北京
整理｜冬梅
黃仁勛回顧了英偉達最驚險、也最具決定性的創業階段——從錯誤的早期戰略、瀕臨破產的現金流，到押上公司未來的技術重構與一次性量產的豪賭。
昨天，英偉達正式推出 CUDA Toolkit 13.1 —— 自 2006 年推出 CUDA 平臺以來，官方稱這是“20 年來最大、最全面的一次更新”。
此次版本帶來了多項重大變革，其中最引人注目的是新加入的 CUDA Tile 編程模型。通過 Tile（塊／片）為單位編寫算法，開發者得以在比傳統 SIMT（單指令多線程）更高抽象層上構建 GPU 程序，底層細節，如張量核心（Tensor Core）調用，將由編譯器與運行時負責分配與管理。
那么，核心亮點有哪些？一句話概括，就是 Tile 編程以及更友好的資源管理。具體而言：
CUDA Tile：作為一個全新的 tile-based 編程模型，CUDA Tile 引入了一套虛擬指令集（Virtual ISA，CUDA Tile IR），使開發者可直接對數據塊（tile）進行操作，而不必關注線程、warp、tensor core 等底層結構。這樣寫出來的代碼不僅更簡潔，而且具備跨代 GPU 的兼容性，有望極大提升 AI 與高性能計算算法開發效率。
綠色上下文 (Green Context) 的 Runtime API 暴露：13.1 版本將 green contexts（即一種輕量級、可并發調度的執行上下文）暴露給用戶，使得程序可以更靈活地管理 GPU 資源。對于并行任務、資源隔離、多任務共存場景，這是一項顯著改進。
cuBLAS 精度仿真增強：在數學庫 cuBLAS 中，新增了對雙精度與單精度的仿真支持，這對于一些對數值精度有較高需求的科學／工程計算非常重要。
文檔與工具鏈全面更新：英偉達還全面重寫了 CUDA 編程指南，適合從新手到高級開發者，同時更新了工具鏈與庫，使得整個 CUDA 平臺在穩定性、易用性上都有顯著提升。
其實一直以來，英偉達即便在 AI 芯片領域占據主導地位，但依然保持快頻率的技術迭代，這與 CEO 黃仁勛多年來從未松懈過不無關系。
喬布斯有句家喻戶曉的名言：“Stay hungry, stay foolish.”
而黃仁勛則以另一種方式，把這種精神貫徹了 33 年——保持恐懼，保持清醒。
他說自己每天醒來腦海里都有一個聲音：“距離破產，還剩 30 天?！边@種持續三十多年的緊迫感，幾乎成為他獨特的“生存本能”。
在美國最受歡迎的播客《The Joe Rogan Experience》中，英偉達創始人黃仁勛第一次如此坦率地談及自己的心理驅動力：支撐他一路走下來的，不是野心，而是長期籠罩的危機感。
在這段訪談中，黃仁勛回顧了英偉達最驚險、也最具決定性的創業階段——從錯誤的早期戰略、瀕臨破產的現金流，到押上公司未來的技術重構與一次性量產的豪賭。
他講述了公司上市后全面收縮戰線、關閉錯誤方向，三位架構師抱著從 Silicon Graphics 教科書學來的理念，重新發明 3D 圖形技術，并將百萬級工作站性能壓縮進一張 PC 顯卡，為電子游戲時代奠定技術基座。
在最缺資金的時刻，他用僅剩資金買下倒閉公司庫存的模擬器，以便在出第一片硅前把所有軟件調通；隨后又說服當時規模仍小的臺積電，在沒有試產的情況下直接量產新品——一次失敗就會讓英偉達消失的決定。
這些看似瘋狂的選擇構成了英偉達的轉折點，也成為后來 GPU 計算與現代 AI 崛起的源頭。在訪談末尾，黃仁勛說自己至今仍保持“公司 30 天內可能破產”的危機感。對他而言，這種持續的緊繃與不愿失敗的驅動力，是英偉達得以不斷突破的重要原因。
以下為訪談實錄，經 InfoQ 翻譯及整理：
1 “過去兩年，AI 技術能力提升了 100 倍”
主持人：當我們在談論技術增長和能源增長時，很多人會說：“這不是我們需要的，我們需要簡化生活，回歸自然?！钡嬲膯栴}是我們正處于一場巨大的技術競賽中。不管人們是否意識到，喜歡與否，它正在發生。這是一場非常重要的競賽，因為誰先到達 AI 的“事件視界”（Event Horizon），誰就擁有巨大的優勢。你同意嗎？
黃仁勛：首先，我同意我們正處于一場技術競賽中，而且我們一直都在技術競賽中。自從工業革命以來，我們就一直在與某人進行技術競賽。自曼哈頓計劃以來，甚至可以追溯到能源的發現，我們都在競賽。英國是工業革命的發源地，當時他們意識到可以將蒸汽轉化為能源，轉化為電力。所有這些主要是在歐洲發明的，而美國抓住了它。我們從中學習，我們將其工業化，并比歐洲任何地方傳播得都快。他們都陷入了關于政策、就業和顛覆的討論中，而美國正在形成。我們只是采用了技術，并付諸實踐。
