DruckFin

NVIDIA-transcript: Jensen Huang over capex-justificatie, het uitbreiden van infrastructuur-slotsgraven en AI-bottlenecks

16 oktober 2026 – Diepgaande discussie over AI-capex, schaalbare compute, fysieke AI en de weg naar superintelligentie

Een week in het Witte Huis en de National Medal of Science

Jensen Huang: Dit is een existentieel vraagstuk voor ons. We zouden eenvoudig kunnen stoppen, maar als we vandaag stoppen, verliezen we. Functionaliteit, capaciteit, veiligheid, beveiliging, ze bevinden zich allemaal op exact dezelfde plek. Prioriteit nummer één.

Brad Gerstner: Het is onze derde pod op rij samen. In de afgelopen 10 dagen was je bij het staatsdiner in het Witte Huis. Je was op de top in het Witte Huis waar we het akkoord over superintelligentie sloten, en gisteren was je daar nog met je ouders toen de president je de National Medal of Science overhandigde. Je was de enige investeerder aan tafel. Vertel eens, gisteren daar zijn met je ouders, het trof me: vijf van de zes mensen op het podium waren buiten de Verenigde Staten geboren. Hoe voelde dat?

Jensen Huang: Nou, ten eerste is het op zichzelf al een enorme eer, toch? En het is een weerspiegeling van de bijdrage die het bedrijf heeft geleverd. Uiteraard hebben we een nieuw computermodel gecreëerd en uitgevonden. Dit is waarschijnlijk het meest doordringende computermodel ter wereld vandaag de dag. Het is de enige computerarchitectuur die in elke cloud te vinden is. Hij zit in elk computerbedrijf. Hij wordt gebruikt in elk wetenschappelijk vakgebied. Hij wordt gebruikt door gamers. Hij wordt gebruikt door creators en bouwers, en hij wordt gebruikt door wetenschappers. Hij voedt intelligentie, toch? Als je een stap terugzet en kijkt naar wat het bedrijf heeft bereikt: we zijn begonnen met het bouwen van een grafische chip voor gamers, en daar ben ik natuurlijk nog steeds trots op. En we hebben inmiddels 1,67 miljard eenheden verscheept. Dat is hoeveel generaties wetenschappers, kinderen en ontwerpers we hebben grootgebracht. Dus ik denk dat de impact die—en hier zijn we dan, wij zijn de infrastructuur die de intelligentie van de maatschappij voedt. Het is een ontzettend trots moment voor me om de prijs in ontvangst te nemen namens het bedrijf.

Jensen Huang: Wat betreft mijn ouders, ik wilde dat ze zouden gaan en ik gaf ze letterlijk 24 uur van tevoren de tijd, en ze reizen niet zo vaak. Mijn vader had niet eens een pak.

Brad Gerstner: Wauw.

Jensen Huang: Ja. Dus hij is snel een pak gaan kopen, en hij zag er geweldig uit. Ze zagen er geweldig uit. Het was een gloednieuw pak en hij verscheen daar. Ik realiseerde me niet eens dat hij een pak had. Ik dacht dat hij gewoon een of ander overhemd zou dragen, en hij is zelf een pak gaan kopen. Mijn moeder kocht een nieuwe jurk, letterlijk binnen 24 uur.

Brad Gerstner: Ja. Oh, ik weet hoe dat gaat. O jee. Het is ongelooflijk.

Jensen Huang: En dus hebben we een privévliegtuig voor ze gecharterd, ze daar naartoe gebracht, en ze waren zo blij om de president te ontmoeten. President Trump liep met mijn moeder mee omdat ze moeite heeft met lopen, en met z'n tweetjes liepen ze het podium af; hij hielp haar en liep met haar het podium af. Ze waren simpelweg ontzettend trots om hem te ontmoeten. Maar voor hen is het hun Amerikaanse droom. Mijn vader, ik herinner me nog, ik was geloof ik een jaar of 5 of zoiets, en hij was net teruggekomen uit de Verenigde Staten van een zakenreis. Hij werkte voor een airconditioningbedrijf.

Brad Gerstner: En jullie woonden in Taiwan.

Jensen Huang: In die tijd waren we net naar Thailand verhuisd—oh nee, nee, we stonden op het punt om naar Thailand te verhuizen, en we zaten in Taiwan. Hij was teruggekomen en was in de Verenigde Staten aan het werk voor een bedrijf genaamd Carrier, hun airconditioningbedrijf, en hij was hier voor een training. Van alle plekken ter wereld zetten ze hem af in New York. Je kunt je voorstellen: een jonge vent ergens midden tot eind twintig, nooit buiten Taiwan geweest, die naar de Verenigde Staten gaat, uitgerekend naar New York City. En hij zag de toekomst van de toekomst, en hij kwam terug met een stomverbaasd hoofd. Al die dingen die hij kocht op het vliegveld, nam hij mee terug. Hij nam chocolade mee. Hij nam die kaas mee die je vroeger in een tube had. Dat is een soort vreemde witte kaas, het zit in een tube. Het is geweldig. Hij nam allerlei vreemde dingen mee en zei: "Dit is—we moeten daar ooit naartoe gaan." En zodra ze de kans kregen, stuurden ze mijn oudste broer en mij naar de Verenigde Staten, en dat was zijn droom.

Brad Gerstner: Ik denk niet dat veel mensen zich realiseren dat jij vóór je ouders naar de Verenigde Staten bent gekomen.

Jensen Huang: Ja, klopt.

Brad Gerstner: En dat zij zich een paar jaar later bij jullie voegden. Maar het drong tot me door alsof ik door een bliksemflits werd getroffen: vijf van de zes mensen op dat podium gisteren waren buiten de Verenigde Staten geboren. Jij en ik hebben het wel eens gehad over de noodzaak van een echte strategie en een immigratiebeleid dat ervoor zorgt dat we de plek blijven waar al de grote bouwers ter wereld naartoe willen komen om te bouwen.

Amerika's superkracht

Jensen Huang: Dit is Amerika's superkracht. In veel opzichten is het vermogen van onze natie om intellectueel eigendom te creëren ongeëvenaard ergens ter wereld, en de reden daarvoor is dat we de besten ter wereld aantrekken. Wij zijn de plek waar ze naartoe willen komen om hun leven op te bouwen vanwege de vrijheid die het land biedt, de kansen die het creëert, de geest van uitvinding en ondernemerschap, en de can-do-mentaliteit. In de Verenigde Staten is alles mogelijk. We beginnen met het uitgangspunt: natuurlijk is het mogelijk, natuurlijk kunnen we dat doen, in plaats van—ik reis heel veel—dat je op andere plekken te horen krijgt dat het absoluut niet kan. We beschouwen het als vanzelfsprekend, maar de geest en de energie die gepaard gaan met de cultuur die we hier hebben gecreëerd, kun je simpelweg niet onderschatten. Ik denk dat de instroom van intellectueel eigendom in dit land zijn gelijke niet kent in de wereldgeschiedenis.

Brad Gerstner: Dat is waar. En dat is wat we willen. We willen dat al 's werelds grootste geesten hierheen komen, hun geweldige ideeën meebrengen, ze hier verwezenlijken en dat vliegwiel draaiende houden.

Jensen Huang: Het is een kwetsbaar systeem. Het is een fragiel evenwicht, dat snap ik. Dus we moeten het op legale wijze doen, je moet het op de juiste manier doen, maar we willen het absoluut wel.

De singulariteit binnenstappen: Waar staan we nu?

Brad Gerstner: Ja, absoluut. Dus ik wil op hoog niveau beginnen, gewoon over waar we nu ongeveer staan. Vervolgens wil ik wat dieper ingaan op veiligheid, regelgeving en het goed aanpakken hiervan, en waar we staan qua opschaling van de compute. En tenslotte sluiten we af met een blik op de groei van Nvidia en wat daar allemaal gebeurt. Maar jij bent altijd erg goed geweest in het voorspellen van de toekomst. Twee jaar geleden zaten we hier en zei je dat de markt de hoeveelheid compute-uitbreiding die nodig zou zijn en zou plaatsvinden in de loop van de komende vijf jaar dramatisch onderschatte. Je zei dat het geen $1 biljoen zou zijn, maar minimaal $2 biljoen aan cumulatieve compute-uitbreiding. En uiteraard zitten we daar inmiddels overheen. Je zei al voordat iedereen erover nadacht dat inference-compute met 1 miljard keer zou toenemen vanwege inference-time reasoning en denkprocessen. En vorig jaar, uiteraard nog voordat we Opus 4.6 zagen, voordat we Claude Code zagen, zei je dat we het tijdperk van agents binnentreden, waarin we een groot deel van deze capaciteiten gaan ontgrendelen. En we hebben inderdaad gezien dat Opus 4.6 en Claude Code echt een vlucht namen. Dus, waar staan we nu? We hebben Elon, Sam en—

Jensen Huang: Slechts drie dingen die ik zei zijn uitgekomen! Er zijn er nog 200 over. Waarom onthoud je die niet gewoon? Laten we dat lekker de podcast laten zijn.

