NVIDIA 訪談紀錄：黃仁勳談資本支出合理化、擴大基礎設施護城河及 AI 瓶頸
2026 年 10 月 16 日 – 深入探討 AI 資本支出、規模化算力、實體 AI 以及邁向超級人工智慧之路
白宮的一周與國家科學獎章
黃仁勳：這對我們來說是生死攸關的問題。我們大可停下來，但如果今天停下來，我們就輸了。功能性、效能、安全性、資安，它們全都處在同一個位置。這是第一優先要務。
布萊德・蓋斯特納（Brad Gerstner）：這是我們第三次一起進行 Pod 訪談。在過去的 10 天裡，你參加了白宮的國宴，出席了我們達成超級人工智慧協定的白宮峰會，就在昨天，當總統頒發國家科學獎章給你時，你的父母也在場。你是桌上唯一的投資人。告訴我，昨天和你的父母一起站在那裡，我很有感觸：舞台上六個人中有五人都在美國境外出生。那是什麼感覺？
黃仁勳：嗯，首先，這本身就是一項巨大的榮譽，對吧？這也反映了公司所做出的貢獻。顯然，我們創造並發明了一種新的運算模型。這可能是當今世界上最具普及性的運算模型。它是唯一存在於每一個雲端、每一家電腦公司中的運算架構。它被應用於所有科學領域，被遊戲玩家使用，被創造者和建構者使用，也被科學家使用。它為智慧提供動力，對吧？如果你退後一步，看看這家公司所取得的成就，我們最初是為遊戲玩家打造繪圖晶片，當然，我至今仍為此感到驕傲。而我們現在已經出貨了 16.7 億個單位。我們就是這樣培養了一代又一代的科學家、孩子和設計師。所以我認為這種影響力——而我們現在是推動社會智慧的基礎設施。代表公司領獎對我來說是一個無比驕傲的時刻。
黃仁勳：至於我的父母，我希望他們去，所以我 literalmente（字面上有夠短的準備時間）給了他們 24 小時的提前通知，而且他們不常旅行。我爸甚至連一套西裝都沒有。
布萊德・蓋斯特納：哇。
黃仁勳：對啊。所以，他趕快跑去買了一套西裝，看起來帥極了。他們看起來棒透了。那是全新的一套西裝，他就這樣現身了。我不知道他有西裝。我以為他只會隨便穿件襯衫，結果他跑去買了一套西裝。我媽則是 literalmente 在 24 小時內買了一件新洋裝。
布萊德・蓋斯特納：對啊。噢，我知道這是怎麼回事。天哪。這太不可思議了。
黃仁勳：所以我們為他們包了一架飛機，送他們到那裡，他們見到總統時高興極了。川普總統扶著我母親，因為她走路有點困難，兩人一起走下舞台，他扶著她走下台階。能見到他，他們感到無比驕傲。但對他們來說，這就是他們的美國夢。我父親，我還記得，我那時大概 5 歲左右吧，他剛從美國出差回來。他當時在一家空調公司工作。
布萊德・蓋斯特納：你們當時住在台灣。
黃仁勳：當時我們才剛搬到泰國——喔不，不對，我們正要搬到泰國，我們當時在台灣。他回來了，當時人在美國，為一家名為開利（Carrier）的空調公司工作，他是來這裡接受培訓的。在世界上所有地方，他們把他空降到了紐約。你可以想像一個 20 代中期的年輕小子，從未離開過台灣，前往美國，偏偏去了紐約市。他看到了未來的未來，回來後整個人震撼不已。他在機場買的所有東西，全部都帶回來了。他帶了巧克力。他帶了以前那種管裝的起司。那是一種有點奇怪的白色起司，裝在條狀管子裡。超讚的。他帶回了各種稀奇古怪的東西，然後他說：「這是——我們有一天一定要去那裡。」而他們一找到機會，就把我和我哥哥送到了美國，這就是他的夢想。
布萊德・蓋斯特納：我覺得沒多少人意識到你是比父母早一步來到美國的。
黃仁勳：對，沒錯。
布萊德・蓋斯特納：而他們在幾年後才加入。但這讓我深受震撼：昨天舞台上的六個人中，有五人是在美國境外出生的。你和我曾多次談到，我們需要一項真正的策略與移民政策，以確保我們仍然是全世界所有偉大建構者都想來此大展身手的地方。
美國的超級強權
黃仁勳：這就是美國的超級強權。在許多方面，我們國家的智慧財產權創造能力是世界上無與倫比的，原因在於我們吸引了全球最優秀的人才。我們之所以成為他們想來此建立生活的地方，是因為這裡提供的自由、提供的機會、發明與創業精神，以及「一定辦得到」的態度。在美國，一切皆有可能。我們的出發點是「這當然有可能，我們當然做得到」，而不是——我經常旅行——在其他地方，你得到的答案往往是「你當然做不到」。我們將這一切視為理所當然，但我們在這裡創造的文化所帶來的精神與能量，絕對是怎麼強調都不為過。我認為這個國家湧入智慧財產權的規模，是世界歷史上絕無僅有的。
布萊德・蓋斯特納：確實如此。我們也渴望這一點。我們希望全世界最偉大的頭腦都來到這裡，帶來他們的宏大構想，在這裡實現它們，並讓這個飛輪持續運轉。
黃仁勳：這是一個微妙的系統。這是一個微妙的平衡，我懂。所以我們必須合法地、正確地去做，但我們絕對要這樣做。
進入奇異點：我們現在處於什麼階段？
布萊德・蓋斯特納：對，沒錯。所以，我想先從巨觀的角度切入，看看我們目前的處境。然後我想深入探討安全與法規、如何把事情做好，以及我們在算力建置方面的進度。最後，我們將聚焦於輝達的成長及當前的發展。在預測未來這件事上，你一直表現得非常出色。兩年前，我們坐在這裡，你說市場嚴重低估了未來五年內將需要並發生的算力建置規模。你說累積算力建置不會是 1 兆美元，最少也會是 2 兆美元。當然，我們現在已經超越這個數字了。在所有人注意到之前，你曾說過，由於推論時期的推理與思考，推論算力將暴增 10 億倍。而在去年，當然是在我們看到 Opus 4.6 之前、在看到 Claude Code 之前，你說我們正在進入 Agent（代理）時代，我們將在此解鎖許多強大功能。而我們確實看到 Opus 4.6 和 Claude Code 真正騰飛了。那麼，我們現在究竟處在哪個階段？我們有伊隆（Elon）、山姆（Sam）以及——
黃仁勳：我說的話只有三件成真！還有另外 200 件呢。你幹嘛不把那些也留著？我們就讓這成為這集 Podcast 的全部好了。
布萊德・蓋斯特納：所以在幾週後我們的投資人日上，主題就是「進入奇異點」，也就是這種加速發展。我們看到伊隆、山姆和德米斯（Demis）都說：「嘿，我們正處於 foothills（山麓）或正在進入奇異點。」如你所知，我們有模型正在解決納維-斯托克斯方程（Navier-Stokes）。所以，當你用你的水晶球預測時，我們究竟處在哪裡？我們是否正在發生轉折，正在加速邁入超級人工智慧的不同階段？
