近期，英伟达创始人兼CEO黄仁勋在与红杉资本对话中，回忆1993年英伟达获得第一笔外部投资时表示：“整整100万美元，完全是孤注一掷。”
当年红杉资本的这笔投资，如今看来堪称传奇，不愧是全球顶级风投。而更传奇的是，黄仁勋从公司创立之初，就预见到了一个完全不同的计算未来。
在这场与红杉资本合伙人Konstantine Buhler的深度对话中，黄仁勋揭示了英伟达如何从一家图形芯片公司，蜕变为全球人工智能基础设施的构建者。这场谈论不仅关乎技术演进，更关乎未来十年全球产业格局的重塑。
1993年，黄仁勋创立英伟达之时，整个硅谷正处于CPU和摩尔定律的黄金时代。然而，他却看到了截然不同的技术路径。
黄仁勋回顾道，“CPU的优势在于通用性，但通用技术往往不擅长解决非常困难的问题”。
当时团队得出两个关键观察：一是许多复杂问题可以通过更具针对性的加速器来解决；二是晶体管的尺寸缩小终将达到物理极限。
这种从第一性原理出发的思考，让英伟达选择了加速计算这条少有人走的路。“通用技术的缩放终将面临收益递减，而我们相信可解决的计算问题规模几乎是无限的。”
红杉资本在1993年向英伟达投资了100万美元，如今看来这堪称风险投资史上的经典案例。
但当时，这个决定却充满了不确定性。黄仁勋回忆道，唐·瓦伦丁（红杉资本创始人）问我：“詹森，你的杀手级应用在哪里？我告诉他有一家叫艺电的公司，但没想到唐投资了艺电，而且他们的CTO才14岁。”
CUDA：改写计算规则的艰难赌注英伟达早期面临的核心挑战是必须同时发明新技术和创造新市场。“要创建新的计算架构，你需要一个大型市场，但这个市场却因架构不存在而不存在。”黄仁勋道出了那个经典的“鸡生蛋”困境。
3D图形市场最终成为了英伟达的突破口，但团队很快发现了更深层的机遇。“3D图形学的根本问题是模拟现实，其数学基础本质上是物理模拟，线性代数至关重要。”
这一认识最终催生了CUDA——一个将专用GPU通用化的划时代平台。
“我们不仅发明了技术，还发明了新产品、新市场策略以及创造飞轮效应的生态系统。”黄仁勋强调，“除了ARM和x86，世界上几乎没有每个人都使用的计算平台，而我们创造了新的计算平台。”
引爆点：从AlexNet到AI工厂2012年，AlexNet在ImageNet竞赛中的突破性表现成为了AI发展的转折点，而这一切都在英伟达的GPU上运行。
黄仁勋回忆，“当时我正为解决计算机视觉问题而苦恼，传统方法非常脆弱且难以推广。”
与此同时，英伟达的“CUDA Everywhere”战略让团队与全球研究人员建立了紧密联系，包括Geoff Hinton、吴恩达和Yann LeCun等AI先驱。
英伟达随后创建的CUDNN库，使得研究人员能够充分利用CUDA的能力。“当我看到计算机视觉效果的巨大飞跃时，我们开始思考：既然它在视觉上如此出色，它还能擅长什么？”
这一思考引领团队得出了更深刻的结论：“深度神经网络是一个通用函数逼近器。如果我们能加入状态机制，它几乎可以学习任何函数。”
2016年，英伟达推出了DGX-1，被称为“世界上第一个人工智能工厂”。黄仁勋笑着回忆在GTC上宣布这一产品时的情景：“观众反应平淡，掌声寥寥无几。”
然而，这台当时看似不起眼的设备，却直接交付给了OpenAI，开启了生成式AI的新纪元。
AI工厂：从组件到平台的进化“DGX-1是史上最昂贵的计算机，每个节点30万美元，但并不成功。”黄仁勋坦诚，“我得出结论：我们做得不够大。”
第二代产品取得了巨大成功，而今天的AI工厂已经演进为全新的形态。“我们的GPU现在是机架规模的——重2吨，功率12万瓦，价格约300万美元。”黄仁勋透露，“而一个千兆瓦的AI工厂价值约500亿美元。”
英伟达的独特优势在于全栈式创新能力：“我们是当今世界上唯一一家能够给你一座建筑、一些电力和一张白纸，然后创造其中一切的公司——所有的网络、交换机、CPU、GPU，全部运行相同的软件堆栈。”
这种协同设计能力使得英伟达能够突破摩尔定律的限制：“我们每年都将性能提高约10倍，同时大幅降低客户成本。”