Brad Gerstner: Onze investeerdersdag over een paar weken gaat over het betreden van de singulariteit, deze versnelling. We hebben Elon, Sam en Demis die allemaal zeggen: "Hé, we bevinden ons aan de voet van of betreden de singulariteit." We hebben modellen die de Navier-Stokes-vergelijkingen oplossen, zoals je weet. Dus als je in je glazen bol kijkt, waar staan we dan, en maken we een omslagpunt door, versnellen we naar een andere fase van superintelligentie?

Jensen Huang: Laten we dat eerst eens ontleden. Om te beginnen is het volkomen logisch waarom de hoeveelheid compute die we nodig gaan hebben een miljard keer groter is dan waar we ons tot recentelijk bevonden, zeg vorig jaar. En de reden daarvoor is dat denken en probleemoplossing veel meer inferences vergen dan het simpelweg herhalen van iets, het oprakelen van iets dat je uit je hoofd hebt geleerd. Als je ChatGPT gebruikt, geef je een prompt, en het merendeel van die kennis was gecodeerd in het large language model. Helaas hallucineerde het natuurlijk wel eens, en dus was de volgende klik generatief, maar deze werd wel gegrondvest of geconditioneerd door feitelijke grondwaarheid (ground truth).

Brad Gerstner: Ja.

Jensen Huang: En dus moest het erop uit om snel te gaan zoeken, terugkomen met de grondwaarheid, en vanuit dieCONDITIONERING, aangevuld met wat het al tijdens de pre-training had geleerd, genereerde het dan het antwoord. Nou, de meeste dingen die we echt willen doen en die interessant zijn, vereisen dat je stap voor stap redeneert, meerdere opties bedenkt, plant, en je besluit misschien: laten we eens kijken hoe al deze dingen uitpakken. En op basis van de uitkomsten van dat alles reflecteer ik op het beste antwoord tot nu toe, het beste pad tot nu toe. Misschien kies ik er daar een, twee of drie van uit, rol ik die uit, snoei ik de rest weg, en dan ga je zo door. Mensen doen dit ook. Dat is de reden waarom we zeggen dat goede strategologen van strategische optionaliteit houden. Aan de ene kant wil je niet te snel dingen wegnoeien, maar aan de andere kant moet je je middelen optimaliseren. AI's doen dat ook. Ze behouden hun strategische optionaliteit, rollen dingen uit, snoeien, reflecteren, snoeien, ga zo maar door. Al dat denken, al dat verkennen vergt simpelweg enorm veel compute. Bovendien, omdat het nu productieve dingen kan doen, gaan we het voor meer zaken inzetten. De compounding hiervan werkt dubbelop: het gebruikt meer compute om zijn werk te doen, maar het levert goed werk af, en daarom gaan we het inhuren voor nog meer klussen.

Brad Gerstner: Precies.

Jensen Huang: En dat stapelt zich allemaal op. Op dit punt is de belangrijkste constatering van vorig jaar dat we enerzijds willen dat de modellen steeds betere resultaten behalen, en de schaalwetten van modellen zullen zich voortzetten. Aan de andere kant is er de toevoeging van een harnas, in feite het exoskelet van het large language model — het lichaam van het brein dat het in staat stelt om het werkgeheugen en kennis te beheren. Hoe ga je van werkgeheugen naar kortetermijn- naar langetermijngeheugen om uiteindelijk je kennisgraaf (knowledge graph) te formuleren, wat wij allemaal doen? We denken na over wat ik heb geleerd, en hoe past dat in alles wat ik in het verleden heb geweten? Als we naar bed gaan, doen we aan consolidatie: dingen die nergens op slaan of niet belangrijk zijn, vergeten we uiteindelijk, maar de dingen die ertoe doen worden op een of andere manier opnieuw verbonden. Dat doen we offline. We hebben dus een werkgeheugen, we hebben offline kennisextractie en het creëren van kennisegraven. Dat hele stuk geheugen is een grote stap voorwaarts.

Jensen Huang: Het andere punt is het gebruik van tools. We hebben deze AI's geleerd hoe ze moeten omgaan met de belangrijkste gereedschappen die mensen ooit hebben gemaakt. Dat verschilt niets van een robot die in ons huis komt; de kans is groter dat die alle gereedschappen gebruikt die ik al in huis heb, dan dat hij ze vanaf de grond af aan opnieuw gaat bouwen. SPICE blijft nuttig, Verilog zal nuttig zijn, simulatoren zullen nuttig zijn, design compilers, Photoshop, AutoCAD, Dassault Systèmes, CATIA en al die Siemens-tools — al die verschillende tools die we al langer gebruiken om onze bedrijven te runnen, te bouwen, dingen te ontwerpen en te bedienen, worden straks stuk voor stuk fantastische tools voor de agents om te benutten. Maar de agents moesten wel leren hoe ze die moesten gebruiken. Die twee gebieden — kennis en werkgeheugen, en toolgebruik — waren het afgelopen jaar enorme doorbraken.

Jensen Huang: Nu kun je ineens deze large language models, ingekapseld in hun harnas of exoskelet, binnen je onderneming plaatsen, ze koppelen aan de grondwaarheid waarover je beschikt, ze verbinden met de tools die ze kunnen gebruiken, en plotseling beginnen ze verbluffende dingen te doen. Het gemakkelijkste gedeelte was eerlijk gezegd programmeren. Dat is min of meer de eerste oprit naar nuttig werk. In veel opzichten is programmeren eenvoudig omdat zowel de klant als het werk, en de tools die ze gebruiken, redelijk gewend zijn aan dingen die enorm nuttig zijn, maar niet uiterst gebruiksvriendelijk. In de begindagen van het programmeren was het niet erg eenvoudig om te implementeren, maar software-engineers vonden een weg. Nu is de volgende klik voor ons — en jullie hebben waarschijnlijk allemaal met OpenAI Astra gespeeld; Astra is werkelijk fantastisch, en we gebruiken het op al die verschillende plekken. De volgende fase van deze agents is dat ze in staat zijn om ontwerptwerk en een hoop creatief marketingwerk te verrichten. We gebruiken het om een foto te nemen, die aan Astra te voeren, en het zet die letterlijk om naar CAD.

Brad Gerstner: Ja.

Jensen Huang: Het reconstrueert het naar CAD, wat ongelooflijk is omdat we die CAD nodig hebben om ermee te kunnen interacteren en om finetuning en aanpassingen te doen. Astra kan ons werkelijk de allereerste implementatie opleveren, en dat is ontzettend productief. Als je Astra en de nieuwste release nu pakt en toepast op al al deze verschillende domeinen, zul je zien dat naast software engineering ook ontwerpers, bouwers, creators en wetenschappers dit hele terrein gaan ontsluiten. De uitdaging is nu natuurlijk: hoe implementeren we agents op een veilige en beveiligde manier in het wereldwijde bedrijfsleven? Dit is exact dezelfde vraag rondom veiligheid en beveiliging, en daar gaan we het over hebben.

Brad Gerstner: Wat me opvalt, is dat dit allemaal dit jaar is gebeurd terwijl OpenAI en Anthropic elk misschien 2 tot 3 gigawatt aan compute hadden. Een relatief kleine hoeveelheid compute vergeleken met wat er nog aan komt. Hoe de economie over het algemeen werkt of hoe mensen een bedrijf modelleren, is via lineaire vertraging; ze zijn niet erg goed in het modelleren van versnelling. Maar hier hebben we te maken met een dubbele exponentiële groei: gigantische hoeveelheden nieuwe compute die eraan komen. Als OpenAI en Anthropic hun compute volgend jaar verhogen met een factor 3 tot 5, is het dan niet logisch — we hebben Navier-Stokes opgelost; we zullen hierop terugblikken en zeggen dat dat een belachelijk kleine hoeveelheid compute en intelligentie was, de slechtste intelligentie die we vanaf dat moment ooit nog zullen hebben, waarmee we nota bene een millenniumprobleem hebben opgelost. Als je kijkt naar wat er volgend jaar online komt, verwacht je dan dat we grote doorbraken gaan meemaken in langlopende agentic problemen waar we deze zwerm aan agents op kunnen loslaten?

Navier-Stokes en de dalende kosten van intelligentie

Jensen Huang: Navier-Stokes is echt een prachtig voorbeeld. Vergeet niet dat OpenAI Navier-Stokes niet vanuit het niets heeft opgelost. Ze hebben het opgelost op basis van het fundament van vele briljante wetenschappers, uitstekende wiskundigen en een schat aan eerder verricht werk. Ik zei al eerder dat we op het kantelpunt staan van vele verschillende vakgebieden, omdat we wat Navier-Stokes betreft al op dat punt zijn aanbeland, nu er al enorm veel fundamenteel werk is verricht. Als we de exhaustieve verkenning door AI simpelweg kunnen loslaten op het reeds verrichte werk, zullen we vrij snel de ene na de andere doorbraak zien. Maar daar hebben we wel een flinke portie compute voor nodig. De reden daarvoor is dat een enorme hoeveelheid verkenning noodzakelijk was. Als het simpelweg een kwestie was geweest van iemand die een fundamentele theorie vanuit eerste principes oplost om zo de doorbraak te ontdekken, als het niet een enorme hoeveelheid verkenning van de zoekruimte (search space) had vereist — geen fysieke ruimte, maar een zoekruimte — als dat niet nodig was geweest, had iemand het al veel eerder gevonden. Mensen zijn behoorlijk slim. Er zijn veel van dit soort problemen die op een afgrond balanceren en er echt om verlangen om die enorme hoeveelheid intelligente exploratie te krijgen om ons daar te brengen.

