当地时间9月10日，在高盛集团于旧金山举办的年度科技盛会“Communacopia + Technology Conference”上，英伟达CEO黄仁勋接受了高盛的半导体行业高级分析师Jim Schneider的访谈，分享了AI基础设施市场高速增长的底层逻辑，回应了外界对于英伟达“循环融资”的质疑，并重申了公司明年70%的营收增长目标，认为下一个增长点会是网络安全与物理AI。

1、AI基础设施的底层逻辑

黄仁勋预计2030年AI基础设施市场将会达到3万亿至4万亿美元。他将原因归结为两个叠加的行业变革：从检索式计算到生成式计算的变革和摩尔定律的终结。

从检索式计算到生成式计算：过去60年，计算机是“预先录制”的——你点一下手机，它从存储中检索信息，推荐系统基于你的偏好返回结果。但生成式AI要求的是“知道一切”而非“找到一切”，答案必须基于上下文和提示实时生成。这意味着全新的、持续生成答案的计算层必须被建造。

摩尔定律的终结：晶体管不再每两年缩小一半，性能提升不能再单纯依赖制程微缩。英伟达的应对是极端协同设计：用CoWoS融合多芯片，用NVLink实现纵向扩展。黄仁勋强调：“如果你没有NVLink，如果你不能有真正出色的纵向扩展，你就死定了，因为摩尔定律是你的敌人。”

这两个行业变革的叠加，导致需求加速（从10亿人用工具，到数千亿个代理必须迭代思考）+ 通缩红利消失，推动半导体行业只会越来越大。

2、重申70%营收增长，存在供应限制而非需求限制

英伟达两周前公布财报时预估2027年营收成长达70%。分析师预计，英伟达本财年营收约4000亿美元，按70%的增幅计算，明年营收将达到约6800亿美元。

黄仁勋在谈话中强调，“我们可以实现70%的同比增长，我们对此有信心。”他指出，70%的增长的数字是供应上限、而非需求上限，若没有供应限制，成长会高出许多。

“我们还有一年时间来努力改进。我们每天都会来工作，谋生，获得更多供应。”黄仁勋还开玩笑地表示，会努力“吃更多韩式炸鸡”、参加更多饭局来维系供应链关系。

3、英伟达是AI产业的“台积电”

黄仁勋还将英伟达在AI供应链当中的地位与台积电相提并论。他强调，每一家AI实验室都能使用英伟达的平台，而英伟达拥有非常强大的供应能力，“某种程度上就像台积电”。

台积电在技术之外，最重要的价值之一是“产能”。“我可以把我的公司建立在台积电之上；你可以把你的初创公司建立在英伟达之上。”黄仁勋的这番话也呼应了他长期以来的观点：英伟达不仅仅是芯片供应商，更是整个AI产业的基础平台。

黄仁勋还指出，英伟达已嵌入AI生态的每个领域——运行所有模型、追踪全球每一吉瓦数据中心项目，因此能“看到未来”。

4、5000亿美元融资平台引发疑虑

针对外界对英伟达通过投资客户来变相为自家产品创造需求是“循环融资”的质疑，黄仁勋回应称，“这不是循环融资，因为我们只投入一点钱，却收回来大量资金。”

这场争议源于英伟达今年8月宣布与Apollo、BlackRock、Blackstone、Brookfield、高盛及KKR等金融机构合作成立运算融资平台，计划募集超过5000亿美元的第三方资金，支持AI模型开发商兴建基础设施。

然而，此举引发市场对“循环融资”的担忧——即英伟达投资于AI公司或云端服务商，这些公司再回过头来购买英伟达的硬件，使得投资与销售之间的界线变得模糊。此类模式在上一轮互联网基础设施建设热潮中，曾导致朗讯科技等供应商走向衰落。

在此次会议上，黄仁勋正面回击了外界对于英伟达“循环融资”的质疑称，“这不是循环融资，因为我们只投入一点钱，却收回来大量资金。”他进一步以财务数据作为佐证：“我看了一下财务报表，我们投入1美元、拿回100美元的回报，这算是循环融资吗？如果这也算，那我们就多做一些。”他强调，自己是“充分掌握信息的投资人”，不冒风险，“我需要的是十拿九稳的投资”。

