Jensen Huang: 黄仁勋：英伟达——市值4万亿美元的公司与AI革命
#494 – Jensen Huang: NVIDIA – The $4 Trillion Company & the AI Revolution
Guests: Jensen Huang
Full transcript · Read the full conversation in order, with its original context.
§01文字稿 1
以下是与英伟达首席执行官黄仁勋的对话。英伟达是人类文明史上最重要、最具影响力的公司之一。英伟达是推动AI革命的引擎，它的许多成功可以直接归功于黄仁勋纯粹的意志力，以及他作为领导者、工程师和创新者所做出的众多精彩押注与决策。这里是Lex Fridman播客。亲爱的朋友们，下面有请黄仁勋。
你带领英伟达进入了AI的新时代，从过去专注于芯片级设计，转向了如今的机架级设计。
我想可以公平地说，长期以来，英伟达的制胜之道在于打造尽可能好的GPU，现在你们依然在这么做，但如今你们已经把它扩展到了极致协同设计：GPU、CPU、内存、网络、存储、供电与散热、软件、机架本身、你们发布的pod，甚至整个数据中心。那我们就来聊聊极致协同设计。对一个拥有如此多复杂组件和设计变量的系统进行协同设计，最难的部分是什么？
好的，谢谢你的提问。首先，之所以需要极致协同设计，是因为问题已经无法装进一台计算机、靠一块GPU来加速了。你要解决的问题是：你希望速度的提升超过你所增加的计算机数量。比如你增加了1万台计算机，但你希望它快上100万倍。这时你一下子就必须拿出算法，把算法拆开，进行重构，对流水线进行分片，对数据进行分片，对模型进行分片。这样一来，当你以这种方式分布问题——不只是扩大问题的规模，而是把问题分布出去——所有东西都会成为阻碍。
这就是阿姆达尔定律的问题：某一部分的加速能带来多少整体提速，取决于它在总工作负载中占多大比例。所以如果计算占整个问题的50%，而我把计算无限加速，比如说加速100万倍，你知道，我也只是把总工作负载加速了两倍。于是一下子，你不仅要把计算分布出去，还得想办法对流水线进行分片。你还必须解决网络问题，因为所有这些计算机都连接在一起。所以在我们这种规模的分布式计算中，CPU是个问题，GPU是个问题，网络是个问题，交换是个问题。而把工作负载分配到所有这些计算机上，也是个问题。
这就是一个极其复杂的计算机科学问题。所以我们必须调动所有技术。否则，我们只能线性扩展，或者依赖摩尔定律的能力来扩展，而由于登纳德缩放（Dennard scaling）放缓，摩尔定律已经大幅放缓了。
我相信这里面存在权衡取舍。而且这里涉及的是完全不同的学科。我相信你们在每个领域都有专家：高带宽内存、网络和NVLink、网卡（NIC）、你们在做的光互连和铜缆、供电、散热，所有这些。我是说，这些领域每一个都有世界级专家。你怎么把他们聚到一个房间里，一起弄清楚——
所以我的直属团队才这么庞大。是的。
那个流程是——你能带我了解一下专家和通才是怎么配合的吗？比如，当你知道需要把哪些东西一起塞进一个机架时，你是怎么把这个机架组合起来的？把所有这些放在一起设计，这个过程是什么样的？
嗯。第一个问题是：什么是极致协同设计？我们在整个软件技术栈上进行优化，从架构到芯片、到系统、到系统软件、到算法、再到应用。这是一个层面。第二点，就是你我刚才谈到的，它超越了CPU、GPU、网络芯片、纵向扩展（scale-up）交换机和横向扩展（scale-out）交换机。当然，你还得把供电、散热这些都考虑进去，因为所有这些计算机都极其耗电。它们完成大量工作，能效也非常高，但总体上仍然消耗大量电力。所以这是一点。第一个问题是，它是什么？
第二个问题是，为什么要这样做——我们刚才谈过原因，你知道，你希望把工作负载分布出去，从而获得超越单纯增加计算机数量所能带来的收益。然后，然后第三个问题是，怎么做，你如何实现它？
而这，这就算是这家公司的奇迹所在。你知道，当你设计一台计算机时，你需要一个计算机的操作系统。当你设计一家公司时，你首先应该思考的是，你希望这家公司产出什么。你知道，我看过很多公司的组织架构图，它们看起来都一样。汉堡公司的组织架构图、软件公司的组织架构图、汽车公司的组织架构图，全都一个样。这在我看来毫无道理。你知道，一家公——一家公司的目标是成为产出成果的机器、机制和系统。而那个产出就是我们想要创造的产品。公司也是被设计出来的，公司的架构应该反映它所处的环境。
它几乎直接告诉你应该怎样安排组织。我的直属团队有60人。你知道，我不和他们一对一面谈，因为那不可能做到。如果你，你知道，还要把工作做成的话，你不可能直属团队有60个人，同时还——
所以你现在仍然有60个直接下属。你仍然横跨——
更多，是的。
更多。而且其中大多数人至少有一只脚踩在工程领域。
几乎全部都是。有内存专家，有CPU专家，有光学专家。所有——
太不可思议了。
是的，GPU，还有——架构、算法、设计——
所以，你始终盯着整个技术栈，而且必须就整个技术栈的设计进行，比如说，激烈的讨论？
而且从来没有哪次讨论是只与某一个人进行的。这就是我不做一对一的原因。我们提出一个问题，然后所有人一起攻克它。你知道，因为我们在做极致协同设计。实际上，这家公司一直都在做极致协同设计。
所以，即使你们在讨论某个特定组件，比如散热、网络，所有人也都在旁听？
对，正是如此。
而且他们可以插话：“嗯，这对供电分配行不通。这不——”
没错。
“……这对内存行不通。这对那个行不通。”
没错。谁想走神，就走神。你懂我意思吧？之所以这样，是因为团队里的人知道什么时候该注意听。本应该……你知道，如果有些事他们本可以出力，却没有出力，“我就会点他们的名。”你知道吗？然后就是，“嘿，来吧，一起参与进来。”
所以，正如你提到的，英伟达是一家不断适应环境的公司。那么，你认为在哪个时间点，环境发生了变化，公司开始——可以说是悄悄地——适应……从早期面向游戏的GPU，到也许是早期的深度学习革命，再到如今我们要开始把它看作一座AI工厂？英伟达做什么？它生产AI；那就让我们建一座制造AI的工厂。
我可以系统地推演一下。我们最初是一家加速器公司。但加速器的问题在于应用领域太窄。它的好处是针对任务做了极致优化。你知道，任何专才都有这个好处。高度专业化的问题在于，当然，你的市场覆盖面更窄，但这甚至还算好。问题是，市场规模也决定了你的研发能力。而你的研发能力最终决定了你在计算领域可能拥有的影响力和作用。所以，当我们最初作为一家加速器公司——非常专用的加速器——起步时，我们一直都知道那只会是我们的第一步。
我们必须找到一条路，转向加速计算。但问题在于，当你成为一家计算公司时，就会变得太通用，削弱你的专业化。这个转—— 我把两个本质上存在张力的词连在了一起。我们越是成为一家更好的计算公司，作为专才就变得越差。越是专才，我们做整体计算的能力就越小。所以，那……我是有意把这两个词连在一起的：公司必须找到那条非常窄的路，一步一步再一步，扩大我们在计算上的覆盖面，但又不放弃我们所拥有的最重要的专业化能力。好，那么我们在加速之外迈出的第一步，是发明了可编程像素着色器。
所以，那是迈向可编程性的第一步。那是我们进入计算世界之旅的第一步。我们做的第二件事是，我们在着色器中加入了FP32。FP32这一步，兼容IEEE标准的FP32，是朝计算方向迈出的一大步。正因如此，所有在研究流处理器以及，你知道，其他类型数据流处理器的人都发现了我们。他们说：“嘿，一下子，你知道，我们也许可以用这个GPU了，它的计算密集度极高，而且现在，你知道，还符合IEEE标准。”
我可以拿我以前，你知道，在CPU上写的软件，看看能不能用GPU来跑。这促使我们在FP32之上加入了C，也就是我们所说的Cg。Cg这条路最终把我们带到了CUDA。CUDA，一步一步再一步，我们……嗯，把CUDA放到GeForce上，这是一个非常、非常难做的战略决策，因为它耗费了公司巨额的利润，而我们当时负担不起。但我们还是做了，因为我们想成为一家计算公司。一家计算公司要有计算架构。而计算架构必须在我们打造的所有芯片上都兼容。
你能带我回顾一下那个决定吗？把CUDA放到GeForce上，当时负担不起？你能解释一下那个决定吗？为什么还是大胆地选择这样做？你能解释一下那个决定吗？
嗯，好问题。那是……我会说，那是第一个几乎称得上关乎生存威胁的战略决策。
给不了解的人说明一下，剧透一下，事实证明它是有史以来公司做出的最英明的决策之一。CUDA最终成为这个AI基础设施世界中计算的一块了不起的基石。所以，所以——……只是交代一下背景。事实证明这是个好决定。
是的，事实证明它是个好决定。我认为……事情是这样的。我们发明了这个叫CUDA的东西，它扩大了我们的加速器能够加速的应用范围。问题是，我们如何吸引开发者来用CUDA？因为计算平台的核心就是开发者。而开发者不会仅仅因为，你知道，一个计算平台能做些有趣的事就过来。他们选择一个计算平台，是因为它的装机量大。因为开发者和其他人一样，希望开发出能触达很多人的软件。所以，装机量实际上是一个架构中最重要的部分。一个架构可能招致大量批评。
例如，没有哪种架构招致的批评比x86更多……你知道，被认为是一种不够优雅的架构，但它却是当今最具决定性的架构。这给了你一个例子：事实上，那么多由世界上一些最聪明的计算机科学家精心架构、设计得极其出色的RISC架构，大多都失败了。所以我给了你两个例子，一个是，你知道，一个很优雅，另一个几乎谈不上美感，然而x86存活了下来，原因在于——
装机量决定一切。
装机量决定一个架构。不是……其他一切都是次要的，好吗？当时还有其他架构。CUDA推出了，OpenCL也在那儿。还有……你知道，有好几种相互竞争的架构。但真正……我们做对的那个决定是，我们说：“嘿，听着，归根结底是装机量的问题，那么把一种新的计算架构推向世界的最好方式是什么？”到那个时候，GeForce已经取得了成功。
我们当时每年已经在卖出数以百万计的GeForce GPU，于是我们说：“你知道，我们应该把CUDA放到GeForce上，装进每一台PC里，不管客户用不用，并以此作为培育我们装机量的起点。”与此同时，我们会去吸引开发者，我们去了各个大学，写书、开课，把CUDA推广到各处。最终人们会发现……而且在那个时候，PC是主要的计算载体。那时还没有云，我们可以把一台超级计算机交到学校里每一位研究人员、每一位科学家手中，你知道，每一所工程院校、每一位……或者说学校里的每一个学生手中，最终一定会有了不起的事情发生。
问题在于，CUDA让那款GPU（一款消费级产品）的成本大幅增加，彻底吃掉了公司全部的毛利。当时公司的市值大概，你知道，我也说不准，当时是八……是80亿美元左右吗？大概六七十亿美元那样。推出CUDA之后，我意识到它会增加大量成本，但这是我们坚信的东西。你知道，我们的市值跌到了大约15亿美元。我们在那个位置待了一段时间，然后慢慢地一点点爬了回来，但我们始终在GeForce上搭载着CUDA。我常说，英伟达是GeForce建起来的房子，因为正是GeForce把CUDA带给了所有人。
研究人员、科学家，他们是在GeForce上发现CUDA的，因为他们都，你知道……他们中很多人是游戏玩家。很多人本来就自己组装PC。在大学实验室里，很多人用PC零部件自己搭建集群。所以，你知道，我们大致就是这样起步的。
然后它就成为了深度学习革命的平台和基础。
那也是另一个非常、非常好的观察。是的。
那个生死攸关的时刻，你还记得……那些会议是什么样的？那些讨论是什么样的，作为一家公司决定押上一切？
嗯，我必须向董事会讲清楚我们要做什么，管理团队也知道我们的毛利率会被压垮。所以你可以想象这样一种局面：GeForce要背负CUDA的负担，而没有一个游戏玩家会领这个情，也没有一个游戏玩家会为它买单。你知道，他们只愿意付一定的价格，你的成本是多少根本无所谓。所以……你知道，我们的成本增加了50%，这吃掉了……而我们当时是一家毛利率35%的公司，所以那是一个……那是一个相当艰难的决定。但你可以想象，有一天它会进入工作站，会进入超级计算机，在那些细分市场，也许我们能获得更高的利润率。
所以你可以通过推理说服自己负担得起这件事，但它仍然花了……花了十年时间。