黃仁勳：讓我們來拆解這個問題。首先，我們未來需要的算力之所以會比不久前（比方說去年）多出 10 億倍，背後原因非常合乎邏輯。原因在於，思考和解決問題所需的推論次數，遠遠大於單純重複或背誦你記憶中的東西。當你使用 ChatGPT 時，你給它一個提示，絕大多數知識都已經編碼在大語言模型中了。不幸的是，它當然會產生幻覺（hallucinate），所以下一步雖然是生成的，但它同時也透過 Ground Truth（基準事實）進行了錨定或調整。
布萊德・蓋斯特納：沒錯。
黃仁勳：因此，它必須出去進行快速搜尋，帶回基準事實，然後根據這個調整，結合它在預訓練（pre-training）中已經學到的東西，來生成最終答案。然而，我們真正想做的絕大多數有趣事情，都需要你進行逐步推理（reason-by-step）、提出多種選項、規劃，然後你可能會決定：「讓我們看看這些發展會如何演變。」接著根據所有這些答案，反思目前為止最好的答案、最好的路徑。我可能會選擇其中一兩個或三個進行展開，把其餘的修剪掉（prune），然後你就不斷重複這個過程。人類就是這樣做的。這就是為什麼我們說優秀的戰略家熱愛戰略選擇權（strategic optionality）。一方面，你不想太快把選項修剪掉；但另一方面，你也必須優化你的資源。AI 正在這麼做。它們保持著戰略選擇權，展開選項、修剪、反思、再修剪，如此循環往復。所有這些思考，所有這些探索，本來就需要消耗大量的算力。最重要的是，因為它現在能夠做有生產力的事，我們將會把它用在更多事情上。這兩者產生了複利效應：它需要更多算力來完成工作，但它工作表現優異，因此我們將聘用它去做更多工作。
布萊德・蓋斯特納：完全正確。
黃仁勳：所以這一切形成了複利。在這一點上，去年得出的重大觀察是：一方面，我們希望模型變得越來越好，模型的 Scaling Laws（擴展定律）將會持續。然而，Harness（約束框架）的附加，基本上就是大語言模型的外骨骼——也就是大腦的軀幹，它能讓模型管理工作記憶（working memory）與知識。你是如何從工作記憶走到短期記憶、長期記憶，並基本上建構出你的 Knowledge Graph（知識圖譜）的？這正是我們所有人都在做的事。我們總是思考著：我學到了什麼？它如何融入我過去所知道的一切？當我們上床睡覺時，我們會進行記憶壓縮（compaction）：那些沒有意義或不重要的事，我們最終會遺忘，但那些重要的事不知為何會重新連結。我們在離線狀態下做這件事。所以我們有工作記憶，我們有離線知識提取與知識圖譜的建立。記憶的這一整塊，是一件大事。
黃仁勳：另一件事是工具使用（tool use）。我們教導這些 AI 如何與人類創造過最重要的工具進行互動。這就像機器人走進我們的家中，它更有可能是去使用我屋裡現有的所有工具，而不是從頭開始打造一個。SPICE 依然有用，Verilog 會有用，模擬器會有用，設計編譯器、Photoshop、AutoCAD、達梭系統（Dassault Systèmes）的 CATIA、以及西門子（Siemens）的所有工具——所有這些我們用來經營公司、建立公司、設計事物、營運事物的不同工具，對 Agent 來說都將是極佳的工具。但 Agent 必須學會如何使用它們。這兩個領域——知識與工作記憶，以及工具使用——是過去一年中獲得的重大解鎖。
黃仁勳：現在，突然之間，你可以將這些封裝在框架或外骨骼中的大語言模型置入你的公司中，將它們連接到你擁有的基準事實，連接到它們可以使用的工具，然後突然之間，它們就開始做出令人驚嘆的事情。坦白說，最簡單的部分是編程（coding）。那是邁向有用工作的第一個匝道。在許多方面，編程是容易的，因為客戶、工作以及他們使用的工具，都相當習慣於那些具有巨大價值、但使用起來並非極度簡單的事物。在編程的早期，部署並不是非常容易，但軟體工程師找到了方法。現在，對我們而言的下一步——你們可能已經玩過 OpenAI Astra 了。Astra 真的棒極了，我們正在所有這些不同的地方使用它。現在，這些 Agent 的下一階段是，它們能夠進行設計工作和許多具體的創意行銷工作。我們正用它來拍攝一張照片，交給 Astra，它 literalmente 就會把它重新建構為 CAD（電腦輔助設計）。
布萊德・蓋斯特納：對啊。
黃仁勳：它把它重新建構成了 CAD，這簡直不可思議，因為我們需要 CAD 才能與之互動並進行微調與調整。Astra 確實能給我們最初步的實作，效率高得驚人。現在，你把 Astra 及其最新版本應用到所有這些不同的領域。除了軟體工程師之外，我們將看到設計師、建構者、創造者、科學家，這個廣闊的領域都被解鎖。當然，現在的挑戰在於，我們如何在全世界的企業中安全且妥善地部署 Agent？這又是關於安全與資安的同一個老問題，我們待會兒會談到。
布萊德・蓋斯特納：讓我震撼的是，所有這些都在今年發生了，而 OpenAI 和 Anthropic 各自擁有的算力可能只有 2 到 3 GW（吉瓦）。相對於即將到來的算力，這是一個相對少量的算力。經濟運作的一般方式，或者人們為公司建模的方式，是線性減速（linear deceleration）；他們很不擅長對加速進行建模。但這裡我們看到的是雙重指數成長：海量的新算力正在上線。如果 OpenAI 和 Anthropic 明年的算力擴增 3 到 5 倍，這是否合乎邏輯——我們解決了納維-斯托克斯方程；我們回頭看時會說，那只是微不足道的算力和智慧，那是我們從今以後擁有的最差智慧，而我們居然用它解決了一個千禧年數學難題。當你審視明年即將上線的算力時，你是否預期我們將在長期運行的 Agent 難題上取得重大突破，並能將這些 Agent 群（swarms of agents）投入其中？
納維-斯托克斯與不斷下降的智慧成本
黃仁勳：納維-斯托克斯方程真的是一個絕佳的例子。請記住，OpenAI 並不是憑空解決納維-斯托克斯方程的。他們是在許多偉大科學家、許多偉大數學家以及大量先前研究的基礎上解決的。我稍早说过，我們正處於許多不同領域的引爆點，因為我們在納維-斯托克斯方程上就處於這種狀態，先前已經完成了大量的基礎工作。如果我們能將 AI 的窮舉探索（exhaustive exploration）應用於先前完成的工作上，我們將會以相當快的速度看到一個又一個的突破。但我們確實需要大量的算力來做到這一點。原因在於，這需要進行大量的探索。如果這僅僅是某人為了發現突破而解決了某個基礎的第一性原理理論，如果它不需要對搜尋空間（search space——不是空間的空間，而是搜尋空間）進行大量的探索——如果不需要那樣，別人早就找到了。人類是很聰明的。有許多像這樣的問題正處於懸崖邊緣，只需要那種海量的智慧探索就能把我們推過去。
