黄仁勋：AGI已经实现，编程人数将达10亿

admin 2026-3-26 06:27 46人围观资讯

黄仁勋如何管理英伟达Lex Fridman：你将英伟达推向了AI的新纪元，从关注芯片级设计转向了机架级（rack scale）设计。长期以来，英伟达的胜利在于打造最强的GPU，现在依然如此，但你已将其扩展到了GPU、CPU、内存、网 ...

黄仁勋如何管理英伟达

Lex Fridman：你将英伟达推向了AI的新纪元，从关注芯片级设计转向了机架级（rack scale）设计。长期以来，英伟达的胜利在于打造最强的GPU，现在依然如此，但你已将其扩展到了GPU、CPU、内存、网络、存储、电源冷却、软件、机架本身，甚至是数据中心的“极致协同设计”。在这种包含众多复杂组件和变量的系统中，协同设计最难的部分是什么？

黄仁勋：谢谢提问。首先，之所以需要极致协同设计，是因为现在要加速的问题已经无法装进一台电脑或由一个GPU解决了。你想解决的问题是：性能提升要超过计算机增加的数量。比如你增加了1万台电脑，但你希望速度提升100万倍。这时你必须拆解算法，重新重构，对流水线、数据和模型进行分片（shard）。当你以这种方式分布式地处理问题时，一切都会变成障碍。这就是阿姆达尔定律（Amdahl's Law）——系统的加速比取决于任务中可并行部分的比例。如果计算占任务的50%，即便我将计算速度提升100万倍，总速度也只能提升2倍。所以，你不仅要分布计算，还要解决网络问题，因为所有电脑都连在一起。在这种规模的分布式计算中，CPU、GPU、网络、交换机、工作负载分配全是问题。这是一个极其复杂的计算机科学挑战。我们必须动用所有技术，否则我们只能实现线性增长，或者受限于摩尔定律——由于登纳德缩放定律（Dennard scaling）失效，摩尔定律已经大幅放缓。

（注：阿姆达尔定律指出，无论如何增加并行处理器的数量，程序的总体加速比都受限于其必须串行执行（无法并行化）的那部分代码所占的时间比例。）

Lex Fridman：这其中肯定有取舍。而且你面对的是完全不同的学科，比如高带宽内存、NVLink网络、NIC、光模块、铜缆、供电、冷却等领域的顶尖专家。你如何把他们聚在一起解决问题？

黄仁勋：这就是为什么我的直属下属（staff）规模如此庞大。

Lex Fridman：你能讲讲这个过程吗？面对专家和通才，当你需要把这一堆东西塞进一个机架时，设计过程是怎样的？

黄仁勋：首先，什么是极致协同设计？我们是在从架构到芯片、系统、系统软件、算法、应用的整个软件栈上进行优化，这是第一层。第二层就是我们刚才聊的，超越CPU和GPU，涵盖网络芯片、扩展交换机，甚至电力和冷却。这些电脑极其耗电，虽然它们效率很高，但总量巨大。其次，为什么要这么做？为了让分布式工作负载的收益超过简单增加电脑数量的收益。第三，怎么做？这就是这家公司的奇迹所在。当你在设计一家公司时，首先要考虑你想让公司产出什么。我看过很多公司的组织架构图，无论是汉堡公司、软件公司还是汽车公司，看起来都一样。这对我来说没意义。公司的目标就是成为一台机器、一套机制、一个系统，来生产输出结果。而这个输出结果就是我们想创造的产品。公司的架构应该反映它所处的环境。我的直属下属有60多人，我从不和他们进行一对一面谈，因为那没法干活。

图片

Lex Fridman：你有60多个汇报对象？而且大多数至少在工程领域有一席之地？

黄仁勋：甚至更多。几乎所有人都是专家，涵盖内存、CPU、光学、GPU、架构、算法、设计等。

Lex Fridman：太不可思议了。所以你一直关注着整个技术栈，并进行激烈的讨论？

黄仁勋：而且任何对话都不是一对一的，这就是我不做一对一的原因。我们提出一个问题，大家一起攻击它。因为我们在做极致协同设计，公司随时都在进行这种协作。

Lex Fridman：所以即便是在讨论冷却或网络等特定组件，所有人都在听？

黄仁勋：没错。他们可以贡献意见，比如“这在配电上行不通”或者“这不适合内存”。不想听的人可以随时退出，但在我团队里的人知道什么时候该留意。如果那是他们本该贡献力量的地方却没出声，我会点名叫他们加入进来。

Lex Fridman：如你所言，英伟达一直在适应环境。那么在哪个节点，环境发生了变化，让英伟达开始从游戏GPU转向AI工厂？

黄仁勋：我们可以系统地推理一下。我们起步于加速器公司，但加速器的应用领域太窄。虽然针对特定工作能做到极致优化，但过度专业化会限制市场触达，进而限制研发能力，最终限制你在计算领域的影响力。所以我们第一步是做特定加速器，但终极目标是实现“加速计算”。问题在于，如果变成通用计算公司，就会失去专业性。我把这两个存在根本张力的词连在了一起：越是通用的计算公司，在特定领域的表现就越差。公司必须在一步步扩大计算范畴的同时，不放弃最重要的专业化。我们跨出的第一步是发明了“可编程像素着色器”，这是通往可编程世界的第一步。第二步是在着色器中加入IEEE兼容的FP32（单精度浮点数），这是朝着计算方向前进的一个巨大进步。这让那些研究流处理器和数据流处理器的学者发现了我们，他们意识到可以把原本在CPU上运行的软件移植到GPU上。随后我们把C语言置于FP32之上，也就是Cg，这条路径最终引向了CUDA。在GeForce游戏显卡上搭载CUDA是一个极其艰难的战略决策，因为这耗费了公司巨额利润，当时我们几乎承担不起，但为了成为一家计算公司，我们还是做了。因为计算公司必须要有计算架构，计算架构必须在所有架构上兼容，必须兼容我们制造的所有芯片。

Lex Fridman：能详细讲讲这个决定吗？在GeForce上放CUDA为什么当时负担不起，却又要冒险一搏？

黄仁勋：那是第一个接近“生存威胁”的战略决策。

Lex Fridman：给不知道的人剧透一下：这后来成了公司史上最伟大的决策之一，CUDA成了AI计算中令人难以置信的基石。

黄仁勋：谢谢。当时情况是这样的：我们发明了CUDA，扩大了加速器的应用范围。问题是如何吸引开发者？计算平台的核心是开发者。开发者不会只因为性能好就来，他们是因为安装基数（Install base）大才来。开发者想让软件触达更多人，所以装机量是架构最核心的部分。一个架构可能会引来大量批评，比如x86架构被批不优雅，但它却是今天的定义性架构。而很多设计精美的RISC架构却失败了。这说明安装基数定义架构，其他都是次要的。

