黄仁勋最新“高燃”万字访谈：中国芯片仅落后美国几纳秒，层层揭秘商业秘诀，信息量巨大

智东西
编译 程茜 江宇
编辑 李水青

智东西9月29日报道，9月26日，英伟达创始人兼CEO黄仁勋（Jensen Huang）戴着显眼的红框眼镜，与双周开源对话BG2主播、Altimeter Capital创始人布拉德·格斯特纳（Brad Gerstner），Altimeter Capital合伙人克拉克·唐（Clark Tang）在英伟达公司展开了深入对话。

这场访谈黄仁勋回答了超过50个问题，他预测OpenAI将成为下一个价值万亿美元的超大规模公司，英伟达可能成为第一家市值10万亿美元的公司。

他提到全球对中国的三个质疑都是凭空捏造：有人质疑“中国永远造不出AI芯片”，很荒唐；有人质疑“中国没有制造能力”，他称中国最擅长的就是制造业；有人认为“中国比美国落后好几年”，实际上这个差距在纳秒级别。

此外，他还谈及最近与OpenAI签订的重磅协议，以及AI泡沫、AI算力增长趋势等重点话题。干货如下：

1、黄仁勋反驳“AI泡沫”：AI基础设施市场的规模大概是每年4000亿美元（约合人民币2.8万亿）左右，还有4到5倍增长空间；

2、黄仁勋回应与OpenAI“互相抬轿”质疑：OpenAI投资由自己营收和融资承担；

3、AI自研芯片潮来袭，黄仁勋点名谷歌，称其是唯一走通自研AI芯片的玩家，其他都晚了；

4、英伟达将宣布专门做“加速数据处理”的重磅项目；

5、对马斯克在一年内实现千兆瓦的算力规模丝毫不会感到惊讶，他本人就像一台超级计算机；

6、让英伟达进入中国市场参与竞争，对中美都是好事；

7、中国市场是全球最重要的市场之一，任何认为中国市场不重要的人都在自欺欺人；

8、美国H1B签证申请人需支付每年10万美元，这是一个好的开端，可以减少H1B签证滥用；

9、未来每个人都将拥有自己的机器人助手、每个人在云端都会拥有专属的模型。

▲黄仁勋、布拉德・格斯特纳（Brad Gerstner）、克拉克・唐（Clark Tang）（从左至右）

这场对谈持续了1个小时44分钟。在YouTube下方的评论区，用户纷纷开起夸夸模式，认为这是迄今听过最好、最有价值的采访。

以下是对访谈全程内容的编译（为优化阅读体验智东西做了不改变原意的编辑）：

一、AI的下一站，是“预训练、后训练、推理”三定律

格斯纳：距离我们上一次做播客已经过去一年多了，以AI的时间尺度来算，这已经过去了100年。我最近又重看了那期播客，其中最深刻的是你那时候“拍桌子“的那一幕。

黄仁勋：你还记得吗，那时候整个行业对预训练有些悲观。

格斯纳：那大概是一年前大家认为预训练要终结了，而你认为推理计算的规模不仅是增长100倍、1000倍，而是增长10亿倍，这就带我们来到今天这个时点。

黄仁勋：我当时也低估了推理的发展速度。让我想先明确一点，我们现在有三个扩展定律：预训练扩展定律、后训练扩展定律和推理扩展定律。

第二个后训练，基本上就是AI在练技能。它会尝试很多种不同的方法，直到做对。为了做到这一点，它必须进行推理计算。也就是说，现在的训练和推理已经融合进强化学习的过程中了，这非常复杂。

第三个扩展定律就是推理。在过去推理是一次性的。但现在新的推理方式，是“思考型推理”——在回答之前先思考。所以现在我们有三个扩展定律。AI思考得越久，答案的质量越高。在思考期间，AI会去调研、查找真实资料。AI会学一些新东西，然后再继续思考、继续学习，最后才生成答案，而不是一开始就直接输出。所以我们现在说的是：思考、后训练、预训练，三大扩展定律。

格斯纳：你去年就知道了这些，现在你对“推理会增长10亿倍”这件事的信心，比一年前更强了吗？

黄仁勋：我今年更加有信心。原因在于，现在的智能体（Agent）系统中，AI已经不再是一个语言模型了，它是由多个语言模型构成的系统，它们并发运行，有些会调用工具，有些会做研究，是一个复杂系统。而且它现在是多模态的，看看现在生成的视频，简直疯狂。

二、OpenAI首次自建AI工厂，英伟达从芯片干到“算力厂房”

格斯纳：这就引出我们本周的重磅时刻，你们刚宣布与OpenAI签订的庞大合作，对你们来说这可能会有最多4000亿美元（约合为人民币2.84亿元）的收入，这个合作伙伴关系意味着什么？

黄仁勋：我先回答最后那个问题，再慢慢展开。首先，我认为OpenAI很可能会成为下一个价值万亿美元级的超大规模公司。

格斯纳：什么是所谓的“超大规模”公司？

黄仁勋：Meta是超大规模公司，谷歌也是。他们为消费者和企业服务提供服务，而且它们还有可能成为下一个市值数万亿美元级的超大规模公司。我认为你也会同意这个观点。那如果是这样，有机会在他们成为万亿公司之前投资进去，这可能是我们能想象的最聪明的投资之一。事实证明，这是正是我们熟悉的领域。

恰好我们非常了解这个领域，这笔投资的回报会非常可观。我们不需要非投不可，也不是强制我们投，是他们邀请我们参与，我们非常开心能有这个机会。让我从头说起：我们和OpenAI正在合作几个项目。

第一个是与微软Azure的合作扩建，我们会继续做下去，这个合作非常顺利，我们接下来还有好几年、几千亿美元的建设工作要做。第二个项目是与甲骨文合作的OCI（加速计算与Oracle云基础设施 )的扩建。我记得大概有5到7个千兆瓦级的AI超级数据中心要建设。我们正在与OpenAI，还有软银合作推进这些AI基础设施。

这些项目都已签署合同，正在推进中，还有很多工作要做。第三个是CoreWeave。这里说的仍然是与OpenAI有关的。

这次的新合作是要帮助OpenAI首次自建他们自己的AI基础设施。我们直接和OpenAI合作，从芯片层、软件层、系统层、AI工厂层全面参与，帮助他们成为一个完整运作的超大规模公司。这个合作将持续很长一段时间。这将补充他们已有的那些项目，因为他们现在正经历两个指数增长。

第一个指数增长是用户数量的爆发式增长。因为AI变得越来越好，用例也越来越多，几乎所有应用现在都与OpenAI连接了。所以他们在经历使用量的指数增长。第二个指数是计算量的指数增长——每次使用AI，所需要的算力也在指数增加。