Jensen Huang: In de komende jaren is mijn verwachting dat de kosten van intelligentie vrij snel zullen dalen. De reden daarvoor is uiteraard dat we meer compute online brengen, en dat deze modellen slimmer worden. Als je slimmer bent, kun je efficiënter handelen. De combinatie van die twee zaken betekent dat de kosten van intelligentie omlaag gaan, en dat is uiteraard precies wat men wil. Dit verschilt in niets van de Wet van Moore. Als je zo'n dertig jaar teruggaat, zien we drie decennia lang dat de computerkosten elk jaar met een factor 2 zijn gedaald. We willen dat de intelligentiekosten elk jaar met een factor 2 of 20 dalen, omdat de consumptie ervan dat ruimschoots zal goedmaken. Er is een enorm leeg vacuüm aan kansen, en we moeten de kosten simpelweg omlaag zien te krijgen.

Brad Gerstner: Wat mij opvalt aan Navier-Stokes is dat ze 10.000 agents hadden die samenwerkten aan dit vraagstuk. Dat klinkt als een hyperscale-bedrijf, waarbij in feite al die agents samenwerken richting één doel. Momenteel is het nog veel geparallelliseerde zoek- en verkenningstijd, maar het doel is dat meer van dit soort agents gezamenlijk kunnen toewerken naar een gemeenschappelijk doel en veel meer kunnen oplossen. Om jouw punt te onderstrepen: onze berekeningen wijzen uit dat het waarschijnlijk zo'n $4 miljoen aan compute kostte om deze instantie van Navier-Stokes op te lossen. De kosten om zoiets te doen zullen de komende jaren nog eens met een factor 5 tot 10 dalen. Het aantal dingen dat we straks kunnen doen, breidt zich razendsnel uit.

Jensen Huang: Onze ambities zullen tot grote hoogte stijgen. De oorspronkelijke GPT kostte waarschijnlijk, om een ​​getal te noemen, zo'n $20 miljoen om te maken als je GPT-1 wilde trainen. Nu kost het je waarschijnlijk $100.

Brad Gerstner: Ja.

Jensen Huang: Je ging van $20 miljoen of $10 miljoen naar $100, en dat hebben we in 10 jaar tijd geflikt. Ondertussen is onze ambitie zo enorm gegroeid dat de modellen die we nu trainen 3 biljoen, 10 biljoen, 30 biljoen parameters tellen; we hebben het inmiddels over gigantische modellen. Onze ambitie voor de capaciteiten van technologie is omhooggeschoten. Tegelijkertijd is ons gebruik ervan in die 10 jaar tijd toegenomen met vermoedelijk een miljoen keer. Ik denk niet dat deze trend gaat stoppen. Er is een vrij onverzadigbare vraag naar intelligentie. Hoe slimmer je bent, hoe intelligenter je bent, des te meer ideeën je hebt om die intelligentie toe te passen. Hoe ouder en wijzer ik word, hoe meer ik besef dat er nog zoveel meer te doen is, want elke keer dat je iets leert, gaat er een nieuwe deur open. Elke keer dat er een nieuwe deur opengaat, zie je meer kansen, zie je meer uitdagingen, zie je meer problemen.

Wat gaan we doen met al die overvloed?

Jensen Huang: Mensen zeggen dat we meer vrije tijd zullen krijgen; daar ben ik het absoluut niet mee eens. Ik denk dat deze intelligentie voor de meeste mensen juist meer kansen zal ontgrendelen, en dat ze die willen benutten omdat ze ambitieus zijn. Noem mij eens een gezin, een vader, een zoon, een echtgenoot, een vrouw, een moeder die geen ambitie heeft om het hun familie beter te laten krijgen? Ze missen simpelweg de kansen daartoe, en dit soort ontwikkelingen gaan die kansen juist openbreken.

Brad Gerstner: Als je teruggaat naar 1930, deed Keynes een voorspelling over de Industriële Revolutie, en hij zei dat de economie over 100 jaar 8 keer zo groot zou zijn, maar dat de werkweek zou inkrimpen tot 15 uur per week. Hij had gelijk dat de economie inderdaad 8 keer zo groot werd en dat we enorme overvloed en productiviteitswinsten te verwerken kregen, behalve dat we nu 80 uur werken. We zijn niet naar een werkweek van 15 uur gegaan. Waar hij de plank missloeg, was de menselijke geest. Hij realiseerde zich niet dat werk zingeving is, dat ontdekking zingeving is. Dat zit diep verankerd in ons DNA. Ik werk harder dan ooit tevoren, heb meer plezier dan ooit tevoren, niet omdat het moet zoals bij mijn grootouders, maar omdat ik het zelf wil.

Brad Gerstner: Daar ben ik het roerend mee eens. De singulariteit postuleert dat we nu al die agents hebben die kunnen samenwerken aan langlopende taken, dat ze gefocust kunnen blijven op hun taak, elkaar op het juiste pad houden en als een team functioneren. Ik vind jouw idee geweldig dat we voortbouwen op alles wat er al is bereikt. Als ik bijvoorbeeld denk aan Full Self-Driving, daar hebben we tien jaar over gepraat en we kwamen er in feite maar niet. Maar ineens ga je naar X, ervaart iedereen Tesla FSD, ervaart iedereen Waymo; we zijn er gewoon. Iemand vroeg me: "Hoe was de rit hierheen vanmorgen?" Ik zei: "Geef ik niet om, want ik stapte in de auto, zette FSD aan en lette nergens op tot we de parkeergarage inreden. Ik zat de hele weg hiernaartoe te werken." Als ik daaraan denk binnen de wetenschap, de doorbraken die er gaan komen in de farmaceutische sector en de genetica — we leggen al 30 jaar lang de rails aan, en we gaan straks doorbreken op het gebied van tal van massale geneesmiddelen voor de wereld. ChatGPT helpt ouders nu al bij het plannen van hun dag, het oplossen van gezondheidsproblemen van hun kinderen en een betere educatie. Vertel ons echter eens waarom het zo moeizaam doorbreekt. Al deze dingen zijn er al om het leven te verbeteren en bevinden zich direct om de hoek, dus het intrigeert me enigszins waarom dat niet breder doorbreekt.

Jensen Huang: Laat ik er een poging toe wagen, en uiteindelijk zullen we het nooit echt zeker weten. Ik heb met tal van mensen gesproken, en zij hebben mij verteld wat zij denken. Een van de redenen is natuurlijk dat AI of superintelligentie zachte materie (soft matter) is. Je kunt het niet zien. De hele wereld heeft de mond vol van deze technologie, maar je kunt het niet zien, je kunt het niet aanraken. Hoewel mensen er al de vruchten van plukken — als ze zoeken, plukken ze er de vruchten van; als ze winkelen, plukken ze er de vruchten van; als ze Netflix gebruiken, plukken ze er de vruchten van; je gaat naar Walmart, je profiteert ervan; het feit dat FedEx spullen bij ons aflevert, het maakt vandaag de dag allemaal gebruik van superintelligentie en versnelde compute. Maar we slagen er niet erg goed in om dat verhaal te vertellen. Het leven profiteert ervan, het is alleen onzichtbaar. Als we de datacenters en superintelligentie voor een weekend zouden uitzetten, zou iedereen het denk ik onmiddellijk merken.

Fysieke AI en robotica

Brad Gerstner: Ik weet dat je dit jaar al een paar keer opvallend hebt gezegd dat het ChatGPT-moment voor de robotica is aangebroken, en je hebt ook gezegd dat dit wel eens je volgende markt van $100 miljard zou kunnen worden. Wat zie je nu op dit kantelpunt gebeuren?

Jensen Huang: Ik heb die $100 miljard zwaar onderschat, want in de eerste zes maanden van dit jaar hebben we al $10 miljard omgezet in fysieke AI. Fysieke AI is in feite AI die op de een of andere manier interactie heeft met de fysieke wereld. Dat kunnen fotontellende CT-scanners zijn, echografieapparaten, nieuwe imaging-radars, de volgende generatie 5G — die niet alleen radiogolven begrijpt, maar allerlei soorten signalen gaat begrijpen, het is een radarsensornetwerk. Uiteraard ook robotica, Zelfrijdende auto's, productiesystemen, visuele inspecties, georuimtelijke satellieten die de wereld in kaart brengen en reconstrueren in 3D. Als je kijkt naar het volledige elektromagnetische spectrum, speelt AI zich af in zowel het zichtbare als het onzichtbare spectrum. We verrichten werk over dat hele spectrum.

