英伟达创始人、CEO黄仁勋，近期接受美国知名播客栏目Bg2 Pod专访，详细介绍英伟达近期对OpenAI千亿美元投资、入股英特尔等大动作，深度阐述对AI产业发展前瞻、AI驱动经济增长潜力、主权AI前景、英伟达竞争优势与护城河、GPU与ASIC辩证关系等话题的看法。
本期长期主义，选择黄仁勋Bg2 Pod深度专访，瓜哥AI新知发布，六合商业研选精校，分享给大家，Enjoy！
正文：
全文25,881字
预计阅读52分钟
黄仁勋专访：AI将实现10亿倍增长，对手免费送ASIC也打不过GPU每瓦性能，英伟达壁垒是极致协同设计
时间：2025年9月26日
来源：瓜哥AI新知
字数：25,881
内容提要
AI规模定律与推理的革命：在传统AI规模定律（预训练、后训练）之上，引入全新的思考推理定律，即在回答前深度思考、研究、学习。这将使推理能力，呈指数级增长，百万倍乃至10亿倍，最终将智能推向新高度。
OpenAI Stargate合作的战略意义：英伟达与OpenAI的Stargate 1,000亿美元合作，不仅是设备供应，更是支持OpenAI建立自主AI基础设施，助OpenAI成为下一个万亿美元市值的超大规模公司。
英伟达作为OpenAI首选合作伙伴，将提供从芯片、软件到系统的全方位支持。
通用计算向加速计算的范式转变：摩尔定律的终结，标志通用计算时代落幕，计算基础设施正全面转向加速计算与AI计算。这一转变将重塑全球计算市场，为英伟达带来数千亿美元的增长机遇。
AI驱动的经济增长潜力：AI作为强大引擎，将极大增强人类智能，有望在全球GDP中占据数万亿美元的显著份额，加速全球经济增长，催生全新的AI代理产业与应用。
英伟达竞争壁垒与极致协同设计：英伟达通过年度发布周期、与供应链深度合作，在芯片、系统、软件、网络等领域的全栈极致协同设计，不断推出性能呈指数级提升的产品，如Blackwell，构建难以逾越的竞争壁垒。
GPU与ASIC的辩证关系：英伟达正在从GPU供应商，转型为AI基础设施建设者，能够整合各类ASIC，如CPX，满足多样化AI工作负载需求，通过开源软件与平台，如Dynamo、NV Fusion吸引生态系统内合作伙伴。
AI芯片成本优势：英伟达系统级设计，使每瓦性能远超竞争对手。即便对手ASIC芯片免费，英伟达系统在总拥有成本TCO，包括电力、数据中心等上，仍具备显著优势。
主权AI重要性：各国必须发展自身的主权AI能力，不仅关乎国家安全，也关乎经济命脉。各国在利用通用AI模型同时，应投入资源自主构建工业、制造业与国家安全领域的专属模型。
AI驱动的美国梦与人才吸引：吸引、留住全球顶尖人才，包括STEM学生，是美国保持竞争力的关键。提高H-1B签证费用，或许是一个起点，需平衡合法与非法移民问题，警惕可能加速海外投资、损害美国品牌形象的负面效应。
中国市场的重要性与竞争策略：中国是全球最重要的市场之一。鼓励外企在华投资竞争，同时发展本国充满活力的AI产业，最符合中美两国的国家利益，应避免脱钩与零和博弈思维。
AI驱动的生产力提升与就业创造：AI不会消灭工作，而是重塑任务，它将增强人类智能、提高生产力，创造新的就业机会。AI将极大弥合技术鸿沟，让每个人都能从技术进步中受益。
指数级增长与未来预测：AI领域的指数级增长速度惊人。预测未来，如30年后，需要将比特与原子世界相结合，重点关注AI与机电一体化、机器人学的融合，生物学与数字孪生的巨大潜力。
投资美国与普惠式增长：通过Invest America等倡议，让每个孩子从出生起，就成为美国优秀企业的股东，以此实现包容性增长，确保在技术浪潮中无人掉队。
美国重新工业化与技工价值：重振美国制造业，重新工业化，重新重视技工价值，再结合AI赋能，将有效促进经济增长、创造就业，提升国家竞争力。
放马过来的自信态度：面对竞争，应采取自信开放的态度，放马过来，相信美国人民、文化与制度，通过合作，哪怕是与曾经对手，共同实现繁荣。
访谈全文
黄仁勋：我认为OpenAI很有可能成为下一个万亿美元市值的超大规模公司。
主持人Gerstner：很高兴再次相会，还有我搭档Clark Tang，时间过得真快。
黄仁勋：欢迎来到英伟达。
年度AI回顾
主持人Gerstner：这副眼镜不错，戴着很好看，问题是，以后大家都会希望你一直戴着了。他们会问，那副红眼镜呢？
我能作证，我们上次录播客已经过去1年多。如今，你超过40%收入来自推理业务，真正的推理革命，也是链式推理，才刚开始。
黄仁勋：它即将迎来10亿倍的增长，是百万倍，乃至10亿倍。这才是大多数人尚未完全理解的重点，我们之前谈论的是一个行业，现在我们面对的是场工业革命。
主持人Gerstner：感觉上次之后，我们每天都在继续对话。
在AI时间尺度里，1年多类似100年。我最近重温了那期播客，我们谈到的许多观点，都让我印象深刻。最深刻的，是你当时极力强调，大约1年半前，预训练领域有些悲观，人们都在说，预训练走到头了，我们过度投资。
你却说，推理的增长不是100倍、1,000倍，是10亿倍。
这句话直接把我们带到今天，你刚宣布一项重大合作，我们从这里开始。
黄仁勋：我得坦白，我当时低估了。
我们现在有三个规模定律，预训练规模定律、后训练规模定律。
后训练，本质上类似AI在练习一项技能，通过不断尝试各种方法，直到做对为止。
要做到这一点，需要进行推理。
如今，强化学习中，训练与推理已融为一体，让整个过程变得非常复杂，这个过程被称为后训练。
第三个方面是推理，过去推理方式是一次性的。我们现在推崇的新推理方式，引入思考。在回答之前，先深入思考，这至关重要。
现在，我们有三个规模定律。
你思考时间越长，答案质量越高。
在思考过程中，你可以进行研究，核实事实，学习新知识。再思考，再学习，生成答案。关键在于，不要急于给出第一个答案。
是思考、后训练、预训练，这三个规模定律，在共同推动发展，不仅是一个。
主持人Gerstner：2024年，你就预见到这一点。与1年前相比，你现在是否对推理将实现10亿倍增长、这将把智能推向何种新高度更有信心？
