當地時間9月10日，在高盛集團於舊金山舉辦的年度科技盛會“Communacopia + Technology Conference”上，輝達CEO黃仁勳接受了高盛的半導體行業高級分析師Jim Schneider的訪談，分享了AI基礎設施市場高速增長的底層邏輯，回應了外界對於輝達“循環融資”的質疑，並重申了公司明年70%的營收增長目標，認為下一個增長點會是網路安全與物理AI。
1、AI基礎設施的底層邏輯
黃仁勳預計2030年AI基礎設施市場將會達到3兆至4兆美元。他將原因歸結為兩個疊加的行業變革：從檢索式計算到生成式計算的變革和摩爾定律的終結。
從檢索式計算到生成式計算：過去60年，電腦是“預先錄製”的——你點一下手機，它從記憶體中檢索資訊，推薦系統基於你的偏好返回結果。但生成式AI要求的是“知道一切”而非“找到一切”，答案必須基於上下文和提示即時生成。這意味著全新的、持續生成答案的計算層必須被建造。
摩爾定律的終結：電晶體不再每兩年縮小一半，性能提升不能再單純依賴製程微縮。輝達的應對是極端協同設計：用CoWoS融合多晶片，用NVLink實現縱向擴展。黃仁勳強調：“如果你沒有NVLink，如果你不能有真正出色的縱向擴展，你就死定了，因為摩爾定律是你的敵人。”
這兩個行業變革的疊加，導致需求加速（從10億人用工具，到數千億個代理必須迭代思考）+ 通縮紅利消失，推動半導體行業只會越來越大。
2、重申70%營收增長，存在供應限制而非需求限制
輝達兩周前公佈財報時預估2027年營收成長達70%。分析師預計，輝達本財年營收約4000億美元，按70%的增幅計算，明年營收將達到約6800億美元。
黃仁勳在談話中強調，“我們可以實現70%的同比增長，我們對此有信心。”他指出，70%的增長的數字是供應上限、而非需求上限，若沒有供應限制，成長會高出許多。
“我們還有一年時間來努力改進。我們每天都會來工作，謀生，獲得更多供應。”黃仁勳還開玩笑地表示，會努力“吃更多韓式炸雞”、參加更多飯局來維繫供應鏈關係。
3、輝達是AI產業的“台積電”
黃仁勳還將輝達在AI供應鏈當中的地位與台積電相提並論。他強調，每一家AI實驗室都能使用輝達的平台，而輝達擁有非常強大的供應能力，“某種程度上就像台積電”。
台積電在技術之外，最重要的價值之一是“產能”。“我可以把我的公司建立在台積電之上；你可以把你的初創公司建立在輝達之上。”黃仁勳的這番話也呼應了他長期以來的觀點：輝達不僅僅是晶片供應商，更是整個AI產業的基礎平台。
黃仁勳還指出，輝達已嵌入AI生態的每個領域——運行所有模型、追蹤全球每一吉瓦資料中心項目，因此能“看到未來”。
4、5000億美元融資平台引發疑慮
針對外界對輝達通過投資客戶來變相為自家產品創造需求是“循環融資”的質疑，黃仁勳回應稱，“這不是循環融資，因為我們只投入一點錢，卻收回來大量資金。”
這場爭議源於輝達今年8月宣佈與Apollo、BlackRock、Blackstone、Brookfield、高盛及KKR等金融機構合作成立運算融資平台，計畫募集超過5000億美元的第三方資金，支援AI模型開發商興建基礎設施。
然而，此舉引發市場對“循環融資”的擔憂——即輝達投資於AI公司或雲端服務商，這些公司再回過頭來購買輝達的硬體，使得投資與銷售之間的界線變得模糊。此類模式在上一輪網際網路基礎設施建設熱潮中，曾導致朗訊科技等供應商走向衰落。
在此次會議上，黃仁勳正面回擊了外界對於輝達“循環融資”的質疑稱，“這不是循環融資，因為我們只投入一點錢，卻收回來大量資金。”他進一步以財務資料作為佐證：“我看了一下財務報表，我們投入1美元、拿回100美元的回報，這算是循環融資嗎？如果這也算，那我們就多做一些。”他強調，自己是“充分掌握資訊的投資人”，不冒風險，“我需要的是十拿九穩的投資”。
