播客來源：Lex Fridman Podcast

受訪者：黃仁勳（Jensen Huang），NVIDIA 創始人兼 CEO

播客整理：BitpushNews

在這場長達 2 小時 26 分鐘的深度對談中，黃仁勳談到了 AGI、AI 擴展定律、智能體、英偉達的護城河、台積電與供應鏈、10 萬億美元市值的可能性，以及他如何運營 NVIDIA、如何看待死亡與傳承。整場對話信息量極大，其中最引人注目的一句判斷，是他在談及 AGI 時直言：「我認為，我們已經實現了 AGI。」

為保證閱讀體驗，以下內容在保留原意基礎上有所整編。

AGI 時間表

Lex Fridman：AGI 時間表這個問題，其實取決於你怎麼定義 AGI。那我換一個也許有點荒唐、但很具體的定義：如果一個 AI 系統已經能基本完成你的工作——發起一家公司、把它做起來、把它做大，並且運營一家成功的科技公司，估值超過 10 億美元——那我們離這種系統還有多遠？5 年、10 年、15 年，還是 20 年？

我說的是那種能完成非常複雜工作的系統：創新、找客戶、銷售、管理、組建一支由智能體和人類組成的團隊，等等。

黃仁勳：是好公司，還是只是一家公司？

Lex Fridman：不是一般意義上的「開了家公司」，而是它得值 10 億美元以上。你知道，把所有這些環節都做成到底有多難。

黃仁勳：我認為，就是現在。我認為，我們已經實現了 AGI。

Lex Fridman：你真的覺得，現在就可能有一個 AI 系統運營這樣一家公司？

黃仁勳：有可能。原因在於，你說的是「值 10 億美元」，但你沒說它必須永遠存在。比如說，Claude 這樣的系統，完全有可能做出一個 web 服務，或者一個有趣的小應用，突然一下子有幾十億人願意花 50 美分去用它，然後沒多久它又消失了。互聯網時代我們見過很多這樣的公司，而那些網站中的不少，其複雜度其實並不比今天 OpenClaw 一類系統能做出來的東西高多少。

Lex Fridman：也就是說，靠病毒式傳播迅速爆發，再把這種流量變現。

黃仁勳：對。只是我不知道具體會是什麼。我當年也預測不到那些公司會是哪一家。

AI 擴展定律：「智能會繼續擴展」

Lex Fridman：你一直是擴展定律的堅定支持者。現在你還相信嗎？

黃仁勳：當然相信。事實上，我們現在擁有的不只是一個擴展定律，而是更多擴展定律。

Lex Fridman：你講過四種：預訓練、後訓練、測試時擴展，以及智能體擴展。你最擔心的阻礙是什麼？

黃仁勳：先回頭看。最開始，大家擔心的是預訓練擴展會碰到數據上限。高質量數據有限，模型再大也會撞牆。Ilya 甚至說過類似「預訓練結束了」的話，整個行業都因此恐慌，覺得 AI 走到頭了。但這顯然不是真的。未來訓練數據還會繼續擴展，其中相當大一部分會來自合成數據。很多人對「合成數據」感到困惑，可人類彼此傳遞、修改、增強、再傳播的信息，本來就大量是「合成」的。現在 AI 已經能基於真實世界信息生成海量增強數據，所以訓練未來不再主要受限於數據，而會越來越受限於算力。

黃仁勳：第二個擴展定律，是測試時擴展。以前很多人告訴我，訓練很難，推理會很容易；未來推理芯片會很小、很便宜、很容易商品化。但這在我看來一直不合邏輯，因為推理就是思考，而思考比閱讀難得多。預訓練更像是記憶、泛化、尋找模式；而測試時推理，是面對新問題時去分解、規劃、搜索、嘗試不同路徑。既然這是思考，它怎麼可能是輕量計算？事實證明我們是對的：測試時擴展極其消耗算力。

黃仁勳：再往後，就是智能體擴展。現在我們已經有了一個帶大語言模型的 agent，但在測試時，這個 agent 會去做研究、查數據庫、使用工具，最重要的是，它會再派生出很多子智能體。這就像擴展 NVIDIA 一樣：擴展我自己很難，擴展 NVIDIA 卻可以靠增加員工做到。AI 也一樣，下一條擴展定律就是把 AI 乘起來。而這些 agent 還會繼續產生更多數據和經驗，其中一部分會被保留下來、重新進入預訓練、後訓練、測試時擴展，形成持續循環。歸根結底，智能會繼續擴展，而決定它上限的，最終還是算力。

