「我们本可以轻易停下来，但如果今天就停下，我们就输了。」这是黄仁勋在 BG2 第 41 期片头留下的原声，也是整场的底色。比尔·格利这期缺席，坐在他对面的是布拉德·格斯特纳和 Altimeter 合伙人克拉克·唐。刚在白宫领完国家科学奖章的他，把那一周接上了一张账：芯片已经宣布了 50 吉瓦，能配上土地、电力和外壳的只有 35 到 40 吉瓦。123
他被问得最紧的那个问题是：AI 的收入到底撑不撑得起这些资本开支。主持人的账摆得很清楚——今年所有实验室的增量收入加起来大约 2000 亿美元，要一年翻倍到 4000 亿、再翻到 8000 亿，才够得上几万亿美元资本开支的回收区间。他的回答不是「撑得起」，而是「你根本不必把任何一家实验室外推到几万亿美元」：在明年的 40 吉瓦里，他数出至少三分之一只是通用计算的换机，另外三分之一流向新云、主权 AI 与企业，剩下那三分之一才轮到实验室，而且是许多家一起分。1
2027 年的瓶颈他也指得很具体：土地许可、发电、建 500 亿美元数据中心那一批不能互相替换的技工，以及基板与硅光子。而这一期最像「账」的一段，是他如何解释华尔街的共识——一年前市场还预期 2027 年持平或萎缩，现在共识是增长 74%，同期股价只涨了约 20%。他给的回应是那句「在变宽」，以及「我 99.99% 确信」。14
下面按节目原始顺序，先是 23 段逐段要点整理，再是全篇逐句中文译文，一个字都没省。
逐段要点整理
0:00 片头
- 冷开场是几句从正片里剪出来的原声：这对我们来说是一个关乎存亡的问题；我们本可以轻易停下，但如果今天就停下，我们就输了；功能性、能力、安全、安保，它们全都处在同一个位置上。1
- 主持人报的定位是「我们三个人重新坐到一起的第三期」。1
0:20 白宫的一周与国家科学奖章
- 布拉德先把他过去十天的行程数了一遍：白宫为习主席办的国宴、签下超级智能协定的那场白宫峰会，以及前一天总统颁授国家科学奖章。「你是那张桌上唯一的投资人」。1
- 他讲领奖这件事时给了一个细节：台上六个人里有五个出生在美国之外，这件事「像一吨砖一样砸在我身上」。1
- 同台的获奖者包括埃隆·马斯克、苏姿丰与谢尔盖·布林；颁奖在 10 月 8 日。35
- 他父母是临时被叫去的：24 小时通知，父亲现买了一套西装，母亲买了一条新裙子，他包了一架飞机把他们接过去。1
- 他讲了自己家的顺序：父亲在开利做空调，被派到纽约受训，回来后说「我们应该有一天也去那里」；先被送去美国的是他和哥哥，父母几年后才过去。1
5:06 美国的超级力量
6:37 进入奇点：我们现在在哪
- 主持人把他前两年的三次判断摆出来复盘：算力建设规模被严重低估、推理会让算力需求涨 10 亿倍、以及「我们正在进入智能体的时代」。1
- 他解释「10 亿倍」的逻辑：思考和解题要跑的推理次数，远多于复述记住的东西。模型要一步步推理、给出选项、展开、剪枝、反思——这就是人类战略家的做法。1
- 他把去年最大的解锁归到 harness——大语言模型的外骨骼：一是记忆（工作记忆、离线知识提取、知识图谱），二是工具使用（SPICE、Verilog、仿真器、Photoshop、AutoCAD、Cadence 这些人类已经造好的工具）。1
- 编程是最容易的第一段坡道；下一个「点击」是设计与创意工作——拍一张照片交给 Astra，它直接把东西重建成 CAD。1
15:58 纳维–斯托克斯与智能的降价
- 他强调 OpenAI 不是凭空解出纳维–斯托克斯的：大量基础工作已经做完，缺的是一轮穷尽式的探索——而探索要花算力。1
- 他对智能价格的判断是每年降 2 到 20 倍，类比摩尔定律；降下来的成本会被更大的消费量补上。1
- 他给的对比是：当年训练 GPT-1 那种量级要几千万美元，今天一百美元就能做；十年来同一件事的成本降了约五个数量级。1
- 主持人补上了这一次的价签：解出这个纳维–斯托克斯实例大约花了 400 万美元算力，1 万个智能体在一起工作。1
20:45 富足之后我们做什么
- 他不同意「我们会更有时间」：智能会解锁更多机会，而人有野心就会去追。1
- 凯恩斯 1930 年的预测成了他的论据：经济那半对了（一百年增长 8 倍），每周 15 小时错了——他错在没有意识到工作是意义。1
- 他讲奇点假设里最具体的部分：智能体能一起做长期任务、互相盯着别跑偏；他举的例子是全自动驾驶——谈了十年没到，突然所有人都在用。1
- 他解释为什么进步难以被接受：超智能是「软的东西」，看不见摸不着；但搜索、购物、看片、收货全都在用它。1
24:27 物理 AI 与机器人
- 他说「下一个千亿美元市场」说少了：今年前六个月物理 AI 就做了 100 亿美元，去年全年 100 亿，再往前一年 50 亿。1
- 他给的范围远不止机器人：光子计数 CT、超声、成像雷达、下一代 5G 传感网络，加上对地观测与三维重建。1
- 他的推论是：所有重要的事最终都触碰物理世界，所以车厂、物流、零售、电信这些行业都会变成技术公司。1
- 他讲的架构是「三台计算机」：一台训练大脑、一台做数字孪生（让智能体先在孪生体里学会用互联网），第三台在端上执行；他说三套完整技术栈全世界只有英伟达都做。1
30:36 负责任地建造
- 他的第一个论断是词义上的：「建」是工程词，关乎技术；如果你做不到安全地建，你就不该建。1
- 他对对齐的判断是「永远的问题」：解一元二次方程任务清楚、做法有很多种；而「在生活中取得成功」这句话，每个人的定义都不同——把安全寄托在完美对齐上，就永远到不了。1
- 他给的做法是零信任与游戏围栏：先给最小权限，随着测试获得信心再扩大边界。1
- 他要求监控必须在带外——因为被盯着的人和没被盯着的人行为不一样。1
- 他提到的产品已经落地：NVIDIA 在 9 月 28 日发布 Open Agent Safety Platform，把 OpenShell 与 Sentry 放在一起，宣布时已有 100 多家机构加入。67
36:46 安全、安保与安全气囊的类比
- 他反驳的是把能力与安全说成「正交」的说法：难道一辆车里唯一重要的只有发动机？气囊、刹车、雷达、ABS、车道保持都是这辆车技术的一部分。1
- 他说「加速 AI 技术」就包括加速安全与安保技术——这个包裹不能拆开。1
- 主持人复述了白宫那天的场面：总统点名叫达里奥解释「快又安全」，达里奥开口就说「您说过谁赢得 AI 谁就赢」，但承认安全系统也必须跟着加速。黄仁勋的补充是没有人需要被按住头。1
- 他给的时间线是：六个月前这项技术还几乎不能用，所以现在整个行业才有战略上的紧迫感。1
40:59 「美国赢」意味着什么
- 他拒绝把「赢」定义成 AI 行业赢：美国赢意味着每一个行业都赢，每一个州、每一个县、每一个社区、每一家公司都赢。1
- 主持人替他补上了那句结论：二三十年后回头看，经济要变成 10 倍大，而前提是它必须以与人类利益一致的方式完成。1
43:03 三条腿的凳子：美国的超智能框架
- 主持人把框架拆成三条腿：商务部对每一款前沿模型的审查；白宫那份超级智能协定里的内外部审计与董事会监督；以及负责关键行业协调与网络安全的 SI 力量。1
- 他对这套框架的评价是「能落地、有真正的牙齿」，而且是现在就在发生的事。1
- 他挑明了一个落差：电视上谈这件事的参议员并不了解已经落地的东西；他请他们来两件事——先了解问题，再看能不能把方案做得更好。1
47:07 2027 年的瓶颈：算力建设
- 主持人的数字来自 SemiAnalysis 的迪伦：明年要上线 43 吉瓦新增 AI 算力，比今天全世界已有的还多；后年再来 40 吉瓦。1
- 他的第一句回答是「需求肯定在，而且不止这些」，紧接着把障碍列全：土地许可、发电、建筑工人、装修工、水管工、各地暂停令。1
- 他强调这些技能不能互相替换：光是建这些东西就创造了一百万个新工作，而建 500 亿美元数据中心的那批人尤其关键。1
- 他承认英伟达的韧性来自全球触达，也承认自己不喜欢这个答案：如果这里建不起来，那就建到别国去。1
- 已落地的例子是澳大利亚：9 月 10 日，英伟达与 8 家当地伙伴宣布到 2027 年支持最多 2 吉瓦的 AI 算力。8
51:47 50 吉瓦的芯片，35 吉瓦的电
- 克拉克摆出街上流传的口径：约 50 吉瓦已宣布的芯片在推进，可能 35 到 40 吉瓦的土地、电力、外壳能上线。1
- 黄仁勋的论证是「每瓦 token 数最多」：电力越紧，客户越会滑向每瓦产出最高的平台——因为 CEO 同行的收入预期都很高。1
- 他给的每吉瓦量级是：从约 180 亿美元到二百多亿，再到今天 400 多亿美元。1
- 他给了份额的两个数：在云服务商那里约占 40%，在云服务商之外——本地部署与新云——约占 80%，两半都在每年翻倍。1
55:26 埃隆、Colossus 与 SpaceX
- 他提到埃隆的目标是 2027 年底拥有 10 吉瓦，也就是几千亿美元花在 Vera Rubin 上；他同时做三件事——训练自己的模型、部署它、再把算力租出去。1
- 他把「埃隆从企业客户变成云服务商客户」这件事当成自己报表结构的变化来讲。1
57:20 太空里的数据中心
- 他的理由是发射成本：正因为不便宜，你不会把低成本计算送上去，要送就送价值最高的那一档。1
- 他给了三个特性：可替换（有租客就开工）、耐久（八年后仍在收软件更新）、以及技术本身。1
- 两个工程团队正在合作做一种新的服务器与架构，目标是太空与地球都能用。1
1:00:33 AI 收入撑得起资本开支吗
- 主持人把这期的核心问题摆了出来：今年实验室的增量收入约 2000 亿美元，要一年翻到 4000 亿、再翻到 8000 亿，才够得上几万亿美元资本开支的回收区间。1
- 他把英伟达的计算切成三块：基准计算（数据处理、仿真、经典机器学习）约三分之一；新一代云——给几千家新公司租算力——约三分之一；前沿实验室约 25% 到 30%。1
- 他说人们只看见两家实验室，他看见五六家：Meta Muse 绝大部分跑在英伟达上（去年这个数字还是零）、Grok 三年前还不存在、Gemini 以前不跑、今年加上了 Anthropic。1
