就在今天，輝達CEO黃仁勳的兩個採訪視訊發佈。
早晨，彭博發佈了主持人Emily在倫敦對黃仁勳的專訪，並擷取了其中的6分多鐘片段。
黃仁勳直言，他將停止向一家正在開發不安全AI軟體的客戶供應晶片，儘管他認為目前對AI技術的擔憂程度沒有必要。
“這只是個假設，但答案是肯定的，在那之前你們應該先溝通一下。我們不營運其他公司的業務，我們對其他公司使用我們技術的評判也是有限的。我們的技術是通用的。”黃仁勳表示。
“許多年輕公司都在經歷成長的陣痛，而且它們發展速度驚人。隨著公司不斷發展壯大，隨之而來的是責任和義務。”黃仁勳稱，他相信AI軟體可以得到安全控制和部署。但同時，人類應該加快AI技術的發展。
晚上，矽谷投資人部落格Bg2 Pod放出與黃仁勳的近100分鐘專訪。
桌子上，黃仁勳拿著黑色的保溫杯，桌子上還有黃仁勳父母從台北帶來的中式甘草味的李子干零食。
黃仁勳在這次專訪當中談到很多，包括接父母看川普、AI泡沫、AI末日論、太空算力、晶片行業未來等。
黃仁勳說，他特意包了一架飛機讓父母來美國，而父母還特意買了新衣服到國家科學獎章獲得，並且一起見到了川普。
對於產能問題，黃仁勳親口表示，輝達面對500億美元的訂單，買家沒見過貨，就只能客戶盲下單，而客戶敢拍這個單，賭的就是“輝達”三個字。
他還拿台積電打比方。輝達把 100% 的業務交給台積電，圖的是能提前五年做規劃，沒見到實物也敢確定下一代電晶體一定更出色。
這套邏輯他原樣套在自己身上：Grace Blackwell 驗證了 Vera Rubin，Vera Rubin 接著驗證 Vera Rubin Ultra，一代壓一代。
主持人則把今年AI行業規模的賬攤開了，他認為全行業 AI 實驗室今年的收入加起來大約 2000 億美元，要連翻兩番到 8000 億，才勉強夠到數萬億美元資本開支的回本線。
黃仁勳的回應直接：別把 OpenAI 和 Anthropic 外推成萬億美元公司，它們不需要做到那個體量也算成功。
黃仁勳順手給了個數字，輝達如今佔全球雲廠商資本開支的 40%，亞馬遜AWS、Google雲、微軟雲都是輝達的客戶。
“新訂單幾乎每週、每天都在進來。另外，我們的供給也在增加，而限制我們的一部分因素，是下游的土地、電力和機房殼體。”黃仁勳表示，我們手上有巨大的訂單記錄，每一家CSP雲服務商、每一家NCP新興雲廠商、每一家OEM裝置商，都早就向我們下過訂單。初創公司、大企業、小公司，全都下過單，原因在於，輝達會和客戶一起做預測，按客戶體量不同，至少提前一年，最大的客戶提前兩年，所以不會有突然性變化。
“我在公司內部經常說這句話：即使沒有我的領導，輝達自己也在做著聰明的事。聰明人本來就會做聰明的事；當你把大家組織起來，他們能做出更有影響力的事情。”
展望未來，黃仁勳對AI行業未來十年有99.99%的信心。
“所以，我們有擔憂是好事，我們應該表達憂慮、表達關切，但我們不應該預言世界末日。因為他們低估了人類的處境，低估了人類的能力。他們出於某種原因，也許是自負，也許是傲慢，總覺得除非由他們親手來做，這件事就不會被做成。”黃仁勳稱。
以下是黃仁勳在Bg2 Pod播客中的對話全文整理：
主持人：過去十天，你先是出席了白宮晚宴，接著參加了白宮峰會，達成了《白宮超級智能協議》，而就在昨天頒發美國科學獎章。讓我特別觸動的一點是，台上六個人裡，有五個都出生在美國以外。當時你是什麼感受？
黃仁勳：首先，這件事本身就是一份極大的榮譽，它是對我們公司所做貢獻的一種認可。
我們發明了一種全新的計算模型，這大概是當今世界上應用最廣泛的計算模型，它是唯一一種同時存在於每一家雲、每一家電腦公司、每一個科學領域的計算架構。
遊戲玩家在用它，創作者、建造者在用它，科學家也在用它，它為智能提供動力。如果你退一步看這家公司一路做成的事：我們從為遊戲玩家打造圖形晶片起家，這一點我至今引以為豪，如今累計出貨量已達 16.7 億顆。
可以說，我陪伴了一代又一代的科學家、孩子和設計師成長。而走到今天，我們已經成為為全社會的智能提供基礎設施的公司。能夠代表公司領這個獎，我感到無比自豪。
至於我父母，是我特意想讓他們去的。我基本只給了他們 24 小時的準備時間，而他們平時並不常出門旅行，我爸甚至連一套西裝都沒有。結果他跑出去買了一套，是一套嶄新的西裝。
我原本壓根不知道他買了西裝，還以為他會隨便套件襯衫就去呢。我媽也添了一條新裙子，同樣是在 24 小時之內搞定的。
主持人：我懂這套流程。
黃仁勳：可不是嘛，簡直不可思議。總之，我們給他們包了一架飛機送過去。他們見到總統開心極了。我媽走路不太方便，總統就攙著她，兩個人一起走下舞台時，他一直扶著我媽媽，陪她一步步走下台階。能見到總統，他們倆感到無比驕傲。
我們當時正準備搬去泰國，精準說是「即將」搬去，我爸剛從美國回來。他在一家叫開利（Carrier）的空調公司工作，那趟是去美國參加培訓。結果你猜怎麼著，全世界那麼多地方，他們偏偏把他安排在了紐約。你想想看，一個二十六七歲、從沒離開過台北年輕人，去的偏偏是美國，偏偏是紐約。
主持人：他看到了未來中的未來。
黃仁勳：他回來的時候，整個人都被震撼了。他在機場買的各種東西全帶了回來：巧克力，還有那種老式的管裝奶酪，就是裝在軟管裡、白白的、有點奇怪的那種。
反正他帶回來一堆稀奇古怪的東西。他說，我們總有一天要去那裡。於是一等到機會，他們就把我和我哥哥送去了美國。那就是他的美國夢。
主持人：很多人可能都沒意識到，你是比父母先到美國的。
黃仁勳：對，他們幾年之後才過來。
主持人：但昨天那一刻真的讓我如遭重擊：台上六個人裡，五個出生在美國以外。你我之前聊過，在這麼多事情交織的當下，我們需要一個真正的戰略、一套像樣的人才引進政策，來確保我們仍然是全世界所有偉大建造者想要前來建功立業的地方，這就是美國的超能力。
黃仁勳：在很多方面，這個國家創造智慧財產權的能力是世界上獨一份的。原因就在於，我們吸引了全世界最優秀的人才。這裡就是他們想要來安家立業的地方，因為她提供的機會、她給予的自由，因為這種發明創造與企業家精神，因為這種「沒什麼做不成」的勁頭。在美國，一切皆有可能，我們的默認出發點是「當然可能，我們當然做得到」。而我經常滿世界跑，在很多其他地方，人們的第一反應是「當然不行，那肯定做不到」。我們把這一切視作理所當然，但這種精神、這種能量、我們在這裡創造的文化所帶來的東西，怎麼強調都不為過。所以，湧入這個國家的智慧財產權規模之巨，是世界歷史上從未有過的。
主持人：確實如此。
黃仁勳：而這正是我們想要的。我們希望全世界所有偉大的頭腦都來到這裡，帶來他們了不起的想法，並在這裡把它們變成現實，讓這個飛輪一直轉下去。我明白，這是一個精妙的系統、一種微妙的平衡，所以必須依法依規去做、合情合理地做。但我們當然要做，而且真心想做。
進入奇點：我們身處何處
主持人：好，我想先從宏觀層面聊起，我們現在身處何處；然後稍微深入一點，聊聊安全與監管、怎麼把這件事做對，以及算力建設的進展；最後再深挖輝達（NVIDIA）的增長和那邊正在發生的事。
不過你一直特別擅長預判未來。兩年前我們坐在這兒，你說市場嚴重低估了未來五年所需要、也終將發生的算力建設規模；你說累計算力建設不會是一萬億，至少是兩萬億，現在當然已經突破了這個數。
你還在所有人都沒往那兒想的時候就說過：由於推理時的推理與思考，推理算力將增長 10 億倍。去年，在我們見到 Opus 4.6、見到 Claude Code 之前，你就說我們正在進入智能體的時代，將會解鎖一大堆這樣的能力。果然，Opus 4.6 出來了，Claude Code 一飛衝天。那我們現在到哪兒了？我們有 Elon、有 Sam。
黃仁勳：怎麼，只挑出三件我說中的？我還有另外兩百件呢。這段你就留著吧，讓這期播客到此為止算了。
主持人：還有 Demis。他們都公開說：「我們正處在奇點的山腳下，或者說正在進入奇點。」我們也看到模型解出了納維-斯托克斯方程。所以，當你望向你的水晶球：我們在哪兒？我們是不是正處在拐點上？是不是正在加速進入超級智能的全新階段？我們先把這個問題拆開來聊。
黃仁勳：首先，為什麼我們需要的算力會比不久之前，也就是所謂的「去年」，多出 10 億倍，這在邏輯上是非常清晰的。原因在於，思考和解決問題需要大量的推理，遠不止把某樣東西重複一遍、複述一遍。
當你使用 ChatGPT，給它一個提示詞時，其中大部分知識早已被編碼進大語言模型裡；不幸的是，它會產生幻覺。所以它的下一步是：依然是生成式的回答，但同時被真實依據所錨定。它會先出去快速搜一下，拿回事實資訊，再以此為條件，結合自己預訓練時已經學到的東西，生成新的答案。
而我們真正想做的那些有意思的事情，大多需要你一步步推理：想出好幾個方案、做好規劃。你可能會說：先看看這幾條路徑各自怎麼演化，然後基於所有這些結果，我來反思一下目前為止最好的答案、最好的路徑，挑出一兩個或三個繼續推進，把其餘的剪掉，然後再不斷重複這個過程。
