Loading...
Loading...
NVIDIA CEO Jensen Huang（黄仁勋）与 Dell CEO Michael Dell（迈克尔·戴尔）：AI 工厂、智能体与供应链的未来撰文：Techub News 整理
导语
2026 年 5 月，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）与 Dell Technologies 董事长兼 CEO Michael Dell（迈克尔·戴尔）共同接受了 Bloomberg 的深度访谈。此次对话发生在 NVIDIA GTC 大会之后，正值 AI 从技术探索迈向大规模生产应用的关键节点。两位科技巨头领袖不仅分享了各自公司在 AI 基础设施、企业解决方案上的最新进展，更就 AI 智能体的未来、全球供应链挑战以及地缘政治下的市场准入等尖锐问题发表了看法。他们的对话，为我们勾勒出一幅从云端到边缘、从生成内容到执行任务的 AI 未来全景图。
摘要
AI 应用正从“测试评估”全面转向“生产部署”，企业级市场是下一波巨大增长点。
“智能体”将取代“生成式 AI”成为新焦点，其核心是在数据所在处（如本地、工厂）执行实际工作。
NVIDIA 与 Dell 正携手构建完整的“AI 工厂”解决方案栈，涵盖大脑（GPU）、运行时（CPU+软件框架）和长期记忆（数据平台）。
AI 驱动的需求增长远超全球供应链当前产能，尤其是先进存储和半导体，这被视为结构性而非周期性变化。
Jensen Huang（黄仁勋）对中国 AI 芯片市场持开放态度，认为尽管存在限制，但巨大的需求终将推动市场进一步开放。
从云到边缘：AI 部署的范式转移
访谈伊始，主持人便指出一个显著变化：过去几年，Jensen Huang（黄仁勋）谈论的重心是超大规模云服务商的加速计算，而现在，焦点转向了本地部署（on-prem）的“AI 工厂”。黄仁勋对此给出了清晰解释：智能必须在其上下文所在之处产生和执行。
早期 AI 应用多集中在云端，尤其是消费级服务。然而，对于像礼来（Eli Lilly）、三星这样的制造业巨头或任何拥有大量敏感、专有数据的企业而言，将 AI 智能体部署在本地至关重要。那里存放着公司所有的核心数据、技能和业务流程。黄仁勋强调，生成式 AI（如初代的 ChatGPT）擅长创造内容，但这只是开始。新一代的“生产性 AI”或“智能体 AI”的价值在于“完成工作”。它们更像是数字员工，能够利用工具，在真实的物理世界或企业系统中执行任务，带来十倍甚至百倍的效率提升。
Michael Dell（迈克尔·戴尔）补充道，当企业利用这项技术重新构想工作流程时，获得的不是百分之几十的渐进式改进，而是数量级式的飞跃。这种变革速度正是企业赢得竞争优势的关键。Dell 的角色是将 NVIDIA 的技术转化为客户可直接使用的完整解决方案，为全球企业提供类似云服务商为自身提供的“AI 工厂”能力。
构建 AI 智能体：大脑、缰绳与记忆
黄仁勋详细阐述了构建一个能够“工作”的 AI 智能体所需的技术栈，这远远超出了一个大型语言模型（LLM）本身。
首先，是“大脑”。即像 Grace Blackwell GB200 这样的超级芯片，用于运行庞大的语言模型。其次，是“缰绳”。这是指即将发布、专为生成式 AI 设计的 Vera CPU。CPU 的作用如同缰绳，控制着 LLM 这匹“骏马”，使其能够安全、有效地访问内存、网络、工具，并管理短期工作记忆和长期记忆。这个“缰绳”软件层将原始的大脑模型转变为可用的“智能体”或“数字机器人”。
第三，是“长期记忆”。NVIDIA 与 Dell 合作，创建了基于 NVIDIA 技术的 Dell AI 数据平台，专门服务于智能体的长期记忆需求。此外，扩展智能体规模所需的网络、以及名为 Nemo Crawl 的智能体运行时环境，都被集成在一个名为 Open Shell 的安全治理容器中。
