（来源：君实财经）

英伟达黄仁勋26年摩根士丹利投资访谈全文

$英伟达(NVDA)$ 2026年摩根士丹利科技、媒体与电信大会访谈实录时间： 2026年3月4日 下午1:00 (美东时间)公司代表： 黄仁勋 (Jen-Hsun Huang) - 联合创始人、首席执行官、总裁兼董事

开场致辞

黄仁勋：哇，没有音乐，没有登场曲，也没有热烈的掌声。我只是想说，我不习惯这样安静地开始工作。开个玩笑。

分析师（未知）：一路上大家提到了很多关于泰勒·斯威夫特（Taylor Swift）的评论，所以观众已经准备好了。

黄仁勋：这家公司需要一点幽默感。这里允许幽默吗？

分析师（未知）：非常允许。詹森，我昨天还开了投资银行的玩笑呢。不过，感谢你过去25到27年来一直是这场盛会的大力支持者。我想，有时候我们会对眼前的数字规模和正在经历的变革感到麻木。我想在座的不仅仅我有这种感觉，我经常把“十亿”和“万亿”搞混。

27年前，我和我的合伙人马克·埃德尔斯坦（Mark Edelstone）坐在摩根士丹利交易大厅一个比这小得多的舞台上，向摩根士丹利的销售团队宣布并介绍了英伟达和你。信不信由你，当时的IPO募资额仅为4800万美元，1998年的 trailing revenue（滚动营收）只有3000万美元。詹森和他的团队，包括科莱特（Colette），都非常慷慨。两年前，你在总部接待了我们的董事会会议。我记得那时你刚宣布了一个季度300亿美元的营收。而上周，你们单季度的净利润就达到了460亿美元。

我们从以“年”为单位发展到了以“季度”为单位，从“百万”级跨越到了“十亿”甚至“万亿”级。这真的是令人惊叹且前所未有的规模和增长。而且，你们改变了我们的生活。真的改变了。

问答环节

分析师（未知）：既然如此，我的问题是：为了在如此惊人的规模上实现这种超高速增长，在战略、文化和技术层面必须汇聚哪些要素？再次感谢。

黄仁勋：回答这个问题大概需要37分13秒，甚至更久。显然，英伟达不是一夜建成的。我们花了33年。我还记得，当我们上市时，股价是13美元——哦，我刚才读到的是12美元，我记错了，我记忆中的数字比实际更乐观一些。当时公司的估值大约是3亿美元。马克·埃德尔斯坦当时做得非常出色，他把所有投资者都准备得妥妥当当，以至于他们实际上只有一个问题。那真的是一场“只有一个问题”的IPO路演。

那个问题是：“你们什么时候会倒闭？”我没开玩笑。这个问题的难度，和你刚才问我的问题不相上下。

答案是这样的：我们创立这家公司的初衷，是创造一个新的计算平台，一种全新的计算方式。这并不是说旧的方式错了，而是为了解决一些独特的问题，新的方式至关重要。而我们极其擅长的领域是算法。因为在软件的内循环中，往往只有5%的代码占据了99%的计算时间。而在当时，计算机领域的算法相当稀缺。其中最重要的算法之一就是计算机图形学——即对光线及其在空间中传播的模拟。

因此，虽然计算机图形学当时主要用于动画电影（我们公司成立时，《侏罗纪公园》正登上某本杂志的封面，具体哪本我忘了），但那是计算机图形学能力突飞猛进的时期。我们可以用它模拟虚拟现实，并将其应用于创造一个当时尚不存在的崭新行业——电子游戏。所以，3D图形学是在我的时代被现代化的，也是在我的时代被大众化的。整个电子游戏产业是在我的时代被创造出来的。