黄仁勋还将相关交易称为一项“非常聪明的策略”，有助于帮助英伟达建立其技术架构的分销渠道。他同时强调，在动用公司资金进行投资之前，英伟达会确认被投资公司手中有真实合同、能从客户那里获得收入，他见过的此类合同总额达1000亿美元。

5、下一个增长点：网络安全与物理AI

黄仁勋认为“网络安全”很可能是AI的下一个主要应用场景。他的逻辑是：编程的衍生是找bug，找bug的衍生是网络安全。红队找bug，蓝队补bug，需要持续运行。

他解释，AI模型正在加速自动化编程，这正在冲击网络安全行业，因为代码生成速度大幅提升，也意味着代码被利用和攻击的速度更快，同时需要修复的漏洞也会随之增加。

黄仁勋说：“还有什么比制造一个问题更能创造需求呢？”他强调，网络安全需要持续运作，将为AI大型实验室带来庞大的新商机。

目前，英伟达正与CrowdStrike、思科、Palantir合作，使用Nemotron模型构建红蓝队系统。

同样物理AI也将是AI的下一个增长点。黄仁勋认为，自动驾驶是第一个杀手级应用。他还提到Alpamayo是世界上第一个推理和思考的汽车，能对从未见过的环境进行推理。预计未来2-3年有“真正伟大的进展”。

以下为芯智讯整理的采访原文翻译：

主持人（James Schneider，高盛）：大家早上好。欢迎来到高盛Communacopia + Technology大会。我是高盛的James Schneider，今天我们非常荣幸地邀请到英伟达及其CEO黄仁勋。欢迎你，Jensen。感谢你的到来。

黄仁勋，英伟达CEO：谢谢。很高兴来到这里。谢谢。

主持人：Jensen，去年你预测到2030年AI基础设施支出将达到3万亿至4万亿美元，这在投资界引起了不小的轰动。但看起来我们现在正非常迅速地朝着这个数字迈进。在AI方面，有哪些技术进步或市场发展？人们忽略了什么，或者低估了什么？你目前对这个前景的看法是什么？

黄仁勋：问题在于，为什么我会知道？其实很简单。上一次工业革命让我们能够为一切提供动力，我们把电力输送到各处。然后，当然，互联网让我们能够找到任何东西。这就是核心。以前你插上墙上的以太网接口或调制解调器，现在则是Wi-Fi。你一插上，就能（通过互联网）找到任何东西。这不是小事，这是件大事。因为你能找到任何东西，也因为每个人都想找到一切，我们必须把它变成基础设施的一部分。因为我们能把电力输送到任何地方，我们想为一切供电，所以把电力输送到了各处。它成为了基础设施的一部分。

现在我们可以找到任何东西，找到一切，但显然这不是人们想要的。我们想要的是知道一切。我们想问任何问题，知道一切。这就是我们现在正在构建的计算层，它使得无论你想问什么、想知道什么，你都能做到。这就是人工智能的核心，而计算机正处于实现这一目标的过程中。第一个工具叫做发电机（dynamo），下一个，显然叫做计算机，现在我们有了这些AI工厂，它们产生数字，就像互联网产生数字一样。某种程度上，这过于简化了。现在，问题很简单。计算机行业是如何从那个阶段走到这个阶段的，这意味着什么？有两个叠加的问题，两个叠加的挑战。

第一个是，上一代计算机是给人用的，因为你在查东西，你买计算机是当作工具、当作终端，这样你就能找到任何东西，找到一切。现在，在这个新世界里，只要你认同这个理念——每个人都想问任何问题、找到并知道一切——如果你认同这个世界，相信它，相信它可以以某种方式融入我们做的几乎所有事情，那么问题就是：你如何在全世界构建那个计算层？那台计算机，事实证明，是一台生成式计算机。它不是检索式计算机，我想我过去跟你们解释过这个。过去60年，一切都是预先录制的，我们把它放在某个存储上。

