杭州在线配资不要一开始就直接生成

本文作者：李笑寅

来源：硬AI

近日，英伟达创始人兼CEO黄仁勋做客「Bg2 Pod」双周对话节目，与主持人Brad Gerstne和Clark Tang进行了一场广泛的对话。

对谈中，黄仁勋谈及了和OpenAI价值1000亿美元的合作，并就AI竞赛格局、主权AI前景等主题发表了自己的看法。

黄仁勋表示，现在的AI竞争比以往任何时候都激烈，市场已从简单的“GPU”演变为复杂的、持续进化的“AI工厂”，需要处理多样化的工作负载和呈指数级增长的推理任务。

他预计，如果未来AI为全球GDP带来10万亿美元的增值，那么背后的AI工厂每年的资本支出需要达到5万亿美元级别。

谈及和OpenAI的合作，黄仁勋表示，OpenAI很可能会成为下一个万亿美元级别的超大规模公司，唯一的遗憾是没有早点多投资一些，“应该把所有钱都给他们”。

在AI商业化前景方面，黄仁勋预计，未来5年内，AI驱动的收入将从1000亿美元增至万亿美元级别。

关于ASIC的竞争，英伟达放话，即使竞争对手将芯片价格定为零，客户仍然会选择英伟达，因为他们的系统运营成本更低。

以下为对谈的亮点内容：

OpenAI想和英伟达建立起类似于马斯克和X那样的“直接关系”，包括直接的工作关系和直接的采购关系。假设AI为全球GDP带来10万亿美元的增值，而这10万亿美元的Token生成有50%的毛利率，那么其中5万亿美元需要一个工厂，需要一个AI基础设施，所以这个工厂每年的合理资本支出大约是5万亿美元。10吉瓦大约需要4000亿美元的投资，这4000亿美元很大程度上需要通过OpenAI的承购协议来资助，也就是他们指数级增长的收入。这必须通过他们的资本、通过股权融资和能够筹集的债务来资助。未来5年内，AI驱动收入从1000亿美元增至1万亿美元的的概率几乎是确定的，而且现在几乎已经达到了。全球的算力短缺不是因为GPU短缺，而是因为云服务厂商的订单往往低估了未来需求，导致英伟达长期处于“紧急生产模式”。黄仁勋表示，英伟达唯一的遗憾是，OpenAI很早就邀请我们投资，但我们当时太穷了，没有投资足够多的资金，我应该把所有钱都给他们。英伟达很可能成为第一家10万亿美元级别的公司。十年前，人们说永远不可能有万亿美元的公司。现在有了10家。现在的AI竞争比以往任何时候都激烈，但也比以往任何时候都困难。黄仁勋表示，这是因为晶圆成本越来越高，这意味着除非你进行极限规模的协同设计，否则你就无法实现X倍增长因子。谷歌拥有的优势是前瞻性。他们在一切开始之前就启动了TPU1。当TPU成为一门大生意后，客户自有工具将成为主流趋势。英伟达芯片的竞争优势在于总拥有成本（TCO）。黄仁勋表示，其竞争对手在构建更便宜的ASIC，甚至可以将价格定为零。我们的目标是，即使他们将芯片价格定为零，您仍然会购买英伟达系统，因为运营该系统的总成本仍然比购买芯片更划算（土地、电力和基础设施已经价值150亿美元）。英伟达芯片的性能或每瓦token数是其他芯片的两倍，虽然每单位能耗性能也要高得多，但客户可以从他们的数据中心产生两倍的收入。谁不想要两倍的收入呢？每个国家都必须建设主权AI。没有人需要原子弹，但每个人都需要AI。就像当初马达取代劳动力和体力活动一样，现在我们有了AI。AI超算、AI工厂，将会生成token来增强人类智能，未来人工智能大约占全球GDP的55-65%，也就是约50万亿美元。人工智能不是零和游戏。黄仁勋表示，“我的想法就越多，我想象我们可以解决的问题就越多，我们创造的工作就越多，我们创造的就业机会就越多”。在接下来的5年里，真正酷且将被解决的事情之一是人工智能与机器人技术的融合。即使不考虑AI创造的新机会，仅仅是AI改变了做事方式就有巨大价值。这就像不再使用煤油灯而改用电力，不再使用螺旋桨飞机而改用喷气式飞机一样。

以下为黄仁勋对谈全文纪要整理，由AI工具辅助翻译，华尔街见闻有所删减：

主持人：

Jensen，很高兴再次回来，当然还有我的合作伙伴Clark Tang。我简直不敢相信——欢迎来到英伟达。

黄仁勋：

哦，还有漂亮的眼镜。

主持人：

它们在你身上看起来真的很好。问题是现在每个人都会希望你一直戴着它们。他们会说："红色眼镜在哪里？"我可以为此作证。

黄仁勋：

距离我们上次录制节目已经超过一年了。如今超过40%的收入来自推理，但推理即将发生变化，因为推理链的出现。它即将增长十亿倍，对吧？一百万倍，十亿倍。

主持人：

没错。这正是大多数人还没有完全内化的部分。这就是我们一直在谈论的行业。这是工业革命。说实话，感觉就像你和我从那时起每天都在继续这个节目。在AI时间里，这已经过了大约一百年了。

我最近重新观看了这个节目，我们讨论的许多事情都很突出。对我来说最深刻的一点是你当时拍桌子强调——记得当时预训练处于某种低潮期，人们说："天哪，预训练结束了，对吧？预训练结束了。我们不会继续了。我们过度建设了。"这是大约一年半前的事。你说推理不会增长100倍、1000倍，而是会增长10亿倍。

这将我们带到了今天的情况。你宣布了这个巨大的交易。我们应该从那里开始。

黄仁勋：

我低估了。让我正式声明。我估计我们现在有三个缩放定律，对吧？我们有预训练缩放定律。我们有后训练缩放定律。后训练基本上就像AI练习。

是的，练习一项技能直到掌握它为止。所以它尝试各种不同的方法，为了做到这一点，你必须进行推理。所以现在训练和推理在强化学习中整合在一起了。非常复杂。这就是所谓的后训练。然后第三个是推理。旧的推理方式是一次性的，对吧？但是我们认可的新推理方式是思考。所以在回答之前先思考。

现在你有了三个缩放定律。你思考得越久，得到的答案质量就越好。在思考的过程中，你进行研究，检查一些基本事实。你学习一些东西，再思考一些，再学习一些，然后生成答案。不要一开始就直接生成。所以思考、后训练、预训练，我们现在有三个缩放定律，而不是一个。