未來 AI 會變成什麼：數字員工、工具使用者，以及「重新發明的計算機」

Lex Fridman：但真正難的是，你必須提前判斷未來 AI 會朝什麼方向發展，因為硬件架構的迭代周期遠比模型慢。

黃仁勳：對。AI 模型架構差不多每六個月就會變一次，而系統架構和硬件架構大概三年才變一次。所以你必須提前推斷未來兩三年的方向。一部分靠自己的研究；另一部分靠和整個行業合作。我們可能是世界上唯一一家幾乎和所有 AI 公司都合作的公司，所以我們能不斷聽見這個行業真正的「低語」。

Lex Fridman：所以你是在提前預判未來？

黃仁勳：其實更簡單：你只需要推理。如果大語言模型最終要成為一個「數字員工」，那它必須具備什麼？它必須訪問真實依據，也就是文件系統；它必須能做研究，因為我不可能等它對過去、現在、未來的一切都無所不知之後，才讓它有用；它還必須會用工具。

黃仁勳：有些人說，AI 會徹底摧毀軟件，不再需要工具。我覺得這很荒謬。做個思想實驗：如果未來十年我們真的造出一個非常強大的人形機器人，它來到我家之後，更可能是用我現有的工具來完成任務，還是把自己的手一會兒變成 10 磅錘子，一會兒變成手術刀，為了燒水又從手指裏發射微波？顯然，它更可能只是去用微波爐。第一次不會用沒關係，它上網看看說明書，立刻就會了。所以未來 AI 的關鍵，不是擺脫工具，而是學會使用工具、訪問文件、做研究，並與外部系統形成 I/O。順着這條邏輯走下去，你會發現：我們其實重新發明了計算機。

黃仁勳：如果你回頭看我兩年前在 GTC 畫的 agentic systems 架構圖，你會發現它和今天的 OpenClaw 幾乎一模一樣。這件事之所以現在爆發，是因為模型能力到了，生態項目也成熟了。我覺得，OpenClaw 對智能體系統的意義，就像 ChatGPT 對生成式 AI 的意義一樣。

如何運營 NVIDIA？

Lex Fridman：NVIDIA 今天已經是一個橫跨芯片、系統、網絡、數據中心、軟件和生態的平台型公司。你是怎麼運營這家公司的？

黃仁勳：當你設計一台計算機時，你需要有一套「計算機的操作系統」；而當你設計一家公司時，你也應該先想清楚：這家公司到底要產出什麼。我看過很多公司的組織結構圖，它們都差不多，但這在我看來沒什麼道理。公司的架構，應該反映它所處的環境，也應該服務於它最終要產出的產品。

黃仁勳：我的直接彙報大概有 60 人，實際上還不止。幾乎所有人都至少有一隻腳踩在工程裏：有做內存的，有做 CPU 的，有做光學的，有做 GPU 的，有做架構、算法、設計的。我不做 one-on-one。因為這根本不可能。如果你真的有 60 個直接彙報，又想把工作做好，就不能靠一對一管理。

Lex Fridman：所以你們討論一個局部問題時，其他人也都會在場？

黃仁勳：對。哪怕討論的是散熱、網絡，所有人都在聽。因為一個局部問題一定會牽動別的部分：它會影響供電，會影響內存，會影響網絡。在 NVIDIA，沒有任何一個問題是靠一個人單獨解決的。我們把問題擺出來，然後所有人一起攻擊它。因為我們做的是極限協同設計，而從某種意義上講，整個公司一直都在做極限協同設計。

CUDA：英偉達最險、也最關鍵的一步

Lex Fridman：回頭看，NVIDIA 最關鍵的一步可能就是 CUDA。那幾乎像一次生死決策。

黃仁勳：沒錯。我會說，那是最接近生死威脅的一次戰略決策。當時我們發明了 CUDA，它把 GPU 能加速的應用範圍大幅拓寬。但問題是：怎麼吸引開發者？因為計算平台的一切都圍繞開發者，而開發者最看重的，不只是技術有多有趣，而是裝機量夠不夠大。

黃仁勳：我一直相信：裝機量定義架構。你看 x86，並不是最優雅的架構，卻成了今天的決定性架構；反過來，很多極其優雅的 RISC 架構反而失敗了。原因就在於，真正定義架構的不是美感，而是裝機量。

黃仁勳：所以我們當時做了一個非常艱難的決定：把 CUDA 放進 GeForce，放進每一台 PC，不管用戶是否立刻使用它。與此同時，我們去大學、寫書、開課，把 CUDA 帶給研究者、科學家和學生。問題在於，CUDA 讓消費級 GPU 的成本暴漲，幾乎喫掉了公司全部毛利。公司市值一度從六七十億美元跌到十五億美元左右。可我們還是堅持把 CUDA 帶在 GeForce 上。我一直說：NVIDIA 是 GeForce 蓋起來的房子，因為正是 GeForce 把 CUDA 帶給了所有人。