当你在手机上点某个东西，它去检索那条信息，实际上，它可能检索了大约3到10条信息。基于你是谁、与你关联的cookie、你之前的记录和偏好，一个推荐系统会向你推荐其中一条信息，但这一切都是预先录制的。那个计算模型叫做基于检索的计算。如果你的问题——如果你想问任何问题并知道一切，你真的想知道它，你不想找到它，你想知道它，那么你必须生成答案。你无法合理地检索到它。原因是，在过去，你有这个叫做推荐系统的概念，它基于你的偏好。

好吧，如果你想问任何问题并知道一切，那么那个偏好必须被别的东西取代，它叫做上下文（context）。查询叫做提示（prompt），周围环境包括上下文以及你的偏好。所有这一切的组合，你必须生成答案。基本上，这意味着一个持续根据所有到来的查询生成答案的新计算层必须被构建。那不再是一堆存储。那是一堆计算机。那台计算机长什么样，它运行什么算法？几乎就像每个人都有自己的推荐引擎。这样想。不是为整个Meta拥有一个巨大的推荐系统引擎，你现在为每个人都有一个推荐引擎。

这些推荐引擎非常复杂，因为AI模型很大。它必须很聪明。它压缩了大量世界信息。现在第二个问题是这样。这是摩尔定律的终结。你们知道，我大约15年前第一次说这个的时候，有人倒吸一口气，好像我说了什么伤人的话。它只是说晶体管不再缩小了，这不是什么大事。如果晶体管不再每年缩小2倍，或者每两年缩小一半，那么问题是，当我们试图做另一件事时，未来会发生什么？那件事叫做生成式AI，或者你愿意的话，叫人工智能。

在这个新世界里，摩尔定律终结了，我们需要多得多的晶体管，那么必须发生几件事。第一件必须发生的事是，你仍然想每几年获得100倍和1000倍的提升，如果你想做到这一点，那么你不能只活在芯片内部。你必须协同设计，这就是为什么英伟达成为了一家协同设计公司，极端协同设计公司。你们一直听我们这么说。第二件你必须做的事是，如果你想要两倍的晶体管，你必须造两倍的芯片。这就是为什么英伟达发明了NVLink。你看，我们做的第一件事是使用CoWoS，这使我们能够把多个芯片融合在一起。

然后那还不够令人满意，所以我们拿了一大堆芯片，把它们连接在一起形成NVLink，这是今天的大突破。如果你没有NVLink，如果你不能有真正出色的纵向扩展（scale-up），而纵向扩展技术真的很难。横向扩展（scale-out）很难。纵向扩展极其困难。如果你没有那个，你就死定了，因为摩尔定律是你的敌人，而这些模型变得越来越大。然后第三件发生的事，其复合结果是我不久前预测的，即半导体行业将扩大X倍。原因很简单。半导体行业的需求已经增长了一段时间，而摩尔定律是一种贬值的半导体微缩技术。这两件事同时发生。

如果你没有半导体微缩技术的好处，如果需求进一步加速，因为不是10亿人使用工具然后我们睡觉，现在我们有数千亿个代理必须思考。它不像聊天机器人。你不会只点它一次。你必须迭代地思考。你把所有这些复合在一起。半导体行业只会变得越来越大，这就是我们现在看到的。这两个基本理念，即我们有一个新的计算层和一个新应用，以及摩尔定律的终结。与此同时，人们期望这些AI模型越来越聪明，因为它们不喜欢错误答案。然后其复合结果应该导致一个非常大的行业。总之，我的演讲到此结束。

主持人：太好了。我认为投资者一直质疑的一件事是这项技术的投资回报率。今天很难看着损益表说，“哦，这里是毛利率，”或者别的什么，但编程显然一直是这个行业的杀手级应用。我认为可以肯定地说，我们在编程方面不会回到旧方式。展望未来，你认为还有哪些其他应用或任务能真正推动整个行业的采用和投资回报率？

