來源：聰明投資者
$英偉達 (NVDA.US)$ 仍然穩居全球市值之巔。但在創始人黃仁勳眼中，這家龐然大物依然像30年前那樣，依然保持着「小公司」心態的拼命現狀。
在剛剛結束的GTC 2026之後，黃仁勳現身老朋友本·湯普森（Ben Thompson）的播客節目，進行了一場深度復盤。
這場對話的含金量，在於黃仁勳反覆拆解英偉達的「底牌」，他不僅在造算力，更在定義一套讓萬物皆可加速的生存法則。
在這場對話中，有三個信號值得投資者關注：
第一，從蓬勃發展的CPU業務（如Vera）到對Groq的關鍵收購，這些動作看似偏離了單純的GPU軌道，實則是黃仁勳對「加速計算」的終極補完。他直言，英偉達從不反CPU，但在AI智能體時代，決不能讓昂貴的算力因CPU的平庸而白白糟蹋。
第二，爲什麼AI 以前不好收錢？黃仁勳指出，當AI從單純的信息檢索進化到像編程、建築設計這樣可執行的任務時，經濟價值才真正爆發。這種從「概率正確」向「任務交付」的跨越，正是AI商業化的分水嶺。
此外，面對中國市場，黃仁勳展現了一貫的格局和遠見。他點名讚賞了DeepSeek、Kimi、Qwen等中國原創力量，並警示華盛頓，不要被「末日論」的科幻噱頭嚇破了膽，若不讓技術在競爭中擴散，美國反而有可能被時代甩在身後 。
訪談最後，黃仁勳說，
“我們現在依然在全力衝刺。我們並沒有表現得像一家擁有深宅大院、可以躺在護城河裏享清福的巨頭。
相反，我們正在推倒重來——重塑網絡、重塑CPU、重塑軟件棧。甚至爲了重新定義推理架構，我們不惜通過收購來打破現狀。
這怎麼看都不像是一家覺得自己『已經贏麻了』的公司。”
讓人激賞。
聰明投資者整理分享給大家。
01、英偉達的CUDA核心
本·湯普森 這次演講你花了很多篇幅解釋英偉達究竟是什麼，從可編程着色器的歷史講起，一直到20年前CUDA的發佈。爲什麼你覺得現在有必要重講這個故事？爲什麼要重新定義CUDA及其重要性？
黃仁勳 嗯，因爲我們正在進入大量全新的行業。
而且，AI將會學會使用工具，而這些工具原本是我們爲人類創造的。AI會用Excel，會用Photoshop，會用邏輯綜合工具、Synopsys工具和Cadence工具。
這些工具必須經過「超級加速」，它們要使用的數據庫也必須超級加速，因爲AI的運行速度極快。
所以我認爲在這個時代，我們需要讓世界上所有的軟件都儘可能快地實現加速，然後把它們放在AI面前，讓AI能夠以「智能體」的方式調用它們。
本·湯普森 所以，這算不算是我們已經爲一部分行業做好了準備，現在要推廣到更多行業？
黃仁勳 沒錯，多得多。例如，數據處理。
本·湯普森 這確實讓人意外。我沒預料到你會以和IBM的合作開場。
黃仁勳 是的，這能讓大家看清大局。畢竟，IBM才是這一切的開山鼻祖。
本·湯普森 你上週寫道，AI是一塊「五層蛋糕」：電力、芯片、基礎設施、模型和應用。你是否擔心在過去四五年裏，英偉達會被外界固化在「芯片」這個盒子裏？所以強調英偉達是一家垂直整合的公司很重要。
黃仁勳 我想我的思維方式不是從「我不是什麼」開始的，而是從「我們需要成爲什麼」開始的。
早在多年前，我們就意識到加速計算是一個全棧問題，你必須理解應用才能加速它。我們意識到必須掌握應用邏輯，必須擁有開發者生態系統，必須在算法開發方面擁有卓越的專長。
因爲那些爲CPU開發的老算法在GPU上表現並不好，所以我們必須重寫、重構算法，使其能被我們的GPU加速。