Lex Fridman：安装基数就是一切。

黄仁勋：没错。当时还有OpenCL等竞争架构。我们决定，既然GeForce已经很成功，每年卖出数百万颗，那我们就把CUDA装进每一颗GeForce GPU放进每一台PC，不管用户用不用，就用这个作为培养安装基数的起点。同时，我们去大学写书、开课、推广CUDA。当时PC是主要计算工具，没有云，我们把“超级计算机”交到了每个研究员、科学家、工程师和学生手中，最终就会发生惊人的事情。问题是，CUDA大幅增加了消费级GPU的成本，吞噬了公司所有的毛利。当时公司市值大约只有60到80亿美元，CUDA发布后，市值跌到了15亿左右。我们在低谷徘徊了很久才慢慢爬出来，但我们始终坚持在GeForce上搭载CUDA。我常说英伟达是“GeForce建造的房子”，因为是GeForce把CUDA带给了所有人。你知道很多人是游戏玩家，很多人本来就会自己组装PC。在大学实验室里，很多人自己搭建集群，用PC组件。就这样，我们起步了。

Lex Fridman：然后这就成了深度学习革命的平台和基础。那个冒着生命危险做决定的会议是什么样的？你心理上是如何承受的？

黄仁勋：我必须向董事会明确目标，管理层也知道毛利会被压垮。你可以想象，如果GeForce承担了CUDA的成本，但游戏玩家不买账也不付钱，公司就完了。我们的成本增加了50%，而我们当时只是个毛利35%的公司。这是一个艰难的决定，但你必须设想未来它会进入工作站、进入超算，在那些领域我们可以获得更多利润。所以你可以理性地想通自己能负担得起，但还是花了整整十年。

Lex Fridman：你如何拥有这种跳跃式预测未来的智慧？

黄仁勋：首先，我被强烈的好奇心驱动。在某个时刻，我的推理系统让我确信：这个结果一定会发生。当深信不疑时，你会显现出一个未来，那个未来如此令人信服，不可能不会发生。虽然中间会有很多痛苦，但你必须坚持信念。

图片图片

Lex Fridman：你预见未来，然后从工程角度将其实现？

黄仁勋：是的。你要推理它为什么必须存在。我和管理团队花大量时间进行这种推理。接下来的部分是领导力技巧：很多领导者保持沉默或独自学习，然后突然宣布一个大变动或新愿景。我从不这样做。当我学到新东西并开始影响我的思考时，我会向身边所有人明确表达。我一步步推理。通常我已经下定了决心，但我会利用每一个机会，从外部信息、新洞见、新工程突破、新里程碑入手，用这些来塑造他人的信念系统。我每天都在对董事会、管理层和员工做这件事。我是在塑造他们的信念，以至于当我宣布“我们要收购Mellanox”或者“我们要全线投入深度学习”时，对大家来说这已经是显而易见、不得不做的事情了。有时领导力看起来像是“从后方领导”，但在我宣布的那天，我已经获得了100%的认可。所以GTC的效果，如果你回顾那些主题演讲，我也在塑造行业伙伴的信念体系，用来塑造我自己员工的信念。就像我们刚发布的Grok（相关技术），其实我已经铺垫了两年半。

Lex Fridman：你不仅在塑造公司内部，也在塑造全球创新的格局。

黄仁勋：我们不造电脑，也不造云。我们是一个计算平台公司。奇怪的是，没人能直接从我们这买到“成品”。我们垂直设计、垂直整合优化，但我们将每一层平台都开放给其他公司，集成到他们的产品、云或超算中。如果不能先说服他们，我就无法开展工作。所以GTC大会很大程度上是在展示一个未来。

AI缩放定律（Scaling Laws）

Lex Fridman：你长期以来一直坚信缩放定律。现在依然如此吗？

黄仁勋：是的，我们现在有了更多的缩放定律。

Lex Fridman：你概述了四种：预训练、后训练、推理时（test time）和智能体化（agentic）缩放。展望未来，你最担心哪些阻碍scaling的因素？

黄仁勋：我们可以回顾一下人们曾经认为的障碍。起初是预训练缩放定律。人们担心高质量数据的缺失会限制智能的上限。Ilya Sutskever曾说“数据用完了”，行业一度陷入恐慌。但这显然不是真的。我们会继续扩大训练数据，其中很多将是合成数据。这让一些人困惑，但他们忘了我们教给彼此的大部分信息其实也是“合成”的——我创造信息，你消费并修改它。现在AI能够提取基本事实并合成海量数据。在后训练阶段，数据量将不再受限，限制将转向计算能力。

接着是推理时缩放。我记得有人跟我说：“推理很容易，预训练才难。”他们觉得推理芯片可以做得又小又便宜，实现商品化。这在我看来是不合逻辑的，因为“推理”就是“思考”，而思考是很难的。预训练更像是记忆和泛化，而思考涉及推理、规划、解决前所未见的难题。推理时缩放是高度计算密集型的。

那之后是什么？是智能体化缩放定律。我们现在创造了智能体个体，它拥有我们开发的大型语言模型。而在推理时，智能体系统会去做研究、查询数据库、使用工具，最重要的是它会派生出许多子智能体。这就像通过雇佣更多员工来扩展公司规模一样。我们可以根据需要衍生出无数智能体。所以我有这四条缩放定律。这个循环会一直持续，智能的扩展最终归结为一件事：算力。

Lex Fridman：但你必须预测硬件需求，比如混合专家模型（MoE）和稀疏化。硬件无法在一周内转型，你得提前两三年预判AI创新的方向。这很可怕，也很难，对吧？

黄仁勋：非常精准。AI模型架构大约每6个月进化一次，而系统和硬件架构大约每3年一个周期。你得预判两三年后的情况。我们通过内部的基础研究和应用研究来做到这一点，我们自己也创造模型，拥有第一手经验。同时，我们是世界上唯一一家与几乎所有AI公司合作的AI公司。我们在倾听全行业的“耳语”。最后，要拥有一个灵活且能随风而动的架构。CUDA的优势就在于它既是极致的加速器，又非常灵活，能平衡专业化与通用化。当我们看到混合专家模型出现时，我们就推出了NVLink 72而不是NVLink 8，这让我们能把10万亿参数的模型放进一个计算域，就像运行在单个GPU上一样。