黃仁勳：在未來幾年，我的預期是智慧的成本將會相當快地下降。原因顯然是因為我們正在帶入更多算力上線，且這些模型變得更聰明了。當你更聰明時，你就能更有效率。這兩者的結合意味著智慧的成本將會下降，這當然也是他們想要的。這和摩爾定律（Moore's Law）沒有兩樣。如果你回顧 30 多年前，我們有三個 دهه（十年，這裡按上下文解讀為三十年），運算成本每年下降 2 倍。我們希望智慧成本每年能下降 2 倍或 20 倍，因為對它的消耗將會遠遠彌補這一點。這裡存在著一個巨大的、對機會的飢渴真空，我們只需要把成本降下來。
布萊德・蓋斯特納：關於納維-斯托克斯方程，最讓我印象深刻的是，他們有 1,000 個 Agent 共同合作來完成這項工作。這聽起來就像是一家超大規模企業（hyperscale company），基本上是所有的 Agent 朝著一個目標共同努力。目前，這還是很多並行搜尋探索，但目標是讓更多這些 Agent 能夠朝著共同目標協同工作，並解決更多問題。如你所言，我們的數學計算顯示，解決這次納維-斯托克斯方程的實例大約花費了 400 萬美元的算力成本。未來幾年內做類似事情的成本還會再下降 5 到 10 倍。我們能夠做的事情數量正在迅速擴大。
黃仁勳：我們的雄心將會直衝雲霄。最初的 GPT，隨便說個數字，如果你想訓練 GPT-1，可能花費了大約 2,000 萬美元。現在它可能只需要 100 美元。
布萊德・蓋斯特納：對啊。
黃仁勳：你從 2,000 萬或 1,000 萬美元降到了 100 美元，我們在 10 年內做到了。與此同時，我們的雄心變得如此宏大，以至於我們現在訓練的模型達到了 3 兆、10 兆、30 兆個參數；我們現在談論的是龐大的模型。我們對技術能力的雄心已經大幅提升。與此同時，我們對它的使用量從 10 年前到現在可能增加了 100 萬倍。我不認為這個趨勢會停止。對智慧的需求基本上是永無止境的。你越聰明，你的智慧越高，你應用智慧的想法就越多。我在生活中學到的越多，我就越意識到還有更多事情要做，因為每當你學到一件事，它就會打開一扇新門。每當你打開一扇新門，你就會看到更多機會、更多挑戰、更多問題。
我們將如何運用豐碩的成果？
黃仁勳：人們說我們將擁有更多時間；我完全不同意。我認為對大多數人來說，這種智慧將解鎖更多機會，而他們會想要去追求這些機會，因為他們是有雄心的。給我舉個例子，哪個家庭、哪個父親、兒子、丈夫、妻子、母親對他們的家庭沒有變得更好的雄心？他們只是缺乏機會，而這些東西將會解鎖機會。
布萊德・蓋斯特納：如果你回到 1930 年，凱因斯（Keynes）對工業革命做過一個預測，他說在 100 年後，經濟規模將擴大 8 倍，但每週工作時間將縮短至 15 小時。他說對了部分——經濟確實擴大了 8 倍，我們從中獲得了巨大的豐盛與生產力紅利，但唯一的例外是我們現在每週工作 80 小時。我們並沒有變成 15 小時工作制。他錯估的是人性。他沒有意識到工作就是目的，探索就是目的。它深深地編碼在我們的 DNA 中。我現在工作得比以往任何時候都努力，玩得也比以往任何時候都開心，這不是因為像我祖父母那樣我不得不這麼做，而是因為我想要這麼做。
布萊德・蓋斯特納：我同意你的看法。奇異點假說認為，我們現在擁有了所有這些可以一起從事長期任務的 Agent，它們可以堅守任務、互相督促對方留在任務軌道上，像一個團隊一樣工作。我很喜歡你的觀點，即我們是在所有已經取得的成就之上進行建立的。如果我以全自動駕駛（full self-driving）為例，我們談論了它十年，但我們並沒有真正達到那一步。然而突然之間，你上 X（推特），每個人都在體驗特斯拉 FSD，體驗 Waymo；我們真的做到了。有人問我：「今天早上的開車體驗怎麼樣？」我說：「我不知道，因為我上車後打開了 FSD，直到開進停車場我都沒花任何心思。我一路都在工作。」如果我把這點推廣到科學領域，製藥和基因領域即將到來的突破——我們已經鋪設了 30 年的軌道，我們將在許多人類的重大治癒方案上實現突破。ChatGPT 已經在幫助父母規劃日程、解決孩子的健康問題並獲得更好的教育。不過，請跟我們談談，為什麼這項技術在突破時會遇到這麼大的阻力？我們明明有所有這些正在改善生活、且就在眼前的技術，所以我很好奇為什麼它還沒有真正全面突破。
黃仁勳：讓我來試著回答看看，但歸根結底我們可能無法真正確知。我跟很多人談過，他們告訴了我他們的想法。其中一個原因，當然是 AI 或超級人工智慧是「軟物質」（soft matter）。你看不到它。全世界都在談論這項技術，但你看不到它、也摸不到它。儘管人們已經在從中受益——當他們進行搜尋時，他們正在受益；當他們購物時，他們正在受益；當他們使用 Netflix 時，他們正在受益；你去沃爾瑪（Walmart），你正在受益；FedEx 正在把貨物送到我們手上，這一切今天都在利用超級人工智慧與加速運算。但我們在講述這個故事方面做得不夠好。生活正在從中受益，它只是隱形了。如果我們把資料中心和超級人工智慧關閉一個週末，我想所有人一定都會注意到。
實體 AI 與機器人
布萊德・蓋斯特納：我知道你今年曾多次顯著地表示，機器人的 ChatGPT 時刻已經到來，你也曾說過這可能會成為你們下一個 1,000 億美元的市場。在這個轉折點上，你看到了什麼？
黃仁勳：我低估了這 1,000 億美元，因為在今年前六個月，我們在實體 AI 領域就做到了 100 億美元。實體 AI 基本上是以某種方式與實體世界互動的 AI。它可以是光子計數 CT 機、超音波、新型成像雷達、新一代 5G——它不僅能理解無線電波，還能理解各種信號，它是一個感測網路。當然還有機器人、自動駕駛車輛、製造系統、視覺檢測、對世界進行成像並將其重建為 3D 的地理空間衛星。如果你檢視整個電磁頻譜，從可見光到不可見光頻譜，都有 AI 的東西在運作。我們在整個領域都在進行開發。