人類就是這麼幹的。這就是為什麼我們說，偉大的戰略家熱愛戰略可選性：一方面你不能過早剪掉選項，另一方面你又必須最佳化資源。AI 現在就在做這件事：它們保有戰略可選性，把各種可能性鋪開、修剪、反思、再修剪，如此往復。
所有這些思考、所有這些探索，需要多得多的算力。而且還不止如此，因為它現在能幹出真正有產出的活了，我們會把更多的事情交給它。於是兩頭疊加、複利增長：它用更多算力把活幹好，而正因為它幹得好，我們就會「雇」它去幹更多的活。
這一切都在滾雪球。說到這裡，我想說去年最大的一個觀察是：一方面，我們當然希望模型越來越好，也仍然希望模型越來越好，模型的縮放定律（scaling laws）還會繼續成立；但與此同時，要給模型裝上一副 harness（執行框架），基本上就是大語言模型的外骨骼，可以說是「大腦的身體」，讓它能夠管理工作記憶、管理知識。
如何從工作記憶到短期記憶、再到長期記憶，最終形成你的知識圖譜？我們人類就是這麼幹的：會琢磨「我學到了什麼，它怎麼融入我過去知道的一切」；我們睡覺的時候在做「壓縮整理」，沒道理的、不重要的東西慢慢就忘了，而重要的東西會以某種方式重新連接起來。這是一整套離線完成的知識提取與創造、知識圖譜的建構。整塊「記憶」能力，是件大事。
另一件大事，當然是工具使用。
我們已經教會這些 AI 與人類有史以來創造的最重要工具打交道。這就好比一個機器人走進你家：它更可能直接用你家裡現成的各種工具，而不是跑到外面從頭再造一套。所以 SPICE 依然有用，Verilog 有用，各種模擬器有用，還有設計編譯器、Photoshop、AutoCAD、西門子的那一整套工具。
所有這些我們用來營運公司、建設公司、設計產品、管理業務的工具，都會成為智能體的絕佳工具。但前提是，智能體得先學會使用它們。所以在過去一年，這兩大領域，知識與工作記憶，以及工具使用，是兩次巨大的解鎖。
於是突然之間，你可以把這些封裝在harness裡的大語言模型放進你的公司，把它們接到你的資訊、你的事實依據上，接到它們能呼叫的工具上。
突然間，它們就開始幹出令人驚嘆的事情。坦白講，最容易的部分其實是程式設計，那算是有用工作的第一個入口。程式設計之所以「容易」，很大程度上是因為程式語言和它們所用的工具，本來就是那類「用處極大、卻並不特別易用」的東西。所以早期要把程式設計智能體部署好並不容易，但軟體工程師們找到了辦法。
而現在，我們的「下一步」到了。你們大概也玩過 Astra。
OpenAI 的 Astra 真的是太棒了，我們在各種地方都在用它。這一代智能體能做設計工作，能做大量創意行銷工作。我們在用它做這樣的事：拍一張照片遞給 Astra，它會直接把它重建成 CAD 模型。這太不可思議了，因為我們正需要 CAD，有了它，我們就能在 CAD 上互動、微調、調整。
Astra 能給我們第一版初始實現，生產力提升驚人。現在，把 Astra 的最新版本應用到所有這些不同領域，我認為除了軟體工程之外，我們還會看到設計師、建造者、創作者，還有科學家，這一整片領域將被解鎖。當然，挑戰在於：我們如何把智能體安全、可靠地部署到全世界的企業裡。這又回到了那個完全相同的問題：安全與安全保障。這個我們待會兒再展開聊。
主持人：那個我們回頭細聊。讓我深感震撼的是：這一切都發生在今年，而 OpenAI 和 Anthropic 各自手裡的算力，也不過兩三吉瓦而已。相對於即將到來的規模，這只是很小的一筆。
經濟的通常運作方式是這樣的：人們給經濟或公司建模時，默認模型是線性減速的，人們非常不擅長為加速建模。但眼下我們面對的是一條雙指數曲線，海量的新算力正在上線。如果 OpenAI 和 Anthropic 明年把算力再放大三五倍，這是不是完全說得通？
我們已經解出了納維-斯托克斯方程，將來回頭看我們會說：那只是很小的一點算力、一點智能，是從今往後我們所能擁有的最差的智能，而它就解決了一個千年難題。那麼，展望明年上線的這批算力，你是否預期我們會在那些需要長時間運行的智能體任務上取得重大突破，也就是可以用智能體叢集去攻堅的那些問題？
黃仁勳：納維-斯托克斯方程就是一個絕佳的例子。要記住，OpenAI 並不是從零開始解出納維-斯托克斯的。
他們能把它解出來，靠的是站在眾多偉大科學家、偉大數學家的肩膀上，建立在大量前人工作的基礎之上。我之前說過，我們正處在許多不同領域的臨界點上。就拿納維-斯托克斯方程來說，大量基礎性工作已經完成。如果我們能把 AI 那種窮盡式的探索，應用到這些前人成果之上，我們會很快看到一個突破接著一個突破地湧現。
但這需要大量算力。原因在於，這背後需要海量的搜尋。
你想，如果某個突破只需要有人從第一性原理出發推演出某個基礎理論就能得到，而不需要對搜尋空間做海量的探索（是搜尋空間，不是外太空），那早就有人把它找出來了，對吧？人都很聰明。所以我認為，有很多這樣的問題就懸在臨界點上，只差那股大規模的智能探索，就能把我們推過去。
可以預期，智能的成本會相當快地降下來。原因很明顯：一方面，我們在把更多算力帶上線；另一方面，這些模型本身越來越聰明，越聰明，效率就越高。兩件事疊加，智能的成本就會降下來，而這當然正是大家想要的，對吧？這和摩爾定律沒有什麼不同。往前追溯三十來年，過去三十年，計算的成本每年都在減半。我們也希望智能的成本每年降一半，甚至二十分之一，因為消耗量的增長，會遠遠補上這一點。
所以，這個世界上有一大片亟待填補的空白，一大片機會的真空。我們只要把成本降下來就行。
主持人：關於納維-斯托克斯，讓我印象最深的一點是：他們讓一萬個智能體協同工作。在我看來，OpenAI就像一家超大規模公司，把所有智能體都指向同一個目標。現在早期階段，主要還是大量平行化的搜尋和探索，但我認為，目標是讓越來越多的智能體朝著一個共同目標協作，從而解決更多的問題。而且順著你的話說，據我們的測算，解出這一個實例大概花了 400 萬美元的算力。而未來幾年，做這種事情的成本還會再降 5 到 10 倍。所以，我們能做的事情的範圍，正在急速擴大。
黃仁勳：我們的雄心會一飛衝天。最早的 GPT，挑個數字說吧，大概花了 2000 萬美元訓練出來。而現在你要想訓練 GPT-1，得花多少？一千美元？一百美元？
主持人：差不多一百美元。對。
黃仁勳：從 2000 萬美元，往少了說就算 1000 萬，降到 100 美元，我們只用了 10 年。與此同時我完全預期，我們的雄心也變得如此之大：如今訓練的模型是 3 萬億、10 萬億、30 萬億，我們談論的是巨型模型。我們對這項技術能力的期望一路上去了，與此同時，我們對它的使用量，從十年前到現在，大概漲了一百萬倍。
所以我不認為這個趨勢會停下來。對智能的需求，近乎無法滿足。你越聰明、越有智能，能想到的「用智能去做什麼」的點子就越多。這輩子我學得越多，就越發現有更多事情要做。因為每學會一樣新東西，就推開一扇新的門；每推開一扇新的門，你就看到更多機會、更多挑戰、更多問題。這就是未來。
人們說，這些會讓我們擁有更多時間。我完全不同意。我認為對大多數人來說，智能會解鎖更多的機會，而人們會想去追逐這些機會。你給我舉一個這樣的家庭的例子：一位父親、一個兒子、一個丈夫、一位妻子、一位母親，誰不想要這些、不對家庭的富足懷有抱負？
他們只是沒有機會罷了，而這些東西會把機會打開。
回到 1930 年，凱恩斯對工業革命做過一個預測：一百年後，經濟將增長 8 倍，而每週工作時間會縮短到 15 小時。他說對了，經濟確實翻了 8 倍，我們收穫了巨大的富餘和生產率提升。
主持人：對，只不過我們現在一週要干 80 個小時。
黃仁勳：但我們並沒有降到每週 15 小時。凱恩斯算錯的是人類的精神，對吧？他沒有意識到：工作就是意義，發現就是意義。
這深深在我們的 DNA 裡。我現在工作得比以往任何時候都努力，也比以往任何時候都開心，不是像我祖輩那樣出於迫不得已，而是因為我想這麼做。所以在這一點上我同意你的看法。
我對「奇點」這個想法非常著迷：奇點的假設是，我們如今擁有了這些智能體，它們能在長週期任務上協同工作，能始終盯住任務不跑偏。我喜歡你的這個說法。
主持人：互相盯著別跑偏，像一個團隊那樣協作：「嘿，你跑偏了。」沒錯。
而且我喜歡你的那個觀點：我們都是在前人所有成果之上繼續往上蓋的。想想完全自動駕駛，我們談了十年，卻一直沒有真正做到，對吧？可突然之間，你上 Twitter 看看，人人都在體驗 Tesla FSD、體驗 Waymo，我們到了。今天早上有人問我：「你開車過來感覺怎麼樣？」
我說：「不知道。」因為我上了車、按下 FSD，就再沒管過，直到開進停車庫。我一路上都在工作。但如果把這種躍遷放到科學領域，製藥、基因學領域即將到來的突破：我們已經鋪了 30 年的軌道，即將在治癒世界諸多重大疾病上實現突破。