黄仁勋：人们可能没注意到，虽然我提过，但如果你观察Grace Blackwell机架的架构，它完全专注于一件事：处理大语言模型（LLM）。然而仅仅一年后，你看到的Vera Rubin机架就有了存储加速器，还有名为Vera的强劲新CPU。它拥有Vera Rubin GPU和NVLink 72来运行LLM，还增加了一个名为Rock的新机架。整个机架系统与前代完全不同，加入了这些新组件。原因在于，上一代是为了运行MoE大语言模型的推理而设计的，而这一代是为了运行智能体，智能体会频繁调用各种工具。

Lex Fridman：显然，这种系统设计必须在Claude Code、Codex、OpenClaw这些工具出现之前就完成。所以你本质上是在预判未来。这种预判是源于行业内的“耳语”，还是源于对最前沿技术的理解？

黄仁勋：不，没那么复杂。你只需要进行逻辑推理。首先，无论发生什么，为了让大语言模型成为一名“数字员工”——我们用这个比喻——它必须具备什么能力？它必须能访问“事实真相”，也就是我们的文件系统；它必须能进行研究。它不可能无所不知。我不想等到AI变得通晓古今未来、全知全能之后才让它发挥作用，所以我干脆让它自己去做研究。显然，如果它想帮我，就必须会用我的工具。很多人说：“AI将彻底摧毁软件，我们不再需要软件甚至工具了。”这很荒谬。让我们做一个思想实验：你可以坐在那喝着威士忌，思考这些事情，结论会变得显而易见。假设我们在未来10年内创造出了能想象到的最完美的智能体，比如一个人形机器人。如果这个机器人走进我房间，它是更倾向于使用我现有的工具来干活，还是让它的手瞬间变成一个10磅重的锤子，下一秒又变成手术刀，或者为了烧水直接从指尖发射微波？显然它更可能直接去用微波炉。它第一次面对微波炉时可能不会用，但没关系，它连接着互联网，读完说明书后瞬间就成了专家。

黄仁勋：我刚才描述的其实就是OpenClaw的几乎所有特性：使用工具、访问文件、进行研究、拥有I/O子系统。当你顺着这条路理清逻辑，你会发现这对计算的未来影响极其深远。原因在于，我认为我们刚刚重新发明了计算机。至于什么时候推导出的这些？如果你去看两年前我在GTC大会上展示的OpenClaw示意图，你会发现当时的架构与今天的智能体系统如出一辙。当然，这需要很多条件的汇合：首先，Claude、GPT等模型需要达到一定的能力水平，它们的创新和突破至关重要；其次，需要有人创建一个足够健壮、完整的开源项目供大家使用。我认为OpenClaw对智能体系统的意义，就像ChatGPT对生成式AI的意义一样，这是一件大事。

图片

Lex Fridman：是的，这是一个特别的时刻。我不确定它为什么能吸引全世界如此多的关注，甚至超过了Claude Code和Codex。

黄仁勋：因为消费者触手可及。

Lex Fridman：没错。但其中很大一部分也关乎“氛围”（vibes）。比如Peter（OpenClaw项目创始人），我采访过他，他是一个很棒的人，这种代表人物的人格魅力也是原因之一。

黄仁勋：毫无疑问。

Lex Fridman：还有梗（memes）的力量，因为大家都在试图弄明白这到底是怎么回事。当面对如此强大的技术时，必然会存在严肃且复杂的安全担忧：你如何交出数据让它干活？这伴随着令人恐惧的风险。我们作为文明个体，都在寻找那个平衡点。

黄仁勋：是的，我们立即行动了，派出了大量安全专家。我们开发了一个叫OpenShell的东西，已经集成到了OpenClaw中。英伟达还推出了NemoClaw。

Lex Fridman：它们安装非常简单，并能确保安全。

黄仁勋：我们提供“三选二”的权限管理。智能体系统可以访问敏感信息、执行代码、以及进行外部通信。如果我们在任何时候只给你其中两项能力而非全部三项，我们就能保证安全。在这“三选二”的基础上，我们还根据企业赋予的权利提供访问控制，并将其连接到企业现有的策略引擎上。我们要尽全力帮助OpenClaw变得更好。

Lex Fridman：你刚才精彩地解释了我们如何克服那些曾经被认为是“障碍”的困难。但现在智能体无处不在，展望未来，你认为进一步缩放的障碍会是什么？显然我们需要算力，那么这种缩放的阻碍是什么？

黄仁勋：电力是一个担忧，但不是唯一的。这就是为什么我们如此努力推动“极致协同设计”，以便我们每年都能将“每秒生成的token数/每瓦功耗”提升几个数量级。在过去10年里，如果遵循摩尔定律，算力大约会提升100倍；而我们通过协同设计，将其提升了100万倍。我们将继续压榨极限，尽可能快地降低token的成本。虽然计算机的价格在上涨，但我们生成token的效率提升得更快，所以token的成本每年都在下降一个数量级。

影响上下游的供应链

Lex Fridman：电力障碍确实有趣。解决办法是提升能效，但还有个问题：我们如何获取更多电力？你提到了小型模块化核反应堆（SMR），关于能源有很多想法。AI供应链中的瓶颈，比如ASML的EUV光刻机、台积电（TSMC）的CoWoS先进封装、SK海力士的高带宽内存（HBM），这些问题会让你失眠吗？

黄仁勋：一直如此，我们一直在处理这些问题。历史上没有任何一家公司在保持如此规模的同时还能加速增长，这简直不可思议。我们在AI计算领域的份额还在增加，因此上下游供应链对我们至关重要。我花大量时间告知合作方的CEO们，是什么动力在驱动这种持续甚至加速的增长。这就是为什么在GTC大会上，我右手边坐着几乎整个IT产业的上游CEO和整个基础设施产业的下游CEO。有几百位CEO到场，我想历史上从未有过这样的主题演讲。我的工作是告诉他们当前的业务状况、近期的增长驱动力，以及我们要去向何方，以便他们根据这些动态来决定如何投资。我像告知自己的员工一样告知他们。我会亲自拜访他们，确保他们知道未来一两年的走向。

黄仁勋：以DRAM行业为例。大约三年前，数据中心CPU的头号内存是DDR。当时我设法说服了几位CEO：尽管HBM内存当时仅在超算中极少量使用，但它将成为未来数据中心的主流。起初这听起来很荒谬，但几位CEO相信了我并决定投资。另一个例子是手机用的低功耗内存（LPDDR），我们希望将其适配到数据中心的超算中。他们很惊讶：“手机内存给超算用？”我解释了原因。看看现在的LPDDR5和HBM4，销量简直惊人。三家主要的内存厂商都创下了历史纪录，而这些都是有着45年历史的老牌公司。这就是我的工作：告知、塑造并激励。