黃仁勳：作為一個 AI 系統，有感知部分、推理部分，然後是規劃與執行（planning and actuation）部分。當你最終來到規劃與執行階段時，那就是自動駕駛車、機器人、倉儲配送車、你不需要精確編程因為它們會自主學習的揀貨機器人，一直到走進你家中幫你鋪床的消費型機器人。醫療機器人、醫院機器人——那裡有許多非常好的例子，能夠精準地將處方藥送達病人手中，提供 24/7 全天候每分每秒的機器人照護以確保病人安全，以及將完全由機器人運作的手術室。大量偉大的技術正在被部署。
黃仁勳：如果你看看這整件事，我們是全球最大的實體 AI 公司。我們在今年前六個月做到了 100 億美元。我們在去年做到了 100 億美元，那是我們第一個達到 100 億美元的年度。再前一年我們做到了 50 億美元。從 50 億、100 億，我們假設接下來做到 200 億。所以也許 1,000 億美元的說法被稍微低估了。在最終分析中，所有對我們重要的事物都觸及了實體世界，而我們就生活在實體世界中。將軟體、運算和智慧帶入一個歷史上屬於機械和電氣的產業，其市場機會是巨大的。看看伊隆對汽車產業所做的事情：基本上把它變成了運算產業、科技產業。每一家汽車公司都將成為科技公司。每一家物流公司都將成為科技公司。我對 FedEx 感到超級興奮；他們顯然將成為一家 AI 公司、一家科技公司。沃爾瑪顯然將成為一家科技公司、一家 AI 公司。整個電信產業將再次被重塑為科技公司。他們很久以前是科技公司，後來變成了服務產業，而他們將再次成為科技公司。我很高興能與 AT&T、Verizon 以及世界各地的夥伴合作，見證他們自我重塑。
黃仁勳：你看看每一個觸及實體世界的產業，都會發現用 AI 重塑它們的絕佳構想。我剛去過華盛頓。這真的很奇怪：人們把我們歸類為晶片公司，但我們實際上涉足倉儲與物流、醫療保健、汽車、電信、地球上的每一個產業、生命科學、娛樂。很長一段時間裡，輝達本質上是一家娛樂公司。在每一個垂直領域內部，輝達都擁有龐大的技術堆疊（stack），我們在生態系統中扎根極深，並且擁有極佳的夥伴關係。說不定哪一天，人們可能不再把我們歸類為晶片公司了。
布萊德・蓋斯特納：其策略藍圖就是將汽車產業的 playbook 複製並套用到這些每一個產業中。
黃仁勳：這就是最終的貢獻，沒錯。但在每一個領域中，建立一個實體 AI 平台都需要三台電腦。你需要電腦來創造大腦——那是訓練系統。但非常重要的一點是——這也是你將看到實驗室也在做的事——他們需要建立網際網路的數位雙生（digital twin），這樣他們就不必把他們的 AI Agent 放到真實的網際網路中去學習如何使用它。就像我們將 Omniverse 創建為倉庫、建築、城市和實體世界的數位雙生一樣，我們把機器人放入數位雙生中，數位雙生學會瞭如何成為一個機器人，然後我們再把它部署到最後一台電腦中，也就是機器人、汽車、手術器械或任何設備內部的電腦。這需要三台電腦和三個完整的堆疊，而我們為其中的每一個都建構了完整的堆疊。我們是世界上唯一這樣做的公司。如果你是一家想要端到端（end-to-end）建構的公司，你可以使用我們的一台、兩台或三台電腦；我們不在乎。每台電腦都有自己的軟體堆疊。我們在所有的垂直領域中都做到了這一點。
負責任地建構
布萊德・蓋斯特納：當然，這些強大功能是一把雙面刃，這就是為什麼我們聽到很多人在談論安全。你一直高度批評末日論（doomer narrative）的論調。
黃仁勳：你唯有在負責任地建構這項技術的前提下，才能走到那一步。注意「建構」（build）這個詞。這是一個工程詞彙。它關乎技術、關乎工程——工程師、科學家、研究人員。我們必須安全且負責任地建構這項技術。問題是，你做得到嗎？答案是絕對可以，因為如果你做不到，那你就根本不應該建構它。我們麼麼相信我們做得到，要麼我們就不應該建構它。我相信我們做得到。
黃仁勳：讓我跟你推論一下。有些人說 AI 是無法控制的，因為要做到完美對齊（alignment）是不可能的。對齊的意思是這樣的：你告訴某人：「我希望你做這個。」任務很明確，因為你是用英文說的。它可能是：「我希望你解出這個二次方程式。」任務是解出二次方程式；對齊則是你要如何做到？有很多方法可以做到。你把它背下來了，你在教科書中看到了答案所以你查了它，你參考了某個資料，或者你走到一個放滿所有答案的抽屜，打開抽屜，拿出了答案。有些人稱之為作弊；我稱之為打開抽屜並檢索答案。這就是電腦所做的事。有很多不同的方法可以解決那個問題。
黃仁勳：現在，那個是非常明確的。這裡還有另一個：「在生活中取得成功。」這個任務說起來容易，事實上我們經常對彼此這樣說。我們對孩子說：「讓我們盡最大努力對社會做出貢獻。」現在的問題是怎麼做？當每個人文化和背景都不同時，你如何進行合理的對齊？有些人認為對社會做出貢獻意味著要慷慨、要善良。有些人可能認為賺大錢然後做慈善。有些人可能認為單獨開創一家公司或創作一件美麗的藝術品，就是對社會足夠的貢獻。這些全都是對的。什麼是對齊？這取決於你的背景、你的文化，也許還有你住的地方或你來自哪裡。方法有無限多種。我的重點是：對齊將永遠是一個永恆的問題。如果我們依賴完美的對齊來確保安全，那麼我們永遠也達不到那一步。
黃仁勳：答案是這樣的：我們思考養育孩子、寵物或員工的方式——你從限制（containment）開始。你根據你要求他們做的工作，賦予他們使用工具、存取資訊、資金、資源和責任的權限。你從零信任（zero trust）開始。當你雇用某人時，你從零信任開始。當你擁有一個一歲的嬰兒時，你把他放在圍欄裡。你假設零信任。你給他們最低限度的權利，並隨著你對他們的了解增加而擴大這個邊界。每當我們擁有一個新的 AI，我們都必須假設同樣的事情。每當你測試一個 AI 時：零信任、最低邊界、最低權利，並在你進行測試並建立信心時逐步擴大。嚴格的限制對任何自主系統來說都極其重要。
黃仁勳：你做的第二件事是監控（monitoring），而且監控必須是帶外監控（out-of-band）。原因在於，如果你告訴一個聰明的人：「嘿，聽著，我要坐在這裡看你工作，確保你做對了，確保你好好服務客戶而且工作夠努力」，那個自主系統的表現就會跟你在不看它時有所不同。
布萊德・蓋斯特納：就像布萊德是否在房間裡一樣。