當然，ChatGPT 已經在幫父母規劃一天的日程、解決孩子的健康問題、讓他們得到更好的教育。不過，跟我們聊聊：為什麼這些東西要突破出來這麼難？Jensen，這些東西明明已經存在、正在改善生活、而且就在拐角處。我很好奇，為什麼它們遲遲無法真正突破出來？
黃仁勳：讓我來試著回答一下。說到底，我們也不會真正知道答案。我跟很多人聊過，聽他們講了自己的看法。
我想，其中一點當然是：AI，或者說超級智能（SI），是一種「軟」東西。你看不見它，摸不著它。於是，全世界都在談論這項技術，可你看不見、摸不到。
儘管人們其實已經在從中受益：搜尋的時候，他們已經在受益；購物的時候，在受益；看 Netflix 的時候，在受益；去沃爾瑪買東西，在受益；FedEx 能把東西送到我們手上。這一切今天都在借助超級智能和加速計算。只是我們沒把這個故事講好。生活確實在受益，只是這一切是隱形的。所以你想，如果哪個週末我們把資料中心、把超級智能統統關掉，我敢說每個人都會察覺。對。我知道你還有一個專門關於機器人的問題。
物理 AI 與機器人
主持人：你今年已經不止一次公開說過，機器人的 ChatGPT 時刻已經到來，你也說過這可能是你們下一個千億美元級的市場。那你今年在這個拐點上看到了什麼，讓你覺得這一切已經近在拐角？
黃仁勳：這個千億美元，我說得還保守了。因為今年上半年，我們光物理 AI 就做了 100 億美元。
物理 AI，本質上就是以某種方式與物理世界互動的 AI。它可以是光子計數 CT 機，可以是超聲波裝置，可以是新一代成像雷達，也可以是下一代 5G，它不但要理解無線電波，還要理解各種各樣的訊號，那是一張感知網路。當然還有機器人、自動駕駛汽車、製造系統、視覺檢測，還有地理空間衛星，給世界成像，再把它重建成 3D。你看整個電磁頻譜，從可見光譜到不可見光譜，處處都有 AI 在工作。而我們在這整條頻譜上都在做工作。
而作為 AI，它有感知的部分，有推理的部分，然後還有規劃與執行的部分。
一旦走到規劃與執行，那就是自動駕駛汽車、機器人這類東西：倉庫裡的配送車、不需要你精確程式設計、自己就能學會的抓放機器人，一直到人們談論的進入你家裡、幫你鋪床的消費級機器人。
還有醫療機器人、醫院機器人，很多很好的例子：把你的處方精準地送到病人面前，讓機器人護理一天 24 小時、一週 7 天、每一秒鐘守護病人的安全，還有整間將完全機器人化的手術室。大量了不起的技術正在落地。
所以縱觀這一切，我們已經是世界上最大的物理 AI 公司。今年上半年我們做了 100 億美元，去年全年做了 100 億美元，那是我們第一個 100 億美元的年度。再往前一年，是 50 億。
主持人：好。所以從 50 到 100，就當我們今年做到 200 億。
黃仁勳：誰知道呢？所以說千億，可能還說少了。
我認為，歸根結底，最終對我們重要的東西都會觸及物理世界，而我們就生活在物理世界裡。把軟體和計算，帶進一個歷史上基本以機械、電氣為主的行業，這是巨大的機會。看看 Elon 對汽車行業做了什麼：把它變成了一個計算行業、科技行業。我認為每一家汽車公司都會成為科技公司，每一家航運、收發和物流公司都會成為科技公司。
我為 FedEx 感到無比興奮，他們顯然將成為一家 AI 公司、一家科技公司。沃爾瑪顯然將成為一家科技公司、一家 AI 公司，我為他們感到超級興奮。整個電信行業將被再次重塑為科技行業，他們很久以前本是科技行業，後來變成了服務行業，如今又要重新變回科技行業。我很高興與 AT&T、Verizon 以及歐洲和世界各地的夥伴合作，見證他們重塑自我。所以你去看每一個觸及物理世界的行業，都有用 AI 重塑它們的絕妙點子。我剛去了華盛頓。
說來有趣，人們總想給我們歸類。但實際上，我們在倉儲物流裡，在醫療健康裡，在汽車行業裡，在電信裡，地球上每一個行業裡。我們在生命科學裡，也在娛樂行業裡。
要知道，很長一段時間裡，輝達基本上就是一家娛樂遊戲顯示卡公司。
每一個這樣的垂直領域，NVIDIA 裡面都有一套龐大的技術堆疊，我們在生態系統裡扎得非常深，有極好的合作夥伴關係。所以說不定哪一天，人們就不再把我們歸類為一家晶片公司了。
主持人：對，也就是說，打法就是把你們在汽車領域的 playbook，我想，複製植入到每一個這樣的行業裡。
黃仁勳：對，那是我們最終想做出的貢獻。但在每一個領域，搭建一個物理 AI 平台都需要三台電腦。你需要一台電腦去創造「大腦」，那是訓練系統。但同樣重要的是，你們也會看到各大實驗室都這麼做，他們需要為網際網路建一個數字孿生，這樣就不必把自己的 AI 智能體直接扔進真實的網際網路裡去學習怎麼使用它。
就像我們創造了 Omniverse，作為倉庫、樓宇、城市和物理世界的數字孿生一樣，我們把機器人放進數字孿生裡，讓它在數字孿生裡學會怎麼當一個機器人，然後再把它部署到最後一台電腦上，比如裝在機器人、汽車或手術器械裡的那一台。所以這需要三台電腦、三套完整的棧，而我們為其中每一套都建構完整的棧，全世界只有我們一家公司這麼做。而如果你是一家想端到端自己建的公司，你可以三台裡用兩台、三台，也可以只用一台，我們完全無所謂。每一台電腦都有自己獨立的軟體棧。我們在所有垂直領域都是同樣的做法。
主持人：當然，這些能力是把雙刃劍，這也是為什麼我們聽到很多人談論安全。你一直強烈批評「末日論」敘事，只有把技術真正建起來，你才可能走到那一步。
負責任地建設
黃仁勳：沒錯。所以第一件事，就是負責任地建造這項技術。注意「建造」這個詞，這是一個工程詞彙。這關乎技術，關乎工程，關乎工程師、科學家和研究者。我們必須安全地、負責任地把這項技術建造出來。那問題就是：你做得到嗎？答案是：絕對做得到。因為如果你做不到，那從一開始就不該建它。
所以，我們要麼相信自己能做到，要麼就根本不該建。我相信我們做得到。來，讓我跟你把這裡面的道理捋一遍。有人說，有些人說，AI 之所以不可控，是因為它不可能被完美對齊。給各位觀眾解釋一下「對齊」是什麼意思：你對某個人說，我要你做這件事，於是使命很清楚。使命之所以清楚，是因為你用英語把它說了出來。比如：「我要你解這個一元二次方程。」
使命是解出這個二次方程，而對齊是「怎麼做」，做法有很多種。比如，你把它背下來了，好，答案是多少就是多少；或者你在某本教科書裡看到過這個答案，於是翻出來抄上；或者你去查了參考資料；再或者，你知道有個抽屜裡裝著所有答案，你拉開抽屜，把答案取了出來。有人管這叫作弊。我管這叫：打開抽屜，取出答案。電腦干的就是這種事，解同一個問題，有很多很多種辦法。當然，這個例子非常明確。再來看另一個：「在人生中獲得成功。」這個使命說起來很容易，事實上我們天天互相這麼說。我們對孩子說、對朋友說：讓我們盡力為社會做貢獻。好，現在問題來了：怎麼做？方式太多了。你要如何合理地對齊？每個人的文化、背景都不一樣。有人認為為社會做貢獻意味著慷慨、與人為善；有人可能認為意味著賺很多錢、然後做慈善；有人可能這樣、那樣，等等等等。難道不是這樣嗎？
有些人可能會覺得，光是建成一家公司、獨立做成一件事，就已經是對社會足夠的貢獻了；創作出一件美麗的藝術品，這些都說得通。所以問題就變成：什麼是對齊？這完全取決於你的背景、你的文化，也許還和你住在哪裡、從哪裡來有關，答案有無數種。所以我想說的是：對齊是一件永遠要做下去的事。如果我們非要依賴「完美對齊」才能確保安全，那我們永遠也到不了那一天。
答案是這樣：想想我們是怎麼對待嬰兒、怎麼養育孩子的，還有養寵物、帶員工，對吧？你從「圈定」（containment）開始。你給他們相應的權利，使用工具的權限、獲取資訊的權限，以及與所交辦任務相稱的責任和能力，還有資金、資源，你按要交給他的工作來給他權限。你從零信任（zero trust）開始。招一個人的時候，你就是從零信任開始的；家裡有個一歲的娃，你會把他放進遊戲圍欄裡。你默認零信任，只給最小的權限，然後隨著瞭解加深，再逐步擴大這個邊界。所以每當我們有一個新的 AI，都必須做同樣的假設。每當你在測試一個 AI：零信任、最小的邊界、最小的權限，然後在測試中給自己建立信心、再逐步放開。所以，圈定，非常緊密的圈定，對任何自主系統來說都極其重要。
第二件事是監測，原因在於：如果你對一個聰明人說，「聽著，我就坐在這兒盯著你幹活，確保你幹得對」，「我就坐在這兒看著你，確保你把客戶服務好、幹得足夠賣力」，那這個自主系統在你盯著的時候和沒盯著的時候，表現肯定不一樣。這就像 Brad 現在正站在房間裡盯著我一樣。
所以，監測必須帶外進行，而且必須有能力觀察到自主系統做出了與政策不一致、或與對齊不一致的行為，同時你還得有能力去上報處置，或者乾脆把它關掉，說關就關。這類能力必須存在。這是工程問題、技術問題，是完全可以做到的。
我們最近發佈了名為 Open Shelf 的東西，現在已經有 100 多家公司加入，全世界範圍內有大量行動，因為所有人都想要同樣的東西。
