--- title: "英偉達黃仁勳 MS TMT 紀要" type: "Topics" locale: "zh-HK" url: "https://longbridge.com/zh-HK/topics/39072744.md" description: "NVIDIA（英偉達）黃仁勳 MS TMT 紀要 2026 年 3 月 4 日 美國東部時間下午 1:00 摩根士丹利科技、媒體與電信會議公司參加者：黃仁勳 - 聯合創始人、首席執行官、總裁兼董事問答環節問題 1：戰略、文化、技術層面，哪些要素共同促成了英偉達的超高速規模增長？黃仁勳：要講清楚這個問題，恐怕得花 37 分 13 秒甚至更久。顯然，英偉達不是一夜之間建立起來的，我們花了 33 年。我記得公司上市時股價是 13 美元..." datetime: "2026-03-05T03:12:00.000Z" locales: - [en](https://longbridge.com/en/topics/39072744.md) - [zh-CN](https://longbridge.com/zh-CN/topics/39072744.md) - [zh-HK](https://longbridge.com/zh-HK/topics/39072744.md) author: "[和伟大同行](https://longbridge.com/zh-HK/profiles/9681606.md)" --- # 英偉達黃仁勳 MS TMT 紀要 NVIDIA（英偉達）黃仁勳 MS TMT 紀要 2026 年 3 月 4 日 美國東部時間下午 1:00 摩根士丹利科技、媒體與電信會議 公司參加者：黃仁勳 - 聯合創始人、首席執行官、總裁兼董事 問答環節 問題 1：戰略、文化、技術層面，哪些要素共同促成了英偉達的超高速規模增長？ 黃仁勳：要講清楚這個問題，恐怕得花 37 分 13 秒甚至更久。顯然，英偉達不是一夜之間建立起來的，我們花了 33 年。我記得公司上市時股價是 13 美元，不過剛看到資料顯示是 12 美元，是我記高了，回憶總是比實際更樂觀。當時公司的估值大約是 3 億美元。 馬克·埃德斯通為我們的投資者做了極其充分的準備，以至於那次 IPO 路演，投資者實際上只問了一個問題，真的是隻有一個問題的路演。 那個問題是：你們什麼時候會倒閉？我不是在開玩笑。這個問題的回答難度，和你剛才問我的問題不相上下。 答案其實很清晰，我們創立公司的初衷，就是要打造一個全新的計算平台、一種全新的計算方式。並非舊的計算方式有誤，而是新的方式，是解決一些獨特問題的關鍵。 我們極其擅長的領域就是算法，核心原因是軟件的內循環通常只佔代碼的 5% 左右，卻佔用了 99% 的計算時間。在我們創立公司的那個年代，精通計算機算法的人寥寥無幾，而其中最重要的算法之一，就是計算機圖形學——對光線以及光在空間中傳播的仿真技術。 彼時，計算機圖形學已被應用在動畫電影等領域，我們創立公司時，《侏羅紀公園》還登上過知名雜誌的封面。 那段時間，計算機圖形學的能力飛速提升，我們能用它模擬虛擬現實，並將其應用到一個當時尚不存在的新產業——視頻遊戲。可以説，3D 圖形在我們這一代實現了現代化和消費化，整個視頻遊戲產業，也是由英偉達推動形成的。 我説的 “我們這一代”，核心是英偉達整合了所有相關技術與資源。我們在遊戲行業備受尊敬且深耕至今，核心原因就是我們創造了現代視頻遊戲產業，從相關算法到各類技術庫，都是英偉達的核心貢獻。如今的計算機圖形行業，沒有 RTX 技術，就沒有當下的一切；如果沒有我們為各類遊戲引擎貢獻的算法，大家也無法體驗到如今的各類優質遊戲。所以英偉達從 33 年前成立的第一天起，就深耕算法領域。 如今的加速計算，需要所謂的 “全棧能力”，包括架構設計、芯片設計、底層技術庫、以及前向集成能力。