但如果我們這樣做，就能獲得50倍、100倍甚至10倍的提速，這完全值得。
我想從最開始，我們就意識到：「好吧，我們想做什麼？達成目標需要付出什麼？」
如今，我們正在全球範圍內建造AI工廠和AI基礎設施。這比單純造芯片要複雜得多。
當然，造芯片至關重要，它是基石。
本·湯普森 沒錯，那是一套完整的堆棧，做網絡、做存儲，而現在你們又涉足了 CPU。
黃仁勳 現在你必須把所有這些整合進這些巨大的系統中。
一個「吉瓦級」的工廠可能耗資500億到600億美元。在這筆資金中，大約150億到170億美元是基礎設施，包括土地、電力和廠房建築。剩下的則是計算、網絡、存儲之類的東西。
面對這種級別的投資，除非你能給客戶足夠的信心，讓他們確信自己能成功建成並運行，否則你根本沒戲，沒人會拿500億美元去冒險。
所以我認爲核心理念是，我們不僅要幫客戶造芯片，還要幫他們造系統；造完系統後，還要幫他們造AI工廠。
AI工廠內部含有大量軟件，不只是我們的軟件，還有大量用於冷卻管理、電力控制、冗餘設計的軟件。
過去，由於各環節缺乏溝通，很多設計是過度冗餘的。
當一群互不溝通的人去集成系統時，根據定義，你必須過度設計你負責的那部分。但如果我們作爲一個團隊共同協作，就能確保推向極限，從現有的電力中獲得更高的吞吐量，或者在同樣的吞吐量要求下節省資金。
02、軟件、推理與新架構
本·湯普森 回到軟件那塊，你提到Excel最初並不是爲AI使用而設計的。現在像Claude已經有了調用Excel的新功能。
當你談到投資這些時，是爲了讓這類模型表現得更好嗎？還是說這是給$微軟 (MSFT.US)$或企業客戶準備的，即你們想使用這些工具，但不想受制於生態系統中的其他玩家？
黃仁勳 嗯，SQL（結構化查詢語言）就是一個很好的例子。
SQL是供人使用的，我們和其他人一樣在SQL系統上運行業務，它是商業世界的「事實來源」。
現在，不再僅僅是人類在查詢我們的SQL數據庫了，將會有一大群智能體在上面進行查詢。
本·湯普森 沒錯，它們的查詢速度會快得多。
黃仁勳 它們的需求速度會快得多。所以我們要做的第一件事就是加速SQL，這就是最簡單的邏輯。
本·湯普森 很有道理。關於模型，你提到語言模型只是其中一個類別。你在上週的文章中寫道：「一些最具變革性的工作正發生在蛋白質AI、化學AI、物理模擬、機器人和自主系統領域。」
你之前在其他主講演講中也提過這個觀點，我記得你用過一句話，叫「萬物皆Token」。你認爲Transformer架構是開啓萬物的鑰匙嗎？還是說我們需要新的基礎性突破來支撐這些應用？
黃仁勳 我們需要各種各樣的新模型。例如，Transformer的注意力機制能力是呈平方級增長的，那麼你如何擁有超長記憶？你如何進行一場持續很久的對話，而不讓KV緩存隨時間推移變成一堆垃圾？
本·湯普森 或者說，不用爲了裝載KV緩存而搞出整機櫃的固態硬盤。
黃仁勳 沒錯。而且，假設你能記錄下我們所有的對話，當你回頭去引用某段對話時，引用的哪部分最重要？
這裏需要一種能夠正確處理注意力並能極速處理的新架構。
我們開發了一種結合了Transformer和 SSM（狀態空間模型） 的混合架構，這使得 Nemotron 3能夠同時實現超高智能和超高效率，這就是一個例子。
另一個例子是開發具有幾何感知能力的模型。這意味着生命和自然界中的許多事物都是對稱的。