Lex Fridman：所以你不仅在英伟达内部预见未来，你还在塑造未来的供应链。你在和台积电、ASML沟通。

黄仁勋：还有通用电气（GE）、卡特彼勒（Caterpillar），这些是我们的下游。

Lex Fridman：整个半导体行业的工程难度极高，这种错综复杂的供应链各环节紧密相扣，却又能奇迹般地运转，这让人感到敬畏。

黄仁勋：没错，这是深奥的科学、精湛的工程和不可思议的制造。虽然大部分制造已经自动化，但我们仍有几百家供应商为我们那个拥有130万个组件的机架贡献技术。每个机架有130万到150万个组件，Vera Rubin机架背后有200家供应商。

Lex Fridman：很有趣，你没把这些列为让你失眠的障碍。

黄仁勋：因为我已经做了所有必要的努力。我可以安然入睡，因为我确认过了。当我们将系统架构从最初的DGX-1变为NVLink-72机架级计算时，这意味着什么？对软件、工程、设计测试以及供应链意味着什么？这意味着我们把数据中心的超级计算机集成变成了供应链中的超级计算机制造。如果你要建一个拥有50吉瓦（GW）算力同时运行的数据中心，而制造这些设备需要一周，那么供应链每周就需要1吉瓦的电力来完成测试。NVLink-72本质上是在供应链中直接组装超级计算机，然后每次以两三吨重的机架形式发货。以前是零件到场组装，但现在不可能了，因为NVLink-72太紧凑了。我会飞到供应链合作伙伴那里，解释为什么要这么改，解释推理市场的拐点即将到来，这将是一个巨大的市场。我先解释原因，然后要求他们每人进行数十亿美元的资本投资。他们信任我，我也非常尊重他们，我花时间用第一性原理画图解释，直到他们完全明白该怎么做。

Lex Fridman：所以很大程度上是关于关系和构建共同的愿景。但你真的不担心某些瓶颈吗？比如ASML的产能，或者台积电CoWoS封装的扩张速度？你刚才说你们在加速增长，这意味着供应链上的每个人都要成倍扩产。你真的不担心吗？

黄仁勋：不担心。因为我已经告诉了他们我的需求，他们理解了，也告诉了我会怎么做，而我选择相信他们。

公共闲置电力能否利用？

Lex Fridman：这听起来太棒了。让我们聊聊电力。你对解决能源问题有什么期待？

黄仁勋：Lex，有一个领域我非常想传达出去：我们的电网是按“最坏情况”并预留余量来设计的。然而，99%的时间我们都远未达到最坏情况（比如极寒、极暑或极端天气）。大部分时间电网大概只运行在峰值的60%。这意味着99%的时间电网都有闲置的电力。但它们必须在那闲置，以防万一。我的想法是：我们能否达成协议并设计一种架构，使得当社会基础设施需要最大电力时，数据中心可以少用电？这本来就是极少数情况。在那段时间里，我们可以用备用发电机，或者让计算机将工作负载转移到其他地方，或者干脆让计算机运行得慢一点。我们可以降低性能，减少功耗，虽然响应延迟会稍微变长，但这样就能利用那些平时白白闲置的电。

图片

Lex Fridman：这个观点很少被提及。障碍是什么？监管还是官僚主义？

黄仁勋：这是一个三方问题。首先是终端客户，他们要求数据中心永远不能掉线，追求极致完美。为了这种完美，你需要备用发电机和电力供应商的共同保证，每个人都要追求“六个九”（99.9999%）的可靠性。我打赌很多CEO并不了解合同里签的这些细节。我想和所有CEO谈谈，他们可能没关注那些正在签署的合同。每个人都想要最完美的合同，结果云服务商（CSP）就去向公用事业公司要求最高等级的保障。所以首先要让客户意识到他们在要求什么。其次，我们要建造能“优雅降级”的数据中心。如果电网告诉我们要降到80%功耗，我们应该能说没问题，只需调整负载，确保数据不丢失，只是计算速度慢一点。

Lex Fridman：这种对数据中心电力的智能动态分配，在工程上有多难？

黄仁勋：只要你能定义需求，就能把它造出来。只要它符合物理定律，就没问题。

Lex Fridman：那你提到的第三点是？

黄仁勋：第三点是公用事业公司。他们需要意识到这是一个机会。与其说“我要花5年才能扩建电网”，不如说“如果你愿意接受这种等级的电力保障，我下个月就能以这个价格供电”。如果电力公司提供不同等级的供电承诺，大家就会知道该怎么做。现在的电网里有太多浪费了。

对马斯克的看法：能把一切精简到极致

Lex Fridman：你高度赞扬了埃隆·马斯克和xAI在孟菲斯取得的成就——在短短四个月内建成了Colossus超级计算机。它现在拥有20万个GPU且仍在扩张。他的工程方法、管理和施工方式，有哪些是值得其他数据中心建设者学习的？

黄仁勋：首先，埃隆在很多领域都有极深的造诣，他是一个顶级的系统思想家。他能跨学科思考，他会质疑一切：第一，这有必要吗？第二，必须这么做吗？第三，必须花这么长时间吗？他能把一切精简到极致，剔除所有不必要的环节，但保留产品的核心功能。他是你能想象到的最极致的极简主义者，而且是在系统规模上实现的。另外，我非常欣赏他总是出现在行动的第一线。如果有问题，他会说“带我去现场看看”。这种亲力亲为克服了许多“以前就是这么做的”或者“我在等别人”之类的借口。最后，当你亲自展现出这种迫切感时，会带动所有人。每个供应商都有很多客户和项目，但他通过行动让每个人都把他的项目列为最高优先级。

Lex Fridman：我参加过一些那样的会议，非常有意思。很少有人会问：“能不能快一点？为什么非要这么久？”而这往往会变成一个工程问题。我记得有一次跟他在一起，他真的在研究如何把电缆插进机架的每一个步骤。他和一线的工程师一起工作，为了理解整个过程如何才能减少出错。通过建立这种从微观细节到宏观系统的直觉，你能立刻发现效率低下的地方，并说“让我们换个完全不同的做法，扫清所有障碍”。