黃仁勳還將相關交易稱為一項“非常聰明的策略”，有助於幫助輝達建立其技術架構的分銷管道。他同時強調，在動用公司資金進行投資之前，輝達會確認被投資公司手中有真實合同、能從客戶那裡獲得收入，他見過的此類合同總額達1000億美元。
5、下一個增長點：網路安全與物理AI
黃仁勳認為“網路安全”很可能是AI的下一個主要應用場景。他的邏輯是：程式設計的衍生是找bug，找bug的衍生是網路安全。紅隊找bug，藍隊補bug，需要持續運行。
他解釋，AI模型正在加速自動化程式設計，這正在衝擊網路安全行業，因為程式碼生成速度大幅提升，也意味著程式碼被利用和攻擊的速度更快，同時需要修復的漏洞也會隨之增加。
黃仁勳說：“還有什麼比製造一個問題更能創造需求呢？”他強調，網路安全需要持續運作，將為AI大型實驗室帶來龐大的新商機。
目前，輝達正與CrowdStrike、思科、Palantir合作，使用Nemotron模型建構紅藍隊系統。
同樣物理AI也將是AI的下一個增長點。黃仁勳認為，自動駕駛是第一個殺手級應用。他還提到Alpamayo是世界上第一個推理和思考的汽車，能對從未見過的環境進行推理。預計未來2-3年有“真正偉大的進展”。
以下為芯智訊整理的採訪原文翻譯：
主持人（James Schneider，高盛）：大家早上好。歡迎來到高盛Communacopia + Technology大會。我是高盛的James Schneider，今天我們非常榮幸地邀請到輝達及其CEO黃仁勳。歡迎你，Jensen。感謝你的到來。
黃仁勳，輝達CEO：謝謝。很高興來到這裡。謝謝。
主持人：Jensen，去年你預測到2030年AI基礎設施支出將達到3兆至4兆美元，這在投資界引起了不小的轟動。但看起來我們現在正非常迅速地朝著這個數字邁進。在AI方面，有那些技術進步或市場發展？人們忽略了什麼，或者低估了什麼？你目前對這個前景的看法是什麼？
黃仁勳：問題在於，為什麼我會知道？其實很簡單。上一次工業革命讓我們能夠為一切提供動力，我們把電力輸送到各處。然後，當然，網際網路讓我們能夠找到任何東西。這就是核心。以前你插上牆上的乙太網路介面或數據機，現在則是Wi-Fi。你一插上，就能（通過網際網路）找到任何東西。這不是小事，這是件大事。因為你能找到任何東西，也因為每個人都想找到一切，我們必須把它變成基礎設施的一部分。因為我們能把電力輸送到任何地方，我們想為一切供電，所以把電力輸送到了各處。它成為了基礎設施的一部分。
現在我們可以找到任何東西，找到一切，但顯然這不是人們想要的。我們想要的是知道一切。我們想問任何問題，知道一切。這就是我們現在正在建構的計算層，它使得無論你想問什麼、想知道什麼，你都能做到。這就是人工智慧的核心，而電腦正處於實現這一目標的過程中。第一個工具叫做發電機（dynamo），下一個，顯然叫做電腦，現在我們有了這些AI工廠，它們產生數字，就像網際網路產生數字一樣。某種程度上，這過於簡化了。現在，問題很簡單。電腦行業是如何從那個階段走到這個階段的，這意味著什麼？有兩個疊加的問題，兩個疊加的挑戰。
第一個是，上一代電腦是給人用的，因為你在查東西，你買電腦是當作工具、當作終端，這樣你就能找到任何東西，找到一切。現在，在這個新世界裡，只要你認同這個理念——每個人都想問任何問題、找到並知道一切——如果你認同這個世界，相信它，相信它可以以某種方式融入我們做的幾乎所有事情，那麼問題就是：你如何在全世界建構那個計算層？那台電腦，事實證明，是一台生成式電腦。它不是檢索式電腦，我想我過去跟你們解釋過這個。過去60年，一切都是預先錄製的，我們把它放在某個記憶體上。