我感覺美國國內有一種看法，覺得某些超級智能的領導者就是在無腦蠻幹、根本不在乎、魯莽行事，只想把錢全撈走。可是當我環顧那張桌子，我沒有看到一個人是想魯莽行事的、是想無腦蠻幹的。事實上，在場的每個人都想在「快」與「安全」之間找到恰當的平衡。這正是總統定下的基調。我們對它的具體含義有過一些討論，落實的方式確實有不同版本。
主持人：那麼，你會對那些擔心我們有一些魯莽的人活著行為？你看到過這方面的證據嗎？你有孩子。對於你正在參與帶入現實的這個超級智能未來，你會擔憂嗎？
黃仁勳：安全與保障技術，本來就是 AI 的一部分。現在有一種很奇怪的論調，彷彿 AI 技術與安全、保障是兩件正交的事。這就好比說：安全氣囊、剎車系統、雷達、攝影機、ABS、車道保持，所有這些技術都跟汽車無關。你們明白我的意思嗎？彷彿對一輛車來說，唯一要緊的只有發動機。
事實上，整輛車都是汽車技術的一部分。當我說我們要加速 AI 的技術，我的意思就是：我們必須加速安全保障技術，必須加速安全技術，它們全都必須加速。你現在去問任何人，我想大家都會說：讓我們加速安全保障、加速安全技術。沒有人會說「不，這一塊咱們慢一點」。應該加速才對。它們本來就是同一件事。你沒辦法把能力和功能，跟安全與保障拆開，它們是一體的。而且當你交付服務的時候，沒有人會說：「挺好，我很喜歡你這項服務的功能，不過它可真是搞得天下大亂啊。」所以我認為這就是一件事，我們自己把它當作一件事，整個行業也必須把它當作一件事。當我們說「加速」，指的就是加速整個包，包括安全，尤其是安全。
主持人：你提到了「節奏」，尤其是安全上的節奏。有些人讀了 Dario 寫的《Pacing the Frontier》，以為那意味著放慢速度。
我覺得現場有個很好玩的時刻：總統點名了他的「新晉摯友」Dario，他就是這麼稱呼他的，讓 Dario 講講自己對「又快又安全」的理解。Dario 一開口就說：總統先生，您說過，誰贏了 AI 就贏了一切，對吧？
他說，我們所有人都在提速，大家都在加速，都想跑得快、都想贏下這場競賽；但同時也承認，正如你剛才說的，一路上必須確保安全系統同樣在提速、同樣跟得上。
我覺得那是個很重要的時刻，因為外界總把 Dario 描繪成這件事的對立面，但在我看來到場的人其實完全在同一頁上。後來你跟著他，還有 Greg 和其他前沿實驗室的人一起進內閣室簽了這份協議。那個房間裡有沒有人對協議有分歧？當然，協議是簽下來了。有沒有誰是被「鎖喉」著簽的，還是大家都心甘情願？
黃仁勳：所有人都非常有建設性、非常高效。我認為，毫無例外，每一個人都致力於安全、可靠地推進這個行業。原因在於：如果不安全、不可靠，功能就永遠沒有機會開口，能力也永遠沒有機會閃光。
所以我們清楚，任何時候，第一優先都是安全與保障。當然，也要看到，這個行業剛剛經歷了一場轉變。不過是六個月前，這項技術還幾乎不能用。沒有功能和能力，你把它的安全和保障做給誰看？根本沒人在乎。所以 AI 的第一份工作，顯然是證明自己能派上用場。而
它真正到達那個節點，就是在六個月前。於是現在，它真正想要被部署、被大規模部署。毫無疑問，整個行業如今都有一種戰略上的必然、一種極其迫切的緊迫感，要確保我們部署的一切都是安全可靠的。
所以我確信，所有人都已經完全達成共識：能力、對齊的功能、安全、保障，它們完全處在同一個位置上。第一優先順序。
「美國贏」意味著什麼
主持人：所以接下來這個問題是：贏。
黃仁勳：我想重新定義「贏」，不是科技行業贏，也不只是 AI 行業贏。美國贏，意味著美國的每一個行業都贏。醫療保健。
主持人：說得對。
黃仁勳：沒有什麼比這更讓我高興的了。「美國贏」的定義，就是禮來（Eli Lilly）在贏、沃爾瑪在贏、聯邦快遞在贏，每一家都在贏，波音在贏、美國軍隊在贏、每一位公民都在贏。還有我們的大學在贏、我們的中學在贏。這才是「贏」。如果最後贏的只有技術，卻沒有一個人去用它，那就不叫贏。
最大的風險，當然還是這一點。我就直接說個底線：如果我們不能安全、可靠地把 AI 建起來，就不會有 AI 科技產業，這對我們來說是生死攸關的問題。而如果我們讓它變成對所有其他人的生存威脅，那不可能發生，因為首先它就是我們自己的生存問題。所以，說了這些，「贏」對我們而言的定義，這一點我總得稍微修正一下，我希望我們換個思路，轉向（pivot）。
主持人：我喜歡這個說法。
黃仁勳：我希望我們轉向。當我看到 AI 在贏、美國的 AI 在贏，這些天我們常常在天上飛、俯瞰大地，我看到的是：每一個州都在贏，每一個縣都在贏，每一個社區都在贏，每一家公司都在贏。所有人都贏了，因為我們負擔得起在醫療上花更多的錢，負擔得起在教育上花更多的錢，負擔得起在州際商貿、高速公路等等國家基礎設施上花更多的錢。
主持人：我聽下來，你說的「贏」是這樣的：等到 25 年、30 年、40 年後我們回頭看，經濟規模要變成現在的 10 倍，每個人的生活都要變得更好；而貫穿其中的、最根本的前提是，這一切必須以符合人類利益的方式來實現。這是我關於這個話題的最後一個問題，我知道我們還有很多要聊。
三條腿的板凳：安全框架
主持人：大多數人並不瞭解我們國家有一套什麼樣的安全框架。我說過，我們有全世界最健全的超級智能安全框架。
我們顯然是這個星球上唯一一個真正制裁過某個模型、並把它從貨架上撤下來的國家，今年早些時候，我們對 Mythos 就這麼做了。我把它形容為一張三條腿的板凳。
第一條腿：由 CAISI 和商務部對每一個新的前沿模型做前置審查，新模型發佈前，他們做全套工作，審查它、測試它是否可能在市場上造成問題。
第二條腿：白宮超級智能協議，你參與設計的，包括內外部審計、董事會監督，以及隨之而來的全部責任機制。
第三條腿：現在由 Jay Clayton 領導的 SI Force，當然還有 Emil、Scott 和 Andrew，正在做關鍵的行業協調等工作。
就是這三條腿。我最近還聽到蓋茨說「我們做得還不夠，我們需要立新法」之類的話。可在這麼短的時間裡拼出這張三條腿的板凳，在我看來已經份量很重了。
作為超級智能領域最重要公司之一的領導者，你覺得對著我們要迎來的那個未來，這是不是一個好的進步、是不是我們此刻應該在的位置？
黃仁勳：通往未來最好的方式，就是採取行動。
如果我們一直爭論什麼才是「完美」，那我們最後就只會陷在對「完美」的爭論裡，永遠到不了未來。所以我非常喜歡這三條腿的板凳：它們是實實在在的，有真實的效力，而且現在就在發生。
我們之所以現在就行動，是因為它有利於我們的公司、有利於我們的行業、有利於我們的國家、有利於我們的社會，好處是全方位的。
如果我們不這麼做，結局就沒那麼理想，我們就追不上那個我們都夢想過的樂觀未來。你回頭去看看其他行業，我不記得有哪個行業，在它當下所處的階段，就已經建立起這一切跨公司、跨行業、政府與產業之間的協調機制，來確保我們以負責任、樂觀的方式向前推進。
主持人：我只是覺得，讓大家理解這一點太重要了。因為說實話，當我聽到這件事，他們得先來瞭解我們到底在做什麼，他們連我們在做的事情都不清楚。而我們正在做的量非常大。順便說一句，這些都不是自願的：不會有任何一個前沿模型發佈。
黃仁勳：做兩件事。第一，花點時間來瞭解一下：這件事到底要做什麼，問題究竟是什麼。你想要解決方案，至少得先理解問題是什麼。所以第一，來瞭解。我有的是時間，這種事我隨時奉陪。來和我們聊聊，來和我們的行業聊聊，去學習。
第二，去瞭解我們已經建立的這套解決方案，然後看看有沒有想法能讓它變得更好。當然，我們完全持開放態度。但要拿出建設性。
主持人：我記得這正是超級智能協議的第四點：這套機制不是靜態的，而是動態的，這群人會定期碰頭，隨著技術演進按需更新框架。
2027 年 AI 瓶頸：算力大建設
主持人：不過，我現在想把話題轉到算力上。長時間運行、以成千上萬乃至上百萬的規模組隊去解決複雜任務的智能體，這一切消耗的算力要大得多。
SemiAnalysis 的 Dylan 說過：明年我們將新增 43 吉瓦的 AI 算力。給大家一個參照，我們會在網上分享一張圖表，這比今天全世界現有的 AI 算力總量還要多。
明年裝上這批，後年再來 40 吉瓦。而你是那個最清楚每一塊 GPU 被分配到哪兒的人。所以坐在這裡，你覺得這個數字靠譜嗎？你真覺得我們能裝上這麼多算力嗎？
另外，外面流傳的一些說法，許可審批問題、供應鏈瓶頸，根據你看到的情況，你覺得實際數字會和這個預測有實質性的差距嗎？
黃仁勳：我認為需求肯定存在，而且比這還多。需求是實實在在的，甚至不止這個數。挑戰在於：當你從數字世界跨入物理世界，阻礙非常多。土地和許可審批；你得把發電能力建起來、並上電網；當然，你還需要建築工人、裝置安裝工、水管工，各種各樣的工種。
光是建造這些設施就能創造一百萬個新工作崗位，一百萬個新崗位。而且這些技能不是通用可換的：他們掌握大量專業技能，尤其是建造這些 500 億美中繼資料中心的人。