黄仁勋：2025年，我信心更足。看看现在AI代理系统就知道。AI不再是单一语言模型，是由多个模型组成的系统。它们可以同时运行，使用工具，进行研究，处理各种任务，这一切都是多模态的。
看看现在AI生成的视频，简直太疯狂了。
OpenAI Stargate与英伟达投资
主持人Gerstner：这引出本周热点话题，几天前，你宣布与OpenAI Stargate项目达成重大合作，英伟达将成为首选合作伙伴，计划投资1,000亿美元。
他们要建设10千兆瓦算力，如果全部使用英伟达产品，可能为英伟达带来高达4,000亿美元收入。
能否请你谈谈这次合作，对你意味着什么，为什么这项投资，对英伟达是明智之举？
黄仁勋：首先，我先回答最后一个问题，再展开阐述。
我认为OpenAI很可能成为下一个万亿美元市值的超大规模公司。
为什么称之为超大规模公司，类似Meta与谷歌一样，它们将同时拥有面向消费者与企业的服务，极可能成为全球下一个万亿美元级别的巨头。
如果真是如此，在它成长到那个规模之前进行投资，是我们能想到最明智的决策之一。
投资必须投在自己了解的领域，这恰好是我们专长，投资这个领域回报将是巨大的。
我们非常看好这次投资机会，我们并非必须投资，他们提供了这个机会，非常难得。
现在，让我从头说起。
我们与OpenAI合作，涵盖多个项目。
首先是与微软Azure合作建设，这个项目进展顺利，未来几年还有价值数千亿美元的工作要完成。
我们正与OCI、OpenAI与软银合作，建设大约5~7千兆瓦算力。
这些项目均已签约，正在推进中，是与CoreWeave的合作，这些都是在OpenAI大背景下进行的。
这次新合作的核心，是帮助OpenAI首次建立他们自己AI基础设施。
这意味着，我们将直接在芯片、软件、系统，乃至AI工厂层面与OpenAI合作，帮助他们成为完全自运营的超大规模公司，这个过程会持续相当长的时间。
这次合作，是为了应对他们正在经历的双重指数级增长。
第一个指数增长来自用户数量，AI效果越来越好，应用场景不断丰富，几乎所有应用都在接入OpenAI，导致使用量爆炸式增长。
第二个指数增长来自单次使用的计算量，AI不再是一次性推理，而是需要思考后才能回答。
这两个指数增长叠加，导致他们算力需求呈复合式增长。
我们必须推进所有这些项目，这次新的合作，是在他们已有所有项目基础之上的一个增量，旨在支持惊人的指数级增长。
主持人Gerstner：你刚才提到OpenAI极有可能成为万亿美元公司，这点非常有趣。
你认为这是一笔绝佳的投资，你也在帮助他们进行自主建设，包括自建数据中心。
在此之前，他们数据中心建设一直外包给微软。现在，他们希望建立自己完整技术栈。
黄仁勋：类似自建工厂一样，他们希望与我们建立类似马斯克与X的关系，进行自主建设。
主持人Gerstner：这是重大事件。
xAI旗下AI训练集群Colossus，优势在于正在构建完整技术栈，本身是一个超大规模计算公司Hyperscaler。即便他们自己用不完这些算力，也可以卖给别人。
同理，Stargate也在建设庞大算力集群，他们预计自己会使用大部分，这也让他们有能力将富余的算力出售。
这听起来不是AWS、GCP或Azure的模式吗？
黄仁勋：我认为他们很可能会像X公司一样，将这些算力自用。
关键在于，他们希望与我们建立直接的合作与采购关系。
类似扎克伯格的Meta、桑达尔的Google、Satya Nadella的Azure与我们合作一样，都是完全直接的，他们已经达到这样的规模。
他们认为，现在是时候开始建立直接关系。
我很高兴能支持他们，Satya Nadella知道，拉里知道，每个人都清楚正在发生什么，都非常支持。
英伟达加速计算的潜在市场规模TAM
Satya Nadella主持人Gerstner：有一点让我感到困惑。
你刚才提到Oracle的3,000亿美元投资、Colossus的宏伟计划，还有主权AI与各大超大规模计算公司的投入。
Sam Altman甚至谈论的是万亿美元级别的规模。
华尔街25位负责研究英伟达的卖方分析师，他们共识预测是，英伟达增长将在2027年左右趋于平缓，到2030年年增长率仅为8%。
预测英伟达增长率，是这些分析师的唯一工作。
黄仁勋：我们清楚这一点，这没关系，我们总是能超越预期。
主持人Gerstner：这是一种有趣的脱节。
我每天都在CNBC、彭博电视上听到这种论调，我想这部分源于一种担忧，即当前的短缺，最终会导致未来产能过剩。
他们或许相信到2026年的增长，对2027年之后情况持怀疑态度，认为届时市场可能饱和。
这恰恰表明，我们进入AI时代已经2年半，在你、Sam Altman、桑达尔、Satya Nadella的愿景，与华尔街普遍看法间，存在巨大认知鸿沟，这一点你很清楚。
黄仁勋：我不认为这存在矛盾。
让我从三个方面来阐述，希望能帮助你对英伟达未来更加放心。
第一点，最重要的一点，是基于物理定律的必然，通用计算时代已经落幕，未来属于加速计算与AI。
可以这样思考，全球价值数万亿美元的计算基础设施，有多少需要更新换代？
所有人都同意，通用计算时代已经结束，摩尔定律已死。这意味着，通用计算必将转向加速计算。
我们与英特尔的合作，正是基于通用计算必须与加速计算融合这一共识，这为他们创造新的机遇。
第二点，AI第一个应用场景早已无处不在，比如搜索、推荐引擎、购物。
过去，超大规模计算的基础设施，是用于推荐系统的CPU。现在，它将变成用于AI的GPU。
只需看看传统计算与超大规模计算，它们都在从CPU转向加速计算与AI。
为Meta、Google、字节跳动、亚马逊等公司提供支持，将他们传统的超大规模计算模式转向AI，这将是价值数千亿美元的市场。
主持人Gerstner：考虑到地球上使用TikTok、Meta、Google服务的40亿人，他们已经产生巨大的工作负载需求。
黄仁勋：这些都是由加速计算变革驱动的，即便不考虑AI创造的新机会，仅是AI改变做事方式这一项，就已足够庞大。
接下来，让我们谈谈未来。到目前为止我说的，都只是基础。
这就好比，不会再用煤油灯，而是改用电灯；不会再坐螺旋桨飞机，而是选择喷气机。
