Nvidia 訪談：黃仁勳揭示 Agentic Computing 未來、50% 現金回饋及 Vera Rubin CPU 架構
GTC Taipei 2026 金融分析師問答，2026 年 6 月
重大資本回饋計畫
黃仁勳在會議開場時宣布了一項重大財務決策。Nvidia 計畫在今年、明年及未來，將 50% 或更多的自由現金流回饋給股東。此舉延續了先前宣布的 800 億美元股票回購計畫，以及股利提高 25 倍的政策。黃仁勳強調，公司計畫隨時間推移持續增加股票回購與股利發放，並將其形容為對股東的重大承諾。
核心概念：Agentic Computing 模式
黃仁勳花費大量時間闡述他兩年來持續討論的核心概念。AI 的運算模式是「Agentic」（代理式運算），而「代理」（Agents）就是現代的應用程式。這些代理具備推理、使用工具及存取長期記憶的能力。記憶可以是結構化或非結構化的。代理可以使用的工具涵蓋個人電腦、雲端、設計工具、軟體程式設計工具、資料庫檢索、資料庫處理或晶片設計工具。這種運算模式將無處不在，正如過去應用程式普及於各處一樣。它將運行於雲端、個人電腦、工作站、汽車，甚至是人形機器人之中。
這種運算方法是分散式且解構（disaggregated）的，意味著代理運算模式的各個部分運行在資料中心的不同區塊。Hopper 架構專為預訓練而生；Grace Blackwell 則在預訓練與後訓練之外，引入了推論功能。NVLink 72 使生成 Token 的成本得以降低，不是 20%，而是 20 倍。Nvidia 目前是生成 Token 成本最低的方案。目標不在於打造低成本的資料中心，而在於以低成本生產產品。Nvidia 的 Grace Blackwell 生成 Token 的成本是全球最低的。
Vera Rubin 架構
Vera Rubin 的設計旨在進行預訓練、後訓練、推論及運行代理。這種運算模式是解構且分散的。工作負載的不同部分運行在 Vera Rubin 的不同區塊。AI 獲利的關鍵在於 Token 生成，這也是為什麼最大化 GPU 數量至關重要，因為企業銷售的產品就是 Token。企業將會開始評估一個 1GW（十億瓦）的資料中心能容納多少 GPU，因為這能將營收最大化。
運算的中間環節是「思考」，這屬於高強度的運算。思考包括讀取上下文、閱讀所有文件、進行推理、制定計畫、採取行動（即生成工具指令）。工具回饋後，系統會評估答案是否正確。這種來回互動要求工具使用必須極其迅速，因為 AI 正在等待。這正是 Nvidia 與整個軟體產業合作以加速其應用程式的原因。Adobe 已加速其應用程式，數十年來首次徹底重構了 Adobe Photoshop 和 Premiere。Nvidia 也正在加速 Cadence、Synopsys、Ansys 及 Siemens 等軟體的運作。
CPU 不能僅僅是容易租用或價格便宜。它們必須回應迅速，這就是單執行緒效能至關重要的原因。不是多執行緒、不是多核心，而是單一 CPU 為單一 AI 執行單一任務時必須極快。由於架構是解構的，Nvidia 思考了如何設計正確的 CPU 以及擺放位置。Vera Rubin 是全球最強大的記憶體系統資料處理器。AI 必須具備長期記憶與短期記憶。記憶即資料。在資料中心各處移動資料需要極高的頻寬。
Vera 擁有最高的 IO 頻寬。Vera 也具備最高的 CPU 對 CPU 頻寬，因為在進行資料處理時，CPU 必須彼此溝通。由於完全整合在單一巨型晶片上，因此沒有「小晶片稅」（chiplet tax）。Nvidia 本可以將其拆分為四個或六個小晶片，但每次跨越晶片都會產生稅。CPU 對 CPU 的頻寬高出 3.5 倍。晶片內部的橫截面頻寬絕對是全球第一。IO 頻寬同樣是全球之冠，不是 15% 的差距，而是數倍的差距。
