出品 | 网易智能

作者 | 小小

编辑 | 王凤枝

黄仁勋最新150分钟深度访谈，信息量巨大。

近日他做客知名科技播客《Lex Fridman Podcast》，在这场马拉松式的对谈中，他不仅复盘了那场差点让英伟达破产的CUDA“生死豪赌”，惊艳描绘了AGI时间线与AI工厂的商业蓝图，更以前所未有的坦诚直面了关于生命终点的灵魂拷问。

核心看点速览：

“AGI已经到来”： 如果标准是“赚到10亿美元”，那么今天能写出爆款病毒应用的AI，就已经跨过了AGI的门槛。

“OpenClaw就是Token领域的iPhone”：AI智能体大爆发，你未来的最好玩伴和最强同事，将是一个AI。

“中国是当今世界创新最快的国家”：全球半数AI研究者来自中国，疯狂的内部竞争与毫无保留的开源文化，正让这里孕育出不可思议的科技爆发力。

“那场豪赌让市值暴跌到15亿”：为了强推CUDA，英伟达曾命悬一线，但没有那次向死而生，就没有今天的AI帝国。

“我们不再造计算机，我们在建Token工厂”：计算的本质被彻底颠覆，英伟达年营收达到3万亿美元，只是算术问题。

“智能将被廉价化”：不要畏惧AI，未来智能是最便宜的商品，人类真正的护城河，是品格和承受痛苦的能力。

“我想死在岗位上”：黄仁勋不相信继任计划，他只相信毫无保留地传递知识，把每一次会议都变成“公开推理”，直到生命最后一刻。

两个半小时的对谈，干货满满，展现了黄仁勋极致的光速思维与浪漫主义。

以下为黄仁勋专访全文：

弗里德曼：本期对话嘉宾是英伟达首席执行官黄仁勋。英伟达是人类文明史上最重要、最具影响力的公司之一，是驱动人工智能革命的核心引擎。该公司的巨大成功在很大程度上直接归功于黄仁勋作为领导者、工程师和创新者的坚定意志和无数睿智决策。

极致协同设计

从芯片到机架的系统重构

弗里德曼：英伟达已进入AI新时代，关注点从芯片级设计扩展到了机架级设计。过去英伟达的成功在于打造最好的GPU，现在你们将范围扩展到了GPU、CPU、内存、网络、存储、供电、散热、软件、机架、整机柜乃至数据中心的极致协同设计。在面对包含如此多复杂组件和变量的系统时，协同设计最难的部分是什么？

黄仁勋：首先，之所以需要极致协同设计，是因为要解决的问题已经无法装进一台由单个GPU加速的计算机中。当你增加了一万台计算机时，你期望速度能相应提升一百万倍。这时你必须处理算法，将其分解重构，对流水线进行分片，对数据和模型进行分片。

当你这样去分解问题时，所有环节都会成为阻碍。这就是阿姆达尔定律，你能获得的加速比取决于该部分在总工作量中的占比。如果计算只占问题的50%，即使将其加速无限倍，整体速度也只能提升一倍。因此，你不仅要将计算分布化，还必须解决网络问题。

所有计算机都连接在一起，CPU、GPU、网络、交换，每个环节都是问题。将工作负载分布到这么多计算机上，本身就是一个极其复杂的计算机科学问题。我们必须调动所有技术手段。

弗里德曼：这些领域都有世界一流的专家，比如高带宽内存、网络、NVLink、网卡、光学与铜互连、供电、散热等等。你如何让他们聚在一起协同设计？

黄仁勋：这就是我的直接下属团队规模庞大的原因。我的直接下属有60人。他们中几乎所有人都有工程背景，包括内存、CPU、光学、GPU、架构、算法、设计等领域的专家。我不做一对一的汇报，因为那不切实际。我们会提出一个问题，然后所有人一起解决。因为我们在进行极致协同设计，公司实际上一直在做这件事。

弗里德曼：所以即使讨论某个具体组件，比如散热或网络，所有人也都在旁听，随时可以补充说这会影响电力分配、内存或其他方面？

黄仁勋：没错。谁想走神都可以，但他们清楚何时该集中注意力。如果某件事他们本可以贡献却没有参与，我会指出来。

弗里德曼：英伟达是一家适应环境的公司。从早期的游戏GPU，到深度学习革命，再到现在的AI工厂，你认为公司在哪个节点发生了关键转向？

黄仁勋：我可以系统地推演这个过程。我们最初是靠做专用加速芯片起家的，但专用加速的问题在于，应用领域过于狭窄。它的好处是能为特定任务进行极致优化，但市场范围也更窄。问题在于，市场规模决定了研发能力，而研发能力最终决定了我们在计算领域可能产生的影响力。所以当我们最初作为加速芯片起步时，我们始终知道这只是第一步。我们必须找到方法成为一家加速计算公司，但问题是，当你成为一家计算公司时，产品会变得过于通用，从而削弱了专业优势。我特意将这两个词放在一起，因为它们之间存在根本性的张力。计算公司做得越好，专业能力就越弱，专业化程度越高，整体计算能力就越弱。公司必须找到一条狭窄的道路，逐步扩展计算视野，同时不放弃最重要的专业优势。

我们迈出加速芯片领域的第一步是发明可编程像素着色器，这是走向可编程性的第一步。第二步，我们将FP32引入着色器。这个符合IEEE标准的FP32步骤，是走向计算的一大步。这让所有从事流处理器或其他数据流处理器研发的人发现了我们，他们意识到这个计算能力极强的GPU现在符合IEEE标准，可以把之前在CPU上写的软件拿来试试能否在GPU上运行。这促使我们开发了Cg语言，并最终孕育了CUDA。将CUDA集成到GeForce上是一个非常艰难的战略决策，因为它极大地增加了成本并吞噬了公司巨大的利润，而我们当时承受不起。但我们还是这么做了，因为我们想成为一家计算公司。计算公司拥有计算架构，而计算架构必须在所有芯片上兼容。

弗里德曼：你能带我回顾下那个决策吗？把CUDA放到GeForce上，当时承受不起代价却仍然去做，是什么促使了这样的决定？

黄仁勋：这是公司历史上第一个近乎关乎生死存亡的战略决策。

弗里德曼：事后看，这也是英伟达有史以来最聪明的决策之一。CUDA成为了AI基础设施领域计算的基础。

黄仁勋：确实，结果证明这是一个好决策。我们发明了CUDA，扩展了能用加速芯片的应用范围。问题是如何吸引开发者？计算平台的关键在于开发者，而开发者会涌向装机量大的平台。装机量是一个架构最重要的部分，其他都是次要的。x86架构受到无数批评，被认为不够优雅，但它却是今天最重要的架构之一。许多由最聪明计算机科学家设计的优美RISC架构反而失败了。装机量决定一切。当时CUDA面临着OpenCL等竞争，我们做出的关键决策是，既然GeForce已经成功，每年销售数百万块GPU，我们就应该把CUDA放在GeForce上，放进每一台PC，无论用户是否使用，以此培育装机量。同时我们去大学、写书、开课，把CUDA推广到各处。当时PC是主要计算工具，还没有云，我们可以把超级计算机交到每个学校的研究人员、每个学生手中，期待奇迹发生。

问题是，CUDA极大地增加了GPU的成本，完全吞噬了公司的毛利。当时公司市值大约六七十亿美元，推出CUDA后跌到了15亿美元。我们在低位徘徊了很久，才慢慢爬回来，但我们坚持在GeForce上搭载CUDA。我一直说英伟达是GeForce造就的公司，因为是GeForce把CUDA带给了所有人。研究人员、科学家在GeForce上发现了CUDA，因为他们很多本身就是游戏玩家，会自己组装PC，在大学实验室里用PC组件搭建集群。我们就是这样起步的。

弗里德曼：这后来成了深度学习革命的基础和平台。

黄仁勋：那也是一个很伟大的观察。

弗里德曼：那个生死攸关的时刻，你还记得那些会议是怎样的吗？作为公司，如何决定冒着一切风险去做这件事？

黄仁勋：我向董事会清楚地说明了我们想做什么。管理团队知道毛利率会受到影响。你可以想象这样的局面，GeForce承担CUDA的成本，而游戏玩家不会为此付费。他们只支付一定的价格，不管你的成本是多少。我们的成本增加了50%，而我们当时的毛利率只有35%，这确实是一个艰难的决定。但你可以推理，有朝一日这会进入工作站和超级计算机，在这些领域我们可以获得更高的利润率。这样就能找到承担得起成本的方法，但这个过程花了十年。

