北京
出品 | 网易智能
作者 | 小小
编辑 | 王凤枝
在10月15日发布的BG2访谈中，英伟达CEO黄仁勋透露，双方工程团队正在紧密合作，探索新的服务器和计算架构，希望既能用于太空，也能用于地面。对于把计算设备送上天的高昂成本，他认为，只要这些设备能持续创造足够高的收入，发射费就不必成为阻碍。
图源：BG2访谈，作者提供截图。
黄仁勋还谈到了英伟达正在使用的AI。他说，把一张照片交给OpenAI的Astra，模型就能生成可供设计人员继续修改的CAD文件。设计师可以从这份初稿出发，调整细节，不必每次都从头开始。他判断，AI带来的变化正在从编程扩展到设计、创作和科研。
但能交给AI的活越来越多，人就能清闲下来吗？黄仁勋并不认同。谈到AI会让人拥有更多空闲时间的说法，他表示：“我完全不同意。”他的理由是，AI会让人有机会尝试过去做不到的事，而人们会想抓住这些机会，继续做下去。
至于怎么放心地把工作交出去，他主张先限制AI能访问的信息、工具和资源，再随着测试逐步扩大权限；同时设置独立的监测机制，发现越界行为时，能够及时干预或停止运行。
以下为访谈整理，部分口语及现场交流有所删节。
01领国家科学奖章，父亲临时买了套西装
布拉德·格斯特纳（Brad Gerstner）：过去十天，你参加了白宫国宴和超级智能峰会，还和父母一起到白宫，接受总统颁发的国家科学奖章。我注意到，台上的六个人里有五个出生在美国以外。和父母一起站在那里，你有什么感受？
黄仁勋：首先，这本身就是巨大的荣誉，也是对公司贡献的认可。我们发明了一种新的计算模式，它可能已经是世界上应用最广泛的计算架构。每一个云平台、每一家计算机公司都在用，科学的各个领域都在用。玩家、创作者、设计和建造各种东西的人，还有科学家，都在使用它。它为智能提供了计算基础。
回头看英伟达走过的路，我们从为玩家做图形芯片起步，对此我至今仍然感到自豪。到现在，我们已经出货了16.7亿颗产品。一代又一代的科学家、孩子和设计师，是用着我们的产品成长起来的。如今，我们又成了支撑社会智能的基础设施。能代表公司领这个奖，我非常自豪。
我希望父母也去，但只给了他们24小时准备。他们不常旅行，我父亲连西装都没有，赶紧出去买了一套，穿起来还挺精神。我原以为他会穿件衬衫就来，没想到他准备了新西装。我母亲也在这24小时里买了条新裙子。
我们包了一架飞机送他们过去。他们见到总统特别开心。我母亲走路不太方便，特朗普总统搀着她走下台。能来到这里、见到总统，他们感到非常自豪。对他们来说，这就是他们的美国梦。
图源：BG2访谈，作者提供截图。
我还记得，大概五岁的时候，父亲刚从美国出差回来。他当时在开利（Carrier）这家空调公司工作，我们住在台湾，正准备搬去泰国。他被派到纽约培训。你可以想象，一个二十多岁、从没离开过台湾的年轻人，一下到了纽约，会受到多大震撼。
他从机场带回来各种东西，有巧克力，还有以前那种装在软管里的白色奶酪。他带回许多我们没见过的东西，说：“我们以后应该去那里。”一有机会，他们就把我和哥哥送到了美国。那是他的梦想。
格斯特纳：很多人可能不知道，你比父母更早到美国，他们几年后才过来。台上六个人中有五个出生在国外，这让我再次意识到，我们需要一套真正的移民战略和政策，确保美国仍然是世界上优秀人才愿意来做事、创业的地方。这是美国的一项独特优势。
黄仁勋：美国创造知识产权的能力非常独特，一个重要原因就是吸引了世界各地最优秀的人。他们愿意来这里生活、做事，因为这里有机会、有自由，也有发明、创业和敢于尝试的精神。我们的出发点往往是：“当然可以，我们能做到。”而我去一些地方时，听到的却是：“这当然不行。”
我们容易把这种文化当成理所当然，但它带来的精神和活力非常重要。我们希望优秀的人才带着想法来到这里，把想法变成现实，再吸引更多人才和机会。
这个体系需要小心维护，各方面的平衡也很微妙。我理解这一点。我们要依法做、妥善地做，但一定要继续做。
02 AI会让人更清闲吗？“我完全不同意”
格斯特纳：两年前，你在这里说，市场严重低估了未来五年计算基础设施的建设规模，不是一万亿美元，至少是两万亿美元。现在已经超过了。你还很早就判断，推理阶段的思考会让算力需求增长十亿倍。去年，你又说我们进入了智能体时代。
现在走到哪一步了？我们是否正在进入超级智能加速发展的新阶段？
黄仁勋：先说为什么我认为，算力需求还会比不久前，比如去年，增加十亿倍。思考和解决问题，所需的推理次数，比重复一段记住的内容多得多。
早期使用ChatGPT时，你给它一个提示，大部分知识已经存在模型参数里。但它会产生幻觉，所以后来又加入搜索：先找事实，再把检索结果和预训练得到的知识结合起来，生成答案。
我们真正想做的许多事，还需要逐步推理、提出几个方案、制定计划。你要分别试着往下走，再根据结果判断，目前哪个答案最好、哪条路径最有希望。可能留下其中一两条或三条，放弃其余的，然后继续这个过程。