英偉達的護城河是什麼

Lex Fridman：那 NVIDIA 最大的護城河，到底是什麼？

黃仁勳：我們最重要的一個屬性，是計算平台的裝機量。今天我們最重要的東西，就是 CUDA 的裝機量。

黃仁勳：20 年前當然沒有裝機量。如果當時有人做了 GUDA、TUDA，也不會自動改變什麼。因為這件事從來不只是技術。技術當然重要，但真正讓 CUDA 成功的，不是三個人，也不只是一個好主意，而是公司持續投入、持續擴展它的能力邊界。不是三個人讓 CUDA 成功，而是 4.3 萬名員工 和 數百萬開發者 一起讓它成功。

黃仁勳：第一層護城河，是裝機量。第二層，是執行速度。在今天這種複雜度下，歷史上沒有任何公司建造過這種系統，更不用說每年建一次。從開發者的視角看，如果我支持 CUDA，半年之後它平均就會變強 10 倍；如果我先把開源包做在 CUDA 上，我一下就能觸達幾億台計算機、所有主要雲、所有主要計算機公司、所有行業、所有國家。而且開發者相信 NVIDIA 會一直維護 CUDA、一直優化庫、一直投入。這種信任，纔是壁壘的一部分。

黃仁勳：我們的第二個核心優勢，是生態系統。我們把極其複雜的系統做了垂直整合，但同時又把它橫向接進了所有人的計算機裏：Google Cloud、Amazon、Azure、新型雲公司、超級計算機、企業系統、邊緣場景、汽車、機器人、衛星，甚至太空。一個架構，覆蓋全世界幾乎所有行業。這個生態的廣度，本身就是巨大的壁壘。

台積電、HBM、ASML 與整個供應鏈

Lex Fridman：供應鏈會讓你睡不着嗎？比如 ASML、台積電先進封裝、SK 海力士的 HBM。

黃仁勳：一直都在想，而且一直都在做。沒有任何一家公司曾經像我們這樣，在高速增長的同時還在繼續加速增長。在整個 AI 計算世界裏，我們的份額還在繼續上升。所以供應鏈，上游和下游，對我們都極其重要。

黃仁勳：我花大量時間去告訴合作伙伴的 CEO：現在發生了什麼，未來短期的增長驅動是什麼，接下來還會發生什麼，我們還要去哪裏。某種程度上，我對供應鏈 CEO 做的事，和我對 NVIDIA 員工做的事是一樣的：告知、塑造、啓發。

黃仁勳：比如幾年前，我說服了一些 DRAM 行業 CEO：雖然當時 HBM 還是一種很稀有、主要只在超級計算裏使用的內存，但它未來會成為數據中心的主流內存。起初這聽起來很荒謬，但他們中的幾位相信了，於是開始投資建設 HBM 產能。我們還推動把原本給手機用的低功耗內存適配到數據中心和超級計算場景。很多人最開始都覺得這很奇怪，但後來這些方向都跑出來了。

Lex Fridman：所以你不只是在塑造 NVIDIA，也在塑造台積電、ASML、內存、封裝，甚至更廣泛的整條產業鏈。

黃仁勳：上游、下游，都是。

Lex Fridman：那你擔心瓶頸嗎？

黃仁勳：不擔心。因為我已經告訴他們我需要什麼，他們理解了，也告訴我他們準備怎麼做，而我相信他們會做到。

Lex Fridman：外界一直流傳一個故事：台積電曾經邀請你去接班，你拒絕了。這是真的嗎？

黃仁勳：是真的。那是一個令人無比榮幸的邀請。台積電是歷史上最具決定性的公司之一，張忠謀也是我一生中最敬重的企業家和朋友之一。但我拒絕了，不是因為那個邀請不夠偉大，而是因為我當時非常清楚，我在 NVIDIA 正在做的工作同樣極其重要。我已經在腦海裏看見了 NVIDIA 會成為什麼、會產生怎樣的影響。而讓這件事發生，是我的責任。