Michael Dell（迈克尔·戴尔）指出，随着企业内部智能体框架的普及，CPU 的需求量将大幅增加。他描绘了一个未来图景：全球可能有数百亿个智能体，它们持续不断地使用工具，其速度和频率远高于人类。因此，我们需要海量的 CPU，而这些 CPU 都连接着 GPU“大脑”，以便知道如何思考、推理、计划和使用工具。
供应链：结构性挑战与长期愿景
当被问及当前最大的供应限制时，两位 CEO 不约而同地提到了高带宽内存（HBM）和先进制程半导体。黄仁勋承认，尽管半导体供应链正在扩张，但需求增长的速度更快。NVIDIA 通过多年的规划和与合作伙伴的深度协作，确保了从 HBM、Grace Blackwell 芯片到硅光技术等各个环节的供应对齐。然而，全球的总产能仍难以满足爆炸式的需求。
主持人提出了一个关键问题：内存行业历来具有周期性（繁荣与萧条交替），如何说服供应链伙伴这是结构性、永久性的需求增长？黄仁勋分享了他的方法论：NVIDIA 长期致力于与供应链上游（如美光、SK 海力士）沟通未来的产业愿景。例如，他在三年前就向美光 CEO 详细解释了今天正在发生的 AI 变革，以确保对方能据此规划产能。他强调，必须让上下游供应链（包括电力、土地、融资方）都为这个未来做好准备。
黄仁勋的逻辑很简单：我们正在进入一个拥有数十亿 AI 智能体的时代，它们如同数字工人，7x24 小时不间断工作。正如每个知识工作者需要一台笔记本电脑和一部分数据中心资源，每个智能体也需要相应的计算、存储和基础设施支持。Michael Dell（迈克尔·戴尔）也认同，尽管预测长期需求很难，但他们与供应链伙伴长达数十年的合作关系正在发挥作用。他判断，AI 基础设施的建设才刚刚开始，将持续至少十年，而紧随其后的将是物理 AI（机器人）的浪潮，那将是一个更大的市场，需要全新的基础设施能力。
地缘政治与市场前景：中国与供应链韧性
访谈不可避免地触及了地缘政治话题。主持人询问了黄仁勋2026 年 5 月随美国总统访问中国的行程，特别是关于 H200 芯片对华销售许可以及中国市场的态度。
黄仁勋首先表明，美国总统希望美国在 AI 革命中引领全球。关于 H200，他表示该产品已获得对华销售许可证，但最终取决于中国政府如何平衡保护本土产业与引入更多 AI 算力以扩大市场。他感受到中国对 AI 的需求同样惊人，生成式 AI 在中国也取得了巨大进展。他引用中国领导人的表态，认为中国将继续扩大开放，因此他预期市场将随着时间的推移而进一步开放。不过，他澄清此次行程主要是作为美国代表支持总统，并未直接与中国官员讨论 H200 的销售细节。
Michael Dell（迈克尔·戴尔）作为总统科技顾问委员会成员，也表达了希望看到中美之间更多经济合作的愿望，他认为这最终将为所有人带来更大的繁荣和更成功的国际关系。
关于台湾问题，黄仁勋指出台湾仍是全球科技制造与研发的核心，供应链高度集中于此。但同时，美国也在积极推进本土制造业回流，建设更多的晶圆厂、封装厂和 AI 工厂。由于需求极其旺盛，全球产能正在全方位扩张。他的结论是，实现供应链的多样性和韧性是可能且必要的，而台湾将继续作为全球科技中心之一发挥关键作用。
PC 的未来：个人 AI 的崛起
在访谈尾声，话题转向了看似传统的 PC。Michael Dell（迈克尔·戴尔）强调，PC 仍然是知识生产力的中心设备，并且正在进化。新款 XPS 笔记本已经能够本地运行小型 AI 模型，实现混合 AI 计算。用户对更强大 PC 的需求正在上升，这依然是一个充满活力且能带来供应链规模优势的业务。
黄仁勋则从更宏大的计算演进角度展望未来。他认为，我们正在见证“个人 AI”时代的开端，它将接续“个人电脑”时代。其核心理念依然是：AI 需要存在于上下文所在之处。如果一个人的所有信息和工作都在笔记本电脑上完成，那么 AI 助手就需要在本地运行。同理，工厂、医院、自动驾驶汽车中的 AI 都必须部署在相应场景中。这种分布式、无计量限制的智能，将是下一代计算的核心特征。当被问及 NVIDIA 与 Dell 在 PC GPU 上是否会合作时，两位 CEO 卖了个关子，暗示“很快会有消息”，留下了巨大的想象空间。
