9月26日消息，英伟达首席执行官黄仁勋（Jensen Huang）日前做客播客节目《BG2》，接受了主持人布拉德.格斯特纳（Brad Gerstner）与金融投资从业者克拉克·唐（Clark Tang）的专访。
此次访谈围绕人工智能时代展开，涵盖OpenAI“星际之门”（Stargate）项目与英伟达1000亿美元投资合作、人工智能三大规模法则（Scaling Laws，即预训练规模法则、后训练规模法则和推理阶段规模法则）、英伟达加速计算市场潜力、年度芯片发布节奏与极致协同设计等。
黄仁勋在访谈中特别强调，他认为OpenAI有可能成为下一个市值达到数万亿美元的超大规模公司（Hyperscale Company），而英伟达将成为全球首家市值突破10万亿美元的公司。
访谈还谈及全球AI竞争格局、中国AI芯片发展、美国改革H-1B签证项目对吸引人才的影响，以及人工智能未来影响等核心议题，深度剖析了AI对全球经济与产业的重塑。
以下为访谈内容精简版：
01. 三大规模法则让黄仁勋信心更坚定
格斯特纳：过去一年，人工智能领域发生了翻天覆地的变化。如今，英伟达超过40%的营收来自推理业务。随着推理链的兴起，推理需求即将迎来爆发式增长，有人甚至预测增幅可能达到百万倍，甚至十亿倍。情况真的如此吗？
黄仁勋：确实如此。这也是很多人尚未完全理解的关键所在。我们现在所讨论的，本质上是一场工业革命的到来。过去这一年，感觉仿佛我们每天都在延续去年的播客对话。在人工智能的时间维度里，这一年几乎相当于跨越了一个世纪。
格斯特纳：我最近重温了去年的播客，其中最让我印象深刻的是你当时强调的观点：当时市场对预训练（Pre-training）持悲观态度，认为预训练已接近饱和，还担心人工智能基础设施会过剩。但你却指出，推理需求的增长幅度不会是100倍、1000倍，而是10亿倍。
黄仁勋：确实如此。
格斯特纳：当时你的预测非常大胆。这也引出了我们今天的主题。你最近宣布了一项重大合作交易，我们不妨从这个话题开始。我必须坦白，当初我确实低估了这一趋势。现在我们面临三大规模法则，对吗？分别是预训练规模法则、后训练规模法则和推理阶段规模法则。
黄仁勋：没错。后训练阶段就像人工智能在不断练习技能，直到能够熟练掌握。它会尝试多种方法，这个过程需要大量推理计算的支持。
如今，在强化学习中，训练和推理已经深度融合，变得极为复杂，这正是后训练的本质。第三种法则是推理。过去，推理是“一次性”（one-shot）操作，但现在，它更像是一个“思考”的过程——人工智能在生成答案之前，会先进行思考、验证事实、学习新知识，然后才输出答案，而不是直接给出结果。因此，我们现在拥有三种规模法则：预训练规模法则、后训练规模法则和推理规模法则。
格斯特纳：相比去年，你的信心是否更足了？原因是什么？
黄仁勋：我的信心确实更坚定了。原因在于，如今的人工智能已不再是单一的语言模型，而是由多个语言模型组成的复杂系统。这些模型会同时运行，可能会调用各类工具，有的还会进行研究工作，涉及多模态技术，并生成大量视频内容。正是这些智能体系统（Agent Systems）和多模态技术的进步，让我更加确信，推理需求的增长将推动人工智能迈向新的高度。
02.OpenAI“星际之门”项目与英伟达的投资
格斯特纳：最近有一则重大新闻，也就是备受关注的OpenAI “星际之门”项目。英伟达日前也宣布将成为OpenAI的优先合作伙伴，计划在未来一段时间内向后者投资1000亿美元。OpenAI打算建设10吉瓦（GW）的人工智能基础设施，如果全部采用英伟达的芯片，这可能会为英伟达带来高达4000亿美元的收入。请阐述一下这一合作关系对英伟达的意义，以及为什么这是一笔明智的投资。
黄仁勋：我先回答您最后一个问题，之后再逐步展开说明。
