黃仁勛26年摩根士丹利投資訪談全文

（來源：君實財經）

英偉達黃仁勛26年摩根士丹利投資訪談全文

$英偉達(NVDA)$ 2026年摩根士丹利科技、媒體與電信大會訪談實錄時間： 2026年3月4日 下午1:00 (美東時間)公司代表： 黃仁勛 (Jen-Hsun Huang) - 聯合創始人、首席執行官、總裁兼董事

開場致辭

黃仁勛：哇，沒有音樂，沒有登場曲，也沒有熱烈的掌聲。我只是想説，我不習慣這樣安靜地開始工作。開個玩笑。

分析師（未知）：一路上大家提到了很多關於泰勒·斯威夫特（Taylor Swift）的評論，所以觀眾已經準備好了。

黃仁勛：這家公司需要一點幽默感。這里允許幽默嗎？

分析師（未知）：非常允許。詹森，我昨天還開了投資銀行的玩笑呢。不過，感謝你過去25到27年來一直是這場盛會的大力支持者。我想，有時候我們會對眼前的數字規模和正在經歷的變革感到麻木。我想在座的不僅僅我有這種感覺，我經常把「十億」和「萬億」搞混。

27年前，我和我的合夥人馬克·埃德爾斯坦（Mark Edelstone）坐在摩根士丹利交易大廳一個比這小得多的舞臺上，向摩根士丹利的銷售團隊宣佈並介紹了英偉達和你。信不信由你，當時的IPO募資額僅為4800萬美元，1998年的 trailing revenue（滾動營收）只有3000萬美元。詹森和他的團隊，包括科萊特（Colette），都非常慷慨。兩年前，你在總部接待了我們的董事會會議。我記得那時你剛宣佈了一個季度300億美元的營收。而上周，你們單季度的淨利潤就達到了460億美元。

我們從以「年」為單位發展到了以「季度」為單位，從「百萬」級跨越到了「十億」甚至「萬億」級。這真的是令人驚歎且前所未有的規模和增長。而且，你們改變了我們的生活。真的改變了。

問答環節

分析師（未知）：既然如此，我的問題是：爲了在如此驚人的規模上實現這種超高速增長，在戰略、文化和技術層面必須匯聚哪些要素？再次感謝。

黃仁勛：回答這個問題大概需要37分13秒，甚至更久。顯然，英偉達不是一夜建成的。我們花了33年。我還記得，當我們上市時，股價是13美元——哦，我剛纔讀到的是12美元，我記錯了，我記憶中的數字比實際更樂觀一些。當時公司的估值大約是3億美元。馬克·埃德爾斯坦當時做得非常出色，他把所有投資者都準備得妥妥當當，以至於他們實際上只有一個問題。那真的是一場「只有一個問題」的IPO路演。

那個問題是：「你們什麼時候會倒閉？」我沒開玩笑。這個問題的難度，和你剛纔問我的問題不相上下。

答案是這樣的：我們創立這家公司的初衷，是創造一個新的計算平臺，一種全新的計算方式。這並不是説舊的方式錯了，而是爲了解決一些獨特的問題，新的方式至關重要。而我們極其擅長的領域是算法。因為在軟件的內循環中，往往只有5%的代碼佔據了99%的計算時間。而在當時，計算機領域的算法相當稀缺。其中最重要的算法之一就是計算機圖形學——即對光線及其在空間中傳播的模擬。

因此，雖然計算機圖形學當時主要用於動畫電影（我們公司成立時，《侏羅紀公園》正登上某本雜誌的封面，具體哪本我忘了），但那是計算機圖形學能力突飛猛進的時期。我們可以用它模擬虛擬現實，並將其應用於創造一個當時尚不存在的嶄新行業——電子遊戲。所以，3D圖形學是在我的時代被現代化的，也是在我的時代被大眾化的。整個電子遊戲產業是在我的時代被創造出來的。

