老黃公開叫陣谷歌，一個能打的都沒有！首次承認低估了Anthropic

新智元報道

編輯：桃子

【新智元導讀】老黃深夜祭出最強挑釁：所有自研芯片都是「紙老虎」！他直言谷歌TPU、亞馬遜Trainium根本不敢上臺打擂，并首次揭秘了英偉達從「電子到Token」的終極護城河。

自研芯片全是「紙老虎」！

在最新訪談中，英偉達CEO甩出了一句極其挑釁的宣言——

谷歌TPU沒來，亞馬遜Trainium沒來，根本沒一個敢露面。

直白講，在AI算力的終極對決賽中，除了英偉達，能打的對手還沒出現！

在近兩小時播客中，老黃與主持人Dwarkesh Patel展開了一場極具火藥味且深度的對話。

他不僅重申了英偉達的技術護城河，更對當前的全球競爭格局，表達了冷峻的預判。

訪談中，最震撼人的一個鏡頭是——

面對別人的質疑，老黃霸氣外露地回懟道，「我醒來從沒覺得自己是個loser」。

「我們又不是一輛汽車（We are not a car）」。

近兩小時對談中，所有的精彩亮點如下：

• 公開叫陣TPU、Trainium上MLPerf打擂，至今無人應戰；

• 拋出新思維模型：輸入電子、輸出token，中間層就是英偉達；

• 英偉達擁有全球最低的TCO，在同等能耗下，token產出效率世界第一；

• 罕見認錯，低估了Anthropic這步棋。但Anthropic只是特例，全世界只有一個；

• 真正卡脖子的不是EUV光刻機，是水管工和電工。

把「電子」轉化成token

這就是護城河

訪談一開場，Dwarkesh瞄準了英偉達護城河，提出了一個尖銳的問題——

既然英偉達本質上是設計軟件，然后交給臺積電代工、由海力士提供內存，那么如果未來AI讓軟件變得像大宗商品一樣廉價，英偉達的估值是否也會崩塌？

對此，老黃提出了一個全新的「思維模型」。

輸入的是電子，輸出的是token，而中間層就是英偉達

他認為，制造一個token就像制造一個分子，如何讓這一個token比另一個token更有價值，背后蘊含著極其高深的藝術、工程與科學。

而這種「電子到token」的轉化過程極其復雜，很難被平庸化。

最重要的是，英偉達的護城河在于「五層蛋糕」生態系統，他們堅持做盡可能少、但在必須做的領域做到極難的策略。

而對于「英偉達靠鎖定稀缺供應鏈建立護城河」的說法，老黃承認，這確實是對手難以企及的優勢。

他特別強調，這種優勢源于一種「前瞻性的結盟」，具體怎么講？

• 合作之前，AI藍圖早就繪好了

英偉達不僅僅是砸錢買產能，更是在幾年前就開始說服臺積電、美光等公司的CEO，向他們描繪AI產業未來的規模。

• GTC，就是一場大型「教育會」

老黃調侃道，自己的GTC演講更像是「教育」，他必須讓整個供應鏈看清未來的趨勢，才能引導全球的資源向AI產業傾斜。

所謂的「瓶頸」，都是暫時的

當談到邏輯芯片、CoWoS封裝、HBM內存的緊缺，是否會限制AI的增速時，老黃表現得非常淡定。

他指出，在巨大的市場需求信號面前，任何硬件瓶頸通常只需2-3年就能通過大規模擴產解決。

英偉達已在「預取」（Prefetching）未來的瓶頸，技術授權是一部分，另一種方式就是「投錢」。

比如，幫助合作伙伴Lumentum、臺積電提前布局硅光子、雙面探測等前沿技術。

有趣的是，老黃認為真正的長久挑戰往往在更下游：

- 能源：無論是重工業化還是建設 AI 工廠，能源政策的滯后才是長期難題；

- 勞動力：真正的稀缺資源不是EUV光刻機，而是能落地AI數據中心的「水管工和電工」。

這里再mark一下Hinton那句話，去做水管工