弗里德曼：这不仅是与董事会沟通层面的挑战，更是心理层面的博弈。英伟达持续做出大胆的押注，预测并定义未来。你如何能够做出这样的决策？

黄仁勋：首先，我受强烈的好奇心驱动。在某个时刻，我的推演逻辑会让我无比确信某个结果一定会发生。当我在脑海里相信它时，就会具象化那个未来，它变得如此令人信服，以至于没有理由不会发生。中间会有很多痛苦，但你必须相信你所相信的。

弗里德曼：所以你设想未来，然后从工程角度将其具象化？

黄仁勋：是的。你会推理如何到达那里，推理为什么它必须存在。管理团队都会推理，我们花很多时间一起推理。接下来可能涉及一种技能，很多领导者保持沉默，或者了解一些事情后发表宣言，然后新的一年推出全新的计划，大规模裁员、组织变革、新的使命宣言和标识。我们从不这样做。当我学到某件事开始影响我的想法时，我会清楚地告诉身边所有人这很有趣，会带来改变，会影响某些方面。我一步一步地推理。很多时候我已经下定决心，但我会利用每一个可能的机会，例如外部信息、新见解、新发现、工程突破和新里程碑，来塑造周围人的信念体系。我几乎每天都在这样做，对董事会、管理团队、员工，试图塑造他们的信念，这样当我提出收购Mellanox或全力投入深度学习时，对所有人来说都是显而易见的决定。

我提前在不同组织里打下基础。大部分人听到的是片段，到我宣布那天，大家已经接受了大部分内容。很多时候我希望员工会觉得你怎么才来。实际上我一直在塑造他们的信念，所以看起来像是从后面引导，但宣布时已经是100%全员支持。这就是你想要的，让所有人一起参与进来。否则，你突然宣布加强深度学习，大家都会问你在说什么，你宣布全力投入某件事，管理团队、董事会、员工、客户都会觉得这太疯狂了。回顾GTC的主题演讲，你会发现我也在塑造行业合作伙伴的信念。我宣布Grok之前，已经谈论了两年半的铺垫。所以到宣布的时候，大家会说你怎么才来。

弗里德曼：这不仅仅是公司内部，你还在塑造整个全球创新格局。提出这些想法，你确实在具象化现实。

黄仁勋：我们不制造计算机，不建造云。我们是一家计算平台公司，没人能直接从我们这里买到东西。我们垂直设计、垂直整合来优化，然后在每一层开放整个平台，让其他公司的产品、服务、云、超级计算机、OEM计算机能够集成。所以如果不先说服他们，我无法做到我所做的事。GTC大部分内容都是在具象化一个未来，让我的产品准备好时，他们会说你怎么才来。

苏茨克维错了

从预训练到智能体扩展的四重跃迁

弗里德曼：你长期相信扩展定律，现在提出了四种扩展，分别是预训练、后训练、测试时扩展（也称为长思考）以及智能体扩展。你认为未来扩展的主要障碍是什么？

黄仁勋：我们可以回顾人们过去认为的障碍。一开始是预训练扩展定律，人们认为高质量数据量会限制智能发展。伊利亚·苏茨克维（Ilya Sutskever）说我们快没数据了，预训练结束了，整个行业都恐慌，认为这是AI的终结。

但事实显然不是这样。我们将继续扩展训练数据量，很多数据会是合成的，这也让一些人困惑。他们没有意识到，如今我们用于互相教导、传递信息的大部分数据本身就是合成的，它们并非自然产物，而是人类创造的。我消费它、修改它、增强它、重新生成，另一个人再消费。现在AI已经能够获取真实数据，增强并合成生成海量数据。后训练阶段将继续扩展，人类生成的数据占比会越来越小。训练不再受限于数据，而是受限于算力，因为大部分数据是合成的。

下一阶段是测试时训练。我还记得有人告诉我推理很容易，预训练才难。他们说推理芯片会更简单，不像英伟达的芯片那么复杂昂贵。他们认为未来推理是最大的市场，会很容易，会商品化，每个人都能造自己的芯片。这对我来说一直不合逻辑，因为推理是思考，而思考比阅读难得多。预训练是记忆和泛化，寻找模式和关系，是阅读。而思考、推理、解决问题、处理新经历，分解成可解决的部分，通过第一性原理或过往经验去解决，或通过探索、搜索、尝试，测试时扩展推理的整个过程就是关于思考、推理、规划、搜索。这怎么可能不消耗大量算力？我们对此的判断完全正确。测试时扩展的计算量非常大。

现在有了推理和测试时扩展，下一步是什么？我们创造了一个智能体，它拥有大语言模型。在测试时，这个智能体系统会去做研究、访问数据库、使用工具，其中最重要的事之一是生成并衍生出大量子智能体。这意味着我们在组建庞大的团队。通过雇佣更多员工来扩展英伟达，比我自己扩展容易得多。所以下一个扩展定律是智能体扩展，即倍增AI。我们可以根据需要快速衍生出智能体。

这四种扩展定律将形成一个闭环，智能体系统产生大量数据和经验，其中好的部分我们会记住，回到预训练阶段进行记忆和泛化，然后精炼、微调回后训练，再通过测试时增强，由智能体系统投入行业。这个循环会持续下去。归根结底，智能只能通过一种维度来扩展，那就是算力。

弗里德曼：但难点在于，这些组件中的一些需要不同类型的硬件才能优化。你必须预测AI创新的方向。比如专家混合模型与稀疏性，硬件不能在一周内转向，你必须预见它的样子，这很困难。

黄仁勋：AI模型架构大约每六个月被发明一次，而系统架构和硬件架构大约每三年一次。你需要预见两三年后可能发生什么。我们可以内部做研究，这是有基础研究和应用研究的原因。我们创建自己的模型，有实践经验，这也是协同设计的一部分。同时，我们是全球唯一与所有AI公司都有合作的企业，能尽可能了解各实验室面临的挑战。最后，我们需要一个灵活的架构，能够适应变化。

CUDA的优势就在于此，它一方面是一个强大的加速器，另一方面又非常灵活。这种在专业化（否则无法加速CPU）和泛化（以适应不断变化的算法）之间的平衡，让CUDA既坚韧又能不断演进。我们现在已经到了CUDA 13.2，能跟上现代算法的演变。专家混合模型出现时，我们推出了NVLink 72，可以把一个4万亿或10万亿参数的模型放在一个计算域里，就像在单个GPU上运行。

Grace Blackwell机架完全专注于处理大语言模型。一年后的Vera Rubin机架增加了存储加速器、新型CPU Vera、NVLink 72以及额外的Rock机架。整个系统与之前完全不同，增加了新组件。前一个是为运行专家混合模型和推理设计的，这个是为运行智能体而设计的，智能体会使用工具。

弗里德曼：显然，这些系统的设计必须在Claude Code、Codex、OpenClaw出现之前完成。你是在预见未来。这来自于什么？来自对整个前沿领域的了解？

黄仁勋：其实更简单。你只需要推理。无论发生什么，在某个时刻，要让大语言模型成为数字工作者，它需要做什么？它需要访问真实数据，那是文件系统，它还需要能够做研究，因为我们不会等到AI变得无所不知才让它发挥作用，所以不如让它去做研究。很明显，如果它想帮助我，就必须使用我的工具。

很多人说AI会彻底摧毁软件，我们不再需要软件和工具了。这很荒谬。我可以用一个思想实验来解释，想象未来10年我们能创造的最神奇的智能体，比如人形机器人。它进入我家，更可能使用我现有的工具来完成工作，还是它的手一会儿变成10磅重的锤子，一会儿变成手术刀，为了烧水从指尖射出微波？它更可能会直接去使用微波炉。它第一次用可能不知道，但连上互联网，读一下说明书，马上就成了专家。

我刚才描述的就是OpenClaw几乎所有的特性，即使用工具、访问文件、做研究，并且有IO子系统。这样推理之后，你会发现这对未来计算的影响极其深远。我认为我们重新发明了计算机。两年前GTC上我展示的智能体系统图，与今天的OpenClaw完全一致。当然，许多因素必须汇聚，Claude、GPT等模型需要达到足够的能力水平，它们的创新和突破很重要，然后必须有人创建足够强大完整的开源项目，让我们能投入使用。OpenClaw对智能体系统所做的，就像ChatGPT对生成式系统所做的，意义重大。