但那更多是，比如说，与董事会的对话、说服他们，但你在心理上……随着英伟达不断做出预测未来的大胆押注，而且在某种程度上，尤其是现在，是在定义未来。所以我几乎是在寻找一种智慧，想知道你是如何做出这些决定、作为一家公司实现那样的飞跃……的。
嗯，首先，我是由大量的好奇心引导的。到了某个时候，会有一套推理体系让我非常清楚地确信这个结果一定会发生。这件事会发生。于是我在心里相信它，而当我在心里相信它的时候，你知道那是什么感觉。你让一个未来显化，而那个未来如此令人信服，它不可能不发生。中间会有很多煎熬，但你必须坚信你所相信的。
所以你、你、你设想未来……然后本质上，从某种工程的角度，让它显化成现实？
是的。而且你要推理如何到达那里。你要推理它为什么必须存在。你知道，我会推理……我们这里所有人都会推理。管理团队会对它进行推理。我身边所有的人……我们花大量时间去推理它。接下来的……下一部分可能是一种技巧层面的东西，就是，你知道，在领导层中常常是领导者保持沉默，或者他们了解了某件事，然后发布某种宣言，新的一年开始了，不知怎么的到了年底、到了明年，我们就会有一个全新的计划。这边来一场大规模裁员，那边来一次大规模组织调整，新的使命宣言……全新的标志，你知道，诸如此类的东西。
我们从来不，我从来不那样做事。当我了解到某件事，而它开始影响我的思考方式时，我会让身边每个人都非常清楚地知道，你知道，这很有意思。这会带来改变。这会影响那个方面。我会一步一步一步地推理事情。很多时候，我其实已经拿定了主意，但我会抓住每一个可能的机会——外部信息、新的洞见、新的发现、新的工程突破、新达成的里程碑——我会抓住这些机会，用它们来塑造其他所有人的信念体系。而且我真的每一天都在这样做。我对董事会这样做，对管理团队这样做，对员工也这样做。
我在努力塑造他们的信念体系，这样等到我说“嘿，我们收购Mellanox吧”的那天，所有人都会觉得我们绝对应该这么做，这是显而易见的。在我说“嘿，各位，我们全力投入深度学习吧，让我告诉你们为什么”的那天，我早已在公司内部不同的部门一块一块地铺好了砖。每个部门、每个人，很多人可能已经听过了全部内容。当然，公司里大多数人听到过其中的一部分。等到我宣布的那天，每个人都已经差不多认同了其中的很多部分。
在很多方面，我喜欢宣布这些事情，我想象员工们大概会说：“你知道吗，黄仁勋，你怎么拖了这么久？”而事实上，我已经塑造他们的信念体系有一段时间了，所以这就是领导力。有时候看起来像是你在从后面领导，但你一直在塑造他们的，你知道，直到我宣布的那天，百分之百认同。而这正是你想要的。你要让所有人都跟上。否则，我们宣布一件关于深度学习的事，所有人都会说：“你在说什么？”你知道，你宣布我们要全力投入这件事，而你的管理团队、董事会、员工、客户，他们会觉得：“这是从哪儿冒出来的？”
“你知道，这太疯狂了。”所以，所以说GTC的效应，如果你回顾过去，看看，看看那些主题演讲，我也在塑造业界合作伙伴的信念体系，而且，而且我也借此来塑造，你知道，我自己员工的信念体系。所以，所以，所以等到我宣布某件事的时候，比如说，我们刚刚宣——我们刚刚宣布了Grok〔原文名称待核〕。我们之前一直……我谈论那些铺垫的台阶已经有两年半了。你回头去看就会说：“天哪，他们已经谈论这个两年半了。”所以我一直在一步一步一步地打基础，这样等到时机成熟、你宣布它的时候，每个人都会说：“你知道吗，你怎么拖了这么久？”
但不只是在公司内部。你在塑造整个格局，更广泛的全球创新格局。比如，把这些想法提出来，你确实是在让现实显化。
我们不造电脑。我们其实也不建云。我们不……事实证明，我们是一家计算平台公司。所以没有人能从我们这里买到任何东西。这是奇怪的地方。你知道，我们进行垂直设计、垂直整合来做设计和优化，但随后我们在每一个层面开放整个平台，让它被整合进其他公司的产品、服务、云、超级计算机和OEM计算机中，所以神奇的是，如果不先说服他们，我就做不了我做的事。因此GTC的大部分内容都是在让一个未来显化，这样等到我们……我的产品准备好的时候，他们会说：“你怎么拖了这么久？”
是的。你长期以来坚信的一件事是广义上的缩放定律（scaling laws）。那你现在仍然相信缩放定律吗？
是的，是的。是的，我们现在有更多的缩放定律了。
我想你已经概括了其中四种：预训练、后训练、测试时和智能体缩放。你怎么看，当你思考未来、遥远的未来和近期的未来时，你最担心的、让你夜不能寐的、为了继续缩放而必须克服的障碍是什么？
嗯，我们可以回头反思一下人们曾经认为的障碍是什么。一开始，我们……预训练缩放定律。你知道，人们认为（这种看法也有道理），我们拥有的数据量、我们拥有的高质量数据量，会限制我们所能达到的智能水平。而那条缩放定律是一条重要的、非常重要的缩放定律。模型越大，配以相应更多的数据，就会得到更聪明的AI。这就是预训练。然后伊利亚·苏茨克维说：“我们的数据用完了”，大概是这样的话。“预训练结束了”，大概是这样的话。整个行业陷入恐慌，你知道，以为这是AI的终结。当然，这显然不是真的。
我们会继续扩大用于训练的数据量。其中很多数据可能会是合成数据，这一点也让人们感到困惑，你知道吗？人们没有意识到的是，他们有点忘了，我们用于训练的大部分数据，我们用来互相教学、互相传递信息的大部分数据，都是合成的。你知道，它是合成的，因为它不是来自自然界。是你创造了它。我消费它。我修改它、增强它，我重新生成它，然后别人再消费它。所以我们现在已经达到这样一个水平：AI能够拿到基准事实（ground truth），对它进行增强……加以提升，合成生成海量的数据。
后训练的那一部分会继续缩放，所以我们所用数据中由人类生成的部分会越来越小、越来越小、越来越小。我们用来训练模型的数据量会继续扩大，以至于我们不再受限于……训练不再受限于……数据现在受限于算力。原因在于大部分数据都是合成的。然后下一个阶段是测试时，我至今还记得有人跟我说：“推理？哦，那很简单。预训练，那才难。”人们谈论的是这些庞大的系统。推理肯定很简单。所以推理芯片会是小小的芯片，而且——
……你知道，它们不会，它们不会像英伟达的芯片那样。哦，那些会很复杂、很昂贵，而且，你知道，我们可以做……而且这是……在，在未来，推理将会是最大的市场，而且它会很简单，我们会把它商品化。你知道，每个人都能造自己的芯片。而，而这在我看来一直不合逻辑，因为推理就是思考，而我认为思考很难。思考比阅读难得多。
你知道，预训练其实就是记忆和泛化，你知道，以及在各种关系中寻找模式。那是在不停地读、不停地读；而思考、推理、解决问题，则是面对未曾探索过的经历、新的经历，把它拆解成……分解成，你知道，一个个可以解决的部分，然后我们再去逐个处理，要么通过第一性原理推理，要么，你知道，借助以往的例子、先前的经验。你知道，或者干脆就是探索和搜索，你知道，尝试各种不同的做法。而测试时扩展（test-time scaling）推理的整个过程，本质上就是关于思考。它关乎推理，关乎规划，关乎搜索，关乎……
那么，这怎么可能只需要很少的算力呢？而我们在这一点上完全正确。你知道，测试时扩展是极其消耗算力的。接下来的问题是，好，现在我们已经到了推理阶段，到了测试时扩展，再往后是什么？嗯，显然我们现在已经创造出了，你知道，一个智能体式的“人”，而这个智能体式的“人”拥有我们现在开发出来的大语言模型。但在测试时，这个智能体系统会去做研究、反复查询数据库，它会走出去，你知道，使用各种工具，而它做的最重要的事情之一，就是分化、衍生出一大批子智能体。这意味着我们现在是在打造大型团队。通过招聘更多员工来扩展英伟达，要比扩展我自己容易得多。
所以下一个扩展定律就是智能体扩展定律。这有点像是让 AI 成倍增加。让 AI 成倍增加，你想以多快的速度衍生出智能体，我们就能以多快的速度衍生出智能体。所以，你知道，我……你知道，我有四条扩展定律。而随着我们使用这些智能体系统，它们会产生多得多的数据，会产生大量的经验。其中有一些，我们会说：“哇，这个真的很好。我们应该把它记住。”
这个数据集随后会一路回到预训练。我们对它进行记忆和泛化。然后我们对它进行精炼和微调，把它带回到后训练中。接着我们再通过测试时进一步增强它，你知道，然后智能体系统，你知道，把它推向整个行业。所以这个循环、这个周期会不断地持续下去。归根结底，基本上智能的扩展将取决于一件事，那就是算力。
但这里有一个棘手的地方，你必须去预判和预测，那就是其中有些组成部分需要不同类型的硬件，才能真正以最优的方式完成。所以你必须预判 AI 创新会走向何方。比如，混合——
完全正确。
……专家模型加稀疏性。
完全正确。
硬件可不能提前一周打个招呼就说转向就转向。你必须预判它会是什么样子。这里面有一些——
说得太好了。
……那是非常可怕、也非常难做到的，对吧？
比如，这些 AI 模型架构大约每六个月就会有新的被发明出来。对吧？而系统架构和硬件架构大概是每三年一次。所以你需要预判，你知道，两三年后很可能会发生什么。有几种方法可以做到这一点。首先，我们可以自己在内部做研究，这也是我们设有基础研究、应用研究的原因之一。
我们自己打造模型。所以我们在这里就有亲身的实践经验。这是我所说的协同设计的一部分。我们也是世界上唯一一家毫不夸张地与全世界每一家 AI 公司都有合作的 AI 公司。在我们力所能及的范围内，我们会尽量了解大家正在遇到哪些挑战。
所以你是在倾听整个行业、各家 AI 实验室里的低语。
没错。你得倾听每个人、向每个人学习。还要有一个……然后最后一点，是要有一种灵活的架构，能够随风而动、灵活适应。CUDA 的好处之一就在于，你知道，一方面它是一个出色的加速器；另一方面，它又非常灵活。所以这种平衡，在专用化（否则我们就无法对 CPU 进行加速）与通用化（这样我们才能随着算法的变化而适应）之间那种极好的平衡，是非常、非常重要的。这就是为什么 CUDA 一方面一直如此有韧性，另一方面我们又在不断增强它。
我们现在已经到了 CUDA 13.2，所以我们演进架构的速度非常快，能够跟上最新的算法。比如……当混合专家模型出现时，这就是我们推出 NVLink 72 而不是 NVLink 8 的原因。我们现在可以把一整个 4 万亿、10 万亿参数的模型放进一个计算域里，就好像它运行在一块 GPU 上一样。大家可能没注意到，我说过这一点，但如果你去看 Grace Blackwell 机架的架构，它完全专注于做一件事：处理大语言模型。突然之间，一年之后，你看到的是 Vera Rubin 机架。它有存储加速器。它有一款叫作 Vera 的、非常出色的全新 CPU。它有 Vera Rubin 和 NVLink 72 来运行大语言模型。
它还有一个新增的机架，叫作 Rock〔原文名称待核〕。所以这整套机架系统和上一代完全不同，里面加入了所有这些新组件。原因在于，上一代是为运行 MoE（混合专家）大语言模型推理而设计的。而这一代是为了运行智能体，而智能体会反复调用工具，而且——
显然，这个系统的设计必须在 Claude Code、Codex、OpenClaw 出现之前就已经完成了。所以本质上你们是在预判未来。而这，这是从哪里来的？来自那些低语，来自对所有最前沿——
不是。
……技术究竟是怎么回事的理解？
不是，比那简单。你只需要推理一下。首先，你只需要推理。无论，无论发生什么，在某个时刻，为了让那个大语言模型成为一名数字员工……我们就用这个比喻吧。假设我们希望大语言模型成为一名数字员工。它需要做什么？它必须能访问基准事实（ground truth），也就是我们的文件系统。它必须能够做研究。它并不是什么都知道。我们没有……而且我也不想等到这个 AI 变得，你知道，对过去、现在和未来的一切都无所不知之后，才让它派上用场。所以，我还不如就让它去做研究。这是显而易见的：如果它想帮我，它就得使用我的工具。
你知道，很多人会说：“你知道，AI 会彻底摧毁软件。我们再也不需要软件了。我们甚至再也不需要工具了。”这太荒谬了。我们来用……我们来做个思想实验。你可以就坐在那里，喝上一杯威士忌，把这些事情都想一想，答案就会变得一清二楚。比如，假设我要打造出未来 10 年里我们所能想象的最了不起的智能体。假设它是一个人形机器人。如果这样一个人形机器人被造出来了，更可能的情况是，这个人形机器人走进我家，使用我已有的工具来完成它需要做的工作？