明白物理上的极限，去除多余的复杂

Lex Fridman：英伟达的“极致协同设计”与埃隆这种系统工程方法有什么相似之处吗？

黄仁勋：协同设计本质上就是一个终极的系统工程问题。另外我们有一种理念，我30年前就开始用了，叫“光速”（speed of light）。“光速”不只是指速度，它是我的速记法，意指“物理学所能达到的极限”。我们做任何事都会与“光速”对比：内存速度、数学计算速度、功耗、成本、时间、人力、制造周期。当你思考延迟与吞吐量、成本与产能的关系时，你会针对“光速”极限去分别测试这些约束。当你把它们整合在一起时，你必须做出妥协，因为追求极低延迟的架构与追求极高吞吐量的架构在本质上是不同的。但你需要知道高吞吐量和低延迟各自的“光速”极限在哪里，这样在做整体权衡时才有依据。我强迫每个人在动手前先思考第一性原理和物理极限。

我不喜欢“持续改进”这种说法。虽然东西造出来后确实需要随时间改进，但我更喜欢从第一性原理出发。如果不问青红皂白就说：“现在做这件事要74天，我们可以缩短到72天。”我宁愿把它全部推倒归零，问：“首先解释一下为什么最初要74天？如果我从头开始建，最快能有多快？”通常你会惊讶地发现，可能只需要6天。剩下的68天差额可能是有理有据的妥协、成本缩减等，但至少你知道它们是什么。一旦你知道6天是有可能的，那么从74天减到6天的讨论会变得高效得多。

Lex Fridman：在如此复杂的系统中，“简洁”有时是一个好的启发式方法吗？你发布的Vera Rubin Pod简直令人难以置信：7种芯片类型、5种定制机架、40个机架、1.2万亿个晶体管、近2万颗英伟达芯片、超过1100颗Rubin GPU、60 exaflops算力、10 PB/s的扩展带宽。这一切仅仅是一个……

Lex Fridman：这仅仅是一个Pod（计算单元）。

黄仁勋：没错，仅仅是一个Pod。

Lex Fridman：我的意思是，单单一个NVL72机架就有130万个组件、1300颗芯片、4000个Pod（此处Lex可能指代组件或电缆）挤在一个19英寸宽的机架里。

黄仁勋：Lex，为了让你有个直观概念，我们每周可能需要生产大约200个这样的Pod。

Lex Fridman：考虑到这么多不同的组件，我猜“简洁”是不可能的，但在设计时，“简洁”是你追求的指标吗？

黄仁勋：我最常说的一句话是：我们需要事物“在必要时足够复杂，在可能时足够简单”。问题在于，所有的复杂性都是必要的吗？我们必须对此进行测试和挑战，除此之外的任何复杂性都是多余的。

Lex Fridman：但这依然令人难以置信。整个半导体行业，尤其是英伟达正在做的，堪称历史上最伟大的工程之一。这些系统简直是工程界的奇迹。

黄仁勋：它是世界上制造过的最复杂的计算机。

Lex Fridman：是的，这些工程团队……我不想搞排名，但如果工程界有奥林匹克，台积电（TSMC）和ASML在各个尺度上都做到了极致，但英伟达绝对能与他们一较高下。真是令人惊叹的团队。

黄仁勋：这就像是每个运动项目的金牌得主都集结在了这里。

Lex Fridman：而且必须协同工作，并直接向你汇报。这太棒了。

对中国的看法

Lex Fridman：你最近去了中国。中国在建设技术领域非常成功，你如何理解中国在过去10年里能建立起这么多世界级公司、顶尖工程团队和技术生态系统，并产出这么多惊人产品的？

黄仁勋：原因有很多，首先看事实：全球约50%的AI研究员是中国人，且大部分仍在中国。虽然我们这里有很多，但中国仍有大量天才研究员。其次，他们的技术产业出现的时间恰到好处。在移动云时代，他们贡献的方式是软件，这个国家拥有深厚的科学和数学底蕴，孩子们受教育程度极高，他们非常适应现代软件。

黄仁勋：中国不是一个单一的巨大经济体，它有许多省份和城市，市长们都在互相竞争。这就是为什么有那么多电动汽车（EV）公司、AI公司。他们在内部有着极其惨烈的竞争，能生存下来的都是顶尖公司。他们还有一种社会文化：家庭第一，朋友第二，公司第三。这意味着他们内部交流极度频繁，本质上一直处于“开源”状态。他们的工程师、兄弟、朋友、同学可能都在不同的公司，这种“校友”概念让他们分享知识的速度极快。既然技术藏不住，不如直接开源，开源社区进一步放大了创新。所以，顶尖人才、开源驱动的快速创新、深厚的友谊纽带以及惨烈的竞争，造就了这一切。中国是当今世界上创新速度最快的国家，这植根于他们的教育和文化。

Lex Fridman：而且在文化上，当工程师是一件很酷的事。

黄仁勋：这是一个“建设者民族”（Builder nation）。我们国家的领导人大多是律师，这很棒，因为他们在维护法治安全；而中国是从贫困中建设起来的，所以他们的许多领导人都是顶尖的工程师，拥有极其聪慧的大脑。

Lex Fridman：稍微跑个题，既然提到开源，我得提一下Perplexity，你一直是他们的粉丝。

黄仁勋：非常喜欢。

Lex Fridman：也感谢英伟达发布了开源的Nemotron 3 Super，这是一个1200亿参数的开源权重MoE模型。你在开源方面的愿景是什么？中国公司如DeepSeek和MiniMax也在推动开源，而英伟达在接近SOTA（最前沿）的开源大模型上处于领先地位。

黄仁勋：首先，要成为伟大的AI计算公司，我们必须理解模型是如何演化的。Nemotron 3不仅仅是纯Transformer模型，它结合了SSM（状态空间模型）。我们在基础研究上的投入能让我们洞察未来的模型需要什么样的计算系统，这是我们“极致协同设计”战略的一部分。其次，我们希望AI能扩散到每个行业、每个国家和每个学生手中。如果一切都是私有的，研究和创新就会受阻。开源是许多行业加入AI革命的基础。英伟达有规模和动力在有生之年持续构建这些模型。第三，AI不仅仅是语言，它会使用工具，并基于生物学、化学、物理定律等非语言结构的信息进行训练。我们不造车，但我们希望每家车企都能用上好模型；我们不研发药物，但我希望Lilly公司拥有世界上最好的生物AI系统，这样他们就能用它来发现药物。

Lex Fridman：再次感谢你们真正开源了模型、权重和数据。

黄仁勋：是的，我们连如何创建它的过程都开源了。

对台积电的看法

Lex Fridman：你出生于中国台湾，与台积电关系密切。台积电在工程领域也是个传奇，你认为是什么文化和方法让他们在半导体领域取得了这种无可匹敌的成功？

黄仁勋：对台积电最大的误解是认为他们只有“技术”，比如有一个厉害的晶体管。实际上，是他们协调全球数百家公司动态需求的能力。无论客户增加还是减少订单、紧急投片还是推迟生产，他们都能在复杂的变动中维持工厂的高吞吐量、高良率和优质成本。他们极其看重承诺，答应什么时候交货就一定交货。

