黃仁勳深度訪談：「Token 經濟」爆發，英偉達 10 萬億是必然

2026.03.24

分享至

TechFlow Selected深潮精選

黃仁勳深度訪談：「Token 經濟」爆發，英偉達 10 萬億是必然

計算機已從不賺錢的「存儲倉庫」升級為生產「Token 商品」的創收工廠。

2026.03.24 - 10:17:42

黄仁勋Token

專注 Web3 行業深度報導，洞察潮水流動的方向

計算機已從不賺錢的「存儲倉庫」升級為生產「Token 商品」的創收工廠。

撰文：龍玥

來源：華爾街見聞

近日，英偉達 CEO 黃仁勳做客知名科技播客 Lex Fridman Podcast，圍繞 AI 縮放定律（Scaling Laws）、算力與電力瓶頸、AI 工廠、公司未來展望以及 AI 對人類社會的影響等核心議題，進行了超兩小時的深度對話。

Token 已成全新商品，計算佔全球 GDP 比重將翻百倍

黃仁勳的一個核心觀點是，計算的本質已經發生了根本性的躍遷——從過去人類預先錄製、計算機負責檢索的「存儲系統」，轉變為具備上下文感知能力的「生成系統」。

更重要的是，計算機在現實經濟中的角色變了。過去的計算機是檢索系統，主要功能是文件存儲。黃仁勳將其比喻為「倉庫」，而倉庫本身是不直接產生高額利潤的。

而現在的 AI 計算機變成了「工廠」，並直接與企業的收入創造掛鉤。他認為，AI 代工廠正在製造一種名為「Token」的商品，且這種商品已經被細分和定價。

「我們不僅看到這家代工廠在生產人們想要消費的商品，而且這些代工廠製造的 Token 對許多不同受眾都極其有價值，甚至開始像 iPhone 一樣出現分層：你有免費的 Token，有高級 Token，還有處於中間層級的 Token。」黃仁勳表示，「有人願意為每一百萬個 Token 支付 1000 美元，這個想法就在不遠的將來，這不是會不會發生的問題，而是何時發生的問題。」

基於這種「Token 工廠」模式，計算設備完成了從成本中心向利潤中心的跨越。

黃仁勳篤定地推演了這一宏觀趨勢：「如果生產力大幅提升，全球 GDP 將加速增長。我完全確信，未來用於計算的 GDP 佔比將是過去的 100 倍。」

邁向 10 萬億美元市值？黃仁勳：增長是必然的

基於「Token」的經濟理論，黃仁勳回答了，英偉達能否邁向 10 萬億美元的新市值巔峰的討論。

他表示：「這個數字（10 萬億）只是一個數字。」但他明確指出：「英偉達的增長極大概率會發生，在我看來是必然的。」未來實現 3 萬億美元營收的體量並非不可能。

電力瓶頸解法：「用好閒置電」、打造「優雅降級」的數據中心

關於 AI 擴張的瓶頸，黃仁勳直言：「電力是個擔憂，但不是唯一擔憂。」他給出兩條並行路徑：一是把能效繼續推高；二是想辦法獲得更多電力。

在能效上，他強調指標是「每瓦每秒 token 數」，並稱通過「極致協同設計」提升能效：「我們的計算機價格在上升，但 token 生成效率上升得更快，所以 token 成本在下降……每年下降一個數量級。」

在「如何獲得電力」上，他給出一個更具體的思路：電網按極端峰值設計，絕大多數時間有閒置。黃仁勳稱：目前的電網是按照極端天氣的最高峰值（加上安全餘量）來設計的。「99% 的時間裡，我們的電網都沒有達到最壞情況。」大多數時候可能只在峰值的 60% 左右運行。

為利用這部分閒置能源，他認為需要改變雲廠商與電力公司之間嚴苛的供電合同，放棄對「六個九」（99.9999%）絕對可用性的盲目追求。

「我們需要構建能夠『優雅降級』（gracefully degrade）的數據中心。」黃仁勳解釋，「當電網說『我們需要把你的電力降到 80%』時，數據中心可以把關鍵負載轉移，或者降低計算速率。計算服務質量會輕微下降，但我們消耗的能源減少了。」

供應鏈與內存：匯聚 200 家供應商，提前三年佈局 HBM

面對市場對 ASML 光刻機、臺積電 CoWoS 先進封裝等環節可能制約 AI 產能的擔憂，黃仁勳表示並不焦慮。他說：「我告訴他們我需要什麼，他們告訴我打算怎麼做，我相信他們。」

在系統工程上，英偉達正在深刻改變基礎設施的製造模式。黃仁勳透露，僅一個 Vera Rubin 機架就包含 130 萬到 150 萬個組件，背後匯聚了 200 家供應商的技術。

為了匹配這種極高的互聯密度（如 NVLink-72），過去在數據中心現場拼裝零組件的傳統模式已徹底失效。英偉達將數據中心的「超算組裝」前置到了供應鏈的「超算製造」環節。現在，機架必須在供應鏈中建好，每次以兩三噸的重量整機發貨。這意味著供應鏈在整機出廠前的測試階段，自身就需要具備吉瓦（GW）級的龐大電力儲備。

而在最容易卡脖子的內存（Memory）領域，黃仁勳透露，大約三年前，HBM（高帶寬內存）的使用率極低，幾乎只在極少數超算中露面。但他當時就成功說服了多家內存大廠的 CEO，讓他們相信 HBM 將是未來數據中心的主流，並促使產業鏈果斷投資擴產。

此外，他還打破常規，推動供應商將原本專屬於手機的低功耗內存（LPDDR）改造並引入超算領域。

「推理是思考」：從訓練、測試時擴展到「代理式擴展」

對於 AI 縮放定律（Scaling Laws），黃仁勳把 AI 擴張拆成四條「擴展規律」：預訓練、後訓練、測試時擴展、代理式擴展。

他回顧「數據枯竭」擔憂時稱：「我們會繼續擴大訓練數據……很多會是合成數據。」並給出判斷：「訓練不再受數據限制，數據將受限於算力。」

對推理側的算力強度，他說得更直接：「推理就是思考，我認為思考很難……怎麼可能是算力輕的？」他認為測試時擴展包含「推理、規劃、搜索」等，會推動推理算力需求上升。

最深護城河、太空算力痛點與評價馬斯克

當被問及英偉達最大的護城河時，黃仁勳明確指向了 CUDA 龐大的裝機量與信任生態。

「這不是 3 個人成就的 CUDA，而是 43000 名員工共同推動的。」黃仁勳強調，這種護城河建立在數百萬開發者對英偉達持續優化底層的信任之上，輔以橫向整合進入全球各類雲廠商、OEM 和邊緣設備的極廣生態。

在算力基建的前沿探索上，針對將數據中心搬上太空以解決能源分配的設想，黃仁勳證實英偉達 GPU 已經進入太空，但當前主要用於衛星高分辨率圖像的邊緣端篩選。

對於構建大規模太空數據中心，黃仁勳直言其存在核心的物理痛點：「太空中沒有傳導，沒有對流，只能靠輻射散熱。雖然極地有 24/7 的太陽能，但我們需要巨大的散熱器。」現階段最務實的做法，仍是先榨乾地球上的閒置電力。

此外，任何算力藍圖的落地都需要極致的工程執行力。針對馬斯克旗下 xAI 僅用 4 個月便建成了擁有 10 萬塊 GPU 的 Colossus 超算中心，黃仁勳在市場化基建層面給出了極高評價。

他將馬斯克的成功歸結為第一性原理思維與極簡主義。「他質疑一切：這有必要嗎？必須這樣做嗎？需要花這麼長時間嗎？」

黃仁勳表示，「埃隆在眾多不同領域都有極深的造詣，同時他也是一個非常優秀的系統思考者。」他繼續評價道，「他能夠質疑一切，直到把一切縮減到不能再減的最低必要限度……他親自出現在行動的第一線。當你以如此強烈的緊迫感親自行動時，會促使其他所有人也以緊迫感行動。」

未來只招會用 AI 的人？「全球程序員將從 3000 萬暴增至 10 億」

針對全球勞動者對 AI 技術的焦慮，黃仁勳給出了一個非常務實的標準。他直言，如果今天要在兩名應屆畢業生中做選擇，他一定會僱傭那個「AI 專家」，而非對 AI 一竅不通的人。

黃仁勳強調，這一準則不僅限於技術崗位，而是涵蓋了會計師、律師、銷售人員、供應鏈經理、藥劑師，甚至是電工和木匠。在他看來，每個職業、每個層級都沒有例外，善用 AI 的人將展現出更高的交付價值。

他進一步釐清了「被取代」的邊界：如果一個人的工作本質上就是一系列「任務」（Task），即任務本身就是你貢獻的全部價值，那麼被 AI 顛覆幾乎是必然的。但如果你的工作具有更深層的「目標」（Purpose），你就可以利用 AI 自動化處理那些常規瑣事，從而從一名單純的「執行者」跨越成為所屬行業的「創新者」。

對於那些尚未起步的人，黃仁勳給出了最 disarming（令人寬慰）的建議：「如果你不知道如何使用 AI，你大可以去問 AI『我該如何使用你』。它會從頭開始引導你完成全過程。」他認為，現在起步的門檻已經降至零，唯一的障礙只在於你是否決定開始。因為在這個時代，等待的成本正在隨著 AI 的進化而與日俱增。

對於程序員，黃仁勳拋出了一個震撼的觀點：「英偉達軟件工程師的數量將會增長，而不是減少……如果編程的定義是『描述規範讓計算機去構建』，那麼能做到這一點的人數，剛剛從 3000 萬變成了可能達到 10 億。未來每個木匠都會是程序員，每個水管工都會因此瘋狂。」

在談及 AGI（通用人工智能）的時間表時，如果將 AGI 定義為一個能夠自主開發應用並實現盈利的系統，黃仁勳表示：「我認為就是現在。我認為我們已經實現了 AGI。」他設想了一個由 AI 自主創建的 Web 服務或數字影響力應用，突然獲得數十億用戶使用並賺取利潤的場景，這在當下已經具備技術可行性。

訪談全文如下：

黃仁勳訪談文字稿：英偉達——4 萬億美元的公司與 AI 革命 | 萊克斯·弗裡德曼（Lex Fridman）播客 #494

介紹

萊克斯·弗裡德曼

(00:00:00) 接下來是與英偉達首席執行官黃仁勳的對話。英偉達是人類文明史上最重要、最具影響力的公司之一，它是推動 AI 革命的引擎。英偉達的巨大成功在很大程度上可以直接歸功於黃仁勳純粹的意志力，以及他作為領導者、工程師和創新者所做出的眾多卓越押注和決策。這裡是萊克斯·弗裡德曼播客。親愛的朋友們，現在有請黃仁勳。

極限協同設計與機架級工程

萊克斯·弗裡德曼

(00:00:33) 您將英偉達推向了 AI 的新時代，將焦點從芯片級設計轉移到了機架級設計。

萊克斯·弗裡德曼

(00:00:42) 我想可以公平地說，長期以來，英偉達的制勝法寶在於構建儘可能完美的 GPU。你們現在依然如此，但如今已經將此擴展到了對 GPU、CPU、內存、網絡、存儲、供電、冷卻、軟件、機架本身、你們宣佈的計算艙（Pod），甚至整個數據中心進行極限協同設計。讓我們談談極限協同設計。協同設計一個擁有如此多複雜組件和設計變量的系統，最困難的部分是什麼？

黃仁勳

(00:01:11) 謝謝你的提問。極限協同設計之所以必要，是因為現在的問題已經無法裝入單臺計算機並僅靠單個 GPU 來加速了。你試圖解決的問題是，你希望計算速度的提升能超過你增加的計算機數量。假設你增加了 1 萬臺計算機，但你希望速度提升一百萬倍。突然之間，你必須提取算法，將算法拆解、重構，對流水線進行分片，對數據進行分片，對模型進行分片。當你以這種方式分佈式地處理問題時，不僅僅是擴大問題的規模，而是分散問題，那麼所有環節都會成為瓶頸。

黃仁勳

(00:02:03) 這就是阿姆達爾定律（Amdahl『s law）的問題：某項任務的加速幅度取決於它在總工作量中所佔的比例。如果計算佔問題的 50%，即使我將計算速度無限提升（比如一百萬倍），整個工作量的速度也只提升了兩倍。現在突然之間，你不僅要分配計算任務、以某種方式對流水線進行分片，還必須解決網絡問題，因為所有這些計算機都連接在一起。在我們這樣的規模下進行分佈式計算，CPU 是個問題，GPU 是個問題，網絡是個問題，交換機也是個問題。在所有這些計算機上分配工作負載同樣是個問題。

黃仁勳

(00:02:57) 這是一個極其複雜的計算機科學問題。我們必須發揮各種技術的威力。否則，我們只能線性地擴展，或者依靠摩爾定律的能力來擴展，而隨著登納德縮放定律（Dennard scaling）的放緩，摩爾定律已經在很大程度上停滯了。

黃仁勳如何管理英偉達

萊克斯·弗裡德曼

(00:03:16) 這其中肯定有權衡。而且你們涉及了完全不同的學科。我確信你們在這些領域都有專家：高帶寬內存、網絡和 NVLink、網卡、光學和銅纜連接、供電、冷卻等等。這些都是世界級的專家。你是如何把他們聚在一個房間裡弄清楚——

黃仁勳

(00:03:34) 這就是為什麼我的管理團隊這麼龐大。

萊克斯·弗裡德曼

(00:03:37) 專家和通才的合作過程是怎樣的？當你清楚必須要把哪些東西塞進一個機架時，你們是如何把機架組裝起來的？把它們全部設計在一起的過程是怎樣的？

黃仁勳

(00:03:51) 首先我們要問：什麼是極限協同設計？我們正在對從架構到芯片、到系統、到系統軟件、再到算法和應用程序的整個軟件棧進行優化。這是一個層面。我們剛才談論的第二個層面，超越了 CPU、GPU、網絡芯片、向上擴展（scale-up）交換機和向外擴展（scale-out）交換機。當然，你還得把供電和冷卻等因素包括進去，因為所有這些計算機都極其耗電。它們完成大量工作，能效非常高，但總體上仍然消耗大量電力。所以第一個問題是：它是什麼？

黃仁勳

(00:04:34) 第二個問題是：為什麼需要它？我們剛剛討論了原因。你希望分配工作負載，使得收益超過單純增加計算機數量的收益。第三個問題是：如何實現？你是怎麼做到的？

黃仁勳

(00:04:51) 這可以說是這家公司的奇蹟。當你設計一臺計算機時，你必須有一個計算機操作系統。當你設計一家公司時，你應該首先思考你想讓這家公司產出什麼。我見過很多公司的組織架構圖，它們看起來都一樣。漢堡型組織架構圖、扁平型組織架構圖，以及汽車公司的組織架構圖，看起來如出一轍。這對我來說毫無意義。一家公司的目標是成為產出成果的機器、機制和系統。這個產出就是我們想要創造的產品。公司架構的設計應該反映它所存在的環境。

黃仁勳

(00:05:36) 這幾乎直接決定了你應該如何設置組織架構。直接向我彙報的管理團隊有 60 人。我不會和他們進行一對一的會議，因為那是不可能的。如果你想完成工作，你的團隊裡就不可能有 60 個人還能一一對談——

萊克斯·弗裡德曼

(00:05:51) 但你依然有 60 個直接下屬，並且跨越了——

黃仁勳

(00:05:53) 還要更多。

萊克斯·弗裡德曼

(00:05:54) 更多。而且大多數明星員工至少都涉足工程領域。

黃仁勳

(00:05:59) 幾乎所有人都是。有內存專家，有 CPU 專家，有光學專家。

萊克斯·弗裡德曼

(00:06:06) 難以置信。

黃仁勳

(00:06:06) 還有 GPU、架構、算法、設計等領域的專家。

萊克斯·弗裡德曼

(00:06:11) 所以你時刻關注著整個技術棧，並且必須就整個技術棧的設計進行激烈的討論？

黃仁勳

(00:06:18) 從來沒有哪次對話是單人進行的。這就是為什麼我不做一對一會議。我們提出一個問題，然後所有人一起攻克它。因為我們在做極限協同設計。毫不誇張地說，公司一直都在進行極限協同設計。