當你生成這些模型時，你不希望它只生成統計上看起來合理的模型，它還必須符合物理規律，比如必須是對稱的。因此，例如我們的cuEquivariance技術就能實現這一點。
所以我們擁有所有這些不同的技術。再舉個例子，當我們生成文字Token時，它是分塊輸出的，一次一小點，一個Token接一個Token；但當你生成動作（motion）時，你需要它是連續的。
因此，既有你需要生成和理解的離散信息，也有你想要生成和理解的連續信息。Transformer架構並不能完美兼顧兩者。
03、關於推理與編程
本·湯普森 還是想引用你文章裏的一句話：「在過去的一年裏，AI 跨越了一個關鍵門檻。模型變得足夠好，可以大規模應用。推理變強了，幻覺減少了，落地應用有了顯著改善。AI 首次開始產生真正的經濟價值。」
我想聊聊具體發生了什麼變化。按現在的勢頭，今年肯定是「智能體」的天下。但對去年來說，「推理能力」真的就是那個最核心的突破嗎？
黃仁勳 生成式技術固然是里程碑，但它有個致命傷，愛一本正經地胡說八道（幻覺）。
所以我們必須讓它「接地氣」，而方法就是引入推理、反思、檢索和搜索。
沒有推理能力，這些輔助手段一個都玩不轉。正是推理，讓生成式AI真正扎根於現實。
一旦它能立足現實，你就可以讓它去分析問題、拆解步驟，把它化整爲零變成你可以實際操作的任務。於是，下一個階段自然而然就演進到了「工具使用」。
這其實揭示了一個有趣的現象。你看，搜索曾經是一項沒人願意付費的服務，因爲獲取信息雖然重要，但大家習慣了不爲此掏錢。
要想讓用戶掏腰包，你提供的價值必須遠超「信息」本身。「哪家餐廳好吃？」這種單純的信息，絕大多數人是不會買單的。
但現在，我們跨過了那個收費門檻。AI不再只是陪你聊天、給你塞信息，它現在能實實在在地爲你「辦事」了。
編程就是一個完美的例子。
你仔細想想，寫代碼和說話其實是兩碼事。你得教AI處理空格、縮進和符號，這幾乎成了一種全新的模態。而且你不能像擠牙膏一樣一次吐一點Token，你必須對整塊代碼進行重構。
這段代碼必須邏輯自洽、必須是最優解，而且最關鍵的一點——它必須能編譯。
它不能只停留在「大概率正確」的層面上，它必須「可執行」。
本·湯普森 沒錯，代碼這東西很誠實，要麼跑得通，要麼跑不通。
黃仁勳 必須跑得通。所以，讓AI學會編程這種模態是一件極其重大的事。
一旦擁有了這種能力，你想想，我們以前每年花幾十萬美元聘請工程師寫代碼，而現在他們有了編程助手。工程師們可以騰出手去思考更高維度的架構了。
以前寫程序是個體力活，極其費勁；現在他們可以用「規範」來定義軟件，這更抽象，也更高效。
他們把時間花在解決問題和創新上。現在我們公司的軟件工程師100%都在用編程智能體。他們中很多人已經很久沒親手敲過一行代碼了，但他們效率飛起，每天都忙得不可開交。
本·湯普森 但你擔不擔心，大家會因爲編程具有「可驗證性」，就對AI的能力產生過度的推演？畢竟智能體可以反覆試錯，直到跑通爲止，這過程中甚至不需要人類參與。
黃仁勳 重點就在於這種「反思」能力。比如設計房子或廚房，這以前是建築師的專利，但現在木匠也能做了。
你通過AI極大地拔高了木匠的能力上限。木匠可以用智能體去構思方案、設計風格。雖然智能體手裏沒拿錘子（物理工具），但它可以不停地迭代。
比如你給它一個參考，「這就是我想要的審美風格。」
