編輯 | 云昭

采訪 | BG2

出品 | 51CTO技術棧（微信號：blog51cto）

9月下旬以來，大忙人黃仁勛更忙了。先是宣布了跟英特爾的投資合作，而后又傳來1000億美金投資OpenAI的星際之門。

尤其對后者，外界對于英偉達的做法頗有質疑的聲音：你把錢投資給OpenAI，然后OpenAI又反過來購買的你芯片。這不是“循環營收”嗎？

這個質疑，直接在這周五知名播客欄目BG2中被拋出。

面對犀利的質疑，老黃戴著一副紅框眼鏡回應道：“營收和投資是兩回事?！辈⑦M一步解釋了自己背后的考量：英偉達從OpenAI自建數據中心背后看到了兩個指數級增長機會：

“他們正經歷兩個指數級增長。第一個是用戶數量的指數級增長，因為 AI 變得更好、應用場景更好，幾乎所有應用都接入了 OpenAI。這是使用的指數增長。第二個是計算量的指數級增長，每次調用都不再是一錘子買賣，而是要先思考再回答。這兩個指數疊加，大幅推高計算需求?！?/p>

對話中，主持人 Brad 跟這位英偉達創始人聊了太多AI當下的內幕。

“華爾街預測：2027年英偉達增長會回落到8%的增速以內?！薄懊绹鴮τ谥袊魧W生的吸引力正在直線減弱?！崩宵S非常認真的做出了回應?！懊绹枰扇鹇杂媱潄砦盥斆鞯娜?，這事關生死存亡。”

當然，重點還是黃仁勛對于英偉達的下一步野望。

“大家對于英偉達的真正定位存在誤解。他們記得我們是家芯片公司。沒錯，我們造芯片，而且造的是世界上最強大的芯片。但 NVIDIA 真正是一家 AI 基礎設施公司。我們是你的 AI 基礎設施合作伙伴。我們和 OpenAI 的合作就是一個完美示范?！?/p>

很明顯，大模型的三條擴展定律已經燒到了“推理→思考”市場，英偉達很早就發現了這一定律背后的千萬億倍的市場。

此外，黃仁勛還對馬斯克做了點評：他本人就是一個“終極GPU”，同時還將谷歌的“TPU”描述為“很有前瞻性的優勢”。

總之，黃仁勛傳遞了信號：英偉達如此強大、如此自信、如此不可思議，以至于可以跟昔日的競爭對手聯手合作。

對于外界一直存在的AI泡沫聲音，老黃那句“放馬過來！”回應了一切

當然料還很多，在AI商業化前景方面，黃仁勛預計，未來5年內，AI驅動的收入將從1000億美元增至萬億美元級別。

談及和OpenAI的合作，黃仁勛表示，OpenAI很可能會成為下一個萬億美元級別的超大規模公司，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”。

關于ASIC的競爭，英偉達放話，即使競爭對手將芯片價格定為零，客戶仍然會選擇英偉達，因為他們的系統運營成本更低。

未來五年，他很看好人工智能和機電工程的融合，以及AI去理解生物學的無限復雜性方面。

等等。這里不再一一展開。

提醒：由于采訪中部分段落敏感尺度較大，這次小編做了必要的刪減，見諒。

三條可擴展定律：傳統推理是一錘子買賣，但思考擴展定律卻被嚴重低估

Brad：Jensen，很高興再次回來，當然，還有我的搭檔 Clark Tang。你知道嗎，我簡直不敢相信已經過去這么久了。哦，對了，你的眼鏡真不錯。非常適合你。問題是，現在大家都會希望你一直戴著它。他們會說，“紅眼鏡呢？”我可以為此作證。

Brad：自從我們上一次錄播客，已經過去一年多了。

Brad：對吧。你現在超過 40% 的收入來自推理。但推理因為“鏈式思維”已經準備好要爆發了。

黃仁勛：沒錯。它即將增長十億倍。對，一百萬倍，一十億倍。沒錯。這正是大多數人還沒完全理解的地方。這就是我們之前談過的產業，但這次是工業革命。

Brad：說實話，從那以后，我感覺你我每天都像是在延續那期播客的對話。在 AI 的時間里，這一年仿佛過了一百年。我最近又回看了那期節目，里面很多話讓我印象很深。其中最讓我觸動的是你當時敲桌子強調的觀點。記得嗎，那時候大家對預訓練有點悲觀，很多人說，“天啊，預訓練的終結要來了。”我們是不是建得太多了。

是的，那是大概一年半以前。而你當時說，推理不會只是增長一百倍、一千倍，而是要增長十億倍。這也把我們帶到了今天。你剛宣布了一項重大交易，我們應該從這說起。

黃仁勛：我低估了。讓我鄭重其事地說一句——我低估了。我們現在有三條擴展定律，對吧？預訓練擴展定律、后訓練擴展定律。后訓練基本上就像 AI 在練習一項技能。練到它能做對。所以它會嘗試很多不同方法。為了做到這一點，你必須做推理。所以現在訓練和推理在強化學習中整合在了一起，非常復雜。這就是所謂的“后訓練”。第三個就是推理。傳統推理是一錘子買賣。但新的推理方式，我們更看重的，是“思考”?；卮鹬耙认胍幌?。對。所以現在我們有三條擴展定律。思考得越久，答案質量就越高。在思考過程中，你會做研究，會去驗證一些事實，會學到新東西，然后繼續思考，再學更多，最后才生成答案。不要一上來就直接生成。所以，“思考、后訓練、預訓練”，我們現在有三條擴展定律，而不是一條。

Brad：你去年就知道這些了。但你今年對于“推理能力將提升十億倍，以及它會把智能帶到什么高度”的信心，比去年更強了嗎？

黃仁勛：今年我更有信心。原因是現在我們看看這些智能體系統。對吧。AI 不再只是語言模型，而是由多個語言模型組成的系統。它們并行運行，有些在用工具，有些在做研究，對吧？全是多模態的?？纯船F在生成的視頻，簡直瘋狂。

英偉達投資OpenAI星際之門千億美金，背后看到了兩個指數級增長機會

Brad：這其實把我們帶到本周大家都在討論的一個關鍵時刻。幾天前你宣布的那項和 OpenAI Stargate 的巨額合作。你們將成為優先合作伙伴，并在一段時間內向該公司投資 1000 億美元。

Brad：他們要建 10 個數據中心。如果這些都使用 NVIDIA 的技術，那英偉達的收入可能高達 4000 億美元。幫我們理解一下吧，談談這項合作對你意味著什么？以及為什么這項投資對 NVIDIA 來說這么合理。

