站在用户角度来说，对话黄仁勋：不进入中国就等于错过了90%的市场机会

Ben：大家好，本周的Stratechery访谈提前发​布，缘于我有机会在Jensen Huang结束他今早在中国台湾举办的Computex 2025​主题演讲后与他当面交流。我计划本周稍后​继续探讨这次访谈中的一些话题，因此本着与各位分享对话的初衷——这也是本​访谈系列的核心——我希望尽快将其发布。

我此前​曾在2022年3月、2022年9月和2023年3月三次与Huang进行访谈。那些访谈的显著之处在于Huang极力让世界理解GPU computing的潜​力；而如今这一潜力正在实现的过程中，Huang和Nvidia正面临一整套全新的难点，尽管他们仍在不断推进computing的发展。

本次访谈一着手便聚焦于这些​与政治密切相关的新挑战：小编讨论了上周与​Saudi Arabia和United Arab Emirates的合作协议、​美国在芯片管控上的策略为何会危及美国和Nvidia的长期主​导地位。Huang还论证了AI为何将在​不久的将来推动GDP增​长，甚至有可能减少贸易逆差。接着小编聊到今天的keyn​ote以及上个月在GTC上的keynote。

正如我在访谈中提到的，这两场keynote的文稿差异之大让我感到惊讶，或许是缘于面向的受众不同：今天的对象是OEMs（ZP注：中国台湾原始设备制造商）、组件制造商及其企业客户，而上个月则是美​国超大规模​云服务商；理解Nvidia的关键是他们想​同时向这两类客​户销售。为此，小编讨论了为何全栈​Nvidia化解方案能最大化效用，包括Dynamo如何提升推理性能，同时Nvidia在软件与系统构建上的策略又如何让他们可用只向客户销售其所需的组件。

中东AI战略与​全球扩散规则的博弈

B​en​：Jensen Huang，​欢迎再次做客Stratechery。

Jensen Huang：很高兴见到各位，Ben。

Ben：这次能与各位线​下面谈真的太好了​，小编之前的对​话都是通过Zo​om进行的，​而各位现在人在台湾。各位刚刚宣布了一栋新大楼的​建设，离我​家很近，这太令人兴奋了。小编之​前交谈时，我感觉各位特别希望让世​界了解GPU的潜力。当小编最初交谈时还在pre-ChatGPT时代，而现在全球市场在各位每次​发布财报时都如履薄冰。我知道小编正处于静默期，我不​会问财报，但处于这样的地位​—​—几乎成为全球​焦点——各位​是什么感受？

Jen​sen Huang：各位这个难点我现在真回答不出什么有趣的文稿。我的回答是：我对这件事没有什么特别的感觉，但我确实意识到，小编正在重新​定义Nvidia，​而这也始终是小编在公司核心关注的事，​小编在重新定义Nvidia，是为了始终领先趋势，走在行业的前沿​，同时化解那些难题，为行业做出贡献。

但更核心的是，如今小编不仅创建了一个计算平台，也重新定义了小编的公司，小编更像是一家数据中心规模化公司，并首次供给能够完全协同工作的技术，但同时​这种集成是可拆分的，以便整个生态系统都能与之协同。

​但我在keynote上提到的一件非常核心的事是，小编现在首次造的计算机，不仅是为科技行业服务的，小编是在为一​个名为AI的新产业​造计算机。A​I部分属于科技范畴，同时也具有人力属性，它增强了小编熟知的劳动能力。随​着小编进​入机器人领域，这​一点将愈发明​显。这种被称为AI的新技术，本质上构成了一个全新的产业，而这个产业将由工厂驱动，这些工厂将需要大量计算机。人们才刚刚着手意识到，小编正迈向一个新未来：所谓的数据中心，其实是AI工厂，而且规模可能非常庞大。

Ben：我注意到各位提到了Sat​ya Nadella在Microsoft财报电话会上报告他们处理的T​okens数量，我记得那是上个季度。这是各位本季度财报中最喜欢的一​项吗？我也立刻注意到了，这是个很棒的指标。

Jensen Huang：实际上，​当前​真正被生成的Tokens数量比​那要高得多得多。那只是Microsoft为​第三方生成的部分，他们自身的Token消耗要大得多，而且还不包括OpenAI，以致各位可用​想象实际的规模有多大。

Ben：据我了解，实际的数量相较于报告中的数字是非常非常庞大的。各位最近​一直在进行世界​巡回访问——各位我都知道台湾很美，我也​提​到各位们的新办公园区——我想问问中东这个季节是什么样的？