NVIDIA 创始人 Jensen Huang（黄仁勋）：AI 工厂、物理智能与机器人未来撰文：Techub News 整理
导语
在 COMPUTEX 2025 的舞台上，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）发表了长达近两小时的主题演讲。这场演讲不仅是年度科技盛会的高光时刻，更是 NVIDIA 在 AI 计算时代的一次全面战略宣言。黄仁勋回顾了 NVIDIA 过去三十年的转型之路——从图形芯片公司到 CUDA 计算平台创造者，再到如今全球 AI 基础设施的核心构建者。本次演讲的重要性在于，它清晰地勾勒了 NVIDIA 对下一个计算时代的愿景：一个由“AI 工厂”、物理智能（Physical AI）和普及化机器人所定义的新产业。
摘要
NVIDIA 宣布全新产品线：GB300 超级芯片、面向开发者的 DGX Spark、企业级 RTX Pro 服务器，以及开放生态的 MVLink Fusion 平台。
提出“AI 工厂”概念，认为未来的数据中心是生产“智能令牌（Tokens）”的工厂，AI 基础设施将成为堪比电网和互联网的社会基础。
揭示 AI 演进路径：从感知、生成式 AI，迈向具备推理能力的“智能体 AI（Agentic AI）”，并最终实现理解物理世界的“物理 AI”。
宣布与富士康、台湾地区政府、台积电合作，在台湾建设首座巨型 AI 超级计算机，强化本地 AI 生态系统。
全面展示 NVIDIA 在机器人技术栈的布局，包括 Isaac Groot 开源平台、Jetson Thor 机器人处理器，以及利用 AI 生成合成数据训练机器人的“Groot Dreams”蓝图。
从芯片到 AI 基础设施：NVIDIA 的范式转移
黄仁勋开篇即指出，NVIDIA 的故事是计算机产业的重塑史，也是公司的自我再造史。他回顾了从 2006 年推出革命性 CUDA 平台，到 2016 年意识到需要重塑整个技术栈（处理器、软件、系统），从而诞生了 DGX1 系统，并将其捐赠给 OpenAI，由此点燃了 AI 革命的火种。
如今，NVIDIA 的自我定位已超越单纯的科技公司。“我们意识到 NVIDIA 不再仅仅是一家科技公司。事实上，我们是一家必不可少的基础设施公司。”黄仁勋强调。他将 AI 基础设施类比为历史上的电网和互联网，是即将融入社会肌理的新一代基础要素。这种基础设施的具体形态就是“AI 工厂”——它不再是传统的数据中心，而是输入能源、产出极具价值的“智能令牌（Tokens）”的生产设施。未来，企业财报可能会像报告产能一样报告“令牌产量”。黄仁勋预测，这个 AI 基础设施产业的规模将达到数万亿美元。
核心引擎：CUDA 与加速计算库的进化
黄仁勋重申，加速计算和 AI 的融合是 NVIDIA 的核心，而实现这一点的关键是庞大的软件库生态系统。他展示了涵盖各个领域的 CUDA-X 库，包括用于 5G/6G 无线信号处理的 Aerial，用于基因组学的 Parabrics，用于医疗影像的 Monai，用于气候预测的 Earth-2，以及用于计算光刻的 cuLitho（可将掩模制作计算加速 50-70 倍，台积电、ASML、Synopsys 等均为合作伙伴）。
他强调，正是这些领域专用的库，使得 NVIDIA 能够将一个又一个科学和产业领域迁移到加速计算平台上。例如，在电信领域，经过六年打磨，NVIDIA 已能提供完全加速的无线接入网（RAN）软件栈，在性能（每瓦特数据速率）上媲美最先进的专用芯片（ASIC），并为进一步叠加 AI（AI on 5G/6G）奠定了基础。
