黄仁勋GTC 2025交流会实录：英伟达是世界唯一的“AI公司”

see122

一天前刚刚在2025年英伟达GTC大会上发表完主旨演讲的黄仁勋，马不停蹄地参加了一场面对全球数百家媒体的交流会，但这样的重要场合，黄仁勋却说自己“累了”。

黄仁勋在活动开场表示，自己需要一些甜食来补充能量。“我是全世界任职最长的科技公司CEO，这或许能解释我为何今天有点累的原因，昨晚有14场活动，我参加了其中13场”，黄仁勋说，“过去两天我摄入的能量可能不到100卡路里。”

黄仁勋说话时略显疲态，但在短暂的寒暄和开场白后，他又立刻进入了状态，回到平日里外界所熟悉的那个神采飞扬、滔滔不绝的英伟达创始人和首席执行官的角色。

“（今年的）这次 GTC确实非常重要。它展示了我们公司的转型——从一家计算机技术公司转变为一家AI基础设施公司。它展示了数据中心的变革，从计算机访问数据和托管应用程序，转变为AI工厂。它还展示了一个新行业的崛起。”黄仁勋说，“正因为如此，所有这些公司、开发者和初创公司都聚集在这里，他们来自不同的国家、行业和企业。”

在交流中，他还谈到了中国人工智能的崛起。黄仁勋表示，中国的AI相关研究者的数量遥遥领先于其他任何国家，所以可以合理推断，中国将在AI 研究领域做出巨大贡献。

“我要分享的一个观察——或许这只是一个观察——那就是全球50%的 AI 研究人员来自中国。”黄仁勋说，“仅仅因为这50%的比例，在美国的每一个AI实验室，都有许多出色的中国研究人员，我找不到例外。”

以下为黄仁勋媒体问答的文字实录，经腾讯科技编辑整理：

Q：你昨天预告2027年发布的Rubin Ultra似乎是基于台积电3纳米制程。所以我想知道，是否会使用环绕栅极晶体管技术，也就是说，将应用一个不同的制程。如果是这样，你能期望从使用新晶体管中获得什么样的性能和优势？

黄仁勋：如果我们采用新的晶体管（架构），虽然性能提升20%看起来很可观，但这不会改变我们的整体规划。在AI工厂、AI基础设施以及这种规模的计算中，尽管每个处理器都很重要，但是在整体方案中的作用相对较小，因为管理所有处理器的效率才是关键。处理器系统的扩展是最大的挑战，扩展不当会带来巨大损失。

正如我昨天所说，你应该先纵向扩展（scale-up），然后再横向扩展（scale-out）。在将一百万个GPU连接到网络之前，我们需要先在一个计算结构中连接数百甚至数千个GPU。这个计算结构与通信网络有本质区别。NVLink是一种计算织构，接近网络通信协议的底层，计算机系统中进行数据传输所产生的开销很低。所有GPU能够协同工作，实际上，它们之间的通信就像是在访问彼此的内存一样。通过NVLink连接的GPU实际上形成了一个巨大的芯片。

然而，NVLink的扩展受到距离限制。因此，在横向扩展之前，应尽可能向上扩展，这正是NVLink设计的深刻意义所在。目前我们已发展到第六代NVLink交换机。从服务器性能和单位能耗来看，织构技术面临极大挑战，因为大量数据持续流动，永不停歇。我们还在集群中融入了大量计算，将算法、数学和逻辑整合进去，以减少必要的工作量。

意识到尽可能向上扩展的重要性，然后是横向扩展，这可能是行业发现的最大收获之一。

要知道，即使是横向扩展也很有挑战性，当我们协同工作时，如果每个人同时发送结果，信息会相互竞争，导致一些信息无法及时到达，产生所谓的抖动。最后一个提交答案的人实际上会让所有人都等待，所以不是看答案传递的平均速度，而是最长尾部的答案。谁是最慢的，谁就会拖累所有人，而这就是我们发明Spectrum-X的原因，它解决了所谓的抖动问题。

