刚刚，黄仁勋霸气回应：没见过实物就敢下500亿订单，全世界只有英伟达一家。

就在今天，英伟达CEO黄仁勋的两个采访视频发布。

早晨，彭博发布了主持人Emily在伦敦对黄仁勋的专访，并截取了其中的6分多钟片段。

黄仁勋直言，他将停止向一家正在开发不安全AI软件的客户供应芯片，尽管他认为目前对AI技术的担忧程度没有必要。

“这只是个假设，但答案是肯定的，在那之前你们应该先沟通一下。我们不运营其他公司的业务，我们对其他公司使用我们技术的评判也是有限的。我们的技术是通用的。”黄仁勋表示。

“许多年轻公司都在经历成长的阵痛，而且它们发展速度惊人。随着公司不断发展壮大，随之而来的是责任和义务。”黄仁勋称，他相信AI软件可以得到安全控制和部署。但同时，人类应该加快AI技术的发展。

晚上，硅谷投资人博客Bg2 Pod放出与黄仁勋的近100分钟专访。

桌子上，黄仁勋拿着黑色的保温杯，桌子上还有黄仁勋父母从台北带来的中式甘草味的李子干零食。

黄仁勋在这次专访当中谈到很多，包括接父母看特朗普、AI泡沫、AI末日论、太空算力、芯片行业未来等。

黄仁勋说，他特意包了一架飞机让父母来美国，而父母还特意买了新衣服到国家科学奖章获得，并且一起见到了特朗普。

黄仁勋及其父母、马斯克母亲梅耶·马斯克以及特朗普的合照

对于产能问题，黄仁勋亲口表示，英伟达面对500亿美元的订单，买家没见过货，就只能客户盲下单，而客户敢拍这个单，赌的就是“英伟达”三个字。

他还拿台积电打比方。英伟达把 100% 的业务交给台积电，图的是能提前五年做规划，没见到实物也敢确定下一代晶体管一定更出色。

这套逻辑他原样套在自己身上：Grace Blackwell 验证了 Vera Rubin，Vera Rubin 接着验证 Vera Rubin Ultra，一代压一代。

主持人则把今年AI行业规模的账摊开了，他认为全行业 AI 实验室今年的收入加起来大约 2000 亿美元，要连翻两番到 8000 亿，才勉强够到数万亿美元资本开支的回本线。

黄仁勋的回应直接：别把 OpenAI 和 Anthropic 外推成万亿美元公司，它们不需要做到那个体量也算成功。

黄仁勋顺手给了个数字，英伟达如今占全球云厂商资本开支的 40%，亚马逊AWS、谷歌云、微软云都是英伟达的客户。

“新订单几乎每周、每天都在进来。另外，我们的供给也在增加，而限制我们的一部分因素，是下游的土地、电力和机房壳体。”黄仁勋表示，我们手上有巨大的订单记录，每一家CSP云服务商、每一家NCP新兴云厂商、每一家OEM设备商，都早就向我们下过订单。初创公司、大企业、小公司，全都下过单，原因在于，英伟达会和客户一起做预测，按客户体量不同，至少提前一年，最大的客户提前两年，所以不会有突然性变化。

“我在公司内部经常说这句话：即使没有我的领导，英伟达自己也在做着聪明的事。聪明人本来就会做聪明的事；当你把大家组织起来，他们能做出更有影响力的事情。”

展望未来，黄仁勋对AI行业未来十年有99.99%的信心。

“所以，我们有担忧是好事，我们应该表达忧虑、表达关切，但我们不应该预言世界末日。因为他们低估了人类的处境，低估了人类的能力。他们出于某种原因，也许是自负，也许是傲慢，总觉得除非由他们亲手来做，这件事就不会被做成。”黄仁勋称。

以下是黄仁勋在Bg2 Pod播客中的对话全文整理：

主持人：过去十天，你先是出席了白宫晚宴，接着参加了白宫峰会，达成了《白宫超级智能协议》，而就在昨天颁发美国科学奖章。让我特别触动的一点是，台上六个人里，有五个都出生在美国以外。当时你是什么感受？

黄仁勋：首先，这件事本身就是一份极大的荣誉，它是对我们公司所做贡献的一种认可。

我们发明了一种全新的计算模型，这大概是当今世界上应用最广泛的计算模型，它是唯一一种同时存在于每一家云、每一家计算机公司、每一个科学领域的计算架构。

游戏玩家在用它，创作者、建造者在用它，科学家也在用它，它为智能提供动力。如果你退一步看这家公司一路做成的事：我们从为游戏玩家打造图形芯片起家，这一点我至今引以为豪，如今累计出货量已达 16.7 亿颗。

可以说，我陪伴了一代又一代的科学家、孩子和设计师成长。而走到今天，我们已经成为为全社会的智能提供基础设施的公司。能够代表公司领这个奖，我感到无比自豪。

至于我父母，是我特意想让他们去的。我基本只给了他们 24 小时的准备时间，而他们平时并不常出门旅行，我爸甚至连一套西装都没有。结果他跑出去买了一套，是一套崭新的西装。

我原本压根不知道他买了西装，还以为他会随便套件衬衫就去呢。我妈也添了一条新裙子，同样是在 24 小时之内搞定的。

主持人：我懂这套流程。

黄仁勋：可不是嘛，简直不可思议。总之，我们给他们包了一架飞机送过去。他们见到总统开心极了。我妈走路不太方便，总统就搀着她，两个人一起走下舞台时，他一直扶着我妈妈，陪她一步步走下台阶。能见到总统，他们俩感到无比骄傲。

我们当时正准备搬去泰国，准确说是「即将」搬去，我爸刚从美国回来。他在一家叫开利（Carrier）的空调公司工作，那趟是去美国参加培训。结果你猜怎么着，全世界那么多地方，他们偏偏把他安排在了纽约。你想想看，一个二十六七岁、从没离开过台北年轻人，去的偏偏是美国，偏偏是纽约。

主持人：他看到了未来中的未来。

黄仁勋：他回来的时候，整个人都被震撼了。他在机场买的各种东西全带了回来：巧克力，还有那种老式的管装奶酪，就是装在软管里、白白的、有点奇怪的那种。

反正他带回来一堆稀奇古怪的东西。他说，我们总有一天要去那里。于是一等到机会，他们就把我和我哥哥送去了美国。那就是他的美国梦。

主持人：很多人可能都没意识到，你是比父母先到美国的。

黄仁勋：对，他们几年之后才过来。

主持人：但昨天那一刻真的让我如遭重击：台上六个人里，五个出生在美国以外。你我之前聊过，在这么多事情交织的当下，我们需要一个真正的战略、一套像样的人才引进政策，来确保我们仍然是全世界所有伟大建造者想要前来建功立业的地方，这就是美国的超能力。

黄仁勋：在很多方面，这个国家创造知识产权的能力是世界上独一份的。原因就在于，我们吸引了全世界最优秀的人才。这里就是他们想要来安家立业的地方，因为她提供的机会、她给予的自由，因为这种发明创造与企业家精神，因为这种「没什么做不成」的劲头。在美国，一切皆有可能，我们的默认出发点是「当然可能，我们当然做得到」。而我经常满世界跑，在很多其他地方，人们的第一反应是「当然不行，那肯定做不到」。我们把这一切视作理所当然，但这种精神、这种能量、我们在这里创造的文化所带来的东西，怎么强调都不为过。所以，涌入这个国家的知识产权规模之巨，是世界历史上从未有过的。

主持人：确实如此。

黄仁勋：而这正是我们想要的。我们希望全世界所有伟大的头脑都来到这里，带来他们了不起的想法，并在这里把它们变成现实，让这个飞轮一直转下去。我明白，这是一个精妙的系统、一种微妙的平衡，所以必须依法依规去做、合情合理地做。但我们当然要做，而且真心想做。

进入奇点：我们身处何处

主持人：好，我想先从宏观层面聊起，我们现在身处何处；然后稍微深入一点，聊聊安全与监管、怎么把这件事做对，以及算力建设的进展；最后再深挖英伟达（NVIDIA）的增长和那边正在发生的事。

不过你一直特别擅长预判未来。两年前我们坐在这儿，你说市场严重低估了未来五年所需要、也终将发生的算力建设规模；你说累计算力建设不会是一万亿，至少是两万亿，现在当然已经突破了这个数。

你还在所有人都没往那儿想的时候就说过：由于推理时的推理与思考，推理算力将增长 10 亿倍。去年，在我们见到 Opus 4.6、见到 Claude Code 之前，你就说我们正在进入智能体的时代，将会解锁一大堆这样的能力。果然，Opus 4.6 出来了，Claude Code 一飞冲天。那我们现在到哪儿了？我们有 Elon、有 Sam。

黄仁勋：怎么，只挑出三件我说中的？我还有另外两百件呢。这段你就留着吧，让这期播客到此为止算了。

主持人：还有 Demis。他们都公开说：「我们正处在奇点的山脚下，或者说正在进入奇点。」我们也看到模型解出了纳维-斯托克斯方程。所以，当你望向你的水晶球：我们在哪儿？我们是不是正处在拐点上？是不是正在加速进入超级智能的全新阶段？我们先把这个问题拆开来聊。

黄仁勋：首先，为什么我们需要的算力会比不久之前，也就是所谓的「去年」，多出 10 亿倍，这在逻辑上是非常清晰的。原因在于，思考和解决问题需要大量的推理，远不止把某样东西重复一遍、复述一遍。

当你使用 ChatGPT，给它一个提示词时，其中大部分知识早已被编码进大语言模型里；不幸的是，它会产生幻觉。所以它的下一步是：依然是生成式的回答，但同时被真实依据所锚定。它会先出去快速搜一下，拿回事实信息，再以此为条件，结合自己预训练时已经学到的东西，生成新的答案。