黃仁勳：完全正確！監控必須是帶外的，並且必須具備能力去觀察到該自主系統正在做出與政策或對齊不一致的事情，然後你有能力將其升級或直接關閉——直接把它關掉。這類功能必須存在。這就是工程，這就是技術，而且這是做得到的。我們最近宣布了一項名為 OpenShell 的技術。我們現在有 100 多家公司加入我們，世界各地有大量的活躍度，因為每個人都想要同一樣東西。
布萊德・蓋斯特納：當我環顧白宮的圓桌時，桌邊每個人都是父母，他們都有孩子。國內有一種觀點認為，某些超級人工智慧的領袖只是在 YOLO（及時行樂／盲目冒險），他們根本不在乎，他們魯莽行事，只想撈錢。然而我在那張桌子上看到的每個人，沒有一個想要魯莽行事。事實上，那裡的每個人都想在「速度」與「安全」之間找到正確的平衡；那是總統的指令。對於害怕魯莽領袖的美國公眾，你會說些什麼？你有看到任何這類證據嗎？你有孩子。你會不會擔心你透過超級人工智慧帶入這個世界的未來？
安全、資安與安全氣囊的比喻
黃仁勳：安全與資安技術是 AI 的一部分。有一種奇怪的說法，認為 AI 技術與安全資安是正交的（orthogonal）。這有點像汽車的安全氣囊、煞車系統、雷達、攝影機、ABS、車道保持——所有這些技術不知為何都與汽車本身無關。唯一對汽車重要的是引擎，對吧？事實上，整輛車都是汽車技術的一部分。當我說我們需要加速 AI 技術時，我的意思是我們需要加速資安技術，我們必須加速安全技術。它們全都必須被加速。如果你現在問我，每個人都會說：「讓我們加速資安，讓我們加速安全技術。」沒有人會說放慢腳步。這全部都是同一件事的一部分。你無法將功能與效能從安全和資安中剝離；它們是一體兩面的。當你交付服務時，沒有人會說：「我真的很喜歡你服務的功能，但天哪，它簡直在搞破壞。」這全都是同一件事，我們把它視為同一件事，產業也必須把它視為同一件事。當我們說加速時，我們指的是加速整個套件，尤其是安全。
布萊德・蓋斯特納：有些人在讀了達里奧（Dario）的《Pacing the Frontier》（與前沿並進）後，認為這意味著放慢腳步。房間裡有一個有趣的時刻，當時總統點名他的「新好朋友達里奧」——他用這個稱呼來指代他——並說：「向我解釋你對快與安全的看法。」達里奧一開始就說：「總統先生，您說過誰贏得 AI 誰就贏了。」他說他們正在加速，他們希望跑得快並贏得與中國的競賽，但也承認在此過程中，我們必須確保安全系統正在加速並保持步伐。你和格雷格（Greg）以及其他前沿實驗室一起去了內閣會議室簽署這項協議。當時有沒有關於意見分歧的議論，還是大家都心甘情願地加入？
黃仁勳：每個人都非常建設性、非常富有成效。毫無例外，每個人都致力於以安全和負責任的方式推動產業發展。原因在於，如果不安全、不具資安保障，功能性將永遠沒有機會發聲，能力將永遠沒有機會閃耀。我們知道，優先要務在任何時候都是安全與資安。認識到這個產業最近才剛經歷了一次轉型：六個月前，這項技術幾乎無法運作。沒有功能性和能力，把它做得安全和安全有什麼意義？根本沒人關心。AI 的首要任務是證明它能做一些有用的事，而它在六個月前達到了這個點。現在它真的想要被廣泛部署。確保我們部署的任何東西都是安全且受保護的，這具有不可思議的必要性和巨大的緊迫性。每個人完全同心協力：功能性、能力、安全、資安，它們全都處在同一個位置——第一優先要務。
「美國贏了」的意義
黃仁勳：我會重新定義「贏」：不是科技產業贏了，不只是 AI 產業贏了。美國贏了，意味著美國的每一個產業都贏了。醫療保健贏了。沒有什麼比這更能讓我感到快樂了。美國贏了的定義，是當我們談論禮來（Eli Lilly）贏了、沃爾瑪贏了、FedEx 贏了、波音（Boeing）贏了、美軍贏了、每一個公民贏了、我們的大學贏了、我們的高中贏了。這就是贏的定義。如果只有科技贏了，卻沒有人使用它，那就談不上贏。如果我們不以安全和受保護的方式建構 AI 科技產業，就不會有 AI 科技產業。這對我們來說首先是一個生死攸關的問題。當我看見美國 AI 贏了，每一個州都贏了，每一個郡都贏了，每一個社區都贏了，每一家公司都贏了，因為我們能夠負擔得起在醫療保健、教育、州際貿易、高速公路以及國家基礎設施上花費更多。
布萊德・蓋斯特納：贏的定義是，當我們從現在起回顧 25、30、40 年後，經濟規模需要擴大 10 倍，所有人的生活都需要變得更好，而這一切的核心與基礎是，它必須以符合人類利益的方式完成。
三腳凳：美國的超級人工智慧框架
布萊德・蓋斯特納：大多數人不理解我們國家的安全框架是什麼。我曾說過，我們擁有世界上最強健的超級人工智慧安全框架。我們顯然是地球上唯一一個真正對模型進行制裁並在今年稍早將其從架上下架（Mythos）的國家。但我將其描述為一張三腳凳：我們有凱西（Casey）和商務部對每一個新前沿模型的審查——他們對其進行審查和測試；我們有你協助架構的白宮超級人工智慧協定——內部與外部審查、董事會監督以及隨之而來的所有責任；第三，我們有由傑伊・克萊頓（Jay Clayton）、史考特（Scott）、埃米爾（Emil）和安德魯（Andrew）領導的 SI 工作組，在網路安全及相關問題上進行關鍵的產業協調。有些人說我們做得還夠，需要在法律上立更多法。這張三腳凳看起來要在短時間內整合起來並不容易。你是否感到欣慰，認為這是我們目前所處位置的一個好進展？
黃仁勳：通往未來最好的方法就是迅速採取行動。如果我們爭論什麼是完美與什麼是第一，我們最後只會爭論完美而永遠到不了那裡。我很喜歡這張三腳凳具有可操作性、實體性，而且真正具備約束力。它正在發生。我們現在就採取行動，因為這對我們的公司、我們的產業、我們的國家和我們的社會都有益。如果我們不這麼做，結果就會不太理想，我們也就無法追求那個樂觀的未來。我不記得還有哪個產業在其當前階段，能夠形成跨公司、跨產業以及政府對產業的協調，以負責且樂觀的方式向前推進。
布萊德・蓋斯特納：讓大家理解這點非常重要，因為當我聽到參議員們談論此事時，他們甚至不知道我們正在做什麼。我們正在做非同尋常的大量工作，而且這些都不是自願性質的。不會有任何一個前沿模型在未經凱西和商務部審查的情況下發布，而且他們已經展現了根據出口管制將其下架的權力。
黃仁勳：來花點時間了解一下實際上必須做些什麼。問題是什麼？如果你想要一個解決方案，你至少必須理解問題是什麼。來跟我們的產業談談並了解情況。其次，了解我們落實的解決方案，看看有沒有什麼點子能讓它變得更好。我們全都抱持完全開放的心態，但請具備建設性。
