黄仁勋：AI 将成为多模态、多具身的通用系统｜Vital Views

自 2023 年起，绿洲便坚定相信，**具身智能不仅是人工智能的延伸形态，更是智能真正进入物理世界的起点。**基于这一判断，我们陆续投资了逐际动力、千寻智能、因克斯等具身智能领域的前沿公司，布局智能与物理深度融合的未来生产体系。

近期，在 Citadel Securities 举办的 "Future of Global Markets 2025" 论坛上，Nvidia 创始人兼 CEO 黄仁勋与红杉资本合伙人 Konstantine Buhler 展开对谈，回溯了英伟达从 1993 年算力洞见到现如今基础设施构建的历程，也进一步指出：具身智能将成为 AI 革命的下一个阶段——当智能获得 "形体"，它将重新定义社会的运行方式。

这不仅是一场企业家的分享，更是一次关于未来技术变革的深度共识。

我们编译并推荐本期视频，希望与大家共同思考。以下全文阅读大约需要 20 分钟，Enjoy

**Konstantine：**1993 年的时候你 30 岁，是什么样的洞见让你获得了创建英伟达的先机？

黄仁勋： 那时我们正经历着个人计算机（PC）以及中央处理器（CPU）的革命，那是摩尔定律的时代。当时，集成微处理器、英特尔、摩尔定律、晶体管的尺度扩展——这些都是热门话题，几乎整个硅谷的投资资金都投向了计算机行业的这些方向。

但我们注意到了一些不同的东西。我们说 CPU 的一个优点是通用性强，但通用技术的根本问题在于：它很难在极其复杂的问题上做到卓越。

于是我们提出了两个假设：

首先，我们观察到，有一些问题是可以通过 "加速器" 来解决的——这种加速器更加专用、更加聚焦于特定领域，而这些问题本身也极具研究和解决的价值。

其次，我们也注意到，通用计算技术依赖的晶体管微缩最终会遇到极限。继续缩小晶体管尺寸、依靠这种 "尺度扩展" 技术——实际上是一套被称为 "丹纳德微缩定律（Dennard Scaling）的经验法则，实际上，摩尔定律背后的基本原理是由米德（Mead）和康威（Conway）提出的。回到这些原理本身，就会发现晶体管的微缩不可能无限进行，总有一天会出现边际效益递减。

我们相信，计算领域中存在着几乎无限规模的难题。未来某个时刻，一种全新的计算方式将会出现。因此我们决定让公司专注于用一种名为 "加速计算"（Accelerated Computing）的技术，去增强并补充通用计算的能力。这就是我们的核心观察。

你刚才还提到一个观点：英伟达总是领先一步。很多时候，如果你用第一性原理来推演——对当下运行得非常好的事物，追问其所依托的基础原理是什么，以及这些基础随时间将如何变化，这会让你有机会提前预见拐点。

Konstantine： 当你们最初开发图形加速器时，确实是最早进入这一领域的公司之一。很快就有上百家竞争对手涌现，而最终还是你们在这个市场中脱颖而出。

进入 2000 年代初期，你提出一个想法："也许这种技术可以实现泛化。" 你指的是，就像 CPU 是通用处理器一样，GPU 或许也能被泛化为更广泛的计算平台。

让我们谈谈 CUDA 吧。这个想法是如何诞生的？你的灵感从哪里来？坊间传闻说，这源自一些研究人员的启发——你是如何阅读他们的研究，并据此得出结论：GPU 可以成为一种通用计算设备的？

黄仁勋： 首先，英伟达之所以难以建立，是因为我们必须同时发明一种新技术，并创造一个全新的市场。在 1993 年那个时候，如果你想打造一个新的计算平台，就必须依托一个足够大的市场。而当时开展 3D 图形业务的公司，比如Silicon Graphics 它们所在的市场规模太小，根本不足以支撑一套新的计算平台。也就是说，如果我们想创造一种新的计算架构，就需要一个大的市场；但这个市场并不存在，因为这种架构本身还没有出现，这就是典型的 "先有鸡还是先有蛋" 的难题。

英伟达后来之所以能成功，是因为我们在这个过程中培养了两项能力：**一是构建技术本身的能力，二是培育现代 3D 图形与电子游戏市场的能力。**这两个领域我们都作出了巨大贡献。

不过，当时红杉资本在评估英伟达的融资计划时，最大的问题也正是这一点，我们要同时去发明技术与市场。而这两件事同时发生的概率，大约是零。

我还记得当时去做融资陈述的时候，唐·瓦伦丁（Don Valentine）问我："黄仁勋，你的应用在哪里？你所谓的 '杀手级应用' 是什么？" 我回答说："哦对，有一家叫 Electronic Arts（艺电）的公司。" 我当时并不知道，唐刚刚投了那家公司。 我接着说："Electronic Arts 正在开发电子游戏，我们要帮他们做 3D 图形游戏，我们会一起创造出这个市场。" 唐笑着说："你知道吗 Jensen，我们刚投资了 Electronic Arts，他们的首席技术官才 14 岁，每天还得人开车送去上班。你告诉我，这就是你的 '杀手级应用'？"

无论如何，后来我们真的创建了现代 3D 图形与电子游戏生态系统。正如你所知，如今它已成为全球最大的娱乐产业之一。

而 3D 图形的根本问题，其实就是如何模拟现实。**如果回到第一性原理来看，3D 图形的本质是在重建现实世界。它背后的核心计算是用于再现逼真的图像和动态世界，其实就是物理仿真（physics simulation）。**线性代数显然也在其中起着至关重要的作用，我们很早就意识到了这一点。下来的问题就是：如何将一种通用计算架构，转化为一种高度专用的系统？