萊克斯·弗裡德曼

(00:06:33) 即使你們在討論一個特定的組件，比如冷卻、網絡，所有人也都在旁聽？

黃仁勳

(00:06:40) 完全正確。

萊克斯·弗裡德曼

(00:06:41) 並且他們可以提出意見：「這不適合配電。這不適合——」

黃仁勳

(00:06:45) 正是如此。

萊克斯·弗裡德曼

(00:06:45) 「……這不適合內存。這不適合那個。」

黃仁勳

(00:06:49) 完全正確。誰想不聽就可以不聽。原因在於，團隊裡的人知道什麼時候該集中注意力。如果這件事他們本可以做出貢獻卻沒有做，我會點名批評他們。所以我會說：「嘿，快來，加入討論。」

萊克斯·弗裡德曼

(00:07:07) 正如你所說，英偉達是一家適應環境的公司。你覺得在哪個時間點可以說環境發生了改變，公司開始悄悄地適應？從早期用於遊戲的 GPU，到深度學習革命的早期，再到現在我們開始將其視為一個 AI 工廠？英偉達是做什麼的？它生產 AI，讓我們建立一個生產 AI 的工廠吧。

黃仁勳

(00:07:32) 我可以系統地推理這個過程。我們最初是一家加速器公司。但加速器的問題在於應用領域太窄了。它的優勢是針對特定工作進行了極度的優化。任何專家都有這個優勢。極度專業化的問題在於，你的市場範圍更窄，但這也沒關係。真正的問題在於，市場規模也決定了你的研發能力。而你的研發能力最終決定了你在計算領域可能產生的影響力。當我們最初作為一個非常具體的加速器起步時，我們一直知道那是我們的第一步。

黃仁勳

(00:08:23) 我們必須找到一種方法成為加速計算公司。問題是，當你成為一家計算公司時，目標變得太過通用，這削弱了你的專業性。我把這兩個實際上存在根本衝突的詞連在了一起。我們作為計算公司做得越好，作為專家的表現就越差。我們越是專家，進行整體計算的能力就越弱。我故意把這兩個詞連在一起，這意味著公司必須一步一步地找到那條極其狹窄的道路，既要擴大我們的計算範圍，又不能放棄我們擁有的一最重要的專業能力。我們超越加速器邁出的第一步，是發明了可編程像素著色器。

黃仁勳

(00:09:13) 這是邁向可編程性的第一步。這是我們向計算世界進軍的第一段旅程。我們做的第二件事是將單精度浮點數（FP32）引入我們的著色器。支持 IEEE 標準的 FP32 是朝著計算方向邁出的一大步。這也是為什麼所有從事流處理器和其他類型數據流處理器研發的人發現了我們。他們說：「突然之間，我們也許可以使用這個計算密集度極高、且兼容 IEEE 標準的 GPU 了。」

黃仁勳

(00:09:55) 我可以把以前在 CPU 上編寫的軟件拿過來，看看能不能用 GPU 來運行。這促使我們在 FP32 之上添加了 C 語言特性，我們稱之為 Cg。Cg 的發展路徑最終將我們引向了 CUDA。一步一步地，我們將 CUDA 引入了 GeForce，這是一項極具挑戰的戰略決策，因為它耗費了公司大量的利潤，當時我們根本負擔不起。但我們還是這樣做了，因為我們想成為一家計算公司。計算公司必須有計算架構。計算架構必須兼容我們構建的所有芯片。

萊克斯·弗裡德曼

(00:10:42) 能詳細講講那個決定嗎？把 CUDA 放進 GeForce，負擔不起卻依然決定這麼做？你能解釋一下這個決定嗎？為什麼敢於做出這樣的選擇？

黃仁勳

(00:10:53) 那是第一個幾乎可以說是關乎生死存亡的戰略決策。

萊克斯·弗裡德曼

(00:11:06) 給不瞭解這段歷史的人劇透一下，後來證明這是公司歷史上做出的最輝煌、最睿智的決策之一。CUDA 成為了這個 AI 基礎設施世界中令人難以置信的計算基礎。所以設定一下背景，這最終被證明是一個好決定。

黃仁勳

(00:11:27) 是的，後來證明這是一個好決定。事情是這樣的。我們發明了這個叫 CUDA 的東西，它擴大了我們的加速器可以加速的應用程序範圍。問題是，我們如何吸引開發者來使用 CUDA？因為計算平臺的核心是開發者。開發者不會僅僅因為一個平臺能執行一些有趣的操作就跑過來。他們來到一個計算平臺，是因為它的裝機量大。因為開發者和所有人一樣，想要開發能觸及大量用戶的軟件。裝機量實際上是架構中最重要的一部分。這個架構本身可能會招致大量的批評。

黃仁勳

(00:12:18) 例如，沒有哪個架構受到的批評比 x86 更多，它被認為是一個不夠優雅的架構，但它卻是當今的定義性架構。這是一個例子。實際上，許多由世界上最聰明的計算機科學家設計的極其優雅的 RISC 架構都在很大程度上失敗了。我舉了這兩個例子，一個是優雅的，另一個僅僅是勉強能用，然而 x86 存活了下來，原因在於——

萊克斯·弗裡德曼

(00:12:58) 裝機量就是一切。

黃仁勳

(00:12:59) 裝機量定義了架構。其他一切都是次要的，明白嗎？當時還有其他架構，CUDA 出來了，OpenCL 也在。有幾個競爭的架構。但我們做出的正確決定是，我們說：「聽著，歸根結底這是關於裝機量的問題，我們能把新計算架構推向世界的最好方法是什麼？」那個時候，GeForce 已經取得了成功。

黃仁勳

(00:13:29) 我們每年已經能賣出數百萬個 GeForce GPU。我們說：「我們應該把 CUDA 放到 GeForce 上，把它放進每一臺 PC 裡，不管客戶用不用，並把它作為培養我們裝機量的起點。」與此同時，我們去吸引開發者，去大學裡寫書、開課，把 CUDA 放到各個地方。漸漸地，人們發現了它。當時 PC 是主要的計算工具，還沒有云，我們可以把一臺超級計算機交到學校裡每個研究員、每個科學家、每個工科學院、每個學生的手中。最終，奇蹟一定會發生。

黃仁勳

(00:14:15) 問題在於，CUDA 極大地增加了 GPU 這個消費級產品的成本，完全吞噬了公司所有的毛利潤。那時候公司市值大概是 80 億美元？或者是六七十億美元？當我們推出 CUDA 後，我意識到它會增加很多成本，但這是我們堅信的東西。我們的市值一度跌到了大概 15 億美元。我們在谷底徘徊了一段時間，然後慢慢爬了回來，但我們堅持在 GeForce 上搭載 CUDA。我總是說英偉達是 GeForce 建立起來的殿堂，因為是 GeForce 把 CUDA 帶給了所有人。

黃仁勳

(00:15:10) 研究人員、科學家，他們之所以在 GeForce 上發現 CUDA，是因為他們中很多人也是遊戲玩家。很多人反正也要自己組裝 PC。在大學實驗室裡，很多人使用 PC 組件自己搭建集群。我們就是這樣起步的。

萊克斯·弗裡德曼

(00:15:31) 然後這成為了深度學習革命的平臺和基礎。

黃仁勳

(00:15:35) 那也是一個非常偉大的觀察結果。

萊克斯·弗裡德曼

(00:15:38) 在那個生死存亡的時刻，你還記得那些會議是什麼樣的嗎？作為一家公司決定拿一切去冒險，討論的情形是怎樣的？

黃仁勳

(00:15:48) 我必須向董事會表明我們想做什麼，管理團隊也知道我們的毛利率會被壓垮。你可以想象這樣一個世界：GeForce 揹負著 CUDA 的成本，但沒有遊戲玩家欣賞它，也沒有玩家願意為它買單。他們只願意付特定的價格，根本不在乎你的成本是多少。我們將成本增加了 50%，而我們原本是一家毛利率 35% 的公司。所以做出這個決定非常艱難。但你可以想象，總有一天它會進入工作站，進入超級計算機，在這些領域，也許我們能獲取更高的利潤。

黃仁勳

(00:16:36) 所以你可以用理性的推導讓自己覺得能承受這個代價，但這仍然花了十年時間。

萊克斯·弗裡德曼

(00:16:45) 那更多是與董事會溝通說服他們，但在心理層面，隨著英偉達不斷做出預測未來的大膽押注，並在一定程度上特別是現在定義了未來。我想向您請教一些智慧，關於您是如何有能力做出這些決策，帶領公司實現跨越的？

黃仁勳

(00:17:14) 首先，我有極強的好奇心。在某個時刻，會有一個推理系統非常清晰地使我確信這個結果將會發生。這必然會發生。所以在我的腦海中我是堅信的，當我內心堅信時，你也知道那是怎樣的。你在腦海中顯化了一個未來，那個未來如此令人信服，它不可能不發生。在這中間會有很多磨難，但你必須堅持你的信念。

萊克斯·弗裡德曼

(00:17:52) 所以你設想了未來，本質上從工程的角度，你將它變成了現實？

黃仁勳

(00:17:59) 是的。你要推理如何到達那裡。你要推理它為什麼必須存在。我們在這裡一起推理。管理團隊會去推理。我會花很多時間去推理。下一部分可能是一項管理技能。通常在領導層中，領導者會保持沉默，或者他們瞭解到一些事情，然後發表一些宣言：「這是全新的一年，到明年年底我們要有一個全新的計劃。」這裡進行大裁員，那裡進行大架構調整，提出新的使命宣言，設計新標識之類的東西。

黃仁勳

(00:18:43) 我從不這樣做。當我瞭解到某件事，並且它開始影響我的思考時，我會向我身邊的每個人明確表示：「這件事很有趣。這將會帶來改變。這將會影響那件事。」我會一步一步地去推理。很多時候我已經做出了決定，但我會抓住每一個可能的機會——外部信息、新的洞察、新的發現、工程上的新啟示、新設立的里程碑——我會利用這些機會來塑造其他人的信念系統。我幾乎每天都在這麼做。我和董事會這麼做，和管理團隊這麼做，和員工這麼做。

黃仁勳

(00:19:33) 我試圖塑造他們的信念系統，這樣當某天我說「嘿，我們收購 Mellanox 吧」時，大家都會覺得這是理所當然的，我們絕對應該買。當我說「夥計們，讓我們在深度學習上全力以赴」並且告訴他們原因時，其實我已經為公司內部的各個組織鋪好了磚。每個組織、每個人可能都聽到了一些內容，大多數人都聽到了其中的片段。當我宣佈的那天，每個人都已經接受了其中的許多部分。

黃仁勳

(00:20:19) 在很多方面，當我宣佈這些事情時，我能想象員工們都在說：「黃仁勳，你怎麼這麼久才說？」事實上，我一直在塑造他們的信念系統。所以領導力，有時候看起來像是你在後面引導，但你一直在塑造他們，直到我宣佈的那天，大家 100% 買賬。但這正是你想要的結果。你想帶所有人一起前進。否則，如果我們突然宣佈關於深度學習的計劃，所有人都會說：「你在說什麼？」如果你宣佈全力投入某件事，你的管理團隊、董事會、員工、客戶會覺得：「這是從哪兒冒出來的？」

黃仁勳

(00:21:02) 「這太瘋狂了。」如果你回顧過去的 GTC 大會，看看那些主題演講，其實我同時也在塑造行業內合作伙伴的信念系統，我利用這一點來塑造我員工的信念系統。所以到了我宣佈某件事的時候，比如我們剛剛宣佈了 Groq，其實過去兩年半我一直在談論相關的基石。你回顧過去會發現：「天哪，他們已經談論這個談了兩年半了。」我一直在一步一步地打地基，所以當時機成熟宣佈時，大家都在說：「你怎麼花了這麼長時間？」

萊克斯·弗裡德曼

(00:21:44) 但這不僅僅是在公司內部。你正在塑造這個行業，以及更廣泛的全球創新格局。把這些想法拋出來，你真的在使現實具象化。

黃仁勳

(00:21:53) 我們不造計算機。實際上我們不建雲。我們原來是一家計算平臺公司。所以沒有人能直接從我們這裡買到成品。這很奇妙。我們進行垂直整合以完成設計和優化，但在每個層級我們將整個平臺完全開放，以便集成到其他公司的產品、服務、雲、超級計算機和 OEM 計算機中。所以令人驚歎的是，如果沒有先說服他們，我根本做不成我現在做的事。GTC 大部分的作用就是展現未來，以至於當我們的產品準備好時，他們會說：「你怎麼這麼慢才拿出來？」

AI 縮放定律

萊克斯·弗裡德曼

(00:22:39) 是的。很長一段時間以來，你都是廣義縮放定律（Scaling Laws）的信徒。你現在依然相信縮放定律嗎？

黃仁勳

(00:22:49) 是的。現在我們有了更多的縮放定律。

萊克斯·弗裡德曼

(00:22:51) 我認為你總結了四個階段的縮放定律：預訓練、後訓練、測試時間（推理）和智能體（Agentic）縮放。當你思考未來，深遠的未來和近期的未來時，你最擔心、最讓你徹夜難眠、為了繼續擴展必須克服的阻礙是什麼？

黃仁勳

(00:23:12) 我們可以回顧一下人們過去認為是阻礙的因素。在最初的預訓練縮放定律階段。人們理所當然地認為，我們擁有的高質量數據量將限制我們能達到的智能水平。這個縮放定律非常重要。模型越大，相應更多的數據就會帶來更聰明的 AI。這就是預訓練。伊利亞·蘇茨克維（Ilya Sutskever）當時說：「我們的數據用光了」或者類似的話。「預訓練結束了」。整個行業都恐慌了，認為這就是 AI 的盡頭。但這顯然不是真的。

黃仁勳

(00:23:57) 我們將繼續增加用於訓練的數據量。其中很多數據可能是合成的（Synthetic），這也讓人們感到困惑。人們沒有意識到，或者忘記了，我們用來相互教導、相互告知的大部分數據其實也是「合成」的。它是合成的，因為它不是從自然界中直接長出來的。你創造了它。我消費它。我修改它，增強它，我重新生成它，其他人再消費它。我們現在已經達到了這樣一個水平：AI 能夠獲取基礎事實（Ground Truth），對其進行增強……合成生成海量的數據。

黃仁勳

(00:24:47) 後訓練這部分繼續擴展，因此我們可以使用的人類生成的數據量將變得越來越小。我們用來訓練模型的數據量將繼續增長，直到我們不再受限於數據……訓練現在受限於算力。原因就是大部分數據是合成的。然後下一個階段是測試時間（推理），我還記得人們告訴我：「推理？哦，那很簡單。預訓練才難呢。那可是巨型系統。推理肯定很簡單。所以推理芯片只會是一些小芯片——」

黃仁勳

(00:25:32) 「它們不會像英偉達的芯片那樣。那太複雜、太昂貴了。在未來，推理將是最大的市場，它會變得很簡單，我們會把它商品化。每個人都能造自己的芯片。」這對我來說一直是不合邏輯的，因為推理就是思考，而我認為思考很難。思考比閱讀難得多。

黃仁勳

(00:25:59) 預訓練只是記憶和泛化，在關係中尋找模式。你只是在不停地讀。而測試時間縮放（推理）涉及的是思考、推理、解決問題。將未探索的經歷、新經驗分解為可解決的片段，然後我們通過第一性原理推理，或通過以前的例子和先前的經驗去解決它。或者僅僅是探索、搜索、嘗試不同的方法。推理階段的整個測試時間縮放過程，實際上是關於思考的。它是關於推理、規劃和搜索的。