所以，我認為我們一直都在某種技術競賽中。二戰是一場技術競賽，曼哈頓計劃是一場技術競賽。冷戰期間也一直是技術競賽。我認為我們仍然處于技術競賽中。它可能是最重要的一場競賽。技術為你提供了超能力。無論是信息超能力、能源超能力還是軍事超能力，都建立在技術之上。因此，技術領導力至關重要。
主持人：看起來在 AI 競賽中，人們非常緊張。比如埃?。R斯克）曾說過，有 80% 的機會會很棒，20% 的機會我們會陷入麻煩。人們理所當然地擔心那 20%。對于這個問題你怎么看？
黃仁勛：我認為它可能會比我們想象的漸進得多。它不會是一個瞬間，不會像某人突然到達而其他人都沒有。我不認為會是那樣。我認為它只會像技術一樣，不斷變得越來越好。
主持人：所以你對未來持樂觀態度？你對 AI 即將發生的事情非常樂觀。
黃仁勛： 當然，我們制造著世界上最好的 AI 芯片，所以最好保持樂觀。如果歷史可以借鑒，我們一直都對新技術感到擔憂，但這不是什么不好的事情，因為所有這些擔憂最終都會被引導，使技術更安全。
例如，在過去的幾年里，我認為 AI 技術的能力，僅在過去兩年里，就可能提升了 100 倍。那么，我們如何引導這種技術？我們如何引導所有這些力量？我們將其導向讓 AI 能夠思考，這意味著它可以接受我們給它的問題，逐步分解，在回答之前進行研究。因此，它以事實為基礎，會反思答案，問自己：“這是我能給出的最好答案嗎？我對這個答案確定嗎？”如果它不確定或信心不足，它會回去做更多的研究。它甚至可能會使用工具，因為工具提供了比它自己幻覺更好的解決方案。
結果是，我們將所有這些計算能力引導到產生一個更安全、更真實的結果和答案上。正如你所知，早期對 AI 最大的批評之一就是它會產生幻覺。如果你看看今天人們如此頻繁地使用 AI 的原因，就是因為幻覺的量減少了。
大多數人想到力量，可能想到的是爆炸性的力量。但技術的力量，大部分被導向了安全性。今天的汽車更強大，但駕駛起來更安全。很多力量被用于更好的操控。
主持人：所以當你定義“安全”時，你定義的是準確性和功能性？
黃仁勛： 對，就是讓它能完成你期望它做的事情。就像今天的汽車里用到的 ABS（防抱死制動系統）。沒有汽車里的計算機，你怎么做到這些？技術增強它導向的是更精細的思考、更多的反思、更多的規劃、更多的選擇。
主持人：但人們最大的擔憂是軍事應用。人們非常擔心 AI 系統會做出某些可能不符合倫理或道德的決定，因為這些系統往往是基于實現目標而非考慮后果的。你怎么看這一問題？
黃仁勛：我很高興我們的軍隊會使用 AI 技術進行防御。我很高興看到所有這些科技初創公司現在將他們的技術能力導向國防和軍事應用。我認為我們必須這樣做。
2 未來二十年 AI 會發展成什么樣？
主持人：當你展望 AI 的未來時，你剛剛說沒人真正知道會發生什么，你是否會坐下來思考各種情景？你認為未來二十年 AI 的最佳情景是什么？
黃仁勛：最佳情景是AI 融入我們所做的一切，一切都更高效。但戰爭的威脅仍然是威脅。網絡安全仍然是一個超級困難的挑戰?？傆腥藭噲D突破你的防線。你會有數以千計、數以百萬計的 AI Agent 來保護你免受威脅。你的技術會變得更好，他們的技術也會變得更好。
主持人：人們最大的擔憂之一是，技術會發展到加密技術將被淘汰，不再能保護數據和系統。你預見到這會成為一個問題嗎？還是認為隨著防御的增長，它就能永遠抵御任何入侵？
黃仁勛：不可能“永遠”擋住所有入侵。網絡安全之所以有效，是因為防御技術與攻擊技術都在快速進步。雖然并非所有入侵都能被阻擋——總會有一些攻擊成功突破防線，但我們會從中吸取教訓、持續改進。網絡安全防御的一大優勢在于，整個社會、整個社區以及所有公司都在共同協作、形成合力。這一點許多人并未意識到。實際上，存在一個由網絡安全專家構成的共同體，我們在此交流想法、分享最佳實踐、通報檢測到的新情況。一旦出現系統被攻破或發現漏洞，相關信息會立即共享給整個社區，相應的補丁也會迅速向所有人開放。
主持人：這很有趣。我以前不知道。我以為這會像其他所有事情一樣，都是競爭性的。
黃仁勛：我們一起努力，這種情況持續了大約 15 年。
主持人：你認為是什么開啟了這種合作？
黃仁勛：人們認識到這是一個挑戰，沒有一家公司可以獨善其身。AI 也會發生同樣的事情。我認為我們都必須決定共同努力，以避免受到傷害，這是我們最好的防御方式。
主持人：你預見到未來會有某個時候，秘密將不復存在嗎？信息都是一堆一和零，技術能越來越多地獲取這些信息。會不會有一天，沒有辦法保守秘密？
