#244.黄仁勋：AI是新的工业革命，OpenAI将是下一个万亿级公司，我们的护城河从未如此宽阔 - 跨国串门儿计划

本播客节目《跨国串门儿计划》通过先进的AI声文克隆技术，将国际顶尖科技思想家的深度对话无缝翻译并还原为中文原声，使中文听众能够无障碍接触全球前沿的AI、财经与科技洞见。本期节目聚焦于英伟达创始人兼首席执行官黄仁勋与知名科技投资人布拉德·格特纳（Brad Gertner）及克拉克·汤（Clark Town）的深度对谈，其核心议题围绕人工智能（AI）驱动的“新工业革命”展开。这场对话不仅揭示了全球算力需求正经历从百万倍到十亿倍的指数级跃迁，更系统性地阐述了英伟达如何通过极致协同设计、年度迭代机制与生态联盟构建起难以逾越的护城河。黄仁勋首次详述了与OpenAI高达千亿美元的“星际之门”合作计划，并断言其将成为下一个万亿级公司，这一战略投资被视为英伟达在下一代计算基础设施中确立主导地位的关键一步。

整个对话呈现出前所未有的坦率与前瞻性，不仅是对当前技术趋势的解读，更是对未来三十年全球经济结构、国家竞争力与人类智能演进路径的深刻预言。黄仁勋明确指出，通用计算时代已终结，摩尔定律失效，未来是加速计算与AI计算的时代；他强调，真正的护城河并非单一芯片，而是“极致的系统协同设计”与“年度发布周期”所构建的系统壁垒。面对华尔街对泡沫与产能过剩的担忧，他以“为机遇而建设”回应，展现出建设者的坚定信念。在中美科技竞争层面，他主张开放而非封闭，认为中国希望开放市场、吸引外国投资，这符合双方利益。最终，他呼吁所有人——无论政府、企业还是个人——必须理解指数级变化的威力，主动“上车”，共同塑造一个由AI增强的人类未来。这场对话，既是技术宣言，也是文明宣言。

《跨国串门儿计划》作为一档专注于让中文听众无障碍欣赏全球优质外语播客的节目，其核心使命在于打破语言壁垒，将国际顶尖的科技、财经与健康领域思想无缝传递至中文世界。节目采用先进的AI声文克隆技术，不仅实现内容的精准翻译，更完美保留了原主持人与嘉宾的独特声音特质，使听众得以沉浸式体验原汁原味的国际对话。这种技术手段超越了简单的文字转换，实现了“声文一体”的真实还原，为跨文化交流提供了前所未有的可能性。每期节目均附有详尽的SHOW NOTES，包含原播客信息与文字精华，经过精心提炼与重点标注，便于听众快速获取核心知识。节目组诚邀广大听友加入交流群，共同探讨这些国际前沿话题，也欢迎听众推荐值得分享的优质外语播客，共同构建一个开放、共享的知识社区。

本期节目邀请到的重磅嘉宾正是身处本轮人工智能浪潮中心的英伟达创始人兼首席执行官黄仁勋先生。这场对话被广泛认为是一次关于未来产业格局的集体觉醒，其信息密度极高，内容深刻且极具前瞻性。黄仁勋以“行业缔造者”的视角，描绘了一幅由AI驱动的工业革命图景：从推理链（Chain of Reasoning）的诞生到万亿级公司的崛起，从系统协同设计到全球GDP的重构。他不仅首次详谈了与OpenAI高达千亿美元的“星际之门”合作计划，更将AI推理需求的增长从此前预估的“百万倍”修正为“惊人的十亿倍”，这一数字标志着人工智能的应用已从单一任务处理进入复杂认知阶段。面对华尔街对泡沫和产能过剩的普遍担忧，他系统性地阐述了为何通用计算时代已经终结，以及英伟达如何通过极致的系统协同设计和年度迭代构建起难以逾越的护城河。他甚至断言，即使竞争对手的芯片免费，客户也依然会选择英伟达，因为其系统总成本远低于其他方案。此外，他对中美科技竞争、主权AI以及未来全球GDP格局的深刻洞见，使得这场对话超越了单纯的商业访谈，成为一场关于人类文明走向的深刻讨论。