現在行業裏有 “前置部署工程師” 的新概念，但英偉達 33 年前就有了 DevTech 工程師。 我們把這些工程師派駐到全球的遊戲行業、遊戲公司和遊戲引擎開發團隊，將英偉達的技術深度集成到他們的遊戲引擎中。如今，史詩遊戲的虛幻引擎中，英偉達技術無處不在；幾乎所有遊戲開發商的研發中，都有英偉達技術的身影。這就是所有遊戲在英偉達平台上運行效果最佳的核心原因，也是英偉達成為全球最大遊戲平台的關鍵。 可能大家不知道，全球有數億活躍的 GeForce 顯卡玩家，其中很多人後來成為了人工智能研究者，這一切都源於 GeForce GTX 580 顯卡——伊利亞·蘇茨克維、亞歷克斯·克里澤夫斯基和傑弗裏·辛頓，正是在辛頓的建議下，他們購買了這款顯卡，進而發現了 CUDA 技術。所以英偉達的第一個核心定位，是一家全棧型公司。 還有一段很多人不知道的早期歷史，當時個人電腦的架構，與當下的計算機圖形能力完全不兼容，我們因此研發了名為 Direct NVIDIA 的新技術，讓應用程序能直接與我們的 API 通信。後來我們將這項技術開放給核心企業，最終演變成了如今的 DirectX。這種應用程序與硬件的通信方式，在當時是革命性的，繞過了大量拖慢系統速度的冗餘軟件，讓加速計算成為可能。 我們還提出了將虛擬化幀緩衝內存引入系統內存的理念，最初這項技術名為 AGP，後來發展為 PCI Express。為了讓個人電腦支持視頻遊戲和 3D 圖形，當時眾多系統架構都被重新設計。 正是這種 “全棧創新整合算法 + 重構系統架構打造新計算系統” 的理念和專業能力，促成了 DGX-1 的誕生——這是全球首款人工智能超級計算機，我們親手將它交付到了舊金山，距離後來成為 OpenAI 的公司非常近。 這種核心的理念和專業能力，英偉達堅持了整整 33 年。公司的文化、組織架構，都是圍繞全棧能力設計的，整個體系的核心目標，就是打造新的技術棧和新的系統架構，這是我們實現持續突破的關鍵。 我們的起點是英偉達的圖形卡 GeForce，這本身就是一項技術奇蹟，它與操作系統、系統架構的集成方式，徹底重塑了此前計算機的運行模式。 這種全棧能力，我們在 DGX-1 上完美落地，也應用在了首款超級計算集羣上——這款集羣后來交付給了薩提亞，成為微軟的首款超級計算機。 大家可能注意到，微軟的首款超級計算機和英偉達的超級計算機，基準測試結果完全一致，哪怕是對上萬塊 GPU 的系統性能測算，結果也分毫不差。核心原因就是這款超級計算機由英偉達設計，並交付給了微軟 Azure 雲。 這款系統基於 InfiniBand 技術和安培架構的 A100 芯片打造，而 A100 也成為了 OpenAI 使用的首個計算集羣核心芯片。所以我們對全棧、全系統的技術路線極具信心，不堅持這種路線，就無法始終站在技術前沿。 實際上，想要跟上英偉達的步伐很難，因為我們並非每年只研發一款芯片，而是每年打造一整套基礎設施——我們自主研發 CPU，革新了 CPU 的設計方式，未來大家會看到更多相關成果；我們也徹底革新了 GPU 設計，通過 NVLink 技術實現 GPU 間的高速連接，重塑了計算機的整體構建方式；再結合 Spectrum-X 這款新型人工智能以太網，我們實現了所有硬件的高效互聯。如今的英偉達，掌控着整個技術棧，熟知所有核心芯片的底層邏輯。 掌控整個技術棧和所有核心芯片，才能實現每年的持續革新；如果做不到這一點，年度創新就會變得極其困難。因為這相當於要整合大量不同類型的組件，若無法全局掌控，就很難將每年的各類創新成果融合落地，這本質上是全棧層面的核心問題。這就是英偉達能走到今天的核心原因。 問題 2：企業級人工智能市場的規模、變化、落地節奏，以及未來的發展趨勢是怎樣的？ 黃仁勳：這是個非常好的問題。過去兩年，人工智能領域經歷了三個關鍵拐點。