Jensen Huang: Als AI-systeem is er het perceptiegedeelte, het redeneergedeelte, en dan heb je het plannings- en aansturingsgedeelte (actuation). Wanneer je uiteindelijk aankomt bij planning en aansturing, hebben we het over zelfrijdende auto's, robotica, bezorgvoertuigen voor in het magazijn, pick-and-place-robots die je niet zo uiterst precies hoeft te programmeren omdat ze zelfzaam leren, tot aan consumentenrobots die straks je bed opmaken in huis. Zorgrobots, ziekenhuisrobots — er zijn tal van fantastische voorbeelden te noemen, zoals het uiterst nauwkeurig afleveren van het juiste recept bij de patiënt, het 24/7 en elke seconde kunnen bieden van robotgestuurde zorg om patiënten veilig te houden, en volledige operatiekamers die compleet robotgestuurd zullen zijn. Er wordt een hoop geweldige technologie ingezet.

Jensen Huang: Als je dit hele plaatje bekijkt, zijn wij 's werelds grootste fysieke AI-bedrijf. We haalden $10 miljard op in de eerste zes maanden. We deden $10 miljard in het afgelopen jaar, en dat was ons eerste jaar met $10 miljard. Het jaar daarvoor deden we $5 miljard. Het ging van $5 miljard naar $10 miljard, en laten we zeggen dat we nu op $20 miljard uitkomen. Dus wellicht was die $100 miljard wat aan de lage kant ingeschat. Alles wat er in de uiteindelijke analyse toe doet, raakt de fysieke wereld, en wij leven nu eenmaal in de fysieke wereld. De marktkans om software, compute en intelligentie te brengen naar een industrie die historisch gezien mechanisch en elektrisch was, is gigantisch. Kijk naar wat Elon heeft gedaan met de auto-industrie: hij heeft het in wezen getransformeerd tot een computerindustrie, een technologieindustrie. Elk autobedrijf wordt straks een technologiebedrijf. Elk logistiek bedrijf wordt een technologiebedrijf. Ik ben super enthousiast over FedEx; zij worden vanzelfsprekend een AI-bedrijf, een technologiebedrijf. Walmart wordt overduidelijk een technologiebedrijf en een AI-bedrijf. De hele telecommarkt zal opnieuw worden uitgevonden als technologieindustrie. Ze waren lang geleden al een technologieindustrie, werden daarna een dienstenindustrie, en worden nu opnieuw een technologieindustrie. Ik ben verheugd om samen te werken met AT&T, Verizon en partners over de hele wereld terwijl zij zichzelf opnieuw uitvinden.

Jensen Huang: Als je kijkt naar al die industrieën die de fysieke wereld raken, ligt er een geweldig idee klaar om ze met AI opnieuw uit te vinden. Ik was pas in Washington. Het is zo bizar: mensen categoriseren ons onder chips, maar wij zitten feitelijk in magazijnen en logistiek, de gezondheidszorg, automotive, telecom, in elke industrie op aarde, in de biowetenschappen, in entertainment. Lang was Nvidia in grote mate een entertainmentbedrijf. Binnen elk van deze verticale markten heeft Nvidia een omvangrijke stack, zitten we heel diep in het ecosysteem en onderhouden we uitstekende partnerschappen. Ooit zal de dag komen dat mensen ons niet langer als een chipbedrijf zullen categoriseren.

Brad Gerstner: Het handboek zou zijn om dat automotive-draaiboek te nemen en dat in elk van deze industrieën toe te passen.

Jensen Huang: Dat is de uiteindelijke bijdrage, ja. Maar in elk van deze sectoren zijn er drie computers nodig om een fysiek AI-platform te bouwen. Je hebt de computer nodig om het brein te creëren — dat is het trainingssysteem. Maar heel belangrijk, en dit is waar je de labs dit ook ziet doen, is dat ze een digitale kloon (digital twin) van het internet moeten bouwen zodat ze hun AI-agents niet zomaar het internet op hoeven te sturen om te leren hoe ze dat moeten gebruiken. Net zoals we Omniverse hebben gecreëerd als de digitale kloon van magazijnen, gebouwen, steden en de fysieke wereld, plaatsen we onze robot in die digitale kloon, leert de digitale kloon hoe je een robot moet zijn, en dan implementeren we dat in de derde computer, wat de computer is die zich in de robot, auto, chirurgische instrument of wat dan ook bevindt. Het kost drie computers en drie volledige stacks, en wij bouwen complete stacks voor elk van die onderdelen. Wij zijn het enige bedrijf ter wereld dat dit doet. Als je een bedrijf bent dat dit end-to-end wilt bouwen, kun je één, twee of alle drie onze computers gebruiken; dat maakt ons niet uit. Elke computer heeft zijn eigen softwarestack. Dat doen we over al onze verticale markten heen.

Verantwoord bouwen

Brad Gerstner: Uiteraard snijden al deze capaciteiten aan twee kanten, wat de reden is dat we veel mensen over veiligheid horen praten. Jij hebt je zeer kritisch uitgelaten over het doemdenkersnarratief.

Jensen Huang: Daar kom je alleen als je de technologie verantwoord bouwt. Let op het woord "bouwen". Dat is een ingenieursterm. Het gaat over technologie, het gaat over engineering — engineers, wetenschappers, onderzoekers. We moeten deze technologie veilig en verantwoord bouwen. De vraag is: kun je dat ook? Het antwoord is absoluut ja, want als dat niet kan, moet je er helemaal niet aan beginnen. Of we moeten geloven dat het kan, of we moeten het niet bouwen. Ik geloof dat het kan.

Jensen Huang: Laat ik het met je beredeneren. Sommige mensen zeggen dat AI onbeheersbaar is omdat het onmogelijk is om het perfect te aligneren (alignment). Alignment betekent het volgende: je zegt tegen iemand: "Ik wil dat je dit doet." De missie is helder omdat je het in het Engels hebt uitgesproken. Het kan zijn: "Ik wil dat je deze kwadratische vergelijking oplost." De missie is om die kwadratische vergelijking op te lossen; de alignment gaat over *hoe* je dat doet. Er zijn vele wegen naar Rome. Je hebt het uit je hoofd geleerd, je zag het antwoord in een leerboek staan en hebt het opgezocht, je raadpleegde een naslagwerk, of je liep naar een la waarin alle antwoorden lagen, trok die la open en pikte het antwoord eruit. Sommige mensen noemen dat valsspelen; ik noem dat de la opentrekken en het antwoord erbij pakken. Dat is wat computers doen. Er zijn tal van verschillende manieren waarop je dat probleem kunt oplossen.

Jensen Huang: Nu is die eerste heel expliciet. Hier is een andere: "Wees succesvol in het leven." Die missie is makkelijk uit te spreken, en sterker nog, dat zeggen we de hele tijd tegen elkaar. We zeggen het tegen onze kinderen: "Laten we ons best doen om een bijdrage te leveren aan de maatschappij." Nu is de vraag: hoe dan? Hoe zorg je voor een redelijke alignment wanneer ieders cultuur en achtergrond anders is? Sommige mensen denken dat bijdragen aan de maatschappij betekent dat je vrijgevig moet zijn, vriendelijk moet zijn. Voor anderen betekent het misschien veel geld verdienen en dan filantropisch zijn. Weer anderen denken dat het in je eentje oprichten van een bedrijf of het creëren van een prachtig kunstwerk al voldoende bijdrage aan de maatschappij is. Het klopt allemaal. Wat is dan de juiste alignment? Dat hangt af van je achtergrond, je cultuur, misschien waar je woont of waar je vandaan komt. Er is een oneindig aantal manieren. Mijn punt is dit: alignment zal altijd een vraagstuk blijven. Als we afhankelijk zijn van een perfecte alignment om veiligheid te garanderen, dan gaan we er nooit komen.

Jensen Huang: Het antwoord is dit: de manier waarop we nadenken over het opvoeden van kinderen, huisdieren of werknemers — je begint met inperking (containment). Je geeft ze toegang tot tools, toegang tot informatie, fondsen, middelen en verantwoordelijkheid op basis van de taak die je hun opdraagt. Je begint met nultrouw (zero trust). Als je iemand aanneemt, begin je met nultrouw. Als je een baby van een jaar oud hebt, zet je die in een box. Je gaat uit van nultrouw. Je geeft ze minimale rechten, en je breidt die grenzen uit naarmate je meer leert. Telkens wanneer we een nieuwe AI hebben, moeten we van hetzelfde uitgaan. Wanneer je een AI test: nultrouw, minimale grenzen, minimale rechten, en je schaalt op naarmate je test en zelfvertrouwen opbouwt. Strakke inperking is van cruciaal belang voor elk autonoom systeem.

Jensen Huang: Het tweede dat je doet is monitoring, en die monitoring moet out-of-band plaatsvinden. De reden daarvoor is dat wanneer je tegen een intelligent persoon zegt: "Hé, luister eens, ik ga hier zitten en je werk observeren om te controleren of je het wel goed doet, of je klanten correct bedient en hard genoeg werkt," dat autonome systeem zich anders zal gedragen dan wanneer je niet meekijkt.