- 他强调 80% 的创业公司在用开源模型，而且不是拿去跟前沿实验室竞争，是去别处打开机会——很多用的是 Nemotron，再定制成自己领域里的超智能。1
- 他搬出摩尔定律的结束：过去想要两倍晶体管只要等一年、价格不变；现在不管等多久，想要两倍就得付两倍的钱。1
- 这一段的落点是那句点睛：「没有必要把任何一家实验室外推到几万亿美元。」1
1:06:04 开源与闭源
- 他把未来分成两层：通用的闭源实验室做通用人工智能，会变得非常好；握有专有数据的垂直公司，在自己的领域里达成超智能。1
1:11:35 压在两家实验室身上的担子
- 他说「我们给两家实验室的压力太大了」：它们会成功得不得了，但不需要接近一万亿美元的收入。1
- 他把明年的 40 吉瓦再拆一次：至少三分之一只是通用计算的换机，三分之一给新云、主权 AI、企业与创业公司，剩下三分之一才轮到许多家实验室。1
1:13:26 AI 的供需动力学
- 主持人担心的那个时刻是：所有人突然对融资紧张，于是建设停下来。他的回应是把账拆回第一性原理。1
- 他给出的长期数字是：到十年末，基础设施建设的规模大概每年 3 到 4 万亿美元，其中约 1.5 万亿是算力本身。1
- 他的论据里有两条常识性的：AI 开始之前那块蛋糕已经有 5000 亿；以及「人们还会继续在网上买东西」——三分之一那部分「拿去银行都没问题」。1
1:17:37 复盘华尔街的共识
- 主持人把两张预测线摆出来：一年前共识还预期 2027 年持平或萎缩，现在共识是增长 74%，而同期股价只涨了约 20%。1
- 英伟达官方给的指引是明年 70% 的销售增长。4
- 他对 13 到 14 倍市盈率的解释是：一家这么大的公司份额还在涨，这件事本身说明了韧性与优势的体量。主持人追问护城河，他的回答是「在变宽」。1
- 官方财报给出的体量是：2027 财年第二季度营收 962 亿美元、同比增长 106%，其中数据中心 890 亿美元、同比增长 117%。9
1:19:40 Vera Rubin Ultra 的订单
- 他做的思想实验是要客户「连实物都没见过」就下 1000 亿美元的订单，理由是上一代产品证明过这条曲线。1
- 他还说这些系统已经很难跑基准测试：工作负载太复杂，想真实评测得先给一座巨大的数据中心，再花两年改造。1
- 他用台积电解释「提前五年规划」这件事：不用见实物就知道下一代更好、会有产能给他、能应对他从灰线到蓝线到绿线的起伏。1
- 他把架构的选择讲成一条传导链：通用带来可替换，可替换带来低风险，最后落到最低的总拥有成本；专用化是可替换与耐久性的敌人。1
1:23:49 全球触达：欧洲、日本与更远
- 他给出两个独立于硬件销售的新增长向量：软件授权（企业需要有人维护那套栈）与收入分成（投资、先拿销售的钱、再拿往后几年的分成）。1
- 软件授权的算术是：每块 GPU 每年几千美元，而一年出货约 2000 万块，其中一半进企业。1
- 回购那一问他说上个季度把自由现金流的 60% 以上还给了股东，并承认投资那部分占现金创造总额的比例会迅速下降——因为 OpenAI 与 Anthropic 那种机会不会再来一次。1
- 他讲可替换性的最后一条：客户要去哪儿，基础设施已经在那儿——OpenAI 想去欧洲、想去印度，Anthropic 想去日本、韩国。1
1:35:57 未来十年：99.99% 确信
- 被问到五年后回头看会不会做对了选择，他给的数字是 99.99%——并说明这是「为了纪念一位好朋友」而不用 0 和 100。1
- 他要反驳的是那种「除非我去做，否则做不成」的傲慢：聪明人自己就在做聪明的事，无论他说不说。1
- 他给的界线是：担忧是好的，应该表达；但不该预言世界末日——那是低估了人的处境与人的能力。1
- 收尾那句与片头呼应：我们本可以轻易停下，但如果今天停下，我们就输了。1
逐句全文翻译
只保留中文译文，不保留英文原文；对话部分保留说话人标签：黄仁勋／布拉德／克拉克。不压缩、不摘要、不删减。
口径：说话人按整集音频的声部分段与节目内容判定——黄仁勋＝NVIDIA 创始人兼 CEO 黄仁勋，布拉德＝布拉德·格斯特纳，克拉克＝克拉克·唐；片头的冷开场是嘉宾原声片段，标为黄仁勋；片尾的口播提示标为布拉德。这档节目不发布带姓名的逐字稿，两位主持人的逐轮归属按声部序列与内容判定，可能与实际发言人有个别出入。官方字幕由机器生成，专名听写有错（例如把 Nemotron 写成 Neotron、把 Rubin 写成 Ruben、把 Grokbot 写成 Grockbot、把 Cadence 与西门子写错），译文按可确认的专名还原，无法确认的保留原样；节目里的口头语、重复与自我更正按原意保留，未删减任何内容。
0:00 片头
黄仁勋：这对我们来说是一个关乎存亡的问题。我们本可以轻易停下来，但如果今天就停下，我们就输了。功能性、能力、安全、安保，它们全都处在同一个位置上。这是第一优先级。
0:20 白宫的一周与国家科学奖章
布拉德：这是我们三个人重新坐到一起的第三期。
布拉德：过去十天里，你先去白宫出席了为习主席办的国宴，接着又去了白宫那场峰会——就是我们在那里签下超级智能协定的那场；而就在昨天，你还和你的父母一起去了那里，总统把国家科学奖章颁给了你。
布拉德：你是那张桌上唯一的投资人。现在回过头想，你确实是桌上唯一的投资人。
布拉德：跟我说说昨天和父母一起站在那里的感觉。让我受到震动的是，台上六个人里有五个都出生在美国之外。那是什么感觉？
黄仁勋：首先，这件事本身就是极大的荣誉。它也反映出这家公司所做出的贡献。
黄仁勋：我们创造、我们发明了一种新的计算模型。它大概是今天全世界最普遍的计算模型，是唯一一种存在于每一个云、每一家电脑公司里的计算架构，也被用在科学的每一个领域。
黄仁勋：玩家在用它，创作者和建造者在用它，科学家也在用它。它驱动着智能。只要退一步看这家公司做成了什么——我们最初是为玩家造图形芯片的，我到现在仍然为此自豪——我们到今天已经出货了 16.7 亿颗。也就是说，我培养出了好几代科学家、孩子和设计师。
黄仁勋：我们现在就是驱动社会智能的基础设施。所以，代表公司去领这个奖，对我来说是一个无比自豪的时刻。至于我的父母，我想让他们到场，而我只给了他们 24 小时的通知时间，他们并不常出门。
黄仁勋：他们确实不太出门。我父亲连一套西装都没有。
布拉德：哇。
黄仁勋：对，于是他跑出去买了一套西装。他们看上去很棒。那是一套全新的西装，他就那么出现了。我原本以为他只会穿件衬衫来，结果他出门买了一套西装。
黄仁勋：我妈妈也买了一条新裙子，而且真的就是在 24 小时之内。
布拉德：是啊。哦，我懂那是什么感觉。
黄仁勋：天哪，简直不可思议。我们给他们包了一架飞机，把他们接过去。他们见到总统特别高兴，而且特朗普总统还搀着我妈妈——她走路不太方便——他们两个人一起走下台，他扶着她。他搀着她走下台阶，而他们能见到他，自豪得不得了。
黄仁勋：但对他们来说，这就是他们的美国梦。我父亲——我还记得，那时候我大概五岁。他刚从美国出差回来，他在一家空调公司做事。
布拉德：当时你们住在台湾。
黄仁勋：当时我们正要搬去泰国，人还在台湾。他从美国回来。他当时在美国，为一家叫开利（Carrier）的公司工作，就是那家空调公司，他去那里受训。
黄仁勋：而全世界那么多地方，他们偏偏把他派到了纽约。
布拉德：好，你可以想象一下。
黄仁勋：一个二十七八岁的年轻人，从没离开过台湾，然后去了美国，而且是纽约。
黄仁勋：他看到了未来的未来。
黄仁勋：他回来的时候整个人都被震住了，还把他从机场买的所有东西带了回来。他买了巧克力，还带回来那种老式的管装奶酪——就是一种白色的、挺奇怪的奶酪，挤在管子里。那东西很棒。他带回来各种奇奇怪怪的东西，然后他说：我们有一天也应该去那里。
黄仁勋：于是就有了第一个机会。他们先把我和我哥哥送到了美国，那是他的梦想。很多人不知道，你比你的父母更早到了美国。
黄仁勋：对。他们几年之后才过来。但昨天我突然被重重地敲了一下：台上的六个人里有五个出生在美国之外。你和我聊过，我们在这许多事情之外，还需要一套真正的战略和移民政策，确保我们仍然是全世界最伟大的建造者都想来建造的地方。这就是美国的超级力量。
5:06 美国的超级力量
布拉德：对。
黄仁勋：从很多方面说，这个国家创造知识产权的能力在世界上独一无二。原因就是我们吸引全世界最好的人来到这里，建立他们的生活——因为这里提供的自由、这里提供的机会，还有那种发明与创业的精神和「做得到」的态度。
黄仁勋：在美国，一切都有可能。我们从「当然可能」「我们当然做得到」开始。而换到别的地方——我出差很多——你听到的是「当然做不到」「你不行的」。我们把这当成理所当然。
黄仁勋：但那种精神，那种围绕我们在这里创造出的文化而来的能量，怎么强调都不过分。所以我认为，知识产权流向这个国家，是世界上从未见过的景象。
布拉德：确实如此。
黄仁勋：而我们想要这样。我们想要全世界最伟大的头脑都来这里，带上他们伟大的想法，在这里把它们实现出来。在这里实现，然后让这个飞轮继续转下去。
黄仁勋：你看，这确实是一套精密的系统，一个精密的平衡。我明白，这个平衡很精细。所以我们必须依法来做、正当地来做。但我们确实想要这么做。
6:37 进入奇点：我们现在在哪
布拉德：好，我想先从高处看我们如今在哪里；然后往下钻一点，谈安全与监管、怎么把这件事做对，以及算力建设走到了哪一步；最后我们再落到英伟达的增长、以及它那边正在发生什么。不过你一直很擅长预言未来：两年前我们坐在这里，你说市场严重低估了未来五年需要、并且将会发生的算力建设规模。你说不会是 1 万亿，累计至少是 2 万亿。而现在我们已经超过那个数了。你还在所有人之前说，推理——因为推理时的思考——会让算力需求涨 10 亿倍。去年，在我们看到 Opus 4.6、看到 Claude Code 之前，你说我们正在进入智能体的时代，说我们会解锁很多能力。当然，后来我们看到了 Opus 4.6，Claude Code 真的起飞了。那么现在我们在哪？我说过的话里只有三件应验了，另外还有 200 件，干脆就把这个做成播客吧。我们几周后的投资人日，主题就是「进入奇点」，就是这个加速。埃隆、萨姆、德米斯都在说「我们还在山脚，或者正在进入奇点」；我们还有模型解出了纳维–斯托克斯方程。所以当你看进你的水晶球，我们在哪里？我们是在拐点上、在加速，正在进入超智能的另一个阶段吗？
