輝達 (NVDA-US) 執行長黃仁勳接受 Bg2 Pod 專訪，與 Bill Gurley 和 Brad Gerstner 進行了剪輯後仍達近 2 小時的對談。據「新浪科技」，這次對談訊息密度格外高，黃仁勳表達了對輝達近期包括對 OpenAI 的千億美元投資、投資英特爾 (INTC-US) 等一系列大動作的原因，對輝達的產業角色的定位，對 AI 產業的發展前的前瞻，以及 AI 對世界經濟格局的徹底重構。

OpenAI 不只是客戶

在黃仁勳眼裡，OpenAI 並不只是下單採購的「客戶」，更像是一個共同打造下一代 AI 工廠的「搭建者」。

他直言：「我認為，OpenAI 極可能成為下一家兆美元級的超大規模科技公司。」

而主持人後面更是大膽預言，輝達很可能將成為第一家市值 10 兆美元的公司。

黃仁勳不只是預測，更是押注，向 OpenAI 提出了一份最高可達 1,000 億美元的投資意向。這些錢不是給 OpenAI 拿去買 GPU 的，而是拿來建工廠的。

這個超級工廠，是一套能耗至少 10GW 的 AI 資料中心，需要 10 台左右大型核電機組供電。該 AI 數據中心將擁有 400–500 萬塊 GPU。

這個 GPU 數量有多大？大概接近輝達整個 2025 年的出貨計劃。而這批機器，輝達不僅參與提供，還參與設計、調試、優化和部署。從晶片、驅動到工廠級電力和網路系統，OpenAI 這套新工廠從出生起就是「輝達式」的。

AI 在經濟中的角色

有些人把 AI 看作一個工具。黃仁勳的理解更進一步，他說，AI 不只是回答問題，而是「在想辦法幫整個社會擴容腦力」。

他提了一個很有意思的比例：世界上有 55% 到 65% 的 GDP，來自人類的腦力勞動。假如這些崗位都能在 AI 輔助下翻倍、甚至三倍產出，那會是一場什麼規模的增長？

但要讓 AI 成為人類的「第二大腦」，就必須有一套基礎設施來供電。這些 AI 不是裝好就能用的，它們是「實時思考的系統」。每次你問它一個問題，它都要經歷一輪檢索、推理、判斷和生成的過程。

背後需要的算力，遠超傳統軟體的執行邏輯。所以支撐未來這部分「智力產能」的，是一座座全年在線的 AI 工廠。

推理背後巨大算力需求

在傳統印象中，「訓練」才是大模型的重活，推理只是用。但在黃仁勳的模型裡，推理也已經變成了一種「輕量級、實時的訓練」。他把 AI 的發展拆成了三段曲線——預訓練、後訓練、推理。

預訓練像是讀書，後訓練像是學會怎麼回答人類偏好的問題，而推理這一環，AI 不再是給一個輸入就立刻丟出答案，而是「先想想再說」。

它會先檢索，再調用內部邏輯，還可能臨時使用工具，甚至調用別的模型來輔助判斷。這些都發生在你等它「回答」那一兩秒鐘裡。

黃仁勳說：「想得越久，答案就越好。」這句話闡述的稀鬆平常的事實，背後蘊藏著潛在的巨大算力需求。

想得久，就意味著中間跑的 GPU 更多、調用的資源更複雜、生成的路徑也更長。

所以推理的「量級」已經不是過去那種一次性回答，而是逐步演進的動態生成，這背後消耗的，是真正的算力。

晶片不能靠價格戰打贏

外界經常拿晶片價格說事。黃仁勳乾脆就給了個假設：對手把晶片做得再便宜，哪怕白送，客戶真的敢上車嗎？

他的反問是：「如果你每瓦電只能換回我們十分之一的結果，就算免費，也是虧。」

說到底，資料中心的天花板不在預算，而在電表。客戶拿到的是一個確定的功率配額，比如 2GW。他們最關心的問題，其實是這 2GW 能產出多少有用的 token，而不是晶片的零售價。