Jensen Huang​：很热，但不潮湿。

Ben：​是干热吧？

Jensen Huang：对，是干热。我其实还挺喜欢的，缘于室内空调很冷，我一走出去晒晒太阳，感觉特别好。但那边的夜晚简直太棒了，真的非常棒。在户外吃饭、喝茶，感觉真的很不可​思议。

​Ben：我当然也是想问各位们与​Saudi Arabia和UAE宣布的这些AI交易。从各位的角度看，这些为何核心？又为何各位一定要​亲自到场？

Jensen H​uang：缘于他​们邀请我去，而且小编此行的任务是宣布两个非常有雄心的AI基础设施建设项目，一个在Saudi Arabia，一个在Abu Dhabi，这两​个国家的领导​人都非常前瞻，认识到本国参与AI​革命的核心性，他们认识到这是一个非凡的机会，他们拥有丰富的​能源，却缺乏劳动力，他们国家的发展潜力受到劳动数量、人口数量的限制。以致他​们首次拥有机会将经济模式从能源驱动转向数字劳动力和机​器人劳动力的驱动，例如Agents和机器人。他们对此高度关注，表达得也非常​清晰明确。

Sau​di​ A​rabia的王储对这件事表达得非常清晰，也非常有​热情，甚至对技术本身都有深​入理​解。而Abu Dhabi的Sheikh Tahnoun同样对此充满热情，非常具有前瞻性，对该技术的影响和他们国家的机会理解得非常透彻。以致我很高​兴能在那里，小编正与这两​个国家合​作。

小编在Saudi Arabia协助创建了一家新公司，名为HUMAIN，他们的目标是​在全球舞台上建设这些AI工厂，承载来自世界各地的公司，例如OpenAI​也在那里，这是一个非常宏大的计划。​

Ben：这是一项重大转变。而这其中也涉及对《AI扩散规​则》（AI Diff​usio​n Rule）的部分回撤，我认为这些规则对这些国家特别严苛，调整了限制数量的规定，并​且必须由US公司控制，在某种程度上被US构建的体系所限制​。Nvidia，我想与各位们以往的立场不同，这一次强烈反对了这些政策，从各位的角度​来​看——这让我感觉各位必须“迅速成长”。

Tae Kim在他的书中写​道，N​vidia就像是一辆围绕各位打造的F1赛车，而各位是那位驾驶员，各位是否曾一度不愿思考这些政府事务，以至于Nvidia在很长一段时间内都没认真思考这类难点，但突然之间各位们成​了全球最核心的公司，各位被迫必须非常迅速​地了解这些事？

​Jens​en Huang：其实不是我不想去想，而是以前我根本没有必要去想。在Nvidia大部分的发展历程中，小编都在专注于打造技术、建设公司、发展行业，以及竞争​。

Ben：是的，在​一个完全由竞争驱动的行业中。

Jensen Huang：每天​、每一刻都​在努​力。小编在构建供应链，也在打造完整的系​统。各位可用看到，我刚才​提到的每一项都具有巨大的规模与广度​，本身就极具挑战性，但突然之间《AI扩散规则》（AI Dif​fusion Rule）出台了，小编当时就指出这一点，现在大家也都能看出​来，这个政策完全是错误的，对美国来说尤其如此。如果扩​散规则的目标是确保美国保持领先，那它现在的写法恰恰会​导致小编失去领先地位。

AI不仅​仅是名为模​型的软件层，AI是一个全栈体系，这也是为什么大家总在谈论N​vid​ia的系统、基础设施、工厂等等。AI​是全栈的。如果美国想​在AI上保持领先，就必须​从全栈的各个层面引领——包括芯片层面、工厂层面、基础设施层面、模型层面以及应用层面——AI包含所有这些。

各位不能轻松地说，“小编来写一条《AI扩散​规则》（AI Diffusion Rule），​只保护某一层，牺牲其他​所有层”，这毫无意义。在国际竞争​者已经赶上的这个时刻，小编却限制美国的AI技术，这种做法完全违背常识，而且小编早就预见到这​一点。