当我说“在我的时代”，意思是英伟达将这一切整合在了一起。我们在游戏行业如此受爱戴，且至今仍深耕其中，很大程度上是因为我们创造了现代电子游戏产业。从相关算法到库文件，如果没有RTX，今天的计算机图形行业将一无所有。如果没有我们将所有算法贡献给各大游戏引擎，你就无法享受到今天这样的游戏体验。所以，英伟达从33年前第一天起，就深深扎根于算法世界。

现在，加速计算需要所谓的“全栈”（Full Stack）能力：这意味着架构、芯片设计、其上运行的库、以及如何进行正向集成（Forward Integration）。顺便提一下，似乎有个新概念叫“现场部署工程师”之类的，但英伟达在33年前就有了DevTech工程师。我们将他们部署到全球的游戏行业和游戏公司中，将我们的技术集成到他们的游戏引擎里。今天，如果你看看Epic的Unreal Engine，里面到处都是英伟达的技术。你去任何一家游戏开发商那里，英伟达的技术无处不在。这就是为什么所有游戏在英伟达平台上运行效果最好，这也是为什么英伟达成为世界上最大的游戏平台。

你可能不知道，全球有数亿活跃的GeForce游戏玩家。其中许多人后来成为了AI研究人员，这要归功于GeForce GTX 580。是杰夫·辛顿（Jeff Hinton）告诉伊利亚·苏茨克维（Ilya Sutskever）和亚历克斯·克里热夫斯基（Alex Krizhevsky）去买这张卡，从而发现了CUDA。所以，关于英伟达的第一个理念是：我们是一家全栈公司。

第二个理念，这段历史非常久远，很多人可能还没出生。当时，PC架构与当今的计算机图形处理能力不兼容。我们创造了一项名为“Direct NVIDIA”的新技术（注：此处黄仁勋口误或幽默，实指推动DirectX等标准的发展），让应用程序能直接与我们的API通信。我们将其开放给一些非常重要的公司，最终演变成了DirectX。如果你看看我们与应用之间的通信方式，那是完全革命性的，它绕过了一大堆导致速度慢的软件层，从而使加速计算成为可能。

我们引入了将虚拟化帧缓冲区内存进入系统内存的概念。最初称为AGP，后来演变为PCI Express。许多系统架构必须被重新发明，以便在PC上容纳游戏和3D图形。这种既创新全栈以集成算法，又改变系统架构以创造新计算机系统的理念，最终引领我们推出了DGX-1——世界上第一台AI超级计算机。这台机器是由我们亲手交付给旧金山附近的一家公司的，那家公司后来成为了OpenAI。

因此，这种根本的态度、专业素养以及我们看待世界的方式，就这样传承了下来，整整33年。公司的整个文化设计为全栈，组织架构设计为全栈，整个系统设计旨在创造新的栈和新的系统架构。当然，我们是从显卡开始的。如果你看看英伟达的GeForce显卡，那是一个技术奇迹。它如何集成到操作系统中，如何集成到系统架构中，彻底重塑了计算机以前的工作方式。

我们在DGX-1上毫无困难地做到了这一点。在第一台超级计算集群上也是如此，后来我们将其交付给萨提亚（Satya，微软CEO）用于他们的第一台超级计算机。人们可能注意到了，微软的第一台超级计算机和英伟达的超级计算机有着完全相同的基准测试性能，精确到细节。如果你在这么多GPU上测量系统性能（大约1万台GPU），性能是完全一样的。原因在于这是我们设计的，并且我们将其交付给了Azure云。

这一切都基于InfiniBand，基于Ampere架构（即A100），这也成为了OpenAI使用的第一台计算机。所以，我们对这种“全栈、全系统”的方法感到非常自在。如果不这样做，就不可能保持在最前沿。literally impossible（简直不可能）跟上这样一家公司的步伐：他们每年不仅仅制造一颗芯片，而是构建整个基础设施。因为我们拥有CPU。我们革新了CPU的设计方式，你会看到更多例子。我们革新了CPU的做法，革新了GPU的做法，并使用一种叫做NVLink的技术将它们连接起来，这革新了计算机的整体构建方式。我们还通过一种名为Spectrum-X的新型AI以太网将所有东西连接在一起。现在，我们拥有了整个栈，我们知道内部所有的芯片。