這也是輝達的長期護城河——不是靠賣晶片便宜，而是讓整套系統在同樣的能耗下，跑出更多、更快、更可靠的結果。

這不只是硬體能力的問題，還關乎整個軟硬體系統是否緊密配合、調校成熟。

輝達必要的生存節奏

在晶片業，每年推一套新架構，是件高風險的事。別人三五年一版，你一年一個，誰看著都心驚。

但在輝達內部，這是剛需。因為 token 生成的速度在飆升，不是線性，而是指數級地翻。

如果你想讓 token 變便宜，就得不斷提升「每瓦的輸出密度」。

而這不只是換一塊晶片那麼簡單，輝達改的是一整套系統——從 GPU、CPU 到互聯、交換晶片，再到上層的軟體、編譯器和庫，全線升級。

黃仁勳有一個詞形容這套打法：「極致協同設計」。年年升級聽起來累，但對輝達來說，這更像是在一條加速的高速路上「踩穩油門」。

輝達無懼自研潮

很多大公司開始搞自研 AI 晶片，Google 有 TPU，OpenAI 和博通也在聯合做。外界難免開始猜：輝達是不是要被「去依賴」了？

黃仁勳並不慌。他不是否定專用晶片的價值，而是清楚地指出分工在哪。

對穩定、高頻、變化小的負載，ASIC 當然值得。但今天的 AI 生態，每個季度算法都在變。模型結構、注意力機制、算子優化、訓練策略——沒有哪個是定死的。而在這種快變的環境下，通用平台才是最有韌性的那個角色。CUDA 能讓開發者一周內試完五種方法，這才是工程速度。

輝達也沒等著對抗，而是把系統開放出來，變成「AI 工廠平台」。

CPX 專用晶片上線了，支持影片生成和上下文處理；系統級編排工具 Dynamo 也開源了；還和英特爾做了 NV Fusion，讓對方的晶片也能接進來。

輝達在塑造 AI 經濟的體系

The Information 形容輝達像「AI 世界的政府」，黃仁勳可能比這還多做了一點。他不僅投資，還租客戶的晶片回來用。

他在做的，是給整條 AI 產業鏈裝上信用背書。你很難說這些錢是單純砸出去。

CoreWeave 是最典型例子：原本做加密，轉型 AI 雲後，輝達成了它的第二大客戶（僅次於微軟），投了 1 億美元，還簽了 13 億美元的 GPU 租回合同，然後這家公司兩年內營收從 2,500 萬飆到近 20 億。

類似安排還發生在 Lambda 等其他新雲玩家身上。

輝達一邊做股東，一邊做客戶，一邊幫它們找融資、上設備、推上市。很多時候，他們簽的那筆單子就是讓銀行願意放錢的敲門磚。

這不是「做生意」那種投資，而是「鑄幣」式的參與方式。

在 AI 產業要加速擴建資料中心、訓練模型、拉滿算力的階段，沒有信用就沒有增長，輝達現在就是在給這個系統「擔保」。

主權 AI 將成為數據時代新共識

黃仁勳說：「沒人需要原子彈，但每個人都需要 AI。」

所有國家都開始意識到，AI 系統不只是生產力工具，它會承載語言、文化、法律、意識形態等更深層的表達方式。你不能把自己在法律、教育、媒體、醫療系統中的關鍵判斷外包出去。

不能讓一個 API 在你做決策時變成「唯一信源」。

所以，各國正在認真考慮「主權 AI」，要建自己能控的模型和基礎設施。

他建議得也不複雜：你可以繼續用 OpenAI、Gemini 這些優秀模型，但你必須要有一支自己的隊伍，也得建自己的算力工廠。像交通、通訊、電網一樣，AI 系統也應該成為國家的基礎設施之一。