黄仁勋：其次是文化。他们同时实现了“尖端技术研发”和“客户服务导向”的平衡。很多公司擅长服务但技术不领先，或者技术领先但服务差，台积电两者都是世界级。第三点是我最看重的：他们创造了名为“信任”的无形资产。我敢把整个公司的命运托付给他们。

Lex Fridman：这种信任是建立在几十年的表现之上的，也包含人际关系。

黄仁勋：三十年来，我们通过他们做了数百亿美元的生意，却连一份正式合同都没有。这很了不起。

Lex Fridman：太惊人了。听说2013年台积电创始人张忠谋曾邀请你担任CEO，而你拒绝了，因为你说你已经有一份工作了。这是真的吗？

黄仁勋：是真的。我深感荣幸，张忠谋是我一生中最敬重的商业伙伴和好友。但我脑海中已经看到了英伟达的未来和我们将产生的影响。我有责任实现它，所以我拒绝了，虽然那是一个令人难以置信的Offer。

英伟达的护城河

Lex Fridman：英伟达现在是全球市值最高的公司，你认为最大的“护城河”是什么？

黄仁勋：我们最重要的资产是计算平台的安装基数，即CUDA的安装基数。20年前没有安装基数时，我们靠的是公司的执着和愿景。CUDA的成功不是靠三个人，而是靠4.3万名员工和数百万相信我们的开发者。

黄仁勋：这种安装基数结合我们的执行速度是无敌的。从开发者角度看：如果我支持CUDA，六个月后它就会变快10倍；我开发的软件能触达每一片云、每个行业、每个国家。而且开发者100%信任英伟达会永远优化和维护CUDA。其次是生态系统。我们不仅垂直整合复杂的系统，还水平整合进每个公司的电脑中——亚马逊、谷歌、微软、CoreWeave、Lily、汽车、机器人甚至卫星。我们进驻了企业电脑，在边缘计算的无线基站中也有。你知道，简直太疯狂了。一个架构覆盖了所有这些不同系统。我们在汽车中，在机器人中，在卫星中，甚至在太空里。所以拥有这样一个架构，而且生态系统如此广泛，基本上覆盖了全球每一个行业。

Lex Fridman：CUDA的护城河在未来会演变成“AI工厂”吗？

黄仁勋：过去我们的计算单元是GPU，接着是计算机，然后是集群，现在是整个AI工厂。以前发布Ampere时，我拿起一块芯片，那是我的思维模型。现在，我的思维模型是那个连接电网、拥有巨大冷却和网络系统的“吉瓦级怪物”。启动一个工厂需要数千名工程师，而不是按一下开关。

Lex Fridman：所以现在你入睡前想到的是Pod，而不是单个芯片。

黄仁勋：是整个基础设施。我希望下一步，当我思考构建计算机时，会想到行星级规模。那将是下一个思维转变。

太空中的AI数据中心

Lex Fridman：关于马斯克提到的在太空进行计算以解决能源问题的想法，你怎么看？

黄仁勋：冷却是个大问题。但英伟达GPU其实已经是第一批上天的GPU了。我们在卫星上做实时影像处理，因为你不能把数PB的数据传回地球，必须在边缘侧处理。太空中没有对流，只能靠热辐射，所以需要巨大的散热器。

Lex Fridman：这是5年、10年还是20年后的事？

黄仁勋：我比较务实，我在关注下一个机会的同时也在培育太空领域。我们正在研究辐射、性能衰减和软件冗余。但目前，我最喜欢的答案还是消除地球上的浪费，比如利用那些闲置的电力。

英伟达市值会达到10万亿美元吗？

Lex Fridman：英伟达市值未来会达到10万亿吗？或者说，那样的未来是什么样的？

黄仁勋：我认为英伟达的增长是不可逆转且必然的。原因有二：第一，计算模式从“基于检索”变成了“基于生成”。以前电脑主要是在检索预先录制的文件，现在AI需要实时处理并生成Token。我们需要更强的处理能力而非存储能力。旧世界需要海量存储，新世界则需要海量计算。除非这种生成式计算被证明是无效的，否则这种趋势不会改变。

黄仁勋：第二，我们正在建造工厂，而不仅仅是仓库。仓库不怎么赚钱，但工厂直接关联收入。智能是一种可以规模化的产品。未来人们愿意为每百万Token支付1000美元，这只是时间问题。全球GDP增长会加速，而其中用于计算的比例将是过去的100倍。在这个背景下，英伟达在不久的将来实现3万亿美元的年收入也是完全可能的，因为这不受任何物理极限的限制。

黄仁勋：我看不到任何迹象表明3万亿美元是不可能的。事实上，英伟达的供应链负担由200家公司共同分担。我们在这一生态系统的合作基础上进行扩张。问题在于，我们是否有足够的能源来支撑？肯定会有的。综上所述，那个数字（市值）只是一个数字。我记得英伟达第一次突破10亿美元时，一位CEO提醒我：“黄仁勋，理论上无晶圆厂（fabless）半导体公司是不可能超过10亿美元的。”我不想细说原因，但那显然是不合逻辑的，后来的事实也证明了这一点。接着有人说，因为某某公司，你们永远不会超过250亿美元。这些都不是第一性原理思维。最简单的思考方式是：我们制造了什么，以及我们能创造多大的机会？英伟达做的不是抢夺存量市场的生意，我刚才谈到的大部分事物甚至还不存在，这是最难理解的部分。如果英伟达是一家试图抢夺市场份额的100亿公司，股东很容易理解只要拿走10%的份额就能做大；但人们很难想象我们能做多大，因为我没有份额可以从别人那里抢。我认为挑战在于对未来的想象力。但我有的是时间，我会不断推理、不断阐述，每一届GTC大会都会让这一切变得更加真实。总有一天我们会达到那个目标的，对此我百分之百确定。

Lex Fridman：是的，这种关于“Token工厂”的观点——即每秒每瓦产生的Token，以及每个Token都有其价值。它是一种能带来实际价值的东西，对不同的人产生不同的价值。这种产品核心可以被宽泛地理解为Token，而你拥有一堆Token工厂。基于第一性原理，考虑到AI能解决的所有潜力，未来显然需要指数级增长的Token工厂。