黃仁勛：首先，我先回答最后一個問題，再從頭開始講。我認為 OpenAI 很可能會成為下一個數萬億美元級別的超大規模公司。好吧。為什么稱它為超大規模？就像 Meta 是超大規模公司，Google 也是。他們會同時擁有消費級和企業級服務，很可能成為全球下一個數萬億美元的超大規模公司。

既然如此，那么在他們到達那個高度之前投資，這可能是我們能想象到的最聰明的投資之一。而且你必須投資你熟悉的領域。碰巧我們非常了解這個領域。所以這筆投資的回報會非常可觀。我們很喜歡這個機會。我們并不是必須投資，也不是被要求投資，而是他們給了我們這個機會。太棒了。

好，現在從頭說起。我們和 OpenAI 在多個項目上合作。第一個項目是建設 Microsoft Azure，我們會繼續做下去，這個合作進展得非常好。

黃仁勛：我們有好幾年的建設要做，僅此一項就是數千億美元的工作。第二個是 OCI 的建設。我想大概有 5 到 7 個 GW 的規模即將開建。我們和 OCI、OpenAI 以及軟銀一起做這個。這些項目已經簽了合同，正在進行，有很多工作。第三個是 CoreWeave。這里我還是在講 OpenAI 的合作。好的，一切都在 OpenAI 的語境下。那么，這個新的合作是什么？就是幫助 OpenAI 第一次打造屬于他們自己的 AI 基礎設施。

所以這是我們和 OpenAI 在芯片層、軟件層、系統層、AI 工廠層面的深度合作，幫助他們成為一家完全自主運營的超大規模公司。這會持續很長時間，補充在我們已經在做的所有項目之上。你知道，他們正經歷兩個指數級增長。第一個是用戶數量的指數級增長，因為 AI 變得更好、應用場景更好，幾乎所有應用都接入了 OpenAI。這是使用的指數增長。第二個是計算量的指數級增長，每次調用都不再是一錘子買賣，而是要先思考再回答。這兩個指數疊加，大幅推高計算需求。所以我們需要建設所有這些項目。這個新的合作，就是在原有的基礎上再增加一層支撐，來應對這場前所未有的指數級爆發。

OpenAI自建數據中心是一件大事

Brad：不過你剛才說的有一點讓我特別感興趣。你認為他們極有可能成為萬億美元級別公司，是個極佳的投資機會。與此同時，你們還在幫他們自建數據中心。到目前為止，他們一直依靠微軟來建設數據中心，現在他們要自己打造全棧工廠。

黃仁勛：他們希望和我們建立的關系，基本上就像 Elon 和 X 那樣。對，Elon 和 X 是自建的。沒錯。我認為這是一件大事。

Brad：你想想 Colossus 的優勢，他們也是全棧自建。這才是真正的超大規模。因為如果他們不用這些算力，可以賣給別人。Stargate 也是一樣，他們正在建造巨大的算力容量。他們認為自己會用掉大部分，但同時也能把富余的賣給別人。這聽起來就像 AWS、GCP 或 Azure。你說的是這個意思吧？

黃仁勛：是的。我認為他們很可能自己用，就像 X 一樣會自己用。但他們想要和我們建立直接的合作關系、直接的采購關系。就像 Zuck 和 Meta 與我們有直接合作；我們和 Sundar 以及 Google 的關系是直接的；我們和 Satya 以及 Azure 的合作是直接的。對吧？所以他們現在已經到達足夠大的規模，認為是時候建立這樣的直接關系了。我很高興支持這一點。Satya 知道，Larry 也知道，大家都很清楚。

華爾街：英偉達2027年之后增長基本停滯？黃仁勛回應：我們一直輕松超額完成

Brad：而且大家都很支持。讓我覺得有點神秘的是，你剛才提到 Oracle 3000 億，還有 Colossus 的建設，我們知道各個國家主權基金在建什么，也知道超大規模公司在建什么。Sam 談的是以“萬億”為單位的投入。但在華爾街，25 位覆蓋你們股票的賣方分析師，他們的共識預期是，從 2027 年開始，你們的增長基本停滯。2027 到 2030 年只有 8% 的年增長。這 25 個人的唯一工作，就是預測英偉達的增長率，而且他們拿工資就是干這個的。但他們的預測是這樣——當然，你們自己也說對這個預期是“沒問題的”。

黃仁勛：對，我們對此沒意見。我們一直都能輕松超額完成。

三個要點否認“AI過熱”

Brad：我理解。但這里的差距確實很有意思。我每天都在 CNBC、彭博聽到這樣的聲音。他們認為今天的短缺會在 2027 變成過剩，不會再需要那么多。最多他們承認 2026 沒問題，但之后就會過剩。他們顯然不相信。但我覺得很重要的一點是，你們的共識預測根本沒反映這種爆發。我們也基于這些數字做過預測，結果發現，即便 AI 時代已經過去兩年半，Sam Altman 說的、你說的、Sundar 說的、Satya 說的，和華爾街的信念之間依然存在巨大分歧。不過你對此好像也很淡定。

黃仁勛：我也不認為這兩者矛盾。

Brad：那你解釋一下？

黃仁勛：好的。首先，作為建設者，我們的任務就是為機會建造未來。我們是建設者。我給你三個要點思考，這三個要點也許能讓你對英偉達的未來更有信心。

黃仁勛：第一點，物理定律層面的，這是最重要的一點：通用計算已經結束，未來屬于加速計算和 AI 計算。那要怎么理解？世界上有多少萬億美元的計算基礎設施都要更新換代。而一旦更新，就會變成加速計算。第一件事你要認識到：通用計算結束了。這一點沒人否認。大家都說摩爾定律已死。大家都同意通用計算的未來就是加速計算。所以我們和 Intel 的合作，就是要把通用計算和加速計算融合，幫他們創造新機會。

黃仁勛：第二點，AI 的第一個應用場景已經無處不在。對吧？在搜索、推薦引擎、購物里都有。過去超大規模計算的底層是 CPU 在做推薦，現在換成 GPU 在做 AI。所以你把傳統計算遷移到加速計算和 AI，把傳統超大規模遷移到加速計算和 AI，這就是數千億美元的市場。因為今天全球大約有 40 億人都在使用 TikTok、Meta、Google，他們的需求都在驅動加速計算。