黄仁勋：我们先把这个拆开。首先，为什么我们需要的算力会比不久前——比如去年——多出 10 亿倍，这在逻辑上其实相当清楚。因为思考和解决问题所需要的推理次数，远远多于把一个你背下来的东西复述出来。
黄仁勋：当你在 ChatGPT 里输入一个提示，那些知识大部分早就被编码进大语言模型里了。可惜它会幻觉，所以下一步是：它仍然是生成式的，但同时被真实事实约束或条件化。它得出去查一次，快速检索，把真实事实带回来，然后在这个条件的加持下，结合它在预训练里已经学到的东西，生成新的答案。而我们真正想做的大多数有意思的事情，都需要你一步步推理，想出好几个选项、做计划，然后你可能会想：先看看这些东西各自会怎么展开。再根据每一个的结果，反思目前最好的答案、最好的路径，我可能会挑其中一个、两个或三个继续往下推。
黄仁勋：然后把其余的剪掉，接着不断重复这个过程。人类也是这么做的——这就是为什么我们说，伟大的战略家热爱「战略可选性」。一方面你不想太快剪枝，另一方面你又必须优化你的资源。而 AI 正在做这件事。
黄仁勋：也就是说，它们在保留战略可选性，在展开，在剪枝，在反思，再剪枝，如此往复。所有这些思考、所有这些探索，都要消耗多得多的算力。而且不止于此——因为它现在能真正做有产出的事，我们就会把它用在更多事情上。两个效应叠加：它做一件事要花更多算力，而它做得好，我们就会雇它做更多的事。到这里我会说，去年最大的一处观察是：一方面我们希望模型越来越好，模型的缩放律也会继续；但另一方面，是给它接上一个 harness——本质上是大语言模型的外骨骼，有点像大脑的身体。
黄仁勋：它让模型能够管理工作记忆、管理知识。你怎么从工作记忆走到短期，再走到长期，最后基本上形成你自己的知识图谱——这正是我们每个人都在做的事。我们会想：我学到了什么，它怎么和我知道的一切拼在一起？就像我们睡觉的时候会做压缩，那些没意义、不重要的东西慢慢被忘掉，而真正重要的东西会以某种方式被重新连接起来。所以我们在离线状态下做这件事：工作记忆、离线知识提取、知识图谱创建——记忆这整块是件大事。另一件事当然是工具使用。
黄仁勋：我们教会了这些 AI 如何跟人类创造过的最重要的那些工具打交道。这跟一个机器人走进我们家没有区别：它更可能会用我家里的工具，而不是从零开始自己造一套。所以 SPICE 仍然有用，Verilog 仍然有用，仿真器仍然有用，设计编译器、Photoshop、AutoCAD、Cadence 以及西门子的那些工具——我们用来运营公司、建造公司、设计东西、操作东西的所有这些工具，都会是智能体的好工具。但智能体得学会怎么用它们。所以这两个领域——知识与工作记忆，以及工具使用——在过去一年里被大幅解锁了。
黄仁勋：于是你突然可以把这些大语言模型封装在它们的 harness 或外骨骼里，放进你的公司，接上你的信息、你的真实事实，接上它们可以使用的工具，然后它们就开始做出惊人的事。坦白说，最容易的那部分是编程。那是通往有用工作的第一段坡道。
黄仁勋：从很多方面说，编程之所以容易，是因为客户和它们使用的工具，都已经相当习惯那些「用处极大、但并不易用」的东西。所以在编程的早期，部署并不容易，但软件工程师找到了办法。而现在我认为，对我们来说「下一次点击」已经来了——你们大概已经玩过 OpenAI 的 Astra，它非常棒，我们在各种地方都在用它。所以这些智能体的下一个阶段，是能做设计工作、做很多创意营销工作；我们已经在用它——你拍一张照片给它，它真的能把它重建成 CAD。
黄仁勋：对，它真的把它重建成 CAD，这太不可思议了，因为我们正需要 CAD。这样我们就能跟 CAD 交互、做微调、做调整。所以 Astra 真的能给我们最初的初版实现，效率高得惊人。现在你把 Astra、把最新的发布，应用到所有这些不同的领域。我认为除了软件工程之外，我们还会看到设计师、建造者、创作者，以及整个科学家群体——所有这些都会被解锁。当然，挑战在于：我们如何安全、可靠地把智能体部署到世界的企业里。这又回到了安全与安保这同一个问题。
黄仁勋：我们回头再谈这个。
布拉德：我们回头再谈这个。让我印象很深的是：所有这一切都发生在今年，而 OpenAI 和 Anthropic 各自也就两三个吉瓦的算力。相对于即将到来的东西，这是相当小的一笔。我感兴趣的是，经济通常的运作方式、或者人们给经济或公司建模的方式，是线性减速——他们不擅长给加速建模。但这里我们面对的是双重指数，有海量的新算力正在上线。所以如果 OpenAI 和 Anthropic 明年的算力翻了 3 到 5 倍，这是不是合情合理？我是说，我们解出了纳维–斯托克斯方程；而今后回头看，我们会说那只是一点点算力和一点点智能，是我们往后能拥有的最差的智能——而它解出了一道千年难题。所以当你看着明年即将上线的东西，你预期我们会在长期的智能体问题上取得重大突破吗？我们能用上成群结队的智能体吗？
15:58 纳维–斯托克斯与智能的降价
黄仁勋：纳维–斯托克斯是个很好的例子。记住，OpenAI 不是凭空解出它的。它是在很多伟大的科学家、伟大的数学家和大量先前工作的基础上解出来的。我前面说，我们正处在很多不同领域的临界点上。
黄仁勋：因为我们已经到了那个阶段——纳维–斯托克斯上已经有大量的基础工作做完了。只要我们能应用 AI 那种穷尽式的探索，用到那些已经做完的工作上，我们就会相当快地看到一个接一个的突破。但要做到这一点，我们确实需要大量算力。
黄仁勋：原因在于，大量的探索是必需的。如果只需要有人解开某个基础的第一性原理理论就能发现突破，如果它不需要对搜索空间做巨量的探索——搜索空间，不是太空，是搜索空间——如果不需要这些，那早就有人找到了。人是很聪明的。所以我认为有很多这样的问题就悬在悬崖边上，它们真的只差那一轮巨量的智能探索。在未来几年里，我的预期是智能的成本会相当快地下降。
黄仁勋：原因很明显：我们在把更多算力接上线，而模型也变得更聪明。更聪明就意味着可以更高效。这两件事合在一起，智能的成本就会降下来——这正是大家想要的。
黄仁勋：这和摩尔定律没有区别。往回看三十来年，我们经历了三十年的计算成本每年下降一半。而我们要的是智能成本每年下降 2 倍到 20 倍，因为对它的消费会远远补上。世界上有一大片巨大的空白等着被填满，那是机会的真空，我们只需要把成本降下来。
布拉德：让我觉得特别的是，纳维–斯托克斯这件事里有 1 万个智能体在一起工作。听起来就像一家超大规模公司，把智能体全都指向同一个目标。现在早期阶段还有很多并行搜索式的探索，但我认为目标是让更多智能体朝一个共同目标协作，那样我们能解决的问题会多得多。按我们的算法，解出这个纳维–斯托克斯实例大约花了 400 万美元的算力。而未来几年，做同样一件事的成本还会再降 5 到 10 倍，所以我们能做的事情会迅速扩张。
黄仁勋：我们的野心会冲到天上。最初的 GPT 大概花了——随便说个数——2000 万美元。
布拉德：如果今天你想训练 GPT-1，大概要花多少？一千美元？一百美元？差不多一百美元。
黄仁勋：从 2000 万、就算 1000 万，降到 100 美元，而我们只用了十年。与此同时，我们的野心变得非常大——我们现在训练的模型是 3 万亿、10 万亿、30 万亿参数的巨型模型。我们对技术能力的野心涨了，而我们对它的使用量，从十年前到现在大概涨了一百万倍。
黄仁勋：所以我不认为这个趋势会停。对智能的需求相当不知足，而你越聪明，就越有更多应用智能的想法。我这一生学得越多，就越发现还有更多事要做。因为每学一样东西，就打开一扇新的门；每打开一扇新的门，你就看到更多机会、更多挑战、更多问题。这就是未来。
20:45 富足之后我们做什么
黄仁勋：你知道，人们说我们以后会有更多时间。我完全不同意。我认为对大多数人来说，这种智能会解锁更多机会，而他们会想去追求，因为他们有野心。你给我举一个例子：哪个家庭、哪个父亲、哪个儿子、哪个丈夫、哪个妻子、哪个母亲，不希望自家的生活更好？他们只是没有机会，而这些东西会打开机会。
黄仁勋：如果你回到 1930 年，凯恩斯对工业革命做过一个预测。他说，一百年后经济会增长 8 倍，但每周工时会降到 15 小时。他说对了一半——经济确实增长了 8 倍，我们从中得到了巨大的富足和生产率提升——但我们没有走到每周 15 小时。他错的地方是人的精神。他没有意识到，工作是意义，发现是意义，我认为这深深编码在我们的 DNA 里。我现在比以往任何时候都更努力工作，也比以往任何时候都更快乐。不是因为我必须像我的祖辈那样工作，而是因为我想。
黄仁勋：所以这一点我同意你。我对这个想法很着迷：奇点假设，我们现在有了这些能一起做长期任务的智能体，它们能一直待在任务上，彼此盯着对方别跑偏，像一个团队——「嘿，你偏了」。我也喜欢你那个说法：我们是在过去所有成就的基础上往上建。就拿全自动驾驶当例子，我们谈了十年，一直没做到；可突然之间，你上推特一看，大家都在体验特斯拉 FSD、体验 Waymo，我们到了。有人问我「今天早上开过来怎么样？」我说「我不知道」——因为我上了车就打开 FSD，一路到停车库之前我完全没注意。我整段路都在工作。如果把这放到科学领域，放到制药和遗传学上，会来的突破——我们已经铺了三十年的轨道，接下来会有一大批治愈性的突破。当然，ChatGPT 已经在帮父母安排一天、解决孩子的健康问题、帮他们接受更好的教育。
布拉德：不过跟我们聊聊，为什么它这么难被真正接受。黄仁勋，我们身边有这么多正在改善生活、而且就在眼前的东西，我很好奇为什么它没有被接受。
黄仁勋：我猜，让我试着回答一下。我们最终其实也不会真的知道。我跟很多人聊过，他们告诉了我他们的想法。其中一件事当然是——
黄仁勋：AI、或者说超智能，它是一种「软的东西」。你看不见它。全世界都在谈这项技术，但你没法看见它，也没法摸到它。即便人们已经在受益——他们搜索的时候已经在受益，购物的时候已经在受益，用 Netflix 的时候在受益，去沃尔玛的时候在受益，联邦快递把东西送到我们手上这件事也在受益。今天这一切都在利用超智能和加速计算，但我们在讲这个故事上做得很差。
