凌晨，輝達CEO黃仁勳接受了知名科技主持人Dwarkesh Patel的專訪，長達1小時45分鐘。這位油管百萬大V以遞進式的提問方式和極其鋒利的選題而出名，這次也不例外地選擇了直白開場，一上來就直戳輝達的“肺管子”，問黃仁勳：“如果軟體被商品化了，那輝達會不會也被商品化？”有網友評價這次訪談：很少見黃仁勳這麼“生氣”。在這次訪談中，黃仁勳深度回答了關於AI時代的競爭本質、輝達如何鎖住供應鏈、為什麼不做AI雲，以及中國與AI晶片等問題。我們整理了這次訪談，內容亮點都在下面。01輝達真正的護城河不是晶片，是供應鏈Dwarkesh：現在市場上有一種看法是，AI會讓軟體逐漸商品化，很多軟體公司的估值已經因此下滑了。從一個可能比較天真的角度來看：你們把設計交給晶圓廠，比如把GDS檔案交給TSMC（台積電），再由他們製造晶片，然後再和像SK Hynix、Micron、Samsung做的HBM封裝在一起，最後送到ODM廠組裝成整機。所以本質上，輝達做的是軟體，只不過由別人來製造。如果軟體被商品化了，那輝達會不會也被商品化？黃仁勳：歸根結底，總有一件事必鬚髮生：把電子變成Token。不僅僅是變成Token，還要讓這些Token越來越有價值。我認為這件事很難被完全商品化。把電子轉化為Token本身就是一段非常複雜的旅程，就像讓一個分子比另一個分子更有價值一樣，這裡面包含了大量的藝術、工程、科學和發明。我們現在正在親眼見證這一切發生，而這個過程遠沒有被完全理解，也遠沒有結束。所以我不認為它會被商品化——當然，我們會讓這個過程變得更高效。如果用剛才的方式來理解輝達，已經接近我對公司的心智模型了：輸入是電子，輸出是Token，中間就是輝達。我們的工作是用儘可能少的東西，完成這個轉化過程，並把能力做到極致。所謂“儘可能少”，意思是能不做的事情，我們就不做。我們會把這些事情交給合作夥伴，讓它成為整個生態的一部分。如果你看今天的輝達，我們在上下游都有極其龐大的合作生態，所以我們儘量少做，但我們必須做的那一部分是極其困難的。我不認為這部分會被商品化。Dwarkesh：那企業軟體公司呢？很多人覺得它們會被AI衝擊。黃仁勳：現在很多軟體公司，本質上是“工具製造商”。比如Excel、PowerPoint，或者像Cadence、Synopsys。當然也有一些是流程系統，但很大一部分是工具。但我看到的趨勢是完全相反的：未來Agent的數量會指數級增長，使用這些工具的使用者也會指數級增長。也就是說工具的使用量，會暴漲。舉個例子：像Synopsys Design Compiler這種工具，未來它的實際用量很可能會暴漲。今天我們被工程師數量限制住了，但未來，每個工程師都會有一堆Agent輔助。這些Agent會去探索設計空間，探索的程度會遠遠超過今天。而它們會用的，正是今天這些工具。所以我認為工具的使用量，會推動這些軟體公司的增長，而不是壓垮它們。這件事之所以現在還沒有發生，是因為Agent還不夠會用工具。接下來會發生兩件事：要麼這些軟體公司自己去做Agent；要麼Agent變得足夠強大，可以使用這些工具。最終很可能是兩者同時發生。Dwarkesh：在你們最近的財報裡，我看到輝達已經有接近1000億美元的採購承諾，還有分析認為這個數字可能會達到2500億美元。有一種解讀是這樣的：輝達的護城河在於你們鎖定了未來幾年關鍵的稀缺資源，比如晶圓、記憶體、封裝。別人即使有晶片設計能力，也不一定能拿到這些資源。這是你們未來幾年的核心優勢嗎？黃仁勳：這是我們能做到、但別人不太容易做到的一件事情。原因其實很簡單：我們之所以能在上游做出這麼大的承諾，是因為我們有能力把這些產能買下來，並且賣出去。那些承諾有些是顯性的，比如我們直接簽的採購合同；但也有很多是隱性的，比如我們的供應鏈夥伴會自己去做投資。因為我會和他們的CEO溝通，我會告訴他們這個行業會變多大、為什麼會變大、我們是如何推理出來的。在這個過程中，我其實是在對齊整個上游生態的認知。那為什麼他們願意為我們投資，而不是為別人？原因很簡單：他們知道我有能力把他們的產能買下來，並賣給下游。輝達的下游需求非常大，正是因為有這種下游需求的規模，才讓他們願意在上游投入。如果你去看GTC大會，你會發現很多人對它的規模感到驚訝。這是一個360度的AI生態，整個AI世界的人都在一個地方，而他們來這裡，是因為他們需要彼此。上游需要看到下游，下游需要看到上游。他們也需要看到AI的發展，以及那些AI原生公司和創業公司。我花了很多時間，不斷去告知和影響我們的供應鏈和生態夥伴，讓他們理解機會是什麼、為什麼會發生、什麼時候會發生、規模會有多大。很多人會覺得我的Keynote有點像上課，甚至有點折磨，但這是故意的。因為我需要讓整個生態，像我一樣去理解未來。03沒有任何一個瓶頸，會持續超過2到3年Dwarkesh：我想更具體地理解一個問題：上游供應鏈真的能跟得上嗎？你們過去幾年基本是收入翻倍增長，同時提供給全球的算力也在大幅增長。現在這個規模已經很大了，比如你們是TSMC先進製程（N3、N2）的最大客戶之一，甚至有分析說，今年AI會佔到N3產能的60%，明年可能到80%以上。那問題來了，如果你已經是最大客戶了，你還怎麼繼續“翻倍”？這個增長會不會被上游限制住？黃仁勳：在某一個時間點上，需求超過供給，是很正常的事情——甚至，這是一種好狀態。你希望一個行業的即時需求是大於總供給的。當然，也可能會在某一個具體環節被卡住，比如說，有時候真的會被“水管工”卡住（笑）。Dwarkesh：水管工？黃仁勳：對，真的。你可能在某個時間點，被某個完全意想不到的環節限制住。但這並不是壞事，因為當某一個瓶頸出現的時候，整個行業會迅速“圍攻”它。舉個例子：前幾年大家一直在討論CoWoS，但現在你已經很少聽到有人談這個問題了。因為過去兩年，整個行業對它進行了極端投入，連續擴產，現在基本已經解決了。TSMC現在也已經意識到，CoWoS的供給必須和邏輯晶片和記憶體的需求同步擴展。以前，CoWoS和HBM是“特殊技術”，但現在已經不是了，它們已經變成了主流計算的一部分。我們現在比以前更有能力去影響更大範圍的供應鏈。我現在說的這些其實5年前我就已經在說了，有些公司當時相信並且投資了，比如Micron，我還記得當時和他們CEO的那次會面，我當時非常明確地告訴他們，未來會發生什麼、為什麼會發生。他們當時真的投入了，而且投入得很深。從LPDDR到HBM，他們都做了很多投資，結果當然也非常好。有些公司後來才跟上，但現在大家基本都已經在這個節奏裡了。所以我的看法是：沒有任何一個瓶頸，會持續超過兩到三年，每一代都會有新的瓶頸，但也都會被解決。現在大家已經開始提前幾年去預判這些瓶頸，並提前投資。比如矽光（silicon photonics），比如新的封裝技術、新的測試裝置……我們在過去幾年做了很多這樣的事情，本質上是在“重塑供應鏈”，讓它為未來的規模做好準備。Dwarkesh：聽起來有些瓶頸比其他更容易擴展，比如CoWoS和封裝可以擴，但有些東西，比如製造能力本身，可能更難。黃仁勳：我剛才其實已經說到最難的那個了：水管工，還有電工。這是最難擴展的。這也是為什麼我對現在很多末日論者“AI會終結工作”的說法感到擔憂。如果我們去勸年輕人不要做軟體工程師，那未來我們就會缺軟體工程師。10年前，有人說“千萬不要做放射科醫生”，說這是第一個會被AI取代的職業，這些視訊現在網上還能找到。結果呢？我們現在缺放射科醫生。Dwarkesh：回到剛才的問題，製造能力這邊，你如何讓晶圓產能每年翻倍？如何讓EUV裝置每年翻倍？黃仁勳：這些都不是問題，它們都可以在2到3年內擴展。關鍵只有一個，那就是需求訊號（demand signal）。一旦有明確的需求，能做1台，就能做10台；能做10台，就能做100萬台……這些東西並不難複製。Dwarkesh：那你會不會直接去跟ASML說：“未來三年我們需要更多EUV機器”？黃仁勳：有些事情我會直接做，有些是間接做。如果我能說服TSMC，那ASML自然也會被說服，所以要找到真正的關鍵節點。但這些都不讓我擔心——真正讓我擔心的是能源，你不可能在沒有能源的情況下建立一個新產業。無論是想重建製造業、建AI工廠、做電動車、做機器人，這些都需要能源，而能源是一個長期問題。相比之下，晶片產能和封裝只是2到3年的問題。Dwarkesh：我聽過一些完全相反的說法，所以我不確定該相信誰（笑）。黃仁勳：你現在是在跟專家對話（笑）。04AI只是計算的一部分，而計算遠不止AIDwarkesh：我想再回到競爭問題，比如Google TPU。現在世界上最強的模型裡，有相當一部分是在TPU上訓練的，這對輝達意味著什麼？黃仁勳：我們做的東西是完全不同的。輝達做的是加速計算（accelerated computing），而不是一個“張量處理單元”。加速計算被用在各種各樣的領域，比如分子動力學、資料處理、流體力學……當然，也包括AI。AI現在是最熱門的討論方向，但計算遠不止AI。我們做的是重新發明計算方式，從通用計算走向加速計算。我們的覆蓋範圍比任何TPU都要大得多，因為我們可以加速所有應用。Dwarkesh：但現實情況是，你們現在的收入絕大多數還是來自AI，而不是來自藥物發現或者量子計算。而AI的核心計算，很多人認為就是矩陣乘法。TPU在這方面是高度最佳化的，雖然GPU更通用。那問題是，對於當前這波AI需求來說，TPU是不是更適合？黃仁勳：矩陣乘法確實很重要，但它不是全部。如果你想發明新的attention機制，想用不同方式做計算分解，或者想設計全新的模型架構，比如混合SSM模型，融合diffusion和autoregressive模型……你需要的是一個完全可程式設計的系統。AI進步的核心是演算法。摩爾定律大概每年提升25%，但我們卻在實現10倍甚至100倍的提升。這些提升來自新的演算法、新的模型結構、新的計算方式，而如果沒有可程式設計性，你甚至不知道從那裡開始做這些創新。Dwarkesh：那我們聊一個更現實的問題。你的客戶，比如Amazon、Google、Microsoft，他們有能力寫自己的kernel，甚至做自己的軟體棧。那CUDA還重要嗎？黃仁勳：CUDA是一個非常豐富的生態系統。如果你要開發系統，從CUDA開始是非常合理的。我們支援所有框架，如果你要寫自訂kernel也可以。我們甚至在Triton裡投入了大量技術。但你要考慮，當系統出問題時，是你的程式碼有問題，還是底層系統有問題？你當然會希望問題出在你自己這裡，CUDA的價值就在於，你可以信任底層。另外一個關鍵點是安裝基數（install base），作為開發者，你最想要的是你的軟體可以運行在大量機器上。我們現在有數億GPU，在所有雲平台上，各種型號，各種規模。這意味著，你開發一次，就可以在全世界運行。Dwarkesh：但如果你的主要客戶是這些超大公司，他們完全可以為自己的系統最佳化，甚至支援多個硬體平台。你的優勢還成立嗎？黃仁勳：我們有大量工程師直接和這些AI公司合作。而且你要理解，GPU不是CPU：CPU就像一輛巡航車，誰都能開；但GPU更像F1賽車，你可以開，但要開到極限，需要專業能力。我們用大量AI來最佳化kernel，很多時候，我們幫客戶最佳化之後，性能提升2倍，有時候3倍……那怕提升50%都是巨大的。而對於一個擁有巨大算力叢集的公司來說，性能提升，直接意味著收入提升。Dwarkesh：如果這些客戶可以自己做最佳化，競爭是不是會變成誰的價格更低、性能更高？黃仁勳：我們在這些AI實驗室裡有大量工程師在幫他們最佳化，沒有人比我們更瞭解我們的架構。GPU不像CPU那樣完全通用，它更複雜，我們可以幫他們從系統裡再挖出2倍性能。而且我們的系統，在整個行業裡擁有最好的TCO（總擁有成本），沒有任何一家公司可以證明自己在TCO上比我們更好，無論是訓練還是推理。Dwarkesh：但還是有公司在用其他方案。比如Anthropic最近宣佈和Broadcom以及Google合作，很多計算在TPU上。黃仁勳：這是一個非常特殊的例子。如果沒有Anthropic，TPU的增長幾乎不存在，他們是一個極端案例。Dwarkesh：但OpenAI也在和AMD合作，甚至在做自己的晶片。黃仁勳：但他們絕大多數計算還是在輝達上，我們也會繼續和他們合作。我不介意別人嘗試其他方案。如果他們不嘗試，怎麼知道我們有多好？我們必須持續證明自己。你看看歷史上那些做ASIC的項目，有多少最後是做不下去、被砍掉的。做一個比輝達更好的系統並不容易。Dwarkesh：他們的邏輯是不需要比你更好，只要不比你差太多，但成本更低就可以。黃仁勳：ASIC的利潤率其實也很高，大概是65%，輝達是70%。差距沒有你想的那麼大。Dwarkesh：那回到一個問題，為什麼輝達沒有更早投資這些AI公司？黃仁勳：我們在能做的時候，就做了。在更早的時候，我們沒有能力做那種等級的投資（幾十億美元），那在當時不是我們的模式。而且我當時沒有意識到，這些公司其實沒有其他融資路徑——我當時以為他們可以像普通公司一樣去找VC（風險投資）融資，但後來我才意識到，他們要做的事情，VC根本投不了。這是我的誤判。Dwarkesh：現在你們有大量現金。為什麼不自己做雲？成為像AWS那樣的公司？黃仁勳：這是我們的公司哲學：做必須做的事情，儘量少做其他事情。如果我們不做某件事，這個世界就不會有，那我們就必須做。但云這件事，如果我們不做，會有很多公司來做。所以我們不做。05對中國的態度：演算法才是關鍵Dwarkesh：很多分析認為，中國在先進製程上落後。比如他們很多還是在7nm，沒有EUV裝置。在算力上，有人估算，他們大概只有美國的十分之一，在HBM頻寬上，差距可能接近一個數量級。那是不是意味著美國可以先達到這些能力，先部署，先修補漏洞，從而獲得安全優勢？黃仁勳：如果你要讓這個邏輯成立，那你必須假設他們沒有算力，但這不是現實。他們已經有大量算力。中國是全球第二大計算市場，如果他們願意集中資源，他們完全可以聚合足夠的算力。Dwarkesh：但他們在頻寬、記憶體等方面還是落後。黃仁勳：那他們就用更多晶片。AI本質上是平行計算問題。如果你有足夠的能源，你可以用更多節點來彌補差距。他們有大量能源，他們有很多已經建好的資料中心，甚至有空置的。他們可以用更多晶片，把系統拼起來，而且他們的晶片製造能力本身就很強。所以“他們沒有AI晶片”這個說法是錯誤的。Dwarkesh：但先進晶片確實存在差距，比如頻寬差距可能接近一個數量級。黃仁勳：那他們就用更多節點連接起來。就像我們用NVLink一樣，他們也已經在做類似的事情。比如華為，他們已經在把大量計算節點連接成一個系統，通過矽光（silicon photonics）等技術把大量計算資源連接在一起。所以如果你只看單個晶片，你會低估整個系統。而且不要忘了，演算法才是關鍵。他們有大量優秀研究者，這才是他們最大的優勢。很多AI進步來自演算法，而不是硬體。如果你在算力上受限，你反而會被逼去做更好的演算法，比如DeepSeek——這不是一個無關緊要的進展。它代表的是一種能力：在算力受限的情況下，依然能做出非常強的模型。Dwarkesh：那如果DeepSeek這樣的模型在華為晶片上首先最佳化、首先跑起來呢？黃仁勳：那就是一個很糟糕的結果。如果一個強大的模型，在非美國技術堆疊上運行得更好，那對美國來說是壞消息。06即使沒有AI，輝達也會是一個非常大的公司Dwarkesh：剛才我們在討論TSMC和記憶體這些瓶頸。那如果未來是這樣一個世界：你們已經佔據了N3的大部分產能，未來還會佔據N2的大部分產能。那有沒有一種可能，你們會回到更舊的製程，比如7nm，利用那些“閒置產能”，重新做類似Hopper或者Ampere這樣的架構，但結合今天在數值計算、系統設計等方面的進步。你覺得這種情況，會不會在2030年前發生？黃仁勳：沒有必要這樣做。因為每一代架構的進步，不只是電晶體規模。它還包括大量工程最佳化、封裝、堆疊、數值計算（numerics）、系統架構等等，如果你想回到舊製程，那意味著你要重新做一整套研發。這是一個幾乎沒有人負擔得起的研發成本。我們可以向前推進，但我不認為我們能向後回退。當然，如果我們做一個思想實驗：如果有一天，世界真的說“我們再也不會有更多先進產能了”，那我會不會立刻用7nm？當然會。毫不猶豫。Dwarkesh：還有一個問題，是別人問我的。為什麼輝達不同時做多個完全不同的晶片項目？比如類似Cerebras那種超大晶片、類似TeslaDojo那樣的系統，甚至做一個完全不依賴CUDA的架構。你們有資源、有工程能力，為什麼不把賭注分散？畢竟AI未來的架構方向還不確定。黃仁勳：我們當然可以這麼做。只是我們沒有看到一個更好的方案。這些東西我們都在模擬系統裡模擬過，它們的效果其實更差。所以我們不會去做。我們現在做的，就是我們認為最正確的架構。當然，如果未來工作負載本身發生變化——我說的不是演算法變化，而是工作負載的形態變化，那我們可能會增加新的加速器。比如最近，我們引入了Grok相關的方向，並且會把它整合進CUDA生態。這是因為Token的價值變高了。幾年前，Token幾乎是免費的，或者非常便宜。但現在不一樣了，現在不同客戶對Token有不同需求。比如，如果我是軟體工程師，我願意為更快響應的Token付錢，因為它能讓我更高效。這個市場是最近才出現的。所以我們現在可以做一件事：同一個模型根據響應時間，劃分出不同市場。這也是為什麼我們決定擴展推理的“帕累托前沿”（Pareto frontier）做一個響應更快、但吞吐更低的推理形態。過去大家都認為吞吐越高越好，但現在可能出現一種市場：Token價格很高（ASP高），即使吞吐低，整體收益仍然更高。如果是這樣那我們就會去做。但從架構角度來說，如果我有更多資源，我更願意把它投入到現有架構上，而不是分散。Dwarkesh：這個高價Token市場的想法非常有意思。黃仁勳：是的，本質是市場分層（segmentation）。Dwarkesh：最後一個問題。假設深度學習革命沒有發生，輝達今天會在做什麼？黃仁勳：還是同一件事：加速計算。我們公司的基本假設一直是，摩爾定律會放緩，通用計算不會適用於所有問題。所以我們把GPU和CPU結合，讓GPU去加速特定計算。不同的演算法、不同的kernel，可以被解除安裝到GPU上執行，從而讓應用加速100倍、200倍。這些應用在幾乎所有地方：科學計算、工程、物理、資料處理、圖形計算、圖像生成……即使沒有AI，輝達也會是一個非常大的公司。因為這是一個更基礎的問題，通用計算的擴展已經接近極限，而解決方案就是領域專用加速（domain-specific acceleration）。我們從圖形開始，但其實有無數其他領域，像分子動力學、地震資料處理、能源勘探、圖像處理……這些都是通用計算無法高效解決的問題。我們的使命一直是把加速計算帶給世界，推動那些通用計算無法突破的領域。當然，如果沒有AI，我會很難過。但正是因為我們在計算上的這些進展，讓深度學習更加普及，讓任何人都可以用一張GPU卡做出很厲害的事情。這一點，從來沒有改變。如果你去看GTC，前面很大一部分內容其實都不是AI。比如計算光刻、量子化學、資料處理，這些都是非常重要的工作，只是沒有AI那麼火。世界上有很多重要的事情並不依賴AI，而Tensor也不是唯一的計算方式。我們希望幫助所有人。 (字母AI)

“我確信2027年會是極其重磅的一年，部分具有顛覆性的變革將會在那一刻到來。”近日，GoogleCEO桑達爾·皮查伊（Sundar Pichai）做客知名播客，對AI驅動的智能變革給出了一個明確的時間坐標。“有些動作我們在早期不敢貿然去做，因為它在當時總是頻繁崩潰，但就在今年，我非常強烈地感受到，那個劇變的拐點曲線正在以前所未有的速度抬升。”在他看來，2027年，將成為一個極具標誌性的歷史分野。皮查伊用“同心圓”來比喻目前的演進狀態。在Google內部，處在核心陣地的部分團隊正在經歷極其深刻的重構轉型。對他來說，當前極具挑戰的一大工程是如何將這種變革的漣漪一層層擴散到外部龐大的梯隊中去，這是Google2026 年的戰略重心。皮查伊於2004年加入Google，主導過Chrome、Google工具列等核心產品，並於2015年正式接掌GoogleCEO。在此後的十年間，Google市值從他接手時的接近5000億美元飆漲至如今的3.8兆美元。特別是去年下半年，憑藉在大模型領域的突破性進展，Google股價一路高歌猛進，市值接連超越微軟和蘋果，目前僅次於輝達，位居第二。今年2月5日，Google發佈了2025年財報，年度營收首次突破4000億美元，雖然收入淨利潤均超預期，但Google預計2026年資本支出將翻倍，在1750億美元至1850億美元之間，顯著高於市場預期，這引發了投資者的擔憂。在當時的電話會上，皮查伊表示，儘管內部一直在擴大產能，但目前仍面臨供應短缺問題，Google各業務類股的需求都異常強勁。在此次訪談中，皮查伊進一步闡釋了這種看似激進的投入邏輯，“如果對未來的技術曲線沒有極其堅定的預判，是絕不敢下這種血本的。”他坦言，兩年半前就有聲音質疑這種投資不合理，因為需要達到相應的收入等級才能回本。但他的判斷很清晰：Google目前處於“供應受阻”狀態，所有業務層面都看到龐大的算力需求。即便如Google這樣的巨頭，也在面臨算力緊缺的窘境。為此，皮查伊透露，自己每周都會拿出一個小時，專門復盤算力分配統籌，“我能清晰地掌握每個項目、每個團隊正在消耗的具體計算單元數量。因為手中掌握著這些資料，我會不斷地對齊和評估。”他認為，在當下這是公司的核心要務之一。拋開投資回報率的商業考量，現實的物理世界也在施加限制。即便Google現在想掏出4000億美元採購硬體，也會受限於記憶體、電力、零部件供應鏈等多重瓶頸而無法落地。皮查伊認為，電力和能源問題反而是更容易被解決的，問題核心是實際的晶圓產能（Wafer Capacity）、晶圓投片量（Wafer Starts），以及行政許可審批和應對監管環境，這些決定了推進事情的速度。在這方面，皮查伊認為應該學習中國，“學會如何大幅加快建設速度”，在物理世界中如何將建設速度提升10倍，這可能會出現越來越大的社會阻力。皮查伊也談及記憶體，稱短期內依然受限。“如果有人問記憶體是不是最卡脖子的零部件，我會說它絕對是我們當下考量的最關鍵因素之一。”他表示，頂配的記憶體企業是不可能在短時間內大幅拉升產能的，不過隨著時間推移，瓶頸會逐漸鬆動。在資本逐利的強大驅動下，整個行業都在傾盡全力打破這些桎梏。皮查伊預計，這種制約也會倒逼出諸多偉大的技術創新，比如將現有裝置的能效比提升30倍。Google近期的一大動作是發佈了開源模型Gemma 4，這被外界視為與中國開源模型正面競爭的訊號。皮查伊評價中國的模型“很優秀”，他表示，“放眼中國之外的地區，Gemma 4是頂尖的開源模型”。他解釋稱，由於Gemma 4基於Gemini 3的底層架構打造，它與最前沿模型的差距雖有，卻並不遙遠。在訪談的尾聲，皮查伊也將目光投向了更遙遠的未來。他透露，Google正在對一系列跨越周期的宏大工程下注，包括太空資料中心、量子計算、機器人技術以及無人機配送服務。“如果將視距拉長放眼20年後，在狹小的地球上，把這些吞吐著海量算力的資料中心放在何處？這是個棘手的世紀難題。”因此，Google已經在未雨綢繆下注太空資料中心。量子計算同樣是被寄予厚望的前瞻性項目，皮查伊表示，這個領域取得的突破讓他感到興奮與震撼。Google的DeepMind團隊也在鑽研機器人技術，並重新與波士頓動力等公司開始合作。三年前ChatGPT橫空出世時，Google經歷過低谷，但很快這一巨頭就已經從追趕者來到了領頭羊的位置。此刻的巨資押注與內部重構，或許也是為了將來新的變革到來時Google不再重蹈覆轍，依然能在浪潮之巔。 (第一財經資訊)