当你拥有整个栈和内部所有芯片时，你可以每年都进行更改。如果你不拥有整个栈和所有芯片，很难每年都进行创新。原因在于，你是在连接太多的“猫和狗”（杂乱无章的组件），如果你无法控制它，因为这是一个全栈问题，那么每年要整合这么多的创新是非常困难的。这就是我们走到今天的原因。

分析师（未知）：太惊人了。在过去的两年里，自从你上次来到这里参加我们的董事会会议以来，我们基本上从生成式AI模型过渡到了推理（Reasoning），现在又到了代理（Agentic）阶段。萨提亚刚刚结束了一场关于企业级的讨论。在企业层面，我们与微软、OpenAI、XAI、Gemini合作，这里还有来自Anthropic的达里奥（Dario），其能力非凡。这对企业市场的规模意味着什么？它正在发生怎样的变化？它将如何被采用？你如何看待它在未来几年的演变，因为这是一个非常宏大的话题……

黄仁勋：是的，非常好。literally（确切地说），在过去两年中，我们经历了AI的三个转折点。

第一个转折点：首先，这项技术其实已经摆在那里好几个月了。GPT-3就在那里摆了好几个月，直到有人 essentially（实质上）为它写了一个包装器，把它变成了ChatGPT，把它变成了一个API，让它变得对每个人都可用且易用。正如你提到的，第一个转折点是生成式（Generative）。即能够将信息从一种形式转换为另一种形式，并自回归地生成Token（词元）。

但是，生成式AI的问题在于它容易产生“幻觉”。这并不是因为技术本身有什么根本性错误，也不是因为它没有学到正确的东西，而是因为它缺乏上下文信息的支撑，缺乏相关信息的支撑。因此，发生的第二件事是o1模型和推理能力的出现。但在o1的背后，也是对研究和事实的“落地”（Grounding），是将生成能力与语义相结合的能力，我们称之为检索增强生成（RAG），但本质上是条件生成（Conditional Generation）。也就是说，你即将生成的内容取决于上下文、事实依据、研究资料等。

因此，第二代引入了推理、自我反思和自我纠正的能力。因为有时候话说出口后，你希望能收回来修正一下。在AI的情况下，它具备了实时进行这种操作的能力。所以，o1变得更加脚踏实地，生成的信息也更加可靠。

结果如何？原本作为科技界的一种好奇和巨大兴奋点，当我们意识到它能做什么时，大家纷纷跟进。ChatGPT的实用性直线上升。但它生成的Token数量比第一代多了很多，也许是100倍。模型大小可能是10倍。所以，计算量大概是1000倍。从o1相对于ChatGPT来说，可以说是1000倍的计算量增长。而因为它如此有用，使用量可能增加了100万倍。这种使用量、实用性和落地性的结合，让我们看到了下一阶段的增长。

但最终，o1提供的是一个更加基于事实的信息型聊天机器人。它是信息性的。当然，我们许多人用它进行研究，一直在使用它。我们的目标不再是“搜索”，而是“获得答案”。ChatGPT给了我们这个。这是第二个转折点。

我们现在看到的这个转折点，其实也已经摆在那里很长一段时间了。它基本上是AI使用文件、访问文件和使用工具的能力。现在，它可以推理、思考、使用工具、解决问题。它可以进行搜索，可以进行规划。这可能正在发生的最大现象，如果你关注的话，我相信你一定在关注，OpenClaw（注：此处为虚构或未来预测名称，对应现实中的类似开源Agent框架如OpenDevin等）可能是有史以来最重要的软件发布。如果你看看OpenClaw及其采用情况，Linux花了30年才达到这个水平。而OpenClaw在短短3周内就超过了Linux。它现在是历史上下载量最大的开源软件，只用了3周。

