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。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。