當我説「在我的時代」，意思是英偉達將這一切整合在了一起。我們在遊戲行業如此受愛戴，且至今仍深耕其中，很大程度上是因為我們創造了現代電子遊戲產業。從相關算法到庫文件，如果沒有RTX，今天的計算機圖形行業將一無所有。如果沒有我們將所有算法貢獻給各大遊戲引擎，你就無法享受到今天這樣的遊戲體驗。所以，英偉達從33年前第一天起，就深深紮根於算法世界。

現在，加速計算需要所謂的「全棧」（Full Stack）能力：這意味着架構、芯片設計、其上運行的庫、以及如何進行正向集成（Forward Integration）。順便提一下，似乎有個新概念叫「現場部署工程師」之類的，但英偉達在33年前就有了DevTech工程師。我們將他們部署到全球的遊戲行業和遊戲公司中，將我們的技術集成到他們的遊戲引擎里。今天，如果你看看Epic的Unreal Engine，里面到處都是英偉達的技術。你去任何一家遊戲開發商那里，英偉達的技術無處不在。這就是為什麼所有遊戲在英偉達平臺上運行效果最好，這也是為什麼英偉達成為世界上最大的遊戲平臺。

你可能不知道，全球有數億活躍的GeForce遊戲玩家。其中許多人后來成爲了AI研究人員，這要歸功於GeForce GTX 580。是傑夫·辛頓（Jeff Hinton）告訴伊利亞·蘇茨克維（Ilya Sutskever）和亞歷克斯·克里熱夫斯基（Alex Krizhevsky）去買這張卡，從而發現了CUDA。所以，關於英偉達的第一個理念是：我們是一家全棧公司。

第二個理念，這段歷史非常久遠，很多人可能還沒出生。當時，PC架構與當今的計算機圖形處理能力不兼容。我們創造了一項名為「Direct NVIDIA」的新技術（注：此處黃仁勛口誤或幽默，實指推動DirectX等標準的發展），讓應用程序能直接與我們的API通信。我們將其開放給一些非常重要的公司，最終演變成了DirectX。如果你看看我們與應用之間的通信方式，那是完全革命性的，它繞過了一大堆導致速度慢的軟件層，從而使加速計算成為可能。

我們引入了將虛擬化幀緩衝區內存進入系統內存的概念。最初稱為AGP，后來演變為PCI Express。許多系統架構必須被重新發明，以便在PC上容納遊戲和3D圖形。這種既創新全棧以集成算法，又改變系統架構以創造新計算機系統的理念，最終引領我們推出了DGX-1——世界上第一臺AI超級計算機。這臺機器是由我們親手交付給舊金山附近的一家公司的，那家公司后來成爲了OpenAI。

因此，這種根本的態度、專業素養以及我們看待世界的方式，就這樣傳承了下來，整整33年。公司的整個文化設計為全棧，組織架構設計為全棧，整個系統設計旨在創造新的棧和新的系統架構。當然，我們是從顯卡開始的。如果你看看英偉達的GeForce顯卡，那是一個技術奇蹟。它如何集成到操作系統中，如何集成到系統架構中，徹底重塑了計算機以前的工作方式。

我們在DGX-1上毫無困難地做到了這一點。在第一臺超級計算集羣上也是如此，后來我們將其交付給薩提亞（Satya，微軟CEO）用於他們的第一臺超級計算機。人們可能注意到了，微軟的第一臺超級計算機和英偉達的超級計算機有着完全相同的基準測試性能，精確到細節。如果你在這麼多GPU上測量系統性能（大約1萬台GPU），性能是完全一樣的。原因在於這是我們設計的，並且我們將其交付給了Azure雲。

這一切都基於InfiniBand，基於Ampere架構（即A100），這也成爲了OpenAI使用的第一臺計算機。所以，我們對這種「全棧、全系統」的方法感到非常自在。如果不這樣做，就不可能保持在最前沿。literally impossible（簡直不可能）跟上這樣一家公司的步伐：他們每年不僅僅製造一顆芯片，而是構建整個基礎設施。因為我們擁有CPU。我們革新了CPU的設計方式，你會看到更多例子。我們革新了CPU的做法，革新了GPU的做法，並使用一種叫做NVLink的技術將它們連接起來，這革新了計算機的整體構建方式。我們還通過一種名為Spectrum-X的新型AI以太網將所有東西連接在一起。現在，我們擁有了整個棧，我們知道內部所有的芯片。