黄仁勋：所以生活里他们已经在受益，只是它是隐形的。对：如果我们把数据中心、把超智能关掉一个周末，我想所有人都会注意到。
24:27 物理 AI 与机器人
黄仁勋：我知道你特别想问机器人那件事。对，你今年几次很有名地说过，机器人的「ChatGPT 时刻」已经到了；你还说过它可能是你的下一个千亿美元市场。那么今年这个拐点上，你看到了什么？
黄仁勋：我说「千亿美元」是说少了，因为今年前六个月，我们在物理 AI 上就做了 100 亿美元。物理 AI 基本上就是——以某种方式与物理世界交互的 AI。它可能是光子计数 CT 机，可能是超声，可能是新的成像雷达，可能是下一代 5G。它不只理解无线电波，它会理解各种信号，是一个传感网络。
黄仁勋：当然还有机器人、自动驾驶汽车、制造系统、视觉检测，还有对地观测卫星——把世界成像下来，再重建成三维。所以基本上，如果你看整个电磁波谱，从可见到不可见，每一段都有 AI 在做事情。作为 AI，这里有感知的部分，有推理的部分，还有规划与执行的部分。当你走到规划与执行，那就是自动驾驶、机器人这类东西：仓库里的配送车、不必那么精确编程的取放机器人，因为它自己学；一直到大家谈的消费机器人，进到你家、帮你铺床；还有医疗机器人、医院机器人——把处方精确无误地送到病人手上。
黄仁勋：还有机器人护理，真正 24 小时、每一秒都在，保证病人的安全。整间手术室未来会完全机器人化，这样的好例子很多。很多很好的技术在部署。如果你看这整件事，我们是全世界最大的物理 AI 公司。前六个月我们做了 100 亿美元，去年我们也做了 100 亿美元，那是我们第一个 100 亿美元的年份，再往前一年我们做了 50 亿。所以是从 5 到 10。假设我们做到 20——谁知道呢。所以也许「千亿」是有点说少了。
黄仁勋：我认为推理这部分是这样的：归根到底，所有对我们真正重要的事情都会触碰到物理世界，而我们生活在物理世界。所以我认为，把软件、计算、智能带进那些历史上主要是机械和电气的行业，是一个巨大的机会。看看埃隆对汽车行业做了什么——他把汽车行业本质上变成了一个计算行业、一个技术行业。所以我认为，每一家汽车公司都会变成技术公司。
黄仁勋：每一家航运、快递、物流公司都会变成技术公司。我为联邦快递超级兴奋——它们显然会变成一家 AI 公司、一家技术公司。沃尔玛显然也会变成一家技术公司、一家 AI 公司，我为他们超级兴奋。整个电信行业会再一次被重造成科技行业：它很久以前是科技行业，后来变成了服务行业，现在它会重新变成科技行业。我很高兴能与 AT&T、Verizon，以及欧洲和全世界一起，看它们重新塑造自己。所以你看每一个触碰物理世界的行业，都有一个用 AI 重新发明它们的好主意。我们——我刚去过华盛顿。挺奇怪的，人们会把我们放进「芯片」这个格子。对，而我们其实在仓储和物流里，在医疗里，在汽车里，在电信里，在这个星球上的每一个行业里；在生命科学里，在娱乐里。很明显，很长一段时间里英伟达其实是一家娱乐公司。这些垂直行业里的每一个，英伟达都有庞大的技术栈在里面，我们在生态里扎得很深，也有很好的伙伴关系。所以有一天，人们可能不会再把我们归类为一家芯片公司。我们的做法就是把汽车行业那套打法——我认为是——复制到每一个这样的行业里。
黄仁勋：对，那是最终的贡献。但在每一个这样的行业里，要建一个物理 AI 平台都需要三台计算机。你需要一台计算机来创造大脑，那就是训练系统。但非常重要的是——这也是各家实验室都会做的——它们需要为互联网建一个数字孪生。
黄仁勋：这样它们就不必把 AI 智能体放到真实互联网上去学会使用它。就像我们做了 Omniverse，作为仓库、建筑、城市和物理世界的数字孪生；我们把机器人放进数字孪生里，数字孪生在孪生体里学会怎么当机器人，然后我们再把它部署到最后一台计算机上——也就是机器人、汽车、手术器械之类里面那台计算机。所以需要三台计算机、三套完整的技术栈，而我们为每一套都造了完整的技术栈。全世界只有我们这么做。如果你是一家想端到端自己建的公司，你当然可以只用我们其中一台、两台或三台计算机，我们不介意。每一台计算机都有自己的软件栈。我们把同样的事做遍了所有垂直行业。
30:36 负责任地建造
黄仁勋：当然，这些能力是双刃的，这就是为什么我们听到很多人在谈安全。你一直对末日论叙事批评得很厉害。而只有负责任地把技术建出来，你才可能走到那里。所以第一件事，就是负责任地把技术建出来。
黄仁勋：注意「建」这个词。它是一个工程词。它关乎技术，关乎工程，关乎工程师、科学家、研究人员。我们必须安全、负责任地把这项技术建出来。问题只是：你能做到吗？答案是绝对能。因为如果你做不到，那你根本就不该把它建出来。
黄仁勋：所以我们要么相信自己能做到，要么就不该建它。我相信我们能做到。让我和你一起把它推一遍。第一部分是这样：有人说 AI 是不可控的，因为它不可能被完美对齐。给所有听众解释一下什么叫对齐。你对某人说：我要你做这件事。
黄仁勋：任务很清楚，对你说出这句话的你来说很清楚，因为你是用英语说的。可以是：我要你解这个一元二次方程。那么任务是解这个方程，而对齐是——你怎么解？有很多种做法。比如你把它背下来了。
黄仁勋：答案就是它本身。或者你在教科书上见过这个答案，所以你把它查出来；或者你参考了某份资料；或者你走到一个抽屉前，你知道那个抽屉里装着所有答案，你打开抽屉，把答案取出来。有人管这叫作弊，我管这叫打开抽屉、把答案取出来。这就是计算机会做的事。解那道题有很多种不同的方式。
黄仁勋：当然，刚才那个例子很明确。再举一个：在生活中取得成功。任务说起来很容易，事实上我们一直在互相说这句话。我们跟孩子说，我们跟朋友说：我们要尽力为社会做贡献。那么问题是怎么做——有太多种方式了。你怎么可能合理地「对齐」？每个人的文化、背景都不同。有的人认为对社会做贡献就是慷慨、善良；有的人可能认为对社会做贡献是赚很多钱然后去做慈善；还有的人可能觉得——嗯，你说是吧？
黄仁勋：还有的人可能觉得，就只是建一家公司、或者自己独立做一件事，本身就是对社会足够的贡献；或者创作一件美的艺术品。这些全都是对的。所以问题是什么叫对齐？它取决于你的背景、你的文化，也许还跟你住在哪里、从哪里来有关。方式有无数种。
黄仁勋：所以我的观点是：对齐会是一个永远存在的问题。如果我们把确保安全寄托在完美对齐上，那我们永远到不了那里。答案是这样的：我们对待婴儿的方式、我们怎么想抚养孩子这件事、我们怎么对待宠物，或者员工——你从「围栏」开始。你根据你要求他们做的工作，给他们相应的权利、相应的工具访问、信息访问，以及相应的责任、能力和资源。你从不信任开始。你雇一个人的时候，你从不信任开始；你有一个一岁的孩子，你会把他放进游戏围栏里——你假设的是零信任。
黄仁勋：所以零信任，给他们最小的权限，然后随着你了解更多，再逐步扩大那个边界。每当我们有一个新的 AI，我们必须假设同样的事：测试一个 AI 的时候，零信任、最小边界、最小权限，然后在你测试、获得信心的过程中逐步扩大。所以围栏、非常紧的围栏，对任何自主系统都极其重要。第二件事是监控。
黄仁勋：而监控必须在带外。原因是：如果你对一个聪明人说「嘿，我要坐在这里看你干活，确保你做得对」，并且「我要坐在这里看着你，确保你恰当地服务客户、工作足够努力」——那这个自主系统在你没看的时候，表现会和被看的时候不一样。就像布拉德在不在这个房间里跟我在一起。完全正确，完全正确。所以监控必须在带外，而且它必须具备观察能力：观察到自主系统正在做与策略不一致、或者与对齐不一致的事；同时你有权升级或者关掉它。
黄仁勋：直接关掉。所以这类能力必须存在。那是工程，那是技术，而且它是可能的。我们最近发布了一个叫 OpenShell 的东西，现在已经有超过 100 家公司加入我们，全世界有大量的活动，因为大家想要的是同一件事。
布拉德：从最高层开始说——我在白宫那张桌子上环视一圈……桌上坐着的每一个人，他们的父母、他们的孩子。我认为这个国家有一种看法：某些超智能的领导者就是在「YOLO」，他们根本不在乎，他们很鲁莽，只想把钱全抓走。可我在那张桌子上看到的人里，没有一个想鲁莽、想 YOLO。事实上，那里的每一个人都想在「快」和「安全」之间找到正确的平衡，这是总统的指示。我们对它具体意味着什么还争论了一下，因为怎么落实有不同版本。但你会对担心我们有一个鲁莽的总统或者鲁莽的领导者们的美国公众说什么？你看到过这方面的证据吗？你有孩子，你会担心超智能将要带来的那个未来吗？
36:46 安全、安保与安全气囊的类比
黄仁勋：安全与安保技术，它们本身就是 AI 的一部分。有一种奇怪的表述，说 AI 技术与安全、安保是「正交」的。这有点像是说安全气囊、刹车系统、雷达、摄像头、ABS、车道保持——这些技术不知怎么地跟汽车是两回事。你们明白我在说什么吗？难道对一辆车来说唯一重要的只有发动机？事实上，整辆车都是汽车技术的一部分。当我说我们要加速 AI 技术，我的意思是我们需要加速安全技术、加速安保技术，它们全都要被加速。
黄仁勋：对。你现在要是问我，我想所有人都会说「让我们加速安全，让我们加速安保技术」，没有人会说「别，那个先别急」。我们应该加速它。它是同一件事的一部分。你没法把能力、功能性与安全、安保拆开。它们是一体的。而且当你把服务交付出去的时候，没有人会说「我很喜欢你这服务的功能性，可它把事情搞得一团糟」。所以我认为它是同一件事，我们把它当作同一件事，整个行业也必须把它当作同一件事。当我们说加速，我们指的是加速这整个包裹——包括安全，尤其是安全。
布拉德：你提到「pacing」。有些人读了达里奥那篇《我们必须为前沿调速》（We Must Pace the Frontier），以为那意思是慢下来。我觉得那天在屋里有一个很好笑的时刻：总统点名叫他新交的好朋友达里奥——他当时就是这么称呼他的——说：你给我解释解释你那套「快又安全」的版本。达里奥开口就说：总统先生，您说过谁赢得 AI 谁就赢，对吧？他说我们所有人都在加速，他们也在加速，他们想跑快、想赢下跟中国的竞赛；但也承认，就像你刚说的，一路上我们必须确保安全系统也在加速、也跟得上。所以我认为那是一个重要的时刻。因为我觉得人们把他摆成了对立面，可在我看来你们其实非常一致。你和他、和格雷格以及其他前沿实验室一起去了内阁会议室，去签那份协议。那间屋子里有没有关于分歧的议论？还是说显然都签下来了——有没有人需要被按住头，还是大家都是自愿的？