雙線資本（DoubleLine Capital）創始人兼首席執行長、“新債王”傑佛瑞·岡拉克（Jeffrey Gundlach）在最新深度訪談中發出嚴厲警告：美國長達40年的利率下降周期已經終結，巨額債務正將經濟推向不可持續的邊緣，而狂熱的私人信貸市場正如同2006年的次貸危機一樣，醞釀著巨大的流動性災難。3月27日，在由知名財經主持人朱莉婭（Julia）主持的一場深度對話訪談中，雙線資本創始人兼CEO傑佛瑞·岡拉克就全球宏觀經濟、聯準會貨幣政策路徑、私人信貸風險以及未來的資產配置方向發表了極具衝擊力的觀點。作為華爾街最具影響力的固定收益投資者之一，岡拉克在長達數小時的對談中明確表示，當前金融環境的風險正在明顯積聚。他不僅顛覆了市場對聯準會“即將降息”的共識預期，更提出美國國債在未來可能面臨“重組”或“軟違約”的極端情景。“因為我們背負的債務負擔，以及我們目前通過2兆美元赤字為政府融資的方式，這是完全不可持續的。如果某件事是不可持續的，那它就必須停止。”岡拉克在開場時便定下了極度審慎的基調。聯準會沒有秘密，下一步行動不僅不降息反而將是“加息”針對當前市場對聯準會年內降息的狂熱預期，岡拉克潑下了一盆冷水。他直言不諱地指出，聯準會從來都不是利率的引領者，而是跟隨者。“我認為我們應該取消聯準會，直接用兩年期國債收益率作為短期利率。” 岡拉克犀利地指出，如果將過去30年的聯邦基金利率和兩年期國債收益率進行對比，規律顯而易見：當兩年期國債收益率上升並高於聯邦基金利率時，聯準會必定加息；反之亦然。他詳細解釋了近期的市場博弈：“就在聯準會宣佈維持利率不變之前，所有人都在說‘聯準會今年會降息兩次’。我說，不，他們不會。兩年期國債收益率高於聯邦基金利率。在聯邦基金利率現在所處的位置，以及兩年期國債收益率比聯邦基金利率上限高出25多個基點的情況下，你不可能看到聯邦基金利率下降。”岡拉克預測，如果原油價格維持在高位（例如WTI原油在每桶95美元左右並持續整個夏天），“聯準會絕對肯定會加息。你會越來越多地聽到，這已經開始了。也許聯準會的下一步行動是加息。”私人信貸：一場重演2006年次貸危機的“徹頭徹尾的災難”在談及當前華爾街最炙手可熱的資產類別——私人信貸時，岡拉克使用了全場最嚴厲的措辭，將其與導致2008年全球金融危機的次貸市場直接對標。“去年，去年我告訴人們，我感覺自己身處2006年，有著所有的泡沫。”岡拉克表示，目前兩到三兆美元的私人信貸市場規模，與2006年步入全球金融危機前的次貸市場規模“驚人地相似”。他徹底撕開了私人信貸“低波動、高收益”的偽裝，直指其估值完全是不透明的虛假繁榮。他分享了一個令人震驚的行業內幕：“有一位非常大的保險公司客戶，他們有八位管理人持有完全相同的頭寸。同樣的持倉，一個按95估值，一個按8估值。”岡拉克指出，私人信貸的本質是將流動性極差的資產包裝給需要定期贖回的投資者，這種根本性的錯配註定會崩盤。他預警稱：“當你要求贖回14%，他們只給了你5%時，你接下來要做的就是要求贖回40%。2026年6月，你會看到一些相當瘋狂的贖回請求。 私人信貸必須經歷一次重大的洗牌。”資本保值至上：拋售美國資產，重倉新興市場與黃金基於對長期利率上升和信貸危機的擔憂，雙線資本目前的風險敞口已降至其成立17年來的最低點。岡拉克明確表示，時代已經變了，“我們已經離開了充滿抱負的世界，離開了炒作的世界”，資本保值現在是第一要務。面對市淨率已是世界其他地區兩倍多的標普500指數，岡拉克給出了一個極具顛覆性的“異類”資產配置建議：徹底拋棄美國股票。40%投資於非美股票： “我一直在建議美國投資者，他們應該持有的股票應該是100%的非美股票，尤其是以當地貨幣計價的新興市場股票。比如巴西、智利和東南亞。”25%投資於短期固收： 全部配置於期限在十年以內、信用質量較高的債券。15%投資於大宗商品： 其中10%掛鉤彭博大宗商品指數，5%直接配置黃金。20%持有現金： 等待2026年資產價格變得更便宜時再出手。對於黃金，岡拉克極其看好：“黃金是真正的貨幣。央行將成為黃金需求持續的巨大來源……黃金不再是生存主義者、古怪的瘋狂投機者的東西了。它是一個真正的資產類別。”終局推演：40兆債務壓頂，美債或面臨“直接降息”重組對於宏觀大局的最深層擔憂，岡拉克將其歸結為美國日益膨脹的債務黑洞。目前美國國家債務已達39兆美元，岡拉克認為，“當它達到40兆美元時，這可能成為一個心理關口。”他打破了市場長期以來的慣性思維——即經濟衰退會導致利率下降。岡拉克警告，在下一次衰退中，由於赤字將急劇擴大，長期國債利率不但不會下降，反而會上升。目前美國財政部每年支付的利息已達1.4兆美元，“正走向2兆美元的利息支出方向”。同時在問及衰退的可能性時，他指出：“我當然認為，當權者宣佈衰退在2026年的某個時間開始的可能性很大。我會給至少50%的機率。”如果長期利率升至6%左右，利息支出將徹底引爆。岡拉克推演了兩種解決這一危機的終局途徑：通膨貶值或軟性違約（債務重組）。更令人震驚的是，他認為美國政府強制修改國債規則、直接降低票息的可能性遠超市場預期。“我認為投資者需要考慮這樣一種想法：美國國債的信用worthiness（信用資質）可能會出問題。人們不喜歡聽這個。他們認為這個想法太激進了。”為了規避這種“降息”重組風險，岡拉克的團隊已經採取了極端防禦措施：拋空所有長期國債，並將必須持有的國債全部換成同期限內票息最低（如1.5%）的債券，以防止高息國債（如6%）被政府強制削減票息而導致本金暴跌。在訪談最後，岡拉克預言美國制度的“重組”或大型“重設”（即第四次轉折）將在2030年左右發生。在此之前，他的策略只有四個字：“等待絕佳的機會。”訪談全文如下：傑佛瑞·岡拉克因為我們背負的債務負擔，以及我們目前通過2兆美元赤字為政府融資的方式，這是完全不可持續的，所以必須有所改變。如果某件事是不可持續的，那它就必須停止。這種情況必須停止。而政客們，當然，絲毫沒有表現出要控制開支的意願。因此，最終將不得不由市場來強制執行。所以，當前環境風險正在明顯積聚，我對未來幾個月和幾個季度採取低風險策略非常感興趣。朱莉婭雙線資本創始人兼首席執行長傑佛瑞·岡拉克。非常榮幸今天能邀請您來到我們的節目。非常感謝您抽出時間接受我的採訪。傑佛瑞·岡拉克謝謝你邀請我，朱莉婭。我們好久沒聊過了。朱莉婭確實很久了。自從我們上次交談已經過去五年了。您是我在投資界最喜歡交談的人之一。再次強調，很榮幸能邀請到您，傑佛瑞。今年到目前為止發生了很多事情。我簡直不敢相信我們即將結束第一季度。我一直在跟我的嘉賓們說，發生了太多事情，經歷了太多變故。確實很多。既然距離上次您來節目已經有一段時間了，讓我們從宏觀大局開始，談談您今天看待世界的框架，您對經濟和市場的評估，以及您關注的重點是什麼？傑佛瑞，這個節目的一個特點是，在闡述宏觀大局時，您可以盡情展開，想花多長時間都行。傑佛瑞·岡拉克好的。嗯，經濟似乎在放緩。有趣的是，債券收益率卻在上升，國債收益率在上升。在經濟放緩的同時，我一直在發展的一個核心理念——實際上在過去五年左右的時間裡——就是我們不再處於一個利率長期下降的環境，尤其是對於長期利率而言。我大約在四五年前得出了這個結論。當時我遭到了很多人的反對。他們認為，利率會因為代際原因而長期保持低位。但我認為，利率存在長周期，通常持續約40年。利率在1945年左右觸底，然後在50年代開始上升，一直上升到，我想可以說是1984年。之後利率開始下降，一直持續到2000年。我一直認為，由於國債利息支出的原因，長期利率的長期下降趨勢肯定已經結束。利息支出因每年持續增加的2兆美元預算赤字以及更高的利率而急劇膨脹。你知道，聯準會將短期利率從零提高到5.375%，造成了利息支出的大幅增加。因此，美國財政部每年支付約3000億美元的利息。而現在大約是1.4兆美元，而且似乎看不到盡頭。傑佛瑞·岡拉克赤字支出。所以我們每年繼續增加約2兆美元的債務，而即將到期的國債目前的平均利率約為3.8%。因此，鑑於目前兩年期國債收益率約為4%，30年期國債收益率接近5%，如果我們維持現狀，那些即將到期的債券將被利率更高的新債券所取代。傑佛瑞·岡拉克我很有興趣看到大約一年前發生的"縮減恐慌"和"關稅恐慌"。有趣的是，在"關稅恐慌"期間，標普500指數下跌了18%。如果你回顧過去幾十年標普500指數的13次回呼或熊市，前12次中的每一次，美元都在上漲，漲幅約為8%到10%。我覺得去年股市下跌18%時，美元實際上卻下跌了，這一點非常引人深思。這證實了我的想法，即當市場疲軟或經濟疲軟時，利率並不會下降。傑佛瑞·岡拉克現在真正有趣的是，人們很難辨別利率上升的真正原因是什麼。每個人都會說是油價，當然，這有一定道理。但這是一種模式。很多模式正在被打破。過去，當國債收益率上升時，信貸產品的利差通常會縮小。但在今年3月，這是很長一段時間以來最糟糕的月份之一。我的意思是，本月兩年期國債收益率上升了60個基點，然而信貸產品的利差卻在擴大，而不是縮小。所以我們開始看到金融狀況在真正收緊。因此，我一直認為，我們將面臨一個對金融資產非常不利的環境。我知道我有時會聽你周六早間節目的回放，我想是和克里斯·韋蘭一起的那個節目。我想我開始聽了。也許這只是確認偏誤，因為我同意他說的很多東西。但去年，去年我告訴人們，我感覺自己身處2006年，有著所有的泡沫，所有這些，你知道的，人工智慧的數位技術以及市場的狹窄性。去年賺錢太容易了。我的意思是，即使是債券，投資級債券也上漲了8%，標普500指數上漲了大概17%或18%。歐洲股市表現更強，而新興市場股市表現最強。傑佛瑞·岡拉克但今年，是謹慎和反思的一年。我注意到去年，雖然黃金全年上漲了大約70%，但比特幣實際上下跌了。我從中得出的結論是，我們已經離開了充滿抱負的世界。我們已經離開了炒作和每個人都認為"人生只有一次"之類的世界。我們進入了一個現實的世界，因為比特幣。它就像是三四年前的東西了，我認為對它最大的侮辱之一是，千禧一代會對嬰兒潮一代說，現在只有嬰兒潮一代還在乎比特幣了，因為它已經不再酷了。所以我們進入了一個具體而真實的事物構成的世界，離開了炒作的世界。我認為這將成為一個主題。我今天在看財經新聞，我們快到三月底了，他們說這是自2022年以來股市表現最差的一個季度。那是很長一段時間了。我的意思是，股市下跌了那麼多。我的意思是，我認為一些指數下跌了2%或3%，有些可能下跌了3%或4%。但這意味著，過去四年來，我們還沒有經歷過股市單季度下跌5%的情況，這看起來似乎早就該發生了。進入2026年時，股市的估值讓我想起了2021年底的情況，那導致了接下來糟糕的一年。傑佛瑞·岡拉克在2022年，所以我認為我們處在一個資本保值至上的世界。在雙線資本，我們已經持續兩年多不斷削減風險，尤其是在信用風險方面，不斷進行質量升級。實際上，在我們能夠投資BBB級公司債券等品種的基金中，我們的持倉量處於雙線資本（已成立近17年）歷史上的最低水平。我們對金融資產的前景並不非常樂觀，因為我認為即使我們陷入衰退，長期國債利率也會上升，而不是下降，這將打破我職業生涯前40年的模式。我認為這就是將要發生的事情。因此，我們將面臨這樣一個環境：人們越來越擔心利息支出，以及基本上，人們為巨額債務所承擔的利息成本。傑佛瑞·岡拉克我聽到很多人說，如果全國汽油價格漲到每加侖4美元以上，就會對經濟產生心理影響。我認為這或許有些道理。今天早上在這裡，加州，我們的油價大約是最高。夏威夷可能更高，但我們的油價很高，我現在去加油站加滿油要花六美元七十美分。那真是……朱莉婭普通汽油嗎？傑佛瑞·岡拉克是的，就是普通汽油。所以價格已經很高了。但我也認為這些心理關口很重要。大多數人沒有意識到國家債務已經超過了39兆美元。我有一種感覺，當它達到40兆美元時，這可能成為一個心理關口，人們開始思考，你知道，到2030年或2031年，它可能會達到50兆美元。傑佛瑞·岡拉克這是一個非常大的問題。我認為，投資者認為他們所知道的許多事情，都是由利率下降以及總能通過再融資度過周期的經驗所塑造的，但那個時代已經過去了。那麼，當30年期國債收益率在疲軟的經濟中實際上開始上升時，會發生什麼？想想看。如果經濟疲軟而債券收益率上升，想想這意味著什麼。這意味著利息支出增長得更快。當然，當經濟疲軟時，預算赤字會擴大，佔GDP的相當大比例。過去在經濟衰退期間，預算赤字通常會擴大GDP的4%。當然，最近兩次衰退非常嚴重。你知道，有全球金融危機，然後有疫情封鎖，那時的預算赤字擴大了GDP的8%和12%。所以如果這種情況真的發生，我認為我一直告訴有遠見的投資者的一個資訊是，我們可能會看到一些相當激進的事情需要發生，以解決這個利息支出問題。其中一個想法曾在2024年底的一份白皮書中被提出。然後斯科特·貝森特，當時還不是財政部長，他評論說也許我們應該重組外國投資者持有的美國國債。他的意思是延長期限並降低票息。他說這話時很有趣，因為這也是我一直在琢磨的一個想法，我認為它的可能性比大多數人願意相信的要高，也許處理這個問題的一個方法不僅是對外國投資者這樣做，而且可能對所有國債都這樣做。所以你走過去說，我知道我們會直接降低國債的票息，這樣我們就可以減少利息支出。想想看，國債的平均票息約為3.8%。如果你把它降到比如說1%，你就能削減近75%的利息支出。這樣我們就能回到五年前的支出水平，因此有更多的空間來把問題往後推。因為你無法承受，如果我們走向2兆美元的利息支出，這正是我們的方向，那將真的無法維持。傑佛瑞·岡拉克所以我認為投資者需要考慮這樣一種想法：美國國債的信用worthiness可能會出問題。人們不喜歡聽這個。他們認為這個想法太激進了。傑佛瑞·岡拉克但我要告訴你。你知道，聯邦所得稅曾經是非法的。所以他們通過了一項修正案使其合法化。你知道，根據其章程，聯準會是不允許購買公司債券的，但在疫情封鎖之後，他們小規模地購買了公司債券。傑佛瑞·岡拉克所以那是非法的。你知道，在2006年，有價值2兆美元的無擔保抵押貸款支援證券的招募說明書。上面用通俗的英語寫著，這些抵押貸款在任何情況下都不得修改。招募說明書裡就是這麼寫的，但他們卻修改了美國數百萬筆抵押貸款。所以規則是可以改變的。傑佛瑞·岡拉克因此，我對持有長期國債的風險感到非常緊張。在我們的投資組合中，這方面的持倉實際上幾乎為零。而對於我們確實持有的那些，一年多前，我去找我的政府債券團隊說，我希望我們保持國債持倉的期限結構不變。但在每一個期限檔位，我想讓你把我們持有的債券換成該檔位中票息最低的債券。通過這樣做，我們將10年期及更長期限國債的票息從4.75%降到了1.5%。這樣，以防萬一他們決定修改這些國債以降低票息。好吧，如果你持有一張6%票息的國債，那是一張十年前發行的30年期國債，票息為6%。如果他們把票息降到1.5%，你將遭受超過50個點的損失。傑佛瑞·岡拉克所以，即使你認為這些風險的機率不高，也沒有理由去承擔。我想我們投資界都同意，如果你承擔風險卻得不到任何回報，那就不要去承擔。同一枚硬幣的另一面是，如果你能以零成本消除一個風險，即使成本微乎其微，你也應該消除那個風險。傑佛瑞·岡拉克這就是我對事情的看法。因為我們的債務負擔以及我們通過2兆美元赤字為政府融資的方式，這完全不可持續，所以必須有所改變。如果某件事不可持續，它就必須停止，這件事必須停止。而政客們，當然，絲毫沒有表現出要控制開支的意願。因此，最終將不得不由市場來強制執行。所以，這就是為什麼我認為長期國債收益率，阻力最小的路徑是向上。而且，這有點令人擔憂，因為現在我們看到一些信貸壓力顯現出來，因為利率在2026年3月經歷了有史以來最大的單月漲幅之一。高收益債券的利差已經擴大了大約75個基點。所以，當前環境風險正在明顯積聚，我對未來幾個月和幾個季度採取低風險策略非常感興趣。朱莉婭嘿，大家好，希望你們喜歡這次訪談。如果你能花點時間點選訂閱按鈕，我們正努力實現下一個目標，即擁有10萬訂閱者，你們的支援真的能幫助我們達成目標。朱莉婭非常感謝，請繼續享受接下來的訪談。哇，傑佛瑞，你為我們的討論搭建了多麼棒的框架。正如你指出的，你和我第一次見面做採訪是在七年前。當時的債務是22兆美元，而你指出現在是39兆美元。那個40兆可能確實會成為真正的心理關口。而你的論點是在下一次經濟衰退中，利率會上升，美元會下跌。天那，你真的引起了我的注意，因為這聽起來將是一次非常痛苦的覺醒。我想知道，你認為投資者在理智上理解這一點嗎？他們的倉位是否合適？因為我也從你這裡聽到……傑佛瑞·岡拉克不。是的，倉位合適。大多數美國投資者，尤其是他們的倉位非常糟糕。在過去一年多里，我一直在建議美國投資者，他們應該持有的股票應該是100%的非美國股票，並且以外幣持有。這在去年效果非常好，今年效果也不錯。我的首要建議是美國投資者應該購買新興市場，不是新興市場股票，而是以當地貨幣計價的新興市場股票。傑佛瑞·岡拉克這是今年唯一實際在上漲的東西。如果你看看今年到目前為止的情況，幾乎沒有什麼在上漲。我剛才看了一下。今年上漲的有黃金上漲了百分之幾，美元指數上漲了1.7%，大宗商品指數上漲了，彭博大宗商品指數上漲了21%。唯一上漲的其他東西是新興市場股票，上漲了1.4%。而相比之下，你知道，美國股市是下跌的。我認為是時候了。對於投資者來說，這並不多見。所以很多人一直在建議美國投資者進行海外投資，但這多年來一直沒奏效，但現在開始奏效了。我發現投資市場上最讓我興奮的事情是，當某個事物在根本上非常有道理，但最終開始真正在現實中發生時，現在這種情況已經發生了。這些海外投資的表現正在超越美國，而且還有很長的路要走。如果你看看摩根士丹利世界股票指數，你可以把它分成兩個部分，摩根士丹利美國指數和摩根士丹利世界其他地區指數。大約15到20年前，美國與世界其他地區（不包括美國）的股票市淨率是相同的。而現在標普500指數的市淨率是世界其他地區（不包括美國）的兩倍多。這是極端的估值過高。每個人似乎都在說一個詞，"美國例外論"。這對我來說毫無意義。他們所說的無非是美國表現優於其他地區。當人們說"美國例外論"時，他們的意思是美國市場，尤其是股市，表現優於外國市場。我認為我們正處於一個多年期的階段。我們可能正處於這個九局棒球比賽比喻的第二局，最多也就是這個階段，外國市場的表現將超越美國。所以我有一個不同尋常的資產配置建議。我基本上建議40%投資於股票，全部是非美國股票。其中一些像巴西、智利，一些東南亞股票等等。我只建議大約25%投資於固定收益，全部是十年期以內的，並且全部屬於信用質量較高的部分。然後我建議大約15%投資於大宗商品。我可能會把10%放在彭博大宗商品指數，5%放在黃金上，因為我認為黃金現在非常有吸引力，去年大幅上漲到了非常泡沫化的5500美元水平，但本周早些時候它跌到了40100美元。所以我認為黃金將繼續成為表現強勁的資產。然後我認為投資者應該將投資組合的剩餘部分持有現金，因為隨著2026年的推進，資產價格會變得更便宜。當然，每個人都在談論的一件事，而且我也一直在非常直言不諱地談論，就是私人信貸的情況。是的。其規模與2006年的次貸和無擔保抵押貸款驚人地相似。人們說它不大，只有兩到三兆。嗯，這正是在2006年、進入全球金融危機期間那個市場的規模。我認為這將是一個非常漫長、拖沓的故事，不會像次貸問題那樣迅速蔓延，因為次貸問題每天每時每刻都有定價，因為有一個叫做ABX指數的東西，用於評級為AAA的次貸產品。你可以看到它在2007年初開始像石頭一樣下跌。所以你可以看到它從100跌到93，再跌到80。但這個私人信貸的事情，大約每季度才評估一次。所以資料點將少之又少。朱莉婭是的，傑佛瑞，當你說到那個的時候，你……談到那個，這讓我想起，你看到了當今私人信貸市場與2006年次貸市場的相似之處？因為在2007年夏天，你在一個會議上說，次貸將是一場徹頭徹尾的災難，而且只會變得更糟。傑佛瑞·岡拉克沒錯。那是在2007年6月的晨星會議上。是的。今年我被邀請在晨星會議上發言。結果因為日程衝突沒能去。但當我琢磨著要在晨星會議上做主題演講時，我對自己說，也許我應該以"私人信貸是一場徹頭徹尾的災難，而且會變得更糟"作為開場，因為那正是我在2007年關於次貸問題即興說的話。我當時沒打算那麼說。我只是，它就這麼脫口而出，我就那麼說了。但我很高興我說了。但，我的意思是，問題，顯然，每個人都越來越意識到私人信貸市場，那些估值不是真實的估值。我想阿波羅的負責人也這麼說過。估值不是真實的。所以每個人都知道，充其量，你面對的是一個移動平均線的情況。我的意思是，大約一年前，我才真正開始關注私人信貸，當時有一位保險公司的客戶來訪，一家非常大的保險公司客戶，他們非常深入地參與了私人信貸。他們說他們有好幾家管理人，其中八家管理人持有完全相同的頭寸，完全相同的一個。這是典型的，這有點像俱樂部式的私人信貸，至少過去是這樣，現在家族內部有點小爭執，但不久之前，它還是一個和睦的大家庭。他說，我有八位管理人持有完全相同的頭寸。其中一個定價為95，另一個定價為8。什麼？等等，什麼？朱莉婭不同的盯市價值。哦，天那，一個……傑佛瑞·岡拉克同樣的持倉，一個按95估值，一個按8估值。這真的讓我大開眼界，因為我以前沒有那麼清晰地瞭解那裡正在發生的事情。但隨後，突然間，你注意到去年夏天晚些時候，或者去年秋初，你開始看到這些奇怪的事情，比如，你知道，債券在幾周內從100跌到零。然後真正讓我印象深刻的是，有一隻由一家非常受尊敬的發起人管理的基金，就在幾個月前，有一天宣佈他們將基金的估值從100調整為81。這對一隻基金來說，一夜之間是相當大的減記。但很多人沒有完全意識到的是，他們不太可能把他們持有的每一隻債券、每一個信貸頭寸都從100調整到81。那可能沒發生。所以你必須問自己，其中一些估值變化的delta到底是多少？如果一半的基金完全堅如磐石，而他們只減記了另一半基金，那意味著他們把那半部分基金減記了38個點。如果四分之三的基金絕對堅如磐石，然後我減記了25%的基金，那意味著那25%的基金一夜之間從100被減記到24。所以這裡到底發生了什麼？聽起來這些估值肯定存在很多不透明性。傑佛瑞·岡拉克我一直，我，我一直強調私人信貸是未來可能出現問題的候選領域，因為它是一個如此快速增長的市場。我打過一個比方，任何從一個小市場變成一個繁榮市場並變得極其流行的東西。我說它就像西部荒野的一個小鎮。好吧，假設你在1820年的邊疆地區，有一個農業人口，他們都敬畏上帝，你有一個像加里·庫珀在《正午》裡那樣的警長，他心地善良，一切都運轉得很好。但突然有一天，有人在這個小鎮三英里外發現了黃金。突然間，所有這些機會主義者，其中一些是流氓無賴，湧入小鎮，因為他們想發財。所以突然之間，人口因巨大的增長而氾濫。其中一些是不道德的人。所以你最終會看到很多犯罪，一切開始惡化。這就是發生的事情。這就是本世紀初在CLO市場上發生的事情，這就是任何市場上都會發生的事情。私人信貸沒什麼特別的。它只是一個蓬勃發展的市場。所以突然間，你有幾家公司，他們做得很好，他們有良好的風險控制等等。他們獲得了不錯的回報。傑佛瑞·岡拉克然後由於某種原因，這個行業變得超級熱門，就像2021年的私人信貸一樣。為什麼私人信貸在2021年變得超級熱門？那是因為利率仍然為零。然後政府向經濟注入了7兆美元。所以任何對基本經濟學有那怕一點點粗略瞭解的人，都應該知道通膨將大幅走高。而零利率將成為一個巨大的虧損命題。所以，當然，利率從大約1%上升到30年期國債的5%以上，這意味著50個點的損失。當然，股市，當你在2022年以極高的市盈率進入時，經歷如此大幅的利率上升，也遭受了巨大的損失。傑佛瑞·岡拉克所以當你知道次級債，公開債券會變差，你知道傳統股票會變差時，你就會尋找其他東西。還記得SPAC是如何突然變得流行的嗎？是的，就像盲池。就像，我不想要股票，我不想要公開股票，我不想要公開債券，因為我知道它們會變差。所以給我一些我無法將公開債券和公開股票的風險對應過去的東西，因為如果我能將公開債券和股票的風險對應到某個其他新的資產類別上，那麼我就不會喜歡那個新資產類別，因為它會包含我不想承擔的風險對應。傑佛瑞·岡拉克所以給我一些我不知道它是什麼的東西，更好的是，不要按市價估值，因為這樣我就不必擔心波動性。這就是私人信貸市場。它是一個不按市價估值、完全不透明的市場。我會感覺更好，因為我不知道它是什麼。所以，關於私人信貸的論點變成了，嘿，這是一個低波動的資產，其實不然，或者，嘿，它在過去四五年裡表現良好。嗯，那是因為私人市場……公開市場在2022年固定收益下跌了12%，股市跌幅更大。傑佛瑞·岡拉克所以當然，一些不按市價估值的東西表現優於市場。這就像說一張定期存單的表現優於30年期國債。那是因為你不對它進行市價估值。所以這是該資產類別的一個根本性缺陷。而且有很多，你知道，最終到了這樣一個地步，現在甚至在財經節目上都有廣告說，在過去的好時光裡，像普通藍領美國人這樣的普通人，能夠購買像通用汽車、波音這樣偉大的美國公司的一小部分股份。但現在公司私有化的時間更長。所以可憐的美國普通民眾沒有機會投資這些極其偉大的私人投資機會。所以現在我們正在做一個ETF，它投資於私人信貸。現在的問題是，對於捐贈基金來說，資金被鎖定在這樣的產品中是沒問題的，但這些基金現在允許人們每季度提取資金。當然，我們看到，3月份在某些情況下，贖回請求是基金招募說明書允許額的三倍。所以它們允許5%，它們要處理15%。傑佛瑞·岡拉克我今天聽說，為了緩和人們對這個問題的看法，現在有一個發起人正在討論設立一隻基金，允許人們每季度取出7.5%，而不是每季度5%。然後他們說，事實上，我們甚至可能看看能否獲得批准，提供月度流動性，這樣人們每月可以取出2%，而不是每季度5%。這開始以一種非常令人不安的方式模糊了公募和私募之間的界限。我的意思是，如果這些私募產品要提供月度流動性，為什麼不把它變成周度流動性呢？為什麼不變成日度流動性呢？傑佛瑞·岡拉克嗯，在某個時候，你確實違反了"私募"意味著你沒有流動性的概念。為此，你擁有更長的投資期限，也許可以獲得更高的回報率。但一旦你開始把一個本應是流動性投資（及其市價估值弊端）的替代品，突然變成了一種……一個公開市場產品，因為你現在在本質上是私募的產品和流動性之間出現了根本性的錯配。它，它，它根本無法共存。它們無法共存。這是兩個不同的領域。所以當你為了擴大買家基礎或安撫那些已經對缺乏流動性感到失望的持有人而扭曲某些東西時，你，你得到的是一個無法運作的東西。它根本沒有潛力。它甚至沒有理論上運作的能力，這就是為什麼私人信貸必須經歷一次重大的洗牌。朱莉婭你認為，嗯，如果他們談到"蟑螂"，這是否意味著全面爆發？我們是否正走向一場危機？你如何看待這件事的演變？傑佛瑞·岡拉克我認為這個領域投資過度了。我發表演講時，有時聽眾有2000人，從大約2023年開始，一直到目前，在問答環節，第一個問題總是，"你對私人信貸怎麼看？"這個問題被問了太多次，以至於我開始這樣回答："我猜你問我，是因為你持有大量私人信貸，對吧？"他們都說，"是的"，每個人，他們都持有私人信貸。每個人都參與其中。所以，那裡，沒有新的買家了。只有新的賣家。所以我們在哈佛大學捐贈基金身上看到了流動性不足的一瞥，他們不得不進入債券市場籌集資金來支付維護費用和工資，因為當校園發生抗議活動並出現麻煩時，他們的捐贈者停止捐贈了。哈佛擁有500多億美元的捐贈基金，卻沒有足夠的流動性來支付幾十億美元的支出，這顯示出個人、機構和養老金計畫被鎖得有多緊。另一件沒有被充分討論的事情是，但如果你真的想深入瞭解細節，有一些由擁有40年從業經驗的前保險審查員製作的播客，他們談論了私募股權擁有私人信貸、私募股權收購保險公司，然後指導這些保險公司購買私人信貸，然後將保險公司的部分風險轉移給位於百慕達、巴巴多斯或開曼群島的再保險公司，美國監管機構對此毫無知情權。有些案例中，一些擁有保險公司的私人信貸公司將這些再保險風險轉移到這些島上，但他們並沒有全額提供資金。所以他們在保險公司層面轉移了比如說500億美元的風險給再保險公司，但他們沒有用500億美元的資產來提供資金。他們實際上應該用550億美元的資產來提供資金，這樣有10%的盈餘以保持審慎，但相反，他們對這些再保險公司的資金不足。我敢肯定，並非100%的公司都這樣做，但這又像狂野西部一樣。你知道，我們，如果他們在這種再保險模式上發現了黃金，就像，你知道，阿波羅擁有雅典娜，所以他們有這些專屬保險公司，有點像從華倫·巴菲特那裡學來的，他很久以前就開始這樣做並行了大財，然後他們最終聲稱轉移了實際上並未轉移的風險。所以其中一些保險公司或再保險公司的盈餘佔其負債的比例不是10%。他們更像是1%的盈餘。傑佛瑞·岡拉克如果，如果他們今天面臨的市價估值問題變成實際違約，如果美國經濟陷入某種比輕微更嚴重、比輕度更嚴重的情況，一場比輕微衰退更糟糕的情況，那麼可能會出現一個非常大的問題。傑佛瑞·岡拉克所以我現在非常，我已經削減風險兩年了，我們的風險水平處於雙線資本17年來的最低點，而且我還遠未接近開始增加風險。我認為我們需要，我們需要。我們需要信貸產品的利差大幅擴大，我們才能真正決定開始投資比如單B級證券或更低評級是審慎的。所以我們只是在努力保全資本，等待更好的機會，基於進入2026年時的設定，這些機會幾乎肯定會到來。只是今年可能不會發生，因為就像我說的，私人信貸的事情，你不會得到持續的資訊。實際上每季度才一次。所以我們將拭目以待。有一點我認為。任何一個在這個圈子裡混了那怕只有我一半時間的人都知道，6月份私人信貸的贖回請求將遠遠高於3月份。因為當你要求贖回14%，他們只給了你5%時，你接下來要做的就是要求贖回40%。因為那樣也許你能多拿到一點。這就像債券分配一樣。你知道，我交易債券已經超過45年了，當市場好的時候，當一家公司的信用狀況非常受歡迎時，如果他們發行5億美元的債券，如果你想要5000萬。你不會只申購5000萬，因為需求會超過5億。所以你會申購2億，這樣你就能拿到5000萬。這些贖回也會是這樣。他們想要一定的百分比。這次沒得到。他們知道下次會有更多的需求，所以2026年6月，你會看到一些相當瘋狂的贖回請求。朱莉婭我知道你是對的，傑佛瑞。好的，我想提另一個你一直非常關注的領域。我覺得這很有趣，你指出的這一點。聯準會跟隨兩年期國債收益率的步伐，而不是引領它。傑佛瑞·岡拉克毫無疑問。是的，毫無疑問。朱莉婭好的，你能為觀眾解釋一下嗎？傑佛瑞·岡拉克嗯，我會告訴任何其他人，如果他們可以使用圖表工具，只要回去30年，如果你想的話，把聯邦基金利率，官方的聯邦基金利率和兩年期國債收益率繪製出來。你會看到的是，當聯邦基金利率穩定一段時間後，你會開始看到兩年期國債收益率變動，如果它開始下降，意味著聯準會即將開始降息。如果兩年期國債收益率上升，意味著聯準會即將開始加息。當聯準會在2024年9月開始降息時，我們有一個巨大的差距。兩年期國債收益率比聯邦基金利率低大約175個基點，他們終於開始降息了。然後當他們在2021年、2022年開始加息時，兩年期國債收益率遠高於聯邦基金利率。當聯準會最終加息時，我記得是25個基點。那是在2月的一次會議上，聯準會新聞發佈會結束後，我立即參加了一個財經節目，我說他們應該加息200個基點，因為他們遠遠落後於兩年期國債收益率。