这正是我们公司的重大创新所在。我们不仅发明了技术，还创造了市场，同时设计出一条路径，使我们能够从一个高度垂直化的行业，逐步扩展为更具通用性的计算平台。这样的路径极其罕见，也极其艰难。虽然我不想占用太多时间细讲细节，但可以说，CUDA 的诞生既是技术上的突破，源于我们对如何让 GPU 实现 "泛化" 的观察，也是产品与战略层面的发明。

我们必须发明新产品，思考如何将它们推向市场；必须发明新策略，让市场真正接受；终还要发明新的生态系统，形成 "飞轮效应"，让整个计算平台得以自我强化、自我增长。这些全都是从零开始创造的、全新的东西。

如果你退一步思考，除了 ARM 和 x86 之外，世界上还有哪一种几乎被所有人使用的计算平台？没有。而要创造出这样一个新的计算平台，几乎从未发生过。在我们的案例中，这条路花了我们将近 30 年。

Konstantine： 你们当时成功地把一种高度专用、极高性能的加速设备，转化为一种可被全球研究人员和学术界使用的通用计算工具，让他们能够更快地完成计算任务，原本受制于摩尔定律的性能瓶颈，在这一刻被大幅度突破。那我们快进到 2010 年代初期。彼时，深度学习还处在学术界的边缘地带，神经网络的概念经历了漫长的 "寒冬期"。直到 2012 年，随着 AlexNet 在计算机视觉领域的突破，这一切才发生了转变。而那次突破，正是基于英伟达 GPU 实现的加速。那是否是你意识到人工智能革命即将真正到来的时刻？如果是，你们是如何抓住这个机会的？是什么让英伟达成为这场革命的核心？

黄仁勋： 有两个完全出于偶然的契机，以及一个基于第一性原理的深刻观察，让这一切成为可能。

偶然的第一件事是，我当时在努力解决计算机视觉问题。但当时的计算机视觉非常脆弱，难以泛化，主要依赖各种零散的技巧拼凑而成。我对这一领域的发展方向极度反感，也对它的进展感到非常沮丧。与此同时，我们公司有一项重要战略，就是要让更多人能够使用我们的计算架构：让科学家、尤其是高等教育研究者使用我们的平台，也就是 CUDA。因此我从地震成像开始，到分子动力学、粒子物理、量子化学，各个领域都去推动 CUDA 的使用。实际上，公司内部甚至有一个战略叫作 "CUDA Everywhere"，意思就是：黄仁勋要把 CUDA 带到世界的每个角落。

于是我走访了世界各地的大学，会见了许多研究人员。我们推动 CUDA 进入高校与科研机构的这项计划，让一些研究者在 2011、2012 年主动联系到了我们。那时因为有一场由李飞飞负责的竞赛 ImageNet 即将举行，Geoff Hinton、吴恩达（Andrew Ng）、杨立昆（Yann LeCun）都在研究计算机视觉，而恰好我自己也在研究计算机视觉。当你专注于解决某个问题时，发现一群极具洞察力的人也在研究同样的问题，自然会被吸引——这就是机缘巧合。而更重要的观察在于，我们意识到可以为他们开发一种全新的计算工具，叫作 cuDNN，这有点像 "存储计算" 的延续，可以理解为 "网络计算"。通过这种计算方式，也就是 cuDNN 这个软件库，我们让所有研究者都能够在 CUDA 上成功地运行他们的模型。

不过，真正关键的是，虽然我们和其他人看到的实验结果是一样的，大家都看到了计算机视觉性能的巨大跃升，但我们进一步追问：为什么它能在计算机视觉上表现得如此出色？它还能在哪些领域发挥作用？ 我们注意到，深度神经网络之所以强大，是因为它可以变得极其 "深"。每一层都可以独立训练，同时又能通过反向传播机制，从损失函数一路反馈到输入端，因此模型几乎可以学习任意形式的函数。于是我们得出结论：深度神经网络是一种通用函数逼近器（universal function approximator）。 如果我们再为它加入 "状态"（state）的概念——CNN 是一种二维或多维的模式识别结构；RNN 在此基础上引入了状态机；LSTM 让状态机更强；而 Transformer 则带来了 "终极状态机"。那么，我们就拥有了一种可以学习几乎任何函数的通用函数逼近器。

接下来的问题是：它究竟能解决什么？当我们反过来思考，发现几乎所有我们希望解决的计算问题，都可以引入深度学习的成分。于是我们开始推演：十年、二十年后，深度学习会走到哪里？我们拆解了整个计算问题，最终得出结论：每一块芯片、每一个系统、每一层软件、整个计算堆栈的每个层面，都可以被重新发明。 而我们决定去做这件事，毫无疑问，这是英伟达历史上最正确的决策之一。

Konstantine： 当时我在斯坦福从事人工智能研究，最大的限制始终在于算力。我们只有有限的计算集群来运行这些算法。而英伟达的出现，不仅突破了这种算力瓶颈，还通过 CUDA 基础架构让大规模计算真正成为可能。 这几乎就是你们公司的历史主线：让更强大的算力不断成为现实。

2016 年，你们发布了全球首个 "人工智能工厂" DGX1，这件事广为人知。你甚至亲自把那台设备交付给了 Elon Musk，那时候他还在 OpenAI…

黄仁勋： 我当时造出了一台全新的计算机，它的外观、结构、工作方式，都与世界上现有的任何计算机完全不同。 我记得是在 GTC 大会上首次发布了它，现场的观众一片安静，没人听懂我在说什么。那成了一个小笑话，掌声也稀稀拉拉。