第一個拐點的技術基礎，其實已經擺在明面上數月之久——GPT-3 問世後沉寂了數月，直到有人為它開發了封裝程序，將其轉化為 ChatGPT，做成 API 接口，讓所有人都能便捷使用。 正如你所説，第一個拐點是生成式人工智能，核心能力是將信息從一種形式轉換為另一種形式，並通過自迴歸方式生成令牌（token）。 但生成式人工智能有一個核心問題：容易產生 “幻覺”（生成虛假信息）。這並非技術本身有根本性缺陷，也不是模型沒有學到正確的知識，而是因為它沒有以上下文信息、相關真實信息為基礎。 這就引出了第二個拐點：推理型人工智能的誕生。推理型人工智能的核心，是基於研究、基於事實，將生成式能力與語義分析結合，也就是我們所説的 “檢索增強生成”，本質上是 “條件生成”——生成的內容，會基於上下文、真實依據或相關研究資料。 第二代人工智能因此具備了推理、自我反思和自我糾正的能力，就像人有時候會後悔説出的話並想要修正一樣，人工智能能實時做到這一點。所以第二代人工智能的輸出內容更有依據，也更可靠。 這一技術突破，在科技行業引發了極大的好奇和熱情，所有人都開始投身其中，因為大家看到了它的潛力。而 ChatGPT 的實用性也因此暴漲，它生成的令牌數量比第一代生成式模型多了約 100 倍，模型規模也擴大了約 10 倍，對應的計算需求提升了約 1000 倍。同時，因為實用性大幅提升，它的使用量更是增長了約 100 萬倍。使用量、實用性和可靠性的結合，讓我們看到了人工智能行業的下一輪增長。 歸根結底，第二代推理型人工智能的核心是提供真實、有價值的信息，本質上是一個更具事實性的聊天機器人，大家也常將其用於研究工作——我們的需求不再是 “搜索信息”，而是 “直接獲取答案”，ChatGPT 滿足了這一需求，這就是人工智能的第二個拐點。 我們現在正經歷第三個拐點，這項技術其實也已經擺在明面上很久了：人工智能能夠使用文件、訪問文件並調用各類工具。如今的人工智能，能推理、能思考、能使用工具、能解決問題，還能進行搜索和規劃。 當前人工智能領域最重大的現象，就是 OpenClaw 的發佈——它可能是有史以來最重要的單一軟件發佈。看看它的普及速度：Linux 用了約 30 年才達到如今的普及度，而 OpenClaw 僅用了 3 周，就超越了 Linux，成為歷史上下載量最高的開源軟件。 哪怕用半對數座標看它的增長曲線，也是近乎垂直的直線上升，我從未見過這樣的增長速度。 這一技術的核心變化，體現在人工智能的提示詞（Prompt）上：過去的提示詞都是 “什麼是”“何時”“誰是” 這類查詢式問題，而現在的提示詞變成了 “創建”“做”“構建”“寫” 這類操作式指令。簡單來説，過去的提示詞是 “查詢需求”，現在的是 “任務需求”——向人工智能下達具體任務，用富有表現力的語言描述意圖，人工智能就能自主推斷、深入思考，完成任務。 它會自主開展研究、閲讀資料、查看工具手冊；如果需要使用從未接觸過的工具，它會先學習工具手冊，再從網絡上搜集相關知識，最終應用工具完成任務。 我們從第一代生成式模型的單一響應，發展到第二代推理模型 1000 倍規模的令牌生成，而如今的智能代理（我們公司內部稱之為 “claws”），消耗的令牌數量又比第二代多了約 100 萬倍。這些智能代理會在後台持續運行，英偉達內部就部署了大量這類智能代理，它們全天候工作，為我們開發工具、編寫軟件。 這一變化的核心影響是：企業的計算需求呈爆炸式增長，不只是英偉達，每家公司的計算需求都在急劇攀升。 問題 3：支撐海量計算需求的融資方式、資本支出規劃，以及人工智能工廠的經濟模型未來會如何發展？ 黃仁勳：有幾個核心觀點非常重要。首先很感謝你用到 “工廠” 這個詞，幾年前我就説過，如今大家所説的 “數據中心”，早已不是傳統意義上存儲數據的中心，而是生產令牌的設施——以生產令牌為核心目的的設施，就是 “人工智能工廠”。 當時有人説，這個説法聽起來很 “粗糙”，但實際上人工智能工廠是高度精細化的，核心就是生產令牌。