聯準會只是簡單地跟隨兩年期國債收益率。傑佛瑞·岡拉克真的，你確實可以在過去僅僅六個交易日的市場行為中看到這一點，因為聯準會的新聞發佈會和聯邦基金利率不變是在一周前的昨天，一周前的周三。非常有趣的是，在聯準會宣佈之前，我在看財經節目，所有關注股票的人都在那裡說，是的，你知道，情況變得不那麼令人信服地好了，但我們有一件事對我們有利。聯準會今年會降息兩次。聯準會今年會降息兩次。我說，不，他們不會。兩年期國債收益率高於聯邦基金利率。嗯，從那以後，兩年期國債收益率飆升，現在基本在4%左右。所以，在聯邦基金利率現在所處的位置，以及兩年期國債收益率比聯邦基金利率上限高出25多個基點的情況下，你不可能看到聯邦基金利率下降。所以你會越來越多地聽到，這已經開始了。你會聽到人們談論，也許聯準會的下一步行動是加息，這與僅僅六個交易日前的共識（兩次降息）相比，是一個如此激進的言辭轉變，儘管我當時不信。我，我，我。因為兩年期國債收益率當時已經高於聯邦基金利率了。但這僅僅是因為聯準會沒有任何超級秘密的資訊。他們只是看著我們都在看的所有東西。而兩年期國債收益率是所有那些投資於安全資產、投資於相對短期資金的投資者的集體智慧，那就是他們認為利率應該處於的水平。那就是聯邦基金利率應該處於的水平。我認為我們應該取消聯準會，直接用兩年期國債收益率作為短期利率。朱莉婭好的，那麼你認為，好的，下一步是加息。你為什麼認為？好的，最有可能的是加息。你覺得呢？傑佛瑞·岡拉克當然。看起來是這樣。好的。如果，如果，當然，如果西德克薩斯中質原油價格維持在每桶95美元，如果這種情況持續整個夏天，聯準會絕對肯定會加息。朱莉婭好的。然後正如你在論點中再次指出的，在下次經濟衰退中，利率也會上升，美元會下跌。關於經濟衰退，你心裡有機率嗎？比如，我們很快進入衰退的可能性有多大，或者時間線？我，我，我。傑佛瑞·岡拉克我不，這不是我思考的框架，因為這種事情背後沒有科學依據。但我，我，我，我，我，我認為，我認為，不斷上升的利率正因供應和仍然高企的通膨而面臨上行壓力。我的意思是，我認為，比如抵押貸款利率又回到了6.5%。如果這種情況持續下去，抵押貸款利率將再次達到7%。房地產市場甚至無法承受抵押貸款利率在5%高位的情況。我的意思是，即使抵押貸款利率低於6%，房地產市場也更加充足。現在是6.5%？如果繼續保持這種高通膨框架，它們會繼續走高。所以，是的，我，我當然認為，當權者宣佈衰退在2026年的某個時間開始的可能性很大。我會給至少50%的機率。朱莉婭嗯。好的。我想回到我們的財政狀況，因為你在《經濟學人》上也寫了一篇文章，我也會為讀者附上連結。我想是在2024年12月，你在那篇文章中闡述了兩種可能的結果。你認為，我們是走向貨幣貶值？還是你之前提到的重組？我想，我的問題是你認為，後果會是什麼？以及可能的觸發因素是什麼？傑佛瑞·岡拉克嗯，我認為我的基本情景是，但長期國債收益率將走高，直到達到一個難以忽視其影響的水平，我會說那大約在6%左右。我認為如果長期利率上升到大約6%，人們就會開始計算，並意識到他們正走向超過2兆美元的利息支出，這，它，它，這是不可持續的。所以這時你可能會有這種重組的概念出現。或者我們說，好吧。我們就硬著頭皮來個軟性違約，我們不兌現票息，對嗎？會發生的情況是，我們將有幾代人的時間無法借到錢，因為這些長期債券的價格會崩潰。沒有人會再信任我們發行長期債務，這實際上會諷刺性地成為解決方案的一部分。因為如果我們無法發行任何債務，我們實際上將不得不平衡我們的預算。而這，這才是我們真正應該做的。我們不應該運行一個債務驅動的經濟。你知道，我們經濟的2兆美元只是聯邦政府層面的借來的錢。僅僅是聯邦政府層面。所以觸發因素將是，你無法忽視即將爆發的利息支出，你必須對此採取行動。另一種選擇是貨幣貶值，你簡單地用，你知道，更便宜的美元來償還。你用通貨膨脹來償還，相對於……朱莉婭通貨膨脹。傑佛瑞·岡拉克允許，你會允許通貨膨脹的情況，順便說一句，朱莉婭，這正是他們在二戰後所做的。當時的債務與GDP之比和現在差不多。戰後預計通膨會高得多，也確實如此。但他們將利率維持在極低的水平，國債利率為2.5%，而通膨率則攀升至高位個位數。所以基本上，你最終通過通貨膨脹來消解債務，並經歷了非常嚴重的負實際利率。這導致了國債市場長達40年的熊市。這也是這裡會發生的情況。傑佛瑞·岡拉克如果我們貶值。如果我們貶值，你將在很長一段時間內生活在高利率環境中。但另一種選擇是這種軟性違約。我想不出還有其他可用的工具，基本上是某種貶值與軟性違約的結合。朱莉婭我想，同樣令人擔憂的是，從技術上講，我們仍然處於，如果你願意的話，"好時光"，我們還沒有遇到重大的緊急情況。而這就是我們的財政狀況。傑佛瑞·岡拉克是的，沒錯。嗯，這就是整個問題所在。你知道，我們，我們，我們。你根本沒有"雨天基金"。你知道，現在沒下雨，我們卻已經在花"雨天基金"了。朱莉婭你知道，聽你說話，有一件事引起了我的注意。你在這次對話中多次提到，你處於資本保值狀態，你在削減風險。這有點像，當聽到像你這樣的人這麼說時，它引起了我的興趣。朱莉婭你最擔心什麼？比如，你今天面臨的風險是什麼？是的，我知道你在雙線資本，不要越過雙線風險線。比如，現在最讓你擔心或讓你夜不能寐的風險是什麼？如果你不是，你知道，不是真的讓你睡不著。傑佛瑞·岡拉克我，我，我，我真的認為私人信貸與私募股權之間那種相互依存的關係不會有好結果。我認為這不健康。所以，我，我真的，我從去年五月左右就開始這麼說。到現在快10個月了，下一個問題將是這些私人市場。當然，關於私人信貸市場出現的頭條新聞就在那裡。那裡的警鐘敲得相當響亮。非常響亮。而且這不是一種自然的狀態。傑佛瑞·岡拉克所以我認為私人信貸市場某些領域出現的違約將導致顯著的重新定價，降低那個層面的信貸風險，比如說單B級或更低等級。傑佛瑞·岡拉克所以，我，關於投資，我很少承擔風險。我想要一個絕佳的機會。我才會承擔風險，而我認為高收益債券利差從歷史最低點擴大50到70個基點，遠非一個絕佳的機會。我認為，你知道，高收益債券利差是350。現在到了大約425。你知道，當它們達到700的時候再叫我。那才是我開始承擔風險的時候。傑佛瑞·岡拉克大多數人沒有意識到，銀行貸款市場，三C級銀行貸款市場已經是一場災難。價格已經大幅下跌，三C級銀行貸款的利差，一般來說，在指數層面，幾乎是2000個基點。這意味著沒有人認為他們會得到償付。所以違約即將到來。朱莉婭是的，我喜歡這個。"等待絕佳的機會"。好的，你在對話中還提到了另一件事，但你預測得很準。實際上，這被稱為，我想是商業內幕網評選的年度最佳市場預測之一，但在2025年3月，在你的網路直播中，你說黃金，當時在2915美元左右，可能會漲到4000美元，結果在10月份確實漲到了。當然，我們看到今年早些時候它觸及了5500美元。現在它回到了，我想我今天看到了。我持有黃金。所以我今天看了，大概在4300美元以上。但你說現在是個機會，你現在在買入黃金嗎？或者你是如何操作黃金的？傑佛瑞·岡拉克我實際上買了一些。我去年6月買了些黃金礦商股，這是我最後一次與黃金相關的操作，我超級幸運。那純粹是運氣好，因為那正好是他們開始起飛的時候，你知道，但那是，關於我的黃金預測有個有趣的故事。當時我在一個電視節目上，黃金價格在2970美元。採訪者問我，你認為它會突破3000美元嗎？我說，這算什麼預測？預測上漲1%？是的，所以，我本沒打算這麼說，但鑑於問題提出的方式，我說，你知道嗎，它今年會超過4000美元。忘掉3000吧，它會超過4000。結果它讓我成為了一個誠實的人。我的意思是，它最終在去年第四季度左右漲到了4500美元。甚至後來超過了5000美元。所以，我，我認為黃金是真正的貨幣。我認為人們開始意識到這一點。央行將成為黃金需求持續的巨大來源。在過去，在尼克鬆放棄金本位制之前，央行大約70%的儲備是黃金，後來下降到20%。那時每個人都轉向美元作為儲備首選。嗯，現在黃金再次崛起。它已經上升到央行儲備的大約30%。我認為完全有理由相信，儲備中的黃金比例會達到50%，這將產生巨大的黃金需求。所以，這裡，黃金不再是生存主義者、古怪的瘋狂投機者的東西了。它是一個真正的資產類別，正被重新引入央行世界，作為一個真正的資產類別，值得將你三分之一的儲備放在那裡。所以我，我只是看不出任何人有什麼理由要賣出。傑佛瑞·岡拉克黃金。我不是白銀愛好者。我知道很多人喜歡白銀，因為它是，你知道，它能讓錢生錢。當黃金的貝塔值正向運作時，白銀漲得更多。但白銀更多是一種工業金屬。我認為黃金才是真傢伙，所以我會堅持標準，而不是衍生品。朱莉婭你在投資界已經45年了。不。這是，這是一個，從你的角度來看，是比較困難的環境之一嗎？比如，賺錢比較難？傑佛瑞·岡拉克不，對我來說最困難的環境是2021年，當時債券市場沒有收益率。有那麼一刻，從美國固定收益中獲得5%的唯一方法是買入垃圾債券指數並加50%的槓桿，並希望沒有違約，因為垃圾債券指數收益率為3.5%，希望沒有違約。信不信由你。如果你真的那樣做了，如果你為了獲得那5%的收益而買入收益率為3.5%的指數並加50%的槓桿，你會破產，因為你的融資成本上升到了5.375%，而你的票息仍然是3.5%。所以你有一個將近2%的負套利，你，你每天都在流血，你知道，每時每刻，而你的垃圾債券的價格遠低於成本。所以你會被追加保證金。傑佛瑞·岡拉克所以如果你，在，在固定收益領域，我們在廣義投資中都知道，有恐懼和貪婪，貪婪驅動著人們。但恐懼變得比貪婪更強大。但最危險的一件事。不是恐懼或貪婪，而是"需求"。傑佛瑞·岡拉克"我需要賺取X%的收益"，因為，在1993年，我在一所主要大學的財務主管辦公室，校長順便來了。他說，校長問財務主管，我們怎麼才能讓我們的捐贈基金賺到6%？嗯，捐贈基金要有6%的收益。財務主管說，那不可能，因為當時國債收益率是3%，沒有任何東西能產生6%的收益。校長對財務主管說，答案錯誤。我想知道我們怎樣才能賺到6%。他說他不想聽到"我們做不到"這個答案。他說，不，你要賺到6%。你打算怎麼做？嗯，最終的結果是人們最終做了瘋狂的事情。比如奧蘭治縣，還有一些奇怪的Mae債券，它們有一些古怪的特徵，最終在1994年的債券熊市中從100跌到了40左右，而那實際上甚至不算太糟糕的熊市。所以，為了得到6%，他們損失了60%。所以，基於"需求"進行投資是最不明智的做法。你只能說，我們今年會低於目標收益，我們會賺取這個數，明年賺取那個數，平均下來達到6%。永遠不要基於"需求"進行投資，因為你總是會承擔不明智的風險。朱莉婭這是一個非常好的教訓。傑佛瑞，這就是為什麼你是"債券之王"。你就是"債券之王"。我知道你可能不會這麼說，但你是那個屹立不倒的人。朱莉婭所以我能問你關於……我問你關於加州的事嗎？你最近發了一條推文。或者說一條X帖子，因為人們經常問你關於市政債券的事，你說你通常沒什麼可說的。但現在看著由荒謬的支出和稅收政策以及加速的收入侵蝕造成的赤字，我可以說，避開加州、伊利諾伊州和紐約州的所有一般責任市政債券。我從未買過一般責任債券。傑佛瑞·岡拉克我們可以……朱莉婭作為住在加州的人，情況怎麼樣？他們完蛋了嗎？傑佛瑞·岡拉克我持有加州市政債券，但我不持有一般責任債券。我只持有那些依附於某種收入來源的債券，比如水利項目，你知道收入流會存在。我只購買評級為投資級單A或更高的債券。這不是因為有保險，而是因為其底層確實有這種收入流。對於一般責任債券，我……傑佛瑞·岡拉克我，我認為，我，如果，所以我會最想避開的，我想是芝加哥的市政債券。我，我只是無法想像為什麼，會有人願意承擔被立法改變的風險。我的意思是，任何事情都可能發生。這些規則可以被改變。他們可以規定，如果你的收入超過某個水平，市政債券就變成應稅的。他們可以說，如果你的收入超過這個數，我們就削減你債券的票息。任何事情都可能發生。而且存在著如此巨大的財富不平等，這種不平等越來越多地體現在政治活動中，以至於你必須極度關注這些事情。傑佛瑞·岡拉克是的，加州可能會嘗試徵收億萬富翁稅。我認為它會在法院被擱置多年，直到真正實施，因為會有巨大的利益集團想把它拖入訴訟。所以我並不那麼擔心億萬富翁稅的問題，但這確實是一個令人不安的趨勢。我知道伯尼·桑德斯想在全國範圍內提出這個。朱莉婭你認為加州會走向破產嗎？傑佛瑞·岡拉克某種程度上已經破產了。我的意思是，我們有太多……我們本應有平衡預算，但我們遠未接近平衡預算。你知道，我們，我們，我們啟動了像高鐵項目這樣的項目。它本應在舊金山和洛杉磯之間運行。原定於2020年完工。我上次查的時候，2026年了，他們還沒鋪設一英吋的軌道。所以我們嚴重落後於計畫。預算本來是300億美元。現在他們說，如果要完成從洛杉磯到舊金山的高鐵，將超過1300億美元。所以有1000億美元的超支。因此，他們不再說我們要花1300億美元，而是決定用大約300億到350億美元在默塞德和貝克斯菲爾德之間修建。那是一條絕對沒有人有需求的路段。傑佛瑞·岡拉克這太荒謬了。所以，是的，我認為隨著加州提高稅收，你談到億萬富翁稅，他們所做的事情只是在耗竭稅基。在過去12個月裡，我們已經看到加州最富有的五位富豪離開了加州，而且這只會加速。加州認為，如果你離開，他們會向你徵收財富稅。祝你好運。祝你好運試圖追蹤那些住在田納西州的人，因為你，因為你要給他們寄帳單。朱莉婭天那，你打算怎麼辦？傑佛瑞·岡拉克你能怎麼辦？不搬回來？朱莉婭是的，你會把這麼多人趕走。他們會來我所在的北卡羅來納州，推高我們的房價。傑佛瑞·岡拉克如果他們徵收財富稅，徵收成本將高於其稅收收入。朱莉婭這也是個好觀點。傑佛瑞，在我讓你走之前，我能問你最後一個問題嗎？好的。我不知道你是否趕時間。我很樂意多聊一會兒，但我也得注意你的時間。朱莉婭哦，這個問題是：現在有什麼事情，如果你做出一個預測，可能看起來不是共識，也絕對不明顯。但也許一年後，如果我們再進行這次對話，它會被更廣泛地接受。傑佛瑞·岡拉克我認為下一屆總統選舉將會有三個政黨派出候選人？朱莉婭你認為那個候選人會是可行的嗎？因為……傑佛瑞·岡拉克這將很有趣，民主黨和共和黨已經為第三方創造了巨大的障礙，使其難以成功。但人們對第三方的興趣將高到足以克服這些障礙。朱莉婭我想知道這是否意味著我們正進入"第四次轉折"呢？傑佛瑞·岡拉克我，我，我在16、17年前和尼爾·豪聊過。那很有趣，因為我不知道他是誰，也從未聽說過"第四次轉折"。但當我們交談時，我們有著完全相同的觀點，儘管表述略有不同。但我完全理解他所說的"第四次轉折"的意思。我說，我認為大的變革，大的"重設"，如果你願意的話，我們制度的"重組"，目前已經嚴重逾期了。我說我認為這將在2030年左右發生，他表示同意。我仍然認為是在2030年左右。我認為尼爾仍然認為這是一個合理的時間框架。是的，所以我們在這一概念上非常同步。朱莉婭是的，在我們的頻道上我們也非常喜歡尼爾·豪，我們可能很快就會看到那個高潮。我不得不說，傑佛瑞·岡拉克，非常榮幸能再次邀請你上節目。我一直很喜歡我們的對話。再說一次，你是我最喜歡採訪的人之一，能邀請你上這個節目真是一種享受。這對我來說意義重大，對我作為播客主持人來說也是一個重要的里程碑，我無比感激。我希望這不是我們最後一次對話。我很樂意在你願意給我們時間的任何時候再次歡迎你上節目。非常感謝你。傑佛瑞·岡拉克，雙線資本創始人兼首席執行長，"債券之王"，我非常感激你。再次感謝。傑佛瑞·岡拉克謝謝你，朱莉婭。我很享受我們的對話。 (華爾街見聞)

電腦已從不賺錢的“儲存倉庫”升級為生產“Token商品”的創收工廠。黃仁勳推演，這一轉變將使計算佔全球GDP的比重暴增100倍，公司極大可能邁向10兆美元市值。針對電力瓶頸，他提出利用電網長期閒置冗餘，建構可在高峰期主動降速的“優雅降級”資料中心破局。此外他認為，能自主創收的AGI已經實現，AI門檻的消除不僅不會引發失業，反而將使全球“程式設計師”群體從3000萬激增至10億人。近日，輝達CEO黃仁勳做客知名科技播客Lex Fridman Podcast，圍繞AI縮放定律（Scaling Laws）、算力與電力瓶頸、AI工廠、公司未來展望以及AI對人類社會的影響等核心議題，進行了超兩小時的深度對話。Token已成全新商品，計算佔全球GDP比重將翻百倍黃仁勳的一個核心觀點是，計算的本質已經發生了根本性的躍遷——從過去人類預先錄製、電腦負責檢索的“儲存系統”，轉變為具備上下文感知能力的“生成系統”。更重要的是，電腦在現實經濟中的角色變了。過去的電腦是檢索系統，主要功能是檔案儲存。黃仁勳將其比喻為“倉庫”，而倉庫本身是不直接產生高額利潤的。而現在的AI電腦變成了“工廠”，並直接與企業的收入創造掛鉤。他認為，AI代工廠正在製造一種名為“Token”的商品，且這種商品已經被細分和定價。“我們不僅看到這家代工廠在生產人們想要消費的商品，而且這些代工廠製造的Token對許多不同受眾都極其有價值，甚至開始像iPhone一樣出現分層：你有免費的Token，有高級Token，還有處於中間層級的Token。”黃仁勳表示，“有人願意為每一百萬個Token支付1000美元，這個想法就在不遠的將來，這不是會不會發生的問題，而是何時發生的問題。”基於這種“Token工廠”模式，計算裝置完成了從成本中心向利潤中心的跨越。黃仁勳篤定地推演了這一宏觀趨勢：“如果生產力大幅提升，全球GDP將加速增長。我完全確信，未來用於計算的GDP佔比將是過去的100倍。”邁向10兆美元市值？黃仁勳：增長是必然的基於“Token”的經濟理論，黃仁勳回答了，輝達能否邁向10兆美元的新市值巔峰的討論。他表示：“這個數字（10兆）只是一個數字。”但他明確指出：“輝達的增長極大機率會發生，在我看來是必然的。”未來實現3兆美元營收的體量並非不可能。電力瓶頸解法：“用好閒置電”、打造“優雅降級”的資料中心關於AI擴張的瓶頸，黃仁勳直言：“電力是個擔憂，但不是唯一擔憂。”他給出兩條平行路徑：一是把能效繼續推高；二是想辦法獲得更多電力。在能效上，他強調指標是“每瓦每秒token數”，並稱通過“極致協同設計”提升能效：“我們的電腦價格在上升，但token生成效率上升得更快，所以token成本在下降……每年下降一個數量級。”在“如何獲得電力”上，他給出一個更具體的思路：電網按極端峰值設計，絕大多數時間有閒置。黃仁勳稱：目前的電網是按照極端天氣的最高峰值（加上安全余量）來設計的。“99%的時間裡，我們的電網都沒有達到最壞情況。”大多數時候可能只在峰值的60%左右運行。為利用這部分閒置能源，他認為需要改變雲廠商與電力公司之間嚴苛的供電合同，放棄對“六個九”（99.9999%）絕對可用性的盲目追求。“我們需要建構能夠‘優雅降級’（gracefully degrade）的資料中心。”黃仁勳解釋，“當電網說‘我們需要把你的電力降到80%’時，資料中心可以把關鍵負載轉移，或者降低計算速率。計算服務質量會輕微下降，但我們消耗的能源減少了。”供應鏈與記憶體：匯聚200家供應商，提前三年佈局HBM面對市場對ASML光刻機、台積電CoWoS先進封裝等環節可能制約AI產能的擔憂，黃仁勳表示並不焦慮。他說：“我告訴他們我需要什麼，他們告訴我打算怎麼做，我相信他們。”在系統工程上，輝達正在深刻改變基礎設施的製造模式。黃仁勳透露，僅一個Vera Rubin機架就包含130萬到150萬個元件，背後匯聚了200家供應商的技術。為了匹配這種極高的互聯密度（如NVLink-72），過去在資料中心現場拼裝零元件的傳統模式已徹底失效。輝達將資料中心的“超算組裝”前置到了供應鏈的“超算製造”環節。現在，機架必須在供應鏈中建好，每次以兩三噸的重量整機發貨。這意味著供應鏈在整機出廠前的測試階段，自身就需要具備吉瓦（GW）級的龐大電力儲備。而在最容易卡脖子的記憶體（Memory）領域，黃仁勳透露，大約三年前，HBM（高頻寬記憶體）的使用率極低，幾乎只在極少數超算中露面。但他當時就成功說服了多家記憶體大廠的CEO，讓他們相信HBM將是未來資料中心的主流，並促使產業鏈果斷投資擴產。此外，他還打破常規，推動供應商將原本專屬於手機的低功耗記憶體（LPDDR）改造並引入超算領域。“推理是思考”：從訓練、測試時擴展到“代理式擴展”對於AI縮放定律（Scaling Laws），黃仁勳把AI擴張拆成四條“擴展規律”：預訓練、後訓練、測試時擴展、代理式擴展。他回顧“資料枯竭”擔憂時稱：“我們會繼續擴大訓練資料……很多會是合成資料。”並給出判斷：“訓練不再受資料限制，資料將受限於算力。”對推理側的算力強度，他說得更直接：“推理就是思考，我認為思考很難……怎麼可能是算力輕的？”他認為測試時擴展包含“推理、規劃、搜尋”等，會推動推理算力需求上升。最深護城河、太空算力痛點與評價馬斯克當被問及輝達最大的護城河時，黃仁勳明確指向了CUDA龐大的裝機量與信任生態。“這不是3個人成就的CUDA，而是43000名員工共同推動的。”黃仁勳強調，這種護城河建立在數百萬開發者對輝達持續最佳化底層的信任之上，輔以橫向整合進入全球各類雲廠商、OEM和邊緣裝置的極廣生態。在算力基建的前沿探索上，針對將資料中心搬上太空以解決能源分配的設想，黃仁勳證實輝達GPU已經進入太空，但當前主要用於衛星高解析度圖像的邊緣端篩選。對於建構大規模太空資料中心，黃仁勳直言其存在核心的物理痛點：“太空中沒有傳導，沒有對流，只能靠輻射散熱。雖然極地有24/7的太陽能，但我們需要巨大的散熱器。”現階段最務實的做法，仍是先榨乾地球上的閒置電力。此外，任何算力藍圖的落地都需要極致的工程執行力。針對馬斯克旗下xAI僅用4個月便建成了擁有10萬塊GPU的Colossus超算中心，黃仁勳在市場化基建層面給出了極高評價。他將馬斯克的成功歸結為第一性原理思維與極簡主義。“他質疑一切：這有必要嗎？必須這樣做嗎？需要花這麼長時間嗎？”黃仁勳表示，“埃隆在眾多不同領域都有極深的造詣，同時他也是一個非常優秀的系統思考者。”他繼續評價道，“他能夠質疑一切，直到把一切縮減到不能再減的最低必要限度……他親自出現在行動的第一線。當你以如此強烈的緊迫感親自行動時，會促使其他所有人也以緊迫感行動。”未來只招會用AI的人？“全球程式設計師將從3000萬暴增至10億”針對全球勞動者對AI技術的焦慮，黃仁勳給出了一個非常務實的標準。他直言，如果今天要在兩名應屆畢業生中做選擇，他一定會僱傭那個“AI專家”，而非對AI一竅不通的人。黃仁勳強調，這一準則不僅限於技術崗位，而是涵蓋了會計師、律師、銷售人員、供應鏈經理、藥劑師，甚至是電工和木匠。在他看來，每個職業、每個層級都沒有例外，善用AI的人將展現出更高的交付價值。他進一步釐清了“被取代”的邊界：如果一個人的工作本質上就是一系列“任務”（Task），即任務本身就是你貢獻的全部價值，那麼被AI顛覆幾乎是必然的。但如果你的工作具有更深層的“目標”（Purpose），你就可以利用AI自動化處理那些常規瑣事，從而從一名單純的“執行者”跨越成為所屬行業的“創新者”。對於那些尚未起步的人，黃仁勳給出了最 disarming（令人寬慰）的建議：“如果你不知道如何使用AI，你大可以去問AI‘我該如何使用你’。它會從頭開始引導你完成全過程。”他認為，現在起步的門檻已經降至零，唯一的障礙只在於你是否決定開始。因為在這個時代，等待的成本正在隨著AI的進化而與日俱增。對於程式設計師，黃仁勳拋出了一個震撼的觀點：“輝達軟體工程師的數量將會增長，而不是減少……如果程式設計的定義是‘描述規範讓電腦去建構’，那麼能做到這一點的人數，剛剛從3000萬變成了可能達到10億。未來每個木匠都會是程式設計師，每個水管工都會因此瘋狂。”在談及AGI（通用人工智慧）的時間表時，如果將AGI定義為一個能夠自主開發應用並實現盈利的系統，黃仁勳表示：“我認為就是現在。我認為我們已經實現了AGI。”他設想了一個由AI自主建立的Web服務或數字影響力應用，突然獲得數十億使用者使用並賺取利潤的場景，這在當下已經具備技術可行性。訪談全文如下：黃仁勳訪談文字稿：輝達——4兆美元的公司與AI革命 | 萊克斯·佛里曼（Lex Fridman）目錄0:00 – 介紹0:33 – 極限協同設計與機架級工程3:18 – 黃仁勳如何管理輝達22:40 – AI縮放定律37:40 – AI縮放定律的最大阻礙39:23 – 供應鏈41:18 – 記憶體47:24 – 電力52:43 – 埃隆·馬斯克與Colossus56:11 – 黃仁勳的工程與領導哲學1:09:50 – 台積電與台灣1:15:04 – 輝達的護城河1:20:41 – 太空中的AI資料中心1:24:30 – 輝達市值會達到10兆美元嗎？1:34:39 – 壓力下的領導力1:48:25 – 電子遊戲1:55:16 – AGI時間表1:57:29 – 程式設計的未來2:11:01 – 意識2:17:22 – 死亡介紹萊克斯·佛里曼(00:00:00) 接下來是與輝達首席執行長黃仁勳的對話。輝達是人類文明史上最重要、最具影響力的公司之一，它是推動AI革命的引擎。輝達的巨大成功在很大程度上可以直接歸功於黃仁勳純粹的意志力，以及他作為領導者、工程師和創新者所做出的眾多卓越押注和決策。這裡是萊克斯·佛里曼播客。親愛的朋友們，現在有請黃仁勳。極限協同設計與機架級工程萊克斯·佛里曼(00:00:33) 您將輝達推向了AI的新時代，將焦點從晶片級設計轉移到了機架級設計。萊克斯·佛里曼(00:00:42) 我想可以公平地說，長期以來，輝達的制勝法寶在於建構儘可能完美的GPU。你們現在依然如此，但如今已經將此擴展到了對GPU、CPU、記憶體、網路、儲存、供電、冷卻、軟體、機架本身、你們宣佈的計算艙（Pod），甚至整個資料中心進行極限協同設計。讓我們談談極限協同設計。協同設計一個擁有如此多複雜元件和設計變數的系統，最困難的部分是什麼？黃仁勳(00:01:11) 謝謝你的提問。極限協同設計之所以必要，是因為現在的問題已經無法裝入單台電腦並僅靠單個GPU來加速了。你試圖解決的問題是，你希望計算速度的提升能超過你增加的電腦數量。假設你增加了1萬台電腦，但你希望速度提升一百萬倍。突然之間，你必須提取演算法，將演算法拆解、重構，對流水線進行分片，對資料進行分片，對模型進行分片。當你以這種方式分佈式地處理問題時，不僅僅是擴大問題的規模，而是分散問題，那麼所有環節都會成為瓶頸。黃仁勳(00:02:03) 這就是阿姆達爾定律（Amdahl's law）的問題：某項任務的加速幅度取決於它在總工作量中所佔的比例。如果計算佔問題的50%，即使我將計算速度無限提升（比如一百萬倍），整個工作量的速度也只提升了兩倍。現在突然之間，你不僅要分配計算任務、以某種方式對流水線進行分片，還必須解決網路問題，因為所有這些電腦都連接在一起。在我們這樣的規模下進行分散式運算，CPU是個問題，GPU是個問題，網路是個問題，交換機也是個問題。在所有這些電腦上分配工作負載同樣是個問題。黃仁勳(00:02:57) 這是一個極其複雜的電腦科學問題。我們必鬚髮揮各種技術的威力。否則，我們只能線性地擴展，或者依靠摩爾定律的能力來擴展，而隨著登納德縮放定律（Dennard scaling）的放緩，摩爾定律已經在很大程度上停滯了。黃仁勳如何管理輝達萊克斯·佛里曼(00:03:16) 這其中肯定有權衡。而且你們涉及了完全不同的學科。我確信你們在這些領域都有專家：高頻寬記憶體、網路和NVLink、網路卡、光學和銅纜連接、供電、冷卻等等。