Brad：完全正確。所以即便不考慮 AI 創造全新的機會，僅僅是它改變了做事方式，就已經足夠了。

黃仁勛：沒錯。然后第三點，我們來談未來。到目前為止，我說的都算“平常的事情”。就像你不再用煤油燈而用電燈，不再用螺旋槳飛機而用噴氣式飛機。這些都只是“換代”。而一旦你進入 AI 和加速計算，新的應用機會才真正出現。這就是我們討論的 AI 機遇。它會是什么樣子？簡單的理解方式是：電機取代了勞動力和體力活動，而今天，AI 超級計算機、我所說的“AI 工廠”，會生成 Token 來增強人類智能。而人類智能占全球 GDP 的 55%-65%，大約 50 萬億美元。這個 50 萬億一定會被 AI 增強。

所以我們回到一個具體例子：假設我雇一個年薪 10 萬美元的員工，再給他配一個 1 萬美元的 AI。如果這個 AI 讓他效率翻倍、三倍，那我立刻會用。而且我會在公司每個人身上都這樣做。事實上，我們現在就在這么做，每個人都有 AI 協同代理。

英偉達的新野心：要拿下“推理→思考”的市場

Brad：去年，Satya 看起來似乎在收一點，嗯，有人說他是那個“屋子里最清醒的成年人”，在給這些預期降溫。幾周前，他又說，今年他也建了兩個 gig（gigawatt 級別的數據中心/算力部署），未來要加速。

你覺得一些傳統的超大規模廠商，過去可能比 CoreWeave、Elon 的 X，或者 Stargate 動作更慢一些的，現在是不是也都——至少在我看來——在加大投入，開始加速了？因為出現了第二個指數曲線。

黃仁勛：沒錯。我們已經經歷了一個指數增長，那就是 AI 的采用率和使用率在指數式增長。是的。第二個指數增長點，就是“推理”。

黃仁勛：這是我們一年前的對話。一年前。對。我們當時說過：一旦你讓 AI 從“一次性”的東西“背答案”和泛化，本質上就是預訓練。比如背答案，“8 乘以 8 等于多少？”背下來就行了。所以背答案、泛化，那就是一次性的 AI。

然后，一年前，推理出現了。Tooluse 出現了。于是你就有了會“思考”的 AI。十億倍的提升。這會消耗更多算力。某些超大規?？蛻簦缒阏f的，他們本來就有內部工作負載需要從通用計算遷移到加速計算，所以他們在周期內持續建設?？赡苡行┏笠幠S商的負載不同，不確定自己能多快消化。這沒錯?，F在大家都得出結論：自己大大低估了需求。我的一個最喜歡的應用，就是老派的數據處理。很快我們就會宣布一個非常重大的“加速數據處理”計劃。數據處理代表了當今世界上絕大多數 CPU 的使用場景。

黃仁勛：它現在仍然完全運行在 CPU 上。比如你去 Databricks，基本都是 CPU。Snowflake，大部分也是 CPU。Oracle 的 SQL 處理，也主要靠 CPU。大家都用 CPU 來處理 SQL、結構化數據。未來，這一切都會遷移到 AI 數據處理。這是一個巨大無比的市場，我們要去拿下。但這需要——NVIDIA 做的所有事都需要加速層，以及特定領域的數據處理。

循環營收：投資OpenAI，然后OpenAI又反過來買N卡，回應：很早就想投了，遺憾當時太窮

Brad：但也有質疑的聲音——比如昨天我打開 CNBC，他們在說“供過于求、泡沫”；我打開 Bloomberg，他們在說“循環營收”。嗯哼。給大家解釋一下，所謂循環營收，就是公司之間簽訂虛假交易，在沒有真實經濟實質的情況下虛增營收。換句話說，增長不是靠客戶需求，而是靠財技包裝。大家最常提的案例，就是 25 年前的思科和 Nortel 泡沫。所以當你們、微軟或亞馬遜投資那些也是你們大客戶的公司——比如你們投資 OpenAI，而 OpenAI 又買走數百億美元的芯片——能不能提醒我們、提醒大家，那些 Bloomberg 的分析師到底搞錯了什么？

黃仁勛：10 吉瓦大概就是 4000 億美元，對吧？對。差不多。而這 4000 億美元，大部分必須靠他們的收入來支持——而收入在指數式增長。同時要靠他們通過股權融資籌來的資本，以及能借到的債。這三條路。他們能籌到的股權、能借到的債務，都和外界對他們收入可持續性的信心相關。沒錯。所以聰明的投資人和放貸方會權衡這些因素。這是他們的事，不是我的業務。當然，我們必須緊密跟進，確保我們能支持他們的持續增長。所以營收和投資是兩回事。投資跟營收沒關系，那只是一個投資機會。就像我們剛才說的，這很可能會成為下一個數萬億美元的超大規模公司。誰不想投資呢？我唯一的遺憾是，當初他們邀請我們投資時，我們太窮了。我們當時太窮了，投得太少。我應該把我所有的錢都給他們。

Brad：現實是，如果你們沒把芯片做好，比如 Vera Rubin 出來不行，他們完全可以去買別家的芯片放進數據中心。對吧？沒任何義務一定要用你們的芯片。就像你說的，你們是把這當成一個機會型股權投資。順便說，你們已經做了很多非常成功的投資。

黃仁勛：對，我得說一下。我們投了 xAI，投了 CoreWeave。非常聰明，對吧？對，太聰明了。

Brad：而且，從根本上講，你們做的是有真實經濟價值的事，而不是兩家公司之間互相倒騰收入。比如，ChatGPT 每個月都有大量用戶付費，15 億月活用戶在用。對。你剛才也說了，全世界的企業要么上車，要么淘汰。每個國家都把這看作和核能一樣重要的國家安全與經濟安全議題。

黃仁勛：沒錯。哪個人、企業或國家會說“智能對我們來說是可選項”？不會的。這是基礎。它是智能的自動化。

英偉達護城河一：極限協同設計

Brad：好，我已經把需求問題問透了。我們聊聊系統設計。我待會兒想讓 Clark 來說下。2024 年，你們在 Hopper 上切換到一年一更的發布節奏。2025 年你們推出 Grace Blackwell，需要對數據中心大規模改造。2026 年下半年會有 Vera Rubin。2027 年 Ultra，2028 年 Feynman。這個一年一更的節奏現在怎么樣？你們當初為什么要做這個切換？NVIDIA 內部的 AI 是否讓你們能實現這樣的節奏？