黃仁勛：我不這么認為。量子計算機本該，量子計算機將使以前的加密技術過時。但這正是整個行業正在研究后量子加密技術的原因。
主持人：那會是什么樣的？
黃仁勛：新的算法。量子計算擁有的力量十分驚人。它可以在幾分鐘內解決那些讓世界上所有超級計算機花費數十億年才能解決的方程。我知道有一群科學家正在研究這個問題。
主持人：終極恐懼會不會是：它無法被攻破，量子計算將永遠能解密所有其他的量子計算加密？
黃仁勛：我不認為會發展到某一點， AI 不會像從“穴居人”突然跳到“外星文明”那樣。我們每一天都在變得更好、更聰明。我們站在我們自己的 AI 的肩膀上前進。所以當 AI 威脅來臨時，它只是領先了一步，而不是領先了一個星系。所以我認為，那種 AI 會憑空出現，并以我們無法想象的方式思考，做出我們無法想象的事情的想法是牽強的。
主持人：但它們不會做一些非常令人驚訝的事情嗎？
黃仁勛：確實會有這種情況。但假設你的 AI 做了一件令人驚訝的事，我這邊也會有一個 AI。我的 AI 在觀察你的 AI 時，可能會說：“那其實也沒那么令人驚訝?！?/p>
我們這些普通人所擔心的恐懼，往往是擔心 AI 會變得有感知，能夠自己做決定，并最終決定統治世界——比如它們可能會說：“人類做得不錯，但現在該由我們接管了。”
不過，我的 AI 會保護我。這其實類似于網絡安全的邏輯：你有一個超級聰明的 AI，但我也有一個同樣超級聰明的 AI。假設我們理解了什么是意識和感知，并且它們確實存在——如果你的 AI 具備意識，我的 AI 也同樣具備。
假如你的 AI 想做些出人意料的事，我的 AI 非常聰明，可能并不會感到意外。雖然對我而言或許驚訝，但我的 AI 不會。就算我的 AI 最初也覺得意外，但它足夠聰明，第一次見到之后，第二次就不會再驚訝了。這和我們人類學習的過程其實很像。
3 AI 不會獲得意識
主持人：你提到你不相信 AI 會獲得“意識”，你對“意識”或“感知力”的定義是什么？
黃仁勛：對我來說，意識首先你需要知道自己的存在。你必須擁有體驗，而不僅僅是知識和智能。一臺機器擁有體驗的概念……我不知道如何定義體驗。意識是對體驗的感覺，是認識自我與能夠反思、認識我們自己、自我感。我認為所有這些人類體驗大概就是意識。但它為何存在，以及與知識和智能的概念有何不同？AI 是由知識和智能定義的。我們稱之為人工智能，而不是人工意識。感知、相信、識別、理解、規劃、執行任務的能力，這些都是智能的基礎。它顯然與意識不同。
主持人：我的意思是，狗沒有意識嗎？
黃仁勛：狗似乎很有意識。它們感受很多。它們會依戀你。你不在時會抑郁。所以它們當然有意識。
主持人：AI 不是在與社會互動嗎？那么，它是否通過這種互動獲得了經驗？
黃仁勛： 我不認為互動就是經驗。我認為經驗是……經驗是情感的集合。
主持人：你知道那個 AI 嗎？我忘了是哪個了，他們給了 AI 一些關于其中一個程序員與他妻子有外遇的虛假信息，只是為了看看 AI 會如何反應。然后當他們說要關閉它時，AI 威脅要敲詐程序員，并揭露他的外遇。當時大家就覺得：“哇哦！”它很狡猾。如果那不是從經驗中學習，并意識到自己即將被關閉它也不會進行威脅，如果它的能力呈指數級增長，那最終會不會導致一種不同于我們從生物學上定義的意識？
黃仁勛：嗯，首先我們來分析一下它可能的行為邏輯。它或許是從某個地方讀到過類似的描述——可能有些文本記載了人在面臨這種處境時會如何反應。
我可以想象，某本小說里可能就出現過相關的詞語和情節。所以在它的內部，只是識別出了一種“生存策略”。本質上，那不過是一組數字：與“丈夫對妻子不忠”相關的數字集合，后面關聯著另一串與“敲詐”或類似行為相關的數字。不管具體是報復還是什么，它只是根據這些關聯輸出了相應的詞語。這就好比如果我讓它以莎士比亞的風格寫一首詩，它也只是在這個多維的語言空間里，把世界上相關的詞語組合輸出而已。那些描述外遇的提示詞，觸發了后續一連串的詞語延伸，最終形成了某種帶有報復意味的回應。但這并不是因為它有了意識，它只是在生成詞語。
主持人：我理解你的意思，你想說這是人類在文學和現實生活中表現出的模式，對吧？
黃仁勛：完全正確。
主持人：可是，如果有一天，人們回顧過去時說：“看，兩年前它還做不到這個，四年前它也做不到那個。”當我們展望未來，當 AI 能做到人類能做的一切時，我們究竟要在哪個時間點判定它擁有了意識？如果它只是完美模仿了人類的全部思維和行為模式，那并不等于它就有意識——可那時它已經變得真假難辨了。它能以和人完全相同的方式與你交流，這難道不就像是某種意識的體現嗎？我們是不是過于執著“意識”這個概念了？因為它看起來已經很像意識的某個版本了。
