10 月 6 日，在纽约 Casa Cipriani 举行的 Citadel Securities Future of Global Markets 2025 会议上，英伟达创始东说念主兼首席推行官黄仁勋 （Jensen Huang） 与红杉本钱合资东说念主 Konstantine Buhler 就东说念主工智能和下一个增长前沿进行了交谈。

黄仁勋暗示，在1993年创随即，英伟达料意想通用揣测（CPU）的局限性与摩尔定律的闭幕，从而细目了"加快揣测"的计谋标的。英伟达同期发明新技艺和当代 3D 游戏这一巨大阛阓，处治了"鸡生蛋照旧蛋生鸡"的逆境。

进入 AI 期间，英伟达通过 "CUDA Everywhere" 策略，将 CUDA 推行至科研界。2011-2012 年，跟着与 Geoffrey Hinton、吴恩达等接洽东说念主员的合作，并提供 cuDNN 等使能技艺，英伟达加快了 ImageNet 等竞赛的冲突。基于深度学习是"通用函数靠拢器"的瞻念察，英伟达作念出了透澈重塑揣测堆栈，将 AI 集成到悉数芯片、系统和软件中的要紧计谋有讨论，奠定了其 AI 立异中枢性位。

2016 年，英伟达推出首台 AI 工场 DGX-1（首个客户为 OpenAI），进入超大领域揣测领域。其成效的中枢诀要在于**"全栈协同遐想"：同期遐想和集成通盘基础设施（荟萃、CPU、GPU），并运行长入软件栈。这种高度集成使其冲突摩尔定律死心**，达成代际间约 10 倍的性能飞跃，为客户提供极高能效，并大幅增多 AI 工场的收入产出。

黄仁勋反驳 AI 泡沫论，强调 AI 已在超大领域数据中心（如搜索、保举系统）达成数千亿好意思元的执行 ROI。他预测，AI 将创始两个万亿级新阛阓：

数字劳能源（Agentic AI）： 创造 AI 软件工程师、AI 讼师等 "数字东说念主"。

物理 AI（机器东说念主技艺）： 通用 AI 驱动的多 "具身"机器东说念主（如自动驾驶、东说念主形机器东说念主）。

他总结，将来揣测的本色是 100% 生成式，一切内容齐将被实时智能生成。要支合手机器东说念主（需要历练、模拟、运行三类揣测机）和生成式范式，AI 工场是不可或缺的基础设施，其阛阓需求正处于数万亿好意思元的爆发初期。

以下为重心总结：

"咱们信托，咱们能处治的揣测问题领域简直是无穷的，因此，总有一天，一种新式的揣测步履会出现。咱们公司专注于用一种叫作念"加快揣测"的技艺来增强和补充通用揣测。这便是咱们最初的不雅察。"

"我合计 CUDA 的发明，部分是技艺上的发明，即咱们不雅察到如何将 GPU 通用化；但很大程度上也关乎新家具的发明，如何将其推向阛阓；新计谋的发明，如何让阛阓收受它；以及最终发明了能够创造飞轮效应的生态系统，从而促成一个揣测平台的出身。"

"咱们得出的论断是，这是一个通用的函数靠拢器（universal function approximator）。... 那么问题就形成了：它能处治什么问题？现在你反过来问这个问题，咱们得出的论断是，咱们想处治的大多数问题齐不错包含一个深度学习的组件。是以咱们决定去念念考，深度学习在 10 年、20 年后会发展到什么程度。"

"咱们不是在遐想一个芯片，咱们是在一次性遐想一整套基础设施。咱们是刻下全国上独逐个家公司，你不错给它一栋楼、一些电力和一张白纸，咱们就能创造出其中的一切。悉数的荟萃、交换机、CPU、GPU，那通盘工场里的悉数技艺，咱们齐能建造。而且它们齐运行着来自英伟达的归拢个软件栈。"

"这便是像 Harvey、Open Evidence、Cursor 这类 AI 原生公司出现的原因。它们将相连到 AI 模子，并将有史以来第一次，去开拓一个以前从未被技艺涉及的行业——劳能源行业。"

"你将来的揣测机就像你眼前的一位 CEO，或者是一位艺术家、一位诗东说念主、一位故事敷陈者，你与它调和，为我方创造专有的内容。是以，将来的揣测是 100% 生成式的。其背后需要一个 AI 工场，这便是为什么我 100% 信服咱们正处于这段旅程的开端。"

以下为访谈原文：

Konstantine Buhler：

全球早上好。我的名字是 Konstantine Buhler，是红杉本钱（Sequoia Capital）专注于东说念主工智能投资的合资东说念主。英伟达和 Citadel Securities 其实有许多共同点，它们齐是特等的企业。

黄仁勋：

运营得相当好，相当出色。

是的，它们齐运营得相当出色，齐由揣测立异驱动，况且齐是各自行业内以技艺着手的指导者。它们还有一个不太为东说念主所知的事实：两家公司的第一个外部投资者齐是红杉本钱。

在 1993 年，他们冒着风险向英伟达投资了 100 万好意思元。

你值得这笔投资。

整整 100 万好意思元，先生，他们但是担了极大的风险。

是以，当咱们被邀请在此次会议上驳倒东说念主工智能时，谁是全国上最适当的东说念主选，谜底是不言而谕的。他为东说念主工智能立异构建了通盘基础设施，悉数的东说念主工智能齐建立于此；他缔造了全国上最有价值的公司。请和我沿途迎接黄仁勋（Jensen Huang）先生。

