Loading...
Loading...
NVIDIA CEO Jensen Huang（黄仁勋）：AI 将赋能每个人成为“超级人类”撰文：Techub News 整理
导语
2025 年 1 月，NVIDIA 创始人兼 CEO 黄仁勋（Jensen Huang）接受了科技视频频道“Huge If True”主持人 Cleo Abram 的深度专访。在长达一小时的对话中，黄仁勋罕见地没有谈论公司财务或管理风格，而是聚焦于技术本身，以“联合制作一部解释性视频”为目标，系统性地阐述了 NVIDIA 如何从游戏显卡起步，通过“加速计算”理念彻底重塑现代计算范式，并正在引领人工智能、机器人、数字生物学等领域的下一场革命。这场对话不仅是了解 NVIDIA 技术哲学与核心信念的窗口，更是洞察未来十年科技趋势的关键指南。
摘要
GPU 是“时间机器”：通过并行处理大幅加速计算，让科学家能在有生之年完成原本需要一生的研究，本质上是“看到未来”。
CUDA 的成功源于“有根据的希望”：坚信 GPU 因其庞大的游戏市场将成为世界上产量最高的并行处理器，从而为更多研究者提供强大算力。
AI 的下一个十年是“应用科学”的十年：基础模型能力已现，未来重点是将 AI 应用于数字生物学、气候科学、农业、机器人等具体领域，解决现实问题。
一切会动的东西都将机器人化：通过 Omniverse（虚拟世界模拟平台）与 Cosmos（世界基础模型）的结合，机器人将在数字世界中高效学习，加速进入物理世界。
每个人都需要一个“AI 导师”：AI 将降低知识壁垒，赋能个体，让人人借助“超级 AI”的能力，专注于更具创造性和价值的工作，成为“超级人类”。
从游戏显卡到计算革命：GPU 的诞生与“时间机器”哲学
对话的开篇，Cleo Abram 将时间拉回到 1990 年代。当时，游戏开发者渴望创造更逼真的图形，但硬件无法处理海量的数学运算。NVIDIA 的创始洞察在于：软件程序中，大约只有 10% 的代码负责了 99% 的处理工作，而这 99% 的处理是完全可以并行执行的。剩下的 90% 代码则需要顺序执行。黄仁勋（Jensen Huang）指出，理想的计算机应该既能进行顺序处理，也能进行并行处理，而非二选一。这一观察成为了 NVIDIA 的起点：构建一家解决普通计算机无法解决的问题的公司。
为了直观说明 CPU（中央处理器）与 GPU（图形处理器）的区别，黄仁勋提到了 NVIDIA 官方频道上一个已有 15 年历史的视频，其中《流言终结者》团队用两个机器人演示：一个小机器人一次发射一个彩弹，代表 CPU 的顺序处理；另一个大机器人同时发射所有彩弹，代表 GPU 的并行处理。这种并行处理能力首先在视频游戏领域释放了巨大能量。
为何选择游戏作为突破口？黄仁勋给出了三个理由：一是团队热爱这个应用，虚拟世界的模拟令人向往；二是他们预见到电子游戏有潜力成为有史以来最大的娱乐市场（事实证明如此）；三是庞大的市场意味着可观的研发预算，能够支撑复杂技术的持续创新。技术与市场之间形成的飞轮，最终推动 NVIDIA 成为全球最重要的科技公司之一。“这一切都始于电子游戏。”黄仁勋总结道。
更深刻的是，黄仁勋将 GPU 比作一台“时间机器”。他分享了一个故事：一位量子化学科学家告诉他，“黄仁勋，因为 NVIDIA 的工作，我能在有生之年完成我一生的研究。” 这就是时间旅行——将超越一生的工作压缩到一生之内完成。无论是天气预测、虚拟城市交通模拟，还是自动驾驶汽车测试，通过模拟看到未来，就是并行计算带来的“时间旅行”。GPU 不仅让计算更快，更让人们能提前“看见”未来。
CUDA 的信念：构建桥梁，静候 AI 的“大爆炸”
并行处理在游戏领域成功后，研究人员开始尝试将 GPU 的强大算力用于其他领域，如医学影像中的 CT 重建。但早期，研究者需要“欺骗”GPU，让其将科学计算问题当作图形问题来处理。这个过程非常困难。NVIDIA 内部的驱动力则来自游戏本身：为了创造更动态、更逼真的虚拟世界（如流动的水、真实的爆炸），需要处理粒子物理、流体动力学等，这远超出了传统图形管线的能力。
多种因素汇聚，催生了 CUDA 的诞生。这是一个允许程序员使用 C 等熟悉语言直接指挥 GPU 进行通用计算的平台。黄仁勋解释，创建 CUDA 的核心信念是：由于游戏市场的巨大规模，NVIDIA 的 GPU 将成为世界上产量最高的并行处理器。因此，基于此架构的 CUDA 有极大机会触达最多的人。这是一个基于“有根据的希望”的战略：如果你不建造它，他们（开发者、研究者）就永远无法到来。
转折点出现在 2012 年。多伦多大学的 Ilya Sutskever、Alex Krizhevsky 和 Geoff Hinton 利用基于 CUDA 的 GeForce GTX 580 GPU 训练了 AlexNet，在著名的 ImageNet 图像识别竞赛中以压倒性优势获胜。AlexNet 是一种神经网络，它标志着计算范式从“逐步指令计算机”转向“用海量示例训练计算机学习”。
黄仁勋回忆，当时 NVIDIA 内部也在努力解决计算机视觉问题，但进展受挫。AlexNet 的出现让他们既惊讶又兴奋。他们问自己：如果 AlexNet 能在计算机视觉上做到这一点，它的极限在哪里？ 他们推断，如果深度学习架构可以扩展，那么绝大多数机器学习问题都可以用深度神经网络表示。这有可能彻底重塑整个计算机产业。正是这一洞察，促使 NVIDIA 重新设计整个计算堆栈，推出了 DGX AI 超级计算机。“自 IBM System 360 引入现代通用计算 65 年后，我们重新发明了我们所知的计算机。”黄仁勋说道。
随后的十年，是坚守信念的十年。黄仁勋坦言，这期间有困难时刻，投资巨大且外界未必相信。但他们基于“加速计算”和“深度学习可扩展”两大核心信念，坚持投入了数百亿美元。“为什么我们如此长期地坚持？答案恰恰相反：我们没有理由不坚持，因为我们相信它。” 这种信念驱动着 NVIDIA 穿越周期，直至 AI 浪潮全面爆发。
物理 AI 与机器人：在数字宇宙中训练“一切会动的东西”
展望未来，黄仁勋将 AI 的发展分为两个阶段：过去十年是“AI 的基础科学”，而未来十年将是“AI 的应用科学”。AI 将被应用于数字生物学、气候技术、农业、渔业、物流、教育等无数具体领域。
其中一个关键应用方向是“物理 AI”，即机器人。黄仁勋预测：“一切会动的东西，总有一天都会是机器人，而且很快就会实现。” 推动这一变革的关键，在于训练方式的根本性改变。过去，训练机器人要么在易受损的真实世界中进行，要么依赖动作捕捉等有限数据源。现在，通过在数字世界中训练，机器人可以在一天内进行远超物理世界可能性的重复练习，学习速度呈指数级提升。
