黃仁勛最新訪談：力所能免之事絕不多做

輸入電子，輸出Token，中間是英偉達。

編輯|藍洞商業 趙衛衛

英偉達CEO黃仁勛接受播客主持人Dwarkesh Patel的深度訪談，一小時四十分鐘的內容涵蓋了行業競爭格局、AI商業化和中國市場等諸多問題。

談到英偉達的定位時，他認為英偉達的業務本質是「將電子轉化為Token」，其核心競爭力在于這一轉化過程的效率與工程藝術，而非單一軟件層面的商品化風險。

黃仁勛認為，英偉達的職責是，「必要之事盡力而為，力所能免之事絕不多做」，以此支撐這種轉化以極致的性能實現。他認為的「絕不多做」意味著，凡是英偉達無需親自完成的環節，都會與合作伙伴共建生態，交由生態伙伴落地。

此外，黃仁勛還提到，電力、內存、封裝等上游瓶頸都能在2–3年內被行業集群式突破，唯一真正棘手的搭建、安裝超大規模AI數據中心所必需的設施。英偉達的重要價值在于向整個供應鏈布道未來，促使上游CEO敢于下注大規模資本開支。

而對于競爭對手谷歌的TPU，黃仁勛認為谷歌TPU和亞馬遜的Trainium增長100%來自Anthropic這一個客戶，這是孤例，而非行業趨勢。

事實上，谷歌和亞馬遜AWS早期向Anthropic投入了數十億美元，芯片使用是投資條款的一部分，這與其他AI公司的采購邏輯不同，而英偉達是通用加速計算平臺，可運行分子動力學、量子色動力學、數據處理、流體力學等全領域工作負載。

本質上，這是英偉達對行業的一種明確表態：英偉達的真正護城河不是GPU性能本身，而是四重疊加，包括CUDA生態、裝機基數、協同設計能力、供應鏈上下游塑造力，而任何只針對芯片性能的挑戰都低估了系統。

更重要的是，黃仁勛明確反對當前的芯片對華管制政策，中國擁有全球50%的AI研究人員、60%的主流芯片制造、充沛的能源和大量空置數據中心，因而即使只使用7nm芯片，通過堆量也可彌補制程差距。

以下為經過編輯訪談核心要點：

AI 不會使英偉達商品化甚至同質化

問：我們已經看到許多軟件公司估值崩塌，原因是市場預期AI將使軟件商品化。本質上，英偉達制造的是軟件，由其他人來做物理制造。如果軟件被商品化了，英偉達是否也會被商品化?

黃仁勛：歸根結底，某種東西必須將電子轉化為Token。將電子轉化為Token、并使Token隨著時間推移變得更有價值——這一過程很難被徹底商品化。

從電子到Token的轉化是一段令人驚嘆的旅程。制造一個Token，就像讓一個分子比另一個分子更有價值、一個Token比另一個Token更有價值。其中所蘊含的藝術性、工程、科學與創造，我們正在實時見證它的發生。這一轉化、這一制造過程、以及其中涉及的科學，遠未被深入理解，這段旅程也遠未結束。我不認為英偉達會被商品化，當然，我們會讓它變得更高效。

我對公司業務的心智模型是，輸入是電子，輸出是Token，中間是英偉達。我們的職責是「必要之事盡力而為，力所能免之事絕不多做」，凡是不必自己做的，就與合作伙伴共建生態。

我也不認為企業軟件公司、工具類公司會被商品化。今天大多數軟件公司本質上是工具制造商，Excel是工具，PowerPoint是工具，Cadence、Synopsys都是工具。

Agent的數量將指數級增長，工具使用者的數量也將指數級增長。新思科技的設計工具的實例數量將暴漲，因為會有大量Agent在使用布圖規劃器、布局工具、設計規則檢查器。今天我們受限于工程師數量，明天這些工程師將被大量Agent支撐，我們將以前所未有的方式探索設計空間。

供應鏈和護城河

問：據最新披露，英偉達對晶圓廠、存儲、封裝的采購承諾接近1000億美元，實際規模將達2500億美元。一種解讀是英偉達真正的護城河，是鎖定了未來數年稀缺組件的產能，即使有人做出了競品，他們是否能拿到內存和邏輯產能，這是否是英偉達未來幾年的關鍵護城河？

黃仁勛：這是我們能做、而別人難以復制的事情之一。我們在上游做出了巨大的承諾，有些是顯性的，有些是隱性的——我們的供應鏈自己投入了大量資本，因為我告訴這些CEO:「讓我告訴你這個行業會有多大、為什么會這樣、讓我與你一起推演、讓我給你看我看到的。」

正因為這一「告知、啟發、對齊」的過程，上游不同行業的CEO們才愿意投資。為什么他們愿意為我投、而不是為別人投？因為他們知道我有能力消化他們的產能，并通過下游銷售出去。英偉達的下游供應鏈與下游需求如此龐大，他們才愿意在上游投入。