迎接。

英伟达发源：1993 年洞见

Jensen，这个房间里坐满了全国上最优秀的机构投资者。他们管制着数万亿的金钱，况且不休在寻找上风。你便是一个总能领有上风的东说念主。在咱们每一次的交谈中，你齐对将来有令东说念主信服的见识。在接下来的 60 分钟里，咱们有一个庞杂的议程：涵盖从英伟达创立之初到其崛起成为东说念主工智能革射中心的故事，然后咱们将把大部分时辰花在探讨英伟达和东说念主工智能的将来上。好的，让咱们从新着手吧。时辰回到 1993 年，你 30 岁。是什么样的瞻念察力让你领有了创办英伟达的上风？

咱们其时正在履历个东说念主电脑（PC）立异和中央处理器（CPU）的立异，那是摩尔定律的期间。其时的热门是集成微处理器、英特尔、摩尔定律以及晶体管的微缩定律，硅谷在揣测机行业的简直悉数投资齐蚁合于此。而咱们不雅察到了一些不同的东西。咱们合计，CPU 的一个公正是它的通用性，但通用技艺的根柢问题在于，它们在处理相当清苦的问题时，频频施展得不够出色。

因此，咱们推断了两件事：第一，咱们不雅察到有些问题不错用一种更针对特定领域、主见更明确的加快器来处治，这些问题可能很有处治价值。第二，咱们不雅察到通用技艺，即晶体管的不休减轻，最终会达到极限。那种合计不错把持所谓的"丹纳德微缩定律"（Dennard Scaling）不休减轻晶体管尺寸并进行扩张的想法……执行上，摩尔定律背后的基本旨趣是由米德（Mead）和康威（Conway）建议的。若是你回溯这些旨趣，你会发现晶体管的微缩程度将会有个极限，总有一天你会得到递减的陈说。

咱们信托，咱们能处治的揣测问题领域简直是无穷的，因此，总有一天，一种新式的揣测步履会出现。咱们公司专注于用一种叫作念"加快揣测"的技艺来增强和补充通用揣测。这便是咱们最初的不雅察。你刚才提到英伟达如何老是着手一步，这频繁是因为若是你从第一性旨趣登程进行推理，念念考今天运行得相当好的东西，问我方：咱们的第一性旨趣建立在什么基础上？这个基础又将如何随时辰变化？这就有但愿让你洞见将来。

从图形加快器到 CUDA：阛阓与技艺发明

是以，当你制造出图形加快器时，你入场很早，但随后露馅了数百个竞争敌手。最终你在阿谁阛阓中胜出。在 2000 年代初期，你意志到这项技艺随机不错通用化。你刚才谈到 CPU 的通用性，随机 GPU 也不错被通用化以进行更多的处理。咱们来谈谈 CUDA。这个想法是怎么来的？你是从那处取得这个瞻念察的？有传言说是来自接洽东说念主员，你是如何通过阅读他们的接洽，得出 GPU 不错成为通用揣测机的论断的？

着手，创建英伟达的清苦之处在于，咱们必须发明一种新技艺，同期创造一个新阛阓。在 1993 年，要创建一个新的揣测平台，你需要一个巨大的阛阓。其时正在作念 3D 图形的硅谷图形公司（Silicon Graphics），其阛阓太小，不及以撑合手一个新的揣测平台。因此，若是咱们想创造一种新的揣测架构，就需要一个巨大的阛阓，但这个阛阓因为架构不存在而尚未存在，这就堕入了"鸡生蛋照旧蛋生鸡"的问题。英伟达擅长的，以及咱们为当代 3D 游戏阛阓作念出的巨大孝顺正在于此。

其时红杉本钱对投资英伟达的主要畏惧是，咱们必须同期发明技艺和阛阓，而这两件事同期发生的概率神圣是 0%。我于今仍紧记，当我向唐·瓦伦丁（Don Valentine）推介时，他问："Jensen，你的杀手级应用在那处？"我说："有一家叫艺电（Electronic Arts）的公司。"我其时并不知说念唐刚刚投资了艺电。我接着说："咱们将匡助他们制作 3D 图形游戏，并创造这个阛阓。"他答复说："Jensen，我想让你知说念，咱们投资了艺电，他们的首席技艺官才 14 岁，每天由东说念主开车送去上班。你却告诉我这是你的杀手级应用？"一言以蔽之，咱们最终创造了当代 3D 图形游戏生态系统，如今它已成为全国上最大的文娱产业之一。

3D 图形的根柢问题是模拟现实。若是你记忆第一性旨趣，它所作念的便是试图重现现实。而再现传神图像和动态全国的数学基础，本色上是物理模拟。因此，线性代数显然至关进犯，咱们领路到了这少量。

问题是，如何将通用的东西引入到相当专科化的领域？这恰是咱们公司的伟大发明。咱们发明了技艺，创造了阛阓，还开辟了旅途，使咱们能够系统地从一个相当垂直的行业，成长为越来越通用的平台。这种情况很少发生。这条路很难走，但我不想占用剩下的时辰来说明注解。我合计 CUDA 的发明，部分是技艺上的发明，即咱们不雅察到如何将 GPU 通用化；但很大程度上也关乎新家具的发明，如何将其推向阛阓；新计谋的发明，如何让阛阓收受它；以及最终发明了能够创造飞轮效应的生态系统，从而促成一个揣测平台的出身。