新一代 AI 超级计算机：Grace Blackwell GB300 与 MVLink 奇迹
演讲的重头戏之一是宣布 Grace Blackwell 平台的升级版 GB300。它采用相同架构和物理外形，但芯片升级，带来 1.5 倍的推理性能提升、1.5 倍的 HBM 内存容量和 2 倍的网络带宽。单个 GB300 节点即可提供 40 Petaflops 的性能，相当于 2018 年由 18,000 个 GPU 组成的 Sierra 超级计算机，实现了“六年性能提升四千倍”的极致摩尔定律。
实现这种“规模扩大（Scale-up）”能力的关键在于 NVIDIA 自研的 MVLink 互联技术。黄仁勋展示了由 9 个 MVLink 交换机（每个 7.2 TB/s）和重达约 70 磅、包含 2 英里长线缆的“MVLink 脊柱（Spine）”组成的系统。该脊柱可提供 130 TB/s 的全互联带宽，“超过了整个互联网的峰值流量”。这使得 72 个 GPU（144 个芯片）能够如同一个巨型 GPU 般协同工作。由于信号传输的物理极限，如此高性能的集成目前只能在一个机架内实现，这也导致了高达 120 千瓦的功率密度，必须采用全液冷散热。
更重要的生态战略是宣布 MVLink Fusion。这是一个开放平台，允许合作伙伴将自家的定制 ASIC、CPU 或加速器，通过 MVLink 小芯片（Chiplet）或 IP 集成到 NVIDIA 的 AI 超级计算机生态系统中。黄仁勋明确表示，“你的 AI 基础设施可以有一部分是 NVIDIA 的，很大一部分是你自己的”，这为包括联发科（MediaTek）、富士通、高通（Qualcomm）在内的合作伙伴提供了灵活的集成路径，旨在扩大整个 AI 基础设施的生态系统。
AI 的下一波浪潮：推理、智能体与物理 AI
黄仁勋梳理了 AI 能力的演进阶段：从早期的感知 AI（识别图像、语音），到过去五年的生成式 AI（内容生成），现在正进入 “推理 AI” 阶段。AI 不仅需要学习知识，更需要具备解决新问题、逐步推理、权衡选项的能力（如思维链、思维树等技术）。
结合多模态感知、工具使用和协作能力，推理 AI 将进化为 “智能体 AI（Agentic AI）”，即能够理解、思考并采取行动的数字实体。黄仁勋将其比作数字形式的机器人，并认为它们将作为“数字员工”弥补全球劳动力短缺（预计到 2030 年缺口达 3000-5000 万）。
超越数字智能体的下一阶段是 “物理 AI（Physical AI）”，即能够理解物理世界法则（如惯性、摩擦力、物体恒存性、因果关系）的 AI。这种能力对于机器人、自动驾驶等领域至关重要。NVIDIA 正在利用其仿真技术，通过提示词生成大量用于训练自动驾驶系统的合成视频场景。
产品民主化：从 DGX Spark 到企业级 RTX Pro
为了让 AI 计算能力更普及，NVIDIA 推出了多款新产品。其中，DGX Spark 是一款面向 AI 原生开发者、研究者和学生的桌面级设备，提供 1 Petaflops 性能和 128 GB 内存，其性能与 2016 年重达 300 磅的 DGX-1 相当，但体积和功耗大幅缩小，预计几周内上市。
针对企业市场，NVIDIA 发布了 RTX Pro 企业级服务器。这款服务器设计的关键在于既能无缝运行传统的 x86 企业 IT 环境（虚拟机、Kubernetes等），又能高效运行各类 AI 智能体工作负载（文本、图形、视频）。它搭载了新的 Blackwell RTX Pro 6000 GPU，并通过全新的 CX8 互联芯片（兼具交换和网络功能）实现高达 800 Gb/s 的 GPU 间东-西向流量带宽。黄仁勋引用性能曲线图显示，该服务器在 Llama 70B 模型上的性能是 H100 的 1.7 倍，而在优化程度更高的 DeepSeek R1 模型上，性能可达 H100 的 4 倍。
