智東西（公眾號：zhidxcom）
編譯 | 程茜 江宇
編輯 | 李水青
智東西9月29日報道，9月26日，英偉達創始人兼CEO黃仁勛（Jensen Huang）戴著顯眼的紅框眼鏡，與雙周開源對話BG2主播、Altimeter?Capital創始人布拉德·格斯特納（Brad Gerstner），Altimeter Capital合伙人克拉克·唐（Clark Tang）在英偉達公司展開了深入對話。
這場訪談黃仁勛回答了超過50個問題，他預測OpenAI將成為下一個價值萬億美元的超大規模公司，英偉達可能成為第一家市值10萬億美元的公司。
他提到全球對中國的三個質疑都是憑空捏造：有人質疑“中國永遠造不出AI芯片”，很荒唐；有人質疑“中國沒有制造能力”，他稱中國最擅長的就是制造業；有人認為“中國比美國落后好幾年”，實際上這個差距在納秒級別。
此外，他還談及最近與OpenAI簽訂的重磅協議，以及AI泡沫、AI算力增長趨勢等重點話題。干貨如下：
1、黃仁勛反駁“AI泡沫”：AI基礎設施市場的規模大概是每年4000億美元（約合人民幣2.8萬億）左右，還有4到5倍增長空間；
2、黃仁勛回應與OpenAI“互相抬轎”質疑：OpenAI投資由自己營收和融資承擔；
3、AI自研芯片潮來襲，黃仁勛點名谷歌，稱其是唯一走通自研AI芯片的玩家，其他都晚了；
4、英偉達將宣布專門做“加速數據處理”的重磅項目；
5、對馬斯克在一年內實現千兆瓦的算力規模絲毫不會感到驚訝，他本人就像一臺超級計算機；
6、讓英偉達進入中國市場參與競爭，對中美都是好事；
7、中國市場是全球最重要的市場之一，任何認為中國市場不重要的人都在自欺欺人；
8、美國H1B簽證申請人需支付每年10萬美元，這是一個好的開端，可以減少H1B簽證濫用；
9、未來每個人都將擁有自己的機器人助手、每個人在云端都會擁有專屬的模型。
▲黃仁勛、布拉德?格斯特納（Brad Gerstner）、克拉克?唐（Clark Tang）（從左至右）
這場對談持續了1個小時44分鐘。在YouTube下方的評論區，用戶紛紛開起夸夸模式，認為這是迄今聽過最好、最有價值的采訪。
以下是對訪談全程內容的編譯（為優化閱讀體驗智東西做了不改變原意的編輯）：
一、AI的下一站，是“預訓練、后訓練、推理”三定律
格斯納：距離我們上一次做播客已經過去一年多了，以AI的時間尺度來算，這已經過去了100年。我最近又重看了那期播客，其中最深刻的是你那時候“拍桌子“的那一幕。
黃仁勛：你還記得嗎，那時候整個行業對預訓練有些悲觀。
格斯納：那大概是一年前大家認為預訓練要終結了，而你認為推理計算的規模不僅是增長100倍、1000倍，而是增長10億倍，這就帶我們來到今天這個時點。
黃仁勛：我當時也低估了推理的發展速度。讓我想先明確一點，我們現在有三個擴展定律：預訓練擴展定律、后訓練擴展定律和推理擴展定律。
第二個后訓練，基本上就是AI在練技能。它會嘗試很多種不同的方法，直到做對。為了做到這一點，它必須進行推理計算。也就是說，現在的訓練和推理已經融合進強化學習的過程中了，這非常復雜。
第三個擴展定律就是推理。在過去推理是一次性的。但現在新的推理方式，是“思考型推理”——在回答之前先思考。所以現在我們有三個擴展定律。AI思考得越久，答案的質量越高。在思考期間，AI會去調研、查找真實資料。AI會學一些新東西，然后再繼續思考、繼續學習，最后才生成答案，而不是一開始就直接輸出。所以我們現在說的是：思考、后訓練、預訓練，三大擴展定律。
格斯納：你去年就知道了這些，現在你對“推理會增長10億倍”這件事的信心，比一年前更強了嗎？
黃仁勛：我今年更加有信心。原因在于，現在的智能體（Agent）系統中，AI已經不再是一個語言模型了，它是由多個語言模型構成的系統，它們并發運行，有些會調用工具，有些會做研究，是一個復雜系統。而且它現在是多模態的，看看現在生成的視頻，簡直瘋狂。
二、OpenAI首次自建AI工廠，英偉達從芯片干到“算力廠房”
格斯納：這就引出我們本周的重磅時刻，你們剛宣布與OpenAI簽訂的龐大合作，對你們來說這可能會有最多4000億美元（約合為人民幣2.84億元）的收入，這個合作伙伴關系意味著什么？
黃仁勛：我先回答最后那個問題，再慢慢展開。首先，我認為OpenAI很可能會成為下一個價值萬億美元級的超大規模公司。
格斯納：什么是所謂的“超大規模”公司？
黃仁勛：Meta是超大規模公司，谷歌也是。他們為消費者和企業服務提供服務，而且它們還有可能成為下一個市值數萬億美元級的超大規模公司。我認為你也會同意這個觀點。那如果是這樣，有機會在他們成為萬億公司之前投資進去，這可能是我們能想象的最聰明的投資之一。事實證明，這是正是我們熟悉的領域。
恰好我們非常了解這個領域，這筆投資的回報會非常可觀。我們不需要非投不可，也不是強制我們投，是他們邀請我們參與，我們非常開心能有這個機會。讓我從頭說起：我們和OpenAI正在合作幾個項目。
第一個是與微軟Azure的合作擴建，我們會繼續做下去，這個合作非常順利，我們接下來還有好幾年、幾千億美元的建設工作要做。第二個項目是與甲骨文合作的OCI（加速計算與Oracle云基礎設施 )的擴建。我記得大概有5到7個千兆瓦級的AI超級數據中心要建設。我們正在與OpenAI，還有軟銀合作推進這些AI基礎設施。
這些項目都已簽署合同，正在推進中，還有很多工作要做。第三個是CoreWeave。這里說的仍然是與OpenAI有關的。
這次的新合作是要幫助OpenAI首次自建他們自己的AI基礎設施。我們直接和OpenAI合作，從芯片層、軟件層、系統層、AI工廠層全面參與，幫助他們成為一個完整運作的超大規模公司。這個合作將持續很長一段時間。這將補充他們已有的那些項目，因為他們現在正經歷兩個指數增長。
第一個指數增長是用戶數量的爆發式增長。因為AI變得越來越好，用例也越來越多，幾乎所有應用現在都與OpenAI連接了。所以他們在經歷使用量的指數增長。第二個指數是計算量的指數增長——每次使用AI，所需要的算力也在指數增加。
