物理AI半年入账超百亿美元，黄仁勋却说这才刚刚开始

作者｜林易

编辑｜重点君

黄仁勋近日接受了知名科技播客Bg2 Pod的采访。在长达一个半小时的对谈里，黄仁勋拆解了英伟达全球算力的真实去向，回应了华尔街的CapEx泡沫论，并抛出了一连串新判断。

信息量很大，咱们直接划重点。

1、大模型装上外骨骼，万级Agent开启科研探索

过去一年，AI界最大的变化是什么？

黄仁勋认为，除了Scaling Law依然有效，关键在于人们给大模型装上了外骨骼（Exoskeleton / Harness），也就是记忆管理和工具使用。

以前的大模型只有大脑、没有四肢；而现在，AI学会了管理工作记忆、短期记忆与长期记忆。在离线状态下，AI还能像人类睡眠一样，把无用信息忘掉，将有价值的信息压缩重构为知识图谱。

同时，AI学会了调用人类的工业软件。

“就像机器人走进我家，它不需要从头造一把锤子，而是直接用工具箱里的工具。”黄仁勋表示，从芯片设计用的Spice、Verilog，到工业领域的AutoCAD、西门子套件，再到Photoshop，Agent正在全面接入人类工具库。

如果说Claude Code等编程工具只是Agent落地的第一站，那么下一波浪潮已经走向工业设计与科研。黄仁勋在现场提到了OpenAI的新工具Astra：“你拍一张照片发给它，它能直接还原成可交互、可微调的CAD工程图。”

在科研领域，刚刚攻克千禧年数学难题纳维-斯托克斯方程的AI，也是一个典型例子。

在黄仁勋看来，这一突破并非从零开始，而是站在人类科学家奠定的基础上，“只要我们能够利用AI穷尽式的探索能力……将这种探索能力应用到前人的成果上，我们就会看到一个接一个的重大突破接踵而至。”

随着算力成本以每年2倍甚至20倍的速度下降，这种模式将推动更多学科突破临界点。

2、半年营收100亿，物理AI被严重低估了

除了数字世界里的Agent，黄仁勋在访谈中还修正了自己年初的一个预测。

此前，他曾多次表示“物理AI（Physical AI）将成为下一个千亿美元市场”。但在节目现场，黄仁勋坦言自己当初算保守了：

前年英伟达的物理AI业务做了50亿美元，去年首次突破100亿美元，而今年前6个月，英伟达在物理AI领域的收入已经达到100亿美元。

在黄仁勋的版图里，物理AI不只有人形机器人和自动驾驶汽车，还覆盖了从可见光到不可见光的整个电磁波谱——从光子计数CT机、自动化手术室，到能感知信号的下一代5G网络，再到重构地球3D图像的遥感卫星。

为了支撑物理AI的落地，黄仁勋梳理了底层的三台计算机架构：

第一台计算机用来训练AI大脑；

第二台计算机用来构建数字孪生仿真环境（比如把机器人放进数字孪生世界里模拟训练；黄仁勋预计，各大AI实验室接下来也需要建立“互联网的数字孪生”，让Agent在虚拟环境里练好技能再部署）；

第三台计算机则装进汽车、手术器械或机器人的终端里，负责实时规划与执行。

“未来每一家车企都会成为科技公司。每一家仓储物流公司都会成为科技公司。”

3、联手马斯克探索太空机房，拆解万亿CapEx算力账本

算力扩张的背后，物理世界的限制已经显现。

面对业内预测明年将新增43吉瓦（GW）AI算力的目标，黄仁勋表示，需求确实存在，但2027年最大的瓶颈是“土地、电力与机房外壳”，甚至连熟练的水电工、建筑技工，以及上游的大尺寸封装基板、硅光芯片都处于紧缺状态。

既然地面上的土地和电力受限，那就去太空。

黄仁勋在访谈中证实，英伟达工程团队正在与马斯克的SpaceX合作，研发一种既能适应太空环境、又能用于地面的新型服务器架构。

为什么把算力送上天在经济上算得过账？黄仁勋算了一笔账：火箭发射成本虽然不低，但如果搭载的是高价值密度、高投资回报率的算力系统（如Vera Rubin），“高到就算把它们发射到太空中，发射成本也只占很小一部分比例。”

而针对华尔街近期最关心的问题：如果OpenAI和Anthropic的营收不能翻倍到几万亿美元，数万亿的CapEx基建是不是就要泡沫破裂了？

黄仁勋指出，市场误判了算力的买单方。他首次将英伟达的算力去向划分为三分天下的格局：

第一个1/3：传统基础计算。包括流体模拟、分子动力学、量子化学、Visa/Mastercard的金融反欺诈、电商推荐系统等。就算没有生成式AI，这部分业务也在以每年30%-40%的速度增长。

第二个1/3：前沿大模型实验室。外界往往只盯着OpenAI和Anthropic，但实际上还有Meta、xAI以及Google等五六家大客户。

第三个1/3：成千上万的初创公司与垂直行业租户。黄仁勋透露，目前80%的创业公司都在使用开源模型。它们不跟大厂卷通用大模型，而是利用开源模型结合私有数据，在生物医药、材料科学等垂直领域打造行业专属的超级智能。

“我们给那两家实验室施加了过大的压力。但他们不需要实现万亿美元级别的营收，也同样称得上成功。除去他们，整个产业依然需要建设价值数万亿美元的计算基础设施。”

黄仁勋解释道，由于摩尔定律已经终结，想要获得两倍的算力就必须支付两倍的成本。随着计算模式从“检索式”转向“生成式”，到2030年，全球每年的数据中心基建开支达到3万亿至4万亿美元符合逻辑；再往后看，每年10万亿美元的更新与扩建规模也不会令人意外。

4、别空谈完美对齐，AI安全是个工程问题

算力与智能的跃升，也引发了公众对AI失控的担忧。对此，黄仁勋对“末日论”和“完美对齐论”提出了不同看法。

在他看来，依赖完美对齐来保证AI安全并不现实——就像父母对孩子说去成为一个对社会有用的人，不同文化、不同背景的人有不同的理解，人类自己都无法达成绝对一致，更不用说AI。

可行的路径，是把安全当成一个工程问题来解决：

零信任与严格隔离：就像父母把一岁婴儿放在围栏里一样，任何新AI上线都必须默认零信任，只给最小权限和最小边界，随着测试深入再逐步放宽。

带外监控：如果一个员工知道老板就坐在旁边盯着，他的表现肯定会和平时不同。因此，监控系统必须独立于AI系统之外，一旦发现行为偏离策略，随时能够介入降级或直接关停。

“有一种怪异的观点认为，AI技术与安全保障是相互对立的。这就好比说安全气囊、刹车系统、雷达、摄像头、ABS防抱死系统以及车道保持功能，这些技术都独立于汽车本身一样。”

以下是访谈原文：

1.全球顶尖人才、知识产权创造与美国吸引力

主持人：昨天台上六个人里有五个人出生在海外，这件事给我带来了极大的震撼。我们之前也聊过，在当前的大环境下，我们需要一套真正的战略和移民政策，确保我们依然能够吸引全球优秀的建设者来这里创业。这是美国的核心优势。

黄仁勋：在很多方面，我们国家的知识产权创造能力是举世无双的。原因就在于我们吸引了全球最顶尖的人才。因为这里提供的机会、自由、创新创业精神以及敢作敢为的态度，他们愿意来这里生活并实现自我。在美国，一切皆有可能。大家默认的基调就是“这当然可能，我们当然能做到”。我去过很多地方出差，在其他地方，人们的反应往往是“这怎么可能做到”。我们往往把这种氛围视为理所当然。但这种文化所带来的精神和活力是不可低估的。因此，流入这个国家的知识产权规模是前所未有的。我们希望全球最聪明的大脑来到这里，带来他们的绝妙构想，并在本地将其变为现实，进而维持这个飞轮的运转。这是一个非常微妙且需要谨慎平衡的体系，所以我们必须依法、合规地推进。但我们确实需要保持这种吸引力。

2.从两万亿美元到十亿倍推理算力：我们处在什么阶段

主持人：是的，绝对如此。我想先从宏观层面聊聊我们现状，接着探讨安全监管以及如何正确推进，再聊聊算力建设的进度，最后深入探讨英伟达的业务增长情况。你一直非常擅长预测未来。两年前我们坐在这里时，你就提到市场严重低估了未来五年所需的算力建设规模。你当时说累计算力建设规模绝不仅仅是一万亿美元，至少是两万亿美元起步。现在我们显然已经突破了这个数字。大家还在盲目跟风前，你就指出因为推理阶段的思考与推理过程，推理算力需求将增长十亿倍。到了去年，在Opus 4.6和Claude Code问世之前，你就预言我们正迈入智能体时代，大量潜在能力将被释放。随后Opus 4.6和Claude Code爆火，验证了你的判断。那么我们现在处于什么阶段？埃隆·马斯克（Elon Musk）、山姆·奥特曼（Sam Altman）和德米斯·哈萨比斯（Demis Hassabis）都表示我们正处于超级智能的起点或正步入奇点，相关的数学模型甚至已经开始解决纳维-斯托克斯方程。站在你的视角来看，我们现在处于什么位置？我们是否正在加速迈入超级智能的新阶段？

黄仁勋：我们可以拆解来看。首先，为什么我们所需的算力规模会比去年的水平爆发式增长十亿倍？背后的逻辑非常清晰。因为思考和解决问题所需的推理计算量，远比单纯复述或背诵记忆过的内容要庞大得多。