布萊德・蓋斯特納：該協定的第四點是，這是動態的而非靜態的；隨著技術演進，這個小組將會更新框架。現在轉向算力：SemiAnalysis 的迪倫・帕特爾（Dylan Patel）曾表示，我們明年將引入 43 GW 的新 AI 算力，這比當今世界上存在的所有 AI 算力還要多，隨後的一年還會再增加 40 GW。你知道每一個 GPU 分配在哪裡。這聽起來對嗎? 你認為審批、供應鏈或電力的瓶頸會顯著改變這個進程嗎？
2027 年 AI 瓶頸：算力建置
黃仁勳：需求絕對在那裡，甚至更多。當然，挑戰在於當你從數位走向實體時會遇到很多障礙：土地、審批、必須帶入上線的發電量、建築工人、設備商、水電工。
布萊德・蓋斯特納：光是建造這些東西就創造了 100 萬個新工作機會。
黃仁勳：100 萬個新工作機會，而且他們的技能是不可替代的（not fungible）。建造這些高達 500 億美元資料中心的人，擁有非常具體且關鍵的技能。然後還有我們在全國各地看到的各種暫緩令（moratoriums）和問題。土地、電力、外殼（shell）與建置資源，將是達成目標最重要的障礙之一。具體就輝達而言，我們正在採取幾項措施來緩解這個問題。我們服務每一家 CSP（雲端服務商）、每一家新雲（neocloud），我們透過戴爾（Dell）、HP、聯想（Lenovo）等公司擁有龐大的企業業務。我們橫跨 AI 的整個生命週期：資料處理、訓練、後訓練、推論、Agent 處理以及工具使用加速。我們的市場進入（go-to-market）觸角是最廣泛的。世界上每一家合約製造商（代工廠）都在為我們工作。如果某個特定的州、社區或資料中心遇到困難，我們龐大的需求遠大於供給，以至於我們只會相應地調整我們的供應鏈。
黃仁勳：另一件事是，輝達是全球的基礎設施。無論是在歐洲、非洲、中亞、東南亞、拉丁美洲還是中東，我們都擁有全球觸角。如果我們不在這裡建構，世界上每一個國家都會很樂意讓它在那裡建構。我們的業務特別之處在於，它可能是最具韌性的，因為我們涵蓋了 AI 與運算的整個光譜，並且我們身處每一個雲端和每一個地區。但是土地、電力和外殼在明年將會充滿挑戰。
50 GW 的晶片，35 GW 的電力
布萊德・蓋斯特納：我從華爾街聽到的是，大約有 50 GW 已宣布的晶片正在進行中，大約有 35 到 40 GW 的土地、電力和外殼正在上線。所以究竟哪種算力能塞進這個容量裡，目前還是個未知數。
黃仁勳：輝達的架構是最具生產力的：它每瓦生成的 tokens 最多。如果世界上的電力減少，就會把客戶的選擇推向最具生產力的版本，因為執行長們仍然想要創造營收。明年對營收的高期望必須兌現。當電力受限時，你投入的算力品質必須是最具生產力的運算資源。我們是最具租賃性（rentable）、可替代性（fungible）和持久性（durable）的。資源短缺正在將興趣轉向我們。我們的市佔率本來就很高基數，但出乎所有人意料的是，出於這些原因，我們的市佔率實際上還在增加。
黃仁勳：我們每個 GW 所能提供的價值也比以往多得多。我們過去是一家 GPU 公司；後來我們成為最大、成長最快的網路公司。我們現在即將成為最大、成長最快的 CPU 公司之一。我們涉足儲存、知識基礎設施和資安的運算領域，推出了 OpenShell 和 Sentry。我們向 1 GW 提供的產品價值，從大約每個 GW 180 億美元，上升到 200 多億美元，再到現在每個 GW 超過 40 億美元，而且這個數字還會繼續上升。我們市佔率之所以在增長，是因為人們轉向我們的平台，而且因為我們對全球資本支出的貢獻更多——我們的美元佔有率（dollar share）正在增加。六年前，我們佔全球資本支出的比例還在個位數。現在在 CSP 方面，我們大約占了 40%。在 CSP 之外——占我們業務一半的本地部署（on-prem）和新雲，我們佔資本支出的比例大概是 80%。一半業務占 40%、另一半占 80%，而且兩者每年都在雙倍成長，這意味著我們佔全球資本支出的比例正在不斷增長。
伊隆、Colossus 與 SpaceX
布萊德・蓋斯特納：其中一位買家就是伊隆。當他開始建構 Colossus 時，我們看到他在曼菲斯（Memphis）架設了數十萬張 Hopper，這讓我們驚嘆不已。現在他正在籌集另外 400 億美元，計劃購買大約 100 萬張以上的 Vera Rubin 晶片，從數千張躍升至數百萬張。他希望在 2027 年底前達到 10 GW，這代表在 Vera Rubin 上花費數千億美元。SpaceX 將成為全球最大的 AI 超大規模企業，這難道不是一個板上釘釘的事實嗎？
黃仁勳：在我們的圖表中，伊隆過去被歸類在企業類別；現在他是我們 CSP 區隔的一部分。他們規模龐大。我很喜歡和伊隆合作。他將我們的技術用於他自己的 AI、訓練模型以及部署模型。Grok 酷斃了，對 Grok 的需求和消耗量正在飆升。然後當然，他也對外出租。在結合這三者方面，他是相當獨特的；Google 會是另一個例子。他熱愛運算與實體建置之間的交集，而且沒有人比他更懂能源。
太空中的資料中心
黃仁勳：我們即將共同探索的一個全新市場，是把資料中心放到太空中。我們的兩個工程團隊正緊密合作，打造一種新型伺服器、一種可能非常適合太空和地球的新型架構。
布萊德・蓋斯特納：星艦（Starship）上週發射了，進行了它的第一次軌道交會，並部署了那些 V3 衛星。你是否越來越有信心，認為我們在 2028 年或 2029 年前，將透過星艦在太空中擁有大量的算力？
黃仁勳：只有輝達的算力。讓我告訴你為什麼：這不僅僅是關於技術。輝達的單位能源效能是世界上最好的——每瓦效能。但最重要的是，輝達算力的投資報酬率（ROI）是如此之高，以至於你可以把它放到太空中，而發射成本只佔其中的一小部分。發射成本並非微不足道，所以你不會把低成本的運算放到那裡；你會把高價值的運算放到那裡。我們是運算歷史上價值最高運算系統，這使我們成為完美契合太空發射且具備極佳 ROI 的選擇。
布萊德・蓋斯特納：我們在 2029 年前能在太空中達到 500 兆瓦（MW）嗎？