沒人願意建傳統數據中心，因為沒人能確定其投資回報；但所有人都願意建工廠，因為工廠能創造明確的利潤。 現在我們可以確定：人工智能工廠直接生產令牌，而令牌具備明確的商業變現價值。計算能力越強，生產的令牌就越多；令牌越多，企業的營收就越高。企業營收與計算能力呈直接正相關，這是鐵一般的事實。 比如 Anthropic，如果其計算能力提升 3 倍，營收必然也提升 3 倍——它目前的發展，受限於計算資源和工廠產能，這和梅賽德斯受限於工廠產能、任何企業受限於核心產能的邏輯完全一致。OpenAI 也是如此，更多的計算資源，必然帶來更高的營收。所以第一個核心結論：計算能力=營收。 而更宏觀的結論是：計算能力=GDP，一個國家的計算能力，直接決定其 GDP 水平，這一點我們同樣確信。 第二個核心觀點，英偉達之所以能取得如今的成功，核心是我們從端到端實現了系統的全棧工程化設計，從底層架構開始，就圍繞 “高效生成令牌” 打造，英偉達的 “每瓦特令牌產出”，比競爭對手高出整整一個數量級。 這一指標的重要性不言而喻：假設一家人工智能工廠的供電功率是 1 吉瓦，若英偉達的每瓦特令牌產出是其他方案的 10 倍，那麼這家工廠的營收就是其他方案的 10 倍。這也是歷史上第一次，企業工廠選擇的計算機架構，必須經過 CEO 親自審核——因為企業的供電容量是固定的，比如明年只有 1 吉瓦或 2.3 吉瓦的供電能力，若選錯了系統，直接會影響下一年的營收，這一點我們已經在市場中看到了實際案例。 專業機構 SemiAnalysis 做過最詳盡的基準測試，最終認定英偉達是 “推理之王”。而 “推理之王” 的核心評判指標，就是每秒令牌數、每瓦特令牌數，本質是令牌的生產效率和每美元的令牌產出。英偉達在每瓦特、每美元的性能表現上，都遠超競爭對手，這意味着我們能以最低的成本生產令牌，差距之大，達到一個數量級。 所以人工智能的第二個核心認知是：人工智能就是工廠，而工廠始終受限於電力資源。無論有多少廠房，單座廠房的供電容量都是固定的（100 兆瓦或 1 吉瓦），因此每瓦特令牌產出，是決定企業營收的核心指標，企業在這一決策上必須極其謹慎，再也不是靠 PPT 就能拿到投資的時代，沒人會拿 500 億美元，去押注一份 PPT。 補充提問：如何解決人工智能工廠的融資問題？ 黃仁勳：我來直接説説融資的核心邏輯。首先，大家必須相信一個前提：軟件至關重要，軟件掌控着世界，我想在座的各位都認可這一點。 第二個前提：未來，所有軟件都會具備 “代理性”（agentic），不存在 “愚笨” 的軟件。這意味着，每一家軟件公司，最終都會成為具備代理能力的公司。這些公司會同時使用開放模型和封閉模型——開放模型是指自己下載、自行微調的模型，封閉模型則是外部提供的成熟模型。 這種模式，和企業的人力架構完全一致：企業有正式員工、有培養中的儲備人才、有外包人員、也會聘請行業專家完成專項工作。企業的核心目標，不是親自完成所有工作，而是確保工作能高效完成，人工智能模型的使用邏輯，也是如此。 因此每家企業都會意識到：人工智能模型，一部分可以租用，一部分可以自己構建。這就像企業對待人力的方式，對待 “數字勞動力”，同樣適用這一邏輯。未來的軟件公司，不再只是租用工具，還會租用 “能使用工具的數字專家”——因為人工智能代理，在使用專業工具方面，具備極強的能力。 如今的 IT 行業規模已達數萬億美元，行業內的企業都是 “工具租賃者”；而未來，這些企業會成為 “智能代理租賃者”，這意味着未來的軟件行業規模，會比現在大得多。 大家可以想想自己看好的軟件公司，比如楷登電子（Cadence）、新思科技（Synopsys）、西門子（Siemens），它們的未來規模會大幅擴張，但其業務模式會發生根本變化：如今它們本質是軟件授權公司，而未來，它們還會出租令牌、專用令牌。