客製化 CPU 核心設計
Grace 是 Nvidia 首款採用此設計的 CPU，Vera 則是第二代。Vera 的 CPU 核心是完全客製化的，因為 Nvidia 希望該 CPU 具備全球最高的每時脈週期指令數（IPC）。該 CPU 在管線中同時擷取 10 個、解碼 10 個並執行 10 個指令。全球沒有其他 CPU 能做到這一點。Vera 並非為人類設計，而是為「非常沒耐心」的代理而設計。這是專為代理設計的加速運算。整個系統的設計不僅是為了預訓練，也不僅是為了推論，而是為了運行代理。
與 Microsoft 共同重塑 PC
大約三年前，黃仁勳與 Satya Nadella 討論時表示，未來 AI 也希望在裝置上運行，因為人們希望隨時有助手相伴。目前，如果有人想與筆電對話，必須等到回到房間。未來，如果有人需要筆電執行任務，只需透過 WhatsApp 發送訊息即可。筆電將成為 AI，成為全天候的助手。人們不希望所有任務都在雲端運行，因為如果能在本地運行，就像筆電和手機一樣，成本是免費的。
黃仁勳與 Nadella、Microsoft 與 Nvidia 決定共同創造一個全新的電腦系列。這個系列是全球首個具備張量處理、參數壓縮以及作業系統的電腦，能提供安全的沙盒環境，因為人們希望將代理放入沙盒並授予權限。整個系列涵蓋工作站、桌上型電腦與筆記型電腦。過去三年來，他們夜以繼日地工作。現在一切皆已相容。每個重要的應用程式都經過測試與效能基準評估。
整個 PC 產業，整個電腦產業，沒有人會被遺漏，每個人都將加入重塑電腦的行列。這是 PC 誕生 40 年來首次真正的重塑。PC 的行為將會改變。它將能做得比過去更好，同時還能擔任助手。
基礎模型與生態系統
Nvidia 宣布了一些基礎模型，即全球前沿的實體 AI 模型。這些是機器人系統與自動駕駛領域的前沿實體 AI 模型。Nvidia 將這些模型提供給生態系統。核心理念是，一旦擁有該模型，放入代理工作流（agentic workflow）中，即可隨處運行。這就是未來。Nvidia 正在全方位重塑運算。
CPU 市場機會
當被問及 200 億美元的 CPU 目標時，黃仁勳解釋說，在 Vera 出現之前，每顆 CPU 都是為人類設計的。過去與未來的 CPU 特性將截然不同。Vera 是首款具備如此卓越 IPC、如此卓越的單核心頻寬、如此多核心且核心間具備高頻寬，以及如此卓越能源效率的產品。代理時代的未來 CPU 與過去的 CPU 大不相同。
每個搭載 Nvidia GPU 的資料中心，很可能都會直接使用 Vera。Nvidia 銷售數百萬個 GPU。將此數字除以二，就是頭節點（head node）中的 CPU 數量。頭節點之外還有用於協調工作負載的 CPU，以及儲存伺服器中的 CPU。這些儲存伺服器 CPU 效能極高。在 Nvidia GPU 的世界中，這三種配置很可能都會採用 Nvidia CPU。這實際上使 CPU 的需求量翻倍。
Nvidia 的 CPU 市占率可能會高於 GPU 市占率，因為 Nvidia 擁有 100% 的 GPU 市占率，且將在 Nvidia GPU 以外的領域銷售更多 CPU。當 Nvidia 與合作夥伴進行 NVLink Fusion 合作時，會同時銷售交換器、網卡（NIC）與 CPU。Nvidia Vera 的銷售將超越 Nvidia GPU 本身。對於雲端中全球第一大工作負載「資料處理」而言，Nvidia 將銷售大量 CPU。公司也將為 EDA 與模擬銷售大量 CPU，因為單執行緒效能至關重要。