當你擁有整個棧和內部所有芯片時，你可以每年都進行更改。如果你不擁有整個棧和所有芯片，很難每年都進行創新。原因在於，你是在連接太多的「貓和狗」（雜亂無章的組件），如果你無法控制它，因為這是一個全棧問題，那麼每年要整合這麼多的創新是非常困難的。這就是我們走到今天的原因。

分析師（未知）：太驚人了。在過去的兩年里，自從你上次來到這里參加我們的董事會會議以來，我們基本上從生成式AI模型過渡到了推理（Reasoning），現在又到了代理（Agentic）階段。薩提亞剛剛結束了一場關於企業級的討論。在企業層面，我們與微軟、OpenAI、XAI、Gemini合作，這里還有來自Anthropic的達里奧（Dario），其能力非凡。這對企業市場的規模意味着什麼？它正在發生怎樣的變化？它將如何被採用？你如何看待它在未來幾年的演變，因為這是一個非常宏大的話題……

黃仁勛：是的，非常好。literally（確切地説），在過去兩年中，我們經歷了AI的三個轉折點。

第一個轉折點：首先，這項技術其實已經擺在那里好幾個月了。GPT-3就在那里擺了好幾個月，直到有人 essentially（實質上）為它寫了一個包裝器，把它變成了ChatGPT，把它變成了一個API，讓它變得對每個人都可用且易用。正如你提到的，第一個轉折點是生成式（Generative）。即能夠將信息從一種形式轉換為另一種形式，並自迴歸地生成Token（詞元）。

但是，生成式AI的問題在於它容易產生「幻覺」。這並不是因為技術本身有什麼根本性錯誤，也不是因為它沒有學到正確的東西，而是因為它缺乏上下文信息的支撐，缺乏相關信息的支撐。因此，發生的第二件事是o1模型和推理能力的出現。但在o1的背后，也是對研究和事實的「落地」（Grounding），是將生成能力與語義相結合的能力，我們稱之為檢索增強生成（RAG），但本質上是條件生成（Conditional Generation）。也就是説，你即將生成的內容取決於上下文、事實依據、研究資料等。

因此，第二代引入了推理、自我反思和自我糾正的能力。因為有時候話說出口后，你希望能收回來修正一下。在AI的情況下，它具備了實時進行這種操作的能力。所以，o1變得更加腳踏實地，生成的信息也更加可靠。

結果如何？原本作為科技界的一種好奇和巨大興奮點，當我們意識到它能做什麼時，大家紛紛跟進。ChatGPT的實用性直線上升。但它生成的Token數量比第一代多了很多，也許是100倍。模型大小可能是10倍。所以，計算量大概是1000倍。從o1相對於ChatGPT來説，可以説是1000倍的計算量增長。而因為它如此有用，使用量可能增加了100萬倍。這種使用量、實用性和落地性的結合，讓我們看到了下一階段的增長。

但最終，o1提供的是一個更加基於事實的信息型聊天機器人。它是信息性的。當然，我們許多人用它進行研究，一直在使用它。我們的目標不再是「搜索」，而是「獲得答案」。ChatGPT給了我們這個。這是第二個轉折點。

我們現在看到的這個轉折點，其實也已經擺在那里很長一段時間了。它基本上是AI使用文件、訪問文件和使用工具的能力。現在，它可以推理、思考、使用工具、解決問題。它可以進行搜索，可以進行規劃。這可能正在發生的最大現象，如果你關注的話，我相信你一定在關注，OpenClaw（注：此處為虛構或未來預測名稱，對應現實中的類似開源Agent框架如OpenDevin等）可能是有史以來最重要的軟件發佈。如果你看看OpenClaw及其採用情況，Linux花了30年才達到這個水平。而OpenClaw在短短3周內就超過了Linux。它現在是歷史上下載量最大的開源軟件，只用了3周。