當你在手機上點某個東西，它去檢索那條資訊，實際上，它可能檢索了大約3到10條資訊。基於你是誰、與你關聯的cookie、你之前的記錄和偏好，一個推薦系統會向你推薦其中一條資訊，但這一切都是預先錄製的。那個計算模型叫做基於檢索的計算。如果你的問題——如果你想問任何問題並知道一切，你真的想知道它，你不想找到它，你想知道它，那麼你必須生成答案。你無法合理地檢索到它。原因是，在過去，你有這個叫做推薦系統的概念，它基於你的偏好。
好吧，如果你想問任何問題並知道一切，那麼那個偏好必須被別的東西取代，它叫做上下文（context）。查詢叫做提示（prompt），周圍環境包括上下文以及你的偏好。所有這一切的組合，你必須生成答案。基本上，這意味著一個持續根據所有到來的查詢生成答案的新計算層必須被建構。那不再是一堆記憶體。那是一堆電腦。那台電腦長什麼樣，它運行什麼演算法？幾乎就像每個人都有自己的推薦引擎。這樣想。不是為整個Meta擁有一個巨大的推薦系統引擎，你現在為每個人都有一個推薦引擎。
這些推薦引擎非常複雜，因為AI模型很大。它必須很聰明。它壓縮了大量世界資訊。現在第二個問題是這樣。這是摩爾定律的終結。你們知道，我大約15年前第一次說這個的時候，有人倒吸一口氣，好像我說了什麼傷人的話。它只是說電晶體不再縮小了，這不是什麼大事。如果電晶體不再每年縮小2倍，或者每兩年縮小一半，那麼問題是，當我們試圖做另一件事時，未來會發生什麼？那件事叫做生成式AI，或者你願意的話，叫人工智慧。
在這個新世界裡，摩爾定律終結了，我們需要多得多的電晶體，那麼必鬚髮生幾件事。第一件必鬚髮生的事是，你仍然想每幾年獲得100倍和1000倍的提升，如果你想做到這一點，那麼你不能只活在晶片內部。你必須協同設計，這就是為什麼輝達成為了一家協同設計公司，極端協同設計公司。你們一直聽我們這麼說。第二件你必須做的事是，如果你想要兩倍的電晶體，你必須造兩倍的晶片。這就是為什麼輝達發明了NVLink。你看，我們做的第一件事是使用CoWoS，這使我們能夠把多個晶片融合在一起。
然後那還不夠令人滿意，所以我們拿了一大堆晶片，把它們連接在一起形成NVLink，這是今天的大突破。如果你沒有NVLink，如果你不能有真正出色的縱向擴展（scale-up），而縱向擴展技術真的很難。橫向擴展（scale-out）很難。縱向擴展極其困難。如果你沒有那個，你就死定了，因為摩爾定律是你的敵人，而這些模型變得越來越大。然後第三件發生的事，其復合結果是我不久前預測的，即半導體行業將擴大X倍。原因很簡單。半導體行業的需求已經增長了一段時間，而摩爾定律是一種貶值的半導體微縮技術。這兩件事同時發生。
如果你沒有半導體微縮技術的好處，如果需求進一步加速，因為不是10億人使用工具然後我們睡覺，現在我們有數千億個代理必須思考。它不像聊天機器人。你不會只點它一次。你必須迭代地思考。你把所有這些復合在一起。半導體行業只會變得越來越大，這就是我們現在看到的。這兩個基本理念，即我們有一個新的計算層和一個新應用，以及摩爾定律的終結。與此同時，人們期望這些AI模型越來越聰明，因為它們不喜歡錯誤答案。然後其復合結果應該導致一個非常大的行業。總之，我的演講到此結束。
主持人：太好了。我認為投資者一直質疑的一件事是這項技術的投資回報率。今天很難看著損益表說，“哦，這裡是毛利率，”或者別的什麼，但程式設計顯然一直是這個行業的殺手級應用。我認為可以肯定地說，我們在程式設計方面不會回到舊方式。展望未來，你認為還有那些其他應用或任務能真正推動整個行業的採用和投資回報率？