智能體會不斷自我反思，拿自己的方案去跟參考圖對比。它會說：「嘿，這塊兒弄得不如預期，我得重來一遍。」
它在不斷地自我迭代。它生成的方案不一定要百分之百「可執行」（指物理實現），事實上，越是那些帶點概率、涉及審美和主觀判斷的事情，AI 反而表現得越驚豔。
本·湯普森 很有意思。你這幾乎涵蓋了兩個極端：一端是生成圖像，沒有標準答案；另一端是編程，對錯絕對分明。AI似乎在兩頭都吃得很開，現在的懸念是，它能把這種成功多快地複製到中間那片廣闊的地帶。
黃仁勳 至少我們現在敢打包票，它能搞定建築設計，也能搞定廚房和客廳的裝修。
04、CPU在加速計算中的角色
本·湯普森 說到這兒，隨着智能體的興起，有個情況挺有意思。你以前總掛在嘴邊的是「加速計算」，我記得你甚至還常給CPU潑冷水，說它們早晚會被取代，萬物皆可加速。結果轉眼間，CPU居然又轉漲了。
既然你現在都親自下場賣CPU了，它們顯然變得既好用又關鍵。那麼，當一個「CPU 推銷員」的感覺怎麼樣？
黃仁勳 毫無疑問，摩爾定律確實到頭了。但有一點要澄清，加速計算並不等同於並行計算。
回過頭看30年前，當時市面上起碼有二三十家做並行計算的公司，最後只有英偉達活了下來。
原因就在於，我們當時就看透了，目標從來不是爲了幹掉CPU，而是爲了給應用加速。
本·湯普森 這麼說，我剛才對你的「指控」雖然不成立，但擱在其他公司身上倒是一說一個準。
黃仁勳 我們從不反CPU，更不想去挑戰阿姆達爾定律（Amdahl's Law，即系統的最終速度，取決於那部分無法被加速的瓶頸）。
在加速計算的邏輯裏，我們反而在系統內部挑最頂級的CPU買，甚至買最貴的。道理很簡單，如果那個CPU性能不是天花板級別的，它就會反過來拖累我那些價值數百萬美元的芯片。
本·湯普森 以前搞分支預測，你心疼的是浪費了CPU時間，現在你心疼的則是GPU 時間被白白糟蹋。
黃仁勳 沒錯。你絕不能讓GPU被冷落，絕不能讓它在那兒空轉。
所以我們才一直追求最強CPU，甚至到了自己動手造Grace的地步，就是爲了擁有最猛的單線程性能，讓數據傳輸快得飛起。
所以說，加速計算從來不排斥CPU。我的基本觀點沒變，阿姆達爾定律是繞不過去的。那種指望靠通用計算、拼命塞晶體管的老路子已經徹底死掉了。
但從根本上講，我們對CPU沒意見。
現在的這些智能體已經學會使喚工具了。可問題是，這些工具最初都是爲人類設計的。它們大致分爲兩類：一類跑在數據中心，大多和SQL、數據庫相關；另一類則是在個人電腦上。
我們要面對的，是那些能學會「非結構化操作」的AI。
你看，第一類工具是「結構化」的，比如命令行（CLI）或者接口（API）。這類工具指令明確、參數精準，你和應用的對話方式有一套死板的規矩。
但麻煩的是，還有海量的應用壓根就沒設計過什麼接口。這就需要AI具備多模態能力，去學習那種「非結構化」的操作。
它得像人一樣，會自己翻網頁、找按鈕、拉菜單，一點點摸索着來。這種活兒，非得靠PC不可。
而我們現在的策略是兩手抓：一方面，我們有頂尖的數據處理系統；另一方面，你也知道，英偉達的工作站（PC）性能在全世界也是數一數二的。
本·湯普森 那麼，一個「以智能體爲核心」的CPU，和普通CPU 到底差在哪？聽這意思，你打算搞一整櫃的Vera CPU。
黃仁勳 噢，問得太準了。過去十年，CPU的設計哲學全是圍着「超大規模雲」轉。