這些都是世界級的專家。你是如何把他們聚在一個房間裡弄清楚——黃仁勳(00:03:34) 這就是為什麼我的管理團隊這麼龐大。萊克斯·佛里曼(00:03:37) 專家和通才的合作過程是怎樣的？當你清楚必須要把那些東西塞進一個機架時，你們是如何把機架組裝起來的？把它們全部設計在一起的過程是怎樣的？黃仁勳(00:03:51) 首先我們要問：什麼是極限協同設計？我們正在對從架構到晶片、到系統、到系統軟體、再到演算法和應用程式的整個軟體棧進行最佳化。這是一個層面。我們剛才談論的第二個層面，超越了CPU、GPU、網路晶片、向上擴展（scale-up）交換機和向外擴展（scale-out）交換機。當然，你還得把供電和冷卻等因素包括進去，因為所有這些電腦都極其耗電。它們完成大量工作，能效非常高，但總體上仍然消耗大量電力。所以第一個問題是：它是什麼？黃仁勳(00:04:34) 第二個問題是：為什麼需要它？我們剛剛討論了原因。你希望分配工作負載，使得收益超過單純增加電腦數量的收益。第三個問題是：如何實現？你是怎麼做到的？黃仁勳(00:04:51) 這可以說是這家公司的奇蹟。當你設計一台電腦時，你必須有一個電腦作業系統。當你設計一家公司時，你應該首先思考你想讓這家公司產出什麼。我見過很多公司的組織架構圖，它們看起來都一樣。漢堡型組織架構圖、扁平型組織架構圖，以及汽車公司的組織架構圖，看起來如出一轍。這對我來說毫無意義。一家公司的目標是成為產出成果的機器、機制和系統。這個產出就是我們想要創造的產品。公司架構的設計應該反映它所存在的環境。黃仁勳(00:05:36) 這幾乎直接決定了你應該如何設定組織架構。直接向我匯報的管理團隊有60人。我不會和他們進行一對一的會議，因為那是不可能的。如果你想完成工作，你的團隊裡就不可能有60個人還能一一對談——萊克斯·佛里曼(00:05:51) 但你依然有60個直接下屬，並且跨越了——黃仁勳(00:05:53) 還要更多。萊克斯·佛里曼(00:05:54) 更多。而且大多數明星員工至少都涉足工程領域。黃仁勳(00:05:59) 幾乎所有人都是。有記憶體專家，有CPU專家，有光學專家。萊克斯·佛里曼(00:06:06) 難以置信。黃仁勳(00:06:06) 還有GPU、架構、演算法、設計等領域的專家。萊克斯·佛里曼(00:06:11) 所以你時刻關注著整個技術堆疊，並且必須就整個技術堆疊的設計進行激烈的討論？黃仁勳(00:06:18) 從來沒有那次對話是單人進行的。這就是為什麼我不做一對一會議。我們提出一個問題，然後所有人一起攻克它。因為我們在做極限協同設計。毫不誇張地說，公司一直都在進行極限協同設計。萊克斯·佛里曼(00:06:33) 即使你們在討論一個特定的元件，比如冷卻、網路，所有人也都在旁聽？黃仁勳(00:06:40) 完全正確。萊克斯·佛里曼(00:06:41) 並且他們可以提出意見：“這不適合配電。這不適合——”黃仁勳(00:06:45) 正是如此。萊克斯·佛里曼(00:06:45) “……這不適合記憶體。這不適合那個。”黃仁勳(00:06:49) 完全正確。誰想不聽就可以不聽。原因在於，團隊裡的人知道什麼時候該集中注意力。如果這件事他們本可以做出貢獻卻沒有做，我會點名批評他們。所以我會說：“嘿，快來，加入討論。”萊克斯·佛里曼(00:07:07) 正如你所說，輝達是一家適應環境的公司。你覺得在那個時間點可以說環境發生了改變，公司開始悄悄地適應？從早期用於遊戲的GPU，到深度學習革命的早期，再到現在我們開始將其視為一個AI工廠？輝達是做什麼的？它生產AI，讓我們建立一個生產AI的工廠吧。黃仁勳(00:07:32) 我可以系統地推理這個過程。我們最初是一家加速器公司。但加速器的問題在於應用領域太窄了。它的優勢是針對特定工作進行了極度的最佳化。任何專家都有這個優勢。極度專業化的問題在於，你的市場範圍更窄，但這也沒關係。真正的問題在於，市場規模也決定了你的研發能力。而你的研發能力最終決定了你在計算領域可能產生的影響力。當我們最初作為一個非常具體的加速器起步時，我們一直知道那是我們的第一步。黃仁勳(00:08:23) 我們必須找到一種方法成為加速計算公司。問題是，當你成為一家計算公司時，目標變得太過通用，這削弱了你的專業性。我把這兩個實際上存在根本衝突的詞連在了一起。我們作為計算公司做得越好，作為專家的表現就越差。我們越是專家，進行整體計算的能力就越弱。我故意把這兩個詞連在一起，這意味著公司必須一步一步地找到那條極其狹窄的道路，既要擴大我們的計算範圍，又不能放棄我們擁有的一最重要的專業能力。我們超越加速器邁出的第一步，是發明了可程式設計像素著色器。黃仁勳(00:09:13) 這是邁向可程式設計性的第一步。這是我們向計算世界進軍的第一段旅程。我們做的第二件事是將單精度浮點數（FP32）引入我們的著色器。支援IEEE標準的FP32是朝著計算方向邁出的一大步。這也是為什麼所有從事流處理器和其他類型資料流處理器研發的人發現了我們。他們說：“突然之間，我們也許可以使用這個計算密集度極高、且相容IEEE標準的GPU了。”黃仁勳(00:09:55) 我可以把以前在CPU上編寫的軟體拿過來，看看能不能用GPU來運行。這促使我們在FP32之上加入了C語言特性，我們稱之為Cg。Cg的發展路徑最終將我們引向了CUDA。一步一步地，我們將CUDA引入了GeForce，這是一項極具挑戰的戰略決策，因為它耗費了公司大量的利潤，當時我們根本負擔不起。但我們還是這樣做了，因為我們想成為一家計算公司。計算公司必須有計算架構。計算架構必須相容我們建構的所有晶片。萊克斯·佛里曼(00:10:42) 能詳細講講那個決定嗎？把CUDA放進GeForce，負擔不起卻依然決定這麼做？你能解釋一下這個決定嗎？為什麼敢於做出這樣的選擇？黃仁勳(00:10:53) 那是第一個幾乎可以說是關乎生死存亡的戰略決策。萊克斯·佛里曼(00:11:06) 給不瞭解這段歷史的人劇透一下，後來證明這是公司歷史上做出的最輝煌、最睿智的決策之一。CUDA成為了這個AI基礎設施世界中令人難以置信的計算基礎。所以設定一下背景，這最終被證明是一個好決定。黃仁勳(00:11:27) 是的，後來證明這是一個好決定。事情是這樣的。我們發明了這個叫CUDA的東西，它擴大了我們的加速器可以加速的應用程式範圍。問題是，我們如何吸引開發者來使用CUDA？因為計算平台的核心是開發者。開發者不會僅僅因為一個平台能執行一些有趣的操作就跑過來。他們來到一個計算平台，是因為它的裝機量大。因為開發者和所有人一樣，想要開發能觸及大量使用者的軟體。裝機量實際上是架構中最重要的一部分。這個架構本身可能會招致大量的批評。黃仁勳(00:12:18) 例如，沒有那個架構受到的批評比x86更多，它被認為是一個不夠優雅的架構，但它卻是當今的定義性架構。這是一個例子。實際上，許多由世界上最聰明的電腦科學家設計的極其優雅的RISC架構都在很大程度上失敗了。我舉了這兩個例子，一個是優雅的，另一個僅僅是勉強能用，然而x86存活了下來，原因在於——萊克斯·佛里曼(00:12:58) 裝機量就是一切。黃仁勳(00:12:59) 裝機量定義了架構。其他一切都是次要的，明白嗎？當時還有其他架構，CUDA出來了，OpenCL也在。有幾個競爭的架構。但我們做出的正確決定是，我們說：“聽著，歸根結底這是關於裝機量的問題，我們能把新計算架構推向世界的最好方法是什麼？”那個時候，GeForce已經取得了成功。黃仁勳(00:13:29) 我們每年已經能賣出數百萬個GeForce GPU。我們說：“我們應該把CUDA放到GeForce上，把它放進每一台PC裡，不管客戶用不用，並把它作為培養我們裝機量的起點。”與此同時，我們去吸引開發者，去大學裡寫書、開課，把CUDA放到各個地方。漸漸地，人們發現了它。當時PC是主要的計算工具，還沒有雲，我們可以把一台超級電腦交到學校裡每個研究員、每個科學家、每個工科學院、每個學生的手中。最終，奇蹟一定會發生。黃仁勳(00:14:15) 問題在於，CUDA極大地增加了GPU這個消費級產品的成本，完全吞噬了公司所有的毛利潤。那時候公司市值大概是80億美元？或者是六七十億美元？當我們推出CUDA後，我意識到它會增加很多成本，但這是我們堅信的東西。我們的市值一度跌到了大概15億美元。我們在谷底徘徊了一段時間，然後慢慢爬了回來，但我們堅持在GeForce上搭載CUDA。我總是說輝達是GeForce建立起來的殿堂，因為是GeForce把CUDA帶給了所有人。黃仁勳(00:15:10) 研究人員、科學家，他們之所以在GeForce上發現CUDA，是因為他們中很多人也是遊戲玩家。很多人反正也要自己組裝PC。在大學實驗室裡，很多人使用PC元件自己搭建叢集。我們就是這樣起步的。萊克斯·佛里曼(00:15:31) 然後這成為了深度學習革命的平台和基礎。黃仁勳(00:15:35) 那也是一個非常偉大的觀察結果。萊克斯·佛里曼(00:15:38) 在那個生死存亡的時刻，你還記得那些會議是什麼樣的嗎？作為一家公司決定拿一切去冒險，討論的情形是怎樣的？黃仁勳(00:15:48) 我必須向董事會表明我們想做什麼，管理團隊也知道我們的毛利率會被壓垮。你可以想像這樣一個世界：GeForce背負著CUDA的成本，但沒有遊戲玩家欣賞它，也沒有玩家願意為它買單。他們只願意付特定的價格，根本不在乎你的成本是多少。我們將成本增加了50%，而我們原本是一家毛利率35%的公司。所以做出這個決定非常艱難。但你可以想像，總有一天它會進入工作站，進入超級電腦，在這些領域，也許我們能獲取更高的利潤。黃仁勳(00:16:36) 所以你可以用理性的推導讓自己覺得能承受這個代價，但這仍然花了十年時間。萊克斯·佛里曼(00:16:45) 那更多是與董事會溝通說服他們，但在心理層面，隨著輝達不斷做出預測未來的大膽押注，並在一定程度上特別是現在定義了未來。我想向您請教一些智慧，關於您是如何有能力做出這些決策，帶領公司實現跨越的？黃仁勳(00:17:14) 首先，我有極強的好奇心。在某個時刻，會有一個推理系統非常清晰地使我確信這個結果將會發生。這必然會發生。所以在我的腦海中我是堅信的，當我內心堅信時，你也知道那是怎樣的。你在腦海中顯化了一個未來，那個未來如此令人信服，它不可能不發生。在這中間會有很多磨難，但你必須堅持你的信念。萊克斯·佛里曼(00:17:52) 所以你設想了未來，本質上從工程的角度，你將它變成了現實？黃仁勳(00:17:59) 是的。你要推理如何到達那裡。你要推理它為什麼必須存在。我們在這裡一起推理。管理團隊會去推理。我會花很多時間去推理。下一部分可能是一項管理技能。通常在領導層中，領導者會保持沉默，或者他們瞭解到一些事情，然後發表一些宣言：“這是全新的一年，到明年年底我們要有一個全新的計畫。”這裡進行大裁員，那裡進行大架構調整，提出新的使命宣言，設計新標識之類的東西。黃仁勳(00:18:43) 我從不這樣做。當我瞭解到某件事，並且它開始影響我的思考時，我會向我身邊的每個人明確表示：“這件事很有趣。這將會帶來改變。這將會影響那件事。”我會一步一步地去推理。很多時候我已經做出了決定，但我會抓住每一個可能的機會——外部資訊、新的洞察、新的發現、工程上的新啟示、新設立的里程碑——我會利用這些機會來塑造其他人的信念系統。我幾乎每天都在這麼做。我和董事會這麼做，和管理團隊這麼做，和員工這麼做。黃仁勳(00:19:33) 我試圖塑造他們的信念系統，這樣當某天我說“嘿，我們收購Mellanox吧”時，大家都會覺得這是理所當然的，我們絕對應該買。當我說“夥計們，讓我們在深度學習上全力以赴”並且告訴他們原因時，其實我已經為公司內部的各個組織鋪好了磚。每個組織、每個人可能都聽到了一些內容，大多數人都聽到了其中的片段。當我宣佈的那天，每個人都已經接受了其中的許多部分。黃仁勳(00:20:19) 在很多方面，當我宣佈這些事情時，我能想像員工們都在說：“黃仁勳，你怎麼這麼久才說？”事實上，我一直在塑造他們的信念系統。所以領導力，有時候看起來像是你在後面引導，但你一直在塑造他們，直到我宣佈的那天，大家100%買帳。但這正是你想要的結果。你想帶所有人一起前進。否則，如果我們突然宣佈關於深度學習的計畫，所有人都會說：“你在說什麼？”如果你宣佈全力投入某件事，你的管理團隊、董事會、員工、客戶會覺得：“這是從那兒冒出來的？”黃仁勳(00:21:02) “這太瘋狂了。”如果你回顧過去的GTC大會，看看那些主題演講，其實我同時也在塑造行業內合作夥伴的信念系統，我利用這一點來塑造我員工的信念系統。所以到了我宣佈某件事的時候，比如我們剛剛宣佈了Groq，其實過去兩年半我一直在談論相關的基石。你回顧過去會發現：“天那，他們已經談論這個談了兩年半了。”我一直在一步一步地打地基，所以當時機成熟宣佈時，大家都在說：“你怎麼花了這麼長時間？”萊克斯·佛里曼(00:21:44) 但這不僅僅是在公司內部。你正在塑造這個行業，以及更廣泛的全球創新格局。把這些想法拋出來，你真的在使現實具象化。黃仁勳(00:21:53) 我們不造電腦。實際上我們不建雲。我們原來是一家計算平台公司。所以沒有人能直接從我們這裡買到成品。這很奇妙。我們進行垂直整合以完成設計和最佳化，但在每個層級我們將整個平台完全開放，以便整合到其他公司的產品、服務、雲、超級電腦和OEM電腦中。所以令人驚嘆的是，如果沒有先說服他們，我根本做不成我現在做的事。GTC大部分的作用就是展現未來，以至於當我們的產品準備好時，他們會說：“你怎麼這麼慢才拿出來？”AI縮放定律萊克斯·佛里曼(00:22:39) 是的。很長一段時間以來，你都是廣義縮放定律（Scaling Laws）的信徒。你現在依然相信縮放定律嗎？黃仁勳(00:22:49) 是的。現在我們有了更多的縮放定律。萊克斯·佛里曼(00:22:51) 我認為你總結了四個階段的縮放定律：預訓練、後訓練、測試時間（推理）和智能體（Agentic）縮放。當你思考未來，深遠的未來和近期的未來時，你最擔心、最讓你徹夜難眠、為了繼續擴展必須克服的阻礙是什麼？黃仁勳(00:23:12) 我們可以回顧一下人們過去認為是阻礙的因素。在最初的預訓練縮放定律階段。人們理所當然地認為，我們擁有的高品質資料量將限制我們能達到的智能水平。這個縮放定律非常重要。模型越大，相應更多的資料就會帶來更聰明的AI。這就是預訓練。伊利亞·蘇茨克維（Ilya Sutskever）當時說：“我們的資料用光了”或者類似的話。“預訓練結束了”。整個行業都恐慌了，認為這就是AI的盡頭。但這顯然不是真的。黃仁勳(00:23:57) 我們將繼續增加用於訓練的資料量。其中很多資料可能是合成的（Synthetic），這也讓人們感到困惑。人們沒有意識到，或者忘記了，我們用來相互教導、相互告知的大部分資料其實也是“合成”的。它是合成的，因為它不是從自然界中直接長出來的。你創造了它。我消費它。我修改它，增強它，我重新生成它，其他人再消費它。我們現在已經達到了這樣一個水平：AI能夠獲取基礎事實（Ground Truth），對其進行增強……合成生成海量的資料。黃仁勳(00:24:47) 後訓練這部分繼續擴展，因此我們可以使用的人類生成的資料量將變得越來越小。我們用來訓練模型的資料量將繼續增長，直到我們不再受限於資料……訓練現在受限於算力。原因就是大部分資料是合成的。然後下一個階段是測試時間（推理），我還記得人們告訴我：“推理？哦，那很簡單。預訓練才難呢。那可是巨型系統。推理肯定很簡單。所以推理晶片只會是一些小晶片——”黃仁勳(00:25:32) “它們不會像輝達的晶片那樣。那太複雜、太昂貴了。在未來，推理將是最大的市場，它會變得很簡單，我們會把它商品化。每個人都能造自己的晶片。”這對我來說一直是不合邏輯的，因為推理就是思考，而我認為思考很難。思考比閱讀難得多。黃仁勳(00:25:59) 預訓練只是記憶和泛化，在關係中尋找模式。你只是在不停地讀。而測試時間縮放（推理）涉及的是思考、推理、解決問題。將未探索的經歷、新經驗分解為可解決的片段，然後我們通過第一性原理推理，或通過以前的例子和先前的經驗去解決它。或者僅僅是探索、搜尋、嘗試不同的方法。推理階段的整個測試時間縮放過程，實際上是關於思考的。它是關於推理、規劃和搜尋的。黃仁勳(00:26:50) 這怎麼可能是輕算力的呢？我們在這方面完全正確。測試時間的擴展是極度耗費算力的。接下來的問題是，現在我們在推理和測試時間縮放階段，那這之後是什麼？顯然，我們現在創造了一個智能體“人”，這個智能體“人”擁有我們開發的大語言模型。但在測試期間，這個智能體系統會去進行研究，敲擊資料庫，去使用各種工具，而它做的最重要的一件事，就是衍生並生成一大堆子智能體（Sub-agents）。這意味著我們正在組建龐大的團隊。通過僱傭更多的員工來擴展輝達，比擴展我自己要容易得多。黃仁勳(00:27:44) 因此，下一個縮放定律就是智能體縮放定律（Agentic Scaling Law）。這就好比複製AI。我們可以隨心所欲地快速衍生智能體。所以，我總結了四個維度的縮放定律。噹噹我們使用智能體系統時，它們會創造更多的資料，創造大量的經驗。對於其中一些，我們會說：“哇，這真的很好。我們應該把這個記住。”黃仁勳(00:28:12) 然後這個資料集又會回到預訓練階段。我們記憶並泛化它。然後我們在後訓練階段對其進行微調和完善。接著我們利用測試時間和智能體系統進一步增強它，然後輸出到行業中。這個循環會不斷持續下去。歸根結底，智能水平將通過一件事來擴展，那就是算力。萊克斯·佛里曼(00:28:41) 但這裡有一個棘手的問題，你必須預測未來，因為其中一些元件需要不同類型的硬體才能以最佳狀態運行。所以你必須預測AI的創新將走向何方。比如，混合專家模型（MoE）——黃仁勳(00:28:57) 非常對。萊克斯·佛里曼(00:28:58) 帶有稀疏性的模型。黃仁勳(00:28:59) 完全正確。萊克斯·佛里曼(00:29:00) 硬體不可能在一周內說換就換。你必須預測未來的形態。要做到這點非常可怕，也非常困難，對吧？黃仁勳(00:29:09) 比如，這些AI模型架構大約每六個月就會更新一次。而系統架構和硬體架構大約三年更新一次。所以你需要預測兩三年後可能會發生什麼。有幾種方法可以做到這一點。首先，我們自己在內部進行研究，這也是為什麼我們既有基礎研究，也有應用研究的原因。黃仁勳(00:29:40) 我們建立自己的模型。因此我們在這裡有第一手的生活經驗。這是我談到的協同設計的一部分。我們也是世界上唯一一家幾乎與世界上所有AI公司合作的AI公司。我們在力所能及的範圍內，試圖去感知人們正在經歷那些挑戰。萊克斯·佛里曼(00:29:59) 所以你在傾聽整個行業、各大AI實驗室的低語。黃仁勳(00:30:02) 沒錯。你必須傾聽並向所有人學習。最後一部分是擁有一個靈活的、能隨風而動的架構。CUDA的好處之一是，一方面它是極其強大的加速器；另一方面，它非常靈活。這種在專業化（否則無法加速CPU）和通用性（以便適應不斷變化的演算法）之間的驚人平衡，非常非常重要。這也是為什麼CUDA一方面極具韌性，另一方面我們還能不斷對其進行增強。黃仁勳(00:30:44) 我們現在已經到了CUDA 13.2。我們進化架構的速度非常快，以至於我們能夠跟上現代演算法的步伐。例如……當混合專家模型（MoE）出現時，這就是我們推出NVLink 72而不是NVLink 8的原因。我們現在可以將一個擁有4兆、10兆參數的模型放入一個計算域中，就好像它在一個GPU上運行一樣。人們可能沒注意到我說過這句話，但如果你看看Grace Blackwell機架的架構，它完全專注於做一件事：處理大語言模型（LLM）。僅僅一年後，你看到了Vera Rubin機架。它有儲存加速器，有被稱為Vera的出色新CPU。它有Vera Rubin和NVLink 72來運行LLM。黃仁勳(00:31:46) 它還擁有一個名為Rock的全新附加機架。所以這整個機架系統與上一個完全不同，它包含了所有這些新元件。原因在於上一代系統是為了運行MoE大型語言模型推理設計的。而這一代是為了運行智能體，智能體會呼叫各種工具。萊克斯·佛里曼(00:32:10) 顯然，該系統的設計肯定在Open-Claude、Codex等出現之前就已經完成了。所以你本質上是在預判未來。這來源於什麼？來自於行業內的低語，還是對技術最前沿的理解？黃仁勳(00:32:25) 不。萊克斯·佛里曼(00:32:25) 不是？黃仁勳(00:32:26) 沒那麼複雜。你只需要去推理。不管發生什麼，如果在某個時候我們要讓大語言模型成為一個數字工作者……讓我們用這個比喻。假設我們希望LLM成為數字工作者。它必須做什麼？它必須訪問基礎事實（Ground truth）。那就是我們的檔案系統。它必須能夠做研究。它不可能無所不知。我不想等到這個AI變得對過去、現在和未來的一切都無所不知之後再讓它發揮作用。因此，我不如讓它去做研究。很明顯；如果它想幫我，它就得使用我的工具。黃仁勳(00:33:13) 很多人會說：“AI會徹底摧毀軟體。我們不再需要軟體了。我們甚至不再需要工具了。”這太荒謬了。讓我們用一個思想實驗。你可以坐在那兒，品一杯威士忌，思考所有這些事情，一切都會變得顯而易見。如果我們要在未來10年內創造出能想像到的最神奇的智能體，假設它是一個人形機器人。如果這個人形機器人被創造出來，它是更有可能走進我家，用我現有的工具來完成它的工作？黃仁勳(00:33:54) 還是說它的手在一個場景下變成一把10磅重的錘子，在另一個場景下變成手術刀，而為了燒水，它的手指能發射微波？或者是它更可能直接使用微波爐？第一次走向微波爐時，它可能不知道怎麼用。但沒關係。它連接在網際網路上。它讀取這台微波爐的手冊，讀完後立刻成為專家。然後它就可以使用了。我認為我剛才描述的，實際上幾乎囊括了Open-Claude的所有屬性。黃仁勳(00:34:35) 它將使用工具，訪問檔案，能夠進行研究。它有一個IO子系統。當你以這種方式推理完畢後，你會說：“天那，這對計算未來的影響是極其深遠的。”原因是，我認為我們剛剛重新發明了電腦。然後你現在會問：“好，我們是什麼時候推理出這個的？我們什麼時候推理出Open-Claude的？”如果你去看我在GTC大會上使用過的Open-Claude示意圖，你會發現那是兩年前的事。就在兩年前的GTC上，我就在談論智能體系統，這與今天的Open-Claude完全吻合。當然，許多事情必須匯聚在一起才能發生。黃仁勳(00:35:26) 首先，我們需要Claude、GPT以及所有這些模型達到一定的能力水平。因此，他們的創新、突破和持續進步非常重要。然後，當然有人必須建立一個足夠穩健、足夠完整的開放原始碼專案，以便我們大家都能將其投入使用。我認為Open-Claude對智能體系統的影響，就如同ChatGPT對生成式系統的影響一樣。我認為這是一件非常重要的事情。萊克斯·佛里曼(00:36:02) 是的，這是一個非常特殊的時刻。我不太確定為什麼它能吸引全世界如此多的關注，但它確實做到了，甚至比Claude Code和Codex等還要引人矚目。黃仁勳(00:36:12) 因為消費者能夠接觸到它。萊克斯·佛里曼(00:36:13) 確實。但這很大程度上也是一種氛圍。彼得（Peter），我曾邀請他上過播客，他是個很棒的人。所以部分原因也是代表這個產品的人帶來的影響。黃仁勳(00:36:25) 毫無疑問。萊克斯·佛里曼(00:36:25) 部分原因是因為迷因（Memes），而且我們都在試圖弄清楚它。當擁有如此強大的技術時，如何移交你的資料讓它們能做有用的事？這裡存在極其嚴肅且複雜的安全問題，與之相關的事情也很可怕。無論是作為個體還是作為一種文明，我們都在摸索如何找到正確的平衡點。黃仁勳(00:36:44) 是的，我們立刻採取了行動，派出了許多安全專家。我們做了一個叫做OpenShell的項目。它已經被整合到了Open-Claude中。萊克斯·佛里曼(00:36:55) 輝達推出了NemoClaw（註：此處指輝達相關安全工具）。黃仁勳(00:36:58) 沒錯。萊克斯·佛里曼(00:36:59) 它安裝起來非常簡單，能確保安全性。黃仁勳(00:37:03) 我們給你三項權限中的兩項。智能體系統可以訪問敏感資訊，可以執行程式碼，也可以與外部通訊。如果我們在任何時候只給你這三項能力中的兩項，而不是全部三項，我們就能保證安全。在授予的這兩項能力中，我們還根據企業賦予你的任何權利來提供存取控制。然後我們將其連接到所有這些企業已經擁有的策略引擎上。所以我們將盡最大努力幫助Open-Claude變得更好。AI縮放定律的最大阻礙萊克斯·佛里曼(00:37:40) 你雄辯地解釋了我們如何擁有著一段被認為是阻礙、但最終我們克服了阻礙的漫長歷史。但現在展望未來，既然智能體將無處不在已經顯而易見，顯然我們需要大量的算力。那麼，進一步擴展的阻礙將會是什麼？黃仁勳(00:37:59) 電力是一個顧慮，但不是唯一的顧慮。這也是我們為什麼大力推進極限協同設計的原因，以便我們每年都能將每瓦每秒生成的Token數提高幾個數量級。在過去的10年中，按照摩爾定律，計算能力會提高大約100倍。而我們在過去10年中通過擴大規模，將計算能力提升了一百萬倍。我們將通過極限協同設計繼續這樣做。能效，即每瓦性能，完全影響著一家公司的收入，影響著一家工廠的收入。我們將把能效推向極限，以便儘可能快地降低Token的成本。黃仁勳(00:38:51) 我們的電腦價格在上漲，但我們生成Token的效率提升得快得多，因此Token的成本正在下降。每年都在以一個數量級的速度下降。萊克斯·佛里曼(00:39:04) 電力是一個很有趣的問題。試圖繞過電力障礙的方法是，通過提高每瓦每秒生成的Token數，使其變得越來越高效。當然，如何獲取更多的電力也是個問題。黃仁勳(00:39:16) 我們確實也應該獲取更多電力。供應鏈萊克斯·佛里曼(00:39:17) 這是一個非常複雜的問題。你談到過小型模組化核電站。針對能源有很多想法。AI供應鏈的瓶頸問題有多少次讓你徹夜難眠？比如擁有EUV光刻機的ASML，擁有像CoWoS這樣的先進封裝技術的台積電，以及擁有高頻寬記憶體的SK海力士？黃仁勳(00:39:38) 一直都在想，我們無時無刻不在解決這些問題。歷史上從未有一家公司在以我們這樣的規模增長的同時，還能加速這種增長。這簡直難以置信。人們甚至很難理解這一點。在整個AI計算領域，我們正在增加市場份額。因此，供應鏈的上下游對我們來說都極其重要。我花了很多時間與我合作的所有CEO交流：有那些動態將促使這種增長繼續甚至加速？這部分原因解釋了為什麼在GTC上，坐在我右邊的幾乎是整個上游IT行業的CEO和整個下游基礎設施行業的CEO。黃仁勳(00:40:32) 他們都在。有好幾百位CEO。我不認為歷史上曾有過幾百位CEO出席的主題演講。原因之一是，我在告訴他們我們現在的業務狀況。我在告訴他們不久的將來的增長驅動力以及正在發生的事情。我還在描述我們下一步將走向何方，以便他們可以利用所有這些資訊和動態來指導他們的投資決策。就像我通知我自己的員工一樣，我也這樣通知他們。記憶體黃仁勳(00:41:06) 當然，然後我會親自去拜訪他們，確保“嘿，聽著，我希望你們知道，在這個季度、今年、明年，這些事情將會發生。”