黄仁勋：一切都是编程。当你买一本食谱，你看到食谱，那只是编程的一个美国词。当你问别人如何做某事，那是编程。当你把业务流程编码化，那是编程。一切都是编程。如果你想做某事，如果你想发现做某事的最佳方式，然后之后一遍又一遍地重复，没有任何人偏离那个过程或方法论或那个已知最佳流程，不管你们怎么说。对吧？有很多词来形容它。都是编程。我们以很多不同的方式编程。我们编程来做煎蛋卷。我们编程来反复关闭账本和管理供应链。我们编程来以一致的方式相互沟通。连接结构，例如供应链，是一个巨大的代码片段。

不是一个代码，而是数万亿个代码片段。我们做的一切实际上都是编程。这是一件明智的事。这也是AI最容易学习的事，原因是有正确答案。最佳答案很难找到，但正确答案不难找到。编程是其中的重要部分。编程的一个衍生物，当然是找bug，而它的一个衍生物，一个非常大的市场，叫做网络安全。今天关于网络安全的讨论这么多，是因为行业准备发布一些产品。还有什么比制造一个问题更能创造需求呢？你知道？谁不希望自己的市场对自己的产品歇斯底里，排队等着买？

有负责任的方式来做这件事，也有不那么吸引人的方式，但今天围绕网络安全有大量的需求创造，因为新产品即将发布。如果你能很好地编程，你必须能很好地调试。红队是找bug。蓝队是修补bug。这不是一个复杂的概念。事实是，网络安全很可能是AI的下一个主要用例，而且它将持续运行。这对实验室来说将是一个巨大的新商业机会。对CrowdStrike来说将是一个绝佳的机会，我们与他们有重大合作，使用开放模型来创建红队和蓝队，并拥有持续运行的Nemotron模型集群的不对称优势。

我们今天与Cisco有合作，我想，Palantir、Cisco、英伟达，他们正在建设。Cisco将提供来自英伟达的整个AI工厂平台。Palantir建立在那之上。这将推广到全世界所有国家和公司，帮助他们构建基于Nemotron的专有AI模型，或基于Nemotron的网络安全红队、蓝队模型。总之，这只是AI进入下一个市场的下一波浪潮。然后，当然，还会有未来的用例。但核心是，代码非常重要。我想，Jim，我要提到的一件事是，如果你看看。我们谈到了行业等等，技术等等，但我来这里是为了卖一些英伟达股票。

我不想让这个会议、这个议程不清晰。我们是世界上第一家也是唯一一家成长型价值股。我想我们在每一个。人们试图弄清楚我们是哪一种。就像，我们两者都是。你可以同时是两者。为什么我们同时是两者？让我为你们做一些取证。英伟达被极其误解。尽管我们这么大，我们被疯狂地误解。原因是这样。我们发明了GPU。你不能取消发明GPU。当你是英伟达时，你不能取消发明英伟达。每个人都知道，因为他们认识我30年了。世界上大多数AI研究员，大多数科技CEO，他们都是在我构建的产品上长大的。这就是我有多老。

当一个AI研究员走过来说，“我8岁时用了GeForce RTX 2060，”那不是恭维。他们只是在数年份。我的观点是，我们一直是一家GPU公司。这不是我们今天的样子，但不幸的是，那是我们的起点。这说得通吗？我们并不为此不自豪，但大多数人认为英伟达造芯片。你需要飞机来运输我们造的东西。我们的每一个系统，每一个芯片，如果你愿意，一个GPU是2吨。一个GPU现在，不是399美元，不是399美元。是850万美元。那是一个GPU，全部用NVLink连接，200万个零件，对吧？250千瓦。那是一个GPU。我们运送数千个。我今天早上刚看到报告。Grace、Blackwell、NVLink，72个机架，环比增长27%。