人也是这么做的。好的战略家不会太早排除可能性，但又得考虑资源有限，不能每条路都一直走下去。AI现在也开始这样工作：尝试、筛选、反思，再继续尝试。
这些思考和探索都要消耗更多算力。而且，因为它开始能做有用的工作，我们又会让它去做更多事情。一项任务用的算力增加了，交给它的任务数量也增加了，两方面会叠加。
过去一年，一个很大的变化是：我们当然仍希望模型变得更强，也会继续扩大模型规模，但同时还给模型配上了一套运行框架，也就是harness。我把它比作模型的“外骨骼”。
有了这套框架，模型可以管理工作记忆和知识，把当前任务中的信息整理成短期记忆、长期记忆，进而建立知识图谱。人也会做类似的事：我学到了什么，它和过去知道的东西有什么联系？
我们睡觉时，大脑也会整理信息。不重要的事情逐渐忘掉，重要的东西重新建立联系。智能体同样需要在任务之外整理记忆、提取知识。这整个环节非常重要。
另一项变化是工具使用。我们正在教AI使用人类已经发明的各种重要工具。就像机器人来到你家，它更可能使用家里现成的工具，而不是从头制造一套。
SPICE、Verilog、仿真器、设计编译器、Photoshop、AutoCAD、Cadence以及各种EDA工具，仍然有用。我们用它们经营公司、设计产品、运行系统，智能体也可以使用，但得先学会怎么用。记忆管理和工具使用，是过去一年两项很重要的进展。
现在，你可以把模型和这套框架部署进公司，让它接入企业已有的信息和允许使用的工具，然后开始工作。最早做起来的是编程。软件工程师习惯了处理那些有用、却不太容易上手的工具。早期AI编程工具也不容易部署，但工程师找到了办法。
下一步会扩展到设计和创意营销。你们可能已经在试OpenAI的Astra了，它很棒，我们在很多地方都在用。给它一张照片，它可以重建出CAD文件。
这件事很重要，因为设计工作需要能继续编辑的CAD文件。我们要在里面调整细节、修改设计，Astra能够很快给出一个初稿。随着这些模型被用到不同领域，除了软件工程师，设计师、创作者、科学家以及做各种工程的人，也能从中受益。
接下来的挑战，就是怎样把智能体安全、可靠地部署到世界各地的企业里。这又回到了安全和防护问题，我们稍后可以谈。
格斯特纳：今年取得这些进展时，OpenAI和Anthropic各自拥有的计算基础设施规模才两三吉瓦。如果明年扩大到现在的三到五倍，智能体可以长时间工作，成千上万个智能体协同解决问题，会不会出现新的重大突破？
黄仁勋：OpenAI那项纳维–斯托克斯相关研究就是一个例子。这项工作不是凭空完成的，而是站在许多科学家和数学家的肩膀上，依靠大量前人成果。
我认为，许多领域已经到了一个临界点。基础工作积累得足够多，再让AI在这些成果上进行大规模探索，就有机会接连取得突破，而且速度会很快。但这确实需要很多算力，因为要探索的可能性非常多。
如果一个问题只需要从基本原理出发推导，不必探索大量可能的路径，就能得到突破，那么人类很可能早已发现它了。人已经足够聪明。我认为，还有许多问题正等着我们用更大规模的智能探索去解决。
未来几年，我预计使用智能的成本会快速下降。一方面，更多算力会投入使用；另一方面，模型越来越聪明，也会更高效。这两种变化会一起降低成本。
这和摩尔定律带来的效果有些相似。过去几十年，计算成本不断下降。我们希望智能成本也能每年减半，甚至降到原来的二十分之一，因为用量的增长可能远远超过单价下降的幅度。还有大量需求没有得到满足，成本降下来，更多事情才做得起。
克拉克·唐（Clark Tang）：那个纳维–斯托克斯相关项目让一万个智能体协同工作。按我的估算，解决这次的具体问题，大约花了400万美元算力成本。未来几年，如果成本再降到现在的五分之一或十分之一，能做的事情就会迅速增加，我们也会尝试更大的目标。
黄仁勋：拿早期GPT举个粗略的例子。假设当时训练要花1000万或2000万美元，而现在再训练一个GPT-1，可能只要1000美元，甚至100美元。这里是在举例说明成本变化：十年间，同样一件事的成本可能从千万美元降到百美元。
我相信这个趋势会继续。与此同时，我们想做的事情也越来越大，开始训练3万亿、10万亿乃至30万亿参数这样的巨型模型。对能力的要求提高了，用量也提高了。从十年前到现在，用量大概增长了一百万倍，我不认为这个趋势会停止。
对智能的需求几乎没有止境。你越聪明，就越能想到可以用它做什么。我自己也是，学到的东西越多，就越觉得还有更多事情要做。每学会一样东西，就会看到新的机会、挑战和问题。
有人说，AI会让我们拥有更多闲暇时间，我完全不同意。对大多数人来说，智能会带来更多机会，而他们会想去尝试，因为人有抱负。看看任何一个家庭，谁不希望生活更好，谁对家人没有更高的期待？很多时候，他们缺少的是机会，AI会带来这样的机会。
格斯特纳：1930年，凯恩斯曾预测，一百年后经济会扩大八倍，而人们每周只需要工作15小时。经济确实大幅增长了，生活更富裕，生产率也提高了，但我们没有走向每周只工作15小时。