黄仁勋：在使用ChatGPT时，你输入一段提示词，大部分知识其实已经编码在预训练的大语言模型中了。不幸的是它有时会产生幻觉，因此下一步演进就是生成式回答需要结合真实事实进行约束和修正。所以它需要先发起快速检索获取真实事实，再结合预训练学到的知识进行条件增强，最终生成答案。然而，我们真正希望AI去完成的那些有价值的任务，需要它进行逐步推理、拆解规划并提供多种方案。它可能会模拟这些方案的推演过程，根据反馈进行反思，评估出当前最优的路径，甚至挑选其中两三个方案进一步展开。

黄仁勋：如果某条推演路径行不通就直接剪枝，然后不断重复这个过程。大家做决策也是同样的道理。为什么我们常说优秀的战略家都偏爱战略选择权？因为一方面你不想过早把可能性剪掉，但另一方面你又必须优化资源配置。如今AI就在做这件事。它们保留着战略选择权，不断推进、反思、剪枝，周而复始。这种思考和探索过程需要消耗庞大的算力。不仅如此，因为它们现在能真正产出价值了，我们就会把它们应用到更多场景中。AI在执行任务时本身就要消耗更多算力，加上它们表现出色，我们又会雇佣它们承担更多工作，这种需求就会不断叠加放大。

黄仁勋：这一切都在呈指数级叠加。回顾过去这一年，我最大的体会是，一方面我们希望大模型本身越来越强，模型的缩放定律（Scaling Law）也确实会在未来延续；但另一方面，为大语言模型装上Harness变得至关重要，这就好比为大脑装上了躯干。这让AI能够去管理工作记忆与知识储备。如何将工作记忆转化为短期记忆、长期记忆，进而构建出属于自己的知识图谱？这和人类的思考方式如出一辙。我们每天也在思考自己学到了什么，以及新知识如何融入已有的知识体系。就像我们晚上睡觉时，大脑会进行信息压缩，把不合理或不重要的细节渐渐遗忘，而把有价值的信息重新关联起来。我们在离线状态下也是这么做的。所以包括工作记忆、离线知识提取与构建、知识图谱生成在内的整个记忆模块，都是重大的突破。另一个关键突破当然就是工具的使用。

黄仁勋：我们教会了AI如何去操作人类创造出的那些极其重要的工具。就像机器人走进我家，它不需要从头造一把锤子，而是直接用工具箱里的工具。因此像Spice、Verilog、各类仿真器、设计编译器，乃至Photoshop、AutoCAD、CATIA和西门子的全套工业软件，这些我们用来经营公司、设计产品和维持运转的工具，都将成为智能体得心应手的武器。前提是智能体必须学会使用它们。过去一年里，知识管理与工作记忆以及工具使用这两个领域迎来了巨大突破。

3.编程是第一座高速公路，Astra与下一代智能体生产力

黄仁勋：现在你可以把大语言模型封装进它的Harness里，部署到企业内部，接入你们的核心数据与真实事实，再配合它能调用的工具，它瞬间就能展现出惊人的生产力。说实话，最容易落地的领域其实是编程。编程是通往实用价值的第一条高速公路。在很大程度上编程之所以简单，是因为无论是使用者还是他们操作的工具，都早已习惯了这种极其高效但门槛极高的方式。

黄仁勋：在早期，代码的部署并不容易，但软件工程师们找到了路子。我觉得下一个爆发点已经近在咫尺。你们最近可能也体验过OpenAI的Astra，它确实非常惊艳，我们已经在各个环节广泛应用了。新一代智能体能够胜任设计以及大量创意营销工作。比如你拍一张照片发给它，它能直接还原成可交互、可微调的CAD工程图。这太不可思议了，因为我们刚好需要CAD文件来进行精细化调整和修改。Astra直接帮我们完成了最基础的首次实现，生产力提升是极其巨大的。如果把最新的Astra应用到各个不同领域，除了软件工程之外，设计师、建造者、创作者以及科学家都会迎来全面的能力释放。当然，现在的挑战在于，我们如何将智能体安全、可靠地部署到全球的企业级场景中。这又绕回到了安全与保障的问题。

4.多智能体协同、千禧年难题与智能成本范式

主持人：是的，我们等会儿可以细聊这个。让我深有感触的是，今年OpenAI和Anthropic取得的这些成果，各自消耗的算力大概也就两三个吉瓦（GW）。相比于未来即将上线的算力规模，这其实只是很小的一部分。我想探讨的是，传统经济学模型或企业经营模型往往假设增长是线性减速的，大家很不擅长预测加速增长。但我们现在看到的是双重指数级增长，海量的新算力正在源源不断地投入使用。如果OpenAI和Anthropic明年的算力能翻三到五倍，那么像解决纳维-斯托克斯方程这样的难题，回头看不过是消耗了微不足道的算力，用着未来最底层的智能水平，就攻克了一项千禧年难题。展望明年即将到来的算力潮，你是否预计我们在需要多智能体协同处理的长流程复杂任务上，会迎来重大突破？

黄仁勋：纳维-斯托克斯方程确实是个绝佳的例证。但我们要记住，OpenAI并不是凭空解出纳维-斯托克斯方程的。他们是站在无数顶尖科学家、数学家以及前人丰硕的研究成果之上做到的。我刚才提到，许多学科正处于飞跃的临界点。因为像纳维-斯托克斯方程这类课题，前人已经完成了海量的基础性工作。只要我们能够利用AI穷尽式的探索能力……

黄仁勋：将这种探索能力应用到前人的成果上，我们就会看到一个接一个的重大突破接踵而至。但要做到这一点，我们确实需要海量的算力。原因在于这需要极其庞大的解空间探索。如果某个突破只需要某个人根据底层第一性原理推导出来，而不需要在浩瀚的搜索空间里进行海量探索，那聪明的人类早就把它找出来了。

黄仁勋：所以很多难题其实就悬在崖边，只差临门一脚，就等着这种海量的智能探索去把它推过去。在未来几年里，我预计智能的获取成本会以非常快的速度下降。原因显而易见，一方面我们投入了更多算力，另一方面模型本身也在变得越来越聪明。模型越聪明，执行任务的效率就越高。在这两者的共同作用下，智能的成本大幅降低，而这正是大家梦寐以求的。

黄仁勋：这与摩尔定律并无二致。回顾过去三十多年，计算成本在三十年间每年都降低一半。而现在我们希望智能的成本每年能降低一半甚至降低到二十分之一，因为市场对智能的消耗量增长完全能弥补这种降价。这是全新的范式。世界上存在着一片巨大的空白市场等待去填补，那是一个充满机遇的真空带，我们只需要把成本降下来。

5.智能普及不会带来闲暇，而会解锁更多机遇

主持人：解决纳维-斯托克斯方程最震撼我的地方在于，他们动用了10000个智能体协同作战。在我看来，这就像是一家超大规模的企业，所有人都在引导智能体朝着同一个目标协同推进。虽然现阶段大多数尝试还停留在并行搜索和探索上，但最终目标是让更多智能体能够为了共同目标紧密合作，进而攻克更多难题。按照我们的数学模型计算，这次求解纳维-斯托克斯方程大约消耗了价值400万美元的算力。而在未来几年里，完成同等复杂度的任务，成本还会再降五到十倍。这意味着我们能够去挑战的事情正在呈爆发式拓展。

黄仁勋：我们的雄心壮志也会随之天翻地覆。最初的GPT模型开发成本大概在2000万美元左右。如果现在想训练一个GPT-1水平的模型，成本可能只要几百甚至一百美元。成本从2000万美元直接缩减到了100美元，而我们只用了10年时间。与此同时，我们的野心也在膨胀。我们现在训练的模型参数量已经达到了3万亿、10万亿甚至30万亿，全都是体量惊人的巨无霸。我们对技术能力的要求越来越高，而在过去10年间，我们对这项技术的应用规模可能增长了上百万倍。

黄仁勋：我认为这种趋势不会停下来，人类对智能的需求几乎是无止境的。你越聪明，能想到的应用智能的新点子就越多。随着人生阅历的增长，我越来越意识到还有太多事情等待去做。因为每一次学到新知识，都会为你打开一扇全新的大门。门开得越多，你看到的机遇、挑战和待解决的问题就越多。这就是我们的未来。

黄仁勋：很多人说未来我们会拥有更多闲暇时间，我完全不同意这种说法。我认为对大多数人来说，智能的普及只会解锁更多全新的机遇。因为心怀抱负，大家只会更主动地去追求这些机会。天底下没有任何一个家庭、父亲、母亲或孩子会甘于现状，不希望生活过得更好。他们过去只是缺少机会，而这些技术将重新敞开机会的大门。

主持人：回顾1930年，凯恩斯曾对工业革命做过一个预测。他说一百年后经济总量会增长八倍，而人类每周的工作时长会缩短到15个小时。他在经济总量上预测对了，经济确实增长了八倍，生产力迎来了爆发式飞跃。

黄仁勋：但我们现在每周依然工作80个小时。

主持人：是的，每周15小时工作制并没有成为现实。他忽视了人类的精神内核。工作和探索本身就是人生的意义所在，这种基因早已深深刻进了我们的DNA里。我现在比以往任何时候都要努力，但也比以往任何时候都要快乐。我这么做并不是像我祖父母那一代人为了谋生被迫咬牙坚持。我加班加点是因为我内心渴望去创造。在这点上我完全认同你的看法。奇点理论假定我们现在拥有了大量可以长期协同工作的智能体，它们能够始终专注于目标本身。