雲廠商靠CPU核心數來變現，所以設計目標是核心越多越好，反正都是拿來租的，至於單核性能強不強，那是次要的。
本·湯普森 畢竟主要處理的是Web端的延遲。
黃仁勳 沒錯。你優化的是實例數量。所以你才會看到那些擁有兩三百、甚至四百核的CPU冒出來。
但代價是，它們的單核性能都很平庸。可對於「智能體調用工具」這種場景來說，當GPU就在那兒乾等着工具操作的結果時——
本·湯普森 而且你們之間還是通過NVLink連接的，速度極快。
黃仁勳 正是。這時候你最需要的，其實是一臺單線程性能快到極致的計算機。
本·湯普森 所以這純粹是速度競賽嗎？還是說CPU本身得變得更「並行」，去解決緩存未命中之類的問題？或者說，整個流水線的設計邏輯都變了？
黃仁勳 沒錯，最核心的就是單線程表現，再加上無敵的I/O。
因爲現在數據中心裏運行着海量的單線程實例，這會給I/O系統和內存控制器帶來巨大的壓迫感。
Vera每個核心的帶寬、甚至整個芯片的總帶寬，比以前任何一款CPU都要高出三倍。它的初衷就是靠海量的I/O和內存帶寬，確保CPU永遠不會成爲瓶頸。一旦CPU慢下來，它拖累的可是身後那一整群 GPU。
本·湯普森 這個Vera機櫃，你提到它和GPU結合得非常緊，但它依然是「解耦（即把原本緊緊捆綁在一起的組件拆開，讓它們能夠獨立運行、獨立升級、互不干擾）」的嗎？也就是說，GPU能夠同時爲多個不同的Vera核心服務，而不是死死綁定在某一塊板子上……
黃仁勳 沒錯，它們是解耦的。
本·湯普森 明白了，這邏輯很通。那麼你和英特爾的合作，以及NVLink在這中間扮演了什麼角色？
黃仁勳 問得好。雖然現在很多人對Arm架構很滿意，但有些領域——尤其是企業級計算，還守着一大堆不想遷移的老技術棧，所以x86依然不可或缺。
本·湯普森 x86代碼的生命力這麼頑強，這事兒讓你感到意外嗎？
黃仁勳 並不意外。你看，英偉達的PC依然是 x86 架構，我們所有的工作站也全都是x86。
05、Groq收編是「戰略性巧合」
本·湯普森 你在今天的演講裏自封爲「Token 之王」。你在文章裏也提到，電力是 AI 基礎設施的「第一性原理」，它直接限制了系統能產出多少智能。既然Token產量受限於功耗，那爲什麼其他公司還覺得自己有戲，敢挑戰你這個「Token 之王」？
黃仁勳 挑戰確實很大，因爲現在想光靠造出一顆芯片就搞出什麼驚天動地的突破，已經不現實了。
就拿Groq來說，除非把它的技術和我們的Vera Rubin（英偉達下一代 GPU 架構）配對使用，否則Groq根本跑不出那種逆天的性能。
本·湯普森 展開講講，我正想問Groq的事兒。
黃仁勳 你看推理這件事，其實有兩個極端：一頭是你想追求最高的吞吐量，也就是單位時間吐出多少Token；另一頭是你想交付儘可能 「聰明」的Token。Token越聰明，你才越能收高價。
如何在這兩者之間找平衡，即在榨乾吞吐量的同時還要頂住智能化的壓力，這極其難辦。
本·湯普森 我得提醒你，去年你有一張幻燈片專門講了 「帕累託曲線」。你當時推銷Dynamo編譯器時還說，英偉達的GPU能完美覆蓋整條曲線，用戶閉眼買就行，Dynamo會幫你搞定一切。但你現在卻改口說：「嗯，其實它也沒法包圓兒。」
黃仁勳 我們的覆蓋能力依然是全行業最強的。之所以要進一步拓寬這條「帕累託前沿」，特別是在極速Token速率和超低延遲這兩個點上，是因爲編程智能體出現了。