黃仁勳：這點我讓他來告訴你，但你可以把 Vera Rubin 放進去，它絕對物超所值。需求就在那裡，投資報酬率如此之高，生產力也非常出色。它是可替代的（fungible）：如果你把一顆衛星發射到太空卻沒有客戶去租用它，它就會閒置，這是你不希望看到的。輝達的算力具有完全的可替代性，擁有大量租戶。我們與每一家封閉模型公司合作，我們運行每一個開源模型，我們擁有成千上萬的初創公司和全球企業。而且它是持久的。我們是世界上唯一一家硬體公司，你八年前付錢給我們，而我們至今仍然在用新的 CUDA 演算法更新你的軟體。只要衛星還在太空上，我們就會一直為它更新軟體。這使得它成為 SpaceX 的完美酬載（payload）。
AI 營收是否足以支應資本支出？
布萊德・蓋斯特納：為了讓財務人員讓數兆美元的資本支出在紙面上行得通，他們需要看到回報。如果我看看今年所有實驗室的總營收，將前沿實驗室和推論實驗室加總起來，大約是 2,000 億美元。我們需要看到這個數字在明年翻倍達到 400 億美元，並在後年再翻倍達到 800 億美元，才能進入數兆美元資本支出回報率的甜蜜點。Claude Code 帶動 Anthropic 營收暴增 10 倍。你對實驗室能夠每年持續實現 2 到 3 倍營收成長有多大信心？
黃仁勳：人們誤解了正在發生什麼事。當今輝達大約佔全球 AI 基礎設施營收佔有率的 80%。輝達的運算有三大主力板塊。第一板塊是基準運算（baseline computing）：資料處理、分子動力學、物理模擬、核融合與核分裂模擬、量子化學、量子物理、電腦圖學。傳統機器學習，例如 Visa 和 Mastercard 用於詐欺檢測的 XGBoost、推薦系統——結合所有這些傳統運算，而不是深度學習或 Agent 系統，大約占了我們業務的三分之一，每年以 30% 到 40% 的速度成長。即使沒有任何 AI 實驗室，輝達也是一家相當大的公司。
黃仁勳：第二部分是 AI 實驗室。人們只看到兩家，但我們與其中的每一家都有合作。Meta Muse 做得非常棒，絕大部分運行在輝達平台上；而在前一年，那裡還只是推薦系統，現在他們用 Meta Muse 殺出一片天。Grok 在三年前根本不存在。我們以前不運行 Gemini；我們現在運行 Gemini。從今年開始，我們開始與 Anthropic 合作。我看見五、六家實驗室表現優異，它們佔了我們不到三分之一的業務，我們假設是 25% 到 30% 的算力。
黃仁勳：另外三分之一——因為我們正處於運算平台轉型的開端——是數量龐大的全新初創公司。Noah Instinct 表現優異，還有實體 AI、生物 AI、材料科學 AI，以及傑夫・貝佐斯（Jeff Bezos）的新公司 Prometheus。各行各業成千上萬的公司都在租用輝達的算力。我們業務的這個三分之一是下一世代的雲端運算。我們正處於這項建置的早期階段，如果只注意到幾家公司並認為單憑他們就能為基礎設施融資，那就大錯特錯了。
開源模型與閉源模型
黃仁勳：我一直是開源模型的大力倡導者，因為開源模型解鎖了新的機會。如果你看看所有這些新創公司，其中 80% 使用的是開源模型。他們不是用它們來與前沿實驗室競爭；他們是用它們來解鎖實體 AI、製造業或醫療保健領域的機會。他們採用像 Nemotron 這樣的開源模型，並將其客製化為適用於他們領域的超級人工智慧。閉源實驗室將提供通用人工智慧（AGI），而垂直產業公司則利用專有資料來實現特定領域的超級人工智慧。
布萊德・蓋斯特納：如果你架設了 1 GW 的算力，你就能在另一端產出 400 億美元的產值。隨著明年有 40 GW 上線，如果按線性外推，這將暗示著 1.6 兆美元的營收。當供給在某個時間點超過需求，且融資停滯時，人們就會開始擔心泡沫破裂。
黃仁勳：從第一性原理來拆解它。人們試圖從實驗室外推出的 1,000 億或 1,250 億美元的 ARR（年度經常性收入）只是建置的一部分。人們還會繼續上網購物嗎？建置的那三分之一甚至不是個辯論話題。幾年前我曾說過，隨著我們走出這十年，基礎設施建置每年大約會在 3 兆到 4 兆美元之間——更接近 4 兆美元。如果其中的 1.5 兆美元是算力，請記住，在 AI 開始之前這個數字是 500 億美元。經過六到八年，它增長到 1.5 兆美元，因為世界正在消耗更多數位運算。
黃仁勳：最重要的是，摩爾定律已經結束了。曾幾何時，你等待一年就能以相同的價格獲得兩倍的電晶體。現在，如果你想要兩倍的電晶體，你必須付兩倍的價格。無論世界需要什麼樣的運算能力，你都必須乘以一個 X 因子，僅僅是為了彌補摩爾定律的終結。沒有 AI 的話，半導體產業本來就已經在成為全球最大產業的道路上了。此外，新的新創公司正在加速發展。結論是：根本不需要將任何一家實驗室的營收外推到數兆美元來證明基礎設施的正當性。
給兩家實驗室施加了太多壓力
布萊德・蓋斯特納：我們看到一些關於 OpenAI 的營收究竟是 700 億美元還是 50 億美元的議論，這導致基礎設施公司的股價因擔心他們沒有資金支付建置費用而出現回調。你的觀點是，跨越明年的 40 GW 算力，其中三分之一是通用運算替換，三分之一是新雲、主權國家、企業和新創公司，三分之一則是跨越多個實驗室。
黃仁勳：我們給兩家實驗室施加了太多的壓力。它們將成為有史以來最重要的兩家科技公司之一，但它們根本不需要達到近 1 兆美元的營收，這項建置才顯得合理。與此同時，這個產業需要建置數兆美元的運算基礎設施。順便說一下，這些叫什麼？蜜餞李子？帶點甘草味、鹹味、甜味、肉桂味——還挺有層次的。
布萊德・蓋斯特納：明年對輝達晶器的需求遠遠超過 100%。你給出的營收成長指引是 70%，因為你受到了產能限制。你曾說過你有 18 個月的光景可以與供應鏈合作做得更好。訂單簿還在繼續增長嗎？
AI 供需動態
黃仁勳：我們擁有巨大的訂單簿：每一家 CSP、NCP（新雲服務商）、OEM、新創公司和大企業都已經根據 1 到 2 年的預測下了訂單。因為我分配給他們的額度遠少於他們想要的，如果我不公開說明我們擁有的產能，每個人都會開始猜疑自己是否被虧待了。這是我處理那些不得不讓客戶失望的對話的方式。幾乎每一個客戶，如果我們能交付更多，他們就會買更多。自那以後，我們每週、每天都在收到新的訂單。