黃仁勳：一切都是程式設計。當你買一本食譜，你看到食譜，那只是程式設計的一個美國詞。當你問別人如何做某事，那是程式設計。當你把業務流程編碼化，那是程式設計。一切都是程式設計。如果你想做某事，如果你想發現做某事的最佳方式，然後之後一遍又一遍地重複，沒有任何人偏離那個過程或方法論或那個已知最佳流程，不管你們怎麼說。對吧？有很多詞來形容它。都是程式設計。我們以很多不同的方式程式設計。我們程式設計來做煎蛋捲。我們程式設計來反覆關閉帳本和管理供應鏈。我們程式設計來以一致的方式相互溝通。連接結構，例如供應鏈，是一個巨大的程式碼片段。
不是一個程式碼，而是數兆個程式碼片段。我們做的一切實際上都是程式設計。這是一件明智的事。這也是AI最容易學習的事，原因是有正確答案。最佳答案很難找到，但正確答案不難找到。程式設計是其中的重要部分。程式設計的一個衍生物，當然是找bug，而它的一個衍生物，一個非常大的市場，叫做網路安全。今天關於網路安全的討論這麼多，是因為行業準備發佈一些產品。還有什麼比製造一個問題更能創造需求呢？你知道？誰不希望自己的市場對自己的產品歇斯底里，排隊等著買？
有負責任的方式來做這件事，也有不那麼吸引人的方式，但今天圍繞網路安全有大量的需求創造，因為新產品即將發佈。如果你能很好地程式設計，你必須能很好地偵錯。紅隊是找bug。藍隊是修補bug。這不是一個複雜的概念。事實是，網路安全很可能是AI的下一個主要用例，而且它將持續運行。這對實驗室來說將是一個巨大的新商業機會。對CrowdStrike來說將是一個絕佳的機會，我們與他們有重大合作，使用開放模型來建立紅隊和藍隊，並擁有持續運行的Nemotron模型叢集的不對稱優勢。
我們今天與Cisco有合作，我想，Palantir、Cisco、輝達，他們正在建設。Cisco將提供來自輝達的整個AI工廠平台。Palantir建立在那之上。這將推廣到全世界所有國家和公司，幫助他們建構基於Nemotron的專有AI模型，或基於Nemotron的網路安全紅隊、藍隊模型。總之，這只是AI進入下一個市場的下一波浪潮。然後，當然，還會有未來的用例。但核心是，程式碼非常重要。我想，Jim，我要提到的一件事是，如果你看看。我們談到了行業等等，技術等等，但我來這裡是為了賣一些輝達股票。
我不想讓這個會議、這個議程不清晰。我們是世界上第一家也是唯一一家成長型價值股。我想我們在每一個。人們試圖弄清楚我們是那一種。就像，我們兩者都是。你可以同時是兩者。為什麼我們同時是兩者？讓我為你們做一些取證。輝達被極其誤解。儘管我們這麼大，我們被瘋狂地誤解。原因是這樣。我們發明了GPU。你不能取消發明GPU。當你是輝達時，你不能取消發明輝達。每個人都知道，因為他們認識我30年了。世界上大多數AI研究員，大多數科技CEO，他們都是在我建構的產品上長大的。這就是我有多老。
當一個AI研究員走過來說，“我8歲時用了GeForce RTX 2060，”那不是恭維。他們只是在數年份。我的觀點是，我們一直是一家GPU公司。這不是我們今天的樣子，但不幸的是，那是我們的起點。這說得通嗎？我們並不為此不自豪，但大多數人認為輝達造晶片。你需要飛機來運輸我們造的東西。我們的每一個系統，每一個晶片，如果你願意，一個GPU是2噸。一個GPU現在，不是399美元，不是399美元。是850萬美元。那是一個GPU，全部用NVLink連接，200萬個零件，對吧？250千瓦。那是一個GPU。我們運送數千個。我今天早上剛看到報告。Grace、Blackwell、NVLink，72個機架，環比增長27%。