而我们真正想做的那些有意思的事情，大多需要你一步步推理：想出好几个方案、做好规划。你可能会说：先看看这几条路径各自怎么演化，然后基于所有这些结果，我来反思一下目前为止最好的答案、最好的路径，挑出一两个或三个继续推进，把其余的剪掉，然后再不断重复这个过程。

人类就是这么干的。这就是为什么我们说，伟大的战略家热爱战略可选性：一方面你不能过早剪掉选项，另一方面你又必须优化资源。AI 现在就在做这件事：它们保有战略可选性，把各种可能性铺开、修剪、反思、再修剪，如此往复。

所有这些思考、所有这些探索，需要多得多的算力。而且还不止如此，因为它现在能干出真正有产出的活了，我们会把更多的事情交给它。于是两头叠加、复利增长：它用更多算力把活干好，而正因为它干得好，我们就会「雇」它去干更多的活。

这一切都在滚雪球。说到这里，我想说去年最大的一个观察是：一方面，我们当然希望模型越来越好，也仍然希望模型越来越好，模型的缩放定律（scaling laws）还会继续成立；但与此同时，要给模型装上一副 harness（执行框架），基本上就是大语言模型的外骨骼，可以说是「大脑的身体」，让它能够管理工作记忆、管理知识。

如何从工作记忆到短期记忆、再到长期记忆，最终形成你的知识图谱？我们人类就是这么干的：会琢磨「我学到了什么，它怎么融入我过去知道的一切」；我们睡觉的时候在做「压缩整理」，没道理的、不重要的东西慢慢就忘了，而重要的东西会以某种方式重新连接起来。这是一整套离线完成的知识提取与创造、知识图谱的构建。整块「记忆」能力，是件大事。

另一件大事，当然是工具使用。

我们已经教会这些 AI 与人类有史以来创造的最重要工具打交道。这就好比一个机器人走进你家：它更可能直接用你家里现成的各种工具，而不是跑到外面从头再造一套。所以 SPICE 依然有用，Verilog 有用，各种仿真器有用，还有设计编译器、Photoshop、AutoCAD、西门子的那一整套工具。

所有这些我们用来运营公司、建设公司、设计产品、管理业务的工具，都会成为智能体的绝佳工具。但前提是，智能体得先学会使用它们。所以在过去一年，这两大领域，知识与工作记忆，以及工具使用，是两次巨大的解锁。

于是突然之间，你可以把这些封装在harness里的大语言模型放进你的公司，把它们接到你的信息、你的事实依据上，接到它们能调用的工具上。

突然间，它们就开始干出令人惊叹的事情。坦白讲，最容易的部分其实是编程，那算是有用工作的第一个入口。编程之所以「容易」，很大程度上是因为编程语言和它们所用的工具，本来就是那类「用处极大、却并不特别易用」的东西。所以早期要把编程智能体部署好并不容易，但软件工程师们找到了办法。

而现在，我们的「下一步」到了。你们大概也玩过 Astra。

OpenAI 的 Astra 真的是太棒了，我们在各种地方都在用它。这一代智能体能做设计工作，能做大量创意营销工作。我们在用它做这样的事：拍一张照片递给 Astra，它会直接把它重建成 CAD 模型。这太不可思议了，因为我们正需要 CAD，有了它，我们就能在 CAD 上交互、微调、调整。

Astra 能给我们第一版初始实现，生产力提升惊人。现在，把 Astra 的最新版本应用到所有这些不同领域，我认为除了软件工程之外，我们还会看到设计师、建造者、创作者，还有科学家，这一整片领域将被解锁。当然，挑战在于：我们如何把智能体安全、可靠地部署到全世界的企业里。这又回到了那个完全相同的问题：安全与安全保障。这个我们待会儿再展开聊。

主持人：那个我们回头细聊。让我深感震撼的是：这一切都发生在今年，而 OpenAI 和 Anthropic 各自手里的算力，也不过两三吉瓦而已。相对于即将到来的规模，这只是很小的一笔。

经济的通常运作方式是这样的：人们给经济或公司建模时，默认模型是线性减速的，人们非常不擅长为加速建模。但眼下我们面对的是一条双指数曲线，海量的新算力正在上线。如果 OpenAI 和 Anthropic 明年把算力再放大三五倍，这是不是完全说得通？

我们已经解出了纳维-斯托克斯方程，将来回头看我们会说：那只是很小的一点算力、一点智能，是从今往后我们所能拥有的最差的智能，而它就解决了一个千年难题。那么，展望明年上线的这批算力，你是否预期我们会在那些需要长时间运行的智能体任务上取得重大突破，也就是可以用智能体集群去攻坚的那些问题？

黄仁勋：纳维-斯托克斯方程就是一个绝佳的例子。要记住，OpenAI 并不是从零开始解出纳维-斯托克斯的。

他们能把它解出来，靠的是站在众多伟大科学家、伟大数学家的肩膀上，建立在大量前人工作的基础之上。我之前说过，我们正处在许多不同领域的临界点上。就拿纳维-斯托克斯方程来说，大量基础性工作已经完成。如果我们能把 AI 那种穷尽式的探索，应用到这些前人成果之上，我们会很快看到一个突破接着一个突破地涌现。

但这需要大量算力。原因在于，这背后需要海量的搜索。

你想，如果某个突破只需要有人从第一性原理出发推演出某个基础理论就能得到，而不需要对搜索空间做海量的探索（是搜索空间，不是外太空），那早就有人把它找出来了，对吧？人都很聪明。所以我认为，有很多这样的问题就悬在临界点上，只差那股大规模的智能探索，就能把我们推过去。

可以预期，智能的成本会相当快地降下来。原因很明显：一方面，我们在把更多算力带上线；另一方面，这些模型本身越来越聪明，越聪明，效率就越高。两件事叠加，智能的成本就会降下来，而这当然正是大家想要的，对吧？这和摩尔定律没有什么不同。往前追溯三十来年，过去三十年，计算的成本每年都在减半。我们也希望智能的成本每年降一半，甚至二十分之一，因为消耗量的增长，会远远补上这一点。

所以，这个世界上有一大片亟待填补的空白，一大片机会的真空。我们只要把成本降下来就行。

主持人：关于纳维-斯托克斯，让我印象最深的一点是：他们让一万个智能体协同工作。在我看来，OpenAI就像一家超大规模公司，把所有智能体都指向同一个目标。现在早期阶段，主要还是大量并行化的搜索和探索，但我认为，目标是让越来越多的智能体朝着一个共同目标协作，从而解决更多的问题。而且顺着你的话说，据我们的测算，解出这一个实例大概花了 400 万美元的算力。而未来几年，做这种事情的成本还会再降 5 到 10 倍。所以，我们能做的事情的范围，正在急速扩大。

黄仁勋：我们的雄心会一飞冲天。最早的 GPT，挑个数字说吧，大概花了 2000 万美元训练出来。而现在你要想训练 GPT-1，得花多少？一千美元？一百美元？

主持人：差不多一百美元。对。

黄仁勋：从 2000 万美元，往少了说就算 1000 万，降到 100 美元，我们只用了 10 年。与此同时我完全预期，我们的雄心也变得如此之大：如今训练的模型是 3 万亿、10 万亿、30 万亿，我们谈论的是巨型模型。我们对这项技术能力的期望一路上去了，与此同时，我们对它的使用量，从十年前到现在，大概涨了一百万倍。

所以我不认为这个趋势会停下来。对智能的需求，近乎无法满足。你越聪明、越有智能，能想到的「用智能去做什么」的点子就越多。这辈子我学得越多，就越发现有更多事情要做。因为每学会一样新东西，就推开一扇新的门；每推开一扇新的门，你就看到更多机会、更多挑战、更多问题。这就是未来。

人们说，这些会让我们拥有更多时间。我完全不同意。我认为对大多数人来说，智能会解锁更多的机会，而人们会想去追逐这些机会。你给我举一个这样的家庭的例子：一位父亲、一个儿子、一个丈夫、一位妻子、一位母亲，谁不想要这些、不对家庭的富足怀有抱负？

他们只是没有机会罢了，而这些东西会把机会打开。

回到 1930 年，凯恩斯对工业革命做过一个预测：一百年后，经济将增长 8 倍，而每周工作时间会缩短到 15 小时。他说对了，经济确实翻了 8 倍，我们收获了巨大的富余和生产率提升。

主持人：对，只不过我们现在一周要干 80 个小时。

黄仁勋：但我们并没有降到每周 15 小时。凯恩斯算错的是人类的精神，对吧？他没有意识到：工作就是意义，发现就是意义。

这深深在我们的 DNA 里。我现在工作得比以往任何时候都努力，也比以往任何时候都开心，不是像我祖辈那样出于迫不得已，而是因为我想这么做。所以在这一点上我同意你的看法。

我对「奇点」这个想法非常着迷：奇点的假设是，我们如今拥有了这些智能体，它们能在长周期任务上协同工作，能始终盯住任务不跑偏。我喜欢你的这个说法。

主持人：互相盯着别跑偏，像一个团队那样协作：「嘿，你跑偏了。」没错。

而且我喜欢你的那个观点：我们都是在前人所有成果之上继续往上盖的。想想完全自动驾驶，我们谈了十年，却一直没有真正做到，对吧？可突然之间，你上 Twitter 看看，人人都在体验 Tesla FSD、体验 Waymo，我们到了。今天早上有人问我：「你开车过来感觉怎么样？」