“我们之前谈论的是一个产业，但现在这已经是工业革命了，没错。”

>

“我最近重温了上次的播客，我们聊的很多东西里最让我印象深刻的可能就是你当时斩钉截铁地强调的一点。你要知道，当时预训练领域有点不景气，大家都在说：‘天哪，预训练到头了’。对，预训练到头了。我们不会再过度建设了，那才是一年半前的事儿。而你当时说推理的增长不是一百倍、一千倍，而是十亿倍，这就把我们带到了今天。”

1. 推理需求的量级重构：从百万倍到十亿倍的修正

黄仁勋在对话中对AI推理需求的预测进行了根本性的修正，将此前普遍预期的“百万倍”增长修正为“惊人的十亿倍”，这一数字的跃升标志着人工智能的发展范式已发生质变。这一修正并非基于简单的线性或几何级推演，而是源于对AI应用本质的重新理解。过去，人们普遍认为AI的核心价值在于“预训练”阶段，即模型通过海量数据学习通用知识，形成基础能力，随后在特定任务上进行微调即可完成输出。然而，随着技术的演进，这种静态的、一次性记忆与泛化答案的模式正在被动态的、持续的“思考”过程所取代。这种转变意味着，每一次用户交互都不仅仅是获取一个答案，而是一个复杂的、多步骤的认知旅程，从而导致单次推理所需的计算量呈指数级膨胀。

这一需求的激增并非单一因素所致，而是由两个叠加的指数级驱动力共同作用的结果：一是用户使用量的指数级增长，二是每次使用所需计算量的指数级增长。前者体现在全球范围内，越来越多的用户开始依赖AI进行工作、创作和决策，形成了庞大的用户基数；后者则源于AI自身能力的提升，从简单的问答发展到需要进行事实核查、逻辑推演、多步研究和知识整合的复杂任务。例如，当用户询问“8×8=64”时，现代AI系统不会直接调用记忆中的答案，而是会依据数学规则，通过一系列中间步骤逐步推导出结果，这个过程本身就需要消耗大量算力。因此，推理需求的十亿倍增长，本质上是AI从“回答问题”向“思考问题”范式的全面迁移，其背后是整个计算架构和工作负载的根本性变革。

2. 三个规模化定律的建立：预训练、后训练与推理的融合

为了系统性地解释这一指数级增长的内在逻辑，黄仁勋提出了“三大规模化定律”的框架，这构成了理解AI发展规律的核心模型。第一项是预训练规模化定律，它描述了模型通过海量数据学习基础能力的过程，如同人类通过教育积累基础知识。第二项是后训练（Posteriority）规模化定律，它揭示了训练与推理通过强化学习被整合在一起的复杂过程。在这个阶段，AI不再仅仅是被动地接受指令，而是主动尝试不同的方法来解决问题，通过不断试错和反馈来优化自身的策略，这使得训练过程本身变得极其复杂和动态。第三项是推理规模化定律，它定义了推理的本质已从一次性的即时响应，转变为一个“思考过程”。在这个过程中，AI会先进行研究、核查事实、学习新知识，然后才生成最终的答案，这一系列行为显著增加了单次推理的计算开销。

这三大定律共同构成一个闭环系统：训练 → 推理 → 反馈 → 再训练。在这个循环中，每一次推理产生的反馈都会被用于改进模型，使其在下一次推理中表现得更好。这种非线性、自我增强的特性，使得AI的能力能够随着时间的推移呈指数级跃升。例如，一个AI在解决一个科学难题时，可能会先查阅文献、分析数据、模拟实验，再得出结论，这个过程本身就在不断丰富其知识库和推理能力。因此，推理需求的十亿倍增长，正是这个闭环系统持续运转、自我进化的必然结果。它不再是简单的算力堆叠，而是一种全新的、具有自进化能力的智能形态。