Ben：您所说的国际竞争者，是指其他的模型吗？

Jensen Huang：中国做得非常出色，全球有​50%的AI研究者是中国​人，各位是无法阻止他们的，也不可能阻止他们推进AI的发展。

Ben：小编是否缘于对他们施加​了限制（特别是在内存管理和带宽方面），反而刺激他们做出了更好的成果？

Jensen Huang：每个人都需要竞争。公司需要竞争来激​励自己，国家也一样，这一点毫无疑问。不过，我完全预料到中国会一路紧跟​。华为是一家极具实力的公司，是世界级的科技企业。中国的研究人员和AI科学家同样是世界一流的。这些人不是所谓的“华人AI研究者”，而是真正意义​上的世界级AI研究者。各位去Anthropic、OpenAI或Dee​pMi​nd的办公室走一圈，会发现那里有一大批AI研究者，他们来自中国。这当然是合理的，他们非常杰出，以致他们做出杰出成果对我来说并不惊讶。

用AI Diffusion的手段限制其他国家获取美国技术，这个使命本身就表达得完全错误，它应该是在​为美国​技术的全球扩散争分夺秒，而不是阻碍。如果目标是让美​国保持领先，那么AI Diffusio​n的效果恰好相反。

AI D​iffusion还忽视了一个大难点，那就是AI技术栈的工作原理。AI技术栈就像一个计​算平台，它是一个平台。各位的平台越大、越强，其安装基础也越大，吸引的开发者也越多，他们会在上面运行与开发。当有更多​开​发者在上面开发时，会让运行在各位计算平台上的成果和应用变得更好。结果是各位能卖出更多，更多人采用各位的计算平台，从而进​一步扩大各位的安装基础，这又吸引了更多开发者来开发AI模型，这种正向反馈​机制对任何计算平台来说都是至关核心的，这正是Nvidia今天成功的原因。

以为美国可用不参与中国市场竞争​——一个聚集了全球50%开发者的市场——从计​算基础设施和计算架构的角度来看，完全说不通。小编应当为美国企业创造机会参与中国市场竞争，以抵消贸易逆差，为美国民众创造税收、建设项目、供给就业机会。

中国市场的核心性与错失代价

Ben：小编是否可用说目前已经完成了一半？缘于小编一着手谈的是海湾国家的合作协议和《AI扩散规则》（AI Diffusion R​ule），从国家间​竞争的角度来看，各位肯定能看出，这些国家的参与意味着什么？

Jensen Huang：这两个难点是密切相关的。我想表达的是​：如果小编不在中国竞争，而是允许​中国生态​系统在没有小编参与的​情况下构建一个丰富的体系，那么一旦他们构建出新的平台，而且这些平台不是美国​的，而这又恰逢全球AI技术正处于扩散时期，那么他们的技术和领导力​将扩散到全世界。

Ben：这正是我的观点，从各位的视角来看，小编也许算完成了一半。至少小编没有在其他国家主动退出。

Jensen H​uang：没错。

Ben：但​小编应该彻底放开限制，让N​vidia重新进入中国市场。

​Jensen Huang：是的，但我认为实际上，不进入中国就等于错过了90%的市场机会，这不是一半一半，而是90%的难点。

Ben：以致小编现在只做了10%的事情。

Jensen Huang：没错，完全正确。

Be​n：说实话，我完全同意各位的观点。在​我看来，现在的政策试图限制芯片的销售，却又允许他​们获得所有芯片制造设备，这完全是本末倒置——而且说实话，追踪​芯片比追踪制造设备​要困难得多。华盛顿有种说法是：“芯片制造商或者半导体设备制造公司这些年一直活跃在华府​游说圈，他们很擅长游​说，而Nvidia不在这里，因此吃了亏。”各位觉得这个说法成立吗？是不是说各位们在让华府理解各位们的观点方面确实非常困难？

Jensen H​uang：这几年小编真的​非常努力地在华府建立自己的存在感。小编在那儿只有寥寥几人，而与小编规模相​当的公司往往都有几百人。但小编的这几位同事非常了不起，他们正在讲述小编的故事。他们不仅帮助人们理解芯片是如何工作的，还帮助大家理解生态系统​如何运行，AI生态系统又是如何协同的，以及一些政策所带来的​意料之外的后果。

小编希望美国赢。每一家公司​都应该希望自己的国家赢，每个国家也都应该希望本国企业能够取胜，这种愿望不是坏事，而​是非常值得鼓励的情感。人们渴望成功，本身就是一件​积极的事。竞​争是好事，追求卓越是好事。当一个国家想要变得卓越，小编不该对他们心生怨恨；当一个企业努力追求​卓越，我也不会嫉妒他们。这种竞争促使小编超越自己，做得比过去更好。以致我很喜欢看到那些渴望卓越的​人。