黄仁勋还概述了企业 AI 栈的另外两大支柱：AI 存储 与 AI 运维（AI Ops）。未来的企业存储将需要 GPU 前置来处理非结构化数据的语义搜索和索引，NVIDIA 的 NeMo Retriever 及相关蓝图正在与 VAST、戴尔、Hitachi、IBM、NetApp 等存储厂商合作。AI Ops 则涉及模型的微调、评估、护栏和安全，NVIDIA 正与 CrowdStrike、DataRobot、Elastic 等伙伴共建生态。
机器人未来：仿真、学习与数字孪生
机器人是黄仁勋演讲的另一核心。他宣布，用于机器人开发和运行的完整平台 Isaac Groot N1.5 现已开源，并已被下载超过 6000 次。该平台包括用于训练的 AI 超级计算机（GB200/300）、用于仿真的 Omniverse、以及用于部署的 Jetson Thor 机器人处理器和 Isaac OS。
针对机器人训练数据稀缺的挑战，NVIDIA 推出了 “Groot Dreams”蓝图。该方案利用 NVIDIA 的 Cosmos 物理 AI 基础模型，对少量人类示教（Teleoperation）数据进行扩增，生成大量高质量的合成轨迹数据，从而用一个小团队的工作量达到数千人示范的效果。
黄仁勋特别强调了人形机器人的重要性，认为它是唯一能无缝融入现有（为人类设计的）环境（即“棕地”）的机器人形态，并且因其潜在的海量规模，最有可能成为下一个万亿美元产业。
这一切都离不开 数字孪生。黄仁勋展示了台积电、富士康、和硕、广达、纬创等台湾合作伙伴利用 Omniverse 构建的工厂、数据中心乃至城市级别的数字孪生。这些高度逼真的仿真环境不仅是规划和优化的工具，更是训练机器人、模拟多智能体协作的“机器人健身房”。他透露，全球未来三年有约 5 万亿美元的新工厂投资计划，数字孪生技术将至关重要。
深耕台湾：宣布建设本地 AI 超算与新总部
作为对台湾生态系统的肯定和加码，黄仁勋宣布了一项重磅合作：NVIDIA 将与富士康、台湾地区政府及台积电合作，在台湾建设第一座巨型 AI 超级计算机，为本地研究人员、学生、初创企业及大型公司提供世界级的 AI 基础设施。
演讲最后，黄仁勋以一个“新产品”发布将气氛推向高潮——由于在台员工规模不断扩大，NVIDIA 计划在台北信义区贝托谢林（Beetho Sheiling）地块建设名为 “NVIDIA Constellation” 的台湾新总部大楼，这象征着 NVIDIA 与台湾科技产业更紧密、更长期的绑定。
黄仁勋总结道，当前是“一生一次”的机遇，NVIDIA 与合作伙伴不仅是在创造下一代信息技术，更是在开创一个全新的产业。他期待与生态伙伴共同构建 AI 工厂、企业智能体、机器人，并以统一的架构扩展生态系统。Nvidia CEO 黄仁勋：将在台北发布新硬件产品线Techub News 消息，据 CryptoBriefing 报道，Nvidia CEO 黄仁勋在台北暗示将于 6 月 1 日 GTC 主题演讲中发布新硬件，包括 Grace Blackwell 架构、Vera Rubin 芯片平台及一款神秘新产品。
该演讲将为 Computex 2026 揭幕，重点聚焦物理 AI 与下一代计算技术。黄仁勋此前与台积电等合作伙伴会面，并宣布 Nvidia 计划将台湾年度投资增至 1500 亿美元，同时推进可容纳约 4000 员工的 Constellation 总部项目。白宫批准 90 亿美元用于间谍机构增强 AI 能力Techub News 消息，据报道，白宫已批准一项 90 亿美元的机密资金申请，用于为美国国家安全局（NSA）和中央情报局（CIA）配备 Nvidia Grace Blackwell 超级芯片及配套数据中心基础设施。