以前是一次性推理，现在AI会先思考再回答。这两个指数效应叠加起来，意味着他们的计算需求暴增。所以我们必须建设这些项目，而这次的新合作，是在所有已公布和已合作项目的基础上，再额外加一层，来支撑这场前所未有的指数级增长。

格斯纳：OpenAI以前委托微软建设AI基础设施，现在他们想要自己全栈建设AI工厂？

黄仁勋：是的。他们希望和我们之间的关系，就像埃隆·马斯克和他的AI创企xAI之间那样。

格斯纳：xAI也在自己搭建整个算力基础设施，这其实是个非常重大的转变。过去马斯克的AI算力中心Colossus拥有的优势在于，他们自己全栈建设。这就是所谓的超大规模公司，因为即使他们暂时用不了那么多容量，也可以转售给其他人。

黄仁勋：星际之门也是一样。他们正在建设巨大的容量。他们预计会用掉大部分，但这也给了他们一个机会去将剩余部分出售出去。这很像AWS、GCP或Azure。

格斯纳：他们实际上就是在建设属于自己的“云”？

黄仁勋：我认为他们最终会自己用完这些容量，正如xAI的情况一样。但他们希望拥有与我们之间直接合作的关系，直接采购、直接协同开发。Meta、谷歌、微软都和我们是直接合作。

OpenAI已经发展到足够的规模，他们认为是时候建立这种直接关系了。我很高兴支持他们这一决定。大家都清楚这一切的进展，并表示支持。

三、英伟达每个员工都有AI助手，AI基建市场规模还有4-5倍增长空间

格斯纳：但这也正是我觉得外界认知断层所在。华尔街25位分析师的预测是：英伟达在2027年之后的增长趋于停滞，从2027到2030年只预测8%的增长。

黄仁勋：我们能持续超预期增长，我们对此没有意见。

格斯纳：这形成了一个有趣的“脱节”，分析师认为2026年还能有一些增长预期，但到2027年就会出现“产能过剩”。

黄仁勋：我不认为这是矛盾的。我有三个观点，有助于你理解英伟达的未来，也能增强你的信心。

第一点，物理规律层面上的观点，这也是最重要的观点：通用计算已经结束了，未来是加速计算和AI计算。

你可以这么理解：当今世界有多少万亿美元的计算基础设施？这些都必须更新换代。而更新换代的方向就是加速计算。这个观点没有人反对，每个人都会说“我们完全同意，通用计算已死，摩尔定律已死”。大家都说这些。那么这意味着什么？这意味着通用计算将转向加速计算。我们与英特尔的合作，也是在帮助他们将通用计算与加速计算结合起来，为他们创造新的机会。

第二点：AI的第一个使用场景，其实已经无处不在。以前超大规模公司的计算架构是用CPU跑推荐系统，现在要用GPU跑AI了。你可以理解为传统计算转向加速计算与AI。超大规模计算由CPU转向加速计算，再而转向AI。而这些超大规模公司，比如Meta、谷歌、字节跳动、亚马逊，他们都在用AI驱动工作负载。

格斯纳：他们的用户群是几十亿人，实际上就是全人类的一半。

黄仁勋：完全正确。即使不考虑AI带来的全新场景，仅仅是将传统任务转为AI执行，就意味着数千亿美元的市场。所以这只是“换一套引擎”的过程，就像从煤油灯换成电力，从螺旋桨飞机换成喷气式飞机，仅此而已。

我刚刚讲的这些都还算“平庸”，就是旧技术被新技术替代。精彩的事情在于，一旦你转向AI和加速计算，会催生出全新的应用场景——这些正是我们今天谈论的所有AI内容。

我们来简单理解一下：过去“电机”替代的是“体力劳动”，而现在AI“工厂”生成的是“token”，用来增强“脑力劳动”。而人类的脑力劳动，大约占全球GDP的55%~65%，我们姑且算作50万亿美元（约合人民币356万亿元）。那这部分GDP将被AI所增强。

我们再回到一个人的例子：假设我雇佣一个年薪10万美元（约合人民币71万元）的员工，同时配给他一个价值1万美元（约合人民币7.1万元）的AI助手。

格斯纳：如果这个AI能让他产出提高两三倍？

黄仁勋：我会毫不犹豫地去做。事实上，我们公司内部已经是这样做的——每一个员工，都配备AI助手。每一位软件工程师、芯片设计师都有AI助手，结果就是我们设计出的芯片更多、质量更好、进度更快，我们公司增长更快、营收更高、利润也更高。现在，把这个英伟达内部的故事，套用到全球GDP身上。

所以我们可以设想：这50万亿（约合人民币356万亿元）美元的脑力劳动，将由AI增强出10万亿美元（约合人民币71万亿元）的新价值。那这10万亿美元的产出，得有一台“工厂”来支持——也就是AI基础设施。

让我们假设这10万亿美元的token产出，毛利率是50%，那么就有5万亿（约合人民币35.6万亿）美元的价值需要依赖AI“工厂”去生成。而你知道，为了让AI去“思考”、去“生成token”，需要持续运行的硬件设施。

格斯纳：这是个关键点，AI不是像传统软件那样“写好再跑”，它要“时时运行”，对吧？

黄仁勋：对，以前的软件是“事前编写”，运行时人来操作。而现在AI是持续生成token的，它在“思考”，它在“写自己”。也就是说，现在的软件是持续运行的，而不是一次性静态程序。为了让AI能思考，它需要“工厂”——也就是AI数据中心。假设这5万亿美元的价值，需要由这些AI工厂来支撑运转。

那我们看看全球每年的资本开支（CAPEX），如果是5万亿美元，我会说这个数学逻辑是成立的。

这就是未来的图景：第一，从传统通用计算转向加速计算；第二，所有超大规模算力从CPU转向AI；第三，人类脑力劳动被AI增强，从而推动世界GDP增长。

今天AI基础设施市场的规模大概是每年4000亿美元（约合人民币2.8万亿）左右。所以，这个TAM（总可服务市场）还有4到5倍的增长空间。

格斯纳：阿里巴巴CEO吴泳铭在云栖大会的演讲上说，他们从现在到2030年要将数据中心的功率扩大10倍，而你刚刚说整个市场要增长4倍，而英伟达的营收基本与功率高度相关，是吗？

黄仁勋：没错。我们的营收可以说是和电力功耗挂钩的。

格斯纳：他还说了一句很重要的话，“token的生成量每几个月就翻倍一次”，那意味着什么？意味着“每瓦性能”必须持续提升，也正因如此，英伟达才拼命提升每瓦性能。

黄仁勋：没错。你可以说“瓦数就是未来的营收”。每一瓦电力就是产能单位。

格斯纳：这背后还隐藏着一个非常有趣的历史背景：过去2000年，人类GDP几乎没怎么增长。直到工业革命才开始加速，数字革命之后又进一步提速。现在你所说的是，AI将再次让世界GDP增长加速？

