黃仁勳談AI的需求與規模預估、極致協同設計、主權 AI與未來 5 年趨勢 ////////////////////////////// 第一部分：AI 時代的宏觀經濟轉變與市場規模預估 ////////////////////////////// 訪談一開始便確立了 AI 基礎設施在未來全球經濟中的核心地位，並對市場規模提出了遠超華爾街共識的宏偉願景。 1. 新一代「數兆美元」巨頭的誕生與投資機會 黃仁勳明確指出，OpenAI 很可能成為下一家數兆美元（multi-trillion dollar）的超大規模公司（hyperscale company）。他將 OpenAI 定位為像 Meta 或 Google 一樣的超大規模公司，它們將同時擁有消費者和企業服務。 • 投資邏輯： 如果 OpenAI 確定會達到數兆美元的規模，那麼在他們達到這個目標之前進行投資，將是 Nvidia 所能想像到的最聰明投資之一。Nvidia 選擇投資 OpenAI，是因為這是一家他們了解的領域。雖然投資不是強制性的，但這是一個帶來巨大回報的機會。 • 合作關係： Nvidia 正與 OpenAI 合作多個項目，包括持續建構 Microsoft Azure，以及與 OCI 和 SoftBank 合作的建構項目。第三個重大合作是協助 OpenAI 首次建立自己的 AI 基礎設施（self-build AI infrastructure）。Nvidia 將在晶片、軟體、系統和 **AI 工廠層級（AI factory level）**與 OpenAI 直接合作，幫助他們成為一家完全營運的超大規模公司。 • 指數級增長的需求： OpenAI 的運算需求正經歷雙重指數級增長： 1. 客戶數量指數增長： 越來越多客戶使用 AI，且應用場景不斷優化，幾乎所有應用都與 Open AI 連接。 2. 運算需求指數增長： 每個使用案例的運算量增加。過去是「單次推論」（one-shot inference），現在是**「思考」**（thinking before it answers）。 ◦ 這兩大指數增長複合作用，極大地提高了 OpenAI 對運算資源的需求。 2. 對全球 GDP 的增強與潛在市場規模 (TAM) 的再定義 黃仁勳認為華爾街分析師普遍低估了 Nvidia 的機會。目前的市場共識預計 Nvidia 的增長將在 2027 年到 2030 年間趨於平穩，增長率約為 8%。但黃仁勳對未來的預期遠超於此： • 十兆美元預言： 黃仁勳直言，Nvidia 很可能成為第一家 10 兆美元（10 trillion dollar）的公司。他強調，Nvidia 不僅僅是一家晶片公司，而是一家 AI 基礎設施公司（AI infrastructure company）。 • AI 對人類智慧的增強： ◦ 目前全球 GDP 中，人類智慧代表了約 **50 兆美元（$50 trillion）**的價值（佔全球 GDP 的 55% 到 65%）。 ◦ AI 超級電腦或 AI 工廠將生成代幣（tokens）來**增強（augment）**人類智慧。 ◦ 舉例而言，如果一個年薪 10 萬美元的員工，配備 1 萬美元的 AI，能使其生產力提高兩倍或三倍，公司會毫不猶豫地這麼做。這套邏輯適用於全球 GDP。 • 基於 GDP 的市場推論： ◦ 假設 AI 增強了全球 GDP 10 兆美元。 ◦ 如果這 10 兆美元的代幣生成產生 50% 的毛利率（即 5 兆美元）。 ◦ 那麼這 5 兆美元的價值將需要 AI 工廠來運行。 ◦ 如果全球每年資本支出（CAPEX）約為 5 兆美元，那麼這個數學模型是合理的。 ◦ 目前 Nvidia 估計這個市場（TAM）每年約為 4000 億美元，這意味著潛在的 TAM 是現狀的 4 到 5 倍。 3. 加速運算的全面轉型與「已然發生」的 AI 收入 黃仁勳認為，市場已經進入一個加速運算取代通用運算的時代，這將帶來數千億美元的市場潛力，甚至無需考慮 AI 創造的新機會： • 物理定律：通用計算的終結 ◦ 通用計算已告結束，未來是加速計算和 AI 計算。 ◦ 全世界有**數兆美元（trillions of dollars）**的計算基礎設施需要被刷新。當這些設施被刷新時，都將轉向加速計算。 ◦ 超大規模公司的傳統計算方式，例如搜索、推薦引擎、購物等，正從 CPU 轉向 GPU 驅動的 AI。 • AI 收入「已然存在」的論點： ◦ 超大規模公司（Meta、Google、Amazon、ByteDance）的傳統計算正在轉向 AI，這本身就是數千億美元的市場。 ◦ 全球有 40 億人已經在使用需要加速計算驅動的工作負載（如 TikTok、Meta、Google）。 ◦ 這不僅僅是 AI 創造新機會，而是 AI 正在轉變舊有的做事方式。 ◦ 對於懷疑論者預期 AI 收入需從 2026 年的 1000 億美元增長到 2030 年的 1 兆美元，黃仁勳回應：「我們已經達到了」。因為超大規模公司的整個收入基礎現在都由 AI 驅動，沒有 AI 就無法運行 TikTok 或 YouTube Shorts。 • 數據處理的巨大市場： ◦ 傳統的資料處理，包括結構化（如 SQL 處理）和非結構化資料，目前仍主要在 CPU 上運行。 ◦ 這是一個巨大且大規模的市場（gigantic massive market）。Nvidia 很快將宣布加速資料處理的重大倡議，將其轉移到 AI 加速運算上。 ////////////////////////////// 第二部分：運算架構的極致競爭與護城河 ////////////////////////////// Nvidia 透過其獨特的極致協同設計（Extreme Co-Design）和規模經濟，構建了難以逾越的競爭壁壘。 1. 推論的 10 億倍增長與三個擴展定律 黃仁勳在一年前的訪談中預測，推論將增長 10 億倍（1 billionx）。現在他的信心更強。 • 三個擴展定律： 傳統上，AI 只有**預訓練（pre-training）**擴展定律。現在必須考慮到： 1. 預訓練（Pre-training）： 記憶和泛化答案。 2. 後訓練（Post-training）： 涉及強化學習，類似於 AI 練習技能直到正確。 3. 推論/思考（Inference/Thinking）： 新的推論方式是「先思考再回答」（think before you answer）。思考得越久，答案品質越高。 • 對運算的需求爆炸： ◦ 現在的 AI 不再是單一語言模型，而是多個語言模型的系統（agentic systems），同時運行，使用工具和進行研究。 ◦ 這種「思考」和「鏈式推理」（chain of reasoning）對運算資源的需求遠遠高於單次推論。 ◦ 阿里巴巴提到，代幣生成率每隔幾個月就會翻倍。這要求**每瓦效能（perf per watt）**必須不斷呈指數級增長。 2. 極致協同設計（Extreme Co-Design）與年度發布週期 由於摩爾定律已死，性能提升不能依賴電晶體，Nvidia 必須在系統層面進行徹底改革： • 創新超出「盒子」： 過去的創新是在晶片內（使 CPU 跑得更快），但現在必須在**「盒子外」**進行創新。 • 年度週期與 AI 助力： Nvidia 轉向年度發布週期（Hopper、Blackwell、Rubin、Fineman）。黃仁勳證實，Nvidia 內部使用 AI 進行設計，使其能夠實現這種加速速度和規模。 • 協同設計的範疇： ◦ 極致協同設計要求模型算法、系統和晶片必須同時優化。 ◦ Nvidia 同時改變了 CPU、GPU、網路晶片（Spectrum X）、MVLink 擴展（scale-up）和 Scale-out。 ◦ 這是一種前所未有的深度協同設計（extreme code design）。Nvidia 的 Spectrum X Ethernet 業務是全球增長最快的 Ethernet 業務。 ◦ 通過這種極致協同設計，Blackwell 到 Hopper 的性能提升達到了 30 倍。這是任何摩爾定律都無法達到的。 3. 競爭壁壘：規模、信任與機會成本 Nvidia 的競爭護城河正在加深，主要基於以下三個極端因素： • 規模即壁壘： ◦ Nvidia 每年必須準備數千億美元的 AI 基礎設施建置。這需要在一年多前就啟動**數千億美元的晶圓投產（wafer starts）**和 HBM 記憶體採購。 ◦ 晶圓成本（wafer costs）不斷攀升。如果沒有極致規模的協同設計，就不可能實現性能的 X 倍數增長。 • 客戶的巨大信任： ◦ 客戶部署的規模達吉瓦級別（gigawatt）。一個吉瓦可能需要 40 萬到 50 萬個 GPU 協同工作。 ◦ 黃仁勳質疑：「哪家客戶願意為一個**未經證實（unproven）**的新架構下達 **500 億美元（$50 billion PO）**的採購訂單？」。客戶之所以選擇 Nvidia，是因為其架構的高度成熟性和供應鏈的可靠性。 • TCO 優勢：零定價也無法競爭的機會成本 ◦ 電力（Power）是 AI 時代最稀缺的資源。 ◦ 黃仁勳提出顛覆性觀點：即使競爭對手將其晶片定價為零，客戶仍會選擇 Nvidia 系統。 ◦ 這是因為，客戶將電力容量（例如 2 吉瓦）轉化為收入。如果 Nvidia 系統的每瓦代幣產出（tokens per watt）兩倍的收入（twice as much revenues）。 ◦ 若競爭對手的 ASIC 性能僅相當於 Hopper，而 Nvidia 的 Blackwell 提供了 30 倍的性能。那麼放棄 30 倍潛在收入的機會成本是「高得令人難以置信」（insanely high）。即使給予 15% 的折扣，也無法彌補性能上的巨大差距。 4. ASIC 的競爭格局與通用性平台的價值 關於 Google TPU 或 Amazon Tranium 等 ASIC 的競爭： • TPU 的先發優勢： Google TPU 的成功在於其遠見（foresight），在市場規模還很小的時候就開始建構。新創公司應該佔據一個微小市場的 100%，而非在一個萬億美元的市場中爭取幾個百分點。 • 市場的變化： 過去的 AI 產業「可愛而簡單」（super adorable and simple）。現在市場已經變得「巨大且複雜」（giant and complex）。競爭已經從一個單一晶片（GPU）的戰鬥，升級為一整個 AI 工廠系統的戰鬥。 • 工作負載的解構與專業化： Nvidia 意識到需要專業化的處理器，並將視野從 GPU 轉向整個 AI 基礎設施。Nvidia 已宣布推出 CPX 晶片（用於內容處理和擴散影像生成）。未來可能還會推出針對 AI 記憶體或 KV 緩存處理的專用處理器。 • CUDA 的可程式性： 像 Transformer 這樣的 AI 架構不斷變化，**CUDA 的可程式性（programmability）**允許開發人員輕鬆迭代，這是 ASIC 難以做到的。 • 開放合作： Nvidia 推出 MV Fusion，即使是競爭對手（如 Intel），只要他們的產品足夠好，Nvidia 樂意將他們接入這個 AI 工廠。Nvidia 與 Intel 的合作是雙贏的，將 Intel 的企業生態系統與 Nvidia 的 AI 生態系統融合。 ////////////////////////////// 第三部分：地緣政治、主權 AI 與人才競爭 ////////////////////////////// AI 被視為國家生存的要素，其地緣政治影響和人才流動性，已成為國家安全的核心議題。 1. AI 的「存在性」重要性 AI 的重要性可與 1940 年代的核武相提並論。 • 核武與 AI 的差異： 黃仁勳強調，沒有人需要原子彈，但每個人都需要 AI。 • 國家安全與經濟安全： AI 被各國視為對其國家安全和經濟安全**「存在性（existential）」**的。 • 主權 AI： 為了參與 AI，每個國家必須將自己的歷史、文化和價值觀編碼到 AI 中。因此，每個國家都需要發展主權能力（sovereign capability），不僅是為了語言模型，也包括工業模型、製造模型和國家安全模型（national security models）。 • 基礎設施轉變： 正如每個國家需要能源和通訊基礎設施一樣，現在每個國家都需要 AI 基礎設施。 2. 對華政策的批評與競爭的呼籲 黃仁勳對美國的對華政策提出強烈質疑，認為這損害了美國的國家利益。 • 單方面解除武裝： 美國政府迫使 Nvidia 退出中國市場，相當於美國單方面解除武裝（unilaterally disarmed）。 • 扶持競爭對手： 這一政策使得華為（Huawei）能夠在中國這個全球最大的 AI 市場上，依靠**壟斷利潤（monopoly profits）**加速發展。華為甚至有三年的計畫要在全球市場上超越 Nvidia。 • 中國的競爭力： ◦ 中國擁有世界上最優秀的企業家和工程師，他們在 STEM 學校接受教育。 ◦ 中國只落後美國奈秒（nanoseconds）。認為中國無法製造 AI 晶片或落後多年的觀點是錯誤的。 ◦ 中國的勞動文化是「996」（早上 9 點到晚上 9 點，一週 6 天）。他們是**「強大、創新、飢渴、快速移動」**的對手。 • 正確的國家利益： 美國的國家利益在於最大化出口（maximize exports），讓美國的 AI 技術在世界各地傳播。這將最大化美國的經濟影響力和地緣政治影響力。 • 對中國市場的態度： 中國是世界上最重要、最聰明的市場之一。黃仁勳強調，即使目前的財務預測排除了中國市場的收入，Nvidia 仍然渴望在那裡競爭。