在GTC大會上，所有人都為規模與參與者所驚嘆。這是全360度的AI宇宙，所有人齊聚一堂。他們需要彼此見面，我把他們聚到一起，讓下游看到上游，上游看到下游，所有人一起看到AI的進展：更重要的是，讓他們親眼見到AI原住民、所有AI初創公司以及正在發生的所有精彩。我花大量時間，直接或間接地向我們的供應鏈、合作伙伴、生態系統傳達我們面前的機會。

有人常說：Jensen，大多數主題演講都是一個接一個的發布。但我們的Keynote總有一部分近乎教育。事實上這正是我的意圖：我必須確保上游與下游整條供應鏈、整個生態都理解即將到來的一切：為什么來、何時來、規模多大，并能像我一樣系統地推理。

關于你所說的護城河——我們有能力為未來而建。如果未來幾年我們的業務規模是1萬億美元，我們有供應鏈去支撐它。沒有我們的觸達能力、沒有我們業務的velocity，就沒有今天的一切。有現金流、就有供應鏈流(churns)。如果供應鏈流轉效率低，沒人會為一個架構去建供應鏈。我們能維持這種規模，只因為下游需求如此巨大。

行業競爭格局變化

問：若看谷歌TPU，全球前三大模型中可能有Claude、Gemini兩個是在TPU上訓練的。這對英偉達意味著什么?TPU專為矩陣乘法的大型脈動陣列優化，沒有為線程調度、分支、內存切換而浪費芯片面積。對于當前主要由矩陣乘組成的AI負載，這是否比GPU更有針對性?

黃仁勛：我們做的是完全不同的東西。英偉達做的是加速計算，不是張量處理單元。加速計算用于分子動力學、量子色動力學、數據處理、結構化與非結構化數據、流體力學、粒子物理——此外才用于AI。英偉達重塑了計算方式，從通用計算轉向加速計算。

我們的業務覆蓋范圍，是任何TPU或專用ASIC都比不了的。我們的GPU系統從設計之初就考慮了通用性，不管是誰，只要想做算力業務，都能直接用我們的設備，但很多公司自研的專用芯片系統，只能自己內部用，從一開始就沒設計成能給別人用的靈活架構。

正因為通用性強，現在所有主流云廠商的平臺上都有我們的GPU，不管是Google、AWS、Azure還是OCI，都能買到。不管是像xAI那樣自己搭集群跑模型的客戶，還是禮來（Eli Lilly）這樣要建超算做藥物研發的藥企，我們都能支持。

矩陣乘法是AI里很核心的運算，但它絕對不是AI的全部。要是你想搞出新的注意力機制，采用新的算力解耦方案，或者干脆發明全新的模型架構，比如把狀態空間模型（SSM）和其他技術結合的混合方案，就必須用能靈活編程的通用架構。哪怕你想把擴散模型和自回歸模型的技術結合起來，也得靠這種通用能力才能實現。

市面上任何你能想到的AI計算任務，我們的GPU都能跑通 ，這就是我們的核心優勢，能讓研究者輕輕松松搞出新算法。而TPU這類專用芯片，和其他硬件一樣，只能靠摩爾定律每年擠25%左右的性能；要想實現10倍、100倍的性能飛躍，必須靠算法和計算方式的底層革新，這才是英偉達真正的護城河。

我第一次宣布Blackwell架構的能效比Hopper高35倍的時候，沒人信。后來行業人士證實，我實際留有余量 ，實際能效提升能到50倍，光靠摩爾定律根本做不到這種級別的提升。

我們靠的是多方面的創新：MoE（混合專家模型）這類新模型、并行計算、算力解耦和分布式架構，靠CUDA編寫新的核心計算函數，再加上軟硬件極致協同設計，把部分計算任務放到NVLink高速互聯和Spectrum-X網絡里處理，才拿到了這種性能飛躍。

英偉達的邊界和錯失

問：報道說英偉達投資OpenAI 300億美元，Anthropic投入約100億美元，為什么不早投資，你早已經看清了方向。英偉達為什么不做AI智算云（Neocloud）？

黃仁勛：只要我們有能力做，就立刻去做，要是能更早，我肯定會更早行動。當年Anthropic找我們投資的時候，我們既沒那個能力，也根本沒往這方面想。一方面是投資規模的問題，我們那時候從來沒做過對外投資，壓根沒意識到還需要做這件事。我當時還以為，他們跟其他公司一樣，找風投就能解決資金問題。

但他們要做的事，根本不是風投能扛得住的。沒有哪家風投會往一個前途未卜的AI實驗室投50到100億美元，除非他們后來做成了Anthropic這樣的規模。

他們早就看清了這一點，這就是他們的厲害之處。我當時沒看到這一層，但現在絕對不會再犯同樣的錯。我很慶幸能投資OpenAI，還支持它擴大規模，這一步非常關鍵；后來Anthropic再找我們的時候，我也很樂意成為他們的投資人。