黃仁勳

(00:26:50) 這怎麼可能是輕算力的呢？我們在這方面完全正確。測試時間的擴展是極度耗費算力的。接下來的問題是，現在我們在推理和測試時間縮放階段，那這之後是什麼？顯然，我們現在創造了一個智能體「人」，這個智能體「人」擁有我們開發的大語言模型。但在測試期間，這個智能體系統會去進行研究，敲擊數據庫，去使用各種工具，而它做的最重要的一件事，就是衍生並生成一大堆子智能體（Sub-agents）。這意味著我們正在組建龐大的團隊。通過僱傭更多的員工來擴展英偉達，比擴展我自己要容易得多。

黃仁勳

(00:27:44) 因此，下一個縮放定律就是智能體縮放定律（Agentic Scaling Law）。這就好比複製 AI。我們可以隨心所欲地快速衍生智能體。所以，我總結了四個維度的縮放定律。噹噹我們使用智能體系統時，它們會創造更多的數據，創造大量的經驗。對於其中一些，我們會說：「哇，這真的很好。我們應該把這個記住。」

黃仁勳

(00:28:12) 然後這個數據集又會回到預訓練階段。我們記憶並泛化它。然後我們在後訓練階段對其進行微調和完善。接著我們利用測試時間和智能體系統進一步增強它，然後輸出到行業中。這個循環會不斷持續下去。歸根結底，智能水平將通過一件事來擴展，那就是算力。

萊克斯·弗裡德曼

(00:28:41) 但這裡有一個棘手的問題，你必須預測未來，因為其中一些組件需要不同類型的硬件才能以最佳狀態運行。所以你必須預測 AI 的創新將走向何方。比如，混合專家模型（MoE）——

黃仁勳

(00:28:57) 非常對。

萊克斯·弗裡德曼

(00:28:58) 帶有稀疏性的模型。

黃仁勳

(00:28:59) 完全正確。

萊克斯·弗裡德曼

(00:29:00) 硬件不可能在一週內說換就換。你必須預測未來的形態。要做到這點非常可怕，也非常困難，對吧？

黃仁勳

(00:29:09) 比如，這些 AI 模型架構大約每六個月就會更新一次。而系統架構和硬件架構大約三年更新一次。所以你需要預測兩三年後可能會發生什麼。有幾種方法可以做到這一點。首先，我們自己在內部進行研究，這也是為什麼我們既有基礎研究，也有應用研究的原因。

黃仁勳

(00:29:40) 我們創建自己的模型。因此我們在這裡有第一手的生活經驗。這是我談到的協同設計的一部分。我們也是世界上唯一一家幾乎與世界上所有 AI 公司合作的 AI 公司。我們在力所能及的範圍內，試圖去感知人們正在經歷哪些挑戰。

萊克斯·弗裡德曼

(00:29:59) 所以你在傾聽整個行業、各大 AI 實驗室的低語。

黃仁勳

(00:30:02) 沒錯。你必須傾聽並向所有人學習。最後一部分是擁有一個靈活的、能隨風而動的架構。CUDA 的好處之一是，一方面它是極其強大的加速器；另一方面，它非常靈活。這種在專業化（否則無法加速 CPU）和通用性（以便適應不斷變化的算法）之間的驚人平衡，非常非常重要。這也是為什麼 CUDA 一方面極具韌性，另一方面我們還能不斷對其進行增強。

黃仁勳

(00:30:44) 我們現在已經到了 CUDA 13.2。我們進化架構的速度非常快，以至於我們能夠跟上現代算法的步伐。例如……當混合專家模型（MoE）出現時，這就是我們推出 NVLink 72 而不是 NVLink 8 的原因。我們現在可以將一個擁有 4 萬億、10 萬億參數的模型放入一個計算域中，就好像它在一個 GPU 上運行一樣。人們可能沒注意到我說過這句話，但如果你看看 Grace Blackwell 機架的架構，它完全專注於做一件事：處理大語言模型（LLM）。僅僅一年後，你看到了 Vera Rubin 機架。它有存儲加速器，有被稱為 Vera 的出色新 CPU。它有 Vera Rubin 和 NVLink 72 來運行 LLM。

黃仁勳

(00:31:46) 它還擁有一個名為 Rock 的全新附加機架。所以這整個機架系統與上一個完全不同，它包含了所有這些新組件。原因在於上一代系統是為了運行 MoE 大型語言模型推理設計的。而這一代是為了運行智能體，智能體會調用各種工具。

萊克斯·弗裡德曼

(00:32:10) 顯然，該系統的設計肯定在 Open-Claude、Codex 等出現之前就已經完成了。所以你本質上是在預判未來。這來源於什麼？來自於行業內的低語，還是對技術最前沿的理解？

黃仁勳

(00:32:25) 不。

萊克斯·弗裡德曼

(00:32:25) 不是？

黃仁勳

(00:32:26) 沒那麼複雜。你只需要去推理。不管發生什麼，如果在某個時候我們要讓大語言模型成為一個數字工作者……讓我們用這個比喻。假設我們希望 LLM 成為數字工作者。它必須做什麼？它必須訪問基礎事實（Ground truth）。那就是我們的文件系統。它必須能夠做研究。它不可能無所不知。我不想等到這個 AI 變得對過去、現在和未來的一切都無所不知之後再讓它發揮作用。因此，我不如讓它去做研究。很明顯；如果它想幫我，它就得使用我的工具。

黃仁勳

(00:33:13) 很多人會說：「AI 會徹底摧毀軟件。我們不再需要軟件了。我們甚至不再需要工具了。」這太荒謬了。讓我們用一個思想實驗。你可以坐在那兒，品一杯威士忌，思考所有這些事情，一切都會變得顯而易見。如果我們要在未來 10 年內創造出能想象到的最神奇的智能體，假設它是一個人形機器人。如果這個人形機器人被創造出來，它是更有可能走進我家，用我現有的工具來完成它的工作？

黃仁勳

(00:33:54) 還是說它的手在一個場景下變成一把 10 磅重的錘子，在另一個場景下變成手術刀，而為了燒水，它的手指能發射微波？或者是它更可能直接使用微波爐？第一次走向微波爐時，它可能不知道怎麼用。但沒關係。它連接在互聯網上。它讀取這臺微波爐的手冊，讀完後立刻成為專家。然後它就可以使用了。我認為我剛才描述的，實際上幾乎囊括了 Open-Claude 的所有屬性。

黃仁勳

(00:34:35) 它將使用工具，訪問文件，能夠進行研究。它有一個 IO 子系統。當你以這種方式推理完畢後，你會說：「天哪，這對計算未來的影響是極其深遠的。」原因是，我認為我們剛剛重新發明了計算機。然後你現在會問：「好，我們是什麼時候推理出這個的？我們什麼時候推理出 Open-Claude 的？」如果你去看我在 GTC 大會上使用過的 Open-Claude 示意圖，你會發現那是兩年前的事。就在兩年前的 GTC 上，我就在談論智能體系統，這與今天的 Open-Claude 完全吻合。當然，許多事情必須匯聚在一起才能發生。

黃仁勳

(00:35:26) 首先，我們需要 Claude、GPT 以及所有這些模型達到一定的能力水平。因此，他們的創新、突破和持續進步非常重要。然後，當然有人必須創建一個足夠穩健、足夠完整的開源項目，以便我們大家都能將其投入使用。我認為 Open-Claude 對智能體系統的影響，就如同 ChatGPT 對生成式系統的影響一樣。我認為這是一件非常重要的事情。

萊克斯·弗裡德曼

(00:36:02) 是的，這是一個非常特殊的時刻。我不太確定為什麼它能吸引全世界如此多的關注，但它確實做到了，甚至比 Claude Code 和 Codex 等還要引人矚目。

黃仁勳

(00:36:12) 因為消費者能夠接觸到它。

萊克斯·弗裡德曼

(00:36:13) 確實。但這很大程度上也是一種氛圍。彼得（Peter），我曾邀請他上過播客，他是個很棒的人。所以部分原因也是代表這個產品的人帶來的影響。

黃仁勳

(00:36:25) 毫無疑問。

萊克斯·弗裡德曼

(00:36:25) 部分原因是因為迷因（Memes），而且我們都在試圖弄清楚它。當擁有如此強大的技術時，如何移交你的數據讓它們能做有用的事？這裡存在極其嚴肅且複雜的安全問題，與之相關的事情也很可怕。無論是作為個體還是作為一種文明，我們都在摸索如何找到正確的平衡點。

黃仁勳

(00:36:44) 是的，我們立刻採取了行動，派出了許多安全專家。我們做了一個叫做 OpenShell 的項目。它已經被集成到了 Open-Claude 中。

萊克斯·弗裡德曼

(00:36:55) 英偉達推出了 NemoClaw（注：此處指英偉達相關安全工具）。

黃仁勳

(00:36:58) 沒錯。

萊克斯·弗裡德曼

(00:36:59) 它安裝起來非常簡單，能確保安全性。

黃仁勳

(00:37:03) 我們給你三項權限中的兩項。智能體系統可以訪問敏感信息，可以執行代碼，也可以與外部通信。如果我們在任何時候只給你這三項能力中的兩項，而不是全部三項，我們就能保證安全。在授予的這兩項能力中，我們還根據企業賦予你的任何權利來提供訪問控制。然後我們將其連接到所有這些企業已經擁有的策略引擎上。所以我們將盡最大努力幫助 Open-Claude 變得更好。

AI 縮放定律的最大阻礙

萊克斯·弗裡德曼

(00:37:40) 你雄辯地解釋了我們如何擁有著一段被認為是阻礙、但最終我們克服了阻礙的漫長曆史。但現在展望未來，既然智能體將無處不在已經顯而易見，顯然我們需要大量的算力。那麼，進一步擴展的阻礙將會是什麼？

黃仁勳

(00:37:59) 電力是一個顧慮，但不是唯一的顧慮。這也是我們為什麼大力推進極限協同設計的原因，以便我們每年都能將每瓦每秒生成的 Token 數提高几個數量級。在過去的 10 年中，按照摩爾定律，計算能力會提高大約 100 倍。而我們在過去 10 年中通過擴大規模，將計算能力提升了一百萬倍。我們將通過極限協同設計繼續這樣做。能效，即每瓦性能，完全影響著一家公司的收入，影響著一家工廠的收入。我們將把能效推向極限，以便儘可能快地降低 Token 的成本。

黃仁勳

(00:38:51) 我們的計算機價格在上漲，但我們生成 Token 的效率提升得快得多，因此 Token 的成本正在下降。每年都在以一個數量級的速度下降。

萊克斯·弗裡德曼

(00:39:04) 電力是一個很有趣的問題。試圖繞過電力障礙的方法是，通過提高每瓦每秒生成的 Token 數，使其變得越來越高效。當然，如何獲取更多的電力也是個問題。

黃仁勳

(00:39:16) 我們確實也應該獲取更多電力。

供應鏈

萊克斯·弗裡德曼

(00:39:17) 這是一個非常複雜的問題。你談到過小型模塊化核電站。針對能源有很多想法。AI 供應鏈的瓶頸問題有多少次讓你徹夜難眠？比如擁有 EUV 光刻機的 ASML，擁有像 CoWoS 這樣的先進封裝技術的臺積電，以及擁有高帶寬內存的 SK 海力士？

黃仁勳

(00:39:38) 一直都在想，我們無時無刻不在解決這些問題。歷史上從未有一家公司在以我們這樣的規模增長的同時，還能加速這種增長。這簡直難以置信。人們甚至很難理解這一點。在整個 AI 計算領域，我們正在增加市場份額。因此，供應鏈的上下游對我們來說都極其重要。我花了很多時間與我合作的所有 CEO 交流：有哪些動態將促使這種增長繼續甚至加速？這部分原因解釋了為什麼在 GTC 上，坐在我右邊的幾乎是整個上游 IT 行業的 CEO 和整個下游基礎設施行業的 CEO。

黃仁勳

(00:40:32) 他們都在。有好幾百位 CEO。我不認為歷史上曾有過幾百位 CEO 出席的主題演講。原因之一是，我在告訴他們我們現在的業務狀況。我在告訴他們不久的將來的增長驅動力以及正在發生的事情。我還在描述我們下一步將走向何方，以便他們可以利用所有這些信息和動態來指導他們的投資決策。就像我通知我自己的員工一樣，我也這樣通知他們。

內存

黃仁勳

(00:41:06) 當然，然後我會親自去拜訪他們，確保「嘿，聽著，我希望你們知道，在這個季度、今年、明年，這些事情將會發生。」如果你去看看 DRAM（動態隨機存取內存）行業的 CEO 們——世界上排名第一的 DRAM 曾經是數據中心 CPU 使用的 DDR 內存。大約三年前，我成功說服了幾位 CEO：儘管當時 HBM（高帶寬內存）的使用非常稀少，甚至超級計算機都很少用，但這將成為未來數據中心的主流內存。一開始這聽起來很荒謬，但有幾位 CEO 相信了我，並決定投資製造 HBM 內存。

黃仁勳

(00:41:55) 另一種放到數據中心顯得有些奇怪的內存是用於手機的低功耗內存。我們希望他們能對其進行改造，以適用於數據中心的超級計算機。他們說：「用手機內存做超級計算機？」我向他們解釋了原因。現在看看這兩種內存：LPDDR5 和 HBM4。需求量簡直驚人。這三家公司（生產這些內存的）都迎來了歷史上創紀錄的一年，而這些都是擁有 45 年曆史的老牌公司。所以，我的部分工作就是去告知、塑造和啟發。

萊克斯·弗裡德曼

(00:42:36) 所以你不僅僅是在構想未來並激勵英偉達公司的不同工程師，你還在塑造未來的供應鏈。你在和臺積電、ASML 進行對話。

黃仁勳

(00:42:50) 上游、下游。

萊克斯·弗裡德曼

(00:42:51) 上游，下游。所以這就是關鍵。

黃仁勳

(00:42:53) GE（通用電氣）、Caterpillar（卡特彼勒）。沒錯，那是我們的下游。就是這樣。

萊克斯·弗裡德曼

(00:42:59) 是的，整個系統。整個半導體行業涉及的極度困難的工程技術太多了，供應鏈是如此錯綜複雜，組件如此之多，這讓人感到可怕，但它竟然奇蹟般地運轉起來了。

黃仁勳

(00:43:18) 沒錯，深度的科學。深度的工程，不可思議的製造。如今大部分製造都已經是機器人化了。但我們有幾百家供應商，他們提供的技術組成了我們擁有 130 萬個組件的機架。每個機架有一百三十到一百五十萬個組件。Vera Rubin 機架背後有 200 家供應商。

萊克斯·弗裡德曼

(00:43:45) 有趣的是，在讓你徹夜難眠的阻礙清單中，你沒有列出這一點。

黃仁勳

(00:43:49) 因為我已經做了所有必要的事情去——

萊克斯·弗裡德曼

(00:43:52) 好的。

黃仁勳

(00:43:52) 明白了嗎？我可以安心睡覺了，因為我已經搞定了。我對自己說：「好了，讓我推理一下。什麼對我們最重要？」因為我們將系統架構從你記憶中最初的 DGX-1 改變為 NVLink-72 機架級計算——這意味著什麼？這對軟件意味著什麼？對工程意味著什麼？對我們設計和測試的方式意味著什麼？這對供應鏈意味著什麼？其中一個影響是，我們將原本在數據中心進行的超級計算機集成工作，前置到了供應鏈中的超級計算機制造環節。

黃仁勳

(00:44:42) 如果你這麼做，你還必須認識到……假設你想建一個數據中心，需要 50 千兆瓦的超級計算機同時運行，而在供應鏈中製造那 50 千兆瓦的超級計算機需要一週的時間。那麼供應鏈每週就需要一千兆瓦的電力來構建和測試這些在供應鏈中的超級計算機，然後我才能發貨。