黄仁勋：它必须加速。看看AI今天的影响力，大语言模型、AI智能体的出现，催生了一个全新的“AI智能体”产业。OpenAI就是历史上增长最快的商业公司之一，它们的增长是指数级的。

所以，AI是一个快速增长的新产业。AI的运行需要“工厂”，这个产业本身也在增长。因为AI产业增长，我们的产业也在增长。而因为我们的产业增长，能源产业也在增长。这对能源行业来说是一次“文艺复兴”，核能、燃气涡轮等基础设施公司，现在都在爆发式增长。

格斯纳：但又有很多人在喊过剩、泡沫。扎克伯格上周说，也许未来某一时刻我们真的会出现一个“算力空档期”，Meta可能会多花100亿美元（约合人民币712亿元），但他认为这不重要。这听起来像是“囚徒困境”。

黄仁勋：这些囚徒都很开心。

格斯纳：预计到2026年，AI产业的收入会达到1000亿美元（约合人民币712亿元），如果我们想在2030年前从1000亿增长到1万亿（约合人民币7.12万亿元）能实现吗？

黄仁勋：我认为我们已经达到了。因为这些超大规模企业已经从CPU迁移到AI了。它们的整个营收系统现在都依赖AI了。

格斯纳：TikTok没AI做不出来。

黄仁勋：YouTube没AI也不行，Meta的个性化内容、定制内容，全靠AI，这些以前是人类手动创作，现在是AI生成无限多种内容，然后由推荐系统挑选。

这些转变其实才刚发生。扎克伯格自己在说他们在GPU部署上是“后来者”，搜索也是刚刚开始部署GPU。

格斯纳：所以你认为，到2030年AI营收达到1万亿美元几乎是“板上钉钉”的？

黄仁勋：对。我们可以说，目前只是“增量部分”的问题了。

四、彻底转向加速计算前不会产能过剩，英伟达过去两年一直加速运转

格斯纳：那我们现在来讨论增量增长，你怎么看产能过剩的概率？未来三五年会不会真的有泡沫？

黄仁勋：这其实是一个“功率分布”的问题。直到我们把所有通用计算彻底转为加速计算和AI计算之前，我认为出现“过剩”的概率非常低。

格斯纳：也就是说，只要通用计算没完全迁移完，就很难说有“泡沫”？

黄仁勋：没错，这还需要好几年。在所有推荐系统都变成AI推荐之前，在所有内容生成都变成AI生成之前——尤其是面向C端用户的内容，大多数都是通过推荐系统分发的——在所有这些都迁移之前，在整个超大规模计算从传统架构迁移到AI架构之前，比如电商、搜索、购物等等，在这些都完成迁移之前……

格斯纳：我们现在建设的这些庞大新系统，你们是否被强制去做这些投资？如果未来真的过剩，你们还会继续投资吗？还是说你们是在鼓励大家建设，但保留收缩空间？

黄仁勋：其实正好相反。我们处于整个供应链的末端，是“响应需求”的。所有VC都会告诉你，现在世界面临的不是GPU短缺，而是“算力短缺”。

只要他们下订单，我们就会生产，过去几年，我们已经打通了整个供应链，从晶圆投片到CoWoS封装、HBM高带宽内存等核心技术，我们都已经做好了准备。

格斯纳：如果需要翻倍产能，你们能翻倍？

黄仁勋：完全可以。我们现在就是在等客户的需求信号。客户（如CSP和超大规模公司）会做年度规划，给我们需求预测，我们就按那个预测进行生产。

格斯纳：但他们每年给你们的预测都错了，他们的预测总是低估了实际需求。

黄仁勋：所以我们一直处于“紧急加速状态”。过去两年，我们就是在这种状态下运转。

格斯纳：你是否看到那些传统的超大规模客户虽然一开始比CoreWeave、xAI、星际之门慢一点，但现在也都开始“重压投入”了？

黄仁勋：那是因为第二个指数变化来了。我们已经经历了第一个指数变化，就是AI的使用率呈指数增长。现在我们正在经历第二个指数：推理能力的增长。

一年前我们讨论过这个问题：一旦AI从“一次性推理”转向“多步思考”，就会发生质变。传统AI只会“记答案”和“泛化能力”，这就是预训练。

格斯纳：例如背下8×8=64，然后可以类推出8×9。这个变化意味着：所需算力提升10亿倍。

黄仁勋：对。但现在AI会“推理”了。它会搜索、会用工具、会进行“研究型”推理，这才是“思考型AI”。而且这也改变了客户的行为。

格斯纳：有些客户原本就需要将内部工作负载从通用计算迁移到加速计算，所以他们会在周期中持续建设。也有一些客户，因为不确定内部消化能力，建设节奏就慢一点。

黄仁勋：但现在他们都意识到——过去远远不够建。

格斯纳：我最喜欢的应用之一就是“老派”的数据处理，也就是结构化数据、非结构化数据的处理。

黄仁勋：我们很快就会宣布一个重磅项目，专门做“加速数据处理”。今天全球大多数CPU都用来处理数据。这是一个巨大的市场。你去Databricks，它们主要还在用CPU；Snowflake也一样；甲骨文里的SQL处理，也是CPU。

格斯纳：几乎所有结构化数据处理都跑在CPU上。

黄仁勋：未来这些都会迁移到AI加速系统上。这是一个天文数字级别的市场，而且它将迁移到AI体系上。但你需要我们英伟达这样的“全栈加速能力”，你需要有“数据处理配方”（recipes）——我们会去构建那些。

五、OpenAI可能成为下一个万亿美元公司，每个国家都需要AI

格斯纳：我听到一些批评，比如GPU泡沫、算力过剩、循环收入，所谓“循环收入”就是公司相互投资、互为客户，看起来收入在增长，但其实是财务工程虚增了营收。现在你们投资OpenAI，而OpenAI又从你们这里买了上百亿美元的芯片，批评者就说这是在互相抬轿，你怎么看？

黄仁勋：我们说的这10个千兆瓦级的AI超级数据中心，价值差不多4000亿美元（约合人民币2.8万亿），对吧？这4000亿美元的投资，最终得靠OpenAI自己的营收来支撑。他们必须靠他们的现金流来支持，当然也包括他们通过股权融资获得的资本，以及他们能从市场上借到的债务资金。