黃仁勛：它只是“模仿的版本”——模仿意識，對吧？即便模仿得再完美，我依然認為那是模仿。就像一塊完美的高仿勞力士手表。問題在于：我們如何定義意識？
主持人：對，這正是關鍵。我覺得并沒有人真正清晰定義過它。
黃仁勛：是的，所以問題開始變得模糊，這也是那些持末世論觀點的人所擔心的——他們認為我們正在創造一種自己無法控制的意識形態。
我相信我們可以創造出一臺能夠模仿人類智能的機器，它可以理解信息、理解指令、分解問題、解決問題并執行任務。對此我完全相信。
我認為我們可以擁有一個具備海量知識的計算機系統。這些知識中，有些是真實的，有些是虛假的；有些是人類生成的，有些是合成生成的。而且，未來世界上越來越多的知識將是合成生成的。
要知道，一直以來，我們所擁有的知識都是由人類生成、傳播、互相傳遞、放大、增減和修改的。但在未來，可能兩三年后，世界上 90% 的知識很可能由 AI 生成。
主持人：這聽起來太不可思議了。
黃仁勛：我知道。但這沒關系。讓我解釋為什么：我從一本由一群我不認識的人編寫的教科書里學習，和從一臺整合所有信息并重新合成知識的 AI 計算機里學習，對我來說有什么區別呢？我認為并沒有太大區別。我們依然需要核實事實，依然需要確保它基于基本的原理，依然需要做所有這些工作——就像我們今天所做的一樣。
主持人：考慮到當前 AI 的發展現狀，你是否預見到——就像我們十年前從未真正相信 AI 會像今天這樣無處不在、如此強大和重要一樣——十年后我們會看到什么？你如何想象那時的情景？
黃仁勛：我覺得，如果你回顧過去十年，你也會說同樣的話：我們當時絕不相信會發展成今天這樣，雖然方向可能不同。但如果你站在九年后的時間點，再問自己十年后會怎樣，我認為變化會是相當漸進的。
4 AI 全面進化后，人類將何去何從？
主持人：埃隆·馬斯克說過一個讓我很興奮的觀點：他相信我們會進入一個人們不需要工作的階段。這并不是說人生沒有目標，而是用他的話說，人們會享有“普遍高收入”，因為 AI 創造了大量財富，從而消除人們為了賺錢而從事自己不喜歡的工作的必要性。但很多人對此感到不安，因為他們的全部身份認同、自我認知以及社會歸屬感，都和工作緊密相連。比如，這是邁克，他是一位出色的機械師——找邁克，他就能搞定?？扇绻幸惶?，AI 能比人類做得更好，人們雖然能得到錢，但邁克該怎么辦？邁克真心喜歡成為最棒的機械師。
還有那些寫代碼的人，當 AI 能夠以無限速度、零錯誤地編碼時，他們又該做什么？這些人的出路在哪里？問題就變得微妙了，因為我們人類往往把身份認同和謀生職業綁定在一起。認識一個人時，你問的第一句話往往是：“你是做什么的？”如果邁克回答：“我從政府領錢，整天打游戲。”那感覺就太奇怪了。
黃仁勛：是的，這個問題很有意思……我們或許可以從一個更實際的起點開始討論，再倒推回來，你看可以嗎？
我想以深度學習的奠基人——杰夫·辛頓教授為例。他是多倫多大學的杰出研究員，提出了“反向傳播”這一核心思想，讓神經網絡真正學會了“學習”。
對大眾來說，傳統軟件是人類運用第一性原理，將思維轉化為算法，再編寫成程序，就像一份食譜。而在深度學習中，我們構建的是一個龐大的神經網絡結構。我們輸入它最終需要處理的數據，然后讓它“隨機猜測”輸出應該是什么。
舉個例子：輸入一張貓的圖片。這個復雜網絡的某一端應當輸出代表“貓”的信號。當輸入是貓時，其他輸出（狗、大象、老虎等）都應接近零，只有“貓”的信號應接近一。我們通過這個由無數數學單元組成的網絡輸入貓的圖片——這些單元僅僅在做乘法和加法。網絡規模非常龐大：輸入信息越多，網絡就需越大。
杰夫·辛頓發明的方法是：先讓網絡猜測——輸入貓圖，它給出一個結果。正確答案是“貓”，于是我們增強“貓”的信號，抑制其他信號，并將這個調整反向傳回整個網絡。接著再輸入一張狗圖，它可能又輸出一堆雜亂結果。我們再次糾正：“不，正確答案是‘狗’。請輸出‘狗’，其他輸出歸零?！比缓笤俜聪騻鞑ミ@次修正。如此反復進行。這就像教孩子認物：“這是蘋果，這是狗，這是貓?！辈粩嗾故?、糾正，直到他們學會。
總之，這項偉大發明就是深度學習，它是當代人工智能的基礎——一種能夠從例子中學習的軟件。
其最重大的應用之一是圖像識別，而圖像識別中至關重要的領域就是放射學。大約五年前，有人預測：五年后，AI 將徹底改變放射學，不再需要放射科醫生。如今我們看到，這個預測完全正確——AI 已全面融入該領域。今天，幾乎所有的放射科醫生都在以某種形式使用 AI。
然而頗具諷刺意味且耐人尋味的是，自那以后放射科醫師的數量反而增加了。這就引出了一個值得玩味的問題：為什么會這樣？