如果你看那条曲线，即使是对数坐标，它也是直冲云霄的。它是垂直的，看起来就像Y轴一样。我从未见过这样的事情。那么现在发生了什么？你可以给出一个问题陈述，提示词（Prompt）从“创建”开始。以前的提示词思维是“是什么、何时、是谁”，对吧？那是上一代的提示词。现在的提示词是“创建、做、构建、写”，这有意义吗？上一代的提示词是查询（Queries），这一代的提示词是行动（Actions）。它们是任务，“为我做点什么”。你可以尽情地描述你的意图，让它去推断，或者非常具体地指令，然后它就会开始运转、思考。它会去做研究、阅读。如果它必须使用一个以前从未用过的工具，它会去阅读该工具的说明书。它会去研究网络上的内容，应用工具并执行任务。

刚才我提到，我们从单一的生成式响应，进化到了现在Token量大1000倍的阶段，而现在我们有了代理（Agents），在公司内部我们称之为“Claws”（爪/智能体）。这些Claws现在消耗的Token量是之前的100万倍。它们在后台持续运行。我们公司有一大批Claws，它们都在持续运行，为我们做事，编写工具，开发软件。所以现在的问题是含义所在。我们公司所需的计算量直线上升。每一家公司所需的计算量都在直线上升。

分析师（未知）：在这种背景下，我认为过去几天，至少在摩根士丹利，作为用户，我们对Token持极度看涨态度，对“执行”和“创建”持极度看涨态度。这确实需要你所提到的计算力。问题是，围绕支持如此巨大计算力的融资和资本支出（CapEx）该如何解决？从生态系统的顶端来看，这一切将如何融资？AI工厂（AI Factory）的经济效益将如何展现和演变？

黄仁勋：这里有几个非常重要的观点。首先，我很欣赏你使用“工厂”这个词。几年前我就说过，这些被称为“数据中心”的新设施，并不是用来存储数据的。它们是生产Token的。因此，一个以生产Token为根本目的的设施、工厂，就是工厂。它是AI工厂。当时人们说：“詹森，这听起来太脏兮兮（grungy）了。”其实它是干净的，但它确实生产Token。没人喜欢建数据中心，因为谁知道数据中心的回报率是多少？但每个人都喜欢建工厂。原因在于，工厂能赚钱。

我们现在可以肯定地说，这些工厂直接生成Token，而这些Token是可以货币化的。你拥有的计算力越多，能生产的Token就越多；生产的Token越多，你的营收（Top Line）就越高。我们现在确凿地知道：公司的营收与计算力直接相关。我们知道这是一个事实，因为如果Anthropic拥有3倍的计算力，他们的营收就会高出3倍。我们知道Anthropic受限于计算力，受限于工厂产能。这与梅赛德斯受限于工厂产能，或任何公司受限于工厂产能没有什么不同。如果他们的工厂里有更多的计算力，他们的营收就会更高。

如果OpenAI现在拥有更多的计算力，他们的营收也会更高。所以第一个观点是：计算力 = 营收。当然，更大的理念是：计算力 = GDP。我们也知道这一点。这是第一个观点。

第二个观点，英伟达之所以如此成功，是因为我们以全栈端到端的方式工程化这些系统，并且它们是从底层架构开始设计，以极高的效率生成Token。英伟达的**每瓦特Token数（Tokens per Watt）**领先竞争对手一个数量级。