NVIDIA 为此打造了 Omniverse（一个用于 3D 世界模拟和协作的平台）和 Cosmos（一个世界基础模型）。黄仁勋用 ChatGPT 作类比来解释这套系统：最初的 ChatGPT 虽然强大，但可能“幻觉”（生成不基于事实的内容）。后来的版本可以通过上传 PDF 或联网搜索来获得“基础事实”（ground truth），从而生成更可靠的回答。
同理，机器人要理解物理世界，需要一个能理解重力、摩擦力、惯性、几何空间、物体恒存性、因果关系等“物理常识”的世界基础模型——这就是 Cosmos。而 Omniverse 则提供了基于牛顿物理学原理的精确模拟器，作为 Cosmos 的“基础事实”。两者的结合，使得系统能够生成无限多个物理上合理的未来场景，供机器人学习。“就像 PDF 加 ChatGPT 可以回答无数问题一样，Omniverse 加 Cosmos 可以为物理世界做到这一点。”
这意味着，工厂里的机器人可以在数字孪生环境中瞬间模拟所有可能的路径和突发状况（黑暗、堵塞等），而无需在实际设备上磨损分毫。黄仁勋畅想，未来每个人都会有自己的“R2-D2”，它可能化身为智能眼镜、手机、汽车或家里的实体机器人，始终陪伴左右，共同成长。
赋能“超级人类”：AI 导师与未来的核心建议
面对如此迅猛的技术变革，普通人应如何准备？黄仁勋给出了明确而积极的建议。
首先，他鼓励每个人立即为自己找一个“AI 导师”。这个 AI 导师可以教你任何东西，帮你编程、写作、分析、思考和推理。AI 极大地降低了理解任何领域的知识壁垒，让每个人都能拥有一个“随身私人导师”。黄仁勋以自身为例，表示被公司里成千上万的“超级人类”（顶尖专家）包围，从未让他觉得自己不再被需要，反而赋予他 tackle 更宏大目标的信心。同理，被擅长特定任务的“超级 AI”包围，将赋能和增强每个人的能力。“我们将成为超级人类，不是因为我们有超能力，而是因为我们有超级 AI。”
其次，他建议每个学生、每个从业者都要问自己一个核心问题：“我如何利用 AI 把工作做得更好？” 黄仁勋回顾，他这一代人是第一代必须自问“如何用计算机把工作做得更好”的人。而下一代人，这个问题将变为“如何用 AI 把工作做得更好”。无论是律师、医生、化学家还是生物学家，这个问题都普遍适用，是思考的起点和终点。
他特别强调了“提示工程”（Prompt Engineering）的重要性。与 AI 交互，就像善于提问一样，是一门需要技巧和艺术的专业。学会如何有效地提示 AI，让其成为你的得力助手，是一项关键技能。
最后，黄仁勋谈到了能源效率这一根本性限制。他展示了一款小型 AI 超级计算机，指出自 2016 年交付给 OpenAI 的第一台价值 25 万美元的 DGX-1 以来，在性能提升 6 倍的同时，能效提高了惊人的一万倍。追求更高的计算能效，是创造更智能系统的首要任务。
在对话尾声，当被问及希望人们如何评价他的工作时，黄仁勋的回答简洁而有力：“他们产生了非凡的影响。” 他意识到，NVIDIA 因其长期坚守的核心信念，已成长为世界上最重要、最具影响力的科技公司之一。他们严肃对待这份责任，努力确保所创造的能力，无论盈利与否、公司大小、名气高低，都能惠及大型企业、独立研究者、开发者以及每一个科学领域。他期待未来人们回顾时，会发现数字生物学、材料科学因 NVIDIA 而变革，机器人无处不在协助人类，而这一切的 epicenter，恰好是那家他们从小玩着其游戏长大的公司。
NVIDIA 创始人 Jensen Huang（黄仁勋）：GPU 如何从游戏走向 AI，以及我的美国梦撰文：Techub News 整理
导语
2026 年 6 月，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）在斯坦福大学胡佛研究所的「Only In America」系列节目中，与前美国国务卿康多莉扎·赖斯（Condoleezza Rice）进行了一场深入对话。访谈在 NVIDIA 位于加州硅谷、通过超级计算机模拟设计的全新总部进行。黄仁勋不仅分享了其从台湾移民至美国，从肯塔基州寄宿学校一路走到创立全球最具影响力科技公司之一的个人历程，更首次在公开场合如此详尽地回溯了 NVIDIA 创立之初的核心理念——「加速计算」的诞生过程，以及这一远见如何历经三十年，从游戏图形处理延伸至当今的人工智能革命。此次对话不仅是一位杰出企业家的创业复盘，更是一次关于技术创新、风险承担与美国精神的深刻探讨。
摘要
黄仁勋回顾了作为移民的早年经历，认为美国的自由、法治与机会是其成功的基石。
NVIDIA 创立源于一个「第一性原理」判断：通用 CPU 无法解决所有计算问题，尤其是模拟世界的并行计算任务。
公司选择 3D 游戏作为 GPU 的第一个应用，是为了解决新架构面临的「鸡与蛋」生态难题。
AI 的兴起并非偶然，其底层计算需求（模拟智能）与 GPU 的并行计算架构天然契合，是长期技术路线延伸的必然结果。
黄仁勋对 AI 持「谨慎乐观」态度，并认为国家竞争的关键在于最上层的「应用层」创新。
从台湾到肯塔基：移民故事的起点
黄仁勋的故事始于亚洲的辗转。他出生于台湾，五岁时因父亲工作变动举家迁往泰国。1973 年，泰国发生政变，局势动荡，父母为了孩子们的安全，决定将年仅 9 岁的黄仁勋和他 10 岁的哥哥送往美国投靠华盛顿州的叔叔。他对美国的第一印象充满了新奇感：「我从未见过铺着地毯的房子，感觉就像穿着鞋走在床上。」从早餐麦片、电视上的《极速赛车手》和《帕特里奇家族》，到士力架巧克力棒，一切对这个孩子而言都如同奇迹。
在叔叔家短暂停留三个月后，由于经济拮据，父母将他们送到了肯塔基州一所收费低廉的寄宿学校。黄仁勋回忆，那是一个人口仅约 600 人的小镇奥奈塔（Oneida）。「如果你在谷歌地图上看奥奈塔，美妙之处在于它周围什么都没有，就是一个小点。」初来乍到，作为镇上唯一一张亚洲面孔，他不可避免地遭遇了偏见和好奇的目光，但孩子们的天性很快让他融入了集体，他加入了游泳队和足球队，并爱上了香肠肉汁、汉堡等美式食物。一次游泳比赛后，教练带他们去的「像太空船一样」的餐厅——麦当劳，成了他心中「世界上最棒的餐厅」。