你不會看到27%的環比增長。那會復合。那叫做高增長價值股。第一，我們從Hopper開始，大約18,000美元。現在，Hopper是一個架構的名字，不是一個晶片的名字。Blackwell是一個架構的名字，不是一個晶片的名字。這些架構的範圍在擴大。Hopper大約每GPU系統18,000美元，Blackwell到了大約25,000美元，而Vera Rubin大約40,000美元。原因是我們在提供越來越多整體AI工廠。我們在腦海中看到AI工廠。我們試圖用極端協同設計來克服摩爾定律的挑戰。
在演算法、軟體、系統、互連以及我們沿途發明的新技術之間，我們每一次創造一代，其token生成能力比前一代快很多倍或生產力高很多倍。我們做的第一件事是增加我們在世界資本支出中的可服務市場（SAM）。好吧？所以任務第一。我們不僅在增長，我們同時在捕獲更多。第二件事是，令人難以置信，但今天的模型公司比一年前、兩年前多。多得多。今天的前沿模型製造者比幾年前多得多。有一大堆正在啟動，帶著一大堆好想法。好吧？
我的觀點是，我們是世界上唯一一家實際運行每一個模型的公司。我們過去不運行Gemini。我們今天運行Gemini。當然，Grok做得非常好。迫不及待想試試。當然，Meta的Muse。這些都是新的。這些都是淨新增的，對吧？更不用說，我們過去不運行Anthropic，原因很多。我們作為年輕公司沒有錢投資他們。現在我們有了更多錢，我們很高興投資他們並幫助他們。總之，我們在Anthropic的份額增長非常快，當然，我們很高興看到Anthropic和OpenAI以及所有這些實驗室在增長。好吧？大多數人沒有看到的第二個增長是，我們是唯一一家從前沿閉源和開源模型中都受益的公司。我們運行一切。
世界上沒有一家公司是索引到開源模型的，而開源模型增長非常快，除了我們。你在任何地方都找不到那個數字。OpenRouter是查看這些東西的好地方，但你可以看到增長。世界需要閉源模型和開源模型，我們都覆蓋。好吧？第三件事是AI整體市場增長非常快。我們看到的是CSP。我們只看到雲服務提供商。記住，它們是企業。一些偉大的企業建設AI工廠的名字，當然是Jane Street和Hudson River。世界上幾乎每一家量化交易公司都在轉向這種新的預測模型。
當然，藥物發現與Eli Lilly、Merck和Bristol Myers Squibb以及許多其他公司現在基本上建立了他們的機器人實驗室。基本上是實驗室在環，AI在環，用於濕實驗室。你需要一台超級電腦來做那個。你有企業，但也有區域雲。最大的挑戰之一，我一直在談論這個，你想確保你理解這個策略。上游，供應鏈非常具有挑戰性，原因很明顯，我們增長超快。封裝是一個挑戰。DRAM是一個挑戰。LPDDR DRAM是一個挑戰。連接器具有挑戰性。一切都具有挑戰性。電壓調節器具有挑戰性。一切都具有挑戰性。晶圓顯然具有挑戰性。上游有各種不同的挑戰。
但記住，供應鏈一直延伸到下游末端，直到有人架起一台電腦並打開服務。我們一直在思考供應鏈的上游和下游，我們擁有的一個優勢是，因為我們的上市策略，記住，我們運行一切。這是通用與專用對的力量。你記得兩三年前，每個人都曾說專用比通用好，因為它更快？好吧，如果我能讓通用比專用更快，那麼專用就都好了。原因是，對不起，通用化就都好了。原因是通用化給你可替代性、耐久性、多功能性、可租賃性，以及今天非常重要的，由於資本約束，每個人的資產負債表，可投資性。最後，我們有一台電腦。輝達計算終於是一台可以資產支援的電腦。
我們可以用它來擔保貸款，這是一個非常強大的能力，坦率地說，世界上唯一允許你這麼說的計算堆疊，因為沒有人能再踏進來。我們的市場包括CSP，當然，還有區域雲，neoclouds。neoclouds的力量是這樣。他們為我們確保了CSP已經耗盡的地、電和殼。只要記住這一點。這是一件非常大的事。許多國家和許多縣和地區想為他們自己的公司確保電力和土地。我們在世界各地有neoclouds，從Nscale，當然，你有CoreWeave和Nebius，他們做得非常好。