该支出涵盖先进 AI 处理器及液冷系统、高压电力设施等物理基础设施。此举可能加剧全球 AI 芯片供应紧张，或推动去中心化计算网络作为替代方案的需求，同时可能影响加密相关 AI 项目的硬件获取。撰文：Techub News 整理 导语 2026 年 5 月，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）与 Dell Technologies 董事长兼 CEO Michael Dell（迈克尔·戴尔）共同接受了 Bloomberg 的深度访谈。此次对话发生在 NVIDIA GTC 大会之后，正值 AI 从技术探索迈向大规模生产应用的关键节点。两位科技巨头领袖不仅分享了各自公司在 AI 基础设施、企业解决方案上的最新进展，更就 AI 智能体的未来、全球供应链挑战以及地缘政治下的市场准入等尖锐问题发表了看法。他们的对话，为我们勾勒出一幅从云端到边缘、从生成内容到执行任务的 AI 未来全景图。 摘要 AI 应用正从“测试评估”全面转向“生产部署”，企业级市场是下一波巨大增长点。 “智能体”将取代“生成式 AI”成为新焦点，其核心是在数据所在处（如本地、工厂）执行实际工作。 NVIDIA 与 Dell 正携手构建完整的“AI 工厂”解决方案栈，涵盖大脑（GPU）、运行时（CPU+软件框架）和长期记忆（数据平台）。 AI 驱动的需求增长远超全球供应链当前产能，尤其是先进存储和半导体，这被视为结构性而非周期性变化。 Jensen Huang（黄仁勋）对中国 AI 芯片市场持开放态度，认为尽管存在限制，但巨大的需求终将推动市场进一步开放。 从云到边缘：AI 部署的范式转移 访谈伊始，主持人便指出一个显著变化：过去几年，Jensen Huang（黄仁勋）谈论的重心是超大规模云服务商的加速计算，而现在，焦点转向了本地部署（on-prem）的“AI 工厂”。黄仁勋对此给出了清晰解释：智能必须在其上下文所在之处产生和执行。 早期 AI 应用多集中在云端，尤其是消费级服务。然而，对于像礼来（Eli Lilly）、三星这样的制造业巨头或任何拥有大量敏感、专有数据的企业而言，将 AI 智能体部署在本地至关重要。那里存放着公司所有的核心数据、技能和业务流程。黄仁勋强调，生成式 AI（如初代的 ChatGPT）擅长创造内容，但这只是开始。新一代的“生产性 AI”或“智能体 AI”的价值在于“完成工作”。它们更像是数字员工，能够利用工具，在真实的物理世界或企业系统中执行任务，带来十倍甚至百倍的效率提升。 Michael Dell（迈克尔·戴尔）补充道，当企业利用这项技术重新构想工作流程时，获得的不是百分之几十的渐进式改进，而是数量级式的飞跃。这种变革速度正是企业赢得竞争优势的关键。Dell 的角色是将 NVIDIA 的技术转化为客户可直接使用的完整解决方案，为全球企业提供类似云服务商为自身提供的“AI 工厂”能力。 构建 AI 智能体：大脑、缰绳与记忆 黄仁勋详细阐述了构建一个能够“工作”的 AI 智能体所需的技术栈，这远远超出了一个大型语言模型（LLM）本身。 首先，是“大脑”。即像 Grace Blackwell GB200 这样的超级芯片，用于运行庞大的语言模型。其次，是“缰绳”。这是指即将发布、专为生成式 AI 设计的 Vera CPU。CPU 的作用如同缰绳，控制着 LLM 这匹“骏马”，使其能够安全、有效地访问内存、网络、工具，并管理短期工作记忆和长期记忆。这个“缰绳”软件层将原始的大脑模型转变为可用的“智能体”或“数字机器人”。 第三，是“长期记忆”。NVIDIA 与 Dell 合作，创建了基于 NVIDIA 技术的 Dell AI 数据平台，专门服务于智能体的长期记忆需求。此外，扩展智能体规模所需的网络、以及名为 Nemo Crawl 的智能体运行时环境，都被集成在一个名为 Open Shell 的安全治理容器中。 Michael Dell（迈克尔·戴尔）指出，随着企业内部智能体框架的普及，CPU 的需求量将大幅增加。他描绘了一个未来图景：全球可能有数百亿个智能体，它们持续不断地使用工具，其速度和频率远高于人类。