Jensen Huang Interview

在一場引人入勝的對談中，Nvidia 富有遠見的執行長 Jensen Huang 難得一窺運算、人工智慧（AI），乃至全球經濟的未來。黃仁勳與 Bg2 Pod 的 Bill Gurley 和 Brad Gerstner 對談時，清晰闡述了人工智慧中一個被忽視的層面，將如何重新定義各行各業並釋放前所未有的增長，同時挑戰華爾街的傳統智慧。

數十億倍級的榮景：重新定義 AI 的運算需求

一年前，Jensen Huang 大膽預測 AI 推論（inference）不會只是百倍或千倍的增長，而是驚人的十億倍。回顧這項預測，他坦承：「我低估了。容我在此鄭重聲明。」受惠於人工智慧的迅速演進，他的信心有增無減。過去被視為單一的「預訓練」（pre-training）擴展法則，現已分裂成三種截然不同、呈指數級增長的力量：預訓練、後訓練（post-training，人工智慧在此「練習」技能），以及關鍵的「思維」推論（thinking inference）。

這種「思維」推論正是遊戲規則的改變者。與舊有的單次推論模型不同，現代 AI 現在被設計成「先思考再回答」，執行研究、核實事實、並反覆迭代。這種複雜的認知過程對運算能力的需求呈指數級增長。正如黃仁勳所說：「AI 不再僅僅是一個語言模型，它是一個語言模型系統，這些模型可能都在同時運行，並利用工具⋯⋯而且它是多模態的。」這種深刻的轉變意味著 AI 的運算需求不僅龐大，更是永不滿足且迅速擴張，遠超乎許多人目前的理解。

主要洞察：

由於「思維」和「鏈式推理」（chain-of-reasoning）能力的出現，AI 推論正經歷「十億倍」的運算需求增長。
AI 領域現由三種不同的擴展法則主導：預訓練、後訓練（AI 練習）和複雜推論。
多代理系統（multi-agent systems）、多模態 AI（multimodal AI）和廣泛的工具使用，大幅提升了運算需求，遠超乎簡單語言模型所需。

OpenAI：下一家兆美元級超大規模服務商與 Nvidia 的策略性佈局

在黃仁勳的願景中，核心要素是 Nvidia 與 OpenAI 的策略合作夥伴關係，包括投資並支援他們建構自身的龐大 AI 基礎設施。他將 OpenAI 視為不只是一個客戶，而是「很可能成為下一家數兆美元級的超大規模服務公司。」這項大膽預測支撐了 Nvidia 在 OpenAI 預期飛速崛起之前進行投資的決策，黃仁勳稱此為「我們所能想像到最聰明的投資之一。」

這項合作夥伴關係也預示著 AI 領域的重大轉變。OpenAI 傳統上利用 Microsoft Azure 等超大規模服務商，現在正在建構自己的「自建 AI 基礎設施」——實質上成為一個超大規模服務商。這反映了 Nvidia 與 Meta 和 Google 等巨頭的直接關係，他們在晶片、軟體和系統層面直接合作。OpenAI 正同時應對「兩個指數級增長」：客戶使用量呈指數級增長，以及每個使用案例的運算需求呈指數級增長（由於「思維」AI）。Nvidia 在 Azure、OCI、CoreWeave 以及現在 OpenAI 的直接建置方面的多管齊下支援，旨在滿足這種複合性需求，進一步鞏固了 Nvidia 不可或缺的地位。

關鍵決策：

Nvidia 對 OpenAI 的投資是一項策略性舉措，押注其潛力，使其成為一個數兆美元級的超大規模實體。
支援 OpenAI 自行建構其 AI 基礎設施，促進了直接、全棧（full-stack）的合作關係，反映了 Nvidia 與其他科技巨頭的合作模式。
這項合作夥伴關係解決了客戶採用率和每用戶 AI 運算需求呈指數級增長所帶來的複合性挑戰。

難以逾越的護城河：極致協同設計與年度更新速度

華爾街分析師目前預測 Nvidia 的增長將在 2027-2030 年左右趨於平緩，黃仁勳認為這與潛在的轉變不符。他提出了三個基本觀點：首先，「通用運算已成過去」，全球數兆美元的運算基礎設施必須更新為加速 AI 運算。其次，現有的超大規模工作負載（搜尋、推薦引擎）正迅速從 CPU 轉移到 GPU，這是一個「數千億美元」的轉變。最後，也是最深遠的，AI 將增強人類智慧，影響全球 GDP 的 50-65%。

為滿足代幣生成和客戶使用所驅動的「指數級的指數級增長」，Nvidia 針對其架構（Hopper、Blackwell、Rubin、Fineman）採用了積極的年度發布週期。隨著摩爾定律在性能方面基本上已失效，Nvidia 的競爭優勢來自「極致協同設計」。這不僅僅是關於更快的晶片；而是同時優化模型、演算法、系統和晶片，進行「跳脫框架」的創新。正如黃仁勳所解釋，這種全棧（full-stack）方法——涵蓋 CPU、GPU、網路晶片、MVLink 和 Spectrum-X Ethernet——讓 Nvidia 能夠在不同世代（如 Hopper 到 Blackwell）之間實現 30 倍的性能提升，這是傳統矽技術進步無法實現的。這種系統性創新，再加上 Nvidia 及其客戶所需的巨大投資規模，建立了一道「前所未有地困難」讓競爭對手複製的堅固護城河。

主要實踐：

Nvidia 針對其架構保持積極的年度發布週期，以跟上代幣生成和 AI 使用量呈指數級增長的速度。
「極致協同設計」涉及對整個 AI 工廠堆疊的同步優化：模型、演算法、系統、晶片、網路和軟體。
該公司已超越單一晶片創新，轉向建構整合的、全棧的 AI 系統，帶來前所未有的性能提升。
客戶部署的規模（例如，一個十億瓦特（gigawatt）需 500,000 個 GPU）和 Nvidia 的供應鏈能力，形成了巨大的進入門檻。

增強人類智慧：兆美元級的經濟轉變

黃仁勳認為，AI 真正的長期影響在於其增強人類智慧的能力。他打了一個比方，指出就像馬達取代了體力勞動一樣，「這些我談論的 AI 超級電腦、這些 AI 工廠，將會生成代幣來增強人類智慧。」由於人類智慧可能佔全球 GDP 的 50 兆美元，即使是適度的增強——例如一台 1 萬美元的 AI 讓一個 10 萬美元的員工生產力提高一倍——也能創造一個巨大的新市場。

他相信，這種增強可以為全球 GDP 增加「10 兆」，需要每年在 AI 基礎設施上投入「5 兆」的資本支出。這不是「假性繁榮」或「供過於求」；這是一個根本性的轉變。他駁斥了對供過於求的擔憂，聲稱「在我們完全將所有通用運算轉換為加速運算和 AI 之前⋯⋯（供過於求的）機會極低。」客戶的需求訊號總是低估實際需求，讓 Nvidia 處於持續的「應變模式」。這種「能源產業的文藝復興」和整個基礎設施生態系統，象徵著全球 GDP 的加速，由數十億個新的 AI「同事」所驅動。

主要洞察：