萊克斯·弗裡德曼

(00:45:25) 哦。

黃仁勳

(00:45:25) 而 NVLink-72 真的是在供應鏈裡構建超級計算機，然後以每個機架兩三噸的重量直接發貨。過去組件是分開運來的，我們在數據中心內部組裝。但現在不可能了，因為 NVLink-72 的密度太高了。所以這就是一個例子。我必須飛到供應鏈那裡，去見我的合作伙伴，說：「嘿，猜猜看？這就是我們將要做的……這是我們過去構建 DGX 的方式。現在我們要這樣構建。這將會好得多，因為我們在推理方面將需要它們。」推理的市場正在到來。推理的拐點即將到來。這將是一個巨大的市場。

黃仁勳

(00:46:05) 首先我向他們解釋發生了什麼，為什麼會發生，然後我要求他們每家都投入幾十億美元的資本支出。因為他們信任我，我也非常尊重他們，我給他們充分的機會來質疑我，我花時間向人們解釋事物，用第一性原理去推理。我畫圖表，進行第一性原理推理。當我跟他們談完時，他們知道該怎麼做了。

萊克斯·弗裡德曼

(00:46:35) 所以很大一部分是關於關係，以及建立對未來的共同願景。但你會擔心某些瓶頸嗎？供應鏈中最大的瓶頸是什麼？你擔心 ASML 的 EUV 工具嗎？擔心臺積電的 CoWoS 封裝技術擴張速度夠不夠快嗎？正如你所說，你們不僅增長得難以置信地快，而且還在加速增長。感覺供應鏈中的每個人，這些顯然都是瓶頸環節，都必須擴大規模。你有沒有和他們溝通，比如如何才能更快地擴大規模？

黃仁勳

(00:47:12) 無時無刻不在溝通。

萊克斯·弗裡德曼

(00:47:12) 你擔心嗎？

黃仁勳

(00:47:13) 不擔心。

萊克斯·弗裡德曼

(00:47:13) 好的。

黃仁勳

(00:47:14) 因為我已經告訴他們我需要什麼。他們理解了我的需求。他們告訴了我他們將去做什麼，我也相信他們會去做到。

電力

萊克斯·弗裡德曼

(00:47:22) 很有意思。聽到這個太好了。我們再在電力問題上稍作停留。你對解決能源問題有什麼期望？

黃仁勳

(00:47:30) 萊克斯，這是我特別想探討的一個領域，把這個信息傳遞出去。我們的電網是為最壞的情況設計的，並且還留有一定的餘量。但實際上 99% 的時間裡，我們根本達不到最壞的情況，因為最壞的情況僅僅是冬天最冷的幾天、夏天最熱的幾天以及極端天氣。大多數時候我們遠沒有達到極限情況，可能只運行在峰值負荷的大約 60%。

黃仁勳

(00:48:08) 所以 99% 的時間裡，我們的電網都有多餘的電力被閒置著。但它們必須被閒置備用，以防萬一。當關鍵時刻到來時，醫院必須有電，基礎設施必須有電，機場必須運轉等等。我的問題是，我們是否可以去幫助他們理解並簽訂合同協議，重新設計計算機架構系統和數據中心。這樣，當社會基礎設施需要最大電力時，數據中心獲得的電力就會減少。

黃仁勳

(00:48:49) 反正這種情況也非常罕見。在那段時間裡，我們或者為那一小部分需求配備備用發電機，或者讓我們的計算機將工作負載轉移到其他地方，或者讓計算機運行得慢一點。我們可以降低性能，減少功耗，並在有人請求答案時提供稍微長一點的延遲響應。我認為，相比於期望 100% 的正常運行時間——這些要求極其嚴苛的合同給電網帶來了巨大的壓力，現在他們將不得不進一步提高最大容量。我只是想利用他們閒置的多餘電力而已。

萊克斯·弗裡德曼

(00:49:36) 是的，這個話題討論得還不夠。是什麼阻礙了這一點？是監管嗎？是官僚主義嗎？

黃仁勳

(00:49:43) 我認為這是一個三方面的問題。首先是從最終客戶開始的。最終客戶對數據中心提出要求，認為它們絕對不能出現不可用的情況。所以最終客戶期望的是完美。為了交付這種完美，你需要發電機和電網供應商結合起來兌現這 100% 的承諾。每個人都要求「六個九」（99.9999% 的可用性）。首先，現在我們必須讓所有人都明白，當客戶提出這些要求時，你們數據中心運營團隊的人可能並沒有和 CEO 溝通。我打賭 CEO 不知道這件事。我要去和所有的 CEO 談談。

黃仁勳

(00:50:28) CEO 們可能根本沒關注正在簽署的合同條款，所有人當然都想籤最好的合同。他們去找雲服務提供商（CSP），那些參與談判的合同談判員……我都能想象出他們的樣子。他們談判這些多年的合同，雙方都想要最有利的條款。結果就是，CSP 接著去找公用事業公司，要求「六個九」的保障。我認為第一件事就是要確保所有客戶、CEO 們明白他們到底在要求什麼。第二件事，我們需要建設能夠優雅降級（Gracefully degrade）的數據中心。

黃仁勳

(00:51:13) 所以，如果公用事業公司、電網告訴我們：「聽著，我們必須把你們的電力供應降到 80%。」我們會說：「完全沒問題。」我們會移動工作負載。我們會確保數據絕不丟失，但我們可以降低計算速率，使用更少的能源。服務質量會稍微下降一點。對於關鍵工作負載，我立刻把它轉移到其他地方，這樣我就沒有問題了。找到仍然擁有 100% 正常運行時間的數據中心。

萊克斯·弗裡德曼

(00:51:44) 在數據中心裡實現智能的、動態的電力分配，這是一個多難的工程問題？

黃仁勳

(00:51:49) 只要你能設定出規範，你就能把它造出來。這句話說得很好。只要它符合第一性原理和物理定律，我認為就沒問題。

萊克斯·弗裡德曼

(00:51:58) 你剛提到的第三件事是什麼？

黃仁勳

(00:52:00) 所以第二件事是數據中心。第三件事是我們需要公用事業公司也認識到這是一個機會。與其說「聽著，我需要五年時間才能增加電網容量」，不如說「如果你願意接受這種保障級別的電力，我下個月就能以這個價格為你提供」。如果公用事業公司提供更多不同層級的電力交付承諾，我認為所有人都能找出應對之策。目前電網裡的浪費實在是太多了。我們應該去解決這個問題。

埃隆·馬斯克與 Colossus

萊克斯·弗裡德曼

(00:52:43) 你高度讚揚了埃隆·馬斯克和 xAI 在孟菲斯（Memphis）的成就，他們在創紀錄的時間內——僅僅四個月，就建成了 Colossus 超級計算機。現在它擁有 20 萬個 GPU，並且還在快速增長。在你的理解中，他解決問題的方法是否對所有數據中心建設者都有指導意義，從而促成了那樣的成就？他對待工程的態度，對待整個建設管理的方法？

黃仁勳

(00:53:15) 首先，埃隆在很多不同領域都有很深的造詣。同時，他也是一個非常優秀的系統思考者。因此，他能夠貫穿多個學科進行思考，他顯然會推動事物發展，質疑一切：第一，這是必要的嗎？第二，必須這樣用這種方式做嗎？第三，需要花這麼長時間嗎？他有能力質疑一切，直到把所有東西縮減到絕對必要的最低限度，你無法再剔除任何東西，而產品依然保留了必需的功能。他做到了你能想象到的極致的極簡主義，並且是在系統層面上做到這一點的。我還喜歡的一點是，他會親臨現場。

黃仁勳

(00:54:25) 他會親自去那裡。如果出現問題，他就會直接去現場說：「把問題指給我看。」當你將這些結合起來時，你就克服了許多過去的慣性思維：「我們一直都是這樣做的」，「我在等他們」。這完全是在找藉口。最後一點，當你帶著如此強烈的緊迫感親力親為時，會讓所有人也充滿緊迫感。每個供應商都在同時處理很多客戶的很多項目，但他有辦法讓他自己成為其他所有人項目中優先級最高的那一個。他通過親身示範做到了這一點。

萊克斯·弗裡德曼

(00:55:09) 是的，我參加過很多那樣的會議。看他工作很有趣，因為真的沒有足夠多的人會去問這樣的問題：「這能做得更快一點嗎？怎麼做？為什麼非得花這麼長時間？」

黃仁勳

(00:55:21) 是的，對。

萊克斯·弗裡德曼

(00:55:22) 然後這通常會變成一個工程問題。當你到了解實際的基層真相時……我記得有一次我和他在一起，他真的在從頭到尾過一遍如何將電纜插入機架的整個流程。他與在現場執行該任務的工程師合作，他只是想了解這個過程是什麼樣的，如何才能減少出錯的可能。從組裝數據中心的每一個單項任務中建立直覺——

萊克斯·弗裡德曼

(00:55:52) 你開始在細節尺度和廣闊的系統尺度上立刻感覺到哪裡存在低效，因此你可以讓它變得越來越高效。此外，你還擁有強大的執行力去說：「讓我們完全用不同的方式來做——」

黃仁勳

(00:56:08) 是的。沒錯。

萊克斯·弗裡德曼

(00:56:09) 「——並移除所有可能的阻礙。」

黃仁勳

(00:56:10) 沒錯。

黃仁勳的工程與領導哲學

萊克斯·弗裡德曼

(00:56:11) 你覺得英偉達極限系統協同設計的方法，與埃隆處理系統工程的方式有相似之處嗎？

黃仁勳

(00:56:18) 首先，協同設計是終極的系統工程問題。所以我們從第一性原理出發來開展工作。我們做的另一件事——這也是我在 30 年前提出的一種哲學、一種心態或者說一種方法——叫做「光速」。光速不僅僅是指速度。光速是我的一個縮略語，代表著物理學的極限所在。所以我們做的每一件事都會與「光速」進行對比。內存速度、數學計算速度、電力、成本、時間、精力、人員數量、製造週期時間。

黃仁勳

(00:57:09) 當你思考延遲與吞吐量的權衡，當你思考成本與吞吐量、成本與容量的關係時，你會對所有這些不同的約束條件分別進行測試，將其逼近物理極限（光速）。然後當你綜合考量時，你知道必須做出妥協。因為實現極低延遲的系統架構與實現極高吞吐量的系統架構在根本上是不同的。但你想知道實現高吞吐量系統的極限是什麼？實現低延遲系統的極限又是什麼？然後當你考慮整個系統時，你就可以進行權衡。所以我強迫每個人從第一性原理、從極限出發去思考。

黃仁勳

(00:58:01) 在做任何事情之前，想想物理學允許的極限在哪裡。我們用這個標準來測試一切。這是一種很好的思維框架。我不太喜歡另一種被稱為「持續改進」的方法。持續改進的問題在於……首先，你應該利用「光速思維」，從第一性原理出發來設計工程，僅受限於物理極限。當然，在這之後你會隨著時間不斷改進它。但我不喜歡面對一個問題時，有人說：「嘿，現在做這件事需要 74 天。我們現在能幫你縮短到 72 天。」我寧願把它全部推倒重來，歸零。

黃仁勳

(00:58:52) 然後說：「首先，解釋給我聽為什麼一開始需要 74 天。想想看我們今天能做到什麼程度。如果我完全從零開始構建它，需要多長時間？」通常，你會感到驚訝，答案可能是 6 天。剩下的那部分，從 6 天到 74 天的差距，可能是基於非常合理的妥協、降低成本以及各種各樣的原因。但至少你知道這些差距在哪。既然你知道 6 天是有可能實現的，那麼從 74 天探討如何降到 6 天的對話，就會極其有效得多。

萊克斯·弗裡德曼

(00:59:30) 在你構建如此極其複雜的系統時，簡單性有時是一個值得追求的好啟發式原則嗎？拿你們發佈的 Vera Rubin 計算艙（Pod）來說，這真是令人難以置信。我們談論的是 7 種芯片、7 種芯片類型、5 種專用機架類型、40 個機架、1.2 千萬億個晶體管、近 2 萬個英偉達裸片、超過 1100 個 Rubin GPU、60 百億億次浮點運算能力（exaflops）、10 PB/s 的擴展帶寬。而這僅僅是一個……

黃仁勳

(01:00:03) 這僅僅是一個計算艙。

萊克斯·弗裡德曼

(01:00:04) 僅僅是一個計算艙。

黃仁勳

(01:00:06) 是的，僅僅是一個計算艙。

萊克斯·弗裡德曼

(01:00:07) 所以你有……甚至單單一個 NVL72 機架就有 130 萬個組件，1300 個芯片，4000 根線纜，全部塞進一個寬 19 英寸的機架裡。

黃仁勳

(01:00:19) 而且萊克斯，我們可能每週都要生產大約 200 個這樣的計算艙，給你提供個視角。

萊克斯·弗裡德曼

(01:00:25) 組件數量如此之多，我猜想「簡單性」是不可能實現的。但是在嘗試設計時，它是否會作為一種你努力追求的衡量指標？

黃仁勳

(01:00:35) 我最常說的一句話是，我們需要事物像必要時那樣複雜，但又要儘可能簡單。所以問題是，所有這些複雜性都是必要的嗎？我們必須對此進行測試，必須提出挑戰。除此之外的任何多餘的東西都是不必要的。

萊克斯·弗裡德曼

(01:00:56) 但這幾乎是不可思議的。從整個半導體行業來看，英偉達正在做的是歷史上最偉大的工程之一。這些系統真的是工程學的奇蹟。

黃仁勳

(01:01:10) 它是世界上製造過的最複雜的計算機。

萊克斯·弗裡德曼

(01:01:13) 是的，這些工程團隊。我不是在比較，如果有一個工程團隊的奧運會，臺積電在各個層面上都做著令人難以置信的工程工作，正如我所說的 ASML 也是，但英偉達絕對是強有力的競爭者。真是令人驚歎的團隊。

黃仁勳

(01:01:28) 可以說，這是每個單項運動的金牌得主，全都聚集在這裡了。

(01:01:33) ……並且必須協同工作。而且直接向你彙報。這真是太棒了。你最近去了中國。所以問你這個問題很有意思，中國在建設其科技領域方面取得了令人難以置信的成功。據你瞭解，中國是如何在過去 10 年裡建立起這麼多令人難以置信的世界級公司、世界級工程團隊，以及這個技術生態系統……從而生產出這麼多令人驚歎的產品的？

黃仁勳

(01:02:05) 原因有很多……嗯，首先，讓我們從一些事實開始。全球大約 50% 的 AI 研究人員是華人，而且他們大多仍在中國。我們這裡也有很多，但中國仍然有很出色的研究人員。他們的科技產業出現的時間點非常精準。在移動雲時代，他們貢獻的方式是軟件，所以這個國家有著在科學和數學方面受過良好教育的優秀孩子。他們的科技產業是在軟件時代創建的。他們對現代軟件非常熟悉。中國不是一個單一的經濟大國。它有很多省份和城市，其市長們相互競爭。

(01:03:01) 這就是為什麼有這麼多電動汽車公司。這就是為什麼有這麼多 AI 公司。這就是為什麼有這麼多——你能想象到的每一類公司，他們都會創立其中一些。因此，結果就是他們內部有著極其激烈的競爭。你知道，最終存活下來的是那些令人難以置信的公司。他們的社會文化也是，家庭第一，朋友第二，公司第三。所以他們之間的交流非常多……他們本質上一直是開源的。

(01:03:47) 所以他們為開源做出更多貢獻是非常合理的，因為他們可能會想，「我們要保護什麼呢？」我的工程師，他們的兄弟在那家公司，他們的朋友在那家公司，他們都是校友。你知道，校友這個概念。一旦是校友，就是一生的兄弟。所以他們分享知識非常非常快。所以保守技術秘密沒有意義。還不如把它開源。然後開源社區會放大、加速創新過程。所以你得到了這種快速、令人難以置信的優秀人才，由於開源以及朋友間的交流性質和激烈的競爭，創新速度極快。

