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