还是说，这只手一会儿变成一把 10 磅重的锤子，一会儿又变成一把手术刀，而为了烧开水，它从手指里，你知道，射出微波？你知道，还是说它更可能就直接用微波炉，你知道吧？它第一次走到微波炉前时，可能不知道怎么用。但没关系。它连着互联网。它去读这台微波炉的说明书，读完之后，立刻就成了专家。于是它就会用了。所以我觉得……事实上，我刚才描述的几乎就是 OpenClaw 的全部特性。
你知道，它会使用工具，会访问文件，能够做研究。它有一个 IO 子系统。当你这样把它推理一遍、这样去推理它之后，你就会说：“天哪，这对计算的未来影响极其深远。”原因在于，我认为我们刚刚重新发明了计算机。然后你会问：“好，那我们是什么时候推理出这些的？我们是什么时候推理出 OpenClaw 的？”如果你去找我在 GTC 上用过的那张 OpenClaw 示意图，你会发现那是两年前的。真的就是两年前，在 GTC 上，我就在讲那些与今天的 OpenClaw 完全吻合的智能体系统。当然，这需要许多因素汇聚在一起才能实现。
首先，我们需要 Claude 和 GPT，以及，你知道，所有这些模型达到一定的能力水平。所以它们的创新、它们的突破以及它们的持续进步非常重要。然后，当然，还得有人打造出一个足够稳健、足够完整、我们大家都能拿来用的开源项目。我认为 OpenClaw 对智能体系统所做的，就相当于 ChatGPT 对生成式系统所做的。我真的觉得这是一件非常重大的事。
是的，这是一个非常特别的时刻。我不太确定它为什么能吸引全世界这么多的关注，但它确实做到了，比 Claude Code、Codex 等等都更受关注。
因为普通消费者也能用上它。
当然，是的。但这里面也有很大一部分是氛围感。还有 Peter，我和他录过一期播客，他是个很棒的人。所以有一部分原因也在于代表这个东西的那些人。
是的，毫无疑问。
有一部分是表情包和——因为我们都在努力摸索。当你拥有如此强大的技术时，存在非常严肃而复杂的安全问题：你要如何交出你的数据，让它们能做有用的事？但与此同时，这也伴随着一些可怕的东西。而我们，作为一个文明，作为个人、也作为一个文明，正在摸索如何找到那个恰当的平衡。
是的，我们马上就投入进去了，派了一批安全专家参与进来。我们做了一个叫 OpenShell 的东西。它已经被集成进 OpenClaw 了。
英伟达还推出了 NemoClaw。
对，没错。
它们安装起来超级简单。它能确保安全。
我们给你三项权限中的两项。智能体系统可以访问敏感信息，可以执行代码，还可以对外通信。如果在任何时候我们只给你这三项能力中的两项，而不是全部三项，我们就可以让系统保持安全。而在这三项能力中的两项之内，我们还会根据企业授予你的权限，给你相应的访问控制。然后我们把它接入这些企业本来就已经有的策略引擎。所以我们会尽最大努力，帮助 OpenClaw 成为一个更好的 Claw。
你刚才很有说服力地解释了，我们历史上有过很多曾被认为会成为障碍的因素，而我们都克服了。但现在展望未来，既然智能体将无处不在这一点已经很明确了，你认为现在可能的障碍会是什么？显然我们会需要算力。那么，这种扩展会遇到的障碍是什么？
电力是一个问题，但不是唯一的问题。不过这正是我们如此全力推进极致协同设计的原因，这样我们就能每一年都把每瓦每秒 token 数提升几个数量级。在过去 10 年里，摩尔定律大约会让计算能力提升 100 倍。而我们在过去 10 年里把计算能力提升、扩展了一百万倍。所以我们会通过极致协同设计继续这样做下去。所以能效、每瓦性能，完全影响着一家公司的收入。它影响着一座工厂的收入。我们就是要把它推到极限，这样我们就能尽可能快地持续压低 token 成本。
你知道，我们的计算机价格在上涨，但我们生成 token 的效能提升得快得多，所以 token 成本在下降。它每年都下降一个数量级。
所以电力，这是个有意思的问题。绕过电力这一障碍的办法，就是从每瓦每秒 token 数入手，努力让它变得越来越高效。当然，还有一个问题是我们如何获得更多电力。
我们也应该获得更多电力。
这个问题真的很复杂。你谈到过小型模块化核电站。能源方面有各种各样的想法。这件事有多让你夜不能寐？还有AI供应链中的那些瓶颈，比如ASML的EUV光刻机、台积电的CoWoS等先进封装，以及SK海力士的高带宽内存？
一直都让我操心，我们也一直在着手解决。历史上从来没有哪家公司能以我们现在这样的规模增长，同时还在加速增长。这很不可思议。人们甚至很难理解这一点。在整个AI计算领域，我们的份额还在提升。所以供应链，无论上游还是下游，对我们来说都非常重要。我花了很多时间向与我合作的所有CEO通报：有哪些动态会让增长持续下去，甚至加速？这也是为什么在我右手边一整片坐着的，几乎是整个上游IT产业和几乎整个下游基础设施产业的CEO。
他们全都……有好几百位CEO。我想从来没有哪场主题演讲会有几百位CEO到场。部分原因是，我在向他们介绍我们目前的业务状况，介绍近期的增长驱动因素以及正在发生的事情。我还会描述我们下一步要走向哪里，这样他们就可以利用所有这些信息以及当下的各种动态，来决定他们想如何投资。所以我就像向自己的员工通报情况那样向他们通报。
然后当然，我还会亲自去拜访他们，确保——“嘿，听着，我想让你们知道，这个季度、来年、再下一年，这些事情将会发生。”如果你看看DRAM行业的CEO们——全球第一大DRAM品类是用于数据中心CPU的DDR内存。大约三年前，我说服了其中几位CEO：尽管当时HBM内存用得相当少，连超级计算机也很少使用，但它未来将成为数据中心的主流内存。一开始这听起来很荒谬，但有几位CEO相信了我，决定投资生产HBM内存。
另一种内存放进数据中心就显得相当奇怪了：我们用在手机上的低功耗内存。我们希望他们把它改造用于数据中心里的超级计算机。他们说：“用手机内存做超级计算机？”我向他们解释了原因。你看看这两种内存，LPDDR5、HBM4，出货量大得惊人。他们三家都创下了历史上最好的年份，而这些都是有45年历史的公司。所以，你知道，我……这就是我工作的一部分：通报信息、塑造方向、给他们启发，你知道的。
所以你不只是在让未来成为现实，也许还在激励英伟达公司里的各位工程师，你还在打造未来的供应链。所以你会和台积电、和ASML对话。
上游、下游。
上游、下游。这就是关键。
GEV、卡特彼勒。对，那是我们的下游。对，对，就是这样。
对，整个链条。我是说，但那太……整个半导体行业里有那么多极其困难的工程，供应链如此错综复杂、零部件如此之多，想想都觉得可怕，但不知怎么的它就是能运转。
没错，深厚的科学、深厚的工程、令人惊叹的制造，而且很大一部分制造已经由机器人完成，但我们有大约两百家供应商，为我们这个拥有130万个零部件的机架提供技术。每个机架有130万、150万个零部件。整个Vera Rubin机架涉及200家供应商。
有意思的是，在你列出的那些让你夜不能寐的障碍里，你并没有把这一项列进去。
但我在做，我在做一切必要的事情来——
好的。
……对，你看？我能睡得着，因为我已经把它勾掉了。我说：“好，”你知道，我去……我能睡着，我会说：“嗯，我们来看看，来推理一下。对我们来说什么是重要的？”因为我们来推理一下。因为我们把系统架构从你记得的最初的DGX-1改成了NVLink-72机架级计算——……那会……那意味着什么？对软件意味着什么？对工程意味着什么？对我们如何设计和测试意味着什么？对供应链又意味着什么？其中一个影响是，我们把原本在数据中心进行的超级计算机集成，挪到了供应链中的超级计算机制造环节。
如果你这样做，你还必须认识到你要把一……如果你要建设的数据中心的总体规模，比如说你想要，你知道，50吉瓦同时运行的超级计算机，而制造这50吉瓦的超级计算机需要一周，那么供应链中每周的超级计算机都需要1吉瓦的电力〔原文50吉瓦、一周与1吉瓦的推算口径不清〕。所以我们需要供应链增加电力，以便在我发货之前，在供应链中完成这些超级计算机的构建和测试。
噢。
嗯，NVLink-72实实在在是在供应链中把超级计算机造出来，然后整机发货，每个机架两三吨。过去它们是以零部件的形式运来，我们在数据中心里组装。但现在这不可能了，因为NVLink-72密度太高了。这就是一个例子。我得飞到供应链那边，去见我的合作伙伴，说：“嘿，”我说，“你们猜怎么着？我打算这样做……以前我们是这样造DGX的，现在我们要这样造。这样会好得多，因为我们会需要它们来做推理。”推理市场，你知道，正在到来。推理的拐点正在到来。这将是一个很大的市场。
所以我先向他们解释正在发生什么、为什么会发生，然后请他们每家投入数十亿美元的资本投资。因为他们信任我，我也非常尊重他们，我给他们一切机会来质疑我，我花时间向大家解释，跟他们一起推理。我画图，从第一性原理出发进行推理。等我和他们谈完，他们就知道该怎么做了。
所以很大程度上在于关系，以及建立对未来的共同看法。但你担心某些瓶颈吗？我是说，供应链中最大的瓶颈是什么？你担心ASML的EUV设备吗？你担心封装，也就是台积电的CoWoS封装，它能以多快的速度扩产吗？就像你说的，你们不仅增长得极快，而且还在加速增长。所以感觉供应链里的每一方——而那些肯定是瓶颈——都得扩大规模。你有没有和他们谈过，比如，怎样才能更快扩产？
一直在谈。
你担心吗？
不担心。
好的。
因为我告诉了他们我需要什么。他们理解我的需求。他们告诉了我他们打算怎么做，而我相信他们会照做。
有意思。听你这么说很好。那么也许我们可以在电力问题上多停留一会儿。你希望如何解决能源问题？
Lex，有一个领域我很想和你聊聊，也借此把这个信息传播出去：你知道，我们的电网是按最坏情况再加上一定余量来设计的。可是99%的时间里，我们离最坏情况还差得远，因为最坏情况就是冬天的几天、夏天的几天，以及极端天气。大部分时间我们离最坏情况都很远，我们大概运行在，就说峰值的60%左右吧。
所以99%的时间里，我们的电网都有富余电力，它们就闲置在那里，但它们又必须闲置在那里，以防万一，因为到了关键时刻，医院必须有电，你知道，基础设施必须有电，机场必须运转，等等。所以我的问题是，我们能否去帮助他们理解，并制定合同协议、设计计算机架构系统和数据中心，使得当社会基础设施需要最大电力时，数据中心少用一些电。
但反正那种情况非常罕见。在那段时间里，我们要么为那一小部分配备备用发电机，要么让我们的计算机把工作负载转移到别处，要么让计算机运行得慢一点。你知道，我们可以降低性能、减少功耗，在有人提问、请求答案时，提供，你知道，延迟稍长一点的响应。所以我认为，用这种方式使用计算机、建设数据中心，而不是期望100%的正常运行时间——而这些合同真的、真的相当严格，给电网带来了很大压力，要求它能够……现在，他们将不得不在其最大容量的基础上继续扩容。我只是想用他们的富余电力。它就闲置在那里。
对，这一点讨论得不够多。那么是什么在阻碍？是监管吗？是官僚主义吗？
我认为这是一个三方的问题。它始于终端客户。终端客户对数据中心提出要求，规定它们永远不能出现不可用的情况，明白吗？所以终端客户期望完美。而为了实现这种完美，你需要备用发电机和电网供电商共同配合来做到完美。于是每个人都得做到六个九。嗯，我认为首先，现在我们应该让大家都明白，当客户提出这些要求时，经手的是你数据中心运营团队里某个与CEO脱节的人。我敢打赌CEO并不知道这件事。我要去和所有的CEO谈谈。
CEO们可能根本没有关注正在签署的合同，所以当然，每个人都想签下最好的合同。他们去找云服务提供商，那两个合同谈判代表……你，我现在都能想象出他们的样子。你知道，在谈这些多年期合同。双方都想要，你知道，最好的合同。结果，云服务提供商（CSP）又得去找公用事业公司，并要求九、六个九。所以我认为，我认为第一件事就是确保所有客户，CEO们和客户们，意识到他们在要求什么。那么，第二件事是，我们必须建设能够平稳降级的数据中心。
所以如果电力、如果公用事业公司、如果电网告诉我们：“听着，我们得把你们的用电降到大约80%，”我们会说：“完全没问题。”我们会把工作负载调配一下。我们会确保数据永远不会丢失，但我们可以降低计算速率、少用能源。服务质量会略有下降。对于关键工作负载，我会立即把它转移到别处，这样我就没有那个问题了，所以，你知道，转到哪个仍有100%正常运行时间的数据中心，所以……
在数据中心里对电力进行这种智能、动态的分配，在工程上有多难？
只要你能把需求定义清楚，你就能把它设计出来。说得真好。只要它在第一性原理上遵守物理定律，我觉得我们就没问题。
你刚才提到的第三点是什么？