格斯纳：所以关键在于，他们有没有能力持续产生收入，而不是靠你们之间“你买我、我买你”来堆营收。

黄仁勋：聪明的投资人和放贷方会综合考量这些因素。这些都跟他们的公司运营直接相关，不是我们能控制的事情。但我们会持续紧密合作，确保我们建设的基础设施，真正支撑他们的业务成长。

格斯纳：你们对OpenAI的投资是机会性的，不是绑定性的吗？

黄仁勋：对，投资只是一个机会，他们给了我们这个机会，我们当然愿意参与。毕竟，我们认为他们很可能会成为下一个万亿美元公司。你想想看，谁不想投一家未来的万亿美元企业？我唯一的遗憾就是，他们在早期就邀请我们投资了。

我们那时候太穷了，投得不够。我现在回想起来，早该把所有的钱都给他们。

格斯纳：而且从本质上说，如果你们不做出好的芯片，OpenAI也完全可以换别的芯片？

黄仁勋：完全可以。他们没有义务必须用我们的芯片。我们的投资是独立决策的，不是绑定式采购。我们纯粹是看好他们的前景，所以愿意投资。

格斯纳：而且，你们其实也投了其他公司，比如xAI、CoreWeave，那些投资现在看起来也都非常聪明。

黄仁勋：我们也这么认为。

格斯纳：更重要的是，你们把这些都公开透明地告诉了市场。

黄仁勋：没有哪个国家会说“我们不需要智能”。我们谈论的，其实是“智能的自动化”。

六、自研AI芯片潮汹涌？英伟达“年更”秀肌肉，“极限协同设计”是独家

格斯纳：现在我们来说说系统设计。你们为什么决定切换到年更节奏？是AI帮助你们实现了这个节奏吗？

黄仁勋：答案是肯定的。没有AI，英伟达的研发速度和规模根本无法支撑这种节奏。AI对我们至关重要。现在英伟达所有设计、建模、仿真、验证流程都在AI的帮助下进行。我们每一个产品周期的速度和质量都因此提升。

格斯纳：你们为什么要年更？过去GPU都是两三年一代。

黄仁勋：有个关键原因你已经提过了。吴泳铭在财报会上说过，token生成率正在以指数级上升。用户增长也在指数上升。ChatGPT的活跃用户已经达到8亿周活，距离产品发布还不到两年。而这些用户每个人现在产生的token，比以前高出几十倍，甚至上百倍。因为现在是“思考型推理”，需要更多计算量。

格斯纳：也就是说，有两个指数增长叠加。

黄仁勋：对，一个是用户数增长；一个是每用户使用强度增长。这是“两重指数叠加”。

格斯纳：所以你们必须提升性能，否则token成本会越来越高。

黄仁勋：对。而且我们不能靠传统方法提升性能。摩尔定律已经死了，晶体管的单位成本几乎不再下降，电力也不再便宜。换句话说，我们必须每年靠架构和系统设计的突破，把单位算力成本降下来。否则光靠制造工艺微调，每年节省几个百分点，是远远抵不上两重指数增长的。

格斯纳：你们必须以极高节奏，把每年的token成本打下来，大概是十年时间，你们架构的整体性能提升了多少倍？

黄仁勋：大概是10万倍。

格斯纳：10年提升10万倍？那等于每年翻三倍？

黄仁勋：差不多。而且Hopper到Blackwell之间的性能提升，是30倍，仅仅一代。

格斯纳：靠什么实现的？NVLink 72？

黄仁勋：对，靠我们新的高速互联和系统级优化实现的30倍性能提升。而Blackwell之后，Vera Rubin还会再提升一个数量级；再下一代Feynman，又会再提升。

格斯纳：你们怎么做到的？

黄仁勋：摩尔定律在性能上已经没什么用了，晶体管密度还在增加，但频率、功耗、带宽都遇到瓶颈了。所以我们必须在系统层面打破限制。

我们每一代不仅换GPU，还要同时换CPU、网络芯片、互联芯片、系统总线、内存架构——所有组件同时更迭。并且，软件栈也要全部重写。这种“极限协同设计”（extreme co-design）是英伟达独有的能力。

格斯纳：极限协同设计是什么概念？

黄仁勋：就是说你不能只改一个芯片，你必须同时设计模型、算法、系统结构和芯片。不能“在盒子里迭代”，你要跳出盒子，一起设计。

格斯纳：以前摩尔定律就是“盒子里迭代”，晶体管多一点，频率快一点，所有人自然受益。

黄仁勋：现在已经不能靠“盒子内升级”了，必须跳出盒子，系统级协同创新。我们做的不是芯片，是“AI工厂”。

格斯纳：你们为此还打造了自己的交换芯片Spectrum-X、网络系统、CPU、NIC等等。

黄仁勋：对。这就是为什么英伟达进入了网络、互联、芯片、服务器、操作系统——我们之所以“软件做得多”，是因为我们做极限协同设计。我们开源的AI软件量，全世界可能只有AI2一个机构比我们还多。

格斯纳：所以你们之所以实现Blackwell比Hopper提升30倍，不是靠晶体管，而是靠系统级优化。

黄仁勋：是的，这就是极限协同设计的成果。

格斯纳：听说你们的以太网业务（Spectrum-X）已经成为全世界增长最快的以太网产品？

黄仁勋：没错。之前有人还说我们“只是在做以太网”，现在他们终于明白这个“X（变量）”的意义有多大了。

格斯纳：我听一个竞争对手说，现在英伟达的年更节奏，虽然是为了降低token生成成本，但同时也让竞争者几乎无法跟上，你们是怎么思考这个问题的？

黄仁勋：你先别急着提问，你得先想一件事——如果我们每年要交付几千亿美元的AI基础设施建设，你想想看我们一年前得启动多少产能？

格斯纳：对，这不是几台服务器，这是全球级别的资源调度。

黄仁勋：我们得预定几千亿美元的晶圆、HBM内存、封装、模块、工厂。我们得提前一年开始准备。这个规模之大，几乎没有第二家公司能跟得上。

格斯纳：所以你们的护城河比三年前还深？

黄仁勋：我觉得是的。一方面，竞争者比以往多，但另一方面，做这件事的门槛也越来越高。

格斯纳：你是说，哪怕对方芯片性能差不多，光是规模就把他们卡死了？

黄仁勋：我们来分两点讲。第一，成本在变高。晶圆变贵了。如果你没有“极限协同设计”能力，你就没法打出30倍、50倍的系统性能提升。你得每年同时推进6~8款核心芯片，才能完成我们的系统级迭代。