我说：「不知道。」因为我上了车、按下 FSD，就再没管过，直到开进停车库。我一路上都在工作。但如果把这种跃迁放到科学领域，制药、基因学领域即将到来的突破：我们已经铺了 30 年的轨道，即将在治愈世界诸多重大疾病上实现突破。

当然，ChatGPT 已经在帮父母规划一天的日程、解决孩子的健康问题、让他们得到更好的教育。不过，跟我们聊聊：为什么这些东西要突破出来这么难？Jensen，这些东西明明已经存在、正在改善生活、而且就在拐角处。我很好奇，为什么它们迟迟无法真正突破出来？

黄仁勋：让我来试着回答一下。说到底，我们也不会真正知道答案。我跟很多人聊过，听他们讲了自己的看法。

我想，其中一点当然是：AI，或者说超级智能（SI），是一种「软」东西。你看不见它，摸不着它。于是，全世界都在谈论这项技术，可你看不见、摸不到。

尽管人们其实已经在从中受益：搜索的时候，他们已经在受益；购物的时候，在受益；看 Netflix 的时候，在受益；去沃尔玛买东西，在受益；FedEx 能把东西送到我们手上。这一切今天都在借助超级智能和加速计算。只是我们没把这个故事讲好。生活确实在受益，只是这一切是隐形的。所以你想，如果哪个周末我们把数据中心、把超级智能统统关掉，我敢说每个人都会察觉。对。我知道你还有一个专门关于机器人的问题。

物理 AI 与机器人

主持人：你今年已经不止一次公开说过，机器人的 ChatGPT 时刻已经到来，你也说过这可能是你们下一个千亿美元级的市场。那你今年在这个拐点上看到了什么，让你觉得这一切已经近在拐角？

黄仁勋：这个千亿美元，我说得还保守了。因为今年上半年，我们光物理 AI 就做了 100 亿美元。

物理 AI，本质上就是以某种方式与物理世界交互的 AI。它可以是光子计数 CT 机，可以是超声波设备，可以是新一代成像雷达，也可以是下一代 5G，它不但要理解无线电波，还要理解各种各样的信号，那是一张感知网络。当然还有机器人、自动驾驶汽车、制造系统、视觉检测，还有地理空间卫星，给世界成像，再把它重建成 3D。你看整个电磁频谱，从可见光谱到不可见光谱，处处都有 AI 在工作。而我们在这整条频谱上都在做工作。

而作为 AI，它有感知的部分，有推理的部分，然后还有规划与执行的部分。

一旦走到规划与执行，那就是自动驾驶汽车、机器人这类东西：仓库里的配送车、不需要你精确编程、自己就能学会的抓放机器人，一直到人们谈论的进入你家里、帮你铺床的消费级机器人。

还有医疗机器人、医院机器人，很多很好的例子：把你的处方精准地送到病人面前，让机器人护理一天 24 小时、一周 7 天、每一秒钟守护病人的安全，还有整间将完全机器人化的手术室。大量了不起的技术正在落地。

所以纵观这一切，我们已经是世界上最大的物理 AI 公司。今年上半年我们做了 100 亿美元，去年全年做了 100 亿美元，那是我们第一个 100 亿美元的年度。再往前一年，是 50 亿。

主持人：好。所以从 50 到 100，就当我们今年做到 200 亿。

黄仁勋：谁知道呢？所以说千亿，可能还说少了。

我认为，归根结底，最终对我们重要的东西都会触及物理世界，而我们就生活在物理世界里。把软件和计算，带进一个历史上基本以机械、电气为主的行业，这是巨大的机会。看看 Elon 对汽车行业做了什么：把它变成了一个计算行业、科技行业。我认为每一家汽车公司都会成为科技公司，每一家航运、收发和物流公司都会成为科技公司。

我为 FedEx 感到无比兴奋，他们显然将成为一家 AI 公司、一家科技公司。沃尔玛显然将成为一家科技公司、一家 AI 公司，我为他们感到超级兴奋。整个电信行业将被再次重塑为科技行业，他们很久以前本是科技行业，后来变成了服务行业，如今又要重新变回科技行业。我很高兴与 AT&T、Verizon 以及欧洲和世界各地的伙伴合作，见证他们重塑自我。所以你去看每一个触及物理世界的行业，都有用 AI 重塑它们的绝妙点子。我刚去了华盛顿。

说来有趣，人们总想给我们归类。但实际上，我们在仓储物流里，在医疗健康里，在汽车行业里，在电信里，地球上每一个行业里。我们在生命科学里，也在娱乐行业里。

要知道，很长一段时间里，英伟达基本上就是一家娱乐游戏显卡公司。

每一个这样的垂直领域，NVIDIA 里面都有一套庞大的技术栈，我们在生态系统里扎得非常深，有极好的合作伙伴关系。所以说不定哪一天，人们就不再把我们归类为一家芯片公司了。

主持人：对，也就是说，打法就是把你们在汽车领域的 playbook，我想，复制植入到每一个这样的行业里。

黄仁勋：对，那是我们最终想做出的贡献。但在每一个领域，搭建一个物理 AI 平台都需要三台计算机。你需要一台计算机去创造「大脑」，那是训练系统。但同样重要的是，你们也会看到各大实验室都这么做，他们需要为互联网建一个数字孪生，这样就不必把自己的 AI 智能体直接扔进真实的互联网里去学习怎么使用它。

就像我们创造了 Omniverse，作为仓库、楼宇、城市和物理世界的数字孪生一样，我们把机器人放进数字孪生里，让它在数字孪生里学会怎么当一个机器人，然后再把它部署到最后一台计算机上，比如装在机器人、汽车或手术器械里的那一台。所以这需要三台计算机、三套完整的栈，而我们为其中每一套都构建完整的栈，全世界只有我们一家公司这么做。而如果你是一家想端到端自己建的公司，你可以三台里用两台、三台，也可以只用一台，我们完全无所谓。每一台计算机都有自己独立的软件栈。我们在所有垂直领域都是同样的做法。

主持人：当然，这些能力是把双刃剑，这也是为什么我们听到很多人谈论安全。你一直强烈批评「末日论」叙事，只有把技术真正建起来，你才可能走到那一步。

负责任地建设

黄仁勋：没错。所以第一件事，就是负责任地建造这项技术。注意「建造」这个词，这是一个工程词汇。这关乎技术，关乎工程，关乎工程师、科学家和研究者。我们必须安全地、负责任地把这项技术建造出来。那问题就是：你做得到吗？答案是：绝对做得到。因为如果你做不到，那从一开始就不该建它。

所以，我们要么相信自己能做到，要么就根本不该建。我相信我们做得到。来，让我跟你把这里面的道理捋一遍。有人说，有些人说，AI 之所以不可控，是因为它不可能被完美对齐。给各位观众解释一下「对齐」是什么意思：你对某个人说，我要你做这件事，于是使命很清楚。使命之所以清楚，是因为你用英语把它说了出来。比如：「我要你解这个一元二次方程。」

使命是解出这个二次方程，而对齐是「怎么做」，做法有很多种。比如，你把它背下来了，好，答案是多少就是多少；或者你在某本教科书里看到过这个答案，于是翻出来抄上；或者你去查了参考资料；再或者，你知道有个抽屉里装着所有答案，你拉开抽屉，把答案取了出来。有人管这叫作弊。我管这叫：打开抽屉，取出答案。计算机干的就是这种事，解同一个问题，有很多很多种办法。当然，这个例子非常明确。再来看另一个：「在人生中获得成功。」这个使命说起来很容易，事实上我们天天互相这么说。我们对孩子说、对朋友说：让我们尽力为社会做贡献。好，现在问题来了：怎么做？方式太多了。你要如何合理地对齐？每个人的文化、背景都不一样。有人认为为社会做贡献意味着慷慨、与人为善；有人可能认为意味着赚很多钱、然后做慈善；有人可能这样、那样，等等等等。难道不是这样吗？

有些人可能会觉得，光是建成一家公司、独立做成一件事，就已经是对社会足够的贡献了；创作出一件美丽的艺术品，这些都说得通。所以问题就变成：什么是对齐？这完全取决于你的背景、你的文化，也许还和你住在哪里、从哪里来有关，答案有无数种。所以我想说的是：对齐是一件永远要做下去的事。如果我们非要依赖「完美对齐」才能确保安全，那我们永远也到不了那一天。

答案是这样：想想我们是怎么对待婴儿、怎么养育孩子的，还有养宠物、带员工，对吧？你从「圈定」（containment）开始。你给他们相应的权利，使用工具的权限、获取信息的权限，以及与所交办任务相称的责任和能力，还有资金、资源，你按要交给他的工作来给他权限。你从零信任（zero trust）开始。招一个人的时候，你就是从零信任开始的；家里有个一岁的娃，你会把他放进游戏围栏里。你默认零信任，只给最小的权限，然后随着了解加深，再逐步扩大这个边界。所以每当我们有一个新的 AI，都必须做同样的假设。每当你在测试一个 AI：零信任、最小的边界、最小的权限，然后在测试中给自己建立信心、再逐步放开。所以，圈定，非常紧密的圈定，对任何自主系统来说都极其重要。

第二件事是监测，原因在于：如果你对一个聪明人说，「听着，我就坐在这儿盯着你干活，确保你干得对」，「我就坐在这儿看着你，确保你把客户服务好、干得足够卖力」，那这个自主系统在你盯着的时候和没盯着的时候，表现肯定不一样。这就像 Brad 现在正站在房间里盯着我一样。

所以，监测必须带外进行，而且必须有能力观察到自主系统做出了与政策不一致、或与对齐不一致的行为，同时你还得有能力去上报处置，或者干脆把它关掉，说关就关。这类能力必须存在。这是工程问题、技术问题，是完全可以做到的。