咱们发明了悉数这些东西，它们齐是全新的。若是你退后一步问我方，除了 ARM 和 x86，全国上还有哪一个简直东说念主东说念主齐在使用的揣测平台？谜底是不存在。是以，发明一个新的揣测平台是极其忽视的。对咱们而言，这浪掷了快要 30 年的时辰。

AI 立异登程点：2012 年 ImageNet 冲突

是以你成效地将这个相当专科化、性能极高的加快开采通用化了，使得全国各地的接洽东说念主员和学者能够更快地运行他们的处理任务。他们之前边临的摩尔定律死心已而之间被极地面放宽了。现在让咱们快进到 2010 年代初。其时，深度学习照旧一个学术界的冷门领域，神经荟萃的认识履历了一个"隆冬期"。然后在 2012 年，AlexNet 在揣测机视觉领域取得了冲突，而这一切齐是在英伟达的 GPU 上加快完成的。那是不是你意志到东说念主工智能立异正在成为现实的时刻？若是是，你是如何收拢这个机遇的？让英伟达成为这场革射中心的环节上风是什么？

有两个偶然的时刻，以及一个对于深度学习的、源于第一性旨趣的伟大不雅察。我其时正试图处治揣测机视觉问题。咱们想处治揣测机视觉问题有许多不同的原因。其时的揣测机视觉技艺相当脆弱，难以泛化，只是一系列技巧的蚁合。我相当悔过这个行业的发展方式，咱们对进展感到极度黯然。

与此同期，咱们普及架构的一项主要策略是，让高级讲授领域的科学家使用咱们的平台——CUDA。我从地震处理、分子能源学、粒子物理学、量子化学等领域着手推行。我把英伟达 CUDA带到了全国各地。公司其时确乎有一个叫作念"CUDA Everywhere"的计谋，敬爱便是我（Jensen）在全全国到处驱驰。我去了全国各地的大学与接洽东说念主员会面。这项将CUDA引入高级讲授和科研领域的举措，促使一些接洽东说念主员在2011、2012年傍边关联咱们。

其时，Geoffrey Hinton、吴恩达（Andrew Ng）和杨立昆（Yann LeCun）齐试图处治揣测机视觉问题，因为一个由李飞飞（Fei-Fei Li）认真的名为ImageNet的竞赛行将举行。而我也在试图处治揣测机视觉问题。是以当你自关联词然地试图处治一个问题时，悉数这些敬爱敬爱的东说念主也在处治肖似的问题，他们就会蛊卦你的注重。这便是机缘碰巧。

而阿谁伟大的不雅察是，咱们不错为他们创造一种新式的求解器，叫作念cuDNN。这就像咱们为荟萃揣测（in-network computing）发明的技艺，不错类比于存储揣测（in-storage computing）的后续发展。这种揣测方式，这个名为cuDNN的库，使得他们悉数东说念主齐能成效地使用CUDA。

我看到了和全球一样的结果，悉数东说念主齐看到了揣测机视觉成果的巨大飞跃。但咱们更进一步，去念念考：这项技艺为什么在揣测机视觉方面如斯出色？它还能在哪些方面施展出色？深度神经荟萃之是以能够作念到相当"深"，是因为每一层齐孤苦于其他层进行历练，况且不错从一个蚀本函数一直反向传播到其输入端。你不错用它来学习简直任何函数。

咱们得出的论断是，这是一个通用的函数靠拢器（universal function approximator）。若是咱们能再增多一个景色——卷积神经荟萃（CNN）是一种二维、多维的模式识别器，轮回神经荟萃（RNN）在其中提供了一个景色机，长短期系念荟萃（LSTM）提供了更好的景色机，而Transformer则提供了终极的景色机。因此，咱们有了一个不错学习简直任何函数的通用函数靠拢器。那么问题就形成了：它能处治什么问题？现在你反过来问这个问题，咱们得出的论断是，咱们想处治的大多数问题齐不错包含一个深度学习的组件。是以咱们决定去念念考，深度学习在10年、20年后会发展到什么程度。

咱们将揣测问题瓦解开来，得出的论断是，每一个芯片、每一个系统、每一款软件、揣测堆栈的每一层，齐不错被透澈重塑。而咱们决定去达成这少量的有讨论，可能是历史上最佳的有讨论之一。

AI 工场：从 DGX1 到全栈平台

我其时正在斯坦福大学作念东说念主工智能接洽，主要的死心弥远是揣测技艺。咱们只好有限的集群来运行这些算法。而英伟达的出现，不仅放宽了揣测技艺的死心，还通过CUDA基础设施使其成为可能。这在很大程度上便是你的历史：让越来越多的揣测成为可能。2016年，你相当有名地创造了全国上第一座东说念主工智能工场——DGX-1。你还亲手把它委用给了在OpenAI的埃隆·马斯克（Elon Musk）。

我制造了这台全新的揣测机，它的外不雅和责任方式齐是前所未见的。我紧记在GTC上晓谕它时，不雅众绝对不知说念我在说什么，得到的掌声就像在讲一个见笑一样三三两两。

就在那次GTC上，我邀请了埃隆来驳倒咱们俩齐在作念的自动驾驶汽车。他上台后说："Jensen，那台揣测机是什么？"我说："是DGX-1，我为这个目的而建造的。"他说："我不错用一台。"我心想，哦，终于拿到一张采购订单（PO）了。然后他说："我有一个非牟利组织……"

当你创造出一个全新家具时，最不想听到的便是你的第一个客户是一个非牟利组织。但非论怎么，我照旧委用了。我其时就像是送电脑的"Doordash"小哥，把这台电脑"外卖"到了旧金山，那家公司便是OpenAI。