当时我邀请了 Elon 上台一起谈自动驾驶，因为我们那时都在研究这项技术。他上台后问我："Jensen，那是什么计算机？" 我回答说："这是 DGX1，我造它是为了这个目的。" 他说："我可能需要一台。" 过了一阵我收到了采购单（PO），他又补充道："对了，我现在有个非营利组织。" 我心想："糟了，当你刚造出一款全新的产品时，最不想听到的消息就是你的第一个客户竟然是家非营利机构。"

不过最终，我真的亲自把那台计算机送到了旧金山，像个 "计算机外卖员" 一样。而那家公司，就是 OpenAI。

Konstantine： 当时 OpenAI 还是一家非常 "有盈利能力和营收规模的非营利组织"。

黄仁勋： 是的，我们已经合作很久了。从那之后，他们的每一个模型都是在英伟达的平台上训练出来的。

Konstantine： 是的，而且这东西在物理尺寸上非常庞大。当 Jensen 说到 "计算机" 时我们指的可不是普通机器，而是一台巨大的设备，搭载着英伟达的 GPU。

黄仁勋： 当人们听到 "GPU" 时，往往会想到那种小型显卡。但我们现在的 GPU 已经是机架级（rack-scale）系统了：重达两吨，功率十二万瓦，价格大约三百万美元，这才是一块 GPU。我们当然也出售更小的 GPU，比如 Geoff Hinton 当年使用的那种，大约五百到一千美元，可以插在个人电脑上，用于电子游戏或人工智能研究之类的工作，但我们也有更大的 GPU。而如果你构建一个功率达到一吉瓦的 AI 工厂级 GPU 系统，那整个规模大约就是五百亿美元。

Konstantine： 那么，请你谈谈这些 "AI工厂"，小型的也许可以称作 "AI搅拌机"，但你们还有那些超大型的，真正意义上的 AI 工厂。你在 2016 年就全力投入，并断言未来世界将需要 AI 工厂。你是如何形成这种判断和信念的？这种先见之明从何而来？

黄仁勋： 我们最初造出了第一台 AI 工厂，也就是 DGX1，那是当时世界上最昂贵的计算机，每个节点要价 30 万美元。但它的商业表现并不算成功。于是我得出了一个结论：我们做得还不够大。

后来我们造出第二代，规模更大，也因此取得了巨大的成功。接着问题变成：它究竟该有多大？计算该被推进到什么程度？ 之所以一切发展得如此之快，是因为英伟达的产品节奏，以及我们进行创新和设计的方式。我们并不是在 "设计一块芯片"，而是在 "同时设计整套基础设施"。如今，全世界只有英伟达能够做到这样：只要你提供一栋建筑、足够的电力、以及一张白纸，我们就能在其中建起完整的系统：包括所有的网络设备、交换机、CPU、GPU，乃至整座工厂内部的全部计算技术。而所有这些，都运行在同一套英伟达的软件栈之上。也正因为我们能够这样一体化地构建系统，所以推进速度极快。我们可以重新设计下一代产品，再重新设计下一代，而每一代之间的软件都完全兼容。软件兼容性的最大价值就在于：它带来了极高的开发速度。

之所以个人电脑能够在当年快速发展，是因为它们都与 Windows 兼容。换句话说，只要你遵循同一套软件栈，就能以任意速度去设计新的芯片。如今我们也是如此，正在以几乎达到物理极限的速度，制造 AI 工厂。正因为我们在如此巨大的规模上创新，并采用 "协同设计" 的方式，也就是同时改进算法、软件、网络、CPU和GPU，我们成功突破了摩尔定律的限制，而摩尔定律本身已经在减速。这样一来，我们每一代产品的性能提升幅度都能达到 10 倍左右，这在业界是极为惊人的水平。我们之所以这样做，是因为我们相信，就在不远的未来，总会出现一个规模庞大的新问题，需要更大、更快的计算能力。与此同时，当我们在保持相同功耗的前提下提升性能时，也在持续降低计算成本。这意味着客户能以更低的成本完成更大的任务，从同一座工厂中创造出更高的收入。

英伟达如今被广泛采用，正是因为我们同时具备最高性能、最大规模以及最低成本。如果你想要构建超大规模系统，我们能做到。而我们的能效又极高，举例来说，如果你的数据中心功率为 1 吉瓦，你不可能超过这个上限。但如果我们的每瓦性能是原来的三倍，那么同样的能耗下，你的工厂就能创造三倍的收入。这也正是我称其为 "工厂" 的原因，它不是数据中心，而是一座生产利润的工厂。这些 AI 工厂不断追求更高的规模、更大的产出和更高的吞吐量，而这正是我们持续高速创新的根本动力。这也是为什么其他人难以追上我们，同时也解释了英伟达成功的根源。

**Konstantine：**Jensen，你们已经从单一组件制造商，转变为一个完整的平台公司，这正是 "AI 工厂" 的概念。对于今天在场的投资者，你能否具体解释一下，这个平台都包含哪些部分？以及从现在开始，这个平台未来将会走向何方？

黄仁勋： 嗯，这个平台的组成其实非常复杂。它包括 CPU、GPU、网络处理器，以及三种不同类型的交换机。其中一种是 "纵向扩展交换机"，它能把整个机架整合成一台完整的计算机，就是我们发明的 "机架级计算"（rack-scale computing）。而当你将多个这样的机架互联时，就实现了 "横向扩展"。这些交换机和网络系统上都运行着专用软件，软件再叠加在硬件之上，最终形成完整的系统。当你把这些都连接起来后，就能打造出一个庞大的整体系统，大到一整栋建筑的规模。这样的系统大约需 100 兆瓦的功率。而如果是 1 吉瓦级别的 AI 工厂，那大概相当于几千英亩的面积。再用更高层次的网络把这些数据中心互联起来，让所有数据中心能够协同运行、共同思考。这就是我们如今所构建的平台体系。