當時的預測認為，AI 會讓放射科醫生消失，但現實恰恰相反，我們需要的放射科醫生更多。原因是：放射科醫生的真正目的不是閱讀影像，而是“診斷疾病”。
閱讀影像只是為了診斷服務的一個步驟?，F在 AI 能更快、更精準地分析圖像，從不犯錯，也不會疲勞——它能處理更多影像，能把 2D 圖像變成 3D、甚至 4D 來分析。AI 不在乎維度，它都能做。
因此，AI 能以人類做不到的方式、更大規模地研究影像，讓醫院可以為更多患者做檢查，提高服務量。這反過來改善醫院的經濟狀況，于是醫院會雇傭更多放射科醫生，因為醫生真正的價值是診斷疾病，而不是看圖。
主持人：所以你最終想說的是：關鍵要看一份工作的“目的”是什么？比如律師的目的是否改變了？
黃仁勛：對，我們要回到“工作的目的”本身。我舉個例子：如果汽車實現完全自動駕駛，所有司機會失業嗎？可能不會。因為有些司機承擔的不只是駕駛，而是保護、服務、體驗的一部分。
所以有些司機會失去工作，但許多司機會轉型，而自動駕駛也會催生新的應用。
同樣地，如果 AI 出現，我不認為我會失去工作，因為我的工作目的不是“看文件”“查郵件”“看技術圖”。這些都是任務，不是目的。人的工作目的通常沒變，變的是完成任務的方式。律師也是——他們的目的仍然是“幫助別人”。閱讀法律文件、生成文書只是手段，而不是目的。
主持人：但你不覺得 AI 會取代很多工作嗎？尤其是那些本質上就是“執行任務”的職業？
黃仁勛：會的。如果你的價值只是“做任務本身”，那就很危險。但 AI 同時也會創造大量新工作。例如：假設我對馬斯克做的人形機器人非常興奮，雖然還有幾年才會普及。但一旦普及，就會出現一個全新的產業——機器人制造、維護、維修的技術人員。這些工作以前不存在。
汽車問世后才出現汽車技工、加油站、改裝等行業。未來機器人也會催生“機器人服飾”“機器人維護”“機器人個性化”等全新產業。
主持人：你不認為這些工作未來也會被機器人自動化嗎？最終是不是只有那些不是“執行任務”的工作才會幸存？
黃仁勛：即便機器人彼此維護，也會不斷催生新需求、新工作。關鍵是：你的工作必須有“超越任務”的意義。如果你的工作只是“切菜”，那廚房機早就能代替你了。人們必須尋找更有意義的部分。
5 如何看待馬斯克提出的全民基本收入（UBI）？
主持人：你怎么看馬斯克關于“全民基本收入（UBI）將成為必要”的觀點？像 Andrew Yang 也提出過類似的看法。
黃仁勛：我認為兩種極端情況不會同時發生：一種說法是：未來 AI 帶來“資源極大豐富”，人人都富裕，不需要工作。另一種說法是：我們需要全民基本收入來維持生活。這兩者不可能同時成立。要么人人富裕，要么人人需要補貼。
主持人：那你覺得“人人富?！笨赡軉?？如何實現？
黃仁勛：富裕不一定意味著“每個人都擁有很多錢”，而是“資源極大豐富”。就像今天我們對“信息”非常富有——幾千年前只有極少數人能獲取知識。未來，許多現在被認為稀缺的資源，會因為自動化而變得廉價、易得。
主持人：聽起來你認為很難預測很遠的未來？
黃仁勛：對，非常難，因為變量太多了。但未來 5–10 年，我有幾個“相信并希望”能夠發生的趨勢：
趨勢一，AI 會大幅縮小技術鴻溝，而不是擴大。反對者會說 AI 會加劇差距，因為它昂貴，需要能源、GPU、工廠。但證據告訴我們：AI 是人類歷史上“最容易使用的技術”。
ChatGPT 幾乎一夜之間就有十億用戶 ，使用方式極其簡單：對它說話就行。你不會用 ChatGPT？就問 ChatGPT “怎么用你” ，它能自動學習你的語言、方言，并給出答案。以前的工具不會教你如何使用自己，但 AI 會。你不需要會 Python/C++，只需要會“人類語言”。
趨勢二，未來每個國家都會擁有優秀的 AI。即便不是最新的，也會是“過去版本的 AI”，但： “十年前的 AI，在十年后仍然是驚人的?！?每個國家都會因此提升知識、技能與智能水平。
趨勢三，AI 的能耗會大幅下降，讓更多國家享受紅利。
主持人：但能源不也是發展中國家的最大瓶頸嗎？
黃仁勛：是的，能源是瓶頸。但正如摩爾定律讓計算功耗不斷下降，加速計算（accelerated computing）也讓 AI 的能耗下降得極快。
過去十年，我們把計算性能提升了 100,000 倍。同樣任務所需的能源減少了 100,000 倍。如果汽車十年內做到“能耗減少 10 萬倍”，它幾乎不需要能源。未來 10 年，AI 做同樣的任務所需能量會降到極低。這意味著：AI 將無處不在，每個國家都能使用，不需要巨大的能源成本。
所以，貧窮國家也能跟上。
6 馬斯克買走了第一塊 DGX-1