主持人：

你去年就知道这一点，但你今年对推理将增长10亿倍以及这将把智能水平带到何种程度的信心水平如何？你今年比去年更有信心吗？

黄仁勋：

我今年更有信心了，原因是现在看看智能体系统，AI不再是一个语言模型，AI是一个语言模型系统，它们都在并发运行，可能使用工具。我们中的一些人使用工具，一些人进行研究。

主持人：

目前整个行业有大量的发展，都是关于多模态的，看看所有正在生成的视频内容，这真是令人惊叹的技术。这确实把我们带到了本周大家都在讨论的关键时刻，就是你几天前宣布的与OpenAI Stargate的大规模合作，你们将成为优先合作伙伴，在一段时间内向该公司投资一千亿美元。他们将建设10个千兆瓦的设施，如果他们在这10个千兆瓦设施中使用英伟达的产品，这可能为英伟达带来高达4000亿美元的收入。请帮我们理解一下这个合作关系，它对你们意味着什么，为什么这项投资对英伟达来说如此合理。

黄仁勋：

首先，我先回答最后一个问题，然后再详细说明。我认为OpenAI很可能会成为下一个万亿美元级别的超大规模公司。

主持人：

为什么你称它为超大规模公司？超大规模就像Meta是超大规模公司，谷歌是超大规模公司一样。他们将拥有消费者和企业服务，他们很可能成为世界上下一个万亿美元级别的超大规模公司。我认为你会同意这个观点。

黄仁勋：

我同意。如果是这样的话，在他们达到那个目标之前投资的机会，这是我们能想象到的最明智的投资之一。你必须投资你了解的领域，而我们恰好了解这个领域。因此投资的机会，这笔钱的回报将是非常棒的。所以我们很喜欢这个投资机会。我们不是必须投资，这不是我们投资的必要条件，但他们给了我们投资的机会，这是很棒的事情。

现在让我从头开始说。我们正在与OpenAI在几个项目上合作。第一个项目是Microsoft Azure的建设。我们将继续这样做，这个合作进展得非常好。我们还有几年的建设工作要做，仅在那里就有数千亿美元的工作。

第二个是OCI的建设，我认为大约有五、六、七千兆瓦即将建设。所以我们正在与OCI、OpenAI和软银合作建设，这些项目都已签约，有很多工作要做。第三个是Core Weave，这些都还是在OpenAI的背景下。

那么问题是，这个新的合作关系是什么？这个新的合作关系是关于帮助OpenAI，与OpenAI合作，首次为他们建设自己的AI基础设施。这是我们直接与OpenAI在芯片层面、软件层面、系统层面、AI工厂层面的合作，帮助他们成为一个完全运营的超大规模公司。这将持续一段时间，它将补充他们正在经历的两个指数增长。第一个指数增长是客户数量的指数增长，原因是AI正在变得更好，用例正在改善，几乎每个应用程序现在都连接到OpenAI，所以他们正在经历使用量的指数增长。第二个指数增长是每次使用的计算指数增长。现在不仅仅是一次推理，而是在回答之前进行思考。

主持人：

这两个指数增长使他们的计算需求复合增长。所以我们必须建设所有这些不同的项目。最后一个项目是在他们已经宣布的所有内容之上的补充，是在我们已经与他们合作的所有事情之上的补充，它将支持这种难以置信的指数增长。

你说的一个很有趣的点是，在你看来，他们很可能成为万亿美元级别的公司，我认为这是一个很好的投资。同时，他们正在自建，你们正在帮助他们自建数据中心。到目前为止，他们一直外包给微软来建设数据中心，现在他们想要自己建设全栈工厂。

黄仁勋：

他们想要……他们想要……他们基本上想和我们建立像埃隆和X那样的关系。

主持人：

我认为这是一个非常重要的事情，当你考虑Colossus所拥有的优势时，他们正在建设全栈。这就是超大规模，因为如果他们不使用这些容量，他们可以卖给其他人。同样地，Stargate正在建设巨大的容量。他们认为自己会使用大部分容量，但这也让他们能够将其出售给其他人。这听起来很像AWS、GCP或Azure。

黄仁勋：

他们希望与我们建立同样的直接关系，包括直接的工作关系和直接的采购关系。就像扎克伯格和Meta与我们的关系一样，我们与Sundar和Google的直接合作关系，以及我们与Satya和Azure的直接合作关系。他们已经达到了足够大的规模，认为是时候开始建立这些直接关系了。我很高兴支持这一点，Satya知道这件事，Larry也知道，每个人都了解情况，每个人都非常支持。

主持人：

关于Nvidia加速计算的市场前景，我发现了一个有趣的现象。Oracle正在建设价值3000亿美元的Colossus项目，我们知道各国政府在建设什么，我们知道超大规模云服务商在建设什么，Sam谈论的是万亿级别的投资。但华尔街25位覆盖我们股票的卖方分析师，从他们的一致预期来看，基本上认为我们的增长从2027年开始会趋于平缓，2027年到2030年只有8%的增长。这25个人的唯一工作就是预测Nvidia的增长率。

黄仁勋：

坦率地说，我们对此很坦然。我们定期超越市场预期没有任何问题。但确实存在这种有趣的分歧。我每天都在CNBC和彭博社听到这些观点。我认为这涉及到一些关于短缺会导致过剩的质疑，他们不相信持续增长。他们说："好吧，我们认可你们2026年的表现，但2027年，可能会供过于求，你们不会需要那么多。"

主持人：

有趣的是，一致预期认为这种增长不会发生。我们也制定了公司的预测，考虑了所有这些数据。这让我看到，即使我们已经进入AI时代两年半了，Sam Altman、我、Sundar、Satya所说的话与华尔街仍然相信的之间存在巨大分歧。

黄仁勋：

我认为这并不矛盾。让我用三个要点来解释，希望能帮助大家对Nvidia的未来更有信心。

第一点是物理定律层面的观点，这是最重要的一点：通用计算时代已经结束，未来是加速计算和AI计算。需要考虑的是，全世界有多少万亿美元的计算基础设施需要更新换代。当它们更新时，将转向加速计算。每个人都同意这一点，都说"是的，我们完全同意，通用计算时代结束了，摩尔定律已死。"这意味着通用计算将转向加速计算。我们与英特尔的合作就是认识到通用计算需要与加速计算融合，为他们创造机会。

第二点，AI的第一个应用场景实际上已经无处不在，在搜索推荐引擎、购物等领域。基础的超大规模计算基础设施过去使用CPU做推荐，现在正转向使用GPU做AI。这就是经典计算向加速计算AI的转变。超大规模计算正从CPU转向加速计算和AI，这涉及向Meta、Google、字节跳动、亚马逊等公司提供服务，将他们传统的超大规模计算方式转向AI，这代表着数千亿美元的市场。