你不会看到27%的环比增长。那会复合。那叫做高增长价值股。第一，我们从Hopper开始，大约18,000美元。现在，Hopper是一个架构的名字，不是一个芯片的名字。Blackwell是一个架构的名字，不是一个芯片的名字。这些架构的范围在扩大。Hopper大约每GPU系统18,000美元，Blackwell到了大约25,000美元，而Vera Rubin大约40,000美元。原因是我们在提供越来越多整体AI工厂。我们在脑海中看到AI工厂。我们试图用极端协同设计来克服摩尔定律的挑战。

在算法、软件、系统、互连以及我们沿途发明的新技术之间，我们每一次创造一代，其token生成能力比前一代快很多倍或生产力高很多倍。我们做的第一件事是增加我们在世界资本支出中的可服务市场（SAM）。好吧？所以任务第一。我们不仅在增长，我们同时在捕获更多。第二件事是，令人难以置信，但今天的模型公司比一年前、两年前多。多得多。今天的前沿模型制造者比几年前多得多。有一大堆正在启动，带着一大堆好想法。好吧？

我的观点是，我们是世界上唯一一家实际运行每一个模型的公司。我们过去不运行Gemini。我们今天运行Gemini。当然，Grok做得非常好。迫不及待想试试。当然，Meta的Muse。这些都是新的。这些都是净新增的，对吧？更不用说，我们过去不运行Anthropic，原因很多。我们作为年轻公司没有钱投资他们。现在我们有了更多钱，我们很高兴投资他们并帮助他们。总之，我们在Anthropic的份额增长非常快，当然，我们很高兴看到Anthropic和OpenAI以及所有这些实验室在增长。好吧？大多数人没有看到的第二个增长是，我们是唯一一家从前沿闭源和开源模型中都受益的公司。我们运行一切。

世界上没有一家公司是索引到开源模型的，而开源模型增长非常快，除了我们。你在任何地方都找不到那个数字。OpenRouter是查看这些东西的好地方，但你可以看到增长。世界需要闭源模型和开源模型，我们都覆盖。好吧？第三件事是AI整体市场增长非常快。我们看到的是CSP。我们只看到云服务提供商。记住，它们是企业。一些伟大的企业建设AI工厂的名字，当然是Jane Street和Hudson River。世界上几乎每一家量化交易公司都在转向这种新的预测模型。

当然，药物发现与Eli Lilly、Merck和Bristol Myers Squibb以及许多其他公司现在基本上创建了他们的机器人实验室。基本上是实验室在环，AI在环，用于湿实验室。你需要一台超级计算机来做那个。你有企业，但也有区域云。最大的挑战之一，我一直在谈论这个，你想确保你理解这个策略。上游，供应链非常具有挑战性，原因很明显，我们增长超快。封装是一个挑战。DRAM是一个挑战。LPDDR DRAM是一个挑战。连接器具有挑战性。一切都具有挑战性。电压调节器具有挑战性。一切都具有挑战性。晶圆显然具有挑战性。上游有各种不同的挑战。

但记住，供应链一直延伸到下游末端，直到有人架起一台计算机并打开服务。我们一直在思考供应链的上游和下游，我们拥有的一个优势是，因为我们的上市策略，记住，我们运行一切。这是通用与专用对的力量。你记得两三年前，每个人都曾说专用比通用好，因为它更快？好吧，如果我能让通用比专用更快，那么专用就都好了。原因是，对不起，通用化就都好了。原因是通用化给你可替代性、耐久性、多功能性、可租赁性，以及今天非常重要的，由于资本约束，每个人的资产负债表，可投资性。最后，我们有一台计算机。英伟达计算终于是一台可以资产支持的计算机。

我们可以用它来担保贷款，这是一个非常强大的能力，坦率地说，世界上唯一允许你这么说的计算堆栈，因为没有人能再踏进来。我们的市场包括CSP，当然，还有区域云，neoclouds。neoclouds的力量是这样。他们为我们确保了CSP已经耗尽的地、电和壳。只要记住这一点。这是一件非常大的事。许多国家和许多县和地区想为他们自己的公司确保电力和土地。我们在世界各地有neoclouds，从Nscale，当然，你有CoreWeave和Nebius，他们做得非常好。