面對中國比誰都冷靜

黃仁勳談到中國時沒有政治情緒，只有工程師式的清醒。他說，中國節奏快、製造強、工程師多，競爭的現實就在這。

他還提醒，美國不能因為戰略顧慮就主動放棄中國市場，那等於是自己把舞台讓出去。

在他看來，輝達在中國要合法、合規地做生意，也要在出口規則之內最大化自身的技術影響力。

他說輝達的財務指引裡沒有計算中國市場，這是「基於現實的安排」，但中國依然是「戰略重要」。

可以看出，他在小心保持一個高難度的平衡：承認競爭、保持開放、控制風險、不過度激進。

人才政策是最硬競爭力

在這場訪談裡，有一個瞬間最像他本人——他說自己小時候是刷盤子、擦廁所長大的，那是他家唯一能負擔的移民方式。

靠著一步步上來，他才成了輝達的 CEO。所以，當他聽到美國計劃把 H-1B 簽證價格漲到 10 萬美元一份時，他沒有直接批評，只說「這也許是個起點」，但不能讓它變成「終點」。

他想看到的，是一套更聰明、更公平的制度，讓全球最聰明的人願意留下來，也能留下來。他甚至建議給 STEM 畢業生直接發綠卡——別讓人才被卡在文書和配額裡。

他的邏輯很清楚：美國不是靠資源贏的，是靠人才。只要這個國家還是全球最好的大腦聚集地，那它就很難輸。

工作不是全都要消失

AI 到底會不會讓人失業，是很多人心裡的隱憂。黃仁勳的回答很冷靜，但也很實在。

他說，確實有些崗位會被取代，比如那些完全重復、幾乎不需要判斷力的任務。

但從他在輝達的經驗看，每當 AI 讓某個團隊效率提升，他們不是裁人，而是接更多項目、做更多探索，反而需要更多人。「我們工程師的數量在增加，因為我們現在能做的事情更多了。」

他的核心邏輯是：AI 不是讓人「被動閒下來」，而是讓那些原本做不到的事變得可做，把「人能想但做不了」的那部分擴出來。

所以工作結構確實會變，但變出來的是新的工種，而不是空白。

2030 年 AI 會離你有多近？

黃仁勳對未來的想象不是空泛口號，而是有畫面、有路線、有底層邏輯的。

他說，每個人都可能會有一個「自己的 AI」，它住在雲裡，和你一起生活、工作、記錄你的習慣、輔助你的判斷，像一個不睡覺的助手、伴侶甚至護衛。這將成為你真正意義上的數位分身。

你在開會時它能替你記筆記，你看病時它能提前提示身體異樣，它甚至可能幫你安排好生活節奏、主動幫你決策「什麼是對你好的」。

另外，AI 也會開始有「身體」。它會變成小機器人，能識別表情、聽懂語氣、記得你上次說的話、幫你開門或接電話。

聽起來像科幻？他很認真地說，輝達正在做的事情，就是給這些 AI「造身體」「裝神經」「通電源」。

先上車就對了就對了

在訪談的結尾，黃仁勳說了一句很不像 CEO 的話，但像極了他這個人：「別等了，先上車。」

他並不是在鼓吹你盲目追隨 AI 風口，而是想表達，當你面對指數級增長的局面時，你不可能僅靠預測就能輕易站在發展潮流的正確方向。你能做的，是先參與進去，然後邊學邊做，再慢慢找對方向。

他強調，不是預測最準的人吃到紅利，而是參與最早、投入最深的那群人，把空間先打開了。

這套邏輯貫穿他對 AI 的理解，對晶片節奏的安排，對客戶關係的構建，甚至對整個經濟系統的判斷。

對輝達來說，這是一次在多個維度同步拉升的變軌——從賣晶片，到賣系統，再到做「AI 經濟的建設銀行」。

對產業來說，這訪談是一次把 AI 熱潮拆解成基礎設施、人才流動、能源調度、供應鏈協同的全景圖。而對所有想在這個時代做點什麼的人來說，黃仁勳已經把圖紙攤開了。