以前是一次性推理，現在AI會先思考再回答。這兩個指數效應疊加起來，意味著他們的計算需求暴增。所以我們必須建設這些項目，而這次的新合作，是在所有已公布和已合作項目的基礎上，再額外加一層，來支撐這場前所未有的指數級增長。
格斯納：OpenAI以前委托微軟建設AI基礎設施，現在他們想要自己全棧建設AI工廠？
黃仁勛：是的。他們希望和我們之間的關系，就像埃隆·馬斯克和他的AI創企xAI之間那樣。
格斯納：xAI也在自己搭建整個算力基礎設施，這其實是個非常重大的轉變。過去馬斯克的AI算力中心Colossus擁有的優勢在于，他們自己全棧建設。這就是所謂的超大規模公司，因為即使他們暫時用不了那么多容量，也可以轉售給其他人。
黃仁勛：星際之門也是一樣。他們正在建設巨大的容量。他們預計會用掉大部分，但這也給了他們一個機會去將剩余部分出售出去。這很像AWS、GCP或Azure。
格斯納：他們實際上就是在建設屬于自己的“云”？
黃仁勛：我認為他們最終會自己用完這些容量，正如xAI的情況一樣。但他們希望擁有與我們之間直接合作的關系，直接采購、直接協同開發。Meta、谷歌、微軟都和我們是直接合作。
OpenAI已經發展到足夠的規模，他們認為是時候建立這種直接關系了。我很高興支持他們這一決定。大家都清楚這一切的進展，并表示支持。
三、英偉達每個員工都有AI助手，AI基建市場規模還有4-5倍增長空間
格斯納：但這也正是我覺得外界認知斷層所在。華爾街25位分析師的預測是：英偉達在2027年之后的增長趨于停滯，從2027到2030年只預測8%的增長。
黃仁勛：我們能持續超預期增長，我們對此沒有意見。
格斯納：這形成了一個有趣的“脫節”，分析師認為2026年還能有一些增長預期，但到2027年就會出現“產能過剩”。
黃仁勛：我不認為這是矛盾的。我有三個觀點，有助于你理解英偉達的未來，也能增強你的信心。
第一點，物理規律層面上的觀點，這也是最重要的觀點：通用計算已經結束了，未來是加速計算和AI計算。
你可以這么理解：當今世界有多少萬億美元的計算基礎設施？這些都必須更新換代。而更新換代的方向就是加速計算。這個觀點沒有人反對，每個人都會說“我們完全同意，通用計算已死，摩爾定律已死”。大家都說這些。那么這意味著什么？這意味著通用計算將轉向加速計算。我們與英特爾的合作，也是在幫助他們將通用計算與加速計算結合起來，為他們創造新的機會。
第二點：AI的第一個使用場景，其實已經無處不在。以前超大規模公司的計算架構是用CPU跑推薦系統，現在要用GPU跑AI了。你可以理解為傳統計算轉向加速計算與AI。超大規模計算由CPU轉向加速計算，再而轉向AI。而這些超大規模公司，比如Meta、谷歌、字節跳動、亞馬遜，他們都在用AI驅動工作負載。
格斯納：他們的用戶群是幾十億人，實際上就是全人類的一半。
黃仁勛：完全正確。即使不考慮AI帶來的全新場景，僅僅是將傳統任務轉為AI執行，就意味著數千億美元的市場。所以這只是“換一套引擎”的過程，就像從煤油燈換成電力，從螺旋槳飛機換成噴氣式飛機，僅此而已。
我剛剛講的這些都還算“平庸”，就是舊技術被新技術替代。精彩的事情在于，一旦你轉向AI和加速計算，會催生出全新的應用場景——這些正是我們今天談論的所有AI內容。
我們來簡單理解一下：過去“電機”替代的是“體力勞動”，而現在AI“工廠”生成的是“token”，用來增強“腦力勞動”。而人類的腦力勞動，大約占全球GDP的55%~65%，我們姑且算作50萬億美元（約合人民幣356萬億元）。那這部分GDP將被AI所增強。
我們再回到一個人的例子：假設我雇傭一個年薪10萬美元（約合人民幣71萬元）的員工，同時配給他一個價值1萬美元（約合人民幣7.1萬元）的AI助手。
格斯納：如果這個AI能讓他產出提高兩三倍？
黃仁勛：我會毫不猶豫地去做。事實上，我們公司內部已經是這樣做的——每一個員工，都配備AI助手。每一位軟件工程師、芯片設計師都有AI助手，結果就是我們設計出的芯片更多、質量更好、進度更快，我們公司增長更快、營收更高、利潤也更高。現在，把這個英偉達內部的故事，套用到全球GDP身上。
所以我們可以設想：這50萬億（約合人民幣356萬億元）美元的腦力勞動，將由AI增強出10萬億美元（約合人民幣71萬億元）的新價值。那這10萬億美元的產出，得有一臺“工廠”來支持——也就是AI基礎設施。
讓我們假設這10萬億美元的token產出，毛利率是50%，那么就有5萬億（約合人民幣35.6萬億）美元的價值需要依賴AI“工廠”去生成。而你知道，為了讓AI去“思考”、去“生成token”，需要持續運行的硬件設施。
格斯納：這是個關鍵點，AI不是像傳統軟件那樣“寫好再跑”，它要“時時運行”，對吧？
黃仁勛：對，以前的軟件是“事前編寫”，運行時人來操作。而現在AI是持續生成token的，它在“思考”，它在“寫自己”。也就是說，現在的軟件是持續運行的，而不是一次性靜態程序。為了讓AI能思考，它需要“工廠”——也就是AI數據中心。假設這5萬億美元的價值，需要由這些AI工廠來支撐運轉。
那我們看看全球每年的資本開支（CAPEX），如果是5萬億美元，我會說這個數學邏輯是成立的。
這就是未來的圖景：第一，從傳統通用計算轉向加速計算；第二，所有超大規模算力從CPU轉向AI；第三，人類腦力勞動被AI增強，從而推動世界GDP增長。
今天AI基礎設施市場的規模大概是每年4000億美元（約合人民幣2.8萬億）左右。所以，這個TAM（總可服務市場）還有4到5倍的增長空間。
格斯納：阿里巴巴CEO吳泳銘在云棲大會的演講上說，他們從現在到2030年要將數據中心的功率擴大10倍，而你剛剛說整個市場要增長4倍，而英偉達的營收基本與功率高度相關，是嗎？
黃仁勛：沒錯。我們的營收可以說是和電力功耗掛鉤的。
格斯納：他還說了一句很重要的話，“token的生成量每幾個月就翻倍一次”，那意味著什么？意味著“每瓦性能”必須持續提升，也正因如此，英偉達才拼命提升每瓦性能。