一些新的即将上市或正在提交文件的过程中，无论是Nscale还是Lambda或Firmus。你将看到一大批全新的、非常令人兴奋的neoclouds，带着数千亿美元的积压订单。这是一种能力，使我们能够在下游确保土地、电力和壳，并在我们的上市方式上多样化。这三个理念，我们服务的整个AI市场，我们服务的所有模型，当然，世界的数据中心资本支出，我们覆盖了更多，这就是为什么我们增长如此之快。

主持人：是的。我能跟进几个点吗？

黄仁勋：是的。

主持人：一个关于供应约束。你几周前在财报电话会议上谈到，对明年实现70%收入增长有高度信心，未受约束的需求增长超过100%。你谈到了上游和下游。你更担心上游组件短缺，还是更担心下游，你在土地、电力、壳和数据中心可用性方面可能直接控制较少？

黄仁勋：嗯，下游是英伟达优势令人难以置信的地方。上游，我们的优势是因为我们的规模。我们拥有世界上最大的供应链。我与供应链和这些合作伙伴合作了将近三十年。当我做出预测时，它们成真了。他们喜欢这样，当他们是正确的人。因为他们必须投入大量资金，而且因为英伟达有实际有帮助、真实且擅长预测这些事情的记录。更不用说，我们可以创造自己的市场。别忘了，英伟达的平台是唯一一个你可以自己一直带到终端市场的平台。记住，我们通过CSP上市，但我们也通过OEM上市。看看Dell。他们做得令人难以置信。

几乎100%英伟达。我想可能确实是100%英伟达。Supermicro做得很好。Lenovo做得很好。HP做得很好。Cisco正在进来。我们拥有世界上100%的企业上市渠道可以把英伟达带到市场，因为我们是一个全栈AI工厂平台。你进来，你可以安装整个东西，添加我们的软件，基本上几周内就能启动并工作。因为这些东西太贵了，它的经济性太高了，如果你不让它尽快有生产力，焦虑真的非常惊人。如果你看我们的上市策略，我们有渠道多样性。我们有很多进入市场的方式。

因为我们的neoclouds，因为主权AI能力，所有这些都由我们是全栈这一事实驱动，我们有一个丰富的生态系统，我们可以到达所有这些不同的市场。下游部分对我们来说是一个巨大的优势。毫无疑问，土地、电力和壳是一个问题。当我听到这些人谈论这些大数字时，问题是，我们正在追踪世界上每一个吉瓦的土地、电力、壳，字面上地球上的每一个东西。想想我所有的合作伙伴。有多少neoclouds在向我们报告？有多少OEM在向我们报告？有多少云在向我们报告？有多少AI原生公司在向我们报告？我们与每个人合作。我们知道一切在哪里。这相当惊人。

我们已经确保了很多。否则你怎么能处于上游？显然，台积电永远不会告诉你。他们永远不会说他们能以某种方式预测卖了多少吉瓦。他们怎么会知道？因为它离下游很远。但我们一直处于上游和下游，这就是为什么英伟达的位置如此之好。

主持人：你对缩小这个差距感觉良好吗？

黄仁勋：是的。我们可以实现70%的同比增长，我们对此有信心。我们还有一年时间来努力改进。我们每天都会来工作，谋生，获得更多供应。

主持人：是的。太好了。

黄仁勋：更多炸鸡。

主持人：更多Denny’s。

黄仁勋：是的。更多Denny’s，更多晚餐。不惜一切代价。

主持人：太好了。你的超大规模客户和大型企业客户显然可以独立资助他们的支出。

黄仁勋：哦，你们看到我们今天早上宣布的关于澳大利亚的消息了吗？给你一个例子，在澳大利亚，有大量的能源。我们正在与该地区的所有公司和数据中心公司合作。我们为2027年建立了2吉瓦。只是放在 perspective 中，2027年2吉瓦。这不是很多，但它是800亿美元。