弗里德曼：这是一个特别时刻。我不确定为什么它吸引了全世界那么多关注，但它确实做到了，超过Claude Code和Codex。

黄仁勋：因为消费者能接触到它。

弗里德曼：这其中很大一部分是氛围感。我曾与彼得（彼得·斯坦伯格（Peter Steinberger），OpenClaw之父）做过一期播客，他是个极其出色的人。所以大家对他的信任，也有一部分来自于代表这项技术的人本身。还有各种网络迷因，因为我们都在试图理解这个新事物。当一项技术如此强大时，如何放心地把数据交给它、让它帮我们做有用的事，这背后其实隐藏着复杂而严峻的安全问题，也伴随着让人不安的一面。我们作为个体，也作为整个文明，正在摸索如何在这之间找到平衡。

黄仁勋：我们立即着手处理，派了一批安全专家，做了OpenShell并集成到OpenClaw中。

弗里德曼：英伟达推出了NemoClaw，安装很简单，能确保安全。

黄仁勋：我们提供三项能力中的两项。智能体系统可以访问敏感信息、执行代码、与外部通信。如果任何时候只授予其中两项，就能保证安全。我们还根据企业授予的权限提供访问控制，连接到企业已有的策略引擎。我们会尽力帮助OpenClaw变得更好。

弗里德曼：你解释了历史上有哪些障碍被克服了。展望未来，在智能体无处不在的当下，你认为扩展的主要障碍是什么？

黄仁勋：电力是一个问题，但不是唯一的。这就是为什么我们要大力推进极致协同设计，每年将每秒每瓦特产生的token数提升几个数量级。过去十年，摩尔定律让计算能力提升约100倍，而我们通过极致协同设计提升了100万倍。我们将继续这样做。能效和每瓦特性能会直接影响公司收入以及工厂收入。我们将把它推向极限，尽可能快地降低token成本。我们的计算机价格在上涨，但生成token的效率提升更快，token成本每年下降一个数量级。

弗里德曼：电力问题，除了提升效率，如何获得更多电力也是一个复杂的问题。你谈到过小型模块化核电站等想法。供应链中的瓶颈，比如ASML的极紫外光刻机、台积电的先进封装CoWoS、SK海力士的高带宽内存，这些问题让你夜不能寐的程度有多深？

黄仁勋：始终如此，我们一直在努力解决。历史上没有公司在如此规模下还能加速增长，这令人难以置信。在整个AI计算领域，我们的份额在增加，所以上下游供应链至关重要。我花很多时间向我合作的CEO们说明，是什么动态因素会导致增长持续甚至加速。这也是为什么我右边那些人，是IT行业上游和基础设施行业下游几乎所有的CEO。有几百位CEO出席，我告诉他们现在的业务状况、不久将来的增长动力、接下来要去哪里，让他们利用这些信息来决定如何投资。我像告诉员工一样告诉他们。

然后我会去拜访他们，让他们了解这个季度、明年、后年会发生什么。三年前，我说服了几位DRAM厂商的CEO，尽管当时HBM内存使用很少，几乎只用于超级计算机，但这将是未来数据中心的主流内存。起初这听起来很荒谬，但有几位CEO相信了我，决定投资建设HBM内存生产线。另一种是手机用的低功耗内存，他们觉得用在数据中心的超级计算机很奇怪。我解释了原因。LPDDR5和HBM4的产量惊人，这三家45年历史的公司都创下了历史纪录。这是我的工作之一，告知、塑造、激励。

弗里德曼：所以你不仅是在具象化未来、激励英伟达的工程师，还在具象化未来的供应链。你和台积电、ASML都有这样的对话。

黄仁勋：上游、下游，还有下游的工程机械公司。

弗里德曼：整个体系。整个半导体行业有太多极其困难的工程问题，供应链如此复杂、组件数量如此之多，让人感到害怕，但它却运转良好。

黄仁勋：没错，深奥的科学和工程，令人难以置信的制造，其中很大一部分已经是机器人化。我们有几百家供应商为机架提供技术。每个机架有130万到150万个组件。Vera Rubin机架有200家供应商。

弗里德曼：有趣的是，你并没有把它列为夜不能寐的障碍。

黄仁勋：我正在做所有必要的事情。我可以安心睡觉，因为我把这些处理好了。我推理什么对我们重要。我们改变了系统架构，从最初的DGX-1到NVLink-72机架级计算，这对软件、工程、设计测试、供应链意味着什么？其中一件事是，我们将数据中心的超级计算机集成，转移到了供应链中的制造环节。如果你要建造总容量为50吉瓦的超级计算机，而制造需要一周，那么供应链中每周就需要一吉瓦的电力来制造和测试这些超级计算机，然后才能发货。

NVLink-72是在供应链中制造超级计算机，每个机架重两三吨，直接发货。过去是零件运到数据中心组装，现在因为NVLink-72密度太高，已经不可能了。我飞到供应链，向合作伙伴解释新的架构，告诉他们推理市场即将到来，转折点正在来临，这将是一个巨大的市场。我先解释发生了什么、为什么会发生，然后要求他们各自投资几十亿美元。因为他们信任我，我给他们机会质疑，花时间用第一性原理画图推理。到最后，他们就知道该做什么了。

弗里德曼：所以很大程度上是关于关系，建立对未来的共同看法。你是否担心某些瓶颈？ASML的EUV工具、台积电的CoWoS封装扩展速度？

黄仁勋：一直在沟通。我告诉了他们需求，他们理解，告诉我他们打算做什么，我相信他们。

算力瓶颈

电力、供应链与消除浪费的新思路

弗里德曼：再谈谈电力。你希望如何解决能源问题？

黄仁勋：我们的电网是为应对极端情况并留有余量而设计的。但99%的时间里，我们远未达到最坏情况，因为最坏情况是冬季的几天、夏季的几天和极端天气。大多数时候，电网运行在峰值的60%左右。99%的时间里，电网有富余电力闲置着，但它们必须在那里备用，以防万一医院、基础设施、机场需要供电。问题是，我们能否帮助电网理解并创建合同协议，设计数据中心架构，使得当社会基础设施需要最大电力时，数据中心可以减少用电量？那毕竟是罕见情况，我们可以用备用发电机应对，或者将工作负载转移到其他地方，或让计算机运行慢一点，降低功耗，提供稍长的响应延迟。我认为，这种使用计算机、建设数据中心的方式不再要求100%的正常运行时间，那些严格的合同给电网带来了很大压力。我只想利用那些闲置的电力。

弗里德曼：这讨论得不够多。阻碍是什么？监管？官僚主义？

黄仁勋：我认为这是一个三方问题。

首先是最终客户，他们对数据中心的要求是永远不能宕机，期望完美。为了交付完美，你需要备用发电机和电网供应商的结合。所以每个人都要达到六个九（99.9999%）的可靠性。应该让所有人明白，当客户提出这些苛刻要求时，其数据中心的运营团队很可能与CEO是脱节的。我敢打赌，他们的CEO对此一无所知。我要和所有CEO谈谈。CEO们可能根本没注意正在签署的合同，每个人都想签最好的合同。合同谈判双方都想要最好的条件，结果云服务提供商去找公用事业公司，也要求可靠性。所以首先要让客户和CEO们意识到他们真正要求的是什么。

第二，我们必须建设能够优雅降级的数据中心。如果电网告诉我们把电力降到80%，我们可以说没问题，移动工作负载，确保数据不丢失，降低计算速率，减少能源使用。服务质量会稍微下降，关键工作负载立即转移到其他地方。

弗里德曼：实现数据中心内电力的智能动态分配，这个工程问题有多难？

黄仁勋：只要你能明确需求，就能设计出来。只要它遵循基于第一性原理的物理定律，我们就能做好。

弗里德曼：第三件事是什么？

黄仁勋：第三，我们需要公用事业公司也认识到这是一个机会。与其说需要五年增加电网容量，如果他们愿意提供这种保障级别的电力，下个月就能以这个价格提供。如果公用事业公司提供更多不同保障级别的电力选项，每个人都会想出办法利用。现在电网有太多浪费，我们应该解决这个问题。

马斯克的工程之道

质疑一切、亲临一线、以紧迫感驱动

弗里德曼：你高度赞扬了埃隆·马斯克和xAI在孟菲斯建造Colossus超级计算机的成就，创纪录地在四个月内建成，现在有20万颗GPU，还在快速增长。他的方法对数据中心建设者有什么启示？他处理工程的方式、管理建设过程的方式？