我们当中有人一周还在工作80小时。我觉得他低估了人的精神需求。工作和发现本身也会给人意义。我现在比过去任何时候都更努力，也更享受，并不是像祖辈那样不得不工作，而是我想这么做。
所以，我对智能体能够合作处理长期任务这件事很感兴趣。它们可以持续围绕一个目标工作。
黄仁勋：而且能互相提醒，像团队一样工作：“你跑偏了，回到任务上来。”
03物理AI半年收入100亿美元，机器人只是其中一部分
克拉克·唐：你今年多次说，机器人的ChatGPT时刻已经到来，还说物理AI可能是下一个千亿美元市场。你现在看到了什么变化？
黄仁勋：千亿美元可能还是说少了。今年上半年，我们的物理AI业务已经做到了100亿美元。
物理AI是与物理世界交互的AI。光子计数CT、超声、新一代成像雷达，都在这个范围内。下一代通信网络不只是处理无线电波，还能理解各种信号，成为感知网络。
还有机器人、自动驾驶、制造系统、视觉检测，以及通过卫星成像重建三维空间。整个电磁频谱，无论人眼能看见还是看不见的部分，都有AI可以发挥作用的地方。
我们在这些环节都有布局。先是感知，再是推理，接下来是规划和执行。到了执行这一层，就包括自动驾驶汽车、机器人、仓库配送车，以及不必把每个动作都精确编程、可以自己学习的分拣机器人。
再往下，还有进入家庭帮你铺床的机器人、医疗和医院机器人。它们可以精准给药、全天候照护病人，也可以进入手术室。很多很好的技术正在落地。
按我们的业务规模，我认为英伟达已经是世界上最大的物理AI公司。今年上半年收入100亿美元，去年全年也是100亿美元，前年是50亿美元。从50亿到100亿，假设今年全年达到200亿，那我之前说的千亿美元市场，可能确实低估了。
我们生活在物理世界里，许多重要的事情最终都要在这里发生。过去主要依靠机械和电气技术的行业，现在可以加入软件、计算和智能，机会非常大。
看看埃隆对汽车行业做了什么，他把汽车变成了计算和科技产品。我认为，每一家汽车公司、每一家物流公司，都会成为科技公司。联邦快递和沃尔玛也会成为AI公司、科技公司。
电信行业同样会被重新塑造。它很早以前是科技行业，后来更像服务业，现在又要借助技术发生变化。我很高兴能和AT&T、Verizon以及世界各地的运营商合作，看着它们做这些改变。
每一个与物理世界打交道的行业，都能找到用AI改进自己的办法。我刚从华盛顿回来，有件事很有意思：人们还把我们归类为芯片公司，但我们已经参与了仓库物流、医疗、汽车、电信、生命科学等许多行业。
娱乐就更不用说了，英伟达很长一段时间里，基本就是一家服务娱乐行业的公司。如今，我们在各个垂直行业都提供一整套技术，也有深入的合作。也许总有一天，人们不再只把我们看作芯片公司。
克拉克·唐：也就是把你们在Alphabet和汽车行业中做过的事情，扩展到更多行业。
黄仁勋：对。但构建一个物理AI平台，需要三类计算机。
第一类用于训练，也就是创造它的“大脑”。第二类用于模拟。比如，AI实验室可以构建互联网的数字孪生，让智能体先在模拟环境里学习操作，不必直接跑到真实互联网上试。
我们用Omniverse为仓库、建筑、城市和物理环境建立数字孪生，也是同样的道理。机器人先在里面学习，再部署到第三类计算机上，也就是机器人、汽车或手术器械内部的计算机。
这对应三套完整的技术栈，我们每一套都做。我认为，目前只有我们在提供这样完整的组合。客户可以选择其中一类、两类或三类，每一类都有自己的软件支持。我们在不同垂直行业里，都采用这种方式。
04先限制AI的权限，再逐步放开
格斯特纳：这些能力也有风险，所以很多人在讨论安全。你一直不太认同一些“末日论”的说法。
黄仁勋：我们得负责任地把技术做出来。我强调“做出来”，因为这是工程问题，涉及具体的技术和工程工作。工程师、科学家、研究者，必须安全、负责任地开发它。
能不能做到？我相信能。如果做不到，就不应该开发。所以我们要么相信能够解决这些问题，要么就不做。我相信我们可以解决。
有人说，AI无法控制，因为不可能做到完美对齐。我们先看对齐究竟指什么。你告诉一个人：“我要你解这个二次方程。”任务本身很明确，但完成它的方法有很多。
他可以记住答案，可以在书上查到，可以翻参考资料，也可以知道答案就在抽屉里，打开抽屉把它拿出来。有人把某些做法叫作作弊，但计算机本来就会存储和检索答案。关键是，你允许它用什么方法完成任务。
再换一个不那么明确的要求：“你要在人生中取得成功。”我们经常这样对孩子、朋友说，也会说：“尽力为社会作贡献。”但究竟怎么做？
有人认为，贡献就是慷慨、善良；有人认为，先赚钱再做慈善；有人觉得，创办公司、创造工作岗位，就是贡献；也有人选择创作一件美丽的艺术品。这些都可能是合理的答案。
所以，对齐还取决于文化、背景和价值观。我的看法是，这会是一个长期存在的问题。如果一定要等到完美对齐，才能保证安全，我们可能永远等不到。