主持人：是的。这是很多。

黄仁勋：你们这些天太难打动了。就像两家公司，但没关系。我甚至不认为那是它。是一条推文还是一份新闻稿？是一篇博客？总之，这是一件非常大的事，因为我喜欢工作。澳大利亚是一个有过剩能源的地区，如你所知。但他们需要几件事。他们需要技术。这是英伟达全平台AI工厂结合在一起的地方。他们需要生态系统承购方。过去六个月，4000亿美元的风险投资资金进入了AI原生公司。4000亿美元。AI原生，AI原生的定义是有人把筹集资金的三分之二花在计算上。再也没有低资本支出的软件公司了。

每一家科技公司未来都将成为高资本支出公司，或者高运营支出或高资本支出，但基本上是高计算，因为没有非AI公司。我们正在与世界上几乎每一家AI初创公司合作。我们有整个平台。我们有承购。他们带来区域土地、电力和壳，我们与他们合作建立起来。最后，资本。有时我们投资他们。其中一个转变，这是正在发生的大理念，我们正在与金融行业和你们中的许多人合作，非常感谢一起的工作。我们正在把英伟达计算从技术转变为可投资资产。这个转变，我认为当我们完成这个转变时，它会在这里相当快地发生。

我认为这将是让人们认识到我们的计算系统具有长期价值、具有持久价值的巨大推动力。目前，这些都没有被估值。这对我们来说是一个巨大的未开发机会，而且有太多证据表明计算是有生产力的。我们卖它，比如说，一个吉瓦数据中心大概是600亿美元。比如说超过六年，每年100亿美元。让我们做点简单数学。那每年100亿美元目前被以50出租，如你们所知。目前每吉瓦的收入大约是500亿美元。这就是经济性——这就是我们的技术有多有生产力。你仍然可以租Volta。Volta已经10年了。显然，Mike刚谈到了租Ampere。世界上所有的Ampere都被租出去了。耐久性。可替代性。英伟达运行每一个模型。每个实验室都可以用我们。因为我们的产能如此之大，就像台积电。台积电的价值之一，当然是技术，但它最重要的价值之一是产能。我可以把我的公司建立在台积电之上。你可以把你的初创公司建立在英伟达之上，毫无疑问。我们不会成为你的问题。你不必把我们工程化到存在中。我们在这里作为AI平台为你服务。我看台积电的方式，就是AI原生公司和AI公司看我们的方式。我们是AI生态系统的 foundational platform，AI行业的基础平台。

主持人：说到你的观点，你在某些情况下为那些AI实验室或neoclouds提供担保或支持，以获取土地、电力和壳用于他们的运营。你随着时间的推移以多种不同方式做到了这一点，包括你最近谈到的5000亿美元平台。你在财报电话会议上说，你不相信循环融资。

黄仁勋：希望那5000亿美元中的大部分将是有资产支持的。

主持人：是的。

黄仁勋：那是很大的计划。

主持人：所以，对那些持怀疑态度的人，解释一下为什么你认为它不是循环融资。

黄仁勋：嗯，它不是循环融资，因为我们投入一点钱，却收回来很多钱。我看电子表格，我们投入1美元，拿回100美元的回报，这算是循环融资吗？

如果是，那我们就多做点。更不用说我们投资的公司，我们看到他们的管道，因为我们把管道带给他们。人们开始认识到，无论我在哪里投资，都不是一个糟糕的投资地方，因为我是一个知情的投资者。我不承担任何风险。我们不像你们那么聪明。我需要确定的事情。所以当我看到他们——我们把AI平台带给他们。他们必须确保土地、电力和建筑。我们帮助他们融资，非常小的一部分，但最重要的是我们看到他们的承诺采购，因为没有承诺采购，融资就不会到位，而那个承诺采购是1000亿美元，它是排队的合同，它是总合同价值，它是真实的东西。我们知道需求来自哪里以及需求的质量。