黄仁勋：马斯克在多个领域都有很深的造诣，同时也是出色的系统思考者。他能跨学科思考，会质疑一切，有必要吗，必须这样做吗，必须花这么长时间吗？他能把每件事都精简到最低必要限度，不能再移除任何东西，而产品功能依然存在。他在系统规模上做到极简。我也喜欢他亲临一线。如果有问题，他就直接去那里说把问题指给我看。把这些结合起来，你就能克服许多诸如我们就是这样做的或者我在等他们之类的借口。当你个人以如此紧迫感行动时，其他人也会紧迫起来。每个供应商都有很多客户和项目，而他通过亲身示范，让自己的项目成为其他所有人最高优先级。

弗里德曼：我参加过很多这样的会议，确实很有意思。没多少人会问能不能快得多、怎么快、为什么必须花这么长时间？这通常就变成了工程问题。有一次我和他在一起，他真的在检查将电缆插入机架的整个过程，和工程师一起理解这个过程，以便减少错误。通过了解组装数据中心涉及的每一个任务，你立刻就能在细节层面和系统层面感受到低效率在哪里，然后让它越来越高效。再加上你有大锤说让我们用一种完全不同的方式来做，移除所有可能的障碍。

黄仁勋：没错。

“光速思维”

以物理极限为标尺的工程哲学

弗里德曼：英伟达的极致系统协同设计，与马斯克处理系统工程的方式有相似之处吗？

黄仁勋：协同设计是终极的系统工程问题，我们正是从第一性原理出发来处理工作。还有一件事，是一种哲学、思维状态，我30年前开始用的方法，叫“光速”。光速不仅指速度，是我表示物理极限的简写。我们做的每件事都与光速比较，内存速度、数学运算速度、功耗、成本、时间、精力、人员数量、制造周期时间。当你考虑延迟与吞吐量、成本与吞吐量、成本与容量时，都对照光速来检验，以分别满足所有这些约束。然后当你综合考虑时，你必须做出妥协，因为实现极低延迟的系统与实现极高吞吐量的系统，架构设计根本不同。但你想知道，实现高吞吐量的系统的光速是多少，实现低延迟的系统的光速是多少。然后当你考虑整个系统时，就可以进行权衡。我迫使每个人在做任何事之前，思考第一性原理、物理极限，并以此检验一切。这是一个好的思维框架。

我不太喜欢渐进式改进的方法。你应该从第一性原理出发，用光速思维进行工程设计，只受物理极限限制，然后再随时间改进。我不喜欢面对问题时，有人说现在做这件事需要74天，我们能帮你做到72天。我宁愿把所有东西推倒重来，说先告诉我为什么需要74天，今天可能实现什么，如果完全从零开始建，需要多久？很多时候你会惊讶地发现可能只需要6天。剩下的68天可能是合理的妥协、成本削减等各种考虑。但至少你知道它们是什么。既然知道6天是可能的，那么从74天到6天的对话，效果会惊人地好。

弗里德曼：在如此复杂的系统中，简洁性有时是否是一个值得追求的原则？Vera Rubin整机柜有七种芯片、五种机架类型、40个机架、1.2千万亿晶体管、近两万颗英伟达芯片、超过1100个Rubin GPU、60 exaflops、每秒10PB的扩展带宽。这只是单个整机柜。NVL72机架就有130万组件、1300颗芯片、4000个模块塞进一个19英寸宽的机架。简洁性似乎不可能，但它是你追求的目标吗？

黄仁勋：我常用的短语是，我们需要事物具备必要的复杂性，但又要尽可能简单。问题是，所有这些复杂性都是必要的吗？我们必须检验、挑战这一点，除此之外的就是冗余。这确实是世界上有史以来制造的最复杂的计算机。

弗里德曼：工程团队，这不是比赛，但如果工程团队有奥运会，台积电、ASML都在做不可思议的工程，但英伟达也会让它们望尘莫及。真是不可思议的团队。

黄仁勋：每个单项的金牌得主，都汇聚在这里。

中国科技崛起

50%的AI研究者、疯狂的内部竞争与开源文化

弗里德曼：你最近去了中国。中国在过去十年建立了强大的科技产业和生态系统，你如何看待这一点？

黄仁勋：首先从一些事实开始。全球约50%的AI研究人员是中国人，他们大多仍在中国。我们这里也有很多，但中国仍有令人惊叹的研究者。他们的科技产业出现的时间点恰到好处，恰逢移动云时代，他们以软件为切入点。这个国家的科学和数学教育出色，孩子受过良好教育。他们的科技产业在软件时代创建，对现代软件非常熟悉。中国并非一个单一的经济体，它由众多省份和城市组成，且彼此之间竞争激烈。这就是为什么有这么多电动汽车公司、AI公司，你能想到的每类公司，他们都会创造出一些。因此内部竞争极其激烈，最终存留下来的就是不可思议的公司。

他们的社会文化是家庭第一、朋友第二、公司第三。所以他们之间来回交流的信息量非常大，基本上一直处于开源状态。他们对开源贡献更多是合理的，因为他们可能会问我们有什么好保护的？我的工程师，他们的兄弟在那个公司，朋友在那个公司，都是校友。校友是一辈子的兄弟，所以他们分享知识非常快。没有理由把技术藏起来，不如放到开源上。开源社区反过来放大、加速了创新过程。所以你得到的是快速、不可思议的优秀人才，由于开源和朋友圈的本质，以及疯狂的竞争，公司之间最终涌现出不可思议的东西。

这是当今世界上创新最快的国家，这一切的基础是孩子的成长方式、优秀的教育、父母希望孩子学业出色以及文化使然。这些都是他们国家的特质，而且他们恰好在技术呈指数级增长的时代崛起。

弗里德曼：从文化上讲，成为一名工程师很酷。

黄仁勋：这是一个由建设者组成的国家。我们国家的领导人很多是律师，他们试图用法治保障安全。他们的国家是从贫困中建设起来的，所以大多数领导人是杰出的工程师。

弗里德曼：谈到开源，英伟达发布了开源的Nemotron 3 Super，这是一个1200亿参数的开放权重MoE模型。你对开源的愿景是什么？

黄仁勋：首先，如果我们要成为一家伟大的AI计算公司，必须理解AI模型如何演进。Nemotron 3不仅仅是Transformer模型，还结合了SSM。我们在模型架构和不同领域的基础研究，让我们能洞察未来模型需要什么样的计算系统。这是极致协同设计策略的一部分。

其次，我们一方面要有作为产品的世界级专有模型，另一方面也要让AI渗透到每个行业、每个国家、每个研究者、每个学生。如果一切都是专有的，研究和创新就会困难。开源对于许多行业加入AI革命是根本性的。英伟达有规模、能力和动力，只要存在就会持续构建这些AI模型。因此我们应该这样做，开放以激活每个行业、每个研究者、每个国家，让他们加入AI革命。

第三，从中我们认识到AI不仅仅是语言。这些AI可能会使用在其他模态信息上训练的工具、模型和子智能体，比如生物学、化学、物理定律、流体和热力学，并非所有这些都以语言结构存在。所以必须有人确保天气预报、生物学AI、物理AI等都能被推向前沿。我们不造车，但想确保每个汽车公司都能获得优秀的模型。我们不发现药物，但希望礼来拥有世界上最好的生物学AI系统，用于发现药物。这三个根本原因，即认识到AI不仅仅是语言、希望让所有人参与AI世界以及AI协同设计，促使我们这样做。

弗里德曼：再次感谢你们开源Nemotron 3。

黄仁勋：我们开源了模型、权重、数据以及创建方法，这相当了不起。

台积电的奇迹

三十年无合同的信任、技术与服务的双重巅峰

弗里德曼：你来自台湾地区，与台积电关系密切。台积电也是一家传奇公司。你如何理解台积电的文化和方法，让他们在半导体领域取得如此无与伦比的成功？

黄仁勋：对台积电最深的误解是认为他们的技术就是一切。认为他们只是拥有一个很棒的晶体管，如果别人拿出另一个晶体管，游戏就结束了。技术当然重要，不仅是晶体管，还有金属化系统、封装、3D封装、硅光子学，所有这些技术让这家公司变得特别。但他们协调世界数百家公司动态需求的能力，应对订单变化、紧急启动等复杂情况，同时保持高产能、高良率、成本控制出色、客户服务卓越，这同样是奇迹。他们认真对待承诺，当承诺的晶圆要交付时就会交付，这样你才能恰当地运营公司。他们的制造系统完全是奇迹。