它现在是一个盈利技艺很强的非牟利组织了。

咱们照旧合作了很永劫辰。从那以后，他们的每一个模子齐是在英伟达的平台上构建的。

而且这个东西的实体相当巨大。当Jensen驳倒一台揣测机时，咱们说的是一个巨大的开采。

当东说念主们听到咱们的GPU时，他们可能会想象一个很小的GPU。但咱们的一个GPU现在是机架领域的，重达两吨，功率12万瓦，价值约300万好意思元。那才是一个GPU。咱们虽然也卖小一些的GPU，便是Geoffrey Hinton用的那种，好像500到1000好意思元，不错插在你的PC上，用来玩电子游戏或搞AI。但咱们也有更大的GPU，一个1千兆瓦的东说念主工智能工场GPU神圣价值500亿好意思元。

跟咱们讲讲这些东说念主工智能工场吧。你可能有微型的"AI搅动机"，但你也有这些的确巨大的"AI工场"。你在2016年就全力插足，并断言全国将需要东说念主工智能工场。你是如何取得这种瞻念察力和信念的？

你只需要对此进行推理。咱们建造了第一台DGX-1，它是其时全国上最上流的揣测机，每个节点30万好意思元，但它并不算成效。是以我得出论断：咱们把它造得还不够大。于是咱们造了一个更大的，第二个就变得超等成效。

现在的问题就形成了，你应该把它造多大，以及你应该把揣测技艺推向多高的极限？事情发展如斯之快的原因在于英伟达的家具周期和咱们的创新、遐想方式。咱们不是在遐想一个芯片，咱们是在一次性遐想一整套基础设施。咱们是刻下全国上独逐个家公司，你不错给它一栋楼、一些电力和一张白纸，咱们就能创造出其中的一切。悉数的荟萃、交换机、CPU、GPU，那通盘工场里的悉数技艺，咱们齐能建造。而且它们齐运行着来自英伟达的归拢个软件栈。因为咱们能作念到这样的集成，咱们也能以极快的速率前进。

是以我不错再行遐想下一年的家具，再再行遐想下下一年的，况且每一年发布的家具齐保合手软件兼容。软件兼容性的公正便是速率。PC之是以能够发展得那么快，便是因为它们齐与Windows兼容。因此，只须你受命这个技艺栈的圭臬，你就不错运用自若地快速制造芯片。是以咱们现在正以物理上可能的极限速率，运用自若地建造东说念主工智能工场。

因为咱们正在以令东说念主难以置信的领域进行创新和协同遐想——咱们同期篡改算法、软件、荟萃、CPU和GPU——咱们冲突了正在放缓的摩尔定律的死心。因此，咱们每一代家具齐将性能水平缓助约10倍。这是咱们每年带给阛阓的令东说念主难以置信的性能水平。咱们这样作念的原因是，咱们信托在地平线以外，总有一个问题是如斯巨大，以至于你需要一台更大、更快的揣测机。

另一方面，当咱们在疏通功耗下缓助性能时，咱们执行上是在镌汰你的成本。咱们正在以极快的速率镌汰成本，这让客户能作念更大的事，也让他们能用归拢个工场创造更多收入。英伟达如今能被庸碌采纳，是因为咱们同期领有最高的性能和最大的领域。是以若是你想要巨型系统，你不错作念到。同期咱们亦然成本最低的，因为咱们的性能相当高。

举个例子，若是你的数据中心是1千兆瓦，你就无法取得比这更多的电力了。若是咱们的每瓦性能，即每单元能源消耗的性能，是别东说念主的三倍，你的公司就能用阿谁工场产生三倍的收入。这便是我称之为"工场"而不是"数据中心"的原因，它们在用它赢利。这些东说念主工智能工场但愿不休扩大领域，不休增多收入，不休提高隐隐量。这便是咱们创新如斯之快的原因。要跟上咱们是很难的。这也说明注解了咱们为什么会成效。

AI 投资与 ROI：已见实效

Jensen，您照旧从一个组件供应商转机为一个无缺的平台供应商，这便是面向投资者所说的"AI工场"认识。您能详备说明注解一下这个平台包含了什么吗？另外，这个平台的下一步发展会是什么口头？

平台包括CPU、GPU和荟萃处理器。交换机有三种类型：一种是纵向扩张（scale-up）交换机，它不错将一个机架形成一台无缺的揣测机，咱们创始了机架级揣测，这被称为纵向扩张。横向扩张（scale-out）则是通过将许多这样的机架相连在沿途达成的。这些交换机和荟萃开采上运行着大齐软件，软件位于悉数这些硬件之上。然后，您就不错创建一个像这栋建筑一样大小的巨型系统，这栋建筑的功耗好像是100兆瓦。一个千兆瓦的数据中心则需要几千英亩的地皮。接下来，您通过更宽敞的荟萃将悉数这些数据中心相连起来，让它们能够共同"念念考"。这便是咱们今天构建的东西。

基础设施成就如斯之快有几个原因，现在也存在一些对于泡沫并将其与2000年比较较的问题。在2000年的时候，互联网公司如hospital.com、pets.com大多莫得盈利，通盘互联网产业的领域神圣在200到300亿好意思元之间。

