黄仁勋深度访谈：NVIDIA的AI工厂愿景与计算革命的未来

黄仁勋解释了NVIDIA为何必须采用“极度协同设计”（Extreme Co-design）。随着AI问题变得日益复杂，无法仅仅依赖单一GPU加速，而是需要对算法、架构、芯片、系统软件、电源和冷却设施进行整体优化。这不仅仅是硬件叠加，而是通过软硬件深度耦合来突破Amdahl定律的限制，从而实现超越线性增长的计算效能，满足现代数据中心的大规模分布式计算需求。

本章回顾了NVIDIA将自己定位为计算平台的转型历程。黄仁勋深入剖析了将CUDA强行嵌入GeForce显卡这一极具风险的战略决策，尽管该举措在当时严重压缩了公司的利润率，甚至带来了生存威胁。他解释了为何“装机量（Install Base）”对计算架构至关重要，通过向全世界的开发者、研究人员和学生普及CUDA，NVIDIA成功构建了深厚的生态护城河，为深度学习革命奠定了基础。

黄仁勋分享了他对AI scaling laws的最新洞察。他认为，AI的演进遵循四个核心阶段：预训练（数据驱动的通用智能）、后训练（通过合成数据提升）、测试时间扩展（通过推理和规划进行深度思考）以及智能体（Agentic）扩展。他明确表示，智能的上限由计算能力决定，而未来的核心挑战在于不仅要提供芯片，还要优化从能源利用到高性能存储的全链路，以支持这种指数级的计算需求。

面对能源这一AI发展的核心制约，黄仁勋提出了利用电网“闲置冗余”的创新思路。他指出，电网通常按照极端峰值设计，导致大部分时间存在资源浪费。通过构建更灵活、可动态调节功耗的数据中心，NVIDIA可以与公用事业公司协同，在极端需求期降载，从而实现更高效的能源配置。同时，他也讨论了与台积电、ASML等供应链伙伴的深度协作，如何通过极致的制造工程能力，克服从先进封装到存储带宽的供应瓶颈。

在对话结尾，黄仁勋定义了NVIDIA的本质：一家通过AI工厂生成“智能商品（Tokens）”的平台公司。他认为AI将导致生产力发生范式转移，每一名专业人士通过AI的辅助都将获得类似于“建筑师”级别的生产能力，从而带动全球GDP的加速增长。他反驳了AI消灭人类职业的焦虑，通过放射科医生的案例阐述了技术如何通过提升效率来创造更大的市场需求。最后，他以乐观的态度总结，AI是人类历史上最伟大的工具，旨在增强而非取代人类，并强调了拥抱技术、成为AI专家的重要性。