以太网和InfiniBand的工作方式区别显著。InfiniBand专为低延迟、低抖动和低流量竞争而设计，以及时间的等距路由，尝试让数据同时到达，而不像以太网那样基于平均值。

Q：今天早上你提到了关税，你说在短期内它们不会有明显影响。我有点困惑，当在美国的生产能力仍不足以满足制造需求时，怎么可能没有明显影响？

黄仁勋：我们拥有一个非常灵活的供应链，它们不仅分布在中国台湾，还遍及墨西哥、越南等多个国家和地区。影响取决于多种因素：什么产品被制造、什么在美国被购买，以及产品的最终目的地在哪里。这涉及很多方程式，也取决于哪个国家被征收关税。基于我们目前所掌握的信息，预计在近期不会对我们的展望和财务产生显著影响。

长期来看，我们希望在保持灵活性的同时，增强一个非常重要的部分，那就是本地制造。最简单的思考方式是，我们今天的灵活性很好，但缺少本地制造能力。如果我们能在今年年底前增加本地制造，我们应该能相当迅速地适应变化。

Q：我了解到，高带宽内存出现了定制基础裸片（Base die）的趋势，NVIDIA希望从这种定制中获得什么？

黄仁勋：定制基础裸片使我们能够将原本在主芯片中的一些逻辑移到基础裸片上。

这本质上是一种工程优化，表明随着HBM和CoWoS技术的发展，我们有了更多移动组件的方式，内存堆栈的基础裸片就是这样一个优化领域。有点像把东西从一个抽屉移到另一个抽屉，这种工程优化虽然有价值，但并不是什么变革性的突破。

Q：看看NVIDIA的战略状态，特别是Rubin Ultra和新的Kyber机架设计，你的客户现在基本上获得了一个完整的SuperPOD，但不是四个机架，而是单个机架，具有巨大的计算密度。展望未来，这会是未来构建工厂的唯一物理方式吗？

黄仁勋：是的。

Q：冷却方式最终会完全基于空气吗？

黄仁勋：是的。

如果你提出一个结构完整、自洽的问题，那么你就会得到一个简单的“是的”作为答案。

当然，如前面所说，在考虑横向扩展之前，必须先尽可能地向上扩展，这是我们的核心策略。

Q：我来自韩国。Blackwell Ultra即将推出，包含三星的HBM3e吗？

黄仁勋：是的，我希望是三星。我们已经在与他们合作生产许多产品，他们是一家出色的内存制造商。

说到基础芯片，三星非常擅长将其ASIC（专用集成电路）能力与内存制造能力相结合。对于基于半定制的芯片来说，这将是一个很好的优势。我期待三星能参与HBM3e的定制开发。

Q：你好，我来自以色列。你对AI低价限制政策有多担心？受限制的两类国家中，包括阿联酋、沙特阿拉伯、以色列、瑞士，它们都是忠实的媒体客户和合作伙伴。你认为这什么时候以及如何能够解决？

黄仁勋：正如你所知，AI限制政策不会产生短期影响。但从长远来看，AI是每个国家、每个行业、每家公司都需要的技术。AI实际上已经成为主流软件。今天我们谈论AI仿佛它是一种神奇的技术，但它本质上只是软件，是非常出色的软件，但仍然是软件。因此，每个国家都将拥有运行软件的能力。

我也认为，在可能的范围内，我们希望能够用美国技术和美国标准支持每个国家。这对国家和美国都有益处，让社会获得所需的计算能力。

图：交流会现场

1 英伟达已经发生了三个转变

Q：一般来说，关于内存，目前的数据可用性如何？你们公司承诺每年推出新一代产品和加速器。内存制造商也是这样做吗？在你设计每一代系统并获得所需的供应时，这种关系有多紧密，特别是在大规模客户越来越多的情况下？