我认为，OpenAI极有可能成为下一个数万亿美元级别的超大规模公司，就像Meta或谷歌这样的企业。OpenAI将为消费者和企业提供服务，完全有潜力成为全球下一个数万亿美元级公司。既然如此，在他们实现这一目标之前进行投资，无疑是我们能想到的最明智的投资选择之一。我们对人工智能领域有着深入的了解，这笔投资的回报必将非常可观。我们并非必须进行这笔投资，但他们给了我们这个机会，这非常难得。
就第一个问题而言，我们与OpenAI在多个项目上都有合作。首先是微软Azure云平台的建设，我们将继续深化这一合作，这部分业务涉及数百亿美元的规模。其次是甲骨文云基础设施（OCI）的建设，计划建设5至7吉瓦的算力，我们正与甲骨文云基础设施、OpenAI以及软银合作推进这些项目，并且已经签订了相关合同。
此外，还有CoreWeave的合作项目。最新的合作则是帮助OpenAI首次自主建设人工智能基础设施，我们从芯片、软件、系统到人工智能工厂层面，直接与他们展开合作，协助其成为能够完全自主运营的超大规模公司。这将是一个长期的过程，同时也会对他们现有的项目起到补充作用。
格斯特纳：你提到OpenAI有可能成为万亿美元级公司，这非常引人注目。你还提到他们将自行建设数据中心，而在此之前，他们一直依赖微软来建设数据中心。现在他们希望与英伟达直接合作，打造全栈式人工智能工厂，这与埃隆.马斯克（Elon Musk）和xAI的合作模式类似。这是一个重大转变，这是否意味着OpenAI不仅可以自己使用这些算力，还可能向其他企业出售算力？
黄仁勋：是的，OpenAI很可能会将大部分算力用于自身业务，这与xAI的模式类似。但该公司希望与我们建立直接的合作与采购关系，就像Meta的马克.扎克伯格（Mark Zuckberg）、谷歌的桑达尔.皮查伊（Sundar Pichai）或微软的萨提亚.纳德拉（Satya Nadella）与我们的合作模式一样。如今OpenAI的规模已经足够庞大，到了建立这种直接合作关系的时候。我非常乐意支持这一合作，纳德拉、拉里.埃里森（Larry Ellison，甲骨文创始人）等人都知晓并支持我们与OpenAI的合作。
03.英伟达在加速计算的市场潜力
格斯特纳：你提到了甲骨文3000亿美元的项目、xAI的超大算力集群Colossus项目、各国的主权人工智能项目以及超大规模公司的基础设施建设计划，OpenAI首席执行官山姆.奥特曼（Sam Altman）甚至还谈到了万亿美元规模的投入。然而，华尔街25位分析师的预测显示，从2027年开始，英伟达的增长将趋于平缓，2027年至2030年的年平均增长率仅为8%。这些分析师的主要职责就是预测英伟达的增长率，但他们的预测与你、奥特曼、皮查伊、纳德拉等人的说法存在巨大分歧。你对此有何看法？
黄仁勋：这种分歧确实存在。我们对这样的预测并不担心，因为我们总能轻松超越华尔街分析师预测的数据。我将从三个角度来阐述，希望能帮助大家对英伟达的未来更有信心。
首先，从物理定律的角度来看，通用计算的时代已经结束，未来属于加速计算和人工智能计算。这是业界无可争议的共识。全球有价值数万亿美元的计算基础设施需要更新换代，而更新时都会转向加速计算。我们与英特尔的合作正是基于这一认知。通用计算需要与加速计算相结合，这也能为英特尔创造新的发展机遇。
其次，人工智能的应用场景已无处不在，比如搜索、推荐引擎、电子商务等领域。过去，超大规模计算基础设施依赖中央处理器（CPU）运行推荐引擎，如今正逐步转向图形处理器（GPU）和人工智能技术。传统的超大规模计算正从CPU驱动转向加速计算和人工智能驱动，这涉及Meta、谷歌、字节跳动、亚马逊等众多企业。这部分市场规模已达数百亿美元，覆盖了约40亿用户，这些用户的需求已完全由加速计算驱动。
最后，展望未来，我刚才所讨论的还只是最基础的内容：传统计算方式正在被取代，就像从煤油灯过渡到电灯、从螺旋桨飞机升级到喷气式飞机一样。人工智能和加速计算催生了全新的应用场景。人工智能超级计算机或人工智能工厂将生成Tokens，以增强人类智能。人类智能创造的价值占全球国内生产总值（GDP）的55%至65%，约合50万亿美元。