3. 推理链（Chain of Reasoning）作为核心驱动力

“推理链”（Chain of Reasoning）是实现上述十亿倍增长的关键技术载体，它使得AI具备了类似人类的逻辑思维能力。推理链要求AI在回答问题前，必须进行多步、多模态的逻辑推演。例如，在回答“8×8=64”时，系统不会直接给出答案，而是会遵循数学规则，分步进行乘法运算，每一步都可视为一个独立的推理节点。这种“思考”行为，极大地增加了单次推理所需的计算资源，从而推动整体算力需求呈指数级膨胀。更重要的是，推理链的出现催生了“智能体”（Agent）系统的兴起，即AI不再只是一个单一的语言模型，而是由多个语言模型组成的复杂协作网络。这些智能体可以并行运行，相互调用工具，甚至能自主发起研究任务，形成一个高度自治的智能生态系统。

这种系统级的复杂性，使得AI的应用场景从简单的文本生成，扩展到视频生成、代码编写、科学发现等高阶任务，而这些任务无一例外都依赖于长链条的推理。例如，生成一段高质量的视频，AI需要理解剧本、设计角色、规划镜头、渲染画面，每一个环节都可能涉及复杂的推理链。同样，编写一段高效的代码，AI需要理解需求、设计算法、优化性能、进行测试，整个过程就是一个多阶段的推理链。因此，推理链不仅是算力需求增长的直接原因，更是推动AI从“工具”向“伙伴”演进的核心引擎，它正在重新定义人机协作的边界。

4. 实际案例验证：从理论到产业落地

黄仁勋的理论洞见在英伟达的业务实践中得到了充分验证。目前，公司40%的收入已经来自推理业务，且该比例仍在快速上升，这表明推理已成为英伟达增长的核心驱动力。他进一步预测，随着推理链成为主流，推理业务将经历“马上就要增长十亿倍”的爆发式扩张。这一趋势已被广泛验证，无论是视频生成、代码编写，还是科学研究，所有高阶AI应用都依赖于长链条推理，而非简单提示响应。例如，英伟达的GPU已在多个科研项目中被用于加速分子模拟和蛋白质折叠，这些任务需要AI进行长时间的、复杂的物理和化学推理，其计算量远超传统的简单查询。

此外，黄仁勋还提到了一个关键的现实：英伟达的客户，如微软、谷歌、Meta等，其推荐系统已从传统的CPU架构全面转向GPU架构，这本身就是一次巨大的算力转型。这种转型并非偶然，而是由AI推理需求的指数级增长所驱动的必然选择。当一个平台的推荐系统每天要处理数十亿次用户交互，每一次交互都需要复杂的推理来判断用户的兴趣偏好时，其对算力的需求就达到了前所未有的水平。因此，英伟达的业务增长，正是全球AI推理需求增长的缩影。它证明了，从理论上的“十亿倍”增长，到产业实践中的“40%收入占比”，再到未来“十亿倍”的爆发，这条增长曲线是真实存在的，且正在被无数企业和开发者所证实。

“现在你们百分之四十的收入都来自推理业务了，但是推理业务马上就要因为推理链CHAIN OF REASONING的出现……对，他马上、马上就要增长十亿倍了。”

>

“你再看看现在生成的那些视频，简直太疯狂了！”

1. 合作本质：从芯片供应商到基础设施共建者

英伟达与OpenAI的合作已超越了传统“芯片供应”的简单关系，升级为“AI基础设施共建”的伙伴关系。这一合作的本质，是英伟达首次在“芯片层、软件层、系统层、AI工厂层”与客户进行深度协同，帮助OpenAI建立其“完全自主运营的超大规模公司”能力。这标志着英伟达的角色从一个硬件提供商，转变为一个全方位的系统集成商和战略合作伙伴。此次合作的核心目标，是协助OpenAI构建一个能够支撑其指数级增长的、自给自足的AI生产体系。这不仅仅是提供高性能的GPU，更是从底层架构设计、软件栈开发、系统集成到数据中心建设的全栈赋能。