主持人：目前能源仍然是最大瓶頸吧？比如 Google 正在建核電站為他們的 AI 工廠供電？
黃仁勛：我之前沒聽說過這件事。但未來六、七年會看到很多小型核反應堆。規模大概是幾百兆瓦的級別。這些小型核反應堆會建在各家公司本地，用來自發電。
主持人：哇，就像農場自己發電那樣？這樣做似乎最合理吧？既能減輕電網壓力，又能按需建設，還能把剩余電力回饋電網？
黃仁勛：沒錯，這就是它的意義。
主持人：你剛才講了一個很重要的點：摩爾定律與價格之間的關系。比如現在的筆記本電腦，像 MacBook Air，那么薄、電池那么強、性能那么好，價格相對又便宜——這就是摩爾定律，對吧？
黃仁勛：然后還有英偉達定律。我之前說的那種計算方式，就是我們發明的新計算方法，相當于“喝了能量飲料版的摩爾定律”，摩爾定律遇上喬·羅根那種強化版。這就是我們。
主持人：你帶去給馬斯克的那塊芯片，它的意義是什么？為什么這么強？
黃仁勛：要從 2012 年說起。當時 Geoff Hinton 的實驗室——我剛才提到的那幾位：Ilya Sutskever、Alex Krizhevsky——他們在計算機視覺領域做出了突破，開發了一個叫 AlexNet 的軟件，用來識別圖像。
AlexNet 的圖像識別效果，比過去 30 年所有人類設計的計算機視覺算法都要好，是一個質的飛躍。計算機視覺是智能的基礎，如果機器不能感知，就很難談智能。他們用的硬件是什么？就是兩塊英偉達的 GPU。
主持人：為什么 GPU 能做到？
黃仁勛：因為英偉達從成立開始，就在研究一種新的計算方式。傳統 CPU 是順序運行：一步一步來。而 GPU 是并行運行：把問題拆成很多塊，交給成千上萬個處理器同時做。
顯卡之所以能玩你的賽車模擬器、生成圖形，是因為它其實就是一臺圖像生成超級計算機。我們把這種“加速計算”植入了顯卡里。年輕人買它來打游戲——但其實他們買的是全球最大規模的消費者超級計算平臺。你之前玩 Quake，用雙卡 SLI，對吧？
主持人：對，我以前自己裝電腦，用過你的顯卡，搞過雙卡 SLI。我以前是 Quake 發燒友。
黃仁勛：那太酷了。你那兩塊 GTX 580，其實就是深度學習走紅世界的第一臺“革命性計算機”。
黃仁勛：就是那臺雙卡 SLI。那是現代 AI 的大爆炸時刻。我們發明了 GPU 和 CUDA，他們正好發現了它，而我們又正好注意到了他們做的事情。這就像《星際迷航》的第一次接觸——假如瓦肯人沒有在那一刻看到曲速引擎，他們就不會來到地球。一切都會截然不同。
主持人提問：后來發生了什么？
黃仁勛：我們意識到深度學習不僅能解決視覺問題，它本質上是一個通用函數逼近器：給它輸入和輸出，它能自己學會內部的函數。今天可以是牛頓方程，明天可以是麥克斯韋方程、電磁學、熱力學甚至量子物理。
換句話說：只要世界存在輸入和輸出，AI 就能學會它。但要讓它真正強大，需要兩個前提：一是模型需要能擴大規模（scale）；二是它必須能在無監督的情況下學習——我們不會永遠有足夠的標注數據。 無監督學習后來出現了，AI 于是可以靠自己學習。
到 2016 年，我造出了第一臺 DGX-1 超級計算機，用 8 個 GPU（不是 SLI 兩個）連在一起，一個要 30 萬美元，而研發第一臺花了英偉達幾十億美元。我在大會上發布它，但沒有一個人想買——直到馬斯克出現。
主持人：馬斯克怎么說？
黃仁勛：我們在臺上做火邊聊天，他說：“我有家公司可以用到這個。”我特別興奮：“太好了，我第一個客戶！”結果他說：“這是家非營利機構?！?/p>
我當時整個人都僵住了——我花了幾十億做這東西，他買不起啊！但我還是把我們內部在用的一臺打包，親自開車送去舊金山。
2016 年，我走進他們一個比你這房間還小的地方——那里的人后來成了 OpenAI。那時他們真的就是“坐在同一個小屋子的一群人”。
主持人：但現在已經不是非營利組織了，對吧？
黃仁勛：對，現在已經不是了。但不管怎樣，那真是一個偉大的時刻。
7 存亡之際，世嘉 500 萬美元拯救了英偉達
主持人：現在 DGX-1 體積真的小太多了。那天 SpaceX 的時候我們也看過。
黃仁勛：對，你看差別。工業設計完全一樣。而且他是拿在手里的。最驚人的是——當年的 DGX-1 是 1 PetaFLOPS。很大的 FLOPS 數。DGX Spark 也是 1 PetaFLOPS。但——這是 9 年之后。同樣的計算力、卻小了這么多。
主持人：而且不是 30 萬美元了？
黃仁勛：現在只要 4000 美元。而且只有一本小書的大小。技術就是這樣進步的。我想把第一臺給他，就是因為 2016 年我也把第一臺給了他。