黄仁勋：它们还能相互监督，以团队形式高效协作，一旦有人偏离轨道就能随时纠偏。

主持人：没错。我非常赞同你的观点，我们所有的创新都是建立在过去成果之上的。以全自动驾驶为例——我们讨论了整整十年，过去一直没能真正实现，但现在突然之间，你看社交平台上的反馈，大家在体验特斯拉FSD，体验Waymo，时代真的变了。今天早上有人问我“过来路上开得怎么样”，我说“我也不知道”。因为我一上车就开启了FSD，直到车开进地下车库我都没怎么管过，一路上我都在处理工作。如果在科学领域，比如制药和基因学领域，过去三十年我们一直在铺设轨道，接下来我们将在全球很多重大疾病的治愈上取得突破。当然，ChatGPT已经在帮家长规划日常行程、解决孩子的健康困扰、辅助教育了。但我想请教你，既然有这么多能够改善生活的技术就在眼前，为什么它们在公众认知里的突破感还是不够强？这确实让我挺好奇的。

黄仁勋：我试着解答一下吧，虽然最终可能也没有标准答案。我和很多人交流过，听过各种看法。其中一个重要原因在于，AI或超级智能是一种“软物质”。你看不到也摸不着它。所以全社会都在谈论这项技术，但你既看不到实体，也摸不到质感。

黄仁勋：尽管大家早已从中受益，比如使用搜索、在线购物、看Netflix，甚至逛沃尔玛的时候。又比如联邦快递能准时把包裹送到我们手上，背后全都在依赖超级智能和加速计算。但我们并没有把这个故事讲好。大家一直在享受红利，只是它悄无声息。

6.物理AI的ChatGPT时刻：机器人、汽车、电信与三台计算机

主持人：没错，如果把数据中心和超级智能关停一个周末，所有人立刻就会察觉到差异。你今年多次提到机器人领域的ChatGPT时刻已经到来，甚至预测这会是你们下一个千亿美元级别的市场。你今年看到了什么转折点，让你觉得这一刻已经近在咫尺？

黄仁勋：我之前说千亿美元其实是保守了。光是今年前六个月，我们在物理AI领域的收入就达到了100亿美元。所谓物理AI，本质上就是能够与物理世界产生交互的AI。它可以是光子计数CT机、超声设备，也可以是新型成像雷达或下一代5G网络。

黄仁勋：它不仅能理解无线电波，还能理解各种信号，本身就是一套感知网络。当然还有机器人、自动驾驶汽车、制造系统、视觉检测，以及对地球拍照并重构成3D模型的地理空间卫星等。所以放眼整个电磁波谱，从可见光到不可见光，都有AI在发挥作用。

黄仁勋：我们在整个链条上都有布局。对于AI而言，它包含感知、推理，以及最终的规划与执行。当延伸到规划与执行阶段，就落地成了自动驾驶汽车、机器人、仓储物流车，以及不需要精细编程、靠自主学习就能工作的抓取机器人。甚至大家讨论的家用消费级机器人，比如帮你在家整理床铺，或是医院里的护理机器人，都是非常好的落地案例。它们能精准地把处方药送到患者手中；提供每周7天、每天24小时不间断的智能护理，确保患者安全。还有未来会完全实现机器人化的手术室。大量出色的技术正在落地应用。如果看整体业务，我们是全球最大的物理AI公司。过去一年我们做了100亿美元，而今年仅仅前六个月就做到了100亿美元。

黄仁勋：那是我们第一个破百亿美元的年份，而再前一年只有50亿。从50亿到100亿，今年可能会到200亿，谁知道呢？所以说千亿目标确实说保守了。归根结底，推理能力之所以至关重要，是因为我们生活在物理世界中，一切对我们有价值的事物最终都要落到物理世界。因此将软件、计算与智能引入过去以机械和电气为主的传统产业，蕴藏着巨大的市场机遇。看看埃隆·马斯克对汽车行业所做的事情就知道了，他把汽车产业变成了计算与科技产业。未来每一家车企都会成为科技公司。

黄仁勋：每一家仓储物流公司都会成为科技公司。我对联邦快递非常看好，他们必然会转型为AI公司和科技公司。沃尔玛显然也会成为科技与AI公司。整套电信行业也将迎来重塑，重新变回科技产业。电信业很久以前是科技产业，后来变成了服务业，而现在他们将重获科技属性。我很荣幸能与AT&T、Verizon以及欧洲和全球的运营商合作，陪伴他们完成转型。

黄仁勋：当你审视每一个与物理世界挂钩的行业时，都会发现用AI重塑它们的绝佳切入点。很奇妙的是，大家总觉得我们只是做芯片的。但我们其实早已深入到了仓储物流领域。我们深入到了医疗健康、汽车，以及电信领域。几乎涵盖了地球上的每一个行业。我们还深入到了生命科学和娱乐领域。过去很长一段时间里，英伟达其实更像是一家娱乐科技公司。在每一个垂直领域，英伟达都打造了极其深厚的底层技术栈，与生态系统紧密绑定。我们拥有极强的合作伙伴关系，所以未来有一天，大家可能不再把我们单纯归类为一家芯片公司了。

主持人：你们的策略就是把汽车领域的成功模式复制并贯彻到每一个垂直行业中。

黄仁勋：是的，这是我们最终的价值贡献。但要在这些行业里构建物理AI平台，都需要三台计算机。你需要第一台计算机来训练大脑，也就是训练系统。但非常关键的一点是，实验室未来也会这么做，他们需要构建一个互联网的数字孪生。这样他们就不用直接把AI智能体丢到真实互联网上去试错学习。

黄仁勋：就像我们开发Omniverse作为仓库、建筑、城市和物理世界的数字孪生一样。我们把机器人放入数字孪生世界里，让它在数字孪生中学会如何成为一个合格的机器人。然后再把它部署到第三台计算机上，也就是机器人、汽车或手术器械内部搭载的边缘计算设备。所以这需要三台计算机。以及三套完整的技术栈，而我们为每一台计算机都打造了全套技术栈。我们是全球唯一一家能做到这一点的公司。客户如果想构建端到端方案，可以选择使用其中的两台或三台计算机，我们完全开放。每台计算机都有专属的软件栈，我们在各个垂直行业都是这么布局的。

7.安全不是AI的对立面：零信任、独立监控与三脚架监管

主持人：但这些能力显然是一把双刃剑，这也是为什么现在大家都在铺天盖地讨论安全问题。你之前对那些末日论调提出过严厉批评，但要实现这些蓝图，前提必须是以负责任的方式去构建技术。

黄仁勋：没错，核心就是以负责任的方式去构建技术。请注意“构建（build）”这个词，这是一个工程学词汇。这关乎技术与工程。工程师、科学家和研究人员必须安全、负责任地构建这项技术。问题在于我们能否做到？答案是绝对可以。因为如果我们做不到，那我们根本就不应该去构建它。要么相信自己能做到，要么干脆别做。我相信我们能做到。

黄仁勋：我们可以来理性推演一下：有人认为AI不可控，是因为它无法做到完美对齐。对齐的涵义大家都很清楚，就是你给AI下达指令，任务目标非常明确。用自然语言表达出来非常清晰，比如要求它去解一道二次方程。解二次方程是任务，而对齐则是它采用何种方式去完成。求解的方法有很多，比如靠死记硬背。直接给出答案；或者在教科书里查到了答案，去检索出来；或是参考资料；甚至抽屉里放着答案册，直接拉开抽屉抄出来。有人管这叫作弊，但我把这称为拉开抽屉调取答案。

黄仁勋：计算机就是这么工作的，解决问题的方法千千万万。刚才那个例子非常具体。我们再换一个指令：“在人生中取得成功”。这个目标听起来很简单，我们平时也经常对彼此说。我们对孩子这么说，对朋友这么说，鼓励大家尽全力回报社会。但问题在于具体该怎么做？实现路径五花八门，如何算作合理对齐？每个人的文化和背景不同，有人认为回报社会意味着慷慨与善良；有人认为应该先赚大钱再去搞慈善；还有人有其他理解，对吧？甚至有人觉得哪怕只是独自办好一家公司，或是创作出一件出色的艺术品，就已经足够回报社会了。这些其实都对。

黄仁勋：所以问题在于到底什么是对齐？这完全取决于你的背景和文化，甚至与你的居住地、成长经历息息相关。路径有无数种。我想表达的是，对齐将是一个永恒的难题。如果我们寄希望于完美对齐来实现安全，那我们永远也达不到目标。正确的解决思路是这样的：想想我们如何对待抚养小孩、照顾宠物或是管理员工。一开始你必须要建立边界与控制。你根据赋予他们的职责，去开放相应的工具权限、信息权限、责任范围、资金和资源。初始状态下必须是零信任。当你雇佣一名新员工时，是从零信任开始的；当你面对一个一岁大的婴儿时，你会把他放在围栏里，同样是从零信任开始。

黄仁勋：所以要坚持零信任，给予最小权限。随着了解的深入，你再逐步扩大权限边界。每当我们推出一个新的AI，都必须秉持同样的原则。无论何时测试AI，都要坚持零信任、最小边界、最小权限，随着测试验证建立起信心后，再逐步放开。因此，严密的边界控制对任何自主系统都至关重要。

黄仁勋：第二点，必须引入监控，而且监控必须是非干预式的独立监控。因为如果你对一个有智慧的人说“听着，我要坐在旁边盯着你工作，确保你没做错”，或者说“我要盯着你，看你有没有服务好客户，工作够不够努力”。这个自主系统在被盯着时的行为表现，绝对会和没被盯着时不一样。