黃仁勛：沒錯。你可以說“瓦數就是未來的營收”。每一瓦電力就是產能單位。
格斯納：這背后還隱藏著一個非常有趣的歷史背景：過去2000年，人類GDP幾乎沒怎么增長。直到工業革命才開始加速，數字革命之后又進一步提速。現在你所說的是，AI將再次讓世界GDP增長加速？
黃仁勛：它必須加速。看看AI今天的影響力，大語言模型、AI智能體的出現，催生了一個全新的“AI智能體”產業。OpenAI就是歷史上增長最快的商業公司之一，它們的增長是指數級的。
所以，AI是一個快速增長的新產業。AI的運行需要“工廠”，這個產業本身也在增長。因為AI產業增長，我們的產業也在增長。而因為我們的產業增長，能源產業也在增長。這對能源行業來說是一次“文藝復興”，核能、燃氣渦輪等基礎設施公司，現在都在爆發式增長。
格斯納：但又有很多人在喊過剩、泡沫。扎克伯格上周說，也許未來某一時刻我們真的會出現一個“算力空檔期”，Meta可能會多花100億美元（約合人民幣712億元），但他認為這不重要。這聽起來像是“囚徒困境”。
黃仁勛：這些囚徒都很開心。
格斯納：預計到2026年，AI產業的收入會達到1000億美元（約合人民幣712億元），如果我們想在2030年前從1000億增長到1萬億（約合人民幣7.12萬億元）能實現嗎？
黃仁勛：我認為我們已經達到了。因為這些超大規模企業已經從CPU遷移到AI了。它們的整個營收系統現在都依賴AI了。
格斯納：TikTok沒AI做不出來。
黃仁勛：YouTube沒AI也不行，Meta的個性化內容、定制內容，全靠AI，這些以前是人類手動創作，現在是AI生成無限多種內容，然后由推薦系統挑選。
這些轉變其實才剛發生。扎克伯格自己在說他們在GPU部署上是“后來者”，搜索也是剛剛開始部署GPU。
格斯納：所以你認為，到2030年AI營收達到1萬億美元幾乎是“板上釘釘”的？
黃仁勛：對。我們可以說，目前只是“增量部分”的問題了。
四、徹底轉向加速計算前不會產能過剩，英偉達過去兩年一直加速運轉
格斯納：那我們現在來討論增量增長，你怎么看產能過剩的概率？未來三五年會不會真的有泡沫？
黃仁勛：這其實是一個“功率分布”的問題。直到我們把所有通用計算徹底轉為加速計算和AI計算之前，我認為出現“過剩”的概率非常低。
格斯納：也就是說，只要通用計算沒完全遷移完，就很難說有“泡沫”？
黃仁勛：沒錯，這還需要好幾年。在所有推薦系統都變成AI推薦之前，在所有內容生成都變成AI生成之前——尤其是面向C端用戶的內容，大多數都是通過推薦系統分發的——在所有這些都遷移之前，在整個超大規模計算從傳統架構遷移到AI架構之前，比如電商、搜索、購物等等，在這些都完成遷移之前……
格斯納：我們現在建設的這些龐大新系統，你們是否被強制去做這些投資？如果未來真的過剩，你們還會繼續投資嗎？還是說你們是在鼓勵大家建設，但保留收縮空間？
黃仁勛：其實正好相反。我們處于整個供應鏈的末端，是“響應需求”的。所有VC都會告訴你，現在世界面臨的不是GPU短缺，而是“算力短缺”。
只要他們下訂單，我們就會生產，過去幾年，我們已經打通了整個供應鏈，從晶圓投片到CoWoS封裝、HBM高帶寬內存等核心技術，我們都已經做好了準備。
格斯納：如果需要翻倍產能，你們能翻倍？
黃仁勛：完全可以。我們現在就是在等客戶的需求信號。客戶（如CSP和超大規模公司）會做年度規劃，給我們需求預測，我們就按那個預測進行生產。
格斯納：但他們每年給你們的預測都錯了，他們的預測總是低估了實際需求。
黃仁勛：所以我們一直處于“緊急加速狀態”。過去兩年，我們就是在這種狀態下運轉。
格斯納：你是否看到那些傳統的超大規模客戶雖然一開始比CoreWeave、xAI、星際之門慢一點，但現在也都開始“重壓投入”了？
黃仁勛：那是因為第二個指數變化來了。我們已經經歷了第一個指數變化，就是AI的使用率呈指數增長。現在我們正在經歷第二個指數：推理能力的增長。
一年前我們討論過這個問題：一旦AI從“一次性推理”轉向“多步思考”，就會發生質變。傳統AI只會“記答案”和“泛化能力”，這就是預訓練。
格斯納：例如背下8×8=64，然后可以類推出8×9。這個變化意味著：所需算力提升10億倍。
黃仁勛：對。但現在AI會“推理”了。它會搜索、會用工具、會進行“研究型”推理，這才是“思考型AI”。而且這也改變了客戶的行為。
格斯納：有些客戶原本就需要將內部工作負載從通用計算遷移到加速計算，所以他們會在周期中持續建設。也有一些客戶，因為不確定內部消化能力，建設節奏就慢一點。
黃仁勛：但現在他們都意識到——過去遠遠不夠建。
格斯納：我最喜歡的應用之一就是“老派”的數據處理，也就是結構化數據、非結構化數據的處理。
黃仁勛：我們很快就會宣布一個重磅項目，專門做“加速數據處理”。今天全球大多數CPU都用來處理數據。這是一個巨大的市場。你去Databricks，它們主要還在用CPU；Snowflake也一樣；甲骨文里的SQL處理，也是CPU。
格斯納：幾乎所有結構化數據處理都跑在CPU上。
黃仁勛：未來這些都會遷移到AI加速系統上。這是一個天文數字級別的市場，而且它將遷移到AI體系上。但你需要我們英偉達這樣的“全棧加速能力”，你需要有“數據處理配方”（recipes）——我們會去構建那些。
五、OpenAI可能成為下一個萬億美元公司，每個國家都需要AI
格斯納：我聽到一些批評，比如GPU泡沫、算力過剩、循環收入，所謂“循環收入”就是公司相互投資、互為客戶，看起來收入在增長，但其實是財務工程虛增了營收。現在你們投資OpenAI，而OpenAI又從你們這里買了上百億美元的芯片，批評者就說這是在互相抬轎，你怎么看？
黃仁勛：我們說的這10個千兆瓦級的AI超級數據中心，價值差不多4000億美元（約合人民幣2.8萬億），對吧？這4000億美元的投資，最終得靠OpenAI自己的營收來支撐。他們必須靠他們的現金流來支持，當然也包括他們通過股權融資獲得的資本，以及他們能從市場上借到的債務資金。