这种深度协同的必要性源于OpenAI自身面临的巨大挑战。作为一个快速增长的AI公司，其算力需求正经历两个指数级增长的叠加：一是客户数量的指数级增长，二是每次使用所需计算量的指数级增长。这种双重压力使得OpenAI无法再依赖外部云服务提供商（如微软Azure）的标准化服务，而必须拥有自己的、能够灵活应对极端需求的专用基础设施。因此，英伟达的角色，是帮助OpenAI从一个“消费者”转变为一个“生产者”，为其打造一个能够像制造汽车一样，高效、稳定、可扩展地“生产”AI的工厂。这种合作模式，是英伟达在与客户关系上的一次重大突破，它将合作关系从交易导向，转变为价值共创。

2. 合作规模与潜在价值：千亿至万亿级市场

本次合作的规模与潜在价值极为惊人。根据披露，英伟达将向OpenAI投资高达1000亿美元，这不仅是英伟达历史上最重大的投资之一，也标志着一个全新的商业模式的诞生。如果OpenAI全部采用英伟达的芯片来建设其算力设施，预计可为英伟达带来高达4000亿美元的收入。这一数字的背后，是英伟达对自身技术优势和市场前景的绝对信心。这笔投资并非强制要求，而是由OpenAI主动提供的机会，英伟达“很乐意有这个投资机会”，这体现了双方在战略愿景上的高度一致。

该合作项目涵盖了多个关键领域：首先是微软Azure的扩建，这是一个长期且规模巨大的项目，未来几年将产生数千亿美元的工作量；其次是甲骨文（Oracle Cloud Infrastructure, OCI）的扩建，预计要建设五六七个吉瓦的算力；最后是“Core Wave”项目，这是专为OpenAI设计的全新合作。这些项目均已签署合同并持续推进，显示出合作的实质性进展。值得注意的是，这些合作并非孤立存在，而是共同服务于一个更大的目标：支持OpenAI的指数级增长。因此，1000亿美元的投资，是英伟达为参与这场未来十年最大规模的技术竞赛所付出的战略性投入，其回报潜力远超任何短期财务指标。

3. 战略动因：投资未来而非短期回报

黄仁勋在解释此投资的动因时，明确指出其逻辑并非基于短期的财务回报，而是基于对未来的深刻洞察。他认为，OpenAI极有可能成为下一个万亿美元级别的“超大规模公司”，这与Meta、谷歌等巨头的定位相似。这些公司之所以能成为巨无霸，是因为它们同时拥有强大的消费者服务和企业服务，具备平台级的影响力。黄仁勋认为，能在OpenAI成长到那个规模之前进行投资，是“我们能想到的最明智的投资之一”。他强调，投资自己“懂的领域”至关重要，而英伟达对人工智能和计算基础设施的理解，正是其做出这一决策的基础。

这一投资逻辑的核心在于“为机遇而建设”。黄仁勋反驳了华尔街普遍担忧的“产能过剩”论调，认为建设者不应因害怕过剩而停止投入，而应着眼于未来的机会。他指出，世界需要更新换代的计算基础设施，所有新建设都将转向加速计算与AI。因此，英伟达的投资，是在为一个即将到来的、由AI驱动的新时代提前布局。这种前瞻性的战略眼光，使得英伟达能够超越短期的市场波动，抓住决定未来几十年产业格局的历史性机遇。投资OpenAI，本质上是投资于一个由AI驱动的、全新的经济范式。