Lex Fridman：所以現在你能以另一種方式同時幫助兩家公司。

黃仁勳：對，現在我可以幫助兩家公司。

英偉達會不會達到 10 萬億美元市值

Lex Fridman：你覺得 NVIDIA 將來會值 10 萬億美元嗎？或者換個問法：如果這件事真的發生，那會是一個怎樣的世界？

黃仁勳：我認為，NVIDIA 的增長極有可能繼續下去，在我看來，甚至是不可避免的。

黃仁勳：為什麼？先有兩個根本性的技術原因。第一，計算已經從檢索式計算，轉向了生成式計算。過去的計算機，本質上更像文件檢索系統：人類預先寫好、錄好、畫好內容，放在網絡和文件裏，再通過推薦與檢索把它們取出來給你。但現在，AI 計算機是上下文感知的，它必須實時處理和生成 token。也就是說，我們從一個「以存儲和檢索為中心」的世界，走向了一個「以實時計算和生成為中心」的世界。舊世界更需要存儲，新世界更需要海量計算。

黃仁勳：第二，計算機過去更像倉庫，現在更像工廠。倉庫本身不直接創造收入，但工廠會。今天的計算機不再只是存東西、取東西，而是在直接生成有價值的產出。不僅如此，這些產出——也就是 token——正在形成自己的經濟層次：有免費 token，有高級 token，也會有不同等級的 token 服務。它會變成一個真正的經濟體系。

電力與 AI 工廠：未來最大的阻礙之一

Lex Fridman：如果 agents 會無處不在，那接下來的主要瓶頸是什麼？

黃仁勳：電力是問題，但不是唯一的問題。也正因為如此，我們才如此強調極限協同設計，好讓「每瓦每秒產出的 token 數」繼續以數量級提升。過去 10 年，按摩爾定律，計算能力大概增長 100 倍；而我們把系統規模和能力推進了 100 萬倍。我們還會繼續這樣做。

黃仁勳：我一直很想推動的一件事是：讓更多人理解，電網大部分時間其實都存在大量閒置電力。今天的問題在於，數據中心合同往往要求極致的「六個九」穩定性，結果導致整個電網都得按最極端場景配置。我的想法是，能不能讓數據中心在極少數緊張時刻主動降功率、遷移負載、優雅降級，從而把平時閒置的電力更充分地利用起來。只要需求被明確了，這就是可以被工程化解決的問題。

關於未來編程

Lex Fridman：AI 會不會讓編程消失？

黃仁勳：不會。它會改變編程。未來的編程更像一個連續光譜：有時候你會把規格寫得非常精確，因為你想得到一個很明確的結果；有時候你會故意少定義一點，讓 AI 和你一起探索，把想法推得更遠。所以編程不會消失，只是「寫規格」本身，會越來越像編程。

關於意識、人性與「智能商品化」

Lex Fridman：你覺得芯片最終能擁有和人類一樣的意識嗎？

黃仁勳：我不知道芯片會不會真正緊張。AI 當然會識別緊張、理解焦慮，也會理解各種情緒，但我不確定它會不會真的「感受」這些東西。所以我一直覺得，得把「智能」和「人性」拆開。智能包含感知、理解、推理、規劃這些能力，但它並不等於完整的人性。

黃仁勳：我甚至一直說，智能是一種商品。我身邊的人在各自專業上都比我更聰明，受過更好的教育，也更深入。但我仍然坐在中間協調他們。這說明，人生真正重要的東西，不只是「智能」這一個詞。人的痛苦承受能力、決心、意志、同情心、慷慨，這些都不是「智能」能概括的。不要讓智能被民主化、被商品化這件事讓你焦慮。你應該被這件事鼓舞。

關於死亡、接班與傳承

Lex Fridman：NVIDIA 的成功、無數人的生活，都在某種程度上依賴於你。但你終究只是一個人，也會死。你會想自己的死亡嗎？你怕死嗎？

黃仁勳：我真的不想死。我有很棒的人生，很棒的家庭，也有非常重要的工作。我現在經歷的，不只是「一生一次」，而是某種「人類級別的一次性經歷」。NVIDIA 是歷史上最具影響力的科技公司之一，我們做的事情非常重要，我非常認真地看待它。

Lex Fridman：那你怎麼想繼任這件事？

黃仁勳：我很有名的一句話是：我不相信 succession planning（接班人規劃）。這不是因為我覺得自己不會死，而是因為：如果你真的擔心自己離開之後公司的未來，那今天最重要的事，不是寫一份接班計劃，而是持續不斷地傳遞知識、信息、洞察、技能和經驗。

黃仁勳：這也是為什麼我總是在團隊面前當場推理。每一次會議，都是推理會議；我在公司裏、公司外花的每一分鐘，本質上都是在儘快把知識傳給別人。我學到的任何東西，都不會在我桌上停留超過一瞬間。還沒等我完全學明白，我已經在把它指給別人：去學這個，這太重要了。

---

Twitter：https://twitter.com/BitpushNewsCN

比推 TG 交流群：https://t.me/BitPushCommunity

比推 TG 訂閱： https://t.me/bitpush