格斯納：所以關鍵在于，他們有沒有能力持續產生收入，而不是靠你們之間“你買我、我買你”來堆營收。
黃仁勛：聰明的投資人和放貸方會綜合考量這些因素。這些都跟他們的公司運營直接相關，不是我們能控制的事情。但我們會持續緊密合作，確保我們建設的基礎設施，真正支撐他們的業務成長。
格斯納：你們對OpenAI的投資是機會性的，不是綁定性的嗎？
黃仁勛：對，投資只是一個機會，他們給了我們這個機會，我們當然愿意參與。畢竟，我們認為他們很可能會成為下一個萬億美元公司。你想想看，誰不想投一家未來的萬億美元企業？我唯一的遺憾就是，他們在早期就邀請我們投資了。
我們那時候太窮了，投得不夠。我現在回想起來，早該把所有的錢都給他們。
格斯納：而且從本質上說，如果你們不做出好的芯片，OpenAI也完全可以換別的芯片？
黃仁勛：完全可以。他們沒有義務必須用我們的芯片。我們的投資是獨立決策的，不是綁定式采購。我們純粹是看好他們的前景，所以愿意投資。
格斯納：而且，你們其實也投了其他公司，比如xAI、CoreWeave，那些投資現在看起來也都非常聰明。
黃仁勛：我們也這么認為。
格斯納：更重要的是，你們把這些都公開透明地告訴了市場。
黃仁勛：沒有哪個國家會說“我們不需要智能”。我們談論的，其實是“智能的自動化”。
六、自研AI芯片潮洶涌？英偉達“年更”秀肌肉，“極限協同設計”是獨家
格斯納：現在我們來說說系統設計。你們為什么決定切換到年更節奏？是AI幫助你們實現了這個節奏嗎？
黃仁勛：答案是肯定的。沒有AI，英偉達的研發速度和規模根本無法支撐這種節奏。AI對我們至關重要。現在英偉達所有設計、建模、仿真、驗證流程都在AI的幫助下進行。我們每一個產品周期的速度和質量都因此提升。
格斯納：你們為什么要年更？過去GPU都是兩三年一代。
黃仁勛：有個關鍵原因你已經提過了。吳泳銘在財報會上說過，token生成率正在以指數級上升。用戶增長也在指數上升。ChatGPT的活躍用戶已經達到8億周活，距離產品發布還不到兩年。而這些用戶每個人現在產生的token，比以前高出幾十倍，甚至上百倍。因為現在是“思考型推理”，需要更多計算量。
格斯納：也就是說，有兩個指數增長疊加。
黃仁勛：對，一個是用戶數增長；一個是每用戶使用強度增長。這是“兩重指數疊加”。
格斯納：所以你們必須提升性能，否則token成本會越來越高。
黃仁勛：對。而且我們不能靠傳統方法提升性能。摩爾定律已經死了，晶體管的單位成本幾乎不再下降，電力也不再便宜。換句話說，我們必須每年靠架構和系統設計的突破，把單位算力成本降下來。否則光靠制造工藝微調，每年節省幾個百分點，是遠遠抵不上兩重指數增長的。
格斯納：你們必須以極高節奏，把每年的token成本打下來，大概是十年時間，你們架構的整體性能提升了多少倍？
黃仁勛：大概是10萬倍。
格斯納：10年提升10萬倍？那等于每年翻三倍？
黃仁勛：差不多。而且Hopper到Blackwell之間的性能提升，是30倍，僅僅一代。
格斯納：靠什么實現的？NVLink 72？
黃仁勛：對，靠我們新的高速互聯和系統級優化實現的30倍性能提升。而Blackwell之后，Vera Rubin還會再提升一個數量級；再下一代Feynman，又會再提升。
格斯納：你們怎么做到的？
黃仁勛：摩爾定律在性能上已經沒什么用了，晶體管密度還在增加，但頻率、功耗、帶寬都遇到瓶頸了。所以我們必須在系統層面打破限制。
我們每一代不僅換GPU，還要同時換CPU、網絡芯片、互聯芯片、系統總線、內存架構——所有組件同時更迭。并且，軟件棧也要全部重寫。這種“極限協同設計”（extreme co-design）是英偉達獨有的能力。
格斯納：極限協同設計是什么概念？
黃仁勛：就是說你不能只改一個芯片，你必須同時設計模型、算法、系統結構和芯片。不能“在盒子里迭代”，你要跳出盒子，一起設計。
格斯納：以前摩爾定律就是“盒子里迭代”，晶體管多一點，頻率快一點，所有人自然受益。
黃仁勛：現在已經不能靠“盒子內升級”了，必須跳出盒子，系統級協同創新。我們做的不是芯片，是“AI工廠”。
格斯納：你們為此還打造了自己的交換芯片Spectrum-X、網絡系統、CPU、NIC等等。
黃仁勛：對。這就是為什么英偉達進入了網絡、互聯、芯片、服務器、操作系統——我們之所以“軟件做得多”，是因為我們做極限協同設計。我們開源的AI軟件量，全世界可能只有AI2一個機構比我們還多。
格斯納：所以你們之所以實現Blackwell比Hopper提升30倍，不是靠晶體管，而是靠系統級優化。
黃仁勛：是的，這就是極限協同設計的成果。
格斯納：聽說你們的以太網業務（Spectrum-X）已經成為全世界增長最快的以太網產品？
黃仁勛：沒錯。之前有人還說我們“只是在做以太網”，現在他們終于明白這個“X（變量）”的意義有多大了。
格斯納：我聽一個競爭對手說，現在英偉達的年更節奏，雖然是為了降低token生成成本，但同時也讓競爭者幾乎無法跟上，你們是怎么思考這個問題的？
黃仁勛：你先別急著提問，你得先想一件事——如果我們每年要交付幾千億美元的AI基礎設施建設，你想想看我們一年前得啟動多少產能？
格斯納：對，這不是幾臺服務器，這是全球級別的資源調度。
黃仁勛：我們得預定幾千億美元的晶圓、HBM內存、封裝、模塊、工廠。我們得提前一年開始準備。這個規模之大，幾乎沒有第二家公司能跟得上。
格斯納：所以你們的護城河比三年前還深？
黃仁勛：我覺得是的。一方面，競爭者比以往多，但另一方面，做這件事的門檻也越來越高。
格斯納：你是說，哪怕對方芯片性能差不多，光是規模就把他們卡死了？
黃仁勛：我們來分兩點講。第一，成本在變高。晶圓變貴了。如果你沒有“極限協同設計”能力，你就沒法打出30倍、50倍的系統性能提升。你得每年同時推進6~8款核心芯片，才能完成我們的系統級迭代。
建一整套AI工廠系統得有CPU、GPU、NIC、交換芯片、內存體系、軟件棧，還得同時跑得通。這就是我們為什么擁有整個AI基礎設施系統設計能力。