(01:04:35) 在公司之間，湧現出來的東西是不可思議的。所以這是當今世界上創新最快的國家，而這一點，我剛才所說的一切，都從根本上解釋了這些孩子是如何成長的，他們擁有出色的教育，父母希望他們在學校表現出色，他們的文化就是如此。這些，你知道，這些都是他們國家的一些特點，而且他們恰好在技術呈指數級發展的時代出現了。

萊克斯·弗裡德曼

(01:05:09) 另外，從文化上來說，成為一名工程師是很酷的事情。這與你提到的所有因素都有關聯……

黃仁勳

(01:05:16) 這是一個建設者國度。

萊克斯·弗裡德曼

(01:05:18) 這是一個建設者國度。

黃仁勳

(01:05:19) 是的，這是一個建設者國度。我們國家的領導人，很了不起，但大多是律師。他們國家的領導人——因為我們要靠法治來保障安全——他們的國家是從貧困中建立起來的。所以他們的大多數領導人都是了不起的工程師。一些最聰明的人。

萊克斯·弗裡德曼

(01:05:43) 稍微岔開一下，因為你提到了開源，我必須提到 Perplexity，你長期以來一直是它的粉絲。

黃仁勳

(01:05:51) 很喜歡，是的。

萊克斯·弗裡德曼

(01:05:52) 感謝你開源了 Nemotron 3 Super，你也可以在 Perplexity 裡面用它來查找信息。這是一個 1200 億參數的開源權重 MoE 模型。你對開源有什麼願景？你提到了中國，提到了 DeepSeek 和 MiniMax，所有這些公司都在真正推動開源 AI 運動，而英偉達在接近最先進水平的開源大語言模型方面確實處於領先地位。你對此的願景是什麼？

黃仁勳

(01:06:28) 首先，如果我們要成為一家偉大的 AI 計算公司，我們必須理解 AI 模型是如何演變的。

(01:06:36) 我喜歡 Nemotron 3 的一點是，它不僅僅是一個純粹的 Transformer 模型，它結合了 Transformer 和 SSM。而且我們很早就開始開發條件 GAN，也就是漸進式 GAN，它一步步地引向了擴散模型。所以，我們在模型架構和不同領域進行基礎研究，這讓我們能夠洞察什麼樣的計算系統對未來模型有好處。這是我們極致協同設計策略的一部分。第二，我認為我們正確地認識到，一方面，我們希望將世界級的模型作為產品，它們應該是專有的。另一方面，我們也希望 AI 能夠滲透到每一個行業、每一個國家、每一位研究人員、每一位學生中。

(01:07:37) 如果一切都是專有的，那麼進行研究就很難，在其基礎上、周圍、與之一起創新也很難。所以……開源對於許多行業加入 AI 革命是根本必要的。英偉達擁有規模，我們也有動力——不僅有技能、規模，還有動力——只要我們還存在，就持續構建這些 AI 模型。因此，我們應該這樣做。我們可以開放，我們可以激活每一個行業、每一位研究人員、每一個國家，讓他們能夠加入 AI 革命。還有第三個原因，那就是認識到 AI 不僅僅是語言。這些 AI 很可能會使用基於其他信息模態訓練的工具、模型和子代理。

(01:08:39) 可能是生物學、化學、物理學定律，或者流體力學和熱力學，並非所有這些都包含在語言結構中。所以必須有人去確保天氣預報、生物學 AI、用於生物學的 AI、物理 AI，所有這些都能被推向極限，推向前沿。我們不製造汽車，但我們希望確保每個汽車公司都能接觸到優秀的模型。我們不發現藥物，但我希望確保禮來公司擁有世界上最好的生物學 AI 系統，這樣他們就可以用它來發現藥物。所以這三個根本原因，既認識到 AI 不僅僅是語言，AI 非常廣泛，我們希望讓每個人都參與到 AI 世界中來，同時也要進行 AI 的協同設計。

萊克斯·弗裡德曼

(01:09:32) 嗯，我必須說，再次感謝你開源，真正地開源了 Nemotron 3 以及……

黃仁勳

(01:09:39) 是的，謝謝你提到這一點。我們開源了模型，開源了權重，開源了數據，開源了我們創建它的方法。是的，這非常了不起。

臺積電與中國臺灣

萊克斯·弗裡德曼

(01:09:48) 這真的非常了不起。你來自中國臺灣，並且與臺積電關係密切。所以我得問問，我認為臺積電在工程團隊和他們所做的令人難以置信的工程工作方面，也是一家傳奇公司。你如何理解臺積電的文化和方法，來解釋他們是如何在半導體領域所做的一切中取得這種獨一無二、無與倫比的成功的？

黃仁勳

(01:10:19) 你知道，首先，關於臺積電最深的誤解是，他們擁有的只是技術。以為他們只是有非常好的晶體管，如果有人拿出另一種晶體管，遊戲就結束了。是技術，當然，我指的不只是晶體管，還有金屬化系統、封裝、3D 封裝、硅光子學，他們擁有的所有技術。是技術讓這家公司變得特別。他們的技術讓這家公司變得特別。

(01:10:59) 但他們協調需求的能力，協調全球數百家公司動態需求的能力，因為它們在上升、轉移、增加、減少、推遲、提前、客戶更換、晶圓啟動、晶圓停止、緊急晶圓啟動，所有這些隨著世界不斷變化而產生的複雜動態，而他們卻能以高吞吐量、高良率、非常好的成本、卓越的客戶服務來運營工廠。他們認真對待自己的承諾。

(01:11:49) 當你的晶圓——因為他們知道他們在幫助你運營公司——當承諾的晶圓該出現時，晶圓就會出現，這樣你才能恰當地運營你的公司。所以他們的系統，他們的製造系統，我想說，是完全神奇的。第二點是他們的文化。這種文化一方面同時聚焦於技術，推進技術；另一方面同時以客戶服務為導向。很多公司非常以客戶服務為導向，但技術並不卓越。他們不在技術的最前沿。

(01:12:27) 有很多公司處於技術的最前沿，但他們並不是最好的以客戶服務為導向的公司。所以這取決於他們如何平衡這兩者，而且他們在兩方面都是世界級的。然後第三點可能是我最看重的他們創造的技術，這種無形的東西叫做信任。我信任他們，把我的公司託付給他們。這是非常重要的一點。

萊克斯·弗裡德曼

(01:12:55) 當他們信任時，我的意思是，你們之間建立了非常緊密的關係，這種信任是基於多年來的表現建立的，但其中也涉及到人際關係。

黃仁勳

(01:13:05) 三十年了，我不知道通過他們做了多少成百上千億美元的業務，而我們沒有合同。這太棒了。

萊克斯·弗裡德曼

(01:13:15) 太神奇了。好的，有這麼個故事……在 2013 年，臺積電的創始人張忠謀曾邀請你成為臺積電的首席執行官，而你說你已經有工作了。這個故事是真的嗎？

黃仁勳

(01:13:30) 故事是真的。我沒有，我沒有輕視它。我深感榮幸，當然，我當時就知道，正如我現在所知，臺積電是歷史上最重要的公司之一。張忠謀是我生命中評價最高的高管之一，也是我的商業夥伴和個人朋友。他的邀請讓我受寵若驚，真的非常榮幸。但我在這裡做的工作非常重要，我在心中已經看到了英偉達的未來以及我們能產生的影響。這是非常重要的工作。這是我的責任，我唯一的責任，就是要實現它。所以我拒絕了，不是因為它不是一個令人難以置信的機會。這是一個令人難以置信的機會，但我就是不能接受。

萊克斯·弗裡德曼

(01:14:38) 我認為英偉達，英偉達和臺積電都是人類文明史上最偉大的兩家公司。運營其中任何一家，我相信都是一項極其複雜的工作，需要……你必須全身心投入。各個層面的每個人，不僅僅是 CEO 層面。每個人都真的是全身心投入……

黃仁勳

(01:14:57) 是的。是的，毫無疑問。

萊克斯·弗裡德曼

(01:14:59) ……來完成這種程度的複雜性。

黃仁勳

(01:15:00) 所以現在我可以幫助兩家公司了。

英偉達的護城河

萊克斯·弗裡德曼

(01:15:02) 沒錯。現在英偉達是世界上最有價值的公司。我得問一下，正如科技界人士所說，英偉達最大的護城河是什麼？即保護你免受競爭的優勢。

黃仁勳

(01:15:20) 作為一家公司，我們最重要的資產是我們計算平臺的安裝基礎。今天我們最重要的東西是 CUDA 的安裝基礎。20 年前，當然沒有安裝基礎。但關鍵是……如果有人搞出一個 GUDA 或 TUDA，那根本不會有任何影響。原因在於，這從來都不僅僅是技術的問題。技術當然是不可思議的、有遠見的。但關鍵在於公司對它的投入、堅持、並擴大了它的影響力。讓 CUDA 成功的不是三個人，而是 43,000 個人。

(01:16:17) 還有數百萬相信我們、信任我們會繼續開發 CUDA 1、2、3、13 的開發者，他們決定移植並將他們的軟件、他們堆積如山的軟件構建在 CUDA 之上。所以安裝基礎是第一大最重要的優勢。這個安裝基礎，再結合我們以這種規模執行的速度，歷史上沒有哪家公司曾經構建過如此複雜的系統，絕對沒有。然後還要一年構建一次，這是不可能的。這種速度與安裝基礎相結合，在開發者的心目中，你只需……從開發者的角度來看，如果我支持 CUDA，明天它就會好 10 倍。我平均只需要等六個月。

(01:17:16) 不僅如此，如果我在 CUDA 上開發，我能接觸到數億人、數億臺計算機。我存在於每一個雲，每一家計算機公司，每一個行業，每一個國家。所以如果我創建一個開源包，並且首先把它放在 CUDA 上，我會同時獲得這兩個屬性。不僅如此，我 100% 相信英偉達會一直保留 CUDA，維護它，改進它，並持續優化這些庫，只要他們存在。這一點你可以完全放心，最後這一點，信任。你把所有這些放在一起，如果我今天是一名開發者，我會首先瞄準 CUDA。我會最優先瞄準 CUDA。我認為歸根結底，這就是我們的首要，甚至是我們首要的……

(01:18:16) ……核心優勢。我們的第二個優勢是我們的生態系統。我們垂直整合了這個極其複雜的系統，但我們橫向集成到每一家公司的計算機中。我們進入了谷歌雲，進入了亞馬遜，進入了 Azure。我們現在正在瘋狂地擴展 AWS。我們進入了像 CoreWeave 和 Nscale 這樣的新公司。我們進入了禮來公司的超級計算機。我們進入了企業計算機。我們在邊緣的無線基站裡。我的意思是，這簡直瘋狂。一個架構存在於所有這些不同的系統中。我們在汽車裡，在機器人裡，在衛星裡，我們甚至在太空中。所以你擁有這一個架構，並且生態系統如此廣泛，它基本上覆蓋了世界上每一個行業。

萊克斯·弗裡德曼

(01:19:03) 那麼，隨著 AI 工廠成為護城河，CUDA 的安裝基礎在未來將如何演變？你認為未來的英偉達有可能完全圍繞 AI 工廠嗎？

黃仁勳

(01:19:16) 嗯，對我們來說，計算單位曾經是 GPU。然後它變成了一臺計算機，然後變成了一個集群。現在它是一個完整的 AI 工廠。當我看到一臺計算機，當我看到英偉達建造的東西時，在過去，我會想象芯片。然後當我發佈新產品、新一代產品時，比如，「女士們先生們，我們今天發佈 Ampere，」我會拿起芯片。那是我對正在構建的東西的心理模型。今天，我不會……拿起芯片仍然有點可愛。

(01:19:47) 但它只是可愛。它不是我所做事情的心理模型。我的心理模型是這個巨大的千兆瓦級的東西，它連接到電網的發電系統。它有冷卻系統和極其龐大的網絡。有 1 萬人在裡面試圖安裝它，數百名網絡工程師在裡面，成千上萬的工程師在背後試圖給它通電。你知道，給那些工廠之一通電，正如你所知，不是某個人說「現在開機了」那麼簡單。需要成千上萬的人才能讓它啟動。

萊克斯·弗裡德曼

(01:20:22) 所以在心理上，你實際上……當你思考一個計算單元時，你實際上，當你晚上睡覺時，你現在思考的是一組機架，也就是整櫃，而不是單個芯片。

黃仁勳

(01:20:33) 是整個基礎設施。我希望我的下一個思維跳躍是，當我考慮建造計算機時，是行星級的規模。那將是下一個跳躍。

太空中的 AI 數據中心

萊克斯·弗裡德曼

(01:20:42) 嗯，你怎麼看埃隆談到的太空角度，即在太空中進行計算，以解決一些……它可以使擴展能源方面的某些能源問題更容易解決。

黃仁勳

(01:20:56) 散熱問題並不容易。是的。

萊克斯·弗裡德曼

(01:20:58) 散熱。嗯，這涉及到大量的工程複雜性。所以……你知道，英偉達也已經宣佈你們已經在考慮這個問題了。

黃仁勳

(01:21:09) 是的，我們已經做到了。英偉達 GPU 是太空中的第一批 GPU。我之前沒意識到，這很有趣……我可能早就該宣佈了。我們在太空中。你知道，我們某個 GPU 上有一個小小的宇航服。但我們已經在太空了。那裡是做大量成像工作的好地方。

(01:21:32) 你知道，因為這些衛星擁有非常高分辨率的成像系統，它們現在正在持續掃描地球。你希望為全球進行持續的釐米級成像，這樣你基本上就能擁有所有東西的實時遙測數據。你不想把這些數據傳回地球。那將是 PB 級、PB 級的數據。你只需要就在邊緣進行 AI 處理，扔掉所有不需要的東西，那些你之前見過、沒有變化的東西，然後只保留你需要的東西。所以 AI 必須在邊緣完成。顯然，如果我們放在極地，我們有 24/7 的太陽能。但是，那裡沒有傳導，沒有對流。

(01:22:23) 所以，基本上只能靠輻射。但是，太空很大。我想，我們只需要在那裡放置巨大、巨型的散熱器。

萊克斯·弗裡德曼

(01:22:32) 你認為這個想法有多瘋狂？這是五年後、十年後、二十年後的事？我們正在談論 AI 擴展的障礙。

黃仁勳

(01:22:41) 你知道，我只是更務實一些。我首先尋找我下一個、再下一個機會所在。與此同時，我在培育太空領域。所以我派工程師去研究這個問題。我們開始……我們學到了很多。如何處理輻射？如何處理性能下降？如何處理持續的缺陷測試和驗證？如何處理冗餘？如何優雅地降級等等？所以我們可以做……軟件呢？你如何看待太空中的軟件、冗餘和性能？

(01:23:24) 讓計算機永遠不會壞，它只是變慢而已。所以我們可以提前進行大量的工程探索。但與此同時，我最喜歡的答案是消除浪費。你知道，我們有那麼多閒置的電力，我想盡快利用起來。

萊克斯·弗裡德曼

(01:23:47) 是的。那裡，那裡……是的，地球上有很多唾手可得的果實……我們可以利用它們來擴展 AI。快速暫停一下。快速感謝我們的贊助商 30 秒。請在描述中查看他們。這確實是支持本播客的最佳方式。請訪問 lexfridman.com/sponsors。我們有用於好奇心驅動知識探索的 Perplexity，用於在線銷售的 Shopify，用於電解質的 LMNT，用於客戶服務 AI 代理的 Fin，以及用於電話系統（通話、短信、聯繫人）的 Quo，為您的業務服務。明智選擇，我的朋友們。現在，回到我與黃仁勳的對話。你認為英偉達有朝一日會值 10 萬億美元嗎？讓我們換個方式問。如果這是真的，那麼世界的未來會是什麼樣子？