建一整套AI工厂系统得有CPU、GPU、NIC、交换芯片、内存体系、软件栈，还得同时跑得通。这就是我们为什么拥有整个AI基础设施系统设计能力。

格斯纳：客户也必须信任你们——愿意下50亿美元的订单，买一个“还没出硅片”的新架构。

黄仁勋：是的。你想想看，谁会为一个刚刚流片的全新架构芯片，下50亿美元的PO？这必须是一个已经被高度验证过的生态和架构，才能做到。

格斯纳：而且你们的供应链也愿意在你还没拿到正式订单之前，就帮你准备好几百亿美元的物料？

黄仁勋：是的。这说明产业链信任我们一定能交付，并且客户一定会买。这种信任背后，是多年的验证和交付历史。

唐：但也有人说，谷歌的TPU和亚马逊的Tranium也做得不错，还有Anthropic、OpenAI、甚至ARM都在做AI芯片，你怎么看今天的“自研芯片潮”？

黄仁勋：我们要先承认一件事：谷歌是唯一一个从头做起的例子。他们的TPU从第一代就开始了，比所有人都早。你想想看，如果你今天才开始做AI芯片——这就跟创投逻辑一样：你不能在市场已经是万亿美元时，才想进来分一杯羹。

格斯纳：没错，真正聪明的VC是在市场很小的时候投下去，占领整个小市场，等它变大。

黄仁勋：对，我们当年就是这样，Google也是。他们是和我们一起创造了这个产业的。现在新进来的很多项目，都只是“看起来像个很大的机会”。但别忘了，今天的AI工厂，已经不是几年前的“单芯片跑大模型”了。

现在我们有专门用于视频生成的CPX GPU，有专门处理KV Cache的内存计算模块。未来甚至可能出现专门为AI数据处理设计的加速器。AI工厂的“结构化记忆”和“短期记忆”系统越来越复杂，这些都可能需要独立芯片支持。

唐：那你们怎么看这些ASIC项目？尤其是客户自己搞ASIC？

黄仁勋：ASIC有它的价值，比如视频转码器、SmartNIC，这些市场小、需求稳定的场景，做ASIC没问题。但如果你要做的是“AI工厂的核心算力引擎”，那是完全不同的挑战。

唐：这些工作负载每天都在变：聊天、推理、视频生成、KV缓存、图像理解……如果芯片不能灵活适配，就落后了？

黄仁勋：对。英伟达不是在做GPU。我们是在构建整个AI基础设施，帮助企业承载不断变化的AI工作负载。

且CUDA足够灵活，开发者能快速试验新的模型结构，比如各种Attention算法。如果他们用固定功能的ASIC，根本没法做那么多实验。我们的GPU就是AI研究的“探索平台”。

格斯纳：就算竞争对手把芯片免费送，最终用户在整体系统上还是会选你们的产品。很多人不理解这一点。你能不能从成本核算角度，带我们走一遍你的“数学逻辑”？

黄仁勋：这个问题可以从两个角度来讲。我们先从营收角度出发。现在大家都面临一个共同限制——功率受限。假设你有2个千兆瓦级的AI超级数据中心的电力资源，你当然希望用它换来最大营收，对吧？

如果我的系统能实现每瓦更高的token产出（性能/功耗），也就是说单位电能能产生更多token，那么你就能获得更多的收入。比如说我用了极限协同设计，我的系统效率远高于别人的方案，那么我客户的每瓦token营收就高两倍。他为什么要换？而且，即使对方芯片打个85折，甚至免费送，整个数据中心的“土地、电力、运维、冷却”这些基础设施，光建个壳体就要150亿美元。

格斯纳：也就是说，即使芯片不要钱，你在电力+厂房+能耗上的机会成本也高得吓人？

黄仁勋：没错。你只有2GW的功率资源。如果你选了一个低效芯片，你就浪费掉了这个数据中心能创造的总收入。

格斯纳：所以真正的“成本”不是芯片本身，而是整个系统的机会成本？

黄仁勋：对。我常说一个数字——Blackwell相比Hopper，系统性能提升30倍。如果有竞争对手的芯片只相当于Hopper，那你就得放弃30倍的token营收。你愿意吗？而且别忘了，我们的毛利率是75%，竞争对手可能只有50%-65%。就算他芯片便宜点，也抵不上30倍的营收差距。

格斯纳：我听一个超大规模CFO说过，现在他们必须升级换Blackwell，因为功率是他们的最大限制单位，他们只能用你们的架构才能让token产出最大化。

黄仁勋：完全正确。

格斯纳：你们现在每年做6~7颗核心芯片，而不是只做一个主力GPU。每一颗芯片都有自己的作用？

黄仁勋：对，这些芯片互相协同、互补，形成一整个系统。系统里的每一个组件都要协同优化，才能实现Blackwell这种“30倍级”的突破。如果你只做一个孤立的ASIC，没法参与进这个系统里，就很难达到我们这样的综合效率。

格斯纳：而且你们还每年升级一次系统，对手想跟上这个节奏几乎不可能。

黄仁勋：对，我们现在是每年“Bam! Bam! Bam!”出一代。你要知道，这些不是只靠晶体管堆起来的性能，而是靠系统级协同打出来的X因子。

七、英伟达会成为首个十万亿美元市值公司，马斯克本人就是一台超级计算机

格斯纳：你的竞争护城河在增加还是在减少？是否存在这样一种可能：五年后英伟达的营收规模，它实际上不会比今天高出多少的概率是多少？

黄仁勋：正如我所描述的，我们的机会比共识要大得多。我认为英伟达可能会成为第一家市值10万亿美元的公司，我已经在这个行业待得够久了。不久之前，正如你所记得的那样，人们说永远不会有一万亿美元的公司，现在我们已经有10个了。

世界的规模在不断扩大，而人们对我们所做的事情仍存在误解。

他们记得我们是一家芯片公司，我们生产芯片。确实，我们在芯片制造上投入了巨大精力，也造出了全球最顶尖的芯片。但英伟达本质上是一家AI基础设施公司。我们与OpenAI的合作就是最佳证明,我们是他们的AI基础设施合作伙伴，并且我们通过多种不同方式与各类伙伴开展合作。

我们不需要任何人从我们这里购买所有东西，我们不要求他们购买完整的机架，他们可以只买一颗芯片，也可以只买一个组件，可以买我们的网络设备，也能有其他选择。事实上，有些客户只买我们的CPU，有些只买我们的GPU，而CPU或网络设备则选择其他厂商的产品。总而言之，无论客户想以何种方式采购，我们都完全接受。我唯一的期望，就是客户能从我们这里买点东西就好。