旧的模式已经过时，道理是这么简单。
真正令人难以置信的是，当转向AI与加速计算后，会涌现出哪些全新的应用，这是我们正在热议的生成式AI。
这个机会有多大，一个简单的类比是，类似马达取代体力劳动一样，现在我们有了AI，我称为AI工厂。
这些AI超级计算机将生成Token，用以增强人类智能。人类智能贡献了全球GDP的多少，大约是55%~65%，也是50万亿美元。
50万亿美元的经济活动，未来都将被某种东西所增强。
让我们回到个人层面。
假设我花1万美元，为一位年薪10万美元的员工，配备一套AI系统，这套系统能让他生产力翻倍、甚至三倍，我会不会这么做，答案是毫不犹豫。
在我们公司，每一位员工都正在这样做。我们公司，每一位软件工程师、每一位芯片设计师，都已经在与AI协同工作，100%覆盖。
我们正在构建的芯片数量更多，节奏更快，英伟达作为整体，增长得更快。
我们雇佣更多的人，生产力更高，收入更高，利润更高，何乐而不为。
现在，将英伟达故事，放大到全球GDP。50万亿美元的经济活动，很可能被价值10万亿美元的AI增强，这10万亿美元的价值，需要机器来生成。
AI，与过去的IT有何不同。
过去，软件是预先写运行在CPU上，需要人来操作。
未来，AI会持续生成Token，机器必须不断思考，才能生成它们。
软件将永远在线运行，不是像过去只编写一次。
为了让AI能够思考，它需要一个工厂。
假设我们生成10万亿美元Token价值，毛利率为50%，意味着需要价值5万亿美元的AI工厂，也是AI基础设施来支撑。
如果有人告诉我，全球每年在AI基础设施上的资本支出将达到5万亿美元，我认为这个数字是合理的。
这是未来，从通用计算转向加速计算，用AI重塑所有超大规模计算，最终增强人类智能。
主持人Gerstner：你这是在对标全球GDP。
我们估计，目前这个市场年规模约4,000亿美元。照此计算，潜在市场规模TAM比现在高出4~5倍。
黄仁勋：没错，阿里吴泳铭Eddie Wu昨晚说，到这个10年末，他们数据中心的电力容量将增加10倍。
他们将电力增加10倍，我们将其与电力相关联，英伟达收入几乎与电力消耗成正比。
他说Token生成速度，每几个月就会翻一番。
这说明每瓦性能，必须持续指数级增长，这也是为什么英伟达要不断推出性能更强的产品。
同样，每瓦带来的收入也是如此。在未来，瓦特几乎等同于收入。
主持人Gerstner：这很有意思。
历史上看，工业革命与数字革命之前，全球GDP增长非常缓慢，之后开始加速。
你所说的，是在描绘一个相似的场景，全球GDP增长将再次提速，我们拥有数10亿为我们工作的AI同事。
如果GDP是劳动力与资本投入的产出，它必然会加速。
黄仁勋：必然会，看看AI正在发生什么。
受益大语言模型与AI Agent等技术，全新的AI Agent产业正在诞生，这一点毋庸置疑。
OpenAI是历史上营收增长最快的公司，还在指数级增长。
AI本身是快速增长的产业，背后需要工厂与基础设施，我的产业也在增长。
我的产业在增长，它下游产业也在增长。
能源行业正在增长，这对能源行业是一次复兴，无论是核能、还是燃气轮机。
看看我们基础设施生态系统中所有公司，它们都发展得非常好，每个人都在增长。
英伟达的投资回报，供过于求、还是泡沫
主持人Gerstner：这些宏大的数字，让人们开始讨论供过于求或泡沫。
扎克伯格上周在播客中坦言，未来某个节点很可能会出现需求真空期air pocket，Meta可能会在某方面超额投资100亿美元。
他认为这没关系，这是关乎业务未来的必要风险，这听起来有点像囚徒困境，不是吗？
黄仁勋：可他们都是非常快乐的囚徒。
主持人Gerstner：我们估计到2026年，AI产生的收入将达到1,000亿美元，这不包括Meta，不包括将推荐引擎、搜索等现有业务AI化的部分。
黄仁勋：就称之为1,000亿美元。
超大规模计算这个行业有多大，数万亿美元，这个行业正在全面转向AI。
在任何人从零开始创造新市场之前，必须先从这里算起。
主持人Gerstner：怀疑论者会说，要支撑你的论点，我们需要看到AI驱动的收入，从2026年的1,000亿美元，增长到2030年至少1万亿美元。
你认为在未来5年内，我们真的能看到这样的增长，我们发展速度能有这么快？
黄仁勋：我要补充一点，我们已经实现这个目标，让我解释一下。
超大规模hyperscale公司，已经完成从CPU到AI的转型，它们所有收入基础，现在都由AI驱动。
没有AI，TikTok无法运行；没有AI，YouTube Shorts无法运行；没有AI，Meta在定制化与个性化内容方面所做的惊人工作无法实现。
所有这些过去由人完成的事，如今都变了。
过去，内容是预先编写好的，推荐引擎只是从有限选项中进行挑选。现在，AI能够生成无限可能。
主持人Gerstner：那些推荐引擎，不正是我们经历从CPU到GPU过渡的主要原因吗？
在过去3~4年里，它们一直在演进。
黄仁勋：扎克伯格会告诉你，Meta在采用GPU方面肯定有所迟疑。
GPU对Meta，才是近1~2年的事，非常新。
搜索业务也用上了GPU吗？这更是全新的变革。
主持人Gerstner：GPU用于搜索？
你的论点是，到2030年，AI收入达到1万亿美元，几乎是板上钉钉的事，我们已经快要实现了。
那我们来谈谈增量，当你进行自下而上、或自上而下分析时，我刚听了你关于全球GDP百分比的自上而下分析。
你认为在未来3~5年内，出现供过于求的概率有多大，这是一个概率分布，我们无法预知未来。
黄仁勋：所有通用计算，彻底转型为加速计算与AI之前，我认为出现供过于求的几率，微乎其微，这还需要好几年时间。
让我再补充一点，直到所有推荐引擎都基于AI，所有内容生成都基于AI，面向消费者的内容生成很大程度上依赖推荐系统，这一切都将被AI所取代。
直到所有这些传统上属于超大规模计算的领域，从购物到电商，全部迁移到AI上。
主持人Gerstner：所有这些新建设，当我们谈论数万亿美元投资时，这是一种超前投资，这种投资是随心所欲的吗？
即便看到经济放缓、或出现某种过剩，你们也有义务必须投入资金吗？