英偉達會值 10 萬億美元嗎？

黃仁勳

(01:24:45) 我認為英偉達的增長極有可能，而且在我看來是不可避免的。讓我解釋一下原因。我們是歷史上最大的計算機公司。僅這一點就應該引出一個問題：為什麼？當然原因……有兩個原因。首先，兩個基礎性的技術原因。第一個原因是，計算從一個基於檢索的文件檢索系統轉變而來。幾乎所有東西都是一個文件……我們預先編寫一些東西，預先錄製一些東西。我們畫一些東西，把它放到網上，放到一個文件裡。我們使用推薦系統，一些智能過濾器，來找出要為你檢索什麼。所以，我們過去是一個預錄製、人類預錄製和文件檢索系統。這很大程度上就是計算機的定義。

(01:25:39) 而現在，AI 計算機是上下文感知的，這意味著它必須實時處理和生成令牌。所以，我們從基於檢索的計算系統轉變為基於生成的計算系統。在這個新世界裡，我們將需要比舊世界多得多的處理能力。在舊世界裡，我們需要大量的存儲。在這個新世界裡，我們需要大量的計算。這是第一部分。我們從根本上改變了計算以及計算的方式。唯一會導致它倒退……

(01:26:15) ……就是如果這種計算方式，這種生成上下文相關、情境感知、在生成信息之前基於新見解的計算方式，這種計算密集型的方式，如果它沒有效果，它才會倒退。所以，如果在過去 10 到 15 年從事深度學習的過程中，在任何一刻我得出了這樣的結論：「你知道嗎？這行不通。我認為這是條死衚衕。」或者「它無法擴展，無法解決這種模式，無法用於這個應用。」那麼，我當然會有截然不同的感受，但我認為過去五年給了我比之前十年更多的信心。

(01:27:04) 第二個想法是，計算機，因為它是一個存儲系統，所以大體上是一個倉庫。我們現在正在建造工廠。倉庫賺不了多少錢。工廠與公司的收入直接相關。所以，計算機做了兩件事。它不僅改變了它的運作方式，它在世界上的目的也改變了。它不再是一臺計算機，而是一個工廠。它是一個工廠，用於產生收入。我們現在看到，這個工廠不僅在生產人們想要消費的產品、商品，我們還看到這些商品如此有趣，對如此多的不同受眾如此有價值，以至於令牌開始像 iPhone 那樣進行細分。你有免費令牌，有高級令牌，還有幾種中間層級的令牌。

(01:28:10) 所以，事實證明，智能是一種可擴展的產品。有極高智能的產品，用於專門用途的令牌，人們願意為此付費。有人願意為每百萬令牌支付 1000 美元的想法即將到來。這不是會不會的問題，只是什麼時候的問題。所以，現在我們看到這個工廠生產的商品實際上是有價值的，並且能夠產生收入和利潤。現在的問題是，世界需要多少這樣的工廠？世界需要多少令牌？社會願意為這些令牌支付多少錢？如果生產力如此顯著地提高，世界經濟會發生什麼？會發生什麼……

(01:29:08) 我們是否會……我們是否會發明新藥、新產品、新服務？所以，當你把這些事情結合起來，我絕對確信世界 GDP 的增長將會加速。我絕對確信，用於計算的 GDP 佔比將比過去多 100 倍——嗯——因為它不再是一個存儲單元。它是一個產品生成單元。所以，當你從這個角度來看，然後再反推英偉達是什麼，英偉達做什麼，以及我們需要從多少新經濟、新產業中受益來解決這個問題，我認為我們會變得非常非常大。

(01:29:58) 然後剩下的部分，對我來說，是：英偉達有可能在不久的將來成為一家收入達 3 萬億美元的公司嗎？答案當然是肯定的。原因在於它不受任何物理限制。我沒有看到任何東西說，天哪，3 萬億美元是不可能的。事實證明，英偉達的供應鏈——這個負擔由 200 家公司分擔。我們在與這個生態系統的合作中擴展，問題是：我們有足夠的能源這樣做嗎？我們當然會有足夠的能源。所以，所有這些結合起來，那個數字只是一個數字，你知道？

(01:30:51) 我還記得，英偉達是……在我們首次突破 10 億美元時，有位 CEO 提醒我，「你知道，Jensen，從理論上講，一家無晶圓半導體公司不可能超過 10 億美元。」我不會贅述原因，但這顯然不合邏輯，而且有很多證據表明並非如此。然後有人告訴我，「你知道，Jensen，因為其他某家公司，你永遠不會超過 250 億美元。」有人告訴我，「你永遠不會，你知道，因為……」所以這些都不是基於原則、基於第一性原理的思考。思考這個問題的簡單方法是，我們製造的是什麼，我們能創造的機會有多大？

(01:31:42) 現在，英偉達做的不是市場份額生意。我剛才談到的大部分東西都不存在。這是困難的部分。如果英偉達是一家 100 億美元的公司，試圖去奪取英偉達的份額，那麼股東們很容易看到，哦，是的，如果他們能拿到 10% 的份額，他們就能變得這麼大。但人們很難想象我們能有多大，因為我沒有可以從誰那裡奪取份額的對象。你知道？所以我認為這是世界面臨的挑戰之一，即對未來的想象力。但我有的是時間，我會繼續推理，繼續談論它，每一次 GTC 都會讓它變得越來越真實。

(01:32:27) 你知道，然後越來越多的人會談論它，總有一天，我們會到達那裡。我 100% 確信我們會到達那裡。

萊克斯·弗裡德曼

(01:32:34) 是的，你的這種觀點，基本上是令牌工廠，即每瓦每秒的令牌數，並且每個令牌都有價值。就像它是一個實際帶來價值的東西，它為不同的人帶來不同種類、不同數量的價值。這就是實際的產品——它確實可以粗略地看作是令牌。所以你有一堆令牌工廠。然後，根據第一性原理，很容易想象一個未來，考慮到 AI 可以解決的所有潛在問題，你將需要指數級更多的令牌工廠。

黃仁勳

(01:33:05) 是的。非常有趣的是，我對此如此興奮的原因是，令牌的 iPhone 已經問世了。

萊克斯·弗裡德曼

(01:33:11) 你怎麼稱呼它？等等，你是說 OpenClaw 的 iPhone？

黃仁勳

(01:33:13) 是的。

萊克斯·弗裡德曼

(01:33:14) 這很有意思。

黃仁勳

(01:33:15) 代理。

萊克斯·弗裡德曼

(01:33:16) 是的，代理。沒錯。

黃仁勳

(01:33:18) 總的來說是代理。令牌的 iPhone 已經問世了。它是歷史上增長最快的應用程序。它直線上升。直線上升。

萊克斯·弗裡德曼

(01:33:26) 這說明了問題。

黃仁勳

(01:33:27) 是的，毫無疑問，OpenClaw 就是令牌的 iPhone。

萊克斯·弗裡德曼

(01:33:31) 是否有什麼真正特別的事情，大約從 12 月開始發生，人們真正意識到了 Claude Code、Codex、OpenClaw 的力量？我的意思是，我很尷尬地承認，在來這裡的機場路上，我第一次在公共場合這樣做。我通過跟我的筆記本電腦說話來編程，打個引號。

黃仁勳

(01:33:59) 是的，沒錯。

萊克斯·弗裡德曼

(01:33:59) 我感到尷尬，因為我假裝在和一位人類同事說話。我不確定自己對未來的感覺，那時每個人……都在走來走去和他們的 AI 說話，但這是完成事情的一種非常高效的方式。

黃仁勳

(01:34:13) 更有可能的是，你的 AI 會一直打擾你。原因在於它做事太快了。它會向你報告，「我完成了那個。」「接下來你想讓我做什麼？」你知道，它……我認為大多數人沒有意識到的是，與他們聊天、發短信最多的人，將是他們的「爪子」或「龍蝦」。

壓力下的領導力

萊克斯·弗裡德曼

(01:34:37) 多麼不可思議的未來。我讀到過，你將你的很多成功歸功於你比任何人都努力工作，並且比任何人都能承受更多痛苦的能力。所以我們可以列出這包含的許多事情。我的意思是，應對失敗、我們談到的成本和工程問題。人的問題、不確定性、責任、疲憊、尷尬、你提到過的公司瀕臨死亡的時刻，還有壓力。現在，作為這家公司的 CEO，各個經濟體和民族都圍繞它制定戰略，規劃他們的財務分配，規劃他們的 AI 基礎設施，你是如何應對如此巨大的壓力的？在如此多的國家和人民都依賴你的情況下，是什麼給了你力量？

黃仁勳

(01:35:38) 我意識到英偉達的成功對美國非常重要。我們產生了鉅額的稅收。我們為我們的國家確立了技術領導地位。技術領導地位對國家安全很重要。國家安全不僅僅是一個方面，而是所有方面。當我們的國家更加繁榮時，我們可以在國內政策和幫助社會福利方面做得更好。因為我們在美國創造瞭如此多的再工業化，我們創造了大量的就業機會。我們正在幫助將如何建造東西的方式轉回到美國，體現在許多不同的工廠、芯片、計算機，當然還有這些 AI 工廠。我完全意識到，這一點……

(01:36:35) 而且我受益於此，這真是主流投資者、教師、警察的一份禮物，他們不知為何，出於什麼原因投資了英偉達，或者因為他們看了 Jim Cramer，買了一些股票，現在成了百萬富翁。

(01:36:57) 我完全清楚這種情況。我清楚英偉達是我們身後和下游一個龐大生態系統合作伙伴網絡的核心。所以我處理這個問題的方式，正是我剛才所做的。我推理我們正在做什麼？它導致了什麼？它對其他人的利益有什麼影響，無論是積極的，還是例如通過巨大的負擔施加給供應鏈？因此，問題是，你打算怎麼做？對於我感受到的幾乎所有事情，我都會分解它，推理，「好吧，情況是怎樣的？發生了什麼變化？難在哪裡？我打算怎麼做？」我……

(01:37:56) 我分解它，解構問題，將這些情況的解構轉化為我可以做的、可管理的事情。之後我唯一能做的就是，「你做了嗎？是你做的還是你讓別人去做的？如果你沒做，你推理出你需要做，而你沒做，也沒有讓別人去做，那就別再為此煩惱了。」……你知道？所以，所以——

(01:38:27) 所以我對自己相當嚴格。但是，我也會分解事情，這樣我就不會恐慌。我可以安心睡覺，因為我已經列出了需要做的事情清單，並且我確保所有可能危及我們公司、危及我的合作伙伴、危及我們行業的事情，我都告訴了某個人。所有我覺得可能危及任何人的事情，我都告訴了某個人。我告訴了那個能對此採取行動的人。所以，我要麼把這事從心裡放下了，要麼正在處理它。在那之後，Lex，你還能做什麼呢？

萊克斯·弗裡德曼

(01:39:10) 考慮到在建立英偉達的旅程中經歷了那麼多瘋狂、強烈的痛苦，你有沒有經歷過心理上的低谷？

黃仁勳

(01:39:22) 哦，是的。哦，是的。當然。一直都有。一直都有。

萊克斯·弗裡德曼

(01:39:27) 然後你——

黃仁勳

(01:39:27) 一直都有。

萊克斯·弗裡德曼

(01:39:27) ……你只是把問題分解成碎片？看看你能做些什麼？

黃仁勳

(01:39:33) 一部分，Lex，一部分是遺忘。你知道，AI 學習最重要的屬性之一就是系統性遺忘。你需要知道什麼時候該忘記一些事情。你不能記住所有事情。你不能保留所有事情，你也不想揹負所有事情。我很快做的一件事就是分解問題，推理問題，然後分擔它。我說我告訴所有人，我本質上是在分享那個負擔。

(01:40:04) 儘可能快地。無論我擔心什麼，告訴別人。不要只是自己扛著。不要嚇到他們。把問題分解成更小的部分，讓人們參與進來，激勵他們能夠對此採取行動。但一部分就是遺忘。很多時候，你必須對自己狠一點。振作起來，別再為此煩惱了。讓我們行動起來。然後你起床。另一部分是你被下一束光所吸引，下一個未來，下一個機會，下一個，「好吧，那已經過去了。接下來是什麼？」我認為這就像你看偉大運動員那樣。他們只擔心下一分。上一分已經過去了。尷尬，挫折。

(01:40:56) 你知道，因為我做了很多公開的工作。Lex，你也做了不少公開的工作。所以我做了很多公開的工作。所以你知道，我說了很多當時看起來合理或當時覺得有趣的話，大多隻是因為我當時覺得有趣。然後，當你回想起來，就沒那麼有趣了，但是……

萊克斯·弗裡德曼

(01:41:20) 是的。不，相信我，我知道。但你基本上是讓自己被未來的光芒所牽引。忘記過去，繼續——

黃仁勳

(01:41:27) 沒錯。

萊克斯·弗裡德曼

(01:41:28) ……繼續朝著那個目標努力。我的意思是，你說過，有句很有名的話，如果你事先知道打造英偉達會有多難——實際上比你預期的要難一百萬倍——你就不會去做了。

黃仁勳

(01:41:46) 是的，沒錯。

萊克斯·弗裡德曼

(01:41:47) 但是，你知道，當我聽到這句話時，所有值得做的事情可能都是如此，對吧？

黃仁勳

(01:41:53) 沒錯。順便說一句，這正是我想解釋的，擁有孩子般的心態是一種不可思議的超能力。當我看到某件事時，我經常對自己說，幾乎所有事情我的第一反應都是，「能有多難呢？」你讓自己進入那種狀態，能有多難呢？從來沒有人做過。它看起來巨大無比。它將耗資數千億美元。它將需要所有這些……你就想，「是啊，但能有多難呢？」能有多難呢？

(01:42:37) 所以，你必須讓自己進入那種心態。你其實不希望對所有事情、所有挫折、所有磨難、所有失望都進行過度模擬。你不想提前模擬所有那些。你不想知道那些。你想帶著「這將完美、這將很棒、這將非常有趣」的想法進入新的體驗。然後，當你身處其中時，你需要有耐力，需要有韌性，這樣當挫折真的發生時，那些挫折會讓你驚訝，失望會讓你驚訝，尷尬會讓你驚訝，屈辱會讓你驚訝。

(01:43:17) 你不能讓……現在你只需要啟動另一部分，那就是忘掉它。繼續前進，持續前行。只要我對未來的假設以及未來為何會實現的那些假設沒有改變，或者沒有實質性地改變，那麼我就應該預期結果不會改變。所以我模擬的未來結果仍然會發生。如果它仍然會發生，我仍然會去追求它。

(01:43:54) 我相信它會，你知道，所以這裡有二三種人類特質的結合：以清新心態進入體驗的能力，忘記挫折的能力，相信自己、相信你所相信的並忠於那個信念的能力。但你也在不斷地重新評估。

(01:44:20) 我認為這種三、四、五種特質的結合對於韌性來說非常重要。我很幸運，無論是什麼人生經歷造就了這些，我擁有了那四、五種特質。我總是充滿好奇，總是在學習。我總是向每個人學習。我總是問我的……因為我凡事都很謙遜，我總是想，「天哪，他們做得真好。他們做得太棒了。」我想知道他們在想什麼。他們如何……所以我在模擬每個人。在很多方面，我在模仿我觀察到的幾乎每個人，對吧？你對他們所做、你所觀察和尊重的一切都感同身受。所以你一直在學習。

萊克斯·弗裡德曼

(01:45:10) 你現在是地球上最富有的人之一。地球上最成功的人之一。保持謙遜並能夠……你是否覺得金錢、權力和名聲的影響，讓你更難在心裡承認自己是錯的？更難去聽取別人不同意的意見並向他們學習？諸如此類的事情。