這些智能體能創造驚人的經濟價值，而且它們是爲「人」服務的，而人，才是這個世界上最昂貴、最有價值的資源。
本·湯普森 沒錯，人可比GPU貴多了。
黃仁勳 所以我想給我的軟件工程師提供最頂級的Token速率。
如果Anthropic出一個「Claude Code」的高級版，能把編程速度提快10倍，我絕對毫不猶豫地買單。
本·湯普森 所以你這產品是先做給自己用的？
黃仁勳 大多數偉大的產品都源於你親身體會到的痛點。
我們希望自家的編程智能體能快上10倍，但在一個追求高吞吐量的系統裏，這幾乎是不可能完成的任務。
所以我們決定把Groq的低延遲系統收進來，讓兩者協同辦公。
本·湯普森 明白了。這僅僅是把解碼（Decode）和預填充（Prefill）拆開處理嗎？
黃仁勳 走得更遠。我們甚至會把解碼階段裏那些吃算力、涉及到注意力機制的部分，都專門拆出來處理。
本·湯普森 所以你們在解碼這個層級上都實現「解耦」了。
黃仁勳 沒錯，這需要極度緊密的耦合和深層次的軟件集成。
本·湯普森 你們動作怎麼這麼快？離收購才過了幾個月，今年就能出貨？
黃仁勳 事實上，我們對 「解耦推理（Disaggregated Inferencing）」的研究早就開始了。
當初推Dynamo時，英偉達就已經把底牌亮出來了。聰明人那天就該意識到，我已經在琢磨如何在異構基礎設施上做更精細的推理拆分。
Groq的架構只是我們架構的一個極端變體，他們之前自己單幹確實挺難的。
本·湯普森 看來你已經佈局三五年了。那這次收購Groq團隊，是有什麼突發事件推了你一把嗎？
黃仁勳 還是那句話，戰略先行。
宣佈交易前，我們其實已經合作了半年。把Grace Blackwell和Groq整合在一起，是我們早就定下的方向。
至於合作本身，我非常欣賞那個團隊，但我對他們的雲服務沒興趣。他們還有另一塊自己堅信且做得不錯的業務，那部分留給他們。
我們收了團隊，拿了授權，從底層架構開始進行演進。
本·湯普森 所以這只是個美麗的巧合？
黃仁勳 應該說是 「戰略性的機緣巧合」。
本·湯普森 因爲OpenAI一月份剛宣佈了跟Cerebras合作。
黃仁勳 那是他們的事，我當時甚至不知情，知道了也不會改變我們的決定。Groq 的架構依然是我的首選，它對我們來說更合邏輯。
本·湯普森 這是第一次有ASIC（專用集成電路）方案讓你覺得「有點意思，這確實不一樣」嗎？
黃仁勳 不，上一個是Mellanox。
本·湯普森 確實，那是神來之筆。
黃仁勳 對，Mellanox。我們把一部分計算棧直接塞進了它的網絡棧裏。
要是沒有這種「網內計算」，NVLink根本不可能做到今天這個規模。把軟件棧拆解開，放在它最該去的地方，這是英偉達的拿手好戲。
我們不執着於在哪兒算，我們只在乎能不能給應用加速。記住，英偉達是一家加速計算公司，不是一家GPU公司。
本·湯普森 明白了。既然電力是硬約束，客戶在選傳統GPU還是選這種LPU（語言處理單元）機櫃時，是不是應該相信：這玩意兒能給他們賺更多錢？
黃仁勳 取決於他們做什麼產品。如果你現在還沒有企業級用例，買Groq其實沒啥意義。因爲你大多數客戶都是免費黨，你正忙着把他們轉化成付費用戶呢。
如果免費客戶佔大頭，加Groq只會增加成本和功耗，不划算。
本·湯普森 還有複雜度和服務器位帶來的機會成本。