過去的 CPU 與未來的 CPU 設計中心不同。Nvidia 正在進攻一個規模為「零」的市場，即代理市場。之所以說是零，是因為六個月前它還不存在。如今代理市場已使實用的 AI 成為可能，並正帶動巨大的需求。Vera 正是為此而生，它的時代已經來臨。
關於未來的推理：CPU 與 GPU 的比例
黃仁勳強調，預測未來靠的是推理，而非猜測或期望。他解釋說，無論企業擁有多少電力，他們唯一的獲利來源就是 Token。AI 公司無法出租 CPU 核心，他們也不想出租 CPU 核心，他們想銷售的是 Token。商業模式就是 Token。企業想要兩件事：提高 Token 的平均售價（ASP），這意味著透過大型模型使其盡可能聰明；以及提高吞吐量，以生產盡可能多的 Token。
這個工廠的價值僅取決於 Token。黃仁勳給客戶的第一個建議是，最大化資料中心內 Vera Rubin NVLink 72 的數量。第二，配置最少量的 CPU 來支援 GPU 即可。企業希望最大化 Vera Rubin 的數量，因為這能讓他們賺取最多的錢。如果花費 500 億或 600 億美元建設資料中心，企業最好能賺回大把鈔票。CPU 無法賺回這些錢，它們無法生成 Token。企業為什麼要花 300 億美元買不賺錢的 CPU？
代理在哪裡運行？今天它們都在雲端運行嗎？是的。但未來它們會在哪裡運行？無處不在。它們都有 CPU。這就是為什麼 Nvidia 在各處都有強大的 CPU。今天，除了在雲端運行代理之外別無選擇。在 Nvidia，公司內部也有代理，目前都在雲端運行，但 Nvidia 正試圖將它們全部帶回。它們應該只在筆電上運行，然後再呼叫雲端或其他地方的 AI 模型。因此 CPU 將會分散。Nvidia 仍將銷售大量 CPU。
原因很簡單。今天有 10 億電腦使用者。明天將有數百億個代理在使用電腦。根據定義，這個全新的智慧族群需要電腦才能運作。它們將需要大量的 CPU、筆電、工作站以及用來思考的 Vera Rubin。CPU 市場將會大得多，但在價值方面不可能接近 GPU。
企業軟體堆疊
當被問及企業業務時，黃仁勳解釋說，企業軟體堆疊是 Nvidia 協助每家企業軟體公司轉型為代理式公司的途徑。公司以 Cadence 為例。運算模式包含四個要素：模型架構（model harness）、工具與技能、以及執行時期（runtime）。這四者是代理的成分、運作結構與作業系統。Nvidia 一直與所有 SaaS 公司合作。除了 Nvidia AI Enterprise 層之外，一切皆為開放。這是企業的執行時期層。Nvidia 對每個 GPU 每年收取約 1,000 至 1,500 美元的費用。
該軟體授權業務顯然正在成長。當 SaaS 公司在雲端運行時，這就是軟體授權。黃仁勳認為這是一個相當巨大的商業機會，應可達數十億美元規模。
PC 策略與價值主張
黃仁勳解釋了 Nvidia 進入 PC 市場的原因。公司在 PC 產業深耕已久。Nvidia 並非急於製造另一種商品化裝置，那完全不符合公司的風格。公司不會為了做 CPU 而做 CPU。Nvidia 打造 CPU 是因為世界變了，或者公司想要改變世界。很久以前，當黃仁勳進入繪圖產業時，一張顯示卡的 ASP 是 49 美元，高階款為 100 美元。顯然，Nvidia 現在擁有 1,500 美元、2,500 美元、5,000 美元甚至 8,000 美元的顯示卡。公司重塑了繪圖的定義與功能，因此將其從顯示卡轉變為 GPU。