每瓦特Token数。这意味着什么？记住，你的工厂有1吉瓦（GW）的电力。如果你的每瓦特Token数是替代方案的10倍，那么你的营收就是替代方案的10倍。历史上第一次，公司工厂中选择的计算机架构必须经过CEO的审查，毫无疑问。那家公司明年只有1吉瓦或2.3吉瓦的电力配额。如果他们在里面放错了系统，将会影响他们明年的营收。我向你保证，我们看到了这一点。因此，我们的架构如此先进，并且越来越领先，这可能是由一家名为SemiAnalysis的公司进行的最详尽的基准测试之一，他们宣布英伟达为推理之王（Inference King）。推理之王指的是每秒Token数、每瓦特Token数。它是关于生成Token以及每美元Token数。当我们的每瓦特性能或任何其他性能指标如此大幅领先于竞争对手或替代方案时，我们的每美元Token数也是最好的。这意味着，我们今天生产的Token是最便宜的，甚至不是接近，而是好一个数量级。

所以这是第二个观点。AI的第二个大理念是：AI是一个工厂，因为工厂总是受限于电力。不管你有多少工厂，每个工厂仍然是100兆瓦或1吉瓦。因此，每瓦特Token数是公司营收最关键的因素，他们必须非常非常谨慎地做出这些决定。这不再仅仅是关于PPT幻灯片。你不会仅仅因为某人的PPT幻灯片就投入500亿美元。

分析师（未知）：正如你刚才提到的，Token的需求是巨大的。我们在你们的数字中也看到了这一点，对吧？我想我提到了460亿美元的净利润，以及700亿美元的营收……

黄仁勋：你要问我如何为这一切融资吗？我可以告诉你如何融资。首先，我刚才已经告诉过你，未来你必须建立这些工厂，因为你要么相信软件很重要。我希望在座的各位都相信软件很重要。软件驱动世界。这是第一个观点。

第二个观点是：未来将不存在非代理化（Non-agentic）的软件。你们同意吗？怎么会有愚蠢的软件呢？所以，绝对真实的是，每一家软件公司都将变成一家代理化公司。他们将同时使用开放模型（Open Models）——也就是他们自己下载并微调的模型，同时也将使用闭源模型。这就好比在我们所有的公司里，我们有雇佣的员工，有我们培养的员工，有我们聘请的承包商，还有像你们这样的专家被请进公司来完成工作。我们的工作不是亲自去做每一项工作，我们的工作是确保工作被完成。每家公司都是这样做的。

因此，每家公司都会意识到，这些AI模型，有些是你租用的，有些是你自己构建的。这并不不合逻辑，就像生物员工一样，你也会对数字员工这样做。所以，未来的每一家软件公司将不再仅仅租用工具，他们还将租用使用这些工具的专家。他们不仅租用工具，还租用能使用这些工具的专家，因为他们的代理（Agents）将极其擅长使用其专用工具。

那么，每一家软件公司……IT行业目前能拉动万亿美元。今天，他们是“工具租用者”。在未来，当然，他们将租用使用这些工具的代理。这意味着，未来的软件行业将比今天的软件行业大得多。挑选你最喜欢的软件公司，我可以想象它们拥有一个更大得多的未来。Cadence会变得更大，Synopsys会变得更大，西门子（Siemens）在未来也会变得更大。但它们的业务概况将发生变化，因为今天它们基本上是软件许可公司。在未来，它们还将租用Token，专用Token。这也意味着，今天这个2万亿美元的行业中，目前没有Token消耗，而在未来将成为巨大的Token消费者。资金将从那里来。

所有这些软件——今天的IT行业，不是指企业客户公司，仅IT行业本身——将发生巨大的转变。它将在云端消耗巨量的Token，无论是开放模型还是其他。

分析师（未知）：如此非凡的Token经济正面临一些制约因素。我们有内存限制，有电力许可限制。我在德克萨斯州与建筑商在一起，我们还有电工短缺的限制。你如何看待这些因素的发展？萨提亚在上一场会议中也提到了这一点，而你离得更近。另外，如果建设周期稍微长一点，还可以接受吗？还是说，如果建设这种非凡设施的周期拉长，真的会有负面影响？