4. 为何选择英伟达？系统级优势不可替代

尽管市场上存在其他芯片供应商，甚至有“芯片免费”的诱惑，但黄仁勋坚信，客户仍会选择英伟达，因为其系统级综合成本远低于其他方案。这种优势并非源于单一芯片的性能，而是源于一个完整的、经过验证的生态系统。系统总成本（Total Cost of Ownership, TCO）包含了电力、数据中心、土地、机房外壳等，仅土地、电力和外壳成本就高达150亿美元。英伟达的每瓦性能优势，使其客户能以更低的能耗产生更高的产出，这种“单位能耗效率”是决定长期经济性的关键。

英伟达的系统优势体现在其极致的协同设计上。从芯片、软件、网络到整个数据中心的物理布局，每一个环节都被优化以实现最佳的整体性能。相比之下，竞争对手若仅开发单一的ASIC，无法实现这种系统级的优化。英伟达的系统包含数十款芯片、专用软件、网络协议，形成了一个强大的“生态系统壁垒”。客户愿意为英伟达架构支付溢价，正是因为其架构经过了充分的验证，风险极低。因此，选择英伟达，不仅是选择一块芯片，更是选择一个能够确保项目成功、降低运营风险的完整解决方案。

“即使竞争对手的芯片免费，客户也依然会选择英伟达。”

>

“因为光是土地、电力和机房外壳，就已经要150亿美元了。”

1. 物理定律的约束：摩尔定律已死

黄仁勋在对话中以不容置疑的语气宣告：“物理定律决定了通用计算的时代已经终结，未来是加速计算和AI计算的时代。” 这一论断的根基在于摩尔定律的失效。尽管晶体管的密度仍在增加，但其性能提升已停滞，功耗基本保持不变。这意味着，单纯依靠缩小晶体管尺寸来提升性能的路径已经走到了尽头。在过去的几十年里，摩尔定律驱动了计算机性能的指数级增长，但如今，这一物理规律已无法再支撑AI所需的算力需求。因此，必须从“通用计算”转向“加速计算”与“AI计算”时代。

这一转变是根本性的，它意味着计算架构的范式迁移。过去，超大规模计算基础设施主要依赖CPU，用于处理推荐引擎、搜索等任务。然而，随着数据量和计算复杂度的爆炸式增长，CPU的串行处理能力已无法满足需求。GPU因其专为并行计算设计的架构，成为了处理AI工作负载的理想选择。因此，从CPU到GPU的迁移，不是简单的技术替换，而是整个计算范式的根本性变革。这一变革的驱动力，正是物理定律的约束，它迫使整个行业必须寻找新的、更高效的计算方式。

2. 从CPU到GPU的范式迁移

从CPU到GPU的范式迁移，是加速计算崛起的直接体现。黄仁勋指出，像TikTok、Meta、谷歌、亚马逊等头部企业的推荐系统，已经从CPU转向了GPU。这一转变是“旧方式错误”的体现，因为它未能跟上AI发展的步伐。CPU的设计初衷是处理复杂的、顺序的逻辑运算，而GPU则擅长处理海量的、简单的、并行的数据运算，这正是深度学习模型训练和推理的核心需求。

这种迁移的规模和速度令人震惊。据估计，全球已有约40亿人使用由加速计算驱动的服务，如社交媒体推荐、电商搜索、个性化内容推送。这表明，AI已从一个新兴技术，转变为支撑现代社会运行的基础设施。对于这些超大规模公司而言，采用GPU不仅是性能的提升，更是生存的必需。如果他们继续使用落后的CPU架构，其服务的响应速度、个性化程度和用户体验将远远落后于竞争对手，这在激烈的市场竞争中是致命的。因此，从通用计算到加速计算的迁移，是一场由市场需求和技术瓶颈共同驱动的、不可逆转的浪潮。

3. 市场规模与渗透率：40亿人已受AI驱动

全球已有约40亿人使用由加速计算驱动的服务，这一数字凸显了AI技术的普及程度和其作为基础设施的地位。这40亿人并非指拥有AI设备的用户，而是指其日常使用的互联网服务（如社交、购物、搜索）背后，都依赖于由GPU加速的AI算法。例如，当你在抖音刷视频时，推荐的视频列表是由AI模型根据你的观看历史、互动行为等数据实时计算生成的，这个计算过程在后台由GPU完成。同样，你在淘宝上看到的“猜你喜欢”商品，也是由AI模型进行个性化推荐的结果。