如果你看那條曲線，即使是對數座標，它也是直衝雲霄的。它是垂直的，看起來就像Y軸一樣。我從未見過這樣的事情。那麼現在發生了什麼？你可以給出一個問題陳述，提示詞（Prompt）從「創建」開始。以前的提示詞思維是「是什麼、何時、是誰」，對吧？那是上一代的提示詞。現在的提示詞是「創建、做、構建、寫」，這有意義嗎？上一代的提示詞是查詢（Queries），這一代的提示詞是行動（Actions）。它們是任務，「為我做點什麼」。你可以盡情地描述你的意圖，讓它去推斷，或者非常具體地指令，然后它就會開始運轉、思考。它會去做研究、閲讀。如果它必須使用一個以前從未用過的工具，它會去閲讀該工具的説明書。它會去研究網絡上的內容，應用工具並執行任務。

剛纔我提到，我們從單一的生成式響應，進化到了現在Token量大1000倍的階段，而現在我們有了代理（Agents），在公司內部我們稱之為「Claws」（爪/智能體）。這些Claws現在消耗的Token量是之前的100萬倍。它們在后台持續運行。我們公司有一大批Claws，它們都在持續運行，為我們做事，編寫工具，開發軟件。所以現在的問題是含義所在。我們公司所需的計算量直線上升。每一家公司所需的計算量都在直線上升。

分析師（未知）：在這種背景下，我認為過去幾天，至少在摩根士丹利，作為用户，我們對Token持極度看漲態度，對「執行」和「創建」持極度看漲態度。這確實需要你所提到的計算力。問題是，圍繞支持如此巨大計算力的融資和資本支出（CapEx）該如何解決？從生態系統的頂端來看，這一切將如何融資？AI工廠（AI Factory）的經濟效益將如何展現和演變？

黃仁勛：這里有幾個非常重要的觀點。首先，我很欣賞你使用「工廠」這個詞。幾年前我就説過，這些被稱為「數據中心」的新設施，並不是用來存儲數據的。它們是生產Token的。因此，一個以生產Token為根本目的的設施、工廠，就是工廠。它是AI工廠。當時人們説：「詹森，這聽起來太髒兮兮（grungy）了。」其實它是乾淨的，但它確實生產Token。沒人喜歡建數據中心，因為誰知道數據中心的回報率是多少？但每個人都喜歡建工廠。原因在於，工廠能賺錢。

我們現在可以肯定地説，這些工廠直接生成Token，而這些Token是可以貨幣化的。你擁有的計算力越多，能生產的Token就越多；生產的Token越多，你的營收（Top Line）就越高。我們現在確鑿地知道：公司的營收與計算力直接相關。我們知道這是一個事實，因為如果Anthropic擁有3倍的計算力，他們的營收就會高出3倍。我們知道Anthropic受限於計算力，受限於工廠產能。這與梅賽德斯受限於工廠產能，或任何公司受限於工廠產能沒有什麼不同。如果他們的工廠里有更多的計算力，他們的營收就會更高。

如果OpenAI現在擁有更多的計算力，他們的營收也會更高。所以第一個觀點是：計算力 = 營收。當然，更大的理念是：計算力 = GDP。我們也知道這一點。這是第一個觀點。

第二個觀點，英偉達之所以如此成功，是因為我們以全棧端到端的方式工程化這些系統，並且它們是從底層架構開始設計，以極高的效率生成Token。英偉達的**每瓦特Token數（Tokens per Watt）**領先競爭對手一個數量級。