格斯納：客戶也必須信任你們——愿意下50億美元的訂單，買一個“還沒出硅片”的新架構。
黃仁勛：是的。你想想看，誰會為一個剛剛流片的全新架構芯片，下50億美元的PO？這必須是一個已經被高度驗證過的生態和架構，才能做到。
格斯納：而且你們的供應鏈也愿意在你還沒拿到正式訂單之前，就幫你準備好幾百億美元的物料？
黃仁勛：是的。這說明產業鏈信任我們一定能交付，并且客戶一定會買。這種信任背后，是多年的驗證和交付歷史。
唐：但也有人說，谷歌的TPU和亞馬遜的Tranium也做得不錯，還有Anthropic、OpenAI、甚至ARM都在做AI芯片，你怎么看今天的“自研芯片潮”？
黃仁勛：我們要先承認一件事：谷歌是唯一一個從頭做起的例子。他們的TPU從第一代就開始了，比所有人都早。你想想看，如果你今天才開始做AI芯片——這就跟創投邏輯一樣：你不能在市場已經是萬億美元時，才想進來分一杯羹。
格斯納：沒錯，真正聰明的VC是在市場很小的時候投下去，占領整個小市場，等它變大。
黃仁勛：對，我們當年就是這樣，Google也是。他們是和我們一起創造了這個產業的。現在新進來的很多項目，都只是“看起來像個很大的機會”。但別忘了，今天的AI工廠，已經不是幾年前的“單芯片跑大模型”了。
現在我們有專門用于視頻生成的CPX GPU，有專門處理KV Cache的內存計算模塊。未來甚至可能出現專門為AI數據處理設計的加速器。AI工廠的“結構化記憶”和“短期記憶”系統越來越復雜，這些都可能需要獨立芯片支持。
唐：那你們怎么看這些ASIC項目？尤其是客戶自己搞ASIC？
黃仁勛：ASIC有它的價值，比如視頻轉碼器、SmartNIC，這些市場小、需求穩定的場景，做ASIC沒問題。但如果你要做的是“AI工廠的核心算力引擎”，那是完全不同的挑戰。
唐：這些工作負載每天都在變：聊天、推理、視頻生成、KV緩存、圖像理解……如果芯片不能靈活適配，就落后了？
黃仁勛：對。英偉達不是在做GPU。我們是在構建整個AI基礎設施，幫助企業承載不斷變化的AI工作負載。
且CUDA足夠靈活，開發者能快速試驗新的模型結構，比如各種Attention算法。如果他們用固定功能的ASIC，根本沒法做那么多實驗。我們的GPU就是AI研究的“探索平臺”。
格斯納：就算競爭對手把芯片免費送，最終用戶在整體系統上還是會選你們的產品。很多人不理解這一點。你能不能從成本核算角度，帶我們走一遍你的“數學邏輯”？
黃仁勛：這個問題可以從兩個角度來講。我們先從營收角度出發。現在大家都面臨一個共同限制——功率受限。假設你有2個千兆瓦級的AI超級數據中心的電力資源，你當然希望用它換來最大營收，對吧？
如果我的系統能實現每瓦更高的token產出（性能/功耗），也就是說單位電能能產生更多token，那么你就能獲得更多的收入。比如說我用了極限協同設計，我的系統效率遠高于別人的方案，那么我客戶的每瓦token營收就高兩倍。他為什么要換？而且，即使對方芯片打個85折，甚至免費送，整個數據中心的“土地、電力、運維、冷卻”這些基礎設施，光建個殼體就要150億美元。
格斯納：也就是說，即使芯片不要錢，你在電力+廠房+能耗上的機會成本也高得嚇人？
黃仁勛：沒錯。你只有2GW的功率資源。如果你選了一個低效芯片，你就浪費掉了這個數據中心能創造的總收入。
格斯納：所以真正的“成本”不是芯片本身，而是整個系統的機會成本？
黃仁勛：對。我常說一個數字——Blackwell相比Hopper，系統性能提升30倍。如果有競爭對手的芯片只相當于Hopper，那你就得放棄30倍的token營收。你愿意嗎？而且別忘了，我們的毛利率是75%，競爭對手可能只有50%-65%。就算他芯片便宜點，也抵不上30倍的營收差距。
格斯納：我聽一個超大規模CFO說過，現在他們必須升級換Blackwell，因為功率是他們的最大限制單位，他們只能用你們的架構才能讓token產出最大化。
黃仁勛：完全正確。
格斯納：你們現在每年做6~7顆核心芯片，而不是只做一個主力GPU。每一顆芯片都有自己的作用？
黃仁勛：對，這些芯片互相協同、互補，形成一整個系統。系統里的每一個組件都要協同優化，才能實現Blackwell這種“30倍級”的突破。如果你只做一個孤立的ASIC，沒法參與進這個系統里，就很難達到我們這樣的綜合效率。
格斯納：而且你們還每年升級一次系統，對手想跟上這個節奏幾乎不可能。
黃仁勛：對，我們現在是每年“Bam! Bam! Bam!”出一代。你要知道，這些不是只靠晶體管堆起來的性能，而是靠系統級協同打出來的X因子。
七、英偉達會成為首個十萬億美元市值公司，馬斯克本人就是一臺超級計算機
格斯納：你的競爭護城河在增加還是在減少？是否存在這樣一種可能：五年后英偉達的營收規模，它實際上不會比今天高出多少的概率是多少？
黃仁勛：正如我所描述的，我們的機會比共識要大得多。我認為英偉達可能會成為第一家市值10萬億美元的公司，我已經在這個行業待得夠久了。不久之前，正如你所記得的那樣，人們說永遠不會有一萬億美元的公司，現在我們已經有10個了。
世界的規模在不斷擴大，而人們對我們所做的事情仍存在誤解。
他們記得我們是一家芯片公司，我們生產芯片。確實，我們在芯片制造上投入了巨大精力，也造出了全球最頂尖的芯片。但英偉達本質上是一家AI基礎設施公司。我們與OpenAI的合作就是最佳證明,我們是他們的AI基礎設施合作伙伴，并且我們通過多種不同方式與各類伙伴開展合作。
我們不需要任何人從我們這里購買所有東西，我們不要求他們購買完整的機架，他們可以只買一顆芯片，也可以只買一個組件，可以買我們的網絡設備，也能有其他選擇。事實上，有些客戶只買我們的CPU，有些只買我們的GPU，而CPU或網絡設備則選擇其他廠商的產品。總而言之，無論客戶想以何種方式采購，我們都完全接受。我唯一的期望，就是客戶能從我們這里買點東西就好。
格斯納：你之前提到，這不僅僅關乎打造更優秀的模型，我們還必須具備世界級建設者的能力，你提到馬斯克或許是我們國家最頂尖的“建設者”之一。
