出品 | CSDN（ID：CSDNnews） 过去三十多年里，英伟达从一家做图形加速卡、甚至几度濒临破产的公司， 到推出 CUDA 打开通用计算的大门，再到今天提出"AI 工厂"的概念， 一路 成长为全球首个市值突破 4 万亿美元的科技公司，几乎重塑了整个计算产业的底层形态。 而掌舵这家公司的，是 黄仁勋 ——一个早年在餐厅打工洗盘子、清洁厕所，后来还差点成为了台积电 CEO 的科技领袖。 来源 | Lex Fridman 整理 | 屠敏 他自己曾多次坦言，如果一开始就知道这件事有多难，" 可能根本不会做 "。 那么问题来了—— 近日，美国知名计算机科学家、人工智能研究员，同时也是热门播客主持人的 Lex Fridman，与黄仁勋进行了一场长达两个多小时的深度对谈。 两人从英伟达的发展历程聊起，延伸到中国、马斯克、程序员生态、AI 时代的"护城河"、太空数据中心，再到 NVIDIA 内部那种几乎"没有一对一会 议、所有问题都公开讨论"的管理方式。在这家公司里，向黄仁勋直接汇报的对象多达 60 人。 期间，黄仁勋也给出了一系列观点鲜明的见解以及趋势判断： 至于个人，他的态度同样直接。 他 不信奉接班规划 ， 而 ...

计算机已从不赚钱的"存储仓库"升级为生产"Token商品"的创收工厂。黄仁勋推演，这一转变将使计算占全球GDP的比重暴增100倍，公司极大可能迈向10万亿美元市值。针对电力 瓶颈，他提出利用电网长期闲置冗余，构建可在高峰期主动降速的"优雅降级"数据中心破局。此外他认为，能自主创收的AGI已经实现，AI门槛的消除不仅不会引发失业，反而将使 全球"程序员"群体从3000万激增至10亿人。 硬·AI 近日，英伟达CEO黄仁勋做客知名科技播客Lex Fridman Podcast，围绕AI缩放定律（Scaling Laws）、算力与电力瓶颈、AI工厂、公司未来展望以及AI对人类社 会的影响等核心议题，进行了超两小时的深度对话。 更重要的是， 计算机在现实经济中的角色变了。 过去的计算机是检索系统，主要功能是文件存储。黄仁勋将其比喻为"仓库"，而仓库本身是不直接产生高额利润 的。 而现在的AI计算机变成了"工厂"，并直接与企业的收入创造挂钩。 他认为，AI代工厂正在制造一种名为"Token"的商品，且这种商品已经被细分和定价。 "我们不仅看到这家代工厂在生产人们想要消费的商品，而且这些代工厂制造的Token对许多不同受 ...

作者 | 允毅 2026 年 GTC 大会刚刚落幕，黄仁勋坐下来，接受了一场长达两个半小时的深度访谈。 访谈中，黄仁勋以真诚分享的态度与极强的前瞻性，拆解了他如何看待产业拐点、如何做出判断。 二十年前，黄仁勋顶着利润下滑甚至生死存亡的风险，坚持把 CUDA 生态押上 GeForce，推动公司从一家图形芯片厂商转向计算平台公司。今天回 看，这几乎是 NVIDIA 历史上最关键的一次转向。如今，他认为 AI 的核心竞争，正在从单颗芯片转向"AI 工厂"，而这将决定 NVIDIA 能否走向下一个 十万亿美元市值。 黄仁勋先就"扩展定律"给出了一个精彩判断：扩展定律远没有到尽头，将同时沿着预训练、后训练、测试，以及智能体系统四条路径继续推进。真正的 增长，正在转向推理、强化学习、智能体协作。而未来，大量数据将来自 AI 自身消化产生的合成数据，这会成为 AI 迭代的核心燃料。 未来决定智能上限的将是计算能力。 他认为在当下这个阶段，AI 能力的提升，已经无法靠单台计算机、甚至单颗 GPU 的升级来解决。模型性能的跃迁，越来越依赖系统级工程能力，最终 把整个系统推向极限。NVIDIA 现在做的，也不再只是芯片，而是把整 ...