如果你去看看DRAM（動態隨機存取記憶體）行業的CEO們——世界上排名第一的DRAM曾經是資料中心CPU使用的DDR記憶體。大約三年前，我成功說服了幾位CEO：儘管當時HBM（高頻寬記憶體）的使用非常稀少，甚至超級電腦都很少用，但這將成為未來資料中心的主流記憶體。一開始這聽起來很荒謬，但有幾位CEO相信了我，並決定投資製造HBM記憶體。黃仁勳(00:41:55) 另一种放到資料中心顯得有些奇怪的記憶體是用於手機的低功耗記憶體。我們希望他們能對其進行改造，以適用於資料中心的超級電腦。他們說：“用手機記憶體做超級電腦？”我向他們解釋了原因。現在看看這兩種記憶體：LPDDR5和HBM4。需求量簡直驚人。這三家公司（生產這些記憶體的）都迎來了歷史上創紀錄的一年，而這些都是擁有45年歷史的老牌公司。所以，我的部分工作就是去告知、塑造和啟發。萊克斯·佛里曼(00:42:36) 所以你不僅僅是在構想未來並激勵輝達公司的不同工程師，你還在塑造未來的供應鏈。你在和台積電、ASML進行對話。黃仁勳(00:42:50) 上游、下游。萊克斯·佛里曼(00:42:51) 上游，下游。所以這就是關鍵。黃仁勳(00:42:53) GE（通用電氣）、Caterpillar（卡特彼勒）。沒錯，那是我們的下游。就是這樣。萊克斯·佛里曼(00:42:59) 是的，整個系統。整個半導體行業涉及的極度困難的工程技術太多了，供應鏈是如此錯綜複雜，元件如此之多，這讓人感到可怕，但它竟然奇蹟般地運轉起來了。黃仁勳(00:43:18) 沒錯，深度的科學。深度的工程，不可思議的製造。如今大部分製造都已經是機器人化了。但我們有幾百家供應商，他們提供的技術組成了我們擁有130萬個元件的機架。每個機架有一百三十到一百五十萬個元件。Vera Rubin機架背後有200家供應商。萊克斯·佛里曼(00:43:45) 有趣的是，在讓你徹夜難眠的阻礙清單中，你沒有列出這一點。黃仁勳(00:43:49) 因為我已經做了所有必要的事情去——萊克斯·佛里曼(00:43:52) 好的。黃仁勳(00:43:52) 明白了嗎？我可以安心睡覺了，因為我已經搞定了。我對自己說：“好了，讓我推理一下。什麼對我們最重要？”因為我們將系統架構從你記憶中最初的DGX-1改變為NVLink-72機架級計算——這意味著什麼？這對軟體意味著什麼？對工程意味著什麼？對我們設計和測試的方式意味著什麼？這對供應鏈意味著什麼？其中一個影響是，我們將原本在資料中心進行的超級電腦整合工作，前置到了供應鏈中的超級電腦製造環節。黃仁勳(00:44:42) 如果你這麼做，你還必須認識到……假設你想建一個資料中心，需要50千兆瓦的超級電腦同時運行，而在供應鏈中製造那50千兆瓦的超級電腦需要一周的時間。那麼供應鏈每周就需要一千兆瓦的電力來建構和測試這些在供應鏈中的超級電腦，然後我才能發貨。萊克斯·佛里曼(00:45:25) 哦。黃仁勳(00:45:25) 而NVLink-72真的是在供應鏈裡建構超級電腦，然後以每個機架兩三噸的重量直接發貨。過去元件是分開運來的，我們在資料中心內部組裝。但現在不可能了，因為NVLink-72的密度太高了。所以這就是一個例子。我必須飛到供應鏈那裡，去見我的合作夥伴，說：“嘿，猜猜看？這就是我們將要做的……這是我們過去建構DGX的方式。現在我們要這樣建構。這將會好得多，因為我們在推理方面將需要它們。”推理的市場正在到來。推理的拐點即將到來。這將是一個巨大的市場。黃仁勳(00:46:05) 首先我向他們解釋發生了什麼，為什麼會發生，然後我要求他們每家都投入幾十億美元的資本支出。因為他們信任我，我也非常尊重他們，我給他們充分的機會來質疑我，我花時間向人們解釋事物，用第一性原理去推理。我畫圖表，進行第一性原理推理。當我跟他們談完時，他們知道該怎麼做了。萊克斯·佛里曼(00:46:35) 所以很大一部分是關於關係，以及建立對未來的共同願景。但你會擔心某些瓶頸嗎？供應鏈中最大的瓶頸是什麼？你擔心ASML的EUV工具嗎？擔心台積電的CoWoS封裝技術擴張速度夠不夠快嗎？正如你所說，你們不僅增長得難以置信地快，而且還在加速增長。感覺供應鏈中的每個人，這些顯然都是瓶頸環節，都必須擴大規模。你有沒有和他們溝通，比如如何才能更快地擴大規模？黃仁勳(00:47:12) 無時無刻不在溝通。萊克斯·佛里曼(00:47:12) 你擔心嗎？黃仁勳(00:47:13) 不擔心。萊克斯·佛里曼(00:47:13) 好的。黃仁勳(00:47:14) 因為我已經告訴他們我需要什麼。他們理解了我的需求。他們告訴了我他們將去做什麼，我也相信他們會去做到。電力萊克斯·佛里曼(00:47:22) 很有意思。聽到這個太好了。我們再在電力問題上稍作停留。你對解決能源問題有什麼期望？黃仁勳(00:47:30) 萊克斯，這是我特別想探討的一個領域，把這個資訊傳遞出去。我們的電網是為最壞的情況設計的，並且還留有一定的余量。但實際上99%的時間裡，我們根本達不到最壞的情況，因為最壞的情況僅僅是冬天最冷的幾天、夏天最熱的幾天以及極端天氣。大多數時候我們遠沒有達到極限情況，可能只運行在峰值負荷的大約60%。黃仁勳(00:48:08) 所以99%的時間裡，我們的電網都有多餘的電力被閒置著。但它們必須被閒置備用，以防萬一。當關鍵時刻到來時，醫院必須有電，基礎設施必須有電，機場必須運轉等等。我的問題是，我們是否可以去幫助他們理解並簽訂合同協議，重新設計電腦架構系統和資料中心。這樣，當社會基礎設施需要最大電力時，資料中心獲得的電力就會減少。黃仁勳(00:48:49) 反正這種情況也非常罕見。在那段時間裡，我們或者為那一小部分需求配備備用發電機，或者讓我們的電腦將工作負載轉移到其他地方，或者讓電腦運行得慢一點。我們可以降低性能，減少功耗，並在有人請求答案時提供稍微長一點的延遲響應。我認為，相比於期望100%的正常執行階段間——這些要求極其嚴苛的合同給電網帶來了巨大的壓力，現在他們將不得不進一步提高最大容量。我只是想利用他們閒置的多餘電力而已。萊克斯·佛里曼(00:49:36) 是的，這個話題討論得還不夠。是什麼阻礙了這一點？是監管嗎？是官僚主義嗎？黃仁勳(00:49:43) 我認為這是一個三方面的問題。首先是從最終客戶開始的。最終客戶對資料中心提出要求，認為它們絕對不能出現不可用的情況。所以最終客戶期望的是完美。為了交付這種完美，你需要發電機和電網供應商結合起來兌現這100%的承諾。每個人都要求“六個九”（99.9999%的可用性）。首先，現在我們必須讓所有人都明白，當客戶提出這些要求時，你們資料中心營運團隊的人可能並沒有和CEO溝通。我打賭CEO不知道這件事。我要去和所有的CEO談談。黃仁勳(00:50:28) CEO們可能根本沒關注正在簽署的合同條款，所有人當然都想簽最好的合同。他們去找雲服務提供商（CSP），那些參與談判的合同談判員……我都能想像出他們的樣子。他們談判這些多年的合同，雙方都想要最有利的條款。結果就是，CSP接著去找公用事業公司，要求“六個九”的保障。我認為第一件事就是要確保所有客戶、CEO們明白他們到底在要求什麼。第二件事，我們需要建設能夠優雅降級（Gracefully degrade）的資料中心。黃仁勳(00:51:13) 所以，如果公用事業公司、電網告訴我們：“聽著，我們必須把你們的電力供應降到80%。”我們會說：“完全沒問題。”我們會移動工作負載。我們會確保資料絕不丟失，但我們可以降低計算速率，使用更少的能源。服務質量會稍微下降一點。對於關鍵工作負載，我立刻把它轉移到其他地方，這樣我就沒有問題了。找到仍然擁有100%正常執行階段間的資料中心。萊克斯·佛里曼(00:51:44) 在資料中心裡實現智能的、動態的電力分配，這是一個多難的工程問題？黃仁勳(00:51:49) 只要你能設定出規範，你就能把它造出來。這句話說得很好。只要它符闔第一性原理和物理定律，我認為就沒問題。萊克斯·佛里曼(00:51:58) 你剛提到的第三件事是什麼？黃仁勳(00:52:00) 所以第二件事是資料中心。第三件事是我們需要公用事業公司也認識到這是一個機會。與其說“聽著，我需要五年時間才能增加電網容量”，不如說“如果你願意接受這種保障等級的電力，我下個月就能以這個價格為你提供”。如果公用事業公司提供更多不同層級的電力交付承諾，我認為所有人都能找出應對之策。目前電網裡的浪費實在是太多了。我們應該去解決這個問題。埃隆·馬斯克與Colossus萊克斯·佛里曼(00:52:43) 你高度讚揚了埃隆·馬斯克和xAI在孟菲斯（Memphis）的成就，他們在創紀錄的時間內——僅僅四個月，就建成了Colossus超級電腦。現在它擁有20萬個GPU，並且還在快速增長。在你的理解中，他解決問題的方法是否對所有資料中心建設者都有指導意義，從而促成了那樣的成就？他對待工程的態度，對待整個建設管理的方法？黃仁勳(00:53:15) 首先，埃隆在很多不同領域都有很深的造詣。同時，他也是一個非常優秀的系統思考者。因此，他能夠貫穿多個學科進行思考，他顯然會推動事物發展，質疑一切：第一，這是必要的嗎？第二，必須這樣用這種方式做嗎？第三，需要花這麼長時間嗎？他有能力質疑一切，直到把所有東西縮減到絕對必要的最低限度，你無法再剔除任何東西，而產品依然保留了必需的功能。他做到了你能想像到的極致的極簡主義，並且是在系統層面上做到這一點的。我還喜歡的一點是，他會親臨現場。黃仁勳(00:54:25) 他會親自去那裡。如果出現問題，他就會直接去現場說：“把問題指給我看。”當你將這些結合起來時，你就克服了許多過去的慣性思維：“我們一直都是這樣做的”，“我在等他們”。這完全是在找藉口。最後一點，當你帶著如此強烈的緊迫感親力親為時，會讓所有人也充滿緊迫感。每個供應商都在同時處理很多客戶的很多項目，但他有辦法讓他自己成為其他所有人項目中優先順序最高的那一個。他通過親身示範做到了這一點。萊克斯·佛里曼(00:55:09) 是的，我參加過很多那樣的會議。看他工作很有趣，因為真的沒有足夠多的人會去問這樣的問題：“這能做得更快一點嗎？怎麼做？為什麼非得花這麼長時間？”黃仁勳(00:55:21) 是的，對。萊克斯·佛里曼(00:55:22) 然後這通常會變成一個工程問題。當你到瞭解實際的基層真相時……我記得有一次我和他在一起，他真的在從頭到尾過一遍如何將電纜插入機架的整個流程。他與在現場執行該任務的工程師合作，他只是想瞭解這個過程是什麼樣的，如何才能減少出錯的可能。從組裝資料中心的每一個單項任務中建立直覺——萊克斯·佛里曼(00:55:52) 你開始在細節尺度和廣闊的系統尺度上立刻感覺到那裡存在低效，因此你可以讓它變得越來越高效。此外，你還擁有強大的執行力去說：“讓我們完全用不同的方式來做——”黃仁勳(00:56:08) 是的。沒錯。萊克斯·佛里曼(00:56:09) “——並移除所有可能的阻礙。”黃仁勳(00:56:10) 沒錯。黃仁勳的工程與領導哲學萊克斯·佛里曼(00:56:11) 你覺得輝達極限系統協同設計的方法，與埃隆處理系統工程的方式有相似之處嗎？黃仁勳(00:56:18) 首先，協同設計是終極的系統工程問題。所以我們從第一性原理出發來開展工作。我們做的另一件事——這也是我在30年前提出的一種哲學、一種心態或者說一種方法——叫做“光速”。光速不僅僅是指速度。光速是我的一個縮略語，代表著物理學的極限所在。所以我們做的每一件事都會與“光速”進行對比。記憶體速度、數學計算速度、電力、成本、時間、精力、人員數量、製造周期時間。黃仁勳(00:57:09) 當你思考延遲與吞吐量的權衡，當你思考成本與吞吐量、成本與容量的關係時，你會對所有這些不同的約束條件分別進行測試，將其逼近物理極限（光速）。然後當你綜合考量時，你知道必須做出妥協。因為實現極低延遲的系統架構與實現極高吞吐量的系統架構在根本上是不同的。但你想知道實現高吞吐量系統的極限是什麼？實現低延遲系統的極限又是什麼？然後當你考慮整個系統時，你就可以進行權衡。所以我強迫每個人從第一性原理、從極限出發去思考。黃仁勳(00:58:01) 在做任何事情之前，想想物理學允許的極限在那裡。我們用這個標準來測試一切。這是一種很好的思維框架。我不太喜歡另一種被稱為“持續改進”的方法。持續改進的問題在於……首先，你應該利用“光速思維”，從第一性原理出發來設計工程，僅受限於物理極限。當然，在這之後你會隨著時間不斷改進它。但我不喜歡面對一個問題時，有人說：“嘿，現在做這件事需要74天。我們現在能幫你縮短到72天。”我寧願把它全部推倒重來，歸零。黃仁勳(00:58:52) 然後說：“首先，解釋給我聽為什麼一開始需要74天。想想看我們今天能做到什麼程度。如果我完全從零開始建構它，需要多長時間？”通常，你會感到驚訝，答案可能是6天。剩下的那部分，從6天到74天的差距，可能是基於非常合理的妥協、降低成本以及各種各樣的原因。但至少你知道這些差距在那。既然你知道6天是有可能實現的，那麼從74天探討如何降到6天的對話，就會極其有效得多。萊克斯·佛里曼(00:59:30) 在你建構如此極其複雜的系統時，簡單性有時是一個值得追求的好啟髮式原則嗎？拿你們發佈的Vera Rubin計算艙（Pod）來說，這真是令人難以置信。我們談論的是7種晶片、7種晶片類型、5種專用機架類型、40個機架、1.2千兆個電晶體、近2萬個輝達裸片、超過1100個Rubin GPU、60百億億次浮點運算能力（exaflops）、10 PB/s的擴展頻寬。而這僅僅是一個……黃仁勳(01:00:03) 這僅僅是一個計算艙。萊克斯·佛里曼(01:00:04) 僅僅是一個計算艙。黃仁勳(01:00:06) 是的，僅僅是一個計算艙。萊克斯·佛里曼(01:00:07) 所以你有……甚至單單一個NVL72機架就有130萬個元件，1300個晶片，4000根線纜，全部塞進一個寬19英吋的機架裡。黃仁勳(01:00:19) 而且萊克斯，我們可能每周都要生產大約200個這樣的計算艙，給你提供個視角。萊克斯·佛里曼(01:00:25) 元件數量如此之多，我猜想“簡單性”是不可能實現的。但是在嘗試設計時，它是否會作為一種你努力追求的衡量指標？黃仁勳(01:00:35) 我最常說的一句話是，我們需要事物像必要時那樣複雜，但又要儘可能簡單。所以問題是，所有這些複雜性都是必要的嗎？我們必須對此進行測試，必須提出挑戰。除此之外的任何多餘的東西都是不必要的。萊克斯·佛里曼(01:00:56) 但這幾乎是不可思議的。從整個半導體行業來看，輝達正在做的是歷史上最偉大的工程之一。這些系統真的是工程學的奇蹟。黃仁勳(01:01:10) 它是世界上製造過的最複雜的電腦。萊克斯·佛里曼(01:01:13) 是的，這些工程團隊。我不是在比較，如果有一個工程團隊的奧運會，台積電在各個層面上都做著令人難以置信的工程工作，正如我所說的ASML也是，但輝達絕對是強有力的競爭者。真是令人驚嘆的團隊。黃仁勳(01:01:28) 可以說，這是每個單項運動的金牌得主，全都聚集在這裡了。中國(01:01:33) ……並且必須協同工作。而且直接向你匯報。這真是太棒了。你最近去了中國。所以問你這個問題很有意思，中國在建設其科技領域方面取得了令人難以置信的成功。據你瞭解，中國是如何在過去10年裡建立起這麼多令人難以置信的世界級公司、世界級工程團隊，以及這個技術生態系統……從而生產出這麼多令人驚嘆的產品的？黃仁勳(01:02:05) 原因有很多……嗯，首先，讓我們從一些事實開始。全球大約 50% 的 AI 研究人員是華人，而且他們大多仍在中國。我們這裡也有很多，但中國仍然有很出色的研究人員。他們的科技產業出現的時間點非常精準。在移動雲時代，他們貢獻的方式是軟體，所以這個國家有著在科學和數學方面受過良好教育的優秀孩子。他們的科技產業是在軟體時代建立的。他們對現代軟體非常熟悉。中國不是一個單一的經濟大國。它有很多省份和城市，其市長們相互競爭。(01:03:01) 這就是為什麼有這麼多電動汽車公司。這就是為什麼有這麼多 AI 公司。這就是為什麼有這麼多——你能想像到的每一類公司，他們都會創立其中一些。因此，結果就是他們內部有著極其激烈的競爭。你知道，最終存活下來的是那些令人難以置信的公司。他們的社會文化也是，家庭第一，朋友第二，公司第三。所以他們之間的交流非常多……他們本質上一直是開放原始碼的。(01:03:47) 所以他們為開源做出更多貢獻是非常合理的，因為他們可能會想，“我們要保護什麼呢？”我的工程師，他們的兄弟在那家公司，他們的朋友在那家公司，他們都是校友。你知道，校友這個概念。一旦是校友，就是一生的兄弟。所以他們分享知識非常非常快。所以保守技術秘密沒有意義。還不如把它開源。然後開源社區會放大、加速創新過程。所以你得到了這種快速、令人難以置信的優秀人才，由於開源以及朋友間的交流性質和激烈的競爭，創新速度極快。(01:04:35) 在公司之間，湧現出來的東西是不可思議的。所以這是當今世界上創新最快的國家，而這一點，我剛才所說的一切，都從根本上解釋了這些孩子是如何成長的，他們擁有出色的教育，父母希望他們在學校表現出色，他們的文化就是如此。這些，你知道，這些都是他們國家的一些特點，而且他們恰好在技術呈指數級發展的時代出現了。萊克斯·佛里曼(01:05:09) 另外，從文化上來說，成為一名工程師是很酷的事情。這與你提到的所有因素都有關聯……黃仁勳(01:05:16) 這是一個建設者國度。萊克斯·佛里曼(01:05:18) 這是一個建設者國度。黃仁勳(01:05:19) 是的，這是一個建設者國度。我們國家的領導人，很了不起，但大多是律師。他們國家的領導人——因為我們要靠法治來保障安全——他們的國家是從貧困中建立起來的。所以他們的大多數領導人都是了不起的工程師。一些最聰明的人。萊克斯·佛里曼(01:05:43) 稍微岔開一下，因為你提到了開源，我必須提到 Perplexity，你長期以來一直是它的粉絲。黃仁勳(01:05:51) 很喜歡，是的。萊克斯·佛里曼(01:05:52) 感謝你開源了 Nemotron 3 Super，你也可以在 Perplexity 裡面用它來尋找資訊。這是一個 1200 億參數的開源權重 MoE 模型。你對開源有什麼願景？你提到了中國，提到了 DeepSeek 和 MiniMax，所有這些公司都在真正推動開源 AI 運動，而 輝達 在接近最先進水平的開源大語言模型方面確實處於領先地位。你對此的願景是什麼？黃仁勳(01:06:28) 首先，如果我們要成為一家偉大的 AI 計算公司，我們必須理解 AI 模型是如何演變的。(01:06:36) 我喜歡 Nemotron 3 的一點是，它不僅僅是一個純粹的 Transformer 模型，它結合了 Transformer 和 SSM。而且我們很早就開始開發條件 GAN，也就是漸進式 GAN，它一步步地引向了擴散模型。所以，我們在模型架構和不同領域進行基礎研究，這讓我們能夠洞察什麼樣的計算系統對未來模型有好處。這是我們極致協同設計策略的一部分。第二，我認為我們正確地認識到，一方面，我們希望將世界級的模型作為產品，它們應該是專有的。另一方面，我們也希望 AI 能夠滲透到每一個行業、每一個國家、每一位研究人員、每一位學生中。(01:07:37) 如果一切都是專有的，那麼進行研究就很難，在其基礎上、周圍、與之一起創新也很難。所以……開源對於許多行業加入 AI 革命是根本必要的。輝達 擁有規模，我們也有動力——不僅有技能、規模，還有動力——只要我們還存在，就持續建構這些 AI 模型。因此，我們應該這樣做。我們可以開放，我們可以啟動每一個行業、每一位研究人員、每一個國家，讓他們能夠加入 AI 革命。還有第三個原因，那就是認識到 AI 不僅僅是語言。這些 AI 很可能會使用基於其他資訊模態訓練的工具、模型和子代理。(01:08:39) 可能是生物學、化學、物理學定律，或者流體力學和熱力學，並非所有這些都包含在語言結構中。所以必須有人去確保天氣預報、生物學 AI、用於生物學的 AI、物理 AI，所有這些都能被推向極限，推向前沿。我們不製造汽車，但我們希望確保每個汽車公司都能接觸到優秀的模型。我們不發現藥物，但我希望確保禮來公司擁有世界上最好的生物學 AI 系統，這樣他們就可以用它來發現藥物。所以這三個根本原因，既認識到 AI 不僅僅是語言，AI 非常廣泛，我們希望讓每個人都參與到 AI 世界中來，同時也要進行 AI 的協同設計。萊克斯·佛里曼(01:09:32) 嗯，我必須說，再次感謝你開源，真正地開源了 Nemotron 3 以及……黃仁勳(01:09:39) 是的，謝謝你提到這一點。我們開源了模型，開源了權重，開源了資料，開源了我們建立它的方法。是的，這非常了不起。台積電與台灣萊克斯·佛里曼(01:09:48) 這真的非常了不起。你來自台灣，並且與台積電關係密切。所以我得問問，我認為台積電在工程團隊和他們所做的令人難以置信的工程工作方面，也是一家傳奇公司。你如何理解台積電的文化和方法，來解釋他們是如何在半導體領域所做的一切中取得這種獨一無二、無與倫比的成功的？黃仁勳(01:10:19) 你知道，首先，關於台積電最深的誤解是，他們擁有的只是技術。以為他們只是有非常好的電晶體，如果有人拿出另一種電晶體，遊戲就結束了。是技術，當然，我指的不只是電晶體，還有金屬化系統、封裝、3D 封裝、矽光子學，他們擁有的所有技術。是技術讓這家公司變得特別。他們的技術讓這家公司變得特別。(01:10:59) 但他們協調需求的能力，協調全球數百家公司動態需求的能力，因為它們在上升、轉移、增加、減少、推遲、提前、客戶更換、晶圓啟動、晶圓停止、緊急晶圓啟動，所有這些隨著世界不斷變化而產生的複雜動態，而他們卻能以高吞吐量、高良率、非常好的成本、卓越的客戶服務來營運工廠。他們認真對待自己的承諾。(01:11:49) 當你的晶圓——因為他們知道他們在幫助你營運公司——當承諾的晶圓該出現時，晶圓就會出現，這樣你才能恰當地營運你的公司。所以他們的系統，他們的製造系統，我想說，是完全神奇的。第二點是他們的文化。這種文化一方面同時聚焦於技術，推進技術；另一方面同時以客戶服務為導向。很多公司非常以客戶服務為導向，但技術並不卓越。他們不在技術的最前沿。(01:12:27) 有很多公司處於技術的最前沿，但他們並不是最好的以客戶服務為導向的公司。所以這取決於他們如何平衡這兩者，而且他們在兩方面都是世界級的。然後第三點可能是我最看重的他們創造的技術，這種無形的東西叫做信任。我信任他們，把我的公司託付給他們。這是非常重要的一點。萊克斯·佛里曼(01:12:55) 當他們信任時，我的意思是，你們之間建立了非常緊密的關係，這種信任是基於多年來的表現建立的，但其中也涉及到人際關係。黃仁勳(01:13:05) 三十年了，我不知道通過他們做了多少成百上千億美元的業務，而我們沒有合同。這太棒了。萊克斯·佛里曼(01:13:15) 太神奇了。好的，有這麼個故事……在 2013 年，台積電的創始人張忠謀曾邀請你成為台積電的首席執行長，而你說你已經有工作了。這個故事是真的嗎？黃仁勳(01:13:30) 故事是真的。我沒有，我沒有輕視它。我深感榮幸，當然，我當時就知道，正如我現在所知，台積電是歷史上最重要的公司之一。張忠謀是我生命中評價最高的高管之一，也是我的商業夥伴和個人朋友。他的邀請讓我受寵若驚，真的非常榮幸。但我在這裡做的工作非常重要，我在心中已經看到了 輝達 的未來以及我們能產生的影響。這是非常重要的工作。這是我的責任，我唯一的責任，就是要實現它。所以我拒絕了，不是因為它不是一個令人難以置信的機會。這是一個令人難以置信的機會，但我就是不能接受。萊克斯·佛里曼(01:14:38) 我認為 輝達，輝達 和台積電都是人類文明史上最偉大的兩家公司。營運其中任何一家，我相信都是一項極其複雜的工作，需要……你必須全身心投入。各個層面的每個人，不僅僅是 CEO 層面。每個人都真的是全身心投入……黃仁勳(01:14:57) 是的。是的，毫無疑問。萊克斯·佛里曼(01:14:59) ……來完成這種程度的複雜性。黃仁勳(01:15:00) 所以現在我可以幫助兩家公司了。輝達的護城河萊克斯·佛里曼(01:15:02) 沒錯。現在 輝達 是世界上最有價值的公司。我得問一下，正如科技界人士所說，輝達 最大的護城河是什麼？即保護你免受競爭的優勢。黃仁勳(01:15:20) 作為一家公司，我們最重要的資產是我們計算平台的安裝基礎。今天我們最重要的東西是 CUDA 的安裝基礎。20 年前，當然沒有安裝基礎。但關鍵是……如果有人搞出一個 GUDA 或 TUDA，那根本不會有任何影響。原因在於，這從來都不僅僅是技術的問題。技術當然是不可思議的、有遠見的。但關鍵在於公司對它的投入、堅持、並擴大了它的影響力。讓 CUDA 成功的不是三個人，而是 43,000 個人。(01:16:17) 還有數百萬相信我們、信任我們會繼續開發 CUDA 1、2、3、13 的開發者，他們決定移植並將他們的軟體、他們堆積如山的軟體建構在 CUDA 之上。所以安裝基礎是第一大最重要的優勢。這個安裝基礎，再結合我們以這種規模執行的速度，歷史上沒有那家公司曾經建構過如此複雜的系統，絕對沒有。然後還要一年建構一次，這是不可能的。這種速度與安裝基礎相結合，在開發者的心目中，你只需……從開發者的角度來看，如果我支援 CUDA，明天它就會好 10 倍。我平均只需要等六個月。(01:17:16) 不僅如此，如果我在 CUDA 上開發，我能接觸到數億人、數億台電腦。我存在於每一個雲，每一家電腦公司，每一個行業，每一個國家。所以如果我建立一個開源包，並且首先把它放在 CUDA 上，我會同時獲得這兩個屬性。不僅如此，我 100% 相信 輝達 會一直保留 CUDA，維護它，改進它，並持續最佳化這些庫，只要他們存在。這一點你可以完全放心，最後這一點，信任。你把所有這些放在一起，如果我今天是一名開發者，我會首先瞄準 CUDA。我會最優先瞄準 CUDA。我認為歸根結底，這就是我們的首要，甚至是我們首要的……(01:18:16) ……核心優勢。我們的第二個優勢是我們的生態系統。我們垂直整合了這個極其複雜的系統，但我們橫向整合到每一家公司的電腦中。我們進入了Google雲，進入了亞馬遜，進入了 Azure。我們現在正在瘋狂地擴展 AWS。我們進入了像 CoreWeave 和 Nscale 這樣的新公司。我們進入了禮來公司的超級電腦。我們進入了企業電腦。我們在邊緣的無線基站裡。我的意思是，這簡直瘋狂。一個架構存在於所有這些不同的系統中。我們在汽車裡，在機器人裡，在衛星裡，我們甚至在太空中。所以你擁有這一個架構，並且生態系統如此廣泛，它基本上覆蓋了世界上每一個行業。萊克斯·佛里曼(01:19:03) 那麼，隨著 AI 工廠成為護城河，CUDA 的安裝基礎在未來將如何演變？你認為未來的 輝達 有可能完全圍繞 AI 工廠嗎？黃仁勳(01:19:16) 嗯，對我們來說，計算單位曾經是 GPU。然後它變成了一台電腦，然後變成了一個叢集。現在它是一個完整的 AI 工廠。當我看到一台電腦，當我看到 輝達 建造的東西時，在過去，我會想像晶片。然後當我發佈新產品、新一代產品時，比如，“女士們先生們，我們今天發佈 Ampere，”我會拿起晶片。