我们最近发布了名为 Open Shelf 的东西，现在已经有 100 多家公司加入，全世界范围内有大量行动，因为所有人都想要同样的东西。

我感觉美国国内有一种看法，觉得某些超级智能的领导者就是在无脑蛮干、根本不在乎、鲁莽行事，只想把钱全捞走。可是当我环顾那张桌子，我没有看到一个人是想鲁莽行事的、是想无脑蛮干的。事实上，在场的每个人都想在「快」与「安全」之间找到恰当的平衡。这正是总统定下的基调。我们对它的具体含义有过一些讨论，落实的方式确实有不同版本。

主持人：那么，你会对那些担心我们有一些鲁莽的人活着行为？你看到过这方面的证据吗？你有孩子。对于你正在参与带入现实的这个超级智能未来，你会担忧吗？

黄仁勋：安全与保障技术，本来就是 AI 的一部分。现在有一种很奇怪的论调，仿佛 AI 技术与安全、保障是两件正交的事。这就好比说：安全气囊、刹车系统、雷达、摄像头、ABS、车道保持，所有这些技术都跟汽车无关。你们明白我的意思吗？仿佛对一辆车来说，唯一要紧的只有发动机。

事实上，整辆车都是汽车技术的一部分。当我说我们要加速 AI 的技术，我的意思就是：我们必须加速安全保障技术，必须加速安全技术，它们全都必须加速。你现在去问任何人，我想大家都会说：让我们加速安全保障、加速安全技术。没有人会说「不，这一块咱们慢一点」。应该加速才对。它们本来就是同一件事。你没办法把能力和功能，跟安全与保障拆开，它们是一体的。而且当你交付服务的时候，没有人会说：「挺好，我很喜欢你这项服务的功能，不过它可真是搞得天下大乱啊。」所以我认为这就是一件事，我们自己把它当作一件事，整个行业也必须把它当作一件事。当我们说「加速」，指的就是加速整个包，包括安全，尤其是安全。

主持人：你提到了「节奏」，尤其是安全上的节奏。有些人读了 Dario 写的《Pacing the Frontier》，以为那意味着放慢速度。

我觉得现场有个很好玩的时刻：总统点名了他的「新晋挚友」Dario，他就是这么称呼他的，让 Dario 讲讲自己对「又快又安全」的理解。Dario 一开口就说：总统先生，您说过，谁赢了 AI 就赢了一切，对吧？

他说，我们所有人都在提速，大家都在加速，都想跑得快、都想赢下这场竞赛；但同时也承认，正如你刚才说的，一路上必须确保安全系统同样在提速、同样跟得上。

我觉得那是个很重要的时刻，因为外界总把 Dario 描绘成这件事的对立面，但在我看来到场的人其实完全在同一页上。后来你跟着他，还有 Greg 和其他前沿实验室的人一起进内阁室签了这份协议。那个房间里有没有人对协议有分歧？当然，协议是签下来了。有没有谁是被「锁喉」着签的，还是大家都心甘情愿？

黄仁勋：所有人都非常有建设性、非常高效。我认为，毫无例外，每一个人都致力于安全、可靠地推进这个行业。原因在于：如果不安全、不可靠，功能就永远没有机会开口，能力也永远没有机会闪光。

所以我们清楚，任何时候，第一优先都是安全与保障。当然，也要看到，这个行业刚刚经历了一场转变。不过是六个月前，这项技术还几乎不能用。没有功能和能力，你把它的安全和保障做给谁看？根本没人在乎。所以 AI 的第一份工作，显然是证明自己能派上用场。而

它真正到达那个节点，就是在六个月前。于是现在，它真正想要被部署、被大规模部署。毫无疑问，整个行业如今都有一种战略上的必然、一种极其迫切的紧迫感，要确保我们部署的一切都是安全可靠的。

所以我确信，所有人都已经完全达成共识：能力、对齐的功能、安全、保障，它们完全处在同一个位置上。第一优先级。

「美国赢」意味着什么

主持人：所以接下来这个问题是：赢。

黄仁勋：我想重新定义「赢」，不是科技行业赢，也不只是 AI 行业赢。美国赢，意味着美国的每一个行业都赢。医疗保健。

主持人：说得对。

黄仁勋：没有什么比这更让我高兴的了。「美国赢」的定义，就是礼来（Eli Lilly）在赢、沃尔玛在赢、联邦快递在赢，每一家都在赢，波音在赢、美国军队在赢、每一位公民都在赢。还有我们的大学在赢、我们的中学在赢。这才是「赢」。如果最后赢的只有技术，却没有一个人去用它，那就不叫赢。

最大的风险，当然还是这一点。我就直接说个底线：如果我们不能安全、可靠地把 AI 建起来，就不会有 AI 科技产业，这对我们来说是生死攸关的问题。而如果我们让它变成对所有其他人的生存威胁，那不可能发生，因为首先它就是我们自己的生存问题。所以，说了这些，「赢」对我们而言的定义，这一点我总得稍微修正一下，我希望我们换个思路，转向（pivot）。

主持人：我喜欢这个说法。

黄仁勋：我希望我们转向。当我看到 AI 在赢、美国的 AI 在赢，这些天我们常常在天上飞、俯瞰大地，我看到的是：每一个州都在赢，每一个县都在赢，每一个社区都在赢，每一家公司都在赢。所有人都赢了，因为我们负担得起在医疗上花更多的钱，负担得起在教育上花更多的钱，负担得起在州际商贸、高速公路等等国家基础设施上花更多的钱。

主持人：我听下来，你说的「赢」是这样的：等到 25 年、30 年、40 年后我们回头看，经济规模要变成现在的 10 倍，每个人的生活都要变得更好；而贯穿其中的、最根本的前提是，这一切必须以符合人类利益的方式来实现。这是我关于这个话题的最后一个问题，我知道我们还有很多要聊。

三条腿的板凳：安全框架

主持人：大多数人并不了解我们国家有一套什么样的安全框架。我说过，我们有全世界最健全的超级智能安全框架。

我们显然是这个星球上唯一一个真正制裁过某个模型、并把它从货架上撤下来的国家，今年早些时候，我们对 Mythos 就这么做了。我把它形容为一张三条腿的板凳。

第一条腿：由 CAISI 和商务部对每一个新的前沿模型做前置审查，新模型发布前，他们做全套工作，审查它、测试它是否可能在市场上造成问题。

第二条腿：白宫超级智能协议，你参与设计的，包括内外部审计、董事会监督，以及随之而来的全部责任机制。

第三条腿：现在由 Jay Clayton 领导的 SI Force，当然还有 Emil、Scott 和 Andrew，正在做关键的行业协调等工作。

就是这三条腿。我最近还听到盖茨说「我们做得还不够，我们需要立新法」之类的话。可在这么短的时间里拼出这张三条腿的板凳，在我看来已经分量很重了。

作为超级智能领域最重要公司之一的领导者，你觉得对着我们要迎来的那个未来，这是不是一个好的进步、是不是我们此刻应该在的位置？

黄仁勋：通往未来最好的方式，就是采取行动。

如果我们一直争论什么才是「完美」，那我们最后就只会陷在对「完美」的争论里，永远到不了未来。所以我非常喜欢这三条腿的板凳：它们是实实在在的，有真实的效力，而且现在就在发生。

我们之所以现在就行动，是因为它有利于我们的公司、有利于我们的行业、有利于我们的国家、有利于我们的社会，好处是全方位的。

如果我们不这么做，结局就没那么理想，我们就追不上那个我们都梦想过的乐观未来。你回头去看看其他行业，我不记得有哪个行业，在它当下所处的阶段，就已经建立起这一切跨公司、跨行业、政府与产业之间的协调机制，来确保我们以负责任、乐观的方式向前推进。

主持人：我只是觉得，让大家理解这一点太重要了。因为说实话，当我听到这件事，他们得先来了解我们到底在做什么，他们连我们在做的事情都不清楚。而我们正在做的量非常大。顺便说一句，这些都不是自愿的：不会有任何一个前沿模型发布。

黄仁勋：做两件事。第一，花点时间来了解一下：这件事到底要做什么，问题究竟是什么。你想要解决方案，至少得先理解问题是什么。所以第一，来了解。我有的是时间，这种事我随时奉陪。来和我们聊聊，来和我们的行业聊聊，去学习。

第二，去了解我们已经建立的这套解决方案，然后看看有没有想法能让它变得更好。当然，我们完全持开放态度。但要拿出建设性。

主持人：我记得这正是超级智能协议的第四点：这套机制不是静态的，而是动态的，这群人会定期碰头，随着技术演进按需更新框架。

2027 年 AI 瓶颈：算力大建设

主持人：不过，我现在想把话题转到算力上。长时间运行、以成千上万乃至上百万的规模组队去解决复杂任务的智能体，这一切消耗的算力要大得多。

SemiAnalysis 的 Dylan 说过：明年我们将新增 43 吉瓦的 AI 算力。给大家一个参照，我们会在网上分享一张图表，这比今天全世界现有的 AI 算力总量还要多。

明年装上这批，后年再来 40 吉瓦。而你是那个最清楚每一块 GPU 被分配到哪儿的人。所以坐在这里，你觉得这个数字靠谱吗？你真觉得我们能装上这么多算力吗？

另外，外面流传的一些说法，许可审批问题、供应链瓶颈，根据你看到的情况，你觉得实际数字会和这个预测有实质性的差距吗？

黄仁勋：我认为需求肯定存在，而且比这还多。需求是实实在在的，甚至不止这个数。挑战在于：当你从数字世界跨入物理世界，阻碍非常多。土地和许可审批；你得把发电能力建起来、并上电网；当然，你还需要建筑工人、设备安装工、水管工，各种各样的工种。