黄仁勋提出了一个关键指标：“在AI工厂的未来，你的单位能源吞吐量决定了客户的收入。如果你拥有1吉瓦的数据中心，我们的每瓦能效是三倍，那么你的公司就能在该工厂中产生三倍的收入。”
投资回报：AI已展现巨大价值面对当前关于AI泡沫的讨论，黄仁勋提供了独到视角：“在2000年，大多数互联网公司不盈利，整个产业规模约200-300亿美元。而今天，仅超大规模企业就有数千亿美元的收入由AI驱动。”
他列举了具体案例：“当苹果从Meta移除归因数据后，Meta通过由英伟达GPU驱动的AI解决了这个问题，恢复了归因水平，市值回升了上万亿美元。”
推荐系统是现代数字经济的关键组成部分，而从协同过滤、内容过滤到深度学习推荐系统的转变，正在创造对AI计算的巨大需求。“搜索、个性化广告、TikTok、YouTube Shorts……所有这些现在都由AI驱动，没有它不行。”
未来十年：数字劳动力与物理AI黄仁勋将AI的未来机遇分为两大领域：数字劳动力（代理AI）和物理AI。
他在访谈中指出，我们首次拥有了能够增强劳动力的技术。在英伟达，我们的软件工程师和芯片设计师100%使用AI工具如Cursor进行增强。生产力提高，工作质量也变得更优。
他预测，“企业中的劳动力将是人类和数字人类的结合”，这将创造数万亿美元的市场机会。
物理AI（机器人技术）则是另一个前沿。“如果你能设计一个可以驾驶汽车的数字司机，为什么不能拥有一个物理机器人来做同样的事？”黄仁勋提出了一个思想实验，“未来的AI将能够融入并操纵汽车、机械臂、手术机器人等。”
他指出了实现这一愿景所需的三类计算：“训练模型的AI工厂、用于虚拟训练的模拟器，以及机器人实际运作时所需的边缘计算机。英伟达提供了所有这三种计算能力。”
新前沿：数字生物学与主权AIbeyond机器人技术，黄仁勋对数字生物学的发展感到兴奋。“如果我们能理解单词和虚拟世界的含义，那么我们也能理解蛋白质和化学物质的结构。”
他描述了这一领域的激动进展：“我们与Arc Institute合作开发了Evo2，这是一种用于细胞表征的基础模型。你现在可以与细胞对话，询问它的属性、能与什么结合、新陈代谢特性等。”
主权AI是另一个关键趋势。“没有哪个国家能够承担外包所有国家数据的后果，”黄仁勋从第一性原理分析，“我不认为应该放弃构建自己的主权AI。每个国家都可能进口一些、购买一些，同时也构建一些。”
关于对华出口管制，黄仁勋表达了 nuanced 的观点：“中国拥有全球约50%的AI研究人员，不让这些研究人员在美国技术上构建AI可能是一个错误。美国需要平衡保持领先与确保世界建立在美国技术堆栈之上的双重目标。”
根本性转变：从检索计算到生成计算黄仁勋提出了一个颠覆性的观点：“未来计算的方式很可能是100%生成式的。”
他以Perplexity为例解释道：“传统搜索是基于检索的计算，它检索信息供你自行消费。而Perplexity是生成式的——它去学习、阅读所有内容，然后为你生成答案。”
更进一步的例子是生成式视频技术：“Sora生成的每个像素、每个动作、每个词语都是生成的。我们今天互动的100%内容也都是实时生成的。”
黄仁勋描绘了终极愿景：“你未来的计算机是一位在你面前的CEO、艺术家、诗人或讲故事者，你与它合作为自己创作独特内容。在这种范式的背后，你需要AI工厂——这就是我100%确信我们正处于这段旅程开端的原因。”
结语：核心洞察与前瞻思考在对话最后，黄仁勋分享了关键洞察：
华尔街低估的关键指标：在AI工厂的未来，你的单位能源吞吐量决定了客户的收入。
英伟达平台最被低估的部分：在CUDA之上的库，如CUDNN，可能是人类历史上创建的最重要的库之一。
被低估的技术：用于物理AI训练的虚拟世界Omniverse，它正在席卷整个机器人行业。
对CIO的建议：立即开始构建自己的AI。未来的IT部门将成为数字员工的人力资源部门。
从图形处理器到AI工厂，英伟达的转型证明了一点：在技术变革的时代，深刻理解计算本质并持续重构基础设施，能够创造巨大价值。
这场对话不仅揭示了英伟达的成功逻辑，更为理解当前AI革命提供了深度框架——从基础设施到应用场景，从技术原理到商业价值，AI正在重构整个技术生态，而这一进程才刚刚开始。