这段经历塑造了黄仁勋对「期望」的理解。他认为，移民往往怀着巨大的希望和梦想而来，但对具体生活期待不高，因此对获得的一切都怀有深深的感激。「当你来自更艰难的处境时，你会欣赏一切。你来这里是因为选择，你想在这里。」他的父亲早年曾有机会到纽约接受培训，回到台湾后便一直希望家人能最终来到美国这片「不可思议的土地」。
求学、相遇与硅谷启蒙
随父母搬到俄勒冈州后，黄仁勋的成长轨迹与许多热爱数学和科学的青少年相似。他笑称，在高中里喜欢数学和科学的人，通常只会交到另外两三个同样兴趣的朋友。他们一起参加数学俱乐部、科学俱乐部，当然，还有计算机俱乐部。课余时间则流连于街机游戏和弹球台。
关于大学，他最初的计划非常实际：追随家人（父母和哥哥都曾就读）的脚步，进入俄勒冈州立大学读工程。这所大学拥有不错的工程专业，且费用可以承担。正是在这里，他遇到了未来的妻子 Lori。当时班上 250 名学生中只有 3 名女生，年仅 16 岁的黄仁勋运用了一点「战略」——设法进入了 Lori 所在的实验课，将竞争对手从 250 人缩小到 4 人。而他使用的终极搭讪台词是：「你想看看我的作业吗？」这段缘分从此开始，并持续至今。
硅谷的召唤来自校园招聘。AMD 的招募人员来到俄勒冈州立大学，为黄仁勋提供了一份工作，并承诺支持他同时去斯坦福大学深造。「等等，」他回忆当时自己的反应，「我可以在 AMD 工作，你们付我不错的薪水，同时还要付钱让我去斯坦福上学？」在得到肯定答复后，他毫不犹豫地接受了这个「美梦成真」的机会。一年后，Lori 毕业，两人结婚，生活就此展开。黄仁勋以半工半读的方式在斯坦福学习，整个过程断断续续花了大约八年时间，他开玩笑说自己是「斯坦福付费时间最长的学生」。
这段边工作边学习的经历对他影响深远。「当你上学时，你觉得学业非常学术化，因为你不确定学习这些东西是否有任何目的和好处。但边工作边上学的益处，尤其是在斯坦福，是我能看到所教的原理在今天我所做的一切事情中是多么重要。」斯坦福塑造了他对计算机科学及其产业影响的看法，特别是技术、基础科学与计算机科学战略之间的交叉点，为他日后创立 NVIDIA 奠定了思想基础。
创立 NVIDIA：一个「不可能」的商业计划
上世纪 90 年代初，PC 革命方兴未艾，摩尔定律驱动着 CPU 时代，整个硅谷都围绕着通用计算。黄仁勋与联合创始人 Chris Malachowsky 却看到了不同的未来。他们基于「第一性原理」提出了两个核心想法。
第一个是技术愿景：他们认为，许多有意义的问题，如实时计算机图形（当时计算机科学中最难的问题之一）、模拟等，是通用 CPU 无法有效处理的。他们设想，应该有一种方法可以「加速」CPU，卸载那些不适合通用计算的任务。「这就像在你的房子里，厨房只有一种工具，车库也只有一种工具。公司里也只有一种工具。做什么事都需要合适的工具。」他们相信，存在另一种工具可以增强 CPU，使计算机本质上成为超级计算机。
第二个是商业和生态挑战：如何让这个新架构被开发者接受？CPU 生态经过数十年发展，已构建了庞大的应用基础，形成了一个强大的正向循环（安装基数增加 - 销量上升 - 应用更多 - 循环加强）。如何打破这个「鸡与蛋」的困境？历史上除了 NVIDIA，几乎没有其他架构成功挑战过 CPU 的主导地位。
因此，关键问题是：第一个「杀手级应用」是什么？他们最终将目光投向了 3D 图形。但当时的专业计算机图形市场很小，几乎只有硅谷图形公司（SGI）一家。于是，他们想到了一个更具规模潜力的领域：电子游戏。「电脑游戏不仅有趣，而且可能比任何其他应用都更推动计算能力的边界。」黄仁勋指出，大多数消费者 PC 的升级驱动并非来自成年人，而是来自想要更强大游戏机的孩子们。游戏市场容量大，且对图形性能有着极致渴求，足以支撑一个新架构的初期发展和迭代。
然而，这个商业计划听起来依然「不可能」：它需要解决多重「鸡与蛋」问题，需要巨额资金，并吸引世界顶尖的计算机科学家。但硅谷的风险投资文化提供了可能。「我仍然记得向每个人解释这个计划……然而，硅谷就在这里，沙丘路（Sand Hill Road）会资助我。」Sutter Hill Ventures 等机构成为了 NVIDIA 的早期投资者。黄仁勋总结道：「我们只是基于第一性原理认定，通用计算机不可能成为唯一的计算平台，如果我们引入这个新想法，可以解决太多有趣的问题。」
从图形到 AI：长期主义的胜利
NVIDIA 的 GPU 从一开始就强调可编程性，这为其后来的泛化应用埋下了伏笔。黄仁勋回忆，GeForce 3 图形处理器拥有 5700 万个晶体管，比当时的奔腾四和奔腾三加起来还多，并且首次拥有了类似 CPU 的指令集，可供游戏程序员创造特效。
此后三十年，NVIDIA 一直在「逆流而上」。转折点在于，他们解决的「模拟世界」问题，其底层计算模式与人工智能，特别是深度学习，产生了共鸣。「计算机图形本质上是世界的模拟。而在很多方面，人工智能是思维、大脑的模拟。模拟的计算可以（虽非全部但很大程度上）并行完成。」用于模拟的处理器架构，与用于按步骤执行任务（如执行菜谱）的架构是不同的。世界是同时、并行发生的。
基于这一原理，NVIDIA 不断寻找适合 GPU 加速的新问题：继图形之后，是地震处理（逆物理）、CT 重建、超声波、分子动力学（牛顿物理）等。然后有一天，深度学习的研究人员（如斯坦福的 Andrew Ng、多伦多大学的 Geoff Hinton、纽约大学的 Yann LeCun）找到了他们。黄仁勋敏锐地意识到，这是一个他们可以做出重大贡献的领域。合作成果显著，GPU 加速的深度学习在计算机视觉等领域取得了突破性进展。
成功引发了更深层的思考：为什么有效？还能做什么？能走多远？对计算机科学和整个行业意味着什么？NVIDIA 一步步将一切拆解到第一性原理，然后重新构建公司在未来世界中的位置。「所有这些都是关于推理、远见、战略、纪律、耐心，」黄仁勋说，「以及信念。」他坦言，公司是「历经苦难才走到今天的」。「我们每一步都走得很艰难。我们之所以能走到今天，是因为没人相信它。我们有幸在无人关注的情况下埋头建设了整整十年。」
在没有外部正向反馈的时期，如何保持团队士气？黄仁勋的答案是回归核心价值观和信念。「你必须相信自己所做之事。你必须回到你的核心基础……你必须在脑海中看到那个未来，即使其他人都看不到。你必须讲述这个故事，让其他人也能在他们脑海中看到它。而且你必须自己相信它。」
AI 时代的「谨慎乐观」与国家竞争
作为 AI 革命的基础设施提供者，黄仁勋对这项技术持「谨慎乐观」态度。他认为，智能是社会、工业和人类一切 endeavors 的基础要素，必须加速推进。但同时也需保持谨慎，确保 AI 如承诺般工作、功能可靠，避免产生看似智能实则存在缺陷的系统。「功能可靠的东西更安全。我希望我的汽车如承诺般运行。AI 也需要如承诺般运行。」