黃仁勛：如果他能比任何人都先在一年內實現千兆瓦的算力規模，我絲毫不會感到驚訝。
格斯納：可以簡單談談這種建設者的優勢，這類建設者不僅會開發軟件和模型，更清楚搭建這些集群需要具備哪些條件，這種認知本身就是一種巨大的優勢。
黃仁勛：要知道，這些AI超級計算機是極為復雜的系統。首先其核心技術本身就很復雜，其次采購環節也充滿挑戰，這主要源于資金方面的問題；再者保障供電、為系統供電，以及將所有組件搭建起來、完成整體調試啟動，每一步都不簡單。
我的意思是，這是毫無疑問的最復雜的系統問題，人類曾經努力過，所以馬斯克有一個很大的優勢，在他的頭腦里，所有這些系統如何協同運作、彼此間存在怎樣的依賴關系，全都清晰可見，包括資金運作層面的考量也不例外。
從這個角度說，他就像一個強大的GPT，他本身就是一臺巨型超級計算機，堪稱“終極圖形處理器”。所以他在這方面的優勢極為顯著，而且他還具備極強的緊迫感，對完成這項建設有著真切的渴望。
因此，當堅定的決心與過硬的能力相結合時，不可思議的事情就有可能發生。
八、每個國家夠離不開AI基建，這正是英偉達的核心業務
格斯納：我想聊聊“主權AI”，也想談談中國以及當前正在進行的全球AI競賽。要知道，回望30年前，你恐怕根本想不到，英偉達對美國的國家安全至關重要。
黃仁勛：每個人都需要AI，AI本質上是一種現代軟件，從通用計算到加速計算，從人類逐行編寫代碼到AI自主生成代碼，這一演進脈絡的底層邏輯不容忽視。我們其實是重塑了計算本身。縱觀地球生命史，還沒有任何一個物種能做到重塑計算，而計算又是全人類的共同需求。
因此，計算必須走向普及，這也正是所有國家都意識到必須邁入AI領域的原因：因為每個國家都需要跟上計算發展的步伐，不能在這場變革中掉隊。
世界上沒人會說“你知道嗎？我昨天還在用電腦，可明天我就打算靠棍棒和火種過日子了”，所以所有人都必須擁抱計算機技術，這本質上就是一個與時俱進的過程，僅此而已。
首先有一點是明確的：要參與AI的發展與應用，就必須將本國的歷史、文化與價值觀融入AI系統的開發邏輯中。當然AI本身的智能水平也在不斷提升，以至于即便是基礎通用型AI，也能相當快速地學習并掌握這些內容，無需從零開始。
所以我認為，每個國家都需要具備一定的主權AI能力。我的建議是，各國既可以使用OpenAI、Gemini、Grok等開源模型，也可以使用Anthropic的技術，但同時也應投入資源，學習如何自主構建AI系統。
之所以提出這樣的建議，是因為各國需要掌握AI的構建能力，這不僅僅是為了開發模型，更重要的是，未來還需要用這種能力去構建工業領域的AI模型、制造業AI模型，以及關乎國家安全的AI模型。
確實，有大量的智能需要各國自行去培育。所以每個國家都應該具備主權AI能力，都應當發展這一能力。實際上，他們都已經意識到了，而且他們都會成為OpenAI、Anthropic和Gemini等公司的客戶。但同時，他們也確實需要構建自己的AI基礎設施。
這正是核心關鍵所在，英偉達的核心業務，就是搭建AI基礎設施。
就像如今每個國家都需要能源基礎設施、通信與互聯網基礎設施一樣，每個國家都離不開AI基礎設施。
格斯納：我們先從世界其他地區（的情況）說起。我們有負責AI與AI相關事務的團隊，他們做得非常出色。
黃仁勛：因為當下正處于關鍵時期，AI技術本身極為復雜，而斯里拉姆?納加爾（Sri Ram Nagar）恐怕是華盛頓特區唯一懂CUDA架構的人，想想這其實還挺不可思議的。
我由衷感到欣慰的是，在這個技術復雜、政策難定，且AI發展對我們國家未來影響至關重大的關鍵時期，能有這樣一位思路清晰、愿意花時間去理解技術，并且深思熟慮的人來幫助我們應對這一切。
格斯納：在我看來，若再回到曼哈頓計劃的類比上，如今的情況是，我們的政府官員清楚AI重要性，也都積極支持能源產業發展。
黃仁勛：試想一下，若現在的政府班子不支持AI產業發展，不希望本國能源產業壯大以支撐AI建設，那后果會是怎樣？這種替代場景簡直難以想象。
九、美國應最大限度擴大出口，回應三點對中國的質疑
格斯納：你在行業內深耕多年，如今也與政府保持著密切聯系。能否為我們解讀一下，當前政企關系的本質是怎樣的？上周那場匯聚眾多CEO的晚宴，這樣的場景是否罕見？在過去30年的職業生涯中，是否見過類似的情況？
黃仁勛：美國總統特朗普對想要進入市場的領導人敞開大門，幫助他們了解未來。這是一個從根本上相信增長的政府。
格斯納：那我們就來聊聊互聯網吧。現在美國政府在提對芯片、模型、數據中心相關的出口許可審批，他們認為唯有如此美國的AI體系才能在全球競爭中勝出，要知道，一年半之前情況根本不是這樣。
黃仁勛：當時還流行一個說法叫“小院高墻”之類的概念。但頗具諷刺意味的是，無論是對這個概念的闡釋，還是政策層面的推行建議，其核心竟然是在美國本土周圍建一個小院，再筑起高墻，這正是最讓人費解的地方。
我認為我們應當最大限度地擴大出口，最大限度地提升美國在全球的影響力，這些本就是我們該全力推進的目標。
格斯納：現在，你是否看到AI相關出口許可審批正在逐步落地？是否能感受到政府層面在加快審批速度？
黃仁勛：他們一直在全力推進這件事。
格斯納：如今，英偉達與中國之間的關系現狀如何？另外，能否再闡述一下，你認為美國應采取哪些舉措，才能讓自身處于最佳位置，在全球AI競賽中勝出？
黃仁勛：我們與中國存在競爭關系，這一點毋庸置疑。但我們也應當承認，中國理所當然希望本國企業發展良好，對此我絲毫沒有嫉妒之意。他們的企業本就該發展壯大，中國政府也完全有權為這些企業提供任何形式的支持，這都是他們的自主選擇。
還有一點別忘了，中國擁有一批全球頂尖的企業家，因為他們大多畢業于世界一流的理工科院校，而且他們是全球最具拼搏精神的群體，中國培養的AI工程師數量極為龐大。我們現在面對的是一個實力強勁、善于創新、斗志昂揚、行動迅速，且監管環境相對寬松的競爭對手。
很多人都沒意識到，中國的監管其實相當寬松，甚至諷刺的是，比我們這個資本主義體系的監管還要少。