今天，着手需要看到的是，AI并不单是关乎OpenAI、Anthropic等新兴公司。AI正在篡改超大领域数据中心（hyperscalers）的运作方式。举例，搜索现在由AI驱动；保举系统决定了您看到的告白、新闻和故事，电影亦然由AI保举的；用户生成的内容也不异如斯。是以，谷歌、亚马逊、Meta的业务——这些数百上千亿好意思元的收入，齐由AI驱动。即使莫得OpenAI和Anthropic，通盘超大领域数据中心行业也已由AI驱动。因此，着手要领路到，通盘行业需要从使用经典机器学习的传统CPU，转向使用AI的深度学习。仅这一项转型就价值数千亿好意思元。

其次，咱们现在有了一个名为"AI"的新阛阓，它催生了一个出产AI的新产业。因此，OpenAI、Anthropic、xAI、谷歌的Gemini，虽然还有Meta，齐将成为AI的出产者。这通盘AI模子制造商层级也正在成就AI工场。这些AI将为下一代的新机遇提供能源。

这便是像Harvey、Open Evidence、Cursor这类AI原生公司出现的原因。它们将相连到AI模子，并将有史以来第一次，去开拓一个以前从未被技艺涉及的行业——劳能源行业。

数字劳能源，即所谓的"代理式AI"（Agentic AI），将补充和增强企业阛阓。举例，在英伟达，咱们100%的软件工程师和芯片遐想师齐由AI辅助。今天，咱们每一位工程师齐通过Cursor取得增强，咱们在公司里面大齐使用Cursor。咱们为悉数工程师配备了AI，出产力得到了缓助，咱们的责任质地也变得好得多。

您还会看到另一个新兴行业正在出现，叫作念"物理AI"（Physical AI）。因此，咱们有企业AI和物理AI来增强劳能源。举例，自动驾驶出租车本色上便是一个数字司机。咱们将来将领有能够镶嵌到任何挪动物体中的AI。在自动驾驶出租车的例子中，AI镶嵌的是标的盘和轮子；但将来，你还会看到拾取和摒弃的机械臂，可能有一只手臂、两只手臂，以致三条腿——多样不同的实体形态。这两个行业（企业AI和物理AI）所对应的阛阓领域，占到了全球100万亿好意思元经济总量的很大一部分。咱们第一次领有了能够增强这部分经济的技艺。这便是为什么东说念主们对下一波AI海浪如斯应许。

让咱们来谈谈前一波海浪，因为您提到AI照旧带来了投资陈说。对于投资者来说，Meta是一个很好的案例。2022年第四季度，苹果移除了Meta的归因数据，导致其市值挥发了数千亿好意思元。Meta团队其时在想："咱们该如何处治这个问题？" 他们用英伟达GPU驱动的AI处治了这个问题，并将他们的归因技艺复原到了原有水平。这为他们援助了数千亿好意思元的市值，使其总市值比低点时高出高出一万亿好意思元。这绝对是由您的GPU所驱动的投资陈说。

保举系统是以前最复杂的软件系统之一，不仅Meta在使用。它有几项基础技艺：一项是协同过滤，它基于我的步履并不雅察其他悉数东说念主的步履，若是咱们有相似的模式，它就会向我保举归拢部电影、您购物清单里的下一个商品、一册书或一个视频。另一项是内容过滤，它仅基于我的身份、偏好以及那本书的具体内容来向我保举。保举系统是全国上最大的软件生态系统，而这个生态系统正在相当迅速地转向AI。因此，您将需要大齐的GPU。

这些系统因几十年前的"Netflix挑战赛"而闻名。现在，Netflix的保举绝对由AI驱动。正如您所说，在亚马逊，当您去购买商品时，有极度大比例的购买步履是由保举系统促成的。

从搜索到AI。

从搜索转向AI。现在悉数这些——比如TikTok——齐是由AI驱动的。

是的，转向AI。Google Shorts绝对是AI。现在，悉数的个性化告白也将转向AI。是以，AI的应用数目的确令东说念主难以置信。请注重，我刚才样子的这些齐是传统的用例。量化走动将转向AI，以前由东说念主工遐想的特征提真金不怕火，也将转向AI。

这恰是Citadel Securities在以前二十多年里一直开拓的领域。这便是传统的AI。

Citadel一直是一位相当好的客户。谢谢。

那是一个经典的例子。对于在场的投资者来说，驳倒AI的投资陈说率，它照旧以万亿好意思元市值的模样存在了。接下来咱们谈谈将来的开销。到2025年，AI领域的投资总数瞻望将高达5000亿好意思元。将来将何去何从？这个领域会成为每年数万亿好意思元的投资类别吗？

是的。不错这样说，AI的制造部分，也便是"代工场"，是模子制造者。他们就像芯片制造商。有一种领悟AI的方式是，大型语言模子便是当代揣测机的操作系统。你不错在这些AI模子之上构建应用环节，而且不单是是基于一个AI模子，而是基于一个由多个AI模子构成的系统。因此，一个应用环节将相连并使用一组不同的AI。

那么，表层的应用空间是什么？除了咱们一直在商榷的、用AI检阅悉数现存应用以外，一个最合理的比方便是"数字东说念主"。举例数字软件工程师（即AI编程），这可能是一个数万亿好意思元的阛阓契机。还有AI数字照应、AI司帐师、AI讼师、AI营销东说念主员。咱们把悉数这些统称为"智能体AI"（Agentic AI）。这项技艺正执政着相当好的标的发展。