一些新的即將上市或正在提交檔案的過程中，無論是Nscale還是Lambda或Firmus。你將看到一大批全新的、非常令人興奮的neoclouds，帶著數千億美元的積壓訂單。這是一種能力，使我們能夠在下游確保土地、電力和殼，並在我們的上市方式上多樣化。這三個理念，我們服務的整個AI市場，我們服務的所有模型，當然，世界的資料中心資本支出，我們覆蓋了更多，這就是為什麼我們增長如此之快。
主持人：是的。我能跟進幾個點嗎？
黃仁勳：是的。
主持人：一個關於供應約束。你幾周前在財報電話會議上談到，對明年實現70%收入增長有高度信心，未受約束的需求增長超過100%。你談到了上游和下游。你更擔心上游元件短缺，還是更擔心下游，你在土地、電力、殼和資料中心可用性方面可能直接控制較少？
黃仁勳：嗯，下游是輝達優勢令人難以置信的地方。上游，我們的優勢是因為我們的規模。我們擁有世界上最大的供應鏈。我與供應鏈和這些合作夥伴合作了將近三十年。當我做出預測時，它們成真了。他們喜歡這樣，當他們是正確的人。因為他們必須投入大量資金，而且因為輝達有實際有幫助、真實且擅長預測這些事情的記錄。更不用說，我們可以創造自己的市場。別忘了，輝達的平台是唯一一個你可以自己一直帶到終端市場的平台。記住，我們通過CSP上市，但我們也通過OEM上市。看看Dell。他們做得令人難以置信。
幾乎100%輝達。我想可能確實是100%輝達。Supermicro做得很好。Lenovo做得很好。HP做得很好。Cisco正在進來。我們擁有世界上100%的企業上市管道可以把輝達帶到市場，因為我們是一個全端AI工廠平台。你進來，你可以安裝整個東西，加入我們的軟體，基本上幾周內就能啟動並工作。因為這些東西太貴了，它的經濟性太高了，如果你不讓它盡快有生產力，焦慮真的非常驚人。如果你看我們的上市策略，我們有管道多樣性。我們有很多進入市場的方式。
因為我們的neoclouds，因為主權AI能力，所有這些都由我們是全端這一事實驅動，我們有一個豐富的生態系統，我們可以到達所有這些不同的市場。下游部分對我們來說是一個巨大的優勢。毫無疑問，土地、電力和殼是一個問題。當我聽到這些人談論這些大數字時，問題是，我們正在追蹤世界上每一個吉瓦的土地、電力、殼，字面上地球上的每一個東西。想想我所有的合作夥伴。有多少neoclouds在向我們報告？有多少OEM在向我們報告？有多少雲在向我們報告？有多少AI原生公司在向我們報告？我們與每個人合作。我們知道一切在那裡。這相當驚人。
我們已經確保了很多。否則你怎麼能處於上游？顯然，台積電永遠不會告訴你。他們永遠不會說他們能以某種方式預測賣了多少吉瓦。他們怎麼會知道？因為它離下游很遠。但我們一直處於上游和下游，這就是為什麼輝達的位置如此之好。
主持人：你對縮小這個差距感覺良好嗎？
黃仁勳：是的。我們可以實現70%的同比增長，我們對此有信心。我們還有一年時間來努力改進。我們每天都會來工作，謀生，獲得更多供應。
主持人：是的。太好了。
黃仁勳：更多炸雞。
主持人：更多Denny’s。
黃仁勳：是的。更多Denny’s，更多晚餐。不惜一切代價。
主持人：太好了。你的超大規模客戶和大型企業客戶顯然可以獨立資助他們的支出。
黃仁勳：哦，你們看到我們今天早上宣佈的關於澳大利亞的消息了嗎？給你一個例子，在澳大利亞，有大量的能源。我們正在與該地區的所有公司和資料中心公司合作。我們為2027年建立了2吉瓦。只是放在 perspective 中，2027年2吉瓦。這不是很多，但它是800億美元。