主持人：这就像我到底在不在房间里一样。

黄仁勋：完全正确。所以监控必须是独立且非干预式的，它必须能够敏锐察觉到自主系统是否做出了违背既定策略或偏离对齐要求的行为。同时，你必须拥有升级干预或直接切断电源的能力。必须具备这种控制手段。这是工程技术问题，完全是可以做到的。我们最近发布的Open Shelf就是为此而生的，现在已经有超过100家公司加入了我们。全球范围内都在积极响应，因为大家的需求高度一致。

主持人：站在最高层面来看，当时我在白宫环顾四周，在座的每一位都有父母和孩子。国内有一种声音认为，超级智能的领军者们只是在肆意妄为、根本不在乎后果，纯粹为了疯狂敛财。但当我观察那张桌上的每个人时，没有一个人想冒进或搞投机。相反，所有人都在努力寻找快速推进与安全保障之间的平衡点。这也是总统给出的指示。虽然大家对具体的落实路径有轻微争论和不同理解，但对于担心领导者盲目冒进的美国公众，你会怎么回应？你看到了任何冒进的迹象吗？你自己也有孩子，你会为你正在创造的超级智能未来感到担忧吗？

黄仁勋：安全与保障技术，本身就是AI技术不可分割的一部分。有一种怪异的观点认为，AI技术与安全保障是相互对立的。这就好比说安全气囊、刹车系统、雷达、摄像头、ABS防抱死系统以及车道保持功能，这些技术都独立于汽车本身一样。你们能理解我的意思吗？仿佛对汽车来说唯一重要的只有发动机。

黄仁勋：事实上整辆车都是汽车技术的一部分。当我强调我们需要加速AI技术发展时，我的意思是我们要同步加速安全技术与防护技术的发展，一切都要加速。如果现在问大家，我相信所有人都会同意“让我们加速安全技术的发展”。没有人会说“不，我们应该放慢安全技术的脚步”。它们本来就是一体的。你不可能把功能性、能力与安全保障割裂开来，它们同等重要。

黄仁勋：当向客户提供服务时，没有人会说“你的功能很棒，但会带来灾难”。所以我觉得这是一体两面。我们必须将其视为一个整体，整个行业也必须这么做。当我们说加速时，意味着全套方案的加速，包括安全。

主持人：你刚才提到了节奏问题，很多人读了达里奥·阿莫代伊（Dario Amodei）写的《前沿节奏》，以为那意味着要放慢脚步。我觉得现场有个很有趣的瞬间，总统叫到了他的“新好朋友”Dario，让他解释一下他理解的“快速与安全”。Dario开口就说：“总统先生，您说过谁赢得了AI，谁就赢得了未来。”他说大家都在加速，他们也在加速，希望能赢下与中国的竞争，但同时也承认，正如你刚才所言，在前进的过程中必须确保安全系统同步加速、跟上节奏。我觉得这是一个非常关键的时刻，因为过去大家总是把他放在立场的对立面上，但实际上你们大家的想法高度一致。后来你和他以及格雷格·布罗克曼（Greg Brockman）等前沿实验室的负责人一起去到了内阁会议室签署协议。在那个房间里存在意见分歧吗？还是说大家都很顺畅地达成了共识？

黄仁勋：所有人都非常富有建设性，产出效率极高。没有任何例外，每个人都致力于在安全可靠的前提下推动行业向前发展。原因很简单：如果不够安全、不够可靠，功能再强大也没有展示的机会，能力也就根本没有施展的舞台。我们深知安全与保障始终是第一位的。

黄仁勋：当然，我们也必须承认这个行业刚刚经历了一场剧变。就在六个月前。这项技术当时还几乎不可用。如果连基础功能和能力都不具备，去谈论安全又有什么意义？根本没人关心。所以AI的首要任务是证明自己能产生实际价值。而它在六个月前终于达到了这个节点。现在它需要被全面且广泛地部署落地。因此毫无疑问，整个行业现在都面临着极其迫切的战略任务，那就是确保我们部署的任何东西都是安全可靠的。我相信所有人都深信不疑，功能、能力、安全与保障全都处于同等重要的地位。

黄仁勋：至于说到“赢”，我会重新定义胜利，这不仅是科技行业的胜利，也不仅是AI行业的胜利。美国赢意味着美国的每一个行业都在赢，比如医疗健康。没错，没有什么比这更让我高兴了。美国赢的定义在于：礼来赢了、沃尔玛赢了、联邦快递赢了、波音赢了、美军赢了，每一位公民都赢了。我们的大学赢了、高中赢了，这才是胜利的定义。如果只是科技界赢了而没人去用，那算不上真正的胜利。

黄仁勋：最大的风险在于……这么说吧，如果我们不能以安全可靠的方式去构建AI，AI产业根本就不可能存在。这对我们来说是关乎生死存亡的大事。如果我们把技术变成了威胁其他人生存的东西，那这种情况绝不可能发生，因为在那之前它就已经关乎我们自己的生死存亡了。

黄仁勋：话虽如此，对于胜利的定义，我希望我们能转变视角。当我谈到美国AI赢得胜利时，俯瞰下去，每一个州、每一个县、每一个社区、每一家公司都在赢得胜利。

主持人：所有人都赢了，因为我们有能力在医疗健康上投入更多，在教育上投入更多，在州际商业、公路等国家基础设施上投入更多。听你的意思，胜利的定义是：当我们在25、30、40年后回头看时，经济规模增长了10倍，每个人的生活质量都得到了提升，而这一切的核心前提是以符合人类利益的方式去推进。

主持人：大多数人不了解我们国家的安全监管框架。我曾说过，我们拥有世界上最稳健的超级智能安全框架。我们显然是全球唯一一个真正对模型实施制裁并将其下架的国家，比如今年早些时候对Mythos的处理。我将其比作“三脚架”：第一脚是商务部对每个新前沿模型的审核；如果有新模型发布，他们会进行测试，评估其是否会在市场上引发问题。第二脚是你在其中起到了构建作用的白宫超级智能协定，包括内部与外部审计、董事会监督以及相应的法律责任。第三脚是由Jay Clayton领导、Emil、Scott和Andrew共同参与的超级智能部队，负责关键行业协调与网络安全等。对于这个在短时间内搭建起来的三脚架系统，像比尔·盖茨最近表示“我们做得还不够，需要出台新法律”等。作为超级智能领域最重要的企业领袖之一，你是否觉得当前这套框架已经为我们迈向未来打下了坚实的基础？

黄仁勋：通往未来最好的方式，就是迅速采取行动。如果我们在“完美”与“先行”之间无休止地争论，最终只会陷入对完美的空谈，永远无法迈出那一步。所以我非常认同这套“三脚架”监管体系，因为它具备可操作性，而且就在此时此刻落地推进。

黄仁勋：我们之所以现在就采取行动，是因为这不仅对我们公司有益，对整个产业、国家和社会都大有裨益，是全方位的利好。如果我们不做这些事，后果将难以承受，我们也就无法去追逐大家梦寐以求的乐观未来。回顾过去的任何产业，我都找不出第二个像当前 AI 产业这样的例证，能够在发展初期就建立起涵盖跨公司、跨行业乃至政府与产业界之间的高效协同，确保技术以负责任且积极向上的方式向前推进。

主持人：这确实至关重要。实话实说，每当我在电视上听到两党参议员讨论这个问题时，他们根本就不了解实际情况。

黄仁勋：他们确实需要来深入了解一下我们正在做的事情。

主持人：他们甚至不知道我们已经付出了多少努力。而且顺便提一句，这些可不是随意的口头承诺。任何前沿模型在发布前，都不可能绕过Casey和商务部的审核，而且商务部已经证明了他们有权通过出口管制将其直接下架。

黄仁勋：我觉得大家应该做两件事：第一，抽时间深入产业一线，真正搞清楚问题到底出在哪里。要想解决问题，至少得先弄懂问题是什么。没错。所以第一步是来交流学习，我们随时抽得出时间。对于这种建设性的探讨，我随时奉陪，欢迎大家来跟我们产业界对话。第二步是了解我们已经落地的解决方案，看看是否有更好的建议去改进它。我们持完全开放的态度，但前提是要建设性地探讨。

8.土地、电力、厂房、供应链与太空算力

主持人：这也正是超级智能协定第四条的核心所在：框架不是静态的，而是动态演进的。团队会定期聚会，根据技术的发展随时升级框架。我想把话题转向算力领域。那些需要成千上万甚至数百万智能体组队协同去解决的复杂任务，对算力的消耗呈现出了爆发式增长。我们在 SemiAnalysis 的朋友 Dylan 表示，明年全球将新增43吉瓦的AI专用算力。为了方便大家理解，我们在网上附上对比图，这个新增量已经超过了目前全球现存的所有AI算力总和。而在后年，还将再增加40吉瓦算力。你是那个最清楚每一块 GPU 分配去向的人。坐在你现在的立场来看，这个预测符合事实吗？我们真的能上线如此庞大的算力吗？针对市场上关于许可审批、供应链瓶颈或局部阻力的议论，结合你的观察，最终落地的数据会有出入吗？

黄仁勋：我认为市场需求绝对达到了这个量级，甚至远远超出。需求绝对是只多不少。真正的挑战在于，当你从数字世界跨越到物理世界时，会遇到层层阻碍。比如土地审批、电力设施建设等。同时还需要大量的建筑工人、机电装修师、管道工以及各类技术人员。光是建造这些数据中心就创造了一百万个新岗位，而且这些专业技能是无法被轻易替代的。特别是建造那些造价高达500亿美元的数据中心，必须依赖具备极其专业技能的团队。在每一个建设环节中，特定工种的技术力量都不可或缺。再加上各地可能出现的禁令或争议，我认为土地、电力、厂房以及配套建设资源，将成为阻碍这一目标实现的关键因素。