這意味着，如今這個價值 2 萬億美元、幾乎不消耗令牌的行業，未來會成為令牌的海量消耗者——這就是人工智能工廠融資的核心資金來源。 如今的 IT 行業，單是行業本身，就會在雲端消耗海量令牌，無論是開放模型還是其他模型，都會帶來持續的計算需求，進而支撐人工智能工廠的資本支出。 問題 4：令牌經濟面臨內存、電力許可、專業人才（如電工）等多重約束，這些約束會如何發展？若人工智能工廠的建設週期拉長，是否會帶來負面影響？ 黃仁勳：我恰恰看好 “約束”，因為在資源受限的環境下，企業別無選擇，只能選擇最優的技術和方案，不會隨意試錯。如果數據中心的土地、電力、基礎設施都受限於，企業絕不會隨便部署一套系統，只會選擇能明確實現 “高每瓦特令牌產出” 的方案。 而英偉達，是全球唯一一家能為企業提供 “全流程人工智能工廠搭建服務” 的公司——從企業確定產能需求的那一刻起，我們就能為其搭建起完整的人工智能工廠。在座的各位，只要有搭建人工智能工廠的需求，我都願意提供幫助，只需要聯繫英偉達的一位對接人，就能快速切入人工智能工廠業務。我們有成熟的專業能力，有經過市場驗證的架構，也清楚工廠建成後會有海量的需求，能幫助企業快速實現商業化。 所以資源受限的核心影響，是企業必須做出最優選擇，因為這直接決定下一年的營收——對於雲服務提供商、軟件提供商的 CEO 來説，選錯計算架構，就像英偉達選錯代工廠、選錯內存芯片一樣，會對企業發展造成致命影響，因此他們絕不會做出錯誤選擇。 其次，英偉達的規模優勢，讓我們能牢牢掌控供應鏈。我們會將大量資金用於保障供應鏈安全，從內存、晶圓、CoWoS 封裝技術，到整機、連接器、線纜，甚至是銅材、多層陶瓷電容這類基礎元器件，英偉達都實現了供應鏈的全面保障。這也是英偉達強勁的資產負債表，具備戰略意義的核心原因——如今的資產負債表，不僅是財務實力的體現，更是供應鏈掌控力的核心支撐。 當薩提亞（微軟）要求我們幫忙搭建數吉瓦算力的人工智能工廠時，我們能立刻給出 “沒問題” 的答覆，核心就是供應鏈的全面保障。我們會提前與供應鏈企業達成合作，比如告訴 DRAM 工廠 “放心建廠，英偉達會全面採購”，這種明確的需求承諾，能為供應鏈企業提供穩定的信心，這也是英偉達的核心優勢。 所以我認為，資源稀缺的現狀，對英偉達來説是極大的利好——它會讓企業更堅定地選擇最優的、經過市場驗證的技術和方案，而英偉達就是這一選擇的核心答案。 問題 5：英偉達是歷史上現金流創造能力最強的公司之一，如何從財務和戰略層面，通過資本運作打造人工智能生態系統的持續性和耐久性？ 黃仁勳：當年馬克帶我完成公司上市時，我的表現可能沒有現在這麼有激情，但核心觀點從未改變：加速計算的本質，要求英偉達必須打造自己的生態系統，不存在能兼容所有場景的通用加速計算系統，加速計算的代碼無法通過反編譯實現跨平台運行，這是行業本質。 加速計算按定義來説，是具備專有性的——英偉達的架構，與其他企業的架構沒有任何兼容性，指令集、整體架構、微架構，所有核心層面都完全不同。 但我們通過技術封裝，讓用户能感受到 “英偉達能加速所有場景”：從數據處理、分子動力學、流體動力學、粒子系統、生物學、化學，到深度學習、機器人學、長序列分析、空間計算、3D 建模，所有領域的計算，英偉達都能實現加速。 這就像一個 “五層蛋糕”，層層遞進，因為我們深耕行業數十年，逐個領域實現技術突破，才讓全球所有重要領域，都實現了英偉達的加速計算支持，並非天生如此。 在供應鏈層面，英偉達強勁的資產負債表極具價值，因為它能為客户提供穩定的供應鏈保障，讓客户無需擔心產能和交付問題；在上游生態層面，我們正在為未來培養全新的人工智能生態，投資的所有人工智能原生公司、合作的所有企業，都是在擴展和延伸 CUDA 生態系統——英偉達的所有業務，100% 基於 CUDA 打造，所有投資也都圍繞 CUDA 生態展開。 