黃仁勛：是的。回答上一個問題，如果沒有 AI，NVIDIA 的速度、節奏和規模會受到限制。如今沒有 AI，我們就根本不可能造出現在的產品。那么我們為什么要這么做？還記得嗎，Eddie 在財報或大會上說過，Satya 也說過，Sam 也說過：token 的生成率在指數式上升。對。客戶使用率也在指數式上升。他們大概有 8 億周活用戶，對吧？對。這距離 ChatGPT 發布還不到兩年。

Brad：而且每個用戶生成的 token 量也大幅增加，因為用了推理。

黃仁勛：所以第一點是，由于 token 生成率指數疊指數上升，我們必須在性能上實現驚人的提升，否則 token 生成成本會越來越高。因為摩爾定律已經失效，對吧？對。晶體管的成本每年基本不變，功耗也差不多。在這種情況下，除非我們創造新技術把成本降下來，否則就算你每年便宜幾個百分點，也根本無法抵消兩個指數的增長。所以我們必須每年大幅提升性能，才能跟上指數曲線。

黃仁勛：比如從 Kepler 到 Hopper，大約 10 年，性能提升了 10 萬倍，那是 NVIDIA AI 旅程的起點。Hopper 到 Blackwell，僅靠 NVLink 72，一年就提升了 30 倍。接著 Rubin 又會再來一次飛躍，Feynman 也會再來一次。而這之所以可能，是因為晶體管已經幫不上多少忙了。摩爾定律大體上只剩下密度在提升，但性能沒什么提升。所以我們必須把整個問題拆到系統層級，同時改 CPU、GPU、網絡芯片、NVLink 的 scale-up、Spectrum X 的 scale-out，所有芯片、軟件棧、系統都同時革新，做到極限的“協同設計”。以前從沒人在這種規模上做過。

黃仁勛：我們改變 CPU，重新定義 CPU，重新定義 GPU，網絡芯片，NVLink 的縱向擴展，Spectrum X 的橫向擴展。有人說過，“啊，那只是以太網?！辈皇堑摹pectrum X 的以太網可不是普通以太網。人們現在才發現，x-factor 的威力太驚人了。對。NVIDIA 的以太網業務是全球增長最快的以太網業務。對。然后我們必須建更大的系統，把多個 AI 工廠互聯起來。并且我們要以一年一更的節奏推進。所以我們自己也在走指數疊指數的技術曲線。這讓客戶能不斷降低 token 成本，讓 token 更聰明，前訓練、后訓練、推理都更強。結果是，AI 越聰明，使用就越多，使用越多，增長就越快。

Brad：給不太熟悉的人解釋一下，“極限協同設計”是什么意思？

黃仁勛：極限協同設計就是必須同時優化模型、算法、系統和芯片，要跳出“盒子”創新。摩爾定律的邏輯是：只要讓 CPU 越來越快，一切都會快，你就在盒子里創新。就是把芯片做快。

黃仁勛：但如果芯片快不起來了，你還能怎么辦？那就得跳出盒子創新。嗯哼。所以 NVIDIA 做了兩件事改變了格局：我們發明了 CUDA，發明了 GPU，還發明了大規模協同設計的理念。嗯哼。這就是為什么我們進入了這么多行業。我們在打造各種庫、做協同設計。第一，極限協同不僅僅是軟件和 GPU，而是擴展到整個數據中心層面，包括交換機、網絡、交換機里的軟件、網卡、scale-up、scale-out，跨這些層面做優化。

結果就是，從 Hopper 到 Blackwell 的性能提升是 30 倍。摩爾定律根本做不到。對。這就是“極限”。

這就是極限協同的成果。也正因為如此，NVIDIA 才進入了網絡、交換機、scale-up、scale-out、scale-across，還造 CPU、GPU、NIC。我們才會有這么豐富的軟件生態。我們在開源社區的代碼貢獻量，幾乎比所有公司都多，只有一家能比我們多，我記得是 AI2。

黃仁勛：所以我們有龐大的軟件積累，而且這還只是 AI 相關的。別忘了還有計算機圖形學、數字生物學、自動駕駛。我們公司產出的軟件量是驚人的。嗯哼。這讓我們能做到深度、極限的協同設計。

英偉達的護城河二：極致的規模

Brad：我聽說過一個競爭對手的說法：你們這么做，一方面確實能降低 token 生成成本，但另一方面，你們一年一更的節奏，也讓競爭對手幾乎追不上。因為你們給了供應鏈三年的可見性，所以供應鏈更有信心去擴產。你怎么看？

黃仁勛：等等，在你提問前，先想想這個。對。要想每年支撐幾千億美元規模的 AI 基礎設施建設，想想我們一年前得提前準備多少產能。我們說的是數千億美元規模的晶圓啟動和 DRAM 采購。你們能想象嗎？對。

這已經是一個幾乎沒有任何公司能跟上的規模了。

Brad：那么你會說，你們的競爭護城河比三年前更寬了嗎？

黃仁勛：首先，現在的競爭對手比以往更多，但難度也比以往更大。我之所以這么說，是因為晶圓的成本越來越高，這意味著如果你沒有在極端規模上進行協同設計（co-design），就根本不可能實現那種“X 倍數”的增長。這是第一點。所以，除非你一年里能同時搞六七八顆芯片，否則是不可能的。而這正是一個了不起的事情。

Clark Tang：嗯哼。

黃仁勛：這不是在造一顆 ASIC，而是在造一個 AI 工廠系統。這個系統里有很多芯片，它們都是協同設計的。只有這樣，才能帶來我們幾乎常態化實現的 10 倍增長。第一點是極致的協同設計。第二點是極致的規模。當客戶部署一個吉瓦（gigawatt）的系統，那意味著 40 萬到 50 萬顆 GPU。要讓 50 萬顆 GPU 一起運作，本身就是個奇跡。真的，這是個奇跡?？蛻粼谀闵砩铣袚司薮蟮娘L險才去買這些東西。你得問自己，有哪個客戶會在一個全新的架構上下注 500 億美元？對，一個全新的架構。

黃仁勛：是的，你剛剛才 tape out（一種芯片定稿工序）了一顆新芯片。你自己興奮得不得了，大家也替你開心。但誰會在這種時候給你一張 500 億美元的訂單？對吧？為什么要為一個剛剛 tape out 的芯片開啟 500 億美元的晶圓生產？但對 NVIDIA 來說，我們能做到這一點，因為我們的架構已經被證明極其可靠。我們的客戶規模巨大，我們的供應鏈規模也已經不可思議。對吧？誰會愿意為一家企業提前開動這么多生產、提前預置這么多產能，除非他們知道 NVIDIA 能夠兌現交付？而且他們相信我們能夠交付給全球所有客戶。所以他們愿意一下子開啟數千億美元的投入。這就是規模的力量。