黄仁勋：站在我们公司的角度来看，为了应对这些瓶颈，我们采取了多项针对性举措：首先，作为全球唯一一家同时服务于所有云服务提供商（CSP）和新型云服务商（NCP）的企业，我们通过戴尔、惠普、联想等合作伙伴建立了庞大的企业级业务网络。

黄仁勋：我们覆盖了几乎所有垂直行业，贯穿了从数据处理、模型训练、再训练、推理到智能体计算的整个 AI 生命周期，以及所有由我们加速的工具链。这意味着我们的市场通路和抗风险能力是全球最大的。全球每一家代工厂都在为我们全力运转，所有的商业渠道都与我们的架构紧密绑定。因此，即便某个州、某个社区或某个数据中心的建设遇到了阻碍，鉴于目前市场需求远大于供给，我们也可以极其灵活地调整供应链部署。

黄仁勋：另外一点虽然我不太希望看到，但事实的确如此：英伟达承载着全球的基础设施建设。无论是在欧洲，还是在非洲、中亚、东南亚、拉美以及中东等地区，我们都已经在早期布局。虽然我不希望看到美国在建设进度上落后，但单从我们的业务来看，我们拥有极强的全球化深度，全球各地都有着强劲的建设需求。如果这里没法落地，全球其他国家都非常渴望把这些基础设施建在他们当地。

黄仁勋：因此我们自身的业务具备极高的韧性。原因正如我所说，我们覆盖了 AI 计算的全光谱。覆盖了整个计算领域，深入到了每一个云厂商和每一个区域，这赋予了公司强大的抗风险能力。但不可否认，土地、电力和厂房依然会是明年的核心挑战。

主持人：华尔街目前的普遍观点是，虽然公布的芯片需求可能高达50吉瓦，但实际能落地的土地、电力和厂房可能只有35到40吉瓦。因此，究竟哪些计算架构能够装进这些受限的厂房和电力资源中，以及具体的时间表，都还存在变数。

黄仁勋：请允许我补充一点，正如你所知，英伟达的计算架构是目前效率最高的。我们在单位功耗下能产出最多的 Token。因此当全球电力资源吃紧时，市场自然会向效率最高的方案倾斜，因为企业依然需要保证盈利。我所有的CEO同行们对明年的营收都有着极高的预期，他们必须向股东和合作伙伴交出答卷。当电力供应受到限制时，你装进数据中心里的计算单元就必须是当今世界上最顶尖、最高效的资源。我们的方案最容易租售、最具通用性，也最经久耐用。所以在资源匮乏的环境下，全球的市场选择反而会进一步向我们集中。虽然我们原本的市场份额就已经极高。

黄仁勋：但出乎所有人意料的是，正因为这些优势，我们不仅体量庞大，市场份额还在持续扩大。由于我们每吉瓦能提供的产出比过去大幅提升，我们已经从最初单纯的 GPU 公司，发展成为规模最大、增速最快的网络设备公司，如今又成长为规模顶尖且增速最快的 CPU 厂商之一。

黄仁勋：我们还在为存储计算和知识基础设施提供算力支持，甚至通过 Open Shelf 和 Sentry 进入了安全领域。因此，我们为单吉瓦数据中心带来的价值，已经从最初的180亿美元左右，提升到了200多亿美元，如今更是突破了400亿美元。这一数字还会继续攀升。所以我们市场份额的增长，不仅是因为大家向我们的计算平台靠拢，还因为我们在全球资本支出（CapEx）中所占的价值比重越来越高。

主持人：对全球客户而言，这就是市场份额的真正体现。

黄仁勋：回看六年前，我们在全球资本支出中的占比仅仅是个位数。而现在，在头部云服务商的资本支出中，我们大概占到了40%左右。不仅如此，我们还在将市场拓展到云服务商之外。在云服务商之外的本地部署和新型云领域（占据我们业务的半壁江山），我们在资本支出中的占比可能高达80%。一边是占比40%的半壁江山，一边是占比80%的半壁江山。而且两块业务每年都在实现翻倍增长。由此可见，我们在全球资本支出中的总体占比其实是在不断提升的。

主持人：说到英伟达的大客户，就不得不提到我们两年前聊过的埃隆·马斯克。当他开始筹建Colossus，并在孟菲斯迅速部署了20万块Hopper时，着实震撼了所有人。我记得你当时就说过“没人能像他那样干成这件事”。如今他正在筹集另一个400亿美元，准备采购上百万块Vera Rubin。

黄仁勋：他已经从 K 时代迈入了 M 时代。

主持人：他说希望在2027年底前拥有10吉瓦的算力，这意味着在Vera Rubin上要投入上千亿美元。这是前所未有的超大规模扩张。昨天他获奖时你也在现场，你觉得现在的埃隆·马斯克在算力建设方面比过去更厉害了吗？SpaceX 成为全球最大的AI超级算力厂商，在你看来是否已经是显而易见、毋庸置疑的事实了？

黄仁勋：在我们过去的财务报表分类里，埃隆·马斯克的业务原本归在“企业级”目录下，而现在他已经成为了我们头部云服务商（CSP）的重要组成部分。能与埃隆·马斯克合作我感到非常荣幸。他正将我们的技术用于自身的AI训练与模型部署。Grok表现非常酷，市场对Grok 的需求和消耗量正在爆发式增长，同时他也在向外出租算力。这正是两者的结合之处，他在这方面确实相当独特。我觉得Google也是这样，对吧？所以我觉得他还有一个巨大的优势，那就是他极其热爱计算与物理基建的交叉结合点。他非常热爱这个领域，而且没有人比他更懂能源。我们接下来要共同探索的一个新市场，就是把数据中心部署到太空中去。为此，我们的两个工程团队正在紧密合作，着手开发一种适用于太空和地球的新型服务器与架构。

主持人：我们上周刚看到星舰成功发射，完成了首次轨道交会对接，并成功部署了V3卫星，这着实惊艳了所有人，让推特直接陷入了沸腾，大家都被这种震撼的太空发射吸引住了。

黄仁勋：我已经迫不及待想让我们的产品成为载荷了——当然是指设备，不是真人。你是否越来越有信心，认为到2028或2029年左右，通过星舰我们能够真正在太空中部署相当规模的算力？虽然埃隆·马斯克抛出了一些宏大的数字，但你觉得在那个时间节点前，我们能否在太空中实现有实际意义的推理？

黄仁勋：只能使用英伟达的计算架构，原因不仅在于技术本身，还在于英伟达在单位能耗下的性能表现是全球最好的，也就是我们常说的性能功耗比。但最重要的是，英伟达计算架构的产出效率极其惊人，这意味着投资回报率和资本回报率极高。高到就算把它们发射到太空中，发射成本也只占很小一部分比例。发射成本并非微不足道，所以你绝不会把低价值的计算设备送上太空。你肯定只会发射高价值的计算设备。而我们正是你能想象到的、计算史上价值最高、最高效的计算系统。所以我们是目前绝佳的太空发射载荷选择。抛开昂贵的发射成本不谈，它依然能带来卓越的投资回报率。

主持人：那么到2029年，我们在太空中能达到500兆瓦（MW）的算力吗？

黄仁勋：嗯，具体数字让他来告诉你吧，但我认为完全有可能。你知道埃隆·马斯克现在一年要发射多少次？我记不清具体数字了，反正是一天好几次。所以你完全可以把Vera Rubin送上去，它绝对物超所值。市场需求是客观存在的，它的投资回报率极高，产出效率极其卓越，而且具备通用性。这就好比你在太空中部署了一颗卫星，如果找不到客户来租用，它就会闲置，而这是绝对要避免的。因此，英伟达的算力具备完全的通用性和长效的生命周期，会有源源不断的租户。

黄仁勋：我们与全球所有的闭源模型公司保持着合作，运行着全球每一个开源模型，有成千上万家初创公司以及各行各业的企业与我们合作。所以这种计算能力不仅高度通用，而且经久耐用。它在太空中长期运行，而我们会不断通过CUDA来升级软件。我们是全球唯一一家在你购买硬件八年之后，依然在为你持续升级软件、开发新算法的硬件公司。只要卫星还在太空中运行，我们就会一直为它更新软件，因此它的生命周期非常长久。所以我认为这三大特质，再加上领先的技术，使其成为了SpaceX最完美的载荷。

9.三大业务板块、通用互换性、软件授权与营收分成

主持人：构建所有这些资本开支需要数万亿美元。你们利用自身的资产负债表去帮助新云厂商等企业进行基建。为了让金融分析师们算得过账来，他们必须看到明确的回报期。你提到有些公司实现了1年内回本，第一年就能带来500亿美元收入，SpaceX可能也会有一些现货定价模式。但如果看总体的增量消耗，也就是今年所有实验室的营收总和——如果把两家前沿实验室加起来——等一下，吃点零食补充下体力。如果再加上一些专注于推理的实验室，总营收大概在200亿美元左右。我们需要看到这个数字在明年翻倍到400亿美元，后年再翻倍到800亿美元，这样才能匹配数万亿美元资本开支的回报预期。今年我们迎来了Claude Code这一重大突破，它直接推动了Anthropic营收的10倍增长。你有多大信心相信各大实验室能够每年保持2到3倍的营收增速，从而赚回这数万亿美元的资本开支？毕竟你们自己也对这些公司进行了大手笔的投资。你看到这些公司的增长势头能持续下去吗？