那是我對正在建構的東西的心理模型。今天，我不會……拿起晶片仍然有點可愛。(01:19:47) 但它只是可愛。它不是我所做事情的心理模型。我的心理模型是這個巨大的千兆瓦級的東西，它連接到電網的發電系統。它有冷卻系統和極其龐大的網路。有 1 萬人在裡面試圖安裝它，數百名網路工程師在裡面，成千上萬的工程師在背後試圖給它通電。你知道，給那些工廠之一通電，正如你所知，不是某個人說“現在開機了”那麼簡單。需要成千上萬的人才能讓它啟動。萊克斯·佛里曼(01:20:22) 所以在心理上，你實際上……當你思考一個計算單元時，你實際上，當你晚上睡覺時，你現在思考的是一組機架，也就是整櫃，而不是單個晶片。黃仁勳(01:20:33) 是整個基礎設施。我希望我的下一個思維跳躍是，當我考慮建造電腦時，是行星級的規模。那將是下一個跳躍。太空中的 AI 資料中心萊克斯·佛里曼(01:20:42) 嗯，你怎麼看埃隆談到的太空角度，即在太空中進行計算，以解決一些……它可以使擴展能源方面的某些能源問題更容易解決。黃仁勳(01:20:56) 散熱問題並不容易。是的。萊克斯·佛里曼(01:20:58) 散熱。嗯，這涉及到大量的工程複雜性。所以……你知道，輝達 也已經宣佈你們已經在考慮這個問題了。黃仁勳(01:21:09) 是的，我們已經做到了。輝達 GPU 是太空中的第一批 GPU。我之前沒意識到，這很有趣……我可能早就該宣佈了。我們在太空中。你知道，我們某個 GPU 上有一個小小的宇航服。但我們已經在太空了。那裡是做大量成像工作的好地方。(01:21:32) 你知道，因為這些衛星擁有非常高解析度的成像系統，它們現在正在持續掃描地球。你希望為全球進行持續的釐米級成像，這樣你基本上就能擁有所有東西的即時遙測資料。你不想把這些資料傳回地球。那將是 PB 級、PB 級的資料。你只需要就在邊緣進行 AI 處理，扔掉所有不需要的東西，那些你之前見過、沒有變化的東西，然後只保留你需要的東西。所以 AI 必須在邊緣完成。顯然，如果我們放在極地，我們有 24/7 的太陽能。但是，那裡沒有傳導，沒有對流。(01:22:23) 所以，基本上只能靠輻射。但是，太空很大。我想，我們只需要在那裡放置巨大、巨型的散熱器。萊克斯·佛里曼(01:22:32) 你認為這個想法有多瘋狂？這是五年後、十年後、二十年後的事？我們正在談論 AI 擴展的障礙。黃仁勳(01:22:41) 你知道，我只是更務實一些。我首先尋找我下一個、再下一個機會所在。與此同時，我在培育太空領域。所以我派工程師去研究這個問題。我們開始……我們學到了很多。如何處理輻射？如何處理性能下降？如何處理持續的缺陷測試和驗證？如何處理冗餘？如何優雅地降級等等？所以我們可以做……軟體呢？你如何看待太空中的軟體、冗餘和性能？(01:23:24) 讓電腦永遠不會壞，它只是變慢而已。所以我們可以提前進行大量的工程探索。但與此同時，我最喜歡的答案是消除浪費。你知道，我們有那麼多閒置的電力，我想盡快利用起來。萊克斯·佛里曼(01:23:47) 是的。那裡，那裡……是的，地球上有很多唾手可得的果實……我們可以利用它們來擴展 AI。快速暫停一下。快速感謝我們的贊助商 30 秒。請在描述中查看他們。這確實是支援本播客的最佳方式。請訪問 lexfridman.com/sponsors。我們有用於好奇心驅動知識探索的 Perplexity，用於線上銷售的 Shopify，用於電解質的 LMNT，用於客戶服務 AI 代理的 Fin，以及用於電話系統（通話、簡訊、聯絡人）的 Quo，為您的業務服務。明智選擇，我的朋友們。現在，回到我與 黃仁勳 的對話。你認為 輝達 有朝一日會值 10 兆美元嗎？讓我們換個方式問。如果這是真的，那麼世界的未來會是什麼樣子？輝達 會值 10 兆美元嗎？黃仁勳(01:24:45) 我認為 輝達 的增長極有可能，而且在我看來是不可避免的。讓我解釋一下原因。我們是歷史上最大的電腦公司。僅這一點就應該引出一個問題：為什麼？當然原因……有兩個原因。首先，兩個基礎性的技術原因。第一個原因是，計算從一個基於檢索的檔案檢索系統轉變而來。幾乎所有東西都是一個檔案……我們預先編寫一些東西，預先錄製一些東西。我們畫一些東西，把它放到網上，放到一個檔案裡。我們使用推薦系統，一些智能過濾器，來找出要為你檢索什麼。所以，我們過去是一個預錄製、人類預錄製和檔案檢索系統。這很大程度上就是電腦的定義。(01:25:39) 而現在，AI 電腦是上下文感知的，這意味著它必須即時處理和生成令牌。所以，我們從基於檢索的計算系統轉變為基於生成的計算系統。在這個新世界裡，我們將需要比舊世界多得多的處理能力。在舊世界裡，我們需要大量的儲存。在這個新世界裡，我們需要大量的計算。這是第一部分。我們從根本上改變了計算以及計算的方式。唯一會導致它倒退……(01:26:15) ……就是如果這種計算方式，這種生成上下文相關、情境感知、在生成資訊之前基於新見解的計算方式，這種計算密集型的方式，如果它沒有效果，它才會倒退。所以，如果在過去 10 到 15 年從事深度學習的過程中，在任何一刻我得出了這樣的結論：“你知道嗎？這行不通。我認為這是條死胡同。”或者“它無法擴展，無法解決這種模式，無法用於這個應用。”那麼，我當然會有截然不同的感受，但我認為過去五年給了我比之前十年更多的信心。(01:27:04) 第二個想法是，電腦，因為它是一個儲存系統，所以大體上是一個倉庫。我們現在正在建造工廠。倉庫賺不了多少錢。工廠與公司的收入直接相關。所以，電腦做了兩件事。它不僅改變了它的運作方式，它在世界上的目的也改變了。它不再是一台電腦，而是一個工廠。它是一個工廠，用於產生收入。我們現在看到，這個工廠不僅在生產人們想要消費的產品、商品，我們還看到這些商品如此有趣，對如此多的不同受眾如此有價值，以至於令牌開始像 iPhone 那樣進行細分。你有免費令牌，有高級令牌，還有幾種中間層級的令牌。(01:28:10) 所以，事實證明，智能是一種可擴展的產品。有極高智能的產品，用於專門用途的令牌，人們願意為此付費。有人願意為每百萬令牌支付 1000 美元的想法即將到來。這不是會不會的問題，只是什麼時候的問題。所以，現在我們看到這個工廠生產的商品實際上是有價值的，並且能夠產生收入和利潤。現在的問題是，世界需要多少這樣的工廠？世界需要多少令牌？社會願意為這些令牌支付多少錢？如果生產力如此顯著地提高，世界經濟會發生什麼？會發生什麼……(01:29:08) 我們是否會……我們是否會發明新藥、新產品、新服務？所以，當你把這些事情結合起來，我絕對確信世界 GDP 的增長將會加速。我絕對確信，用於計算的 GDP 佔比將比過去多 100 倍——嗯——因為它不再是一個儲存單元。它是一個產品生成單元。所以，當你從這個角度來看，然後再反推 輝達 是什麼，輝達 做什麼，以及我們需要從多少新經濟、新產業中受益來解決這個問題，我認為我們會變得非常非常大。(01:29:58) 然後剩下的部分，對我來說，是：輝達 有可能在不久的將來成為一家收入達 3 兆美元的公司嗎？答案當然是肯定的。原因在於它不受任何物理限制。我沒有看到任何東西說，天那，3 兆美元是不可能的。事實證明，輝達 的供應鏈——這個負擔由 200 家公司分擔。我們在與這個生態系統的合作中擴展，問題是：我們有足夠的能源這樣做嗎？我們當然會有足夠的能源。所以，所有這些結合起來，那個數字只是一個數字，你知道？(01:30:51) 我還記得，輝達 是……在我們首次突破 10 億美元時，有位 CEO 提醒我，“你知道，Jensen，從理論上講，一家無晶圓半導體公司不可能超過 10 億美元。”我不會贅述原因，但這顯然不合邏輯，而且有很多證據表明並非如此。然後有人告訴我，“你知道，Jensen，因為其他某家公司，你永遠不會超過 250 億美元。”有人告訴我，“你永遠不會，你知道，因為……”所以這些都不是基於原則、基於第一性原理的思考。思考這個問題的簡單方法是，我們製造的是什麼，我們能創造的機會有多大？(01:31:42) 現在，輝達 做的不是市場份額生意。我剛才談到的大部分東西都不存在。這是困難的部分。如果 輝達 是一家 100 億美元的公司，試圖去奪取 輝達 的份額，那麼股東們很容易看到，哦，是的，如果他們能拿到 10% 的份額，他們就能變得這麼大。但人們很難想像我們能有多大，因為我沒有可以從誰那裡奪取份額的對象。你知道？所以我認為這是世介面臨的挑戰之一，即對未來的想像力。但我有的是時間，我會繼續推理，繼續談論它，每一次 GTC 都會讓它變得越來越真實。(01:32:27) 你知道，然後越來越多的人會談論它，總有一天，我們會到達那裡。我 100% 確信我們會到達那裡。萊克斯·佛里曼(01:32:34) 是的，你的這種觀點，基本上是令牌工廠，即每瓦每秒的令牌數，並且每個令牌都有價值。就像它是一個實際帶來價值的東西，它為不同的人帶來不同種類、不同數量的價值。這就是實際的產品——它確實可以粗略地看作是令牌。所以你有一堆令牌工廠。然後，根據第一性原理，很容易想像一個未來，考慮到 AI 可以解決的所有潛在問題，你將需要指數級更多的令牌工廠。黃仁勳(01:33:05) 是的。非常有趣的是，我對此如此興奮的原因是，令牌的 iPhone 已經問世了。萊克斯·佛里曼(01:33:11) 你怎麼稱呼它？等等，你是說 OpenClaw 的 iPhone？黃仁勳(01:33:13) 是的。萊克斯·佛里曼(01:33:14) 這很有意思。黃仁勳(01:33:15) 代理。萊克斯·佛里曼(01:33:16) 是的，代理。沒錯。黃仁勳(01:33:18) 總的來說是代理。令牌的 iPhone 已經問世了。它是歷史上增長最快的應用程式。它直線上升。直線上升。萊克斯·佛里曼(01:33:26) 這說明了問題。黃仁勳(01:33:27) 是的，毫無疑問，OpenClaw 就是令牌的 iPhone。萊克斯·佛里曼(01:33:31) 是否有什麼真正特別的事情，大約從 12 月開始發生，人們真正意識到了 Claude Code、Codex、OpenClaw 的力量？我的意思是，我很尷尬地承認，在來這裡的機場路上，我第一次在公共場合這樣做。我通過跟我的筆記型電腦說話來程式設計，打個引號。黃仁勳(01:33:59) 是的，沒錯。萊克斯·佛里曼(01:33:59) 我感到尷尬，因為我假裝在和一位人類同事說話。我不確定自己對未來的感覺，那時每個人……都在走來走去和他們的 AI 說話，但這是完成事情的一種非常高效的方式。黃仁勳(01:34:13) 更有可能的是，你的 AI 會一直打擾你。原因在於它做事太快了。它會向你報告，“我完成了那個。”“接下來你想讓我做什麼？”你知道，它……我認為大多數人沒有意識到的是，與他們聊天、發簡訊最多的人，將是他們的“爪子”或“龍蝦”。壓力下的領導力萊克斯·佛里曼(01:34:37) 多麼不可思議的未來。我讀到過，你將你的很多成功歸功於你比任何人都努力工作，並且比任何人都能承受更多痛苦的能力。所以我們可以列出這包含的許多事情。我的意思是，應對失敗、我們談到的成本和工程問題。人的問題、不確定性、責任、疲憊、尷尬、你提到過的公司瀕臨死亡的時刻，還有壓力。現在，作為這家公司的 CEO，各個經濟體和民族都圍繞它制定戰略，規劃他們的財務分配，規劃他們的 AI 基礎設施，你是如何應對如此巨大的壓力的？在如此多的國家和人民都依賴你的情況下，是什麼給了你力量？黃仁勳(01:35:38) 我意識到 輝達 的成功對美國非常重要。我們產生了巨額的稅收。我們為我們的國家確立了技術領導地位。技術領導地位對國家安全很重要。國家安全不僅僅是一個方面，而是所有方面。當我們的國家更加繁榮時，我們可以在國內政策和幫助社會福利方面做得更好。因為我們在美國創造了如此多的再工業化，我們創造了大量的就業機會。我們正在幫助將如何建造東西的方式轉回到美國，體現在許多不同的工廠、晶片、電腦，當然還有這些 AI 工廠。我完全意識到，這一點……(01:36:35) 而且我受益於此，這真是主流投資者、教師、警察的一份禮物，他們不知為何，出於什麼原因投資了 輝達，或者因為他們看了 Jim Cramer，買了一些股票，現在成了百萬富翁。(01:36:57) 我完全清楚這種情況。我清楚 輝達 是我們身後和下游一個龐大生態系統合作夥伴網路的核心。所以我處理這個問題的方式，正是我剛才所做的。我推理我們正在做什麼？它導致了什麼？它對其他人的利益有什麼影響，無論是積極的，還是例如通過巨大的負擔施加給供應鏈？因此，問題是，你打算怎麼做？對於我感受到的幾乎所有事情，我都會分解它，推理，“好吧，情況是怎樣的？發生了什麼變化？難在那裡？我打算怎麼做？”我……(01:37:56) 我分解它，解構問題，將這些情況的解構轉化為我可以做的、可管理的事情。之後我唯一能做的就是，“你做了嗎？是你做的還是你讓別人去做的？如果你沒做，你推理出你需要做，而你沒做，也沒有讓別人去做，那就別再為此煩惱了。”……你知道？所以，所以——(01:38:27) 所以我對自己相當嚴格。但是，我也會分解事情，這樣我就不會恐慌。我可以安心睡覺，因為我已經列出了需要做的事情清單，並且我確保所有可能危及我們公司、危及我的合作夥伴、危及我們行業的事情，我都告訴了某個人。所有我覺得可能危及任何人的事情，我都告訴了某個人。我告訴了那個能對此採取行動的人。所以，我要麼把這事從心裡放下了，要麼正在處理它。在那之後，Lex，你還能做什麼呢？萊克斯·佛里曼(01:39:10) 考慮到在建立 輝達 的旅程中經歷了那麼多瘋狂、強烈的痛苦，你有沒有經歷過心理上的低谷？黃仁勳(01:39:22) 哦，是的。哦，是的。當然。一直都有。一直都有。萊克斯·佛里曼(01:39:27) 然後你——黃仁勳(01:39:27) 一直都有。萊克斯·佛里曼(01:39:27) ……你只是把問題分解成碎片？看看你能做些什麼？黃仁勳(01:39:33) 一部分，Lex，一部分是遺忘。你知道，AI 學習最重要的屬性之一就是系統性遺忘。你需要知道什麼時候該忘記一些事情。你不能記住所有事情。你不能保留所有事情，你也不想背負所有事情。我很快做的一件事就是分解問題，推理問題，然後分擔它。我說我告訴所有人，我本質上是在分享那個負擔。(01:40:04) 儘可能快地。無論我擔心什麼，告訴別人。不要只是自己扛著。不要嚇到他們。把問題分解成更小的部分，讓人們參與進來，激勵他們能夠對此採取行動。但一部分就是遺忘。很多時候，你必須對自己狠一點。振作起來，別再為此煩惱了。讓我們行動起來。然後你起床。另一部分是你被下一束光所吸引，下一個未來，下一個機會，下一個，“好吧，那已經過去了。接下來是什麼？”我認為這就像你看偉大運動員那樣。他們只擔心下一分。上一分已經過去了。尷尬，挫折。(01:40:56) 你知道，因為我做了很多公開的工作。Lex，你也做了不少公開的工作。所以我做了很多公開的工作。所以你知道，我說了很多當時看起來合理或當時覺得有趣的話，大多隻是因為我當時覺得有趣。然後，當你回想起來，就沒那麼有趣了，但是……萊克斯·佛里曼(01:41:20) 是的。不，相信我，我知道。但你基本上是讓自己被未來的光芒所牽引。忘記過去，繼續——黃仁勳(01:41:27) 沒錯。萊克斯·佛里曼(01:41:28) ……繼續朝著那個目標努力。我的意思是，你說過，有句很有名的話，如果你事先知道打造 輝達 會有多難——實際上比你預期的要難一百萬倍——你就不會去做了。黃仁勳(01:41:46) 是的，沒錯。萊克斯·佛里曼(01:41:47) 但是，你知道，當我聽到這句話時，所有值得做的事情可能都是如此，對吧？黃仁勳(01:41:53) 沒錯。順便說一句，這正是我想解釋的，擁有孩子般的心態是一種不可思議的超能力。當我看到某件事時，我經常對自己說，幾乎所有事情我的第一反應都是，“能有多難呢？”你讓自己進入那種狀態，能有多難呢？從來沒有人做過。它看起來巨大無比。它將耗資數千億美元。它將需要所有這些……你就想，“是啊，但能有多難呢？”能有多難呢？(01:42:37) 所以，你必須讓自己進入那種心態。你其實不希望對所有事情、所有挫折、所有磨難、所有失望都進行過度模擬。你不想提前模擬所有那些。你不想知道那些。你想帶著“這將完美、這將很棒、這將非常有趣”的想法進入新的體驗。然後，當你身處其中時，你需要有耐力，需要有韌性，這樣當挫折真的發生時，那些挫折會讓你驚訝，失望會讓你驚訝，尷尬會讓你驚訝，屈辱會讓你驚訝。(01:43:17) 你不能讓……現在你只需要啟動另一部分，那就是忘掉它。繼續前進，持續前行。只要我對未來的假設以及未來為何會實現的那些假設沒有改變，或者沒有實質性地改變，那麼我就應該預期結果不會改變。所以我模擬的未來結果仍然會發生。如果它仍然會發生，我仍然會去追求它。(01:43:54) 我相信它會，你知道，所以這裡有二三種人類特質的結合：以清新心態進入體驗的能力，忘記挫折的能力，相信自己、相信你所相信的並忠於那個信念的能力。但你也在不斷地重新評估。(01:44:20) 我認為這種三、四、五種特質的結合對於韌性來說非常重要。我很幸運，無論是什麼人生經歷造就了這些，我擁有了那四、五種特質。我總是充滿好奇，總是在學習。我總是向每個人學習。我總是問我的……因為我凡事都很謙遜，我總是想，“天那，他們做得真好。他們做得太棒了。”我想知道他們在想什麼。他們如何……所以我在模擬每個人。在很多方面，我在模仿我觀察到的幾乎每個人，對吧？你對他們所做、你所觀察和尊重的一切都感同身受。所以你一直在學習。萊克斯·佛里曼(01:45:10) 你現在是地球上最富有的人之一。地球上最成功的人之一。保持謙遜並能夠……你是否覺得金錢、權力和名聲的影響，讓你更難在心裡承認自己是錯的？更難去聽取別人不同意的意見並向他們學習？諸如此類的事情。黃仁勳(01:45:41) 令人驚訝的是，並沒有。實際上我會說恰恰相反。因為我做了那麼多公開的工作，當我錯了的時候，幾乎每個人都能看到。萊克斯·佛里曼(01:45:53) 你被教育了。有道理。黃仁勳(01:45:55) 當我錯了——當我錯了或者結果並非如此，或者，你知道，我在外面說的大部分事情，我都是相當確定的。原因在於它會影響到別人，我想對此非常在意，非常謹慎。對於那些我在會議中推理的事情，很多事情的結果可能不同。但這從未阻止我推理。我管理和領導的方式是，我經常在人們面前推理。即使在我和你說話的時候，你也能看到我即時推理的過程。我想確保你理解我所說的，不是因為我告訴了你——(01:46:40) ……而是因為我對我要告訴你的事情非常謙遜。我向你展示了我是如何得出這個結論的步驟。然後你可以自己決定是否相信我最後說的話。所以我整天在會議上都是這麼做的。對我所有的員工，我不斷地推理，“讓我告訴你我是怎麼看的。”然後我進行推理。這給了每個人機會介入並說，“我不同意那一點。”通過推理並讓人們參與其中的好處是，他們不必不同意你的結果。他們可以不同意你的推理步驟。他們可以把我的思路引向不同的方向，然後我們可以一起向前推理。所以我們有點像在共同尋找路徑。這真的很棒。萊克斯·佛里曼(01:47:29) 是的，你有一種特質……當你解釋事情的時候，我能感覺到你實際上是在當場推理，帶著一種持續的開放心態，我可以感覺到我可以引導你的思維。這是非常美好的，你在這麼多年的成功和痛苦之後，還能保持這種狀態。我認為有時候痛苦會讓你封閉一點。我認為能保持——黃仁勳(01:47:57) 是的。對尷尬的容忍度，我認為是……萊克斯·佛里曼(01:47:59) 是的，那是……容忍度……我的意思是，這是真實存在的。就是多年來讓自己難堪。即使在那些會議上，知道周圍有人，你宣佈了一個想法，結果證明那個想法是錯的……並且能夠承認這一點並從中成長。這在人的層面上是非常困難的。黃仁勳(01:48:17) 是的。嗯，你知道。他們知道，他們知道我最近的第一份工作是刷廁所，所以。電子遊戲萊克斯·佛里曼(01:48:25) 我很高興你保留了在丹尼餐廳時的那種精神。我的意思是，那很美好。你從丹尼餐廳開始的整個旅程是美好的。讓我問你關於電子遊戲的問題。我是一個狂熱的遊戲迷。所以我必須感謝 輝達 多年來提供的令人難以置信的圖形。黃仁勳(01:48:47) 順便說一句，GeForce 至今仍然是我們的首要行銷策略。沒錯。人們在青少年時期就瞭解 輝達。然後他們上大學，知道 輝達 是誰，起初只是玩使命召喚、堡壘之夜。然後後來他們使用 CUDA，然後後來他們使用 輝達，還有 Blender、Dassault 和 Autodesk。萊克斯·佛里曼(01:49:16) 是的。我的意思是，我應該說我告訴一個朋友我要和你談話。他說，“哦，他們生產很棒的遊戲 GPU。”黃仁勳(01:49:25) 是的，沒錯。萊克斯·佛里曼(01:49:26) 就好像——黃仁勳(01:49:26) 沒錯。萊克斯·佛里曼(01:49:27) 你知道，還有更多，但是，是的，人們真的很喜歡它。它確實給很多人帶來了很多快樂。硬體真正將這些世界變得栩栩如生。DLSS 5 曾引發一些爭議。你能給我解釋一下這個爭議嗎？我想線上上的玩家們擔心它會讓遊戲看起來像 AI 垃圾。你怎麼看這個爭議？黃仁勳(01:49:56) 是的。我認為他們的觀點有道理，我能理解他們的想法，因為我自己也不喜歡 AI 垃圾。你知道，所有 AI 生成的內容看起來越來越相似，而且它們都很漂亮，所以我對他們的想法感同身受。但這不是 DLSS 5 試圖做的事情。我展示了幾個例子。DLSS 5 是 3D 條件下生成的，有 3D 引導的。它是由真實結構資料引導的。所以藝術家決定了幾何形狀。我們在每一幀中都完全忠實於幾何形狀。它由紋理、藝術家的藝術性來引導。所以每一幀，它都在增強，但不會改變任何東西。(01:50:55) 現在，問題在於增強。DLSS 5 也允許，因為系統是開放的，你可以訓練自己的模型來決定，你甚至可以在未來提示它。我希望它是一個卡通著色器。我希望它看起來像某種風格，所以你可以給它一個例子。它會以那種風格生成，完全符合藝術家的藝術性、風格和意圖。所以所有這些都是為藝術家做的，這樣他們就可以創造出更美麗但仍符合他們想要風格的東西。我認為他們得到的印象是遊戲會原樣發佈，然後我們會對它進行後期處理。這不是 DLSS 的意圖。(01:51:50) DLSS 是與藝術家整合的，所以它是關於給藝術家提供 AI 工具、生成式 AI 工具的。他們可以選擇不使用它，你知道？萊克斯·佛里曼(01:52:01) 我認為人們對人臉非常敏感。我們現在生活在這樣一個時刻，我認為這是一個美麗的時刻，人們對 AI 垃圾很敏感。它為我們提供了一面鏡子，幫助我們意識到我們所追求的是不完美。我們追求的有時不是完美的圖形。它幫助我們理解我們在創造的世界中發現什麼引人入勝。這很美。只要它是幫助我們創造那些世界的工具——黃仁勳(01:52:28) 是的，沒錯。萊克斯·佛里曼(01:52:28) ……它就很好。黃仁勳(01:52:29) 沒錯。又多了個工具而已，而且他們希望生成模型生成與照片級真實相反的東西。是的，它也能做到。所以這只是一個額外的工具。我想玩家們也可能很感激，在過去的幾年裡，我們向遊戲開發者介紹了皮膚著色器。許多遊戲都有皮膚著色器，包括次表面散射，使皮膚看起來更像皮膚。所以遊戲開發者們正在尋找越來越多的工具來表達他們的藝術。所以這只是一個額外的工具，他們可以決定使用什麼。萊克斯·佛里曼(01:53:16) 一個可笑的問題。你認為有史以來最偉大或最具影響力的遊戲是什麼？也許從 輝達 的角度來看？黃仁勳(01:53:24) 毀滅戰士。萊克斯·佛里曼(01:53:25) 毀滅戰士，毫無疑問。那是 3D 的開始。黃仁勳(01:53:28) 我會說是毀滅戰士，從藝術、文化影響以及行業的角度來看，它將 PC 變成了遊戲裝置。那是一個非常重要的時刻。當然，在此之前有飛行模擬公司。但他們沒有毀滅戰士那樣的普及度，未能讓整個行業將 PC 從辦公自動化工具轉變為家庭和玩家的個人電腦。所以毀滅戰士在這方面確實影響深遠。從實際遊戲技術角度來看，我會說是VR戰士。所以，你知道，我們和兩者都是很好的朋友。萊克斯·佛里曼(01:54:07) 還有最近的遊戲——我的意思是，賽博朋克 2077，非常棒的 GPU 加速圖形。就像——黃仁勳(01:54:16) 完全光線追蹤。萊克斯·佛里曼(01:54:17) 完全光線追蹤。還有，我個人非常喜歡，我是天際、上古捲軸的超級粉絲，你知道，它很久以前就發佈了，但人們發佈模組並且——黃仁勳(01:54:29) 我們喜歡模組。萊克斯·佛里曼(01:54:30) ……他們創造了這些令人難以置信的，我的意思是，它就像一個不同的遊戲，讓我可以一遍又一遍地重玩。它讓你意識到，你可以用一種全新的方式重新體驗你已經熱愛的世界。所以——黃仁勳(01:54:45) 沒錯。萊克斯·佛里曼(01:54:45) ……我一直都這麼做。我最喜歡的事情之一就是在天際中漫步。黃仁勳(01:54:48) 我們建立了一個叫做 RTX Mod 的東西。是的，它是一個模組工具。萊克斯·佛里曼(01:54:53) 太棒了。黃仁勳(01:54:53) 它允許社區將最新技術注入到舊遊戲中。萊克斯·佛里曼(01:55:00) 當然，造就一款偉大電子遊戲的不僅僅是圖形，還有故事和角色發展，但是——AGI 時間線黃仁勳(01:55:06) 沒錯。萊克斯·佛里曼(01:55:06) ……美麗的圖形可以增加沉浸感。那種彷彿被傳送到另一個地方的感覺。啊，你說過，我認為很準確，AGI 的時間線問題取決於你對 AGI 的定義。所以讓我問你一下可能的時間線。讓我們採用這個可能很荒謬的 AGI 定義，即一個能夠基本上完成你工作的 AI 系統。所以，營運，不，是創辦、發展並營運一家成功的科技公司，價值——黃仁勳(01:55:52) 一家好的公司還是一家普通的公司？萊克斯·佛里曼(01:55:54) 不。它必須價值超過 10 億，超過 10 億美元。所以，你知道，你知道做所有這些事情有多難。那麼，我們離那一步還有多遠？所以，我們談論的是 Open-Claude，它能做所有極其複雜的事情，首先需要創新，找到客戶，向他們銷售，管理，建立一個由一些代理、一些人組成的團隊，諸如此類的事情。這是 5 年、10 年、15 年、20 年後的事？黃仁勳(01:56:31) 我認為就是現在。我認為我們已經實現了 AGI。萊克斯·佛里曼(01:56:35) 你認為可以由這樣的 AI 系統來營運一家公司嗎？黃仁勳(01:56:37) 有可能，原因如下。你說的是 10 億，你沒有說永遠。所以例如……一個 Claude 能夠建立一個網路服務，一些有趣的小應用，突然之間，幾十億人花 5 毛錢使用它，然後不久之後就倒閉了，這並非不可能。在網際網路時代，我們看到了大量這類公司，而且那些網站中的大多數並不比今天 Open-Claude 能生成的更複雜。萊克斯·佛里曼(01:57:20) 有意思。實現病毒式傳播並將這種病毒式傳播變現。黃仁勳(01:57:23) 是的。只是我不知道它是什麼，但我當時也無法預測那些公司中的任何一個，你知道？程式設計的未來萊克斯·佛里曼(01:57:30) 你的這個說法會讓很多人興奮。黃仁勳(01:57:32) 是的，不。是的。萊克斯·佛里曼(01:57:33) 就像，你什麼意思？我可以直接啟動一個代理，然後賺很多錢？