中國經濟體系的一大精妙之處在于其“分布式”特征，全國不同的省再加上各地以城市為核心的經濟發展模式，催生出了極強的內部競爭活力，這股活力也極大地帶動了經濟發展。如今的中國已經形成了一個充滿活力、企業家精神蓬勃、高科技驅動且高度現代化的產業體系。
而且，有幾點我想說：第一，之前總有人說“中國永遠造不出AI芯片”，這話聽著就很荒唐；第二，還有人說“中國沒有制造能力”，可要說有什么是中國最擅長的，那恰恰是制造業；第三，有人覺得“中國比我們落后好幾年”，還爭論是落后兩年還是三年，他們和我們的差距根本不到年這個量級，而是差在納秒級別。
所以我們必須去競爭，必須全力去競爭。
中國政府希望中國成為一個開放的市場，希望吸引外國投資，希望外國公司來中國并在市場上競爭。我希望在我們這里也能回歸到這種狀態。至于我對未來有什么看法，我確實希望如此。
我很榮幸能夠在這個產業工作，這是美國獨一無二的最好的產業。我們為什么不允許這個產業為了生存而競爭，不允許這個產業將技術推廣到全世界，從而讓世界建立在美國技術的基礎之上，這樣我們就能最大限度地實現經濟成功，最大限度地提升地緣政治影響力，最大限度地發揮這個科技產業的作用呢，在這樣一個充滿活力、至關重要的時刻，我們應該讓它蓬勃發展。
格斯納：持懷疑態度的人會說，黃仁勛不過是想多賣芯片罷了，如果能賣給中國，他自然樂意，他根本不在乎這對美國意味著什么。
黃仁勛：請允許我回應一下這些懷疑者，僅僅因為我希望美國的生態系統和經濟能實現增長，并不意味著我的想法是錯的。迄今為止，所有那些關于中國的不實言論、那些憑空捏造的說法，最后都被證明是錯誤的，無論是所謂的事實，還是所謂的真相，全都站不住腳。
格斯納：美國政府會認為或許黃仁勛是對的，或許其他人是對的，但如果黃仁勛愿意拿出15%左右的收益上繳美國財政部，以此作為一種風險對沖，那我會支持這個方案。不過，緊接著發生的事情卻讓我非常失望。我認為，如果中國覺得自己被利用了，覺得我們賣給他們的芯片是那種落后了十年的淘汰產品，那我完全能理解他們為什么會做出那樣的反應。
黃仁勛：H20芯片至今性能依然相當出色。當然，我也清楚它不如Blackwell。我對此是有耐心的，而且我相信中國方面的決策者是明智的，他們正在審慎考量自身所處的局勢。相較于美國，他們需要應對的整體議題范圍更廣、更復雜。
目前確實有很多相關討論在進行，但我還是想回歸到最根本的事實，我堅信，讓英偉達能夠服務中國市場、并在該市場參與競爭，這完全符合中國的核心利益，這對美國而言也極為有利。這是兩個最根本的事實，而這兩個事實完全可以共存。
因此，盡管我會告知所有投資者，我們的業績指引中并未包含中國市場的業務，但我依然堅持上述觀點；同時，我也非常感謝所有投資者理解并認同，在我們的任何業績指引中都不應納入中國市場的相關預期。
我們在其他市場擁有大量增長機遇，這些機遇確實都真實存在。但這并不意味著中國市場對我們而言就不重要，恰恰相反，它對我們至關重要。任何認為中國市場不重要的人，無疑都是在自欺欺人。
要知道，中國市場是全球最重要的市場之一，這里有聰明的人在做著有價值的事。我們希望能參與其中，而且我堅信，我們的參與完全符合中美兩國的核心利益。
因此，當我退一步從更宏觀的視角看待這件事時，我有信心最終，理性與智慧會占據上風，也始終相信，真相終會水落石出，正是這份信念支撐著我走到今天。如今，我依然堅信這是最根本的道理，這些問題終將得到解決，我們也終將獲得機會，回到中國市場參與競爭。
十、H1B簽證收費政策是好的開端，堅信中美能達成重要合作協議
唐：我不是很懂政治，但這個話題很熱門。政府決定對H1B簽證收取10萬美元費用，你對這一決定有什么看法？這會讓招募人才變得更容易還是更難？
黃仁勛：那我先從這個點說起，這項H1B簽證收費政策是個很棒的開端。
原因是這樣的，這個開端本身就傳遞出一種信號，政策在向更精準的方向調整，但我希望這不會是終點，不過即便如此，我依然認為它是個很棒的開端。我只是真心希望，這不會是政策優化的最后一步。
美國歡迎的是合法移民，合法移民和非法移民之間有著本質區別，我們該如何找到一個符合邏輯、切實可行的解決方案來平衡這兩者。
目前給H1B簽證設定10萬美元的費用門檻，這個標準或許確實定得有點太高了，但作為第一個明確的門檻，它至少能起到一定作用，至少能減少對H1B簽證的濫用。至少有了這個起點，我們才能圍繞如何優化移民政策展開真正有意義的討論。
格斯納：我們必須招募世界上最優秀、最聰明的人才，這似乎會使競爭環境向那些能夠有效贊助這些人的大公司傾斜，而對于初創企業生態系統來說，這就更具挑戰性了，因為那里的人力成本本來就已經非常高了。
黃仁勛：但就像我之前說的，重要的是先邁出第一步，再朝著正確的方向調整。要知道，很多時候人們總想著從一個錯誤的狀態、一個不理想的局面里，一步就跳到完美的解決方案，可我們現在的處境本就不是我們想要的，而且完美答案本身就很難一蹴而就。所以，不如先從某個起點開始行動，這才是創業者的做事方式。
格斯納：你是否相信本屆政府有一套吸引人才的戰略規劃？
黃仁勛：說實話，我無法給出確切答案。但我清楚，我們目前的狀況并非理想狀態。不過我也堅信，這些關鍵目標始終是大家關注的焦點。
格斯納：我從一位在美國頂尖實驗室擔任負責人的中國研究人員那里聽說，三年前，中國大學畢業的頂尖AI研究人員中有90%想來到美國，并且確實來到美國在我們的頂尖實驗室工作。而他猜測現在這個比例接近10%或15%，下降幅度非常大，你有沒有看到這種現象？
黃仁勛：這絕對是未來問題的早期信號，要知道優秀人才來美的意愿、優秀學生留美的意愿，這些在我看來，就是衡量美國未來能否持續成功的關鍵指標。
簡單來說，頂尖人才是否愿意奔赴美國、是否愿意長期扎根，本質上是對美國發展機遇、生活環境、制度吸引力的直接投票。當這些人才的意愿出現下滑，可能預示著未來在科技創新、產業升級、人才儲備等核心領域的競爭力流失。美國過去數十年在科技、經濟等領域的領先地位，很大程度上依賴于對全球頂尖人才的持續吸引與留存。
格斯納：我們需要一套明確的戰略規劃，既要主動吸引頂尖人才，更要通過各種努力，讓這里成為他們愿意扎根工作的地方。