还是说，这只是你们向生态系统发出的信号，告诉大家建设，到某个时候，如果我们看到放缓，可以随时调整投资水平？
黄仁勋：情况恰恰相反。
我们处于供应链最末端，我们是对需求做出响应。
现在，所有的风险投资人都很清楚，全球范围内，都存在算力短缺，这并不是全球GPU短缺。如果客户给我订单，我就会生产。
过去几年，我们已经深入梳理供应链。
我身后的所有环节，从晶圆厂、到封装厂，再到HBM内存，所有这些技术都已准备就绪。
如果需求翻倍，我们就能生产翻倍，供应链不是问题，我们现在只等需求信号。
当云服务提供商、超大规模数据中心运营商与我们客户制定年度计划，并向我们提供预测时，我们会据此进行生产。
现在情况是，他们提供的每一个预测，都被证明是错误的，他们预测总是偏低，我们一直处于追赶状态。
这种追赶状态，已经持续好几年。
我们收到的任何预测，都比2024年有显著增长，实际需求总会超出预期。
主持人Gerstner：2024年，Satya Nadella似乎有所保留，有人称他为房间里的成年人，压制了某些过高的期望。
几周前，他说2025年也要建两个吉瓦的算力，将加速发展。
你是否看到一些传统的超大规模数据中心运营商，他们进展速度，可能比CoreWeave或马斯克的xAI稍微慢一些？
在我看来，他们现在都在加大投入。
黄仁勋：这也是第二波指数级增长的到来，我们已经经历了一次指数级增长，那是AI的采用率与使用量。第二波指数级增长，是推理inference的应用。
这正是我们1年前讨论的话题，他们当时说，AI过去是一次性完成任务，记住答案并泛化，这是预训练。
比如记住A乘以A等于什么这样的答案。
记住答案并泛化，是一次性的AI。
1年前，推理、研究与工具使用出现，现在的AI，成了会思考的AI。
主持人Gerstner：能创造亿万价值。
黄仁勋：它会使用更多算力。
你提到的某些超大规模客户，他们有大量内部工作负载，无论如何，都必须从通用计算迁移到加速计算，他们顺利度过这个周期。
也许另一些超大规模客户的工作负载更多样化，他们不太确定消化产能的速度。
现在，所有人都得出了结论，他们严重低估了所需的产能。
我最喜欢的一个应用，是传统的数据处理，包括结构化与非结构化数据。
很快，我们将宣布一项重大的加速数据处理计划。
目前，数据处理消耗全球绝大多数的CPU算力，完全运行在CPU上。
Databricks、Snowflake，绝大多数是CPU；Oracle的SQL处理，绝大多数也是CPU。
每个人都在使用CPU进行SQL查询，处理结构化数据。
未来，这一切，都将转向由AI处理数据。
这是巨大而广阔的市场，我们将要进入。
英伟达所做的一切，都需要一个加速层，需要特定领域的数据处理库与方法。
我们必须构建它，这将是未来的新篇章。
资金循环与循环收入
主持人Gerstner：有一个反对的声音。我昨天打开CNBC，他们在谈论过剩与泡沫。
当我切换到彭博社时，讨论集中在资金循环与循环收入上，这种情况指公司之间进行误导性交易，人为夸大收入，交易本身没有任何潜在经济实质。
换句话说，增长靠财务堆砌，而非源于真实客户需求。
最典型的例子，莫过于25年前，上一个泡沫时期思科与北电。
当你或微软、亚马逊投资于同时也是你们大客户的公司时，比如你们投资OpenAI，OpenAI又向你们购买价值数百亿美元的芯片。
请告诉我们，彭博社与其他地方的分析师，在担忧循环收入或资金循环时，他们究竟错在哪里？
黄仁勋：10吉瓦算力，大约价值4,000亿美元。4,000亿美元，主要必须由他们销售额与收入来支撑，这些收入正在呈指数级增长。
资金来源，必须是他们资本、通过股权筹集的资金、他们能获得的任何债务，这三种方式。
他们能够筹集到的股权与债务，与市场对他们维持收入能力的信心息息相关。
聪明的投资者与贷款人，会综合考量所有这些因素。
根本上说，这是他们商业模式。
这是他们的生意，与我无关。
我们必须与他们保持密切联系，确保我们能支持他们持续增长。
这是收入层面，与我们投资无关。
我们的投资不与任何采购挂钩，纯粹是投资于未来巨头的机会，这些公司很可能成为下一个万亿美元级别的超大规模公司，谁不想投资这样的公司。
我唯一的遗憾是，当他们早期邀请我们投资时，我们囊中羞涩，投得太少。我真该把当时所有的钱，都投给他们。
主持人Gerstner：现实是，如果你们产品不够好，比如Vera Rubin芯片性能不佳，他们完全可以买别的芯片，他们没有义务必须使用你们芯片，你们将其视为一项机会性的股权投资。
黄仁勋：我们做了一些很棒的投资。我们投资了xAI，投资了CoreWeave，非常明智。
主持人Gerstner：回顾这一点，在我看来，另一个基本点是，你们公开透明，你说这是我们正在做的事。
这里的根本经济实质是真实的，不是两家公司之间来回转移收入。
我们有数亿用户每月为ChatGPT付费，有15亿用户在使用这个产品。
世界上所有企业，要么拥抱AI，要么消亡。
每个主权国家，都将AI视为如同核武器一样，关乎国家安全与经济命脉。
黄仁勋：无论是个人、公司还是国家，谁会认为智能是可有可无的？智能的自动化，是一项根本性需求。
年度发布周期与极致协同设计
主持人Gerstner：我们稍微深入探讨一下系统设计。
2024年，随着Hopper芯片切换到年度发布周期。2025年，Grace Blackwell带来大规模升级，需要进行重大数据中心改造。
2026年下半年，我们将迎来Vera Rubin。
2027年是Ultra，2028年是Feynman。
年度发布周期进展如何，采用这个周期的主要目标是什么，英伟达内部的AI是否帮助你们实现这一目标？
黄仁勋：最后一个问题的答案是肯定的，没有AI，英伟达如今的速度、节奏与规模，都是不可能实现的。我们今天所构建的一切，都离不开AI。
我们为什么这样，记得Andy Jassy在财报电话会议上说过，Satya Nadella说过，Sam Altman说过，Token生成速度正在呈指数级增长，客户使用量呈指数级增长。
我想ChatGPT诞生不到2年，周活跃用户大约有8亿。