主持人：

考虑到抖音、Meta、Google等平台，全球可能有40亿人的需求工作负载由加速计算驱动。

黄仁勋：

所以即使不考虑AI创造的新机会，仅仅是AI改变了做事方式就有巨大价值。这就像不再使用煤油灯而改用电力，不再使用螺旋桨飞机而改用喷气式飞机一样。

到目前为止我谈论的都是这些基础性的转变。而当你转向AI，转向加速计算时，会出现什么新的应用？这就是我们正在讨论的所有AI相关的机会。

简单来说，就像当初马达取代劳动力和体力活动一样，现在我们有了AI。我说的这些AI超级计算机、AI工厂，将会生成代币来增强人类智能。人工智能大约占全球GDP的55-65%，也就是约50万亿美元。这50万亿美元将得到增强。

让我们从单个人说起。假设我雇佣一个10万美元薪资的员工，然后为他配备1万美元的AI。如果这1万美元的AI能让这个10万美元的员工提高2倍、3倍的生产力，我会这么做吗？毫不犹豫。我现在正在公司的每个人身上这样做，每个软件工程师、每个芯片设计师都有AI与他们协作，100%覆盖。结果是，我们制造的芯片质量更好，数量在增长，速度也在提升。我们公司发展更快，雇佣更多人员，生产力更高，收入更高，盈利能力更强。

现在把英伟达的故事应用到全球GDP上。很可能发生的是，那50万亿美元被10万亿美元增强。这10万亿美元需要在机器上运行。AI与过去不同的地方在于，过去软件是预先编写好的，然后在CPU上运行，由人操作。但未来AI要生成代币，机器必须生成代币并进行思考，所以软件一直在运行。过去软件写一次就行，现在软件实际上一直在编写，一直在思考。为了让AI思考，它需要一个工厂。

假设这10万亿代币生成有50%的毛利率，其中5万亿需要工厂，需要AI基础设施。如果你告诉我全球年度资本支出约为5万亿美元，我会说这个数学计算是合理的。这就是未来：从Excel通用计算转向加速计算，用AI替换所有超大规模服务器，然后增强全球GDP的人类智能。

主持人：

目前这个市场我们估计年收入约4000亿美元。所以TAM比现在要增长4到5倍。

黄仁勋：

昨晚阿里巴巴的Eddie Woo（吴泳铭）说，从现在到这个十年末，他们将把数据中心功率增加10倍。英伟达的收入几乎与功率相关。他还说代币生成每几个月翻一番。这意味着每瓦性能必须持续指数级增长。这就是为什么英伟达在每瓦性能上不断突破，因为在这个未来，每瓦收入基本上就是收入。

这个假设包含了非常有趣的历史背景。2000年来，GDP基本没有增长。然后工业革命来了，GDP加速增长。数字革命来了，GDP又加速增长。你所说的，就像Scott Besson说的，他认为明年我们将有4%的GDP增长。你的意思是世界GDP增长将加速，因为现在我们给世界提供了数十亿个为我们工作的同事。如果GDP是固定劳动力和资本的产出量，它必须加速增长。

看看AI技术带来的变化。AI技术，包括大语言模型和所有AI代理，正在创造一个新的AI代理产业。OpenAI是历史上收入增长最快的公司，呈指数级增长。AI本身就是一个快速增长的产业，因为AI需要背后的工厂和基础设施。这个产业在增长，我的产业在增长，我产业下面的产业也在增长。能源在增长，这对能源产业来说是一次复兴，核能、燃气轮机等基础设施生态系统中的所有公司都表现出色。

这些数字让大家都在谈论过剩和泡沫。扎克伯格上周在播客中说，他认为很可能在某个时候会出现真空期，Meta可能会超支100亿美元，但这无关紧要，因为这对他们业务的未来如此重要，这是他们必须承担的风险。这听起来有点像囚徒困境，但这些是非常快乐的囚徒。

主持人：

我们估计2026年将有1000亿美元的AI收入，不包括Meta，也不包括运行推荐引擎的GPU，不包括搜索等其他功能。超大规模服务器产业已经有数万亿规模，这个产业将转向AI。怀疑者会说我们需要从2026年的1000亿美元AI收入增长到2030年的至少1万亿美元AI收入。你刚才谈到全球GDP时提到了5万亿美元。如果自下而上分析，你能看到在未来5年内从1000亿美元增长到1万亿美元的AI驱动收入吗？我们增长得有那么快吗？

黄仁勋：

是的，我还要说我们已经达到了。因为超大规模服务商已经从CPU转向AI，他们的整个收入基础现在都是AI驱动的。

没有人工智能就无法做TikTok，也无法做YouTube短视频，没有AI就无法做这些事情。Meta在定制内容和个性化内容方面所做的惊人工作，都无法离开人工智能。以前这些工作都是由人来完成的，即预先创建四个选择，然后通过推荐引擎进行选择。现在变成了由AI生成无限数量的选择。

但这些事情已经在发生了，我们已经从CPU过渡到GPU，主要是为了这些推荐引擎，这在过去三四年里是相当新的。我在Sigraph见到扎克时，他会告诉你他们在使用GPU方面确实起步较晚。Meta使用GPU大概也就两年半的时间，这是相当新的。在GPU上进行搜索绝对是全新的。

主持人：

所以你的论点是，到2030年我们拥有万亿美元AI收入的概率几乎是确定的，因为我们几乎已经达到了。让我们谈论一下从现在开始的增量部分。在你进行自下而上或自上而下分析时，我刚听到你关于全球GDP百分比的自上而下分析。你认为我们在未来三、四或五年内遇到供应过剩的概率是多少？

黄仁勋：

这是一个分布，我们不知道未来。在我们完全将所有通用计算转换为加速计算和AI之前，我认为这种可能性极低。这需要几年时间。

直到所有推荐引擎都基于AI，直到所有内容生成都基于AI，因为面向消费者的内容生成在很大程度上就是推荐系统等等，所有这些都将由AI生成。直到所有经典的超大规模业务都转向AI，从购物到电子商务等一切，直到一切都转过去。

主持人：

但所有这些新建设，当我们谈论万亿美元时，我们正在为未来投资。即使你看到放缓或某种供应过剩即将到来，你是否有义务投资这些资金？还是说这是你向生态系统挥舞旗帜，告诉他们去建设，如果我们看到放缓，我们总可以减少投资水平？

黄仁勋：

实际上情况相反，因为我们处于供应链的末端，我们响应需求。现在所有风投都会告诉你们，需求供不应求，世界上存在计算短缺，不是因为世界上GPU短缺。如果他们给我订单，我就会生产。在过去几年里，我们真正打通了供应链，从晶圆开始到封装、HBM内存等所有技术，我们都已经准备就绪。如果需要翻倍，我们就翻倍。所以供应链已经准备好了。