黄仁勋：答案是我们与内存制造商的关系非常紧密。通过与他们分享我们的路线图，这种关系会更加紧密，这也是我向全世界公布英伟达未来三四年路线图的原因。这样其他合作伙伴都可以参与进来。

我们正在构建的基础设施规模非常庞大。我昨天阐述的一个重要观点是：我们不再仅仅是构建芯片了。那是过去的美好时光，当时我们构建芯片，有人买了芯片后放在电脑里，然后销售电脑。

现在，我们正在构建AI基础设施，它们以数千亿美元的规模被一次性部署。这需要精心的规划工作。AI基础设施不是今天决定购买明天就能部署的东西，它需要提前两年投资和规划，然后希望能按时完成部署。这意味着各方信息必须保持一致，我们必须协同规划，为世界构建基础设施。

第一点是英伟达已经成为一家AI基础设施公司，不仅仅是买卖芯片的公司。我们的规划周期必须在上游和下游都延伸多年。

第二点是我们现在成为了一个AI工厂，直接帮助客户创造收入。我们的工厂直接转化为客户的收入来源。整个工厂非常复杂，运行在物理极限处。通过将每瓦性能推向极限，我们确保在功率受限的情况下（这是每个公司都面临的现实），能实现最大收入。性能直接转化为每分钟的Token产出。

因此，我们作为AI工厂的商业和竞争标准比以往都高，客户的风险容忍度也比以前低得多，因为他们的收入直接与我们的表现相关。这是一个涉及数亿美元的多年投资周期，是一个真正的基础设施业务和AI工厂业务。

最后，AI已经成为每个行业、每家公司的基础技术，这就是为什么我们吸引了如此广泛的合作伙伴，从汽车公司到金融服务公司再到零售公司。每个行业、每个国家、每家公司都来到这里，因为我们已经成为一个基础平台，其他公司可以在此基础上构建自己的业务。

这三个转变是近年来发生的重大变化，人们已经注意到GTC的氛围和能量确实发生了转变，参与的人员也有了很大变化。

认识到这一点后，我决定改变我们对外沟通的方式。我们成为历史上第一个一次性宣布四代产品的科技公司。这就像有人说："今天我要宣布我接下来的四部手机"一样不寻常。但我们这样做是因为我们已经成为基础设施公司、世界工厂和许多企业的技术基础。

Q：我很好奇为什么NVIDIA能够如此频繁地推出新软件。我认为这是NVIDIA与其他芯片公司的区别之一。你能告诉我公司里有多少软件工程师，工程师中软件工程师的百分比是多少？第二个问题是关于美国生产的。TSMC最近宣布在美国追加投资，他们说他们想在亚利桑那州减少AI芯片。那么有多少Blackwell或Rubin将在美国生产？

黄仁勋：英伟达制造芯片，但我们不是一家芯片公司。我们实际上是一家算法公司，是当今世界领先的计算机图形算法创造者。当DeepLine和Disney Research需要开发精细的物理算法时，他们选择与英伟达合作。我们开发机器人的物理算法和计算光刻技术，是唯一一家与每家计算光刻公司合作的公司。

我们精通反向物理、物理学、计算机图形学和光线追踪等领域。我们将所有算法知识提炼成一个称为CUDA的共同架构，然后在此基础上构建芯片。从很多方面来说，我们从算法和数学的角度思考世界，这也是当深度学习出现时我们能够迅速适应的原因。我们拥有数百名AI研究人员，自主研究算法。

在扩散模型出现之前，我们就在做渐进式GANs的工作，也在变分自编码器方面取得了开创性的成果。这些话题通常不是芯片公司CEO会讨论的内容。

英伟达的核心是数学，以一种独特的方式表现出来。我们是少数几家能够从处理器到交换机全面思考计算系统的公司，包括网络、网络算法和协议。我们擅长发明网络协议，可以创造自己的交换机，扩展以太网做超级以太网。正是这种完整的系统能力让我们能够快速创新，但首先是因为我们对算法的深刻理解。芯片设计几乎是次要的，尽管我们也为构建复杂芯片而自豪。