主持人：是的。這是很多。
黃仁勳：你們這些天太難打動了。就像兩家公司，但沒關係。我甚至不認為那是它。是一條推文還是一份新聞稿？是一篇部落格？總之，這是一件非常大的事，因為我喜歡工作。澳大利亞是一個有過剩能源的地區，如你所知。但他們需要幾件事。他們需要技術。這是輝達全平台AI工廠結合在一起的地方。他們需要生態系統承購方。過去六個月，4000億美元的風險投資資金進入了AI原生公司。4000億美元。AI原生，AI原生的定義是有人把籌集資金的三分之二花在計算上。再也沒有低資本支出的軟體公司了。
每一家科技公司未來都將成為高資本支出公司，或者高營運支出或高資本支出，但基本上是高計算，因為沒有非AI公司。我們正在與世界上幾乎每一家AI初創公司合作。我們有整個平台。我們有承購。他們帶來區域土地、電力和殼，我們與他們合作建立起來。最後，資本。有時我們投資他們。其中一個轉變，這是正在發生的大理念，我們正在與金融行業和你們中的許多人合作，非常感謝一起的工作。我們正在把輝達計算從技術轉變為可投資資產。這個轉變，我認為當我們完成這個轉變時，它會在這裡相當快地發生。
我認為這將是讓人們認識到我們的計算系統具有長期價值、具有持久價值的巨大推動力。目前，這些都沒有被估值。這對我們來說是一個巨大的未開發機會，而且有太多證據表明計算是有生產力的。我們賣它，比如說，一個吉瓦資料中心大概是600億美元。比如說超過六年，每年100億美元。讓我們做點簡單數學。那每年100億美元目前被以50出租，如你們所知。目前每吉瓦的收入大約是500億美元。這就是經濟性——這就是我們的技術有多有生產力。你仍然可以租Volta。Volta已經10年了。顯然，Mike剛談到了租Ampere。世界上所有的Ampere都被租出去了。耐久性。可替代性。輝達運行每一個模型。每個實驗室都可以用我們。因為我們的產能如此之大，就像台積電。台積電的價值之一，當然是技術，但它最重要的價值之一是產能。我可以把我的公司建立在台積電之上。你可以把你的初創公司建立在輝達之上，毫無疑問。我們不會成為你的問題。你不必把我們工程化到存在中。我們在這裡作為AI平台為你服務。我看台積電的方式，就是AI原生公司和AI公司看我們的方式。我們是AI生態系統的 foundational platform，AI行業的基礎平台。
主持人：說到你的觀點，你在某些情況下為那些AI實驗室或neoclouds提供擔保或支援，以獲取土地、電力和殼用於他們的營運。你隨著時間的推移以多種不同方式做到了這一點，包括你最近談到的5000億美元平台。你在財報電話會議上說，你不相信循環融資。
黃仁勳：希望那5000億美元中的大部分將是有資產支援的。
主持人：是的。
黃仁勳：那是很大的計畫。
主持人：所以，對那些持懷疑態度的人，解釋一下為什麼你認為它不是循環融資。
黃仁勳：嗯，它不是循環融資，因為我們投入一點錢，卻收回來很多錢。我看電子表格，我們投入1美元，拿回100美元的回報，這算是循環融資嗎？
如果是，那我們就多做點。更不用說我們投資的公司，我們看到他們的管道，因為我們把管道帶給他們。人們開始認識到，無論我在那裡投資，都不是一個糟糕的投資地方，因為我是一個知情的投資者。我不承擔任何風險。我們不像你們那麼聰明。我需要確定的事情。所以當我看到他們——我們把AI平台帶給他們。他們必須確保土地、電力和建築。我們幫助他們融資，非常小的一部分，但最重要的是我們看到他們的承諾採購，因為沒有承諾採購，融資就不會到位，而那個承諾採購是1000億美元，它是排隊的合同，它是總合同價值，它是真實的東西。我們知道需求來自那裡以及需求的質量。