主持人Gerstner：每个用户都在生成更多Token，他们在进行推理时，使用更多思考时间。
黄仁勋：完全正确。
首先，Token生成率增长如此惊人，这是两个指数曲线的叠加，除非我们以同样惊人速度提高性能，否则Token生成成本将持续攀升。
摩尔定律已死，如今，晶体管的年度成本削减已基本停滞，功耗也类似。
除非我们开发出新技术来降低成本，否则局面不会改变。
即使你给别人几个点折扣，这点差异，又怎能弥补指数级的性能鸿沟，我们必须每年都以指数级的速度提升性能，才能跟上时代步伐。
从Kepler到Hopper，性能增长约10万倍，标志英伟达AI征程的开端。10年，增长10万倍。从Hopper到Blackwell，受益NVLink，我们仅用1年，就实现30倍增长。接下来，我们还会实现又一个数量级的飞跃。
通过Feynman，我们还将再次实现数量级的飞跃。我们能做到这一点，是晶体管的进步，对我们帮助已微乎其微。摩尔定律如今实质是，晶体管密度仍在增长，性能早已停滞。
面对这一挑战，我们必须在系统层面将问题彻底分解，同时革新所有芯片、软件栈、系统，这是极致协同设计ExtremeCo-design。以前从未有人，在如此高的层面进行过协同设计。
我们同时革新CPU、GPU、网络芯片、NVLink交换机、Spectrum-X交换机。
我听到有人说，那不是以太网吗，Spectrum-X可远不止是普通的以太网。
人们开始意识到，这种数量级的增长是多么惊人。
英伟达的以太网业务，仅是这项业务，已是全球增长最快的以太网业务。
我们进行横向扩展，现在我们必须构建更庞大系统，将多个AI工厂连接在一起，我们每年都在这样做。
我们正在技术层面实现指数的平方级增长，这使得我们的客户能够不断降低生成Token的成本，通过预训练、后训练、推理，让Token变得越来越智能。
当AI变得更智能时，它的使用量就会增加。当使用量增加时，就会呈现指数级增长。
主持人Gerstner：对可能不太熟悉的人，能解释一下什么是极致协同设计？
黄仁勋：极致协同设计，意味着必须同时优化模型、算法、系统、芯片。必须打破常规，跳出固有思维框架去创新。
过去的摩尔定律时代，只需要不断提高CPU速度，一切就会自然变快，创新被局限在固有框架内。
如果芯片本身不再提速，该怎么办，答案是跳出框架去创新。
英伟达真正改变了游戏规则，我们做了两件事，发明CUDA与GPU，提出大规模协同设计的理念。
这是为什么我们涉足如此多的行业，我们创造所有这些库，并进行协同设计。
首先，是完整的技术栈。极致协同设计，甚至超越软件与GPU，现已扩展到数据中心层面，涵盖交换机、网络、所有相关的软件、网卡NIC、横向扩展、纵向扩展，并对这一切进行优化。
结果是，从Hopper到Blackwell实现30倍增长。
任何摩尔定律都无法实现这一点，这是极致。这种极致的性能，源于极致协同设计的理念。
英伟达已经深度参与到这个过程中，这是我们涉足网络、交换、横向扩展、纵向扩展与跨域扩展的原因。
我们在构建CPU、GPU、NIC方面，也取得显著进展。
英伟达拥有如此丰富的软件与人才，是因为我们向世界贡献的开源软件比几乎任何其他公司都多。
我们开发的庞大、丰富的软件资源，不仅限于AI，还扩展到计算机图形学、数字生物学、自动驾驶汽车等领域。
我们产出的软件数量令人难以置信，这些丰富的资源，使我们能够有效进行深入、极致的协同设计。
主持人Gerstner：我从你一个竞争对手那里听到一种说法，英伟达这样做，固然有助降低Token生成成本，同时年度发布周期，也让对手们望尘莫及。
你们为供应链提供长达3年的路线图可见性，大大增强供应链粘性，供应链对未来产能规划充满信心。
黄仁勋：你在提问前，不妨先想一想，为实现每年数千亿美元的AI基础设施建设，我们必须提前1年投入多少资源？
我们谈论的，是投入数百亿美元用于晶圆采购与DRAM采购，这已经达到一个几乎没有公司能够企及的规模。
主持人Gerstner：你会说你们竞争壁垒，比3年前更坚固？
黄仁勋：竞争比以往任何时候都激烈，进入这个赛道的难度，也比以往任何时候都高。
我这么说，原因在于晶圆成本不断上涨，意味着，除非进行大规模协同设计，否则根本无法实现数量级增长。
首先，必须每年同时开发六、七、八款芯片，这本身是一项惊人的成就。
这并非只是制造一个ASIC，而是在构建一个由众多协同设计的芯片组成的AI工厂系统，它们共同实现我们几乎定期达成的10倍性能飞跃。
第一，协同设计的极致性。
第二，规模的极致性。
当客户要部署一个吉瓦gigawatt算力时，意味着需要40万~50万块GPU。让50万块GPU协同工作，本身是一项奇迹。我是说，这简直是奇迹。你的客户，在你身上押下巨大赌注。
要采购所有这些，必须反问自己，什么样的客户，会为一款未经市场验证的全新架构，下达500亿美元的采购订单？
你刚完成全新芯片设计，为此兴奋不已，每个人都为你喝彩。
你展示了第一批流片样品，谁会给你一张500亿美元的采购订单？你又为什么要为一款刚完成设计的芯片，提前投产价值500亿美元的晶圆？
对英伟达，我们可以做到，我们架构已经得到充分验证。我们客户规模是惊人，相应我们供应链的规模也是惊人的。
除非他们确信英伟达能够交付，否则谁会愿意为一家公司提前生产所有这些部件？
他们相信我们能够为世界各地所有客户交付，他们愿意一次性启动价值数千亿美元的生产订单，这种规模是惊人的。
ASIC之争与未来格局
主持人Clark Tang：当前一个全球性的关键争论，是GPU与ASIC之争。
从谷歌TPU到亚马逊Trainium，似乎从Arm、OpenAI到Anthropic，每个人都在传闻研发自己ASIC。
2024年，你曾说英伟达构建的是系统，而非芯片，通过优化整个技术栈来提升性能，断言许多这类ASIC项目，可能永远无法达到生产规模。
考虑到谷歌TPU显著成功，你现在如何看待这个不断变化的市场格局？
黄仁勋：谷歌优势在于远见卓识，请记住，他们在一切开始之前，就启动TPU1项目，这与创办公司的道理一样。
你应该在市场爆发前就创立公司，而不是等到市场规模达到万亿美元时，再以创业者身份入场。