黄仁勋：哦，当然。很多人根本搞不懂状况。首先，英伟达目前占据了全球AI基础设施大约80%的营收份额。所以，我刚才对英伟达计算生态的划分在这里就显得尤为重要。我们的业务大致可以分为三大块，虽然实际可能略多一些，但我们可以简单归纳为三大板块：第一块是纯粹的基础计算。它被广泛应用于数据处理、分子动力学、物理模拟、核聚变模拟、核裂变模拟、量子化学、量子物理等各个领域。

黄仁勋：模拟与数据处理的世界，再加上计算机图形学，所有这些运算都是在我们的GPU上完成的。如果假设世界上完全没有AI，只有传统的机器学习，比如Visa和Mastercard用于欺诈检测的XGBoost算法，或是决定向你推荐什么新闻的推荐系统——把所有这些传统计算加在一起，不谈AI、不谈深度学习、不谈智能体系统，这块业务大概占了我们总业务的三分之一，而且这块业务正以每年30%到40%的速度稳健增长。所以在没有任何AI实验室加持的情况下，英伟达也不是零，我们本身就是一家体量相当庞大的公司。

黄仁勋：第二块是AI实验室。虽然大家平时只盯着两三家，但我们与他们每一家都有合作。Meta的MetaVerse业务发展得极为惊人，这几乎完全建立在英伟达的技术之上。要知道就在去年，这块业务还是零——或者说更早之前它仅仅是推荐系统，而现在他们通过MetaVerse大获成功。Grok在三年前甚至还不存在，我们过去没有运行Gemini，但现在我们在运行Gemini。从今年开始，我们也正式与Anthropic展开了合作。所以，如果从全局来看，大家只看到了寥寥几家实验室，而我看到的是五六家。这些实验室都发展得极好。如果这部分业务还不到我们总业务的三分之一，假设这占了四分之一

黄仁勋：当大家看到英伟达运营着全球的基建，而我刚才提到其中25%到30%属于前沿实验室，大约三分之一属于通用数据处理，另外的三分之一则更加令人振奋。因为我们正处于全新计算平台变革的开端，无数新兴的初创公司如雨后春笋般涌现。其中一些专注于消费级应用，比如最近发展得极好的Noah Instinct，我正想提它。还有专注于物理AI、生物AI、材料科学AI的各种企业，比如Jeff Bezos创立的新公司Prometheus，它们都发展得风生水起。横跨各个行业的初创公司数量多达数千家。它们在做什么呢？它们都在租用英伟达的算力。它们都是租户。所以，我们大约三分之一的业务其实就是面向下一代的云计算，这就像当年的AWS一样，只不过它是未来的AWS。

黄仁勋：在我看来，我们目前正处于这一崭新计算架构建设的早期阶段。如果只盯着区区几家公司，误以为是他们在出资支撑整个基础设施，那就大错特错了。开源模型也是一个很好的例证。众所周知，我一直是开源模型的坚定支持者。原因很简单，开源模型能够开拓出全新的机遇。如果你观察所有这些初创公司，就会发现其中80%都在使用开源模型

黄仁勋：他们不是用开源模型去和前沿实验室正面竞争，而是利用它去解锁其他领域的全新机遇。比如物理AI、智能制造、医疗健康等等，他们做的是完全截然不同的事情。他们采用这些开源模型，许多公司还采用了Neotron，然后将这些模型定制转化为面向特定领域的超级智能。

黄仁勋：所以你可以这样理解：通用的闭源实验室将走向通用人工智能（AGI）并变得极其强大；与此同时，还有大量垂直领域的企业专注于特定行业，拥有极具专有性的数据。他们教会AI完成极其特定的任务，从而在各自的垂直领域实现了超级智能。

主持人：没错。所以如果我们套用你之前提到的算力模型——很多人用这个模型来预测实验室未来的营收。比如你提到，如果部署一吉瓦的算力，终端可以产出400亿美元的营收。如果我们按前面说的，明年将有40吉瓦的新增算力上线，终端产出的营收岂不是高达1.6万亿美元？但现实当然没那么简单，实际情况并非如此线性。最终你必须看需求曲线和技术渗透率，才能决定终端工厂到底能产出多少营收。我听到很多人感到焦虑，因为过去一年里，各大实验室的营收增速似乎放缓了一些。他们担心某一天泡沫会破裂，出现算力供给过剩、超过当时实际需求的情况，毕竟AI的发展更像是阶跃式的爆发，而不是一条平滑向上的抛物线。我想问的是，你是否担心会有那么一个时刻，所有人开始对基建融资感到恐慌，从而导致基建戛然而止？

黄仁勋：遇到这种情况时，你只需要把问题进行拆解，回归到第一性原理。大家试图去外推那1000亿、1250亿美元规模的AI营收时，这其实只是整体基础设施建设中的一部分，虽然不是小部分，但也仅仅是一部分。所以核心问题在于：人们未来还会不会继续在网上购物？

主持人：那就是毫无疑问的。所以这部分基建——我们姑且算它占了三分之一。

黄仁勋：对，这根本毋庸置疑。所以我之前说过，随着这十年接近尾声，基础设施的年投资规模大概会在3万亿到4万亿美元之间。显然，最终数字会更接近4万亿而不是3万亿。

主持人：每年都是这个量级？

黄仁勋：对，到本十年末。如果其中1.5万亿美元仅仅是用于计算芯片，仅仅是算力。为什么这个规模会如此庞大？因为在AI兴起之前，传统计算的规模就已经达到半万亿美元了。如果我告诉你，在经历了六、七、八年的发展后，由于全球对算力的消耗大增，这个数字增长到了1.5万亿美元，这其实完全合乎逻辑，对吧？更何况，大家别忘了，摩尔定律已经终结了。过去要想获得双倍的晶体管，你只需要等上一年就行了。如果想要获得双倍的晶体管，再等上一年的时代已经过去了。那个时候同等价格能买到双倍晶体管，但现在你就算等再久，想拿到双倍晶体管也必须付双倍的钱。因为摩尔定律已经终结了。所以对于全球每一年所需的计算能力而言，如果你想要双倍能力，就得支付双倍价格。

黄仁勋：在此之前，计算市场本身就在自然增长，因为全世界都在加速数字化，所以你必须乘以一个乘数因子。仅仅是把摩尔定律失效这个因素考虑进去，即便没有AI，半导体产业也早已顺理成章地迈向全球第一大产业的宝座。我很久以前就提到过这一点，只是大家后来忘了。这不过是我曾经做过的众多预测之一。

主持人：是的，你两年前才刚说过。

黄仁勋：没错。所以这仅仅是其中一部分原因。别忘了，我们正处于全新计算平台的变革期，未来还会涌现出海量的初创公司。创新始终是经济的重要组成部分。新公司在加速涌现。

主持人：回看摩尔定律时代的通用计算，每吉瓦的建造成本大约是50亿美元。到了今天，像Vera Rubin这样的架构，单吉瓦成本已经高达500亿美元。所以关键在于：Vera Rubin在现实世界中创造的价值是否提升了10倍？

黄仁勋：结论就是，我们根本没必要把任何一家AI实验室的营收硬套到几万亿美元去。

主持人：我觉得这个观点至关重要。昨天市场上还在传OpenAI的营收到底是一千多亿还是五百多亿。但大家之前看到不少基建概念股回调，就是因为市场在恐慌，担心OpenAI赚不到足够的钱来支付基建费用。而你刚才强调的核心观点是：在我们看明年的40吉瓦基建时，至少有三分之一是云厂商用于替代传统通用计算的基础需求；三分之一属于新型云、主权云、企业级客户以及成千上万初创公司的部署；还有三分之一不仅供给那两家头部实验室，而是要分给Grok、Thinking Machines等众多实验室。

黄仁勋：我们给那两家实验室施加了过大的压力。我很荣幸能与他们合作并提供支持，他们必将成为历史上最具影响力的科技巨头之一，取得极其辉煌的成功。但他们不需要实现万亿美元级别的营收，也同样称得上成功。大家给他们的压力太大了。除去他们，整个产业依然需要建设价值数万亿美元的计算基础设施。

主持人：你曾提到，明年市场对英伟达芯片的需求量远远超过100%。你给出的营收增长预期是70%，并给出了未来一年的展望，因为你提到产能严重受限。

黄仁勋：那是我当时能拿出的极限数据了。

主持人：是的。你说你手里掌握着未来18个月的预估。

黄仁勋：所以不用每天去催产能。

主持人：你说你非常有信心，有足够的时间与供应链协同，去争取做得更好，绝对不会让客户失望。那么现在进度是否更加顺畅了？订单量是否还在持续增长？毕竟你当时只是公布了一个时间节点的数据，而客户的订单还在源源不断地砸过来。你认为供应链还有弹性压榨出更多产能吗？随着更多能力被解锁，订单簿是否还在变大？

黄仁勋：首先我来解释一下当时为什么要向大家公布这些信息。我们当时面临的挑战是订单簿已经彻底被打爆了。每一家头部云厂商、新型云厂商、服务器大厂，以及大大小小的初创企业和巨头，全都向我们下了订单。因为根据客户规模，我们至少会提前一年、对超大客户甚至提前两年去制定需求预测。所以我们手头握着极其庞大的订单。但当时我正在分配产能，给到每个客户的配额都远远低于他们的需求。如果我不公开说明我们手头究竟有多少产能，大家就会疑神疑鬼，觉得是不是自己被少分配了配额，或是受到了不公正对待。所以这是我用来应对每一次失望沟通的无奈之举。