可以先从限制权限做起。无论培养孩子、照顾宠物，还是管理员工，我们都会根据对方要做的事，提供相应的工具、信息和资源，也划定活动范围。
一个刚入职的人，不会立刻获得公司所有权限。一岁的孩子，也不会被允许想去哪里就去哪里。我们先设置边界，再随着了解加深逐步放开。
测试新的AI也应该如此。从零信任出发，只给它完成当前任务所必需的权限，再根据测试结果扩大范围。对自主系统来说，严格的限制非常重要。
第二件事是监测，而且监测机制要独立于执行任务的系统。一个聪明的系统如果知道你正盯着它，表现可能和没人盯着时不同。就像你告诉员工：“我坐在这里看着你，检查你有没有认真工作、有没有服务好客户。”这会影响他的行为。
格斯特纳：就像布拉德在不在房间里，会有区别。
黄仁勋：对。所以要有独立的监测机制，判断系统的行为是否违反规则、偏离要求。一旦发现问题，能够升级处理，必要时直接关掉。
这些能力必须具备，而它们是可以通过工程实现的。我们最近发布了OpenShell，现在已经有100多家公司参与。大家都希望解决这些问题。
05白宫会议上，大家怎样谈安全
格斯特纳：白宫峰会上的这些人，也有父母、有孩子。有一种看法认为，超级智能公司的负责人只顾赚钱，不计后果。但我在会上看到的，没有人想鲁莽行事。大家都希望在推进速度和安全之间找到合适的办法，只是在具体做法上存在差异。
对于担心这些公司不顾风险的公众，你想说什么？你自己也有孩子，会担心超级智能带来的未来吗？
黄仁勋：安全和防护技术，本来就是AI技术的一部分。但有一种奇怪的说法，好像发展AI和做好安全是两件互不相干的事。
这就像把安全气囊、刹车、雷达、摄像头、防抱死系统、车道保持，都排除在汽车技术之外，只把发动机当成汽车。它们明明都是汽车的一部分。
当我说要加速AI发展时，也包括加速安全和防护技术的发展。没有人会说：“安全技术可以慢一点。”模型的能力与安全不能分开交付。用户不会因为功能很好，就接受它把事情搞得一团糟。
所以，我们说加速，应该指这一整套技术一起进步，其中尤其包括安全。
格斯特纳：你提到了发展节奏。有些人读了Anthropic CEO达里奥·阿莫代伊关于“Pacing the Frontier”的主张，把它理解为要放慢发展。白宫会议上有个有意思的片段，总统请他解释自己的看法，他先引用了总统的话：“谁赢得AI，谁就赢了。”
他接着说，大家都在加速，Anthropic也在加速，希望在与中国的竞争中获胜，同时让安全系统跟上。这让我觉得，你们之间有不少共识。
你和他、OpenAI总裁格雷格·布罗克曼等人在内阁会议室签署协议时，讨论是什么气氛？
黄仁勋：讨论很有建设性，也很有效率。每个人都希望安全、可靠地推进行业发展。因为如果不安全、不可靠，再强的功能也没有机会被广泛使用。
不过，这个行业最近才经历重要变化。就在六个月前，我认为这项技术还只是勉强能用。它首先得证明自己能做有用的事。现在能力开始具备了，接下来要大规模部署，整个行业也就更紧迫地面对安全问题。
我认为，大家都认同：能力、功能、安全和防护，现在都必须得到高度重视。
至于“获胜”，我想把范围说得更清楚。不能只理解成科技行业或AI行业获胜。美国获胜，应该意味着各行各业都受益：医疗、礼来、沃尔玛、联邦快递、波音，还有每一个公民、大学和高中。如果只有一项技术赢了，我不认为那就叫赢。
对我们来说，做不好安全，AI行业本身就无法继续发展。这直接关系到我们的生存。如果它会让所有人面临生存风险，在那之前，我们自己就已经面临生存危机了。这也是我不认为行业会走到那一步的原因。
我希望大家谈“赢得AI”时，也能从这个角度看。我们经常坐飞机，从天上往下看，一个州、一个县、一个社区、一家公司，都应该从中受益。
格斯特纳：如果经济发展得更好，就能有更多资源用于医疗、教育、交通和其他基础设施。前提当然是，这种发展要符合人的利益。
最后一个安全问题。按我的理解，美国正在形成三项安排：商务部对前沿模型的审查；白宫超级智能协议中的内外部审计、董事会监督和责任要求；以及SI Force开展的关键行业协调、网络安全等工作。
你参与了这些讨论，认为这是一个好的起点吗？这些安排是否让你对未来更有信心？
黄仁勋：我认为，最好的办法是先行动起来。如果一直争论怎样才完美、哪件事应该排第一，可能永远只是在争论。
我支持这些安排，是因为它们具体、能够执行，也有约束力，而且已经开始实施。它们对公司、行业、国家和社会都有益。
如果不做，情况只会更糟，我们也无法走向自己期待的未来。回头看其他行业，我不记得有哪个行业在这样一个发展阶段，就已经建立了这么多跨公司、跨行业、政府与企业之间的协调机制。
06需求还在增长，数据中心却不是下单就能建好
格斯特纳：SemiAnalysis的迪伦预计，明年新增AI计算基础设施的用电容量将达到43吉瓦，比现有规模还大，后年再增加40吉瓦。你很清楚这些GPU会被送到哪里，这个预测靠谱吗？
土地许可、供应链瓶颈、当地居民反对，会不会让实际落地规模小很多？