喊話谷歌TPU來戰，沒人打贏英偉達

接下來，才是整場訪談中最刺激的一部分。

Dwarkesh提出了一個令市場不安的觀察：

目前全球最頂尖的三個AI模型中，其中兩個（Claude和Gemini）是在谷歌TPU上訓練的。

這是否意味著，英偉達GPU并非不可替代？

老黃對此進行了強有力的反擊，他認為完全是「降維打擊」，并把英偉達的成功歸結為一種完全不同的計算范式。

「加速計算」降維打擊

TPU只是一個「張量處理單元」，英文帶做的是「加速計算」。

「加速計算」的應用范圍遠超AI，涵蓋了分子動力學、量子色動力學、流體力學、粒子物理以及大規模數據處理。

如今，AI算法演進極快。

如果明天出現一種新架構，高度可編程的CUDA可以無縫支持，而固化的ASIC芯片可能直接變成「電子垃圾」。

雖然矩陣乘法是AI的核心，但創新的關鍵在于——快速發明新內核。

老黃透露，Blackwell之所以比Hopper飆升50倍性能，靠的是通過CUDA對MoE等新架構，進行的深度底層協同設計。

他將CUDA比作英偉達最寶貴的資產——

全球有數億顆英偉達 GPU，分布在所有主流云平臺和邊緣設備中。

開發者寫出的代碼，可以「一次編寫，到處運行」。

他將CPU比作凱迪拉克，人人都能開得不錯；而英偉達的加速器則是F1賽車。

雖然普通人能開到100碼，但只有英偉達的專家能將其性能推向極限，幫助客戶通過優化軟件棧直接獲得2-3倍的性能提升。

TCO經濟學，token產出最多

面對「大客戶是否會為了省錢而自研芯片」的質疑，老黃給出了一組非常硬核的商業邏輯：

英偉達的計算棧是全球「總擁有成本」（TCO）最低的，沒有之一。

在同樣的1GW數據中心里，使用英偉達架構產出的token數量，是全球最高的。

現場，老黃直接公開叫陣，歡迎Trainium、或TPU參加像InferenceMAX或MLPerf這樣的第三方基準測試。

但實際上，沒有人愿意「露面」。

很多人抱怨英偉達 70% 的利潤率太高，但老黃一針見血地指出，即便是找博通代工 ASIC 芯片，對方也要賺走65%的利潤。

為了省那5%的利潤，而放棄整個生態系統的兼容性，這在商業邏輯上是講不通的。

Anthropic只是一個特例，并非趨勢

Dwarkesh追問，既然英偉達這么好，為什么Anthropic還是選擇了與谷歌、亞馬遜簽下數十億美元的TPU訂單？

面對如此尖銳的問題，老黃又是如何自圓其說？

他用一句話總結：Anthropic只是一個特例，并非趨勢。

緊接著，他表示，如果沒有Anthropic，TPU、Trainium的增長無從談起，100%是Anthropic帶來的。

但世界上只有一家Anthropic！

與此同時，老黃罕見地承認了策略上的失誤：

當時，谷歌和亞馬遜通過巨額融資，換取了Anthropic使用其自研算力的承諾。

我當時的錯誤在于，沒有深刻意識到，如果不給這些實驗室提供資金支持，他們別無選擇。

英偉達的商業「哲學」：不越界

訪談的后半段，Dwarkesh又提出了一個極具誘惑力的假設——

既然英偉達擁有無可匹敵的算力資源，為什么不直接下場成為一家超大規模云服務商（Hyperscaler）？

老黃的回答揭示了英偉達的商業哲學：「做盡可能多，同時也做盡可能少」。

世界上已經有很多云服務商了。

如果英偉達自己下場做云，就是與自己的客戶（亞馬遜、微軟等）直接競爭。

英偉達寧愿選擇投資像CoreWeave這樣的「原生AI云」，通過背書和資金支持，讓生態系統更加多元化，而不是親自去蓋機房、拉電線。