贊TPU：很有前瞻性

Clark Tang：說到這點，全球最大的一個爭論就是 GPU 還是 ASIC。Google 的 TPU，Amazon 的 Tranium。似乎從 ARM 到 OpenAI 再到 Anthropic，都傳聞在自研芯片。去年你說過，你們造的是系統，不是單顆芯片，你們是通過整個棧的各個環節去驅動性能提升。你當時還說過，很多項目根本不會量產。

黃仁勛：大部分都不會。

Clark Tang：對，大部分都不會。但考慮到 Google TPU 的成功，你今天怎么看這個不斷演變的格局？

黃仁勛：首先，Google 的優勢在于前瞻性。記住，他們在一切開始之前就已經啟動了 TPU v1。這和創業公司沒什么兩樣。創業公司應該在市場爆發前就誕生，而不是等市場規模已經達到數萬億美元時才入場。有一種謬論，很多 VC 也常常講：大市場里只要拿到幾個百分點份額，就能成就一家巨頭。實際上，這是根本錯誤的。

黃仁勛：你應該是拿下一個小市場的 100%，這正是 NVIDIA 做的事，TPU 也是這樣。那時只有我們兩個，但你得祈禱這個小行業未來真的會變大。

AI的記憶是個大問題，英偉達的視角早已不再是GPU

Brad：你們是在創造一個產業。這正是 NVIDIA 的故事。也是 ASIC 研發者如今的挑戰。

黃仁勛：沒錯。表面上看，這個市場很誘人。但要記住，這個市場是從一顆叫 GPU 的芯片，演變成了我剛才描述的 AI 工廠。你們剛看到，我發布了一顆叫 CPX 的芯片，用于上下文處理和視頻生成擴散。這是個非常專門的任務處理器，但卻是數據中心里很重要的任務。

我也暗示了，也許未來會出現 AI 數據處理專用芯片。因為你需要長期記憶、短期記憶，KV cache 的處理非常密集。AI 的記憶是個大問題，對吧？你當然希望 AI 有好的記憶。而處理整個系統的 KV 緩存是一件非常復雜的事情，也許這就需要一顆專門的處理器。也許還會有其他需求。所以你看，NVIDIA 的視角已經不再是 GPU，而是整個 AI 基礎設施：要讓這些了不起的公司能夠把他們多樣化、不斷變化的負載跑起來。

看看 Transformer 架構的演變有多快。如果不是 CUDA 足夠易用，足夠靈活，他們怎么可能測試海量的實驗，決定到底采用哪種 Transformer 版本、哪種注意力機制？CUDA 之所以重要，就是因為它可編程。

所以看今天的格局，當很多 ASIC 項目在三四五年前啟動時，那時的行業還很單純可愛，就是 GPU 的事。但現在規模龐大且復雜。再過兩年，它會變得完全龐然大物。此時想作為一個新進入者去爭奪市場，就非常艱難。

Clark Tang：即便那些在 ASIC 上有點成果的客戶，他們的算力集群是不是也需要平衡？投資人往往是二元思維，要么是，要么不是。但即便 ASIC 有效，是不是也得有個最優平衡？比如他們買 NVIDIA 的平臺，而你們又會不斷發布新的芯片，比如 CPX，針對預填充、視頻生成、解碼、轉碼……NVIDIA 的生態會有更多模塊加入。隨著新工作負載出現，加速計算集群也會隨之擴展。

Brad：換句話說，Google 依然是個大 GPU 客戶。

黃仁勛：對，Google 是個大 GPU 客戶。Google 是個很特殊的案例，必須給予他們應有的尊重。TPU 已經到第七代了。這對他們來說也是個巨大的挑戰。他們的工作極其艱難。

黃仁勛：記住，芯片有三類

黃仁勛：所以首先要記住，芯片有三類：第一類是架構型芯片，比如 x86 CPU、ARM CPU、NVIDIA GPU。這類芯片有生態系統，有豐富的 IP 和復雜的技術，由擁有架構的公司來打造。第二類是 ASIC。我當年就在 LSI Logic，這家公司發明了 ASIC 的概念。但 LSI Logic 今天已經不在了。

黃仁勛：原因是 ASIC 很適合小市場。但一旦市場變大，就會轉向 COT（Customer Owned Tooling，客戶自有工藝）。比如蘋果的手機芯片，體量大到不可能去給別人留 50%、60% 的毛利做代工。TPU 最終也會走向 COT，這是毫無疑問的。當然，ASIC 還是有它的舞臺。視頻轉碼不會太大，SmartNIC 也不會太大。所以一家 ASIC 公司里有十幾個項目我并不驚訝，很多其實是 SmartNIC 或轉碼器，不全是 AI 芯片。如果有人做個專用推薦系統的嵌入式處理器，那當然也能做成 ASIC。但如果你要造的是整個 AI 的核心算力引擎，這就非常復雜了。因為 AI 的任務多樣：有低延遲的，有高吞吐的，有聊天生成的，有復雜推理的，有視頻生成的。那才是加速器的主干。

Clark Tang：而這正是 NVIDIA 所做的。

Brad：我換個通俗點的說法吧。那些今天做 ASIC 的人，其實是在下跳棋。而你們在下國際象棋。因為 ASIC 只是整個機器的一個零件，而你們打造的是一整套復雜的平臺、系統、工廠。而且你們現在還在拆分，對吧？比如 CPX GPU，就是在把負載拆分到最合適的硬件去執行。

黃仁勛：沒錯。我們發布了一個叫 Dynamo 的東西——分布式 AI 工作負載編排系統。而且我們開源了它。因為未來的 AI 工廠就是分布式的。

Brad：你們還發布了 NV Fusion。甚至對競爭對手都開放了。包括你們剛投資的 Intel。這意味著，如果某家公司有足夠優秀的產品，終端用戶愿意替換掉 ARM GPU 或者替換掉你們的推理加速器，就可以直接插入到你們正在構建的 AI 工廠里。對嗎？跟我們多說一點吧。

黃仁勛：NVLink Fusion。這是個非常棒的主意。我們很高興能和英特爾在這方面合作。它把英特爾的生態系統——你知道，全世界大部分企業依然運行在英特爾之上——和 NVIDIA 的 AI 生態系統、加速計算生態系統融合在一起。