如果一位年薪10万美元的员工，通过1万美元的人工智能辅助，生产力就能提升一倍甚至两倍，谁会不愿意进行这样的投资呢？在我们公司，每位软件工程师和芯片设计师都在使用人工智能，覆盖率达到100%。结果就是，我们能生产更多芯片，研发速度更快，公司增长也更快，同时还能雇佣更多员工，实现更高的利润。这就是英伟达的发展历程，而这一逻辑也可以推广到全球GDP的增长中。
假设人工智能能为50万亿美元的全球GDP增加10万亿美元的价值，那么这10万亿美元的价值需要依托机器来实现。过去，软件是预先编写好的，运行在CPU上；现在，人工智能会持续生成Tokens，相当于软件在实时“思考”，而这需要人工智能工厂提供支持。
如果10万亿美元的Tokens生成能带来50%的毛利率，那么其中5万亿美元的价值就需要人工智能基础设施来支撑，全球每年5万亿美元的资本支出是合理的。我们估计，当前相关市场规模约为每年4000亿美元，未来可能会增长4至5倍。阿里巴巴的吴泳铭（Eddie Wu）曾提到，到本世纪末，他们的数据中心功率将增加10倍。英伟达的收入与功率几乎直接相关，因为Tokens生成量每几个月就会翻倍，所以每瓦性能(Perf Per Watt)必须呈指数级增长。
格斯特纳：全球GDP曾在2000多年时间里几乎处于停滞状态，在工业革命后开始加速增长，数字革命又进一步推动其加速。现在人工智能革命将进一步推动GDP增长，因为我们将拥有数十亿个人工智能“同事”协助工作。如果GDP是劳动和资本的产出函数，那么人工智能必然会加速GDP增长。你是这样认为的吗？
黄仁勋：完全正确。人工智能技术催生了人工智能智能体这一新兴产业，OpenAI是历史上收入增长最快的公司，其收入呈指数级增长。人工智能的发展需要基础设施支持，因此我们所在的行业在不断增长，能源、电力等底层行业也随之蓬勃发展。这就像是能源行业的文艺复兴，核能、燃气轮机等领域都在快速发展。
04.英伟达投资回报：过剩还是泡沫？
格斯特纳：外界普遍担心人工智能市场会出现“过剩”或“泡沫”。扎克伯格日前在播客中表示，Meta可能会多投入100亿美元，但这无关紧要，因为人工智能对他们的业务至关重要。这有点像 “囚徒困境”，投资是必不可少的选择。
我们估计，到2026年，人工智能相关收入将达到1000亿美元。但持怀疑态度的人认为，要从2026年的1000亿美元增长到2030年的1万亿美元，这样的增长速度是否可行？我们真的能实现如此快速的增长吗？
黄仁勋：我认为我们已经接近实现这一目标了。因为超大规模公司的收入已完全由人工智能驱动。过去，这些平台依赖人工筛选内容，而现在人工智能可以生成无限多的内容选择。这种转变已经发生。在过去三四年中，推荐引擎从CPU驱动转向GPU驱动，Meta和谷歌基于GPU的搜索功能也是全新的尝试。到 2030年，人工智能相关收入达到1万亿美元几乎是必然的，因为我们目前已经接近这个水平了。
至于过剩风险，只要通用计算尚未完全转向加速计算，推荐引擎和内容生成尚未完全实现人工智能化，那么出现过剩的可能性就非常低，而这一转型过程需要数年时间。
投资是为了抓住机遇，我们会根据市场需求做出响应。当前全球面临的是需求超出了预期引发的算力短缺，而非GPU短缺。过去几年，我们优化了供应链，从晶圆到高带宽内存（HBM）都已做好准备。如果需求翻倍，我们的产能也能随之翻倍。客户每年给我们的需求预测总是偏低，这导致我们始终处于“赶工”状态，以满足实际需求。
格斯特纳：微软首席执行官纳德拉似乎在有意控制市场预期，被称为 “理性的成年人”。但几周前他表示，今年已经建成了2吉瓦的算力，未来还将加快建设速度。你认为相比CoreWeave或xAI，传统超大规模公司现在都在加快投资步伐吗？