黄仁勋：需求肯定存在，甚至还要更多。挑战是，进入物理世界之后，要解决的问题非常多。土地要获批，发电设施要投运，还需要建筑工人、设备安装工、水管工等各种人员。
仅仅是建这些设施，就在创造大量工作岗位。尤其是建设一座500亿美元的数据中心，需要有经验、有技能的人。每个关键环节都有专门要求，不是随便找人就能替代。
还有各地暂停建设的决定，以及其他问题。所以我认为，土地、电力、厂房和施工资源，会是达到这些规模的主要障碍之一。
英伟达有几个特点，能够缓解单个项目受阻带来的影响。我们服务各家云厂商、新兴云服务商，也通过戴尔、惠普、联想等合作伙伴进入企业市场。
从数据处理、训练、后训练，到推理、智能体执行任务和工具加速，我们都参与。覆盖的行业、客户和销售渠道非常广。因此，如果某个州、某个社区的一座数据中心遇到困难，我们还能调整供货安排。整体需求远远大于供给。
第二点是全球布局。欧洲已经在建设，非洲、中亚、东南亚、拉丁美洲和中东也在发展。作为美国公司，我当然不希望美国的建设跟不上，但从业务上说，世界各地都有需求。
如果一个地方暂时建不了，其他国家也希望承接这些项目。这让我们能更灵活地应对变化。不过，对整个行业来说，土地、电力和厂房，明年确实会是挑战。
克拉克·唐：市场上有一种估算：宣布的芯片供应量足以支持约50吉瓦的设施，但真正具备土地、电力和厂房条件的，可能只有35到40吉瓦。最后能安装多少、什么时候安装，仍有不确定性。
黄仁勋：我补充一点。我们认为，英伟达架构的能效最高，每瓦电能产出的token最多。因此，如果能用的电力更少，客户就更需要把有限电力交给效率最高的设备。
原因是他们还有收入目标要完成。我的CEO同行们对明年有很高的预期，股东和合作伙伴也在等待结果。电力有限，就更需要单位电力带来尽可能多的有效产出。
我认为，我们的优势不只有性能和回报率，还有设备能承担多种任务，并且能长期使用。资源紧张时，这些优势会让客户更愿意选择我们。我们的市场份额已经很高，但仍在增加。
我们提供的产品也在增多。最初是GPU，后来有了很大规模的网络业务，现在又在扩大CPU业务。我们还参与存储计算、知识基础设施，以及OpenShell等安全技术。
因此，每建设一吉瓦的计算基础设施，英伟达能提供的产品价值，从大约180亿美元，增加到200多亿美元，如今达到400多亿美元。我认为还会继续增加。
客户的资本开支中，用来购买英伟达产品的比例也在提高。六年前，这个比例还只是个位数。现在，按我的估算，在大型云服务商那里大约是40%。
大型云服务商以外，包括企业本地部署和新兴云服务商，大约贡献我们一半的业务。在这类客户的相关资本开支中，我们的占比可能达到80%。两类业务都在快速增长，客户又在采用我们更多种类的产品，所以我们的收入也会随之扩大。
07与马斯克一起研究，把服务器送上太空
格斯特纳：其中一个大客户是埃隆·马斯克。两年前，他在孟菲斯建设Colossus集群，部署几十万块Hopper GPU，已经让我们很吃惊。现在又在谈400亿美元融资、超过一百万颗Vera Rubin，以及2027年底达到10吉瓦的目标。
你们也一起领了国家科学奖章。和两年前相比，他建设计算基础设施的能力是不是又强了很多？SpaceX会不会成为全球最大的AI超级计算服务商之一？
黄仁勋：以前，他在我们的客户分类里属于企业客户，现在已经是云服务商的规模了。
我很高兴能和他合作。他用我们的技术训练自己的模型、部署AI服务，Grokbot也很有意思，需求和使用量增长很快。同时，他还向外部客户出租算力。
这三件事结合起来，形成了很独特的业务模式。谷歌也有类似的组合。
他还有一个优势，就是既懂计算，也懂怎样把物理系统造出来，而且很喜欢这两者结合的工作。我认为，在这个交叉领域，他的能力非常突出。
我们准备一起探索的一个新方向，就是把数据中心放到太空。双方工程团队合作得非常紧密，正在研究新型服务器和计算架构，希望在太空和地面上都能很好地工作。
格斯特纳：星舰释放V3卫星的画面引起了很多讨论。你对2028年或2029年之前在太空部署相当规模的计算设备，有多大信心？到2029年前，500兆瓦这样的规模有可能实现吗？
黄仁勋：具体部署规模，让埃隆来回答。我认为，英伟达会是这些太空计算设备的选择，不只是因为技术。
首先是单位能耗的性能。但更重要的是计算设备创造价值的能力，也就是投资回报。如果设备投入运行后能够持续创造很高的收入，发射成本在总账里的占比就会降低。
不是说发射成本不重要，而是你不会为了把便宜的计算设备送上天而付出很高的发射费。你会选择能创造高价值的计算系统。我认为，英伟达现在就是很合适的选择。
把Vera Rubin送上去，背后需要有足够的需求，也需要算得过来投资回报。还有一点很关键：它能服务不同类型的客户。
假设你把一颗卫星送上去，却没有客户租用上面的计算资源，设备就只能闲着。我们与各家闭源模型公司合作，支持各种开源模型，还有几千家创业公司和各行业企业在用。因此，同一套计算设备可以承担不同工作，不必只等某一种客户。