所有风险投资人都知道一个谬论，那是认为在巨大的市场里，只要能分到几个百分点的份额，就能成为一家大公司，这是完全错误的。
你应该在一个微小的行业里占据100%的市场份额，这正是英伟达所做的。
TPU也是如此，当时这个赛道上只有我们两家。
主持人Gerstner：你最好祈祷那个小行业能真正发展壮大，你是在创造一个行业。
黄仁勋：这是现在制造ASIC公司所面临的挑战，这个市场看起来很诱人，请记住，这个诱人的市场，是从一种叫做GPU的芯片演变而来的。
我刚才描述了一个AI工厂。你们也看到，我刚发布了CPX芯片，专门用于上下文处理与扩散视频生成。这是非常专业化的工作负载，在数据中心内至关重要。
我刚才还提到AI数据处理单元，你需要长期记忆与短期记忆。
KV缓存的处理非常密集，AI内存是个大问题。
你希望你的AI拥有良好记忆力，处理系统中的KV缓存是极其复杂的事。
或许需要一个专门的处理器，或许还需要其他东西。
我们视角早已不再局限于GPU，我们视角是关注整个AI基础设施，这些杰出的公司如何应对各种多样、不断变化的工作负载。
看看Transformer架构，它正在发生剧烈变化。
如果不是CUDA的灵活性与易于迭代的特性，他们如何进行大量的实验，来决定使用哪个版本Transformer，采用哪种注意力算法，如何进行解耦？
CUDA的高度可编程性，帮助你完成所有这些。
现在思考我们业务的方式是，看看所有这些ASIC公司或项目是什么时候开始的。
3、4、5年前，我必须告诉你，那个行业曾经非常可爱与简单，核心只有一个GPU。
现在，它已经变得庞大、复杂。
再过2年，它的复杂程度与规模将难以想象。
我认为，作为一个新来者，想在一个已经非常庞大的市场中竞争，非常困难。
主持人Clark Tang：即使对可能在ASIC方面，取得成功的客户，他们计算集群中，难道不存在最优的平衡点？
投资者往往是二元思维，只想要非黑即白的答案。
即便客户的ASIC成功，难道不也需要一个平衡的配置吗？
比如，他们可能会购买英伟达平台，将CPX用于视频生成的预处理，或者用于解码器、视频转录平台等。
随着新工作负载出现，英伟达的生态系统与加速计算集群中，势必会加入许多不同的芯片或组件。
今天试图从零开始设计新芯片的人，并未真正预见到1年后会发生什么，他们只是专注让眼下芯片正常工作。
黄仁勋：谷歌是英伟达GPU的大客户，谷歌是非常特殊的例子，我们必须对真正值得尊敬的对手表示敬意。
TPU已经发展到第七代。这对他们也是巨大挑战，他们所做的工作极其困难。
首先让我说，芯片分为三个类别：有架构类的芯片，x86 CPU、ARM CPU、英伟达GPU，这些都是核心架构。
这些架构之上，都构建了庞大的生态系统。
一个架构能成功，是它拥有丰富的IP与生态系统，技术也极其复杂，这些都是由我们这样的架构所有者来构建的。
说完架构，我们再来谈谈ASIC。
我曾在发明了ASIC概念的LSI Logic公司工作。LSI Logic如今已不复存在，原因何在？
当市场规模不大时，ASIC模式非常有效。
你可以轻易找到承包商，帮你完成所有设计与封装，并代表你进行制造，他们会为此收取50%~60%的高额利润。
当市场变得足够庞大时，客户自有工具COT（Customer-OwnedTooling）的新模式便应运而生。
苹果智能手机芯片为例，销量巨大，苹果绝不可能将50%~60%毛利分给别人来做ASIC，他们必然会选择COT模式。
当TPU业务规模足够大时，会发生什么，答案是COT，毫无疑问。
ASIC仍有用武之地，比如视频转码器或智能网卡，它们市场规模永远不会变得过于庞大。
当一家ASIC公司，同时推进十几个项目时，我一点不惊讶，可能就包含五个智能网卡与四个视频转码器项目。
这些都是AI芯片吗，不是。
如果有人想为一个特定的推荐系统构建嵌入式处理器，采用ASIC模式，这完全可行。
你会用它来构建AI的核心计算引擎吗？AI世界瞬息万变。
你需要处理低延迟、高吞吐等不同类型的工作负载，有用于聊天的Token生成，有用于深度思考的推理，还有AI视频生成，这些工作负载的需求千差万别。
主持人Clark Tang：这正是你加速器业务的核心支柱，也是英伟达的精髓所在。
主持人Gerstner：我把这个问题简化一下，这类似下棋与跳棋的区别。
像Trainium或其他法国加速器公司，他们现在做的ASIC芯片，只是更大机器中的一个组件。
你已经建立极其复杂的系统、平台，或者说工厂。现在，你又让这个系统变得更开放，比如你提到的Grace CPU。在我看来，你正在做的，是将不同的工作负载，分配给最适合它们的硬件。
黄仁勋：我们所做的，是发布、开源Dynamo项目，用于分布式AI工作负载编排，未来的AI工厂必然是分布式的。
主持人Gerstner：你推出的NVLink Fusion，甚至向英特尔都敞开大门，表明你希望各方，参与到这个工厂建设中的方式。
没人会疯狂到，想凭一己之力建起整个工厂。
只要你的产品足够好、足够有吸引力，最终用户就会说，我们想用这个，而不是ARM GPU，或者我们想用这个，而不是你们的推理加速器，这样你就能顺利接入这个生态。
黄仁勋：我们非常乐意，很高兴能让大家加入。
主持人Gerstner：请你谈谈。
黄仁勋：NVLink Fusion是绝妙的主意。
我们很高兴能与英特尔合作，这整合了他们生态系统，世界上大多数企业在英特尔平台上运行。
这次合作，融合英特尔生态系统、英伟达AI生态系统，与我们加速计算平台。
我们与ARM已经实现类似合作，未来还会与其他几家公司携手。
这为我们双方都创造了机会，是一次巨大的双赢。
我将成为他们大客户，他们为我们打开更广阔的市场。
主持人Gerstner：与此紧密相关的是，你提出让许多人震惊的论点，即使竞争对手ASIC芯片定价为零，客户会选择购买英伟达的系统。考虑到电力、数据中心等总体运营成本，最终产生的智能价值，英伟达方案依然更具优势。
黄仁勋：即使他们免费送你芯片，土地、电力与基础设施的成本可能高达150亿美元。
主持人Gerstner：这笔账我们算了一下，还是想请你详细解释。