其次是他们的文化。一方面技术至上，不断推进技术，另一方面客户至上。很多公司非常以客户为导向但技术不卓越，很多公司处于技术前沿但客户服务不是最好。他们以某种方式平衡了这两点，并且都做到了世界级。第三，我最看重的是他们创造了信任这种无形资产。我信任他们，把公司托付给他们，这非常重要。

弗里德曼：这种信任是建立在多年表现上的，也涉及人际关系。

黄仁勋：三十年，我们和他们做了数千亿美元的交易，没有合同。这相当了不起。

弗里德曼：有传闻说，2013年台积电创始人张忠谋曾邀请你出任台积电CEO，而你回复说你已经有工作了。这个故事是真的吗？

黄仁勋：故事是真的。我深感荣幸。张忠谋是我一生中最敬重的高管之一，也是私人朋友。他提出这样的邀请，我受宠若惊，真的很荣幸。但我在这里做的工作非常重要，我在脑海中已经看到了英伟达的未来和可能产生的影响。这是我的责任，我无法接受。

弗里德曼：英伟达和台积电都是人类文明史上最伟大的公司之一。运营其中任何一家都需要全身心投入。

黄仁勋：是的，毫无疑问。所以现在我可以帮助两家公司。

英伟达的护城河

CUDA安装基数与横跨所有行业的生态系统

弗里德曼：英伟达现在是世界上市值最高的公司。你认为公司最大的护城河是什么？

黄仁勋：我们最重要的资产是计算平台的安装基数，即CUDA的安装基数。20年前当然没有。如果有人搞出GUDA或TUDA，今天也不会有影响。原因在于这从来都不仅仅是技术问题，技术当然是不可思议、有远见的。关键在于公司致力于它、坚持它、扩展它的覆盖范围。让CUDA成功的不是三个人，而是43,000个人，以及几百万个相信我们会持续将CUDA从1.0发展到13.0的开发者，他们决定在上面投入他们的软件。所以安装基数是最重要的优势。

当你用我们讨论的这种规模下的执行速度来放大这个安装基数，历史上没有公司制造过如此复杂的系统，而且每年建造一次，这是不可能的。这种速度加上安装基数，从开发者的角度看，如果我支持CUDA，明天它会好10倍，我平均只需要等六个月。不仅如此，如果我在CUDA上开发，我能接触到数亿台电脑，在每个云里、每个计算机公司、每个行业、每个国家。所以我创建一个开源包并首先放在CUDA上，能同时获得这两个好处。不仅如此，我100%相信英伟达会一直保留CUDA，维护它，改进它，持续优化它的库，只要他们存在。你可以把这当成银行。最后一点是信任。把所有这一切放在一起，如果我是今天的开发者，我会首先、最多地针对CUDA开发。

我们的第二个优势是生态系统。我们垂直整合了这个极其复杂的系统，但将其水平集成到每家公司的计算机上。我们进入了Google Cloud、Amazon、Azure，正在AWS上疯狂扩展，进入了CoreWeave、Nscale，在礼来的超级计算机中，在企业计算机中，在边缘的无线基站中，在汽车、机器人、卫星、太空中。一个架构，存在于所有这些不同的系统中，生态系统如此广泛，覆盖了世界上每一个行业。

弗里德曼：CUDA的安装基数如何随着AI工厂作为护城河而演变？你认为英伟达的未来是否完全关乎AI工厂？

黄仁勋：过去我们对计算单元的理解是GPU，后来变成计算机，然后变成集群，现在变成了AI工厂。当我看到英伟达建造的东西时，过去我会想象芯片，宣布新产品时我会拿起芯片。那是我心理模型中我建造的东西。今天，拿起芯片仍然可爱，但不是我心理模型中的东西。我的心理模型是这个巨大的吉瓦级的东西，连接着电网，有冷却系统和令人难以置信的网络，有一万人在那里试图安装，几百名网络工程师，背后几千名工程师试图为它供电。启动这些工厂之一，不是有人说它现在开了那么简单，需要数千人才能把它启动起来。

弗里德曼：所以当你晚上睡觉时，你思考的是机架的集合、整机柜，而不是单个芯片。

黄仁勋：整个基础设施。我希望我的下一个思维转变，是当我思考建造计算机时，它会是行星规模的。

AI工厂时代

从芯片到整机柜

再到行星级基础设施

弗里德曼：你怎么看马斯克谈到的太空算力？在太空中进行计算，可以解决能源问题。

黄仁勋：冷却问题不容易。不过英伟达GPU已经是第一批进入太空的。卫星有高分辨率成像系统，连续扫描地球。你想要世界范围内持续的厘米级成像，实时掌握地球动态。你不想把这些PB级数据传回地球，只能在边缘用AI处理，扔掉不需要的东西，只保留需要的。AI必须在边缘完成。如果放在极地，有24/7的太阳能，但没有传导和对流，只能靠辐射散热。但太空很大，我们可以放置巨大的散热器。

弗里德曼：你觉得这个想法有多疯狂？五年、十年、二十年后能实现？

黄仁勋：我比较务实，我会先寻找眼下的机会，同时对太空领域进行探索和培育。我派工程师去研究，学习如何应对辐射、性能退化、持续测试和缺陷证明、冗余、优雅降级。软件如何考虑冗余和性能？让计算机永不损坏，只是变慢。我们可以先进行大量工程探索。但与此同时，我最喜欢的答案是消除浪费。我们有那么多闲置电力，我想尽快利用起来。

弗里德曼：是的，地球上有许多唾手可得的果实可以利用来支持AI扩展。

10万亿美元之路

从检索式计算到生成式工厂的范式转移

弗里德曼：你认为英伟达有朝一日可能价值10万亿美元吗？在什么样的未来图景下这会成为现实？

黄仁勋：我认为英伟达的增长极有可能，在我的推理中是必然的。原因有二。

首先，计算从基于检索的文件系统，转变为基于生成的实时、上下文感知系统。过去我们预先写好、录制、画好，放在网上或文件里，用推荐系统找出要检索的内容。现在AI计算机具有上下文感知能力，必须实时处理和生成token。我们从基于检索的计算转向基于生成的计算，新世界需要比旧世界多得多的计算。我们从根本上改变了计算方式。唯一会让它倒退的情况是，这种在生成信息之前产生上下文相关、情境感知、基于新见解的信息的计算密集型方式不再有效。如果过去10到15年研究深度学习的任何一刻，我得出结论这行不通、不会扩展、不能用于某些应用，那我会有不同的感觉。但过去五年给了我比之前十年更多的信心。

第二，计算机过去是存储系统，像一个仓库。我们现在建造的是工厂。仓库赚不了多少钱，工厂直接创造收入。计算机不仅改变了运行方式，它在这个世界上的存在目的也发生了改变。它不再仅仅是计算机，它变成了一个生产token的工厂，用于创造收入。我们看到这个工厂生产的商品如此有趣，对这么多不同受众有价值，以至于token开始像iPhone一样细分，有免费的、有高级的，还有中间几种价格的。智能是一种可扩展的产品，有人愿意为高价值的token支付每百万1000美元，这不是如果，只是时间问题。现在这个工厂生产的商品是有价值的，能产生收入和利润。问题是世界需要多少这样的工厂？需要多少token？社会愿意支付多少？如果生产力大幅提升，经济会发生什么？我们会发现新药、新产品、新服务吗？

当把这些结合起来，我绝对肯定全球GDP增长将加速，用于计算的GDP比例将是过去的100倍以上。从这个角度反推英伟达做什么、我们将从这种新经济中受益多少，我认为我们会大得多。英伟达有可能在不久的将来成为年收入3万亿美元的公司吗？答案是肯定的。原因在于，这不受任何物理极限限制。我看不到什么说3万亿美元不可能。英伟达的供应链由200家公司共同分担，我们在这个生态系统的基础上扩展，问题是我们有足够的能源吗？我们肯定会有。所有这些因素结合起来，那个数字只是一个数字。

我还记得英伟达营收第一次突破10亿美元时，有人提醒我有一位CEO说过从理论上讲，无晶圆厂半导体公司不可能超过10亿美元。这当然不合逻辑，而且有很多证据表明并非如此。后来有人说你永远不会超过250亿美元，因为其他公司。这些都不是基于第一性原理的思考。简单的方法是问，我们制造什么？我们能创造多大的机会？英伟达不从事市场份额业务。我刚才谈到的大部分东西都不存在。如果英伟达是100亿美元的公司试图抢占别人份额，股东很容易看到如果能抢到10%份额就能变得多大。但人们很难想象我们能有多大，因为我没有可以从谁那里抢份额。这是世界面临的挑战之一，即对未来的想象力。但我有足够的时间，我会继续推理、谈论，每一次GTC都会让它变得更加真实。总有一天我们会实现，我100%相信。