另一个优势是长期的软件支持。设备已经在太空，我们仍然可以更新软件，因为CUDA一直在升级。客户八年前买的硬件，我们现在还在为它更新软件和算法。
只要这些卫星还在运行，我们就希望继续提供更新，让计算设备保持价值。能效、适用范围和长期支持，再加上技术本身，让我认为这会是非常适合SpaceX的载荷。
08谁来买算力，英伟达又靠什么赚钱
格斯特纳：这些建设需要数万亿美元资本开支。英伟达也通过投资等方式，帮助新兴云服务商获得资金。但最终要有收入和回报。
如果只看AI实验室，假设今年收入合计约2000亿美元，明年要到4000亿美元，后年到8000亿美元，才能支撑这样的建设规模。今年Claude Code带动了Anthropic的快速增长。你有多大信心，这些实验室还能持续保持每年两三倍的收入增长？
黄仁勋：我当然看好它们。但这里有一个误解：不能只看几家实验室，就判断整个计算基础设施的需求。
按我的估算，英伟达占全球AI基础设施相关收入的80%左右，所以我们能够看到相当广的需求。把我们的业务粗略分一下，大体有三类。
第一类是原本就存在的计算需求，包括数据处理、分子动力学、物理仿真、聚变和裂变模拟、量子化学、量子物理，还有计算机图形。
即使不考虑这轮生成式AI热潮，也有Visa、万事达等公司的欺诈检测，有XGBoost这样的机器学习方法，还有决定向用户推荐什么新闻的系统。这里说的是传统计算和机器学习，不是我们正在讨论的深度学习和智能体。
这些大约占我们业务的三分之一，而且每年仍增长30%到40%。就算没有前沿AI实验室，英伟达也不会没有业务，我们仍然是一家很大的公司。
第二类才是AI实验室。大家经常只盯着两家，但我们和很多实验室合作。Meta Muse发展得很好，基本都在用英伟达；Grok三年前还不存在；Gemini过去我们不运行，现在也开始运行；今年我们又开始与Anthropic合作。
所以别人看到两家，我看到的却是五六家，而且它们都发展得很好。这部分大约贡献我们不到三分之一的业务，从计算量看，大概占四分之一。
第三类是大量创业公司。每次计算平台发生变化，都会出现新的公司，现在也是如此。消费领域有Instinct，其他领域还有物理AI、生物AI、材料科学AI，以及杰夫·贝佐斯的新公司Prometheus。
各行业有几千家这样的公司，它们在租用英伟达的计算资源。服务这些公司的业务，有些像下一代AWS，也就是面向未来企业的云计算。这大约又占三分之一。
我认为，我们仍处在这一轮计算基础设施建设的早期。只盯着几家前沿实验室，以为它们要独自支撑整个行业，是一个很大的误判。
还要看开放模型。我一直支持开放模型，因为它们让更多人有机会做新的应用。按我的观察，这些创业公司中，80%在使用开放模型。
它们不是都要和前沿实验室正面竞争，而是去做物理AI、制造、医疗等具体领域的事情。很多公司使用Nemotron，再用自己的数据和知识进行定制。
我的判断是，闭源实验室会把通用人工智能做得非常好，而垂直领域的公司，会利用专有数据，让模型精通特定任务，在自己的领域里追求超级智能。
格斯特纳：我们再看一笔常被用来预测收入的账。你说过，一吉瓦的计算设施，可能创造约400亿美元收入。如果把它直接乘以明年新增的40吉瓦，就得到1.6万亿美元。
但当然不能这么简单地乘。最终能赚多少，还要看需求增长，以及这些能力在市场上被采用的速度。现在有人担心，实验室的收入增长会放缓，供给上来了，需求却没有跟上，最后出现泡沫破裂。你怎么看？
黄仁勋：我们得把不同需求拆开。大家反复推算的，可能是某些实验室1000亿或1250亿美元的年化收入规模，但它们只是整个基础设施需求的一部分。这个部分很重要，却不是全部。
人们还会继续网购吗？企业还要处理数据、运行各种计算系统吗？这一大块需求本来就在增长，不必全靠AI实验室来创造。
几年前我说，到这个十年末，每年的相关基础设施建设规模可能达到3万亿至4万亿美元。现在看，我更倾向于4万亿美元。
其中，假设1.5万亿美元是基础计算需求，也不离谱。这轮AI热潮之前，相关规模已经大约有5000亿美元。经过六七八年，随着世界越来越数字化，变成1.5万亿美元，并不难理解。
另外，还要考虑摩尔定律放缓。以前等上一段时间，就可能用差不多的价格买到两倍的晶体管。现在不能再假设，等待就会自动让同样的预算获得翻倍性能。想要更多计算能力，往往要付更多钱。
所以，除了使用量本身在增长，提供这些计算所需要的投入也在变化。即使没有这一轮AI热潮，半导体行业仍然会是一个非常大的行业。
再加上新计算平台带来的创业公司和新应用，需求就更广了。不能把这些都算在两家实验室头上。
格斯特纳：传统计算时代，我们谈的可能是每吉瓦50亿美元，现在Vera Rubin对应的投入可能达到500亿美元。人们自然会问：它能不能创造十倍的价值？