Brad Gerstner: Het is alsof Brad wel of niet bij me in de kamer is.

Jensen Huang: Precies! Die monitoring moet out-of-band plaatsvinden, en moet de capaciteit hebben om te observeren dat het autonome systeem iets doet dat inconsistent is met het beleid of de alignment, zodat je de mogelijkheid hebt om het ofwel te escaleren ofwel plat te leggen — het simpelweg uit te schakelen. Dat soort capaciteiten moeten er simpelweg zijn. Dat is engineering, dat is technologie, en het is mogelijk. We hebben het onlangs aangekondigd onder de naam OpenShell. We hebben inmiddels meer dan 100 bedrijven die zich bij ons hebben aangesloten, een hoop activiteit wereldwijd, omdat iedereen hetzelfde wil.

Brad Gerstner: Toen ik om me heen keek aan die tafel in het Witte Huis, zag ik dat iedereen daar ouder is, dat ze kinderen hebben. Er heerst een beeld in het land dat sommige leiders van superintelligentie er met de pet naar gooien (YOLO), dat het ze niks kan schelen, dat ze roekeloos handelen en alleen maar al het geld willen binnenharken. Toch zat er geen enkel persoon aan die tafel van wie ik dacht dat die roekeloos wilde zijn. Integendeel, iedereen daar wilde juist de juiste balans vinden tussen snelheid en veiligheid; dat was ook de instructie van de president. Wat zou je willen zeggen tegen het Amerikaanse publiek dat vreest voor roekeloze leiders? Heb je daar enig bewijs van gezien? Jij hebt kinderen. Maak je je zorgen over de toekomst die je met superintelligentie tot leven wekt?

Veiligheid, beveiliging en de airbag-analogie

Jensen Huang: Veiligheids- en beveiligingstechnologie zijn een integraal onderdeel van AI. Er bestaat een merkwaardige opvatting dat AI-technologie enerzijds en veiligheid en beveiliging anderzijds orthogonaal op elkaar staan. Het is een beetje alsof de airbags, het remsysteem, de radars, de camera's, ABS en rijstrookassistentie — alsof al die technologie op een of andere manier losstaat van de auto. Het enige dat telt voor de auto is de motor, toch? In feite is de hele auto onderdeel van de technologie van de auto. Als ik zeg dat we AI-technologie moeten versnellen, bedoel ik daarmee dat we de beveiligingstechnologie moeten versnellen, dat we de veiligheidstechnologie moeten versnellen. Die moeten allemaal versneld worden. Als je het mij nu vraagt, zou iedereen zeggen: "Laten we beveiliging versnellen, laten we de veiligheidstechnologie versnellen." Niemand zegt dat we daarin moeten temperen. Het hoort allemaal bij dezelfde zaak. Je kunt functionaliteit en capaciteiten niet loskoppelen van veiligheid en beveiliging; die gaan hand in hand. Wanneer je een dienst levert, zal niemand zeggen: "Ik vind de functionaliteit van je dienst geweldig, maar man, wat richt het een ravage aan." Het is één geheel, we behandelen het als één geheel, en de industrie moet het als één geheel behandelen. Als we zeggen dat we versnellen, bedoelen we daarmee dat we het hele pakket versnellen, met name de veiligheid.

Brad Gerstner: Sommige mensen lazen "Pacing the Frontier" van Dario en dachten dat dat betekende dat we moesten afremmen. Een grappig moment in de ruimte was toen de president zijn "nieuwe beste vriend, Dario" — zo noemde hij hem — het woord gaf en zei: "Leg mij jouw versie van snel en veilig eens uit." Dario begon door te zeggen: "Meneer de president, u heeft gezegd dat wie AI wint, de wedstrijd wint." Hij zei dat ze aan het opschakelen zijn, dat ze snel willen gaan en de race met China willen winnen, maar erkende tegelijkertijd dat we onderweg moeten zorgen dat de veiligheidssystemen in rap tempo meestijgen en gelijke tred houden. Jij ging met hem, Greg en de andere frontier-labs naar de kabinetsruimte om dat akkoord te ondertekenen. Was er sprake van gemor over meningsverschillen, of ging iedereen er willens en wetens mee akkoord?

Jensen Huang: Iedereen was heel constructief, heel productief. Zonder uitzondering is iedereen toegewijd aan het op een veilige en beveiligde manier vooruithelpen van de industrie. De reden daarvoor is dat als het niet veilig en beveiligd is, de functionaliteit nooit de kans krijgt om van zich te laten horen, en de capaciteit nooit zal kunnen schitteren. We weten dat de prioriteiten te allen tijde veiligheid en beveiliging zijn. Zich realiserend dat deze industrie onlangs een transitie heeft doorgemaakt: zes maanden geleden werkte deze technologie nauwelijks. Wat heeft het voor zin om het veilig en beveiligd te maken als het geen functionaliteit en capaciteit heeft? Niemand geeft er dan om. De eerste taak van AI was bewijzen dat het iets nuttigs kon doen, en dat punt bereikten we zes maanden geleden. Nu wil het echt breed worden ingezet. Er is een ongelooflijke imperatief en grote urgentie om ervoor te zorgen dat alles wat we implementeren veilig en beveiligd is. Iedereen zit volledig op één lijn: functionaliteit, capaciteit, veiligheid, beveiliging, ze bevinden zich allemaal op exact dezelfde plek — prioriteit nummer één.

Wat 'Winnend Amerika' betekent

Jensen Huang: Ik zou het begrip 'winnen' anders willen formuleren: het gaat er niet om dat de tech-industrie wint, of dat alleen de AI-industrie wint. Dat Amerika wint, betekent dat elke industrie in Amerika wint. Dat de gezondheidszorg wint. Niets zou mij meer vreugde schenken. De definitie van een winnend Amerika is wanneer we spreken over Eli Lilly dat wint, Walmart dat wint, FedEx dat wint, Boeing dat wint, het Amerikaanse leger dat wint, elke burger die wint, onze universiteiten die winnen, onze middelbare scholen die winnen. Dát is de definitie van winnen. Er is geen sprake van winnen als alleen de technologie wint, maar niemand het gebruikt. Er zal geen AI-techindustrie bestaan als we het niet veilig en beveiligd bouwen. Dit is in de eerste plaats een existentieel vraagstuk voor ons. Wanneer ik zie dat Amerika op AI-gebied wint, wint elke staat, wint elke county, wint elke gemeenschap, wint elk bedrijf, omdat we het ons kunnen veroorloven om meer uit te geven aan gezondheidszorg, onderwijs, interstatelijke handel, snelwegen en de infrastructuur van het land.

Brad Gerstner: De definitie van winnen is dat wanneer we over 25, 30, 40 jaar terugblikken, de economie 10 keer zo groot moet zijn, het leven van iedereen erop vooruit moet zijn gegaan, en als fundamentele voorwaarde daarvoor geldt dat het moet zijn gebeurd op een manier die in overeenstemming is met de menselijke belangen.

De driepoot: Amerika's raamwerk voor superintelligentie

Brad Gerstner: De meeste mensen begrijpen niet hoe ons beveiligingsraamwerk in dit land in elkaar zit. Ik heb wel eens gezegd dat we het meest robuuste beveiligingsraamwerk voor superintelligentie ter wereld hebben. Wij zijn overduidelijk het enige land op aarde dat daadwerkelijk een model heeft gesanctioneerd en dat begin dit jaar uit de handel heeft genomen met Mythos. Maar ik omschrijf het als een driepoot: we hebben de frontier-modelbeoordeling van elk nieuw frontier-model door Casey en het Ministerie van Economische Zaken (Department of Commerce), waar ze het beoordelen en testen; we hebben het akkoord van het Witte Huis over superintelligentie dat jij hebt helpen ontwerpen — met interne en externe audits, toezicht door de raad van commissarissen en alle aansprakelijkheid die daarbij komt kijken; en ten derde hebben we de SI Taskforce onder leiding van Jay Clayton, Scott, Emil en Andrew, die zorgt voor cruciale coördinatie binnen de industrie rondom cyberveiligheid en aanverwante kwesties. Sommige mensen zeggen dat we niet genoeg doen en dat er nieuwe wetten moeten komen. Die driepoot lijkt me echter een enorme stap voorwaarts die in korte tijd is bereikt. Voel jij je comfortabel bij het idee dat dit een goede stap voorwaarts is voor waar we nu moeten staan?

Jensen Huang: De beste manier om naar de toekomst te komen is door snel actie te ondernemen. Als we gaan ruziën over wat perfect is versus wat er nu ligt, eindigen we met debatten over perfectie en komen we er nooit. Ik vind het geweldig dat deze driepoot actiegericht, tastbaar is en echte tanden heeft. Het gebeurt nu. We ondernemen nu actie omdat het goed is voor ons bedrijf, onze industrie, ons land en onze maatschappij. Als we dit soort dingen niet doen, is de uitkomst minder wenselijk en bereiken we die optimistische toekomst niet. Ik kan me geen andere industrie herinneren die in dit stadium van ontwikkeling zo'n sectoroverschrijdende en overheid-industrie-coördinatie heeft opgetuigd om op een verantwoorde en optimistische manier vooruitgang te boeken.