黃仁勳

(01:45:41) 令人驚訝的是，並沒有。實際上我會說恰恰相反。因為我做了那麼多公開的工作，當我錯了的時候，幾乎每個人都能看到。

萊克斯·弗裡德曼

(01:45:53) 你被教育了。有道理。

黃仁勳

(01:45:55) 當我錯了——當我錯了或者結果並非如此，或者，你知道，我在外面說的大部分事情，我都是相當確定的。原因在於它會影響到別人，我想對此非常在意，非常謹慎。對於那些我在會議中推理的事情，很多事情的結果可能不同。但這從未阻止我推理。我管理和領導的方式是，我經常在人們面前推理。即使在我和你說話的時候，你也能看到我實時推理的過程。我想確保你理解我所說的，不是因為我告訴了你——

(01:46:40) ……而是因為我對我要告訴你的事情非常謙遜。我向你展示了我是如何得出這個結論的步驟。然後你可以自己決定是否相信我最後說的話。所以我整天在會議上都是這麼做的。對我所有的員工，我不斷地推理，「讓我告訴你我是怎麼看的。」然後我進行推理。這給了每個人機會介入並說，「我不同意那一點。」通過推理並讓人們參與其中的好處是，他們不必不同意你的結果。他們可以不同意你的推理步驟。他們可以把我的思路引向不同的方向，然後我們可以一起向前推理。所以我們有點像在共同尋找路徑。這真的很棒。

萊克斯·弗裡德曼

(01:47:29) 是的，你有一種特質……當你解釋事情的時候，我能感覺到你實際上是在當場推理，帶著一種持續的開放心態，我可以感覺到我可以引導你的思維。這是非常美好的，你在這麼多年的成功和痛苦之後，還能保持這種狀態。我認為有時候痛苦會讓你封閉一點。我認為能保持——

黃仁勳

(01:47:57) 是的。對尷尬的容忍度，我認為是……

萊克斯·弗裡德曼

(01:47:59) 是的，那是……容忍度……我的意思是，這是真實存在的。就是多年來讓自己難堪。即使在那些會議上，知道周圍有人，你宣佈了一個想法，結果證明那個想法是錯的……並且能夠承認這一點並從中成長。這在人的層面上是非常困難的。

黃仁勳

(01:48:17) 是的。嗯，你知道。他們知道，他們知道我最近的第一份工作是刷廁所，所以。

電子遊戲

萊克斯·弗裡德曼

(01:48:25) 我很高興你保留了在丹尼餐廳時的那種精神。我的意思是，那很美好。你從丹尼餐廳開始的整個旅程是美好的。讓我問你關於電子遊戲的問題。我是一個狂熱的遊戲迷。所以我必須感謝英偉達多年來提供的令人難以置信的圖形。

黃仁勳

(01:48:47) 順便說一句，GeForce 至今仍然是我們的首要營銷策略。沒錯。人們在青少年時期就瞭解英偉達。然後他們上大學，知道英偉達是誰，起初只是玩使命召喚、堡壘之夜。然後後來他們使用 CUDA，然後後來他們使用英偉達，還有 Blender、Dassault 和 Autodesk。

萊克斯·弗裡德曼

(01:49:16) 是的。我的意思是，我應該說我告訴一個朋友我要和你談話。他說，「哦，他們生產很棒的遊戲 GPU。」

黃仁勳

(01:49:25) 是的，沒錯。

萊克斯·弗裡德曼

(01:49:26) 就好像——

黃仁勳

(01:49:26) 沒錯。

萊克斯·弗裡德曼

(01:49:27) 你知道，還有更多，但是，是的，人們真的很喜歡它。它確實給很多人帶來了很多快樂。硬件真正將這些世界變得栩栩如生。DLSS 5 曾引發一些爭議。你能給我解釋一下這個爭議嗎？我想在線上的玩家們擔心它會讓遊戲看起來像 AI 垃圾。你怎麼看這個爭議？

黃仁勳

(01:49:56) 是的。我認為他們的觀點有道理，我能理解他們的想法，因為我自己也不喜歡 AI 垃圾。你知道，所有 AI 生成的內容看起來越來越相似，而且它們都很漂亮，所以我對他們的想法感同身受。但這不是 DLSS 5 試圖做的事情。我展示了幾個例子。DLSS 5 是 3D 條件下生成的，有 3D 引導的。它是由真實結構數據引導的。所以藝術家決定了幾何形狀。我們在每一幀中都完全忠實於幾何形狀。它由紋理、藝術家的藝術性來引導。所以每一幀，它都在增強，但不會改變任何東西。

(01:50:55) 現在，問題在於增強。DLSS 5 也允許，因為系統是開放的，你可以訓練自己的模型來決定，你甚至可以在未來提示它。我希望它是一個卡通著色器。我希望它看起來像某種風格，所以你可以給它一個例子。它會以那種風格生成，完全符合藝術家的藝術性、風格和意圖。所以所有這些都是為藝術家做的，這樣他們就可以創造出更美麗但仍符合他們想要風格的東西。我認為他們得到的印象是遊戲會原樣發佈，然後我們會對它進行後期處理。這不是 DLSS 的意圖。

(01:51:50) DLSS 是與藝術家集成的，所以它是關於給藝術家提供 AI 工具、生成式 AI 工具的。他們可以選擇不使用它，你知道？

萊克斯·弗裡德曼

(01:52:01) 我認為人們對人臉非常敏感。我們現在生活在這樣一個時刻，我認為這是一個美麗的時刻，人們對 AI 垃圾很敏感。它為我們提供了一面鏡子，幫助我們意識到我們所追求的是不完美。我們追求的有時不是完美的圖形。它幫助我們理解我們在創造的世界中發現什麼引人入勝。這很美。只要它是幫助我們創造那些世界的工具——

黃仁勳

(01:52:28) 是的，沒錯。

萊克斯·弗裡德曼

(01:52:28) ……它就很好。

黃仁勳

(01:52:29) 沒錯。又多了個工具而已，而且他們希望生成模型生成與照片級真實相反的東西。是的，它也能做到。所以這只是一個額外的工具。我想玩家們也可能很感激，在過去的幾年裡，我們向遊戲開發者介紹了皮膚著色器。許多遊戲都有皮膚著色器，包括次表面散射，使皮膚看起來更像皮膚。所以遊戲開發者們正在尋找越來越多的工具來表達他們的藝術。所以這只是一個額外的工具，他們可以決定使用什麼。

萊克斯·弗裡德曼

(01:53:16) 一個可笑的問題。你認為有史以來最偉大或最具影響力的遊戲是什麼？也許從英偉達的角度來看？

黃仁勳

(01:53:24) 毀滅戰士。

萊克斯·弗裡德曼

(01:53:25) 毀滅戰士，毫無疑問。那是 3D 的開始。

黃仁勳

(01:53:28) 我會說是毀滅戰士，從藝術、文化影響以及行業的角度來看，它將 PC 變成了遊戲設備。那是一個非常重要的時刻。當然，在此之前有飛行模擬公司。但他們沒有毀滅戰士那樣的普及度，未能讓整個行業將 PC 從辦公自動化工具轉變為家庭和玩家的個人電腦。所以毀滅戰士在這方面確實影響深遠。從實際遊戲技術角度來看，我會說是 VR 戰士。所以，你知道，我們和兩者都是很好的朋友。

萊克斯·弗裡德曼

(01:54:07) 還有最近的遊戲——我的意思是，賽博朋克 2077，非常棒的 GPU 加速圖形。就像——

黃仁勳

(01:54:16) 完全光線追蹤。

萊克斯·弗裡德曼

(01:54:17) 完全光線追蹤。還有，我個人非常喜歡，我是天際、上古卷軸的超級粉絲，你知道，它很久以前就發佈了，但人們發佈模組並且——

黃仁勳

(01:54:29) 我們喜歡模組。

萊克斯·弗裡德曼

(01:54:30) ……他們創造了這些令人難以置信的，我的意思是，它就像一個不同的遊戲，讓我可以一遍又一遍地重玩。它讓你意識到，你可以用一種全新的方式重新體驗你已經熱愛的世界。所以——

黃仁勳

(01:54:45) 沒錯。

萊克斯·弗裡德曼

(01:54:45) ……我一直都這麼做。我最喜歡的事情之一就是在天際中漫步。

黃仁勳

(01:54:48) 我們創建了一個叫做 RTX Mod 的東西。是的，它是一個模組工具。

萊克斯·弗裡德曼

(01:54:53) 太棒了。

黃仁勳

(01:54:53) 它允許社區將最新技術注入到舊遊戲中。

萊克斯·弗裡德曼

(01:55:00) 當然，造就一款偉大電子遊戲的不僅僅是圖形，還有故事和角色發展，但是——

AGI 時間線

黃仁勳

(01:55:06) 沒錯。

萊克斯·弗裡德曼

(01:55:06) ……美麗的圖形可以增加沉浸感。那種彷彿被傳送到另一個地方的感覺。啊，你說過，我認為很準確，AGI 的時間線問題取決於你對 AGI 的定義。所以讓我問你一下可能的時間線。讓我們採用這個可能很荒謬的 AGI 定義，即一個能夠基本上完成你工作的 AI 系統。所以，運營，不，是創辦、發展並運營一家成功的科技公司，價值——

黃仁勳

(01:55:52) 一家好的公司還是一家普通的公司？

萊克斯·弗裡德曼

(01:55:54) 不。它必須價值超過 10 億，超過 10 億美元。所以，你知道，你知道做所有這些事情有多難。那麼，我們離那一步還有多遠？所以，我們談論的是 Open-Claude，它能做所有極其複雜的事情，首先需要創新，找到客戶，向他們銷售，管理，建立一個由一些代理、一些人組成的團隊，諸如此類的事情。這是 5 年、10 年、15 年、20 年後的事？

黃仁勳

(01:56:31) 我認為就是現在。我認為我們已經實現了 AGI。

萊克斯·弗裡德曼

(01:56:35) 你認為可以由這樣的 AI 系統來運營一家公司嗎？

黃仁勳

(01:56:37) 有可能，原因如下。你說的是 10 億，你沒有說永遠。所以例如……一個 Claude 能夠創建一個網絡服務，一些有趣的小應用，突然之間，幾十億人花 5 毛錢使用它，然後不久之後就倒閉了，這並非不可能。在互聯網時代，我們看到了大量這類公司，而且那些網站中的大多數並不比今天 Open-Claude 能生成的更復雜。

萊克斯·弗裡德曼

(01:57:20) 有意思。實現病毒式傳播並將這種病毒式傳播變現。

黃仁勳

(01:57:23) 是的。只是我不知道它是什麼，但我當時也無法預測那些公司中的任何一個，你知道？

編程的未來

萊克斯·弗裡德曼

(01:57:30) 你的這個說法會讓很多人興奮。

黃仁勳

(01:57:32) 是的，不。是的。

萊克斯·弗裡德曼

(01:57:33) 就像，你什麼意思？我可以直接啟動一個代理，然後賺很多錢？

黃仁勳

(01:57:38) 嗯，順便說一句，這正在發生，對吧？你知道當你去中國時，你會看到，你會看到很多人教他們的 Claude，讓他們的 Claude 出去找工作，工作，賺錢。我其實……如果出現某種社交事件，或者有人創建了一個數字影響者，超級可愛，或者某個社交應用，餵養你的小拓麻歌子之類的，然後一夜之間爆紅，我也不會感到驚訝。很多人用了幾個月，然後就消失了。現在，這 10 萬個代理中有一個能建成英偉達的幾率是零。

(01:58:28) 然後，有一點我不會做，也希望我們大家都做的是，要認識到人們真的很擔心他們的工作。我只想提醒他們，你工作的目的與你用來完成工作的任務和工具是相關的，但不是一回事。我已經做了 33 年的工作。我是世界上在職時間最長的科技公司 CEO，34 年了。在過去 34 年裡，我用來完成工作的工具一直在變化，有時在兩三年的時間裡變化相當劇烈。有一個故事我非常想確保每個人都聽到，那就是計算機科學家、AI 研究人員說的第一個會消失的工作是放射科醫生。

(01:59:25) 因為計算機視覺將達到超人的水平，它確實做到了。CV……計算機視覺在 2019、2020 年達到了超人水平，也許稍晚一點，2020 年？

(01:59:39) 對吧？所以計算機視覺達到超人水平已經很久了。所以預測是放射科醫生會消失，因為研究放射掃描已成過去。AI 會做這件事。嗯，他們完全正確。計算機視覺完全是超人的。今天每一個放射學平臺和軟件包都由 AI 驅動，然而放射科醫生的數量卻增長了。那麼問題是為什麼？現在我們在世界範圍內缺少放射科醫生。所以，第一，危言聳聽的警告過頭了，它嚇退了人們從事這個對社會如此重要的職業。所以它造成了傷害。那麼，為什麼它是錯的？原因在於，放射科醫生的目的是診斷疾病，幫助病人和醫生診斷疾病。

(02:00:38) 因為我們現在可以更快地研究掃描結果，你可以研究更多的掃描，你可以診斷得更好，你可以更快地收治病人，你可以看到更多的人。醫院賺更多的錢。醫院裡有更多的病人。你需要更多的放射科醫生。我的意思是，令人驚奇的是，這是如此顯而易見地會發生的事情。英偉達的軟件工程師數量將會增長，而不是減少。原因在於，軟件工程師的目的與軟件工程師編碼的任務是相關的，但不是一回事。我希望我的軟件工程師解決問題。我不在乎他們寫了多少行代碼，你知道？但他們的工作，他們工作的目的沒有改變。

(02:01:25) 解決問題，團隊合作，診斷問題，評估結果，尋找要解決的新問題，創新，連接點。這些事情都不會消失。

萊克斯·弗裡德曼

(02:01:39) 你認為是否可能……我們甚至就拿編程來說。你認為世界上的程序員數量可能會增加，而不是減少嗎？

黃仁勳

(02:01:45) 是的。原因如下。什麼是編程？我相信……今天編程的定義，簡單地就是指定、規格說明，也許如果你想要更具指導性，你甚至可以給出你想要編寫的軟件的架構。那麼問題是，有多少人能做到？描述一個規格，讓計算機去……告訴計算機去構建什麼。有多少人？我認為我們從 3000 萬可能增加到了 10 億。所以未來的每一個木匠都將是一個程序員，只不過有了 AI 的木匠同時也是建築師。他們只是增加了能為客戶提供的價值。他們的藝術性極大地提升了。

(02:02:43) 我相信每一個會計師，也是你的金融分析師，也是你的財務顧問。所以，所有這些職業都得到了提升……如果我是一個木匠，我看到 AI，我會完全瘋狂。我作為水管工能帶給客戶的服務，完全會瘋狂。

萊克斯·弗裡德曼

(02:03:04) 而目前是程序員和軟件工程師的人，我認為他們處於最前沿，能直觀地理解如何使用自然語言與代理溝通，以設計出最好的軟件。

黃仁勳

(02:03:20) 沒錯，完全正確。

萊克斯·弗裡德曼

(02:03:20) 所以隨著時間的推移，他們會融合，但我認為學習如何編程仍然有價值，比如學習什麼是編程語言。舊式的編程，編程語言的良好實踐是什麼，大型軟件系統的設計原則是什麼——

黃仁勳

(02:03:39) 沒錯。

萊克斯·弗裡德曼

(02:03:40) ……語言的？

黃仁勳

(02:03:43) 原因在於，Lex，你知道，正如你對聽眾所說的，我認為規格說明的目標，規格說明的藝術性，其目標和藝術性將取決於你試圖解決什麼問題。當我思考，當我思考為公司制定戰略、規劃公司方向以及我們應該做的事情時，我會在一個足夠具體的層面上描述它，讓人們大致理解方向並且可以採取行動。它足夠具體，他們可以據此採取行動，但我有意地降低規格說明的程度，這樣就能讓 43,000 名優秀的人把它做得比我想象的更好。