因此，技艺将初次不再只是是司帐师使用的器具，或软件工程师使用的器具。咱们将创造出数字软件工程师。我不会感到骇怪，将来你会授权使用一些数字东说念主，也会雇佣一些数字东说念主。这取决于它们的质地和专科深度。因此，企业将来的劳能源将是东说念主类和数字东说念主的聚拢。其中一些将基于OpenAI，一些可能基于Harvey、Cursor或Replit等级三方，还有一些将由你们我方里面培养。咱们里面培养了许多我方的AI，因为咱们有大齐需要保护的专有学问和数据，况且咱们具备开发这些AI的手段。跟着时辰的推移，越来越多的东说念主将能够培养我方的数字AI，因为这样作念会变得越来越容易。因此，企业和智能体AI，通过增强劳能源，带来了数万亿好意思元的机遇。

与以前的软件比较，AI的专有之处在于它需要合手续地处理信息。你不成像以前那样预先编译它，把它放进一个二进制文献里，下载然后使用。它必须一直处于处理景色。之是以如斯，是因为它需要获取你的高下文，念念考你想让它作念什么，然青年景一个输出。是以它在不休地念念考和生成。这需要机器，需要揣测机来完成。这便是"AI工场"存在的原因。这些AI工场将部署在云霄，也可能在腹地（on-prem），遍布全国各地。这不错看作是AI基础设施的一部分，将会有大齐的"念念考"来产生咱们称之为"token"的东西，但其本色是智能。这便是所谓的领路AI，也便是数字劳能源。

第二点是机器东说念主技艺。让我给你们作念一个念念想实验，说明注解为什么机器东说念主技艺离咱们如斯之近。你现在不错给AI一个请示，比如"让黄仁勋提起一个瓶子，翻开它，然后喝一口"，它就能生成我作念这个动作的视频。那么，若是它能生成这一切，为什么不成专揽一个机器东说念主来完成不异的动作呢？这个念念想实验标明，这在现在看来短长常有可能的。若是你能遐想一个不错驾驶汽车的数字司机，为什么不成让一个实体机器东说念主来驾驶汽车呢？若是一个实体机器东说念主不错被赋予驾驶汽车的技艺，为什么不成赋予它操作一个拾取和摒弃机械臂或任何类型机器东说念主的技艺呢？

咱们东说念主类有技艺"具象化"（embody）简直任何东西。咱们不错提起刀叉，它们就成为咱们体魄的蔓延；咱们不错提起棒球棒，并将其用作咱们体魄的蔓延。咱们能够"具象化"这些物理蔓延。将来的AI将能够"具象化"并专揽一辆汽车、机械臂、东说念主形机器东说念主、外科手术机器东说念主等等。因此，我合计这两个阛阓（数字东说念主和机器东说念主）齐在AI的技艺范围之内。

临了，举一个例子。当你不雅察到一个事物达成的可能性时，剩下的就只是工程问题了。咱们现在照旧看到了一个绝佳的实例，那便是AI软件编码器，这亦然咱们大齐使用它的原因。既然你有了AI软件编码器，为什么不成让它也编写一个营销行动的软件，或者编写软件来帮你处治任何司帐问题，或任何你想作念的事情呢？是以，这个实例的存在本人就说明了，将其推行到其他领域只是一个工程问题。

不异，咱们现在有了自动驾驶出租车。它是一个"具象化"的机器东说念主，限度着标的盘和车轮。既然它存在，为什么不成将其推行开来呢？剩下的也只是工程问题。是以，这是从第一性旨趣登程，推断这项技艺在各行业和社会中普及可能性的一个好步履。接下来你需要念念考的是，如何扩大领域？如何将这种智能委用给悉数这些不同的应用？谜底便是，你需要"AI工场"。

将来 AI 契机：代理与物理 AI（万亿阛阓）

咱们再多谈谈机器东说念主技艺。您领有一开销色的机器东说念主团队，您认真机器东说念主业务的一位高管今天也在这里。在之前的一次话语中，您分享了对于机器东说念主技艺将来发展的一些见识。它会是一个单一的东说念主形机器东说念主样式吗？会是多个开源样式吗？这些开源样式将如何整合？您合计机器东说念主技艺将如何的确在物理全国中体现出来，以实时辰缱绻是怎么的？

机器东说念主出租车照旧出现了，它们在不同城市间进行泛化的技艺正快速缓助。原因是这背后是疏通的基础技艺，咱们齐履历了不异的发展历程。对于在座诸位从事量化走动和算法走动的东说念主来说，你们也履历了从东说念主工遐想特征、机器学习，到越来越多地使用深度学习、镶嵌特定模态和多模态模子，再到如今基本达成端到端的进程。况且，它是多模态的。

在这个进程中，模子的泛化技艺越来越强。用于自动驾驶汽车的AI模子和用于东说念主形机器东说念主或普通机器东说念主的AI模子高度相似，只是体现在两种不同的"具身"（embodiment）中。我之是以能信服这少量，是因为我不错用归拢种智能来驾驶汽车和操控我我方的体魄。我不错用刀叉，假装我方是外科医师，在牛排上脱手术。你会发现，这是归拢种AI在不同"具身"中的体现。

这便是AI将来的发展标的。机器东说念主技艺正朝着越来越通用的AI发展，这些AI是多"具身"、多模态的。要创造这样的将来，需要三样东西。着手，是我之前提到的AI工场，用于历练模子。其次，需要一个能让AI在进入现实全国前进行学习的地点，这样它就不错在臆造全国中进行数万亿次的迭代。这个臆造全国就像一个电子游戏，AI在其中饰演一个游戏变装，并服从物理定律。当它学会如何成为一个出色的游戏玩家后——由于咱们的模拟器相当出色， simulation-to-real（臆造到现实）的差距极小——咱们称之为Omniverse，也便是Omniverse揣测机。然后，机器东说念主就不错走出臆造全国，物理全国就成了它玩过的臆造全国的又一个版块。当它进入物理全国时，不异需要一台揣测机。