你會需要真正技藝高超的人，而且每一處建設的關鍵環節，都需要非常特定的技能。再加上各地正在出現的各種暫停令，以及我們在全國範圍看到的種種問題。所以我的猜測是：土地、電力、廠房，這些基礎建設的瓶頸，將是達成那個目標的最大障礙之一。
至於我們公司，現在具體說說我們自己，我們正在做好幾件事來緩解這個問題。其一，因為我們是唯一一家服務所有 CSP 的公司，也服務所有 NCP，我們還通過戴爾、惠普、聯想等夥伴擁有強大的企業業務。而且因為我們服務每一家客戶、橫跨 AI 的完整生命週期，從資料處理，到訓練、到後訓練（post-training）、到推理、到智能體處理，再到所有我們加速的工具呼叫，我們的市場敞口、我們的 go-to-market 是全行業最大的。
全世界的每一家代工製造商都在為我效力，每一條市場通路都和我們的架構綁在一起。所以，即便某一個州、某一個社區、某一個資料中心遇到了困難，何況眼下我們的需求遠遠大於供給，我們只需要相應地調整供應鏈就行了。
另外我們還有一張牌，這個答案我自己也不是那麼喜歡。如你所知，輝達（NVIDIA）同時也是整個星球的基礎設施。無論是在歐洲，我們如今在非洲、中亞、東南亞、拉丁美洲、中東等地都已經有了早期佈局。所以說，美國跟不上進度，這一點讓我不太痛快。
但具體到我們的業務，我們的觸角遍佈全球，世界各地都有建設需求。就算不在這裡建，我想大家都必須認清一個現實：世界上每一個國家都巴不得把這套東西建到自己上。
所以我認為，單說我們的業務，它可能是韌性最強的。原因就是我剛才講的這一些：我們覆蓋 AI 的全譜系，覆蓋計算的全譜系，我們進駐了每一個雲、每一個區域。因此這家公司的韌性要大得多。不過我確實認為，明年「土地、電力、機房外殼」會是一個有挑戰的環節。
50 吉瓦晶片、35 吉瓦電力
主持人：我從華爾街聽到的說法大概是這樣：已經宣佈的、正在推進或被談論的晶片大約有 50 吉瓦，而可能真正落地的算力，或者說土地、電力、機房外殼，大概只有 35 到 40 吉瓦。那麼到底哪些算力能裝進這些土地、電力和機房裡，按什麼時間表裝進去，這還是個懸而未決的問題。
黃仁勳：容我打斷你一下。我們的架構是生產率最高的，每瓦電力產出的 token 最多。所以，當全世界的電力、能源供給減少時，大家的選擇就會轉向生產率最高的那一款。
原因很簡單：他們還得做出收入。我所有的 CEO 同行，個個都對明年的收入抱有很高預期，他們必須兌現，股東指望他們兌現，所有合作夥伴也要求他們兌現。所以，當電力變少的時候，裝進去的算力就必須是最非凡、最高產的，必須是當今世界上你能找到的最強算力資源。而我們就是最強的。我們的算力是通用可替代的，而且是耐用的。
所以，正是因為電力短缺，全世界的力量都在把興趣推向我們。我們的市場份額本來就很高。但讓所有人意外的是：我們不僅規模大、份額高，而且正因為這些原因，我們的市場份額實際上還在繼續上升。
而且你會看到我們不斷進化，因為如今每一吉瓦我們能提供的東西比過去多得多。我們曾經只是一家 GPU 公司，後來成了規模最大、增長最快的網路公司，如今我們還將成為最大的 CPU 公司之一，而且肯定是最快的那一個。因為我們提供的東西越來越多，我們進入了儲存計算、知識基礎設施計算，現在還進入了安全領域，我們裝入每一吉瓦的產品價值，已經從當初的每吉瓦約 180 億美元，漲到 200 多億美元，再到如今的 400 多億美元。
我的判斷是，這個數字還會繼續往上走。所以我們的份額增長有兩個來源：一是大家正在向我們的計算平台遷移，二是在同樣的每一吉瓦裡，我們提供的東西更多了。而對整個世界來說，最終比拚的是以美元計的市場份額。
不妨把時間撥回六年前：那時我們佔全球資本開支的比例還只是個位數。而我認為，如今在全球雲服務提供商（CSP）的資本開支中，我們的佔比大約已經到了 40%。
但我們還在把市場拓展到 CSP 之外。CSP 之外，無論是本地部署還是新興雲廠商（Neocloud），這部分佔我們業務的一半，那我們在其中的資本開支佔比又是多少呢？一邊是 CSP 里約 40%，另一半業務的佔比還要更高，而且雙方都還在以每年翻倍的速度增長。這樣你就能看出，我們佔全球資本開支的比例，實際上還要更高。
主持人：說到 NVIDIA 的買家，其中有一位我們兩年前就聊過，馬斯克（Elon Musk），當年他開始建 Colossus 的時候。幾年前，看到他在孟菲斯一口氣架起二十多萬張 Hopper，我們都驚呆了。我記得你當時說：沒人能像他那樣把事辦成。現在他又融了 400 億美元，可能會買入上百萬塊 Vera Rubin。他從「幾千塊」的量級直接跳到了「幾百萬塊」。他說要在 2027 年底前做到 10 吉瓦，那就是幾千億美元砸在 Vera Rubin 上。
這種規模的爬坡速度前所未有。你昨天又和他見了面，他還獲頒了一枚獎章。今天的馬斯克在建算力這件事上，比當年還要強得多嗎？在你看來這已經顯而易見了嗎？SpaceX 成為全球最大的 AI 超大規模算力營運商，是不是已經是注定的結局？
黃仁勳：是這樣，在我們的統計口徑裡，我們的報表分兩大塊，馬斯克以前被歸在企業（Enterprise）名下，我們過去是這麼報數的。現在，他已經歸入我們的 CSP 類別了，這是理所當然的。
這個類別的體量非常龐大。所以我很高興，和馬斯克共事讓我非常享受。他在自己的 AI 業務裡使用我們的技術：訓練模型之類，還有部署模型。當然，Grok 非常酷，對 Grok 的需求和消費量正在飛速攀升。然後，他當然還把算力對外出租。這三件事集於一身，他在業內相當獨特。我想想，Google應該也算一個，對吧？
而且我覺得他還有一個優勢：他熱愛計算與實體建設交匯的那個領域。你知道，他熱愛這一整塊，而且沒有人比他更懂能源。
而我們即將攜手探索的一個全新市場，是把資料中心送進太空。我們的兩個工程團隊正在極其緊密地合作，打造一種新型的伺服器、新型的架構，它在太空和地球上可能都會極其出色。
主持人：是啊，我們看到上週發射了，完成了首次軌道交會，還釋放了那些 V3 衛星，簡直點燃了所有人的想像力，大家看得如痴如醉。我自己都迫不及待想當一個載荷飛上去，開玩笑的，不是真人那種。
你的信心是不是越來越足：到 2028、2029 年，通過星鏈，我們真能在太空部署起成規模的算力？馬斯克放出的數字很大，但你覺得在那個時間框架內，太空推理能達到有實質意義的規模嗎？
黃仁勳：那只會是 NVIDIA 的算力。
讓我告訴你為什麼。這不只是技術問題。NVIDIA 的單位能耗性能是全球最佳的，我們稱之為「每瓦性能」。但最關鍵的一點是：NVIDIA 算力的生產率太出色了，也就是說投入資本的回報率好到什麼程度呢，好到你可以把它放進太空，而發射成本只佔其中很小的一個百分比。
發射成本當然絕非可以忽略不計。所以，沒人會把低價值的算力送上太空，對吧，送上去的一定是高價值算力。而我們是你能想像到的價值最高的計算系統，是計算史上價值最高的計算系統。所以此刻要把算力發射上太空，我們就是最完美的選擇。哪怕把發射成本全部算進去，投資回報率依然非常出色。
主持人：那到什麼時間點，我們能在太空部署 500 兆瓦？
黃仁勳：這個嘛，我還是讓他自己來公佈吧。不過你想，馬斯克現在一年得有一百次發射了吧？具體數字我記不清了，反正隔不了幾天就升空一次。所以你完全可以把 Vera Rubin 放上去，而且賬算得過來，需求就在那裡，他在上面的投資回報率好得很。
再加上生產率極其出色，而且算力是通用可替代的。什麼意思？你把一顆衛星送上天，如果沒有客戶來租用，它就只能幹等著閒置，你肯定不希望這樣。而 NVIDIA 的算力會是完全租得出去的，租戶會多得多。世界上每一家閉源模型公司都在和我們合作，世界上每一個開源模型都在我們的平台上運行，成千上萬家創業公司在和我們合作，還有每一個行業的企業客戶。所以這些算力是完全可以被消化的，而且是耐用的。
衛星會一直待在軌道上，而我們會讓它持續保持先進。原因就是我們在不斷升級 CUDA、不斷更新軟體。我們是全世界唯一一家這樣的電腦硬體公司：你八年前付的錢，我們至今還在為你的軟體推送新版更新。只要衛星還在天上，我們就會一直更新下去。所以它真的會非常耐用。我認為，這三重特質加上技術本身，讓它成為 SpaceX 完美的載荷。
AI 收入能否配得上資本開支
主持人：這一切資本開支總共要花掉數萬億美元。你們還動用了自己的資產負債表，去幫助 Neocloud 這類公司完成建設。
要讓做財務的人把賬算平，他們得看到回本週期，對吧？你提到過有些公司一年就能回本，第一年就進賬 500 億美元，或許還有從 SpaceX 那邊來的現貨定價。但如果我看總的增量消納收入，也就是所有實驗室今年的收入，把兩家前沿實驗室加起來，
對了，加上一些推理實驗室，總共大約是 2000 億美元，對吧？明年我們需要看到它翻倍到 4000 億，後年再翻倍到 8000 億，才能勉強湊到數萬億美元資本開支的回本區間。