黄仁勋：我想强调的是，不需要先假设某家实验室的收入达到几万亿美元，才能解释整个行业的建设需求。
格斯特纳：这一点很重要。最近市场还在争论，OpenAI的收入到底是700亿美元还是500亿美元。一些基础设施公司的股价因此回落，投资者担心它没有足够的钱支付未来的采购。
但按你刚才的分类，一部分建设用于替代和扩展传统计算，一部分服务新兴云厂商、主权AI、企业和创业公司，还有一部分面向多家实验室，而不是只有两家。大家把太多压力集中在两家公司身上了。
黄仁勋：对。我很高兴与它们合作、支持它们。我认为它们会成为人类历史上非常重要的科技公司，取得巨大成功。但不需要接近一万亿美元收入，才算成功。
与此同时，其他行业仍然需要建设数万亿美元的计算基础设施。这两件事不矛盾。
格斯特纳：你之前说，明年客户希望购买的产品数量，增长幅度远超100%。但受供应限制，你给出的收入增长预期是70%左右。你也说还有18个月，可以和供应链一起提高产出。现在情况改善了吗？订单还在增加吗？
黄仁勋：我先解释一下，为什么当时要公开谈这个问题。我们有很多订单，各家云服务商、新兴云厂商、OEM，以及大大小小的企业，都在下单。
我们通常至少提前一年和客户规划需求，对最大的客户，会提前两年。因此，手里的订单规模已经很大。但在分配供应时，几乎每个客户拿到的数量，都比他们希望的少。
如果我不公开说明，大家就会猜：是不是我们被区别对待了？所以那也是向客户解释整体情况。不是某一家拿得少，而是几乎每一家如果能买到更多，都愿意买更多。
此后，新的订单仍然几乎每天、每周都在进来。我们的供应也在增加，但限制供应的并不只有芯片，还包括下游的土地、电力和厂房。
几周前，我们宣布了澳大利亚一个2吉瓦的项目。按我们能提供的产品价值估算，这对应大约800亿美元，是很大的规模。我也希望去欧洲时，能宣布新的合作，增加可用于建设的土地、电力和设施。
这方面，英伟达有一个优势。像CoreWeave这样的新兴云服务商，如果希望扩大业务，我们可以提供完整的AI基础设施支持。我们能够和不同地区的客户、合作伙伴一起建设，这让扩张更灵活。
但上游也有约束，比如基板。封装尺寸越来越大，芯片数量越来越多，每颗产品消耗的材料也在增加。要让这些有机材料达到所需精度并不容易。
随着封装变大，不同材料的热膨胀、堆叠方式，以及由此带来的翘曲和制造缺陷，都更难控制。要在我们的出货规模下保持精度，需要非常好的合作伙伴。硅光器件的供应也有限。
我们会继续改善。我说还有18个月，就是要在这段时间和上下游一起增加供给。每过一周，供应都在增加，但订单也在增加。未来几年，要完全补上这个缺口仍然很难。
格斯特纳：一年前，市场还预测你们2027年的收入会持平甚至下降，现在预测增长74%。这一年，市场对收入规模的预测大幅上调，股价却只涨了约20%。你怎样理解这种差别？
黄仁勋：先看业务本身。一家达到我们这种规模的公司，还能继续提高份额，说明它有一些很深的优势，而且这些优势仍在扩大。
做一个假设：你现在要开一张1000亿美元的支票，购买下一代计算系统。Vera Rubin Ultra已经快到需要下单的时候，但客户还没见过成品，为什么敢订？
因为他们相信，Vera Rubin Ultra会比Vera Rubin更好，而他们对Vera Rubin的信心，又来自Grace Blackwell的表现。这种信任是逐代积累的。
这些系统要承担的工作非常复杂，不是跑一个基准测试就能判断。一套价值500亿美元的基础设施，要依靠很多技术共同工作，才能交付预期性能。产品还没见到，客户敢把这么大的订单交给谁？我认为，这是我们非常重要的优势。
以前下10亿美元的订单，就已经需要认真评估。如果只是一套摆在眼前的系统，你还能运行测试。但现在，光把这样规模的系统建起来，就要投入大量时间和资源。
如果有人希望完整评估，我们当然愿意配合。但要先有一座足够大的数据中心，还要花很长时间准备，没办法像过去那样，拿几台机器测完就决定。
我们对台积电的信任，也有类似之处。我们可以提前五年规划，还没见到下一代产品，就相信它的晶体管会比上一代更好，也相信它能提供相应产能。
台积电知道怎样和我们的业务团队合作，也有足够的规模，适应需求的变化。我们涉及硅光、逻辑芯片、内存相关技术和先进封装，事情很多、变化很快，需要能支持这些工作的合作伙伴。
英伟达也越来越像一家基础设施公司。客户不只要相信性能，还要相信它能够跟上技术变化。看看这几年，从早期GPT，到FlashAttention、模型并行，再到跨NVLink 72的任务划分，软件和模型架构一直在变。
现在又有扩散Transformer、混合状态空间模型，以及其他新架构。我们要让这些技术都能在CUDA上运行。
如果你建了一座500亿美元的数据中心，就得考虑：万一原先的需求发生变化，能不能把一半容量租给其他客户？能不能从一种模型切换到另一种模型，或者把设备用于另一类工作？