黃仁勛：有一個說法，我也是近幾年才聽到的，叫“對華強硬派”。在我看來，這根本就是恥辱的印記。
我不否認，這些人或許也想為美國爭取最大利益，他們自認為在為國家做正確的事，可實際上，這和愛國毫無關系，半點兒關系都沒有。在我看來，特朗普總統給我的感覺并非像那些對華強硬派一樣。我在這個播客節目里也說過，我認為他能和中國達成一項重要協議。要知道，在未來一個世紀里，中美是兩個最重要的國家關系。
在整個行業生態里，我和所有同行伙伴合作都毫無問題。我們最近剛達成了一項重磅合作，合作伙伴正是英特爾，這家公司在過去幾十年里，大半時間都在想方設法擠垮我們。即便如此，我和他們合作也沒有絲毫顧慮。
之所以能做到這一點，原因有兩個：第一，我向來歡迎競爭，放馬過來就好；第二，未來的發展空間遠比眼前的競爭更廣闊。很多事情沒必要非得分出非我即他，完全可以是攜手共贏。但話雖如此，面對任何競爭，我依然要說“放馬過來”。
十一、AI是最強大的平等器，未來每個人都會有自己的專屬模型
黃仁勛：美國政府正在推動“再工業化”，包括鼓勵企業來美國本土建廠、幫助現有勞動力掌握適應新工業需求的能力。
格斯納：這簡直太了不起了，馬斯克帶領我們向火星邁進航天產業的突破能帶動上下游無數制造、研發、技術崗位的發展。
黃仁勛：AI是最強大的平等器。現在幾乎每個人都能用上AI了，其實已經在彌合技術鴻溝了。以前要是有人想借助計算機提升經濟收入、助力職業發展，至少得學會C++、C語言這些編程語言。但現在不一樣了，人們只需要會說人話就行，AI會一步步給你解釋清楚或直接幫你把活兒干了。
我們恰恰是靠技術本身，把過去橫在人們面前的技術鴻溝給填上了。以前技術門檻像一道墻，把不懂編程的人攔在外面；現在AI把這道墻拆了，不管你有沒有專業技術背景，都能借助它的力量做事，這就是最實在的技術平等。
這件事需要每個人都參與進來。要知道，OpenAI目前有8億活躍用戶，它的用戶規模應該盡快達到60億、80億才行。所以我認為，首要任務是擴大AI的普及范圍。其次AI會改變各種任務，人們容易混淆的一點是，未來會有很多任務被淘汰，也會有很多任務真正被創造出來，但對大多數人來說，他們的工作很可能會得到有益的保障。
比如，我們現在就一直在使用AI。AI讓我們產生了更多想法，也讓我們有能力去推進更多想法，AI讓公司的生產效率大幅提升。AI的出現會導致大規模失業的說法，它的前提人類已經沒有更多新想法可以去實現。
我認為智力并不是一個零和游戲。我周圍越多聰明的人，我周圍就越多天才，我擁有的想法越多，我想象中我們可以解決的問題就越多，我們創造的工作越多、創造的就業機會就越多。
我不知道一百年后的世界會是什么樣子，但在接下來的幾十年里，我的感知是經濟將會增長，許多新的工作崗位將會被創造出來。每一份工作都將改變，一些工作將會失去。眾所周知，人類天生就容易抱有懷疑態度，而且極不擅長理解復合增長體系，至于對那些會隨著規模擴大而加速發展的指數增長體系，理解能力就更差了。
格斯納：技術變革的速度正在不斷加快，發展的節奏也在持續提速，在這樣一個全新的世界里，你該如何找到自己的位置、跟上時代的步伐？
黃仁勛：其實很多人都已經談論過未來五年的諸多可能性，那些觀點都相當有道理。而在未來五年里，有一件即將實現的酷事，就是AI與機器人技術的深度融合。我們都會在成長過程中擁有屬于自己的R2-D2（《星球大戰》的經典機器人角色）。這種R2-D2會記住關于我們的一切，在人生路上為我們提供指導，成為我們的陪伴者。
未來每個人在云端都會擁有專屬的模型。全球有80億人，就對應80億個云端模型，每個人的專屬AI模型都會根據個人需求進行精調，實現高度個性化。同時，這種AI不僅存在于云端，還會融入你的汽車，嵌入你的專屬機器人，最終無處不在地陪伴在你身邊。
所以我認為，這樣的未來完全合乎情理。比如，我們將破解生物學領域無限復雜的奧秘、為每個人都建立數字孿生體，例如我們會有專屬于自己的醫療健康數字孿生體，就像我們在亞馬遜購物時會產生對應的用戶數據畫像一樣。有了這樣的系統，我們就能預測自己的衰老過程、可能患上的疾病，甚至能提前預判即將發生的健康問題。
鑒于這一切，與我合作的CEO經常問我一個問題，接下來會發生什么？我們該怎么做？其實答案很簡單，就像面對所有飛速發展的事物時的常理一樣，如果你面前有一列正不斷加速、即將進入指數級增長階段的火車，你真正需要做的，就是跳上這列火車。一旦上了車，沿途遇到的其他問題，你自然能一步步解決。
要是你非要先預測這列火車會開到哪里，再試圖瞄準它或者非要預判它的行駛軌跡，然后去琢磨該在哪個路口等它，那根本是不可能的事。所以，趁它現在還沒快到極致，趕緊上車就對了，這樣你才能跟著它一起進入指數級增長的軌道。很多人覺得當前的技術爆發是一夜之間發生的，但事實并非如此。
格斯納：我記得大概在2005年或2006年的時候，拉里·佩奇（Larry Page）說過，谷歌的終極目標是讓機器能在你開口提問之前甚至在你產生疑問之前就預判出你想問的問題，然后直接給出答案，無需你再去搜索查找。
2006年比爾·蓋茨（Bill Gates）也說過類似的話，當時有人問他：“是不是該做的事情都已經做完了？畢竟我們已經有了互聯網、云計算、移動技術、社交網絡這些東西。”他的回答是：“我們其實還沒真正開始。”
接著他反問：“你覺得為什么我會這么說？要知道，只有當機器從’笨拙的計算器’進化到能自主思考、并能與人類協同思考的階段，我們才算是真正開啟了技術變革的新篇章。”而現在，我們所處的時代，差不多就是這樣一個關鍵節點。
黃仁勛：這確實是一個非凡的時代，其規模非常之大。
格斯納：我們明白，盡管這場變革對絕大多數人來說大概率會是巨大的福祉，但過程中難免會遇到挑戰。不過沒關系，等問題出現時，我們會著手解決；我們會努力提高所有人的生活底線，確保這場變革能成為一場共贏，而不只是讓硅谷那些頂層精英、富豪階層受益。
黃仁勛：不要害怕他們，我們要做的是帶著大家一起進步、一起受益。