现在我们只是在等待需求信号，当云服务提供商、超大规模厂商和我们的客户制定年度计划并给我们预测时，我们会响应并据此生产。当然，现在发生的情况是，他们提供给我们的每一个预测都是错误的，因为他们预测不足，所以我们总是处于紧急模式。我们已经处于紧急模式几年了，无论我们收到什么预测，都比去年有显著增长，但还是不够。

主持人：

萨蒂亚去年似乎有所退缩，有人称他为房间里的成年人，在抑制这些期望。几周前他说今年我们已经建了2千兆，未来我们将加速。你是否看到一些传统的超大规模厂商，他们可能比CoreWeave或Elon X动作慢一些，也许比Stargate慢一些？听起来他们现在都在更积极地投入。

黄仁勋：

因为第二个指数增长。

我们已经经历了一个指数增长，即AI的采用率和参与度呈指数级增长。第二个指数增长是推理能力。这是我们一年前的对话。一年前我们说，当你把AI从一次性的、记忆答案转变为记忆和泛化（这基本上是预训练）时，比如记住8乘8等于多少，这就是一次性AI。一年前，推理出现了，工具使用出现了，现在你有了思考型AI，计算量要大10亿倍。

主持人：

某些超大规模客户有内部工作负载，他们无论如何都必须从通用计算迁移到加速计算，所以他们持续建设。我认为也许一些超大规模厂商有不同的工作负载，所以他们不确定能多快消化，但现在每个人都得出结论，他们严重建设不足。

黄仁勋：

我最喜欢的应用之一就是传统的数据处理，包括结构化和非结构化数据。我们很快将宣布一个非常大的加速数据处理计划。数据处理代表了当今世界上绝大多数CPU的使用。它仍然完全在CPU上运行。如果你去Databricks，主要是CPU；去Snowflake，主要是CPU；Oracle的SQL处理，主要是CPU。每个人都在使用CPU进行SQL结构化数据处理。未来，这些都将转向AI数据处理。

这是一个我们将要进入的巨大市场。但你需要NVIDIA所做的一切，需要加速层和特定领域的数据处理配方，我们必须去构建这些。

主持人：

我昨天打开CNBC时，他们在谈论供应过剩泡沫；当我打开彭博时，谈论的是循环收入问题。

黄仁勋：

当有人质疑我们与OpenAI等公司的投资和业务关系时，我需要澄清几个要点。首先，循环收入安排通常指公司进入误导性交易，人为夸大收入而没有任何潜在经济实质。换句话说，这是通过金融工程而非客户需求推动的增长。大家都在引用的典型案例当然是25年前上一次泡沫中的思科和北电。

当我们或微软、亚马逊投资那些同时也是我们大客户的公司时，比如我们投资OpenAI而OpenAI购买数百亿芯片，我想提醒大家，那些在彭博等平台的分析师对循环收入或往返交易的过度担忧是错误的。

10吉瓦大约需要4000亿美元的投资，这4000亿美元很大程度上需要通过他们的承购协议来资助，也就是他们指数级增长的收入。这必须通过他们的资本、通过股权融资和能够筹集的债务来资助。这是三种融资工具。他们能够筹集的股权和债务与他们能够维持的收入信心有关。聪明的投资者和放贷者会考虑所有这些因素。从根本上说，这就是他们要做的，这是他们的公司，不是我的业务。当然，我们必须与他们保持密切联系，确保我们的建设支持他们的持续增长。

收入方面与投资方面没有任何关系。投资方面不与任何东西绑定，这是投资他们的机会。正如我们之前提到的，这很可能成为下一个数万亿美元的超大规模公司。谁不想成为其中的投资者呢？我唯一的遗憾是他们很早就邀请我们投资。我记得那些对话，我们当时太穷了，没有投资足够多，我应该把所有钱都给他们。

现实是，如果我们不做好本职工作跟上步伐，如果Rubin没有成为好芯片，他们可以采购其他芯片放入这些数据中心。他们没有义务必须使用我们的芯片。正如前面所说，我们将此视为机会性股权投资。

我们还做了一些很好的投资，我必须说出来，我们投资了XAI，投资了Corewave，这些都很棒，非常明智。

回到根本问题，我们公开透明地说明我们在做什么。这里有潜在的经济实质，我们不是简单地在两家公司之间来回发送收入。每月有人为ChatGPT付费，15亿月活跃用户在使用产品。每个企业要么采用这项技术，要么将会死亡。每个主权国家都将此视为对其国家安全和经济安全的生存威胁，如同核能一样。哪个人、公司或国家会说智能对我们来说基本上是可选的？这对他们来说是根本性的。智能的自动化，我已经充分讨论了需求问题。

主持人：

谈到系统设计，2024年我们转向年度发布周期，从Hopper开始。然后我们进行了大规模升级，需要重大数据中心改造，推出了Grace Blackwell。2025年和2026年下半年，我们将推出Vera Rubin。2027年推出Ultra，2028年推出Fineman。

转向年度发布周期进展如何？主要目标是什么？AI是否帮助我们执行年度发布周期？答案是肯定的。没有AI，英伟达的速度、节奏和规模都会受到限制。

黄仁勋：

最后一个问题的答案是肯定的。如今没有AI，根本不可能构建我们所构建的产品。

为什么要这样做？记住Eddie在财报电话会议上说过，Satya说过，Sam也说过，token生成率正在指数级增长，客户使用量也在指数级增长。我认为他们有大约8亿周活跃用户。这距离ChatGPT发布不到两年时间。每个用户都在生成更多token，因为他们在使用推理时间推理。

首先，因为token生成率以令人难以置信的速度增长，两个指数级叠加在一起，除非我们以令人难以置信的速度提高性能，否则token生成成本将持续增长，因为摩尔定律已死，晶体管成本每年基本相同，功耗也基本相同。在这两个基本定律之间，除非我们提出新技术来降低成本，即使增长有轻微差异，给某人几个百分点的折扣，如何弥补两个指数级增长？

因此，我们必须每年以跟上指数级增长的速度提高性能。从Kepler一直到Hopper，可能是10万倍增长，这是英伟达AI之旅的开始，10年内10万倍。在Hopper和Blackwell之间，由于NVLink 72，我们在一年内实现了30倍增长，然后Rubin将再次获得X倍因子，Fineman也将获得另一个X倍因子。

我们这样做是因为晶体管对我们帮助不大，摩尔定律基本上密度在增长但性能没有。如果是这样，我们面临的挑战之一是必须在系统级别分解整个问题，同时更改每个芯片以及所有软件堆栈和所有系统。这是终极极端协同设计，以前没有人在这个级别进行协同设计。我们革新CPU、GPU、网络芯片、NVLink扩展、Spectrum X横向扩展。