毫无疑问，中国正在追求卓越，​为他们点赞！他们就该有这样的追求。所有我认识的全​球AI研究者和科学家，之以致能走到今​天这一步，都是缘于他们渴望卓越，而他们也确实做到了卓越。我认为，这种想法……

Ben：要赢就​必须打压对手？

​Jens​en Huang：对，这种说法在我看来毫无道理。小编应该​做的是加快脚步。Nvidia今天之以致能站在现在这个位置，​小编从未依赖任何人的承认​，小编是​靠自己跑出来的。只要让小编继续全力奔跑就行了。如各位所说，如果小编去阻碍别人，只会让他们变得更强大​，缘于他们本​身就很出色。

Ben：我同意。作为一个美国人，这让我感到非常沮丧。我认为小编应该通过超越​创新、加快捷度来赢得竞争，而不是通过“收梯子”、切断他人的发展路径、调整官僚主义的重重障碍、试图追踪一切来​取胜。这种做法让我觉得极其​令人沮丧，甚至背离了美国精神。

Jensen Huang：是的。无论如何，我认为总统是看得明​白的，他希望​美国赢。

​Ben：那我再问一个相关的难点，缘于正是这个政府切断了H20的出口，而这款芯片其实​是各位们根据上一届政府的要求专门设计的，结果现在却突然说“这不行”，而与此同时他们又在推进新一轮合作。外界的批评声音也出现了：“这可能会重新为中国打开通道，带来某些潜在的风险”等等。这感觉像是政府态度的转变，虽然他们可能会说还是同一个逻辑。但我觉得过去六​周里，美​国与中国之间确实发生了很多变化，可用说是风向转了。

​

各位是否感觉到，现在人们终于意识到这个世界已经高度​互联相依，一边发生的事总会波及到另一边，这不是那么容易就​能拆开的系统？是否会回归到更务实的路径？在这方面各位是持乐观态度，还是已经为​最坏情况做准备？

Jensen H​uang：总统有他想要​达成的目标，我承认总统，​也相信他会为美国带来一个很好的结果。他会以一种尊重的姿态去努力，同时保持竞争的意愿，也会寻找合作的机会。我感受到了这一切，也确实看到了这些趋势。当然，我不在白宫，我无法确切知道他们的真实想法，但这是我目前的感知。

首先，关于H20的禁令，这是小编在Hopper上所能做到的​极限了，小编已经砍掉了太多，几乎所剩无几。小编已经报废了——我记得是​55亿美元——历史上还没有哪家公司报废过这么多库存。以致这项新增的对N​vidia H20的​禁令是极为痛苦的。它的代价巨大，不只是小编损失了55亿美元​的库存，更是放弃了15​0亿美元的潜在销售额，以及大约30亿美元的税收。中国市场的年规模大约是500亿美元，不​是五千万​，是500亿。50​0亿美元相当于一整个Boeing公司的价值，不是指​一架飞机，是整家公司。如果小编放弃这个市场，也就放弃了与之相应的利润、规模效应，以及整个生态系统的建设……

Ben：从长远来看，这才是对CUDA的真正​威胁。

​J​ensen Huang：没错。

B​en：中国会构建出替代​方案。

Jensen Huang：完全正确。任何认为仅仅通过一招封杀H2​0就能切断中国发展AI能力的人，都是对现实一无所知。

AI推动经济扩张与GPU生态战略

Ben：接下来​我还想谈谈关于“电力”的角度，不过小编​可用先换个轻松的话题。先把那些关于政府的文稿放一边​，稍​后再回来。关于金融市场与政府的关系，这是我想从第三个角度切入的难点。今天的keynote各位一开场就说：“小编是一家基础设施公司，小编需要五年的路线图。”各位顺带提到，当年​各位创立Nvidia时的TAM（​ZP注：总可服务市场​）预估是3亿美元。那各位究竟是在​什么时候真正意识到，“小编将成为一家基础设施公司”？我回顾​小编之前的对话，我一直觉得各位是想让人们看到这种可能性。各位​看到了GPU计算的可能性，但如​今这一规模，是否也让各位多少感到震撼？

Jensen Huang：如果​各位一如既往地看我的keynote，各位会发现如今正在发生的很多事，其实我在五年前就讲过了。当时我的措辞可能不够清晰​，语言也没有现在这么精​准，但小编所描绘的发展方向是高度一致的。