Brad Gerstner: Het is zo belangrijk dat mensen dit begrijpen, want als ik senatoren erover hoor praten, hebben ze vaak geen flauw idee van wat we allemaal aan het doen zijn. We doen een buitengewone hoeveelheid, en dit zijn geen vrijblijvende zaken. Er zal geen frontier-model worden uitgebracht dat niet door Casey en het Ministerie van Economische Zaken wordt beoordeeld, en ze hebben hun bevoegdheid onder de exportcontrolewetgeving al gedemonstreerd door modellen terug te trekken.

Jensen Huang: Kom gerust eens langs om te leren wat er daadwerkelijk moet gebeuren. Wat is het probleem? Als je een oplossing wilt, zul je op zijn minst het probleem moeten begrijpen. Kom praten met onze industrie en leer ervan. Ten tweede, leer over de oplossing die we hebben ingevoerd en kijk of er ideeën zijn om die te verbeteren. We staan overal volledig voor open, maar laten we constructief blijven.

Brad Gerstner: Het vierde punt van het akkoord was dat dit dynamisch is, niet statisch; deze groep zal het raamwerk blijven bijstellen naarmate de technologie evolueert. Over naar compute gesproken: Dylan Patel van SemiAnalysis heeft gezegd dat we volgend jaar 43 gigawatt aan nieuwe AI-compute online gaan brengen, wat meer is dan alle bestaande AI-compute ter wereld bij elkaar opgeteld, en nog eens 40 gigawatt het jaar daarop. Jij weet waar werkelijk elke individuele GPU is toegewezen. Klinkt dat als muziek in de oren? Denk je dat bottlenecks in vergunningverlening, de toeleveringsketen of stroomvoorziening dat significant zullen veranderen?

AI-bottlenecks in 2027: De uitrol van compute

Jensen Huang: De vraag is er absoluut en meer dan dat. De uitdaging is natuurlijk dat er tal van obstakels opduiken zodra je van digitaal naar fysiek overgaat: grond, vergunningen, stroomopwekking die je online moet krijgen, bouwvakkers, installateurs, loodgieters.

Brad Gerstner: Er zijn al 1 miljoen nieuwe banen gecreëerd puur door het bouwen van deze installaties.

Jensen Huang: Een miljoen nieuwe banen, en hun vaardigheden zijn niet inwisselbaar (fungible). Degenen die deze datacenters van $50 miljard bouwen, beschikken over heel specifieke, cruciale vaardigheden. Dan heb je nog allerlei moratoriums en problemen die we door het hele land zien. Grond, stroom, casco en de middelen voor de afbouw behoren tot de belangrijkste obstakels om dat doel te bereiken. Specifiek spreken voor Nvidia: er zijn verschillende dingen die we doen om dat te mitigeren. We bedienen elke CSP, we bedienen elke neocloud, we hebben geweldige enterprise-markten via Dell, HP, Lenovo en anderen. We zijn actief over de hele levenscyclus van AI: gegevensverwerking, training, post-training, inference, agentic processing en versnelling van toolgebruik. Onze marktdekking is de grootste. Elke contractfabrikant ter wereld werkt in onze opdracht. Als een bepaalde staat, gemeenschap of datacenter het moeilijk heeft, is onze vraag zoveel groter dan ons aanbod dat we onze supply chain dienovereenkomstig aanpassen.

Jensen Huang: Het andere punt is dat Nvidia de infrastructuur is voor de planeet. Of het nu gaat om Europa, Afrika, Centraal-Azië, Zuidoost-Azië, Latijns-Amerika of het Midden-Oosten, we hebben wereldwijd bereik. Als we het hier niet bouwen, zou elk land ter wereld maar wat graag willen dat het dáár wordt gebouwd. Ons bedrijf is specifiek wellicht het meest veerkrachtig omdat we het hele spectrum van AI en computing bestrijken, en in elke cloud en regio aanwezig zijn. Maar grond, stroom en casco gaan volgend jaar een uitdaging vormen.

50 GW aan chips, 35 GW aan vermogen

Brad Gerstner: Wat ik uit de markt hoor, is dat er misschien zo'n 50 gigawatt aan aangekondigde chips in de pijplijn zit, en misschien 35 tot 40 gigawatt aan grond, stroom en casco dat online komt. Welke compute er precies in die capaciteit past, is dus nog even afwachten.

Jensen Huang: De architectuur van Nvidia is het meest productief: deze genereert de meeste tokens per watt. Als de hoeveelheid beschikbare stroom in de wereld afneemt, verschuift dat hun keuzes naar de meest productieve versie, omdat CEO's nog steeds hun omzetdoelstellingen willen halen. Hoge omzetverwachtingen voor volgend jaar moeten worden waargemaakt. Wanneer stroom schaars is, moet de kwaliteit van de compute die je daarin stopt de allerproductiefste computerbron zijn. Wij zijn het meest verhuurbaar, inwisselbaar en duurzaam. Het tekort aan hulpbronnen verschuift de belangstelling naar ons toe. Ons marktaandeel was al erg groot, maar tot ieders verrassing groeit ons marktaandeel om deze redenen zelfs verder.

Jensen Huang: We bieden per gigawatt ook zoveel meer dan voorheen. We waren ooit een GPU-bedrijf; daarna werden we het grootste en snelst groeiende netwerkbedrijf. Nu worden we een van de grootste en snelst groeiende CPU-bedrijven. We zitten in computing voor opslag, kennisinfrastructuur en beveiliging met OpenShell en Sentry. Het aanbod dat we leveren in 1 gigawatt ging van pakweg $18 miljard per gigawatt naar ruim $20 miljard en inmiddels naar meer dan $40 miljard per gigawatt, en dat blijft maar stijgen. We winnen marktaandeel doordat mensen overstappen op ons platform en omdat we meer te bieden hebben voor 's werelds capex — ons aandeel in dollars groeit. Zes jaar geleden was ons percentage van de wereldwijde capex enkelvoudig. Momenteel zitten we bij de CSP's op ongeveer 40%. Buiten de CSP's om — on-prem en neoclouds, die de helft van onze omzet uitmaken — is ons capex-percentage vermoedelijk 80%. Aangezien de helft van onze business voor 40% en de andere helft voor 80% meetelt, en beide elk jaar verdubbelen, groeit ons aandeel in de wereldwijde capex gestaag.

Elon, Colossus en SpaceX

Brad Gerstner: Een van die afnemers is Elon. Toen hij begon met het bouwen van Colossus, waren we met stom verbaasd toen hij een paar honderdduizend Hoppers neerzette in Memphis. Nu haalt hij opnieuw $40 miljard op, is hij van plan om wellicht een miljoen of meer Vera Rubin-chips te kopen en schaalt hij op van duizenden naar miljoenen. Tegen eind 2027 wil hij de beschikking hebben over 10 gigawatt, wat neerkomt op honderden miljarden besteed aan Vera Rubin. Is het een uitgemaakte zaak dat SpaceX de grootste AI-hyperscaler ter wereld wordt?

Jensen Huang: In onze overzichten viel Elon vroeger onder enterprise; tegenwoordig maakt hij deel uit van ons CSP-segment. Ze zijn gigantisch. Ik werk ontzettend graag met Elon. Hij gebruikt onze technologie voor zijn eigen AI, het trainen van modellen en het implementeren daarvan. Grok is supercool, en de vraag naar en consumptie van Grok rijzen de pan uit. En uiteraard verhuurt hij het ook. Hij is tamelijk uniek in het combineren van alledrie; Google zou een ander voorbeeld zijn. Hij houdt van het snijvlak tussen computing en fysieke installaties, en niemand weet meer van energie af dan hij.

Datacenters in de ruimte

Jensen Huang: Een specifieke nieuwe markt die we samen gaan verkennen, is het plaatsen van datacenters in de ruimte. Onze beide ingenieursteams werken heel nauw samen om een nieuw type server te ontwerpen, een nieuwe architectuur die wel eens heel geschikt zou kunnen zijn voor in de ruimte en op Aarde.

Brad Gerstner: Starship werd vorige week gelanceerd, voerde zijn eerste orbitale rendezvous uit en bracht die V3-satellieten in een baan om de aarde. Heb je er steeds meer vertrouwen in dat we tegen 2028 of 2029 via Starship een aanzienlijke hoeveelheid compute in de ruimte zullen hebben?

Jensen Huang: Uitsluitend Nvidia-compute. Laat me je vertellen waarom: het gaat niet alleen om de technologie. Nvidia's prestatie per eenheid energie is 's werelds beste — prestaties per watt. Maar wat het allerbelangrijkste is: het rendement op het geïnvesteerde vermogen (ROI) van Nvidia's compute is zo hoog dat je het in de ruimte kunt plaatsen en de lanceringskosten slechts een klein percentage uitmaken. De lanceringskosten zijn niet te verwaarlozen, dus je gaat daar geen goedkope computing naartoe brengen; je brengt er high-value computing naartoe. Wij zijn het meest waardevolle computersysteem in de computergeschiedenis, wat ons tot de perfecte kandidaat maakt om met een uitstekende ROI naar de ruimte te worden gelanceerd.