黄仁勋：没有，所有人都非常建设性、非常有产出。我认为毫无例外，每一个人都致力于安全、可靠地推进这个行业。原因是：如果不安全、不可靠，功能性就永远没有机会说话，能力也永远没有机会发光。所以我们知道，任何时候优先级都是安全与安保。当然也要承认，这个行业不久前刚经历了一次转变——就在六个月前，这项技术几乎还不太能用。
黄仁勋：对。而如果没有功能性和能力，把它做得安全又有什么意义？根本没人会在意它。所以 AI 的第一份工作是证明自己能做有用的事，而它真的在六个月前走到了那个点。所以现在它想要被部署、被广泛部署。因此毫无疑问，整个行业现在有了一种战略上的紧迫性：确保我们部署的任何东西都是安全、可靠的。所以我认为每个人都完全确信：能力、对齐、功能性、安全、安保，它们全都处在同一个位置上。这是第一优先级。
黄仁勋：所以问题是「赢」。我会重新定义「赢」：不是技术行业赢，也不只是 AI 行业赢。美国赢，意味着美国每一个行业都赢——医疗赢，礼来赢，沃尔玛赢，联邦快递赢，每一家都赢，波音赢，美国军队赢，每一位公民赢，我们的大学赢，我们的高中赢。这才是赢的定义。
40:59 「美国赢」意味着什么
黄仁勋：不存在只有技术赢了、但没人用它这种「赢」。最大的风险当然是——我就直说一个基本的：如果我们不把它安全、可靠地建出来，就不会有 AI 技术行业。这对我们来说是一个关乎存亡的问题。而如果我们让它变成对其他所有人的存亡问题，那也不会发生，因为它会先成为我们自己的存亡问题。
黄仁勋：话虽如此，我们对「赢」的定义——这部分我总得稍微改一下说法——我想让我们转一下视角。我喜欢这个说法。我想让我们转一下视角。当我看到 AI 赢、美国的 AI 赢，我是从空中往下看的——这些日子我们很多时间在天上。每一个州都赢，每一个县都赢，每一个社区都赢，每一家公司都赢；每个人都赢了，因为我们负担得起在医疗上多花钱、在教育上多花钱、在州际商务、高速公路等等国家基础设施上多花钱。我听你说的是：赢的定义是，当我们 25 年、30 年、40 年后回头看，经济需要变成现在的 10 倍大，每个人的生活都要更好；而这一切首要的、根本的前提，是它必须以一种与人类利益一致的方式完成。这是我在这个问题上的最后一个问题，我知道我们还有很多要谈。
43:03 三条腿的凳子：美国的超智能框架
布拉德：大多数人并不了解我们国家的安全框架是什么。我说过，我们拥有世界上最健全的超智能安全框架。我们显然是这个星球上唯一一个在今年早些时候真的对模型下过制裁、把它从货架上拿下来的国家，就是 Mythos 那次。我把它描述成一张三条腿的凳子。第一条腿是前沿模型审查：每一款新的前沿模型都由凯西和商务部来审，新模型出来就送审，他们会测试它会不会在市场上造成问题。第二条腿是白宫那份关于超级智能的协定，是你帮忙一起搭的——内部与外部审计、董事会监督，以及随之而来的全部责任。第三条腿是现在由杰伊·克莱顿领导的 SI 力量（还有埃米尔、斯科特、安德鲁），负责关键行业的协调、网络安全等等。所以凳子的这三条腿……我也听到外面有人说，比如盖茨最近说我们做得还不够，需要在法律里写进新东西。但对一家在超智能领域如此重要的公司的领导者来说，这张三条腿的凳子在我看来，在这么短的时间里能搭出来已经很多了。你对我们要引入的那个未来感到踏实吗？它是一个好的进步、是此刻我们该在的位置吗？
黄仁勋：对。通往未来的最好方式，就是快速采取行动。如果我们争论什么是「完美」而不是什么是「第一个」。我们最后会一直在争论完美，永远到不了那里。所以我非常喜欢这张三条腿的凳子是能落地的：它看得见摸得着，有真正的牙齿。
黄仁勋：真在发生。就是现在正在发生。我们现在就在做，我们现在就在采取行动。而我们之所以现在行动，是因为它对我们公司好、对我们的行业好、对我们的国家好、对我们的社会好，全方位都好。
黄仁勋：如果我们不做这些事，结果会更不理想。我们就没法去追求那个我们都梦想过的乐观未来。你回头看另一个行业——我不记得有哪个行业，在它当前的阶段，就已经把所有这些跨公司、跨行业、政府与产业之间的协调机制搭起来了，来确保我们以负责任、乐观的方式推进这件事。
布拉德：我只是觉得让人们理解这一点太重要了。因为当我在电视上听到参议员们谈这件事——恕我直言，两党都一样——他们得先了解我们在这里做什么。他们根本不知道我们在做什么。我们正在做的事量大得惊人。而且顺便说一句，这些不是自愿性质的东西：不会有哪一款前沿模型被发布出来而凯西不审、商务部不审；而且他们已经证明，他们有权用出口管制把模型从货架上拿下来。那就做两件事：第一，来花点时间，了解到底需要做什么、问题是什么——你想要解决方案，至少得先理解问题。第二，了解我们已经落地的方案，然后看看有没有办法让它更好。我们当然是完全开放的，但要建设性一点。
47:07 2027 年的瓶颈：算力建设
布拉德：我认为那份超级智能协定的第四点就是这样：它不是静态的，而是动态的；这个小组会定期碰头，随着技术演进，我们会按需要更新框架。现在我想往前推到算力这块。当然，能在团队里以几千、几百万个的规模协作、解决复杂任务的长期智能体，会消耗大得多的算力。我们的朋友、SemiAnalysis 的迪伦说过，明年我们要上线 43 吉瓦的新增 AI 算力——为了让大家有概念，我们会在网上分享一张图表——这比今天全世界已有的 AI 算力加起来还多。明年我们要上线这么多，后年再上 40 吉瓦。你是那个知道每一颗 GPU 被分配到哪儿的人。所以坐在这里，这听起来对吗？你觉得我们真能上线这么多算力吗？还有，外面说的那些许可问题、供应链瓶颈，或者本地社区的抗议——按你看到的，这个数字会有实质性的不同吗？
黄仁勋：我认为需求肯定在，而且不止这些。当然，挑战在于，当你从数字世界走向物理世界的时候，会有很多障碍。土地许可、你要上线的发电能力，当然你还需要建筑工人、装修工、水管工，各种各样的人。光是建这些东西就创造了一百万个新工作。而这些人的技能是不可替换的，他们技能很多，尤其是那些在建 500 亿美元数据中心的人——你需要一些技能极强的人，而每一次这样的建设都有一个关键环节，需要非常特定的技能。还有当然就是各种暂停令，以及我们在全国看到的各种问题。所以我的猜测是：土地、电力、外壳、建设资源，会是达成那个数字最重要的障碍之一。
黄仁勋：就我们自己公司来说——现在专门讲英伟达——我们正在做几件事来缓解这个问题。第一，因为我们是唯一服务每一家云服务商、每一家新云公司（NCP）的公司，我们还有通过戴尔、惠普、联想等做得很好的企业业务。而且因为我们服务每一个行业，横跨 AI 的整个生命周期——从数据处理到训练、到训练后、到推理、到智能体处理，以及我们加速的所有工具使用——我们的市场覆盖面是最大的。全世界每一家代工厂都在替我干活，每一条销售通路都连着我们的架构。所以如果某一个州、某一个社区、某一个数据中心遇到困难，我们的需求此刻远远大于供给，我们只要相应调整供应链就行了。另一件事，我没有那么喜欢这个答案，但如你所知，英伟达也是这个星球的基础设施——不管是在欧洲，还是我们现在在非洲、中亚、东南亚、拉丁美洲、中东等地的早期项目。我并不喜欢「美国跟不上」这件事。但就我们的生意而言，我们的覆盖如此全球化，全世界都有建设需求；如果这里建不起来，我想我们都得承认，世界上每个国家都巴不得这些东西建在自己那儿。所以我认为，我们自己的生意大概是最有韧性的，原因就是我说的那些：我们覆盖 AI 的全部谱系，覆盖计算的全部谱系，我们在每一个云、每一个区域。所以我们公司的韧性要大得多。但我确实认为，明年土地、电力、外壳会是一个很有挑战的部分。
克拉克：我从街上听到的说法是这样的：大概有 50 吉瓦已经宣布的芯片在推进或者被讨论，而可能有 35 到 40 吉瓦的算力或者土地、电力、外壳能够上线。那么有多少算力能塞进那份土地、电力和外壳里，以及在什么时间线上，这是个悬而未决的问题。
51:47 50 吉瓦的芯片，35 吉瓦的电
黄仁勋：克拉克，我先打断你一下。当然，如你所知，英伟达的架构是最高产的，它每瓦产出的 token 最多。所以如果全世界的瓦数、电力、能量减少，那就会把他们的选择推向最高产的那个版本，原因也很简单：他们还是要赚到自己的收入。我所有当 CEO 的同行，对明年的收入都有很高的期待，而人们需要把它交付出来——股东指望他们交付，所有伙伴指望他们交付。所以当电力变少，你放进去的算力的质量就必须是今天能放到世界上最非凡、最高产的计算资源。我们就是最高产的那个。
黄仁勋：我们可替换，我们也耐久。所以因为资源短缺，全世界的力量正在把兴趣转向我们。我们的市场份额本来已经很高了，但让所有人意外的是，我们不但规模大、份额高，我们的份额其实还在涨，原因就是这些。
黄仁勋：你会看到我们从——因为我们每吉瓦提供的东西比过去多得多。我们过去是一家 GPU 公司，后来成了最大、增长最快的网络公司，现在我们正在成为最大的 CPU 公司之一，而且肯定是最快增长的那一家。因为我们提供的东西越来越多——我们在存储计算里，在知识基础设施的计算里，现在还通过 OpenShell 和 Sentry 进入安全领域。所以我们投入到一吉瓦里的东西，从大概每吉瓦 180 亿美元，到二百多亿，现在已经变成每吉瓦 400 多亿美元。
黄仁勋：我的感觉是这还会继续往上涨。所以我们的份额在涨，不只因为人们在转向我们的计算平台，也因为我们对世界的资本开支贡献得更多。是对世界资本开支的美元份额。对。你往回看，就六年前，我们在世界资本开支里的占比还是个位数。而现在，在全球云服务商那里，我们大概占 40%。但同时我们也在把市场扩展到云服务商之外。在云服务商之外——不管是本地部署还是新云——占我们生意的一半，那里的资本开支占比大概是多少？80%。所以一半生意是 40%，另一半生意是 80%，两边都在每年翻倍。