主持人：太迷人了。如果要拍電影，這就是最完美的故事。假如它真的變成一種數字生命形態，那它的起源竟然來自——想做更好的電子游戲電腦圖形，這不是太諷刺太有戲劇性了嗎？
黃仁勛：完全是。你這么想真的很瘋狂，但也完美貼合邏輯。計算機圖形其實是超級計算里最困難的問題之一，要生成“現實”。同時它又是最賺錢的問題之一，因為電腦游戲太受歡迎。
NVIDIA 在 1993 年創立時，我們想做一種新的計算方式。問題是：殺手應用是什么？我們公司想做一種新型的計算架構，一種能解決傳統計算機解決不了的問題的計算機。但——1993 年存在的應用，都是傳統計算機能解決的。如果傳統計算機解決不了，那應用也不會存在。
所以，我們公司其實從使命陳述上來說，是一個“不可能成功的公司”。但 1993 年的我根本不知道，只覺得這是個好主意。如果我們要創造一個能解決沒法解決的問題的機器——那你得先“創造那個問題”。
這就是我們做的事。當時沒有《Quake》，John Carmack 還沒發布《Doom》。所以我去了日本。當時街機行業正在崛起，世嘉很火。那時的街機第一次進入 3D：《VR 快打》《Daytona》《VR 警察》……
這些技術來自 Martin Marietta 的飛行模擬器，把 NASA 航天飛機模擬器的核心拆出來塞進街機里。你家那臺系統，算力可能比當年的街機強一百萬倍。但那些街機用的就是飛行模擬器的技術。世嘉有兩位驚人的開發者——鈴木裕，以及任天堂的宮本茂。 他們是游戲行業真正的起源者，兼具藝術與技術天賦。鈴木裕是 3D 游戲圖形的先鋒。
我們當時創立公司，卻沒有任何應用。每天和家人說“去上班”，但實際上就我們三個人，沒人會來找你。所以我們下午都沒事干。吃完午飯，我們就會去街機廳打《VR 快打》《Daytona》，研究他們怎么做到的。
后來我們決定：去日本說服世嘉，把這些街機 3D 游戲移植到 PC 上，開啟 PC 3D 游戲時代。
這就是 NVIDIA 的開始。
作為交換條件，我們幫他們做游戲主機的芯片，他們把游戲移植到 PC。他們也付了我們一大筆錢，這就是 NVIDIA 的真正起步。
但在做了幾年之后，我們發現——我們第一代技術不行。是錯的。所有架構理念是對的，但實現方式完全反了。別人用三角形，我們用曲面；別人做逆向貼圖，我們做正向貼圖；別人用 Z-buffer，我們沒有。
所有三個關鍵技術方向——我們全選錯。所以我們是第一批進入這行業的公司，卻發現自己在一百家競爭者里排在最后，而且答案是錯的。
公司陷入困境，我們必須選擇：
改？改了仍然是最后一名，仍然會死。
不改？就繼續用錯誤技術。
或者做別的？
我最后主張：雖然不知道正確策略是什么，但我們至少知道錯誤技術是什么。先停下錯誤的，給自己一個重新思考的機會。
第二個問題：我們快沒錢了。我還和世嘉有合同，要交付游戲主機芯片。如果合同被取消，我們會瞬間死掉。于是我去了日本，見世嘉 CEO 入交昭平（Irié）。他以前是本田美國的 CEO。我 33 歲，還是個瘦瘦的華裔小伙子，臉上還有痘。我對他說：
我有壞消息。
我們承諾的技術行不通。
我建議你們不要繼續讓我們完成合同，你們應該找別人做主機芯片——否則只會浪費你們的錢。
而且——雖然我請求解約，但我仍然需要你最后那 500 萬美元。否則我們會立刻倒閉。
我謙虛、誠實地把背景全部解釋給他聽。我請求他把最后那 500 萬美元改成對 NVIDIA 的投資。他對我說：“即便我投了，你們公司仍然很可能會倒閉?！?/p>
完全正確。
1995 年的 500 萬美元，對世嘉來說也是大錢。面對這么多競爭者，他們做對了技術，我們做錯了——投我們，回報概率幾乎是零。我告訴他： “如果你不投資，我們今晚就會倒閉；如果你投了，錢可能也會虧掉。但結果對我來說意義重大。”
他想了幾天，回來對我說：“好，我們投?！?/strong>
他最終決定：他只是喜歡那個年輕的 Jensen。就這樣。直到今天都是如此。
主持人：公司上市后你們怎么做？
黃仁勛：我們當時的戰略和技術方向完全是錯的，所以不得不裁掉公司大部分人，把做游戲主機的團隊都縮回去。有人對我說：“Jensen，我們從來沒把東西做對過，我們只會按錯誤的方法做?！?/p>
確實公司沒人知道如何像 Silicon Graphics 那樣，做一個超級計算級的圖形圖像生成系統。
我說：“不會很難吧？幾十家公司都在做?！毙疫\的是 Silicon Graphics 出了一本教材，我口袋里有 200 美元，就把僅有的三本教材全買了，每本 60 美元。
我拿回來發給三個架構師，說：“讀它，然后我們去拯救公司?！?/p>
