•
黃仁勳：AI革命才剛開始，這次不是泡沫——與紅杉資本的深度對話
2025年10月6日，在紐約舉辦的避險基金Citadel Securities全球市場未來峰會上，輝達創始人兼CEO黃仁勳接受了紅杉資本合夥人Constantine Buhler的深度專訪。這場對話不僅回顧了輝達從圖形加速器到AI基礎設施巨頭的傳奇歷程，更為我們描繪了一個以AI工廠為核心、數字員工與人類協作、機器人技術普及的未來世界。
核心觀點速覽
1. 這次不是2000年網際網路泡沫：當年網際網路公司大多不盈利，整個行業只有200-300億美元，而AI正在改造價值數千億美元的現有業務
2. 摩爾定律走到盡頭：傳統晶片性能提升遇到物理極限，專用加速計算成為唯一出路
3. AI工廠重新定義資料中心：不再是成本中心，而是直接產生收入的"智能工廠"
4. 百兆美元勞動力市場首次可及：AI代理將觸及人類歷史上從未被技術覆蓋的巨大市場
5. 機器人革命臨近：能生成視訊就能控制機器人，這只是工程實現問題
6. 計算方式徹底改變：從"搜尋+點選"變成"提問+生成"，就像人腦思考方式
7. 各國都需要AI主權：不能把國家資料全部外包，必須有自己的AI能力
8. 與細胞對話成真：AI已能理解蛋白質結構，可以像聊天一樣與細胞交流
9. 5000億投資只是開胃菜：相比未來每年兆級投資，現在還是小數目
1
第一性原理出發：30年前輝達的創業洞察
1993年：看到傳統計算的天花板
黃仁勳回憶創立輝達時的核心判斷很簡單：通用處理器什麼都能做，但什麼都做不到極致。
當時整個矽谷都在押注CPU和摩爾定律，但他們看到了兩個問題：
- 電晶體不能無限縮小，物理規律有極限
- 真正困難的計算問題需要專門的"加速器"來解決
"從第一性原理思考，如果你能推理出今天運行良好的東西建立在什麼基礎上，以及這個基礎如何隨時間變化，就能看到拐角處的未來。"
同時發明技術和市場的奇蹟
輝達面臨的挑戰是：要創造新的計算平台，需要大市場；但大市場不存在，因為技術架構還沒出現。這是典型的"雞生蛋、蛋生雞"問題。
黃仁勳回憶當年向紅杉資本融資的趣事：
"Don Valentine問我殺手級應用在那裡，我說是幫Electronic Arts做3D遊戲。他說：'我剛投資了EA，他們的CTO才14歲，還要家長開車送上班，你告訴我這是你的殺手級應用？'"
結果證明，現代3D遊戲市場成為了全球最大的娛樂產業之一。
2
CUDA：從畫圖到AI的神奇跳躍
世界上最難的平台創新
"除了ARM和x86，世界上還有那個計算平台是幾乎人人都在用的？答案是：沒有。創造新的計算平台極其罕見，我們用了30年。"
CUDA的成功不只是技術突破，更是系統工程：
- 發明新技術
- 創造新產品
- 設計市場策略
- 建構開發者生態
3D圖形的意外收穫
3D圖形本質上是"模擬現實"，核心是物理模擬和數學計算。黃仁勳意識到，如果GPU能處理複雜的圖形運算，為什麼不能處理其他類型的運算？
這為GPU從專用圖形處理器發展為通用計算平台奠定了基礎。
3
2012年：AI時代的關鍵轉折點
三個機緣巧合的匯聚
2012年AlexNet在電腦視覺上的突破，黃仁勳認為來自三個因素：
1. 個人痛點：他對傳統電腦視覺"各種技巧拼湊"的方式很不滿
2. 戰略佈局：多年推廣"CUDA Everywhere"，讓全球研究者都能用上GPU
3. 關鍵洞察：Geoffrey Hinton、Andrew Ng等頂級研究者都在嘗試解決同樣的問題