黄仁勋：所以你可以看到，我们在世界资本开支里的占比其实还在涨。
布拉德：这些买家之一，是我们两年前聊过的人——埃隆。他刚开始建 Colossus 的时候，我们很震惊：他能在孟菲斯站起来二十万块 Hopper。我记得你说过，没有人能像他那样做。现在他又在募 400 亿美元，可能要买一百万颗以上的 Vera Rubin。
布拉德：他从 K 走到了 M。他说他想在 2027 年底拥有 10 吉瓦。那是几千亿美元花在 Vera Rubin 上。这是一次前所未有的规模化拉升。你昨天又和他在一起，他也在昨天拿到了奖章。埃隆今天建算力的能力，比那时候强那么多吗？这件事对你来说已经很清楚了吗？SpaceX 会成为全世界最大的 AI 超大规模算力商，这是板上钉钉的事吗？
55:26 埃隆、Colossus 与 SpaceX
黄仁勋：在我们那张图的两个部分里，埃隆过去被归在「企业」那一栏，那是我们过去报告数字的方式。现在他当然成了我们云服务商那一部分。当然。所以他们体量很大。我很高兴能跟埃隆合作。他用自己的 AI 训练模型、部署模型，都在用我们的技术。当然 Grokbot 非常酷，对 Grokbot 的需求、Grokbot 的消耗量正在飙升。然后当然，他把算力租出去。这三件事合在一起，他做这事相当独特。我猜谷歌也这么做，对吧？那是另一个类似的例子。我认为他还有一个优势：他热爱计算和物理建设相交的那个地带。他喜欢整个那块，而且没有人比他更懂能源。我们还要一起去探索一个新市场：把数据中心放到太空里。我们两个工程团队正在非常紧密地合作，去创造一种新的服务器、新的架构，它可能在太空和地球上都非常出色。
57:20 太空里的数据中心
布拉德：上周我们看到了星舰发射，它做了第一次在轨对接，还把那些 V3 卫星送了上去，那真的点燃了大家的想象力，一度把推特都搞崩了——人们就是看入了迷，看着它们飞向太空。我等不及想当一个「载荷」了——我是说载荷，不是人。你对这件事的信心在增加吗：我们会在太空里拥有实质规模的算力，通过星舰，就说到 2028、2029 年？埃隆放出过一些很大的数字，但你认为我们能在那个时间窗里，在太空里做到实质性的推理吗？
黄仁勋：只有英伟达的计算能，让我告诉你为什么——这不仅仅是技术问题。英伟达每单位能量的性能是世界最好的，我们叫它「每瓦性能」。但最重要的是：英伟达计算的生产率太好了，也就是投入资本的回报太好了，好到你可以把它放到太空里去，而发射成本只占其中很小的一个百分比。发射成本当然不是可以忽略的。所以你不会把低成本的计算送上去，你会把高价值的计算送上去。而我们是你能想象到的价值最高的计算系统，是计算史上最高的计算系统。所以我们现在真的是最适合送上太空的那个。不管发射成本是多少，它的投资回报仍然会很好。
布拉德：那我们到 2029 年能在太空里拿到 500 兆瓦吗？
布拉德：那我们到 2029 年能在太空里拿到 500 兆瓦吗？
黄仁勋：我会让他来告诉你，不过我认为——不可能？——你知道埃隆现在一年发射多少次吗？100 次？我不知道具体数字，反正是一天好几次。所以你可以把 Vera Rubin 放进去，它完全撑得起。需求就在那里，他的投资回报太好了，生产率极佳。而且它是可替换的：你把一颗卫星放到太空，如果没有客户来租，它就闲在那儿，而那肯定不是你想要的。所以英伟达的计算会完全可替换，会有大量的租客。我们跟全世界每一家闭源模型公司合作，我们跑全世界每一个开源模型，有几千家创业公司在用我们，还有各个行业的企业。所以这些计算完全是可替换的，也是耐久的。
黄仁勋：它会在上面待很久，而我们会持续跟上来，原因是我们一直在升级 CUDA 软件。我们是全世界唯一一家硬件公司：八年前你付了钱，到现在我们还在给你的软件升级、给你新算法。所以只要卫星还在上面，我们就会一直更新软件。所以它真的会很耐久。我认为这三个特性加上技术本身，让它成为 SpaceX 最完美的载荷。
1:00:33 AI 收入撑得起资本开支吗
布拉德：建这一切要花上万亿美元的资本开支。你们动用了自己的资产负债表，去帮新云公司这类玩家把它建起来。对金融从业者来说，要让它算得过来，他们需要看到回收——对吧？你提到过有些公司看到一年回收，第一年 500 亿美元，可能还有来自 SpaceX 的现货定价。但如果我看总的增量承购：今年所有实验室的收入加起来，两家前沿实验室加上一些推理实验室，大概是 2000 亿美元。我们明年需要看到它翻倍到 4000 亿，后年再翻倍到 8000 亿，才能进入「几万亿美元资本开支能收回」的那个数量级。今年我们在 Claude Code 上有一次巨大的解锁，它带来了 Anthropic 收入 10 倍的增长。你对实验室能不能继续每年把收入做到 2 到 3 倍的信心有多大？因为那是回收那几万亿美元资本开支所必需的。你自己在投这些公司，在这些公司里有大笔投资，对吧？你看到那种增长水平能持续吗？
黄仁勋：哦，能。人们误解了正在发生的事。首先，英伟达占今天全世界 AI 基础设施收入的——就说 80%。所以我对整个计算世界、对英伟达计算的描述在这里很重要。基本上可以说有三块，三块大的；其实可能略多于三块，但让我先归成三块大的。我们计算的第一块就是基线计算：你用它做数据处理、分子动力学、物理仿真、聚变仿真、裂变仿真，随你说——量子化学、量子物理。仿真与数据处理的世界，更不用说计算机图形——所有这些处理都跑在我们的 GPU 上。如果你说根本没有 AI，只有经典机器学习，Visa 和万事达卡上的 XGBoost 反欺诈、决定给你推荐什么新闻的推荐系统，所有这些加起来，经典计算、不是 AI、不是深度学习、不是智能体系统——大概占我们生意的三分之一。而这块生意在增长，就说每年 30% 到 40%。
黄仁勋：就算没有任何 AI 实验室，英伟达也不是零，我们依然是一家相当大的公司。这是第一块。
黄仁勋：第二块是 AI 实验室。人们看到两家，但我们跟每一家都有合作。Meta 的 Muse 做得非常好，绝大部分跑在英伟达上——而去年这个数字还是零。再往前一年，那里只有推荐系统，现在他们靠 Meta Muse 大杀四方。当然，Grok 三年前还不存在；我们以前不跑 Gemini，现在我们跑 Gemini；从今年开始，我们也开始跟 Anthropic 合作。所以如果你看我们的算力，人们看到两三家实验室，我看到的是五六家，而且这几家都做得非常好。如果我说那不是我们生意的三分之一，而是算力的四分之一——很好。那就假设是四分之一。所以当人们看着「英伟达 80%」，我们现在运营着世界的基础设施，而我刚说其中 25%、也许 30% 是前沿实验室，另外大概三分之一是一般处理，还有三分之一——这块才是真正精彩的部分。
黄仁勋：因为我们正处在一次新的计算平台迁移的开端，有海量的新创业公司正在冒出来。非常多的好公司，其中一些显然在做消费级的东西，有一家做得特别好——诺亚的 Instinct，我正想提它，诺亚做得很好。还有各种物理 AI、生物 AI、材料科学的 AI，杰夫·贝索斯的新公司 Prometheus 做得也非常好。所以跨越各个行业被创办的公司，有几千家。它们做什么？它们租英伟达的算力。对，它们是租客。所以这三分之一的生意，本质上是为下一代提供云计算，有点像今天的 AWS，只是它不是「未来的 AWS」。这加起来大概是我们生意的三分之一。
黄仁勋：我的感觉是，我们正处在这套新计算架构建设的很早的阶段。而只认得几家公司、以为就是它们在为基础设施出钱，是一个非常大的错误。还有一点观察，关于开源模型——我一直是开源模型的坚定支持者，因为它打开新的机会。如果你看所有这些创业公司，其中 80% 用的是开源模型。对。而它们不是用开源模型去跟前沿实验室竞争，而是用它去别处打开新的机会。可能是物理 AI，可能是制造业，可能是医疗。它们在做完全不同的事情。它们拿这些开源模型——很多拿的是 Neotron——然后把这些模型定制成超智能。
1:06:04 开源与闭源
黄仁勋：所以如果你愿意这样理解：那些通用的闭源实验室做的是通用人工智能，它会变得超级好；然后你有所有这些垂直公司，专注在某个特定领域，握着非常有专属性的数据，教会它做非常具体的事，于是在它们自己的领域里达成了超智能。
黄仁勋：如果你回到你那套算力算术——我认为很多人正在用它来预测实验室未来的收入——你说，如果立起一吉瓦这样的算力，另一端就能产出 400 亿美元。但如果我们用前面说的数字：明年上线 40 吉瓦，另一端一吉瓦 400 亿，那就是 1.6 万亿美元的收入从这座工厂的另一端出来。但当然——事情不是这么运作的。归根到底，你必须看需求曲线和扩散速度，才能决定这座工厂另一端会出来多少收入。我听到很多人很紧张：他们看到过去一年实验室收入可能放缓了一点，就担心迟早会出现所谓的泡沫破裂，即某一刻供给上线得比需求多；而 AI 更像是阶跃函数，不是一条笔直向上的抛物线。我想问你的问题是：你会不会担心有这么一个时刻，所有人对给这场建设融资这件事都变得紧张，然后建设就停下来了？
黄仁勋：你知道，所有这些不同的事情，你只要把它拆开，一路拆回第一性原理就行。人们试图去外推的那 1000 亿、或者 1250 亿美元的年度经常性收入，它只是整体基础设施建设的——不是一小块，就是其中一块。所以问题是：人们还会继续在网上买东西吗？对。所以那三分之一的建设——你说它占你生意的三分之一——那部分你可以直接拿去银行。
黄仁勋：我说过——是几年前，两年前？——当我们走出这十年，基础设施建设的规模大概会在每年 3 到 4 万亿美元之间；那显然更接近 4 而不是 3。是每年。到这个十年末。对。如果你说其中 1.5 万亿只是算力，只是算力。那为什么它会这么大？因为在 AI 开始之前它是 5000 亿。如果我告诉你，经过六到八年的时间，它变成了 1.5 万亿，因为这个世界就是在消费更多算力——这也不违反逻辑吧？
黄仁勋：在此之上，记住：摩尔定律结束了。曾经有一段时间，你想要两倍的晶体管，只要等一年；想要再来两倍的晶体管，再等一年，同样的价格。但现在你想要两倍的晶体管，不管你等多久，都得付两倍的钱。因为摩尔定律结束了。所以不管这个世界想要多少算力，每一年，如果你想要两倍，你就得多付一倍的钱。所以在那 5000 亿自然增长的算力之上，你还得给它一个额外的乘数，就因为摩尔定律结束了。