谈及 AI 的国际竞争格局，他将技术栈比喻为一个「五层蛋糕」，每一层都至关重要：
能源层：电力和土地。
芯片层：NVIDIA 所处的领域。
基础设施层：云服务。
AI 模型层：当前舆论焦点。
应用层：将 AI 用于医疗、军事、国防、网络安全、交通、制造等具体领域。
黄仁勋强调，虽然模型层备受关注，但对国家而言，最关键的其实是顶层的应用层。「正是这一层将推动我们的产业前进。」他提醒，美国目前虽处于领先地位，但在技术拐点时期，领导地位可能发生变化。制定政策时必须确保不妨害最重要的应用层创新，因为在这一层取得最大进展的国家，将能最大程度地利用这场工业革命。
「美国梦」与「仅在美国」的土壤
回顾个人与公司的历程，黄仁勋将成功很大程度上归因于美国的独特环境。当被问及这一切是否「仅在美国」可能发生时，他描述这是一系列「概率极低的事件」的串联。而美国提供的不是逆风，而是顺风。
这阵「顺风」包括：可理解、可依赖的法律和规则；一个商业和工业环境，其中人们遵守规则，让你能够找到市场未被满足的环节；你可以信赖自己能够创造伟大的事物，并以可预测的方式推向市场，而不会遭遇随意的、武断的、不可知的封锁。「企业家所依赖的这些要素，在这里生机勃勃。」
黄仁勋将企业家精神与移民精神相提并论：「作为移民，你选择来到这里。与你来的地方相比，你见证了一个奇迹……资源令人难以置信地丰富。你拼命工作，因为你渴望成功。作为企业家，你也渴望成功。如果你不每天努力，你就会消亡。企业家精神和移民精神其实非常相似。」他坦言，自己对 NVIDIA 不断做得更好的那种持续不断的「绝望感」，与父母当年为家庭谋生的感受如出一辙。「除了努力，别无依靠，没有退路。」
「我无法想象还有别的地方能让这一切成为可能，」黄仁勋总结道，「NVIDIA 在很多方面都是一个‘仅在美国’的故事。我自己也是一个‘仅在美国’的故事。这一切发生在一生之中，不是第五代，也不是第三代，就在一个人身上，一代人之间。」父母放弃一切来到美国，没有退路，牺牲一生为孩子创造更多机会；而国家则创造了机会、资源、系统、制度和基础，使得 NVIDIA 这样的公司成为可能。「我就是美国梦的化身。」
NVIDIA 创始人 Jensen Huang（黄仁勋）：AI 让所有难题变小，CEO 是最脆弱的人撰文：Techub News 整理
导语
2026 年 1 月，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）做客行业资深人士 Jodi Shelton 的播客节目《A Bit Personal》首期。在这场长达86分钟的深度对话中，黄仁勋罕见地敞开心扉，回顾了 NVIDIA 从1993年创立至今，如何在长达三十多年的时间里坚守“重塑计算”的愿景，并最终引领了当前的 AI 革命。作为全球市值最高的科技公司之一 NVIDIA 的掌舵人，黄仁勋的个人思考、管理哲学以及对未来的预判，对于理解 AI 行业的发展脉络和未来方向具有极高的价值。
摘要
预见未来并提前布局：黄仁勋强调，要创造未来，就必须在它发生之前长期“活在未来”。NVIDIA 在 CUDA 和深度学习上的长期坚持，正是基于对计算机科学第一性原理的信念。
企业成功的关键是“品格”：他认为，NVIDIA 的魔力不在于技术或勤奋，而在于整个团队在逆境中锻造出的“企业品格”——容忍、学习、共同承担，并拒绝放弃任何人。
AI 将让所有难题“变小”：未来五年，AI 将像超音速飞机缩短地理距离一样，极大地加速计算，使得今天看来极其复杂的问题（如数字生物学、材料科学、智能电网）变得易于解决。
CEO 是最脆弱、最依赖他人的人：黄仁勋坦言，CEO 的职位充满孤独感和脆弱性，无法独自完成任何事，其成功高度依赖于他人的慷慨帮助和团队的共同努力。
“活在未来”：33年的坚守与必然的AI革命
访谈伊始，黄仁勋便回顾了 NVIDIA 的创立初心。“1993年，我们想重塑计算，我们对于计算机应该如何构建有一个视角。”他指出，这个观点在当时以 CPU 和摩尔定律为主导的硅谷是颇具争议且不受欢迎的。NVIDIA 的早期客户是 Cirrus Logic、S3 等 PC 芯片组初创公司，而如今，公司正致力于创造一种全新的计算范式。
“为了创造未来，你必须在它发生之前很久就‘活在未来’。”黄仁勋以 CUDA 的推广为例，描述了那段充满挑战的拓荒时期。他曾带着笔记本电脑，向仅有三位听众的场合推销 CUDA，坚信这将改变世界。“我可能是世界上穿皮夹克最多的人，”他幽默地回忆道，“这个故事讲得足够久，你会感觉它已经发生了。”
他认为，NVIDIA 的成功并非基于预感或品味，而是植根于计算机科学的基本原理。“现在发生的事情在很多方面是不可避免的。”当计算速度提升千倍、规模扩大千倍时，就会发生“相变”，产生令人惊讶的新状态。深度学习可以做得更大、数据是丰富的自然资源，这些是他们多年前就洞察到的趋势。而“无监督学习”或“自监督学习”技术的突破，则是他等待的关键转折点，一旦实现，便意味着“比赛开始了”。
如今，AI 正在学习蛋白质、细胞、量子力学的“语言”，信息的表示方式正在被彻底重塑。黄仁勋用电影《降临》中通过形状交流的比喻来形容这种变革：“我们突然变得如此聪明，以至于英语本身都改变了……我们可能在用另一种维度进行交流。”他兴奋地表示，NVIDIA 定律（加速计算）带来的进步速度比摩尔定律时代快上千倍，未来十年将是非凡的。
自信的根源：第一性原理与持续推理
主持人 Jodi Shelton 回忆起1994年第一次采访年仅29岁的黄仁勋时，就被他“NVIDIA 既不是教堂也不是监狱，你不必来，也不必留”的自信与智慧所震撼。她问及这种早熟的自信从何而来。
黄仁勋的答案指向了清晰的思维框架。“你必须相信你所相信的。”他解释道，这种信念不应基于道听途说，而必须通过推理，分解成可靠的第一性原理，并定期检验这些基石是否牢固——是否锚定在物理学或基本事实之上。如果基础改变，就必须重新评估并前进。
“如果你相信某事，你就有责任为此做点什么。”他相信 NVIDIA 在1993年所做的事，今天依然相信。因此，他持续地在脑海中做推理练习：不断重新评估过去、不断推断未来。“这教会你如何向前推理。”正是这种持续的、基于第一性原理的思考，赋予了他长远的自信。