每瓦特Token數。這意味着什麼？記住，你的工廠有1吉瓦（GW）的電力。如果你的每瓦特Token數是替代方案的10倍，那麼你的營收就是替代方案的10倍。歷史上第一次，公司工廠中選擇的計算機架構必須經過CEO的審查，毫無疑問。那家公司明年只有1吉瓦或2.3吉瓦的電力配額。如果他們在里面放錯了系統，將會影響他們明年的營收。我向你保證，我們看到了這一點。因此，我們的架構如此先進，並且越來越領先，這可能是由一家名為SemiAnalysis的公司進行的最詳盡的基準測試之一，他們宣佈英偉達為推理之王（Inference King）。推理之王指的是每秒Token數、每瓦特Token數。它是關於生成Token以及每美元Token數。當我們的每瓦特性能或任何其他性能指標如此大幅領先於競爭對手或替代方案時，我們的每美元Token數也是最好的。這意味着，我們今天生產的Token是最便宜的，甚至不是接近，而是好一個數量級。

所以這是第二個觀點。AI的第二個大理念是：AI是一個工廠，因為工廠總是受限於電力。不管你有多少工廠，每個工廠仍然是100兆瓦或1吉瓦。因此，每瓦特Token數是公司營收最關鍵的因素，他們必須非常非常謹慎地做出這些決定。這不再僅僅是關於PPT幻燈片。你不會僅僅因為某人的PPT幻燈片就投入500億美元。

分析師（未知）：正如你剛纔提到的，Token的需求是巨大的。我們在你們的數字中也看到了這一點，對吧？我想我提到了460億美元的淨利潤，以及700億美元的營收……

黃仁勛：你要問我如何為這一切融資嗎？我可以告訴你如何融資。首先，我剛纔已經告訴過你，未來你必須建立這些工廠，因為你要麼相信軟件很重要。我希望在座的各位都相信軟件很重要。軟件驅動世界。這是第一個觀點。

第二個觀點是：未來將不存在非代理化（Non-agentic）的軟件。你們同意嗎？怎麼會有愚蠢的軟件呢？所以，絕對真實的是，每一家軟件公司都將變成一家代理化公司。他們將同時使用開放模型（Open Models）——也就是他們自己下載並微調的模型，同時也將使用閉源模型。這就好比在我們所有的公司里，我們有僱傭的員工，有我們培養的員工，有我們聘請的承包商，還有像你們這樣的專家被請進公司來完成工作。我們的工作不是親自去做每一項工作，我們的工作是確保工作被完成。每家公司都是這樣做的。

因此，每家公司都會意識到，這些AI模型，有些是你租用的，有些是你自己構建的。這並不不合邏輯，就像生物員工一樣，你也會對數字員工這樣做。所以，未來的每一家軟件公司將不再僅僅租用工具，他們還將租用使用這些工具的專家。他們不僅租用工具，還租用能使用這些工具的專家，因為他們的代理（Agents）將極其擅長使用其專用工具。

那麼，每一家軟件公司……IT行業目前能拉動萬億美元。今天，他們是「工具租用者」。在未來，當然，他們將租用使用這些工具的代理。這意味着，未來的軟件行業將比今天的軟件行業大得多。挑選你最喜歡的軟件公司，我可以想象它們擁有一個更大得多的未來。Cadence會變得更大，Synopsys會變得更大，西門子（Siemens）在未來也會變得更大。但它們的業務概況將發生變化，因為今天它們基本上是軟件許可公司。在未來，它們還將租用Token，專用Token。這也意味着，今天這個2萬億美元的行業中，目前沒有Token消耗，而在未來將成為巨大的Token消費者。資金將從那里來。

所有這些軟件——今天的IT行業，不是指企業客户公司，僅IT行業本身——將發生巨大的轉變。它將在雲端消耗巨量的Token，無論是開放模型還是其他。

分析師（未知）：如此非凡的Token經濟正面臨一些制約因素。我們有內存限制，有電力許可限制。我在德克薩斯州與建築商在一起，我們還有電工短缺的限制。你如何看待這些因素的發展？薩提亞在上一場會議中也提到了這一點，而你離得更近。另外，如果建設周期稍微長一點，還可以接受嗎？還是説，如果建設這種非凡設施的周期拉長，真的會有負面影響？