在主持人惊叹黄仁勋的思考力时，他坦言，这来自于"集体的智慧"。在日常工作中，有 60 人会直接向 他汇报，包括内存专家、CPU 专家、光学专家、GPU 专家、系统架构专家等等，几乎覆盖 NVIDIA 最 核心的技术维度。他会广泛吸收信息，再在高维度上做决策。 2026 年 GTC 大会刚刚落幕，黄仁勋坐下来，接受了一场长达两个半小时的深度访谈。 访谈中，黄仁勋以真诚分享的态度与极强的前瞻性，拆解了他如何看待产业拐点、如何做出判断。 二十年前，黄仁勋顶着利润下滑甚至生死存亡的风险，坚持把 CUDA 生态押上 GeForce，推动公司从 一家图形芯片厂商转向计算平台公司。今天回看，这几乎是 NVIDIA 历史上最关键的一次转向。如 今，他认为 AI 的核心竞争，正在从单颗芯片转向"AI 工厂"，而这将决定 NVIDIA 能否走向下一个十万 亿美元市值。 黄仁勋先就"扩展定律"给出了一个精彩判断：扩展定律远没有到尽头，将同时沿着预训练、后训练、测 试，以及智能体系统四条路径继续推进。真正的增长，正在转向推理、强化学习、智能体协作。而未 来，大量数据将来自 AI 自身消化产生的合成数据，这会成为 AI 迭代的核心燃料 ...

（原标题：黄仁勋深度访谈："Token经济"爆发 AI计算占GDP比重将翻百倍 英伟达(NVDA.US)10万亿是必然） 近日，英伟达(NVDA.US)CEO黄仁勋做客知名科技播客Lex Fridman Podcast，围绕AI缩放定律(Scaling Laws)、算力与电力瓶颈、AI工厂、公司未 来展望以及AI对人类社会的影响等核心议题，进行了超两小时的深度对话。 Token已成全新商品，计算占全球GDP比重将翻百倍 黄仁勋的一个核心观点是，计算的本质已经发生了根本性的跃迁——从过去人类预先录制、计算机负责检索的"存储系统"，转变为具备上下文感 知能力的"生成系统"。 更重要的是，计算机在现实经济中的角色变了。过去的计算机是检索系统，主要功能是文件存储。黄仁勋将其比喻为"仓库"，而仓库本身是不直 接产生高额利润的。 而现在的AI计算机变成了"工厂"，并直接与企业的收入创造挂钩。他认为，AI代工厂正在制造一种名为"Token"的商品，且这种商品已经被细分 和定价。 "我们不仅看到这家代工厂在生产人们想要消费的商品，而且这些代工厂制造的Token对许多不同受众都极其有价值，甚至开始像iPhone一样出现 分层： ...

AI时代，公司的核心护城河，已经不只是产品本身，而是把技术、生态、组织和基础设施整合成一套完 整系统的能力。 黄仁勋最近在 Lex Fridman 的一场长谈里，谈到的正是这件事。 今天 NVIDIA 的领先，早已不是某一个产品点的领先，而是从 CUDA 生态、芯片到机架的系统设计、数 据中心能力、供应链组织方式，再到公司内部如何围绕同一个问题进行极致协同设计的一整套能力。 对创业者来说，这场访谈最值得看的，不是一个巨头如何复盘成功，而是它几乎公开展示了： 在 AI 时代，一家公司该如何把自己组织成一个能够持续放大优势的整体。 基于这样的判断，锦秋基金对这场访谈做了编译； 考虑到不少读者会对黄仁勋的原话更感兴趣，本文以翻译为主，仅做了少量必要整理。 在这篇访谈里，你将看到： NVIDIA技术与愿景 1. 黄仁勋将 AI 基础设施定义为"极致协同设计设计"问题：算法、芯片、网络、供电、散热、软件和组织结构必须同步优化。 2. 他强调阿姆达尔定律（Amdahl 定律）在大规模分布式 AI 中重新变得关键：计算快并不等于系统快，网络和调度会迅速变成瓶颈。 3. NVIDIA 的竞争轴已从"芯片级"升级到"机架级、P ...