黄仁勋：我喜欢制约因素。我喜欢制约因素。原因在于，在一个充满制约的世界里，你别无选择，只能选择最好的。你不能浪费你的选择权。如果土地、电力和外壳（Shell）受限，你不会随机放些东西进去试一试。你会放入一些你确知能提供高每瓦特Token数的东西，确知能让你从获得容量的那一刻起就能建立起整个工厂的东西。我们是世界上唯一一家能够进入你的公司并帮助你建立整个AI工厂的公司。

所以在座的任何人如果需要AI工厂，我很乐意帮忙。你只需打给一个人，那个人进来，转眼间你就进入了AI工厂的业务。我们有专业知识，我们知道架构可行，我们知道在你建立之后，对该架构有着巨大的需求，所以我们可以帮你开展业务。因此，当你受到这样的制约时，你别无选择，只能做出最佳选择，因为你明年的营收与之直接相关。

这对于所有云服务商或软件提供商的CEO来说是一个关键问题。如果他们做出了糟糕的选择，这就好比我选择了错误的代工厂，选择了错误的内存，或任何错误的东西，因为我拥有的资源如此之少，一切都如此受限。如果我选择失误，我的营收就会受影响，一切都会受影响。所以他们不能选错。

第二点，正如你提到的，英伟达正在如此大规模的运作。我们的供应链是我们用资金做的事情之一，当然是为了确保我们的供应链。我们用资本做的事情之一就是确保供应链，所以当萨提亚要求我帮助他们建立几吉瓦的产能时，答案是“没问题”。原因在于，我拥有所有的内存，所有的晶圆，所有的CoWoS封装，所有的封装，所有的系统，所有的连接器，所有的线缆。从铜到多层陶瓷电容器，一切都已 securing（锁定）。这就是为什么英伟达强劲的资产负债表具有如此战略意义的原因。

今天，强劲的资产负债表不仅有帮助，更是战略性的。看看我们发货的营收金额，再回头看看我们必须为此锁定的供应链容量，他们必须相信这一点。如果你建立了一个工厂，比如DRAM工厂，而我走进来说：“你知道吗，尽管去建DRAM工厂吧，因为我要用它。”这就很有分量了。你不妨把这当作去银行取款，许多人都已经这么做了。所以，我认为万事万物稀缺这一事实，对我们来说太棒了。

分析师（未知）：我认为这确实创造了持久性（Duration），我觉得这对你来说力量非凡。我想再加一层，那就是生态系统。你是历史上最伟大的现金流生成公司之一。然后你利用这些资本真正创造了它，感觉像是在整个生态系统中创造了稳定性和多样性。那么，在构建整个生态系统的持久性和耐用性方面，你如何在财务和战略背景下思考这一点？

黄仁勋：是的。当马克带我上市时，我想我那时的精力可能不如我现在展示的这么充沛。但我相当肯定我说了同样的话。英伟达一直在构建——记住，加速计算要求我建立一个生态系统。你不能只是拿代码反编译一下它就工作了。不存在通用的加速计算系统。加速计算按定义就是专有的。我们的架构与其他任何人的架构都不兼容。就是这样。指令集不同，架构不同，微架构不同，一切都不同。所以我们把这些隐藏在底层，让你感觉好像……因为英伟达，我们加速了从数据处理、分子动力学、流体动力学、粒子系统、生物学、化学品，一直到深度学习的一切，对吧？机器人、长序列、空间、3D，你能想到的都有。

分析师（未知）：听起来像个五层蛋糕？

黄仁勋：是个五层蛋糕，没错，完全正确。但因为我们要做了这么久，看起来好像一切都加速了。但这不是真的。这是因为我一个接一个地做，一个领域一个领域地做，以至于世界上所有重要的领域现在都已完全加速。所以，我们在供应链方面所做的，我们的资产负债表非常有价值，因为它为我们的客户提供了安全保障。在上游方面，我正在为未来培育新的生态系统。所有这些我投资的AI原生公司，我们合作的伙伴，都在扩展和延伸CUDA生态系统。我们做的每件事100%都是建立在CUDA之上的。我们进行的每一项投资都是建立在CUDA之上的。