这一现象表明，AI已经深度融入了人们的日常生活，成为数字世界的“操作系统”。它不再是一个可有可无的附加功能，而是决定用户体验优劣的核心要素。因此，任何试图忽视或延迟采用加速计算的公司，都将面临巨大的竞争劣势。这一市场规模的庞大，也为英伟达等硬件厂商提供了坚实的市场基础。他们的产品，正直接服务于全球近三分之一人口的日常数字生活，其商业价值和战略意义不言而喻。

4. 未来增量：从现有转型到全新创造

当前阶段的AI转型，主要是“从旧方式转向新方式”，即把原有的工作负载从CPU迁移到GPU。这是一个巨大的市场，但其增长空间是有限的，因为最终所有现有的计算任务都将完成迁移。然而，未来的增量将来自于“从无到有”的创造，即利用AI生成全新的内容、产品、服务，这将带来更大的市场空间。

例如，AI可以自动创建全新的游戏关卡、设计独特的建筑方案、撰写原创的文学作品，甚至模拟复杂的生物系统。这些应用的出现，将创造出全新的市场需求和商业模式。英伟达的使命，正是为这些全新的创造活动提供强大的算力支持。因此，未来的增长，将不再仅仅依赖于对现有工作的效率提升，而是依赖于AI作为“创造力引擎”所带来的颠覆性创新。这预示着一个更加广阔、更具想象力的未来，而英伟达正站在这个未来的核心位置。

“全世界有多少万亿美元的计算基础设施需要更新换代？而当他们更新换代时，都会变成加速计算。”

>

“如果算上TikTok、Meta、谷歌，现在地球上可能有40亿人，他们已经在需求由加速计算驱动的工作负载了。”

1. 护城河的定义：系统级协同设计

英伟达的护城河并非单一的芯片，而是“极致的系统协同设计”。这一概念意味着，英伟达必须同时优化模型、算法、系统与芯片，打破传统“只优化芯片”的局限。这种协同设计需在纵向扩展（如CPU/GPU/内存）、横向扩展（如网络/交换机）与跨集群扩展上实现一体化优化。其核心逻辑是：当单一芯片的性能提升受限于物理定律时，就必须通过系统层面的创新来获得突破。

这种协同设计是前所未有的。它要求工程师们跳出“只关注芯片性能”的盒子，去思考整个计算系统的最优解。例如，为了提升性能，英伟达不仅优化了GPU芯片本身，还革新了CPU、网络芯片（NVIDIA NBLINK）、以及SPECTRUM MAX横向扩展技术。这种全方位的优化，使得Blackwell相对于Hopper实现了30倍的性能提升，这在摩尔定律失效的背景下，是几乎不可能完成的任务。因此，英伟达的护城河，是建立在一个由数十个组件、专用软件和复杂网络协议构成的、高度协同的生态系统之上。

2. 年度发布周期：持续迭代的技术引擎

自2024年起，英伟达切换至“年度发布周期”，每年推出新一代架构，这构成了其持续迭代的技术引擎。这一周期的具体安排如下：

• 2024年：Hopper → Blackwell（性能提升30倍）
• 2025年下半年：Vera Rubin
• 2027年：Ultra
• 2028年：Feynman

每一代产品均实现“十倍性能因子”提升，这在摩尔定律失效的背景下极为罕见。这种持续的、可预测的迭代，为客户提供了一个清晰的升级路线图，使其能够规划长期的资本支出。更重要的是，这种周期性发布，使得英伟达能够将整个系统（芯片、软件、网络）作为一个整体进行优化，确保每一项新技术都能无缝融入现有生态。