弗里德曼：这种关于token工厂的观点，每秒每瓦特token，每个token都有价值，是真正能带来价值的东西，给不同的人带来不同类型、不同数量的价值，这就是产品。你可以松散地认为是token。你有一堆token工厂。然后，鉴于AI可以解决的所有潜在问题，从第一性原理很容易想象未来需要指数级更多的token工厂。

黄仁勋：是的。我如此兴奋的原因是，token的iPhone时刻出现了。

弗里德曼：你是说OpenClaw是iPhone？

黄仁勋：是的，智能体，token的iPhone出现了。它是历史上增长最快的应用，直线上升。毫无疑问OpenClaw是token的iPhone。

弗里德曼：是否有某些特别的事情从大约12月开始发生？人们真正意识到了Claude Code、Codex、OpenClaw的力量。我不好意思承认，在来这里的路上在机场，我第一次在公共场合通过和笔记本电脑说话来编程，像是在和一个人类同事说话。我不太确定未来每个人都走来走去和AI说话的感觉如何，但这是完成工作的高效方式。

黄仁勋：更可能是你的AI一直在烦你。因为它做事太快，不断向你汇报完成的任务，问下一步要做什么。大多数人没有意识到的是，最常与他们聊天、发短信的人将是他们的智能体。

压力与韧性

分解问题、分享负担、选择性遗忘

弗里德曼：多么不可思议的未来。我读到你把很多成功归功于比任何人都努力工作、比任何人都能承受更多痛苦。我们可以列出很多方面，处理失败、成本和工程问题、人的问题、不确定性、责任、疲惫、尴尬、公司濒临死亡的时刻，以及现在的压力。作为这家公司的CEO，各国经济都在围绕你制定战略、规划AI基础设施，你如何应对如此巨大的压力？在那么多国家和人民依赖你的情况下，是什么给了你力量？

黄仁勋：我意识到英伟达的成功对美国非常重要。我们创造了巨额税收，为国家确立了技术领先地位。技术领先对国家安全很重要，不仅仅在某一方面，而是方方面面。当国家更繁荣时，我们可以在国内政策和改善社会福利方面做得更好。因为我们正在美国创造大量再工业化，创造大量就业机会，帮助把工厂、芯片、计算机以及这些AI工厂的建设方式带回美国。我完全意识到这一点。

我很幸运，这也是一份真正的礼物，那些主流投资者、教师、警察，不知何故投资了英伟达，或者因为看了吉姆·克莱默（Jim Cramer）的节目买了些股票，现在成了百万富翁。我完全意识到这种情况。我意识到英伟达对我们身后和下游的庞大生态系统合作伙伴网络至关重要。所以我处理这个问题的方式，就像我刚才所做的那样，推理我们在做什么、导致了什么、对他人的影响是积极还是带来负担。然后问自己，你打算怎么办？对于我感受到的一切，我分解它，推理情况、变化、难点，然后制定计划。我把问题分解成可管理的事情。之后我能做的唯一一件事是问自己，你做了吗？要么自己做，要么让别人做？如果你没做，而你推理出需要做，也没让别人做，那就别再抱怨了。

我对自己相当严格。我把事情分解，这样就不会恐慌。我可以去睡觉，因为我已经列出了需要做的事情清单，并确保所有可能危及公司、合作伙伴、行业的事情，我都告诉了能处理的人。我已经把它从心里卸下了，或者正在处理。在那之后，还能做什么呢？

弗里德曼：考虑到建设英伟达过程中经历的极度痛苦，你经历过心理低谷吗？

黄仁勋：当然，一直都有。

弗里德曼：然后你只是把问题分解成碎片，看看能做什么？

黄仁勋：其中一部分是遗忘。AI学习最重要的属性之一是系统性遗忘。你需要知道何时该遗忘，不能记住一切、保留一切、背负一切。我做得很快的是分解问题、推理问题、分享负担。当我说我告诉所有人，我是在分享那个负担。无论什么让我担心，都尽快告诉别人，不要憋在心里，不要吓到他们。把问题分解成更小的部分，让人们去做，激励他们去做点什么。但其中一部分就是遗忘。很多时候你必须对自己狠一点，别再抱怨，行动起来，然后起床。另一部分是，你被下一束亮光、下一个未来、下一个机会、下一个那已经过去了、接下来是什么所吸引。伟大的运动员就是这样，只担心下一个得分点，上一个已经过去了。

弗里德曼：你曾说过，如果知道建立英伟达最终会有多难，比你预想的难一百万倍，你可能不会做。

黄仁勋：是的。

弗里德曼：这可能是所有值得做的事情的真相。

黄仁勋：这正是我想解释的，有一种不可思议的超能力，就是拥有孩子般的思维。当我看到一件事，第一个想法是能有多难？没人做过，看起来巨大无比，耗资数千亿美元，需要所有这些，但你就想能有多难？你需要让自己进入那种状态。你不想提前过度模拟所有挫折、磨难、失望。你想带着完美、美好、极其有趣的心态进入新经历。然后当挫折、失望、尴尬、羞辱真正来临时，你需要有耐力和毅力，不让它打倒你，然后开启另一项技能，忘记它，继续前进。只要我对未来的假设没有实质性改变，我模拟的未来结果仍然会发生，我就会继续追求它。

这需要几种人类特质的结合，以新鲜心态进入经历的能力、忘记挫折的能力、相信自己并持续验证的能力。这些对韧性很重要。我很幸运，无论是什么样的生活经历让我拥有了这些特质。我总是充满好奇心，总是向每个人学习。因为对一切保持谦逊，我总是想他们做得真好，想知道他们在想什么、怎么做到的。我在模拟每个人，在很多方面，我在模仿我观察到的每一个人，对他们所做的事感同身受并尊重。所以你在不断学习。

弗里德曼：你现在是世界上最富有、最成功的人之一。财富、权力和名声会让你更难保持谦逊、听取不同意见吗？

黄仁勋：出乎意料的是，并没有。我反而会反过来说。因为我做了这么多公开的工作，当我犯错时，几乎所有人都能看到，这本身就会让我谦逊。当我在外面说的大部分话，我都是相当确信的，因为它会影响别人，我希望对此非常谨慎。对于我在内部会议上推理的事情，很多可能会有不同结果。但这从不阻止我推理。我管理和领导的方式是，我经常在人们面前推理，即使和你谈话时你也可以看到我在推理。我想让你理解我说的，不是因为我告诉了你，而是因为我谦逊地展示了我得出这个结论的步骤，然后你可以决定是否相信。我整天在会议上这样做。对我所有的员工，我不断地推理让我告诉你我怎么看的，然后推理出来，让大家有机会打断说我不同意那一点。通过推理并让人们与之互动的好处是，他们不必不同意你的结论，可以不同意你的推理步骤。他们可以把我的思路拉向不同方向，然后我们一起向前推理。这是一种集体路径搜索的方法，真的很棒。

弗里德曼：你有一种特质，当你解释事情时，我能感觉到你实际上是在现场推理，带着开放的心态，我觉得我可以引导你的思维。这很美好，你在经历这么多年的成功和痛苦后还能保持这种状态。有时痛苦会让你封闭一点。

黄仁勋：对尴尬的容忍度，我认为很重要。

弗里德曼：这是真实的东西。多年让自己尴尬，即使在那些会议中，你身边有人，你曾经宣布了一个想法，结果证明是错的，还能承认并从中成长，这在人类层面非常困难。

黄仁勋：是的，他们最近知道了我的第一份工作是打扫厕所。

游戏的DNA

从《毁灭战士》到GeForce

英伟达的营销基石

弗里德曼：很高兴你保持了在Denny's餐厅工作时的精神。你的旅程从Denny's开始，我问你关于电子游戏的事。我是个铁杆游戏迷，感谢英伟达多年来提供的不可思议的图形。

黄仁勋：GeForce至今仍然是我们的头号营销策略。人们在青少年时期通过游戏了解英伟达，然后上大学，知道英伟达是谁，一开始是玩《使命召唤》、《堡垒之夜》，后来用CUDA，再后来用Blender、Dassault、Autodesk。

弗里德曼：我告诉朋友要和你谈话，他说哦，他们生产很棒的游戏GPU。人们真的很喜欢，它给很多人带来了快乐。硬件真正把这些世界带入了生活。DLSS 5存在一些争议，游戏玩家担心它会让游戏看起来像AI生成的垃圾内容。你怎么看？