主持人：实际上只要你能交付更多，几乎每一个客户都愿意买得更多。

黄仁勋：远远超乎想象。自那以后，几乎每周甚至每天都有新订单涌进来。与此同时，我们的产能确实在增长，但目前限制我们的瓶颈已经转移到了下游的土地、电力和厂房上。所以几周前我们公布了在澳大利亚的2吉瓦项目。这可是个大新闻。2吉瓦对我们来说意味着近800亿美元的规模。接下来我带队去欧洲时，希望能宣布一些新的合作，释放更多的土地、电力和厂房资源。土地和电力显然是目前的瓶颈之一，而这恰恰是英伟达拥有巨大优势的地方。

黄仁勋：因为基于我们的产品体系，如果有像CoreWeave或EBS这样的新型云厂商希望扩建业务，英伟达能够提供全栈完整的AI基础设施，全力支撑他们进行规模化拓展。我们能与特定合作伙伴在特定地点完成其他厂商根本无法企及的建设计划。这赋予了我们极强的业务韧性。

黄仁勋：但无论如何，随着我们在上下游不断拉高供应，另一个关键瓶颈浮出了水面，那就是封装基板。现在的基板尺寸越来越大，上面集成的芯片越来越多，这对制造构成了双重挑战：每一颗出货的芯片都在消耗更多的材料份额。随着封装尺寸变大，材料的热膨胀系数以及多芯片堆叠方式，极易导致翘曲和各种制造缺陷，这种高精度的有机材料生产极其困难。在我们现有的生产规模下，必须做到绝对精准，这就极其依赖顶尖的合作伙伴。这是目前的产能瓶颈之一。

黄仁勋：另一个例子是硅光子技术，同样面临产能限制。可以说各个环节都在承受产能压力，所以我们需要不断去破局。我有18个月的时间来解决这个问题。随着时间推移，我们每周都在拉高产能上限，但订单簿增长的速度更快。所以这种供需缺口在未来几年内都很难完全填平

主持人：来看看这张图表。灰色折线是25家分析机构在2025年初对英伟达预测的平均共识，蓝色折线是我们Altimeter当时做出的预测，远高于市场共识。而绿色折线则是基于你最新的业绩指引后，市场形成的新共识。最让我震撼的是，25位专门分析预测贵公司的专业人士，他们的共识预测居然相差了百分之两百。就在一年前……

黄仁勋：甚至一年前的预测还不上这条灰色线。

主持人：是的，这就是一年前此时此刻的市场共识。在短短一年内，市场对贵公司的业绩共识预测直接向上拉升了100%到200%。这太不可思议了。在我二十多年的从业经历里，极少见到市场共识会出现如此巨大的偏差。然而你们的股价却只上涨了20%。你们直接将公司的营收和自由现金流预测翻了一番，而目前的交易估值折算下来只有13到14倍市盈率。你觉得市场究竟在担心英伟达的什么问题？或者说市场对未来的预期到底缺少什么信心？因为通常如果业绩预测出现如此大幅度的上修，股价早已迎来暴涨了。

黄仁勋：首先，对于像我们这样体量的企业而言，还能持续扩大市场份额，本身就足以证明公司的业务韧性。以及我们竞争优势的体量与规模。

主持人：这种优势是在扩大还是在缩小？你们的竞争护城河是在变宽还是变窄？

黄仁勋：在变宽。

主持人：你们的竞争护城河正在规模化扩宽。

黄仁勋：是的，我举个思想实验的例子。如果现在要你开出一张1000亿美元的支票，去订购下一代芯片，比如想要排队预订Vera Rubin Ultra，现在就得下单了，在连实物都没看到的情况下。但客户拥有绝对的信心。假设你必须把这1000亿美元交给某家厂商，你怎么知道交出的产品一定会好？因为这是英伟达打造的，你确信它一定会比Vera Rubin更出色。而Vera Rubin之所以能赢得所有人的信任，是因为之前的Grace Blackwell极其成功。

黄仁勋：在计算领域，这些计算机承担的工作负载极其繁重复杂，根本不可能只靠单一基准测试来评估。这可是500亿美元级别的投入。要释放出这种级别的性能，需要无数尖端技术完美融合，这简直是奇迹。问题在于，在连实物都还没看到的前提下，你敢把500亿美元的订单交给谁？我们是全球唯一能接下这张订单的企业。

黄仁勋：放在过去，哪怕是下10亿美元的订单都极其艰难。如果是100万美元的订单，设备就摆在你面前，你大可以去跑跑芯片测试。但你现在该怎么去给这种超大规模系统跑测试？光是把系统建造出来就已经是个奇迹了。如果有人想跑评估测试，我很乐意配合，但你需要先给我提供一座巨大的数据中心，再给我们几年时间去改造它。所以这些系统现在甚至连基准测试都没法做了。

黄仁勋：这和台积电的逻辑如出一辙。我们之所以把100%的业务都交给台积电，是因为他们是全球唯一一家能让我制定五年长期规划的企业。而且在没看到成品前我就确信，他们的下一代晶体管一定会非常优秀，一代比一代强。他们有足够的产能支撑我，懂得如何与我的业务团队高效协同，且具备足够的敏捷度去应对我所有的业务起伏——比如陪着我从灰色线一路拉到蓝色线再到绿色线。他们必须具备足够的体量，才能支撑我们实现这种爆发式跨越。全球找不出第二家公司能帮我们做到这一点。而且还要掌握从硅光子、逻辑芯片到存储芯片以及先进封装等一系列复杂的工艺流程。我们所做的一切都是极其动态的。

黄仁勋：面对一家规模只有他们十分之一的公司，你根本不可能做到这一点。所以核心逻辑在于：我们正在为整个星球构建基础设施，英伟达已经蜕变成了一家基础设施企业。这些基础设施造价昂贵，且技术迭代速度快得惊人。事实上，我们建立的这种信任，以及我们几乎承载了一切运算的现状。最初不过是从几个 GPT 模型开始，但看看后来被重新发明的 Flash Attention机制，看看我们在NVLink 72架构上实现的模型并行与切分方式，这一切是如何彻底颠覆了行业。现在大家都在谈论Transformer扩散模型、混合SSM与Transformer架构，所有这些不同的技术，所有这些我们所熟知的演进，全都无一例外地运行在 CUDA 之上。

黄仁勋：我们甚至无法预知未来是需要更多的预训练、后训练还是智能体推理，但事实证明，不管需要什么，我们统统都能运行。因此哪怕建立一座价值 500 亿美元的数据中心，你也深知其工作负载具备极高的通用互换性。即便将来出于某种未知的原因，你希望将一半的产能转租给其他人，英伟达的算力是完全通用的。我们在工作负载上是通用的，在模型上是通用的，在跨客户应用上也是通用的。

黄仁勋：而且我们在全球任何角落都能随时部署。无论你在欧洲还是在美国创业，你都希望能服务欧洲或日本的客户，而事实证明我们早已在那里扎根。英伟达的基础设施早已遍布全球。如果OpenAI想拓展欧洲市场，我们分秒间就能带他们落地；如果他们想去印度，或是 Anthropic想去日本、韩国，我们早已严阵以待。所有的计算架构都在当地准备就绪了。所以如果把英伟达作为一个整体来看，然后再回头做那个思想实验：假设要将1000亿美元的重注押在某个人身上，你该怎么做？

主持人：一年前我们坐在这里时，市场共识预测你在2027年的业务将会持平甚至萎缩。而如今市场共识预测你将增长 74%。我想让大家好好品味一下这个对比，因为很多人盲目追随这些市场共识预测，而事实证明他们大错特错。

黄仁勋：他们事后有重新听我们上一期播客吗？

主持人：你当时早就告诉他们了。

黄仁勋：是的，我全都解释过了。听众朋友们，我当时真的把一切都说明白了。

主持人：再看看 2029 年。

黄仁勋：当时大家质疑的是投资回报率问题，以及专用芯片与通用芯片之争。英伟达之所以坚持通用计算，就是为了保留这种极强的通用互换性。通用互换性带来的核心好处就是低风险。当你投入巨额资金时，低风险就成为了决定性因素。当你要建造价值500亿甚至1000亿美元的基础设施时，你必须确信这套基础设施在未来很长一段时间内都能保持极高的价值。因此，过度专用化是通用互换性的天敌，专用化也是长久生命力的天敌。只要我们能不断证明我们的性能卓尔不群——而我们每天都在用事实说话——通用互换性与长久生命力就会转化为极佳的租售价值，进而转化为高生产力，进而带来极高的融资便利性，并最终实现最低的总拥有成本（TCO）。

主持人：现在你们正准备展开公司历史上规模最大的股票回购。按照我的计算，你们在未来两年内可能会回购公司超过10%的股份。在高盛的会议上，你把英伟达称为“第一家兼具高增长与价值属性的企业”。听起来很像当年苹果向市场推介的逻辑。

黄仁勋：没错，甚至比他们当年更有说服力，证明自己有能力持续回馈资本。事实证明当年苹果这一步走对了。

主持人：股价从当时的 30 美元一路飙升到了 300 多美元。

黄仁勋：在很多方面，我们正在经历类似的转型。有一点我刚才忘了提到——我相信你刚才也正准备问我——我们大部分的投资、融资以及合作伙伴策略，其实是在尝试确立两种全新的商业模式。两种全新的商业模式