3. 供应链协同：三年可见性锁定产能

英伟达与供应链伙伴建立了长达三年的可见性机制，确保晶圆投产、COWS封装、HBM内存等环节提前规划。一旦客户下达采购订单，英伟达可立即启动生产，无需等待。这种深度的供应链协同，使得英伟达具备了“翻倍生产能力”，能够应对突发的、巨大的需求。这种能力，是竞争对手难以复制的，因为它需要巨大的信任和长期的合作关系。

4. 为何竞争对手难以复制？

竞争对手若仅开发单一的ASIC，无法实现系统级优化。英伟达的系统包含数十款芯片、专用软件、网络协议，形成“生态系统壁垒”。客户愿意为英伟达架构支付溢价，因其架构经过充分验证，风险极低。因此，英伟达的护城河，是建立在技术、生态、供应链和品牌信任的多重壁垒之上，是竞争对手难以在短期内跨越的鸿沟。

“这就是为什么我们涉足这么多行业，创造了这么多库。协同设计是第一步，极致则超越了软件和GPU。”

>

“我们发明了CUDA和GPU，并且我们发明了大规模协同设计的理念。”

1. 人类智能的经济价值

全球人类智能贡献约50万亿美元的经济产出，占全球GDP的55%-65%。这一数字凸显了人类智力作为核心生产要素的巨大价值。AI的目标并非取代人类，而是“增强”人类智能，通过提升个体生产力来创造新的经济增长点。

2. 增强模型：1万美元AI提升10万美元员工效率

黄仁勋以公司内部实践为例：每位员工配备1万美元的AI助手，可使其生产力提高一倍甚至两倍。结果是公司研发速度加快、芯片设计数量增加、营收利润双增长。该模式可推广至全球：10万亿美元的智能被AI增强，将催生新的经济增长点。

3. 未来市场规模估算

当前全球AI基础设施市场年规模约为4000亿美元。潜在市场规模（TAM）预计为当前规模的4-5倍，即1.6万至2万亿元人民币。该增长源于“AI增强人类智能”这一根本逻辑。

4. 能源与资本支出的联动

英伟达收入与电力消耗高度相关。阿里巴巴吴泳铭表示，其数据中心电力将在十年内增加十倍，与英伟达预测一致。每瓦性能必须持续指数级增长，否则无法满足Token生成速度的翻倍需求。

“我们举个例子，假设我雇佣了一个年薪十万美元的员工，然后我用一万美元的AI来增强它。结果这一万美元的AI让这个十万美元的员工生产力提高了一倍、两倍。我会不会这么做？肯定会毫不犹豫。”

>

“所以如果你告诉我全世界每年的资本支出大约是5万亿美元，我会说这个数学逻辑似乎是说得通的，这大概就是未来。”

1. 华尔街预测的矛盾

25位覆盖英伟达股票的卖方分析师普遍预测：公司增长将于2027年停滞，2027-2030年年增长率仅为8%。黄仁勋回应称，该预测“一切都不会发生”，与实际发展趋势严重脱节。

2. 误判根源：忽视“机遇驱动建设”的逻辑

华尔街担忧“产能过剩”，认为“算力太多会导致浪费”。但黄仁勋指出，建设者应“为机遇而建设”，而非为“避免过剩”而停止投入。世界需要更新换代的计算基础设施，所有新建设都将转向加速计算与AI。

3. 供需错配的必然性

所有客户预测均被证明低估需求，英伟达始终处于“手忙脚乱”状态。即使微软CEO萨提亚·纳德拉曾试图压低预期，几周后仍宣布“建两个吉瓦，未来还要加速”。

4. 金融工程与真实需求的区分

反驳“循环收入”“往返交易”指控：英伟达投资OpenAI并非为了虚增收入，而是基于真实增长预期。OpenAI的收入正在指数级增长，其资本支出由股权与债务融资支持，逻辑清晰。

“听着，我们对这个数字没意见，但是我们经常能轻松超越这些数字。”