黃仁勳：我們正在獲得更多供給，但像土地、電力和外殼這樣的下游限制限制了部署。幾週前，我們在澳洲宣佈了 2 GW 的專案——那就像是一個 800 億美元的機會。在歐洲，我們透過 Yondr 和其他公司解鎖了更多合作夥伴關係。因為輝達為 CoreWeave 或 Nebius 等新雲提供完整的全堆疊 AI 基礎設施，我們能夠在其他人無法涉足的地方與夥伴一同建構。在上游方面，封裝和基板（substrates）仍然存在關鍵限制。基板變得越來越大，需要更多晶片，需要更多的材料重量。熱膨脹係數和堆疊使得翹曲（warpage）和製程缺陷在精準規模下難以控制。矽光子（silicon photonics）也面臨供應受限。我們每週都在增加產能，但訂單簿持續上升。在未來幾年裡，要縮小這個缺口將會非常困難。
華爾街共識檢視
布萊德・蓋斯特納：一年前，市場對輝達成長的共識預測偏離了幾百個百分點。僅僅一年內，共識預測就上調了 100% 到 200%，然而股價僅上漲了 20%。你們的營收和自由現金流預測翻倍，本益比卻只有 13 到 14 倍。市場究竟漏掉了什麼？
黃仁勳：對於我們這個規模的公司來說，能夠持續擴大市佔率，說明了我們的韌性與規模優勢。我們的競爭護城河正在擴大。
Vera Rubin Ultra 訂單
黃仁勳：如果你想排隊購買 Vera Rubin Ultra，現在差不多就是未見實物就得下單的時候了。你怎麼知道它會很好？因為這是輝達打造的，而且 Vera Rubin 很棒，Grace Blackwell 也很棒。工作負載是如此複雜，以至於你無法僅僅透過單一基準測試來衡量；50 美元系統需要幾十種技術共同協作。在未見實物的情況下，你還能跟誰下 500 億美元的訂單？我們 literalmente 是唯一的一家。當年那是 1,000 萬美元的採購訂單時，你還可以在眼前對晶片進行基準測試。你該如何對一個 500 億美元的系統進行基準測試？你需要一個巨大的資料中心和幾年的時間來改造它。你甚至無法再對這些系統進行基準測試。
黃仁勳：這就跟台積電（TSMC）一模一樣。我們把 100% 的業務交給台積電，因為他們是唯一一家我可以提前五年進行規劃的公司，在未見實物的情況下，我知道下一個電晶體製程節點將會更優異，他們將擁有產能、敏捷性，以及從矽光子到邏輯、記憶體和先進封裝的多樣化製程技術。你怎麼可能跟一家只有他們十分之一規模的公司做到這一點？這是不可能的。輝達已經成為全球的基礎設施公司。
黃仁勳：我們運行一切。從早期的 GPT 模型到 FlashAttention、NVLink 72 模型並行化，再到現代的混合 SSM-transformer 擴散模型，全都在 CUDA 上運行。無論工作負載轉向預訓練、後訓練還是 Agent 推論，我們統統運行。如果你建構了一個 500 億美元的資料中心，你知道輝達的算力在不同的工作負載、模型和客戶之間是完全可替代的。如果你需要轉租算力，到處都有租戶。
全球觸角：歐洲、日本與其他地區
黃仁勳：如果 OpenAI 或 Anthropic 想要在瞬間服務歐洲、印度、日本或韓國，我們的基礎設施已經在那裡了。對通用架構下注 100 億美元能為你帶來低風險。專門化（specialization）是可替代性和持久性的敵人。證明非凡的效能會產生可替代性和持久性，這轉化為可租賃性、生產力、可融資性，以及最低的總擁有成本（TCO）。
布萊德・蓋斯特納：你們正在回購歷史最大規模的股票，在兩年內潛在回購高達公司 10% 的股份。在高盛（Goldman）的會議上，你稱輝達為第一家「成長-價值」（growth-value）公司，這讓人想起蘋果（Apple）的資本回報轉型。你們還在探索兩種新的商業模式：軟體授權和營收分潤。
黃仁勳：其中一種商業模式是軟體授權。對於運行自己堆疊的 CSP，我們提供他們會進行修改的開源軟體。但大多數企業沒有維護複雜 AI 工廠的軟體部門；他們需要我們提供 SLA（服務水準協議）來確保其安全和維護。在數百萬企業 GPU 的基礎上，按每個 GPU 每年幾千美元計算，軟體授權將會是一項非常龐大的業務。其次，對於我們提供全堆疊基礎設施、生態系統去化支援和投資支持的新雲，我們可以參與營收分潤。我們獲得前期的硬體銷售，以及來自多年營收分潤的經濟回報，而我們自己無需作為雲端服務提供者營運。這兩個成長動能利用了我們的安裝基礎和生態系統，獨立於硬體銷售之外。
布萊德・蓋斯特納：華倫・巴菲特（Warren Buffett）歷史上一直避開科技股，因為這些公司產生的自由現金流最終都花在了價值破壞型的專案上。你們在實現指數級成長的同時，卻將超過 50% 到 60% 的自由現金流用於股票回購。
黃仁勳：我們對高品質生態系統公司的創投投資是非常明智的，因為我們看到了技術流向，但作為總現金生成量的比例，外部投資將會迅速下降。像 OpenAI 和Anthropic 這樣的前沿機會不會再次出現，而且我們的現金流成長速度極快。
布萊德・蓋斯特納：你先前對 2 到 3 年有能見度。放眼 2029 年或 2030 年，你預見到這十年結束時每年有 4 兆美元的支出，隨著時間推移，正朝著每年 10 兆美元的基礎設施更新邁進。
黃仁勳：除非發生全球大蕭條，否則世界必須消耗龐大數量的輝達算力，才能從檢索式運算過渡到生成式運算。如果長遠來看，每年的產能建置和更新在全球範圍內大約在 10 兆美元左右，我一點也不會感到意外。
布萊德・蓋斯特納：如果全球 50 兆美元的 GDP 與知識工作相關，而我們在五年內獲得 20% 的生產力提升，這將產生 10 兆美元的增量經濟活動，這足以證明將其中的一半用於資本支出是合乎邏輯的。
未來的十年：99.99% 的信心
布萊德・蓋斯特納：坐在這裡的今天，你是否比 12 個月前更有信心，認為五年後世界會因為這些投資而變得更好？
黃仁勳：我有 99.99% 的信心——為了紀念一位好朋友，不用 0 或 100——因為有太多人深深關心著結果能演變成好的局面，並且我們將奉獻我們的力量、智慧和資源，以確保我們以負責且樂觀的方式到達那裡。許多在公眾視線之外的研究人員和工程師正在獨立做著了不起的事情。聰明人做聰明事。我們會擔心並表達擔憂是好事，但我們不該預測世界末日。那樣會低估人類的容量。當你創造出讓每個人都想要好結果的條件時，我們就會取得進步。我 99.99% 確信我們將攜手抵達那裡。
布萊德・蓋斯特納：我們大可停下來，但如果今天停下來，我們就失去了那個更美好世界的機會。謝謝你，仁勳。
黃仁勳：謝謝你，布萊德。