今年 Claude Code 帶來了一次巨大的解鎖，讓 Anthropic 的收入增長了 10 倍。你有多大信心，這些實驗室能繼續做到每年 2 到 3 倍的收入增長，從而兌現數萬億美元資本開支所要求的回報？你在這些公司裡有大量投資，對吧？你看到它們會延續這種增長水平嗎？
黃仁勳：人們誤解了眼下的局勢。
首先，如今全球 AI 基礎設施的收入份額裡，NVIDIA 大約佔 80%。而我如何描述這個計算宇宙，NVIDIA 計算，基本上可以分成三大板塊（實際可能還略多一點，但我先歸成三大類來講）。
我們算力的第一板塊是最基礎的計算：用於資料處理、分子動力學、物理模擬、核聚變模擬、核裂變模擬，應有盡有，量子化學、量子物理，諸如此類的一切。
這個模擬與資料處理的世界，還不算電腦圖形學，所有這些處理都在我們的 GPU 上完成。假如世界上壓根沒有 AI，只有經典機器學習，Visa、萬事達用 XGBoost 做欺詐檢測，推薦系統決定該給你推什麼新聞，把所有這些東西加起來，這類經典計算，不是 AI、不是深度學習、不是智能體系統，大約佔我們業務的三分之一。而且這塊業務每年還在以 30%、40% 的速度增長。也就是說，就算一個 AI 實驗室都不存在，NVIDIA 也絕不是零，對吧？我們本來就已經是一家相當大的公司了。
這是第一塊。第二塊是 AI 實驗室。大家只看到兩家，但我們和每一家都有合作。Meta 幹得非常出色，而且用的幾乎全是 NVIDIA。要知道，去年它們在這塊還是零，再往前推一年，它們還只有推薦系統，如今它們的模型已經做得風生水起。當然，Grok 三年前根本不存在；我們以前不運行 Gemini，現在運行了；而從今年開始，我們也和 Anthropic 展開了合作。所以你看我們算力的盤子，別人只看到幾家實驗室，我看到的不止，我看到五、六家。而且這些實驗室全都乾得很好。
就算這部分不到我們業務的三分之一，就算它佔我們算力的四分之一吧，也已經非常可觀了。好，就按四分之一算。所以當大家看 NVIDIA 的時候，我們如今運行著全世界的基礎設施，我剛說了，其中 25%、也許 30% 是前沿實驗室；大約三分之一是一般的處理業務。
而另外三分之一，這才是真正精彩的部分。因為我們正處在一輪全新計算平台變遷的開端，海量的新創業公司正在湧現。太多優秀的公司了。其中當然有做消費級應用的，有一家做得非常出色，Noah、Instinct，我正想提它們呢，Noah 幹得真好。還有各種各樣的物理 AI、生物 AI、材料科學 AI，傑夫·貝索斯（Jeff Bezos）的新公司 Prometheus，它們做得都非常出色。
各行各業誕生了多少這樣的公司？成千上萬家。它們在幹什麼？租 NVIDIA 的算力。所以它們都是租戶。對。我們大約三分之一的業務，本質上就是「下一代雲端運算」，有點像今天的 AWS，對吧？不，它就是未來的 AWS。這部分加起來大約佔我們業務的三分之一。
我的感覺是，這場新計算架構的大建設還處在非常早期的階段。如果只盯著那麼兩三家公司，就認定是它們在供養整套基礎設施，那是一個天大的錯誤。
最後再說一個觀察，關於開源模型。你知道，我一直都是開源模型的堅定擁護者。原因在於：開源模型能打開新的機會。看看這些創業公司，其中 80% 都在使用開源模型。而且他們並不是要拿它去和前沿實驗室競爭，他們是要用它去解鎖別處的新機會，對吧？
可能是物理 AI，可能是製造業，也可能是醫療健康。他們做的事完全不同。他們會拿這些開源模型，其中很多用的就是 Nemotron，然後把這些模型定製成自己領域裡的超級智能。
所以可以這麼看：通用的閉源實驗室會走向通用人工智慧，把通用能力做得超級強；而與此同時，還有這麼多垂直領域的公司，專注在某個特定領域，手裡握著非常獨有的資料，教會模型去做非常具體的事情，從而在各自的領域實現超級智能。
主持人：所以你看，我們回到你那套「算力數學」，很多人都在拿它去預測那些實驗室未來的收入。比如你說過：立起 1 吉瓦這樣的算力，另一頭就能產出 400 億美元。
那如果我們拿剛才說的數字，明年上線 40 吉瓦算力，每一吉瓦都按 400 億算，那就是 1.6 萬億美元的收入從這座工廠的另一頭湧出來。當然，事情不是這麼算的，對吧？歸根結底，你得看需求曲線和擴散速度，才能確定這座工廠另一頭到底能產出多少收入。而我經常聽到的是：大家很緊張。他們看到這一年裡實驗室的收入增速好像放緩了一點，就擔心某個時點會出現老話說的泡沫破裂，也就是某個時點上的供給超過了需求，擔心 AI 更像一級級台階，而不是一條徑直向上的拋物線。所以我想問的是：你擔不擔心會出現這樣一個時刻，大家對為這場建設浪潮融資感到緊張，結果這場建設就沒搞成？
黃仁勳：這些事你得拆開來看，回到第一性原理。大家試圖外推的那一部分，1000 億美元的 ARR，或者它們現在所在的 1250 億，只是整體基礎設施建設當中的一部分。不算小，但確實只是一部分。所以真正的問題是：人們還會繼續網上購物嗎？
所以說，三分之一。記得大概兩年前我說過，到這個十年收尾的時候，基礎設施建設的規模大概會達到每年 3 到 4 萬億美元。顯然，更接近 4 萬億而不是 3 萬億。
如果說這裡面有 1.5 萬億隻是計算，僅僅是計算。那它為什麼會這麼大？因為在 AI 開始之前，這個數字就有 5000 億了。如果我告訴你，用了大概六七八年，它漲到了 1.5 萬億，原因無非是全世界消耗的計算越來越多，這並不不合邏輯，對吧？
記住。摩爾定律已經終結了。曾經，你想要多一倍的電晶體，等一年就行；想再多一倍，再等一年，價格還一樣。可現在你想要多一倍的電晶體，等多久都沒用，你得付雙倍的價錢。沒錯，因為摩爾定律終結了。所以全世界想要的算力，每一年，想要多一倍，就得付多一倍的錢。
於是在那 5000 億，原本只是隨著全世界數位化程度加深而自然增長的 5000 億，之上，你還得再乘上一個放大係數，來反映摩爾定律終結這個事實。所以，即便沒有 AI，半導體行業也本來就在通往世界最大產業的路上。這一點我很早就說過，只是大家忘了。
我兩年前就講過。所以這只是其中一塊。然後別忘了，因為我們正處在一次全新計算平台的更替當中，還會湧現出大批初創公司。創新本身就是經濟的一部分，新公司會不斷誕生，而且我們說過，這一切還在加速。你看，回到摩爾定律、通用計算的時代，是每吉瓦 50 億美元；今天是 500 億。
主持人：一台 Vera Rubin。所以問題就來了：Vera Rubin 真的能給世界帶來 10 倍的價值嗎？
黃仁勳：所以重點在這：我認為，根本沒必要把任何一家實驗室外推成一家數萬億美元的公司。完全沒必要。
主持人：我覺得這一點非常重要，因為就在昨天，市場上還在議論 OpenAI 的收入到底是 700 億還是 500 億。我看你和我一直在強調的，其實是同一件事。
黃仁勳：它們會成功得不可思議。
主持人：是啊。但你也看到了很多基礎設施公司隨之回呼，大家害怕的是：天哪，OpenAI 沒有錢，將來也不會有錢來支付這些基礎設施。我認為你一直在反覆敲打的重點是這一點。
主持人：當我們看明年 40 吉瓦的基礎設施建設時，至少有三分之一隻是通用算力的替換，就是超大規模雲廠商最基礎的那部分需求；有三分之一會流向新雲廠商、主權 AI、企業以及所有其他客戶、所有初創公司；還有三分之一會流向不是兩家實驗室，而是很多家實驗室，包括 Grok、Thinking Machines，以及所有其他還在湧現的公司。可我們卻把過大的壓力壓在了兩家身上。
黃仁勳：我很樂意與它們合作、支援它們。它們會成為歷史上最有影響力的兩家科技公司，會取得輝煌的成功。但它們不需要做到接近萬億美元的收入才算成功。對，我認為我們給它們壓的壓力太大了。而除此之外，行業的其他部分，我們仍然要去建設幾萬億美元的計算基礎設施。
主持人：好，我們接著聊，稍微換個話題。各位，這個有多好吃？順便問一句，這叫什麼？
黃仁勳：這是李子干，甘草味，是我的最愛之一。再加點鹽、糖，還有別的。
主持人：有點特別的回味。你說過，明年市場對輝達（NVIDIA）晶片的需求遠超 100%；而你給出的收入增長指引是 70%。你只給了一年的前瞻，是因為你說供給受限。
黃仁勳：當時我手上能看到的就只有這麼多。
主持人：沒錯。你還說過「我有 18 個月的活要干」。你說你非常有信心。
黃仁勳：但我每天還是照常來上班。
主持人：你說你「非常有信心」，還說有充足的時間與供應鏈合作、可以做得更好；你預期會做得更好，不會讓客戶失望。那麼，事情真的在變得更好嗎？訂單簿還在繼續增長嗎？畢竟你當時只是拍下了一個時點的快照，而大家當然還在持續下單。你覺得供應鏈裡還有足夠的余量、可以再擠出更多產能嗎？隨著越來越多的能力被解鎖，訂單簿是否還在增長？
黃仁勳：大家都在預測。
我們面臨的挑戰是：我們手上有巨大的訂單簿。每一家 CSP 雲服務商、每一家 NCP 新興雲廠商、每一家 OEM 裝置商，都早就向我們下過訂單。初創公司、大企業、小公司，全都下過單。