至于为什么基础设施的建设速度如此之快，确实也引发了一些讨论。有人拿当前的情况与 2000 年的互联网泡沫相比。但如果仔细对比，当年互联网泡沫时期，有 hospital.com、pets.com 等网站，大多数互联网公司并不盈利。当时整个互联网行业的规模也就两三百亿美元。而今天的 AI 情况完全不同。首先要认识到，AI 并不仅仅是新兴公司如 OpenAI、Anthropic 等的故事，它正在从根本上改变所有超大规模云计算公司的运作方式。

比如说，现在的搜索已经由 AI 驱动，推荐系统无论是你看到的广告、新闻，还是影片、故事，如今都由 AI 生成或优化。用户生成内容的分发也同样依赖 AI。换句话说，谷歌的业务、亚马逊的业务、Meta 的业务，这些合计数千亿美元规模的营收，如今都建立在 AI 之上。即便没有 OpenAI 或 Anthropic 这样的公司，整个超大规模计算行业本身也已经由 AI 驱动。因此首先要看到的一点是：整个体系都在从传统的 CPU 和传统机器学习，转向基于 AI 的深度学习架构。仅仅这一场技术迁移，就意味着数千亿美元的市场规模。

这是第一层。第二层是一个全新的市场正在形成，也就是所谓的 AI 市场。它是一整个新产业，其核心任务是 "生产 AI"。这里面包括 OpenAI、Anthropic、xAI、谷歌的 Gemini、Meta等，它们都是 AI 的制造者。这一层 AI 模型制造商同样在建设 AI 工厂，而这些 AI 将成为下一代新机遇的动力源。在这一层之上，又出现了新兴的 "AI 原生" 公司，比如 Harvey、Open Evidence、Cursor 等等。它们将与这些 AI 模型相连，首次进入一个历史上从未被数字化触及的行业，劳动力行业。**这便是所谓的 "数字劳动力"，也就是 "智能体（Agent）"，它将以补充和增强的方式融入企业市场。**举个例子：在英伟达，公司内部所有的软件工程师、芯片设计师，几乎 100% 的工程人员如今都借助 Cursor 进行辅助。我们在内部广泛使用这类 AI 工具，因此每位工程师都有自己的 AI 助手。这使得生产效率大幅提升，工作质量显著改善。

同时，一个新的产业也在出现：被称为 "物理 AI"。 如果说企 AI 是面向认知和信息工作的，那么物理 AI 则是用于增强人类劳动。比如，无人驾驶出租车其实就是一种 "数字司机"。未来 AI 将被嵌入一切能够移动的事物中。以无人驾驶为例，它的载体是方向盘和车轮；而在其他场景中，AI 可以驱动机械臂一只、两只，甚至多条腿，形态各异。这两大产业，企业 AI 与物理 AI 对应着全球约 100 万亿美元的经济体量。而现在，人类第一次拥有了能够真正增强这一部分经济活动的技术。这也正是为什么，全世界都对下一波 AI 浪潮充满期待。

Konstantine： 那我们来谈谈 AI 之前的上一波浪潮，因为你刚提到 AI 已经在带来投资回报（ROI）。对在场的投资者来说，Meta的案例是一个很好的研究对象。在 2022 年第四季度，苹果基本上移除了来自 Meta 的广告归因数据，结果 Meta 的市值蒸发了数千亿美元。Meta 团队当时面临的问题是 "我们该如何解决这个问题？" 他们最终的解决方案是：利用由英伟达 GPU 驱动的 AI 系统。

通过 AI，他们重新构建了广告归因模型，使系统恢复到原有的效果。这也带动了公司市值的强劲回升，不仅收复了之前的跌幅，还比低点高出逾一万亿美元。而这一切的投资回报，本质上都建立在英伟达 GPU 所提供的算力之上。

**黄仁勋：**Meta 所使用的核心系统，其实不仅是 Meta，几乎所有大型互联网公司都是一种极其复杂的软件系统，叫作推荐系统（recommender system）。它主要包含两种基础技术：第一种叫协同过滤（collaborative filtering），其原理是分析我正在做的事情，并观察其他用户的行为模式，如果我们的行为模式相似，系统就会向我推荐同样的电影、购物清单上的下一个商品、书籍或视频。 第二种叫内容过滤（content filtering），它基于用户的个人特征和偏好，同时结合内容本身的属性来进行匹配。例如，根据一本书的主题以及我过往的阅读兴趣，系统可以判断是否应该把这本书推荐给我。推荐系统实际上是全球最大的应用型软件生态系统之一。而现在，这整个生态正在以极快的速度向 AI 驱动的架构迁移。这意味着未来需要海量的 GPU 来支撑这一切。

Konstantine： 这些系统最早因为二十多年前的 Netflix 推荐算法挑战赛而广为人知。如今，Netflix 的所有内容推荐都完全由 AI 驱动。同样地，正如你刚才提到的，在亚马逊上，当你购买商品时，相当大比例的推荐结果其实都是由 AI 推荐系统生成的。搜索功能也已经全面由 AI 接管。

黄仁勋： 搜索正全面转向 AI 驱动，整个体系都由 AI 提供支持。TikTok 依靠 AI 运行，Google Shorts 也是如此。没有 AI 这些产品根本无法存在。现在所有的个性化广告也都在转向 AI。所以 AI 的应用规模已经大到令人难以想象。而且请注意，这些还只是 "传统型"的应用场景。接下来，量化交易也将全面转向 AI。过去由人工完成的特征提取过程，正在被 AI 所取代。