光是建造这些设施就能创造一百万个新工作岗位，一百万个新岗位。而且这些技能不是通用可换的：他们掌握大量专业技能，尤其是建造这些 500 亿美元数据中心的人。

你会需要真正技艺高超的人，而且每一处建设的关键环节，都需要非常特定的技能。再加上各地正在出现的各种暂停令，以及我们在全国范围看到的种种问题。所以我的猜测是：土地、电力、厂房，这些基础建设的瓶颈，将是达成那个目标的最大障碍之一。

至于我们公司，现在具体说说我们自己，我们正在做好几件事来缓解这个问题。其一，因为我们是唯一一家服务所有 CSP 的公司，也服务所有 NCP，我们还通过戴尔、惠普、联想等伙伴拥有强大的企业业务。而且因为我们服务每一家客户、横跨 AI 的完整生命周期，从数据处理，到训练、到后训练（post-training）、到推理、到智能体处理，再到所有我们加速的工具调用，我们的市场敞口、我们的 go-to-market 是全行业最大的。

全世界的每一家代工制造商都在为我效力，每一条市场通路都和我们的架构绑在一起。所以，即便某一个州、某一个社区、某一个数据中心遇到了困难，何况眼下我们的需求远远大于供给，我们只需要相应地调整供应链就行了。

另外我们还有一张牌，这个答案我自己也不是那么喜欢。如你所知，英伟达（NVIDIA）同时也是整个星球的基础设施。无论是在欧洲，我们如今在非洲、中亚、东南亚、拉丁美洲、中东等地都已经有了早期布局。所以说，美国跟不上进度，这一点让我不太痛快。

但具体到我们的业务，我们的触角遍布全球，世界各地都有建设需求。就算不在这里建，我想大家都必须认清一个现实：世界上每一个国家都巴不得把这套东西建到自己上。

所以我认为，单说我们的业务，它可能是韧性最强的。原因就是我刚才讲的这一些：我们覆盖 AI 的全谱系，覆盖计算的全谱系，我们进驻了每一个云、每一个区域。因此这家公司的韧性要大得多。不过我确实认为，明年「土地、电力、机房外壳」会是一个有挑战的环节。

50 吉瓦芯片、35 吉瓦电力

主持人：我从华尔街听到的说法大概是这样：已经宣布的、正在推进或被谈论的芯片大约有 50 吉瓦，而可能真正落地的算力，或者说土地、电力、机房外壳，大概只有 35 到 40 吉瓦。那么到底哪些算力能装进这些土地、电力和机房里，按什么时间表装进去，这还是个悬而未决的问题。

黄仁勋：容我打断你一下。我们的架构是生产率最高的，每瓦电力产出的 token 最多。所以，当全世界的电力、能源供给减少时，大家的选择就会转向生产率最高的那一款。

原因很简单：他们还得做出收入。我所有的 CEO 同行，个个都对明年的收入抱有很高预期，他们必须兑现，股东指望他们兑现，所有合作伙伴也要求他们兑现。所以，当电力变少的时候，装进去的算力就必须是最非凡、最高产的，必须是当今世界上你能找到的最强算力资源。而我们就是最强的。我们的算力是通用可替代的，而且是耐用的。

所以，正是因为电力短缺，全世界的力量都在把兴趣推向我们。我们的市场份额本来就很高。但让所有人意外的是：我们不仅规模大、份额高，而且正因为这些原因，我们的市场份额实际上还在继续上升。

而且你会看到我们不断进化，因为如今每一吉瓦我们能提供的东西比过去多得多。我们曾经只是一家 GPU 公司，后来成了规模最大、增长最快的网络公司，如今我们还将成为最大的 CPU 公司之一，而且肯定是最快的那一个。因为我们提供的东西越来越多，我们进入了存储计算、知识基础设施计算，现在还进入了安全领域，我们装入每一吉瓦的产品价值，已经从当初的每吉瓦约 180 亿美元，涨到 200 多亿美元，再到如今的 400 多亿美元。

我的判断是，这个数字还会继续往上走。所以我们的份额增长有两个来源：一是大家正在向我们的计算平台迁移，二是在同样的每一吉瓦里，我们提供的东西更多了。而对整个世界来说，最终比拼的是以美元计的市场份额。

不妨把时间拨回六年前：那时我们占全球资本开支的比例还只是个位数。而我认为，如今在全球云服务提供商（CSP）的资本开支中，我们的占比大约已经到了 40%。

但我们还在把市场拓展到 CSP 之外。CSP 之外，无论是本地部署还是新兴云厂商（Neocloud），这部分占我们业务的一半，那我们在其中的资本开支占比又是多少呢？一边是 CSP 里约 40%，另一半业务的占比还要更高，而且双方都还在以每年翻倍的速度增长。这样你就能看出，我们占全球资本开支的比例，实际上还要更高。

主持人：说到 NVIDIA 的买家，其中有一位我们两年前就聊过，马斯克（Elon Musk），当年他开始建 Colossus 的时候。几年前，看到他在孟菲斯一口气架起二十多万张 Hopper，我们都惊呆了。我记得你当时说：没人能像他那样把事办成。现在他又融了 400 亿美元，可能会买入上百万块 Vera Rubin。他从「几千块」的量级直接跳到了「几百万块」。他说要在 2027 年底前做到 10 吉瓦，那就是几千亿美元砸在 Vera Rubin 上。

这种规模的爬坡速度前所未有。你昨天又和他见了面，他还获颁了一枚奖章。今天的马斯克在建算力这件事上，比当年还要强得多吗？在你看来这已经显而易见了吗？SpaceX 成为全球最大的 AI 超大规模算力运营商，是不是已经是注定的结局？

黄仁勋：是这样，在我们的统计口径里，我们的报表分两大块，马斯克以前被归在企业（Enterprise）名下，我们过去是这么报数的。现在，他已经归入我们的 CSP 类别了，这是理所当然的。

这个类别的体量非常庞大。所以我很高兴，和马斯克共事让我非常享受。他在自己的 AI 业务里使用我们的技术：训练模型之类，还有部署模型。当然，Grok 非常酷，对 Grok 的需求和消费量正在飞速攀升。然后，他当然还把算力对外出租。这三件事集于一身，他在业内相当独特。我想想，谷歌应该也算一个，对吧？

而且我觉得他还有一个优势：他热爱计算与实体建设交汇的那个领域。你知道，他热爱这一整块，而且没有人比他更懂能源。

而我们即将携手探索的一个全新市场，是把数据中心送进太空。我们的两个工程团队正在极其紧密地合作，打造一种新型的服务器、新型的架构，它在太空和地球上可能都会极其出色。

主持人：是啊，我们看到上周发射了，完成了首次轨道交会，还释放了那些 V3 卫星，简直点燃了所有人的想象力，大家看得如痴如醉。我自己都迫不及待想当一个载荷飞上去，开玩笑的，不是真人那种。

你的信心是不是越来越足：到 2028、2029 年，通过星链，我们真能在太空部署起成规模的算力？马斯克放出的数字很大，但你觉得在那个时间框架内，太空推理能达到有实质意义的规模吗？

黄仁勋：那只会是 NVIDIA 的算力。

让我告诉你为什么。这不只是技术问题。NVIDIA 的单位能耗性能是全球最佳的，我们称之为「每瓦性能」。但最关键的一点是：NVIDIA 算力的生产率太出色了，也就是说投入资本的回报率好到什么程度呢，好到你可以把它放进太空，而发射成本只占其中很小的一个百分比。

发射成本当然绝非可以忽略不计。所以，没人会把低价值的算力送上太空，对吧，送上去的一定是高价值算力。而我们是你能想象到的价值最高的计算系统，是计算史上价值最高的计算系统。所以此刻要把算力发射上太空，我们就是最完美的选择。哪怕把发射成本全部算进去，投资回报率依然非常出色。

主持人：那到什么时间点，我们能在太空部署 500 兆瓦？

黄仁勋：这个嘛，我还是让他自己来公布吧。不过你想，马斯克现在一年得有一百次发射了吧？具体数字我记不清了，反正隔不了几天就升空一次。所以你完全可以把 Vera Rubin 放上去，而且账算得过来，需求就在那里，他在上面的投资回报率好得很。

再加上生产率极其出色，而且算力是通用可替代的。什么意思？你把一颗卫星送上天，如果没有客户来租用，它就只能干等着闲置，你肯定不希望这样。而 NVIDIA 的算力会是完全租得出去的，租户会多得多。世界上每一家闭源模型公司都在和我们合作，世界上每一个开源模型都在我们的平台上运行，成千上万家创业公司在和我们合作，还有每一个行业的企业客户。所以这些算力是完全可以被消化的，而且是耐用的。

卫星会一直待在轨道上，而我们会让它持续保持先进。原因就是我们在不断升级 CUDA、不断更新软件。我们是全世界唯一一家这样的计算机硬件公司：你八年前付的钱，我们至今还在为你的软件推送新版更新。只要卫星还在天上，我们就会一直更新下去。所以它真的会非常耐用。我认为，这三重特质加上技术本身，让它成为 SpaceX 完美的载荷。

AI 收入能否配得上资本开支

主持人：这一切资本开支总共要花掉数万亿美元。你们还动用了自己的资产负债表，去帮助 Neocloud 这类公司完成建设。

要让做财务的人把账算平，他们得看到回本周期，对吧？你提到过有些公司一年就能回本，第一年就进账 500 亿美元，或许还有从 SpaceX 那边来的现货定价。但如果我看总的增量消纳收入，也就是所有实验室今年的收入，把两家前沿实验室加起来，