是以，你需要三台揣测机：用于历练的AI揣测机，用于模拟的臆造全国揣测机（即实验室），以及行为机器东说念主大脑、在物理全国中执走运作的揣测机。英伟达提供悉数这三种揣测机，咱们与简直悉数的机器东说念主公司、自动驾驶公司以及多样不同"具身"形态的机器东说念主公司齐有合作。这很可能会成为有史以来最大的阛阓之一。

是以，英伟达现在简直涉及了科技的方方面面。正如您以前所说，你们从零着手进入一个阛阓，并匡助它成长为万亿级别的阛阓。机器东说念主技艺是下一个前沿阛阓之一。您对还有哪些其他的前沿阛阓感到至极应许？您刚才提到了医疗健康，这是您充满关爱的领域吗？还有莫得其他领域值得在座的投资者关注？

医疗健康所需的技艺相当复杂，但咱们正在取得速即进展。若是你能领悟单词和字符序列的含义，你随机也能领悟像臆造全国这样有"结构"的东西的含义。咱们之是以能生成视频，是因为咱们领悟了现实全国，从而能生成它的图像化暗示。是以，若是你能生成视频，那一定是因为你领悟了全国。若是你能领悟全国，那么是否有可能领悟不异具有结构的卵白质和化学物资呢？谜底是信服的。

咱们正越来越接近领悟卵白质的意旨，这收获于AlphaFold等技艺。咱们也能够领悟细胞的意旨。咱们最近与ARC合作，Evo-2是首批用于细胞表征的大语言基础模子之一。现在你不错对它说："我但愿你生成具有这些特质的其他细胞。"或者你不错径直问细胞："你有什么特质？你能与什么聚拢？你的弃旧容新是怎么的？什么不错激活你？"你不错像与聊天机器东说念主对话一样与细胞对话。因此，领悟卵白质的意旨……总之，这方面有许多进展，例子不堪陈设。

另外，我为咱们将AI引入电信领域的责任感到应许，5G和6G将因AI而发生立异性变化。我也为咱们与量子揣测机的合作感到应许，通过创建量子-GPU混总揣测系统，咱们不错将量子揣测的程度提前神圣十年。在这些系统中，咱们认真纠错、限度量子揣测机以及后处理。咱们推出了一种名为CUDA-Q的新架构，它将CUDA扩张到了量子领域，并取得了庸碌的采纳。现在，咱们能处治许多以前难以处治的问题。

AI 安全与生成揣测

Jensen，您最近在咱们办公室参加了一场AI会议，并就AI安全的将来偏激进犯性建议了一些相当精彩的见识。这和刚才的话题有些关联。有些国度步履体可能会干扰AI，也有些个东说念主用户可能会失当使用AI。您合计AI安全的将来会是怎么的？

将来的AI安全将与荟萃安全有些相似。它将需要咱们通盘社区共同尽力。您可能知说念，悉数的荟萃安全和首席安全官们，咱们齐是一个庞大的社区。当有东说念主发现入侵时，咱们会与悉数东说念主分享。当咱们发现流弊时，咱们也会与悉数东说念主分享。因此，将来的AI安全很可能会像荟萃安全一样。

其次，若是智能的边缘成本，即AI的边缘成本趋近于零，那么专注于安全的AI的边缘成本为什么不会也趋近于零呢？这少量相当明确。很可能每个AI齐会被一大群监视着它的荟萃安全AI所包围。咱们将领有大齐的AI保护者，数千、数百万，遍布公司表里。这便是将来的图景。

"AI本人必须是好的"这个想法很好，但咱们不应该依赖于此。就像咱们但愿一个软件能平日运行，但咱们必须假定它可能存在流弊、病毒或被入侵。咱们将尽可能安全地鼓动AI发展，同期也会在AI周围部署大齐的安全AI。

您分享过，物理全国的动态与数字全国是脱钩的。在物理全国，可能是一个安保东说念主员对应100个普通东说念主；而在AI全国，这个比例可能会被回转。

是的，就像荟萃安全一样。咱们领有的荟萃安全代理数目，比公司里从事荟萃安全责任的东说念主员要多得多。

您还分享了一个不雅点，将来咱们不仅有渲染揣测，一切齐将是生成式的。您能详备说明注解一下这个预测以及它对英伟达意味着什么吗？

最佳的例子之一是Perplexity。当你在Perplexity上发问时，你看到的一切齐是绝对生成的，100%齐是。而在Perplexity出现之前，你输入一些内容，它会给你一个列表，你再去点击。悉数这些内容齐是由某东说念主事前编写或创建的。是以，搜索是基于存储的揣测，是基于检索的揣测，它检索信息供你自行消费。而Perplexity或AI则是生成式的，它去接洽、阅读悉数内容，然后为你生成谜底。

是以，Perplexity是从传统揣测机步履（咱们去检索一个文献并阅读它）到生成式步履（基于AI的Perplexity）的一个绝佳标准。另一个例子是，望望咱们今天看到的视频，比如Sora、nano banana，悉数这些像素齐是生成出来的。它由你来设定条目和请示词。你可能会给它一个运转种子，然后说："我但愿你生成一个Constantine和Jensen进行炉边话语的视频。"然后你再请示说，此次炉边话语他们会聊一些豪恣的东西。