最近有消息問英偉達是否會向 OpenAI 投資 1000 億美元，這裏給大家一個明確的更新：我們已經敲定了投資協議，將向 OpenAI 投資 300 億美元。1000 億美元的投資規模不太可能實現，核心原因是 OpenAI 計劃在今年年底前後上市，這可能是英偉達最後一次有機會投資這樣具有行業影響力的企業。 而我們對 Anthropic 的 100 億美元投資，大概率也會是最後一次。 這裏還有一個大家可能還未完全意識到的新動態：過去一年多，我們完成了多項算力佈局的突破。第一，將 OpenAI 的算力支持，從微軟 Azure 雲，擴展到甲骨文 OCI 雲，如今又擴展到亞馬遜 AWS 雲，我們正在全力提升 AWS 雲的算力部署，為 OpenAI 提供更多的算力支持。 第二，我們與 Anthropic 的合作也實現了算力擴容，在 AWS 雲和 Azure 雲上，都在以最積極的方式為其擴充算力——過去 OpenAI 和 Anthropic 的算力部署各成體系，如今實現了跨平台的算力配置，而它們的營收質量極高，需要更多的算力支撐，我們也在持續為其上線新的產能。 第三，全球誕生了一家全新的人工智能實驗室 MSL，它需要數百萬塊 GPU 的算力支持，這是在元宇宙（Meta）原有算力需求之外的全新需求——英偉達與 Meta 合作已久，MSL 的出現，為我們帶來了又一個全新的算力增長極。 這三件事，帶來了三條全新的增長路徑：OpenAI 的 AWS 雲算力擴容、Anthropic 的跨平台算力擴容、MSL 的全新算力需求，讓英偉達的算力需求曲線，從原本的極高水平，再上一個台階。 問題 6：實體化人工智能（Physical AI）可能是人工智能的下一個發展方向，這會如何將英偉達的總可尋址市場（TAM）和令牌需求推至新高度？ 黃仁勳：這是一個非常棒的方向。目前我們所做的人工智能，大多是 “室內” 的技術研發，但全球最大的產業，都在 “室外” 的實體經濟領域。而實體經濟領域的人工智能，需要具備物理感知、物理理解能力——比如理解因果關係：推一下瓶子，瓶子會倒下，背後是重力、碰撞、慣性的物理規律；再比如理解 “物體持續存在性”：把一個東西放在椅子後面，雖然看不到，但知道它依然存在。這些物理認知，對人工智能的物理行為和物理智能，至關重要。 可能大家不知道，英偉達在實體化人工智能領域，處於全球前沿。Cosmos 是全球下載量最高的實體化人工智能模型；英偉達在自主人工智能領域也處於領先，自動駕駛領域的 Alpamayo 模型，下載量全球第一，人形機器人領域的 GR00T 模型，也是實體化人工智能的核心代表——我們在這三大領域，都站在行業前沿。 在數字生物學人工智能領域，我們的 La-Proteina 模型也取得了巨大成功，還有眾多相關模型正在持續落地；而 GR00T N2，如今已是全球下載量第一的人形機器人模型。 同時，英偉達在物理人工智能、物理學、物理定律、多物理場、Earth-2 等領域，也都處於前沿，我們定義了實體化人工智能的行業邊界。而這一領域的所有技術，我們都選擇全面開放——因為我們希望讓所有企業，無論傳統行業還是新興行業，都能利用這些技術能力，實現數字化轉型。 英偉達擁有實體化人工智能所需的完整技術棧和計算資源，企業可以利用這些資源，研發適合自身的人工智能技術，並將其部署在機器人、工廠、邊緣設備、通信塔等任何場景，這就是人工智能的下一個前沿領域。 兩年後，我們大概率不會再討論 “代理式人工智能”，因為它會成為行業標配，人人都在使用；如果兩年後大家再邀請我來演講，我們會談論的，是眾多基於實體化人工智能誕生的新公司。 當然，我們已經宣佈了一個重要的合作項目——與禮來公司合作的共創實驗室，未來還會有更多類似的合作。要為禮來搭建人工智能工廠，必須依靠英偉達的全棧技術能力、完整的軟件棧、各類模型能力，以及數字生物學領域的專業知識，否則根本無法實現。 