对了，加上一些推理实验室，总共大约是 2000 亿美元，对吧？明年我们需要看到它翻倍到 4000 亿，后年再翻倍到 8000 亿，才能勉强凑到数万亿美元资本开支的回本区间。

今年 Claude Code 带来了一次巨大的解锁，让 Anthropic 的收入增长了 10 倍。你有多大信心，这些实验室能继续做到每年 2 到 3 倍的收入增长，从而兑现数万亿美元资本开支所要求的回报？你在这些公司里有大量投资，对吧？你看到它们会延续这种增长水平吗？

黄仁勋：人们误解了眼下的局势。

首先，如今全球 AI 基础设施的收入份额里，NVIDIA 大约占 80%。而我如何描述这个计算宇宙，NVIDIA 计算，基本上可以分成三大板块（实际可能还略多一点，但我先归成三大类来讲）。

我们算力的第一板块是最基础的计算：用于数据处理、分子动力学、物理模拟、核聚变模拟、核裂变模拟，应有尽有，量子化学、量子物理，诸如此类的一切。

这个模拟与数据处理的世界，还不算计算机图形学，所有这些处理都在我们的 GPU 上完成。假如世界上压根没有 AI，只有经典机器学习，Visa、万事达用 XGBoost 做欺诈检测，推荐系统决定该给你推什么新闻，把所有这些东西加起来，这类经典计算，不是 AI、不是深度学习、不是智能体系统，大约占我们业务的三分之一。而且这块业务每年还在以 30%、40% 的速度增长。也就是说，就算一个 AI 实验室都不存在，NVIDIA 也绝不是零，对吧？我们本来就已经是一家相当大的公司了。

这是第一块。第二块是 AI 实验室。大家只看到两家，但我们和每一家都有合作。Meta 干得非常出色，而且用的几乎全是 NVIDIA。要知道，去年它们在这块还是零，再往前推一年，它们还只有推荐系统，如今它们的模型已经做得风生水起。当然，Grok 三年前根本不存在；我们以前不运行 Gemini，现在运行了；而从今年开始，我们也和 Anthropic 展开了合作。所以你看我们算力的盘子，别人只看到几家实验室，我看到的不止，我看到五、六家。而且这些实验室全都干得很好。

就算这部分不到我们业务的三分之一，就算它占我们算力的四分之一吧，也已经非常可观了。好，就按四分之一算。所以当大家看 NVIDIA 的时候，我们如今运行着全世界的基础设施，我刚说了，其中 25%、也许 30% 是前沿实验室；大约三分之一是一般的处理业务。

而另外三分之一，这才是真正精彩的部分。因为我们正处在一轮全新计算平台变迁的开端，海量的新创业公司正在涌现。太多优秀的公司了。其中当然有做消费级应用的，有一家做得非常出色，Noah、Instinct，我正想提它们呢，Noah 干得真好。还有各种各样的物理 AI、生物 AI、材料科学 AI，杰夫·贝索斯（Jeff Bezos）的新公司 Prometheus，它们做得都非常出色。

各行各业诞生了多少这样的公司？成千上万家。它们在干什么？租 NVIDIA 的算力。所以它们都是租户。对。我们大约三分之一的业务，本质上就是「下一代云计算」，有点像今天的 AWS，对吧？不，它就是未来的 AWS。这部分加起来大约占我们业务的三分之一。

我的感觉是，这场新计算架构的大建设还处在非常早期的阶段。如果只盯着那么两三家公司，就认定是它们在供养整套基础设施，那是一个天大的错误。

最后再说一个观察，关于开源模型。你知道，我一直都是开源模型的坚定拥护者。原因在于：开源模型能打开新的机会。看看这些创业公司，其中 80% 都在使用开源模型。而且他们并不是要拿它去和前沿实验室竞争，他们是要用它去解锁别处的新机会，对吧？

可能是物理 AI，可能是制造业，也可能是医疗健康。他们做的事完全不同。他们会拿这些开源模型，其中很多用的就是 Nemotron，然后把这些模型定制成自己领域里的超级智能。

所以可以这么看：通用的闭源实验室会走向通用人工智能，把通用能力做得超级强；而与此同时，还有这么多垂直领域的公司，专注在某个特定领域，手里握着非常独有的数据，教会模型去做非常具体的事情，从而在各自的领域实现超级智能。

主持人：所以你看，我们回到你那套「算力数学」，很多人都在拿它去预测那些实验室未来的收入。比如你说过：立起 1 吉瓦这样的算力，另一头就能产出 400 亿美元。

那如果我们拿刚才说的数字，明年上线 40 吉瓦算力，每一吉瓦都按 400 亿算，那就是 1.6 万亿美元的收入从这座工厂的另一头涌出来。当然，事情不是这么算的，对吧？归根结底，你得看需求曲线和扩散速度，才能确定这座工厂另一头到底能产出多少收入。而我经常听到的是：大家很紧张。他们看到这一年里实验室的收入增速好像放缓了一点，就担心某个时点会出现老话说的泡沫破裂，也就是某个时点上的供给超过了需求，担心 AI 更像一级级台阶，而不是一条径直向上的抛物线。所以我想问的是：你担不担心会出现这样一个时刻，大家对为这场建设浪潮融资感到紧张，结果这场建设就没搞成？

黄仁勋：这些事你得拆开来看，回到第一性原理。大家试图外推的那一部分，1000 亿美元的 ARR，或者它们现在所在的 1250 亿，只是整体基础设施建设当中的一部分。不算小，但确实只是一部分。所以真正的问题是：人们还会继续网上购物吗？

所以说，三分之一。记得大概两年前我说过，到这个十年收尾的时候，基础设施建设的规模大概会达到每年 3 到 4 万亿美元。显然，更接近 4 万亿而不是 3 万亿。

如果说这里面有 1.5 万亿只是计算，仅仅是计算。那它为什么会这么大？因为在 AI 开始之前，这个数字就有 5000 亿了。如果我告诉你，用了大概六七八年，它涨到了 1.5 万亿，原因无非是全世界消耗的计算越来越多，这并不不合逻辑，对吧？

记住。摩尔定律已经终结了。曾经，你想要多一倍的晶体管，等一年就行；想再多一倍，再等一年，价格还一样。可现在你想要多一倍的晶体管，等多久都没用，你得付双倍的价钱。没错，因为摩尔定律终结了。所以全世界想要的算力，每一年，想要多一倍，就得付多一倍的钱。

于是在那 5000 亿，原本只是随着全世界数字化程度加深而自然增长的 5000 亿，之上，你还得再乘上一个放大系数，来反映摩尔定律终结这个事实。所以，即便没有 AI，半导体行业也本来就在通往世界最大产业的路上。这一点我很早就说过，只是大家忘了。

我两年前就讲过。所以这只是其中一块。然后别忘了，因为我们正处在一次全新计算平台的更替当中，还会涌现出大批初创公司。创新本身就是经济的一部分，新公司会不断诞生，而且我们说过，这一切还在加速。你看，回到摩尔定律、通用计算的时代，是每吉瓦 50 亿美元；今天是 500 亿。

主持人：一台 Vera Rubin。所以问题就来了：Vera Rubin 真的能给世界带来 10 倍的价值吗？

黄仁勋：所以重点在这：我认为，根本没必要把任何一家实验室外推成一家数万亿美元的公司。完全没必要。

主持人：我觉得这一点非常重要，因为就在昨天，市场上还在议论 OpenAI 的收入到底是 700 亿还是 500 亿。我看你和我一直在强调的，其实是同一件事。

黄仁勋：它们会成功得不可思议。

主持人：是啊。但你也看到了很多基础设施公司随之回调，大家害怕的是：天哪，OpenAI 没有钱，将来也不会有钱来支付这些基础设施。我认为你一直在反复敲打的重点是这一点。

主持人：当我们看明年 40 吉瓦的基础设施建设时，至少有三分之一只是通用算力的替换，就是超大规模云厂商最基础的那部分需求；有三分之一会流向新云厂商、主权 AI、企业以及所有其他客户、所有初创公司；还有三分之一会流向不是两家实验室，而是很多家实验室，包括 Grok、Thinking Machines，以及所有其他还在涌现的公司。可我们却把过大的压力压在了两家身上。

黄仁勋：我很乐意与它们合作、支持它们。它们会成为历史上最有影响力的两家科技公司，会取得辉煌的成功。但它们不需要做到接近万亿美元的收入才算成功。对，我认为我们给它们压的压力太大了。而除此之外，行业的其他部分，我们仍然要去建设几万亿美元的计算基础设施。

主持人：好，我们接着聊，稍微换个话题。各位，这个有多好吃？顺便问一句，这叫什么？

黄仁勋：这是李子干，甘草味，是我的最爱之一。再加点盐、糖，还有别的。

主持人：有点特别的回味。你说过，明年市场对英伟达（NVIDIA）芯片的需求远超 100%；而你给出的收入增长指引是 70%。你只给了一年的前瞻，是因为你说供给受限。

黄仁勋：当时我手上能看到的就只有这么多。

主持人：没错。你还说过「我有 18 个月的活要干」。你说你非常有信心。

黄仁勋：但我每天还是照常来上班。

主持人：你说你「非常有信心」，还说有充足的时间与供应链合作、可以做得更好；你预期会做得更好，不会让客户失望。那么，事情真的在变得更好吗？订单簿还在继续增长吗？毕竟你当时只是拍下了一个时点的快照，而大家当然还在持续下单。你觉得供应链里还有足够的余量、可以再挤出更多产能吗？随着越来越多的能力被解锁，订单簿是否还在增长？

黄仁勋：大家都在预测。

我们面临的挑战是：我们手上有巨大的订单簿。每一家 CSP 云服务商、每一家 NCP 新兴云厂商、每一家 OEM 设备商，都早就向我们下过订单。初创公司、大企业、小公司，全都下过单。