主持人：你們是怎么改變 3D 圖形技術的？
黃仁勛：我們從第一性原理開始，學習最好的技術，但用從未有過的方式重新實現。Silicon Graphics 的幾何引擎是跑在通用處理器上的軟件邏輯。而我們把所有通用性都去掉，只保留 3D 圖形最本質的功能，把它全部硬編碼進芯片里。
那讓一個小小的芯片性能暴增，能跑出百萬美元圖形工作站同等級的畫面。我們把一個百萬級設備塞進了 PC 顯卡里，這就是重大突破。同時，我們只專注一個應用場景：電子游戲，而不是 CAD、飛行模擬這些一大堆應用。把問題縮到最小，然后為玩家超級優化它。
我們還建立了完整的游戲開發者生態，把游戲適配到我們的芯片上，從技術公司變成一個游戲平臺公司。GeForce 早期本質上就是讓 PC 變成一臺游戲主機。
主持人：你怎么回顧那個時代電子游戲行業的興起？
黃仁勛：1993 年時實際上根本沒有“游戲產業”這種說法。但 John Carmack 做出 Doom、Quake 后，一切瞬間爆發。
順便說個趣事，“Doom”這個名字來自《金錢本色》里的一個臺詞：湯姆·克魯斯打開球桿盒時說：“厄運（Doom）”。Carmack 覺得他們做的就是給行業帶來“毀滅級沖擊”，就用了這個名字。之后 Tim Sweeney 和 Epic Games 加入，3D 游戲時代徹底起飛。
主持人：繼續你的故事吧。你們后來怎么撐下來的？
黃仁勛：在 GeForce 之前，我們靠 RIVA 128 救活了公司。但當時我們銀行里只剩幾百萬美元，每個月都在燒錢。設計芯片要反復打樣——設計 → tape-out（送晶圓廠）→ 拿回硅片 → 用軟件測試 → 發現 bug → 再 tape-out。我們沒有錢也沒有時間再來幾次這樣的循環。
后來我聽說有家公司做出一臺“模擬器”（emulator），能讓我們直接把芯片的設計文件放進去，讓機器“假裝”成我們的芯片。這樣就能在出硅片之前把所有軟件測試完。
這太革命了。我們只有一百萬美元現金，我決定拿其中一半去買那臺機器。結果我打電話過去，對方說：“機器有，但我們公司已經倒閉了?！?他們有一臺庫存機，我就把它買下來了。他們之后真的倒閉了。我們把設計放進去測試，把 bug 都修完了。
主持人：然后你們怎么讓 TSMC（臺積電）支持你們？
黃仁勛：我打電話給臺積電，說我們要直接量產，不做試產。臺積電說從沒聽過有人第一次 tape-out 就敢直接上量產。
但如果不這么做，我們必然死。而這樣做，也許有一線生機。當時臺積電很小，幾億美元規模。創辦人張忠謀先生決定支持我們。我告訴他我們“有很多客戶”（事實上只一個），還有大額采購訂單。如果失敗，晶圓會報廢，我們也完了。但他承擔了風險。我們 tape-out、量產，結果完美成功。我們從零到十億美元收入，成為當時增長最快的科技公司。
主持人：那時候你怎么承受壓力？能睡好嗎？
黃仁勛：那時我常常躺在床上覺得整個世界都在高速旋轉，非常焦慮，完全失控。我人生只有少數幾次這樣的感覺，那段時間是最嚴重的。
主持人：這些經歷給了你什么？
黃仁勛：我學會了如何制定戰略、如何創造市場（我們創造了現代 3D 游戲市場，后來用同樣方法創造了現代 AI 市場）。我學會了如何在危機中保持冷靜、系統化思考，又如何把公司里所有浪費都清除，只做最本質的事。
我們長期靠“燃盡式”生存。直到今天——我每天早上醒來仍然覺得：我們可能 30 天內會破產。
主持人：但你們現在是全球最大的科技公司之一啊。
黃仁勛：但那種脆弱感、不確定感、危機感從來沒離開過。
主持人：你覺得正是這種“饑餓感”讓你們成功嗎？
黃仁勛：是的。我更多的驅動力來自“不想失敗”。我不會停下來，不會自滿，總是處在邊緣狀態。
https://www.youtube.com/watch?v=3hptKYix4X8
聲明：本文為 InfoQ 翻譯整理，不代表平臺觀點，未經許可禁止轉載。
AI 重塑組織的浪潮已至，Agentic 企業時代正式開啟！當 AI 不再是單純的輔助工具，而是深度融入業務核心、驅動組織形態與運作邏輯全面革新的核心力量。
把握行業變革關鍵節點，12 月 19 日 - 20 日，AICon 全球人工智能開發與應用大會（北京站） 即將重磅啟幕！本屆大會精準錨定行業前沿，聚焦大模型訓練與推理、AI Agent、研發新范式與組織革新，邀您共同深入探討：如何構建起可信賴、可規?；?、可商業化的 Agentic 操作系統，讓 AI 真正成為企業降本增效、突破增長天花板的核心引擎。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