黄仁勋：他们的观点有道理，我能理解。我也不喜欢AI垃圾。所有AI生成的内容看起来越来越相似，都很漂亮，我理解他们的想法。但DLSS 5的意图并非如此。我展示了一些例子。DLSS 5是基于3D条件、3D引导的，由真实的结构数据引导。艺术家决定了几何形状，我们对每一帧的几何形状完全忠实。它由纹理、艺术家的艺术性来限定。每一帧它都是增强，但不改变任何内容。因为系统是开放的，你可以训练自己的模型来决定，甚至可以在未来提示它，比如希望它是卡通着色器、某种风格，它会以那种风格生成，全部与艺术家的艺术性、风格、意图一致。这些都是为艺术家做的，让他们能创造出更美丽但仍然符合他们想要风格的作品。他们认为游戏会按原样发布，然后我们后期处理，这不是DLSS的意图。DLSS与艺术家集成，是给艺术家的AI工具、生成式AI工具，他们可以选择不使用。

弗里德曼：人们对人脸很敏感。我们生活在这个对AI垃圾敏感的时刻，这很美好，它给我们照了一面镜子，帮助我们意识到我们寻求的是不完美，有时不是完美的图形。它帮助我们在创造的世界中理解什么才是引人入胜的。只要它是帮助我们创造世界的工具，就很好。

黄仁勋：没错。又一个工具，他们希望生成模型生成与照片级真实相反的东西，它也能做到。这只是又一个工具。游戏玩家可能也会欣赏，在过去几年里，我们向游戏开发者推出了皮肤着色器，包括次表面散射，使皮肤看起来更像皮肤。游戏开发者正在寻找更多工具来表达艺术，这只是又一个工具，他们可以决定使用什么。

弗里德曼：你认为有史以来最伟大或最有影响力的游戏是哪一款？

黄仁勋：从艺术、文化影响以及将PC变成游戏设备的角度，我会说是《毁灭战士》。那是一个非常重要的时刻。飞行模拟公司在此之前就存在了，但不如《毁灭战士》普及，使整个行业将PC从办公自动化工具转变为家庭和玩家的个人电脑。从实际游戏技术角度，我会说是《VR战士》。

弗里德曼：还有更近期的游戏，《赛博朋克2077》，很棒的GPU加速图形。

黄仁勋：实现了全景光线追踪。

弗里德曼：我个人是《上古卷轴5：天际》的超级粉丝，它发布很久了，但人们发布模组，创造出完全不同的游戏，让我能一遍又一遍重玩。它让你意识到可以用全新的方式重新体验你已经热爱的世界。

黄仁勋：我们创造了RTX Mod，一个模组工具，允许社区将最新技术注入老游戏。

AGI已至

一个能创造10亿美元公司的AI

现在就可以

弗里德曼：AGI时间线的问题取决于如何定义。如果我们定义AGI为一个能创办并运营一家价值超过10亿美元的成功科技公司的AI系统，我们离这个目标还有多远？

黄仁勋：我认为就是现在，我们已经实现了AGI。

弗里德曼：你认为像这样的AI系统可以运营公司吗？

黄仁勋：可能。你说的是10亿美元，没说永远。Claude能够创建一个网络服务，一个小应用程序，突然被数十亿人使用，每人花了50美分，然后不久又倒闭，这并非不可能。互联网时代我们看到了大量这样的公司，它们并不比今天的OpenClaw能生成的更复杂。当然，十万个这样的智能体中，能建成英伟达的概率是零。

我想确保大家都能听到这个故事，计算机科学家和AI研究人员曾预言，第一个将被淘汰的职业是放射科医生。因为计算机视觉将达到超人类的水平，而且它确实做到了。计算机视觉在2019年、2020年左右就已经超越了人类。因此，当时的预测是放射科医生会消失，因为分析放射影像已成为过去式，AI会代劳。嗯，他们确实说对了，计算机视觉完全超越了人类，今天每一个放射学平台和软件包都由AI驱动，然而放射科医生的数量却增长了。问题是为什么？我们现在全球都面临放射科医生短缺。所以，首先，这种危言耸听走得太远了，吓退了人们从事这个对社会如此重要的职业，造成了伤害。那么，为什么这种预测是错的？原因在于放射科医生的目的是诊断疾病，帮助患者和医生诊断疾病。因为我们现在研究影像的速度快得多，你可以研究更多影像，可以做出更好的诊断，可以更快地让患者住院，可以看更多的患者。医院赚了更多钱，医院里有更多患者，你就需要更多放射科医生。令人惊奇的是，这事发生得如此明显。英伟达的软件工程师数量将会增长，而不是下降。原因是，软件工程师的目的和编码的任务是相关的，但不是一回事。我希望我的软件工程师解决问题，不在乎他们写了多少行代码。他们的目的没有改变，解决问题、团队合作、诊断问题、评估结果、寻找新问题、创新、连接点。这些都不会消失。

弗里德曼：你认为世界上的程序员数量可能会增加，而不是减少？

黄仁勋：是的。今天编码的定义是制定规范，如果你愿意，甚至可以给出想要编写的软件的架构。有多少人能这样做？描述一个规范，告诉计算机去构建什么？我认为我们刚刚从3000万增加到了可能10亿。未来的每个木匠都将是一个程序员，只不过带AI的木匠同时也是建筑师。他们能带给客户的价值得到了提升，艺术性极大地提升了。每个会计师同时也是财务分析师、财务顾问。所有这些职业都得到了提升。如果我是木匠，看到AI会完全疯狂。如果我是水管工，也会完全疯狂。

弗里德曼：目前的程序员和软件工程师，处于最前沿，他们直观地理解如何用自然语言与智能体沟通，以便设计出最好的软件。

黄仁勋：没错。

弗里德曼：学习编程、学习编程语言、好的实践、大型软件系统的设计原则，仍然有价值。

黄仁勋：规范的艺术性取决于你试图解决什么问题。当我思考公司战略、制定方向时，我描述的详细程度足以让大多数人理解方向并可以采取行动，但我故意不详细说明，以便让43,000名出色的员工能把它做得比我设想的更好。所以当我和工程师一起工作时，我会考虑在解决什么问题、和谁一起工作，规范的层次、架构定义的程度与此相关。每个人都需要学习，在编码的光谱中想处于什么位置。编写规范就是编码。你可以决定非常具体，因为你正在寻找非常特定的结果。你也可以决定更探索性，不那么具体，以便与AI来回互动，甚至推动你自己的创造力边界。这就是编码的未来。

弗里德曼：很多人担心工作，尤其是白领行业。当自动化和新技术到来时，总会有动荡时期。我们需要有同情心和责任感，去感受失业给个人和家庭带来的实际痛苦。当有变革性技术时，会有很多痛苦。希望它能创造更多机会，让同样的人做同样的工作，随着工具演变变得更高效、更有趣。我在编程中从未有过这么多乐趣。希望它能自动化无聊的部分，把创造性的部分留给人类。但还会有很多痛苦。

黄仁勋：我处理焦虑的方式是，先分解，然后告诉自己，有些事情可以做，有些事情无能为力。对于可以做的那部分，推理然后行动。如果我们今天招聘应届毕业生，一个不了解AI，一个是使用AI的专家，我会雇那个使用AI的专家。如果是会计师、营销人员、供应链、客户服务、销售人员、业务发展、律师，我会雇使用AI的专家。所以我建议，每个大学生、每个教师都应该鼓励学生使用AI。每个大学生毕业时都应该成为AI专家。如果你是木匠、电工，去使用AI。看看它能如何改变你目前的工作，提升自己。如果我是农民、药剂师，我会使用AI，看看它能如何提升我的工作，让我成为革新这个行业的创新者。这是我会做的第一件事。

黄仁勋：技术会取代许多任务。如果你的工作就是任务本身，你很有可能受到冲击。如果你的工作目的包含某些任务，那么学习使用AI来自动化这些任务就至关重要。中间有一个光谱范围。

弗里德曼：AI的美妙之处，尤其是聊天机器人版本，在于你可以通过和它交谈来分解问题。我最近用它来思考生活中的问题，不是治疗问题，而是实际问题，“我担心工作，需要哪些技能？需要采取哪些步骤？如何更好地掌握AI？”你刚才说的一切，都可以直接问，它会给你逐点计划。它就是一个很棒的人生教练。