有人说"哦是的，这只是以太网"。Spectrum X以太网不只是以太网。人们开始发现，天哪，X倍因子相当令人难以置信。英伟达的以太网业务，仅仅是以太网业务，就是世界上增长最快的以太网业务。

我们现在需要扩展规模，当然要构建更大的系统。我们跨多个AI工厂进行扩展，将它们连接在一起。我们以年为周期进行这项工作。因此我们现在在技术方面实现了指数的指数增长。这使我们的客户能够降低代币成本，通过预训练、后训练和思考让这些代币变得越来越智能。结果是，当AI变得更智能时，它们的使用量就会增加。当使用量增加时，它们将呈指数级增长。

对于那些可能不太熟悉的人来说，什么是极限协同设计？极限协同设计意味着你必须同时优化模型、算法、系统和芯片。你必须在盒子外面创新。因为摩尔定律说你只需要让CPU变得越来越快，一切都会变快。你是在盒子内创新，只是让芯片变得更快。但如果那个芯片不能再快了，那你要怎么办？在盒子外面创新。英伟达真正改变了事情，因为我们做了两件事。我们发明了CUDA，发明了GPU，我们发明了大规模协同设计的理念。这就是为什么我们涉足所有这些行业。我们创建所有这些库和协同设计。

首先，全栈极限甚至超越了软件和GPU。现在是在数据中心级别的交换机和网络，所有这些交换机和网络中的软件、网络接口卡、扩展、横向扩展，在所有这些方面进行优化。因此，Blackwell相比Hopper有30倍的提升，没有摩尔定律能实现这一点。这就是极限，这来自于极限协同设计。这就是英伟达进入网络和交换、扩展和横向扩展、跨系统扩展，构建CPU和GPU以及网络接口卡的原因。

这就是英伟达在软件和人才方面如此丰富的原因。我们向世界贡献的开源软件数量超过几乎任何公司，除了一家公司，我想是AI2之类的。我们拥有如此庞大的软件资源，这还仅仅是在AI方面。别忘了计算机图形学、数字生物学、自动驾驶汽车，我们公司生产的软件数量是令人难以置信的，这使我们能够进行深度和极限的协同设计。

主持人：

我从你的一个竞争对手那里听说，是的，他这样做是因为这有助于降低代币生成成本，但同时你的年度发布周期让你的竞争对手几乎不可能跟上。供应链被锁定更多，因为你给供应链提供三年的可见性。现在供应链对他们能够构建什么有了信心。你是否考虑过这个？

黄仁勋：

在你问这个问题之前，想想这个。为了让我们每年进行数千亿美元的AI基础设施建设，想想我们一年前必须开始准备多少产能。我们在谈论建设数千亿美元的晶圆启动和DRAM采购。

这现在已经达到几乎没有公司能跟上的规模。

主持人：

那么你认为你的竞争护城河比三年前更大吗？

黄仁勋：

是的。首先，现在的竞争比以往任何时候都激烈，但也比以往任何时候都困难。我这样说的原因是晶圆成本越来越高，这意味着除非你进行极限规模的协同设计，否则你就无法实现X倍增长因子。除非你每年研发六、七、八个芯片，这很了不起。这不是关于构建一个ASIC，而是关于构建一个AI工厂系统。这个系统有很多芯片，它们都是协同设计的，一起提供我们几乎定期获得的10倍因子。

第一，协同设计是极限的。第二，规模是极限的。当你的客户部署一千兆瓦时，那是40万到50万个GPU。让50万个GPU协同工作是一个奇迹。你的客户在你身上承担了巨大的风险去购买所有这些。你得问问自己，什么客户会在一个架构上下500亿美元的采购订单？在一个未经验证的架构，一个新架构上。一个全新的芯片，你对此很兴奋，每个人都为你兴奋，你刚刚展示了第一个硅片。谁会给你500亿美元的采购订单？你为什么要为一个刚刚流片的芯片启动价值500亿美元的晶圆？

但对于英伟达，我们能做到这一点，因为我们的架构已经得到验证。我们客户的规模如此令人难以置信。现在我们供应链的规模也令人难以置信。谁会为一家公司启动所有这些，预先构建所有这些，除非他们知道英伟达能够交付？他们相信我们能够向全世界的客户交付。他们愿意一次启动数千亿美元。这个规模令人难以置信。

主持人：

关于这一点，世界上最大的关键争论和争议之一是GPU与ASIC的问题，谷歌的TPU、亚马逊的Trainium，似乎从ARM到OpenAI到Anthropic都传言在构建ASIC。去年你说我们在构建系统，不是芯片，你通过堆栈的每个部分驱动性能。你还说这些项目中的许多可能永远不会达到生产规模。但考虑到大多数项目，以及谷歌TPU的明显成功，你如何看待今天这个不断演变的格局？

黄仁勋：

首先，谷歌拥有的优势是前瞻性。记住，他们在一切开始之前就启动了TPU1。这与初创公司没有什么不同。你应该在市场增长之前创建初创公司。当市场达到万亿美元规模时，你不应该作为初创公司出现。这是一个谬论，所有风投都知道这个谬论，即如果你能在大市场中占据几个百分点的市场份额，你就能成为一家巨型公司。这实际上是根本错误的。

你应该在一个小行业中占据100%的市场份额，就像Nvidia和TPU所做的那样。当时只有我们两家公司，但你必须希望这个行业能够真正做大。你在创造一个行业。

Nvidia的故事说明了这一点。对于现在构建ASIC的公司来说，这是一个挑战。虽然现在看起来市场很诱人，但记住这个诱人的市场已经从一个叫GPU的芯片演变成了我刚才描述的AI工厂。你们刚刚看到我宣布了一款叫CPX的芯片，用于上下文处理和扩散视频生成，这是一个非常专业的工作负载，但在数据中心内是重要的工作负载。我刚才提到了AI数据处理处理器的可能性，因为你需要长期记忆和短期记忆。KV缓存处理非常密集。AI内存是个大问题。你希望你的AI有良好的记忆，仅仅处理整个系统的KV缓存就是非常复杂的事情，可能需要专门的处理器。

你可以看到，Nvidia的观点现在不再只是GPU。我们的观点是审视整个AI基础设施，以及这些优秀公司需要什么来处理他们多样化且不断变化的工作负载。

看看transformer。transformer架构正在发生巨大变化。如果不是因为CUDA易于操作和迭代，他们如何尝试大量实验来决定使用哪个transformer版本、什么样的注意力算法？如何分解？CUDA帮助你完成所有这些，因为它非常可编程。