格斯纳：你之前提到，这不仅仅关乎打造更优秀的模型，我们还必须具备世界级建设者的能力，你提到马斯克或许是我们国家最顶尖的“建设者”之一。

黄仁勋：如果他能比任何人都先在一年内实现千兆瓦的算力规模，我丝毫不会感到惊讶。

格斯纳：可以简单谈谈这种建设者的优势，这类建设者不仅会开发软件和模型，更清楚搭建这些集群需要具备哪些条件，这种认知本身就是一种巨大的优势。

黄仁勋：要知道，这些AI超级计算机是极为复杂的系统。首先其核心技术本身就很复杂，其次采购环节也充满挑战，这主要源于资金方面的问题；再者保障供电、为系统供电，以及将所有组件搭建起来、完成整体调试启动，每一步都不简单。

我的意思是，这是毫无疑问的最复杂的系统问题，人类曾经努力过，所以马斯克有一个很大的优势，在他的头脑里，所有这些系统如何协同运作、彼此间存在怎样的依赖关系，全都清晰可见，包括资金运作层面的考量也不例外。

从这个角度说，他就像一个强大的GPT，他本身就是一台巨型超级计算机，堪称“终极图形处理器”。所以他在这方面的优势极为显著，而且他还具备极强的紧迫感，对完成这项建设有着真切的渴望。

因此，当坚定的决心与过硬的能力相结合时，不可思议的事情就有可能发生。

八、每个国家够离不开AI基建，这正是英伟达的核心业务

格斯纳：我想聊聊“主权AI”，也想谈谈中国以及当前正在进行的全球AI竞赛。要知道，回望30年前，你恐怕根本想不到，英伟达对美国的国家安全至关重要。

黄仁勋：每个人都需要AI，AI本质上是一种现代软件，从通用计算到加速计算，从人类逐行编写代码到AI自主生成代码，这一演进脉络的底层逻辑不容忽视。我们其实是重塑了计算本身。纵观地球生命史，还没有任何一个物种能做到重塑计算，而计算又是全人类的共同需求。

因此，计算必须走向普及，这也正是所有国家都意识到必须迈入AI领域的原因：因为每个国家都需要跟上计算发展的步伐，不能在这场变革中掉队。

世界上没人会说“你知道吗？我昨天还在用电脑，可明天我就打算靠棍棒和火种过日子了”，所以所有人都必须拥抱计算机技术，这本质上就是一个与时俱进的过程，仅此而已。

首先有一点是明确的：要参与AI的发展与应用，就必须将本国的历史、文化与价值观融入AI系统的开发逻辑中。当然AI本身的智能水平也在不断提升，以至于即便是基础通用型AI，也能相当快速地学习并掌握这些内容，无需从零开始。

所以我认为，每个国家都需要具备一定的主权AI能力。我的建议是，各国既可以使用OpenAI、Gemini、Grok等开源模型，也可以使用Anthropic的技术，但同时也应投入资源，学习如何自主构建AI系统。

之所以提出这样的建议，是因为各国需要掌握AI的构建能力，这不仅仅是为了开发模型，更重要的是，未来还需要用这种能力去构建工业领域的AI模型、制造业AI模型，以及关乎国家安全的AI模型。

确实，有大量的智能需要各国自行去培育。所以每个国家都应该具备主权AI能力，都应当发展这一能力。实际上，他们都已经意识到了，而且他们都会成为OpenAI、Anthropic和Gemini等公司的客户。但同时，他们也确实需要构建自己的AI基础设施。

这正是核心关键所在，英伟达的核心业务，就是搭建AI基础设施。

就像如今每个国家都需要能源基础设施、通信与互联网基础设施一样，每个国家都离不开AI基础设施。

格斯纳：我们先从世界其他地区（的情况）说起。我们有负责AI与AI相关事务的团队，他们做得非常出色。

黄仁勋：因为当下正处于关键时期，AI技术本身极为复杂，而斯里拉姆・纳加尔（Sri Ram Nagar）恐怕是华盛顿特区唯一懂CUDA架构的人，想想这其实还挺不可思议的。

我由衷感到欣慰的是，在这个技术复杂、政策难定，且AI发展对我们国家未来影响至关重大的关键时期，能有这样一位思路清晰、愿意花时间去理解技术，并且深思熟虑的人来帮助我们应对这一切。

格斯纳：在我看来，若再回到曼哈顿计划的类比上，如今的情况是，我们的政府官员清楚AI重要性，也都积极支持能源产业发展。

黄仁勋：试想一下，若现在的政府班子不支持AI产业发展，不希望本国能源产业壮大以支撑AI建设，那后果会是怎样？这种替代场景简直难以想象。

九、美国应最大限度扩大出口，回应三点对中国的质疑

格斯纳：你在行业内深耕多年，如今也与政府保持着密切联系。能否为我们解读一下，当前政企关系的本质是怎样的？上周那场汇聚众多CEO的晚宴，这样的场景是否罕见？在过去30年的职业生涯中，是否见过类似的情况？

黄仁勋：美国总统特朗普对想要进入市场的领导人敞开大门，帮助他们了解未来。这是一个从根本上相信增长的政府。

格斯纳：那我们就来聊聊互联网吧。现在美国政府在提对芯片、模型、数据中心相关的出口许可审批，他们认为唯有如此美国的AI体系才能在全球竞争中胜出，要知道，一年半之前情况根本不是这样。

黄仁勋：当时还流行一个说法叫“小院高墙”之类的概念。但颇具讽刺意味的是，无论是对这个概念的阐释，还是政策层面的推行建议，其核心竟然是在美国本土周围建一个小院，再筑起高墙，这正是最让人费解的地方。

我认为我们应当最大限度地扩大出口，最大限度地提升美国在全球的影响力，这些本就是我们该全力推进的目标。

格斯纳：现在，你是否看到AI相关出口许可审批正在逐步落地？是否能感受到政府层面在加快审批速度？

黄仁勋：他们一直在全力推进这件事。

格斯纳：如今，英伟达与中国之间的关系现状如何？另外，能否再阐述一下，你认为美国应采取哪些举措，才能让自身处于最佳位置，在全球AI竞赛中胜出？

黄仁勋：我们与中国存在竞争关系，这一点毋庸置疑。但我们也应当承认，中国理所当然希望本国企业发展良好，对此我丝毫没有嫉妒之意。他们的企业本就该发展壮大，中国政府也完全有权为这些企业提供任何形式的支持，这都是他们的自主选择。

还有一点别忘了，中国拥有一批全球顶尖的企业家，因为他们大多毕业于世界一流的理工科院校，而且他们是全球最具拼搏精神的群体，中国培养的AI工程师数量极为庞大。我们现在面对的是一个实力强劲、善于创新、斗志昂扬、行动迅速，且监管环境相对宽松的竞争对手。

很多人都没意识到，中国的监管其实相当宽松，甚至讽刺的是，比我们这个资本主义体系的监管还要少。

中国经济体系的一大精妙之处在于其“分布式”特征，全国不同的省再加上各地以城市为核心的经济发展模式，催生出了极强的内部竞争活力，这股活力也极大地带动了经济发展。如今的中国已经形成了一个充满活力、企业家精神蓬勃、高科技驱动且高度现代化的产业体系。