黃仁勳 沒錯。但如果你像Anthropic或者OpenAI旗下的Codex那樣，手握極高經濟價值的業務，只恨Token吐得不夠快，那這時候加上這個加速器，你的收入真的會起飛。
06、中國市場競爭，以及華盛頓的「AI末日論者」
本·湯普森 到了2026年的今天，限制我們的到底是什麼？是電力、晶圓產能，還是別的？大家都在喊缺貨，真正的「天花板」在哪兒？
黃仁勳 我覺得幾乎每一項都快頂到頭了。現在你想把其中任何一項翻倍，基本都不可能。
本·湯普森 因爲一旦你把其中一個翻倍，立馬就會撞上另一個瓶頸。
黃仁勳 沒錯。
本·湯普森 不過我看美國在「搞電」這方面做得還行，比兩年前大家想的要樂觀。現在感覺芯片供應反而更像是那個掉鏈子的環節。
黃仁勳 我們的供應鏈計劃其實定得很死。
你要知道，我們早就在爲一個「超級大年」做準備了，甚至明年的計劃都已經排好了。
本·湯普森 明白，我們也看到你跟那些供應鏈大佬喝燒酒、啃炸雞的照片了。
黃仁勳 （大笑）對，就是那樣。我們在全球有幾百個合作伙伴，大家都是老交情。所以供應這塊我心裏有數。
我不覺得電力或芯片多到溢出來，沒什麼是過剩的。但在我看來，供應鏈層面我們完全能頂住。
我現在唯一的願望，就是希望那些土地、電力設施和廠房外殼能蓋得再快一點。
本·湯普森 那我是不是可以這麼理解，只要「稀缺性」還存在，英偉達就是最大的贏家？比如電不夠，因爲你的芯片能效最高，大家就更得買你的；再比如產能有限，而你早就把上游鎖死了。這種局面下，你們簡直是通吃？
黃仁勳 這麼說吧，我們是這個領域的頭號玩家，而且計劃做得早。
我們在供應鏈的上下游都布了局，與其說我們是贏家，不如說我們讓所有合作伙伴都爲這種爆發式增長做好了準備。
本·湯普森 明白了。但說到底，失去中國市場難道不是個致命傷嗎？如果中國最後真搞出了充足的電和芯片——哪怕只是7納米的，他們也有資本搞出一套能跟CUDA掰手腕的生態。你不擔心這個嗎？
黃仁勳 毫無疑問，我們必須讓美國的技術棧留在中國。我一直堅持這個觀點，因爲開源軟件是擋不住的。
中國對開源的貢獻比誰都多，全球一半的AI頂尖人才也都在那兒，而且他們極具創造力。你看DeepSeek，那絕不是鬧着玩的，非常厲害；Kimi、通義千問也都極其出色。
他們在架構和AI堆棧上都有原創性的貢獻，我們必須給予最高級別的重視。
只要全世界還在用美國的技術棧做開發，那麼當這些技術從中國回流（因爲開源，這是必然的）到美國工業、東南亞或歐洲時，我們的生態系統就能無縫對接。
我始終認爲，這是美國科技界最核心的地緣政治戰略。
本·湯普森 確實。咱倆上次聊的時候，特朗普政府還禁了H20。你當時居然能說服他們接受你的邏輯，這挺讓人驚訝的。更戲劇性的是，現在反倒是中國政府那邊把你給卡住了。
黃仁勳 我對被卡住並不意外，中國當然想扶持自己的技術棧。在我們淡出那個市場的這段時間，中國工業的速度你是知道的，華爲創下了歷史最佳業績。
他們還有好幾家做AI芯片的公司排隊IPO。
我覺得我們在思考美國領導力時，眼光得再放長遠點。
AI不僅僅是一個模型，這是個巨大的誤區。就像我說的，AI是塊「五層蛋糕」，我們得在基礎設施、芯片、平台、模型、應用這五層上全贏才行。
現在有些做法其實是在自毀長城，削弱我們在每一層領先的機會。
如果覺得贏的辦法就是把這五層死死捆在一起，搞成一個封閉堆棧，導致我們只能在單體最弱的那一層水平上競爭，那簡直是極大的錯誤。