(02:04:36) 所以當我與工程師共事，與人們共事時，我會考慮，我在試圖解決誰的問題，什麼問題？我和誰一起工作？規格說明的程度、架構定義的程度與此相關。所以每個人都將不得不學習，他們想在編程光譜的哪個位置。編寫規格說明就是編程。所以你可能決定非常具體地規定，因為你尋求一個非常具體的結果。你可能決定，這是一個你想要更多探索的領域，所以你可能降低規格說明的程度，讓你能與 AI 來回互動，甚至突破自己的創造力邊界。所以這種你在光譜中位置的藝術性，這就是編程的未來。

萊克斯·弗裡德曼

(02:05:31) 但讓我們在編程之外再稍微談一下，我認為很多人，理所應當地，擔心他們的工作，對他們的工作有很多焦慮，尤其是在白領領域。我認為我們誰都不知道該如何應對自動化與新技術到來時總會帶來的動盪時代。我只是……首先，我認為我們都需要有同情心和責任感，去感受那些失去工作的個人和家庭所承受的實際痛苦。我認為每當像人工智能這樣的變革性技術到來時，就會有很多痛苦，我不知道該如何應對這種痛苦。

(02:06:21) 希望隨著工具的發展，它能給同樣的人創造更多的機會，讓他們從事同類型的工作，並使他們更高效、更有趣，就像在編程領域那樣。我不得不說，我在編程中獲得瞭如此多的樂趣。我從未有過如此多的樂趣。所以希望它能讓他們的工作自動化枯燥的部分，而把創造性的部分留給人類去負責。但仍然會有很多痛苦和磨難。

黃仁勳

(02:06:51) 所以我的第一個建議……這就是我現在處理焦慮的方式。事實上，我們之前剛談到過。對未來的巨大焦慮，對壓力的巨大焦慮，對不確定性的巨大焦慮，我首先分解它，然後我會告訴自己，「好吧，有些事情你可以做點什麼，有些事情你什麼都做不了。但對於你能做點什麼的事情，讓我們推理，推理一下，然後去做。」

(02:07:20) 如果今天我們招聘一個新畢業的大學生，我有兩個選擇，一個對 AI 一無所知，另一個是使用 AI 的專家，我會僱傭那個使用 AI 的專家。如果我有一個會計，一個市場營銷人員，那個使用 AI 的專家，供應鏈，客戶服務，銷售人員，業務拓展，律師，我會僱傭那個使用 AI 的專家。所以我建議每一個大學生，每一位老師都應該鼓勵他們的學生去使用 AI。每一個大學生畢業時都應該是 AI 專家。每個人，如果你是木匠，如果你是電工，去用 AI。去看看它能做什麼來改變你當前的工作，提升你自己。

(02:08:21) 如果我是農民，我絕對會用 AI。如果我是藥劑師，我會用 AI。我想看看它能做些什麼來提升我的工作，讓我自己成為革新這個行業的創新者。所以這將是我會做的第一件事。然後我也會幫助他們……事實是，技術將取代並消除許多任務。因為它會自動化，如果你的工作就是那個任務——那麼你很可能被顛覆。如果你工作的目的包含你，某些任務……那麼你去學習如何使用 AI 來自動化這些任務就至關重要。然後中間還有廣闊的光譜。

萊克斯·弗裡德曼

(02:09:14) 順便說一句，AI 的美妙之處，比如聊天機器人版本，在於你可以分解……你有焦慮，你可以通過和它交談來分解問題。就像，我最近……你真的可以通過它思考你生活中的問題，通過……我不是指像治療那樣的問題。我指的是，非常實際地，「好吧，我擔心我的……」字面意思是，「我擔心我的工作。需要什麼技能？我需要採取哪些步驟？」我如何更好地使用 AI？「你剛才說的一切，你都可以直接問，它會給你……一個逐點的計劃。我的意思是，它簡直就是一個很棒的人生教練，就是這樣。這——

黃仁勳

(02:09:51) 我不知道怎麼用 AI，AI 會說，」嗯，讓我來教你。「

萊克斯·弗裡德曼

(02:09:54) 沒錯。這非常元，但它——它有點不可思議。所以人們絕對應該——

黃仁勳

(02:10:00) 你不能走到 Excel 前說，」我不知道怎麼用 Excel。「

萊克斯·弗裡德曼

(02:10:02) 沒錯。

黃仁勳

(02:10:02) 你完蛋了。

萊克斯·弗裡德曼

(02:10:03) 我的意思是，這真的是 AI 在生活的各個方面為我所做的，消除了作為初學者第一次使用某物時的初始摩擦。我真的可以問任何一件事，」我需要採取的第一步是什麼？「

黃仁勳

(02:10:16) 沒錯。

萊克斯·弗裡德曼

(02:10:17) 它提供的這種手把手的指導，消除了世界提供的一切體驗中的摩擦……你知道，就像我私下跟你提到的，你提到，」我要去中國和臺灣。「

黃仁勳

(02:10:30) 太棒了。

萊克斯·弗裡德曼

(02:10:31) 直接問，」我去哪裡——「

黃仁勳

(02:10:31) 為你感到興奮。

萊克斯·弗裡德曼

(02:10:32) 」我去哪裡……做什麼……「」你知道，我去哪裡？我怎麼……「所有這些問題……立即得到回答，這太美好了。

黃仁勳

(02:10:37) 嗯，你去臺灣的時候，直接問 AI……」Jensen 在臺灣最喜歡的餐廳有哪些？「它實際上會——

萊克斯·弗裡德曼

(02:10:45) 你不知道？

黃仁勳

(02:10:45) 哦，知道。

萊克斯·弗裡德曼

(02:10:46) 準確嗎？好的。好吧。

黃仁勳

(02:10:47) 遍佈臺灣。

萊克斯·弗裡德曼

(02:10:50) 嗯，你在那邊是個大明星。就像我們私下提到的，也許我們會在計算機會展上碰面，那會非常棒。

黃仁勳

(02:10:58) 臺北電腦展。英偉達 GTC 臺灣。

意識

萊克斯·弗裡德曼

(02:11:01) 你認為關於人類本性、人類意識，是否存在某些根本上是非計算性的東西？也許是某些東西，無論芯片多麼強大，都無法複製？

黃仁勳

(02:11:18) 我不知道芯片是否會緊張。你知道，當然，導致焦慮、緊張或任何情緒的條件。我相信 AI 將能夠識別和理解這些。我不認為我的芯片會感受到這些。因此，那種焦慮、那種感覺、那種興奮、那種……所有這些感覺都體現在人類的表現中。例如，極其出色的人類表現，運動表現，平均或低於平均水平。同樣的情境，在不同的人身上，會產生整個光譜的人類表現，展現出不同的結果，展現出不同的表現。

(02:12:15) 我認為我們正在構建的任何東西中，沒有任何東西表明，兩個不同的計算機在完全相同的情境下，會產生……當然，它們會產生統計上不同的結果，但那不是因為它們感覺不同。

萊克斯·弗裡德曼

(02:12:34) 是的，主觀體驗……天哪，我們人類的主觀體驗確實有些特別的東西。就像我對你說的，和你談話我相當緊張。就像我對你說的，希望、恐懼、焦慮，以及生活本身，生活的豐富性。一切是多麼神奇。我們愛得有多深，我們的心碎得有多深，我們有多害怕死亡，當我們所愛的人去世時我們有多痛苦。所有這一切，全部。我知道很難……想象 AI 能夠……一個計算設備能夠做到那樣。但這整件事還有很多我們尚未發現的奧秘，我對此持開放態度，願意接受驚喜。在過去——

萊克斯·弗裡德曼

(02:13:23) ……幾個月和幾年裡，我已經被驚到了很多次。擴展可以在智能領域創造一些不可思議的奇蹟。看著這一切真的非常奇妙，所以我願意接受驚喜。

黃仁勳

(02:13:34) 分解什麼是智能是非常重要的。你知道，我們一直使用的這個詞，它不是一個神秘的詞。智能是有含義的，你知道？

(02:13:46) 它是一個系統……它是我們所做的事情，包括感知、理解、推理和制定計劃的能力。那個循環，那個循環，就是……智能的根本。智能不是一個完全等同於人性的詞。我認為區分這兩者非常重要。我們有兩個詞來描述。我不過度幻想，也不過度浪漫化智能。智能是……人們以前聽我說過，我實際上認為智能是一種商品。我被聰明人包圍著。我周圍都是比我聰明的人，在他們各自的領域裡。

(02:14:39) 然而，我在那個圈子裡有一個角色。這其實挺有意思的。他們比我受教育程度高。他們上的學校比我好。他們在各自領域都比我深入。所有人。我有 60 個這樣的人。對我來說，他們都是超人。而不知何故，我卻坐在中間，協調著所有這 60 個人。所以你得問問自己……一個洗碗工有什麼特質，能讓這個洗碗工坐在一群超人的中間？這說得通嗎？

(02:15:15) 所以，這就是我的觀點。我的觀點是，智能是功能性的。人性不是用功能性來定義的。它是一個大得多的詞。我們的人生經歷、我們對痛苦的忍耐力、我們的決心，這些都是不同於智能的詞。所以，我想幫助聽眾理解的是，如果我只能給他們一個信息，那就是智能這個詞隨著時間推移被我們提升到了一個非常高的地位。

萊克斯·弗裡德曼

(02:15:50) 我們真正應該提升的詞是人性的光輝。

黃仁勳

(02:15:53) 品格，人性的光輝。

萊克斯·弗裡德曼

(02:15:55) 所有這些。

黃仁勳

(02:15:55) 所有這些。同情心、慷慨，你剛才說的一切，我相信這些都是超人的力量。而現在的智能將被商品化。因為我們談到了，最重要的是你的教育。現在，即使他們說你最重要的是你的教育，當你上學時，你獲得的不僅僅是知識。

(02:16:22) 但不幸的是，我們的社會把所有東西都歸結為一個詞，而生活遠不止一個詞。我只是想告訴你，我的生活表明，在智力曲線上比我周圍的每個人都低，並不改變我是最成功的事實。所以，我希望這能激勵其他人——不要讓智能的民主化、智能的商品化導致你的焦慮。你應該為此受到鼓舞。

萊克斯·弗裡德曼

(02:17:00) 是的。我認為 AI 將幫助我們更多地頌揚人類。當然，人性與人類至上，我認為讓這個世界不可思議的是人類將永遠如此，而 AI 正是這個讓我們人類變得更強大的不可思議的工具——

黃仁勳

(02:17:18) 完全正確。

萊克斯·弗裡德曼

(02:17:18) ……人類更強大。

黃仁勳

(02:17:19) 完全正確。

死亡

萊克斯·弗裡德曼

(02:17:21) 英偉達的成功以及我提到的數百萬人的生活都依賴於你。但你只是一個人，就像我們提到的，和我們一樣終有一死。你會考慮自己的死亡嗎？你害怕死亡嗎？

黃仁勳

(02:17:42) 我真的不想死。我生活很美好。我有一個很棒的家庭。我有非常重要的工作要做。這不是一生一次的經歷所暗示的，那種經歷可能很多人都有過，只是不是同一個人。我正在經歷的是人類史上一次的經歷。英偉達是歷史上最重要的科技公司之一。我們在做非常重要的工作。我對此非常認真。所以當然有些實際的事情，比如我們如何考慮繼任計劃？我以不相信繼任計劃而聞名。

(02:18:36) 天哪。

黃仁勳

(02:18:36) 原因不是因為我長生不老。原因在於，如果你擔心繼任計劃，如果你對繼任計劃充滿焦慮，那麼你該怎麼做？然後你把它層層分解。如果你關心你離開後公司的未來，你今天應該做的最重要的事情，就是儘可能頻繁、持續地傳遞知識、信息、見解、技能、經驗，這就是為什麼我不斷在我團隊面前推理每一件事的原因。每一次會議都是一次推理會議。我在公司內外度過的每一刻，都是為了儘可能快地把知識傳遞給人們。

(02:19:23) 我學到的東西在我桌上停留的時間不會超過一秒鐘。我正在傳遞這些信息、這些知識——哦，天哪，這個太酷了。在我自己還沒完全學完之前，我已經把它指給其他人了。」看看這個。這太酷了。你會想學這個的。「所以我不斷地傳遞知識，賦能於人，提升我周圍每個人的能力，這樣我所尋求的、我希望的結果是，我能死在工作中。並且希望我能瞬間死在工作中。沒有長時間的痛苦，你知道？這，呃——

萊克斯·弗裡德曼

(02:20:06) 嗯，從一個粉絲的角度來看，鑑於你對文明產生的極其巨大的積極影響，當然，我希望你能繼續下去。而且，看著英偉達所做的一切本身就很有趣。就是那種創新速度。我是一個超級工程迷。英偉達持續進行著如此多令人難以置信的工程。光是看著就很有趣。這是對人性的頌揚，是對偉大建設者的頌揚，是對偉大工程的頌揚。所以，它代表著一些特別的東西。所以我希望你和英偉達繼續下去。關於我們正在進行的這一切，關於人性，關於人類的未來，是什麼給了你希望？當你展望未來，當你經常思考未來，當你展望 10 年、20 年、50 年、100 年後，是什麼給了你希望？

黃仁勳

(02:20:56) 我一直對善良、慷慨、同情心、人類的能力抱有極大的信心。我一直對此非常有信心。有時甚至超過了我應該的程度。我也會被利用，但這從未讓我停止相信。我總是首先相信人們想做好事。人們想幫助別人。絕大多數情況下，事實證明我是對的。不斷地被證明是對的。而且常常超出我的預期。所以我對人類的能力充滿信心。我認為給我帶來巨大希望的是，我現在看到什麼是可能的，以及根據我們正在做的事情進行推斷，什麼將很可能發生。

(02:22:22) 有那麼多我們想要解決的問題。有那麼多我們想要解決的問題。有那麼多我們想要建造的東西。有那麼多我們想做的好事，現在都觸手可及，而且在我有生之年觸手可及。你不可能不對那感到浪漫。你明白我的意思嗎？

萊克斯·弗裡德曼

(02:22:46) 活在當下是多麼激動人心的時刻。就像，真的——

黃仁勳

(02:22:49) 怎能——

萊克斯·弗裡德曼

(02:22:49) ……真的是這樣。

黃仁勳

(02:22:50) 你怎麼能不對那感到浪漫？事實上，期望疾病的終結是合理的。期望這是合理的。期望汙染會大幅減少是合理的。期望以光速旅行確實在我們的未來是合理的。然後，不是遠距離，而是短距離。人們問我怎麼做。嗯，首先，很快，我會把一個人形機器人放在宇宙飛船上，它會是我的那個人形機器人，我們會盡快把它送出去，它會在飛行途中不斷改進和增強。

(02:23:36) 然後到時候，我所有的意識都已經——你知道，我一生中的大部分信息都上傳到了互聯網。把我所有的收件箱，把我所做的一切，我所說的一切。你知道，它們被收集起來，變成了我的 AI。到時候，我們只需以光速發送它，追上我的機器人。

萊克斯·弗裡德曼

(02:24:00) 哦，太棒了。我的意思是，但對我來說，那是有點應用層面的。但同樣，對我來說，從最大化好奇心的角度來看，我只是，所有這些奧秘。那裡有太多……令人著迷的科學問題。

黃仁勳

(02:24:14) 理解生物機器就在眼前。不是 10 年。大概是 5 年。

萊克斯·弗裡德曼

(02:24:20) 然後你的生物機器，人類思維，並打開物理學、理論物理學的大門。太令人興奮了。

黃仁勳

(02:24:26) 解釋意識，那將是很棒的。

萊克斯·弗裡德曼

(02:24:29) 這一切都觸手可及。Jensen，非常感謝你多年來所做的一切。感謝你為世界所做的一切。感謝你成為你這樣的人。我看得出你是一個偉大的人，祝你今年取得巨大的成功。我等不及了。作為一個粉絲，我迫不及待地想看看你接下來會做什麼，希望能在臺灣見到你，非常感謝你今天能來聊天。

黃仁勳