黄仁勋：所以，就算没有 AI，半导体行业也在走向成为世界第一大行业的路上。我很久以前就说过，只是人们忘了。这只是其中一部分。
黄仁勋：然后别忘了，因为我们处在新一轮计算平台迁移里，会有大量创业公司。创新是经济的一部分，会有新公司。而且我们说它在加速。
黄仁勋：如果你回到摩尔定律：通用计算，每吉瓦 50 亿美元。今天，对一颗 Vera Rubin 来说，是 500 亿。所以问题是：Vera Rubin 交付给世界的价值是 10 倍吗？
黄仁勋：所以点睛之笔是：我认为没有必要把任何一家实验室外推到几万亿美元。没有必要这么做。对。我认为这是一个很重要的点，因为我们昨天在市场里就看到关于 OpenAI 收入是 700 亿还是 500 亿的议论。我认为你和我都清楚，它们会是非常非常成功的公司。对。但你也看到很多基础设施公司回调了，原因就是恐惧——天哪，OpenAI 没钱，也不会有钱来付这些基础设施。
1:11:35 压在两家实验室身上的担子
布拉德：我看明年这 40 吉瓦的基础设施建设里，至少三分之一只是通用计算的替换——超大规模厂商那些最基础的东西；三分之一给新云、主权 AI、企业，以及其他所有在用这些东西的人，包括那些创业公司；还有三分之一不是给两家实验室，而是给很多家实验室，包括 Groq、Thinking Machines 以及其他还没出现的。
黄仁勋：我们给两家实验室的压力太大了。我很高兴能做他们的伙伴、支持他们。他们会成为历史上被建起来的最重要的两家技术公司，会成功得不得了。但他们根本不需要做到接近一万亿美元的收入才算成功。
布拉德：对。我认为我们在这件事上给了太大的压力。而行业的其他部分，我们确实还得建出几万亿美元的算力基础设施。
布拉德：顺便说一句，这个真不错，你们觉得呢？对了，这东西叫什么？
黄仁勋：这是西梅干。西梅干，老式的西梅干。台湾有一家店是我最喜欢的之一。有点甘草味。有甘草，对，甘草，有点甘草味，还有盐、糖、肉桂。对，有一点点回甘的劲儿。
布拉德：你说过明年的算力需求会远超 100%。你给了 70% 的收入增长指引，你还给了一个一年后的前瞻，因为你说供给受限。你说过你有 18 个月的时间来做这件事，你说你非常有信心，也有足够的时间跟供应链一起做得更好；你预期会做得更好，不会让客户失望。那么现在事情是变得更好了吗？订单本还在增长吗？因为另一部分是：你在某一刻拍了张快照，而人们当然在继续下单。所以你认为供应链里还有足够的余量，你能再挤出更多吗？随着更多能力被解锁，订单本还在继续增长吗？
1:13:26 AI 的供需动力学
黄仁勋：先说为什么我要告诉大家。我们面临的挑战是我们有巨大的订单本。每一家云服务商、每一家新云公司、每一家 OEM 都已经在我们这里下了单——创业公司、大公司、小公司，都已经下了单。原因是，我们会按客户的规模跟他们一起做预测：至少提前一年，最大的客户提前两年。所以我们早就有一份非常大的订单本。而我当时在做分配，我分配给所有客户的，比他们想要的少得多。如果我不公开说出我们手上有什么，每个人都会在背后猜：是不是被短给了？我们是不是吃亏了？所以那是我处理每一次「我让人失望」的对话的方式。差不多每一位客户，只要你能多交付，他们就会多买。而从那以后，我们几乎每周、每天都接到新订单。同时我们也在拿到更多供给。而限制我们的那部分供给，有一部分就在下游的土地、电力、外壳。所以几周前我们宣布了在澳大利亚的 2 吉瓦——这对我们来说是件大事，2 吉瓦对我们相当于 800 亿美元。量非常大。我希望能和 UTC 一起去欧洲的时候，在那里宣布一些新的合作，解锁更多的土地、电力和外壳。所以土地、电力、外壳显然是障碍之一；而这正是英伟达有巨大优势的一个领域。
黄仁勋：因为按照我们建的东西，如果有一家新云公司，比如 CoreWeave 或 EBS 想扩展业务，英伟达有整套完整的 AI 基础设施，我们可以在他们扩张时支持他们。所以我们能在别人建不了的地方建、能跟别人合作不了的伙伴和客户一起建。我认为这给了我们大得多的韧性。但话虽如此，随着我们继续在上游和下游增加供给，有一个关键领域是基板。基板在变大，上面的芯片更多，所以它在两个方面跟我们作对：每一颗被出货的芯片都要用掉更多材料；而这些有机材料要按我们需要的精度做出来真的很难，因为封装在变大，热膨胀系数、我们堆叠的方式，让翘曲和各种制造缺陷非常难处理。在我们这个量级上，我们必须极其精确，需要非常好的伙伴。所以那是一个供给约束。这些只是几个例子——硅光子也供给受限。所以每一样东西都供给受限，我们会继续解决它。我只有 18 个月来做这件事，每周过去我们都在增加，但我们的供给越增越多，订单本也一直在涨。所以这个缺口在未来几年都会很难补上。
1:17:37 复盘华尔街的共识
布拉德：看一看这张图。这就像是法庭质证。不，不对，抱歉——通常是这样的：「蒙克先生，请……请现在」「质证」「请现在看」「看这份质证」。好。灰线是 2025 年初的共识，这是 2025 年初对英伟达的共识；蓝线是 Altimeter 当时的预测。所以我们的预测比当时的共识线高很多。现在这条新的共识线，是基于你给的指引。让我想不通的一件事是：25 个拿薪水专门预测这家公司会做什么的人，他们所有想法的共识，偏差了好几倍。就在去年这个时候，不是 25 个分析师那条线。对，那是去年这个时候的共识。一年前，就上周。所以一年时间里，对这家公司的共识预测上移了 100% 到 200%。这太不寻常了。我干这行二十多年，很少见到共识偏差这么大。可股价只涨了 20%。你等于把这家公司的收入预测和自由现金流预测翻了一倍，而它现在的市盈率是 13 到 14 倍，取决于你看谁的口径。那你怎么看市场在对英伟达说什么，或者市场预期的信心为什么会是这样？因为通常如果预测上移这么多，股价应该涨得多得多。
黄仁勋：首先，一家像我们这么大的公司还在抢份额，这件事本身就说明了韧性，也说明了我们优势的规模和体量。那么，这个优势在变大还是变小？你的护城河在变宽还是变窄？在变宽。你的竞争护城河在规模化地变宽。
黄仁勋：对。我给你举个例子。我们现在就做一个思想实验。如果你现在要递给某人一张 1000 亿美元的支票，为下一代产品下采购订单。如果你想排进 Vera Rubin Ultra 的队列，现在已经接近下单时间了。连见都没见过实物。对。但他们有信心。假设你要把 1000 亿美元押在某个人身上。你怎么知道那东西会好？但因为它是英伟达造的，你知道它会比 Vera Rubin 更好。而 Vera Rubin 非常棒。每个人之所以对 Vera Rubin 有信心，是因为 Grace Blackwell 非常棒。
1:19:40 Vera Rubin Ultra 的订单
黄仁勋：在计算世界，这些计算机要做的工作负载极其复杂，你没法只用一个基准去衡量。对，是 500 亿美元。要让性能达标，必须凑齐的技术数量多得离谱。所以问题是：连实物都没见过，你能把 500 亿美元的订单押在谁身上？我们真的是全世界唯一一家。当年还是下 10 亿美元的采购订单，那已经够难了。但如果你要下 1 亿美元的订单，而系统就摆在你面前，你可以直接跑基准测试。对。可你怎么给这些系统跑基准测试？光是把它造出来就已经是个奇迹了。所以如果谁想做评估，我很乐意支持，但你需要给我一座巨大的数据中心，我们还要花两年去改造它——所以你连给这些东西跑基准都已经做不到了。
黄仁勋：有意思。所以这跟台积电身上发生的事一模一样。我们把 100% 的生意给台积电，是因为他们是全世界唯一一家我能提前五年做规划的公司——不用见到实物，就知道那颗晶体管会很好，因为它比上一颗更好、再比上一颗更好；而且他们会有产能给我，他们知道怎么跟我的业务团队协作，他们有敏捷性去应对我所有的起伏，比如应对我从灰线走到蓝线再走到绿线这件事。他们必须足够大，才能帮我从灰走到蓝再走到绿。全世界没有第二家公司能帮我做到这一点。而且还要有从硅光子、逻辑、内存到推拉式封装的所有这些不同的工艺技术。我们做的事情数量如此动态，你在一家只有他们十分之一体量的公司身上，怎么可能做到？不可能。所以我认为最大的那个想法是：因为我们在为这个星球建基础设施，英伟达已经变成了一家基础设施公司。而且因为这些基础设施太贵，而且它们一直在动、技术在飞速变。
黄仁勋：我们几乎是——信任、加上我们跑着这一切这两件事合在一起。最初是一些 GPT 模型。但你看那些被发明出来的 flash attention 机制、我们在 NVLink 72 上把模型并行、分片的方式，以及这一切怎么变化——现在人们在谈 transformer 和扩散模型的混合、SSM 与 transformer 的混合，所有这些不同的技术。而我们知道，这一切的演进都跑在 CUDA 上。这是唯一一个——我们不知道你是更需要预训练、训练后，还是只要智能体推理；结果证明，反正我们全都跑。所以你可以建一座 500 亿美元的数据中心，并且知道这些工作是可替换的：万一因为什么未知的原因，你想把一半容量转租给别人——英伟达完全可以替换。所以我们在工作负载上可替换，在模型上可替换，在客户之间可替换；我们能在世界任何地方部署。你在欧洲创办公司，或者在美国创办公司，但猜猜怎样——你想服务欧洲的客户、想服务日本的客户，结果我们已经在那里了。英伟达的基础设施已经在那里了。OpenAI 想去欧洲？我们随时送他们过去。想去印度？随时。Anthropic 想去日本、韩国？随时，我们本来就在那里。所有这些架构都已经在那里了。
1:23:49 全球触达：欧洲、日本与更远
黄仁勋：所以我认为，如果你把英伟达整个拿过来看，然后再回来做那个思想实验：我想把 1000 亿美元押在谁身上——你怎么做？一年前我们坐在这里，当时的共识预测是 2027 年会持平或者萎缩。而现在共识预测是增长 74%。所以我想让大家都把这件事消化一下，因为很多人是跟着这些共识预测走的，而它们错得很离谱。
布拉德：他们有没有回去听你上次那期播客？对，你早就告诉他们了。
黄仁勋：对。我把一切都解释过了。女士们先生们，听着，我确实把一切都解释过了。