Konstantine： 我认为这正是 Citadel Securities 在过去二十多年中一直引领的领域，这可以说是 "传统型 AI" 的典型代表。

**黄仁勋：**Citadel 是我们的重要客户，非常感谢他们。

Konstantine： 这就是一个典型案例。对于关注 AI 投资回报（ROI）的投资者来说，这类成果已经以数万亿美元的市值体现出来。那么接下来，让我们谈谈未来的投入。到 2025 年，全球 AI 相关投资预计可能高达 5000 亿美元。从这里开始，我们将走向何方？这会不会演变成一个年投资额达数万亿美元的产业类别？

黄仁勋： 是的，从制造层面来看，AI的 "代工厂" 其实就是模型开发者。你可以把他们类比成半导体产业里的晶圆制造商。而在这之上，AI 的应用层，尤其是大语言模型，可以被视为现代计算机的 "操作系统"。所有的 AI 应用都是在这些模型之上构建的，而且不是依赖单一模型，而是一整套协同运行的模型体系。因此，问题的关键是：在这一模型层之上，应用空间会是什么样子？ 除了我们已经看到的那些被 AI 改造的传统应用外，一个更直观的类比是 "数字人"。 比如，AI 软件工程师，也就是代码生成 AI，这可能是一个规模达数万亿美元的市场。接下来会出现 AI 护士、AI 会计师、AI 律师、AI 市场人员等。我们把这一类统称为 "智能体"（agentic AI）。这项技术发展得非常迅速。历史上，技术一直是 "被使用的工具"，比如被会计师或工程师使用。而如今，技术本身正在成为 "数字会计师"、"数字工程师"。未来，企业的劳动力队伍将由人类与数字人共同组成。 有的 AI 来自 OpenAI，有的来自 Harvey、Open Evidence、Cursor、Replit、Lovable 等第三方平台；也有很多企业会自研 AI，因为它们拥有专有的数据与知识需要保护，同时也具备持续开发 AI的能力。随着工具的普及，越来越多的公司将能轻松地培养出属于自己的数字 AI 员工。企业级智能体 AI 的兴起，意味着在增强劳动力方面存在着数万亿美元的机会。

AI 与传统软件的一个根本区别在于：AI 必须 "思考"。你不能像以往那样，提前编译成二进制文件、下载、然后静态运行。AI 必须实时运算，因为它需要持续理解你的上下文。AI 必须思考你希望它做什么，然后生成相应的输出。它在不断地思考、生成内容，这个过程需要机器支撑，需要计算资源。这正是 "AI 工厂" 存在的原因。这AI 工厂将部署在云端，也可能位于企业本地，遍布全球。它们是整个 AI 基础设施的一部分，用来支撑持续的 "思考" 过程，以生成我们称为 "token" 的产物，换句话说，就是智能本身。这便是所谓的 "认知型 AI"，也可以理解为 "数字劳动力"。

而第二个重要领域，则是机器人。让我举个思维实验来说明为什么机器人时代已经非常接近了。你现在可以给 AI 一个提示词，比如 "Jensen捡起一个瓶子，打开它并喝一口"，AI 就能生成对应的视频，画面中我真的会打开瓶子、喝一口水。 如果 AI 能生成这个视频，那它为什么不能操纵一个机器人完成同样的动作？从这个逻辑推演来看，这件事显然非常可能。同样的道理，如果我们能够设计出一个能驾驶汽车的 "数字司机"，那为什么不能让一个实体机器人来开车呢？如果一个实体机器人都能被赋予驾驶汽车的能力，那为什么不能赋予它 "拾取与放置" 的机械臂功能，或者其他各种形式的机器人能力？要知道，人类天生就具备 "具身化" 的能力，我们可以拿起刀叉，把它们当作身体的延伸；我们可以挥动球棒，让它成为动作的一部分。**我们能够将外部物体 "具身化"，使其成为身体的一部分。未来的 AI 同样也能做到这一点，它们将能够操纵汽车、机械臂、仿人机器人、手术机器人等等。所以我认为，这两个市场，认知型 AI 与物理 AI，都已经在 AI 的可及范围之内。**最后举个例子：一旦我们观察到某个现象成功实现，其余的部分往往只是工程问题。如今我们已经看到一个非常成功的案例，AI 软件编程助手。这也是我们内部如此广泛使用它的原因。如果 AI 能编写代码，那么为什么它不能再进一步，编写营销自动化脚本，或者生成会计分析程序，乃至其他类型的软件？既然这种能力已经存在，那么其余部分就只是工程化的过程。同样地，我们现在已经有了自动驾驶出租车，一种具身化的机器人，可以控制方向盘和车轮。如果这一点已实现，那么把它推广到更广泛的场景也只是时间问题。所以，用第一性原理推理，这项技术在各行各业、整个社会的普及只是必然的结果。

接下来需要思考的是：如何让这一切实现规模化？如何把这种智能传递到所有不同的应用中？答案就是需要 AI 工厂。

Konstantine： 那我们来更具体地谈谈机器人领域。你们在机器人方向有一支非常出色的团队，你们的机器人业务负责人今天也在现场。

在我们之前的对话中，你曾分享过一些关于机器人未来发展的见解。你认为，机器人产业会以单一的人形机器人项目为主导吗？还是会以开源项目的形式展开？这些开源项目又将如何与产业生态结合？在你看来，机器人最终会以怎样的形式出现在物理世界中？时间线又会是怎样的？