黄仁勋：第一种我们已经深耕了一段时间，并且在不久的将来会大幅加速，那就是软件授权许可。我们公司积累的软件资产是极其惊人的，数据中心的规模如此庞大，想象一下里面运行的所有软件，我们的全栈方案对于云服务商（CSP）而言具备工业级的稳定性。他们如果想运行自己的软件栈，我们可以向他们授权或开源我们的软件，由他们自行修改并集成到自己的体系中去运营服务。但对于全球大多数普通企业而言，他们根本没有庞大的 IT 或软件部门来做这件事，因此他们需要我们来提供维护。

黄仁勋：因为过去几年AI主要集中在训练端，而现在正在全面迈向部署端。他们需要将这些数据中心当作工厂来运营，并需要我签署服务级别协议(SLA）来提供保障，确保在设备的整个生命周期内，系统都保持安全、稳定与可靠。因此，面向企业级的软件授权许可业务规模将会极其庞大。哪怕做个简单的数学计算，假设每张GPU每年仅收取几千美元的软件许可费，而我们每年出货数千万张GPU，其中半数进入全球企业级市场，这笔收入叠加起来将极其可观。所以我非常确定，软件授权许可将成为我们业务中举足轻重的一部分。

黄仁勋：第二种模式是，某些云厂商在全栈技术上高度依赖英伟达。他们依赖我们的产品消化能力和生态系统，甚至需要我们在投资端作为合作伙伴去帮助他们锁定融资与资本。他们已经拿到了土地、电力和厂房，是区域内的佼佼者，拥有诸多本土优势。但在另外这三个领域，他们非常需要我们的支持。因此在此类合作关系中，我们很可能会转向营收分成（RevShare）模式。我们会进行投资，预先获得硬件销售收益，同时在未来的运营中享受营收分成。虽然我们自己不做云服务提供商（CSP），但我们会为其提供产品消化渠道和长达五年甚至十年的软件支持，理应从中获得相应的经济回报。因此，营收分成也是重要的一环。

黄仁勋：这两个向量完全独立于我们的硬件销售，且与我们平台的现有安装量（Install Base）紧密挂钩。如果没有任何安装量，软件授权许可就无从谈起；如果没有产品消化能力，营收分成也无从谈起。正是庞大的安装量、极其丰富的软件栈、强大的产品消化能力以及遍布全球的生态系统，在共同滋养着这一切。

10.高增长与价值属性、10万亿美元基建与99.99%的信心

主持人：关于我们以 13 倍市盈率交易的话题，当年蒂姆·库克和卢卡去见沃伦·巴菲特时，巴菲特曾坦言自己不喜欢科技公司的原因之一，就是很多科技公司虽然能产生惊人的自由现金流，但他们不仅不把钱还给股东，反而拿去盲目投资其他项目，而那些项目往往远不如最初带来现金流的主业。而你们现在将超过50%的自由现金流用于回购股票，在保持指数级增长的同时把资金切实还给股东。

黄仁勋：我们之前说是50%，上个季度我们实际做到了60%左右。正如大家所知，我们一直在投资极其优质的企业。过去几年里，市场上的新共识是：英伟达买什么、黄仁勋买什么，大家就跟着投资什么。大家常说“黄仁勋投什么，你就跟着投什么”，这确实是事实。原因在于我们和你们一样，身处生态系统的最核心，处于信息流的枢纽位置。我们共同参与这些投资，认识大量顶尖人才，当他们立志要成就一番事业时，我们非常乐意在背后提供支持。所以我们处于内部视角，拥有充沛的信息，投出的每一笔资金都经过了深思熟虑。更何况英伟达本身就在生态系统中，能够直接帮助被投企业取得成功。因此这些投资成果斐然是有多重原因的。

黄仁勋：但从我们整体现金生成的比例来看，股权投资的占比会迅速下降。一方面是因为像开源AI和Anthropic这样的历史性机会不会接二连三地出现；另一方面，我们自身的现金流生成速度实在太快了。

主持人：说到这里，如果你保持如此高比例的股票回购，同时正如你今天所言，业务收入的长久生命力远超市场预期——这正是许多人至今依然存在疑虑的地方。前几天埃兹拉在播客里还问你“泡沫什么时候会破裂”，你当时提到大概还有两三年的清晰可见期，结果有些人就断章取义说“泡沫两年内就会破”。但在我看来，这本质上是全球计算体系底层架构的一次永久性重构。除非发生全球性的经济大萧条，否则每一年大家对英伟达算力的消耗需求都将是天文数字。

黄仁勋：思考这个问题的方式应该是：过去头部云厂商每年的基建投入大概在半万亿美元左右，整个行业加起来每年大约是一万亿美元。每年都有新的数据中心建起来，每隔五年左右就会有一批设备折旧或下线淘汰。旧世界的模式是建立在“检索式计算”基础上的；而在全新的计算模式下，我曾预测在本十年结束前，全球年投资规模将达到三万亿、四万亿甚至五万亿美元。

黄仁勋：而且我认为我们在此基础上还会继续增长。如果有人告诉我，未来全球每年用于基础设施新建、升级以及新旧更替的年总产能投资将达到10万亿美元，我一点都不会感到惊讶。

主持人：是的。对于听众而言，考虑到在本十年末每年四万亿美元的支出，每一次你消耗 Token、每一次使用智能，机器和工厂就必须全力运转。你刚才提到，如果假设全球50万亿美元的 GDP 与知识工作相关，只要在未来五年内实现20%的生产力提升——就像 英伟达 内部实现的那样，甚至内部提升得更多——那么到2029或2030年，我们将迎来10万亿美元的增量经济价值。而我们只需要将其中的一半投入到生成智能的资本开支（CapEx）中即可。这听起来极其合理。

主持人：今天非常感谢你抽时间做客，你分享了太多真知灼见，我简直可以和你无限聊下去。不过我们可以像开头那样做个收尾。在不久前，人类的生活状态还被描述为“贫困、野蛮与短命”。

黄仁勋：那是上周的事吗？

主持人：是过去200年来的创新真正推动了人类的文明进步：让大家有更多时间陪伴家人，寿命更长，减少了大量人类原本不愿从事的苦力劳动，社会也变得更加安全。

黄仁勋：我们是第一代将 63 岁依然视为年轻小伙子的人类。放在过去这简直不敢想象。大家现在还称呼我为年轻小伙子呢。

主持人：让人类生活得更安全、更美好。尽管你我经常听到外界的各种担忧，但话说回来，工业革命初期人们也有过一模一样的担忧。展望五年后，你有多大信心相信我们做出了正确的决定，让世界变得像我们描绘的那样美好？相比12个月前，今天站在这里的你是否更有信心？

黄仁勋：为了向一位好朋友致敬，我不用0%和100%这两个极限数字，我有99.99%的信心。我99.99%地确信，有太多太多的同仁在无比深刻地关切着最终的结果，希望它朝好的方向发展。大家会竭尽全力的智慧与资源，确保我们以负责任且积极乐观的方式抵达那个终点。

黄仁勋：有太多人正在做着正确的事情。但现实中总有一些人喜欢高谈阔论，他们受限于自身的视角，根本没有意识到在他们的信息茧房之外，还有成千上万来自各个行业的卓越研究员和工程师，正在独立创造着惊人的成就。仅仅因为某些人没挂在嘴边，并不代表无数聪明人没有在默默做着聪明事。我在公司内部也经常这么说：即便没有我的领导、没有既定的战略，公司内部的小伙伴们自身也在做着极其聪明的决策。聪明的人自然会做聪明的事。只要把大家有效地组织起来，他们就能创造更大的影响力。但即便没有外部干预，出类拔萃的人本身就在不断产出智慧成果。所以每当有人对我说起对未来的担忧时，我觉得有忧患意识是好事，

黄仁勋：我们应该表达关切与担忧，但绝不应该去预测世界末日。因为那些末日论者低估了人类生存的韧性，低估了人类的能力极限。他们或许出于某种傲慢与自大，误以为除非由他们亲自操刀，否则事情就办不成。但事实却是，无论我是否发话，我们公司都在持续创造奇迹。虽然我承担了所有的赞誉和批评，但无论哪种情况我都问心无愧，尤其是面对赞誉时。原因在于，当你身边聚集了一群极其优秀的人，并创造出让所有人都渴望实现同一个美好目标的条件时，大家自然会去追求那个优秀的版本，我相信绝大多数人都是这么想的。这也正是为什么我认为我们既要对自己严格要求、担当尽责，同时也必须向社会展示一个充满乐观色彩的未来。

黄仁勋：身处全球这群优秀人才的环绕之中，我99.99%地确定，我们必将携手抵达那个美好的未来。

主持人：完全赞同。你简直是我们国家的宝贵财富，有你引领这场变革是我们的幸运。国家要感谢你将大家凝聚在一起、达成共识并搭建起监管框架。未来还有很多工作要做，但作为两个孩子的父亲——我知道你也有孩子，甚至未来还会有孙辈——我们最关心的莫过于此。

主持人：莫过于为他们创造一个更美好的世界。我们随时可以停下，但如果今天停下来，我们就输了，就彻底失去了通往更美好世界的机会。所以我们今天就聊到这里，非常感谢你。

黄仁勋：谢谢大家。我也要感谢你。我从未见过比你更具爱国情怀、更关心这个产业的人，你甚至更加关怀这个国家。你所展现出的天赋、热情以及不知疲倦的充沛精力，推动并协调了无数人共同去促成如此伟大的事业，这真的非常不可思议。

主持人：提醒大家，以上仅代表个人观点，不构成任何投资建议。