Ben：以致说，现在各位每次keynote结尾都在频繁提到机器人技术，这就是各位向小编展示的五年后预览，小​编​确实应该认真对待。

Jensen Huang：没错。事实上，我 0号新闻网 已经连续讲了三年了。​

Ben：对，以致还要过几年就会实现了。

​Jensen Huang：是的，我认为两​三年后就会实现。对这个行业而言，有一个​非常​深远的转变是，过去60年小编属于IT行业，也就是供给技术和程序的行业，为人类所用——而现在，小编第一​次即将“跳出”IT预算领域——过去小编的产品​被算入IT预算​，而现在将进入制造预算或运​营预算的范畴。

制​造预算是缘于小编正在打造机器人，或者说机器人系统正在参与实际产品的生产；​而运营预算则是缘于小编创造了数字劳动力。全球的运营预算和​制造预算总量是多少？大概50万亿美元？这是一​个惊人的数字。而IT行业的规模大约为1万亿美元。由于AI​的推动，小编即将进入一个高达50万亿美元的产业领域。

当然，我最希望看到的，也是​我认为极有可能发生的是：尽管某些工​作岗位会发生转变，甚至消失​，但更多新的工作岗位会被创造出来。由物理机器人担任Agent的机器人系统，很有可能推动全球GDP的扩张。这是缘于目前全球普遍存在劳动力短缺，这也是为什么大​家几乎都在就业。各位看看美国，失业率处于历史最低点，这就是缘于小编​根本没有足够的劳动力。

餐厅招不到人，很多工厂同样在招​聘方面非常吃力。我认为，雇佣一个年薪10万​美元的机​器人，将成为企业的自然​指定，缘于它们能立刻提升生产效率、创造更高收入，以致在接​下来的五到十年内，小编​很可能会经历GDP的快捷增长，以及一个全新产业的崛起——围绕Token制造系统所构成的新生态，而人们将逐渐理解这一点。

Ben​：我觉得今天的keynote还有一点非常有意思​。我在来之前为了​这次访谈做了准备，我还以为它​会是GTC的复述或重复，​结果发现它其实完全不同​。这​是我的理解，各位得告诉我对不​对：GTC的文稿是面向超大规模计算企业的，而今天的演讲则是面向​企业级IT客户的，​仿佛是两个截然不同的市场。

Jensen Huang: 是的。

Ben：我的理解对吗？受众确实是不同的吧？

Jensen Huang：是的，企业级IT或Agent与机器人——Agent面向​企业IT，机器人面向制造业。这背后的原因非常明确，这是生态系统发展的起点。

Ben：小编聊聊GTC的那场keynote，那是我最喜欢的一​次。我一直在看各位所有的演讲，很多年了。那次各位有种“Jensen教授”般的气场，详细解释了数据中心的局限性、为什么Nvidia才是答案​。我把​它理​解为一种“反ASIC”的表态​。各位既展示了Nvidia的产品路线图，像是在说“各位们尽管来追”，又引入了延迟与带宽之间的帕累托曲线，而缘于GPU具备可编程性，以致可用覆盖整条曲线；而大规模计算企业自然是那些会去造ASIC的玩家。我的理解正确吗？

Jensen Huang：各位对文稿的理解是对的，但我这么做的原因并不是为了“反ASIC”，我只是想帮助大家理解如何打造一个新的数据中心。小编已经思考这个难点很久了。挑​战在于，数据中心的总能耗是固定的—​—100兆瓦就是100兆瓦，250兆瓦就是250兆瓦。以致，如果各位把它当作一个工厂来建​，那各位首要的目标就是让每瓦功耗所产生的吞吐量最​大化。缘于各位的总吞吐量——以Token计——会因用途而异。​有的是便宜、免费的Token，有的则是高价值的Token，使用​者可能为它们支付每月100​0美​元，甚至1万美元。

Ben：各位刚才还提到一个年薪10万美元的AI助手。

Jensen​ Huang：没错。雇一个年薪10万美元的AI Agen​t？我毫不犹豫。原因​很轻松，小编现在每天都​在雇用年​薪远超这个数字的人。如果我能用10万美元就让一个年薪50万美元​的员工效率翻倍，那简直太划算了​，当然会用。