所以第二点是数据中心。第三点是，我们需要公用事业公司也认识到这是一个机会——……与其说“听着，我需要五年时间才能提升电网能力”，不如说：如果你，如果你愿意接受这种保障级别的电力，我下个月就能以这个价格提供给你。所以如果公用事业公司也能提供更多细分层级的供电承诺，那么我认为大家都会想出该怎么利用它。是的，但现在电网里的浪费实在太多了。我们应该去解决它。
你曾高度称赞埃隆和xAI在孟菲斯取得的成就：他们建成了Colossus超级计算机，可能创下了纪录，只用了四个月。它现在已经有20万块GPU，而且还在快速扩张。他的方法让他做成了这样的事。关于他的方法，你有没有什么体会可以讲讲，对所有数据中心建设者都有普遍的借鉴意义？包括他做工程的方法、他管理整个施工的方法，所有这些？
首先，埃隆在很多不同领域都钻研得很深。同时，他也是一个非常出色的系统思考者。所以他能够跨多个学科去思考，而且他显然会不断推动事情、质疑一切：第一，这有必要吗？第二，必须这样做吗？第三，你知道，必须花这么长时间吗？他有能力质疑一切，直到所有东西都被削减到必要的最低限度，再也拿不掉任何东西。但产品必要的能力依然保留着，你知道吗？所以他是你能想象到的最彻底的极简主义者，而且他是在系统层面上这么做的。我觉得……我也很欣赏他会亲自到场这一点。他就出现在行动发生的第一线。
你知道，他会直接过去。如果出了问题，他就直接过去，然后说：“把问题给我看看。”你知道，把这些结合在一起，你就能打破很多以往的说法，比如“我们一直都是这么做的”，“你知道，我在等他们”。我的意思是，每个人都有很多借口。还有，最后一点是，当你亲自以如此强烈的紧迫感行事时，就会促使其他所有人也带着紧迫感行事，你知道吗？每家供应商手上都有很多客户。每家供应商都有很多项目在进行，而他会把这件事当成自己的事来抓，让自己成为其他所有人项目中的最高优先级。他是通过以身作则做到这一点的。
是的，我参加过很多次那样的会议。看着真的很有意思，因为说真的，很少有人会问这样的问题：“好，那这件事能不能快很多，怎么做到？为什么非得花这么长时间？”
对，没错。
然后在……这往往会变成一个工程问题。而且没错，我认为当你真正掌握了一手的实际情况……我记得……有一次我和他待在一起，他真的是把往机架上插线缆的整个流程从头到尾过了一遍。他和一位在现场做这项工作的工程师一起，就是想弄明白这个流程到底是什么样的，好让它更不容易出错。从组装数据中心涉及的每一项任务中逐步建立起那种直觉——
……你马上就能在细节层面和整体系统层面感觉到低效之处在哪里，这样你就能让它变得越来越高效。再加上你还有一把大锤，能够说：“我们用完全不同的方式来做——”
对。没错。
“……并清除一切可能的障碍。”
没错。
你在埃隆做系统工程的方式中，是否看到了与英伟达极致系统协同设计（Extreme Systems co-design）方法相似的地方？
嗯，首先，协同设计本身就是终极的系统工程问题。所以我们就是从这个第一性原理出发来开展工作的。我们做的另一件事，是一种理念、一种思路，我想也可以说是一种心态，是我30年前开始采用的一种方法，叫做“光速”。光速不只是关于速度。光速是我用来指代“物理所能达到的极限是什么”的简称。所以我们做的每一件事都要和光速作比较。内存速度、计算速度、功耗、成本、时间、投入的精力、人数、制造周期。
当你考虑延迟与吞吐量、成本与吞吐量、成本与容量时，所有这些都要拿光速来检验，分别去达成这些不同的约束。然后当你把它们放在一起考虑时，你知道必须做出折中，因为一个实现极低延迟的系统，和一个便宜、实现极高吞吐量的系统，在架构上是根本不同的。但你想知道，实现高吞吐量的系统的光速是多少，实现低延迟的系统的光速又是多少？然后当你考虑整个系统时，你就可以做出权衡。所以我强迫每个人在做任何事之前，先想清楚第一性原理是什么、极限——
……所有东西的物理极限是什么。我们用它来检验一切。所以这是一种很好的思维框架。我不太喜欢另一种方法，也就是持续改进。持续改进的问题在于，它……首先，你应该从第一性原理出发去设计东西，用光速思维去设计。只受物理极限、物理定律极限的约束。在那之后，你当然会随着时间推移不断改进它。但我不喜欢一接手问题，就有人说：“嘿，你知道，现在做这件事要74天——”“……目前是这样。我们可以帮你在72天内完成。”你知道，我宁愿把一切都归零——
……然后说：“首先，给我解释一下，当初为什么是74天。我们来想想，今天有哪些是做得到的。如果我要完全从零开始构建它，你知道，需要多长时间？”很多时候，你会感到惊讶。结果可能是六天。那么，六天以外的部分，也就是74天里剩下的那些时间，可能都有非常充分的理由，是各种折中，你知道，还有成本削减，以及各种各样的事情。但至少你知道它们是什么。而现在既然你知道六天是做得到的，那么从74天谈到六天，这场讨论会出人意料地有效得多。
在你们打交道的这种极其复杂的系统里，简单性有时是不是一个值得追求的好的启发式原则？我是说，如果我可以……我是说，你们发布的那个pod，Vera Rubin pod，简直不可思议。我们说的是七种芯片、七种芯片类型、五种专门打造的机架类型、40个机架、1.2千万亿个晶体管、近2万个英伟达裸片、超过1100块Rubin GPU、60 exaflops算力、每秒10 PB的扩展带宽。这一切都只是一个……
那只是一个pod。
那只是一个pod。
对，那只是一个pod。
我是说，在……所以你有……然后，光是一个NVL72机架就有130万个组件、1300颗芯片、4000个pod〔原文计数对象与前文pod规模不一致，待核〕，全都塞进一个19英寸宽的机架里。
而且Lex，给你一个直观的概念：我们大概每周得生产出大约200个这样的pod。
组件种类这么多，我想简单是不可能的，但在设计东西时，这是你会去追求的一个指标吗？
你知道，我最常说的一句话是：我们需要事物在必要的程度上复杂，但又要尽可能简单。所以问题在于，所有这些复杂性都是必要的吗？我们应该对此进行检验。我们必须对它提出质疑。而在那之后，超出必要部分的一切，你知道，都是多余的。
但这仍然几乎令人难以置信。整个半导体行业都是如此，而英伟达正在做的是历史上最伟大的工程成就之一。所以这些系统真的、真的是工程奇迹。
这是世界上有史以来造出的最复杂的计算机。
是的，那些工程团队，我是说……我并不……这不是比赛，但我不知道。如果有一场工程团队的奥运会，我是说，台积电的工程非常了不起。就像我说的，ASML在每个尺度上都很了不起，但英伟达能跟他们一较高下。真是了不起、了不起的团队。
嗯，这就像把每一个、每一个运动项目的金牌得主都聚集到了这里。
而且还得一起合作。还都直接向你汇报。这太棒了。你最近去了一趟中国。所以想问问你，中国在发展科技行业方面取得了非常巨大的成功。在你看来，中国在过去10年里是如何建立起这么多了不起的世界级公司、世界级工程团队，以及这样一个能产出这么多出色产品的科技生态系统的？
原因有一大堆……嗯，首先，我们先从一些事实说起。全世界大约50%的AI研究人员是华人，上下有些浮动，而且他们大多仍在中国。我们这里也有很多，但仍有非常出色的研究人员留在中国。他们的科技产业恰好在最合适的时机出现。在移动和云时代，他们的贡献方式是软件，所以这是一个科学和数学非常出色、孩子们受过良好教育的国家。他们的科技产业是在软件时代建立起来的。他们对现代软件非常熟悉。中国并不是一个铁板一块的巨型经济体。它有许多省份和城市，各地的市长都在相互竞争。
这就是为什么有那么多电动车公司。这就是为什么有那么多AI公司。这就是为什么有那么多……你能想到的每一类公司，他们都会办起一些。因此，他们内部的竞争极其激烈。而你知道，最后留下来的都是了不起的公司。他们还有一种社会文化：家庭第一，朋友第二，公司第三。所以彼此之间来回交流的程度……他们基本上一直处于开源状态。
所以他们对开源贡献更多，这非常合理，因为他们大概会想：“我们在保护什么呢？”你知道，我的工程师，他们的兄弟在那家公司，他们的朋友在那家公司，而且他们都是同学。你知道，同学这个概念。有一种说法，你知道，一旦做了同学，就是一辈子的兄弟。所以他们分享知识非常、非常快。因此把技术藏起来没有意义。还不如把它开源。然后开源社区又会放大、加速创新过程。于是你就有了这种迅速涌现的、了不起的优秀人才，有了开源带来的快速创新，还有，你知道，朋友之间的这种关系，以及极其激烈的竞争。
在这些公司之间，涌现出来的都是了不起的东西。所以这是当今世界上创新最快的国家，而我刚才说的这一切，从根本上说都和孩子们的成长方式有关：他们接受了优秀的教育，父母希望他们在学校表现出色，他们的文化就是这样。这些，你知道，就是他们国家的特点，而且他们恰好在技术经历那种指数级增长的时候登场。
另外，从文化上讲，当工程师是件挺酷的事。这和你提到的所有因素都有联系……
这是一个建设者的国度。
这是一个建设者的国度。
是的，这是一个建设者的国度。我们国家的领导人很了不起，但他们大多是律师。他们国家的领导人……而且因为我们的、他们在努力保护我们的安全，以法治来治理……他们的国家是从贫困中建设起来的。所以他们的大多数领导人都是出色的工程师。都是一些最聪明的头脑。
稍微岔开一下话题，因为你提到了开源，我得在这里用一下Perplexity，你很久以来一直是它的粉丝。
很喜欢它，是的。
也感谢你们发布了开源的Nemotron 3 Super，你也可以在Perplexity里用它来查资料。它是一个1200亿参数的开放权重MoE模型。你在开源方面的愿景是什么？你提到了中国，有DeepSeek、MiniMax，所有这些公司都在真正推动开源AI运动，而英伟达在接近最先进水平的开源大语言模型方面确实处于领先地位。你在这方面的愿景是什么？
首先，如果我们要成为一家伟大的AI计算公司，就必须了解AI模型是如何演进的。
我很喜欢 Nemotron 3 的一点是，它不只是一个纯 Transformer 模型，而是 Transformer 加 SSM（状态空间模型）。而且我们很早就在开发那个、那个条件 GAN，也就是渐进式 GAN〔原文两类GAN关系表述待核〕，它一步步引向了扩散模型。所以，我们在模型架构和不同领域开展基础研究，这让我们能够看清，你知道，什么样的计算系统能很好地支撑未来的模型。所以这是我们极致协同设计战略的一部分。第二，我认为我们正确地认识到，一方面，我们希望有世界一流的模型作为产品，而它们应该是专有的。另一方面，我们也希望 AI 扩散到每个行业、每个国家、每个研究人员、每个学生。
而如果一切都是专有的，就很难做研究，也很难在其之上、围绕它、借助它进行创新。所以……开源对于许多行业加入 AI 革命来说，从根本上是必需的。英伟达有这个规模，也有这个动机——不仅有技能，还有规模和动力——去构建这些 AI 模型，并且只要我们还存在，就会一直构建下去。因此，我们理应这样做。我们可以开放，我们可以激活每个行业、每个研究人员，你知道，每个国家，让他们都能加入 AI 革命。还有第三个原因，就是由此出发，认识到 AI 不只是语言。这些 AI 很可能会使用在其他模态的信息上训练出来的工具、模型和子智能体。
也许是生物学或化学，或者，你知道，物理定律，又或者，你知道，流体和热力学，而这些并不都以语言结构存在。所以总得有人去确保天气预测、生物学、AI、用于生物学的 AI、物理 AI，所有这些都能保持、能被推向极限、推向前沿。我们不造汽车，但我们希望确保每家汽车公司都能用上出色的模型。我们不研发药物，但我希望确保礼来拥有世界上最好的生物学 AI 系统，这样他们就能用它来发现药物。所以就是这三个根本原因：一是认识到 AI 不只是语言，AI 的范围其实非常广；二是我们希望让每个人都参与到 AI 世界中来；三是 AI 的协同设计。
嗯，我得说，再次感谢你们开源，真正彻底地开源了 Nemotron 3，还有……
是的，很感谢你这么说。我们开源了模型，开源了权重，开源了数据，也开源了我们是如何创建它的。是啊，这相当了不起。
这真的很了不起。你出身台湾，和台积电关系密切。所以我必须问一下，我认为台积电在工程团队、在他们所做的卓越工程工作方面，也是一家传奇公司。你如何理解台积电的文化和做事方式？是什么让他们能够在半导体领域所做的一切上取得这种独一无二、无可匹敌的成功？