黃仁勛：我們之前也和 ARM 做過類似的事情，對吧？接下來我們還會和其他幾家合作。這為雙方都打開了機會。是一個雙贏，巨大的雙贏。我會是他們的大客戶，他們也會把我們帶到更大得多的市場機會上去。對。

Brad：這也和你提出過的一個觀點高度相關，這個觀點其實震撼了不少人。你說，我們的競爭對手在造 ASIC。他們的芯片今天就已經更便宜了，甚至他們可以直接定價為零。我們的目標就是：即便他們把價格降到零，你依然會買 NVIDIA 的系統。因為整個系統的運行成本——電力、數據中心、廠房土地等——以及最終產出的智能價值，仍然比買一顆即使免費的芯片要劃算。

黃仁勛：因為光是土地、電力和廠房殼體就已經要 150 億美元了。對吧？

Brad：我們試著做過一些數學推演，但請你來解釋一下。因為對于沒花太多時間研究的人來說，這個邏輯根本算不過來。怎么可能在你們的芯片價格那么高的情況下，把競爭對手的芯片按零成本計算，最終還是你們更劃算？

黃仁勛：這里有兩種理解方式。第一種，從收入的角度來看。大家的限制條件都是電力。

假設你能多獲得 2 吉瓦電力。那么這 2 吉瓦電力你當然希望能轉換成收入。

如果我的性能，或者說“每瓦特 Token 數”，是別人每瓦 Token 的兩倍，因為我做了深入極致的協同設計，所以我的單位能量性能遠高，那么我的客戶就能從他們的數據中心里產出兩倍的收入。

誰不想要兩倍的收入呢？即使別人給你 15% 的折扣，比如我們和他們的毛利差距是 75 個百分點對 50-65 個百分點，這個差距遠不足以彌補 Blackwell 和 Hopper 之間 30 倍的性能差。

就算假設對方的 ASIC 等同于 Hopper，Blackwell 也有 30 倍差距。那你在這 1 吉瓦電力上得放棄 30 倍的收入，代價太大了。所以即便他們把芯片送你，你也只有 2 吉瓦電力可用，你的機會成本高得驚人，你一定會選擇每瓦性能最優的方案。

Brad：我從某家超大規模公司的 CFO 那里聽說過類似的事。他們說，鑒于你們芯片帶來的性能提升，特別是每吉瓦 Token 數的提升，而電力是瓶頸，他們必須升級到新一代周期。那么當你展望 Rubin、Rubin Ultra、Feynman，這條曲線會延續下去嗎？

黃仁勛：我們現在一年造六七款芯片，這些芯片是作為一個系統來工作的。整個系統里軟件無處不在。要通過六七款芯片的整合和優化，才能實現 Blackwell 的 30 倍性能提升。對。想象一下我每年都在做這樣的事。咚咚咚咚咚，一年接一年。所以如果你在這個“芯片湯”里只造一個 ASIC，而我們在整個“芯片湯”里跨代優化，這問題就很難解。

英偉達要做AI基礎設施供應商，不再只是GPU，主持人：10萬億美元市值？

Brad：這也讓我回到最初的問題：競爭壁壘。我們和投資人關注你們很多年了，整個生態的公司我們都有投，包括你們的競爭對手，比如 Google 和 Broadcom。但如果從第一性原理看，你們是壁壘在加深還是在削弱？你們轉向年度迭代節奏，你們和供應鏈協同開發，規模遠超任何人預期，這既需要資產負債表的規模，也需要開發能力的規模。你們通過收購和自研（比如 NVLink Fusion 或我們剛提到的 CPX）做的動作，加在一起讓我覺得你們的競爭壁壘其實在加深，至少在建造“工廠”或“系統”層面是這樣。很令人驚訝。但有趣的是，你們的市盈率卻比很多公司低。我覺得部分原因是“大數定律”，大家覺得一個 4.5 萬億美元的公司不可能更大了。但我一年半前也問過你：今天再來看，市場對 AI 工作負載的預期是 5 倍甚至 10 倍增長，我們也知道 CapEx 在飆升。那么在你看來，有沒有可能 5 年后你們的營收不是現在的 2-3 倍？換句話說，營收不大幅超過今天的概率有多大？

黃仁勛：我這么回答吧。我們的機會，正如我剛才描述的，遠遠大于市場共識。

Brad：我在這里要直說：我認為 NVIDIA 很可能會是第一個 10 萬億美元市值的公司。我在這里待得夠久了——就在 10 年前，大家還說不可能有萬億美元公司?，F在我們已經有 10 家。對吧？但今天世界更大了。今天回到 GDP 指數增長率的邏輯，市場空間就是更大。

黃仁勛：世界更大。而且人們誤解了我們的定位。他們記得我們是家芯片公司。沒錯，我們造芯片，而且造的是世界上最強大的芯片。但 NVIDIA 真正是一家 AI 基礎設施公司。我們是你的 AI 基礎設施合作伙伴。我們和 OpenAI 的合作就是一個完美示范。

Brad：沒錯。

黃仁勛：我們就是他們的 AI 基礎設施伙伴。我們和很多公司合作方式多樣。你不用全買我們的，不需要買滿一整機柜。你可以買一顆芯片，一個組件?？梢再I我們的網絡設備。也有人只買我們的 CPU，只買我們的 GPU，然后配別人的 CPU 和網絡。都沒問題。我們賣什么都行。我唯一的請求就是——至少買點什么，好嗎？

馬斯克本身就是一個“終極GPU”

Brad：你說過，這不僅是更好的模型，還需要世界級的建設者。你還說，也許我們國家最頂尖的建設者就是 Elon Musk。我們談到過 Colossus I，他在那里部署了幾十萬顆 H100、H200，組成一個一致性集群?，F在他在做 Colossus II，可能是 50 萬張 GPU，數百萬 H100 級別的算力，組成一個一致性集群。

黃仁勛：我一點也不會驚訝，如果他一年之內就先于所有人達到 1 吉瓦算力。

Brad：對。談談這件事吧：作為一個不僅做軟件和模型，還懂得如何建造這些集群的建設者，他的優勢是什么？

黃仁勛：你知道，這些 AI 超級計算機非常復雜。技術復雜，采購復雜——因為有融資問題。選地、供電、建廠房殼體、供能都很復雜。建設、部署、點亮一切——毫無疑問，這是人類歷史上最復雜的系統工程。而 Elon 的巨大優勢在于，這些系統如何互操作、彼此依賴，全都在他腦子里，包括融資。