而且，有几点我想说：第一，之前总有人说“中国永远造不出AI芯片”，这话听着就很荒唐；第二，还有人说“中国没有制造能力”，可要说有什么是中国最擅长的，那恰恰是制造业；第三，有人觉得“中国比我们落后好几年”，还争论是落后两年还是三年，他们和我们的差距根本不到年这个量级，而是差在纳秒级别。

所以我们必须去竞争，必须全力去竞争。

中国政府希望中国成为一个开放的市场，希望吸引外国投资，希望外国公司来中国并在市场上竞争。我希望在我们这里也能回归到这种状态。至于我对未来有什么看法，我确实希望如此。

我很荣幸能够在这个产业工作，这是美国独一无二的最好的产业。我们为什么不允许这个产业为了生存而竞争，不允许这个产业将技术推广到全世界，从而让世界建立在美国技术的基础之上，这样我们就能最大限度地实现经济成功，最大限度地提升地缘政治影响力，最大限度地发挥这个科技产业的作用呢，在这样一个充满活力、至关重要的时刻，我们应该让它蓬勃发展。

格斯纳：持怀疑态度的人会说，黄仁勋不过是想多卖芯片罢了，如果能卖给中国，他自然乐意，他根本不在乎这对美国意味着什么。

黄仁勋：请允许我回应一下这些怀疑者，仅仅因为我希望美国的生态系统和经济能实现增长，并不意味着我的想法是错的。迄今为止，所有那些关于中国的不实言论、那些凭空捏造的说法，最后都被证明是错误的，无论是所谓的事实，还是所谓的真相，全都站不住脚。

格斯纳：美国政府会认为或许黄仁勋是对的，或许其他人是对的，但如果黄仁勋愿意拿出15%左右的收益上缴美国财政部，以此作为一种风险对冲，那我会支持这个方案。不过，紧接着发生的事情却让我非常失望。我认为，如果中国觉得自己被利用了，觉得我们卖给他们的芯片是那种落后了十年的淘汰产品，那我完全能理解他们为什么会做出那样的反应。

黄仁勋：H20芯片至今性能依然相当出色。当然，我也清楚它不如Blackwell。我对此是有耐心的，而且我相信中国方面的决策者是明智的，他们正在审慎考量自身所处的局势。相较于美国，他们需要应对的整体议题范围更广、更复杂。

目前确实有很多相关讨论在进行，但我还是想回归到最根本的事实，我坚信，让英伟达能够服务中国市场、并在该市场参与竞争，这完全符合中国的核心利益，这对美国而言也极为有利。这是两个最根本的事实，而这两个事实完全可以共存。

因此，尽管我会告知所有投资者，我们的业绩指引中并未包含中国市场的业务，但我依然坚持上述观点；同时，我也非常感谢所有投资者理解并认同，在我们的任何业绩指引中都不应纳入中国市场的相关预期。

我们在其他市场拥有大量增长机遇，这些机遇确实都真实存在。但这并不意味着中国市场对我们而言就不重要，恰恰相反，它对我们至关重要。任何认为中国市场不重要的人，无疑都是在自欺欺人。

要知道，中国市场是全球最重要的市场之一，这里有聪明的人在做着有价值的事。我们希望能参与其中，而且我坚信，我们的参与完全符合中美两国的核心利益。

因此，当我退一步从更宏观的视角看待这件事时，我有信心最终，理性与智慧会占据上风，也始终相信，真相终会水落石出，正是这份信念支撑着我走到今天。如今，我依然坚信这是最根本的道理，这些问题终将得到解决，我们也终将获得机会，回到中国市场参与竞争。

十、H1B签证收费政策是好的开端，坚信中美能达成重要合作协议

唐：我不是很懂政治，但这个话题很热门。政府决定对H1B签证收取10万美元费用，你对这一决定有什么看法？这会让招募人才变得更容易还是更难？

黄仁勋：那我先从这个点说起，这项H1B签证收费政策是个很棒的开端。

原因是这样的，这个开端本身就传递出一种信号，政策在向更精准的方向调整，但我希望这不会是终点，不过即便如此，我依然认为它是个很棒的开端。我只是真心希望，这不会是政策优化的最后一步。

美国欢迎的是合法移民，合法移民和非法移民之间有着本质区别，我们该如何找到一个符合逻辑、切实可行的解决方案来平衡这两者。

目前给H1B签证设定10万美元的费用门槛，这个标准或许确实定得有点太高了，但作为第一个明确的门槛，它至少能起到一定作用，至少能减少对H1B签证的滥用。至少有了这个起点，我们才能围绕如何优化移民政策展开真正有意义的讨论。

格斯纳：我们必须招募世界上最优秀、最聪明的人才，这似乎会使竞争环境向那些能够有效赞助这些人的大公司倾斜，而对于初创企业生态系统来说，这就更具挑战性了，因为那里的人力成本本来就已经非常高了。

黄仁勋：但就像我之前说的，重要的是先迈出第一步，再朝着正确的方向调整。要知道，很多时候人们总想着从一个错误的状态、一个不理想的局面里，一步就跳到完美的解决方案，可我们现在的处境本就不是我们想要的，而且完美答案本身就很难一蹴而就。所以，不如先从某个起点开始行动，这才是创业者的做事方式。

格斯纳：你是否相信本届政府有一套吸引人才的战略规划？

黄仁勋：说实话，我无法给出确切答案。但我清楚，我们目前的状况并非理想状态。不过我也坚信，这些关键目标始终是大家关注的焦点。

格斯纳：我从一位在美国顶尖实验室担任负责人的中国研究人员那里听说，三年前，中国大学毕业的顶尖AI研究人员中有90%想来到美国，并且确实来到美国在我们的顶尖实验室工作。而他猜测现在这个比例接近10%或15%，下降幅度非常大，你有没有看到这种现象？

黄仁勋：这绝对是未来问题的早期信号，要知道优秀人才来美的意愿、优秀学生留美的意愿，这些在我看来，就是衡量美国未来能否持续成功的关键指标。

简单来说，顶尖人才是否愿意奔赴美国、是否愿意长期扎根，本质上是对美国发展机遇、生活环境、制度吸引力的直接投票。当这些人才的意愿出现下滑，可能预示着未来在科技创新、产业升级、人才储备等核心领域的竞争力流失。美国过去数十年在科技、经济等领域的领先地位，很大程度上依赖于对全球顶尖人才的持续吸引与留存。