在你芯片价格如此昂贵情况下，如何做到即使对手芯片免费，你的方案仍是更优选，这对普通人似乎难以置信。
黄仁勋：可以从两个角度看。
首先是收入。
如今，所有人都受限于电力。假设你获得2吉瓦的额外电力，你希望它能转化为最大收入。
如果我们每瓦性能，或者说每瓦生成的Token数是别人两倍，这是通过我们深度、极致的协同设计实现的，我们客户就能用同样的数据中心获得两倍收入。
谁会拒绝两倍收入，即使别人给他们15%折扣，也无法弥补巨大差距。
Blackwell相较Hopper，实现30倍性能提升。
现在，假设别人ASIC性能等同于Hopper，选择它，意味着在同样一吉瓦电力上，放弃30倍的潜在收入。
这个机会成本高到无法想象，你永远会选择每瓦性能最高的方案，即使对手芯片免费。
主持人Gerstner：我从一家超大规模数据中心的CFO那里，也听到类似观点。
正是你芯片性能巨大提升，电力是核心限制因素，他们不得不跟上你们升级周期。
展望未来，从Ruben、RubenUltra到Feynman，这种性能飞跃的趋势，还会继续吗？
黄仁勋：我们现在每年都会推出6~7款芯片，并对系统每个部分进行优化。
Blackwell的30倍性能提升，正是源于对这6~7款芯片及其系统软件的全面集成与优化。
现在，想象一下我们每年都以这样节奏进行迭代，而你如果只是在这一堆芯片中做一个ASIC，我们是在优化整个系统。
这是一个极难解决的问题。
英伟达护城河
主持人Gerstner：这回到我们最初讨论的护城河问题。
我们一直在关注，也与投资者、甚至你们竞争对手，从谷歌到博通，进行深入探讨。
当我从第一性原理出发思考时，我问自己，你是在拓宽、还是在缩窄自己护城河？
你转向年度迭代的节奏，与供应链共同开发；公司体量远超预期，这需要庞大的资产负债表与研发投入；再加上你们通过收购与内生增长推出的一系列举措，如NVLink Fusion、Grace CPU等。
所有这些都让我相信，你的竞争壁垒非但没有减弱，反而不断增强，至少在构建工厂或系统层面是如此。
黄仁勋：至少是出乎意料的。
主持人Gerstner：有趣的是，英伟达估值倍数，远低于许多其他科技巨头。
部分原因可能是大数定律，一家市值4.5万亿美元的公司，还能增长多少？
我1年半前，问过你类似的问题。
考虑到AI工作负载市场的巨大增长潜力，在你看来，5年后，英伟达收入规模有没有可能与现在相差不大，增长停滞？
考虑到你所建立的这些优势，这种可能性有多大？
黄仁勋：我会这样回答，我们的机遇，远比市场共识所认为的要大得多。
主持人Gerstner：我也说说我的看法。
我认为英伟达很可能成为第一家市值达到10万亿美元的公司，在10年前，人们觉得万亿美元市值的公司是天方夜谭，现在我们已经有十家，世界的规模在指数级增长。
黄仁勋：这正是指数级增长的力量，世界变得更大。
人们对我们存在误解，他们停留在英伟达是家芯片公司的旧印象里。
我们制造芯片，是世界上最顶尖的芯片。
英伟达本质是一家AI基础设施公司，我们是客户的AI基础设施合作伙伴。我们与OpenAI合作，是最好的例子。
我们与客户的合作方式非常灵活，我们不强求客户必须购买我们全套产品，不要求他们购买整个机柜，他们可以只买一颗芯片，一个组件，或者只买我们网络设备。
我们有些客户只买我们CPU，或者只买GPU，搭配其他厂商CPU与网络设备，我们完全接受。
无论你选择哪种购买方式，我唯一的请求是，多少从我们这买点东西。
马斯克、xAI与Colossus 2
主持人Gerstner：你说过，AI不仅是关于更好模型，更需要世界级建设者。
你认为我们国家最顶尖的建设者，或许是马斯克。马斯克之前构建的Colossus 1集群，集成数10万H100与H200。
现在正在规划Colossus 2，可能会在一个统一集群中，集成数百万H100等效算力。
黄仁勋：如果他率先建成吉瓦级规模的超算，我一点不会惊讶。
主持人Gerstner：请谈谈作为一名建设者，不仅构建软件与模型，更要理解如何搭建这些庞大集群所具备的优势。
黄仁勋：这些AI超级计算机，是极其复杂的系统。
技术复杂，采购因融资而复杂，确保土地、电力、机房与供电同样复杂。
把所有这些整合、运行起来，无疑是人类有史以来遇到的最复杂系统工程。
马斯克巨大优势在于，他能在一个人的大脑里，整合并处理所有这些复杂、相互依赖的系统，甚至包括融资。
他本身是巨大的GPT，一台超级计算机，是终极GPU。他有强烈的紧迫感与真正的建设意愿。当意愿与能力相结合时，奇迹就会发生，他是独一无二的。
主权AI与全球建设
主持人Gerstner：你一直非常关注一个话题，我想与你聊聊主权AI。
我还想谈中国，正在进行的全球AI竞赛。
回想30年前，你肯定想不到，自己这周会与埃米尔、国王们在宫殿里会面，还成了白宫的常客。
总统曾说过，你与英伟达对美国国家安全至关重要。
当你审视这一切时，请先为我铺陈一下背景，如果主权国家不认为AI是关乎生死存亡的大事，重要性不亚于20世纪40年代我们看待核武器，你是不可能出现在这些场合的，对吧？
我们今天没有政府资助的曼哈顿计划，但有由英伟达、OpenAI、Meta、谷歌资助的计划。
我们如今的公司堪比国家，这受益美国的伟大之处，不是吗？
他们资助的项目，在我看来，总统与国王们，都认为对未来经济与国家安全至关重要，你同意吗？
黄仁勋：原子弹，无人需要；AI，人人必需。
说得好，这是非常、非常大的区别。
AI是现代软件，我的理念是将计算从通用计算推向加速计算，将软件从人类编写演进到AI编写。
我们不能忘记这个基础，我们重新发明了计算。
地球上并没有出现新物种，我们只是重新发明了计算本身，每个人都需要计算。
计算需要被民主化，这是为什么所有国家都意识到他们必须拥抱AI，每个人都需要跟上计算的步伐。
世界上没人会说，我昨天还在用电脑，明天就打算返璞归真，改用木棍与火种。
每个人都需要融入计算的世界，这只是计算的现代化，仅此而已，这是第一点。
要参与到AI中，必须将自己历史、文化、价值观编码进去。
AI越来越聪明，即使是核心AI也能相对快速学会这些东西，不必从零开始。