关于制造，我们有能力在美国制造很多产品，虽然不是全部，但相当可观。

Q：中国在AI方面有很大的野心。在正常情况下，NVIDIA在中国市场将有巨大的机会。你能告诉我们你对NVIDIA和中国AI的愿景吗，无论是在贸易战还是关税威胁下？

黄仁勋：我们有基本的义务经营业务、遵守法律，并尽力竞争和服务客户。这对每个公司而言都是基本要求，我们并不特殊。

随着世界变得更加复杂，有些事情不是我们公司能明智考虑的。我们只确保始终遵守法律，并尽最大努力服务客户和市场。

值得注意的是，世界上50%的AI研究人员来自中国，这是单一最大的群体，远远领先于其他国家。因此，中国在AI研究方面的巨大贡献是可以理解的。美国每个AI实验室都有许多优秀的中国研究人员，没有例外。所以，中国是如何培养出这么多优秀的计算机科学家？无论中国如何做到这一点，请继续这样做。

Q：关于GM合作伙伴关系的公告，特别是关于DriveAGX将用于未来车辆，当然你们与其他OEM也有合作关系，对这里的一些车辆非常感兴趣。你是否看到有一天汽车购买者会因为NVIDIA在车上而买车，就像人们因为有NVIDIA显卡或英特尔芯片而购买PC一样？

黄仁勋：是和否。

我的法拉利里没有英伟达技术，这并不影响我对它的喜爱，因为它对我而言太重要了。

汽车对人们来说是非常个人化的产品，反映了他们的个性和生活方式，所以我认为这超越了单纯的技术考量。

另一方面，在自动驾驶汽车领域，作为机器人技术的一部分，这对我们是一个非常重要的市场。我们已经研究物理AI、机器人系统超过10年了。我们的战略不仅仅关注汽车计算机，而是一个三计算机战略：机器人的AI基础设施、机器人的AI模拟器，以及机器人的AI计算机。首先需要训练AI，然后在将其应用到现实世界之前进行模拟测试，最后通过中心实现适应技术将AI应用到现实环境中。

我们与世界上几乎每家机器人和汽车公司在这三台计算机中的至少一台上合作。有时是提供车载计算机，但更多时候是训练AI的计算机、模拟系统，或者数据中心和模拟的组合。我们与各类机器人公司合作，包括自动送货机器人和拾取放置机器人。

有时我们会开发完整的软件套件，如我们最近宣布的世界首个开源通用机器人基础模型Group N1，或用于合成物理正确虚拟世界的Cosmos模型。在某些情况下，我们提供汽车中的软件堆栈，特别是与AI安全相关的部分。

在机器人系统中实现AI安全极其复杂，需要在芯片系统、操作系统、算法、软件堆栈、工具和方法论，甚至工程文化中实现多样性、冗余、透明度和可解释性。我们的Halos系统旨在全面保障安全，类似于空中交通安全系统。我们在机器人安全方面的专业知识将来会有很大回报，因为安全对于广泛部署的机器人至关重要。

无论是四轮汽车、两腿机器人还是其他任何机器人系统，我们都有合适的计算架构。这已经成为一个超过50亿美元的业务，我相信它将成为我们公司长期最重要的业务之一，代表着AI最关键的应用领域。

2 英伟达是世界上唯一的“AI公司”

Q：英伟达不仅提供世界领先的芯片，现在还提供世界领先的算法、基础设施和软件，逐渐成为人工智能“一站式商店”，而过去英伟达成功的模式是成为每个人的合作伙伴。现在你们涉足一些客户、合作伙伴的领域，某种程度上成为他们的竞争对手，他们会如何反应，这对你们意味着什么？