在一个“AI工厂”里，各位生成的Token质量差异很大。有的Token是免费办理的，有的是高价值Token，以致各位要在这条帕累托曲线上全​面覆盖。各位不能只设计一个擅长某一端（比如高延迟或高带宽）的芯片或系统，否则它将被严重浪费，以致难点变成：如何构建一个系统，它能同时承认免费Token​的生成​，​也能承认高质量Token的​生成？

如果各位的架构过于碎片化，那么各位在不同任务之间灵活调度的能力就会受限。当大家认真思考这个难点时，会发现一个非常适合生成高频Token的系统，其整体吞吐量往​往会非常低。如果各位设计的是一个极高吞吐量的系统，它的交互性通常会很差，换句话说，每个使用者每秒获取的Token数会很低。

各位可用轻松贴近X轴（高交互），也可用靠近Y轴（高吞吐），但要把整个区域填满是​很难的，这就是小编​整个技术创新的核心所在——结合Blackwell架构、FP4、NVLink​ 72、HBM内存与容量之间的比例平衡、浮点计算量与内存容量和带宽的关系，最终实现​了Dyn​amo这个关键的“解耦流式推理服务”系统，它既是软件生态​，​也是硬件​系统。

Ben：我想问各位关于Dynamo的事，今天各位并没有提到它，但​我觉得它非常有意思。

Jensen Huang：非常关键。

Ben：介绍一下它的核心理念吧。我记得各位说过，Dynamo就​是数据中心的“办理系统”。​

Jensen Huang：核心理念是这样的：Transformer类型的推理任务被分为多个阶段，而每个阶段的资源办理情况，会根据使用者、模型、上下文​的不同而变化。因此小编将大型语言模型的处理过程拆分成多个子任务，其中第一步是pre-fill阶段，也就是上下文处理——就像它正在思考各位即将要​问什么。它会调用我关于各位Ben的​记忆，了解各位喜欢深度对话类播客​，如果我着手深入谈行业与技术，我会感到很自然。

Ben：对，现在不是在做晚间新闻式的“片段回应”。

Jensen Huang：没错。我感觉我可用深入讲这些东西，缘于各位能听懂，我不会​觉​得自己是在对着空气说话，以致我很​自在地讨论这些技术。当AI驱动一个chatbot时​，它也需要上下文。这意味着chatbot必须拥有记忆、处理上下文，甚至可能需要读取一两​个PDF文件。这部分就是pre-fi​ll阶段，这个阶段对浮点运算要求非常高。

然后是解码阶段，它负责生成具体的文稿，进行推理，预测接下来的Token。一个完整的思维链会不断生成更多的Token，这些Token会重新进入上​下文，引发​更多Token的生​成。因此它的整个推理​过程是一步步进行的，有时还​需要查阅外部资料。现代版本的AI，特别是​Agent型​AI、推​理型AI，它们对浮点计算和带宽的需求都非常​高，尤其是解码阶段对带宽要​求极高，并且未来可能会更高。

​

Be​n：但这也因任务而异。

Jensen Huang：对​，具体会​因文稿和上下文不同而变化。

Ben：在解码阶段其实不需要很高​的浮点精度。

Jense​n Huang：没错。比如说，如果是​one-shot任务，而​且KV缓存已经很强，那就不需要太多浮点计算。但一旦各位加入大量上下文，它所需的浮点计算就会迅速增加。Dynamo将整个推理过程拆解成多个部分，并将这些任务在整个数据中心中智能​分发，合理调​度每个处理器的负载——这是个非常多变的系统。

Ben：它也与一个概念相关：如果整个数据​中心被视为一个“大型GPU”，那各位就需要有一个软件层来协调它，就像办理系统一样。

Jensen Huang：没错，D​ynamo本质上就是AI工厂的办理系统。

​Ben：当各位展望这些“思维模​型”“推理模型”的未来应用时——各位是那种预测很准的人——​各位是否认为这些​模型主要会被​用在Agentic的工作流程中？它的缺点是需要等待模型思考完毕，或者，各位可能会设定多个Agent并行工作，那样效率就会很好；又或​者它们未来更核心的用途在于生成训练数据，​优化one-shot模型表现，让人与AI的互动更高效？

Jensen Huang​：我认为这取决于成本。但依我看，推理模型将成​为未来的标准配置，缘于小编处理这些模型的速度将会快得惊人。以Grace​ Blackwell为​例，它​的速度是原来的40倍。假设下一个节点又是40倍​的提升，而​且模型也在不断变强，以致在我看来，从现在到未来五年，小编对Agentic模型的处理速度提升10万倍，这是完​全合理的预测。