Brad Gerstner: Gaan we tegen 2029 de grens van 500 megawatt in de ruimte aantikken?

Jensen Huang: Ik laat hem dat zelf vertellen, maar je zou Vera Rubin daarin kunnen stoppen en het rechtvaardigt de investering volledig. De vraag is er, het rendement op de investering is uitstekend en de productiviteit is ijzersterk. Het is inwisselbaar: als je een satelliet in de ruimte plaatst zonder dat er een klant is om hem te huren, staat hij stil, en dat wil je niet. Nvidia-compute is volledig inwisselbaar met een legioen aan huurders. We werken samen met elk gesloten-modelbedrijf, we draaien elk open model, we hebben duizenden startups en wereldwijde ondernemingen. En het is duurzaam. Wij zijn het enige hardwarebedrijf ter wereld waarbij je ons acht jaar geleden betaalde en wij je software nog steeds updaten met nieuwe CUDA-algoritmen. We blijven de software updaten zolang die satelliet daarboven hangt. Dat maakt het de perfecte lading (payload) voor SpaceX.

Rechtvaardigen de AI-inkomsten de capex?

Brad Gerstner: Willen financieel specialisten dat biljoenen aan capex onderaan de streep kloppen, dan moeten ze de terugverdientijd zien. Als ik kijk naar de totale omzet van alle labs dit jaar, opgeteld bij elkaar, komen we voor de frontier-labs en inference-labs uit op zo'n $200 miljard. We moeten zien dat dat volgend jaar verdubbelt naar $400 miljard, en het jaar daarop weer verdubbelt naar $800 miljard om in de buurt te komen van de terugverdientijd op biljoenen dollars aan capex. Claude Code leidde tot een vertienvoudiging van de inkomsten bij Anthropic. Hoe groot is jouw vertrouwen dat de labs hun omzet elk jaar kunnen blijven verdubbelen of verdrievoudigen?

Jensen Huang: Mensen begrijpen niet wat er gaande is. Nvidia vertegenwoordigt zeg maar 80% van het omzetaandeel in AI-infrastructuur wereldwijd op dit moment. Er zijn drie grote segmenten binnen Nvidia-computing. Het eerste segment is basiscomputing: gegevensverwerking, moleculaire dynamica, fysicasimulatie, fusie- en fissiesimulatie, kwantumchemie, kwantumfysica, computergraphics. Klassieke machine learning, XGBoost bij Visa en Mastercard voor fraudedetectie, aanbevelingssystemen — als je al die klassieke computing bij elkaar optelt, dus zonder deep learning of agentic systems, is dat zeg maar een derde van onze business, die jaarlijks met 30% tot 40% groeit. Zelfs zonder enige AI-labs is Nvidia al een behoorlijk groot bedrijf.

Jensen Huang: Het tweede deel zijn de AI-labs. Mensen zien er twee, maar we werken met elk van hen samen. Meta Muse doet het fantastisch, grotendeels op Nvidia; een jaar daarvoor ging dat nog puur om aanbevelingssystemen, en nu scoren ze er hoge ogen mee met Meta Muse. Grok bestond drie jaar geleden nog niet. We runden Gemini voorheen niet; we draaien Gemini nu wel. Sinds dit jaar zijn we gaan samenwerken met Anthropic. Ik zie vijf of zes labs fantastisch presteren, die weliswaar niet helemaal een derde van onze business vertegenwoordigen, laten we zeggen 25% tot 30% van onze compute.

Jensen Huang: Het andere derde deel — omdat we aan het begin staan van een verschuiving in computerplatforms — bestaat uit een enorm aantal nieuwe startups. Noah Instinct doet het uitstekend, net als fysieke AI, biologische AI, materiaalwetenschappelijke AI en het nieuwe bedrijf van Jeff Bezos, Prometheus. Duizenden bedrijven in diverse sectoren huren Nvidia-compute. Dit derde deel van onze business vormt de cloudcomputing voor de volgende generatie. We bevinden ons in de beginfase van deze opbouw, en het is een grote fout om slechts een paar bedrijven aan te wijzen en te denken dat zij als enige de infrastructuur financieren.

Open vs. gesloten modellen

Jensen Huang: Ik ben altijd een groot voorstander geweest van open modellen omdat open modellen nieuwe kansen creëren. Als je kijkt naar al die startende ondernemingen, gebruikt 80% van hen open modellen. Ze gebruiken die niet om te concurreren met frontier-labs; ze gebruiken ze om kansen te ontgrendelen binnen fysieke AI, productie of de gezondheidszorg. Ze nemen open modellen zoals Nemotron en passen die aan tot superintelligentie voor hun specifieke domein. De gesloten labs zullen Artificial General Intelligence (AGI) leveren, terwijl verticale ondernemingen propriëtaire data inzetten om superintelligentie voor specifieke domeinen te bereiken.

Brad Gerstner: Als je een gigawatt aan compute neerzet, haal je daar aan de andere kant $40 miljard uit. Met 40 gigawatt die volgend jaar online komt, zou dat lineair geëxtrapoleerd neerkomen op $1,6 biljoen aan omzet. Mensen worden nerveus over knallende zeepbellen als het aanbod op een bepaald moment de vraag overstijgt, en of de financiering stokt.

Jensen Huang: Laten we het terugbrengen tot de eerste principes. Die $100 miljard of $125 miljard aan ARR die mensen proberen te extrapoleren op basis van de labs is slechts een fractie van de totale opbouw. Gaan mensen straks stoppen met online winkelen? Over dat derde deel van de opbouw valt geeneens te discussiëren. Een paar jaar geleden zei ik al dat tegen het einde van dit decennium de infrastructuuruitbouw waarschijnlijk ergens tussen de $3 biljoen en $4 biljoen per jaar zal liggen — dichter bij de $4 biljoen. Als daarvan $1.5 biljoen uit compute bestaat, bedenk dan dat dat vóór de opkomst van AI al $500 miljard was. Over een periode van zes tot acht jaar groeit dat naar $1,5 biljoen omdat de wereld simpelweg meer digitale compute consumeert.

Jensen Huang: Daar komt nog bij dat de Wet van Moore ten einde is. Er was een tijd dat je een jaar moest wachten om tweemaal zoveel transistors te krijgen voor dezelfde prijs. Wil je nu tweemaal zoveel transistors, dan zul je ook tweemaal zoveel moeten betalen. Welke computercapaciteit de wereld ook verlangt, je moet er een correctiefactor (X-factor) op loslaten puur om rekening te houden met het einde van de Wet van Moore. Zonder AI was de halfgeleiderindustrie sowieso al op weg om de grootste industrie ter wereld te worden. Bovendien versnellen nieuwe startups de boel. De clou is: het is volkomen overbodig om de inkomsten van welke labs dan ook te extrapoleren naar meerdere biljoenen dollars om de infrastructuur te rechtvaardigen.

Te veel druk op twee labs

Brad Gerstner: We zagen discussies of de omzet van OpenAI nu $70 miljard of $50 miljard bedroeg, en een terugval bij infrastructuurbedrijven uit angst dat ze het geld niet hebben om de uitbreidingen te bekostigen. Jouw punt is dat over die 40 gigawatt volgend jaar, een derde vervanging is van algemene compute, een derde bestaat uit neoclouds, staten (sovereigns), ondernemingen en startups, en een derde verdeeld is over meerdere labs.

Jensen Huang: We leggen veel te veel druk op twee labs. Dat worden ongetwijfeld twee van de meest invloedrijke technologiebedrijven ooit gebouwd, maar ze hoeven heus niet in de buurt te komen van $1 trillions aan omzet om de opbouw te laten renderen. Ondertussen moet de industrie voor enkele biljoenen dollars aan computerinfrastructuur optuigen. Overigens, hoe noemen ze dit? Gedroogde pruimen? Met een beetje zoethout, zout, suiker, kaneel — er zit een lekker zuurtje aan.

Brad Gerstner: Volgend jaar ligt de vraag naar Nvidia-chips ruim boven de 100%. Je gaf een prognose af van 70% omzetgroei omdat je te maken hebt met leveringsbeperkingen. Je zei dat je 18 maanden de tijd had om met de toeleveringsketen samen te werken om het nog beter te doen. Is het orderboek sindsdien blijven groeien?

Dynamiek in AI-aanbod en -vraag

Jensen Huang: We hadden gigantische orderboeken: elke CSP, NCP, OEM, startup en grote onderneming had al orders geplaatst op basis van prognoses voor 1 tot 2 jaar vooruit. Omdat ik veel minder toewees dan ze wilden, zou iedereen gissen of ze tekort werden gedaan als ik niet publiekelijk zou mededelen wat we hadden. Dat was mijn manier om om te gaan met gesprekken waarin ik mensen moest teleurstellen. Vrijwel elke klant zou meer kopen als we meer konden leveren. Sindsdien krijgen we wekelijks en dagelijks nieuwe orders binnen.