黃仁勛：所以……他本身就是個大 GPT。對，他就是個超級計算機，是終極 GPU。他在那里有很大優勢。而且他有極強的緊迫感。他真的想要建成。所以當意志與能力結合在一起時，非凡的事情就會發生。相當獨特。

為什么需要建設主權AI？

Brad：你長期參與的一件事是——我想談談“主權 AI”。也想談談中國，以及全球 AI 競賽。

Brad：回頭看 30 年前的你，當時絕對想不到今天會在宮殿里和酋長、國王會面，常常出入白宮?？偨y說你和 NVIDIA 對美國國家安全至關重要。把這放在背景下看，很難想象如果各國元首不把這件事當成“生死攸關”，你會出現在這些場合。這有點像 20 世紀 40 年代的核項目。當時是“曼哈頓計劃”。今天沒有政府出資的曼哈頓計劃，但 NVIDIA、OpenAI、Meta、Google 都在自掏腰包。我們今天有一些公司規模堪比國家，感謝美國吧，這些公司正在投資被各國總統和國王視為事關未來經濟和國家安全的項目。你同意嗎？

黃仁勛：沒有人需要原子彈，但每個人都需要 AI。

黃仁勛：這就是巨大的不同。AI 是現代軟件。從通用計算到加速計算，從人類逐行編程到 AI 自動寫代碼。我們已經重塑了計算。這不是地球上出現了新物種，而是我們重塑了計算。而計算是所有人都需要的，必須普及化。這就是為什么各國都意識到必須進入 AI 時代，因為沒有人能退出計算世界。沒有誰會說：昨天我用計算機，明天我就回去用棍子和火吧。大家都要進入計算，只是現在計算在現代化，僅此而已。

第一點，要參與 AI，你必須在 AI 里注入你的歷史、文化、價值觀。當然，AI 越來越聰明，核心 AI 也能很快學到這些，不需要從零開始。所以我認為每個國家都必須具備一定的主權能力。我建議他們都用 OpenAI，都用 Gemini、Grok。我也建議大家都用 Anthropic。但與此同時，他們也應該投入資源學習如何自己建 AI。不只是大語言模型，還要建工業模型、制造模型、醫療模型、國防模型。很多智能需要自己培養。所以主權能力是必要的。每個國家都應該發展。

Brad：這就是你在全球聽到的？他們都意識到了？

黃仁勛：是的，他們都會是 OpenAI、Anthropic、Grok、Gemini 的客戶。但他們同樣需要建設自己的基礎設施。這就是 NVIDIA 的角色——我們建的是基礎設施。就像每個國家都需要能源基礎設施、通信和互聯網基礎設施，現在每個國家都需要 AI 基礎設施。

Brad：我還想說，在我看來，像薩克斯以及美政府里的一些人其實都知道，我們必須去吸引全世界最優秀的人才。我們不能犧牲這個品牌的偉大。收取 10 萬美元，或者說降低到 5 萬美元，不管具體是多少，看起來都會讓天平傾向于那些大公司——因為他們有能力替這些人買單。而對初創公司來說，本來人才就已經很貴了，現在我還得額外付這筆費用，挑戰更大。

黃仁勛：這還會帶來一個意想不到的后果：它可能會加速投資流向美國以外的地區。對吧？所以說會有一些意想不到的結果。但就像我說的，要從某個地方開始，逐步朝正確的答案邁進。很多時候人們想要直接從一個錯誤的答案、錯誤的處境，跳到完美的答案——但完美答案很難找到。先從某個地方開始吧，這就是企業家的方式。

應該創造條件吸引最聰明的人才

Brad：我聽一位在美國頂尖實驗室工作的中國研究員說，三年前，中國頂尖 AI 專業的畢業生中，有 90% 想來美國，他們也確實來了美國，在我們的實驗室工作。但他說現在，這個數字可能只有 10% 或 15% 了，直線下降。

黃仁勛：這正是我們擔心的問題。

Brad：是啊，你有看到這種趨勢嗎？你同時關注兩個市場，你觀察到這種情況了嗎？我們需要做些什么才能扭轉？

黃仁勛：我們確實看到中國學生在是否留下的問題上有更大的顧慮。很多人是來這邊讀書的，但他們在考慮畢業后去別的地方，很多人想去歐洲。所以我覺得我們必須對此非常非常重視。這是一個關乎未來生存的危機信號，是未來問題的早期跡象。

黃仁勛：對。聰明人想來美國，聰明學生想留下來，這是我會稱之為 KPI 的指標。它們是未來成功的早期信號。

Brad：我把它類比成勇士隊。如果他們能招募到 NBA 最好的球員，就能不斷贏得總冠軍。但一旦他們的招募渠道受損，或者品牌受損，就無法再吸引到未來最好的球員，那就贏不了總冠軍了。就是這個道理。

黃仁勛：沒錯。

Brad：要成為一個歡迎最優秀人才的地方，要有戰略計劃來吸引他們，并且確保這是他們最想工作的地方。

談跟英特爾合作：放馬過來就好，我們就是這么自信、這么強大

黃仁勛：是的，因為我們就是這么有自信。因為我們就是如此強大，因為我們就是如此不可思議。你知道的，我和生態圈里的同行合作毫無問題。注意，我們剛剛做了一個終極交易：和英特爾合作。這家公司幾乎一輩子都在試圖把我們趕出市場，但我和他們合作毫無障礙。原因在于，第一，放馬過來。第二，未來遠比現在更偉大。這不必是“我們或他們”，完全可以是“我們和他們”。不管怎樣，放馬過來。

三件大事：美國重回制造業、AI彌合技術門檻、AI改變了工作

黃仁勛：特朗普總統做了幾件極其重要的事，讓所有人都能跟上。第一件就是美國再工業化。特朗普總統、Lutnik 部長都全力推動，鼓勵企業在美國本土建廠、投資工廠、對產業工人進行再培訓和技能提升。這對國家來說價值極大。這意味著，不再只是你必須拿個博士學位，或者必須進頂尖名校，才有資格過上好生活、賺得體面的收入。我們必須改變這種邏輯，這是沒有道理的。我們要尊重手藝。

黃仁勛：我熱愛那些用雙手創造的人。而現在我們要重新回到制造，制造偉大而不可思議的東西。我喜歡這一點。這將改變美國，毫無疑問。長期以來，有整個產業帶、整個社會群體被遺忘了，因為我們把一切都外包出去了。當然，我不是說我們要把所有東西都收回本土來生產。比如，有人爭論要不要在美國生產運動鞋和牙簽，這就是把本來很有意義的討論拉到一個荒謬的層面。我們要認識到，美國再工業化本質上會是一次徹底的變革。這是第一點。