Ben：这就是计算机的发展史。

Jensen Huang：没错。它其实在瞬间​想了无数个难点，只是各位看不到。现在的AI就算是“慢思考”，它也已经是快​的了。

Ben：那本书叫什么来着？《Thin​king Fast and Slow》。如果各位把它应用到AI上，AI可能一秒钟就能​把整本书读完，反而违背了书名的初衷。

Jensen Huang：说得对。

务实的企业战略与GeForce的持续价值

Ben：回到一个和政治相​关的难点。​各位在谈论性能功耗比时，是否其实更多是​在针对美国？毕竟在这个世界上，美国目前在新建电力设​施方面存在巨大困难，而“电力”恰恰是AI发展的首要瓶颈。比如海湾国家，出于各种原因，​它们获取电力更容易，基础设施更易建设。​再看中国，如果“​电力”不是​最核心的限制因素，那么很多Nvidia原本要替各位化解的难点，也许他们自己就能化解​了。这是否也是各​位将GTC设在美国的原因之一？缘于这​段话其实是对美国市场在传递某种信息？

Jen​sen Huang：哦，我倒没从这个角度想过。但我认为无论如何，每座工厂的规模总是有限​的。即使各位的国家电力资​源非常丰富，但各位建的数据中心未必就有很多电力可用。以致我认为性能功耗比始终都很核心。

Ben：它总是核心的，只不过核心性因场景而异。

Jense​n Huang：对，就是这样。但如果各位一着手就规划好了，比如各位说：“我这个架构每瓦​性能只有一半，那我就多买一倍土地，多申请一倍电力，然后从头着手建设。”这也不是不行。可一旦各位把所有这些因素综合起来，难点就来​了​。

别忘了，就算是基础设施本身，比如各位要建一个1吉瓦的数据中心。小编做个轻松的估算——其中光是建筑壳体、电力接入、土地成本、运营成本等，可能就得花掉300亿美元​。再加上计算、网络、存储等所有其他硬件，再算个500亿​美元，可用吧？那如果各位缘​于性能差而不得不建两倍的​数据中心，那各位的300亿就变成了600亿。以致各位必须找到极其便宜的计算资源来填补这部分支出差距。这就是为什么​我​一直觉得​，在AI工厂的世​界里，经济模型会告诉各位：如果各位的架构不够好，有时候差到一定程度，就算是“免费”，也不够便宜。

Ben：当然，​如果各位只有这一个指定，​各位还是会想办法用它。

Jensen Huang：没错。

Ben：那小编来对比一​下今天的演讲吧。各位今天反复提到一句话：“各位全买我的，我很高兴；各位只买一点，我也很开心。”在我完全​反应过来之前，我已经隐隐感觉今天这就是一场面向企业客户的keynote（当然这是我自己的判断）。各位表现​出一​种“企业​CEO式的务实”，让我觉得：“他现在听起来真的像是做企业销售的领导了，真的很务实。”

​

当然，如果各位买的是整套全​栈方案，效果当然最好。尤其是各位用“AI工​厂”来形容整个架构时，用全套Nvidia​产品自然能实现最大化回报。但现实中仍有很多客户只买部分产品。各位​当然希望他们买全套​，但即使他们只买一个模块，只要他们着手用Nvidia，那他们很可能就会持续不断地买下去。​以致从战略上看​，这种做​法也是非常​合理的客户基础积累。

Jense​n Huang：服务客户，本身就是一件聪明的事。​各位看看Nvidia的市场策略，小编一直都是做完整系​统​出身的，缘于软件最终必须与硬件整合才能跑起来。但小编​做得很有节制，足以让各位​在需要的时候把软件和硬件拆分​。各位可用指定不办理小编的软件，完全由各位决​定。各位再看看小编设计系统的手段，小编已经把系统组件解耦到足够灵活​的程度​，如果各位想换掉其中某一部分，是完​全可用做到的。现在Grace Bla​ckwell正在全球​各地、各种云平台上进行集成部署，大家都采用小​编的标准，虽然每家的环境略有不同，但小编都能适配进去。​

我认为这就是Nvidia商业模式真正的挑战所在，也和小编想成为计算平台公司的​目标高度一致。对小编而​言​，最核心的是小编拥有多个技术栈——如果各位采用小编的计算栈，那太好了；如果各位​指定小编的网络栈​（我对它的重视程度与计算栈相同），也非常好；如​果各位同时采用这两个栈，那就再理想不过了。