你知道，首先，对台积电最深的误解是，以为技术就是他们的全部。好像他们有一款非常出色的晶体管，只要有人拿出另一款晶体管，他们就完了。是技术，当然，你知道，我说的不只是晶体管，还有金属化系统、封装、3D 封装、硅光子，你知道，他们拥有的所有技术。这些技术确实让这家公司与众不同。他们的技术让这家公司与众不同。
但他们有能力统筹协调需求，协调全世界数百家公司不断变化的需求——这些需求时而上调、时而转移，你知道，增加、减少、推迟、提前，在不同客户之间变来变去，晶圆投片、晶圆停片、紧急投片，你知道，世界一直在变形，所有这些复杂的动态，而他们居然还能以高产出、高良率、非常好的成本和出色的客户服务来运营工厂。他们认真对待自己的承诺。
他们，当你的晶圆——因为他们知道自己是在帮你经营你的公司——承诺好晶圆什么时候到，晶圆就会按时到，你知道，这样你才能妥善地经营你的公司。所以他们的系统、他们的制造系统，我会说，完全是个奇迹。第二点是他们的文化。这种文化一方面专注于技术、推进技术；另一方面又同时以客户服务为导向。很多公司非常以客户服务为导向，但技术上并不十分出色。他们并不处在技术的最前沿。
也有很多公司在技术上处于最前沿，但并不是最以客户服务为导向的公司。所以这就要看了，他们不知怎么地，平衡好了这两者，而且两方面都是世界一流。然后第三点，可能是我最看重他们的那项技术：他们创造了这个，你知道，这种无形的东西，叫做信任。我信任他们，敢把我的公司建立在他们之上。这是非常重要的事。
说到信任，我是说，你们之间建立了非常密切的关系，而这种信任是基于多年的表现建立起来的，但其中也涉及人与人之间的关系。
三十年了，我都不知道我们通过他们做了几百亿、几千亿美元的生意，而我们之间没有合同。这挺了不起的。
太神奇了。好，有这么一个故事……说 2013 年，台积电创始人张忠谋曾邀请你出任台积电首席执行官，而你说你已经有工作了。这个故事是真的吗？
这个故事是真的。我并没有，我并没有不当回事。我深感荣幸，当然，我当时就知道，现在也知道，台积电是历史上最具影响力的公司之一。而张忠谋是我一生中最受敬重的高管之一，也是我在商业上和私人层面上的朋友。他能来邀请我，我感到受宠若惊，真的非常荣幸。但我在这里做的工作真的非常重要，而且我已经，你知道，在心中预见到了英伟达将会成为什么，以及我们能够产生怎样的影响。那是非常重要的工作。而这是我的责任，你知道，这是完全由我承担的责任，要让它实现。所以我婉拒了，并不是因为那不是一个了不起的提议。那是一个难以置信的提议，但我就是无法接受。
我认为英伟达和台积电都是人类文明史上最伟大的两家公司。我相信无论经营哪一家，都是极其复杂的工作，需要……你必须真正全身心投入。每个层级的每个人，不只是 CEO 这一层。每个人都真正全身心投入——
是的。是的，毫无疑问。
……才能应对这种程度的复杂性。
所以现在我可以帮助两家公司。
没错。英伟达现在是全球市值最高的公司。我得问一下，用科技圈的人的话说，英伟达最大的护城河是什么？也就是保护你们免受竞争冲击的那种优势。
§02文字稿 2
作为一家公司，我们最重要的单一属性是我们计算平台的装机量。今天我们最重要的东西是 CUDA 的装机量。当然，20 年前并没有什么装机量。但让……而且如果有人搞出一个 GUDA 或者 TUDA，那也根本不会有任何区别。原因在于，这从来就不只是技术的问题。技术当然是了不起的、有远见的。但关键在于，公司全力投入于它，坚持下去，扩大它的覆盖面。让 CUDA 成功的不是三个人，而是 43,000 人。
还有那几百万开发者，他们相信我们，信任我们会继续做 CUDA 1、2、3，一直到 13，于是他们决定把自己的软件移植到它上面、投入到它上面，把他们堆积如山的软件建立在它之上。所以装机量是排名第一、最重要的优势。当你把这一装机量与我们在这种规模下的执行速度相叠加——历史上从来没有哪家公司构建过如此复杂的系统，就这么简单。而且还要每年构建一次，这是不可能的。这种速度再加上装机量，在开发者心里，你就想想，现在站在开发者的角度。从开发者的角度看，如果我支持 CUDA，明天它就会好 10 倍。我平均只需要等六个月。
不仅如此，如果我在 CUDA 上开发，我能触达几亿人，或者说几亿台计算机。我在每一朵云里，在每一家计算机公司里，在每一个行业里，在每一个国家里。所以如果我做一个开源软件包，并且先把它放到 CUDA 上，我就同时获得了这两个特性。不仅如此，我百分之百相信，只要英伟达还存在，它就会一直保留 CUDA、维护它、改进它，并持续优化那些库。这一点你完全可以打包票，而最后那一部分，就是信任。把所有这些放在一起，如果我今天是开发者，我会首先瞄准 CUDA，也会最主要地瞄准 CUDA。我认为归根结底，这就是我们的第一，这甚至是我们的第一——
……核心优势。我们的第二个优势是我们的生态系统。我们把这个极其复杂的系统做了垂直整合，同时又把它横向整合进每一家公司的计算机里。我们进入了谷歌云，进入了亚马逊，进入了 Azure。你知道，我们现在正在疯狂地扩大在 AWS 上的部署。我们进入了 CoreWeave 和 Nscale 这样的新公司。我们在礼来的超级计算机里。我们在企业计算机里。我们在边缘端的无线基站里。你知道，我是说，这太疯狂了。同一种架构存在于所有这些不同的系统中。我们在汽车里，在机器人里，在卫星里，在太空中。所以，你拥有这样一种架构，而且生态系统如此广泛，它基本覆盖了全世界的每一个行业。
那么，随着 AI 工厂的出现，CUDA 装机量这条护城河未来会如何演变？你怎么……你认为未来的英伟达有可能完全围绕 AI 工厂展开吗？
嗯，对我们来说，计算的单位过去是 GPU。后来变成了一台计算机，再后来变成了一个集群。现在是一整座 AI 工厂。当我看到一台计算机，当我看到英伟达造的东西，在过去，我会，你知道，我脑海里浮现的是芯片。然后当我发布新产品、新一代产品时，比如“女士们先生们，今天我们发布 Ampere”，我会把芯片拿起来。那就是我对自己所造之物的心智模型——……如今，我不会……拿起芯片这个动作现在还挺可爱的。
但只是可爱而已。那不是我对自己所做之事的心智模型。我的心智模型是这个吉瓦级的庞然大物，它有接入电网的发电设施。它有冷却系统，还有规模极其庞大的网络，你知道。里面有 1 万人在努力安装它，几百名网络工程师在里面，背后还有几千名工程师在努力让它通电启动。你知道，启动这样一座工厂，正如你所知，并不是某个人说一句“现在开机了”就行。需要几千人才能把它启动起来。
所以在心理上，你其实……当你思考一个计算单元时，你真的是，晚上睡觉的时候，你现在想的是一组机架，也就是 pod，而不是单个芯片。
是整个基础设施。我希望我的下一次跃迁是，当我思考构建计算机时，想的是行星级的规模。那将是下一次跃迁。
那你怎么看埃隆谈到的太空方向，在太空中进行计算，来解决一些……它能让一些能源问题，就扩展能源而言，变得更容易。
冷却问题可不容易。是啊。
冷却。嗯，这里面涉及大量工程上的复杂问题。那么……你知道，英伟达也已经宣布，你们已经在考虑这件事了。
是的，我们已经在那儿了。英伟达GPU是第一批进入太空的GPU。我之前都没意识到，这太有意思了……我本来可能会好好宣布一下。我们上太空了。你知道，给我们的一块GPU穿上小小的宇航服。但我们确实已经上过太空了。那里很适合做大量成像工作。
你知道，因为那些卫星搭载了分辨率非常高的成像系统，而且现在它们在持续不断地扫描地球。你会希望对全世界持续进行厘米级成像，这样，你知道，你基本上就能获得一切事物的实时遥测数据。你不会想把这些数据传回地面。那可是海量的PB级数据。你必须直接在边缘端做AI，把所有不需要的、以前见过的、没有变化的东西都丢掉，只保留你需要的部分。所以AI必须在边缘端完成。显然，如果我们把它放在极地上空，就能获得全天候的太阳能〔原文未说明轨道与持续日照条件〕。但是，你知道，那里没有传导，也没有对流。
所以，你知道，基本上只能靠辐射散热。不过，你知道，太空很大。我想，你知道，我们就在那儿装上巨大的散热器吧。
你觉得这个想法有多疯狂？比如说，这是5年后、10年后还是20年后的事？我们现在讨论的是AI规模化的瓶颈。
你知道，我这个人要务实得多。我首先会去找我的下一批、再下一批机会在哪里。与此同时，我也在培育太空这个方向。所以我派工程师去研究这个问题。我们开始……我们学到了很多。我们如何应对辐射？如何应对性能衰减？如何对缺陷进行持续的测试和认证？还有，你知道，如何处理冗余？如何实现优雅降级，诸如此类的问题。所以我们可以做一个……那软件呢？在太空中，你如何考虑软件、冗余和性能？
让计算机永远不会坏掉，只是变慢而已，你知道。而我……所以我们可以先期开展大量工程探索。但与此同时，我最喜欢的答案是消除浪费。你知道，我们有那么多闲置的电力，我想尽快把它消化掉。
是的。这里，这里……是的，在地球上就有很多唾手可得的机会……可以用来推动AI规模化。稍作暂停。花30秒感谢一下我们的赞助商。请在节目简介中查看。这确实是支持本播客的最好方式。请访问 lexfridman.com/sponsors。我们有用于好奇心驱动的知识探索的Perplexity，用于在线销售的Shopify，提供电解质补充的LMNT，提供客服AI智能体的Fin，以及为你的企业提供电话系统（包括通话、短信、联系人）的Quo。明智地选择吧，朋友们。现在，回到我和黄仁勋的对话。你认为英伟达某个时候市值可能达到10万亿美元吗？我们换个方式问吧。在那成为现实的情况下，世界的未来会是什么样子？
我认为英伟达的增长极有可能发生，在我看来，是必然的。我来解释一下原因。我们是历史上最大的计算机公司。光这一点就该引出一个问题：为什么？原因当然是……两个原因。首先，是两个根本性的技术原因。第一个原因是，计算过去是一个基于检索的、文件检索式的系统。几乎一切都是文件……我们预先写好某样东西，预先录制某样东西。你知道，我们画了某样东西，放到网上，放进一个文件里。然后我们用推荐系统、某种智能过滤器，来判断该为你检索什么。所以我们过去是一个预先录制——由人类预先录制——再加文件检索的系统。计算机在很大程度上就是这样的东西。
而现在，AI计算机具备情境感知能力，这意味着它必须实时处理和生成token。所以我们从基于检索的计算系统转向了基于生成的计算系统。在这个新世界里，我们需要的处理能力会比旧世界多得多。旧世界里我们需要大量存储。新世界里我们需要大量计算。这是第一部分。我们从根本上改变了计算，以及计算的方式。唯一会让它倒退回去的情况……
……是如果这种计算方式——这种生成与情境相关、具备态势感知、在生成信息之前先以新的洞见为依据的计算方式——这种计算密集型的计算方式，只有在它不奏效的情况下才会倒退。所以如果……在过去10到15年研究深度学习的过程中，如果在任何一个时刻我得出结论：“你知道吗？这行不通。我觉得这是条死路。”或者，“它无法规模化，解决不了这种模态，不会被用在这个应用里。”那么，我当然会对此有完全不同的看法，但我认为过去五年给我的信心比之前十年还要多。
第二个观点是，计算机过去因为是存储系统，在很大程度上就是一个仓库。而我们现在在建造工厂。仓库赚不了多少钱。工厂则与公司的收入直接相关。所以，计算机发生了两方面的变化。它不仅改变了运作方式，它在世界上的用途也改变了。它不再是一台计算机，而是一座工厂。它是一座工厂，用来创造收入。我们现在看到，这座工厂不仅在生产人们想要消费的产品和商品，我们还看到这些商品如此有趣，对如此多不同的受众如此有价值，以至于token开始出现分层，就像iPhone一样。有免费token，有高端token，中间还有好几个档次的token。
所以事实证明，你知道，智能是一种可扩展的产品。有极高智能的产品，有些token……被用于专门的用途，人们愿意为之付费。你知道，有人愿意为每百万token支付1000美元，这种情况很快就会到来。不是会不会的问题，只是什么时候的问题。所以，现在我们看到这座工厂制造的商品确实有价值，能创造收入、创造利润。现在的问题是，世界需要多少座这样的工厂？世界需要多少token？社会愿意为这些token付多少钱？如果生产力大幅提升，世界经济会发生什么？会发生什么……
我们会不会发现新药、新产品、新服务？所以当你把这些因素结合起来看，我绝对确信世界GDP的增长将会加速。我绝对确信，GDP中用于计算的比例将是过去的100倍——嗯哼——因为它不再是一个存储单元，而是一个产品生成单元。所以当你在这个背景下看待它，然后反推英伟达的……英伟达应该……英伟达做什么，以及在这个新经济、新产业中我们能受益、能覆盖多少，我认为我们会变得大得多、大得多。