（对线上不雅众说）趁机一提，咱们这个是真的。

然后Sora就会生成它。是以，每一个像素，每一个动作，每一个词齐是生成的。将来揣测的方式很可能便是生成式的。

临了再举一个例子。咱们俩刚才的通盘交流进程100%是生成式的。你问我的每个问题，我齐莫得跑回办公室检索某些东西拿给你，然后问"Constantine，这是你要的吗？"，再让你读给全球听。那是以前的揣测机。今天的揣测机便是咱们这样径直互动。咱们正在字据此时此地的高下文、字据不雅众、字据全国正在发生的事情，实时地生成一切。这便是将来的揣测机。

你将来的揣测机就像你眼前的一位CEO，或者是一位艺术家、一位诗东说念主、一位故事敷陈者，你与它调和，为我方创造专有的内容。是以，将来的揣测是100%生成式的。其背后需要一个AI工场，这便是为什么我100%信服咱们正处于这段旅程的开端。咱们现在为这个每年可能需要数万亿好意思元基础设施的阛阓，只建造了戋戋几千亿好意思元的基础设施。这是最容易领悟其远景的方式。

而这种揣测范式更像东说念主类的念念维。

是的，它在念念考。

英伟达的投资洞见

若是你准备好了，咱们来答复几个闪电战式的问题吧？在临了几分钟里。我不知说念阿谁谜底对应的是什么问题，是以咱们径直着手吧。哪一个华尔街最不敬重的环节绩效方针（KPI）？

在将来的东说念主工智能工场中，你每单元能源的隐隐量决定了你客户的收入。这不单是是采用一个更好的芯片，而是决定你的收入会是几许。事实上，若是你纪念一下悉数的云奇迹提供商（CSP），那些作念出正确采用的公司收入达成了增长，而那些行动冉冉的公司随后也作念出了正确的采用。是以你不错看到这种情况正在发生，东说念主们也着手领悟这少量。你的隐隐量——也便是工场每单元能源的令牌生成率——便是你的收入。

英伟达平台中最被低估的部分是什么？

大多数东说念主齐在驳倒CUDA，CUDA相当进犯。但在CUDA之上，还有一套库。我今天早些时候提到了一个，叫作念cuDNN。它可能是有史以来创造的最进犯的库之一。上一个具有同等进犯性的是SQL，而这一个便是cuDNN。还有其他一些，比如cuDF，以及将用于半导体制造光刻技艺的cuLitho。咱们神圣有350个这样的库。这些库，便是英伟达的宝库。

您合计哪一项技艺被严重低估，哪一项又可能被高估了？

被低估的，我合计是臆造全国。咱们称之为Omniverse，它是一个供实体AI学习如何成为一个优秀的实体AI的臆造全国。这很难领悟，但它被严重低估了。这并非因为东说念主们用或毋庸它，而是因为他们还不知说念我方需要它。但现在，Omniverse正席卷机器东说念主行业，每个东说念主齐着手明白了。一朝你着手制造机器东说念主，你就会意志到这是何等有远见。咱们差未几十年前就着手研发Omniverse了。是以，Omniverse相当进犯。

哪本书对您的贸易和指导力玄学影响最大？

我最心爱的书之一是全球的第一册微积分讲义，那时你意志到数学是一种情谊。那是一册好书。克莱·克里斯坦森（Clay Christensen）的悉数书齐很棒，他照旧逝世了，但曾是一位好友。阿尔·里斯（Al Ries）的《定位》（Positioning）是一册相当好的书。若是你还没读过，杰弗里·摩尔（Geoffrey Moore）的《向上鸿沟》（Crossing the Chasm）亦然一册好书。但基本上，克里斯坦森的悉数书齐应该读一读。

最心爱的慰藉食品是什么？

炸鸡。

好的，咱们得到谜底了。临了一个问题：若是您是现场的一位首席信息官（CIO），将来几年有100亿好意思元的预算用于东说念主工智能，您会投资什么？

我会坐窝尝试构建我方的东说念主工智能。咱们为如何率领职工入职而骄傲——咱们采纳的步履，咱们将他们融入公经理念的文化，使公司之是以成为公司的运营步履和实践，以及咱们持久蓄积并让他们不错拜访的数据和学问蚁合。这些是以前界说一家公司的东西。

将来的公司虽然也包括这些，但你需要为东说念主工智能作念不异的事情。你需要率领AI职工入职。咱们有一套率领AI职工的步履，咱们称之为"微调"，这基本上是在教它们文化、学问、手段和评估步履。因此，你需要去学习如何打造你的"智能体职工"的通盘飞轮。

我告诉我的CIO，咱们公司的IT部门将来将成为智能体AI的东说念主力资源部，成为将来数字职工的东说念主力资源部。这些数字职工将与咱们的生物职工沿途责任。这便是咱们公司将来的形态。是以，若是你有契机这样作念，我建议坐窝入辖下手。

谢谢你赌钱赚钱官方登录，Jensen。咱们听到了一个不可念念议的故事。英伟达的故事是一个特等的泛化故事：从一个加快图形处理器，发展到今天驱动全全国悉数东说念主工智能的技艺；从一个组件和全国上第一块GPU，发展到构周全国AI工场平台的悉数组件。咱们谈到了奇迹如何成为这场新立异的基石，以及机器东说念主技艺如何融入咱们悉数东说念主的将来。咱们谈了叮咛政策，以致还提到了炸鸡。你四平八稳，Jensen。相当感谢。

谢谢你，作念得很好。