近日，英伟达CEO黄仁勋做客知名科技播客Lex Fridman Podcast，围绕AI缩放定律（Scaling Laws）、算力与电力瓶颈、AI工厂、公司未来展望以及AI 对人类社会的影响等核心议题，进行了超两小时的深度对话。 Token已成全新商品，计算占全球GDP比重将翻百倍 黄仁勋的一个核心观点是，计算的本质已经发生了根本性的跃迁——从过去人类预先录制、计算机负责检索的"存储系统"，转变为具备上下文感知能力 的"生成系统"。 更重要的是，计算机在现实经济中的角色变了。过去的计算机是检索系统，主要功能是文件存储。黄仁勋将其比喻为"仓库"，而仓库本身是不直接产生 高额利润的。 而现在的AI计算机变成了"工厂"，并直接与企业的收入创造挂钩。他认为，AI代工厂正在制造一种名为"Token"的商品，且这种商品已经被细分和定 价。 "我们不仅看到这家代工厂在生产人们想要消费的商品，而且这些代工厂制造的Token对许多不同受众都极其有价值，甚至开始像iPhone一样出现分层： 你有免费的Token，有高级Token，还有处于中间层级的Token。"黄仁勋表示，"有人愿意为每一百万个Token支付1000美元，这个想 ...

I just want to remind you this is a tech conference. [screaming] >> I've shown you guys this before. It's just super heavy. It seems to get heavier every year because I think there's just more cables in there every year. We attract future customers starting long before you could afford to pay for it yourself. Your parents paid. Your parents paid. I I couldn't decide whether to show you more or show you less. And so I I made it so that you couldn't see any. So we're going to go through this schematic for the ...

Core Insights - The event focuses on three major platforms: CUDA-X, system platform, and the new AI factory platform, emphasizing the importance of the ecosystem [1] - NVIDIA celebrates the 20th anniversary of CUDA, highlighting its revolutionary architecture and extensive integration into mainstream ecosystems [2] - The company has built a vast installation base of CUDA GPUs and computing systems over 20 years, which accelerates growth through a flywheel effect [3][4] - NVIDIA's libraries and tools are crucial assets for activating computing platforms and solving real-world problems, with significant updates announced at the event [10] Group 1: AI and Computing Evolution - The rise of generative AI and the launch of ChatGPT have fundamentally changed computing architecture and logic [13] - The demand for inference has skyrocketed, with computational needs increasing by approximately 1 million times [14] - NVIDIA's infrastructure is positioned to support the growing demand for AI across various fields, with a projected demand reaching $1 trillion by 2027 [15] Group 2: AI Factory and Token Production - Data centers are evolving from traditional storage to AI factories focused on token production, with the Vera Rubin system expected to enhance revenue by about 5 times [40] - NVIDIA's architecture allows for the lowest token cost globally, making it a competitive choice for data center installations [18] Group 3: OpenClaw and Agentic Systems - The introduction of OpenClaw represents a significant shift in enterprise IT, necessitating every company to develop an Agent strategy [30] - The NemoClaw reference design provides a secure framework for implementing Agentic systems in enterprises [31] Group 4: Physical AI and Robotics - The era of physical AI is emerging, with partnerships in autonomous driving, industrial robotics, and humanoid robots [35] - NVIDIA's collaborations with major automotive companies aim to integrate AI into RoboTaxi platforms, enhancing the future of transportation [36]

We attract future customers starting long before you could afford to pay for it yourself. Your parents paid your parents paid your par your parents paid for you to be Nvidia customers and every single year they paid up year after year after year until someday you became an amazing computer scientist and became a proper customer, a proper developer. But this is this is the house that GeForce. ...