黄仁勋：显然，我们在解释自身业务方面做得不够清晰。事实上，我会这样解释：英伟达是唯一的AI公司，我们提供面向云、面向汽车、面向机器人、面向企业的AI解决方案。

正如你所提到的，我们是全栈的，我们拥有完整的基础设施、网络、交换机，现在还有存储技术，当然还有各种大小和形状的计算设备，从小型spark到超级SuperPOD。在很多方面，我们拥有跨整个技术栈、跨所有这些行业的基础技术。

关键部分在于——我们构建一切，以客户希望采用的任何方式向世界提供它。英伟达不是一家解决方案公司，我们不做最下游价值创造那部分。

我们构建原始技术，并与生态系统内的企业合作创建解决方案——这就是为什么思科是我们企业网络的合作伙伴，戴尔、惠普企业和联想是我们企业计算合作伙伴，而DDN、NetApp、戴尔、EMC、日立和IBM都是我们存储领域的合作伙伴。

这就是为什么我们是一家AI公司，但Salesforce、Cadence又都是英伟达合作伙伴的原因——因为我们毫不犹豫地将我们创造的核心技术提供给他们，让他们将其整合到自己的解决方案中并推向市场。所以说，英伟达是世界上唯一一家“与世界上每家AI公司合作的AI公司。”

一方面，我为奔驰构建整套自动驾驶汽车技术栈，也在为通用汽车、捷豹路虎做同样的事情。另一方面，丰田能够以他们的方式与我们合作，特斯拉、Waymo们也是如此，我们不介意以任何人喜欢的方式与他们合作，如果他们决定自己做更多，减少对英伟达的依赖，我完全没有问题，这就是英伟达的特别之处，也是为什么我们以多个层次构建技术的原因：只提供芯片、系统与软件算法。

最终，由客户决定，选择其中两个、三个或四个模块。我们的理念是：从我们这里购买任何你喜欢的产品，只要请从我们这里购买。

所以，我们实际上是技术基础公司，我们构建了很多技术，但愿意让生态系统合作伙伴使用它们，所以大家基本都在和英伟达合作。

Q：今天官宣了英伟达与贝莱德、微软、xAI等一起参与AIP联盟（人工智能基础设施合作伙伴关系联盟）的官方消息，你们作为技术顾问，与联盟的关系是什么，如何推动联盟的发展。你在之前的演讲中提到对能源供应存在担忧，是否也会给联盟在数据中心的全球能源供应方面提供咨询、支持？

黄仁勋：AI是一个新兴行业，实际上是一个新的制造业，只是过去人们不将其视为制造业。过去谈制造，主要是说人类制造，一切都由手工来完成，在AI时代它与工业制造融合，产品也均由机器来完成，所以从行业的角度来看它属于制造业，制造业肯定需要能源。

我相信能源行业在十年时间内将达到数万亿美元，它将是一个相当大的行业，因为我们将在全世界各地推动与有关的制造。

关于你的第一个问题，这是一种合作关系，因为我们都投入了资金。我们把它视为投资工具，用于为能源、数据中心的建设提供资金，这需要相当多的资本。这个行业除了需要大量能源，也需要大量的资本，而联盟这种合作关系让我们能够帮助资助数据中心、AI工厂的开发和准备工作。简单来说，我们不仅提供专业知识，也提供资本。是的，这将需要资本。

3 3.6万人的”小公司“英伟达

Q：我们了解到，英伟达一直将台湾地区的供应商视为关键合作伙伴，并致力于他们的成功。过去几年，英伟达加深了与许多合作伙伴的合作，如台达电子、联发科和富士康，同时也在全球范围内投资越来越多的初创公司。你能分享这些合作伙伴关系以及投资在这一阶段对英伟达的战略意义，以及你希望实现的目标吗？

黄仁勋：我们与台达、联发科、台积电、富士康等公司合作，坦率地说，因为他们是世界一流的。这种合作始于钦佩和尊重。当然，当你与某人（暗示台积电）合作30年时，你会培养一些喜爱和友谊。