剩下的问题，对我来说是：英伟达有没有可能在不久的将来成为一家，你知道，年收入3万亿美元的公司？答案当然是肯定的。原因在于它不受任何物理极限的限制。我看不到任何东西表明，你知道，天哪，3万亿美元是不可能的。而事实上，英伟达的供应链——负担由200家公司共同分担。我们是依托这个生态系统、在与它的合作中实现规模扩张的，所以问题在于：我们有没有足够的能源来做到这一点？我们肯定会有足够的能源来做到这一点。所以把所有这些因素结合起来，那个数字只不过是个数字而已，你知道吗？
我还记得，英伟达当时……我们第一次突破10亿美元时，我想起一位CEO曾对我说：“你知道吗，Jensen，从理论上讲，一家无晶圆厂半导体公司不可能超过10亿美元。”我就不拿原因来烦你了，但这当然不合逻辑，而且有大量证据表明我们并没有受此限制。后来又有人对我说：“你知道吗，Jensen，因为另外某家公司，你们永远不会超过250亿美元。”还有人对我说：“你们永远不会，你知道，因为……”所以那些都不是基于原则、基于第一性原理的思考。思考这个问题的简单方式是：我们制造的是什么，我们能创造的机会有多大？
现在，英伟达做的不是抢市场份额的生意。我刚才谈到的几乎所有东西都还不存在。这才是难的地方。你知道，如果英伟达是一家试图抢占英伟达份额的100亿美元公司，那么股东很容易看明白：哦，是的，只要他们能拿下10%的份额，就能变大这么多。但人们很难想象我们能变得多大，因为没有任何人的份额可以让我去抢。你知道吗？所以我认为，世界面临的挑战之一就是对未来的想象力。但我有的是时间，我会继续推理，继续讲下去，每一届GTC都会让它变得越来越真实。
你知道，然后会有越来越多的人谈论它，总有一天，你知道，我们会实现的。但我百分之百确定我们会实现。
是的，这种观点，你知道，本质上就是token工厂，每瓦每秒的token数，而且每个token都有价值。它是一种真正能带来价值的东西，而且它为不同的人带来不同种类、不同程度的价值。真正的产品——大致上可以理解为就是token。所以你有一大批token工厂。然后从第一性原理出发，很容易想象这样一个未来：考虑到AI可能解决的所有问题，你将需要数量呈指数级增长的token工厂。
是的。真正有意思的是，我之所以对此如此兴奋，是因为token界的iPhone已经到来了。
你怎么称呼它？等等，你是说OpenClaw就是那个iPhone？
是的。
这很有意思。
智能体。
对，智能体。确实如此。
泛指智能体。token界的iPhone已经到来了。它是历史上增长最快的应用。它是直线上升的。直线上升。
这说明了一些问题。
没错，毫无疑问，OpenClaw就是token界的iPhone。
是不是从大约12月开始，真的有某种非常特别的事情正在发生，人们真正意识到了Claude Code、Codex、OpenClaw的威力？我是说，说出来有点不好意思，在来这里的路上，在机场，我……这是我第一次在公共场合这么做。我在“编程”，加引号的那种，方式是对着我的笔记本电脑说话。
是的，没错。
我当时很尴尬，因为我假装自己在和一位人类同事说话。我不确定自己对这样的未来是什么感受：每个人……走来走去都在跟自己的AI说话，但这真的是一种非常高效的做事方式。
而更可能的情况是，你的AI一直在打扰你。原因在于它做事的速度太快了。它会向你汇报：“我搞定了。”“你知道，接下来你想让我做什么？”你知道，它……我觉得大多数人没有意识到的是，以后跟他们聊天、给他们发消息最多的，会是他们的claw，或者说他们的“龙虾”。
多么令人惊叹的未来。我读到过，你把自己的成功很大程度上归因于你比任何人都更能拼命工作、比任何人都能承受更多的痛苦。这其中包含的东西，我们可以列出很多。我是说，应对失败，我们聊过的成本问题和工程难题，还有人的问题、不确定性、责任、疲惫、难堪，你提到过的那些公司濒临倒闭的时刻，以及压力。如今，作为这家公司的CEO，各个经济体和国家都围绕这家公司制定战略、规划财政分配、规划AI基础设施，你如何应对这么大的压力？有这么多国家和人民依赖你，是什么给了你力量？
我很清楚，英伟达的成功对美国非常重要。我们创造了巨额的税收。我们为国家确立了技术领先地位。技术领先对国家安全很重要。不只是国家安全的某一个方面，而是国家安全的所有方面。国家更繁荣，我们就能在国内政策和社会福利方面做得更好。因为我们正在美国推动大规模的再工业化，我们正在创造海量的就业岗位。我们正在帮助把制造回流到美国，涉及非常多不同的工厂，芯片、计算机，当然还有这些AI工厂。我完全意识到，那……
而且我还有幸拥有这样一群人，这真的是一份馈赠：大量普通投资者，有教师、有警察，他们不知怎么的、出于某种原因投资了英伟达，或者因为看了吉姆·克莱默的节目买了些股票，现在成了百万富翁。
这种情况我完全清楚。我也清楚，英伟达处在一个非常庞大的生态合作伙伴网络的中心，这些伙伴有的在我们背后，有的在我们下游。所以我应对的方式，正是我刚才做的那样。我会去推理：我们正在做的到底是什么？它会带来什么？它对其他人有什么影响，是让他们受益，你知道，正面的影响，还是甚至带来巨大的负担，比如给供应链带来的负担？于是问题就变成了：你打算怎么办？几乎对我感受到的每一件事，我都会把它拆解开，去推理：“好，现在是什么情况？什么变了？难在哪里？我要怎么应对？”而我……
我会把它拆开，把问题分解，把这些情况分解之后，它们就变成了我能处理的、可控的事情。在那之后我唯一能做的就是问自己：“你做了吗？你是自己做了，还是找别人去做了？如果你没做，你推理出自己需要去做，却没做，也没找任何人去做，那就别再为这事哭哭啼啼了。”……你懂吧？所以，所以——
所以我对自己相当严格。但我也会把事情拆解开，这样我就不会慌。我能睡得着觉，因为我已经列好了需要做的事情清单，而且我确保了，凡是可能让我们公司陷入危险、可能让我的合作伙伴陷入危险、可能让我们的行业陷入危险的事情，我都已经告诉了某个人。凡是我觉得可能让任何人陷入危险的事情，我都告诉了某个人。而且我告诉的是那个能对此采取行动的人。所以我要么已经把它说出来、卸下了心里的包袱，要么我正在采取行动。所以在那之后，莱克斯，你还能做什么呢？
那么，在打造英伟达的这段旅程中经历了那么多疯狂而强烈的痛苦，你在心理上有没有跌入过低谷？
哦，有啊。哦，有。当然有。经常有。一直都有。
那时候——
一直都有
……你就把问题拆成小块？看看自己能做些什么？
而且其中一部分，莱克斯，其中一部分是遗忘。你也知道，AI学习最重要的特性之一是什么，对吧？系统性遗忘。你需要知道什么时候该忘掉一些东西。你不可能记住所有东西。你不可能把所有东西都留着，而且，你知道，你也不想背负所有东西。我会很快去做的一件事就是分解问题，对问题进行推理，然后把负担分担出去。我说我会告诉所有人，本质上就是在分担那份负担。
越快越好。任何让我担心的事，都告诉别人。不要自己憋着。你知道，但也别把他们吓坏了。把问题分解成更小的部分，让大家、激励大家能够去采取行动。但其中一部分就是遗忘。你知道，很多时候你得对自己狠一点。你懂的，就是：得了，别再哭哭啼啼了，咱们开始干吧。你懂吧？然后你就从床上爬起来。另一部分是，你会被下一道闪亮的光吸引，被下一个未来、下一个机会吸引，就是“好，那已经过去了，接下来是什么？”我觉得很大程度上是这样，你看那些伟大的运动员就是这样。他们只关心下一分。上一分已经过去了。那些难堪，那些，你知道……那些挫折。
你知道，因为我很多工作都是公开进行的，你知道吗？莱克斯，你也有相当一部分工作是公开进行的。所以我很多工作都是在公开场合做的。所以你知道，我说过很多话，在当时看起来挺有道理，或者在当时挺好笑，大多数时候只是因为我自己当时觉得好笑。然后，你知道，事后回想起来，就没那么好笑了，但是……
是啊。不，相信我，我懂。但你基本上是让自己被未来之光牵引着。忘掉过去，然后就一直——
没错。
……一直朝着那个方向努力。我是说，你确实说过，有一句你说过的挺有名的话：如果你当初知道打造英伟达会有多难，结果它比你预想的难了，是多少来着？难了一百万倍，那你就不会去做了。
是啊，对。
但难道不是……你知道，我听到这话的时候会想，这大概适用于所有值得去做的事情，对吧？
完全正确。顺便说一句，这正是我刚才想解释的：拥有孩子般的心智，是一种了不起的超能力。你知道吗？我经常在看某件事的时候对自己说，几乎对每一件事，我的第一个念头都是：“能有多难呢？”你知道吗？所以你让自己进入那种状态：能有多难呢？从来没有人做过。它看起来庞大无比。要花数千亿美元。要花，你知道，所有这些……而你只是说：“是啊，但能有多难呢？”你懂吧？能有多难呢？
所以，你得让自己进入那种心态。你其实并不想事先把一切都过度模拟一遍，模拟所有的挫折、所有的磨难和考验、所有的失望。你不想事先把这些都模拟出来。你不想知道这些。你希望带着这样的想法进入一段新的经历：它会很完美，会很棒，会非常有趣。然后当你身处其中时，你知道，你需要有耐力，需要有毅力，这样当挫折真的发生时，而那些挫折会让你措手不及，失望会让你措手不及，难堪会让你措手不及，屈辱也会让你措手不及。
你就是不能让……这时候你就得打开另一个开关，也就是把它忘掉。翻篇，继续前进。而只要我对未来的假设，以及我认为未来为什么会实现的那些理由，只要这些假设和输入没有改变，或者没有发生实质性的改变，那我就应该预期输出也不会改变。所以我对未来的模拟输出仍然会成真。既然它仍然会成真，我就仍然会去追求它。
我相信它会，你知道，所以这是两三种人类特质的结合：以全新的心态进入一段经历的能力，忘掉挫折的能力，相信自己的能力，你知道，相信你所相信的，并坚守那份信念。但你也在不断地重新评估。
我认为这三四五样东西结合在一起，对于韧性真的非常重要。而且，你知道，不管是哪些人生经历造就了这些，我很幸运，我差不多具备这四五样东西。你知道，我总是充满好奇，总是在学习。我总是在向每个人学习，你知道吗？我总是在问我的……而且因为我对一切都保持谦逊，我总在想：“天哪，他们做得真漂亮。他们做得太出色了。”你知道，我会好奇他们是怎么想的。他们是怎么……所以我在模拟每一个人。在很多方面，你知道，我几乎在模仿我观察到的每一个人，对吧？对你所观察、所尊重的人所做的一切，你都怀有同理心。所以你在不断学习，而且，你知道。
你现在是地球上最富有的人之一，也是地球上最成功的人之一。保持谦逊、并且能够……是不是变得更难了？你是否感觉到金钱、权力和名声的影响，让你更难在自己心里承认自己错了？更难在别人不同意你的时候，充分听取他们的意见并从中学习？诸如此类的事情。
出乎意料，没有。而且我其实会说恰恰相反。因为我很多工作都是公开进行的，所以当我犯错的时候，几乎所有人都看得到。
你会被现实教育得谦逊。说得也是。
而当我错了的时候，当我错了，或者事情没有按那样发展，或者，你知道，我是说，我在外面说的大多数话，我都相当有把握。原因是那会影响到别人，我想对此非常在意、非常审慎。至于我在会议里推理的那些事，你知道，很多事情的结果都可能不一样。所以，但这从来不会妨碍我去推理。我管理和领导的方式是，我一直当着大家的面进行推理。哪怕现在我在跟你说话，你也大致能看到我在把事情一步步推理清楚。我想确保你理解我说的话，不是因为我告诉了你——
……而是因为我对我将要告诉你的东西非常谦逊。我会把我得出结论的步骤展示给你看。然后你可以自己决定，最终是否相信我说的话。所以我在会议里一整天都在这么做。和我所有的员工在一起时，我一直在推理：“我来告诉你我是怎么看的。”然后我把它推理一遍。这让每个人都有机会插话说：“那部分我不同意。”把事情推理一遍并让人们参与互动，好处在于他们不必反对你的结论。他们可以反对你的推理步骤。他们可以把我往不同的方向拉，然后我们可以一起往前推理。所以我们有点像，你知道，一种集体路径搜索的方法。这真的非常棒。
是啊，你身上有这样一种特质……你在解释事情的时候，我能感觉到你其实是在当场推理，始终保持着开放的心态，以至于你可以……我能感觉到自己可以引导你的思路。在经历了这么多年的成功和痛苦之后，你还能保持这一点，这真的很美好。我觉得有时候痛苦会让人变得有点封闭。而我觉得要保持——
是啊。我觉得对难堪的承受力是……