现在思考我们业务的方式是，当所有这些ASIC公司或ASIC项目在三、四、五年前开始时，我必须告诉你，那个行业非常简单。涉及一个GPU。但现在它变得庞大而复杂，再过两年它将变得完全庞大。规模将非常巨大。所以我认为，作为新进入者进入一个非常大的市场的战斗是困难的。即使对于那些在ASIC上可能成功的客户来说也是如此。

主持人：

投资者往往是二元化的生物，他们只想要是或否的黑白答案。但即使你让ASIC工作起来，难道不存在最优平衡吗？因为我认为购买Nvidia平台时，CPX将推出用于预填充、视频生成，可能还有解码等。

黄仁勋：

是的，所以会有许多不同的芯片或部件添加到Nvidia生态系统的加速计算集群中，随着新工作负载的产生。现在试图流片新芯片的人们并没有真正预测一年后会发生什么，他们只是试图让芯片工作。

换句话说，谷歌是GPU的大客户。谷歌是一个非常特殊的案例，我们必须表示应有的尊重。TPU已经到了TPU7。这对他们来说也是一个挑战，他们所做的工作非常困难。

让我说明一下，有三类芯片。第一类是架构芯片：X86 CPU、ARM CPU、Nvidia GPU。它们是架构性的，上面有生态系统，架构拥有丰富的IP和生态系统，技术非常复杂，由像我们这样的所有者构建。

第二类是ASIC。我曾为发明ASIC概念的原始公司LSI Logic工作。如你所知，LSI Logic已经不存在了。原因是ASIC在市场规模不是很大时确实很棒，很容易有人作为承包商帮助你将所有东西打包并代表你进行制造，他们收取50-60%的毛利率。但当ASIC市场变大时，就有了一种新的做法叫做客户自有工具。谁会这样做？苹果的智能手机芯片。苹果的智能手机芯片量非常大，他们永远不会付给别人50-60%的毛利率来做ASIC。他们使用客户自有工具。

那么当TPU成为大生意时会走向何方？客户自有工具，毫无疑问。

但ASIC有其位置。视频转码器永远不会太大，智能网卡永远不会太大。当一个ASIC公司有10、12、15个ASIC项目时，我并不感到惊讶，因为可能有五个智能网卡和四个转码器。它们都是AI芯片吗？当然不是。如果有人为特定推荐系统构建嵌入式处理器作为ASIC，当然可以做到。但你会将其作为一直在变化的AI的基础计算引擎吗？你有低延迟工作负载、高吞吐量工作负载、聊天的令牌生成、思考工作负载、AI视频生成工作负载。

主持人：

你在谈论加速计算的主干。

黄仁勋：

这就是Nvidia的全部意义所在。

主持人：

简单来说，这就像下国际象棋和跳棋的区别。事实是，今天开始做ASIC的公司，无论是Tranium还是其他一些加速器，他们正在构建一个芯片，它只是更大机器的一个组件。

你构建了一个非常复杂的系统、平台、工厂，现在你在某种程度上开放了一点。你提到了CPX GPU，在某些方面，你正在将工作负载分解到该特定领域的最佳硬件片段。

黄仁勋：

我们宣布了一个叫Dynamo的东西，分解的AI工作负载编排，我们开源了它，因为未来的AI工厂是分解的。

主持人：

你推出了MV Fusion，甚至对你的竞争对手包括Intel说，你参与我们正在构建的这个工厂的方式，因为没有其他人疯狂到尝试构建整个工厂，但如果你有足够好、足够引人注目的产品，让最终用户说"我们想用这个而不是ARM GPU，或者我们想用这个而不是你的推理加速器"，你可以接入其中。

黄仁勋：

我们很高兴能够建立连接。融合确实是一个非常棒的想法，我们很高兴能与英特尔在这方面合作。这需要利用英特尔的生态系统，世界上大部分企业仍然运行在英特尔平台上。我们将英特尔生态系统与英伟达AI生态系统、加速计算融合在一起。我们与ARM也是这样做的，还有其他几家公司我们也将与其合作。这为我们双方都打开了机会，对双方都是共赢。我将成为他们的大客户，而他们将让我们接触到更大的市场机会。

这与您提出的一个观点密切相关，这个观点可能让一些人感到震惊。您说我们的竞争对手在构建ASIC，他们所有的芯片在今天已经更便宜了，但他们甚至可以将价格定为零。我们的目标是，即使他们将芯片价格定为零，您仍然会购买英伟达系统，因为运营该系统的总成本——电力、数据中心、土地等，产出的智能仍然比购买芯片更划算，即使芯片是免费的。因为土地、电力和基础设施已经价值150亿美元。我们已经对这个数学问题进行了分析。

主持人：

但请您为我们解释一下您的计算，因为我认为对于那些不经常思考这个问题的人来说，这确实难以理解。您的芯片如此昂贵，竞争对手的芯片价格为零，怎么可能您的芯片仍然是更好的选择？

黄仁勋：

有两种思考方式。一种是从收入角度来考虑。每个人都受到功耗限制，假设您能够获得额外的2千兆瓦功率。那么这2千兆瓦的功率您希望能够转化为收入。如果您的性能或每瓦token数是其他人的两倍，因为您进行了深度和极端的代码设计，我的每单位能耗性能要高得多，那么我的客户就可以从他们的数据中心产生两倍的收入。谁不想要两倍的收入呢？

如果有人给他们15%的折扣，我们的毛利率（大约75个百分点）与其他人的毛利率（大约50到65个百分点）之间的差异，不足以弥补Blackwell和Hopper之间30倍的性能差异。假设Hopper是一款出色的芯片和系统，假设其他人的ASIC就是Hopper。Blackwell的性能是其30倍。

因此在那1千兆瓦中，您必须放弃30倍的收入。这个代价太大了。所以即使他们免费提供芯片，您只有2千兆瓦可以使用，机会成本极高。您总是会选择最佳的每瓦性能。

主持人：

我从一位超大规模云服务提供商的CFO那里听到，鉴于您的芯片带来的性能提升，正是针对每千兆瓦token数这一点，以及电力成为限制因素，他们必须升级到新的周期。当您展望Ruben、Ruben Ultra、Fineman时，这种趋势会继续吗？

黄仁勋：

我们现在每年构建六七款芯片，每一款都是系统的一部分。系统软件无处不在，需要在所有这六七款芯片上进行集成和优化，才能实现Blackwell的30倍性能提升。现在想象我每年都在这样做，持续不断。如果您在这一系列芯片中构建一个ASIC，而我们在整个系统中进行优化，这是一个难以解决的问题。

主持人：

这让我回到开始时关于竞争护城河的问题。我们一直在关注这一点，我们是生态系统的投资者，也投资您的竞争对手，从谷歌到博通。但当我从第一原理思考这个问题时，您是在增加还是减少您的竞争护城河？

