导读
9月25日，在播客BG2最新一期节目中，BG2主播携手英伟达CEO黄仁勋展开了一场深度对话。
在直播中，黄仁勋直言不讳地表示，投资OpenAI无疑是一个极具前瞻性与潜力的明智之举，他坚信OpenAI有望成为下一家市值高达数万亿美元的超级云计算服务商（Hyperscaler）。
此外，黄仁勋还就ASIC芯片与英伟达GPU之间的竞争关系发表了独到见解。他指出，英伟达的角色远非简单的硬件供应商，而是作为AI基础设施的全方位提供者，其核心竞争力已超越了单纯的硬件与软件层面。
文字编辑｜宋雨涵
1
AI发展的新范式：
从“问答”到“思考”的三大驱动力
黄仁勋的论述，首先为我们厘清了驱动当前及未来AI发展的核心动力。他将其概括为“三大规模法则”，这不仅是对现有技术的总结，更是对未来方向的精准预判。
解构“三大规模法则”：AI能力的进化阶梯
传统的AI发展认知主要集中在模型规模和数据规模上，但黄仁勋提出了一个更完整、更具前瞻性的框架：
预训练（Pre-training）： 这是我们熟知的第一阶段，即用海量的互联网数据构建基础大模型（Foundational Models）。这好比是为AI建造一座囊括人类所有知识的巨型图书馆，模型通过学习这些数据，掌握语言、逻辑和世界的基本规律。
后训练（Post-training）： 这是第二阶段，包括监督微调（Supervised Fine-Tuning）和人类反馈强化学习（RLHF）等技术。如果说预训练是“博览群书”，后训练就是为这位“博学的图书管理员”设定工作规范、校正其价值观、使其回答更符合人类期望。这是确保AI安全、有用、可控的关键环节。
“思考”式推理（”Thinking” Inference）： 这是黄仁勋此次论述的重中之重，也是AI潜力爆发的关键。他指出，未来的AI交互将不再是简单的“一问一答”。当用户提出一个复杂问题时，AI会像一个人类专家团队一样，进行自主的研究、规划、多工具调用、事实核查、代码执行和最终的答案生成。这个过程可能包含数十甚至数百个步骤，是一个复杂的“思考链”。
“这不再是简单的检索，而是AI在进行研究、验证和创造。每一次‘思考’，都是一次密集的算力消耗，其需求的增长将是指数级的，甚至是‘十亿倍’级别的。”
这个“十亿倍”的预测，初听令人震惊，但细思却合情合理。它并非指用户数量增长十亿倍，而是指单次用户交互所触发的后台计算量将呈几何级数增长。今天的ChatGPT查询可能消耗X单位的算力，而未来的AI助理为我们规划一次跨国旅行（涉及航班、酒店、签证、当地活动、预算优化等），其后台的“思考”过程可能消耗1000X甚至更多的算力。这正是AI从“工具”向“智能体（Agent）”演进的本质。
2
“AI工厂”：
智能时代的发电厂
基于对“思考”式推理需求的洞察，黄仁勋顺势抛出了他最具震撼力的概念——“AI工厂”（AI Factory）。
他预测，若要让人工智能为全球GDP（目前约100万亿美元）额外增加10万亿美元的价值，全球每年需要投入约5万亿美元的资本开支（Capex）来建设和运营这些“AI工厂”。这些工厂的输入是数据和电力，输出的则是“智能”这种全新的、高价值的商品。
面对自己预见的淘金热，黄仁勋的策略显然不是只做一个卖铲子的商人。英伟达正在进行一场深刻的转型，旨在成为这场新工业革命中，从设计、建造到运营“AI工厂”的“总承包商”。英伟达的成功始于GPU，但其未来绝不止于GPU。黄仁勋深知，单一硬件的领先优势是脆弱的。因此，英伟达的战略核心是构建一个几乎无法绕过的全栈生态系统。
- 芯片层（The Silicon）：从Hopper到Blackwell，再到未来的Rubin架构，英伟达以惊人的速度迭代其核心计算单元。
- 系统层（The System）：通过NVLink和NVSwitch等技术，将数万个GPU高效互联成一台“超级计算机”，如DGX SuperPOD。
- 网络层（The Network）：收购Mellanox获得的InfiniBand和Spectrum-X以太网技术，解决了AI集群中至关重要的通信瓶颈，确保数据在GPU之间无缝流动。
- 软件层（The Software）：这才是英伟达真正的“护城河”——CUDA。这个拥有超过二十年历史的并行计算平台，锁定了数百万开发者。其上层的cuDNN、TensorRT、Triton Inference Server等一系列软件库，为AI模型的训练和推理提供了极致的优化，使得开发者能够轻松榨干硬件的每一分性能。
3
我们面临的是“算力短缺”
而非“AI过剩”？
面对甚嚣尘上的“AI泡沫论”，黄仁勋予以坚决驳斥。他认为，市场非但没有过热，反而面临着严重的结构性短缺。
范式转移：加速计算全面替代通用计算
黄仁勋的核心论点是，我们正处在一场深刻的计算范式转移中：加速计算（Accelerated Computing）正在全面替代通用计算（General-Purpose Computing）。
过去数十年，全球价值数万亿美元的IT产业都建立在以CPU为核心的通用计算之上。然而，随着摩尔定律放缓，CPU的性能增长已近停滞，无法满足AI等应用对算力的指数级需求。而以GPU为代表的加速计算，通过并行处理，能以更高的效率和更低的能耗处理这些任务。
因此，当前对AI算力的高需求，并非短期炒作，而是全球IT基础设施从CPU向GPU+CPU混合架构进行“换代升级”的长期、必然趋势。黄仁勋认为，这片价值万亿美元的存量市场正等待被重塑，这为英伟达提供了未来十年甚至更长时间的增长动力。从这个角度看，当前的“算力短缺”才刚刚开始。
对生态的信心：OpenAI的亏损与万亿市值之路
对于合作伙伴OpenAI目前仍处于亏损状态，黄仁勋表现出极大的乐观。他坚信OpenAI将成为下一家万亿美元市值的公司。这份信心，源于他对“AI工厂”商业模式的笃定。
在他看来，OpenAI正在做的是前期投入巨大的基础设施建设和技术研发，这与亚马逊早期建立AWS云服务时长期亏损的逻辑如出一辙。一旦“智能”这种商品的生产成本随着规模效应和技术进步而下降，同时应用场景大规模爆发，其盈利能力将是惊人的。OpenAI的成功，将是整个“AI工厂”生态价值的最终证明，也将反过来驱动对英伟达基础设施的更大需求。
结语：
黄仁勋的最新访谈，无疑给我们带来了深刻的思考。它标志着行业的思考深度，已从单纯追求模型参数和跑分，跃升到构建全新工业体系的宏大层面。
“AI工厂”的时代或许真的正在到来，而英伟达已经占据了最有利的位置上。然而，建造这些史无前例的工厂只是第一步，如何驾驭其中涌现出的磅礴“智能”，使其成为推动人类文明进步的福祉而非风险，将是我们所有人需要共同面对的、更宏大的课题。