是的，那是……那种承受力……我是说，这是真实存在的东西。是多年来一次次让自己难堪。甚至在那些会议上，明知周围有人看着，你宣布了一个想法，结果证明那个想法是错的……还能承认这一点，并从中成长。这不是，这在人性层面上是非常困难的。
是啊。嗯，你知道。他们知道我曾经……他们知道，不久前我的第一份工作还是打扫厕所〔原文recently与第一份工作的时间关系不清〕，所以嘛。
我很高兴你一直保持着当年在Denny's餐厅时的那种精神，那种工作态度。我是说，那很美好。你从Denny's餐厅起步的整个历程都很美好。我想问问你关于电子游戏的事。我是个狂热的游戏迷。所以我必须感谢英伟达多年来带来的令人惊叹的图形画面。
顺便说一句，GeForce 直到今天仍然是我们的……我们的头号营销策略。对。人们在十几岁时就开始了解 NVIDIA。然后他们上大学时就已经知道 NVIDIA 是谁了，一开始只是，你知道，玩《使命召唤》《堡垒之夜》。后来他们开始用 CUDA，再后来他们使用 NVIDIA，还有，你知道，Blender、达索（Dassault）和 Autodesk。
是啊。我得说，我跟一个朋友提到我要和你对谈。他说：“哦，他们做的游戏 GPU 很棒。”
对，没错。
就像——
没错。
你知道，远不止这些，但确实，人们真的很喜欢它。它确实给很多人带来了很多快乐。这些硬件真正让这些世界栩栩如生。围绕 DLSS 5 有过一些争议。你能给我解释一下这场风波吗？我想是网上的玩家担心它会让游戏看起来像 AI 垃圾内容（AI slop）。你怎么看这场风波？
是的。我觉得他们的看法有道理，我能理解他们的出发点，因为我自己也不喜欢 AI 垃圾内容。你知道，所有 AI 生成的内容看起来越来越相似，而且都很漂亮，所以我能体会他们的想法。但这根本不是 DLSS 5 想做的事。我展示过好几个例子。DLSS 5 是以 3D 为条件、由 3D 引导的。它由真实（ground truth）的结构数据引导。所以几何结构是由美术师决定的。我们在每一帧中都完全忠实于所保持的几何结构。它以纹理、以美术师的艺术创作为条件。所以在每一帧中，它会进行增强，但不会改变任何东西。
现在的问题在于增强。DLSS 5 还允许——因为这个系统是开放的——你可以训练自己的模型来决定效果，将来你甚至可以用提示词来控制它。你知道，我想要卡通着色器效果。我想让它看起来像这种风格，所以你甚至可以给它一个示例。它就会按照那种风格生成，并且全都与美术师的艺术创作、风格和意图保持一致。所以这一切都是为美术师而做的，让他们能够创作出更美的东西，同时仍然保持他们想要的风格。我想他们得到的印象是，游戏会照原样做出来、照原样发布，然后我们再对它进行后期处理。这不是 DLSS 的设计初衷。
DLSS 是和美术师的创作结合在一起的，所以它是要把 AI 这个工具、生成式 AI 这个工具交给美术师。他们也可以决定不用它，你知道吧？
我觉得人们对人脸非常敏感。我们现在正处于这样一个时刻，我认为这是一个很美好的时刻：人们对 AI 垃圾内容很敏感。它像一面镜子照向我们自己，帮助我们意识到我们追求的是不完美。我们追求的有时并不是完美的画面。它帮助我们理解，在我们创造的世界里，究竟是什么让我们着迷。这很美好。只要它是帮助我们创造那些世界的工具——
对，没错。
……那就很棒。
没错。它又是另一种工具，而如果他们希望生成模型生成与照片级写实相反的效果，好，它也能做到。所以它只是又一种工具而已。我想玩家们或许也会认可，在过去几年里，我们向游戏开发者推出了皮肤着色器。其中很多游戏的皮肤着色器包含次表面散射，让皮肤看起来更像皮肤。所以整个行业，你知道，游戏开发者一直在寻找越来越多的工具来表达他们的艺术。这只是又多了一种工具，用什么由他们自己决定。
一个很荒唐的问题。你认为有史以来最伟大或最有影响力的游戏是哪一款？也许从 NVIDIA 的角度来看？
《毁灭战士》（Doom）。
《毁灭战士》，毫无疑问。那是 3D 的开端。
我会说是《毁灭战士》，从艺术、从文化意义与产业的交汇点来看，它把 PC 变成了游戏设备。那是一个非常重要的时刻。当然，在它之前就有飞行模拟公司了。但它们就是没有《毁灭战士》那样的人气，没能让整个行业把 PC 从办公自动化工具变成面向家庭、玩家等群体的个人电脑。所以《毁灭战士》在这方面影响非常大。从实际的游戏技术角度来看，我会说是《VR 战士》（Virtua Fighter）。我们和这两家都是好朋友，你知道吧？
还有一些比较新的游戏——我是说，《赛博朋克 2077》，GPU 加速的画面真的很棒。就像——
全光线追踪。
全光线追踪。另外，我个人非常喜欢《上古卷轴：天际》（Skyrim），《上古卷轴》系列，而且，你知道，它发布已经是很久很久以前的事了，但人们会发布模组，而且——
我们很喜欢模组。
……他们创作出这些令人难以置——我是说，那就像是一款不同的游戏，让我可以一遍又一遍地重玩这款游戏。它让你意识到，你可以用全新的方式重新体验你早已热爱的世界。所以——
没错。
……我一直这么做。我最喜欢做的事情之一就是徒步穿越天际。
我们做了一个叫 RTX Mod〔原文名称待核〕的东西。对，它是一个模组制作工具。
太棒了。
它让社区能够把最新的技术注入到老游戏中。
当然，一款优秀的电子游戏不仅仅在于画面，还在于故事和角色塑造，但——
没错
……漂亮的画面能增强沉浸感。那种被带到另一个地方的感觉。啊，你说过——我认为说得很准确——AGI 时间线的问题取决于你对 AGI 的定义。那么我来问问你可能的时间线。我们就用这个也许很荒唐的 AGI 定义：一个基本上能做你的工作的 AI 系统。也就是说，经营，不，是创立、发展并经营一家成功的科技公司，价值——
一家好公司，还是随便一家？
不。它的价值必须超过 10 亿，超过 10 亿美元。所以，你知道，你很清楚把所有这些环节都做好有多难。那么，我们离这一步还有多远？我们说的是 Open-Claude 去做所有那些极其复杂的事情，首先是创新，然后是寻找客户、向他们销售、管理、组建一个由一些智能体和一些人类组成的团队，诸如此类的事情。这是 5 年、10 年、15 年还是 20 年以后的事？
我觉得就是现在。我认为我们已经实现了 AGI。
你认为可以有一家由这样的 AI 系统来经营的公司吗？
有可能，原因是这样的。你说的是 10 亿，而且你没说要永远。所以举个例子……一个 Claude 能够创建一个网络服务、某个有趣的小应用，然后突然之间，你知道，几十亿人花 50 美分来用它，之后不久它又倒闭了，这并非不可能。我们在互联网时代见过一大堆这类公司，而那些网站中的大多数，并不比今天 Open-Claude 能生成的东西更复杂。
有意思。实现病毒式传播，再把这种传播变现。
对。只是我不知道那会是什么，但在当时我也同样没法预测到那些公司中的任何一家，你知道吧？而且——
你这句话会让很多人兴奋起来的。
是啊，不。是啊。
就好像，什么意思？我只要启动一个智能体就能赚很多钱。
嗯，顺便说一句，这正在发生，对吧？你知道，当你去中国时你会看到，你会看到一大堆人在教他们的、让他们的 Claude 尝试出去找工作，还有，你知道，干活、赚钱。而且我并不，我其实并不……如果出现某个社交类的东西，或者有人创造了一个超级、超级可爱的数字网红，或者某个社交应用，你知道，喂养你的小电子宠物（Tamagotchi）之类的，然后它出人意料地一夜爆红，我也不会感到惊讶。很多人用上几个月，然后它就慢慢消亡了。但是，10 万个这样的智能体打造出 NVIDIA 的概率是 0%。
然后，然后有一件事，我会、我不会去做，而我想确保我们所有人都做到的，是认识到人们真的很担心自己的工作。我只是想提醒他们，你工作的目的，和你用来完成工作的任务与工具，是相关的，但不是一回事。我做这份工作已经 33 年了。我是全世界任期最长的科技公司 CEO，34 年。而我用来做这份工作的工具，在过去 34 年里一直在不断变化，有时变化相当剧烈，你知道，就在短短两三年之内。我真的希望每个人都能听到一个故事，那就是：计算机科学家、AI 研究人员所说的第一个会消失的工作，是放射科。
因为计算机视觉将达到超越人类的水平，而它也确实做到了。CV……计算机视觉在 2019 年、20……也许再晚一点，2020 年？就已经超越人类了。
对吧？所以计算机视觉超越人类已经有很长时间了。于是当时的预测是，放射科医生会消失，因为研读放射影像将成为过去式。AI 会来做这件事。嗯，他们说得完全正确。计算机视觉完全超越了人类。如今每一个放射科平台和软件包都由 AI 驱动，然而放射科医生的数量却增加了。那么问题是，为什么？而且我们现在全世界都面临放射科医生短缺。所以，第一，那种危言耸听的警告说得太过了，它吓得人们不敢从事这个对社会如此重要的职业。所以它造成了伤害。那么，它为什么错了？原因在于放射科医生的目的，其目的是诊断疾病，帮助患者和医生诊断疾病。
而且因为我们现在研读影像的速度快了很多，你可以研读更多影像，你可以诊断得更好，你可以更快地收治病人，你可以看更多的人。医院赚的钱更多了。医院里的病人更多了。你就需要更多的放射科医生。我是说，令人惊讶的是，这件事会发生本来是如此显而易见。NVIDIA 的软件工程师数量会增长，而不是减少。原因在于，软件工程师的目的和软件工程师写代码这项任务是相关的，但不是一回事。我希望我的软件工程师去解决问题。我不在乎他们写了多少行代码，你知道吧？他们的工作、他们工作的目的并没有改变。
解决问题、团队协作、诊断问题、评估结果、寻找新的待解决问题、创新、把各个点联系起来。你知道，这些都不会消失。
你认为有没有可能……我们就拿编程来说。你认为世界上程序员的数量可能会增加而不是减少吗？
是的。原因是这样的。编程的定义是什么？我认为它是……就今天而言，编程的定义就是简单地进行规定、写出规格说明，如果你想更具指导性一些，你甚至可以给它你想写的软件的架构。所以问题是，有多少人能做到这一点？描述一份规格说明让计算机去……告诉计算机去构建什么。有多少人？我认为我们刚刚从 3000 万人变成了大概 10 亿人。所以未来每个木匠都会是一名程序员，只不过一个拥有 AI 的木匠同时也是一名建筑师。他们刚刚提升了自己能为客户提供的价值。他们的技艺得到了巨大的提升。
我相信每一位会计师，你知道，同时也是你的财务分析师，也是你的理财顾问。所以，所有这些职业都刚刚得到了提升……如果我是一名木匠，看到 AI，我会彻底疯狂起来。你知道，想想如果我是一名水管工，我能为客户提供的服务——我会彻底疯狂起来。
而且，那些目前是程序员和软件工程师的人，我认为他们站在最前沿，凭直觉理解如何用自然语言与智能体沟通，从而设计出最好的软件。
没错，正是如此。
所以随着时间推移，它们会逐渐融合，但我认为学习编程仍然有价值，比如了解编程语言是什么。老式的编程，编程语言有哪些好的实践，有哪些设计原则——
没错
……适用于大型软件系统的语言？
原因在于，Lex，正如你对听众所说的，我认为规格说明的目标、规格说明的艺术，它的目标和艺术性将取决于你要解决什么问题。当我在思考、在思考给公司制定战略、确定公司方向以及我们应该做的事情时，我描述的层次足够具体，让大家大体理解方向，并且可以付诸行动。它具体到足以让人们据此采取行动，但我会刻意不把它说得太具体，这样就能让43,000名出色的人把它做得比我想象的还要好。
所以当我和工程师合作、和人合作时，我会思考：谁，我要解决什么问题？我在和谁合作？而规格说明的详细程度、架构定义的详细程度都与此相关。所以每个人都必须学会判断，自己想处在编程光谱的哪个位置。编写规格说明就是编程。所以你可能决定写得非常具体明确，因为你追求的是一个非常特定的结果。你也可能认为，你知道，这是一个你想更多去探索的领域，于是你可能会少做规定，让自己能和AI来回交流，甚至突破自己创造力的边界。所以，这种把握自己在光谱中位置的艺术，就是编程的未来。
不过，再在编程之外多聊一下这个话题。我认为很多人担心自己的工作，这是理所当然的，他们对工作非常焦虑，尤其是在白领行业。每当自动化和新技术到来，总会出现动荡时期，我认为我们谁都不知道该如何应对。而我只是……首先，我认为我们都需要怀有同理心，也有责任去体会那些失去工作的个人和家庭真正承受的痛苦有多沉重。我认为，每当出现像人工智能这样的变革性技术时，都会带来很多痛苦，而我不知道该如何应对这种痛苦。