您转向年度节奏，与供应链共同开发。规模比任何人预期的都要大得多，这需要资产负债表和开发的规模。您通过收购和有机增长所做的举措，包括Envy Fusion、CPX等我们刚才讨论的。所有这些因素让我相信，至少在构建工厂或系统方面，您的竞争护城河正在增强。这至少是令人惊讶的。但有趣的是，您的市盈率比其他大多数公司要低得多。我认为这部分与大数法则有关。一家4.5万亿美元的公司不可能再变得更大了。但我一年半前就问过您这个问题，今天您坐在这里，如果市场将发展到AI工作负载增长10倍或5倍，我们知道资本支出在做什么等等。在您看来，有没有任何可以想象的情况，您在5年后的营收不会比2025年高2倍或3倍？考虑到这些优势，营收实际上不会比今天高很多的概率是多少？

黄仁勋：

我这样回答。正如我所描述的，我们的机会比共识要大得多。我在这里说，我认为英伟达很可能成为第一家10万亿美元的公司。我在这里待了足够长的时间，就在十年前，您应该记得，人们说永远不可能有万亿美元的公司。现在我们有10家。

主持人：

今天世界更大了，回到GDP和增长的指数级发展。

黄仁勋：

世界更大了，人们误解了我们所做的事情。他们记得我们是一家芯片公司，我们确实制造芯片，我们制造世界上最出色的芯片。

但英伟达实际上是一家AI基础设施公司。我们是您的AI基础设施合作伙伴，我们与OpenAI的合作就是完美的证明。我们是他们的AI基础设施合作伙伴，我们以多种不同方式与人们合作。我们不要求任何人从我们这里购买所有产品。我们不要求他们购买整个机架。他们可以购买芯片、组件、我们的网络设备。我们有客户只购买我们的CPU，只购买我们的GPU而购买其他人的CPU和网络设备。我们可以按照您喜欢的任何方式销售。我唯一的要求就是从我们这里买点什么。

主持人：

我们讨论了埃隆·马斯克与X.ai以及Colossus 2项目。正如我之前提到的，这不仅仅是关于更好的模型，我们还必须建设。我们必须拥有世界级的建设者。而我认为我们国家最顶尖的建设者可能就是埃隆·马斯克。

我们谈到了Colossus 1以及他在那里所做的工作，建立了一个由数十万台H100和H200组成的连贯集群。现在他正在开发Colossus 2，这可能包含50万台GPU，相当于数百万台H100在一个连贯集群中。我不会感到惊讶，如果他比任何人都更快达到千兆瓦级别。关于成为既能构建软件和模型，又理解构建这些集群所需条件的建设者，这有什么优势？

黄仁勋：

我想说，这些AI超级计算机是复杂的系统。技术很复杂，由于融资问题，采购也很复杂。获得土地、电力和基础设施，为其供电都很复杂，建设并启动所有这些系统。这可能是人类迄今为止所承担的最复杂的系统问题。

埃隆有一个巨大的优势，就是在他的头脑中，所有这些系统都在相互协作，所有的相互依赖关系都存在于一个头脑中，包括融资。所以他就是一台大型GPT，他本身就是一台大型超级计算机，是终极GPU。他在这方面有很大优势，而且他有强烈的紧迫感，有建设它的真正愿望。当意志与技能结合时，不可思议的事情就会发生。这是相当独特的。

主持人：

接下来我想谈论主权AI以及全球AI竞赛。30年前，你无法想象你会在宫殿里与王储和国王交流，经常出入白宫。总统说你和英伟达对美国国家安全至关重要。

当我审视这种情况时，如果各国政府不认为这至少像我们在1940年代对待核技术那样具有生存意义，你很难出现在那些场所。虽然我们今天没有政府资助的曼哈顿计划，但它由英伟达、OpenAI、Meta、谷歌资助。我们今天拥有与国家同等规模的公司。这些公司正在资助总统和国王们认为对其未来经济和国家安全具有生存意义的事业。你同意这种观点吗？

黄仁勋：

没有人需要原子弹，但每个人都需要AI。这是一个非常大的区别。AI就是现代软件。这就是我的出发点——从通用计算到加速计算，从人工逐行编写代码到AI编写代码。这个基础不能被遗忘，我们已经重新发明了计算。地球上没有新物种出现，我们只是重新发明了计算。每个人都需要计算，它需要被民主化。

这就是为什么所有国家都意识到他们必须进入AI世界，因为每个人都需要跟上计算的步伐。世界上没有人会说："我昨天还在使用计算机，明天我准备重新使用棍棒和火。"每个人都需要向计算转移，它只是在现代化而已。

首先，要参与AI，你必须在AI中编码你的历史、文化和价值观。当然，AI变得越来越智能，即使核心AI也能够相当快速地学习这些东西。你不必从零开始。

所以我认为每个国家都需要拥有一些主权能力。我建议他们都使用OpenAI、Gemini、这些开放模型和Grok，我建议他们都使用Anthropic。但他们也应该投入资源学习如何构建AI。原因是他们需要学习如何构建它，不仅仅是为了语言模型，还需要为工业模型、制造模型、国家安全模型构建AI。有很多智能需要他们自己培养。所以他们应该拥有主权能力，每个国家都应该发展它。

你在世界各地听到的是否也是这样？他们都意识到了这一点。他们都将成为OpenAI、Anthropic、Grok和Gemini的客户，但他们也确实需要构建自己的基础设施。这就是英伟达所做的重要理念——我们在构建基础设施。正如每个国家都需要能源基础设施和通信互联网基础设施一样，现在每个国家都需要AI基础设施。

让我们从世界其他地方开始。我们的好朋友大卫·萨克斯，AI团队做得非常出色。我们非常幸运能在华盛顿特区拥有大卫和什里拉姆。大卫在担任AISR的工作，特朗普总统把他们安排在白House是多么明智的举措。

在这个关键时刻，技术很复杂。什里拉姆是我认为华盛顿特区唯一懂CUDA的人，这虽然有些奇怪。但我就是喜欢这样的事实：在这个技术复杂、政策复杂、对我们国家未来影响如此重大的关键时刻，我们有一个头脑清晰、投入时间理解技术、深思熟虑地帮助我们度过难关的人。

科技就像过去的玉米和钢铁一样，现在是如此基本的贸易机会。这是贸易的重要组成部分。为什么你不希望美国技术被每个人渴望，这样它就可以用于贸易？

特朗普已经做了几件事情，所做的事情对于让每个人都跟上来说是非常好的。第一件事是美国的再工业化，鼓励公司来美国建设，投资工厂，以及对技术工人队伍进行再培训和提升技能，这对我们国家来说极其宝贵。我们喜欢工艺，我喜欢用双手制造东西的人，现在我们要回去建造东西，建造宏伟不可思议的东西，我喜欢这样。

