役。2025年前七個月，Meta、微軟、亞馬遜和Google四家公司的資本支出總和已突破1550億美元，超過美國政府同期在教育、就業和社會服務領域的支出總和。·微軟單季度資本支出指引高達300億美元，為2026財年超過1200億美元的支出定調·Meta將年度資本支出下限提升至660億美元，並暗示2026年可能突破1000億美元大關·亞馬遜年度資本開支直指1180億美元，Google母公司Alphabet也調高預算至850億美元這場競賽遠未結束：微軟宣佈下一財年將投入1000億美元，亞馬遜AWS預計支出1180億美元，Google將投入850億美元，Meta的計畫也在660-720億美元之間。僅這四家巨頭明年的AI投資總額就將突破4000億美元，超過歐盟一個季度的國防總預算。私營部門的狂熱與國家戰略形成共振。川普政府推出的“星際之門計畫”承諾四年內投入5000億美元建設AI基礎設施，初期1000億美元已落地德克薩斯州。加上賓夕法尼亞州的900億專項投資，美國政府主導的AI項目投資總額已近2000億美元。這些數字創造了歷史：美國AI投資強度已超越網際網路泡沫時期的電信投資（1996-2001年累計1兆美元），成為19世紀鐵路建設以來最大規模的基礎設施投資。能源黑洞：AI繁榮的隱形代價驅動這場AI革命需要吞噬驚人的能源。訓練GPT-3模型的耗電量達1.287吉瓦時，相當於120個美國家庭一年的用電量。隨著AI資料中心激增，美國電力需求結束了近20年的停滯狀態，開始大幅攀升。資料中心的年耗電量正呈指數級增長：德勤諮詢預測，將從2024年的180-290太瓦時飆升至2030年的515-720太瓦時，年均增速高達15%-17%。到2035年，資料中心用電將佔全美總用電量的8.6%，較目前的3.5%增長逾一倍。能源瓶頸已成為AI發展的最大制約。美國電網系統面臨嚴峻挑戰：今年1月能源部報告警告，發電廠退役與新增發電能力延遲將導致停電激增。能源部長克里斯·賴特直言：“美國的再工業化和AI競賽需要全天候、可靠和不間斷的電力供應。”為此，川普政府採取了一系列激進措施：·簽署“國家能源緊急狀態”行政令，加速批准油氣項目·設定2050年核能產量提高4倍的目標·放寬環保法規，允許發電廠直連資料中心而非通過電網供電科技巨頭也紛紛佈局能源領域：Meta購買1.1吉瓦時核電，Google敲定30億美元水電採購計畫，一場圍繞能源安全的軍備競賽已悄然展開。中美競速：焦慮驅動的投資熱潮美國如此不計成本地投資AI，背後是對中國AI技術崛起的深刻焦慮。史丹佛大學《2025年人工智慧指數報告》揭示，中美AI模型性能差距正急劇縮小：從2024年1月的9.26%差距，到2025年2月僅剩1.7%。中國AI企業展現出強大的創新能力。深度求索（DeepSeek）發佈的大模型在中文場景下語義理解精準率達98.7%，遠超GPT-5的92.3%；在金融預測、工業模擬等垂直領域，其推理效率甚至高出美國同類產品30%。川普曾公開表示：“中國公司推出的DeepSeek AI應該給我們的產業敲響警鐘。”為壓制中國發展，美國持續加碼AI晶片禁令。但這一策略可能適得其反——輝達CEO黃仁勳指出，這些限制“從根本上是錯誤的”，反而激發了中國企業的創新動力，加速了本土晶片研發處理程序。摩根士丹利研究預測，到2030年中國將打造價值1400億美元的本土AI市場。在這場AI霸權爭奪戰中，美國正試圖通過巨額投資維持技術代差，但歷史表明，技術擴散的洪流難以阻擋。量子躍遷從AI狂潮到第四次工業革命的真正引擎當美國科技巨頭以每年近4000億美元的資本支出澆築AI算力基座時，一場更深刻的變革正在量子領域悄然醞釀。富士通於2025年8月1日宣佈啟動研發超過10,000物理量子位的超導量子電腦，目標直指2030年完工。這台龐然大物將運行250個邏輯量子位，採用創新的“STAR架構”——一種早期容錯量子計算設計，旨在解決材料科學中的複雜模擬問題，為高溫超導、新能源催化劑等領域的突破掃清障礙。這一計畫絕非孤立的技術躍進。日本政府通過新能源產業技術綜合開發機構（NEDO）投入3.35億美元，聯動富士通、RIKEN等機構建構“量子工業化”生態，目標是在2035年實現1000邏輯量子位的終極機器，並探索超導與金剛石自旋量子位的融合路徑。而在此之前，北京經濟技術開發區於2025年7月發佈“量子科技十條”，對晶片研發、場景應用提供最高3000萬元資金支援，推動量子-經典混合算力在金融最佳化、藥物模擬等領域的落地。全球資本與政策的協同押注，昭示著量子技術已從實驗室 curiosity 躍升為大國戰略的核心賽道。量子計算的終極意義，或許在於它重新定義了人類解決問題的“時空尺度”。在醫療領域，它可模擬數十億細胞級的癌症病變過程，將精準診療推進至分子動態層面；在氣候科學中，它能處理千萬變數級的大氣模型，將30天預報精度提升至95%以上；在能源賽道，它可設計室溫超導材料，重構全球能源傳輸網路。正如丁洪所言：“量子電腦不會取代經典電腦，但它將解決經典電腦無法解決的問題”。當3640億美元的AI投資狂潮聚焦於最佳化現有世界的運行效率，量子計算的躍遷則是為人類打開了新世界的物理法則。 (壹零社)
最後一次工業革命？美國千億豪賭AI基建
科技#工業革命#AI基建#川普