從電腦視覺到"萬能求解器"
看到深度學習在圖像識別上的巨大進步後，黃仁勳進行了關鍵推理：
"這項技術在電腦視覺上這麼厲害，還能在什麼地方厲害？"
答案是：深度神經網路是"通用函數逼近器"，理論上能學會任何函數。這意味著電腦行業的每一層——每個晶片、每個系統、每個軟體——都可能被重新發明。
4
AI工廠：資料中心的華麗轉身
從DGX-1到超級工廠
2016年，黃仁勳親手把世界第一台"AI工廠"DGX-1送給了當時在OpenAI的馬斯克：
"我在GTC大會上發佈這台機器時，觀眾的反應就像現在一樣安靜，沒人知道我在說什麼。然後馬斯克上台說'我想要一台'，我終於有了第一個訂單！他還說這是給他的非營利組織用的。當你造出全新產品時，最不想聽到的就是第一個客戶是非營利組織。"
現在這個"非營利組織"已經成為最成功的AI公司之一。
規模的指數級躍升
今天的AI系統規模令人震撼：
- 單個GPU：2噸重，12萬瓦功耗，300萬美元本城
- 1吉瓦工廠：價值約500億美元，佔地數千英畝
"如果你的資料中心功耗上限是1吉瓦，那就是固定的。如果我們的每瓦特性能是別人的3倍，你的公司就能在同一個工廠裡賺3倍的錢。這就是為什麼我叫它'工廠'——它們在賺錢。"
5
不是泡沫，是轉型：兆美元的智能經濟
對於AI投資是否存在泡沫的質疑，Jensen給出了清晰的資料對比：
2000年網際網路泡沫的特點
- 大多數公司不盈利（pets.com、hospital.com等）
- 整個行業規模只有200-300億美元
- 主要是新興公司的投機
2025年AI革命的不同
- 現有巨頭業務轉型：Google搜尋、Amazon推薦、Meta廣告系統都已經用AI重構，這些是價值數千億美元的成熟業務
- 立即產生收入：AI正在為現有的數千億美元業務提供直接價值
- 基礎設施升級：整個雲端運算行業需要從傳統CPU架構升級到AI架構
"第一個要觀察的是，即使沒有OpenAI和Anthropic，整個超大規模雲端運算行業都在被AI驅動，包括Google、Amazon、Meta數千億美元的收入都由AI提供支援。"
Meta的真實案例
2022年第四季度，蘋果的隱私政策讓Meta失去了廣告歸因資料，市值暴跌數千億美元。Meta用AI重建了推薦系統，不僅恢復了廣告效果，股價還漲到了歷史新高。
"這就是AI ROI的真實體現——數千億美元的市值恢復，全部由輝達GPU驅動的AI實現。"
6
百兆美元市場：代理AI和物理AI
黃仁勳指出，AI將首次讓技術觸及一個全新的市場：
"企業AI和物理AI這兩個領域，代表著全球經濟約100兆美元的規模。這是人類歷史上第一次，我們有技術能夠增強這些領域。"
數字員工的現實應用：
- 輝達100%的工程師都在使用AI助手（主要是Cursor）
- 未來企業將同時僱傭人類員工和數字員工
- 有些數字員工你會"外包"，有些你會"內部培養"
物理AI：機器人的關鍵突破
黃仁勳提出了一個精彩的思想實驗：
"你現在可以提示AI生成我拿起瓶子、打開並喝水的視訊。既然它能生成這個畫面，為什麼不能操縱機器人做同樣的動作？......我能開車，也能操控我的身體，這是同樣的智能。AI也將在不同的'身體'裡運行同樣的智能。"
這表明物理AI的實現主要是工程問題，而非技術壁壘。
7
生成式計算：未來的計算範式
從"搜尋"到"生成"