黃仁勳(01:57:38) 嗯，順便說一句，這正在發生，對吧？你知道當你去中國時，你會看到，你會看到很多人教他們的 Claude，讓他們的 Claude 出去找工作，工作，賺錢。我其實……如果出現某種社交事件，或者有人建立了一個數字影響者，超級可愛，或者某個社交應用，喂養你的小拓麻歌子之類的，然後一夜之間爆紅，我也不會感到驚訝。很多人用了幾個月，然後就消失了。現在，這 10 萬個代理中有一個能建成 輝達 的機率是零。(01:58:28) 然後，有一點我不會做，也希望我們大家都做的是，要認識到人們真的很擔心他們的工作。我只想提醒他們，你工作的目的與你用來完成工作的任務和工具是相關的，但不是一回事。我已經做了 33 年的工作。我是世界上在職時間最長的科技公司 CEO，34 年了。在過去 34 年裡，我用來完成工作的工具一直在變化，有時在兩三年的時間裡變化相當劇烈。有一個故事我非常想確保每個人都聽到，那就是電腦科學家、AI 研究人員說的第一個會消失的工作是放射科醫生。(01:59:25) 因為電腦視覺將達到超人的水平，它確實做到了。CV……電腦視覺在 2019、2020 年達到了超人水平，也許稍晚一點，2020 年？(01:59:39) 對吧？所以電腦視覺達到超人水平已經很久了。所以預測是放射科醫生會消失，因為研究放射掃描已成過去。AI 會做這件事。嗯，他們完全正確。電腦視覺完全是超人的。今天每一個放射學平台和軟體包都由 AI 驅動，然而放射科醫生的數量卻增長了。那麼問題是為什麼？現在我們在世界範圍內缺少放射科醫生。所以，第一，危言聳聽的警告過頭了，它嚇退了人們從事這個對社會如此重要的職業。所以它造成了傷害。那麼，為什麼它是錯的？原因在於，放射科醫生的目的是診斷疾病，幫助病人和醫生診斷疾病。(02:00:38) 因為我們現在可以更快地研究掃描結果，你可以研究更多的掃描，你可以診斷得更好，你可以更快地收治病人，你可以看到更多的人。醫院賺更多的錢。醫院裡有更多的病人。你需要更多的放射科醫生。我的意思是，令人驚奇的是，這是如此顯而易見地會發生的事情。輝達 的軟體工程師數量將會增長，而不是減少。原因在於，軟體工程師的目的與軟體工程師編碼的任務是相關的，但不是一回事。我希望我的軟體工程師解決問題。我不在乎他們寫了多少行程式碼，你知道？但他們的工作，他們工作的目的沒有改變。(02:01:25) 解決問題，團隊合作，診斷問題，評估結果，尋找要解決的新問題，創新，連接點。這些事情都不會消失。萊克斯·佛里曼(02:01:39) 你認為是否可能……我們甚至就拿程式設計來說。你認為世界上的程式設計師數量可能會增加，而不是減少嗎？黃仁勳(02:01:45) 是的。原因如下。什麼是程式設計？我相信……今天程式設計的定義，簡單地就是指定、規格說明，也許如果你想要更具指導性，你甚至可以給出你想要編寫的軟體的架構。那麼問題是，有多少人能做到？描述一個規格，讓電腦去……告訴電腦去建構什麼。有多少人？我認為我們從 3000 萬可能增加到了 10 億。所以未來的每一個木匠都將是一個程式設計師，只不過有了 AI 的木匠同時也是建築師。他們只是增加了能為客戶提供的價值。他們的藝術性極大地提升了。(02:02:43) 我相信每一個會計師，也是你的金融分析師，也是你的財務顧問。所以，所有這些職業都得到了提升……如果我是一個木匠，我看到 AI，我會完全瘋狂。我作為水管工能帶給客戶的服務，完全會瘋狂。萊克斯·佛里曼(02:03:04) 而目前是程式設計師和軟體工程師的人，我認為他們處於最前沿，能直觀地理解如何使用自然語言與代理溝通，以設計出最好的軟體。黃仁勳(02:03:20) 沒錯，完全正確。萊克斯·佛里曼(02:03:20) 所以隨著時間的推移，他們會融合，但我認為學習如何程式設計仍然有價值，比如學習什麼是程式語言。舊式的程式設計，程式語言的良好實踐是什麼，大型軟體系統的設計原則是什麼——黃仁勳(02:03:39) 沒錯。萊克斯·佛里曼(02:03:40) ……語言的？黃仁勳(02:03:43) 原因在於，Lex，你知道，正如你對聽眾所說的，我認為規格說明的目標，規格說明的藝術性，其目標和藝術性將取決於你試圖解決什麼問題。當我思考，當我思考為公司制定戰略、規劃公司方向以及我們應該做的事情時，我會在一個足夠具體的層面上描述它，讓人們大致理解方向並且可以採取行動。它足夠具體，他們可以據此採取行動，但我有意地降低規格說明的程度，這樣就能讓 43,000 名優秀的人把它做得比我想像的更好。(02:04:36) 所以當我與工程師共事，與人們共事時，我會考慮，我在試圖解決誰的問題，什麼問題？我和誰一起工作？規格說明的程度、架構定義的程度與此相關。所以每個人都將不得不學習，他們想在程式設計光譜的那個位置。編寫規格說明就是程式設計。所以你可能決定非常具體地規定，因為你尋求一個非常具體的結果。你可能決定，這是一個你想要更多探索的領域，所以你可能降低規格說明的程度，讓你能與 AI 來回互動，甚至突破自己的創造力邊界。所以這種你在光譜中位置的藝術性，這就是程式設計的未來。萊克斯·佛里曼(02:05:31) 但讓我們在程式設計之外再稍微談一下，我認為很多人，理所應當地，擔心他們的工作，對他們的工作有很多焦慮，尤其是在白領領域。我認為我們誰都不知道該如何應對自動化與新技術到來時總會帶來的動盪時代。我只是……首先，我認為我們都需要有同情心和責任感，去感受那些失去工作的個人和家庭所承受的實際痛苦。我認為每當像人工智慧這樣的變革性技術到來時，就會有很多痛苦，我不知道該如何應對這種痛苦。(02:06:21) 希望隨著工具的發展，它能給同樣的人創造更多的機會，讓他們從事同類型的工作，並使他們更高效、更有趣，就像在程式設計領域那樣。我不得不說，我在程式設計中獲得了如此多的樂趣。我從未有過如此多的樂趣。所以希望它能讓他們的工作自動化枯燥的部分，而把創造性的部分留給人類去負責。但仍然會有很多痛苦和磨難。黃仁勳(02:06:51) 所以我的第一個建議……這就是我現在處理焦慮的方式。事實上，我們之前剛談到過。對未來的巨大焦慮，對壓力的巨大焦慮，對不確定性的巨大焦慮，我首先分解它，然後我會告訴自己，“好吧，有些事情你可以做點什麼，有些事情你什麼都做不了。但對於你能做點什麼的事情，讓我們推理，推理一下，然後去做。”(02:07:20) 如果今天我們招聘一個新畢業的大學生，我有兩個選擇，一個對 AI 一無所知，另一個是使用 AI 的專家，我會僱傭那個使用 AI 的專家。如果我有一個會計，一個市場行銷人員，那個使用 AI 的專家，供應鏈，客戶服務，銷售人員，業務拓展，律師，我會僱傭那個使用 AI 的專家。所以我建議每一個大學生，每一位老師都應該鼓勵他們的學生去使用 AI。每一個大學生畢業時都應該是 AI 專家。每個人，如果你是木匠，如果你是電工，去用 AI。去看看它能做什麼來改變你當前的工作，提升你自己。(02:08:21) 如果我是農民，我絕對會用 AI。如果我是藥劑師，我會用 AI。我想看看它能做些什麼來提升我的工作，讓我自己成為革新這個行業的創新者。所以這將是我會做的第一件事。然後我也會幫助他們……事實是，技術將取代並消除許多工。因為它會自動化，如果你的工作就是那個任務——那麼你很可能被顛覆。如果你工作的目的包含你，某些任務……那麼你去學習如何使用 AI 來自動化這些任務就至關重要。然後中間還有廣闊的光譜。萊克斯·佛里曼(02:09:14) 順便說一句，AI 的美妙之處，比如聊天機器人版本，在於你可以分解……你有焦慮，你可以通過和它交談來分解問題。就像，我最近……你真的可以通過它思考你生活中的問題，通過……我不是指像治療那樣的問題。我指的是，非常實際地，“好吧，我擔心我的……”字面意思是，“我擔心我的工作。需要什麼技能？我需要採取那些步驟？”我如何更好地使用 AI？”你剛才說的一切，你都可以直接問，它會給你……一個逐點的計畫。我的意思是，它簡直就是一個很棒的人生教練，就是這樣。這——黃仁勳(02:09:51) 我不知道怎麼用 AI，AI 會說，“嗯，讓我來教你。”萊克斯·佛里曼(02:09:54) 沒錯。這非常元，但它——它有點不可思議。所以人們絕對應該——黃仁勳(02:10:00) 你不能走到 Excel 前說，“我不知道怎麼用 Excel。”萊克斯·佛里曼(02:10:02) 沒錯。黃仁勳(02:10:02) 你完蛋了。萊克斯·佛里曼(02:10:03) 我的意思是，這真的是 AI 在生活的各個方面為我所做的，消除了作為初學者第一次使用某物時的初始摩擦。我真的可以問任何一件事，“我需要採取的第一步是什麼？”黃仁勳(02:10:16) 沒錯。萊克斯·佛里曼(02:10:17) 它提供的這種手把手的指導，消除了世界提供的一切體驗中的摩擦……你知道，就像我私下跟你提到的，你提到，“我要去中國和台灣。”黃仁勳(02:10:30) 太棒了。萊克斯·佛里曼(02:10:31) 直接問，“我去那裡——”黃仁勳(02:10:31) 為你感到興奮。萊克斯·佛里曼(02:10:32) “我去那裡……做什麼……” “你知道，我去那裡？我怎麼……” 所有這些問題……立即得到回答，這太美好了。黃仁勳(02:10:37) 嗯，你去台灣的時候，直接問 AI……“Jensen 在台灣最喜歡的餐廳有那些？”它實際上會——萊克斯·佛里曼(02:10:45) 你不知道？黃仁勳(02:10:45) 哦，知道。萊克斯·佛里曼(02:10:46) 精準嗎？好的。好吧。黃仁勳(02:10:47) 遍佈台灣。萊克斯·佛里曼(02:10:50) 嗯，你在那邊是個大明星。就像我們私下提到的，也許我們會在電腦會展上碰面，那會非常棒。黃仁勳(02:10:58) 台北電腦展。輝達 GTC 台灣。意識萊克斯·佛里曼(02:11:01) 你認為關於人類本性、人類意識，是否存在某些根本上是非計算性的東西？也許是某些東西，無論晶片多麼強大，都無法複製？黃仁勳(02:11:18) 我不知道晶片是否會緊張。你知道，當然，導致焦慮、緊張或任何情緒的條件。我相信 AI 將能夠識別和理解這些。我不認為我的晶片會感受到這些。因此，那種焦慮、那種感覺、那種興奮、那種……所有這些感覺都體現在人類的表現中。例如，極其出色的人類表現，運動表現，平均或低於平均水平。同樣的情境，在不同的人身上，會產生整個光譜的人類表現，展現出不同的結果，展現出不同的表現。(02:12:15) 我認為我們正在建構的任何東西中，沒有任何東西表明，兩個不同的電腦在完全相同的情境下，會產生……當然，它們會產生統計上不同的結果，但那不是因為它們感覺不同。萊克斯·佛里曼(02:12:34) 是的，主觀體驗……天那，我們人類的主觀體驗確實有些特別的東西。就像我對你說的，和你談話我相當緊張。就像我對你說的，希望、恐懼、焦慮，以及生活本身，生活的豐富性。一切是多麼神奇。我們愛得有多深，我們的心碎得有多深，我們有多害怕死亡，當我們所愛的人去世時我們有多痛苦。所有這一切，全部。我知道很難……想像 AI 能夠……一個計算裝置能夠做到那樣。但這整件事還有很多我們尚未發現的奧秘，我對此持開放態度，願意接受驚喜。在過去——萊克斯·佛里曼(02:13:23) ……幾個月和幾年裡，我已經被驚到了很多次。擴展可以在智能領域創造一些不可思議的奇蹟。看著這一切真的非常奇妙，所以我願意接受驚喜。黃仁勳(02:13:34) 分解什麼是智能是非常重要的。你知道，我們一直使用的這個詞，它不是一個神秘的詞。智能是有含義的，你知道？(02:13:46) 它是一個系統……它是我們所做的事情，包括感知、理解、推理和制定計畫的能力。那個循環，那個循環，就是……智能的根本。智能不是一個完全等同於人性的詞。我認為區分這兩者非常重要。我們有兩個詞來描述。我不過度幻想，也不過度浪漫化智能。智能是……人們以前聽我說過，我實際上認為智能是一種商品。我被聰明人包圍著。我周圍都是比我聰明的人，在他們各自的領域裡。(02:14:39) 然而，我在那個圈子裡有一個角色。這其實挺有意思的。他們比我受教育程度高。他們上的學校比我好。他們在各自領域都比我深入。所有人。我有 60 個這樣的人。對我來說，他們都是超人。而不知何故，我卻坐在中間，協調著所有這 60 個人。所以你得問問自己……一個洗碗工有什麼特質，能讓這個洗碗工坐在一群超人的中間？這說得通嗎？(02:15:15) 所以，這就是我的觀點。我的觀點是，智能是功能性的。人性不是用功能性來定義的。它是一個大得多的詞。我們的人生經歷、我們對痛苦的忍耐力、我們的決心，這些都是不同於智能的詞。所以，我想幫助聽眾理解的是，如果我只能給他們一個資訊，那就是智能這個詞隨著時間推移被我們提升到了一個非常高的地位。萊克斯·佛里曼(02:15:50) 我們真正應該提升的詞是人性的光輝。黃仁勳(02:15:53) 品格，人性的光輝。萊克斯·佛里曼(02:15:55) 所有這些。黃仁勳(02:15:55) 所有這些。同情心、慷慨，你剛才說的一切，我相信這些都是超人的力量。而現在的智能將被商品化。因為我們談到了，最重要的是你的教育。現在，即使他們說你最重要的是你的教育，當你上學時，你獲得的不僅僅是知識。(02:16:22) 但不幸的是，我們的社會把所有東西都歸結為一個詞，而生活遠不止一個詞。我只是想告訴你，我的生活表明，在智力曲線上比我周圍的每個人都低，並不改變我是最成功的事實。所以，我希望這能激勵其他人——不要讓智能的民主化、智能的商品化導致你的焦慮。你應該為此受到鼓舞。萊克斯·佛里曼(02:17:00) 是的。我認為 AI 將幫助我們更多地頌揚人類。當然，人性與人類至上，我認為讓這個世界不可思議的是人類將永遠如此，而 AI 正是這個讓我們人類變得更強大的不可思議的工具——黃仁勳(02:17:18) 完全正確。萊克斯·佛里曼(02:17:18) ……人類更強大。黃仁勳(02:17:19) 完全正確。死亡萊克斯·佛里曼(02:17:21) 輝達 的成功以及我提到的數百萬人的生活都依賴於你。但你只是一個人，就像我們提到的，和我們一樣終有一死。你會考慮自己的死亡嗎？你害怕死亡嗎？黃仁勳(02:17:42) 我真的不想死。我生活很美好。我有一個很棒的家庭。我有非常重要的工作要做。這不是一生一次的經歷所暗示的，那種經歷可能很多人都有過，只是不是同一個人。我正在經歷的是人類史上一次的經歷。輝達 是歷史上最重要的科技公司之一。我們在做非常重要的工作。我對此非常認真。所以當然有些實際的事情，比如我們如何考慮繼任計畫？我以不相信繼任計畫而聞名。(02:18:36) 天那。黃仁勳(02:18:36) 原因不是因為我長生不老。原因在於，如果你擔心繼任計畫，如果你對繼任計畫充滿焦慮，那麼你該怎麼做？然後你把它層層分解。如果你關心你離開後公司的未來，你今天應該做的最重要的事情，就是儘可能頻繁、持續地傳遞知識、資訊、見解、技能、經驗，這就是為什麼我不斷在我團隊面前推理每一件事的原因。每一次會議都是一次推理會議。我在公司內外度過的每一刻，都是為了儘可能快地把知識傳遞給人們。(02:19:23) 我學到的東西在我桌上停留的時間不會超過一秒鐘。我正在傳遞這些資訊、這些知識——哦，天那，這個太酷了。在我自己還沒完全學完之前，我已經把它指給其他人了。“看看這個。這太酷了。你會想學這個的。”所以我不斷地傳遞知識，賦能於人，提升我周圍每個人的能力，這樣我所尋求的、我希望的結果是，我能死在工作中。並且希望我能瞬間死在工作中。沒有長時間的痛苦，你知道？這，呃——萊克斯·佛里曼(02:20:06) 嗯，從一個粉絲的角度來看，鑑於你對文明產生的極其巨大的積極影響，當然，我希望你能繼續下去。而且，看著 輝達 所做的一切本身就很有趣。就是那種創新速度。我是一個超級工程迷。輝達 持續進行著如此多令人難以置信的工程。光是看著就很有趣。這是對人性的頌揚，是對偉大建設者的頌揚，是對偉大工程的頌揚。所以，它代表著一些特別的東西。所以我希望你和 輝達 繼續下去。關於我們正在進行的這一切，關於人性，關於人類的未來，是什麼給了你希望？當你展望未來，當你經常思考未來，當你展望 10 年、20 年、50 年、100 年後，是什麼給了你希望？黃仁勳(02:20:56) 我一直對善良、慷慨、同情心、人類的能力抱有極大的信心。我一直對此非常有信心。有時甚至超過了我應該的程度。我也會被利用，但這從未讓我停止相信。我總是首先相信人們想做好事。人們想幫助別人。絕大多數情況下，事實證明我是對的。不斷地被證明是對的。而且常常超出我的預期。所以我對人類的能力充滿信心。我認為給我帶來巨大希望的是，我現在看到什麼是可能的，以及根據我們正在做的事情進行推斷，什麼將很可能發生。(02:22:22) 有那麼多我們想要解決的問題。有那麼多我們想要解決的問題。有那麼多我們想要建造的東西。有那麼多我們想做的好事，現在都觸手可及，而且在我有生之年觸手可及。你不可能不對那感到浪漫。你明白我的意思嗎？萊克斯·佛里曼(02:22:46) 活在當下是多麼激動人心的時刻。就像，真的——黃仁勳(02:22:49) 怎能——萊克斯·佛里曼(02:22:49) ……真的是這樣。黃仁勳(02:22:50) 你怎麼能不對那感到浪漫？事實上，期望疾病的終結是合理的。期望這是合理的。期望污染會大幅減少是合理的。期望以光速旅行確實在我們的未來是合理的。然後，不是遠距離，而是短距離。人們問我怎麼做。嗯，首先，很快，我會把一個人形機器人放在宇宙飛船上，它會是我的那個人形機器人，我們會盡快把它送出去，它會在飛行途中不斷改進和增強。(02:23:36) 然後到時候，我所有的意識都已經——你知道，我一生中的大部分資訊都上傳到了網際網路。把我所有的收件箱，把我所做的一切，我所說的一切。你知道，它們被收集起來，變成了我的 AI。到時候，我們只需以光速傳送它，追上我的機器人。萊克斯·佛里曼(02:24:00) 哦，太棒了。我的意思是，但對我來說，那是有點應用層面的。但同樣，對我來說，從最大化好奇心的角度來看，我只是，所有這些奧秘。那裡有太多……令人著迷的科學問題。黃仁勳(02:24:14) 理解生物機器就在眼前。不是 10 年。大概是 5 年。萊克斯·佛里曼(02:24:20) 然後你的生物機器，人類思維，並打開物理學、理論物理學的大門。太令人興奮了。黃仁勳(02:24:26) 解釋意識，那將是很棒的。萊克斯·佛里曼(02:24:29) 這一切都觸手可及。Jensen，非常感謝你多年來所做的一切。感謝你為世界所做的一切。感謝你成為你這樣的人。我看得出你是一個偉大的人，祝你今年取得巨大的成功。我等不及了。作為一個粉絲，我迫不及待地想看看你接下來會做什麼，希望能在台灣見到你，非常感謝你今天能來聊天。黃仁勳(02:24:52) 謝謝你，Lex。我過得很愉快。還有，如果我能再說一點。謝謝你做的所有採訪，你所展現的深度、尊重，以及你為揭示我們所有人所做出的研究，這些年你採訪過的那些了不起的人。我非常喜歡這些採訪。作為一個創新者，創造了這種長格式的、難以置信的、但又引人入勝的內容。總之，謝謝你做的一切。萊克斯·佛里曼(02:25:25) 這對我來說意義重大。謝謝你，Jensen。黃仁勳(02:25:27) 謝謝你，Lex。萊克斯·佛里曼(02:25:29) 感謝您收聽本次與 黃仁勳 的對話。要支援本播客，請查看描述中的贊助商連結，您還可以在那裡找到聯絡我、提問、反饋等連結。現在，讓我用 Alan Kay 的一句話作為結束。“預測未來的最佳方式是創造未來。”謝謝收聽，希望下次再見。 (invest wallstreet)

黃仁勳最新一期 Lex Fridman 播客，2.5 小時深度對話，覆蓋了從晶片設計到人類意識的幾乎所有話題。概要1. CUDA 差點毀了 NVIDIA。 當年把 CUDA 塞進 GeForce 的決定，讓公司成本暴漲 50%，市值從七八十億美元直接跌到 15 億美元。黃仁勳扛了十年才緩過來，但正是這步棋奠定了今天 CUDA 的統治地位。2. 60 個直接匯報，不搞一對一。 黃仁勳的管理團隊超過 60 人，涵蓋 GPU、CPU、光學、記憶體等各領域專家。所有問題都是群體推理，沒有一對一談話，因為 NVIDIA 本質上就是在做「極致協同設計」。3. 四層 Scaling Law。 預訓練、後訓練、測試時推理、Agentic，四層 scaling law 環環相扣。黃仁勳認為，智能的擴展最終只取決於一件事：算力。4. OpenClaw 是 token 的 iPhone。 黃仁勳多次稱 OpenClaw 為「token 的 iPhone」，認為它對 agentic 系統的意義，就像 ChatGPT 之於生成式 AI。5. 「我認為我們已經實現了 AGI。」 按照「建立一家價值 10 億美元以上公司」的標準，黃仁勳認為 AGI 已經到來。當然，讓 10 萬個 Agent 來造一個 NVIDIA，成功率是零。6. 程式設計師會變多。 程式設計的定義正在改變。從 3000 萬程式設計師變成 10 億，因為未來每個木匠、會計、農民都能用自然語言「程式設計」。7. NVIDIA 不搶份額，創造市場。 黃仁勳說 NVIDIA 的挑戰在於「沒有人可以搶份額」，幾乎所有增長都來自全新的市場。8. 與台積電三十年沒簽過合同。 黃仁勳曾被張忠謀邀請擔任台積電 CEO，他婉拒了。三十年來雙方做了數百億美元的生意，沒有一紙合同，全憑信任。9. 智能是大宗商品，人性才是超能力。 黃仁勳團隊裡 60 個人都比他聰明，但他坐在中間協調所有人。他的觀點是：別讓「智能的商品化」帶來焦慮，該被抬高的詞是「humanity」。10. 希望死在崗位上。 黃仁勳不信「接班人計畫」，他的方式是每一天都在把知識、判斷、經驗傳遞給身邊每一個人。下為訪談對話全文：CUDA 賭命Lex：CUDA 最終成了一個極其輝煌的決定。但當時做這個決定的時候，是什麼樣的？黃仁勳：那可能是我做過的最接近「存亡級威脅」的戰略決策了。CUDA 擴大了我們能加速的應用範圍，但問題來了：怎麼吸引開發者？開發者來一個平台，跟技術炫不炫酷沒關係，關鍵是裝機量大。裝機量才是定義一個架構的關鍵，其他都是次要的。沒有那個架構比 x86 挨過更多罵，但它活下來了。同時期那些漂亮的 RISC 架構，反而大多失敗了。我們當時的想法是：GeForce 已經每年賣幾百萬塊了，乾脆把 CUDA 裝進每一塊 GeForce，不管使用者用不用。同時去大學裡推，寫書，開課，培育生態。問題是，CUDA 大幅增加了 GPU 成本。我們當時毛利率只有 35%，成本一下漲了 50%，利潤全被吃掉了。公司市值從七八十億跌到了 15 億。在那個區間裡……扛了很長一段時間，靠著 GeForce 一點一點爬回來。我常說，NVIDIA 是 GeForce 蓋起來的房子。正是 GeForce 把 CUDA 送到了每一個研究者、科學家、學生手裡。Lex：那種存亡時刻，你是怎麼做出這種決定的？黃仁勳：說到底還是好奇心驅動。到了某個時刻，我的推理系統會如此清晰地告訴我「這件事一定會發生」。一旦我在腦海中堅信了，你知道的，你會去 manifest 一個未來，那個未來如此有說服力，不可能不發生。中間會有大量痛苦，但你得相信你所相信的。而我在領導上從不搞那種「年底大改革」。不搞一次性大裁員、大重組、新 logo 什麼的。我學到一樣新東西，會立刻開始跟身邊的人分享。一步一步地塑造每個人的認知體系。等到我真的宣佈「我們要 all in 深度學習」的那一天，其實所有人心裡都在想：你怎麼現在才說。極致協同設計Lex：你把 NVIDIA 推入了一個新時代，從單晶片設計到了整機櫃設計。什麼是極致協同設計（extreme co-design），最難的部分是什麼？黃仁勳：問題已經裝不進一台機器了。你加了 1 萬台電腦，但你希望它快 100 萬倍。這時候你得重構演算法、切分流水線、切分資料、切分模型。一切都會成為瓶頸。這就是 Amdahl 定律的問題：如果計算只佔總工作量的 50%，你就算把計算加速一百萬倍，總體也只快了兩倍。所以我們得把所有技術都用上，CPU、GPU、網路、交換機、電力、冷卻……否則就只能線性擴展，或者靠已經放緩的摩爾定律。Lex：你的團隊有多大？黃仁勳：我的直接匯報有 60 多人。群體推理 vs 傳統管理Lex：那怎麼溝通？黃仁勳：我不搞一對一。我們把一個問題拿出來，所有人一起攻。因為我們在做極致協同設計，公司本身也是在做極致協同設計。就算在討論冷卻方案，做網路的人、做記憶體的人、做電力的人也在旁邊聽著。誰想退出就退出，但如果有人應該參與卻沒參與，我會把他揪過來。Lex：Vera Rubin 的 Pod 是怎樣的規模？黃仁勳：7 種晶片，5 種機架，40 個機架，1.2 千兆個電晶體，將近 2 萬顆 NVIDIA Die，1100 多顆 Rubin GPU，60 exaflops，10 PB/s 的頻寬。這只是一個 Pod。我們大概每周要產出 200 個這樣的 Pod。Lex：這麼複雜，簡潔還是你追求的目標嗎？黃仁勳：我最常說的一句話是：複雜度要剛好夠用，同時儘可能簡單。四層 ScalingLex：你還相信 Scaling Law 嗎？黃仁勳：相信，而且現在有更多 scaling law 了。Lex：你列了四個：預訓練、後訓練、測試時推理、Agentic。你最擔心那個瓶頸？黃仁勳：回頭看看大家以為的瓶頸吧。預訓練階段，Ilya Sutskever 說了句「資料用完了」之類的話，行業慌了，覺得 AI 到頭了。當然這是錯的。我們會繼續擴大訓練資料量，大量資料將是合成的。很多人不理解合成資料，但其實我們教彼此用的大多數資料本來就是「合成的」，它又不是從自然界長出來的，都是人創造的。AI 現在能拿真實資料，增強它，合成生成海量新資料。所以訓練的瓶頸不再是資料，變成了算力。然後是測試時推理。我還記得當時有人說「推理嘛，簡單的，推理晶片可以做得又小又便宜，不用 NVIDIA 那種大傢伙。」這個想法一直讓我覺得不合邏輯。推理就是思考，思考比閱讀難得多。預訓練本質是記憶和泛化，就是在讀。而推理是在想，在做推理、規劃、搜尋、分解問題……怎麼可能……計算量小呢？然後是 Agentic 層。一個 Agent 可以呼叫工具、查資料庫、做研究，最重要的是，它可以生成一大批子 Agent。擴展 NVIDIA 靠招更多員工，比擴展我自己容易多了。所以下一個 scaling law 就是 Agentic Scaling，本質上就是「AI 乘以 AI」。這四層循環下來，智能的擴展最終歸結為一件事：算力。四層 AI Scaling Law 循環OpenClaw 的 iPhone 時刻Lex：從去年 12 月起，人們好像突然覺醒了，Claude Code、Codex、OpenClaw，是不是有什麼特別的事情在發生？黃仁勳：OpenClaw 對 agentic 系統的意義，就像 ChatGPT 之於生成式 AI。它之所以火，是因為普通使用者也能用到了。OpenClaw 就是 token 的 iPhone。它是歷史上增長最快的應用。直線上升。Lex：我得承認，來的路上在機場，我……公開對著筆記型電腦說話程式設計了。挺尷尬的，因為我在假裝跟一個人類同事對話。黃仁勳：未來更可能的情況是，你的 AI 一直在煩你。因為它幹活太快了，一直跟你匯報「搞定了，下一步呢？」