我认为每个国家都需要拥有某种主权能力，我建议他们都使用OpenAI、Gemini、Grok、Anthropic。
同时，他们应该投入资源，学习如何亲手构建AI。
这样做的原因是，他们需要学习如何构建AI，不仅是语言模型，还有工业模型、制造模型、国家安全模型。
他们必须亲自培育出大量本土智能，每个国家都应该在AI领域发展自己的主权能力。
主持人Gerstner：这是你的看法，还是你在世界各地听到的普遍共识？
黄仁勋：他们都意识到这一点，他们都意识到了。
他们都会成为OpenAI、Anthropic、Grok、Gemini客户，他们也都清楚，必须建立自己的基础设施。
这是核心理念，英伟达所做的是构建基础设施，类似每个国家都需要能源基础设施、通信与互联网基础设施一样。现在，每一个国家都需要AI基础设施。
AI行政管理
主持人Gerstner：我们先不谈世界其他国家，正如我们好朋友大卫·萨克斯所说，AI是我们的。
黄仁勋：我们做得非常出色。
我们非常幸运，有大卫与斯里拉姆在华盛顿特区工作，大卫在AI的某个部门工作。特朗普总统将他们调到白宫，是多么明智的举动。
在这个关键时刻，技术非常复杂。
斯里拉姆是华盛顿特区里，我唯一认为懂CUDA的人，这很不寻常。
我只是非常欣赏，在这个技术复杂、政策复杂、对国家未来影响巨大的关键时刻，我们有头脑清晰的人，投入时间来理解这项技术，并深思熟虑帮助我们渡过难关。
主持人Gerstner：我再次回到曼哈顿计划的类比，你会发现，总统理解紧迫性。
德州州长格雷格·阿博特等人，希望放松监管以加快进程，他们明白重要性。
能源部长赖特、内政部长伯格姆、商务部长卢特尼克，也明白这一点的重要性。
黄仁勋：他们是亲能源的。
你能想象吗，如果我们现在的政府不亲能源、不希望能源产业在美国发展，我们怎么拥有AI，我认为这是领导力，我简直无法想象相反的情况。
主持人Gerstner：我觉得颇具讽刺意味的是，几年前，我们还在说中国要建100座核反应堆，遥遥领先我们，这是AI发展的能源基础。现在，轮到我们自己要建了，却有人说这太过剩了。
对我，这似乎是政府理应做的事，符合他们的利益。
我们看到政府与产业界的合作，这是我很久没有见过的。
你在这个行业资历深厚，你与特朗普总统关系密切。
请帮我们解读一下，这种政商关系，究竟是怎样的？
上周我们看到所有CEO都参加了晚宴，你花了很多时间在这上面，这是一种特殊情况吗？你在30年的职业生涯中，见过类似情况吗？
黄仁勋：过去想去华盛顿特区是很难的，预约几乎不可能拿到。
特朗普总统为希望进入政界、帮助政府了解未来的行业领袖敞开大门，这是一个信奉增长的政府。
根本上说，特朗普总统希望美国发展。如果我们能在经济上发展，我们就能在军事上强大。
如果我们能在经济上发展，我们就会安全。
我从未见过哪个国家，能在贫穷的同时，获得安全。
一个国家富有，是国家安全的重要组成部分，他明白这一点。
他希望美国赢得AI竞赛，这将是一场非常长期的竞赛，他明白这是一个关键时刻，他希望科技产业能够蓬勃发展，他希望全世界都建立在美国技术之上，这些都是明智、合乎逻辑的事。
反过来想才奇怪，如果我们把一切都颠倒过来，假设我们不希望国家发展。
我们不希望国家发展，我们不需要任何能源，我们知道发展需要能源。
干脆不要任何能源，我们不希望我们科技产业领先。
他明白，我们科技产业是国之瑰宝。这项技术，类似过去玉米、钢铁一样，如今是至关重要的贸易筹码，它是贸易的基本组成部分。
你怎么会不希望美国技术被所有人渴求，从而能够用于贸易？
主持人Gerstner：互联网与谷歌传播到世界各地，我们通过搜索，将民主价值观传播到世界各地，谷歌当时并不需要去华盛顿获得许可，一切自然发生，我们将我们技术传播到世界各地。
大卫·萨克斯一直非常明确表示，需要加速发放出口许可证，以便美国AI技术能够赢得全球市场。
我们谈论的是芯片、模型、数据中心等，1年前，我们看到的情况并非如此。
黄仁勋：曾经有过一个叫小院高墙的概念。
讽刺的是，这个概念的描述与政策建议，听起来像是在美国自己周围建起小院高墙，那才是奇怪的地方。
我认为特朗普总统做得对，我们希望最大限度扩大出口，最大限度扩大美国在世界各地的影响力，我们应该将这些最大化。
中国AI芯片与英伟达角色
主持人Gerstner：你认为这些许可证会下来，你是否看到华盛顿方面加速？
我知道高层一直在这样说，你是否看到这种加速，正在通过政府层层传递，推动我们在全球加速发展？
财政部长卢特尼克非常积极，很好。
我们来谈谈中国，大多数人可能不知道，我认为你对中国的了解，不亚于美国任何一位领导人。
黄仁勋：我们去中国，已经30年了。
主持人Gerstner：已经30年了。
大多数人不知道的是，直到几年前，你在中国的市场份额高达95%。
最重要的是，可以说，我们为了减缓他们，结果是单方面自废武功。
我们迫使英伟达退出中国，这让华为在中国市场获得垄断利润的滋养加速发展。
我今早，刚看到华为、阿里等公司，宣布将在全球各地建设数据中心。
华为有个3年计划，希望凭借在中国这个世界最大AI市场获得的垄断利润，超越英伟达。
你当初的警告，将垄断市场拱手让给中国竞争对手，是巨大错误，似乎正在应验。
总统在禁止H-20后表示，我们现在的情况，是你可以向中国出售芯片，但要征收15%的出口税。
现在看来，中方似乎对美方言论而不满，传闻不允许英伟达在中国销售芯片。
我们目前在英伟达与中国之间处于什么位置？
你能否重申一下，你认为我们国家应该怎么做，才能在全球AI竞赛中，处于获胜的最佳位置？
黄仁勋：我们与中国存在竞争关系。
我们应该认识到，中国希望自己公司发展壮大，这是理所当然的，我对此毫无怨言。
他们应该做得好，也应该给予他们尽可能多支持，这完全是他们的权利。
不要忘记，中国拥有世界上一些最优秀的企业家，他们毕业于世界上最好的STEM学校，他们是世界上最渴望成功的人。
关于他们的职业道德，996工作制，是一种效率极高的工作模式。
996意味着每周工作6天，从早上9点到晚上9点，那是他们的文化。
我们正在面对一个强大、创新、渴望成功、行动迅速、监管宽松的环境。
请务必阅读免责声明与风险提示