黃仁勳用Perplexity舉例說明計算範式的根本變化，提出未來100%的計算都將是生成式的。
"傳統搜尋是基於儲存的計算、基於檢索的計算——為你檢索資訊供你自己消費。Perplexity或AI回去學習、閱讀所有內容，然後為你生成。"
人類對話模式的體現
"我們現在的對話就是100%生成式計算的例子。你問我問題，我不會跑回辦公室查資料再回來讀給你聽，而是基於當前語境即時生成回答。"
這種生成式計算方式更接近人腦工作方式，需要AI工廠提供持續的計算支援。
8
主權AI：各國的必然選擇
資料主權的必然性
"沒有國家能夠承受將所有國民資料外包處理，然後再進口自己的智能回來。從第一性原理看，這不合理。"
平衡開放與安全
對於對華AI技術出口限制，黃仁勳表達了細緻的觀點：
輝達在中國市場份額從95%降到0%：
"我無法想像任何政策制定者認為這是好主意——讓美國在全球第二大電腦市場的份額變成零。"
他建議的平衡策略：
"中國擁有約50%的世界AI研究人員，擁有卓越的學校、對AI的巨大關注和熱情。我認為不讓這些研究人員在美國技術上建構AI是一個錯誤。"
需要"細緻入微的策略"，既要保持美國領先地位，又要確保世界建構在美國技術堆疊之上。
9
技術前沿：從量子計算到生命科學
與細胞對話成為現實
黃仁勳透露了AI在生物醫學領域的最新進展：
"如果你能理解文字序列的含義，能理解虛擬世界的結構，是不是也能理解同樣有結構的蛋白質和化學物質？答案是肯定的。"
最近與與ARC合作推出EVO 2是首個細胞表示的基礎模型，"你現在可以和細胞對話，就像和聊天機器人對話一樣"，詢問細胞的屬性、能結合什麼、新陳代謝機制等。
跨領域技術融合
其他令人興奮的技術方向還包括：
- 通訊革命：5G和6G將被AI徹底改造
- 量子計算：CUDA Q架構讓量子-GPU混合計算提前十年實現
- 半導體製造：AI驅動的光刻技術
10
投資建議與未來展望
最被低估的技術
黃仁勳認為Omniverse（虛擬世界平台）被嚴重低估：
"人們還不知道他們需要它。但一旦開始造機器人，就會意識到我們十年前開始做這個平台是多麼有遠見。現在Omniverse正在席捲整個機器人行業。"
給CIO的建議
對於有100億美元AI預算的CIO，黃仁勳建議：
"立即開始實驗建立自己的AI。就像你有員工入職培訓、企業文化傳承一樣，你需要為AI員工建立'入職流程'。我告訴我們的CIO，他們將成為未來AI數字員工的人力資源部門。"
華爾街最忽視的指標
"你的工廠每單位能耗的吞吐量決定了客戶的收入。這不只是選一個更好的晶片，而是決定你能賺多少錢。"
輝達最被低估的資產
"大多數人談論CUDA，但我們有350個專業庫，比如CUDNN（深度神經網路庫）可能是人類歷史上最重要的庫之一，就像SQL一樣重要。這些庫是輝達的寶藏。"
11
結語：一切還只是開始
"我們現在只建設了幾千億美元的基礎設施，相比於未來可能每年需要建設的數兆美元基礎設施，我們還很小。"
從1993年的圖形加速器，到今天的AI工廠，從30年前看起來"成功率約為0%"的想法，到今天價值數兆美元的智能革命，黃仁勳從第一性原理出發，推理技術發展的必然趨勢。
與2000年的網際網路泡沫不同，這次AI革命建立在堅實的商業價值基礎上。它不是在創造全新的虛擬需求，而是在用更好的方式滿足現實世界的真實需求。從搜尋、推薦到自動駕駛、機器人，從數字員工到細胞對話，一切只是剛剛開始...... (JER學家)