黃仁勛：我喜歡制約因素。我喜歡制約因素。原因在於，在一個充滿制約的世界里，你別無選擇，只能選擇最好的。你不能浪費你的選擇權。如果土地、電力和外殼（Shell）受限，你不會隨機放些東西進去試一試。你會放入一些你確知能提供高每瓦特Token數的東西，確知能讓你從獲得容量的那一刻起就能建立起整個工廠的東西。我們是世界上唯一一家能夠進入你的公司並幫助你建立整個AI工廠的公司。

所以在座的任何人如果需要AI工廠，我很樂意幫忙。你只需打給一個人，那個人進來，轉眼間你就進入了AI工廠的業務。我們有專業知識，我們知道架構可行，我們知道在你建立之后，對該架構有着巨大的需求，所以我們可以幫你開展業務。因此，當你受到這樣的制約時，你別無選擇，只能做出最佳選擇，因為你明年的營收與之直接相關。

這對於所有云服務商或軟件提供商的CEO來説是一個關鍵問題。如果他們做出了糟糕的選擇，這就好比我選擇了錯誤的代工廠，選擇了錯誤的內存，或任何錯誤的東西，因為我擁有的資源如此之少，一切都如此受限。如果我選擇失誤，我的營收就會受影響，一切都會受影響。所以他們不能選錯。

第二點，正如你提到的，英偉達正在如此大規模的運作。我們的供應鏈是我們用資金做的事情之一，當然是爲了確保我們的供應鏈。我們用資本做的事情之一就是確保供應鏈，所以當薩提亞要求我幫助他們建立幾吉瓦的產能時，答案是「沒問題」。原因在於，我擁有所有的內存，所有的晶圓，所有的CoWoS封裝，所有的封裝，所有的系統，所有的連接器，所有的線纜。從銅到多層陶瓷電容器，一切都已 securing（鎖定）。這就是為什麼英偉達強勁的資產負債表具有如此戰略意義的原因。

今天，強勁的資產負債表不僅有幫助，更是戰略性的。看看我們發貨的營收金額，再回頭看看我們必須為此鎖定的供應鏈容量，他們必須相信這一點。如果你建立了一個工廠，比如DRAM工廠，而我走進來説：「你知道嗎，儘管去建DRAM工廠吧，因為我要用它。」這就很有分量了。你不妨把這當作去銀行取款，許多人都已經這麼做了。所以，我認為萬事萬物稀缺這一事實，對我們來説太棒了。

分析師（未知）：我認為這確實創造了持久性（Duration），我覺得這對你來説力量非凡。我想再加一層，那就是生態系統。你是歷史上最偉大的現金流生成公司之一。然后你利用這些資本真正創造了它，感覺像是在整個生態系統中創造了穩定性和多樣性。那麼，在構建整個生態系統的持久性和耐用性方面，你如何在財務和戰略背景下思考這一點？

黃仁勛：是的。當馬克帶我上市時，我想我那時的精力可能不如我現在展示的這麼充沛。但我相當肯定我說了同樣的話。英偉達一直在構建——記住，加速計算要求我建立一個生態系統。你不能只是拿代碼反編譯一下它就工作了。不存在通用的加速計算系統。加速計算按定義就是專有的。我們的架構與其他任何人的架構都不兼容。就是這樣。指令集不同，架構不同，微架構不同，一切都不同。所以我們把這些隱藏在底層，讓你感覺好像……因為英偉達，我們加速了從數據處理、分子動力學、流體動力學、粒子系統、生物學、化學品，一直到深度學習的一切，對吧？機器人、長序列、空間、3D，你能想到的都有。

分析師（未知）：聽起來像個五層蛋糕？

黃仁勛：是個五層蛋糕，沒錯，完全正確。但因為我們要做了這麼久，看起來好像一切都加速了。但這不是真的。這是因為我一個接一個地做，一個領域一個領域地做，以至於世界上所有重要的領域現在都已完全加速。所以，我們在供應鏈方面所做的，我們的資產負債表非常有價值，因為它為我們的客户提供了安全保障。在上游方面，我正在為未來培育新的生態系統。所有這些我投資的AI原生公司，我們合作的夥伴，都在擴展和延伸CUDA生態系統。我們做的每件事100%都是建立在CUDA之上的。我們進行的每一項投資都是建立在CUDA之上的。