黄仁勋： 目前，无人驾驶出租车已经在现实中出现。它们在不同城市之间的泛化能力正在迅速提升，而原因在于背后的核心技术本质相同。我们经历的过程，其实与量化交易或算法交易的演变极为相似，从最初的人工特征工程，到引入机器学习，再到使用更深层的深度学习模型，逐步加入多模态结构，如今已实现端到端的训练。正是这种多模态架构，使 AI 具备了越来越强的泛化能力。用于自动驾驶汽车的 AI 模型，与用于人形机器人或其他机器人系统的 AI 模型，本质上是高度相似的，只是体现在不同的 "具身形式" 上。

我之所以确信这一点，是因为人类自己就是最好的例子。我既能驾驶汽车，也能控制自己的身体；我能拿起刀叉，就像在给牛排 "做手术"。这说明，同一种智能可以在不同的具身形态中发挥作用。这正是机器人技术的发展方向：AI 将朝着更强的通用性演进，成为多模态（multimodal）、多具身（multi-embodiment）的系统。

而要实现这样的未来，需要三种核心计算系统： 第一，AI 工厂用于训练这些模型； 第二，虚拟世界，一个 AI 可以在其中学习、试验、迭代的环境，而无需立即进入真实世界。它可以在虚拟空间中进行数万亿次尝试，这个虚拟世界就像一个视频游戏，AI 在其中 "扮演角色"，遵循物理法则，不断学习。这正是我们称之为 Omniverse 的模拟环境。 第三，AI 在虚拟世界中学会 "如何存在" 后，它就能进入现实世界。而在现实世界中，机器人也需要一台计算机作为它的大脑。因此，总共需要三台计算机：一台用于 AI 训练，一台用于仿真学习，一台用于现实操作。英伟达提供这三种计算平台，并与几乎所有机器人公司、自动驾驶公司及不同类型的机器人项目合作。这一领域极有可能成为未来最大的市场之一。

Konstantine： 如今英伟达几乎已经渗透到整个科技领域。正如你过去所说，你们总是从 "零规模" 的市场起步，然后把它们发展成 "万亿美元级" 的产业。机器人是下一个前沿市场之一。那么，除此之外，你是否还特别看好其他新兴领域？你刚才提到了医疗健康，这是你热衷的方向吗？还有哪些领域是在座投资者应该关注的潜在前沿市场？

黄仁勋： 医疗领域所需的技术极其复杂，但我们的进展非常快。如果你能理解语言的含义，字符序列的意义，那你也许能进一步理解 "结构" 的意义，比如虚拟世界中的结构。我们之所以能够生成视频，是因为模型能够理解虚拟世界的空间结构，从而生成其图像表示。换句话说，如果 AI 能生成视频，那就意味着它在某种程度上 "理解" 了世界。同理如果 AI 能理解世界，那么它也有可能理解具有结构特征的事物，例如蛋白质和化学分子，答案是肯定的。我们正在不断接近这一目标：让 AI 理解蛋白质的结构意义。像 AlphaFold 这样的技术已经在这一方向上取得突破。进一步地，我们正逐步掌握 AI 对细胞层面的理解。最近我们与 ARC 合作，推出了 EVO 2：这是首批用于细胞表示的大型语言模型之一，可以视为 "细胞层面的基础模型"。 通过它你可以与模型对话，例如："请生成具有以下特征的细胞。" 或者反过来，你可"询问" 一个细胞 "你的属性是什么？你能与哪些分子结合？你的代谢机制能激活哪些过程？"就像与一个聊天机器人交流一样。因此，我们正进入一个 AI 真正开始 "理解蛋白质与细胞" 的阶段。这一领域的进展正在迅速推进。

这方面的清单还很长。让我感到兴奋的还有我们正在推进的，把 AI 引入电信领域的工作。5G 与未来的 6G 通信网络都将被 AI 彻底重塑。此外，我也对我们在量子计算方面的合作感到非常期待。通过建立量子与 GPU 的混合计算系统，我们有望把量子计算的实际应用时间表提前大约十年。在这样的架构中，GPU 负责纠错、控制量子计算机以及执行后处理计算。为此，我们推出了一种全新的架构，叫作 CUDA Q，它是 CUDA 在量子计算方向的扩展。目前这一平台正在被广泛采用。这些进展意味着，我们如今能够解决许多过去几乎无法解决的复杂问题。

Konstantine： 我们来谈谈 "主权AI"。刚才马里奥在台上提到，欧盟正在加大对新技术的投入，显然包括大规模的 AI。这一轮变革与以往显著不同之处在于，政府高度参与，既可能在监管层面介入，也在实际采购 AI 工厂。你能否谈谈你对主权 AI 的前进路径的看法：各国应如何建设并拥有自己的 AI 系统？同时在进出口层面，美国应如何就 AI 与世界其他地区进行互动与对接？

黄仁勋： 没有任何一个国家能够承受这样一种局面：把本国所有的数据都外包出去，再从外部 "进口" 属于自己的智能。从最基本的逻辑来看，这是不合理的。当然，这并不意味着一个国家必须事事亲力亲为、完全自建。各国可以购买、可以引进，但绝不能放弃生产自身 "国家智能" 的能力。我认为，目前这项技术确实仍然复杂，但它正在迅速变得越来越容易实现。同时，全球范围内的开源生态也极其活跃，因此我不认为各国应该放弃构建本国的主权 AI。国家应当利用自己的数据，发展属于自己的人工智能体系。

如今，世界各地都在这样做。未来的主权 AI 格局很可能是：每个国家都会在 "自建、采购与引进" 之间找到平衡。当前已有大量技术能力可以支撑这一趋势。我们已经看到主权 AI 在全球范围内的快速发展。比如英国正在推进相关项目，我刚刚访问过法国，我们支持了 Mistral 公司；英国有 Nscale；还有一家叫 Nibbius 的公司；意大利、西班牙、德国也都有多家企业在做同类工作；日本和韩国也在积极布局。可以说，主权 AI正迅速在全世界各国兴起。