他也以一种“接地气”的心态看待 CEO 职位：CEO 向董事会负责，董事会向股东负责，如果 CEO 失职就会被解雇。“因此，这是一份工作，在一个机构里的雇佣关系……它不像教堂，因为不是每个人都能来；也不像监狱，因为不是每个人都必须留下。”这种心态让他保持谦逊、保持新鲜感，“每天都在挣得这份工作”。他坦言并非每天都热爱工作，但每天都会竭尽全力。
打造“无法复制”的NVIDIA：品格、文化与60位“CEO”
当被问及 NVIDIA 是否离得开他时，黄仁勋承认，不会有第二个像他一样的 CEO，因为他是被公司“抚养长大”的。33年前，他对如何担任 CEO、制定战略、创造行业、塑造文化一无所知。“如果有一个公司战略的尤达大师……可能长得像我这样的小个子。”他幽默地说。他将职业生涯奉献给了学习这些，并且是个好学生，同时投入了难以通过雇佣获得的强烈情感和深度关怀——“NVIDIA 是我的孩子之一”。
然而，NVIDIA 的韧性并不依赖于他一个人。他透露了一个关键的管理结构：他有近60位直接下属。“这60个人中的任何一个，都可以成为其他许多公司的世界级 CEO。”他所有的重要决策、推理过程、成功与挫折的分享，都在这些人面前进行。“所以在很多方面，NVIDIA 有61位 CEO。”他们中的许多人已效力数十年，对公司有着深厚的感情和主人翁精神。
这种独特结构要求团队成员必须“卓越”，而不仅仅是“聪明”。黄仁勋分享了其用人哲学：“一把空椅子比坐错了人更好。”他从不急于填补空缺，相信公司会继续运转，这给了他足够的时间去寻找那个“对的人”——一个他真心喜欢共事的人。他以 CFO Colette Kress 为例，面试了22位候选人后才找到她，并告诉她任期是“至死不渝”。
他认为，伟大员工或领导者的标准难以定义，因为聪明和胜任几乎是普遍的。NVIDIA 的魔力在于“化学反应”和“企业品格”。“从数量上看，我们是世界上最小的 GPU 公司……每个人制造的 GPU 都比我多。”因此，成功的关键显然不是产量。真正的魔力在于企业文化、企业品格，在于团队如何在逆境中团结一致。
他以最新一代 GPU 架构“Blackwell”的研发为例：“几乎压垮了我们的公司，但我们没有让它发生。”他认为，扛过这种极端复杂和高压的挑战，“100%是品格，不是智力，也不是勤奋”。这种品格无法通过面试获得，但他相信 NVIDIA 有能力将品格“灌输”给几乎任何加入的人。“公司折磨出了我们的伟大，将不可思议的品格锻造进了我们体内。”关键在于创造一个安全的环境，让每个人（包括他自己）都可以“掉球”而不被开除，只要队友付出了全部。这种对错误的容忍、原谅和从中学习，构成了公司的核心文化。
痛苦与牺牲：家庭的融入与“脆弱”的CEO
黄仁勋将“痛苦与磨难”称为 NVIDIA 的“秘密武器”。当被问及是否有过不值得的牺牲时，他回答：“一切都值得。”他庆幸妻子 Lori 和孩子们对公司有着同样的热爱和兴趣，全家人都深度参与公司事务，这让他对公司的付出没有转化为对家庭的疏离。当然，他错过了孩子们几乎所有的空手道比赛和练习，错过了无数个晚餐和周末。“在以前没有智能手机的时代，上班就意味着去上班。”
主持人称赞黄仁勋有一种罕见的才能：与人交谈时全神贯注，让对方感到自己是世界上最重要的人。黄仁勋将其归因于谦逊和尊重。他喜欢观察人们专注于他们热爱且擅长的事情，比如烹饪、园艺，并从中获得启发和学习。另一方面，他总是希望帮助对方成功。“我希望你的节目成功，不是为了我，是为了你。”这种希望看到他人成功的愿望，驱动着他以最大的诚意对待每一次互动。
谈到对年轻一代的建议，黄仁勋不赞同“要么享受20岁，要么成功”的二元论。他认为，像台积电创始人 Morris Chang（张忠谋）那样工作到80多岁依然敏锐，是“大器晚成”的美好典范。20岁时精力充沛、思维敏捷，但缺乏智慧、战略眼光和长远思考的能力，而后者需要通过经历来学习。他承认，经营公司伴随着真实的恐惧、焦虑和脆弱感，一个对成败无动于衷的领导者反而是糟糕的。“我不知道如何在不经历这些的情况下学会这些。”
最后，当被问及希望如何被铭记时，黄仁勋显得谦逊而感恩。他庆幸自己创立了一家对世界至关重要的公司，影响了几乎每一个行业，拥有遍布全球、生命因之丰富的员工，甚至迎来了员工的第二代、第三代。“人们可能会记得我是 NVIDIA 的创始人和建造者……一个好人，有幽默感，不把自己太当回事。”他再次强调自己是一个“非常不情愿的 CEO”，不喜欢演讲和公开露面（这些事让他深感焦虑），但为了建造 NVIDIA，他愿意做任何必要的事。
他特别指出，CEO 的角色远比人们想象的脆弱。“CEO 是一个令人惊讶地脆弱的职业……你无法独自做任何事，所以你几乎依赖于所有人。”他认为 CEO 是公司里最需要他人帮助的人，其成功建立在无数人的慷慨之上。“也许世界让我们看起来像是强大的领导者，但我们是公司里最脆弱的人。”他坦然接受这种脆弱，并认为认识到这一点或许是给所有 CEO 的重要一课。
展望五年后：AI让世界更忙，无知曾是超能力
展望未来五年，黄仁勋基于第一性原理和现实考量，描绘了一幅积极的图景。首先，计算机将从“我们编程”彻底转变为“在大量指导下自我编程”。计算机能处理的问题规模将比今天大十亿倍，以至于我们甚至难以构想出那样的问题。
“因为工具快得多，问题就显得小得多。”他比喻道，就像超音速飞机让世界变小一样，NVIDIA 的加速计算让所有难题“变小”。数字生物学、物理科学、交通拥堵、智能电网浪费等现在棘手的难题，未来都将变得易于解决。“每一个科学领域都将被影响，每一个难题都将被涡轮增压。”科学家的心态将转变为：以前觉得难的问题，现在看起来很简单。因此，人类将解决更多问题，公司生产力将极大提升，利润更丰厚。
他驳斥了“AI导致大规模失业”的悲观论调，认为更可能的是“100%的工作会改变，而非50%的工作会消失”。由于以前无法解决的难题现在可以解决，人类会构想出更多新问题、新实验，因此“我们可能会比以往任何时候都更忙”。AI 还将弥合技术鸿沟，让更多有才华但不懂技术的人能够借助 AI 放大自己的能力，创造新的经济机会。
在节目的快速问答环节，黄仁勋分享了一些个人见解。他认为，未来“聪明”的定义将不再是解决技术问题的能力（这将被 AI 轻易掌握），而是那种结合技术洞察、人类共情、预见未知、“感知氛围”的能力。他最大的“ pet peeve”（恼人之事）是在重要会议上，面对关键问题，有人不认真倾听、理解和直接回答。这总是会瞬间触发他的情绪。