原因在於，我們會和客戶一起做預測，按客戶體量不同，至少提前一年，最大的客戶提前兩年。所以我們的訂單簿本來就非常龐大，而我當時正在做配給，我分配給所有客戶的量，遠遠少於他們想要的量。而且，如果我沒有把我們的真實情況公開說出來，所有人都會瞎猜：是不是被虧待了？是不是有別的原因？所以，這基本上就是我的辦法，用它來應對每一場不得不讓客戶失望的談話。
主持人：所以，基本上每一個客戶，只要你能交付更多，就會買更多。
黃仁勳：毫無疑問。而且從那以後，新訂單幾乎每週、每天都在進來。另外，我們的供給也在增加，而限制我們的一部分因素，是下游的土地、電力和機房殼體，對吧？
幾週前，我們宣佈了澳大利亞的 2 吉瓦項目。這是件大事，2 吉瓦對我們來說差不多就是 800 億美元。我希望等一起去歐洲的時候，能在那裡宣佈一些新的合作，解鎖更多土地、電力和殼體資源。所以土地、電力、殼體顯然是障礙之一，而這恰恰是輝達優勢巨大的領域。因為基於我們所建構的東西。
假如有一家新雲廠商，比如 CoreWeave 或 Nebius，想要擴展業務，輝達擁有全端、完整的 AI 基礎設施，可以在它們擴張的每一步提供支援。我們能在別人建不了的地方、和別人搆不著的夥伴與客戶一起建設，我認為這讓我們有了大得多的韌性。
不過，儘管我們在上下游持續增加供給，仍有一個關鍵環節：基板。基板越做越大，晶片越來越多，這從兩個方面都對我們不利：每一顆出貨的晶片，都要佔用更多的基板材料。這些有機材料要達到我們所需的精度非常難，因為封裝越大，熱係數和我們堆疊的方式，會讓翹曲和各種製造缺陷的處理變得極其困難。以我們的規模，必須做到非常精確，所以我們需要真正出色的合作夥伴。
這些就是供給受限的例子，只是一部分例子，硅光子也供給受限。一切都供給受限。
我們會繼續努力，我有 18 個月的時間去做這件事，每過一週，供給都會增加一些。但我們一邊不斷增加供給，訂單簿一邊還在往上漲。所以，未來幾年，這個缺口都很難填平。
主持人：來看一下，這條灰線，是 2025 年初市場對輝達的共識預期；這條藍線，是很早以前 Altimeter 的預測，所以我們當時遠高於共識。而現在這條線，是根據你的指引形成的新共識。最讓我震撼的是：有 25 個人，專職靠預測這家公司的表現拿薪水，他們所有人的觀點匯成的共識，偏差了兩三百個百分點。而這還只是，不對，是去年的這個時候。
黃仁勳：去年的這個時候，當時還不到 25 個人。
主持人：對，那就是去年這個時候的共識。也就是說，一年之內。
黃仁勳：上禮拜。
主持人：一年之內，市場對這家公司的共識預測上調了 100% 到 200%。太驚人了。我做這行二十多年，很少見到共識偏差這麼大的情況。然而股價只漲了 20%。想想看：這家公司的收入預測和自由現金流預測被實打實地翻了一倍，而它現在的市盈率也就 13 到 14 倍，取決於你看哪家的數字。那你覺得市場在對輝達說什麼？或者說，市場對預期到底有多大的信心，才會走出這樣的行情？因為通常來說，共識上修這麼多，股價本該漲得多得多。
黃仁勳：首先，一家有我們這麼大體量的公司還在持續拿下份額，這本身就說明了一切，說明這種韌性，說明我們的規模和體量。
主持人：那這個優勢是在擴大還是在縮小？你的護城河是變寬還是變窄？
黃仁勳：我們的競爭護城河在變寬。我給你舉個例子，我們現在就來做一場思想實驗。
假如你現在必須遞給別人一張一千億美元的支票，馬上籤一份下一代產品的採購訂單。如果你想排隊預訂 Vera Rubin Ultra，現在差不多已經到下單的時候了，而且是在沒見過實物的情況下。但客戶就是有這個信心。好，假設你必須把一千億美元押在某一家公司身上，你怎麼知道它一定會好？正因為它是 NVIDIA 造的，你就知道它一定比 Vera Rubin 更好，而 Vera Rubin 已經無比出色。大家對 Vera Rubin 有信心，又是因為 Grace Blackwell 擺在那裡。
在計算的世界裡，這些機器承載的工作負載複雜到極致，你不可能只測一個基準就下結論。這可是一張 500 億美元的訂單。要把這樣的性能做出來，需要匯聚的技術之多，簡直是瘋狂。所以問題就是：在未看先買的情況下，你能放心地把一張 500 億美元的訂單下給誰？放眼全世界，真的只有我們一家。
要知道，放在過去，下一張 10 億美元的採購單就已經夠有挑戰性了。而如果你下的是一張 1 億美元等級的採購單，機器就擺在你面前，你直接跑一遍測試就行了。
主持人：那現在這些東西要怎麼測？
黃仁勳：能把它們造出來，本身就已經是個奇蹟。所以如果有人想做評估，我很樂意配合，但你得先給我一座超大型資料中心，我們還得花上幾年時間去改造它。所以說，這些東西你已經沒辦法再做基準測試了。
主持人：有意思。這和台積電身上發生的事一模一樣。
黃仁勳：我們把 100% 的業務交給台積電，原因就是：它是全世界唯一一家公司，我可以提前五年做規劃，而且在沒見到實物的情況下就知道那一代電晶體一定非常出色，因為它比上一代更好，一代更比一代好；知道它會為我備好產能；知道它懂得怎麼和我的業務團隊配合；它有足夠的敏捷性，扛得住我所有的起伏，比如說，應對我從灰做到藍、再做到綠這件事。
主持人：就是這樣。
黃仁勳：它必須有足夠的體量，才能帶著我完成從灰到藍再到綠的跨越。全世界沒有第二家公司能幫我做到這一點。而且要把從硅光子、邏輯製程到儲存，再到各類先進封裝等所有這些不同的工藝技術全部整合起來，我們做的事情的動態性實在太強了。一家規模只有人家十分之一的公司，怎麼可能做到這一切？不可能。所以我認為，核心的大思路是：因為我們在為整個星球打造基礎設施，輝達（NVIDIA）已經成了一家基礎設施公司。何況這些基礎設施動輒耗資巨大，而技術又在飛速演進。
實際上，我們代表的就是這種信任的總和。因為一切都是我們在跑：一開始只是一些 GPT 模型，但看看後來被發明出來的 FlashAttention 機制，看看我們如何對模型做平行、如何把它們分片到 NVLink 72 上，這一切是如何演變的；現在大家又在談 transformer 擴散模型、混合 SSM 的 transformer 混合架構。所有這些技術，無論怎麼演進，我們都知道它們全都跑在 CUDA 上。這是唯一的。我們不知道接下來需要的是更多預訓練、後訓練，還是只做智能體推理，結果發現：反正不管哪種，都是我們在跑。
所以，你可以放心去建一座 500 億、1000 億美元的資料中心，並且清楚地知道工作負載是可互換的。萬一出於某種未知的原因，你想把一半容量「轉租」給別人，輝達是完全可互換的。我們在工作負載上可互換，在模型上可互換，在方方面面都可互換。
而且我們在全世界任何地方都能部署。你在歐洲創業、在美國創業，可你想要你的客戶，你想服務歐洲的客戶、日本的客戶？結果發現我們早就在那裡了，輝達的基礎設施早就在那裡。所以，OpenAI 想去歐洲？沒問題，我們立刻帶他們去。想去印度？立刻。是不是這樣？Anthropic 想去日本、韓國？立刻，我們已經在那裡了。
全球佈局：歐洲、日本與更多
黃仁勳：所有這些架構都已經在那裡了。所以我覺得，把輝達當作一個整體來看，然後回過頭來說：好，我想做個思想實驗，我要把一千億美元押在某個人身上，你會怎麼做？
主持人：一年前我們坐在這裡的時候，市場的共識預期還是你們 2027 年會持平甚至萎縮。而現在，共識預期是你們將增長 74%。我想讓大家好好消化一下這個事實，因為有太多人跟著這些共識預期走，對吧？而它錯得離譜。
黃仁勳：他們有沒有回頭去聽一聽你上一期的播客？
主持人：你都告訴過他們了。
黃仁勳：就是啊，我把一切都解釋過了。各位聽眾朋友們，我真的解釋過。
主持人：所以當我展望 2029 年，中間不是還有 ROI 的質疑嗎？然後還有那個定製化的問題。對，定製與通用之爭。
黃仁勳：輝達之所以做成通用型的，就是為了讓我擁有這一切可互換性。
主持人：沒錯。
黃仁勳：可互換的好處就是風險低。對，而只有當你押下重注的時候，低風險才真正變得關鍵。當你在建造 500 億、1000 億美元的基礎設施時，你需要確信這套基礎設施能在很長很長時間裡都保持極佳狀態，對吧？
所以，專業化是可互換性的敵人。
主持人：專業化是敵人。
黃仁勳：只要我能證明我們的性能是卓越的，而我們每一天都在證明這一點，那麼一旦證明了，可互換性和耐久性就會轉化為可出租性，進而轉化為可融資性。而這又帶來最低的總擁有成本（TCO）。
主持人：現在你們正在以史上最大的規模回購股票，而且按我的演算法，未來兩年內你們可能回購高達公司 10% 的股份。你還在高盛把輝達稱作「第一家增長價值型公司」，聽起來很像當年蘋果講的故事，是這樣吧？
黃仁勳：甚至有過之而無不及。也就是，他們證明了資本是可以返還給股東的。
主持人：這招確實管用。
黃仁勳：管用。蘋果的股價從當年的 30 美元一路漲到了 300 美元。