最近有人問，我們是否會向OpenAI投資1000億美元。給大家更新一下：我們已經敲定了協議。我們將向OpenAI投資300億美元。我想投資1000億美元的機會可能不在計劃之中。原因在於他們將要去上市。所以我很確定，如果我們提供他們所需的產能——也就是他們需要的計算力，我們正全力提升產能——營收自然會隨之而來。他們將在年底上市。所以這可能是我們最后一次有機會投資像這樣具有重大影響的公司了。我們對Anthropic的100億美元投資可能也是最后一次。

説到這個，有一件事我想確保這次告訴你們，這是一些你們可能還沒有內化的新消息。你們看到了所有新聞，但可能還沒有完全理解。去年，或者説過去一年半左右，我們做了一些非常棒的工作：我們將OpenAI的產能從Azure擴展到了OCI，現在又擴展到了AWS。我們將OpenAI的產能覆蓋範圍擴展到了AWS。我們正在瘋狂地提升AWS的產能，盡我們所能地提升，以便OpenAI能獲得更多的產能。這是第一點。

第二件我們做的事，也是一個非常非常好的成果是，我們現在也在與Anthropic合作。在Anthropic的案例中，我們同樣在AWS和Azure上儘可能積極地擴展他們的產能。請注意我們在兩者上所做的——他們以前是一對一的，現在變成了交叉產品。但我們將為他們上線的產能數量，支持他們的營收，他們的營收質量非常好，我們只需要為他們提供更多的產能。所以我認為這是一件比較新的事情。

當然，發生的第三件事是一個全新的AI實驗室閃現在世界上。對吧？沒人提到他們。一個全新的實驗室誕生了，他們將需要幾百萬塊GPU，那就是MSL（注：此處為訪談中提到的新實體，可能是Meta Super Lab或類似虛構/未來實體）。所以MSL是Meta之外的全新增量。我們與Meta合作了很久，MSL是Meta之上的淨新增量。所以發生了這三件事，三個新的增長向量：OpenAI在AWS；Anthropic同時在AWS和Azure；以及MSL。因此，我們的需求概況從「非常高」變成了「比那更高」。

分析師（未知）：説到「比那更高」。現在到處都是Waymo（自動駕駛汽車）。我想帶着我的新機器狗去遛我的新狗。**物理AI（Physical AI）**可能是下一個領域。這將如何把英偉達的潛在市場規模（TAM）和Token提升到另一個全新水平？

黃仁勛：這太好了。AI是我們目前在建築物內所做的一切。但顯然，最終最大的產業是在建築物之外。那里的AI需要具備物理感知、物理理解能力。因果關係：你推一個瓶子，它倒下了，AI需要理解重力，理解碰撞，理解慣性，理解這些東西，對吧？還要理解例如物體恆存性（Object Permanence）。我把這個東西放到椅子后面。在你的腦海里你看不到它，但你意識到它並沒有消失，對吧？像物體恆存性這樣的事情，對物理行為和物理智能有着相當重要的影響。

所以，你可能也不知道，英偉達處於物理AI的最前沿。Cosmos是世界上下載量最大的物理AI模型。英偉達也處於自主AI的最前沿，有兩個版本：自動駕駛汽車叫Alpamayo（去查一下），下載量第一；另一個是GR00T，人形機器人物理AI。我們在這三個領域都處於最前沿。我們也處於數字生物AI的最前沿，去看看La-Proteina，非常成功。La-Proteina用於數字生物學，還有很多其他模型。GR00T N2現在是世界上下載量最大的人形機器人模型。