最后，当被问及若重回20岁，会选择今天还是过去时，他毫不犹豫选择过去。他认为，他们那一代的20多岁比现在更快乐，而“无知是一种幸福，也是一种超能力”。“如果我不是无知到不知道创建 NVIDIA 是不可能的，NVIDIA 今天就不可能存在。”他解释道，乐观主义者因为“无知”而无法被说服事情做不成，这种“无知”的乐观是一种强大的驱动力。他担心现在信息过载的年轻一代过早变得愤世嫉俗，而“我们需要建立一些内在的乐观储备”。对于 NVIDIA，他的“终极计划”很简单：“继续经营就是我们的计划。”没有终局游戏，只有持续前进，与优秀的人一起做有意义的工作。
Bankless深度解析：万亿美元AI资本流向图，从GPU到CPU再到内存的范式转移撰文：Techub News 整理
2026 年 5 月，科技巨头们令人咋舌的资本支出与半导体公司股价的疯狂上涨，引发了市场对AI泡沫与可持续性的广泛讨论。在本期Bankless节目中，两位主持人Josh和Ejaaz化身“资本侦探”，试图追踪从谷歌、亚马逊、Meta、微软等超大规模企业流出的近万亿美元AI投资，究竟流向了产业链的哪些环节。这场对话的重要性在于，它不仅仅是对股价现象的解读，更是对AI产业底层资本结构与技术范式转移的一次系统性梳理，为投资者理解当前AI投资格局提供了清晰的路线图。
万亿美元资本启动的“瀑布效应”
节目开篇便以一组惊人的数据定调：如果一年前投资了SanDisk，回报高达40倍；投资美光（Micron）是8倍；英特尔和AMD也都有近4倍的涨幅。这些数字背后，是市场对AI基础设施需求的狂热定价。然而，主持人指出，人们此前可能误判了形势——这并非单纯的泡沫，而是一场由真实资本开支驱动的产业革命。
核心驱动力来自于顶端：亚马逊、Meta、微软和谷歌这四大超大规模企业。Ejaaz指出，2026年第一季度财报是一个关键转折点。这些巨头不仅证明了此前承诺的6300亿美元资本支出带来了实实在在的利润和收入增长，更是将2026年的支出计划上调至8000亿美元，并预计明年将达到1.1万亿美元。“这只是四五家公司。我必须强调这有多疯狂。”Ejaaz说道。重要的是，这些支出并非基于杠杆或借贷，而是来自企业自身的现金流或现金储备，这为当前的繁荣提供了不同于以往泡沫的坚实基底。
Josh引用知名投资者Brad Gerstner的观点，认为“这次不一样”。关键在于，巨额资本支出正从这些巨头流向构建更多AI用例所需的基础设施层，而上游的AI应用（如Anthropic和OpenAI）已经在创造数十亿美元的年度经常性收入。只要AI持续产生价值，这个飞轮就能持续运转。资本正从核心（超大规模企业）向外围的同心圆层层扩散。
资本流向图：从零售收入到基础设施堆栈
为了厘清资本路径，两位主持人构建了一个清晰的“资本瀑布”模型：
第0层（零售入口）：OpenAI和Anthropic。它们汇聚了99%的零售用户（如ChatGPT和Claude用户），是现金流的起点。虽然目前仍是私营公司，但其付费客户和企业用户构成了资本瀑布的源头。
第1层（平台与超大规模企业）：资本从OpenAI和Anthropic流向谷歌、亚马逊（AWS）、微软（Azure）和Meta等平台。它们不仅是模型实验室，更提供了关键的云基础设施和分销层，将AI模型分发给企业、政府和终端用户。这是资本汇聚和再分配的中心。
第2层（GPU与半导体）：这是传统认知中“AI淘金热卖铲人”的环节，以英伟达（NVIDIA）为代表。英伟达提供了从零到一构建AI所需的海量GPU，并因此成为全球市值最高的公司之一（尽管目前已被谷歌超越）。其价值在于为整个行业提供了初始的算力引擎。
然而，故事从这里开始出现关键的“叙事突破”。资本并未停留在GPU层，而是继续向下游和周边扩散。
范式转移：AI代理时代催生CPU需求爆发
一个重大的趋势转变正在发生：AI正在从大型语言模型（LLM）和聊天机器人，进入“代理”（Agentic AI）时代。Ejaaz解释道，AI代理是指能够自主执行一系列任务的AI实例，无需用户持续提示。你可以想象，一个自主AI工人的市场空间极其庞大。
这里的“叙事违反”在于：驱动AI代理自主使用工具、进行协调和思考的核心组件，不再是GPU，而是CPU（中央处理器）。Josh指出，GPU擅长解决复杂的数学问题以进行推理，但协调这些模型、让它们具备“头脑”和“智慧”去执行任务，则需要CPU。
Ejaaz用历史数据佐证了这一转变：在GPT-4时代，训练或推理整个模型几乎用不到CPU。但如今，CPU与GPU的需求比例已接近1:1（即每个GPU核心对应一个CPU核心），并且这一趋势将在未来六个月内发生逆转，CPU的需求量将超过GPU。这正是英特尔和AMD股价飙升的根本原因——它们数十年积累的CPU技术，突然在AI时代找到了一个巨大的金矿。
Josh梳理了AI演进的三个阶段：从只需GPU的LLM聊天机器人，到需要更多令牌进行“思维链”推理的阶段，再到如今需要复杂协调的代理时代。每一次范式转变，都导致了对计算资源（尤其是令牌）需求的巨量增加，而当前阶段的核心特征就是对CPU的依赖急剧上升。
内存：GPU的“阿克琉斯之踵”与隐秘垄断
如果说CPU是AI代理的“大脑”，那么内存就是整个AI算力的“生命线”。Josh指出，内存占据了GPU物料成本（BOM）的50%，是当前供应链中最关键的瓶颈。“没有内存，一切都无法工作。”他说道。这也解释了为何内存股票在过去一年中表现如此疯狂：SanDisk上涨40倍，美光上涨7.25倍。
Ejaaz揭示了AI内存领域的“隐秘垄断”格局。高端AI内存（高带宽内存，HBM）主要由三家公司主导：美光（美国）、SK海力士（韩国，最大供应商）和三星。这种内存对于处理像GPT-5.5这样拥有数万亿参数的大模型至关重要，它能实现数据的极速存取。然而，其制造工艺极其复杂，供应极度紧张，订单已排到2028年底。
另一类内存是NAND闪存，由SanDisk主导。它的作用是提供“临时记忆存储”，使得AI模型能够维持更长的上下文窗口，记住对话中更早的内容。虽然不如HBM“性感”，但它同样是不可或缺的基础组件。
一个有趣的“悖论”出现了：当像DeepSeek这样的公司发布更高效、使用内存更少的模型架构时，人们预期内存需求会下降。但事实恰恰相反。Ejaaz用“杰文斯悖论”来解释：效率提升导致成本降低，反而刺激了更大的需求。DeepSeek v4的架构改变（使用更多代理进行思考）实际上增加了对NAND闪存的总体消耗。因此，内存效率的提升并未扼杀需求，反而通过释放更多应用可能性，推高了总需求。
下一站：电力与基础设施的挑战