黄仁勋：我不知道怎么用AI，AI会说让我给你展示。你不能走到Excel前说我不知道怎么用Excel。

弗里德曼：这就是AI为我所做的，作为初学者第一次使用某样东西时最初的摩擦。我可以问任何一件事，我需要采取的第一步是什么？它所提供的指导，消除了世界提供的所有体验的摩擦。就像我私下跟你说的，你说要去中国大陆和台湾，只需问我去哪里、怎么去，所有问题立刻得到回答。

黄仁勋：当你去台湾时，问AI说黄仁勋在台湾最喜欢的餐厅是哪家？它实际上会告诉你。

弗里德曼：准确吗？

黄仁勋：台湾各地都有。

弗里德曼：你在那里是摇滚明星。也许我们会在Computex相遇，那将是计算领域很美好的事。

黄仁勋：Computex，英伟达GTC台湾大会。

智能与人性

当智能被商品化

什么才是人类的真正价值？

弗里德曼：你认为人性、人类意识中是否存在根本上是非计算性的东西？也许是无论多么强大的芯片都无法复制的东西？

黄仁勋：我不知道芯片是否会紧张、焦虑或产生任何情绪。我相信AI将能够识别和理解这些，但我认为芯片不会感受到这些。这种焦虑、感觉、兴奋如何体现在人类表现中？极其出色的人类表现、运动表现，与平均或低于平均水平，同样环境下不同的人表现出不同的结果。我不认为我们正在建造的任何东西会表明，两个相同的计算机在完全相同的环境下会产生不同的结果，它们会产生统计上不同的结果，但不是因为它们感觉不同。

弗里德曼：主观体验确实有些特别。和你谈话我挺紧张的。希望、恐惧、焦虑，生活本身的丰富多彩，我们爱得多深，心碎得多深，对死亡有多恐惧，当亲人去世时感到多大的痛苦。所有这一切，很难认为AI或计算设备能做到。但这其中有很多未解之谜，我对被惊喜保持开放态度。在智能领域，扩展可以创造出一些不可思议的奇迹，观察这一过程令人惊叹。

黄仁勋：分解什么是智能很重要。智能不是一个神秘的词，它有含义。它是一个包含感知、理解、推理、制定计划能力的系统。这个循环是智能的基本定义。智能绝不等于人性。将两者区分开很重要。我不过度幻想或浪漫化智能。智能是一种商品。我身边都是比我聪明的人，在各自领域都比我聪明。然而我在那个圈子里有自己的角色。他们比我受教育程度更高，上的学校更好，在各自领域都比我深。我手下60个人都是超人。不知何故，我坐在中间协调他们。你问自己，是什么让一个洗碗机能够坐在一群超人中间？

黄仁勋：我的观点是，智能是一个功能性的东西。人性不是用功能性定义的，它是一个更宏大的词。我们的人生经历、对痛苦的承受力、决心，这些是与智能不同的词。如果我能给听众一个信息，那就是智能是我们随着时间的推移而提升到很高地位的一个词。

弗里德曼：我们真正应该提升的词是人性。

黄仁勋：品格，人性，同情心，慷慨，你刚才说的一切。我相信这些是超人的力量。现在智能将被商品化。最重要的事情是你的教育。当你在学校时，你获得的不仅仅是知识。但不幸的是，我们的社会把所有东西都塞进了一个词里，而生活远不止一个词。我的生活会表明，在智能曲线上低于我身边的每个人，这并没有改变我是最成功的人这一事实。我希望这能激励其他人，不要让智能的民主化、商品化引起焦虑，你应该为此感到鼓舞。

弗里德曼：我认为AI将帮助我们更多地赞美人类。以人为本，人性至上。让这个世界不可思议的是，人类将永远如此，而AI只是让我们变得更强大的工具。

黄仁勋：完全正确。

最后的愿望

死在岗位上

把知识传递到最后一刻

弗里德曼：英伟达的成功和数百万人的生活依赖于你。但你是一个凡人，和我们所有人一样终有一死。你思考过生命的极限吗？害怕死亡吗？

黄仁勋：我真的不想死。我的生活很美好，有很棒的家庭，有非常重要的工作。这不是一生一次的经历，因为一生一次意味着很多人都曾经历过，只不过每人只有一次。我现在经历的，是人类历史上绝无仅有的经历。英伟达是历史上最具影响力的科技公司之一，我们在做非常重要的工作，我非常认真地对待。有一些实际的事情需要考虑，比如继任计划。我常说我不相信继任计划，很多人都知道。

原因不是因为我长生不老。原因在于，如果你担心继任计划，如果你为此焦虑，你应该怎么做？你把它分解。今天，如果你关心公司在你之后的未来，最重要的事情就是尽可能持续地传递知识、信息、洞察力、技能和经验。这就是为什么我不断地在团队面前推理一切。每一次会议都是一次推理会议。我在公司内部、外部度过的每一刻，都在尽可能快地向人们传递知识。我学到的东西，从不在办公桌上停留超过一秒钟。我传递信息，在我自己完全学完之前，我已经把它指向别人，去研究这个，这很酷，你会想学的。我不断地传递知识，赋能人们，提升周围每个人的能力，这样我所寻求的结果，我希望的是我死在岗位上，希望是瞬间的，没有长时间的痛苦。

弗里德曼：从粉丝的角度，考虑到你对文明的巨大积极影响，我当然希望你继续下去。看着英伟达做的事情也很有趣，创新的速度，我是工程的超级粉丝。英伟达不断进行着不可思议的工程，看着令人愉快。这是对人性、对伟大的建设者、对伟大工程的颂歌。它代表着特别的东西。关于我们正在进行的这一切，关于人性，关于人类的未来，是什么给了你希望？当你展望10年、20年、50年、100年后，是什么给了你希望？

黄仁勋：我一直对人类善良、慷慨、同情心和人类能力充满信心，有时甚至超过应有的程度。我被利用过，但这从未让我停止相信。我总是从人们想要做好事、想要帮助他人出发，绝大多数情况下我被证明是正确的，常常超出预期。所以我对人类的能力有完全的信心。我认为，基于我们现在看到的各种可能性，以及根据我们正在做的事情进行外推，极有可能发生的事情，这些东西给了我极大的希望。有这么多我们想要解决的问题，有这么多我们想要建造的东西，有这么多我们想做的善事，现在都触手可及，而且在我有生之年就能实现。你不可能不对此感到浪漫。

弗里德曼：活着是多么激动人心的时刻。

黄仁勋：你怎么能不对此感到浪漫呢？期望疾病终结是合理的，期望污染大幅减少是合理的，期望以光速旅行实际上在我们的未来是合理的，不是长距离，而是短距离。人们问我怎么做到。首先，很快我要把一个人形机器人放在宇宙飞船上，是我的机器人，我们会尽快把它送出去，它会在飞行途中不断改进和增强。然后到了时候，我所有的意识，我生活的很大一部分已经上传到了互联网，把我所有的收件箱、做的所有事情、说的所有话都收集起来，变成了我的AI。当时机成熟时，我们只需以光速把它发送出去，赶上我的机器人。

弗里德曼：这有点应用层面。但对我而言，从最大化好奇心的角度，所有那些未解之谜，有太多引人入胜的科学问题。

黄仁勋：理解生物机器就在眼前，不是10年，大概只要5年。

弗里德曼：然后是你的生物机器、人类思维，以及破解物理学、理论物理，这太令人兴奋了！

黄仁勋：解释意识，那将非常棒。

弗里德曼：所有这些都在我们的掌握之中。仁勋，非常感谢你这些年来所做的一切，感谢你为世界所做的一切，感谢你做你自己。我能看出你是一个伟大的人，祝你今年取得令人难以置信的成功。作为一个粉丝，我迫不及待地想看到你接下来的成就，希望我们能在台湾见面，非常感谢你今天和我谈话。

黄仁勋：谢谢，我过得很愉快。还有，如果我能再说一件事。谢谢你做的所有访谈，你所展现的深度、尊重，以及你为了向我们揭示你多年来采访过的那些了不起的人所做的研究。我非常喜欢这些访谈。作为一个创新者，你创造了这种长篇的、令人难以置信的、却又引人入胜的内容。谢谢你做的一切。

弗里德曼：这对我来说意义重大。谢谢你！

黄仁勋：谢谢你，弗里德曼。

弗里德曼：感谢您收听这次与黄仁勋的对话。要支持本播客，请查看描述中的赞助商链接。现在，让我用艾伦·凯的一句话来结束：“预测未来的最好方法就是去创造它。”感谢收听，期待下次再见。