而在很多方面，我們正經歷一場類似的轉型。比如說，有件事我忘了講，Brad，我想你正想問我這個，我們大部分的投資與融資合作策略，都是在搭建兩種新的商業模式。其中一種我們已經籌備了一段時間、並將在不久的將來加速推進的，就是軟體授權。
我們公司積攢的軟體體量是非凡的，而我們的資料中心規模又如此龐大，想像一下其中運行的所有軟體。而且我們提供的是完整的技術堆疊。
我們的整個技術堆疊，對雲服務商來說是達到完全工業級強度的。不過他們想運行自己的技術堆疊，對吧？所以我們要麼授權，要麼把軟體開源給他們；他們拿去修改、整合進自己的體系，然後營運自己的服務。但世界上很多公司既沒有 IT 部門，也沒有軟體部門來做這些事，所以他們需要我來替他們維護。
而在過去幾年，AI 的重心主要是訓練；現在，他們正在轉向部署。對吧？他們需要把這些系統當作工廠來營運，而且他們需要知道：我會兜底。我受 SLA 約束，要支援它、維護它、保它安全、保它可靠，直到天長地久。所以，面向企業業務的軟體授權會非常、非常大。
簡單算筆賬：假如我們的軟體授權費大約是每顆 GPU 每年幾千美元，而我們有數百萬顆 GPU，我們一年大約出貨 2000 萬顆 GPU，而且還在增長，其中一半會進入全球企業市場。累積起來就是一筆大數目。
好。所以我很確定，軟體授權會成為我們業務中非常大的一塊。然後當然，還有一些雲廠商，在更多層面上依賴著輝達：他們依賴我們的承購（offtake）、我們的生態；他們還依賴我們，或許是作為投資夥伴，幫助他們鎖定融資和資本。
他們已經搞定了土地、電力和建築外殼。他們是區域市場的龍頭，各種優勢都集於一身。但就是這三個方面，他們需要我們的支援。所以在這一類合作關係中，我們很可能會轉向收入分成：我們先做投資，賣裝置的收益當場落袋，往後還能持續獲得分成收益。所以我們不是雲服務商，但我們會為他們提供承購、提供軟體支援，一提供就是四五年、十年。既然如此，我們就理應從中獲得一些經濟回報。所以，收入分成。
注意，我剛剛描述的是兩個全新的增長引擎，完全獨立於我們公司的硬體銷售，更多地與我們平台的裝機量（install base）掛鉤。要是沒有裝機量，軟體授權還有什麼意義？要是沒有裝機量，又哪來的收入分成？好。所以，裝機量這個要素、我們軟體棧的豐富度、承購的豐富度，以及我們在全球各地的生態系統，將成為這兩塊業務的燃料。
主持人：就像我們剛才聊到的 13 倍估值。你知道，當年 Tim（庫克）和 Luca 去見沃倫·巴菲特的時候，巴菲特說過，他不喜歡科技公司的原因之一是：這些公司爆紅一把，產生巨額自由現金流，然後從不把這些錢返還給股東，而是拿去花在別的東西上，而那「別的東西」往往還不如最初幫他們賺出現金流的那個主業。
而你們現在把超過 50% 的自由現金流用於回購股票，等於把錢返還給股東，與此同時你們還在指數級增長，這個我們前面已經聊過了。
黃仁勳：我們說的是 50%，不過上個季度，我想我們做到了 60% 多。對，而且我們還會加大力度。大家都知道，我們投資的都是質量非常高的公司。過去幾年，輝達買誰家的東西、我買誰家的東西，你就得跟著投那家公司。
主持人：華爾街流行的新說法是：Jensen 投誰，你就投誰。
黃仁勳：這話是真的。原因在於，我們和你們一樣，身處這個生態系統裡，身處資訊流裡，這些投資我們是一起看下來、一起瞭解的。我們認識很多聰明人，當他們想做一番偉大的事業時，我們願意在背後支援他們。所以我們算是站在局內，掌握著大量資訊，因此我們的投資是有充分依據的。更不用說，輝達本身也在這個生態系統裡，我們還可以幫助他們成功。
所以，這些投資之所以表現出色，背後有很多原因。但作為我們總現金產出的一個百分比，這個比例會非常快地下降：一來，OpenAI 和 Anthropic 這樣的機會不會再出現了，坦白講，那種機會不會重來；二來，我們的現金流本身也在快速增長。
主持人：說到這一點，我有個感覺：既然你們的回購力度這麼大，而且正如你今天所描述的，收入的持久性比人們預期的更長，我覺得這恰恰是大家還在死揪著不放的一個點：「這波只能持續這麼久」。前幾天 Ezra 在播客裡問過你：泡沫什麼時候會破？我記得你說了個兩三年。你看得清清楚楚，需求就在那裡，至於再往後誰知道呢。我還聽到有人說「可能兩年就破」。但在我看來，這從根本上是對全球全部計算的永久性重構。
黃仁勳：永久。除非發生什麼全球性的意外。
主持人：那也就是說，每一年人們都得消耗海量的 NVIDIA 算力。
黃仁勳：這件事可以這麼看：雲服務商們每年大約投入 5000 億美元，整個行業、整個世界每年新建的規模差不多是 1 萬億美元。
而且每一年都建得更多；每五年左右，就有一部分被折舊、關停、下線，也有一部分用得更久。舊世界是「檢索式」的計算方式。
而新的計算方式，我預測會一路延續幾十年，3 萬億、4 萬億，就說 4 萬億、5 萬億吧。而且我的感覺是，我們還會從這裡繼續增長。如果你告訴我，每年的產能建設、基礎設施建設、新舊更迭加總起來大約是 10 萬億美元，我連一絲一毫都不會意外。
主持人：給聽友們再捋一遍：你的意思是，到這個十年末，每年將有約 4 萬億美元的支出，因為每一次消耗 token、每一次使用智能，機器就得運轉，這座工廠必須跑起來。而且我記得你描述過：假設全球有 50 萬億美元的 GDP 與知識工作相關，如果 5 年內獲得 20% 的生產力提升，你在輝達內部看到的生產力提升比這大得多，但哪怕只達到這種程度，也意味著 10 萬億美元的新增經濟活動。到 2029、2030 年實現，聽起來非常合理。而你剛才說的是，我們會把其中的一半。
黃仁勳：作為資本開支，投入到生產智能上。
主持人：你今天實在太慷慨了，我可以一直聊下去。要是這是一場邊吃邊聊的節目，我們還能繼續。但我想回到我們開場的地方來收尾，對吧？當我們回望，就在不久之前，Anthropic的境況還被形容為「骯髒、野蠻、短暫」，對吧？
黃仁勳：那是上週才說過的話吧？
主持人：創新真正驅動了人類的全部進步，主要是在過去 200 年裡：更多時間陪伴家人、更長的壽命、更少的時間花在人類真心不想做的苦差事上，也更安全。
黃仁勳：我們是第一代把「63 歲還算年輕」當作常態的人。現在還有人叫我「年輕人」呢。
未來十年：99.99% 的信心
主持人：生活還在繼續變得更安全、更美好。而這一切，是在你我聽到外界這麼多擔憂聲的同時實現的。順便說一句，工業革命之初，人們表達的也是同樣的擔憂，對吧？你有多大信心：5 年後的我們會發現，自己做出了正確的決定，世界因為我們正在做的這一切投資，變成了我們描述的那個美好得多的地方？今天坐在這裡的你，比 12 個月前更有信心嗎？
黃仁勳：我有 99.99% 的信心。為了尊重一位好朋友不用 0 和 100 的習慣，我有 99.99% 的信心：因為有太多太多的人在深切地在乎，在乎這個結局必須是好的。我們會傾盡我們的力量、我們的智慧、我們的資源，確保我們以負責任的方式抵達那裡。
而且，有太多的人在做著正確的事。很多時候，那些對這類事情高談闊論的人，資訊來源就那麼幾樣，他們意識不到：在他們的資訊圈之外，還有許許多多的人、產業、傑出的研究者和工程師，正獨立於他們、靠自己做成著神奇的事情。就因為他們沒有說，不代表一大群聰明人沒有在做聰明的事。
我在公司內部經常說這句話：即使沒有我的領導，這家公司自己也在做著聰明的事。聰明人本來就會做聰明的事；當你把大家組織起來，他們能做出更有影響力的事情，但即便各自為戰，這些了不起的人照樣在做著聰明的事。所以，當有人跟我說「你該擔心」，我們有擔憂是好事，對吧？我們應該表達憂慮、表達關切，但我們不應該預言世界末日。
因為他們低估了人類的處境，低估了人類的能力。他們出於某種原因，也許是自負，也許是傲慢，總覺得除非由他們親手來做，這件事就不會被做成。
除非由他們親手來做，就不會被做成。可事實是：不管我說不說，這家公司都在做著了不起的事情。當然，所有的讚譽和責備都歸到我頭上，但說實話，這兩種情況都不盡公平，尤其是讚譽。道理很簡單：當你身邊圍繞著了不起的人，而你又創造出讓每個人都奔著同一個結果去的條件，那個好的結果、那個好的版本，我相信大多數人都想要這樣。這就是為什麼我說，我們必須讓自己負起責任，但與此同時，我們也應該去描繪一個值得期待的未來。所以，我有 99.99% 的信心：有全世界這些了不起的人聚在一起，我們一定能共同抵達那裡。
主持人：完全同意。我覺得你是國寶。能有你幫著帶隊衝鋒，是我們的幸運。這個國家欠你一份情。你把所有人凝聚到一起，讓大家上了同一頁，搭建起了框架。後面還有很多工作要做。但作為兩個孩子的父親，我知道你有孩子，你將來還會有孫輩，我們不在乎任何別的事情。
你只在乎真正為他們建設一個更美好的世界，對吧？我們本來隨時可以停下來。
黃仁勳：但如果我們今天就停下來，我們就輸了，對吧？我們就失去了那個更美好世界的機會。
主持人：好，我們就聊到這裡。謝謝你，Jensen。
黃仁勳：謝謝你們。 (智能紀元AGI)