最近有人问，我们是否会向OpenAI投资1000亿美元。给大家更新一下：我们已经敲定了协议。我们将向OpenAI投资300亿美元。我想投资1000亿美元的机会可能不在计划之中。原因在于他们将要去上市。所以我很确定，如果我们提供他们所需的产能——也就是他们需要的计算力，我们正全力提升产能——营收自然会随之而来。他们将在年底上市。所以这可能是我们最后一次有机会投资像这样具有重大影响的公司了。我们对Anthropic的100亿美元投资可能也是最后一次。

说到这个，有一件事我想确保这次告诉你们，这是一些你们可能还没有内化的新消息。你们看到了所有新闻，但可能还没有完全理解。去年，或者说过去一年半左右，我们做了一些非常棒的工作：我们将OpenAI的产能从Azure扩展到了OCI，现在又扩展到了AWS。我们将OpenAI的产能覆盖范围扩展到了AWS。我们正在疯狂地提升AWS的产能，尽我们所能地提升，以便OpenAI能获得更多的产能。这是第一点。

第二件我们做的事，也是一个非常非常好的成果是，我们现在也在与Anthropic合作。在Anthropic的案例中，我们同样在AWS和Azure上尽可能积极地扩展他们的产能。请注意我们在两者上所做的——他们以前是一对一的，现在变成了交叉产品。但我们将为他们上线的产能数量，支持他们的营收，他们的营收质量非常好，我们只需要为他们提供更多的产能。所以我认为这是一件比较新的事情。

当然，发生的第三件事是一个全新的AI实验室闪现在世界上。对吧？没人提到他们。一个全新的实验室诞生了，他们将需要几百万块GPU，那就是MSL（注：此处为访谈中提到的新实体，可能是Meta Super Lab或类似虚构/未来实体）。所以MSL是Meta之外的全新增量。我们与Meta合作了很久，MSL是Meta之上的净新增量。所以发生了这三件事，三个新的增长向量：OpenAI在AWS；Anthropic同时在AWS和Azure；以及MSL。因此，我们的需求概况从“非常高”变成了“比那更高”。

分析师（未知）：说到“比那更高”。现在到处都是Waymo（自动驾驶汽车）。我想带着我的新机器狗去遛我的新狗。**物理AI（Physical AI）**可能是下一个领域。这将如何把英伟达的潜在市场规模（TAM）和Token提升到另一个全新水平？

黄仁勋：这太好了。AI是我们目前在建筑物内所做的一切。但显然，最终最大的产业是在建筑物之外。那里的AI需要具备物理感知、物理理解能力。因果关系：你推一个瓶子，它倒下了，AI需要理解重力，理解碰撞，理解惯性，理解这些东西，对吧？还要理解例如物体恒存性（Object Permanence）。我把这个东西放到椅子后面。在你的脑海里你看不到它，但你意识到它并没有消失，对吧？像物体恒存性这样的事情，对物理行为和物理智能有着相当重要的影响。

所以，你可能也不知道，英伟达处于物理AI的最前沿。Cosmos是世界上下载量最大的物理AI模型。英伟达也处于自主AI的最前沿，有两个版本：自动驾驶汽车叫Alpamayo（去查一下），下载量第一；另一个是GR00T，人形机器人物理AI。我们在这三个领域都处于最前沿。我们也处于数字生物AI的最前沿，去看看La-Proteina，非常成功。La-Proteina用于数字生物学，还有很多其他模型。GR00T N2现在是世界上下载量最大的人形机器人模型。