>

“我们是建设者，我给你三个点去思考：这三点希望能帮助你对英伟达和这个未来更有信心。”

1. 主权AI的战略意义

黄仁勋强调，主权国家必须拥有AI基础设施，否则将丧失国家安全与经济主导权。他将AI类比于1940年代的核武器，认为其关乎“生死存亡”。

2. 中国市场的历史地位与现状

三年前，英伟达在中国市场占据95%的份额，主导地位无可撼动。但因美国政策调整，英伟达被逼出中国市场，导致华为等本土企业获得垄断利润支持。

3. 美国政策反思：不应自我设限

黄仁勋批评美国“小院高墙”政策，认为其本质是“自我解武装”。他主张应最大化出口，让美国技术在全球扩散，以增强地缘政治影响力。

4. 人才政策与移民改革

提议对H1B签证收取10万美元费用，作为“保护美国梦”的第一步。该政策旨在筛选真正优秀人才，但可能加剧大公司与初创企业之间的不平衡。他支持“理工科毕业生自动获得绿卡”政策，以留住顶尖人才。

5. 对华鹰派标签的批判

黄仁勋称“对华鹰派”为“耻辱的徽章”，认为摧毁美国梦的行为实为不爱国。他主张以“放马过来”的姿态面对竞争，相信美国制度、文化与人民的强大自信。

“我从一位在美国顶尖实验室工作的中国研究员那里听说，三年前中国大学毕业的顶尖AI研究人员中有百分之九十想来美国，也确实来了，在我们顶尖的实验室工作。他猜测今天这个比例接近百分之十或十五。”

>

“所以，我尽管我告诉我们所有的投资者，我们的业绩指引不包括中国。我也希望我们所有的投资者在任何指引中都不要包含中国。”

1. 人工智能与机电一体化的融合

未来五年，AI与机器人将深度融合，出现人形机器人在社会中行走。每个人将拥有专属AI伴侣，如R2D2，能记住所有信息，提供终身陪伴与指导。

2. 云端GPU与个性化模型

每80亿人将拥有一个关联的云端GPU，形成80亿个“个人AI节点”。每个人可微调自己的AI模型，该模型将实体化于汽车、机器人、医疗设备等场景。

3. 健康数字孪生的实现

人类将拥有“健康数字孪生”，可预测衰老、疾病、突发事件。系统可提前预警，如“下周三下午可能心脏病发作”，实现主动健康管理。

4. 未来十年的行动指南

黄仁勋引用瑞·库兹韦尔观点：“21世纪可能有两万年的进步。”他建议：不要预测火车终点，而应在它还慢时“上车”，然后一路跟随其指数级加速。人类最大的挑战是理解复利与指数系统，而AI正是这一系统的放大器。

“我认为在未来五年，一件非常酷的将要被解决的事情是人工智能和机电一体化。也就是机器人的融合，所以我们将会有人形机器人在我们周围走动。”

>

“所以，一个能预测我们如何衰老、可能会得什么病，甚至预测下周或明天下午可能发生的事情的系统，并提前预警我们，当然会有这一切。”

本播客不仅是对英伟达战略的披露，更是一场关于人类文明走向的深刻讨论。黄仁勋以“行业缔造者”的视角，描绘了一幅由AI驱动的工业革命图景：从推理链的诞生到万亿级公司的崛起，从系统协同设计到全球GDP的重构。他反复强调，真正的护城河不在芯片本身，而在“极致协同设计”与“年度迭代”所构建的系统壁垒。面对华尔街的悲观预测，他以“为机遇而建设”回应，展现出建设者的坚定信念。在中美科技竞争中，他主张开放而非封闭，以“放马过来”的姿态迎接挑战。最终，他呼吁所有人——无论政府、企业还是个人——必须理解指数级变化的威力，主动“上车”，共同塑造一个由AI增强的人类未来。这场对话，既是技术宣言，也是文明宣言。