以後跟你聊天最多的人，應該就是你的 Claw，或者說你的🦞了。Agent 的安全邊界Lex：安全問題呢？這麼強大的技術，怎麼確保使用者資料安全？黃仁勳：我們立刻派了一批安全專家過去，搞了一個叫 OpenShell 的東西，已經整合進 OpenClaw 了。我們還發佈了 NemoClaw。核心原則是這樣的：agentic 系統有三種能力，訪問敏感資訊、執行程式碼、對外通訊。我們保證任何時刻最多開放其中兩種，但絕不同時開三種。在這兩種能力之內，再加上企業級的存取控制和策略引擎。這樣既能讓 Agent 幹活，又不至於失控。從加速器到計算平台Lex：NVIDIA 是怎麼從一個 GPU 加速器公司，一步步變成計算平台公司的？黃仁勳：加速器的問題在於，應用領域太窄。市場規模決定了你的研發能力，研發能力又決定了你在計算領域能產生多大影響。所以我們得擴大射程，但又不能丟掉專業化。這兩個詞之間有天然的張力：越通用，越不專業；越專業，越不通用。我們得在中間找到一條極窄的路。第一步，我們發明了可程式設計像素著色器。這是走向可程式設計性的第一步。第二步，我們在著色器裡放了 IEEE 相容的 FP32。這一步意義重大，因為之前在 CPU 上跑科學計算的人突然發現：這個 GPU 算力巨大，而且現在符合 IEEE 標準了，我的程式碼可以遷過來。然後是在 FP32 上面放 C 語言，我們叫 Cg。Cg 一路演進到了 CUDA。每一步都是在擴大計算的「光圈」，同時保住最核心的加速能力。一步一步走了十幾年。電力與供應鏈Lex：AI 擴展最大的瓶頸是什麼？黃仁勳：電力是個問題。但也是我們拚命搞極致協同設計的原因，我們要讓每秒每瓦產出的 token 數每年提升一個數量級。過去 10 年摩爾定律讓算力提升了 100 倍，我們提升了 100 萬倍。有一件事我特別想借你的平台呼籲一下。我們的電網，是按最壞情況設計的。 但 99% 的時間都不會出現最壞情況，電網通常只跑到峰值的 60%。剩下的容量就那麼閒著。我想做的是，跟電力公司簽一種新的協議：平時用它們的閒置容量，極端天氣時資料中心自動降功耗。我們可以把工作負載轉移到別的地方，或者讓電腦跑慢一點，少用能源，服務質量降一點點而已。Lex：什麼阻礙了這件事？黃仁勳：三方的問題。終端客戶要求資料中心永遠線上。資料中心營運商的合同談判人員在簽六個九的 SLA，CEO 可能根本不知道。然後電力公司也只提供一種承諾等級。如果三方都調整一下……電網裡就有大量現成的閒置電力可以用，這才是最唾手可得的資源。Lex：供應鏈呢？ASML 的 EUV、台積電的 CoWoS 封裝、SK 海力士的 HBM，這些瓶頸讓你睡不著覺嗎？黃仁勳：我一直在處理。我飛到每一家供應商那裡，跟 CEO 們解釋我們的增長邏輯。幾年前，我說服了幾家 DRAM 公司的 CEO 投資 HBM，當時 HBM 還只用在極少數超算上，聽起來瘋狂得很。又說服他們把手機用的低功耗記憶體適配到超算上。他們都創了 45 年公司歷史的營收記錄。這也是我工作的一部分，去塑造和啟發整個上下游。Lex：你擔心嗎？黃仁勳：不擔心。Lex：為什麼？黃仁勳：因為我告訴了他們我需要什麼，他們理解了，他們告訴我他們會做什麼，我相信他們會做到。馬斯克與 ColossusLex：你怎麼看馬斯克和 xAI 在孟菲斯用 4 個月建成 Colossus 超算這件事？黃仁勳：馬斯克在很多領域都有很深的涉獵，同時他又是一個出色的系統思考者。他質疑一切：第一，這件事有必要嗎？第二，必須這樣做嗎？第三，必須花這麼長時間嗎？他把一切壓縮到不能再少的最低必要量，同時保留了產品所需的全部能力。極度的極簡主義，系統等級的極簡。而且他會親自到現場。有問題，他就去了。「讓我看看問題在那。」當你親自展示出那種緊迫感，所有人都會跟著緊迫起來。Lex：我見過他那些會議。他會跟工程師一起蹲在地上，研究怎麼把線纜插進機架……黃仁勳：對。在 NVIDIA 我們有一個類似的方法論，叫「光速」。這不只是關於速度，它是我對「物理極限在那」的簡稱。每件事我們都要拿來跟光速對比。記憶體速度、算力、功耗、成本、時間、人力、製造周期。先搞清楚物理極限，再去做工程。我不喜歡「持續改進」的思路。別跟我說「現在要 74 天，我們能縮到 72 天」。我寧願從零開始問：「憑第一性原理，最快幾天能搞定？」答案可能是 6 天。剩下的 68 天可能都有道理，是各種妥協和成本最佳化。但至少你知道差距在那。知道了 6 天是可能的，從 74 到 6 的對話就會有效得多。中國是建設者國度Lex：你最近去了中國。中國過去十年是怎麼建立起這麼多世界級科技公司的？黃仁勳：全球大約一半的 AI 研究者是華人，大部分仍在中國。他們的科技行業恰好趕上了移動雲時代，他們的貢獻方式是軟體。這個國家的孩子數學和科學教育極好，對現代軟體相當熟悉。中國不是一個單一經濟體。各省各市的市長們互相競爭，所以才有這麼多電動車公司、這麼多 AI 公司。競爭極其激烈，活下來的都了不起。另外，他們的社會文化是家人第一、朋友第二、公司第三。工程師們的兄弟在那家公司、同學在這家公司，知識傳播極快。他們本質上一直是 open source 的。所以他們對開源社區貢獻大，完全合理，因為他們心想：「我們有什麼好藏的？」這是當今世界創新最快的國家。Lex：而且在中國，做工程師是件挺酷的事。黃仁勳：他們是一個建設者國度。我們國家的領導人都相當出色，但大多是律師。他們的國家是從貧困中建設起來的，所以領導人大多是傑出的工程師。開源與 NemotronLex：NVIDIA 發佈了開放原始碼的 Nemotron 3 Super，120 億參數的 MoE 模型。你對開放原始碼的願景是什麼？黃仁勳：要做好 AI 計算公司，我們必須理解 AI 模型是怎麼演進的。Nemotron 3 有個特別的地方：它不只是純 Transformer，還融合了 SSM（狀態空間模型）。我們很早就在做條件 GAN、漸進式 GAN，一步步走到了擴散模型。在模型架構上做基礎研究，能讓我們看清未來的計算系統該怎麼設計。這也是極致協同設計的一部分。開源有三個層面的原因。第一，我們確實需要世界級的模型作為產品，這些應該是專有的。但同時，我們也希望 AI 擴散到每一個行業、每一個國家、每一個研究者和學生手裡。如果一切都是閉源的，研究和創新就很難在上面展開了。第二，NVIDIA 有規模、有技能、也有動力去持續做這件事。我們能啟動每一個行業加入 AI 革命。第三，AI 遠不只是語言。這些 AI 會使用工具、呼叫子模型，而那些子模型可能是訓練在生物學、化學、物理學、流體力學上的。我們不造車，但我們要確保每家車企都能用上最好的模型。我們不做藥物發現，但我想確保禮來（Eli Lilly）能擁有世界最好的生物 AI 系統。Lex：而且你們是真正的開源，權重、資料、方法全部公開。黃仁勳：對，模型開源，權重開源，資料開源，連怎麼做的都開源了。這一點確實應該被更多人知道。台積電：信任Lex：你跟台積電的關係是什麼樣的？黃仁勳：對台積電最大的誤解是：覺得他們只有技術。好像有人做出了一個一樣好的電晶體，台積電就完了。他們真正了不起的地方，是那套製造管理系統。協調全球幾百家公司動態變化的需求，晶圓啟動、停止、緊急追加，客戶在變、產能在變，整個世界在不斷變化，而他們始終保持高吞吐、高良率、低成本、交付準時。然後是文化。他們同時做到了兩件通常矛盾的事：頂尖的技術前沿和頂尖的客戶服務。最後是信任。三十年，幾百億美元的生意，沒有合同。 這份信任了不起。Lex：2013 年張忠謀邀請你去當台積電 CEO？黃仁勳：是真的。我深感榮幸。張忠謀是我見過的最受尊敬的高管之一，也是我的好朋友。但 NVIDIA 的工作太重要了，我在心中已經看到了 NVIDIA 會變成什麼樣。這是我的責任，唯獨我的責任。所以我婉拒了。不是因為那個機會不夠好。那是一個不可思議的機會。但我沒辦法接受。NVIDIA 的護城河Lex：NVIDIA 最大的護城河是什麼？黃仁勳：CUDA 的裝機量。這是我們最重要的資產。CUDA 不是三個人做成功的，是 43000 人做成功的，加上幾百萬信任我們的開發者。他們把自己的軟體棧建在了 CUDA 上。從開發者的角度想：如果我支援 CUDA，明天它就會快 10 倍，平均只要等半年。而且我的程式碼能跑在幾億台裝置上，每個雲、每個行業、每個國家。我 100% 信任 NVIDIA 會一直維護和改進 CUDA。你把這些加在一起，如果我是開發者，我會 CUDA first。太空裡的 GPULex：你怎麼看在太空建資料中心這個想法？黃仁勳：NVIDIA 的 GPU 其實已經在太空了。我當時知道的時候還挺意外的，本來想高調宣佈一下，給 GPU 穿個小宇航服什麼的。那些衛星上有高解析度成像系統，在持續掃描地球，要做到釐米級的即時遙感。這些資料量是 PB 等級的，沒法全傳回地球。所以 AI 必須在邊緣端就地處理，把不需要的、沒變化的全扔掉，只留關鍵資訊。如果放在極地軌道，24 小時都有太陽能。但太空裡沒有傳導、沒有對流，散熱只能靠輻射。好在太空足夠大，搞幾個巨大的散熱板就行了。Lex：這個想法離落地有多遠？5 年？10 年？黃仁勳：我比較務實。我先去抓眼前最大的機會，同時派工程師去研究太空的問題：怎麼應對輻射？怎麼處理性能退化？怎麼做冗餘和容錯？怎麼讓電腦在太空裡不會壞，只是變慢？但眼下我最想做的事，還是把電網裡那些閒置的電力先用起來。那才是最唾手可得的。Token 工廠Lex：NVIDIA 可能價值 10 兆美元嗎？黃仁勳：讓我解釋一下為什麼 NVIDIA 的增長幾乎是必然的。計算經歷了一次本質變化。過去的電腦本質是一個「倉庫」，我們預先錄製內容，存成檔案，然後用檢索系統找出來。現在 AI 電腦是「工廠」，它即時理解上下文，即時生成 token。倉庫 vs 工廠：計算範式轉變倉庫不怎麼賺錢，工廠的產出直接跟收入掛鉤。而且這個工廠生產的商品，token，正在分層，就像 iPhone 一樣：有免費的 token、有中檔 token、有高級 token。有人願意為每百萬 token 付 1000 美元，這不是「會不會」的問題，只是「什麼時候」的問題。NVIDIA 面臨的挑戰在於想像力。我沒有人可以搶份額。幾乎我們說的所有增長都來自一個尚不存在的市場。外界確實不太容易想像。但我有的是時間，我會持續推理、持續講述，每一次 GTC 都會讓它變得更加真實。遊戲與 DLSS 5Lex：DLSS 5 引起了一些爭議。玩家們擔心遊戲會變成 AI slop（AI 氾濫內容）。你怎麼看？黃仁勳：說實話，我也不喜歡 AI slop。AI 生成的內容越來越多，看起來越來越像，都挺漂亮，但缺少個性。我理解玩家的感受。但 DLSS 5 做的事情不一樣。它是 3D 引導的、地面真實資料約束的。藝術家決定了幾何形狀，我們百分百忠於每一幀的幾何結構。它受紋理約束，受藝術家意圖約束。增強，但不改變。而且因為系統是開放的，你可以訓練自己的模型，未來甚至可以用 prompt 來控制風格：「我要卡通渲染風格」，「我要這種畫風」。所有這些都是為藝術家提供的工具，他們可以選擇用或者不用。玩家們可能以為我們是在遊戲出廠後強行做後處理。但實際上 DLSS 是跟藝術家整合的，是給創作者的 AI 工具。Lex：你覺得史上最偉大的遊戲是那個？黃仁勳：Doom。從文化影響力和行業意義來說，Doom 把 PC 從一個辦公自動化工具變成了一個遊戲裝置，這個轉變的意義太大了。從遊戲技術的角度，我會說 Virtua Fighter。Lex：我個人特別喜歡《上古捲軸：天際》，雖然是很久以前的遊戲了，但一直有人出 Mod……黃仁勳：我們做了 RTX Mod，這是一個 modding 工具，能讓社區把最新的渲染技術注入到老遊戲裡。而且別忘了，GeForce 到今天仍然是我們排名第一的行銷手段。人們在十幾歲的時候就通過玩遊戲認識了 NVIDIA。後來上了大學，開始用 CUDA，再後來用 Blender、用 Autodesk。AGI 已來？Lex：用一個定義來問：一個 AI 系統，能夠建立、發展並營運一家價值超過 10 億美元的科技公司。離這個 AGI 有多遠？黃仁勳：我認為已經實現了。Lex：什麼？黃仁勳：你說的是 10 億美元，而且沒說要永遠經營下去。完全有可能一個 Claude 建立了一個 Web 服務，某個小應用，幾十億人用了一下，每人 50 美分，然後很快就倒閉了。網際網路時代那些爆款網站，大多數都沒有比今天 OpenClaw 能生成的東西更複雜。Lex：你這話會讓很多人激動的。黃仁勳：你去中國看看，已經有一大幫人在教自己的 Claude 去找工作、做活、賺錢了。我不意外某個數字網紅、某個 Tamagotchi 養成類應用突然爆火幾個月然後消失。但讓 10 萬個 Agent 來造一個 NVIDIA……成功率是零。程式設計師會更多Lex：你覺得程式設計師數量會增加還是減少？黃仁勳：會增加。程式設計的定義變了。今天的程式設計就是寫規格說明。多少人能做到「告訴電腦去造什麼」？我覺得我們剛從 3000 萬擴大到了 10 億。未來每一個木匠都是程式設計師。而一個有 AI 的木匠，同時也是建築師。 他能給客戶提供的價值翻了幾倍。每個會計同時也是財務分析師和理財顧問。所有職業都被拉高了。Lex：放射科醫生的例子呢？黃仁勳：AI 研究者最早說會消失的職業就是放射科醫生。電腦視覺確實在 2019、2020 年就超越了人類。但放射科醫生數量反而增加了，現在全球還短缺。因為你搞清楚了，放射科醫生的「目的」是診斷疾病、幫助病人，而不是「看片子」這個任務本身。AI 讓看片子變快了，所以能看更多片子，診斷更多病人，醫院賺更多錢，需要更多放射科醫生。你的工作的目的和你用來做這份工作的工具，是相關的，但不是同一件事。NVIDIA 的軟體工程師也一樣。我要他們解決問題，不在乎他們寫了多少行程式碼。別怕，就去用Lex：很多人對自己的工作有焦慮。黃仁勳：我對焦慮的處理方式，剛才其實已經講過了：分解問題，想清楚那些能做，做了就不焦慮了。如果今天要招一個新畢業生，兩個人選，一個不懂 AI，一個精通 AI，我選後者。木匠、電工、農民、藥劑師，都應該去用 AI，看看它能怎麼提升你的工作。Lex：而且你可以直接問 AI：「我不知道怎麼用 AI。」黃仁勳：對，這就是 AI 最厲害的地方。你沒法走到 Excel 面前說「我不會用 Excel」。你完了。但 AI 會說：「好的，讓我來教你。」領導力與痛苦Lex：你說過你的成功來自比任何人都能吃苦。你怎麼應對這麼大的壓力？黃仁勳：我完全意識到 NVIDIA 的成功對美國的重要性。我們貢獻了大量稅收，建立了技術領先地位，這關乎國家安全的方方面面。我也知道有很多普通投資者，老師、警察，因為買了 NVIDIA 的股票成了百萬富翁。我的應對方式就是分解。發生了什麼？變了什麼？什麼難？我能做什麼？把大問題拆成小塊，然後一個一個解決，或者分配給能解決的人。凡是讓我擔心的事，我都會告訴一個能做點什麼的人。 說出來了，負擔就分攤了。然後就是遺忘。你得學會忘記。不能什麼都記著、什麼都扛著。分解問題、分享負擔、然後忘掉它。這跟頂級運動員一樣。上一分已經過去了，只關心下一分。Lex：你說過如果提前知道有多難就不會創辦 NVIDIA，但……黃仁勳：所有值得做的事情應該都是這樣。有一種超能力叫「孩子心態」。我面對幾乎所有事情的第一反應是：能有多難？沒有人做過，規模巨大，要花幾千億美元。你就這麼想：「能有多難呢？」你不要提前模擬所有的挫折和羞辱。你應該帶著「一切都會順順利利」的心態走進新體驗。等挫折真的來了，它們會讓你意外，但你得有韌性，得能忘掉，得繼續走。只要我對未來的假設沒變，我對輸出的判斷就不會變。那就繼續走。智能與人性Lex：你覺得人類意識中有什麼是晶片永遠無法複製的嗎？黃仁勳：我不確定晶片會不會緊張。AI 可以識別和理解情緒，但我的晶片不會「感受」到那些東西。而那些感受，焦慮、興奮、恐懼，深刻地影響著人的表現。兩個拿到完全相同資訊的人，可能產生截然不同的結果，並非某個演算法不同，純粹是因為「感覺不同」。Lex：那你怎麼看智能這個詞？黃仁勳：智能這個詞被抬得太高了。我身邊 60 個人，每一個在各自領域都比我聰明，他們學歷更高、學校更好、研究更深。但我坐在他們中間，協調所有人。你得問自己：一個洗碗工……憑什麼坐在一群超人類專家的中間？智能是功能性的東西。人性不是。人性是一個大得多的詞。我們的社會把太多東西塞進了「智能」這一個詞裡。但人的一生遠不止一個詞。我的經歷表明，在智能曲線上比身邊所有人都低，並不妨礙你成為最成功的那個。別讓智能的民主化、商品化給你帶來焦慮。你應該受到鼓舞。死在崗位上Lex：你想過自己的死亡嗎？黃仁勳：我真的不想死。我有很好的家庭，很好的生活，還有極其重要的工作。這不是「一生一次」的經歷，因為那暗示很多人都經歷過。這是「人類歷史一次」的經歷。我不相信接班人計畫。這並非因為我覺得自己不朽。如果你真擔心接班，那你現在該做什麼？答案是：每時每刻都在傳遞知識。任何學到的東西，在我桌上停留不超過一秒。我還沒完全消化完，就已經在指給別人看了。我希望的結局是，死在崗位上，最好是瞬間的，沒有漫長的痛苦。Lex：什麼給你希望？黃仁勳：我一直對人類的善良、慷慨和同理心有極大的信心。有時候比應有的還多，偶爾被佔便宜，但這從沒改變過我。期待疾病的終結，是合理的。期待污染大幅減少，是合理的。期待以光速旅行，也是合理的。不是遠距離，是短距離。怎麼實現？我很快就會把一個人形機器人送上太空飛船。它會在飛行途中不斷改進。等時機到了，我的意識，我的收件箱裡的一切，我說過的一切，我做過的一切，都已經上傳到網上了。到時候以光速發過去，追上我的機器人。Lex：這真精彩。理解生物機器，你覺得還要多久？黃仁勳：就在眼前了。大概五年。Lex：然後是人類大腦，理論物理……黃仁勳：解釋意識。那個就太酷了。 (AGI Hunt)

最近，馬斯克一場近3小時的深度訪談刷屏全球，沒有空話、全是硬核預判，直接把未來10年的文明走向攤開在所有人面前。作為科技圈最敢說、也最能把預言落地的人，他的每一句話，都在重新定義我們對工作、財富、科技的認知。這場訪談，沒有晦澀理論，全是可落地的時間表、反常識的真相、顛覆認知的未來，今天用最通俗的話，帶你吃透核心，聊聊我的真實看法。01. 馬斯克訪談核心乾貨，全是重點1. AI時代徹底到來，速度遠超想像馬斯克直言，2026年AGI通用人工智慧將落地，未來幾年AI總智能會超過全人類智能總和。AI不再是輔助工具，而是和人類平行的“智慧主體”，我們正站在文明躍遷的臨界點。2. 機器人取代勞動，工作變成“可選項”Optimus人形機器人將規模化普及，成本比汽車還低，包攬製造、家務、醫療等大量工作。未來10-15年，工作不再是生存必需，而是個人選擇，人類從體力勞動中徹底解放。3. 能源是終極底牌，中國優勢被點名認可未來科技競爭的核心不是晶片，是能源。馬斯克明確提到，中國在電力產能、製造業、基建效率上擁有壓倒性優勢，是AI、電動車、機器人領域的關鍵力量。4. 財富邏輯重構，別再盲目為退休存錢生產力爆炸式增長，商品和服務成本趨近於零，傳統“存錢養老”的邏輯會失效。未來是物質極豐時代，真正的財富，是把握趨勢、擁有創造價值的能力。5. 太空探索提速，火星殖民、月球建廠不是夢2030年啟動火星無人任務，20年內建火星城市，甚至要在月球建廠。馬斯克的目標，從來不止地球，而是讓人類成為多行星文明。02. 我的個人觀點：這不是科幻是即將到來的現實很多人覺得馬斯克的話太瘋狂，像天方夜譚，但回顧過去，他的SpaceX、特斯拉、星鏈，無一不是把“不可能”變成現實。在我看來，這場訪談最珍貴的，不是一個個驚人預言，而是給普通人敲響警鐘：世界正在以肉眼可見的速度變革，AI、機器人、新能源不是遙遠的科技概念，而是會衝進每個行業、改變每個人生活的浪潮。固守舊思維、停留在舒適區，只會被時代拋下。真正的安全感，從來不是存錢、求穩定，而是擁抱變化、跟上趨勢、擁有適應未來的能力。我們不必焦慮AI取代人類，因為科技的終極意義，是讓人類從重複勞動中解脫，去創造、去探索、去活成更完整的自己。03. 總結：這篇訪談，給我們的三個重要啟示第一，未來已來，不要視而不見。AI與機器人帶來的變革，不是遙遠的未來，而是正在發生的現在，越早認知，越能佔據主動。第二，能力比穩定更重要。舊的生存邏輯正在失效，提升自己、適應時代，才是最可靠的底氣。第三，保持開放，拒絕焦慮。技術進步的最終目的，是讓人類擁有更好的生活，與其恐懼變化，不如主動擁抱，找到屬於自己的位置。馬斯克的訪談，本質是一場未來啟示錄。他用最直白的方式告訴我們：變革已來，未來已至。不恐懼未知，不抗拒新生，保持學習，保持清醒，抓住時代的風口，我們每個人，都能在新時代裡，找到屬於自己的位置。(螺絲椒不辣)

核心速覽科技統治力： 全球市值前十的公司幾乎全是美國科技巨頭，科技正在吞噬整個市場份額。這不是 2000 年： AI 擁有成熟的雲基礎設施。ChatGPT 達到同樣搜尋規模的速度比 Google 快了 5.5 倍，需求端訊號極強。顛覆巨頭的公式： 真正的顛覆者將通過 “AI Agent 互動 + 非結構化資料利用 + 按任務結果付費” 來挑戰傳統 SaaS 巨頭。價值錯位： 目前全球有 20 億人用 AI，但僅 4000 萬人付費，未來貨幣化空間極其廣闊。“科技市場比以往任何時候都大，公司保持私有化的時間也比以往任何時候都長。” 這是 a16z 成長基金合夥人 David George 對當前市場最核心的判斷。科技統治全球：贏家通吃的時代我們正處在一個科技“吞噬”整個市場的時代。一個簡單而震撼的事實是：全球市值最高的公司中，前 6 名（有時是前 8 名）幾乎全部是美國科技公司。 科技公司正在逐漸佔據整個市場的市值份額。對於投資機構而言，這意味著機會集是巨大的。而當前最大的變數，就是 人工智慧（AI）。AI 基礎設施：規模空前，巨頭買單與以往的技術周期不同，這一次 AI 浪潮的基礎設施鋪設方式非常獨特：1. 巨頭的“軍備競賽”為初創公司鋪路科技巨頭（Google, Meta, Amazon, Microsoft）年化資本支出（Capex）高達 4000 億美元。這意味著最賺錢的公司正在為全行業承擔昂貴的基建成本。2. 成本下降速度超越摩爾定律成本暴跌： 過去兩年，訪問模型的輸入成本下降了超過 **99%**。質量飆升： 前沿模型的能力大約每 7 個月翻一番。AI 最終會像電力或 Wi-Fi 一樣，成為一種基礎性的、隨處可得的資源。為什麼這次不一樣？需求端的強力證據市場常擔憂 AI 是 2000 年網際網路泡沫的重演，但 a16z 認為需求側訊號截然不同：AI 的普及速度比 Google 快了 5.5 倍。目前全球已有超過一半的網際網路人口體驗過 AI 工具，這種爆發力是史無前例的。商業模式：巨大的“消費者剩餘”AI 的市場機會遠大於軟體市場。美國軟體支出僅佔 GDP 的 **1%**，而白領薪酬佔 GDP 的 20%。價值捕獲： 通常新技術創造的價值中，90% 流向使用者（消費者剩餘），10% 流向公司。即使只捕獲這 10%，也是天文數字。定價潛力： 目前全球約 20 億 AI 使用者中，僅 4000 萬人付費。當 （使用者量）已達數十億量級，未來的爆發點在於 （價格）的精細化運作——從統一訂閱轉向基於任務價值的差異化定價。公式化的貨幣化：結構性轉變：3.5 兆美元的私募市場一個不可逆轉的趨勢是：高增長的科技公司保持私有化的時間越來越長。上市周期拉長： 平均時長從 5-10 年延長到了 14 年。市場重心轉移： 10 年前，10 億美金以上的私有公司總市值約 5000 億；如今已翻 7 倍，達到 3.5 兆美元。增長稀缺： 公開市場中，只有 5% 的軟體公司能保持 25% 以上的增長。想要追求爆發力，投資者必須深入一級市場。顛覆巨頭的三個支點如何挑戰像 Salesforce 這樣的現有霸主？a16z 提出了一個顛覆框架：UI/UX 重新想像： 從“被動記錄”的表格轉變為“主動執行”的 Agent 模式。資料權易手： 從傳統的結構化資料庫轉向對全量非結構化資料的即時呼叫。商業模式創新： 徹底拋棄“按人頭計費（Seat-based）”，轉向“按任務成果計費”。儘管基礎設施建設存在能源和散熱的瓶頸，但使用者端的爆發式增長讓 a16z 對未來 10 年充滿信心。這一次，我們不是在等待未來，而是正在即時見證未來的加速。 (GD梯度下降)

關於 AGI（通用人工智慧）的預測，市面上充斥著兩種極端：一種是線性的悲觀，認為“摩爾定律已死”；一種是盲目的狂熱。 Anthropic CEO Dario Amodei，這位物理學博士出身的“實幹派”，提供了一個基於資料的第三種視角。他認為，我們正處於指數級增長的尾聲——不是因為增長停滯，而是因為終點已近。 這個終點，也就是他口中的“資料中心裡的天才國度”，最早將在 2026 或 2027 年 到來。我們將用三篇文章來為大家詳細解讀。01 定義終局：“資料中心裡的天才國度”在長達 3 小時的訪談中，Dario 拒絕使用模糊的 AGI 概念，而是給出了一個工程學上的精確定義：“Country of Geniuses in a Data Center”（資料中心裡的天才國度）。這不僅是能通過圖靈測試的聊天機器人。Dario 描述的是這樣一個系統： 它在雲端 7x24 小時運行，擁有成千上萬個獨立的智能體。每個智能體的能力都等同於人類頂尖專家——無論是寫程式碼、做數學推理，還是設計複雜的生物實驗。他的時間表非常具體： 在排除“不可約減的不確定性”後，他認為在 2026 年或 2027 年 實現這一願景的機率極高。他甚至直言，認為 2035 年還實現不了是“瘋狂的”（Crazy）。02 暴力美學的勝利：“大計算團”假說為什麼他如此確信？這並非盲目信仰，而是基於他在 2017 年撰寫的內部檔案《大計算團假說》（The Big Blob of Compute Hypothesis）。核心邏輯簡單得令人髮指：別整那些花哨的技巧，只管堆料。 只要集齊以下幾個要素，模型就會通過“縮放定律”自動變強：原始算力（Raw Compute）海量資料（Quantity of Data）訓練時長可擴展的目標函數（Objective Function）七年來，從 GPT-1 到 Claude 4.6，行業的發展從未偏離這個假設。現在，強化學習（RL）也被納入了這個公式。就像 AlphaGo 自我博弈一樣，現在的語言模型正在通過“思考”（Chain of Thought）進行自我強化。03 五十億美元的豪賭：在這個牌桌上，不敢梭哈就是死預測未來很容易，但用身家性命去押注很難。Dario 揭示了 AI 巨頭們面臨的真實財務困境——這是一場關於“提前量”的俄羅斯輪盤賭。訓練一個前沿模型需要數年時間建設資料中心。這意味著 CEO 必須在今天決定 2027 年的算力採購量。買早了（模型能力沒跟上）： 每年數十億美元的折舊會瞬間擊穿現金流，公司破產。買晚了（模型如期爆發）： 當“天才國度”降臨時，你手裡沒有算力去承接潑天的需求，直接出局。Anthropic 的策略是“激進但留有緩衝”。他們在賭指數級增長會持續，賭那個“天才國度”會如期而至。這解釋了為什麼即便當前 AI 變現尚處於早期，矽谷的資本支出（Capex）依然在瘋狂飆升——因為在通往終點的最後一公里，誰也不敢減速。 (大尹隱於網)