•
黃仁勳最新訪談：AI推理要爆發10億倍，OpenAI將成下個兆巨頭
“我認為OpenAI很可能成為下一家兆美元等級的超大規模公司（multi-trillion dollar hyper scale company）。”
黃仁勳Jensen Huang在最新的一期BG2播客中回應了外界對輝達投資OpenAI的質疑。這期長達近兩個小時的訪談，涵蓋了從輝達的護城河、輝達與OpenAI的合作，到H1-B簽證焦點、中美AI競爭格局，從技術發展趨勢到政策制定建議的方方面面。
主持人談到距離上次黃仁勳做客BG2播客已經過去一年多時間，Jensen說，“在AI時間裡，這已經大約一百年了”。這一年中，AI行業經歷了從單純預訓練到推理時代的根本性轉變，輝達也從一家晶片公司進化為全球AI基礎設施的核心架構師。
Key Points
1. AI從"記憶答案"進化為"思考答案"，推理計算需求將爆發十億倍增長：現在的AI不再是一次性推理，而是在回答前進行思考、研究、驗證，這種根本性轉變將推動算力需求呈指數級增長。
2. OpenAI很可能成為下一個兆美元超大規模公司，NVIDIA的投資是歷史性機遇：黃仁勳明確表示OpenAI將發展成類似Meta、Google的超大規模公司，NVIDIA百億投資是基於深度瞭解的戰略佈局。
3. 通用計算時代徹底結束，全球數兆美元IT基礎設施必須向AI加速計算轉型： 從CPU到GPU的轉換不可逆轉，這個轉換過程本身就創造了巨大的市場機遇，遠超當前AI新增需求。
4. NVIDIA已從晶片公司進化為AI基礎設施公司，年度發佈節奏建構了不可超越的技術護城河： 通過極致協同設計，NVIDIA每年同時革新CPU、GPU、網路晶片等全端技術，實現30倍性能提升，競爭對手難以追趕。
5. 美國應通過開放競爭而非保護主義維持AI領導地位，人才流失是國家安全的最大威脅： 黃仁勳警告稱，中國頂尖AI人才來美比例從90%跌至10-15%，這是"未來成功的早期指標"出現危險訊號。
1
AI三大拓展定律：算力需求的指數級增長
如果說過去的AI只是一個擁有超強記憶的學生，那麼現在的AI已經學會了思考。Jensen指出，我們已經從單一的預訓練擴展定律進化到了三大擴展定律時代：
- 預訓練擴展定律：傳統的大規模資料訓練
- 後訓練擴展定律：AI通過反覆練習直到掌握技能
- 推理擴展定律：AI在回答前進行思考，質量與思考時間成正比
"現在訓練和推理已經在強化學習中融為一體，AI不再是語言模型，而是語言模型的系統，它們並行運行，設計多模態和多種工具使用，進行研究。"
這一轉變意味著算力需求的根本性變化。過去的AI是"一次性推理"——記住答案並回答。現在的AI需要"思考"——在回答前進行研究、檢查事實、學習更多內容。這種變化將推理計算需求推向了十億倍的增長軌道。
2
OpenAI-Stargate：重新定義AI基礎設施合作
在談到與OpenAI的Stargate項目時，Jensen透露了一個重要判斷："OpenAI很可能成為下一個兆美元級的超大規模公司。"
Stargate核心資料
投資規模：1000億美元
建設容量：10吉瓦
潛在收入：4000億美元（如全部採用輝達系統）
這個合作項目包含三個層面：
- 繼續與微軟Azure的合作建設
- 與OCI、軟銀的5-7千兆瓦項目，Core Weave相關項目
- 直接幫助OpenAI建設自有AI基礎設施
"這是我們首次直接與OpenAI合作，在晶片級、軟體級、系統級、AI工廠級幫助他們成為全面營運的超大規模公司，支援其使用者和計算需求的指數級增長。"
Jensen強調這種合作模式的創新性。面對外界對NVIDIA投資OpenAI的質疑，Jensen給出了清晰而有力的回應，認為這是一個千載難逢的投資機會：
"如果OpenAI很可能成為下一個兆美元級的超大規模公司，那麼在他們到達那裡之前投資的機會，是我們能想像到的最聰明的投資之一。你必須投資你瞭解的東西，而我們恰好瞭解這個領域。"
他還透露了一個有趣的細節：
"我唯一的遺憾是他們早期邀請我們投資時，我記得那些對話，我們當時太窮了，投資得不夠，我應該把所有錢都給他們。"
"我們沒有義務投資，這不是我們投資的必要條件，但他們給了我們投資的機會。這是一件很棒的事情。"
顯示了他對OpenAI價值的長期認可，消除了外界對"被迫投資"的猜測。Jensen提到了NVIDIA的投資歷史，投資了XAI，投資了CoreWeave等，甚至Intel，這些成功案例證明了NVIDIA在AI生態投資方面的前瞻性眼光。
