Jensen Huang: 黄仁勋——TPU 的竞争、该不该把芯片卖给中国，以及英伟达的供应链护城河

Dwarkesh 用最强版本的看空逻辑开场。软件公司的估值一直在崩，因为人们预期 AI 会把软件商品化。按这种读法，英伟达是一家软件公司，只不过它的软件由别人制造：它把 GDS2 文件发给台积电，台积电做出逻辑裸片和交换芯片，再用 SK 海力士、美光、三星的 HBM 封装在一起，然后送到台湾的 ODM 组装成机柜。如果软件即将被商品化，问题就不言自明。

黄仁勋从链条的物理端回答。总得有什么东西把电子变成 token，而让一个 token 随时间变得更值钱，并不是那种能被干净地商品化的事。他用的类比是分子层面的：让一个 token 比另一个更值钱，就像让一个分子比另一个更值钱——技艺、工程、科学与发明，而这一切至今都远未被真正理解。

然后他把 Dwarkesh 的框架认作自己对公司的思维模型：输入是电子，输出是 token，英伟达在中间。行事准则是：需要做多少就做多少，能少做就少做——任何他不必亲自做的事，就找伙伴，纳入生态。

结果就是他所说的业界最大的伙伴生态，上下游都在内，横跨他所描述的 AI 五层蛋糕。策略是极简主义，但剩下的那部分并不小：英伟达必须自己做的那一块，结果难到离谱，而那恰恰是他不认为会被商品化的部分。

接着他把前提翻了过来。他认为大多数软件公司是工具制造商——Excel、PowerPoint、Cadence、Synopsys——另有一小部分是工作流编码系统。按他的读法，agent 的数量会指数增长，工具使用者的数量也随之指数增长，所以这些工具的实例数应该暴涨而不是崩塌。

具体的画面是一条芯片设计流程。Synopsys Design Compiler 的实例，布局规划器、布线工具、设计规则检查器的实例，全都在成倍增加——因为今天的约束是工程师的人数，而明天这些工程师会被成群的 agent 支撑，去探索一个此前没人搜索过的设计空间，用的还是同一批工具。

所以工具使用是让软件公司变值钱的原因，而不是摧毁它们的原因。它还没体现在数字里，原因很具体：agent 还不太会用这些工具。而这个缺口会从两头合拢——厂商自己做 agent，通用 agent 也迟早好用到能驱动现成工具。

Dwarkesh 转向资产负债表。最新财报显示，在代工、存储和封装上的采购承诺接近 1000 亿美元，而 SemiAnalysis 报道的数字接近 2500 亿。一种解读是：这就是护城河——把稀缺元件锁定好几年，对手也许有加速器设计，但拿不到存储，也拿不到逻辑产能。

黄仁勋接受这个框架并把它扩大。这些承诺一部分是明示的，一部分是隐含的：上游的大量投资是由供应链自己做的，而在此之前，他和每一层的 CEO 坐在一起，把行业会有多大、以及为什么，从头讲给他们听。

有意思的问题是：为什么他们为黄仁勋投资，而不是为别人？他的答案与个人魅力无关。他们愿意投，是因为他们知道他既能买下他们的供给，又能通过自己的下游卖出去。下游需求足够大，足以给他们的资本开支去风险。

所以他把护城河描述成「为未来而建」的能力，而不是一堆元件库存。如果未来几年是万亿美元量级，链条必须先存在；而没有人会为一个业务周转率很低的架构去建供应链。所谓持续规模，就是把下游需求看得足够清楚、足够早，早到别人愿意押上资本开支。

GTC 就是这个机制，他描述它的方式是功能性的，而不是把它当成一场展会：整个 AI 宇宙聚在一处，因为各块拼图需要看见彼此。下游看见上游，上游看见下游，所有人看见进展，所有人见到那些 AI 原生公司——它们的创业本身就是「我说的是真的」的证据。

这也解释了主题演讲中评论者觉得冗长的那一部分。那段「教育」是刻意的：供应链和生态必须理解什么要来、为什么来、什么时候来、规模多大，并且能像他一样系统地推理它。把信息传达出去，正是让资本开支决策成为可能的那件工作。

Dwarkesh 追问上游在物理上能不能跟上。英伟达的收入连年翻倍，向世界提供的 FLOPS 增长超过三倍。

黄仁勋插了一句：在这个体量上还能翻倍，本身就已经很惊人——这句话为更难的那个问题做了铺垫。

更难的版本是算术。英伟达是台积电 N3 最大的客户，也是 N2 上最大的客户之一；据说整个 AI 今年占 N3 的 60%，明年 86%。当你已经是一个制程节点上的多数，还要怎么逐年翻倍？AI 算力的增速是否必须因为上游而放缓，有没有绕过去的办法？

他的回答从一条关于一般状况的判断开始：在某个层面上，瞬时需求大于供给，上游下游都是如此；而在任何一个瞬间，卡住脖子的可能是极其荒谬的东西——比如水管工的数量，而这真的发生过。

Dwarkesh 说，那明年的 GTC 应该邀请水管工。黄仁勋说，这其实是好状况：你希望身处一个瞬时需求大于行业总供给的行业。反过来才是坏事。

而解决某个具体短缺的机制是「蜂拥」。当某一个元件落后太多，整个行业就扑上去。CoWoS 是他的例子——现在已经没多少人谈它了，因为那两年他们把它往死里扩，翻了好几番。

结果是地位的变化。台积电现在知道 CoWoS 必须跟上逻辑与存储的需求，于是把封装按逻辑同样的速度扩产。CoWoS 和 HBM 不再是「特种工艺」，而成了主流计算技术——正是这个转变让量产成为可能。

他把这套论证的时点推到共识形成之前。他现在说的每件事，五年前就在说，有些人信了并且投了——包括 Sanjay Mehrotra 和美光团队，横跨 LPDDR 与 HBM。他还记得那场会，他把将要发生什么、以及为什么，讲得很清楚。其他人来得晚一些，现在也都来了。

这套方法后来变成了「提前取货」。与其等瓶颈出现，不如提前几年布局：与 Lumentum、Coherent 以及硅光生态的投资重塑了供应链，而与台积电合作的 COUPE 产出的技术随后被授权出去，让链条保持开放而不是被绑死。

工具箱里其余的东西都不光鲜：新工作流、新测试设备（比如双面探测）、直接投资、帮忙扩产能。要点是把生态塑造成形，让链条在需求到来之前就绪。

Dwarkesh 说其中有些比另一些容易——扩 CoWoS 与扩别的什么——黄仁勋打断说，他故意挑了最难的那个。

最难的是水管工和电工，而他拿它来反驳末日论者。劝人别去做软件工程师，你就会缺软件工程师。同样的预言十年前关于放射科也说过：那些视频还在网上，说它会是第一个消失的职业。而世界现在真正缺的，是放射科医生。

Dwarkesh 回到更硬的技术问题：把逻辑产能翻倍，而存储和逻辑最终都受 EUV 制约。你怎么让 EUV 机器每年翻一倍？

黄仁勋的回答是：只要有需求信号，这些都不难快速扩起来——两三年。能造一台，就能造十台；能造十台，就能造一百万台。这些不是难以复制的东西。

Dwarkesh 问，他究竟会往下走多深——会不会坐到 ASML 面前说，一家两万亿美元营收的英伟达需要多得多的 EUV。

有些直接谈，有些间接谈，有些不谈：说服了台积电，ASML 自然就被说服了。诀窍是识别关键的卡点，而不是把每个供应商都巡一遍；只要台积电被说服，几年后机器就会在那里。