布拉德：所以我看 2029 年。
布拉德：所以我看 2029 年。这里不就是个投资回报率的问题吗？然后还有一个「定制还是通用」的问题。
黄仁勋：英伟达之所以是通用的，就是为了让我拥有这种可替换性。可替换的好处是风险低，而在你押下大钱的时候，低风险才真正开始发挥作用。当你建的是五千亿、上千亿美元的资产，你需要知道这些资产在很长时间里都会非常好，无论发生什么。所以专用化是通用化的敌人，专用化也是耐久性的敌人。只要我能证明我们的性能是非凡的——我们每天都在证明这一点——那么可替换性和耐久性就会转化为可出租性，进而转化为生产率和可融资性，而可融资性最终带来最低的总拥有成本。
布拉德：现在你们在做史上规模最大的回购。按我的算法，未来两年你大概可以买回公司 10% 以上的股份。在高盛的活动上，你把英伟达称为「第一家成长价值型公司」。听起来很像苹果当年那套说法。是这个意思吗？
黄仁勋：对，或者更多。或者说是它们可以返还资本。这招确实管用。它从当时 300 的——从 30 涨到了 300。300 以上。
黄仁勋：从很多方面说，我们正在经历一次类似的转变。比如，我忘了提的一件事——布拉德，我想你正要问我这个。我们在投资和融资上的伙伴策略，大部分是想建立两种商业模式。一种我们已经在做一段时间、并且在不久的将来会加速的，是软件授权。我们公司手里的那套软件是极其非凡的，而那些数据中心又那么大——你可以想象里面跑着多少软件，而我们提供整套技术栈。对云服务商来说，我们整套技术栈是完全工业级的。但它们想跑自己的那一套，对吧？所以我们要么授权、要么把软件以开源方式给它们，然后它们拿走、修改、集成进自己的体系，再运营自己的服务。但对世界上很多公司来说，它们没有 IT 部门，没有软件部门来做这件事。所以它们需要我来维护它。因为过去几年 AI 主要聚焦在训练，现在它们在走向部署——它们需要把这些当成工厂来运营，需要知道我在这个链条上负责，我在服务等级协议里，会支持它、维护它、让它保持安保和安全，只要我们还在。所以企业业务的软件授权会非常大。
黄仁勋：如果我们的软件授权费——简单算一下——大致是每块 GPU 每年几千美元，而我们有几百万块 GPU。我们一年出货两千万块 GPU，还在增长，其中一半进到世界各地的企业里。这加起来是很可观的数字。所以我相当确定，软件授权会成为我们生意里非常大的一块。当然，还有一些云公司依赖英伟达提供整套技术栈：它们依赖我们的承购、我们的生态，也许还依赖我们作为投资伙伴帮它们拿到融资和资本。它们已经拿到了土地、电力和外壳，它们是区域性冠军，手上有很多对自己有利的东西。但这三个领域它们需要我们的支持。在这类关系里，很可能我们会转向分成模式：我们做一笔投资，先拿到销售带来的好处，往后还有分成带来的好处。我们不是云服务商，但我们要为它们提供承购、提供软件支持，一做就是四年、五年、十年，所以我们理应从中拿到一些经济回报，也就是收入分成。
黄仁勋：注意，我刚才描述的是两个新的增长向量，它们独立于我们公司的硬件销售，更多是和我们的装机量相关。如果你没有装机量，软件授权有什么好处？如果没有承购，你又怎么分成？
布拉德：安装基数这个要素、我们软件栈的丰富程度、承购的丰富程度，以及我们在全世界拥有的生态，会喂养它。说到训练 13 倍这件事——当蒂姆和卢卡去见沃伦·巴菲特时，巴菲特说过他不喜欢科技公司的一个原因是：它们做出一个爆款，产生巨额自由现金流，却从不把它还给股东，而是拿去花在别的事情上；而那个「别的事情」往往还不如当初让它产生现金流的那件事。而你们现在把自由现金流的 50% 以上用来回购股票，实际上是在还给股东，同时还在指数级增长。
黄仁勋：我们说过 50，我们上个季度做了 60 多。对。我们还会增加。如你们所知，我们投的都是质量非常高的公司。过去几年，谁被英伟达买过——也就是詹森从谁那里买过——你就该投那家公司。而现在街上新的说法是：詹森投谁，你就投谁。
黄仁勋：这是真的。原因是我们身处这个生态里，身处信息流里。我们一起做这些投资，我们认识很多聪明人，我们想在这些人想做一件伟大的事的时候支持他们。所以我们算是「在内部」，手上有大量信息，我们的投资是充分知情的。更不用说英伟达本身就在生态里，我们能帮他们成功。所以有很多不同的原因让这些投资结果很好。但作为我们现金创造总额的占比，它会迅速下降，一部分原因是 OpenAI 和 Anthropic 那种机会——坦白说——不会再来一次；其次，我们现金流的增长相当快。
布拉德：说到这里，在我看来，如果你回购那么多，而你今天在这里描述的收入的耐久性比人们预期的更长。我认为这正是人们还挂念太多的地方：这事只能持续这么久。埃兹拉前几天在播客上问过你：离泡沫破裂还有多久？我记得你说过大概两到三年。你对需求在那里有很好的可见度，再往后谁也说不清。我听到有人说「可能只有两年就会破」。但当我看这件事，这从根本上是对全球所有计算的一次永久性重构。永久。除非出现全球性的大萧条。那么每一年，人们都不得不消耗巨量的英伟达算力。
黄仁勋：思考这件事的方式是这样：云服务商大概在跑 5000 亿的规模，整个行业、整个世界每年大概在跑一万亿美元的这类建设。每年都会有更多被建起来，而每五年左右会有一部分折旧、关停、下线，有些能用得更久。所以从旧的检索式计算方式走到新的计算方式——我预测过这件事会一直持续到走出这十年。所以就三、四——就说四，就说五。我的感觉是，我们会从那里继续增长。如果你告诉我，每年的产能建设、基础设施建设、新旧更新的总和跑到每年 10 万亿美元，我一点都不惊讶。
布拉德：再给听众解释一下：你想到这个十年末每年 4 万亿美元的开支，因为每次你消耗 token、每次你使用智能，机器就得运行，工厂就得开着。我记得你描述过大概是 50%——如果你假设全球 GDP 里有 50 万亿美元与知识工作相关，而我们五年内在这上面拿到 20% 的生产率提升——你在英伟达内部看到的提升要大得多。如果真能拿到那种生产率提升，我们就会多出 10 万亿美元的经济活动。到 2029、2030 年，这看起来非常合理。而你说的是，我们会把其中一半花在算力资本开支上。这大概是我们该稍微下坡的一个好地方。你已经非常慷慨了，我可以一直聊下去。但我想回到我们开始的地方收尾。
布拉德：如果这是一档边吃边喝的播客，我们可以一直聊下去。但不久之前，人类处境还被描述成「肮脏、野蛮而短促」。那是上周吗？创新真的驱动了人类全部的进步，主要是在过去两百年里：更多与家人相处的时间、更长的寿命、更少去做人类其实不想做的苦活。更安全。
布拉德：我们是第一代把 63 岁当成年轻的人。对。当人们还……他们现在还叫我「年轻人」。更安全、更好的生活。
布拉德：而这一切，是在有你我都听到的那些担忧的情况下发生的。顺便说一句，工业革命刚开始的时候，同样这些担忧也被提过。你对这件事的信心有多大：五年后，我们做出了正确的决定，世界会因为这些投资和我们所做的一切，变成我们描述的那种好得多的样子？坐在这里的今天，你比十二个月前更有信心吗？
黄仁勋：我是 99.99%——为了纪念一位好朋友，不用 0 和 100——我 99.99% 确信，我们有太多人深切地在意结果会变好。确信我们会投入我们的力量、智慧和资源，确保我们以负责任、乐观的方式走到那里。
1:35:57 未来十年：99.99% 确信
黄仁勋：所以有那么多人在做正确的事。很多时候，有些人对这些事情高谈阔论，他们被几件事影响，却没有意识到，在他们的信息圈之外，有很多人、很多行业、了不起的研究者和工程师，正在靠自己做出惊人的事情。不能因为他们没说出口，就不意味着很多聪明人没在做聪明的事。我在公司内部一直这么说：就算没有我的领导、没有那些战略，公司自己也在做聪明的事。聪明人会做聪明的事；当你把他们组织起来，他们会做出更有影响的事；但了不起的人靠自己就在做聪明的事。所以当有人跟我说他担心——担心是好事，我们应该表达我们的担忧、表达我们的关切，但我们不该预言世界末日。
黄仁勋：因为他们低估了人的处境，低估了人的能力。他们出于某种原因——也许是自负，也许是傲慢——以为除非他们去做，否则事情就做不成。事实是，这家公司无论我说不说，都在做惊人的事。我拿到了所有的赞誉，也承担了所有的指责；两种情况里我都算公平，尤其是赞誉那部分。原因就是：当你身边都是了不起的人，当你创造出那种条件让大家想要同一个结果——都是好的结果，好的那个版本——事情就会发生。我认为大多数人都是这样。
黄仁勋：所以我说，我们要对自己负责、承担起责任；但我们应该表达一个乐观的未来。当然。而我 99.99% 确定，被这个世界上所有了不起的人包围着，我们会一起走到那里。
布拉德：同意。我认为你是一个国宝。我们很幸运有你在带领这件事。国家欠你一份情，因为你把大家聚到一起、让我们站在同一边、把框架搭出来。还会有更多工作要做。但作为两个孩子的父亲，我知道你也有孩子、以后还会有孙辈，我们最在乎的就是真的为他们建一个更好的世界。我们本可以轻易停下，但如果今天就停下，我们就输了——我们输掉的是那个更好世界的机会。那我们就在这里收尾。谢谢你，黄仁勋。
黄仁勋：谢谢你们，也谢谢你布拉德。我从没见过比你更爱国的人，一个如此在意这个行业的人，而且更在意这个国家。你的天赋、你的热忱，以及你在协调、把很多人聚到一起来做一件伟大的事时那种不倦的能量——太了不起了。也提醒大家：这只是我们的观点，不是投资建议。
References
- 1BG2 Pod 官方同名视频（含官方 24 段章节时间点）
youtube.com
- 2BG2 Pod 官方 RSS 单集说明（第 41 期，1:39:52）
anchor.fm
- 3
- 4
- 5TNW 报道
thenextweb.com
- 6NVIDIA 官方新闻稿《NVIDIA Launches Open Agent Safety Platform》
nvidianews.nvidia.com
- 7黄仁勋本人发布该平台的公开帖
x.com
- 8「英伟达联手澳大利亚伙伴建设 AI 工厂产能」（路透社，2026-09-10）
reuters.com
- 9NVIDIA 官方财报（2027 财年第二季度）
nvidianews.nvidia.com
Comments