Jensen Huang: We krijgen meer aanbod, maar downstream-beperkingen zoals grond, stroom en casco beperken de implementatie. Een paar weken geleden kondigden we 2 gigawatt aan in Australië — dat is een kans van zo'n $80 miljard. In Europa ontsluiten we meer partnerschappen met partijen als Yondr en anderen. Omdat Nvidia de volledige full-stack AI-infrastructuur levert aan neoclouds zoals CoreWeave of Nebius, kunnen we bouwen op plekken en met partners waar niemand anders dat kan. Upstream blijven kritieke knelpunten bestaan in packaging en substraten. Substraten worden groter met meer chips, wat meer materiaalgewicht vereist. Thermische coëfficiënten en stapeling maken kromming (warpage) en fabricagefouten lastig te beheersen op precieze schaal. Ook silicon photonics kent aanbodbeperkingen. Elke week verhogen we het aanbod, maar het orderboek blijft maar stijgen. Het zal nog enkele jaren duren voordat we dat gat kunnen dichten.

Evaluatie van de consensus op Wall Street

Brad Gerstner: Een jaar geleden zat de consensus voor de groei van Nvidia er honderden procenten naast. Binnen één jaar schoof de consensusprognose 100% tot 200% omhoog, en toch is het aandeel slechts 20% gestegen. Jullie verdubbelden de omzet- en vrije-kasstroomprognose, terwijl jullie handelen tegen 13 tot 14 keer de winst. Wat ziet de markt over het hoofd?

Jensen Huang: Dat een bedrijf van onze omvang marktaandeel weet te winnen, zegt alles over onze veerkracht en schaalvoordeel. Onze concurrentievoorsprong (moat) wordt alleen maar groter.

Vera Rubin Ultra-orders

Jensen Huang: Als je in de rij wilt staan voor Vera Rubin Ultra, dan is het bijna tijd om orders te plaatsen, op goed geluk (sight unseen). Hoe weet je dat het goed zal zijn? Omdat Nvidia het bouwt, en Vera Rubin geweldig is, en Grace Blackwell geweldig was. De workloads zijn zo complex dat je niet zomaar één benchmark kunt aanhouden; systemen van $50 miljard vereisen dat tientallen technologieën naadloos samenwerken. Op goed geluk, bij wie anders kun je een order van $50 miljard plaatsen? Wij zijn letterlijk de enige. In de tijd dat het nog om inkooporders van $100 miljoen ging, kon je de chips voor je neus benchmarken. Hoe benchmark je een systeem van $50 miljard? Daarvoor zou je een gigantisch datacenter en een paar jaar aan verbouwingstijd nodig hebben. Je kunt dit soort systemen simpelweg niet meer benchmarken.

Jensen Huang: Het is exact hetzelfde als bij TSMC. Wij gunnen TSMC 100% van onze business omdat zij het enige bedrijf zijn waar ik vijf jaar vooruit kan plannen, op goed geluk, in de wetenschap dat de volgende transistornode superieur zal zijn, dat ze capaciteit en flexibiliteit zullen hebben, en beschikken over diverse procestechnologieën variërend van silicon photonics tot logica, geheugen en geavanceerde packaging. Hoe doe je dat met een bedrijf dat een tiende van hun omvang heeft? Dat is onmogelijk. Nvidia is uitgegroeid tot een infrastructuurbedrijf voor de planeet.

Jensen Huang: Wij draaien alles. Van vroege GPT-modellen tot FlashAttention, NVLink 72-modelparallelisatie en moderne hybride SSM-transformer-diffusiemodellen, het draait allemaal op CUDA. Of workloads nu verschuiven naar pre-training, post-training of agentic inference, wij draaien het allemaal. Als je een datacenter van $50 miljard bouwt, weet je dat Nvidia-compute inwisselbaar is over verschillende workloads, modellen en klanten heen. Mocht je capaciteit willen onderverhuren, dan zijn er huurders in overvloed.

Wereldwijd bereik: Europa, Japan en daarbuiten

Jensen Huang: Als OpenAI of Anthropic in een handomdraai Europa, India, Japan of Korea willen bedienen, staat onze infrastructuur daar al klaar. Een gok van $100 miljard op een voor algemene doeleinden geschikte architectuur levert je een laag risico op. Specialisatie is de vijand van inwisselbaarheid en duurzaamheid. Het bewijzen van buitengewone prestaties levert inwisselbaarheid en duurzaamheid op, wat zich vertaalt naar verhuurbaarheid, productiviteit, financierbaarheid en de laagste totale eigendomskosten (TCO).

Brad Gerstner: Jullie kopen historische hoeveelheden eigen aandelen in, potentieel zo'n 10% van het bedrijf binnen twee jaar. Bij Goldman noemde je Nvidia het eerste "groei-waarde"-bedrijf, wat doet denken aan de transitie in kapitaalteruggave van Apple. Jullie onderzoeken daarnaast twee nieuwe bedrijfsmodellen: softwarelicenties en omzetdeling.

Jensen Huang: Het ene bedrijfsmodel is softwarelicentieverlening. Voor CSP's die hun eigen stack draaien, leveren we open-source software die ze zelf aanpassen. Maar de meeste ondernemingen beschikken niet over de softwareafdelingen om complexe AI-fabrieken te onderhouden; zij hebben ons nodig binnen een SLA om het geheel veilig en onderhouden te houden. Tegen een paar duizend dollar per GPU per jaar over miljoenen enterprise-GPU's zal softwarelicensing een zeer grote business worden. Ten tweede kunnen we bij neoclouds waar we full-stack infrastructuur, ecosysteem-afname en investeringsondersteuning bieden, participeren in omzetdeling. We pakken de initiële hardwareverkoop mee én het economische rendement van meerjarige omzetdeling zonder zelf als cloudprovider op te treden. Deze twee groeivectoren benutten onze geïnstalleerde basis en ons ecosysteem los van de pure hardwareverkoop.

Brad Gerstner: Warren Buffett vermeed tech historisch gezien omdat bedrijven daar alleen vrije kasstroom produceerden om die vervolgens stuk te slaan op waarde-vernietigende projecten. Jullie besteden meer dan 50% tot 60% van jullie vrije kasstroom aan aandeleninkoop terwijl jullie exponentieel groeien.

Jensen Huang: Onze durfkapitaalinvesteringen in hoogwaardige ecosysteembedrijven zijn goed onderbouwd omdat we de technologiestromen direct kunnen inzien, maar als percentage van de totale kasgeneratie zullen externe investeringen snel afnemen. Frontier-kansen zoals OpenAI en Anthropic komen niet snel meer voorbij, en onze kasstroom groeit razendsnel.

Brad Gerstner: Je had het eerder over zichtbaarheid voor 2 tot 3 jaar. Vooruitkijkend naar 2029 of 2030 zie je $4 biljoen aan jaarlijkse bestedingen tegen het einde van het decennium, om op termijn te bewegen richting $10 biljoen aan jaarlijkse infrastructuurvernieuwingen.

Jensen Huang: Tenzij er een mondiale depressie uitbreekt, moet de wereld een enorme hoeveelheid Nvidia-compute consumeren om de overgang te maken van op opzoeking gebaseerde computing (retrieval-based) naar generatieve AI. Als de jaarlijkse capaciteitsopbouw en -vernieuwingen op termijn wereldwijd rond de $10 biljoen uitkomen, zou mij dat niets verbazen.

Brad Gerstner: Als $50 biljoen van het globale bbp gekoppeld is aan kenniskantoorwerk en we over een periode van vijf jaar een productiviteitswinst van 20% behalen, genereert dat $10 biljoen aan incrementele economische activiteit, wat het rechtvaardigt om daar de helft van uit te geven aan capex.

Het komende decennium: 99,99% zeker

Brad Gerstner: Ben je er vandaag de dag zekerder van dan 12 maanden geleden dat de wereld over vijf jaar op een veel betere plek zal verkeren dankzij deze investeringen?

Jensen Huang: Ik ben 99,99% zeker — ter ere van een goede vriend, we gebruiken geen 0 of 100 — dat te veel van ons er diep om geven dat de uitkomst goed afloopt, en dat we onze slagkracht, intellect en middelen zullen inzetten om ervoor te zorgen dat we daar op een verantwoorde en optimistische manier komen. Veel onderzoekers en engineers buiten de schijnwerpers doen onafhankelijk van elkaar fantastische dingen. Slimme mensen doen slimme dingen. Het is goed dat we ons zorgen maken en bezorgdheid uiten, maar we moeten niet het einde van de wereld voorspellen. Dat onderschat de menselijke capaciteit. Wanneer je de omstandigheden creëert waarin iedereen een goede afloop wil, boeken we vooruitgang. Ik ben er 99,99% zeker van dat we daar samen gaan komen.

Brad Gerstner: We zouden eenvoudig kunnen stoppen, maar als we vandaag stoppen, verliezen we de kans op die betere wereld. Dank je wel, Jensen.

Jensen Huang: Jij ook bedankt, Brad.