我们的通用性就在这里。不同模型、任务和客户，都能使用同一套基础设施。地域上也是如此。你在美国成立公司，想服务欧洲、日本或印度客户，相关基础设施已经在那里。
OpenAI要去欧洲或印度，Anthropic要去日本、韩国，我们能够支持。客户不需要在每个地方都重新寻找一套计算架构。
在性能足够好的前提下，能服务更多客户、使用更长时间，就更容易出租、产生收入，也更容易获得融资。这些因素都关系到总体成本。
所以，回到刚才那个假设：如果要押上1000亿美元，你会把订单交给谁？
克拉克·唐：你们也在进行很大规模的股票回购。按我的计算，两年内回购规模可能超过总股本的10%。你在高盛活动中说过，英伟达是一只兼具成长和价值特征的股票。这让我想到当年的苹果。
黄仁勋：我们确实正在经历一些类似的变化。另外，公司的投资和融资合作，也在帮助建立两种新的商业模式。
第一种是软件授权。我们已经做了一段时间，接下来会加快。我们的软件规模很大，也提供完整技术栈。
大型云服务商有自己的技术团队，会修改、集成我们的软件，再自行运营。但世界上还有很多企业，没有能力自己维护这样一套系统，需要我们提供支持。
过去几年，大家主要关注训练。现在AI开始部署到实际业务里，企业要像经营工厂一样，持续运行这些系统。它们需要明确，谁负责维护、安全和故障处理，谁承担服务水平协议，也就是SLA里的责任。
只要系统继续运行，这些服务就需要持续提供。因此，我认为企业软件授权会成为很大的业务。
为了方便理解，粗略算一下：假设每块GPU每年的软件授权费用是几千美元，一年出货2000万块，其中一半进入企业市场。即使只是这样的估算，规模也很可观。这是我看好软件业务的原因。
第二种与云服务商的合作有关。有些公司已经拿到土地、电力和厂房，在所在地区很有优势，但需要英伟达提供完整技术栈、算力采购或消纳方面的支持，也需要我们作为投资伙伴，帮助它们获得资金。
在这样的合作中，我们未来很可能采用收入分成。我们先投资，也获得前期产品销售收入，之后再分享服务运营带来的收入。
英伟达本身不是云服务商，但如果我们提供算力消纳支持，并且连续四年、五年甚至十年维护软件，就应该获得相应回报。
这两类业务都能在一次性的硬件销售之外，继续带来收入，但它们仍然建立在已经部署的英伟达平台上。没有足够大的装机规模，软件授权就做不大；没有相应合作和算力使用，收入分成也无从谈起。
已经部署的设备、完整的软件、客户和合作伙伴网络，会继续推动这些业务。
格斯特纳：你们已经把超过一半的自由现金流用于回购，同时还在快速增长。
黄仁勋：我记得上一季度是60%多，接下来还会增加。我们也会投资优秀公司。因为身处这个生态，了解很多技术和团队，我们既能判断机会，也能帮助它们发展。
但这些投资占我们现金流的比例，我认为会很快下降。一方面，OpenAI、Anthropic这样的投资机会不会反复出现；另一方面，我们自身产生现金的能力正在快速增长。
格斯特纳：这也关系到收入能够持续多久。Ezra在播客里问过你，泡沫什么时候会破。你提到“两三年”，说的是在这段时间里，你能比较清楚地看到需求；再往后，预测就没那么清晰。
但我听到有人把它理解成：可能再过两年，泡沫就会破。我不这么看。按今天讨论的情况，这更像是全球计算基础设施的一次长期重建。除非出现全球性萧条，否则各行各业每年仍要购买大量计算能力。
黄仁勋：可以这样想。过去，云服务商每年的投入大约是5000亿美元，全球IT基础设施建设大约每年一万亿美元。每年都有新增设备，有些设备五年左右就要更新，也有些能用更久。
我预测，到这个十年末，相关年度建设规模可能是3万亿、4万亿美元，甚至5万亿美元，之后也可能继续增长。如果有一天，新增计算设施和旧设备更新合计达到每年10万亿美元，我也不会特别惊讶。
格斯特纳：最后一个问题。外界对未来有很多担忧，但你一直认为这些投入会带来更安全、更好的生活。你有多大信心，五年后回头看，我们作出了正确的决定？比12个月前更有信心吗？
黄仁勋：我有99.99%的信心。为了向一位朋友致意，我不用零或百分之百这样的数字。
有太多人真正在乎结果是否会好，也愿意投入智慧、资源和精力，确保我们负责任地走向那个未来。很多人都在做正确的事情。
有时，讨论者只看到了自己熟悉的信息圈，却没有意识到，在其他行业，还有很多优秀的研究者和工程师，正在独立做着了不起的工作。不能因为自己不知道，就以为那些事情不存在。
我在公司里也经常说，即使没有我逐项指挥，聪明的人也会做出好事情。组织和战略能够让他们产生更大影响，但他们本身就在不断创造。
所以，担心是好事，我们应该表达担忧。但担忧不该直接变成对末日的断言。那样可能低估了人的能力，好像只有某一个人想到的办法才有用。
公司里很多出色的工作，并不是因为我说了才发生。最后荣誉和指责常常都落到我身上，我两样都接受，尤其是荣誉。
真正重要的是，身边有优秀的人，也创造了条件，让大家都希望把事情做好。我们必须承担责任，也应该愿意谈一个更好的未来。正因为有这些人在努力，我才有99.99%的信心。