而OpenAI正經歷兩個指數級增長的疊加：使用者數量指數增長和每次使用的計算量指數增長。前者源於AI能力提升帶來的用例增加，後者源於從一次性推理向思考式推理的轉變。
3
從晶片公司到AI基礎設施公司的進化
面對二十多位華爾街分析師對2027年後增長率的悲觀預測，認為2027年開始持平，增長率為8%，Jensen給出了三個關鍵觀點：
1. 通用計算向加速計算的不可逆轉換
"通用計算已經結束，未來是加速計算和AI計算。"全球數兆美元的計算基礎設施需要更新換代，這本身就是一個巨大的市場機會。
2. 超大規模計算的AI化改造
Meta、Google、字節跳動、亞馬遜等公司的傳統業務（搜尋、推薦引擎、購物）正在從CPU驅動轉向GPU驅動的AI系統。
"你無法在沒有AI的情況下做TikTok，無法在沒有AI的情況下做YouTube短影片。"
3. 人工智慧對全球GDP的增強效應
Jensen提出一個資料，人類智能佔世界GDP的65%，AI的新應用不斷湧現，如AI超級電腦和工廠將生成token來增強人類智能，這將對全球經濟產生巨大影響，為全球GDP帶來顯著增長，同時也帶動相關能源等基礎設施行業的發展。
Jensen提出了一個經濟學假設：如果僱傭一個10萬美元的員工，再配備1萬美元的AI助手，讓員工效率提升2-3倍，任何公司都會這樣做。
將這個邏輯擴展到全球GDP：人類智能代表約50兆美元的全球GDP，如果用10兆美元的AI基礎設施來增強這50兆美元，那麼每年5兆美元的全球資本支出就是合理的。
計算時代的變遷
通用計算時代：CPU為王
加速計算時代：GPU崛起
AI計算時代：全端最佳化
同時Jensen也強調了NVIDIA作為AI基礎設施公司的靈活商業策略，不強制客戶購買全套解決方案，二十允許客戶根據需求靈活選擇元件。“我們不要求任何人從我們這裡購買所有東西。我們不要求他們購買全端，可以只買我們的GPU，買別人的CPU和網路裝置，我唯一的要求就是從我們這裡買點小東西就行。”
4
算力短缺還是泡沫？經濟學視角的分析
對於市場上關於"算力過剩"和"泡沫"的擔憂，Jensen給出了清晰的反駁：
1. 供應鏈響應需求：NVIDIA處於供應鏈末端，根據客戶需求進行生產。"如果客戶給我訂單，我就生產。我們已經完善了整個供應鏈。"據稱，輝達對於供應鏈會向前看三年來進行準備。
2. 持續的供需失衡：每年客戶的預測都被證明是保守的，實際需求總是超出預期，導致NVIDIA一直處於"緊急應對模式"。
3. 機會成本論證：在電力受限的環境下，性能更高的晶片能帶來更多收入。即使競爭對手免費提供晶片，客戶仍會選擇NVIDIA，因為在有限的電力條件下，性能差距帶來的收入損失遠超晶片價格差異。
5
年度發佈節奏：極致協同設計的技術護城河
NVIDIA從2024年開始實施年度發佈周期，這不僅是產品策略，更是應對指數級需求增長的必然選擇。
為什麼必須年度發佈？
- Token生成率呈指數增長
- 使用者使用量呈指數增長
- 摩爾定律失效，電晶體成本基本不變
- 必須通過技術創新而非硬體提升來降低Token生成成本
什麼是極致協同設計？
"你必須同時最佳化模型、演算法、系統和晶片。"NVIDIA每年同時革新CPU、GPU、網路晶片、擴展技術，並最佳化整個軟體棧。
從Hopper到Blackwell實現了30倍性能提升，這是摩爾定律無法企及的進步。
"我們改變CPU，革新GPU，改進網路晶片、MVLink擴展技術、Spectrum X擴展技術...這是終極的極致協同設計。"
6
ASIC挑戰：從晶片競爭到系統競爭
面對Google TPU、Amazon Tranium等ASIC的競爭，Jensen提出了三層晶片分類理論：
架構晶片（如x86 CPU、ARM CPU、NVIDIA GPU）
- 擁有完整生態系統
- 複雜技術和豐富IP
- 由原廠開發和維護
ASIC（專用積體電路）
- 適合小規模專門用途
- 當市場規模變大時，會轉向客戶自有工具
客戶自有工具（如Apple的智慧型手機晶片）
- 適合超大規模應用
- 避免支付50-60%的毛利率給ASIC供應商
"ASIC公司現在面臨的挑戰是，他們3-5年前開始設計時，這個行業還很小而簡單，只涉及一個GPU。但現在這個行業變得龐大而複雜，兩年後規模將完全巨大。"
7
開放生態與規模優勢：輝達的競爭壁壘
在供應鏈方面，NVIDIA與供應商緊密合作，由於其對供應鏈的規劃和承諾，供應商願意為其提供支援，例如提前準備大量的晶圓和DRAM等。同時，NVIDIA的客戶規模龐大，其架構經過驗證，客戶願意下單採購，這種大規模的客戶需求和供應鏈的信任是NVIDIA的競爭優勢之一。