Nvidia 將對 PC 做同樣的事。公司進入該領域並非為了組裝電腦，而是為了重塑 PC 的定義。今天的 PC 就像打字機，是一個讓人們打字與點擊的裝置。未來，它將變成一個全天候運行的助手。當 PC 從智慧打字機轉變為代理式系統——一個在背景全天候運行、隨叫隨到、甚至會主動通知任務完成的智慧 AI 助手時，對助手價值的思考方式就改變了。
也許今天人們認為它應該值 1,500 美元，但擁有一個每天執行任務、價值 10,000 美元的助手並不不合理。就像過去認為 99 美元的手機很合理，但現在人們願意花 2,000 美元買智慧型手機一樣。這是合理的，但該類別必須被重塑。Satya 和黃仁勳、Microsoft 和 Nvidia 正在做的事，就是重塑這個類別，保留人們喜愛 PC 的優點並使其更好，但徹底重塑個人電腦的概念。它現在是個人 AI。這就是 Nvidia 進入該市場的原因，而不是為了壓低 PC 價格並使其商品化。Nvidia 從不那樣做。
想想 10 年前，黃仁勳進入汽車產業時，車內的嵌入式控制器電腦大約只要 29 美元。他說公司不是要競爭那 29 美元的市場。Nvidia 想做的是將那輛車重塑為機器人車、自動駕駛車。公司首先要做的是使其軟體可程式化，並重新定義底盤與架構。現在 Hyperion 已無處不在。根本沒有所謂 29 美元的 Hyperion。Nvidia 重塑了汽車的可能性。每一種產業類別，公司都在進行重塑。這就是 Nvidia 的方式。
光學與銅纜策略
當被問及資料中心的光學技術時，黃仁勳解釋說，人們應該盡可能多地使用銅纜。只有在必須時才使用光學技術。銅纜最初僅用於極短距離，但由於 Nvidia 發明的 SerDes，公司現在可以實現 NVLink 歷史上最長的傳輸距離。Nvidia 運行了整個機架的背板。沒人認為這可能。結果，Nvidia 將銅纜變成了「性感銅纜」。公司讓銅纜重返榮耀。
因為銅纜，因為 Nvidia 讓銅纜變性感，公司也讓與 Amphenol 合作的微型連接器變得性感。公司應該盡可能長期使用銅纜，因為它可靠且極具成本效益。然而，Nvidia 必須在必要時使用光學技術。大約一公尺左右是極限。公司認為或許能再遠一點，但不會是 10 倍遠。
Nvidia 正在建設的資料中心規模正在擴大。以第一個 OpenAI 系統為例，是 18,000 個 GPU，那是 Ampere 時代。Hopper 時代大約是 100,000 個。Blackwell 時代極限大約是 200,000 到 250,000 個。但現在在 Vera Rubin 時代，至少是 50 萬個。50 萬個 GPU 需要非常先進的網路技術。這就是 Spectrum 6 的設計目的。Spectrum 6 是全球首款 800Gb CPO，旨在為數十萬甚至百萬級別的 AI 工廠進行擴展。銅纜完全無法做到這一點。
Nvidia 利用銅纜進行向上擴展（scale up）。公司可能會進一步利用矽光子與光學技術進行擴展。然後 Nvidia 利用光學技術進行向外擴展（scale out）與跨區擴展。底線是，公司將需要大量的銅纜、連接器與光學元件，這就是為什麼 Nvidia 與 Coherent、Lumentum、Corning 合作並進行投資。與 Marvell 的合作是為了讓世界準備好與 Nvidia 一起擴展。Nvidia 的供應鏈非常強大。
推論與代理的採用