所以我們看到更大的遠景，這就是為什麼它給我們信心去做。此外，我認為這是非常聰明的策略。我認為我們需要幫助行業建立這個neoclouds網路，它們將成為輝達架構的分銷管道。這也是所有正在成立的AI原生公司可以落地的地方。記住，AI不會只是全球的。AI將是區域的。原因是，有這麼多區域智能，根據定義，你將看到AI變得區域化。所以我們希望在世界各地有輝達合作夥伴的樞紐。所以就是這樣。循環的部分對我來說不太有意義，因為數字表明它不是。
主持人：是的。回報如何？
黃仁勳：回報太大了，非常的好。
主持人：也許，我們只有幾分鐘了，但我想在結束前談談物理AI。這是一個你真正播種市場的領域，從汽車到工業機器人到人形機器人等等。你認為那個市場會多快起飛？物理AI中的殺手級應用會是什麼，你認為到2030年這對公司來說可能是一個多大的機會？
黃仁勳：物理AI的第一個殺手級應用就是自動駕駛汽車。曾經有一段時間，相信那個是沒有意義的，曾經有一段時間人們認為建造自動駕駛汽車的方法就是開數十億數兆英里。顯然，中間會有很多傷亡，但你不會想要那樣。你真正在尋找的是一輛會思考的車，一輛能推理的車。我們在這個領域做了一些開創性的工作。它叫做Alpamayo。它是世界上第一輛推理和思考的汽車。它可以看到一個它從未見過的環境，它可以推理如何分解它，就像代理系統在推理一樣。它推理，把它分解成它理解並且可以很容易思考的東西，就像我們一樣。
你需要的英里數實際上相當少。後訓練是必要的，我認為物理AI，例如，已經為自動駕駛汽車到來了。我認為在未來兩到三年，你將看到真正偉大的進展。比如，Waymo、特斯拉（Tesla），還有輝達與梅賽德斯-奔馳（Mercedes-Benz）的合作。還有一大堆其他正在準備中。我們與Uber的合作。很多很多合作夥伴關係正在準備中。那是第一個應用。它的衍生應用是所謂的AMR和倉庫配送車輛以及內部物流中心，我們宣佈了與Amazon的重大合作。他們擁有最大的內部倉庫導航系統車隊。你將看到一大堆那種東西，一大堆像那樣的應用。好吧，雜貨配送車輛和各種各樣的東西。
第二部分是操作/操控系統。操作/操控系統正在取得真正偉大的進展，今天的操作/操控系統都是預程式設計的，就像我們談到的舊電腦一樣，一切都是預先錄製的。當前的操作/操控系統是預先錄製的，這限制了市場規模，只限於最大的汽車公司。如果你想讓操作/操控系統對中型和中型製造公司有用，在德國叫做Mittelstand。在美國這裡，他們只是叫它們供應鏈合作夥伴。在日本，有他們版本的Mittelstand。基本上，工業供應鏈是幾億美元的公司。如果你看ASML的供應鏈，它是一大堆Mittelstand。好吧？
一大堆科技公司，每一個可能都是幾億美元，沒有一個可以機器人化，因為沒有一個足夠大。我們需要智慧型手機器人，那個推理系統，所以那個能力可能還要幾年。之後，物理AI將滲透到一切，例如電信。6G基本上是物理AI。不是使用理解物理世界的攝影機，而是使用不同頻譜的電磁波，無線電波，但它基本上是感知世界。我們與Nokia有合作，我們建構了一個基於輝達CUDA和AI的平台，它叫做AI-RAN。這個系統，我認為它將非常成功。它基本上是一個分佈式邊緣資料中心。所有這一切，我認為，可能還需要大約5年才能成熟。
你只會看到越來越多。與此同時，輝達在物理AI方面已經成功了，因為在你部署模型之前，你必須訓練模型。人們知道馬斯克（Elon Musk）和我一起在特斯拉（Tesla）超級電腦上工作，他稱之為Dojo，裡面有一大堆GPU。那是為了訓練這些自動駕駛汽車。有一大堆像那樣的例子。
主持人：是的。我想我基本上必須在那裡結束了。非常感謝，Jensen，與我們在一起。我們很感激。
黃仁勳：好的，各位。謝謝。 (芯智訊)