资本瀑布继续向下流动，来到了第五层：电力与基础设施。当海量的GPU和CPU被部署在数据中心后，一个根本性问题浮现：如何为它们供电并有效管理？
Ejaaz引用了一篇报道指出，拥有超过百万颗高端英伟达GPU的XAI集群，其功率利用率仅为11%。瓶颈不在于GPU本身，而在于没有足够的发电能力或芯片架构来将电力有效地输送给GPU。这预示着资本的下一个流向将是电力供应和基础设施提供商，如通用电气（GE）、Constellation Energy等公司，它们不仅提供电力，还确保电力在正确的时间以合适的功率输送到CPU和GPU，并解决冷却等问题。
Josh提到了更底层的第六层：原材料。从沙子（硅）中提炼出“思想”，整个过程需要大量的基础材料。例如，碳酸锂的价格在短时间内从7.5万美元飙升至18.7万美元，涨幅惊人。这一层是AI堆栈最基础的物理基石。
繁荣与警示：这次真的不同吗？
在描绘了令人兴奋的资本图景后，节目也回归理性，探讨潜在风险。Ejaaz指出，内存行业历史上经历过多次繁荣与萧条周期，图表上清晰可见剧烈的波动。历史上的每次萧条都淘汰了一批玩家，使得HBM供应商从14家减少到如今的3家。
那么，这次会不同吗？Ejaaz透露，他聆听了多家内存公司高管的播客，他们异口同声地表示“这次不一样”。理由在于：第一，AI带来了前所未有的需求激增；第二，需求端有真实的收入支撑（AI产品本身在赚钱）；第三，当前的投资并非基于杠杆。8000亿乃至上万亿美元的资本支出，都来自企业现有的现金流。
Josh总结道，这可能是过去一二十年一次重大的范式转移。过去积累在谷歌、亚马逊等巨头顶端的资本，如今正在向下游产业链扩散。对于投资者而言，关键问题在于：资本最终将流向哪里？谁将成为这场资本开支盛宴的赢家？半导体和内存已经表现优异，它们会持续吗？电力、基础设施和原材料领域是否会成为下一个热点？
Ejaaz最后的思考颇具代表性：当前市场确实存在泡沫迹象，但这是一种“不同类型的泡沫”，因为它缺乏杠杆支撑。每一季度的财报都将成为检验其健康度的试金石。而第一季度的数据表明，钱正在被实实在在地赚到。叙事可能在AI领域瞬间改变，但至少目前，由真实现金流驱动的资本瀑布，正在重塑整个科技投资版图。去中心化 GPU 基础设施公司 GPU.net 完成 525 万 USDT A 轮融资，Spicy Capital 等参投Techub News 消息，去中心化 GPU 基础设施公司 GPU.net 完成 525 万 USDT A 轮融资，参投方包括 Momentum 6、Spicy Capital、Exnetwork Capital、BlackDragon、Crypto Banter，个人投资者包括 Alex Becker、EllioTrader 等，具体信息暂未披露。
GPU.Net 目前主要为下一代生成式 AI、Web3 元宇宙、高端图形渲染和加密货币挖掘提供支持，其目标是成为一个生成处理单元，最初支持 3D、AI 和研究等多功能 GPU 任务最终转变为一个完全去中心化的通用单元网络。撰文：Techub News 整理 导语 2025 年 1 月，NVIDIA 创始人兼 CEO 黄仁勋（Jensen Huang）接受了科技视频频道“Huge If True”主持人 Cleo Abram 的深度专访。在长达一小时的对话中，黄仁勋罕见地没有谈论公司财务或管理风格，而是聚焦于技术本身，以“联合制作一部解释性视频”为目标，系统性地阐述了 NVIDIA 如何从游戏显卡起步，通过“加速计算”理念彻底重塑现代计算范式，并正在引领人工智能、机器人、数字生物学等领域的下一场革命。这场对话不仅是了解 NVIDIA 技术哲学与核心信念的窗口，更是洞察未来十年科技趋势的关键指南。 摘要 GPU 是“时间机器”：通过并行处理大幅加速计算，让科学家能在有生之年完成原本需要一生的研究，本质上是“看到未来”。 CUDA 的成功源于“有根据的希望”：坚信 GPU 因其庞大的游戏市场将成为世界上产量最高的并行处理器，从而为更多研究者提供强大算力。 AI 的下一个十年是“应用科学”的十年：基础模型能力已现，未来重点是将 AI 应用于数字生物学、气候科学、农业、机器人等具体领域，解决现实问题。 一切会动的东西都将机器人化：通过 Omniverse（虚拟世界模拟平台）与 Cosmos（世界基础模型）的结合，机器人将在数字世界中高效学习，加速进入物理世界。 每个人都需要一个“AI 导师”：AI 将降低知识壁垒，赋能个体，让人人借助“超级 AI”的能力，专注于更具创造性和价值的工作，成为“超级人类”。 从游戏显卡到计算革命：GPU 的诞生与“时间机器”哲学 对话的开篇，Cleo Abram 将时间拉回到 1990 年代。当时，游戏开发者渴望创造更逼真的图形，但硬件无法处理海量的数学运算。NVIDIA 的创始洞察在于：软件程序中，大约只有 10% 的代码负责了 99% 的处理工作，而这 99% 的处理是完全可以并行执行的。剩下的 90% 代码则需要顺序执行。黄仁勋（Jensen Huang）指出，理想的计算机应该既能进行顺序处理，也能进行并行处理，而非二选一。这一观察成为了 NVIDIA 的起点：构建一家解决普通计算机无法解决的问题的公司。 为了直观说明 CPU（中央处理器）与 GPU（图形处理器）的区别，黄仁勋提到了 NVIDIA 官方频道上一个已有 15 年历史的视频，其中《流言终结者》团队用两个机器人演示：一个小机器人一次发射一个彩弹，代表 CPU 的顺序处理；另一个大机器人同时发射所有彩弹，代表 GPU 的并行处理。这种并行处理能力首先在视频游戏领域释放了巨大能量。 为何选择游戏作为突破口？黄仁勋给出了三个理由：一是团队热爱这个应用，虚拟世界的模拟令人向往；二是他们预见到电子游戏有潜力成为有史以来最大的娱乐市场（事实证明如此）；三是庞大的市场意味着可观的研发预算，能够支撑复杂技术的持续创新。技术与市场之间形成的飞轮，最终推动 NVIDIA 成为全球最重要的科技公司之一。“这一切都始于电子游戏。”黄仁勋总结道。 更深刻的是，黄仁勋将 GPU 比作一台“时间机器”。他分享了一个故事：一位量子化学科学家告诉他，“黄仁勋，因为 NVIDIA 的工作，我能在有生之年完成我一生的研究。” 这就是时间旅行——将超越一生的工作压缩到一生之内完成。无论是天气预测、虚拟城市交通模拟，还是自动驾驶汽车测试，通过模拟看到未来，就是并行计算带来的“时间旅行”。GPU 不仅让计算更快，更让人们能提前“看见”未来。 