未來幾年，英偉達正在打造的實體化人工智能技術，會逐步落地併成為行業主流；從未來 2-3 年開始，實體化人工智能會成為行業核心話題，並持續引領行業發展十年。 問題 7：如何看待英偉達的股票表現？面對行業 3500 名參會者、40 萬億美元的市值規模，英偉達的核心定位和發展邏輯是什麼？ 黃仁勳：我當然關心公司的股票，關心股東，關心員工，也關心在座的每一位。大家應該也看到了，英偉達剛剛交出了人類歷史上最好的季度業績——有人告訴我，這可能是人類有記錄以來，單次最好的財報數據，我想這應該是 “有記錄以來” 的最佳，畢竟歷史上或許有過更好的業績，但英偉達的這一成績，確實足夠亮眼。 英偉達的股價，具備強勁的增長動力，這背後的邏輯非常簡單：計算能力=企業營收，而未來，每一家企業的營收增長，都離不開計算能力的支撐，我可以明確做出這個預測。 核心原因是：計算能力轉化為人工智能智能，智能轉化為企業的數字勞動力，數字勞動力最終轉化為企業的營收。我確信計算能力=營收，也確信計算能力=GDP。因此，每個國家都會全力發展計算能力，因為未來沒有任何一個國家，會選擇 “放棄智能”，沒有國家會説 “我們不需要智能，這是我們唯一不需要的東西”。 想要發展智能，就需要數字化、需要人工智能、需要計算能力，所以計算能力=GDP，這一點我深信不疑。 同時，我們才剛剛踏上這場計算革命的征程，而我能清晰地看到，這場革命的資金支持從何而來。 第一，所有云服務提供商（CSP），都已將全部的資本支出，轉向生成式智能代理系統、人工智能系統。因為人工智能能提升搜索、購物、廣告、社交等所有互聯網服務的體驗，全球每一項互聯網服務，都在被重塑為生成式人工智能形態。Meta、谷歌、AWS 都已驗證，人工智能能讓互聯網服務變得更好，因此整個互聯網行業，可以將 100% 的資本支出投入人工智能領域，這是明確的價值選擇。 第二，整個軟件行業，未來都會由令牌驅動。無論大家看好哪家軟件公司，其業務都會圍繞令牌展開：要麼自己生產令牌（需要計算能力），要麼從 Anthropic、OpenAI 等企業轉售令牌（同樣需要計算能力）。這意味着，整個 IT 行業，第一次需要以計算能力為核心燃料，支撐行業發展。 這就是人工智能革命的核心資金來源，規模達數萬億美元，而我們才剛剛開始。這就是我對英偉達、對整個人工智能行業的預測。 （完） ### 相關股票 - [RTX.US](https://longbridge.com/zh-HK/quote/RTX.US.md) - [GTX.US](https://longbridge.com/zh-HK/quote/GTX.US.md) - [NVDA.US](https://longbridge.com/zh-HK/quote/NVDA.US.md) - [DGX.US](https://longbridge.com/zh-HK/quote/DGX.US.md) - [NVDL.US](https://longbridge.com/zh-HK/quote/NVDL.US.md) - [07788.HK](https://longbridge.com/zh-HK/quote/07788.HK.md) - [07388.HK](https://longbridge.com/zh-HK/quote/07388.HK.md) - [NVDY.US](https://longbridge.com/zh-HK/quote/NVDY.US.md) - [NVDD.US](https://longbridge.com/zh-HK/quote/NVDD.US.md) - [NVDX.US](https://longbridge.com/zh-HK/quote/NVDX.US.md) - [NVDQ.US](https://longbridge.com/zh-HK/quote/NVDQ.US.md)