黄仁勋：是的，因为第二个指数级增长，即推理“思考”需求已经开始了。一年前我们就讨论过，人工智能从“记忆答案”转向“推理思考”需要更多算力。现在所有超大规模公司都意识到，他们严重低估了基础设施的建设需求。
另一个重大机遇在于数据处理领域，目前结构化和非结构化数据的处理仍主要依赖CPU，例如Databricks、Snowflake、甲骨文的SQL处理等。未来，这些数据处理工作都将转向人工智能数据处理，这是一个规模巨大的市场。
05.循环收入质疑：金融操作还是真实需求？
格斯特纳：CNBC和彭博社日前在节目中都对“循环收入”（roundtripping）问题进行了讨论。他们认为，“循环收入”是企业通过具有误导性的交易人为抬高收入，缺乏实际的经济实质，比如25年前思科和已经破产的北电网络（Nortel）在互联网泡沫时期的做法。英伟达对OpenAI投资1000亿美元，而OpenAI又购买英伟达的芯片，这一行为被质疑是在制造循环收入。分析师在这一点上存在哪些误解？
黄仁勋：建设10吉瓦的基础设施大约需要4000亿美元，这笔资金主要来自OpenAI的收入、股权融资和债务融资。OpenAI的收入正呈指数级增长，投资者和债权人会根据对其收入增长的信心来评估投资价值。这与我们的投资无关，我们的投资是基于机会的选择。
OpenAI可能成为下一个万亿美元级公司，谁不想投资这样的企业呢？我唯一后悔的是前几年没有投入更多资金。我们芯片的性能才是关键，即便Vera Rubin（英伟达计划于2026年推出的芯片）研发失败，他们也可以选择其他品牌的芯片，没有义务必须使用我们的产品。我们对xAI、CoreWeave等公司的投资也证明了我们的投资眼光。我们投资OpenAI背后真正的经济实质在于，ChatGPT拥有15亿月活跃用户，以及企业对人工智能技术的迫切需求。每个企业和国家都将人工智能视为生存的关键，其重要性堪比核能。
06.年度发布节奏和极致协同设计
格斯特纳：2024年，英伟达的芯片发布周期调整为年度发布，从Hopper系列到Blackwell系列实现了重大升级。英伟达明年将推出Vera Rubin系列，2027年推出Ultra系列，2028年推出Fineman系列。目前年度发布周期推进得如何？设定这一周期的目标是什么？人工智能是否帮助英伟达实现了这一发布节奏？
黄仁勋：是的，如果没有人工智能，英伟达的发展速度和规模都会受到限制。人工智能对我们的产品设计至关重要。设定年度发布周期的目标，是为了应对Tokens生成量和用户使用需求的双重指数级增长。
OpenAI每周有8亿活跃用户，每位用户生成的Tokens数量也在大幅增加，因为现在的推理过程需要“思考”。由于摩尔定律失效，晶体管的成本和功耗基本保持不变，我们必须通过新技术来降低Tokens生成成本。
从Kepler系列到Hopper系列，性能提升了10万倍；从Hopper系列到Blackwell系列，性能提升了30倍；Vera Rubin和Fineman系列还将继续提升性能。
我们通过极致协同设计（Extreme Co-design）实现这一目标，对模型、算法、系统和芯片进行全面优化，涉及CPU、GPU、网络芯片、NVLink（英伟达高速互联技术）和Spectrum X以太网（英伟达以太网技术）。我们的以太网业务是全球增长最快的以太网业务之一。这种全栈式优化带来的性能提升，远远超过了摩尔定律的极限。
格斯特纳：什么是极致协同设计？
黄仁勋：极致协同设计指的是同时对模型、算法、系统和芯片进行优化，突破传统CPU速度提升的限制。英伟达通过CUDA（统一计算架构）和GPU开创了这种大规模协同设计模式，覆盖软件、数据中心、交换机、网络等多个领域。我们每年研发6至7款芯片，并对整个系统进行优化。我们的软件丰富度在行业内仅次于少数几家公司，这使我们能够应对人工智能领域多样化的需求。