Konstantine： 是的，其中一个被频繁提及的国家是中国。关于向中国出口 AI 工厂这件事，从美国的角度来看，什么才是正确的做法？

**黄仁勋：**AI 是一项全新的技术，因此在制定监管政策之前，我们必须保持审慎思考。美国当然希望在这场 AI 竞赛中取得领先，而我认为，政策制定者们的出发点也是正确的，他们都希望美国能够赢得这场竞争。但同样需要注意的是，一项伤害中国的政策，往往也可能在某种程度上伤害美国，甚至可能带来更严重的反作用。因此，在出台可能对他国产生限制或冲击的政策之前，或许应先退一步，思考哪些政策真正有利于美国自身的发展。从第一性原理出发，AI 与任何计算或软件产业一样，最关键的要素在于开发者。能否吸引并赢得全球开发者，决定了谁将主导未来的平台。我们希望世界建立在美国的技术之上。英伟达是一家自豪的美国公司，我们当然希望能够创造出让全世界都依托的美国技术。

中国拥有全球大约 50% 的 AI 研究人员，科研院校实力强、在 AI 领域投入集中，研究热情极高。从第一性原理来看，让这些研究人员无法基于美国技术来构建 AI，是一个战略性错误。关键在于如何取得平衡，一方面要保持领先，另一方面要确保全球的 AI 生态建立在美国的技术栈之上。这种平衡需要 "细致的策略"，而不是非此即彼的极端政策。一个能够随着时间调整、既维持美国领先地位，又继续吸引全球开发者和研究者参与的灵活策略，才是正确的方向。这也是我目前所主张的立场。目前，我们在中国的业务占比已降至零。过去我们在中国的市场份额是 95%，现在是 0%。我无法想象有哪位政策制定者会认为这样的结果是好事：某项政策的执行，直接让美国在全球第二大市场的份额从几乎全部变为零。不过，无论如何，对于各位股东来说，我们的所有业绩预测目前都假设中国市场为 "零贡献"。如果未来情况有所改变，那将是额外的收益。毕竟，中国是世界第二大计算机市场，生态活跃、需求庞大。美国不参与其中，我认为是一个重大的战略失误。希望未来我们能继续沟通、解释，并期待政策上的积极变化。

**Konstantine：**Jensen，前段时间你来我们办公室参加了一场 AI 会议，当时你对 AI 安全的未来提出了一些非常深刻的见解。这个话题其实也与主权 AI 有所关联。如今不仅有国家级的行为体可能试图干预 AI，也有个人用户可能会错误地使用 AI。你认为，AI 安全的未来会是什么样的？

黄仁勋： 未来的 AI 安全体系，可能会非常类似于当今的网络安全体系。它需要整个行业、整个社区的协作。如你所知道的，在网络安全领域，所有首席安全官（CSO）和安全团队实际上都构成了一个庞大的共同体：一旦有人发现入侵事件或漏洞，信息会被迅速共享。AI 安全的未来也很可能遵循这种模式。

其次，如果智能的边际成本，也就是 AI 的边际成本趋近于零，那么与之对应的 "安全 AI" 的边际成本也会趋近于零。这意味着，每一个 AI 系统周围都将会有一层又一层的安全 AI 在监控、保护它。未来我们会拥有成千上万、甚至数以百万计的 AI 安全防护体，分布在企业内部与外部，共同构成防御体系。

这种理念下，要求 "AI 本身必须是善意的、可靠的"这当然很好，但我们不能完全依赖这种理想状态。就像我们不会假设所有软件都是完美运行的一样。我们必须假设其中可能存在漏洞、恶意代码或入侵风险。因此，我们会尽可能让 AI 本身的设计更加安全，同时，也会用大量安全 AI 环绕、监督、保护 AI 系统的运行。

Konstantine： 你曾提到，物理世界与数字世界的安全动态其实是 "解耦" 的。在物理世界中，可能是一名安全人员对应一百名普通人；但在 AI 世界，这种比例可能会完全反转。

黄仁勋： 是的。举个例子，就像网络安全领域一样。我们的系统中运行着的网络安全代理程序（cyber security agents）数量，远远超过实际在公司里从事网络安全工作的人数。

Konstantine： 你还提到过一个非常有意思的观点，未来我们所面对的，不仅仅是 "渲染计算"（rendered computation），而是 "万物皆生成"。你能详细解释一下这个预测的含义吗？以及这对英伟达意味着什么？

黄仁勋： 最好的例子之一就是 Perplexity，当你向 Perplexity 提问时，你所看到的所有内容 100% 都是实时生成的。而在此之前，比如传统搜索引擎的时代，当你输入查询，系统返回的是一组链接，内容都是他人事先撰写、存储好的。也就是说，传统搜索依赖 "存储式计算" 或 "检索式计算" 系统帮你检索信息，而不是为你生成信息。相比之下，Perplexity 以及更广义的 AI 搜索采用的 "生成式计算" 模式，它会主动去学习、理解、读取内容，然后基于上下文为你生成全新的回答。这正是从 "检索型计算机" 向 "生成型计算机" 的转变。

另一个例子是视频生成。如今我们看到的生成视频，比如 Sora、或者其他类似的模型，屏幕上的每一个像素都是 AI 生成的。它根据你的提示和设定条件进行创作。你可能只需给出一个初始提示，比如："请生成一个 Constantine 与 Jensen 在炉边对谈的视频"，并补充说明他们要讨论一些 "天马行空的话题"，AI 就能据此生成完整的动态画面。对于正在在线观看的观众来说，这是真的。