所以我们看到更大的远景，这就是为什么它给我们信心去做。此外，我认为这是非常聪明的策略。我认为我们需要帮助行业创建这个neoclouds网络，它们将成为英伟达架构的分销渠道。这也是所有正在成立的AI原生公司可以落地的地方。记住，AI不会只是全球的。AI将是区域的。原因是，有这么多区域智能，根据定义，你将看到AI变得区域化。所以我们希望在世界各地有英伟达合作伙伴的枢纽。所以就是这样。循环的部分对我来说不太有意义，因为数字表明它不是。

主持人：是的。回报如何？

黄仁勋：回报太大了，非常的好。

主持人：也许，我们只有几分钟了，但我想在结束前谈谈物理AI。这是一个你真正播种市场的领域，从汽车到工业机器人到人形机器人等等。你认为那个市场会多快起飞？物理AI中的杀手级应用会是什么，你认为到2030年这对公司来说可能是一个多大的机会？

黄仁勋：物理AI的第一个杀手级应用就是自动驾驶汽车。曾经有一段时间，相信那个是没有意义的，曾经有一段时间人们认为建造自动驾驶汽车的方法就是开数十亿数万亿英里。显然，中间会有很多伤亡，但你不会想要那样。你真正在寻找的是一辆会思考的车，一辆能推理的车。我们在这个领域做了一些开创性的工作。它叫做Alpamayo。它是世界上第一辆推理和思考的汽车。它可以看到一个它从未见过的环境，它可以推理如何分解它，就像代理系统在推理一样。它推理，把它分解成它理解并且可以很容易思考的东西，就像我们一样。

你需要的英里数实际上相当少。后训练是必要的，我认为物理AI，例如，已经为自动驾驶汽车到来了。我认为在未来两到三年，你将看到真正伟大的进展。比如，Waymo、特斯拉（Tesla），还有英伟达与梅赛德斯-奔驰（Mercedes-Benz）的合作。还有一大堆其他正在准备中。我们与Uber的合作。很多很多合作伙伴关系正在准备中。那是第一个应用。它的衍生应用是所谓的AMR和仓库配送车辆以及内部物流中心，我们宣布了与Amazon的重大合作。他们拥有最大的内部仓库导航系统车队。你将看到一大堆那种东西，一大堆像那样的应用。好吧，杂货配送车辆和各种各样的东西。

第二部分是操作/操控系统。操作/操控系统正在取得真正伟大的进展，今天的操作/操控系统都是预编程的，就像我们谈到的旧计算机一样，一切都是预先录制的。当前的操作/操控系统是预先录制的，这限制了市场规模，只限于最大的汽车公司。如果你想让操作/操控系统对中型和中型制造公司有用，在德国叫做Mittelstand。在美国这里，他们只是叫它们供应链合作伙伴。在日本，有他们版本的Mittelstand。基本上，工业供应链是几亿美元的公司。如果你看ASML的供应链，它是一大堆Mittelstand。好吧？

一大堆科技公司，每一个可能都是几亿美元，没有一个可以机器人化，因为没有一个足够大。我们需要智能机器人，那个推理系统，所以那个能力可能还要几年。之后，物理AI将渗透到一切，例如电信。6G基本上是物理AI。不是使用理解物理世界的摄像头，而是使用不同频谱的电磁波，无线电波，但它基本上是感知世界。我们与Nokia有合作，我们构建了一个基于英伟达CUDA和AI的平台，它叫做AI-RAN。这个系统，我认为它将非常成功。它基本上是一个分布式边缘数据中心。所有这一切，我认为，可能还需要大约5年才能成熟。

你只会看到越来越多。与此同时，英伟达在物理AI方面已经成功了，因为在你部署模型之前，你必须训练模型。人们知道马斯克（Elon Musk）和我一起在特斯拉（Tesla）超级计算机上工作，他称之为Dojo，里面有一大堆GPU。那是为了训练这些自动驾驶汽车。有一大堆像那样的例子。

主持人：是的。我想我基本上必须在那里结束了。非常感谢，Jensen，与我们在一起。我们很感激。

黄仁勋：好的，各位。谢谢。