格斯纳：我们需要一套明确的战略规划，既要主动吸引顶尖人才，更要通过各种努力，让这里成为他们愿意扎根工作的地方。

黄仁勋：有一个说法，我也是近几年才听到的，叫“对华强硬派”。在我看来，这根本就是耻辱的印记。

我不否认，这些人或许也想为美国争取最大利益，他们自认为在为国家做正确的事，可实际上，这和爱国毫无关系，半点儿关系都没有。在我看来，特朗普总统给我的感觉并非像那些对华强硬派一样。我在这个播客节目里也说过，我认为他能和中国达成一项重要协议。要知道，在未来一个世纪里，中美是两个最重要的国家关系。

在整个行业生态里，我和所有同行伙伴合作都毫无问题。我们最近刚达成了一项重磅合作，合作伙伴正是英特尔，这家公司在过去几十年里，大半时间都在想方设法挤垮我们。即便如此，我和他们合作也没有丝毫顾虑。

之所以能做到这一点，原因有两个：第一，我向来欢迎竞争，放马过来就好；第二，未来的发展空间远比眼前的竞争更广阔。很多事情没必要非得分出非我即他，完全可以是携手共赢。但话虽如此，面对任何竞争，我依然要说“放马过来”。

十一、AI是最强大的平等器，未来每个人都会有自己的专属模型

黄仁勋：美国政府正在推动“再工业化”，包括鼓励企业来美国本土建厂、帮助现有劳动力掌握适应新工业需求的能力。

格斯纳：这简直太了不起了，马斯克带领我们向火星迈进航天产业的突破能带动上下游无数制造、研发、技术岗位的发展。

黄仁勋：AI是最强大的平等器。现在几乎每个人都能用上AI了，其实已经在弥合技术鸿沟了。以前要是有人想借助计算机提升经济收入、助力职业发展，至少得学会C++、C语言这些编程语言。但现在不一样了，人们只需要会说人话就行，AI会一步步给你解释清楚或直接帮你把活儿干了。

我们恰恰是靠技术本身，把过去横在人们面前的技术鸿沟给填上了。以前技术门槛像一道墙，把不懂编程的人拦在外面；现在AI把这道墙拆了，不管你有没有专业技术背景，都能借助它的力量做事，这就是最实在的技术平等。

这件事需要每个人都参与进来。要知道，OpenAI目前有8亿活跃用户，它的用户规模应该尽快达到60亿、80亿才行。所以我认为，首要任务是扩大AI的普及范围。其次AI会改变各种任务，人们容易混淆的一点是，未来会有很多任务被淘汰，也会有很多任务真正被创造出来，但对大多数人来说，他们的工作很可能会得到有益的保障。

比如，我们现在就一直在使用AI。AI让我们产生了更多想法，也让我们有能力去推进更多想法，AI让公司的生产效率大幅提升。AI的出现会导致大规模失业的说法，它的前提人类已经没有更多新想法可以去实现。

我认为智力并不是一个零和游戏。我周围越多聪明的人，我周围就越多天才，我拥有的想法越多，我想象中我们可以解决的问题就越多，我们创造的工作越多、创造的就业机会就越多。

我不知道一百年后的世界会是什么样子，但在接下来的几十年里，我的感知是经济将会增长，许多新的工作岗位将会被创造出来。每一份工作都将改变，一些工作将会失去。众所周知，人类天生就容易抱有怀疑态度，而且极不擅长理解复合增长体系，至于对那些会随着规模扩大而加速发展的指数增长体系，理解能力就更差了。

格斯纳：技术变革的速度正在不断加快，发展的节奏也在持续提速，在这样一个全新的世界里，你该如何找到自己的位置、跟上时代的步伐？

黄仁勋：其实很多人都已经谈论过未来五年的诸多可能性，那些观点都相当有道理。而在未来五年里，有一件即将实现的酷事，就是AI与机器人技术的深度融合。我们都会在成长过程中拥有属于自己的R2-D2（《星球大战》的经典机器人角色）。这种R2-D2会记住关于我们的一切，在人生路上为我们提供指导，成为我们的陪伴者。

未来每个人在云端都会拥有专属的模型。全球有80亿人，就对应80亿个云端模型，每个人的专属AI模型都会根据个人需求进行精调，实现高度个性化。同时，这种AI不仅存在于云端，还会融入你的汽车，嵌入你的专属机器人，最终无处不在地陪伴在你身边。

所以我认为，这样的未来完全合乎情理。比如，我们将破解生物学领域无限复杂的奥秘、为每个人都建立数字孪生体，例如我们会有专属于自己的医疗健康数字孪生体，就像我们在亚马逊购物时会产生对应的用户数据画像一样。有了这样的系统，我们就能预测自己的衰老过程、可能患上的疾病，甚至能提前预判即将发生的健康问题。

鉴于这一切，与我合作的CEO经常问我一个问题，接下来会发生什么？我们该怎么做？其实答案很简单，就像面对所有飞速发展的事物时的常理一样，如果你面前有一列正不断加速、即将进入指数级增长阶段的火车，你真正需要做的，就是跳上这列火车。一旦上了车，沿途遇到的其他问题，你自然能一步步解决。

要是你非要先预测这列火车会开到哪里，再试图瞄准它或者非要预判它的行驶轨迹，然后去琢磨该在哪个路口等它，那根本是不可能的事。所以，趁它现在还没快到极致，赶紧上车就对了，这样你才能跟着它一起进入指数级增长的轨道。很多人觉得当前的技术爆发是一夜之间发生的，但事实并非如此。

格斯纳：我记得大概在2005年或2006年的时候，拉里·佩奇（Larry Page）说过，谷歌的终极目标是让机器能在你开口提问之前甚至在你产生疑问之前就预判出你想问的问题，然后直接给出答案，无需你再去搜索查找。

2006年比尔·盖茨（Bill Gates）也说过类似的话，当时有人问他：“是不是该做的事情都已经做完了？毕竟我们已经有了互联网、云计算、移动技术、社交网络这些东西。”他的回答是：“我们其实还没真正开始。”

接着他反问：“你觉得为什么我会这么说？要知道，只有当机器从’笨拙的计算器’进化到能自主思考、并能与人类协同思考的阶段，我们才算是真正开启了技术变革的新篇章。”而现在，我们所处的时代，差不多就是这样一个关键节点。

黄仁勋：这确实是一个非凡的时代，其规模非常之大。

格斯纳：我们明白，尽管这场变革对绝大多数人来说大概率会是巨大的福祉，但过程中难免会遇到挑战。不过没关系，等问题出现时，我们会着手解决；我们会努力提高所有人的生活底线，确保这场变革能成为一场共赢，而不只是让硅谷那些顶层精英、富豪阶层受益。

黄仁勋：不要害怕他们，我们要做的是带着大家一起进步、一起受益。