黄仁勋：更有趣的是，这也是我如此兴奋的原因：“Token界的iPhone”已经出现了。

Lex Fridman：你怎么称呼它？等等，你是说像OpenClaw这样的东西是iPhone？这很有趣。

黄仁勋：是智能体（Agents）。通用的智能体，它们就是Token界的iPhone。它是历史上增长最快的应用，曲线直接垂直上升。

Lex Fridman：这确实说明了些什么。

黄仁勋：没错，OpenClaw毫无疑问就是Token界的iPhone。

Lex Fridman：大约从12月开始，人们真正觉醒并意识到了Claude Code、Codex和OpenClaw的力量。我得惭愧地承认，来这里的路上在机场里，我第一次在公共场合通过对着笔记本电脑说话来“编程”。虽然我觉得像在和人类同事聊天一样有点尴尬，我不确定未来每个人都对着AI说话会怎样，但这种办事效率真的极高。

黄仁勋：更可能的情况是你的AI会一直打扰你。因为它办事太快了，会不断反馈：“我做完了，下一步要做什么？”我觉得大多数人还没意识到，未来和他们聊天、发信息最多的人，将是他们的Claw或龙虾。

Lex Fridman：多么不可思议的未来。

压力之下如何行动

Lex Fridman：我读到过，你将成功归功于比任何人都努力工作、比任何人都更能承受痛苦。包括应对失败、工程难题、人际问题、不确定性、责任感、精疲力竭、公司濒死的时刻，还有压力。作为这家影响多国战略和财政规划的公司CEO，你如何应对这种压力？

黄仁勋：我意识到英伟达的成功对美国非常重要。我们创造了巨额税收，确立了国家的技术领先地位，这对国家安全至关重要。当国家繁荣时，我们能更好地处理国内政策和社会福利。因为英伟达正在推动美国的“再工业化”，创造了大量就业机会，将芯片、电脑和AI工厂的建设带回美国。我也很清楚，很多主流投资者——老师、警察，因为各种原因投资了英伟达，或者看了吉姆·克莱默的节目买了股票，现在成了百万富翁。我完全明白英伟达处于一个巨大的合作伙伴网络中心。我处理压力的方法就是：推理我们在做什么？它会产生什么影响？无论是对他人的益处，还是供应链承受的巨大负担。然后问自己，你要怎么做？我会分解问题，分析情况、变化、难点以及对策。一旦问题被分解成可管理的小事，剩下的就是：你做了吗？是你做的还是让别人做的？如果你推导出需要做却没做，也没找人做，那就别抱怨了。我对自己挺狠的，但我也会分解任务以防恐慌。我能睡着觉是因为我列好了清单，并把所有可能危及公司、伙伴或行业的风险告诉了能处理它们的人。把这些说出来或付诸行动后，Lex，你还能做什么呢？

Lex Fridman：在建立英伟达的艰辛旅程中，你遇到过心理上的低谷吗？

黄仁勋：噢，当然，一直都有。

Lex Fridman：那时候你也是通过分解问题来应对的吗？

黄仁勋：是的。Lex，其中一部分是“忘记”。如你所知，AI学习中最重要的属性之一是系统性遗忘。你必须知道什么时候该忘掉一些事，你不能背下所有东西。我会迅速分解问题、进行推理并分担负载。当我向大家吐露担忧时，我本质上是在尽快分担负担。别一个人扛着。别吓坏别人，而是把问题拆小，激励他们去解决。除此之外就是对自己狠一点：别哭鼻子了，行动起来。然后你起床，被下一个未来的机会、下一个希望所吸引。就像伟大的运动员只关注下一分，尴尬、挫折和退步都已成为过去。因为我的工作很大程度上是公开的，我也说了很多当时觉得有道理或好笑的话，回过头看可能没那么好笑，但那就是我的方式。

Lex Fridman：你允许自己被未来的光芒牵引，忘掉过去。你曾说如果当初知道创办英伟达会比预想难一百万倍，你就不会做了。但这难道不是所有值得做的事情的共同点吗？

黄仁勋：没错。我试图表达的是，拥有“孩子般的心态”是一种超级力量。当我看到某件事时，我的第一反应通常是：“这能有多难？”哪怕它看起来庞大无比、耗资千亿，你也要保持这种心态。你不想提前模拟所有的挫败和磨难，你希望带着“一切都会很完美、很有趣”的初衷进入新体验。而一旦身处其中，你需要耐力和坚韧来应对那些意外的挫折、失望、尴尬甚至羞辱。你只需开启另一个开关：忘掉它，继续前进。只要我对未来的核心假设没变，我就相信模拟的结果终会发生，我就会继续追求它。这种对新体验的单纯好奇、忘掉挫折的能力以及对自己的信念，是韧性的关键。我很幸运拥有这些。我总是在好奇、在学习，因为我对此保持谦卑，我会模拟并效仿我观察到的每一个优秀的点。

Lex Fridman：你现在是世界上最富有、最成功的人之一。在金钱、权力和名声的影响下，保持谦卑、承认自己错了并听取不同意见，会变得更难吗？

黄仁勋：令人惊讶的是，并不会。甚至恰恰相反。因为我的工作是公开的，当我错了，全世界都看得到。这本身就是一种惩戒。在会议中，我不断在员工面前进行推理。我展示推理的每一个步骤，这样大家就能决定是否相信我的结论。他们不需要反对比我的结果，他们可以反对我的某个推理步骤。这是一种“集体路径搜索”，非常棒。

Lex Fridman：你这种即时推理的方式很美，让人觉得可以引导你的思维。这么多年成功与痛苦之后还能保持这种开放心态非常难得。痛苦有时会让人变得封闭。

黄仁勋：对尴尬的容忍度很重要。你要能承认自己宣告的一个想法是错的并从中成长。

黄仁勋：毕竟，他们都知道我的第一份工作是扫厕所。

AGI何时实现

Lex Fridman：关于AGI的时间线，如果定义为：一个AI系统能做你的工作——即创立并经营一家价值超过10亿美元的技术公司。这离我们有多远？

黄仁勋：我认为就是现在。我们已经实现了这种意义上的AGI。

图片图片

Lex Fridman：你觉得现在就能有AI经营的公司？

黄仁勋：可能的。一个Claw也许能创建一个有趣的网页服务或应用，突然间几十亿人每人付50美分，随后它可能很快倒闭。互联网时代有很多这类公司，那时的网站并不比现在OpenClaw能生成的更复杂。实现病毒式传播并变现，这是可能的。

Lex Fridman：这句话会让很多人兴奋的。

解决问题的本质工作不会消失，未来编程的人数将到10亿

黄仁勋：事实上这正在发生，在中国你会看到很多人让Claw去找工作、赚钱。但我必须强调一点，人们非常担心自己的工作。我想提醒大家，你的工作目标和你使用的工具是两回事。我当了34年CEO，是世界上任职时间最长的技术CEO，我的工具一直在变。