格斯特纳：有竞争对手称，英伟达推行的年度发布周期不仅降低了Tokens生成成本，还通过锁定供应链让竞争对手难以追赶。你对此有何看法？
黄仁勋：我们每年要建设价值数百亿美元的人工智能基础设施，供应链规模非常庞大。晶圆、动态随机存取存储器（DRAM）等关键部件需要提前一年规划。客户会下达50亿美元规模的订单，这源于他们对我们架构稳定性的信任。没有客户会愿意为未经验证的新架构冒险，我们的供应链优势和客户信任度是重要的竞争优势。
07.专用集成电路（ASIC）的未来与经济性
格斯特纳：关于GPU与专用集成电路，如谷歌TPU（张量处理器）、亚马逊Trainium的争论一直很激烈。你在去年曾表示，英伟达打造的是系统而非单一芯片，许多ASIC项目可能无法实现量产。如今谷歌的TPU似乎取得了成功，你如何看待当前的竞争格局？
黄仁勋：谷歌TPU的成功源于其前瞻性。该公司在人工智能热潮兴起之前就启动了TPU1项目，这就像初创公司需要在市场规模较小时进入一样。英伟达也是如此，抓住了早期的小众市场，并将其发展成了庞大的产业。现在人工智能市场规模巨大且复杂，从GPU到人工智能工厂，涉及多种芯片（例如用于视频生成的CPX芯片）。
我们还在探索人工智能数据处理芯片，因为人工智能需要对长期和短期内存进行管理。CUDA的灵活性使我们能够快速试验不同的架构，而ASIC的固定性难以应对人工智能需求的快速变化。
即便ASIC取得成功，客户仍需平衡其计算集群的配置，而英伟达的生态系统能提供多样化的选择。我们推出的Dynamo（分布式人工智能工作负载编排工具）和NV Fusion（与英特尔等公司合作的技术），允许竞争对手接入我们的人工智能工厂，这对双方来说是双赢的选择。
格斯特纳：你曾表示，即便竞争对手的芯片免费提供，客户仍会选择英伟达的系统，因为运营成本（如电力、场地等）更低。能否详细解释一下这一点？
黄仁勋：从收入角度来看，假设客户拥有2吉瓦的电力，我们系统的每瓦性能是竞争对手的两倍，那么客户就能从数据中心获得双倍收入。我们75%的毛利率与竞争对手50-65%的毛利率之间的差距，远小于30倍的性能差距。即便竞争对手免费提供芯片，客户因选择其产品而损失的机会成本过高，仍会选择英伟达高性能、高每瓦效率的系统。未来Ruben、Ultra、Fineman系列将继续保持这一优势。
08.英伟达的竞争护城河
格斯特纳：我们再回到竞争护城河的话题。英伟达推行年度发布周期，与供应链协同开发，规模远超预期，通过收购以及NV Fusion、CPX等战略增强了平台能力。你认为英伟达的竞争护城河在扩大吗？市场认为，市值4.5万亿美元的公司不可能再实现大幅增长，但你认为五年后英伟达收入能增长2至3倍吗？
黄仁勋：我们面临的机遇远超市场共识。我认为英伟达有可能成为首家市值达到10万亿美元的公司。十年前，没人相信会出现万亿美元市值的公司，如今这样的公司已有10家。人工智能工作负载将增长5至10 倍，我们不仅是一家芯片公司，更是人工智能基础设施公司。我们与OpenAI的合作就证明了这一点。客户可以选择购买我们的芯片、组件或完整系统，我们能灵活满足不同需求。市场低估了我们的增长潜力。
格斯特纳：你提到马斯克是顶尖的建设者。xAI的Colossus 1整合了数十万颗H100/H200芯片；Colossus 2可能会配备50万颗GPU，相当于100万颗H100芯片的算力，或许会成为首个1吉瓦规模的计算集群。这种建设者的优势体现在哪里？
黄仁勋：人工智能超级计算机的建设极为复杂，涉及技术、融资、场地、电力等多个方面。马斯克的独特优势在于，他能统筹所有环节，包括融资，就像一台超级计算机一样高效。他具有强烈的紧迫感，将意愿与技能相结合，能够创造奇迹。
09. 主权人工智能与全球布局
格斯特纳：30年前，你肯定想不到会与各国国王、总统会面。美国总统特朗普表示，英伟达对国家安全至关重要，堪比20世纪40年代的核项目，但如今这项“项目”的资助者是英伟达、OpenAI、Meta、谷歌等公司，而非政府。你是否认同各国将人工智能视为经济和国家安全的关键生存要素这一观点？