原因在于，我们会和客户一起做预测，按客户体量不同，至少提前一年，最大的客户提前两年。所以我们的订单簿本来就非常庞大，而我当时正在做配给，我分配给所有客户的量，远远少于他们想要的量。而且，如果我没有把我们的真实情况公开说出来，所有人都会瞎猜：是不是被亏待了？是不是有别的原因？所以，这基本上就是我的办法，用它来应对每一场不得不让客户失望的谈话。

主持人：所以，基本上每一个客户，只要你能交付更多，就会买更多。

黄仁勋：毫无疑问。而且从那以后，新订单几乎每周、每天都在进来。另外，我们的供给也在增加，而限制我们的一部分因素，是下游的土地、电力和机房壳体，对吧？

几周前，我们宣布了澳大利亚的 2 吉瓦项目。这是件大事，2 吉瓦对我们来说差不多就是 800 亿美元。我希望等一起去欧洲的时候，能在那里宣布一些新的合作，解锁更多土地、电力和壳体资源。所以土地、电力、壳体显然是障碍之一，而这恰恰是英伟达优势巨大的领域。因为基于我们所构建的东西。

假如有一家新云厂商，比如 CoreWeave 或 Nebius，想要扩展业务，英伟达拥有全栈、完整的 AI 基础设施，可以在它们扩张的每一步提供支持。我们能在别人建不了的地方、和别人够不着的伙伴与客户一起建设，我认为这让我们有了大得多的韧性。

不过，尽管我们在上下游持续增加供给，仍有一个关键环节：基板。基板越做越大，芯片越来越多，这从两个方面都对我们不利：每一颗出货的芯片，都要占用更多的基板材料。这些有机材料要达到我们所需的精度非常难，因为封装越大，热系数和我们堆叠的方式，会让翘曲和各种制造缺陷的处理变得极其困难。以我们的规模，必须做到非常精确，所以我们需要真正出色的合作伙伴。

这些就是供给受限的例子，只是一部分例子，硅光子也供给受限。一切都供给受限。

我们会继续努力，我有 18 个月的时间去做这件事，每过一周，供给都会增加一些。但我们一边不断增加供给，订单簿一边还在往上涨。所以，未来几年，这个缺口都很难填平。

主持人：来看一下，这条灰线，是 2025 年初市场对英伟达的共识预期；这条蓝线，是很早以前 Altimeter 的预测，所以我们当时远高于共识。而现在这条线，是根据你的指引形成的新共识。最让我震撼的是：有 25 个人，专职靠预测这家公司的表现拿薪水，他们所有人的观点汇成的共识，偏差了两三百个百分点。而这还只是，不对，是去年的这个时候。

黄仁勋：去年的这个时候，当时还不到 25 个人。

主持人：对，那就是去年这个时候的共识。也就是说，一年之内。

黄仁勋：上礼拜。

主持人：一年之内，市场对这家公司的共识预测上调了 100% 到 200%。太惊人了。我做这行二十多年，很少见到共识偏差这么大的情况。然而股价只涨了 20%。想想看：这家公司的收入预测和自由现金流预测被实打实地翻了一倍，而它现在的市盈率也就 13 到 14 倍，取决于你看哪家的数字。那你觉得市场在对英伟达说什么？或者说，市场对预期到底有多大的信心，才会走出这样的行情？因为通常来说，共识上修这么多，股价本该涨得多得多。

黄仁勋：首先，一家有我们这么大体量的公司还在持续拿下份额，这本身就说明了一切，说明这种韧性，说明我们的规模和体量。

主持人：那这个优势是在扩大还是在缩小？你的护城河是变宽还是变窄？

黄仁勋：我们的竞争护城河在变宽。我给你举个例子，我们现在就来做一场思想实验。

假如你现在必须递给别人一张一千亿美元的支票，马上签一份下一代产品的采购订单。如果你想排队预订 Vera Rubin Ultra，现在差不多已经到下单的时候了，而且是在没见过实物的情况下。但客户就是有这个信心。好，假设你必须把一千亿美元押在某一家公司身上，你怎么知道它一定会好？正因为它是 NVIDIA 造的，你就知道它一定比 Vera Rubin 更好，而 Vera Rubin 已经无比出色。大家对 Vera Rubin 有信心，又是因为 Grace Blackwell 摆在那里。

在计算的世界里，这些机器承载的工作负载复杂到极致，你不可能只测一个基准就下结论。这可是一张 500 亿美元的订单。要把这样的性能做出来，需要汇聚的技术之多，简直是疯狂。所以问题就是：在未看先买的情况下，你能放心地把一张 500 亿美元的订单下给谁？放眼全世界，真的只有我们一家。

要知道，放在过去，下一张 10 亿美元的采购单就已经够有挑战性了。而如果你下的是一张 1 亿美元级别的采购单，机器就摆在你面前，你直接跑一遍测试就行了。

主持人：那现在这些东西要怎么测？

黄仁勋：能把它们造出来，本身就已经是个奇迹。所以如果有人想做评估，我很乐意配合，但你得先给我一座超大型数据中心，我们还得花上几年时间去改造它。所以说，这些东西你已经没办法再做基准测试了。

主持人：有意思。这和台积电身上发生的事一模一样。

黄仁勋：我们把 100% 的业务交给台积电，原因就是：它是全世界唯一一家公司，我可以提前五年做规划，而且在没见到实物的情况下就知道那一代晶体管一定非常出色，因为它比上一代更好，一代更比一代好；知道它会为我备好产能；知道它懂得怎么和我的业务团队配合；它有足够的敏捷性，扛得住我所有的起伏，比如说，应对我从灰做到蓝、再做到绿这件事。

主持人：就是这样。

黄仁勋：它必须有足够的体量，才能带着我完成从灰到蓝再到绿的跨越。全世界没有第二家公司能帮我做到这一点。而且要把从硅光子、逻辑制程到存储，再到各类先进封装等所有这些不同的工艺技术全部整合起来，我们做的事情的动态性实在太强了。一家规模只有人家十分之一的公司，怎么可能做到这一切？不可能。所以我认为，核心的大思路是：因为我们在为整个星球打造基础设施，英伟达（NVIDIA）已经成了一家基础设施公司。何况这些基础设施动辄耗资巨大，而技术又在飞速演进。

实际上，我们代表的就是这种信任的总和。因为一切都是我们在跑：一开始只是一些 GPT 模型，但看看后来被发明出来的 FlashAttention 机制，看看我们如何对模型做并行、如何把它们分片到 NVLink 72 上，这一切是如何演变的；现在大家又在谈 transformer 扩散模型、混合 SSM 的 transformer 混合架构。所有这些技术，无论怎么演进，我们都知道它们全都跑在 CUDA 上。这是唯一的。我们不知道接下来需要的是更多预训练、后训练，还是只做智能体推理，结果发现：反正不管哪种，都是我们在跑。

所以，你可以放心去建一座 500 亿、1000 亿美元的数据中心，并且清楚地知道工作负载是可互换的。万一出于某种未知的原因，你想把一半容量「转租」给别人，英伟达是完全可互换的。我们在工作负载上可互换，在模型上可互换，在方方面面都可互换。

而且我们在全世界任何地方都能部署。你在欧洲创业、在美国创业，可你想要你的客户，你想服务欧洲的客户、日本的客户？结果发现我们早就在那里了，英伟达的基础设施早就在那里。所以，OpenAI 想去欧洲？没问题，我们立刻带他们去。想去印度？立刻。是不是这样？Anthropic 想去日本、韩国？立刻，我们已经在那里了。

全球布局：欧洲、日本与更多

黄仁勋：所有这些架构都已经在那里了。所以我觉得，把英伟达当作一个整体来看，然后回过头来说：好，我想做个思想实验，我要把一千亿美元押在某个人身上，你会怎么做？

主持人：一年前我们坐在这里的时候，市场的共识预期还是你们 2027 年会持平甚至萎缩。而现在，共识预期是你们将增长 74%。我想让大家好好消化一下这个事实，因为有太多人跟着这些共识预期走，对吧？而它错得离谱。

黄仁勋：他们有没有回头去听一听你上一期的播客？

主持人：你都告诉过他们了。

黄仁勋：就是啊，我把一切都解释过了。各位听众朋友们，我真的解释过。

主持人：所以当我展望 2029 年，中间不是还有 ROI 的质疑吗？然后还有那个定制化的问题。对，定制与通用之争。

黄仁勋：英伟达之所以做成通用型的，就是为了让我拥有这一切可互换性。

主持人：没错。

黄仁勋：可互换的好处就是风险低。对，而只有当你押下重注的时候，低风险才真正变得关键。当你在建造 500 亿、1000 亿美元的基础设施时，你需要确信这套基础设施能在很长很长时间里都保持极佳状态，对吧？

所以，专业化是可互换性的敌人。

主持人：专业化是敌人。

黄仁勋：只要我能证明我们的性能是卓越的，而我们每一天都在证明这一点，那么一旦证明了，可互换性和耐久性就会转化为可出租性，进而转化为可融资性。而这又带来最低的总拥有成本（TCO）。

主持人：现在你们正在以史上最大的规模回购股票，而且按我的算法，未来两年内你们可能回购高达公司 10% 的股份。你还在高盛把英伟达称作「第一家增长价值型公司」，听起来很像当年苹果讲的故事，是这样吧？

黄仁勋：甚至有过之而无不及。也就是，他们证明了资本是可以返还给股东的。

主持人：这招确实管用。

黄仁勋：管用。苹果的股价从当年的 30 美元一路涨到了 300 美元。

而在很多方面，我们正经历一场类似的转型。比如说，有件事我忘了讲，Brad，我想你正想问我这个，我们大部分的投资与融资合作策略，都是在搭建两种新的商业模式。其中一种我们已经筹备了一段时间、并将在不久的将来加速推进的，就是软件授权。