「必要的事盡力做，非必要的事絕不做」（do as much as needed, as little as possible），這也是我們公司的哲學。

我們之所以要搭建計算平臺，是因為這件事要是我們不做，就沒人會去做——不管是NVLink、全棧技術，還是20年來持續虧損投入的CUDA，還有CUDA-X旗下的各類領域專用工具庫（比如cuLitho、光線追蹤、圖像生成、向量/結構化數據處理等等），這些事換別人，根本不會去做。

但云業務不一樣，世界上有那么多云廠商，我們不做，總會有人做。

要是沒有CoreWeave，這些新興云廠商（Neocloud）也不會出現；Nscale、Nebius這些廠商，也是一樣的道理。我們從不挑選行業贏家 ，30年前，有60家做3D圖形的公司，當時看這份名單，沒人會覺得英偉達能活下來。我們最早的圖形架構完全走錯了方向， 我一直記著這一點，也始終保持謙卑。

GPU 分配和臺積電的關系

問：在 GPU 長期缺貨的情況下，英偉達是怎么分配稀缺算力的？是不是誰出價高就給誰？

黃仁勛：我們從來不會這么做。我們定好價格，客戶自己決定買還是不買。芯片行業里有些公司會在需求高漲時漲價，但我們不會。你可以完全信賴我們——我更愿意做整個行業穩定可靠的基石。我報給你的價格，就是最終價格。

我們的分配原則就是先到先得，依據是采購訂單（PO）以及客戶的數據中心是否就緒。如果你不下單，說再多都沒用。如果你的數據中心還沒建好、關鍵部件沒到位，無法立刻上架使用，我們可能會先把產能交給其他就緒的客戶，這樣做只是為了最大化工廠的出貨效率。

順便澄清一件事——網上傳拉里?佩奇、埃隆?馬斯克和我共進晚餐懇求GPU的故事，完全沒有發生過。晚餐確實有，氣氛也很好，但他們從來沒有求我給GPU，他們只需要正常下采購訂單就行。

英偉達和臺積電合作已近30年，我們之間甚至沒有正式的法律合同，靠的就是一種大致的公平與默契。有時候我占優，有時候他們占優；有時候我拿到更好的條件，有時候則相反，但整體合作關系極好，彼此完全信任、完全依賴。

你可以完全信賴英偉達每年的產品節奏：今年是AI超級芯片平臺Vera Rubin，明年是Vera Rubin Ultra，再下一年是Feynman，之后還有尚未公布名稱的新品。你可以像相信鐘表一樣篤定 ，每年你的Token成本都會實現數量級的下降。

我剛才也說到臺積電，歷史上沒有任何一家晶圓代工廠，能讓你給出這樣的評價。你可以來找我們買10億美元、1億美元、1000萬美元的AI工廠算力，也可以只買一個機架、一張顯卡；你甚至可以下1000億美元的超級訂單。當今全球只有我們兩家公司能做到這一點。

臺積電我也可以給出同樣的評價，想買一套設備，或是10億美元的產能，都沒問題，我們只需要走規劃流程，用成熟行業的方式推進就好。

中美AI 研究應該對話

問：為什么不應該對中國進行芯片出口管制？

黃仁勛：中國承擔了全球60%以上的主流芯片制造，他們擁有全球一些最優秀的計算機科學家，所有AI實驗室里大部分AI研究人員都是中國人，全球50%的AI研究人員來自中國。

我認為開展對話，尤其是研究對話可能才是最安全的做法。正因為目前的競爭狀態，這一領域的缺失格外明顯。AI研究人員之間必須對話，必須共同界定「AI不應用于什么」。

有一點一直被低估：圍繞網絡安全、AI網絡安全、AI安全、AI隱私與AI安全治理的生態體系。有一大批AI初創企業正在共同構建這樣的未來：一個核心超級智能體的周圍，會有成千上萬個AI智能體為其保駕護航，保障它的安全與可控。這樣的未來必然會到來。

如果放任一個AI智能體不受任何監管地運行，這種想法本身就很不理智。因此我們必須確保開源生態保持活力，這一點絕不能忽視。而大量開源創新都來自中國，我們不應該扼殺這種活力。

AI是一套五層架構，最底層就是能源。能源充沛，就可以彌補芯片性能的不足；芯片數量充足，也能彌補能源的短缺。

舉個例子，美國的能源供應相對緊缺，這也是為什么英偉達必須持續升級架構、進行極致的軟硬件協同設計，即便我們出貨的芯片數量有限，受制于能源規模，也能實現極致的每瓦算力。

但如果能源供應極度充沛、成本幾乎為零，誰還會在意每瓦算力的高低？即便用老舊芯片也足夠實現目標。7nm芯片的能力已能對標Hopper，完全滿足訓練需求。今天主流大模型大多基于Hopper架構訓練。因此7納米芯片完全夠用，充沛的能源就是他們的核心優勢。

但隨之而來的問題是，他們真的能生產出足夠多的芯片嗎？答案是可以。證據是什么？華為剛剛創下史上最佳年度業績，其芯片出貨量達數百萬顆，遠超Anthropic所使用的芯片總規模。