沒錯。然后就是 AI。它是史上最大的“平衡器”。想象一下，現在人人都能擁有一個 AI。這是終極的平衡器。它消除了技術鴻溝。記得過去，誰要想通過計算機來獲得經濟或職業收益，就必須學會 C++、C，至少要學 Python?，F在，他們只需要學會說人類的語言就夠了。如果你不會寫 AI 程序，你可以對 AI 說：嗨，我不會寫 AI 程序，我該怎么做？AI 會給你解釋，甚至直接幫你寫。它會替你完成。所以，這太神奇了。我們現在是用技術來彌合技術差距。每個人都必須參與其中。OpenAI 已經有 8 億活躍用戶了，但實際上應該是 60 億，甚至 80 億。

所以，我認為這是第一和第二件大事。第三件是，AI 將會改變任務。很多人搞混了一點：會有很多任務被消滅，但也會創造很多新任務。對很多人來說，他們的工作反而能得到保障。比如，我一直在用 AI，你也在用，我的分析師、我的工程師，每個人都在持續使用 AI。與此同時，我們還在招更多工程師，招更多人。原因很簡單：我們有了更多想法。因為公司變得更高效，我們變得更富裕，所以我們能雇傭更多人去追逐這些新想法。認為“AI 出現就意味著大規模失業”的觀點，其實預設了一個前提：我們人類已經沒有事情可做了。我們今天正在做的一切，就是終點了。

黃仁勛：如果有人替我完成了一件任務，我就少了一件任務做。難道我要坐在那里干等嗎？你知道的，等退休、坐在搖椅上搖來搖去，這種想法對我來說毫無意義。對吧。所以我認為，智慧不是零和游戲。讓我身邊有越多聰明人、天才，反而我就會有越多的想法，能想象出越多可以去解決的問題，能創造出越多的工作，帶來越多的崗位。所以我覺得，我不知道一百萬年后的世界會是什么樣子，那留給我的孩子去面對。但在接下來的幾十年里，我的感覺是經濟會繼續增長，大量新工作會被創造出來。每個工作都會被改變，有些工作會消失，但我們不會回到在大街上騎馬的年代。這些都會好的。

5年、30年后的世界：AI和機電工程、生物學的融合

Brad：人類向來對“復利系統”持懷疑態度，而且對這類系統的理解很差。對指數級增長系統的理解更糟糕，尤其是當規模越大，增速越快時。我們今天已經談了很多關于“指數”的問題。偉大的未來學家雷·庫茲韋爾曾經說過，在21世紀，我們不會只有100年的進步，而是可能會有相當于兩萬年的進步。對吧。你剛才說過，我們非常幸運生活在這個時代，并能為這個時代做貢獻。我不會要求你去預測10年、20年或30年后的情況，因為那太難了。但如果我們想到2030年，比如機器人呢？

黃仁勛：30年比2030年更容易。

Brad：好吧，那我允許你往后看30年。我之所以喜歡短期的時間框架，是因為它必須把“比特與原子”結合起來。

Brad：比特和原子——構建這些東西最難的部分。因為所有人都說它會發生——“滿足”很有趣，但并沒有什么幫助。

Brad：沒錯。但如果我們真的有“兩萬年的進步”，請你來反思一下庫茲韋爾的這句話，來反思指數系統，以及我們所有的聽眾，不管你在政府、在創業公司，還是在大公司里，都必須去思考變化的加速度、增長的加速度，以及如何在這個新世界里與AI共智。

黃仁勛：嗯，有很多事情，很多人已經說過了，也都很有道理。我認為，在未來五年里，最酷、將要被解決的問題之一就是人工智能和機電工程——機器人學的結合。所以我們會有AI機器人在我們身邊走來走去。這點大家都知道。我們都會跟自己的R2D2（注：電影《星球大戰》中的小機器人）一起長大。是的。那個R2D2會記住我們的一切，引導我們一路走下去，成為我們的伙伴。這點我們已經知道了。而且，每個人在云端都會有屬于自己的GPU，全世界有80億人，就可能有80億個GPU，這是個可行的結果。對吧。而且每個人都會有一個為自己微調過的模型。那AI不僅存在于云端，還會被賦予各種各樣的形態：在你的汽車里、在你的機器人里、無處不在。所以我覺得這是個完全合理的未來。

再比如，去理解生物學的無限復雜性，理解它的系統，能夠預測它，并為每個人建立“數字孿生體”。就像我們在亞馬遜購物時有數字孿生體一樣，為什么我們在醫療健康上不會有？當然會有。所以，一個能預測我們將如何衰老、可能得什么病、明天或下周會發生什么事的系統——當然會有。這些都是必然的。

確保自己早些上車，確保AI是全民的勝利

我覺得更多的是，很多CEO現在會問我的問題是：既然這些都會發生，那接下來該怎么辦？我認為答案其實很常識化。對吧？如果你有一列火車，它正在加速，而且要進入指數級加速，那么你唯一需要做的就是先上車。一旦上車了，你會在路上想清楚一切。如果你非要預測這輛火車未來會在哪兒，去提前瞄準它、等在路口，那是不可能的。因為它每秒都在指數級加速。所以，你要做的就是趁它還比較慢的時候趕快上車，然后隨著它一起進入指數級加速。

Brad：很多人以為這一切是突然發生的。你在這個領域已經奮斗了35年。

我記得在2005或2006年左右，Larry Page說過，Google的最終形態就是機器，能夠在你還沒提出問題之前預測出你要問什么，并直接給出答案，而你不需要去查找。我還記得在2016年，有人問比爾·蓋茨：互聯網、云計算、移動、社交……這些不是都已經發生了嗎？他回答說，我們還沒開始。他說：真正的開始，是當機器從“愚蠢的計算器”變成能自己思考、能和我們一起思考的存在。沒錯。那就是我們現在所處的時刻。

我認為，有像你、Sam、Elon、Satya這樣的領導者，是我們國家巨大的優勢。我們知道這大概率會對大多數人帶來好處，但過程中也會有挑戰。我們會逐一應對，提升每個人的生活底線，確保這不是少數硅谷精英的勝利，而是全民的勝利。別嚇到他們，要帶他們一起走。

參考鏈接：??https://www.youtube.com/watch?v=pE6sw_E9Gh0&t=1816s??

本文轉載自??51CTO技術棧??，作者：云昭