这将改变美国，毫无疑问。我们必须认识到，美国的再工业化从根本上将是变革性的。

然后当然是AI。它是最大的均衡器。想想每个人现在都可以拥有AI。这是终极均衡器。我们已经消除了技术鸿沟。记住上一次有人必须学习使用计算机来获得经济或职业利益时，他们必须学习C++或C，或者至少是Python。现在他们只需要学习人类语言。如果你不知道如何为AI编程，你告诉AI："嗨，我不知道如何为AI编程。我如何为AI编程？"AI就会向你解释或为你做。它为你做。这太不可思议了，不是吗？我们现在用技术消除了技术鸿沟。

这是每个人都必须参与的事情。OpenAI有8亿活跃用户。天哪，它真的需要达到60亿。它真的需要很快达到80亿。我认为这是第一点。然后第二点，第三点，我认为AI将改变任务。

人们搞混的是，有许多任务将被消除，有许多任务实际上将被创造出来。但很可能对许多人来说，他们的工作是受到有效保护的。

例如，我一直在使用AI。你一直在使用AI。我的分析师一直在使用AI。我的工程师，他们每个人都在持续使用AI。我们正在雇用更多工程师，雇用更多人，全面招聘。原因是我们有更多想法。我们现在可以追求更多想法。原因是我们的公司变得更有生产力。因为我们变得更有生产力，我们变得更富有。我们变得更富有，我们可以雇用更多人去追求这些想法。

AI带来大规模工作破坏的概念始于一个前提，即我们没有更多想法了。它始于我们没有什么可做的前提。我们今天在生活中做的一切就是终点。如果别人为我做那一项任务，我就只剩下一项任务了。现在我必须坐在那里等待什么，等待退休，坐在我的摇椅上。这个想法对我来说没有意义。

我认为智能不是零和游戏。我周围的人越聪明，我周围的天才越多，令人惊讶的是，我的想法就越多，我想象我们可以解决的问题就越多，我们创造的工作就越多，我们创造的就业机会就越多。我不知道一百万年后的世界会是什么样子，那将留给我的孩子们。但在接下来的几十年里，我的感觉是经济将增长。很多新工作将被创造出来。每个工作都将被改变。一些工作将丢失。我们不会在街上骑马，这些事情都会很好。人类在理解复合系统方面出了名的怀疑和糟糕，他们在理解随规模加速的指数系统方面更糟糕。

主持人：

我们今天谈论了很多指数。伟大的未来学家雷·库兹韦尔说，在21世纪，我们不会有一百年的进步。我们可能会有两万年的进步。

你之前说过，我们很幸运生活在这个时刻并为这个时刻做出贡献。我不会要求你展望10年、20年或30年，因为我认为这太有挑战性了。但当我们思考2030年时，像机器人这样的事物，30年比2030年更容易。真的吗？是的。好的，所以我会给你许可去展望30年。当你思考这个过程时，我喜欢这些较短的时间框架，因为它们必须将比特和原子结合起来，这是构建这些东西的困难部分。

每个人都在说这即将发生，这很有趣但并不完全有用。但如果我们有2万年的进步，请思考Ray的那句话，思考指数级增长，以及我们所有的听众——无论你们在政府工作、在初创公司、还是在经营大公司——都需要思考加速变化的速度、加速增长的速度，以及你们如何在这个新世界中与人工智能协同合作。

黄仁勋：

许多人已经说了很多事情，它们都很合理。我认为在接下来的5年里，真正酷且将被解决的事情之一是人工智能与机器人技术的融合。我们将拥有在我们身边游走的人工智能。每个人都知道，我们都将与自己的R2-D2一起成长。那个R2-D2会记住关于我们的一切，沿途指导我们，成为我们的伙伴。我们已经知道这一点。

每个人都将在云端拥有自己关联的GPU，80亿人口对应80亿个GPU，这是一个可行的结果。每个人都拥有为自己量身定制的模型。那个在云端的人工智能也会体现在各种地方——你的汽车里、你自己的机器人里，它无处不在。我认为这样的未来是非常合理的。

我们将理解生物学的无限复杂性，理解生物学系统以及如何预测它，拥有每个人的数字孪生。我们在医疗保健方面拥有自己的数字孪生，就像我们在亚马逊购物有数字孪生一样，为什么不在医疗保健方面拥有呢？当然会有。一个能预测我们如何衰老、可能患什么疾病，以及即将发生的任何事情的系统——也许是下周甚至明天下午——并提前预测。当然，我们会拥有所有这些。我认为所有这些都是理所当然的。

我经常被合作的CEO们问到，既然有了所有这些，会发生什么？你该怎么做？这是快速发展事物的常识。如果你有一列即将越来越快并呈指数级发展的火车，你真正需要做的就是上车。一旦你上了车，你就会在路上弄清楚其他一切。试图预测那列火车会在哪里，然后朝它射子弹，或者预测那列火车会在哪里——它每秒都在指数级加速——然后弄清楚在哪个路口等它，这是不可能的。只要在它行驶相对缓慢时上车，然后一起呈指数级发展。

主持人：

很多人认为这只是一夜之间发生的。你已经在这个领域工作了35年。我记得大约在2005年或2006年听Larry Page说，Google的最终状态是当机器能够在你问问题之前就预测到问题，并在你不用查找的情况下给你答案。我在2016年听Bill Gates说，当有人说所有事情都已经完成了——我们有了互联网、云计算、移动、社交等等。他说："我们甚至还没有开始。"有人问："你为什么这么说？"他说："直到机器从愚蠢的计算器变成开始为自己思考、与我们一起思考时，我们才真正开始。"那就是我们所处的时刻。

拥有像你这样的领导者，像Sam和Elon、Satya等人，对这个国家来说是如此非凡的优势。看到我们拥有的风险资本系统之间的合作——我参与其中，能够为人们提供风险资本。

这确实是一个非凡的时代。但我也认为，我感激的一点是，我们拥有的领导者也理解他们的责任——我们正以加速的速度创造变化。我们知道虽然这很可能对绝大多数人都是好事，但路上会有挑战。我们会在挑战出现时处理它们，为每个人提高底线，确保这是一个胜利，不仅仅是为了硅谷的一些精英。不要吓到他们，要带上他们。我们会做到的。

黄仁勋：

是的。

主持人：

所以，谢谢你。

黄仁勋：

完全正确。

本文来自微信公众号“硬AI”，关注更多AI前沿资讯请移步这里

风险提示及免责条款市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。

黑马配资网提示：文章来自网络，不代表本站观点。