他認為，讓 Nvidia 在中國市場服務和競爭，符合中國的最佳利益，也符合美國的最佳利益。 3. H-1B 簽證政策與人才流失危機 在人才招募方面，黃仁勳對美國政府提議收取 10 萬美元的 H-1B 簽證費進行了評論。 • 積極面： 他認為這是一個**「好的開始（great start）」**，因為它至少能遏制 H-1B 簽證被濫用。 • 負面擔憂： 1. 門檻過高： 10 萬美元的價格可能定得過高（sets the bar a little too high），對初創企業尤其困難。 2. 加速投資外流： 可能無意中加速美國以外的投資。 • 人才流失數據： 最令人擔憂的指標是，中國頂尖 AI 研究生畢業後想留在美國的比例，已從三年前的 90% 降至今天的 10% 或 15%。黃仁勳將此視為**「存在性危機」**的早期指標，是對未來問題的預警。 • 對「中國鷹派」的批評： 他認為那些主張採取強硬措施的「中國鷹派」（China hawks），正在破壞美國夢的人才管道，這是一種「羞恥的標籤（badge of shame）」，而不是愛國行為。他強調，合法移民和美國夢是美國的終極品牌。 ////////////////////////////// 第四部分：AI 對勞動力、社會契約與未來趨勢的重塑 ////////////////////////////// 黃仁勳對 AI 將引發大規模失業的說法表示異議，並倡導透過社會契約的創新來確保所有公民分享經濟成長。 1. AI 作為最大的均衡器 黃仁勳認為 AI 不會導致大規模失業，而是創造更多機會： • 消除技術鴻溝： AI 是**「最大的均衡器」（greatest equalizer）**。過去人們需要學習 C++ 或 Python 才能使用電腦。現在只需學習人類語言。 • AI 輔導： 如果人們不知道如何使用 AI，AI 可以指導他們。 • 創造性工作： 認為 AI 會大規模毀滅工作的前提是「我們不再有新的想法」。事實上，AI 提高了生產力，使公司更有能力去追求更多的想法。 • 智慧不是零和遊戲： 黃仁勳相信智慧不是零和遊戲（intelligence is not a zero-sum game）。一個人身邊的天才和智能越多，就會產生越多的想法，創造越多的工作。 2. 重塑社會契約：「投資美國」倡議 為了應對指數級進步可能帶來的社會挑戰，黃仁勳支持並參與了「投資美國（Invest America）」倡議。 • 核心目標： 確保每個人都能分享到國家經濟增長的成果，維護「崛起權利」（the right to rise），這是美國夢的基礎。 • 立法細節： 該倡議已通過立法。從 2026 年開始，每個在美國出生的孩子將在出生時獲得一個投資帳戶，內含 1000 美元，投資於美國最優秀的公司。 • 重塑美國： 黃仁勳認為，這項倡議與總統政府推動的「美國再工業化」（reindustrializing America）相一致。再工業化不僅能創造製造業工作，同時也具有啟發性（aspirational）（例如 Elon Musk 的火星計畫）。 3. 未來展望與應對指數級變革的哲學 黃仁勳援引未來學家 Ray Kurzweil 的預測，即在 21 世紀，我們將經歷相當於 2 萬年的進步。 • 未來五年的兩大趨勢： 1. AI 與機電機器人技術的融合（fusion of artificial intelligence and megatronics robotics）： 預計每個人都將擁有自己的 R2-D2 式機器人。這個機器人將記住所有關於我們的信息，成為我們的伴侶和教練。 2. 數位雙生（Digital Twins）與生物學： 將出現生物學的數位雙生，用於醫療保健。人們將擁有自己的健康數位雙生，用於預測老化、疾病和即將發生的健康事件。 • 極致規模的願景： 黃仁勳認為，最終可能實現 80 億人擁有 80 億個 GPU 的情景。每個人在雲端擁有為他們量身定製的模型。 • 「上車」哲學（Get on it）： 對於企業領導者和個人，應對加速變革時代的建議是： ◦ 如果一列火車即將加速並走向指數級增長，唯一需要做的事就是「上車（get on it）」。 ◦ 一旦上車，沿途就會弄清楚其他一切。試圖預測火車會在何處、何時到達，或試圖在遠處射擊它，都是不可能的。現在就是機器從「笨拙的計算器」開始為自己思考、並與人類一起思考的非凡時刻。 影片來源: 黃仁勳重磅訪談：摩爾定律已死，OpenAI將是下個「數兆美元巨獸」 https://www.youtube.com/watch?v=mA85rfzvPzQ PS 本文章由 NotebookLM 生成。