黄仁勋：没有人需要原子弹，但所有人都需要人工智能。人工智能是现代软件的核心，正在推动计算从通用计算转向加速计算，从人工编写代码转向人工智能生成代码。
每个国家都必须参与人工智能领域的发展，因为它代表着现代化。各国需要将自身的历史、文化、价值观编码到人工智能中，发展主权人工智能能力，涵盖语言模型、工业模型和国家安全模型。他们会使用OpenAI、Gemini（谷歌旗下人工智能模型）、Grok（xAI旗下人工智能模型）、Anthropic（人工智能公司）等平台的技术，但也需要自建基础设施，就像需要能源和通信基础设施一样。
10.中国人工智能芯片与英伟达的角色
格斯特纳：你对中国的了解无人能及。英伟达曾在中国市场占据95%的份额，但近年来受政策限制，华为借此获得了发展，并计划在三年内超越英伟达。你认为美国应如何在全球人工智能竞赛中取胜？
黄仁勋：中国有权支持本国企业，他们拥有全球顶尖的创业者和科学、技术、工程、数学（STEM）领域人才，工作文化高效。中国的制造能力强大，与我们的技术差距仅在“纳秒”级别。美国试图限制中国的做法，反而加速了华为的发展。我们应承认中国是强大的竞争对手，通过开放市场吸引外国投资，同时允许中国企业参与全球竞争。英伟达希望在中国市场参与竞争，这对中美双方都有利。我们的业绩预测并未包含中国市场，但中国市场至关重要。我相信理性最终会占上风。
11.H-1B签证、人才与美国梦
格斯特纳：美国政府对H-1B签证收取10万美元费用，你如何看待这一政策对吸引全球人才的影响？这对大公司和初创企业的影响有何不同？
黄仁勋：这是一个好的开始，但希望这不是终点。美国的核心品牌是“美国梦”和“上升权”（The Right to Rise，即每个人都有通过努力提升自身地位的权利），我就是这一理念的受益者。特朗普总统支持合法移民，10万美元的H-1B签证费用有助于减少签证滥用，但可能会给初创企业带来负担，导致投资流向海外。政府需要调整政策，吸引顶尖人才，尤其是中国的人工智能研究者。
过去，90%的中国顶尖人工智能人才会来美国发展，现在这一比例仅为10-15%，这是潜在的危机。我们需要确保美国仍是全球最佳工作地，避免破坏人才引进渠道。
格斯特纳：你提到了美国梦和亚伯拉罕·林肯（Abraham Lincoln）提出的“上升权”。我们合作的“投资美国”计划提出，从2026年起，为每个新生儿设立1000美元的投资账户，投资于英伟达等公司的股票。你如何看待人工智能时代的财富分配和社会契约？
黄仁勋：“投资美国”是一个极具远见的想法，它让每个孩子都成为美国未来的股东。特朗普总统推动再工业化、技能培训和人工智能普及，让更多人能从发展中受益。人工智能是终极的平等器，它降低了技术门槛，任何人都可以通过自然语言使用人工智能。OpenAI的8亿用户应扩展到60亿。人工智能不会导致大规模失业，反而会激发更多创新和就业机会。工作任务会发生变化，但新的机会将不断涌现。
12.展望未来：人工智能与人类的共智时代
格斯特纳：雷.库兹韦尔（Ray Kurzweil，未来学家）预测，21世纪将实现相当于2万年的技术进步。你提到我们正处于关键时刻。到2030年，人工智能将如何改变世界？
黄仁勋：未来五年，人工智能将与机器人技术、生物技术深度融合，每个人都将拥有专属的人工智能助手，就像《星球大战》中的R2-D2机器人一样，覆盖全球80亿人，个性化的人工智能模型将存在于云端、汽车和机器人中。
生物技术将实现数字化，医疗领域的数字孪生技术可预测健康状况。面对指数级的变化，企业需要 “踏上这列快车”，无需预测终点，只需随变化调整方向。人工智能将放大人类智能，创造更多工作岗位，政府和企业需合作提升全民福祉。
格斯特纳：感谢你提供的深刻见解，这真是一个激动人心的时代！