所以，我們在物理AI、物理定律、多物理場、Earth-2方面都處於最前沿。我們是物理AI和AI物理學的最前沿。在這個整個物理AI領域，英偉達定義了前沿。它是完全開放的。我們開放它，是因為我們希望讓每一家公司，無論是新公司還是舊行業，都能利用這種能力。我們擁有整個棧和必要的計算機，供你推進自己的AI，並將其部署在機器人內部、工廠內部、邊緣端、無線電塔上，部署到任何地方。這是下一個前沿。

在兩年時間內，我們將基本不再談論「代理AI」，因為我們都將在使用它。兩年后，如果你再邀請我回來……

分析師（未知）：每年都邀請，每年都邀請。

黃仁勛：我們將談論所有這些新公司。當然，我們宣佈了一個非常重要的公司，與禮來（Lilly）共建的聯合創新實驗室。還會有其他的。但是，要建立禮來的AI工廠，除非你擁有英偉達的能力、這個完整的軟件棧、所有模型的能力以及在該數字生物學領域的專業知識，否則你怎麼做得到呢？所以，我們在未來幾年構建的東西，你將看到它們真正嶄露頭角。我們將在接下來的兩三年開始，並在未來十年里，一直談論物理AI。

分析師（未知）：創新的速度和你運營的節奏真是非凡。本周初，我的合作伙伴喬·摩爾（Joe Moore）將英偉達列為他的首選股票（#1 Pick）。

黃仁勛：是嗎？

分析師（未知）：是他的首選。

黃仁勛：謝謝。

分析師（未知）：謝謝。時機真好，喬。

黃仁勛：33年后啊。

分析師（未知）：你如何看待股價？你會考慮股價嗎？你有什麼看法嗎？你如此重要且忙碌，推動着這一切創新，本質上，這里有3500名參會者，總市值高達40萬億美元。你如何看待這一切？

黃仁勛：當然，我在乎股價。我在乎股東。我在乎我們的員工，我在乎你們所有人。你可能指的是——我們剛剛取得了史上最好的財報業績。你是這個意思嗎？我想有人告訴我，這可能是人類歷史上單次最好的財報發佈。我説那一定只是「有記錄以來」的人類歷史。我確信有人曾獲得過更好的回報。但無論如何，我們度過了一個非常好的季度。

聽着，你無法阻擋股價上漲。你擋不住它。原因很簡單：對於公司而言，計算力等於營收。在未來，每一家公司都需要計算力來換取營收。我現在就做出這個預測。每一家公司都需要計算力來換取營收。原因在於，計算力轉化為智能，智能轉化為你的數字勞動力，數字勞動力轉化為你的營收。我確信計算力=營收。我也確信計算力=GDP。因此，每個國家都會擁有它，因為未來沒有一個國家會説：「猜猜怎麼着，我們要放棄智能。我們有……我不知道我們有什麼，但我們不需要智能。」那是我們唯一不需要的東西，對吧？所以如果你需要智能，你就需要數字技術，你就需要AI，你就需要計算力。所以，計算力=GDP。我對此確信無疑。

我也知道我們正處於這段旅程的開端。我非常清晰地看到了它將如何獲得資金。我們確鑿地知道，所有的雲服務提供商（CSP）已經將所有的資本支出（CapEx）轉換成了生成式代理系統、AI系統，因為它有助於搜索，有助於購物，有助於廣告，有助於社交，因為它幫助重塑了世界上 literally（ буквально）每一個互聯網服務。所以他們可以將100%的資本支出——整個互聯網行業可以將100%的CapEx轉化為AI，因為它更好。我們已經證明它更好。Meta證明它更好，Google證明它更好，AWS證明它更好。所以你現在可以將你的CapEx轉化為此類投資。

第二，我剛纔説過，整個軟件行業將由Token驅動。整個軟件行業，挑選你最喜歡的軟件公司，我可以向你展示它們將如何被Token驅動。那個Token——你挑選的那個軟件公司，他們的Token要麼由他們自己生產（這需要計算力），要麼從Anthropic或OpenAI轉售（這也需要計算力）。所以，這說明了第一次：整個IT行業都將由計算力驅動。這正是所有資金的來源，數萬億美元的資金，而我們正處於開端。這就是我的預測