（我解释一下，今天我有点累，但也充满热情，如你所知，我是工作时间最长的科技CEO，昨晚有14个派对，我参加了其中13个）

在技术投资方面，我们希望寻找具有创新性的公司，创造新事物，可能是常规创新路径之外的东西，但我不认为这与前面提到的合作伙伴关系有真正的关联。

我们与供应链和生态系统中的公司合作纯粹基于一个理念：他们的卓越，然后携手将他们的“卓越”与我们的结合，共同做伟大的事情，这就是全部，就是100%的战略。

从公司的视角来看，我们是一家相当小的公司，只有36,000人，比硅谷这里几乎每家科技公司都小。我们的方式是只做我们需要做且必不可少的事情，我们不会为市场份额而战，这不是我们的风格。当你与我们交谈时，没有一个员工会说“我们为份额而战”，因为我们的目标是创造新事物。

当我们将公司致力于只创造新事物时，会利用外部可能利用的一切——如果合作伙伴构建了非常棒的东西，我们就会使用它，无论它来自哪家公司。

过去，我们与AMD、英特尔、博通和Marvell合作。最近，我们还宣布了与联发科的合作，共同开发项目。我们尝试与每家公司合作，这样我们就可以将我们非常稀缺的精力集中在世界上还没有的东西上。

Q：你很好地解释了为什么我有一个三年增长到600太瓦的计划。我想了解你从数据行业那里得到的关于他们认为在未来几年可以实际支持的基本限制是什么。这些15年项目的限制在哪里？

黄仁勋：现在一个数据中心大概250兆瓦，它的容量实际上受到机架的限制。

如果你说一个数据中心是1吉瓦，我可能会告诉你，每个机架做到1吉瓦听起来也不错，剩下无非就是工程的问题，但关键在于：是否有必要将所有东西放在一个机架中？

一切都基于向上扩展（Scaling up）和横向扩展（Scaling out）的数学原理以及并行化的特性。

在超过1000或5000个GPU之后，向上扩展的收益递减，那么之后我们可以用多个机架横向扩展，但如果向上扩展非常有效，比如在72、144、288和576个处理器之间，在这个水平上向上扩展效果非常好，我们应该尽可能地向上扩展。

Q：我来自以色列，最近有报道称英伟达是收购英特尔的联盟的一部分，你是否计划与台积电一起收购它？

黄仁勋：没有人邀请我们加入任何联盟，也许其他人参与其中，但我不知情。

4 人类需要可用的AI，谁最聪明不重要

Q：在下一波物理AI浪潮中，我应该将我的时间和资源集中在哪里？

黄仁勋：AI的挑战仍然是数据战略和训练战略。

过去几年，有人说我们的数据用完了，这当然是非常愚蠢的。事实上，由于强化学习的存在，我们现在几乎拥有无限的数据。

强化学习和可验证结果以及奖励系统的发现，再加上人类多年来通过数学、证明、定理和科学发现甚至游戏已经解决了许多问题的事实，使得我们有了大量数据来源。

我们现在有无限量的数据来训练模型进行推理，物理AI方面也是如此，因此必须确定数据战略和训练战略。

我提到过其中一些策略，比如使用人类示范，然后使用生成式AI和模拟来生成无数相关场景，就像我们给AI一个代数问题，然后提出一系列它必须解决的代数例子，最终它必须解决所有这些问题。

我们可以对物理操作和运动做同样的事情，之后要解决协调操作、表达的体育活动，但如何教AI完成这一切？答案是数据战略，训练战略。

最后一部分是使用战略，即如何最好地提示AI来产生答案，这是软件编程的现代版本。在物理AI中也是如此：如何提示AI进行物理推理？物理推理显然非常重要，这些都是富有成效的研究领域。

Q：我看到昨天的Agentic的内容，像这样的技术，你在接下来的四年里会做什么？

黄仁勋：我认为我们需要做的第一件事是将推理融入一切。

它的好处在于，我们不必给AI提供一堆特定的提示，而可以更加以使命为导向。我们会连接具有特定技能的Agent系统，然后让它开始工作。你可能只需提供输入和期望的输出。在中间，会有很多转换、推理和问题解决过程。