接着，Sora 就会生成那个视频。其中的每一个像素、每一个动作、每一句话，都是实时生成的。因此，未来的计算方式将很可能是 "生成式" 的。让我再用一个简单的例子说明。我们刚刚的整段对话 100% 都是生成的。你提出的问题，我并没有回办公室去翻资料、取出文件再带回来给你读。这正是传统计算机的工作方式：检索与输出。

而今天的计算方式，是实时的交互。我们此刻正在现场对话，一切的语言、内容和思考，都是即时生成的，基于此刻的语境、现场的观众、乃至当下的世界环境，这就是实时生成。这也正是未来计算机的形态：你的计算机将不再只是一个工具，而可能是一个 "CEO"、一个 "艺术家"、一个 "诗人"、一个 "讲述者"，你与它协作，共同创造属于你的独特内容。因此，未来的计算将是百分之百生成式的。而支撑这一切的基础，正是 AI 工厂。这也是我之所以确信，我们才刚刚踏上这段旅程的起点。

现在全球仅仅建设了几千亿美元规模的 AI 基础设施，而未来，每年都可能需要数万亿美元级的基础设施投资。这就是理解未来计算趋势最直接的方式。

Konstantine： 这种计算范式，其实与人类大脑的运作方式非常相似。

黄仁勋： 是的，它在 "思考"。它在主动生成、在理解。

Konstantine： 如果你愿意的话，我们来试试 "快问快答"环节。我猜最后的答案应该是"炸鸡"，虽然我还不知道问题是什么。

华尔街最容易低估的一个关键绩效指标（KPI）是什么？

黄仁勋： 在未来的 AI 工厂中，最关键的指标是单位能耗的吞吐量。它决定了客户的收入水平。这不仅仅是选择更好的芯片，而是在决定你的营收潜力。如果回顾所有的云服务提供商（CSP），你会发现那些早期做出正确技术选择的公司实现了持续的收入增长，而那些放慢脚步的公司后来也不得不重新调整方向。现在，这一趋势已经越来越清晰。

简而言之，在 AI 工厂中，你的 "单位能量生成速率" 也就是每单位能耗可生成的 token 数量（token generation rate per unit energy）直接决定了你的收益。

Konstantine： 英伟达平台中最被低估的部分是什么？

黄仁勋： 大多数人谈到英伟达时，首先想到的是 CUDA。没错，CUDA 确实非常重要。但在 CUDA 之上，其实还有一整套软件库。我今天早些时候提到过其中一个，叫作 cuDNN。它可以说是人类历史上最重要的软件库之一。在此之前，具有同等影响力的库可能是 SQL。而 cuDNN 则代表了 AI 时代的关键基础。此外，我们还有其他一些重要的库，比如 KUDF（用于数据处理），以及 Litho（用于半导体制造中的光刻工艺）。英伟达目前大约有 350 个这样的库。这些软件库的集合，才是英伟达真正的 "宝藏"。

被严重低估的技术？那就是 "虚拟世界" 也就是物理 AI 学习所依托的仿真环境。我们称之为 Omniverse。这是一个很难被外界充分理解的概念，但它的价值被严重低估。并不是因为人们不认可它，而是因为他们还没有意识到自己需要它。如今 Omniverse 正在整个机器人行业中快速普及，所有人都开始明白它的重要性。一旦你真正开始构建机器人，就会意识到英伟达在十年前就着手开发 Omniverse，这是一件多么有远见的事。它是未来物理 AI 学习、训练与协作的核心基础设施。

Konstantine： 对你影响最大的一本书？

黄仁勋： 其实我很喜欢的其中一本是大家的第一本《微积分》教材。那是我第一次意识到，数学原来是 "有运动感的"，它能描述变化与连续性。那本书让我受益匪浅。另外，克莱顿·克里斯坦森（Clayton Christensen）的所有著作我都非常推崇。他已经去世了，但他是位好朋友，他的书都非常出色。还有艾·里斯（Al Ries）的《定位》也是一本非常好的书，如果你还没读过，值得一看。当然，《人类简史》也是一本很棒的作品。还有杰弗里·摩尔（Geoffrey Moore）的《跨越鸿沟》（Crossing the Chasm）也是必读书目。

不过，如果只能选一类，我会说：克里斯坦森的所有书，都值得通读。

Konstantine： 最喜欢的安慰食物？

黄仁勋： 没错，就是炸鸡。终于问到了这一题。

Konstantine： 好的，最后一个问题。如果你是台下的一位首席信息官（CIO），手上有 100 亿美元预算准备在未来几年投入 AI 领域，你会投资在哪些方向？

黄仁勋： 我会建议立即开始尝试构建属于你自己的 AI。事实是，我们一直非常重视新员工的入职流程，包括如何引导他们融入企业文化、理解公司的价值观、掌握组织的运作方式与实践经验。我们花了多年积累数据与知识体系，并让员工能够访问和使用这些资源。这些东西构成了过去一家公司的核心。

而在未来的公司中，这些依然重要，但还必须为 AI 做同样的事情。你需要让 "数字员工" 入职，让 AI 也完成企业的文化与知识 "入职培训"，这其实有一整套方法论，我们称之为 "微调"（fine-tuning），但本质上是让 AI 学习公司的文化、知识体系、技能标准与评估方式，从而形成完整的 "智能员工飞轮"。

我经常对公司的 CIO 说：未来 IT 部门将成为 "智能体 AI 的人力资源部门"，他们将负责 "数字员工" 的招聘、培训与管理，而这些数字员工将与人类员工协同工作，这就是未来公司的形态。

所以，如果你现在手上有这样的资源和机会，我的建议是立刻开始这样做。

（访问原视频请点击阅读原文）