所以，我们在物理AI、物理定律、多物理场、Earth-2方面都处于最前沿。我们是物理AI和AI物理学的最前沿。在这个整个物理AI领域，英伟达定义了前沿。它是完全开放的。我们开放它，是因为我们希望让每一家公司，无论是新公司还是旧行业，都能利用这种能力。我们拥有整个栈和必要的计算机，供你推进自己的AI，并将其部署在机器人内部、工厂内部、边缘端、无线电塔上，部署到任何地方。这是下一个前沿。

在两年时间内，我们将基本不再谈论“代理AI”，因为我们都将在使用它。两年后，如果你再邀请我回来……

分析师（未知）：每年都邀请，每年都邀请。

黄仁勋：我们将谈论所有这些新公司。当然，我们宣布了一个非常重要的公司，与礼来（Lilly）共建的联合创新实验室。还会有其他的。但是，要建立礼来的AI工厂，除非你拥有英伟达的能力、这个完整的软件栈、所有模型的能力以及在该数字生物学领域的专业知识，否则你怎么做得到呢？所以，我们在未来几年构建的东西，你将看到它们真正崭露头角。我们将在接下来的两三年开始，并在未来十年里，一直谈论物理AI。

分析师（未知）：创新的速度和你运营的节奏真是非凡。本周初，我的合作伙伴乔·摩尔（Joe Moore）将英伟达列为他的首选股票（#1 Pick）。

黄仁勋：是吗？

分析师（未知）：是他的首选。

黄仁勋：谢谢。

分析师（未知）：谢谢。时机真好，乔。

黄仁勋：33年后啊。

分析师（未知）：你如何看待股价？你会考虑股价吗？你有什么看法吗？你如此重要且忙碌，推动着这一切创新，本质上，这里有3500名参会者，总市值高达40万亿美元。你如何看待这一切？

黄仁勋：当然，我在乎股价。我在乎股东。我在乎我们的员工，我在乎你们所有人。你可能指的是——我们刚刚取得了史上最好的财报业绩。你是这个意思吗？我想有人告诉我，这可能是人类历史上单次最好的财报发布。我说那一定只是“有记录以来”的人类历史。我确信有人曾获得过更好的回报。但无论如何，我们度过了一个非常好的季度。

听着，你无法阻挡股价上涨。你挡不住它。原因很简单：对于公司而言，计算力等于营收。在未来，每一家公司都需要计算力来换取营收。我现在就做出这个预测。每一家公司都需要计算力来换取营收。原因在于，计算力转化为智能，智能转化为你的数字劳动力，数字劳动力转化为你的营收。我确信计算力=营收。我也确信计算力=GDP。因此，每个国家都会拥有它，因为未来没有一个国家会说：“猜猜怎么着，我们要放弃智能。我们有……我不知道我们有什么，但我们不需要智能。”那是我们唯一不需要的东西，对吧？所以如果你需要智能，你就需要数字技术，你就需要AI，你就需要计算力。所以，计算力=GDP。我对此确信无疑。

我也知道我们正处于这段旅程的开端。我非常清晰地看到了它将如何获得资金。我们确凿地知道，所有的云服务提供商（CSP）已经将所有的资本支出（CapEx）转换成了生成式代理系统、AI系统，因为它有助于搜索，有助于购物，有助于广告，有助于社交，因为它帮助重塑了世界上 literally（ буквально）每一个互联网服务。所以他们可以将100%的资本支出——整个互联网行业可以将100%的CapEx转化为AI，因为它更好。我们已经证明它更好。Meta证明它更好，Google证明它更好，AWS证明它更好。所以你现在可以将你的CapEx转化为此类投资。

第二，我刚才说过，整个软件行业将由Token驱动。整个软件行业，挑选你最喜欢的软件公司，我可以向你展示它们将如何被Token驱动。那个Token——你挑选的那个软件公司，他们的Token要么由他们自己生产（这需要计算力），要么从Anthropic或OpenAI转售（这也需要计算力）。所以，这说明了第一次：整个IT行业都将由计算力驱动。这正是所有资金的来源，数万亿美元的资金，而我们正处于开端。这就是我的预测