因此，我们需要海量的 CPU，而这些 CPU 都连接着 GPU“大脑”，以便知道如何思考、推理、计划和使用工具。 供应链：结构性挑战与长期愿景 当被问及当前最大的供应限制时，两位 CEO 不约而同地提到了高带宽内存（HBM）和先进制程半导体。黄仁勋承认，尽管半导体供应链正在扩张，但需求增长的速度更快。NVIDIA 通过多年的规划和与合作伙伴的深度协作，确保了从 HBM、Grace Blackwell 芯片到硅光技术等各个环节的供应对齐。然而，全球的总产能仍难以满足爆炸式的需求。 主持人提出了一个关键问题：内存行业历来具有周期性（繁荣与萧条交替），如何说服供应链伙伴这是结构性、永久性的需求增长？黄仁勋分享了他的方法论：NVIDIA 长期致力于与供应链上游（如美光、SK 海力士）沟通未来的产业愿景。例如，他在三年前就向美光 CEO 详细解释了今天正在发生的 AI 变革，以确保对方能据此规划产能。他强调，必须让上下游供应链（包括电力、土地、融资方）都为这个未来做好准备。 黄仁勋的逻辑很简单：我们正在进入一个拥有数十亿 AI 智能体的时代，它们如同数字工人，7x24 小时不间断工作。正如每个知识工作者需要一台笔记本电脑和一部分数据中心资源，每个智能体也需要相应的计算、存储和基础设施支持。Michael Dell（迈克尔·戴尔）也认同，尽管预测长期需求很难，但他们与供应链伙伴长达数十年的合作关系正在发挥作用。他判断，AI 基础设施的建设才刚刚开始，将持续至少十年，而紧随其后的将是物理 AI（机器人）的浪潮，那将是一个更大的市场，需要全新的基础设施能力。 地缘政治与市场前景：中国与供应链韧性 访谈不可避免地触及了地缘政治话题。主持人询问了黄仁勋2026 年 5 月随美国总统访问中国的行程，特别是关于 H200 芯片对华销售许可以及中国市场的态度。 黄仁勋首先表明，美国总统希望美国在 AI 革命中引领全球。关于 H200，他表示该产品已获得对华销售许可证，但最终取决于中国政府如何平衡保护本土产业与引入更多 AI 算力以扩大市场。他感受到中国对 AI 的需求同样惊人，生成式 AI 在中国也取得了巨大进展。他引用中国领导人的表态，认为中国将继续扩大开放，因此他预期市场将随着时间的推移而进一步开放。不过，他澄清此次行程主要是作为美国代表支持总统，并未直接与中国官员讨论 H200 的销售细节。 Michael Dell（迈克尔·戴尔）作为总统科技顾问委员会成员，也表达了希望看到中美之间更多经济合作的愿望，他认为这最终将为所有人带来更大的繁荣和更成功的国际关系。 关于台湾问题，黄仁勋指出台湾仍是全球科技制造与研发的核心，供应链高度集中于此。但同时，美国也在积极推进本土制造业回流，建设更多的晶圆厂、封装厂和 AI 工厂。由于需求极其旺盛，全球产能正在全方位扩张。他的结论是，实现供应链的多样性和韧性是可能且必要的，而台湾将继续作为全球科技中心之一发挥关键作用。 PC 的未来：个人 AI 的崛起 在访谈尾声，话题转向了看似传统的 PC。Michael Dell（迈克尔·戴尔）强调，PC 仍然是知识生产力的中心设备，并且正在进化。新款 XPS 笔记本已经能够本地运行小型 AI 模型，实现混合 AI 计算。用户对更强大 PC 的需求正在上升，这依然是一个充满活力且能带来供应链规模优势的业务。 黄仁勋则从更宏大的计算演进角度展望未来。他认为，我们正在见证“个人 AI”时代的开端，它将接续“个人电脑”时代。其核心理念依然是：AI 需要存在于上下文所在之处。如果一个人的所有信息和工作都在笔记本电脑上完成，那么 AI 助手就需要在本地运行。同理，工厂、医院、自动驾驶汽车中的 AI 都必须部署在相应场景中。这种分布式、无计量限制的智能，将是下一代计算的核心特征。当被问及 NVIDIA 与 Dell 在 PC GPU 上是否会合作时，两位 CEO 卖了个关子，暗示“很快会有消息”，留下了巨大的想象空间。
