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、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，这个想法就在不远的将来，这不是会不会发生的问题，而是何时发生的问题。”

　　基于这种“Token工厂”模式，计算设备完成了从成本中心向利润中心的跨越。

　　黄仁勋笃定地推演了这一宏观趋势：“如果生产力大幅提升，全球GDP将加速增长。我完全确信，未来用于计算的GDP占比将是过去的100倍。

　　迈向10万亿美元市值？黄仁勋：增长是必然的

　　基于“Token”的经济理论，黄仁勋回答了，英伟达能否迈向10万亿美元的新市值巅峰的讨论。

　　他表示：“这个数字只是一个数字。”但他明确指出：“英伟达的增长极大概率会发生，在我看来是必然的。”未来实现3万亿美元营收的体量并非不可能。

　　电力瓶颈解法：“用好闲置电”、打造“优雅降级”的数据中心

　　关于AI扩张的瓶颈，黄仁勋直言：“电力是个担忧，但不是唯一担忧。”他给出两条并行路径：一是把能效继续推高；二是想办法获得更多电力。

　　在能效上，他强调指标是“每瓦每秒token数”，并称通过“极致协同设计”提升能效：“我们的计算机价格在上升，但token生成效率上升得更快，所以token成本在下降……每年下降一个数量级。”

　　在“如何获得电力”上，他给出一个更具体的思路：电网按极端峰值设计，绝大多数时间有闲置。黄仁勋称：目前的电网是按照极端天气的最高峰值来设计的。“99%的时间里，我们的电网都没有达到最坏情况。”大多数时候可能只在峰值的60%左右运行。

　　为利用这部分闲置能源，他认为需要改变云厂商与电力公司之间严苛的供电合同，放弃对“六个九”绝对可用性的盲目追求。

　　“我们需要构建能够‘优雅降级’的数据中心。”黄仁勋解释，“当电网说‘我们需要把你的电力降到80%’时，数据中心可以把关键负载转移，或者降低计算速率。计算服务质量会轻微下降，但我们消耗的能源减少了。”

　　供应链与内存：汇聚200家供应商，提前三年布局HBM

　　面对市场对ASML光刻机、台积电CoWoS先进封装等环节可能制约AI产能的担忧，黄仁勋表示并不焦虑。他说：“我告诉他们我需要什么，他们告诉我打算怎么做，我相信他们。”

　　在系统工程上，英伟达正在深刻改变基础设施的制造模式。黄仁勋透露，仅一个Vera Rubin机架就包含130万到150万个组件，背后汇聚了200家供应商的技术。

　　为了匹配这种极高的互联密度，过去在数据中心现场拼装零组件的传统模式已彻底失效。英伟达将数据中心的“超算组装”前置到了供应链的“超算制造”环节。现在，机架必须在供应链中建好，每次以两三吨的重量整机发货。这意味着供应链在整机出厂前的测试阶段，自身就需要具备吉瓦级的庞大电力储备。

　　而在最容易卡脖子的内存领域，黄仁勋透露，大约三年前，HBM的使用率极低，几乎只在极少数超算中露面。但他当时就成功说服了多家内存大厂的CEO，让他们相信HBM将是未来数据中心的主流，并促使产业链果断投资扩产。

　　此外，他还打破常规，推动供应商将原本专属于手机的低功耗内存改造并引入超算领域。

　　“推理是思考”：从训练、测试时扩展到“代理式扩展”

　　对于AI缩放定律，黄仁勋把AI扩张拆成四条“扩展规律”：预训练、后训练、测试时扩展、代理式扩展。

　　他回顾“数据枯竭”担忧时称：“我们会继续扩大训练数据……很多会是合成数据。”并给出判断：“训练不再受数据限制，数据将受限于算力。”

　　对推理侧的算力强度，他说得更直接：“推理就是思考，我认为思考很难……怎么可能是算力轻的？”他认为测试时扩展包含“推理、规划、”等，会推动推理算力需求上升。

　　最深护城河、太空算力痛点与评价马斯克

　　当被问及英伟达最大的护城河时，黄仁勋明确指向了CUDA庞大的装机量与信任生态。

　　“这不是3个人成就的CUDA，而是43000名员工共同推动的。”黄仁勋强调，这种护城河建立在数百万开发者对英伟达持续优化底层的信任之上，辅以横向整合进入全球各类云厂商、OEM和边缘设备的极广生态。

　　在算力基建的前沿探索上，针对将数据中心搬上太空以解决能源分配的设想，黄仁勋证实英伟达GPU已经进入太空，但当前主要用于卫星高分辨率图像的边缘端筛选。

　　对于构建大规模太空数据中心，黄仁勋直言其存在核心的物理痛点：“太空中没有传导，没有对流，只能靠辐射散热。虽然极地有24/7的太阳能，但我们需要巨大的散热器。”现阶段最务实的做法，仍是先榨干地球上的闲置电力。

　　此外，任何算力蓝图的落地都需要极致的工程执行力。针对马斯克旗下xAI仅用4个月便建成了拥有10万块GPU的Colossus超算中心，黄仁勋在市场化基建层面给出了极高评价。

　　他将马斯克的成功归结为第一性原理思维与极简主义。“他质疑一切：这有必要吗？必须这样做吗？需要花这么长时间吗？”

　　黄仁勋表示，“埃隆在众多不同领域都有极深的造诣，同时他也是一个非常优秀的系统思考者。”他继续评价道，“他能够质疑一切，直到把一切缩减到不能再减的最低必要限度……他亲自出现在行动的第一线。当你以如此强烈的紧迫感亲自行动时，会促使其他所有人也以紧迫感行动。”

　　AI将颠覆就业？“全球程序员将从3000万暴增至10亿”、“AGI已实现

　　针对全球劳动者对AI技术的焦虑，黄仁勋给出了一个非常务实的标准。他直言，如果今天要在两名应届毕业生中做选择，他一定会雇佣那个“AI专家”，而非对AI一窍不通的人。

　　黄仁勋强调，这一准则不仅限于技术岗位，而是涵盖了会计师、律师、销售人员、供应链经理、药剂师，甚至是电工和木匠。在他看来，每个职业、每个层级都没有例外，善用AI的人将展现出更高的交付价值。

　　他进一步厘清了“被取代”的边界：如果一个人的工作本质上就是一系列“任务”，即任务本身就是你贡献的全部价值，那么被AI颠覆几乎是必然的。但如果你的工作具有更深层的“目标”，你就可以利用AI自动化处理那些常规琐事，从而从一名单纯的“执行者”跨越成为所属行业的“创新者”。

　　对于那些尚未起步的人，黄仁勋给出了最 disarming的建议：“如果你不知道如何使用AI，你大可以去问AI‘我该如何使用你’。它会从头开始引导你完成全过程。”他认为，现在起步的门槛已经降至零，唯一的障碍只在于你是否决定开始。因为在这个时代，等待的成本正在随着AI的进化而与日俱增。

　　对于程序员，黄仁勋抛出了一个震撼的观点：“英伟达软件工程师的数量将会增长，而不是减少……如果编程的定义是‘描述规范让计算机去构建’，那么能做到这一点的人数，刚刚从3000万变成了可能达到10亿。未来每个木匠都会是程序员，每个水管工都会因此疯狂。”

　　在谈及AGI的时间表时，如果将AGI定义为一个能够自主开发应用并实现盈利的系统，黄仁勋表示：“我认为就是现在。我认为我们已经实现了AGI。”他设想了一个由AI自主创建的Web服务或数字影响力应用，突然获得数十亿用户使用并赚取利润的场景，这在当下已经具备技术可行性。