我們得放手讓每一層都去市場上拼殺、去贏。
本·湯普森 也許是因爲其他層級的公司在華盛頓混得更久，而你們這些做芯片和平台的去晚了？
黃仁勳 呵，也許吧。
本·湯普森 那你學到了什麼？關於華盛頓，最讓你開眼界的是什麼？
黃仁勳 最讓我吃驚的是，「末日論者」居然能滲透得那麼深，他們的言論已經徹底綁架了政策制定者的心理。
本·湯普森 結果就是每個人都在害怕，而不是在興奮。
黃仁勳 沒錯。這會帶來兩個致命問題。
在這場工業革命中，如果我們不讓技術在美國本土全面擴散，不趕緊利用起來，那我們的下場就會像上一場革命裏的歐洲一樣——被時代甩在身後。
要知道，上一場革命的很多技術其實是歐洲發明的，但最後真正佔到便宜的是我們。我希望我們能有這份歷史智慧，別被那些嚇唬外行人的科幻小說和「末日論」給帶坑裏去。
我最擔心的就是民調顯示AI的受歡迎程度在下降，這太要命了。這跟當年人們反電力、反發動機、反互聯網沒什麼區別。
如果別國利用技術的速度比我們快，技術就會更快地融入他們的社會。我們必須警惕這種把技術「妖魔化」的科幻噱頭，它除了嚇唬人，一點用都沒有。
我不喜歡那些在外面散佈恐慌的「末日論者」。真正的風險預警和純粹爲了製造恐慌的修辭是有本質區別的。
本·湯普森 這種現象挺典型的，聰明人喜歡戴上深度思考的帽子去摳細節，卻忘了大衆傳播看的是大基調。你不能一邊說「我有點怕這個但不怕那個」，一邊指望大家不恐慌。你傳遞出來的就是恐懼，而不是樂觀。
黃仁勳 是啊，而且這麼做好像能讓他們顯得更聰明。
本·湯普森 誰不喜歡顯擺自己聰明呢？
黃仁勳 有時候是爲了聽起來聰明，有時候是爲了籌款，甚至是爲了搞「監管捕獲」來保護自己的地盤。理由多得是。
這些人確實絕頂聰明，但我得提醒他們，這些小動作很可能會產生回彈甚至反噬。總有一天，他們會爲今天的所作所爲感到後悔。
07、英偉達的本質
本·湯普森 最後，咱們聊聊英偉達本身。英偉達現在已經是全球市值最高的公司了。這感覺真實嗎？你會感到害怕嗎？還是說，就像你以前常說的那樣，你依然覺得公司「離破產永遠只有30天」？
黃仁勳 說實話，沒什麼實感。當你待在一家公司長達32年時，你看它的視角會變得非常固定。
在我眼裏，我們依然是當年那家小公司，而且我們至今也還是按那種「生存模式」在運轉。
我依然時刻對公司的處境感到擔憂，對技術變革那驚人的速度感到敬畏。
你看，我們現在依然在全力衝刺。我們並沒有表現得像一家擁有深宅大院、可以躺在護城河裏享清福的巨頭。
相反，我們正在推倒重來——重塑網絡、重塑 CPU、重塑軟件棧。甚至爲了重新定義推理架構，我們不惜通過收購來打破現狀。
這怎麼看都不像是一家覺得自己「已經贏麻了」的公司。
本·湯普森 你在演講結尾提到，希望英偉達成爲「產生智能的引擎」。這是否意味着，在你的終極藍圖裏，英偉達不該被看作硬件公司，甚至不只是軟件公司，而更像是一家「公用事業公司」？
黃仁勳 我更願意稱之爲一家「賦能公司」。
我們提供的是這個時代的「普羅米修斯之火」，或者是這個時代的電力。我們的天職，就是確保這種能源儘可能地廉價、普及且高效。
如果這種「智能」能滲透進每一個行業，從研發新藥、設計更安全的汽車，到讓每個普通人的工作效率提升十倍，那我們就完成了使命。
至於別人怎麼稱呼我們，我壓根不在乎。只要我們還在解決那些「不靠加速計算就無解」的難題，我們就沒走錯路。
編輯/rice