黄仁勋：曾经计算机科学家预言第一个消失的职业是放射科医生，因为计算机视觉（CV）会超越人类。2020年CV就已经达到超人水平了，现在的放射平台都由AI驱动，但放射科医生的数量反而增加了。为什么？因为现在全世界依然面临放射科医生短缺。

黄仁勋：那些危言耸听的警告做得太过头了，吓得人们不敢从事这个对社会如此重要的职业（放射科医生），这造成了伤害。为什么这种观点是错的？因为放射科医生的本质目标是诊断疾病，帮助患者和医生。由于现在研究影像扫描的速度大幅提升，你可以处理更多片子，诊断得更准确，让病人更快入院，接待更多患者。医院赚了更多钱，病人也更多，自然需要更多的放射科医生。这一切显而易见。英伟达的软件工程师数量也会增加，而不是减少。原因在于软件工程师的目标和“写代码”这项任务虽然相关，但并不同。我希望我的工程师去解决问题，我不在乎他们写了多少行代码。解决问题、团队协作、评估结果、寻找新挑战、创新、串联灵感，这些本质工作永远不会消失。

Lex Fridman：你认为全世界程序员的数量可能会增加而非减少吗？

黄仁勋：是的。因为“编程”的定义正在改变。现在的编程仅仅是“设定规范（Specification）”，甚至只是给出软件架构。那么，有多少人能做到这一点？告诉计算机去构建什么，全球能做到这一点的人数将从3000万增加到10亿。未来的每个木匠都会是程序员，而且是带着AI的建筑师。他们能为客户提供的价值和艺术性得到了极大提升。会计师也会变成财务分析师和顾问。如果我是木匠或管道工，看到AI我会疯狂，因为它能让我为客户提供的服务产生质变。

Lex Fridman：现在的程序员正处于理解如何用自然语言与智能体交流的前沿。虽然以后会趋同，但我认为学习编程语言的设计原则对大型系统依然有价值。

黄仁勋：没错。设定规范的艺术取决于你试图解决的问题。当我制定公司战略时，我描述的级别必须足够具体，让43,000名员工明白方向并能采取行动，但我会故意“描述不足（Under-specify）”，以便让这些优秀的人把它做得比我预想的更好。每个人都要学会自己在编程光谱中的位置：有时需要非常精确，有时则需要留白，与AI共同探索创意的边界。

Lex Fridman：但在编程之外，很多白领确实对失业感到焦虑。自动化带来的动荡总会伴随痛苦，我们需要对那些失去工作的家庭抱有同情心。希望工具的进化能让工作变得更高效有趣，就像我最近编程时感到前所未有的快乐一样。

黄仁勋：我处理焦虑的方法就是将其分解。有些事你无能为力，但能做的就去推理并执行。如果我现在招聘应届生，在“不懂AI”和“AI专家”之间，我肯定雇后者。无论是会计、营销、律师还是木匠、农民，去使用AI吧，看看它如何提升你的职业。如果你的工作仅仅是一项“任务（Task）”，那你确实会被取代；但如果你的职业目标包含这些任务，那就必须用AI自动化它们。

Lex Fridman：AI的美妙之处在于你可以通过与它交谈来分解焦虑。它像个伟大的生活导师，能帮你制定提升技能的计划。

黄仁勋：没错，你不能走到Excel面前说“我不懂怎么用你”，但AI会教你。

Lex Fridman：它消除了作为初学者的摩擦力。就像我告诉你的，我要去中国大陆和中国台湾地区，我可以直接问AI怎么去、去哪儿。

黄仁勋：你去中国台湾的时候，记得问AI“黄仁勋最喜欢的中国台湾餐厅有哪些”，它会告诉你的。

人性与智能的不同之处

Lex Fridman：你认为人类本性或意识中，是否有某些东西是芯片永远无法复制的？

黄仁勋：我不确定芯片是否会“紧张”。AI也许能识别和理解情绪，但芯片本身不会感受到。人类在相同环境下因为情感起伏而产生的差异化表现，是构建AI时没见过的。AI会产生统计学上的不同结果，但不是因为它“感觉到”了不同。

Lex Fridman：主观体验非常特别。比如刚才和你对话我其实很紧张。人类的爱恨、对死亡的恐惧、失去亲人的痛苦，很难想象计算设备能模拟这些。但我对惊喜持开放态度，规模化（Scaling）在智能领域创造了奇迹。

黄仁勋：区分“智能”和“人性”很重要。智能是感知、理解、推理和计划的闭环，它不等于人性。我认为智能将成为一种“商品”。我身边到处是比我聪明、受教育程度更高的人，他们在我眼中都是“超人”，而我这个曾经洗盘子的人坐在中间协调他们。智能是功能性的，而人性包含痛苦、意志和更广阔的意义。我们应该抬高“人性”的地位，而非智能。

对死亡的态度

Lex Fridman：英伟达的成功和数百万人的生活都依赖于你。你会思考死亡吗？

黄仁勋：我真的不想死。我有美好的生活、家人和极具意义的工作。英伟达是历史上最重要的科技公司之一，我们正在经历“人类一生一次”的变革。关于接班人计划，我常说我不相信它。原因不是我长生不老，而是如果你担心未来，最该做的是持续传递知识和见解。这也是为什么我在团队面前公开推理每一件事。我学到的任何东西都不会在桌上停留超过一秒，我会立刻分享出去。我希望我能死在工作岗位上，最好是瞬间发生，没有长期的痛苦。

Lex Fridman：作为粉丝，我希望你一直走下去。看英伟达的工程创新是一种享受。是什么让你对人类的未来保持希望？

黄仁勋：我始终对人类的善良和同理心充满信心。我总是预设人们想要做好事、想帮助他人，而事实证明我是对的。我们可以合理地期待疾病的终结、污染的减少，甚至是以光速旅行。

Lex Fridman：光速旅行？

黄仁勋：很快我就会把一个具身智能机器人送上飞船。随着它在飞行中不断进化，到时候把我上传到网上的意识——邮件、言论、所做的一切——以光速发送过去，追上那个机器人。

Lex Fridman：这太天才了。

黄仁勋：理解生物机器（人类身体）就在眼前，可能只需五年。解释意识也将成为可能。

Lex Fridman：黄仁勋，感谢你多年来为世界所做的一切，你是一个伟大的人。

黄仁勋：谢谢你，Lex。我也非常享受你的深度采访，感谢你创造了这种长篇对话的形式。

Lex Fridman：感谢收听。最后分享艾伦·凯（Alan Kay）的一句话：“预测未来的最好方法就是去发明它。”