當被問及推論時，黃仁勳解釋說，當 RTX Spark 進入 PC 時，推論將隨之而來。原因很簡單。什麼是代理？代理等於「實用的 AI」。這種實用的 AI 並非為了重寫 PC 上的所有軟體。代理將使用作業系統、DirectX、Adobe Photoshop、Autodesk。代理終於夠聰明了，這種運算模式終於能使用電腦上的工具來協助人們完成工作。
大多數人，甚至是專家，也只知道 Adobe Photoshop、Premiere、Lightroom 的一小部分功能。現在有了代理，代理只需閱讀說明手冊，就能學會所有工具的技能。這些代理將成為各種工具的專家。人們只需要詢問代理如何協助完成某事，不必知道實際指令。代理會協助執行。突然間，所有 PC 都將變得更有用。PC 將具備代理能力。這一切都是推論。每當代理在思考時，就是在進行推論。推論等於思考。為了執行，代理必須先思考。為了做某事，它必須制定計畫，它必須進行推論。當代理出現時，推論就起飛了，因為代理的出現，代表實用的 AI 到來了。
至於資料中心，黃仁勳猜測，雖然他不確定，因為 Nvidia 系統目前主要用於訓練，但後來當公司推出 Vera Rubin 時，客戶會將所有 Grace Blackwell 系統用於推論。這是 Nvidia 系統的優點之一。研究人員每年都在將其訓練效能提升數倍，而不是使用僅為推論或僅為訓練而建的資料中心，然後被困住。該系統是完全可互換的（fungible）。Nvidia 為了很好的理由將其設計為可互換。
當某物可互換時，其效用就會增加。當效用增加，總體擁有成本（TCO）就會降低。當效用增加，使用壽命就會延長。當壽命延長，TCO 就會降低。黃仁勳確信 Nvidia 的平台擁有全球最低的 TCO。他可以證明這一點。A100 已經折舊了多少年了？三或四年。它們現在每小時還能創造 3 到 4 美元的價值。這是一顆免費的晶片，每天 24 小時每小時賺 3 美元。這比黃仁勳當年做洗碗工時要好得多。
解決 AI 的感知與採用問題
當被問及 AI 比核能更不受歡迎，以及如何贏得美國大眾支持 AI 與基礎建設時，黃仁勳表示這是最樂觀的問題。在亞洲，AI 備受喜愛。在美國，AI 卻被討厭。原因在於許多人使用旨在定位其公司、意圖造成監管壟斷（regulatory capture）的言論。他們必須對此保持聰明，因為這對國家有害。
如果美國、南美或歐洲不使用 AI，並將其與核彈比較（這完全荒謬），每個人都應該擁有 AI，沒人應該擁有核彈。這種比較毫無意義，且毫無理由地誇大，這會嚇到人們。如果產業最終嚇得社區不敢使用 AI，那對社區和國家都是巨大的傷害。這是黃仁勳最大的擔憂。
當然，AI 必須安全地構建。當然，終端市場需要政策來防止其被不當使用。當然，安全性、保障、功能性，所有這些都必須具備。這是科技產業、產品製造商、服務提供商的責任。認為只有一家公司在建立安全性的想法是荒謬的。這就像只有一家汽車公司製造安全的汽車，而其他所有汽車都在隨機殺人一樣。這是整個產業的工作。製造出色的、安全的、有保障的產品是整個產業的責任。
保持安全、保持擔憂與保持樂觀是可以並存的。這些不是衝突的觀念。世界必須同時為安全、保障與樂觀的未來而建設。這兩者都是可能的。這需要大量工作。產業必須對此非常嚴肅。但有一件事絕對不能做，那就是嚇唬社區，讓他們認為這項技術危險，從而讓他們的孩子遠離。黃仁勳告訴他的兩個孩子要使用 AI。他不希望他們被遺落。他給孩子的建議，是他對這項技術感受的終極測試。