老黃認為，一個健康的公司應當專注于那些「如果我不做，就沒人能做成」的事情。

如果英偉達不去研發NVLink、不投入20年時間在虧損中堅持CUDA、不開發像cuLitho這種計算光刻庫，這些技術可能永遠不會出現。

投資，但不「選妃」

近來，英偉達對OpenAI、Anthropic進行了規模驚人的投資，分別達300億和100億美金規模。

對此，老黃非常嚴肅地表示，「我們不選贏家」。

一方面，這不是我們的工作，另一方面，我深知創業的不確定性。

他回憶起英偉達初創時，全球有60家圖形芯片公司，而英偉達當時甚至是架構最「離譜」的一個。

英偉達的策略是——

如果世界需要這些偉大的AI公司存在，而VC無法提供百億級別的資金支撐，那么英偉達就會出手。

但目的是為了讓整個生態「繁榮」，而不是為了控制它們。

做好一件事，CUDA就夠了

在訪談的尾聲，Dwarkesh 提出了一個具有思辨性的問題：

英偉達現在財大氣粗，人才濟濟，為什么不并行開發幾種完全不同的架構？

比如像Cerebras那樣的晶圓級芯片，或者像特斯拉Dojo那樣的「巨型封裝」，以防萬一AI架構發生突變。

老黃的回答，展現了他作為頂級架構師的極度自信與理性。

模擬器已否定了一切

他直言，英偉達擁有世界頂尖的「模擬系統」。

我們可以在模擬器里，模擬出你能想象到的任何架構。結果證明，那些方案在性能和效率上都更糟。

也就是說，從數據上的驗證已經否定了這一切。

Dwarkesh又問道，如果臺積電先進制程（如N2/N3）產能見頂，英偉達是否會回到老舊的N7工藝重新設計 Hopper？

對此，老黃表示，這種「回流」研發的成本高得離譜。

英偉達寧愿選擇在先進制程上「傾力向前」，通過先進封裝和數值計算的改進來彌補產能壓力。

擴產Groq：搶占「溢價token」市場

眾所周知，英偉達幾個月前將「推理芯片之王」Groq納入了CUDA生態。

這背后，蘊含著老黃對推理市場「分層化」的深刻洞察：

以前token要么免費，要么極便宜。

但現在，如果更快的響應速度，能讓一名年薪幾十萬美金的軟件工程師效率翻倍，那么企業愿意支付極高的溢價。

過去英偉達追求的是高吞吐量（單位時間內產出的token總量），但現在他們開始布局「低延遲、高溢價」的推理細分市場。

這意味著未來英偉達的工廠將同時產出「平價高產」和「尊享速達」兩種token。

如果沒有AI革命，英偉達會怎樣？

訪談以一個浪漫的假設結束。如果深度學習革命從未發生，英偉達現在會在做什么？

老黃語氣中帶著一種使命感：「即便沒有AI，英偉達也會非常龐大」。

• 通用計算的終結

他的基本信念是，「摩爾定律」下的通用計算（CPU）已經走到了盡頭。

無論有沒有AI，科學、工程、物理、圖像處理這些領域，都急需「加速計算」。

• 科學的民主化

英偉達的初心是讓每一位學生、每一位科學家，通過一張GeForce顯卡就能處理分子動力學或地震數據。

這種「加速計算」的底色，其實早在AI爆發前就已經涂就。

• 不僅僅是張量

老黃強調，在GTC演講的開篇，他總會花大量時間講計算光刻（cuLitho）、量子化學和數據處理。

AI確實令人興奮，但這個世界上還有很多重要工作與AI無關，張量并不是計算的唯一方式。我們想幫助每一個人。

參考資料：

https://www.dwarkesh.com/p/jensen-huang

https://x.com/dwarkesh_sp/status/2044456498441708013?s=20 https://www.youtube.com/watch?v=Hrbq66XqtCo