Jensen Huang Interview

在一次引人入胜的对话中，英伟达富有远见的CEO Jensen Huang罕见地展望了计算、AI乃至全球经济的未来。在与Bg2 Pod的Bill Gurley和Brad Gerstner对谈时，Huang清晰地阐述了人工智能一个被忽视的方面将如何重塑各行各业，并释放前所未有的增长，一路上挑战着华尔街的传统观念。

十亿倍增长：重新定义AI的计算需求

一年前，Jensen Huang大胆预测，AI推理的计算需求增长将不仅仅是100倍或1000倍，而是惊人的10亿倍。回顾这一预测，他坦言：“我低估了。我得郑重声明。” 他的信心有增无减，这得益于AI的快速发展。曾经被视为单一的“预训练”扩展定律，已经分裂成三种截然不同、呈指数级增长的力量：预训练、后训练（AI“练习”技能的阶段）以及至关重要的“思考型”推理。

这种“思考型”推理是颠覆性的。与旧式的单次推理模型不同，现代AI被设计成“先思考后回答”，它会进行研究、核实事实并迭代。这种复杂的认知过程对算力的需求呈指数级增长。正如Huang所说：“AI不再是一个语言模型，AI是语言模型的系统，它们可能都同时运行，可能使用工具……而且它都是多模态的。” 这种深刻的转变意味着AI的算力需求不仅巨大，而且永不满足并迅速扩张，远远超出了许多人目前的理解。

关键洞察：

由于“思考”和“推理链”能力的出现，AI推理正在经历“十亿倍”的计算增长。
AI领域现在由三种不同的扩展定律主导：预训练、后训练（AI练习）和复杂推理。
多智能体系统、多模态AI和广泛的工具使用，极大地提升了对算力的要求，远超简单的语言模型。

OpenAI：下一个万亿美元级超大规模公司与英伟达的战略布局

Huang愿景的核心是英伟达与OpenAI的战略伙伴关系，这包括投资并支持OpenAI构建自己的庞大AI基础设施。他认为OpenAI不只是一个客户，而是“很可能成为下一个万亿美元级的超大规模公司”。这一大胆预测是英伟达在OpenAI预计飞速崛起之前进行投资的基石，Huang称之为“我们所能想象到的最明智的投资之一”。

这种伙伴关系也预示着AI领域的一个重大转变。OpenAI，传统上依赖Microsoft Azure等超大规模服务商，现在正在构建自己的“自建AI基础设施”——这实际上使其自身也成为一个超大规模服务商。这与英伟达与Meta和Google等巨头的直接合作关系如出一辙，在这些合作中，他们直接在芯片、软件和系统层面开展工作。OpenAI正在同时应对“两个指数级增长”：客户使用量的指数级增长，以及（由于“思考型”AI）每个用例计算需求的指数级增长。英伟达在Azure、OCI、CoreWeave以及现在OpenAI的直接基础设施建设方面的多方面支持，旨在满足这种复合增长的需求，进一步巩固了英伟达不可或缺的地位。

关键决策：

英伟达对OpenAI的投资是一项战略举措，旨在押注其成为万亿美元级超大规模实体的潜力。
支持OpenAI自建AI基础设施，有助于建立直接的、全栈式的合作关系，这与英伟达与其他科技巨头的合作模式相同。
此次合作旨在应对AI领域客户采用率和单用户计算需求呈指数级增长所带来的复合挑战。

牢不可破的护城河：极致协同设计与年度迭代速度

华尔街分析师目前预测英伟达的增长将在2027-2030年左右趋于平稳，Huang认为这一观点与潜在的转变不符。他提出了三个基本观点：首先，“通用计算已成过去式”，全球数万亿美元的计算基础设施必须用加速AI计算进行更新。其次，现有的超大规模工作负载（搜索、推荐引擎）正在迅速从CPU迁移到GPU，这是一项“数千亿美元”的转变。最后，也是最深远的一点，AI将增强人类智能，影响全球GDP的50-65%。

为了应对由token生成和客户使用所驱动的“指数级增长的指数级”需求，英伟达为其架构（Hopper、Blackwell、Rubin、Fineman）采用了激进的年度发布周期。随着摩尔定律在性能提升方面基本失效，英伟达的竞争优势来自于“极致协同设计”。这不仅仅是关于更快的芯片；它是在模型、算法、系统和芯片层面同时进行优化，实现“跳出思维定势”的创新。正如Huang所解释的，这种全栈式方法——涵盖CPU、GPU、网络芯片、MVLink和Spectrum-X Ethernet——使得英伟达能够在代际之间（例如从Hopper到Blackwell）实现30倍的性能提升，这是传统硅芯片进步无法实现的。这种系统性创新，加上英伟达及其客户所需的大规模投资，形成了一个“前所未有地难以”被竞争对手复制的强大护城河。

关键实践：

英伟达为其架构保持激进的年度发布周期，以跟上token生成和AI使用量呈指数级增长的步伐。
“极致协同设计”包括对整个AI工厂堆栈进行同步优化：模型、算法、系统、芯片、网络和软件。
该公司已超越单一芯片创新，转向构建集成式的全栈AI系统，从而实现前所未有的性能提升。
客户部署的规模（例如，一个吉瓦（gigawatt）需要50万个GPU）以及英伟达的供应链能力构成了巨大的进入壁垒。

增强人类：万亿美元的经济转型

Huang认为，AI真正的长期影响在于其增强人类智能的能力。他打了个比方，就像电机取代体力劳动一样，“我所说的这些AI超级计算机、这些AI工厂，它们将生成token来增强人类智能。” 鉴于人类智能可能占据全球GDP的50万亿美元，即使是适度的增强——例如一个价值1万美元的AI能使一个年薪10万美元的员工生产力翻倍——也能创造一个巨大的新市场。

他相信，这种增强可以为全球GDP增加“10万亿美元”，同时每年需要对AI基础设施投入“5万亿美元”的资本支出。这不是关于“空档期”或“过剩”；而是一次基础性的转变。他驳斥了对供应过剩的担忧，指出：“在我们完全将所有通用计算转换为加速计算和AI之前……（供应过剩的）可能性极低。” 客户的需求信号始终低估实际需求，使得英伟达一直处于持续的“全力以赴模式”。这种“能源行业的复兴”和整个基础设施生态系统，标志着由数十亿新的AI“同事”驱动的全球GDP加速增长。

关键洞察：