沒人會建議自己的孩子不要使用 AI。不要讓他們被遺落。正如分析師撰寫人們閱讀的內容一樣，每個人都應該擁有 AI。但產業必須嚴肅對待。正確地建構它，安全地建構它，穩健地建構它。
每十億瓦（Gigawatt）的成本經濟學
當被問及每十億瓦的成本從 500 億美元上升到 900 億美元時，黃仁勳反問，對於一個 1GW 的資料中心，什麼比較好：持有價值 500 億美元的電腦，還是價值 1 兆美元的電腦？1 兆美元比較好。原因在於它仍然維持在 1GW。為了支援價值 1 兆美元的電腦，這些電腦必須非常高效，其能源效率必須高得驚人。黃仁勳只是在預測優勢。替代方案是愚蠢的。
今年，價值 500 億美元的電腦可以放入 1GW 的空間。如果明年只能放入價值 100 億美元的電腦，當有人告訴你他們的每十億瓦成本低時，你必須問自己，這是好消息嗎？黃仁勳只是在推廣良好的工程原則。這正是 Nvidia 極其擅長的。公司在每瓦效能（perf per watt）方面表現極佳。每瓦效能是唯一重要的指標。
每瓦效能提升三倍是可能的，非常可能。但要將成本降低三倍是不可能的。原因很簡單。扣除毛利後，還有記憶體、電纜、發電機與 MLCC。你無法將所有成本都削減掉。可以削減的是某個百分比，但 Nvidia 的每瓦效能提升三倍、十倍並不罕見。因此，每瓦效能至關重要。
Nvidia 極致的共同設計能力，以及公司跨整個機架與軟體堆疊進行設計的事實，使 Nvidia 能夠榨乾每一分效能，以聰明的架構確保能源效率驚人。每瓦效能是世界級的，黃仁勳持續認為這將是 Nvidia 最閃耀的能力，也是未來 AI 工廠最重要的特性。
業務部門揭露的理由
當被問及重新劃分財務部門的動機時，黃仁勳解釋說，揭露的目的是為了說明業務是如何運作的。當所有東西都歸入一個巨大的資料中心時，根本看不出業務是如何運作的。那只是一個大數字。問題在於業務是如何運作的。
僅在超大規模雲端供應商（hyperscalers）內部，業務就有三種運作方式。第一，Nvidia 為超大規模供應商帶來客戶。這就是為什麼公司存在於每個雲端。他們在許多方面分銷 Nvidia 的運算能力，因為 Nvidia 為他們帶來了客戶，而且是大客戶。他們將 Nvidia 留在雲端是因為公司為他們帶來了客戶。生態系統如此豐富，使 Nvidia 能為他們帶來大量客戶。
第二，Nvidia 運行他們的內部工作負載：搜尋、資料處理、SQL 查詢、語音、轉錄。Nvidia 的轉錄模型是全球最好的。公司運行大量東西：電腦繪圖、遠端 PC。這些都是 Nvidia 的業務。所以有所有這些內部工作負載，非 AI 的東西，傳統加速運算的東西。
第三個是 AI。例如 Anthropic，公司很高興能與他們共同成長。還有 OpenAI、XAI。與雲端服務供應商（CSP）的業務就是這樣描述的。光是這些就足夠讓人思考了。
第二個類別是 OEM，如 HP、Dell 和 Lenovo，他們銷售給工業客戶與 OEM，或者銷售給所謂的 NCP（新興雲端或 AI 原生雲端）。CoreWeave 依賴 Nvidia。Lambda 在許多方面依賴 Nvidia，包括協助他們建立整個資料中心。他們不想零散地購買。他們想要購買參考架構。原因在於整個軟體堆疊太複雜，他們沒有足夠的工程師，也不想聘請那麼多工程師。他們想要快速行動。敏捷性是他們的技能，是他們的秘密武器。
他們可以確保土地、電力與外殼。他們能找到這些資源，且遍布世界各地。他們在澳洲、歐洲、美國各地，且非常擅長尋找土地、電力與外殼，因為他們是區域性的。土地是區域性的。現在他們可以找到土地、電力與外殼。他們需要 Nvidia 的運算參考架構。他們需要軟體堆疊。他們需要 Nvidia 為他們帶來客戶。之後，他們需要融資。Nvidia 對他們進行小額投資，以確保他們的聲譽，作為他們投資的錨點。然後他們可以自行籌集 90% 的資金。接著 Nvidia 為他們帶來客戶，將整件事串聯起來。