希望随着工具的演进，它能为这些人在同类工作中创造多得多的机会，让他们更高效，也希望能让工作更有乐趣，就像在编程中那样。我不得不说，我最近编程编得特别开心。就是说，我从来没这么开心过。所以希望它能让他们的工作，把无聊的部分自动化，让创造性的部分由人类来负责。但即便如此，仍然会有很多痛苦和磨难。
所以我的第一个建议，在……而这正是我现在应对焦虑的方式。其实我们之前刚聊过。对未来的巨大焦虑，对压力的巨大焦虑，对不确定性的巨大焦虑，我首先会把它拆解开来，然后告诉自己：“好，有些事情你能做点什么，有些事情你无能为力。但对于你能做点什么的事情，我们来推理一下、好好推理，然后去做。”
如果我们今天要招一名应届大学毕业生，让我在两个人中选择，一个对AI一无所知，另一个精通使用AI，我会雇用精通使用AI的那位。如果我要招会计、市场人员，我会选精通使用AI的那位；供应链、客户服务、销售人员、业务拓展、律师，我都会雇用精通使用AI的那位。所以我会建议，每一位大学生都该去使用AI，每一位老师都应该鼓励学生去使用AI。每一位大学生毕业时都应该成为AI专家。而每个人，如果你是木匠，如果你是电工，去使用AI吧。去看看它能如何改变你现在的工作，提升你自己。
如果我是农民，我绝对会使用AI。如果我是药剂师，我会使用AI。我想看看它能怎样、能做些什么来提升我的工作，这样我自己就能成为革新这个行业的创新者。所以这是我会做的第一件事。然后我也会帮助他们……事实是，这项技术会造成冲击，会淘汰许多任务。而且因为它会把这些任务自动化，如果你的工作就是这个任务本身——那你极有可能会受到冲击。如果你工作的目标包含某些任务〔原文此处口述不完整〕——……那么你就必须去学习如何用AI把这些任务自动化。而在两者之间，还存在着一整片光谱。
顺便说一下，AI的美妙之处，就是聊天机器人版本，在于你可以拆解……你有焦虑的时候，可以通过和它对话来拆解问题。比如，我最近……你能借助它把自己生活中的问题想得这么透彻，真的很不可思议，通过……我说的不是那种需要心理治疗的问题。我的意思是，非常实际的，“好，我担心我的……”就是字面意义上的，“我担心我的工作。需要哪些技能？我需要采取哪些步骤？我怎样才能更好地使用AI？”你刚才说的所有内容，你都可以直接问它，它会给你……一份逐条列出的计划。我是说，它就是一个很棒的人生教练，就这么简单。这——
我不知道怎么用AI，然后AI说：“好，我来教你。”
没错。这很“元”，但它——它真的有点不可思议。所以大家肯定应该——
你没法走到Excel面前说：“我不知道怎么用Excel。”
没错。
那你就没辙了。
我是说，AI在生活的方方面面为我做的，正是这个：消除作为初学者、第一次使用某样东西时的那种起步阻力。我真的可以就任何一件事问它：“我需要采取的第一步是什么？”
没错。
还有它那种手把手的引导，消除了体验这个世界所提供的各种经历时的阻力，这真是……你知道，就像我私下跟你提到的，你提到：“我要去中国和台湾。”
太棒了。
直接问：“我该去哪儿——”
真为你感到兴奋。
“我该去……该做什么……”“你知道，我该去哪儿？我该怎么……”所有这些问题——……立刻就能得到解答，这太美妙了。
嗯，你去台湾的时候，就问问AI……“黄仁勋最喜欢的台湾餐厅有哪些？”它真的会——
你不知道吗？
哦，是啊。
准确吗？好吧。行。
在台湾到处都是。
嗯，你在那边可是摇滚巨星。而且就像我们私下也提到的，也许我们的行程会有交集，那会非常美好——在那场展会上〔原文computing，紧接着明确提到COMPUTEX〕。
COMPUTEX。英伟达GTC台湾。
你认为人性、人类意识中，是否有某些东西从根本上是不可计算的？也许是某种芯片无论多么强大都永远无法复制的东西？
我不知道芯片是否会紧张。当然，还有那些引发焦虑、紧张或其他任何情绪的条件。我相信AI将能够识别并理解这些。我不认为我的芯片会感受到这些。因此，那个……那种焦虑、那种感受、那种兴奋、那种，那种，你知道……所有这些感受是如何体现在人类表现中的。比如，极其出色的人类表现、运动表现，你知道，一般水平或低于一般水平的表现。整个人类表现的光谱，源自完全相同的情境，不同的人却呈现出不同的结果，呈现出不同的表现。
我认为，我们正在构建的任何东西，都没有任何迹象表明，两台不同的计算机在面对完全相同的全部上下文时，会表现出——当然，它们会产生统计上不同的结果，但那不是因为它感觉不同。
是啊，主观的……天哪，我们人类所感受到的主观体验，确实有某种真正特别的东西。就像我跟你提过的，我和你对话时挺紧张的。就像我跟你提过的，那种希望、恐惧、焦虑，还有生活本身，生活的丰富。一切是多么美妙。我们爱得多深，我们的心碎得多深，我们多么害怕死亡，当所爱之人离世时我们感受到多大的痛苦。所有这一切，整个这一切。我知道很难……想象AI能够……一个计算设备能够做到这些。但这整件事中还有太多我们尚未揭开的谜团，所以我愿意对意外保持开放。在过去……我已经被惊讶过很多次了——
……这几个月和这几年。规模化可以在智能领域创造出一些令人难以置信的奇迹。看着这一切发生真的很奇妙，所以我愿意迎接意外。
而且，拆解“智能”到底是什么真的非常重要。你知道，这个词，我们一直在用的这个词，并不是一个神秘的词。智能是有明确含义的，你知道吗？
它是一个系统……你知道，它是我们所做的某种事情，包括感知、理解、推理以及做规划的能力。而且，你知道，这个循环，这个循环，就是……从根本上说，这就是智能。智能并不是一个完全等同于人性的词。我认为把两者区分开来真的很重要。我们为此有两个不同的词。我不……我不会过度幻想智能，也不会过度浪漫化智能。智能是……大家以前也听我说过，我其实认为智能是一种商品。我身边都是聪明人。而且我身边的这些聪明人，在他们各自所在的领域里都比我更聪明。
然而，我在那个圈子里有自己的角色。这其实挺有意思的。他们受的教育比我多。他们上的学校比我好。他们在各自的领域里钻研得更深。他们所有人都是。我有60位这样的人。对我来说，他们都是超人。而不知怎么的，我坐在中间，统筹协调着这60个人。所以你得问问自己……一个洗碗工到底有什么特质，能坐在一群超人中间？这说得通吗？
所以，但这正是我的观点。我的观点是，智能是一种功能性的东西。人性不是从功能上来界定的。它是一个大得多、大得多的词。我们的人生经历、我们对痛苦的承受力、我们的决心，这些都是不同于智能的词。所以我想帮助听众理解的，如果我只能给他们一样东西，那就是：智能是一个随着时间推移被我们抬到了非常高位置的词。
我们真正应该推崇的词是人性。
品格，人性。
所有这些东西。
所有这些东西。同理心、慷慨，你刚才说的所有这些，我相信这些才是超人般的能力。而如今智能将被商品化。因为我们之前谈到过，最重要的是你的教育。可是，即便当人们说最重要的是你的教育时，你上学时获得的也不仅仅是知识。
所以，但不幸的是，我们的社会把一切都归结到一个单一的词上，而生活远不止一个词。我只是想告诉你，我的人生经历表明，在智能曲线上比身边所有人都低，并不改变我是最成功的那个人这一事实。所以，我想这算是——我希望能借此激励其他所有人——不要让这种智能的民主化、智能的商品化给你带来焦虑。你应该从中受到鼓舞。
是的。我认为AI会帮助我们更加珍视人类。当然，人性和以人为先，我认为让这个世界如此美妙的是人类，永远都会如此，而AI只是一个令人难以置信的工具，让我们——
完全正确。
……让人类变得更强大。
完全正确。
英伟达的成功，还有我刚才提到的数百万人的生活，很大程度上都依赖于你。但就像我们说过的，你也只是一个人，和我们所有人一样，终有一死。你会思考自己的死亡吗？你害怕死亡吗？
我真的不想死。我的生活很好，我有一个很棒的家庭，我在做非常重要的工作。说“一生一次”的经历，意味着很多人都经历过，只是每个人只经历一次；而我现在经历的不是这种，这是整个人类历史上只有一次的经历。英伟达是历史上影响最深远的科技公司之一。我们在做非常重要的工作，我对此非常认真。所以有些事情当然是很实际的，比如我们怎么考虑接班计划？我有句出了名的话，就是我不相信接班计划。
天哪。
原因并不是我会长生不老。原因在于，如果你担心接班计划，如果你被接班计划带来的种种焦虑困扰，那你应该怎么做？那就把问题一路拆解回最根本的地方。如果你在乎你离开之后公司的未来，那你今天最重要的事，就是尽可能频繁、持续地把知识、信息、洞见、技能和经验传递下去。这就是为什么我总是在团队面前把每件事的推理过程讲出来。每一场会议都是推理的会议。我在公司内外度过的每一刻，都是为了尽可能快地把知识传递给别人。
我学到的任何东西，在我桌上停留的时间都不会超过，你知道，零点几秒。我会把这些信息、这些知识传出去——天哪，这个太酷了。我自己还没完全学完，就已经指给别人看了：“快去研究这个，这个太酷了，你肯定想学。”所以我一直在传递知识、给人们赋能、提升我身边每个人的能力，这样我所追求、所希望的结果就是，我在工作岗位上离世，你知道吗？而且希望是在工作中瞬间离世，你知道吗？没有长时间的痛苦，你知道吗？这就是，呃——
嗯，从粉丝的角度来说，鉴于你对人类文明产生了极其巨大的积极影响，我当然希望你继续干下去。而且看英伟达在做的事情本身就很有意思，你知道，就是那种创新的速度。我是工程的铁杆粉丝，英伟达一直在持续做着大量令人惊叹的工程工作，看着就很过瘾。这是对人类的礼赞，对伟大建设者的礼赞，对伟大工程的礼赞。所以它代表着某种特别的东西。所以我希望你和英伟达继续前进。对于我们正在经历的这一切，对于人类、对于人类的未来，是什么让你抱有希望？你经常思考未来，当你展望10年、20年、50年、100年之后，是什么给了你希望？
我一直对人的善良、慷慨、同情心，以及人的潜能抱有极大的信心。我一直对此非常有信心，有时候甚至信得有点过头了。我也会因此被人占便宜，但这从来没让我放弃这种信念。我的出发点始终是：人们想做好事，人们想帮助别人。而绝大多数时候，事实证明我是对的，一次又一次被证明是对的，而且常常超出我的预期。所以我对人的潜能有十足的信心。我觉得给我巨大希望的，是我现在看到已经成为可能的事情，以及根据我们正在做的事情推演下去，非常可能会发生的事情。
还有就是，我们想解决的事情太多了，想解决的问题太多了，想打造的东西太多了，想做的好事太多了，而这些现在都已触手可及，而且在我有生之年就能够实现。你不可能对此不心怀浪漫的憧憬。你明白我的意思吗？哦——
活在这个时代真是太令人兴奋了。真的——
怎么能——
……真的是这样。
怎么能不对此心怀浪漫的憧憬呢？事实上——期待疾病的终结是合理的。这是合理的期待。期待污染会大幅减少是合理的。期待以光速旅行真的会出现在我们的未来，也是合理的。当然，你知道，不是长距离，而是短距离。你知道，人们会问我怎么做到。嗯，首先，很快我就会把一个人形机器人放上宇宙飞船，你知道，那会是我的人形机器人，我们会尽快把它送出去，它会在飞行途中不断改进和增强。
然后等时机到了，我的全部意识已经——你知道，我生活中的很大一部分已经上传到互联网上了。把我所有的收件箱、我做过的一切、说过的一切都拿来，你知道，这些已经被收集起来，正在变成我的AI。等时机到了，我们就把它以光速发送出去，追上我的机器人。
哦，这太妙了。不过对我来说，这有点偏向应用层面。而从我这种“好奇心最大化”的角度来说，就是所有那些谜题，那里面有太多——……引人入胜的科学问题。
理解生物机器已经近在眼前了。不是10年，大概是5年。
然后是你的生物机器，也就是人类的心智，还有攻克物理学、理论物理学。太令人兴奋了。
解释意识，那个要是能做到就太棒了。
而这一切都触手可及。仁勋，非常感谢你这些年来所做的一切，感谢你正在为世界所做的一切，感谢你做你自己。我能看出你是一个了不起的人，祝你今年取得巨大的成功。我等不及了，作为粉丝，我等不及想看你接下来会做什么。希望能在台湾见到你，非常感谢你今天的交谈。
谢谢你，莱克斯。我聊得非常开心。另外，我还想再说一件事。感谢你做的所有访谈，感谢你访谈中的深度、你对嘉宾的尊重，以及你所做的研究，为我们所有人呈现了这些年你采访过的那些了不起的人。我非常享受这些访谈。作为一个创新者，你开创了这种长篇形式，令人难以置信，而且，你知道，就是非常引人入胜。总之，感谢你所做的一切。
这对我意义重大。谢谢你，仁勋。
谢谢你，莱克斯。
感谢收听这期与黄仁勋的对话。如需支持本播客，请查看节目简介中的赞助商信息，在那里你也可以找到联系我、提问、提供反馈等方式的链接。最后，让我用艾伦·凯的一句话作结：“预测未来的最好方式就是去创造它。”感谢收听，希望下次再见。