CUDA 的信念：构建桥梁，静候 AI 的“大爆炸” 并行处理在游戏领域成功后，研究人员开始尝试将 GPU 的强大算力用于其他领域，如医学影像中的 CT 重建。但早期，研究者需要“欺骗”GPU，让其将科学计算问题当作图形问题来处理。这个过程非常困难。NVIDIA 内部的驱动力则来自游戏本身：为了创造更动态、更逼真的虚拟世界（如流动的水、真实的爆炸），需要处理粒子物理、流体动力学等，这远超出了传统图形管线的能力。 多种因素汇聚，催生了 CUDA 的诞生。这是一个允许程序员使用 C 等熟悉语言直接指挥 GPU 进行通用计算的平台。黄仁勋解释，创建 CUDA 的核心信念是：由于游戏市场的巨大规模，NVIDIA 的 GPU 将成为世界上产量最高的并行处理器。因此，基于此架构的 CUDA 有极大机会触达最多的人。这是一个基于“有根据的希望”的战略：如果你不建造它，他们（开发者、研究者）就永远无法到来。 转折点出现在 2012 年。多伦多大学的 Ilya Sutskever、Alex Krizhevsky 和 Geoff Hinton 利用基于 CUDA 的 GeForce GTX 580 GPU 训练了 AlexNet，在著名的 ImageNet 图像识别竞赛中以压倒性优势获胜。AlexNet 是一种神经网络，它标志着计算范式从“逐步指令计算机”转向“用海量示例训练计算机学习”。 黄仁勋回忆，当时 NVIDIA 内部也在努力解决计算机视觉问题，但进展受挫。AlexNet 的出现让他们既惊讶又兴奋。他们问自己：如果 AlexNet 能在计算机视觉上做到这一点，它的极限在哪里？ 他们推断，如果深度学习架构可以扩展，那么绝大多数机器学习问题都可以用深度神经网络表示。这有可能彻底重塑整个计算机产业。正是这一洞察，促使 NVIDIA 重新设计整个计算堆栈，推出了 DGX AI 超级计算机。“自 IBM System 360 引入现代通用计算 65 年后，我们重新发明了我们所知的计算机。”黄仁勋说道。 随后的十年，是坚守信念的十年。黄仁勋坦言，这期间有困难时刻，投资巨大且外界未必相信。但他们基于“加速计算”和“深度学习可扩展”两大核心信念，坚持投入了数百亿美元。“为什么我们如此长期地坚持？答案恰恰相反：我们没有理由不坚持，因为我们相信它。” 这种信念驱动着 NVIDIA 穿越周期，直至 AI 浪潮全面爆发。 物理 AI 与机器人：在数字宇宙中训练“一切会动的东西” 展望未来，黄仁勋将 AI 的发展分为两个阶段：过去十年是“AI 的基础科学”，而未来十年将是“AI 的应用科学”。AI 将被应用于数字生物学、气候技术、农业、渔业、物流、教育等无数具体领域。 其中一个关键应用方向是“物理 AI”，即机器人。黄仁勋预测：“一切会动的东西，总有一天都会是机器人，而且很快就会实现。” 推动这一变革的关键，在于训练方式的根本性改变。过去，训练机器人要么在易受损的真实世界中进行，要么依赖动作捕捉等有限数据源。现在，通过在数字世界中训练，机器人可以在一天内进行远超物理世界可能性的重复练习，学习速度呈指数级提升。 NVIDIA 为此打造了 Omniverse（一个用于 3D 世界模拟和协作的平台）和 Cosmos（一个世界基础模型）。黄仁勋用 ChatGPT 作类比来解释这套系统：最初的 ChatGPT 虽然强大，但可能“幻觉”（生成不基于事实的内容）。后来的版本可以通过上传 PDF 或联网搜索来获得“基础事实”（ground truth），从而生成更可靠的回答。 同理，机器人要理解物理世界，需要一个能理解重力、摩擦力、惯性、几何空间、物体恒存性、因果关系等“物理常识”的世界基础模型——这就是 Cosmos。而 Omniverse 则提供了基于牛顿物理学原理的精确模拟器，作为 Cosmos 的“基础事实”。两者的结合，使得系统能够生成无限多个物理上合理的未来场景，供机器人学习。“就像 PDF 加 ChatGPT 可以回答无数问题一样，Omniverse 加 Cosmos 可以为物理世界做到这一点。” 这意味着，工厂里的机器人可以在数字孪生环境中瞬间模拟所有可能的路径和突发状况（黑暗、堵塞等），而无需在实际设备上磨损分毫。黄仁勋畅想，未来每个人都会有自己的“R2-D2”，它可能化身为智能眼镜、手机、汽车或家里的实体机器人，始终陪伴左右，共同成长。 赋能“超级人类”：AI 导师与未来的核心建议 面对如此迅猛的技术变革，普通人应如何准备？黄仁勋给出了明确而积极的建议。 首先，他鼓励每个人立即为自己找一个“AI 导师”。这个 AI 导师可以教你任何东西，帮你编程、写作、分析、思考和推理。AI 极大地降低了理解任何领域的知识壁垒，让每个人都能拥有一个“随身私人导师”。黄仁勋以自身为例，表示被公司里成千上万的“超级人类”（顶尖专家）包围，从未让他觉得自己不再被需要，反而赋予他 tackle 更宏大目标的信心。同理，被擅长特定任务的“超级 AI”包围，将赋能和增强每个人的能力。“我们将成为超级人类，不是因为我们有超能力，而是因为我们有超级 AI。” 其次，他建议每个学生、每个从业者都要问自己一个核心问题：“我如何利用 AI 把工作做得更好？” 黄仁勋回顾，他这一代人是第一代必须自问“如何用计算机把工作做得更好”的人。而下一代人，这个问题将变为“如何用 AI 把工作做得更好”。无论是律师、医生、化学家还是生物学家，这个问题都普遍适用，是思考的起点和终点。 他特别强调了“提示工程”（Prompt Engineering）的重要性。与 AI 交互，就像善于提问一样，是一门需要技巧和艺术的专业。学会如何有效地提示 AI，让其成为你的得力助手，是一项关键技能。 最后，黄仁勋谈到了能源效率这一根本性限制。他展示了一款小型 AI 超级计算机，指出自 2016 年交付给 OpenAI 的第一台价值 25 万美元的 DGX-1 以来，在性能提升 6 倍的同时，能效提高了惊人的一万倍。追求更高的计算能效，是创造更智能系统的首要任务。 在对话尾声，当被问及希望人们如何评价他的工作时，黄仁勋的回答简洁而有力：“他们产生了非凡的影响。” 他意识到，NVIDIA 因其长期坚守的核心信念，已成长为世界上最重要、最具影响力的科技公司之一。他们严肃对待这份责任，努力确保所创造的能力，无论盈利与否、公司大小、名气高低，都能惠及大型企业、独立研究者、开发者以及每一个科学领域。他期待未来人们回顾时，会发现数字生物学、材料科学因 NVIDIA 而变革，机器人无处不在协助人类，而这一切的 epicenter，恰好是那家他们从小玩着其游戏长大的公司。