我们公司积攒的软件体量是非凡的，而我们的数据中心规模又如此庞大，想象一下其中运行的所有软件。而且我们提供的是完整的技术栈。

我们的整个技术栈，对云服务商来说是达到完全工业级强度的。不过他们想运行自己的技术栈，对吧？所以我们要么授权，要么把软件开源给他们；他们拿去修改、集成进自己的体系，然后运营自己的服务。但世界上很多公司既没有 IT 部门，也没有软件部门来做这些事，所以他们需要我来替他们维护。

而在过去几年，AI 的重心主要是训练；现在，他们正在转向部署。对吧？他们需要把这些系统当作工厂来运营，而且他们需要知道：我会兜底。我受 SLA 约束，要支持它、维护它、保它安全、保它可靠，直到天长地久。所以，面向企业业务的软件授权会非常、非常大。

简单算笔账：假如我们的软件授权费大约是每颗 GPU 每年几千美元，而我们有数百万颗 GPU，我们一年大约出货 2000 万颗 GPU，而且还在增长，其中一半会进入全球企业市场。累积起来就是一笔大数目。

好。所以我很确定，软件授权会成为我们业务中非常大的一块。然后当然，还有一些云厂商，在更多层面上依赖着英伟达：他们依赖我们的承购（offtake）、我们的生态；他们还依赖我们，或许是作为投资伙伴，帮助他们锁定融资和资本。

他们已经搞定了土地、电力和建筑外壳。他们是区域市场的龙头，各种优势都集于一身。但就是这三个方面，他们需要我们的支持。所以在这一类合作关系中，我们很可能会转向收入分成：我们先做投资，卖设备的收益当场落袋，往后还能持续获得分成收益。所以我们不是云服务商，但我们会为他们提供承购、提供软件支持，一提供就是四五年、十年。既然如此，我们就理应从中获得一些经济回报。所以，收入分成。

注意，我刚刚描述的是两个全新的增长引擎，完全独立于我们公司的硬件销售，更多地与我们平台的装机量（install base）挂钩。要是没有装机量，软件授权还有什么意义？要是没有装机量，又哪来的收入分成？好。所以，装机量这个要素、我们软件栈的丰富度、承购的丰富度，以及我们在全球各地的生态系统，将成为这两块业务的燃料。

主持人：就像我们刚才聊到的 13 倍估值。你知道，当年 Tim（库克）和 Luca 去见沃伦·巴菲特的时候，巴菲特说过，他不喜欢科技公司的原因之一是：这些公司爆红一把，产生巨额自由现金流，然后从不把这些钱返还给股东，而是拿去花在别的东西上，而那「别的东西」往往还不如最初帮他们赚出现金流的那个主业。

而你们现在把超过 50% 的自由现金流用于回购股票，等于把钱返还给股东，与此同时你们还在指数级增长，这个我们前面已经聊过了。

黄仁勋：我们说的是 50%，不过上个季度，我想我们做到了 60% 多。对，而且我们还会加大力度。大家都知道，我们投资的都是质量非常高的公司。过去几年，英伟达买谁家的东西、我买谁家的东西，你就得跟着投那家公司。

主持人：华尔街流行的新说法是：Jensen 投谁，你就投谁。

黄仁勋：这话是真的。原因在于，我们和你们一样，身处这个生态系统里，身处信息流里，这些投资我们是一起看下来、一起了解的。我们认识很多聪明人，当他们想做一番伟大的事业时，我们愿意在背后支持他们。所以我们算是站在局内，掌握着大量信息，因此我们的投资是有充分依据的。更不用说，英伟达本身也在这个生态系统里，我们还可以帮助他们成功。

所以，这些投资之所以表现出色，背后有很多原因。但作为我们总现金产出的一个百分比，这个比例会非常快地下降：一来，OpenAI 和 Anthropic 这样的机会不会再出现了，坦白讲，那种机会不会重来；二来，我们的现金流本身也在快速增长。

主持人：说到这一点，我有个感觉：既然你们的回购力度这么大，而且正如你今天所描述的，收入的持久性比人们预期的更长，我觉得这恰恰是大家还在死揪着不放的一个点：「这波只能持续这么久」。前几天 Ezra 在播客里问过你：泡沫什么时候会破？我记得你说了个两三年。你看得清清楚楚，需求就在那里，至于再往后谁知道呢。我还听到有人说「可能两年就破」。但在我看来，这从根本上是对全球全部计算的永久性重构。

黄仁勋：永久。除非发生什么全球性的意外。

主持人：那也就是说，每一年人们都得消耗海量的 NVIDIA 算力。

黄仁勋：这件事可以这么看：云服务商们每年大约投入 5000 亿美元，整个行业、整个世界每年新建的规模差不多是 1 万亿美元。

而且每一年都建得更多；每五年左右，就有一部分被折旧、关停、下线，也有一部分用得更久。旧世界是「检索式」的计算方式。

而新的计算方式，我预测会一路延续几十年，3 万亿、4 万亿，就说 4 万亿、5 万亿吧。而且我的感觉是，我们还会从这里继续增长。如果你告诉我，每年的产能建设、基础设施建设、新旧更迭加总起来大约是 10 万亿美元，我连一丝一毫都不会意外。

主持人：给听友们再捋一遍：你的意思是，到这个十年末，每年将有约 4 万亿美元的支出，因为每一次消耗 token、每一次使用智能，机器就得运转，这座工厂必须跑起来。而且我记得你描述过：假设全球有 50 万亿美元的 GDP 与知识工作相关，如果 5 年内获得 20% 的生产力提升，你在英伟达内部看到的生产力提升比这大得多，但哪怕只达到这种程度，也意味着 10 万亿美元的新增经济活动。到 2029、2030 年实现，听起来非常合理。而你刚才说的是，我们会把其中的一半。

黄仁勋：作为资本开支，投入到生产智能上。

主持人：你今天实在太慷慨了，我可以一直聊下去。要是这是一场边吃边聊的节目，我们还能继续。但我想回到我们开场的地方来收尾，对吧？当我们回望，就在不久之前，Anthropic的境况还被形容为「肮脏、野蛮、短暂」，对吧？

黄仁勋：那是上周才说过的话吧？

主持人：创新真正驱动了人类的全部进步，主要是在过去 200 年里：更多时间陪伴家人、更长的寿命、更少的时间花在人类真心不想做的苦差事上，也更安全。

黄仁勋：我们是第一代把「63 岁还算年轻」当作常态的人。现在还有人叫我「年轻人」呢。

未来十年：99.99% 的信心

主持人：生活还在继续变得更安全、更美好。而这一切，是在你我听到外界这么多担忧声的同时实现的。顺便说一句，工业革命之初，人们表达的也是同样的担忧，对吧？你有多大信心：5 年后的我们会发现，自己做出了正确的决定，世界因为我们正在做的这一切投资，变成了我们描述的那个美好得多的地方？今天坐在这里的你，比 12 个月前更有信心吗？

黄仁勋：我有 99.99% 的信心。为了尊重一位好朋友不用 0 和 100 的习惯，我有 99.99% 的信心：因为有太多太多的人在深切地在乎，在乎这个结局必须是好的。我们会倾尽我们的力量、我们的智慧、我们的资源，确保我们以负责任的方式抵达那里。

而且，有太多的人在做着正确的事。很多时候，那些对这类事情高谈阔论的人，信息来源就那么几样，他们意识不到：在他们的信息圈之外，还有许许多多的人、产业、杰出的研究者和工程师，正独立于他们、靠自己做成着神奇的事情。就因为他们没有说，不代表一大群聪明人没有在做聪明的事。

我在公司内部经常说这句话：即使没有我的领导，这家公司自己也在做着聪明的事。聪明人本来就会做聪明的事；当你把大家组织起来，他们能做出更有影响力的事情，但即便各自为战，这些了不起的人照样在做着聪明的事。所以，当有人跟我说「你该担心」，我们有担忧是好事，对吧？我们应该表达忧虑、表达关切，但我们不应该预言世界末日。

因为他们低估了人类的处境，低估了人类的能力。他们出于某种原因，也许是自负，也许是傲慢，总觉得除非由他们亲手来做，这件事就不会被做成。

除非由他们亲手来做，就不会被做成。可事实是：不管我说不说，这家公司都在做着了不起的事情。当然，所有的赞誉和责备都归到我头上，但说实话，这两种情况都不尽公平，尤其是赞誉。道理很简单：当你身边围绕着了不起的人，而你又创造出让每个人都奔着同一个结果去的条件，那个好的结果、那个好的版本，我相信大多数人都想要这样。这就是为什么我说，我们必须让自己负起责任，但与此同时，我们也应该去描绘一个值得期待的未来。所以，我有 99.99% 的信心：有全世界这些了不起的人聚在一起，我们一定能共同抵达那里。

主持人：完全同意。我觉得你是国宝。能有你帮着带队冲锋，是我们的幸运。这个国家欠你一份情。你把所有人凝聚到一起，让大家上了同一页，搭建起了框架。后面还有很多工作要做。但作为两个孩子的父亲，我知道你有孩子，你将来还会有孙辈，我们不在乎任何别的事情。

你只在乎真正为他们建设一个更美好的世界，对吧？我们本来随时可以停下来。

黄仁勋：但如果我们今天就停下来，我们就输了，对吧？我们就失去了那个更美好世界的机会。

主持人：好，我们就聊到这里。谢谢你，Jensen。

黄仁勋：谢谢你们。