整個第二類別，他們並非架構設計者。他們沒有在架構新的 ASIC。他們不想那樣做。他們的目標不是設計和製造電腦，而是為了服務而操作電腦。他們不想設計電腦，他們想操作電腦。事實證明，這整個第二部門占業務的 50%。它每年成長 100%。長期來看，它可能會更大。原因並非 CSP 將會衰退，而是因為邊緣端有太多東西了。
每一家工廠都將擁有一個「工廠大腦」。那種代理式工作負載將在每一家工廠內部運行。那台電腦不能放在雲端。有許多公司因為工業原因、電信原因，或者僅僅因為它必須是區域性的、主權性的或基於資料保護原因，他們需要建立並控制資料中心。那個市場將會相當龐大。
第三個部門是機器人與邊緣運算。你相信機器人的未來嗎？你相信實體 AI 嗎？如果是，Nvidia 不會全部參與，但會參與其中許多。Nvidia 希望推出全新的邊緣系統系列。這就是三個類別：雲端服務供應商、AI 雲端與企業工業、以及機器人邊緣運算。
透過這種方式揭露，可以真正幫助了解業務的細節，人們可以自行決定如何預測每個細分市場。這讓黃仁勳得出結論，Nvidia 正在獲得市占率，這很奇怪，不是因為公司從任何人手中搶走市占，而是因為 AI 的未來以各種不同方式在成長。當思考 AI 世界時，Nvidia 從人們認為非常大的地位開始。公司現在與 Anthropic 和所有 AI 模型（OpenAI 等）一起成長。但還有另一個 AI 部門是人們不談論的，且未被充分服務。直到最近，Michael Dell 的財報表現極佳，且其中沒有一個是 CSP。公司完全爆發了。
生產力影響的證據
當被問及衰退風險時，黃仁勳提供了 AI 生產力影響的證據。全球以美元計算最大的員工群體是軟體工程師：3 兆至 4 兆美元。這還不包括所有編寫程式碼的行銷人員或供應鏈人員，僅指編碼人員。這每年 3 到 4 兆美元的營運支出在 2023 年貢獻了 3 億次提交（submits）。當程式設計、測試完成並投入生產時，你就會提交軟體。然後是 4 億次，2025 年達到 5 億次。去年是 5 億次。
思考方式是，3 兆美元的營運支出貢獻了 5 億次軟體提交。在 2026 年的前幾個月，它從每年 5 億次增加到每年 14 億次。成長了兩倍。那麼剛剛發生了什麼？3 兆美元的生產力翻了三倍。產業創造了超過 6 兆美元的生產力。這是一個瘋狂的生產力產生器。
同時，人們不斷討論軟體工程師將被裁員。如果有軟體工程師能以 3 兆美元的營運支出使用代理，並能產生超過 6 兆美元的價值，公司是不會裁掉那個人的。他們會聘請更多人。裁掉那個人毫無意義。公司會聘請更多人，以便創造更多價值。世界有大量程式碼需要生成。程式碼等於解決問題。程式碼等於 GDP 成長。程式碼等於創新。
現在有絕對證據顯示，有很多地方可以節省開支，但你最不想節省的就是軟體編碼。這就是 Nvidia 的本業。這就是機器所做的。它生成程式碼，生成 Token。
供應鏈支援
黃仁勳直接回應了供應鏈問題。Nvidia 擁有整個生態系統與供應鏈的支援，以提供非常強勁的成長。公司從已經非常大的基礎上實現了近 100% 的年成長。Nvidia 有能力在供應鏈的支援下實現非常強勁的成長。然而，公司供應量仍然不足，原因是全球供應鏈受到供應限制。但 Nvidia 擁有生態系統的支援，能夠實現遠超任何已提供指引的強勁成長。