NVIDIA擁有豐富的軟體生態，不僅在AI領域，在電腦圖形學、數字生物學、自動駕駛車輛等多個領域都有大量軟體產出，這使得其在深度和極端的程式碼設計方面具有優勢，能夠更好地最佳化整個系統，與競爭對手相比，其生態系統更加豐富和複雜，為產品的性能和功能提供了有力支援。
NVIDIA推出MV Fusion技術，甚至與競爭對手Intel合作，體現了開放生態系統的戰略思維。這種合作為雙方都創造了價值：NVIDIA成為Intel的大客戶，Intel為NVIDIA開啟了更大的市場機會。
這種開放策略的核心邏輯是：未來的AI工廠將是分佈式的，NVIDIA開源了Dynamo（分佈式AI工作負載編排），允許合作夥伴插入其優秀的產品元件。
有趣的是，與此同時，Jensen也高度肯定了Elon Musk，認為後者也極有可能第一個實現吉瓦的資料中心，因為Elon Musk個人本身就是一個“大型GPT、超級電腦和終極GPU”。
8
主權AI：全球AI基礎設施的必然需求
Jensen將AI基礎設施與能源、通訊基礎設施等同，認為每個國家都需要發展主權AI能力。
為什麼需要主權AI？
- AI中需要編碼國家的歷史、文化、價值觀
- 不僅需要語言模型，還需要工業模型、製造模型、國家安全模型
-"沒有人需要原子彈，但每個人都需要AI"
推薦的發展路徑：
Jensen建議各國既要使用OpenAI、Gemini、Grok等全球AI服務，也要投入資源學習建構自己的AI能力。這不是零和遊戲，而是互補發展。
美國AI戰略：開放競爭vs保護主義
在談到中美AI競爭時，Jensen表達了明確的立場：通過開放競爭而非保護主義來維持美國AI領導地位。同時強調，限制美國科技公司在中國競爭，實際上是"單方面繳械"，這讓華為等公司在中國市場獲得壟斷利潤，反而加速了它們的全球擴張。
對中國技術實力的客觀評估：
反駁"中國無法製造AI晶片"、"中國無法製造"、"中國落後我們幾年"等論調。"如果說有一件事他們能做到的話，那就是製造。他們只比我們落後納秒級時間。"
Jensen坦率地承認中國AI產業的實力：
-人才優勢：人才優勢：擁有世界上最好的STEM學校畢業生
-工作文化：996工作制展現的拚搏精神
-創業活力：分佈式經濟系統帶來的內部競爭
-製造能力：如果說有什麼是中國最擅長的，那就是製造
"我們面對的是一個強大的、創新的、飢餓的、快速發展的、監管較少的競爭對手。他們在技術上只比我們落後納秒等級。"
9
H-1B簽證政策與美國夢
作為美國夢的親身實踐者，黃仁勳對人才政策有著深刻的思考。他的個人經歷本身就是一個傳奇：
"我的父母沒有錢，把我們送到這裡。我們從零開始，我端過盤子，洗過碗，清潔過廁所，現在我在這裡。這就是美國夢。"
對於川普政府將H-1B簽證費用提高到10萬美元的政策，黃仁勳給出了一個平衡的評價：
"這是一個很好的開始。我希望這不是終點，但我認為這是一個很好的開始。它至少消除了H-1B的濫用，這是一個好的開始。"
但他也表達了深層擔憂：“美國夢”品牌的獨特性正在面臨挑戰。他透露一個資料，三年前90%的中國頂尖AI研究人員希望來美國工作，現在這個比例下降到了10-15%。
"這是未來問題的早期指標。聰明人渴望來美國以及聰明學生渴望留下，這些都是我稱之為KPI的東西——未來成功的早期指標。"
他辯證的說：“可以跟中國競爭，但不要對中國人強硬。（It's okay to be competitive with China, but not be tough with Chinese.）“
10
2030年代的世界：20000年進步的壓縮
引用未來學家Ray Kurzweil的觀點，Jensen認為21世紀我們將經歷相當於20000年的進步。
五年內的確定趨勢：
- 個人AI伴侶：每個人都將擁有自己的R2-D2，記住關於你的一切並陪伴你、指導你
- 個人云端GPU：80億人對應80億個GPU，每個人都有為自己定製的模型
- 數字孿生：在醫療保健領域建立個人數字孿生，預測健康狀況和疾病
這次訪談揭示了NVIDIA從晶片公司向AI基礎設施公司轉型的深層邏輯。如何應對指數級變化？黃仁勳用了一個生動的比喻："如果有一列火車越來越快，呈指數級加速，你唯一需要做的就是上車。一旦上車，你會在路上解決其他一切問題。"
不要試圖預測火車會到那裡然後在某個路口等待它——這是不可能的。要在火車還開得相對較慢的時候上車，然後一起呈指數級發展。而我們所有人，都在這列指數級加速的火車上。 (JER學家)