例如，如果是预测分析，系统需要处理公司的所有组件、所有供应商、供应链和预测数据。这个优化系统相当复杂，因为它过度约束，需要很多推理、优化和数学计算。但也许我们只需给系统提供两个端点，它就能自己找出解决方案。

我认为下一代AI将非常擅长应用推理、使用工具、访问信息，然后产生必要的结果。这是一个多步骤、高度嵌套的过程。我对此非常兴奋，几乎可以触摸到它。现在看，技术的各个部分正在结合起来。

Q：你在演讲中列出了路线图和其中的数字，AI相关的资本支出令人惊讶，仅美国就将在“星门”（Star Gate）上花费5000亿美元，欧盟刚刚也宣布了2000亿欧元用于AI超级工厂，中国也在投入大量资金。这是否意味着谁花费最多谁就会率先获得通用人工智能，是否存在过度支出和资源错误分配的风险？

黄仁勋：你们知道世界上最聪明的人是谁吗？你在乎吗？我认为这就是答案的关键。

我相信我们需要实现AGI（通用人工智能），这样我们才能使AI真正有用，解决我刚才描述的问题（提供两个端点，AI自行寻找答案），但这个过程中最聪明的AI，可能并不那么重要。

我相信将智慧应用于特定目的、选择正确的战略和任务，以及领域专业知识仍然非常重要，这占世界价值的99%，而不是简单地拥有“世界上最聪明的系统”。

如果你告诉我现在全球每年在资本支出上花费5000亿美元，而这不是全部用于GPU计算，我会说这很可惜，毕竟我们已经拥有几万亿美元的通用计算机，而且我们知道未来最重要的问题是基于机器学习、科学计算和AI，为什么不将资源投向这些领域呢？

当前，关于这5000亿的资本支出，我认为第一件事是投资未来，建造尽可能多的原生AI数据中心和计算机。到2030年，这个数字可能会达到10000亿美元，我相信这些资金应该完全用于AI原生系统。

AI不仅仅是数据中心，（前面我们说）AI是制造业，我们在制造一种叫做智能的东西，它可以被重新构成为文字、故事、法律文件、分析报告、音乐、电影、广告、机器人动作等等。

世界应该将多大比例的产业专门用于制造智能？我认为它应该占全球GDP（120万亿美元）的一个相当大的比例。

回顾300年前，能源生产占GDP的比例很小，因为当时能源主要意味着人力。随着时间的推移，能源行业成为世界上最大的行业之一，它将物理学转化为电子，现在我们又将电子转化为数字。

我相信AI行业的资本支出将达到数万亿美元，当出现一个智能制造行业时，所有人都会受益。

Q：你在每次演讲中提到最喜欢的幻灯片是NVIDIA的加速库，它使许多研究人员、科学家和工程师能够在不同领域开展工作。当我们进入“黑洞时代”，你希望在这个幻灯片上增加什么样的领域？

黄仁勋：首先，加速计算不只是上面的软件和下面的芯片，它真正是中间的这一层。这就像AI不仅仅是提示框和底部的计算机，其中还有一个模型，这个模型对AI至关重要。

库不是应用程序本身，但它使解决该应用程序的数学问题成为可能。这个库可以是Spark或Pandas的数据处理，可以是计算光刻、地震处理等等... ...我非常期待的领域是计算机辅助药物发现。

我们这一代的行业得益于电子设计自动化，如果没有Cadence、Synopsis、Mentor Graphics和西门子等公司，我们就无法构思这些令人难以置信的技术，也无法建造这些惊人的机器。

我认为，如果我们为生物学创造类似的工具，让医生和生物学家能够将蛋白质、细胞、器官和组织转换为数字孪生，并能够模拟从纳米到米、从纳秒到秒的生物学过程，详细展示其中巨大的规模和复杂性，我们将彻底改变药物行业的运作方式和医疗保健的思考方式。


来源：36kr