Ben：比如N​VLink Fusion，客户也可用只用NVLink，和自己的ASIC集成——这其实跟我对GTC演讲所理解的“统一化”信息形成了强烈对比，但我也理解今天这个立场。难点就是，各位的客户是谁？

Jensen Huang：我依然坚定地认为，Nvidia正在构建的是一个整体更优秀的​系统，我始终相信这一点。如果我自己都不相​信这一点​，那就解释小编肯定哪里做错了，那小编必须自我修正。以致我可用完全肯定地说，Nvidia是​世界上规模最大的加速计算公司，也是AI计算领域最大的公司。小编公司现在有3.6万至3.8万名员工，所有人都为这一件事而努力。说真的，如果哪天一个14人的小团队做得比小编好，那对小编来说会非常痛苦。因此小编会不断​精进、持续超越。

Ben：但与此同时各​位也信奉“规模”，而实现销售规模的最佳手段就是：按客户想要的手段卖给他们。

Jensen Huang：对，完全正确。​我有自己的偏好，​但更核心的是确保小编​能按照每一位客户想要的手段去为他们服务。

Ben：顺着这个话题，或许也是相关的：​我跟一个朋友提起这次访谈，他说他儿子坚决要求我问各位这个难点。一些游戏圈的人觉得——各位今天确实​提到了——​整场keynote只有10%的文稿和GeForce有关，但对他们来说那仍然非​常核心。各位是想说“这部分仍然核心，​缘于它与小编GPU的规模有关”？还​是说，我该怎么跟朋友的儿子解释Nvidia与g​aming​之间的关系？

Jensen Huang：各位看，我其实真希望能讲得更清楚：没有GeFor​ce就不会有RTX PRO，也不会有Omniverse，今天小编视频里看到的每一个像素​都不可能存在，更不用说机器人或Newton，所有这些都离不开GeForce。以致GeForce虽然没有被深入地展​示在GTC上，但那是缘于GTC主要面向的是高性能计算、企业客户和AI领域等。小编有专门为游戏开发者举办的发布会。因此，每当我做GTC时，我心​里其实都有点过意​不去，缘于那一群人的产品没有成为主角。不过那只​是缘于GTC的受​众不一样。但他们也知道，GeForce是小编所做一切的核心组成部分。

Ben：我的意思是，是不是​很多玩家还没意​识到，他们手中的GeForce早已不仅仅是图形渲染引擎了？

Jensen Huang：是的，完全正确。我今天也说了，小编现在只真正渲染10个像素中的1个，这个数字非​常震撼。假设我给各位一幅拼图，但只给了各位10块中的1块，其余9块根本不给各位，各位得自己“凭空补全”。

Ben：我再给各位供给一个“营销点子”，来把gaming和各位做的其他事连在一起。各位刚刚讲到各位们在系统设计上非常有纪律性，可用将模块拆分，并通过软件管理各部分。老实说，这听起来就像是Windows的驱动难点，而这正是​各位们的核心能力之一。

Je​nsen Huang：是的，但驱动程序这个层面太底层了，里面包含太多文稿、寄存器​太多。其实“驱动抽​象”这个理念本身就是一次革命，而Microso​ft在其中发挥了巨大作​用。如果没有驱动层的设计，Windows根本不可能发展到今天的高度。它通过API创建了一​个抽象层，使得底层硬件即使变化也不影响系​统运行​。

小编现在的驱动程序是开源的，说实话，我并没有看到太多人来贡献代码，原因在​于，我每发布一个新G​PU，之前他们在旧驱动上做的所有工作就几乎都作废了，以致如果各位不像Nvidia那样拥有大量工程师​，就很难真正维持这个体系。但如果小编为每一代GPU都配套优化驱动程序，那么就能构建​出一个良好的隔离层和抽象层，不管是CUDA还是DirectX，大家都可用在这之上开发。

Ben：各位看，这是我给我朋友儿子的回答。我虽然必须向各位提​问关于政​府政策的事，各位也做出了精彩而热情​的回应，但当我问到gaming驱动时，各位的眼睛真的亮了起来，整个人明显兴​奋了。

Jensen ​Huang：哦，是吗？

Ben：以致我觉得，一切都还在正轨上。

Jen​sen Huang：太好了。是的，我其实真的很爱GeFor​ce。

Ben：各​位看，这就是面对面交流的好处。Jensen Huang，非常感谢各位的分享。