目录
- Dario 的文章、前沿实验室要求放慢 AI 以及末日论心理 [00:00:00 - 00:10:00]
- 合理的 AI 监管、递归自我改进、Hugging Face 与开源未来 [00:10:00 - 00:20:00]
- 特朗普总统现场连线，谈“末日论骗局” [00:20:00 - 00:30:00]
- AI 繁荣与 NVIDIA 的资本配置战略 [00:30:00 - 00:40:00]
- NVIDIA 的开源模型、Terafab 与中国芯片，以及超级智能 [00:40:00 - 00:46:44]
Dario 的文章、前沿实验室要求放慢 AI 以及末日论心理
Chamath Palihapitiya：我们中断了每周节目，因为只有三个人值得我们这样做：特朗普总统、耶稣和 Jensen。全球排名第一的播客节目，今天请到 Jensen Huang。他是 NVIDIA 的创始人、总裁兼 CEO。无论你是否意识到，他的决定都在塑造你的未来。NVIDIA 是这个市场上最重要的股票，而 Jensen 可能是历史上最优秀的管理者。公司营收同比暴增 97%，需求不仅已经很强，而且还在加速。NVIDIA 是唯一一个完整覆盖全栈 AI 工厂的计算平台。 GPU 就像一台时间机器，因为它让你更早看到未来。如果我们能看到并预测未来，就更有机会把未来塑造成最好的版本。请欢迎 Jensen Huang。 他一进场就赢得了全场起立欢呼。那是我们的人，各位，这就是“GPU 耶稣”。他们爱你，谢谢你。我也爱你们。全球排名第一的播客。我们喜欢这件新夹克。你把旧夹克拍卖了？我觉得大家需要一点能量。 [00:00:59]
Jensen Huang：我知道我们在谈严肃的事情，但也应该带着能量来谈。先从本周末那篇文章开始吧。 哪一篇？ 先谈 Dario 的文章。海明威参与写作了吗？ [00:01:33]
Jason Calacanis：有人把它放进 Pangram 跑过吗？我甚至不知道其中有多少是 AI 帮忙写的，但那篇文章确实很惊人。很多人意外的是，各家前沿实验室竟然围绕这篇文章形成了共识。Jensen，你能不能先从高层次讲讲发生了什么、你是怎么阅读和理解它的？之后我们再谈文章里的细节。
David Sacks：首先，文章里包含很多内容。其中有一部分谈安全，这是我们必须极其认真对待的。安全当然至关重要，但“安全”和“领导力”并不是非此即彼的选择。我们完全可以快速创新、快速执行，同时让美国安全地保持领先。我认为那是个伪二分，但安全显然很重要。 我认为他还在谈内部控制。Coxon 的吹哨当然是非常严肃的事情。出现吹哨人时，必须认真对待。我认为 Coxon 勇敢地提出自己的担忧，即使其中也有一些问题被混在了一起。 我认为吹哨本身没问题，但那些关于未来的科学预测就没那么站得住脚，因为它们显然没有科学依据。它们虽然出自科学家之口，却没有建立在科学基础上，所以我对此有意见。至于暂停、放慢节奏，这些都是公司认为自己失控时可以自愿采取的措施。 我们不知道 Coxon 看到了什么。如果他看到公司失控，也许那是从研究转向工程的过程中出现了笨拙的过渡。正如你们知道的，这些实验室正在从研究转向工程：人才非凡、工程能力非凡，但工程和研究毕竟不同。究竟看到了什么，最终只有他自己知道。如果确实存在控制不足，那是另一个问题。政府该如何处理？难道现在就用一项监管把所有事情一股脑盖住吗？你们能不能帮我们把这个问题拆开来？ [00:03:37]
Jason Calacanis：我们这周在节目里试着玩过一个很难的游戏：怎样向普通人解释“文明灭绝”？我妈妈打电话问我：“Chamath，这个所谓文明死亡到底是什么？我不知道该怎么向她解释。”当一些非常聪明的人把它量化，说有 10% 的灭绝概率时，这确实会让人不安。那到底意味着什么？ [00:04:27]
Jensen Huang：普通人没人能解释这怎么可能。首先，我们不应该解释，因为那是编出来的。那些人受过良好教育，被称为研究人员，可他们把这些词和预测放在一起，制造出令人警觉、令人不安的效果，这样做是不负责任的。
David Sacks：我们回到事实。有人预测五年内放射科会被完全接管，世界上将不再有放射科医生，结果恰恰相反：我们比过去需要更多放射科医生。当然，AI 已经完全接管了扫描阅片，这很好。但这并不等于放射科医生消失了。还有人预测，去年说六到十二个月内 90% 的代码都会由 AI 生成；这也错了。有人预测六到九个月内 50% 的入门级工作会消失，这同样错了。 [00:05:08]
Jensen Huang：还有什么预测错了？我觉得这些预测全都错了。比如 GPT-2 不安全到不能发布。 [00:06:05]
Brad Gerstner：还有 Llama 3 不安全到不能发布，O1 也被这样说过。我们听过太多了：明年一半白领工作会消失，所谓“就业末日”。我们必须承担责任。
David Sacks：我们必须为所有那些愚蠢的预测负责，至少要把它们记录下来。人们也确实在记录，并提醒我们：这些预测最终与美国赢得 AI 竞赛的现实并不一致。
Jason Calacanis：简而言之，有些人说应该“相信专家”，还拿新冠疫情作类比。这个观点同样起源于研究人员和受过教育的人，他们对普通人不了解的事情有不对称的信息，后来我们却发现，其中许多说法并不正确。现在发生了一场冲突：一边是“相信专家”，另一边是回顾这些预测的实际历史，更有条理地思考它们从哪里来。它们来自真正制造这项技术的地方。你觉得背后的心理构成是什么？也许是商业动机，也许是政治动机？
David Sacks：这些公司是历史上最重要的一批公司，拥有杰出的工程师和研究人员，做出了非常出色的工作。一方面，我和它们有密切的企业合作；另一方面，我们又不得不公开讨论这些问题，这很不幸。我认为这些公司应该像过去那样建设，也就是安静地建设。 [00:07:39]
Brad Gerstner：等一下，Jensen，你不会允许组织里的任何人代表整个组织发言，尤其是在某个糟糕周末或愤然离职时。员工不能代表你和公司发推文，对吗？ [00:08:07]
Jensen Huang：不允许。员工加入公司时，就知道我们要求怎样的行为。NVIDIA 的文化和员工都非常稳定、非常幸福。大家喜欢公司的一致性和稳定性，也认同我们的核心价值：照顾员工家庭，为他们创造条件，让他们完成真正有意义的工作。我们尽可能安静地做事，同时帮助其他人成功。 当然，加入公司也意味着有些事情我们不希望员工在公司里做。比如，我们不欢迎在公司内部进行政治讨论。政治、种族、宗教等话题，请带到公司外面去。NVIDIA 是一家不参与党派政治的公司。无论哪个政府执政，我们都会尽力帮助美国成功。
David Sacks：如果一家公司发现自己失控，可以选择暂停、放慢速度，或者把问题交给工程团队处理。但把一个没有科学依据的概率预测直接变成全国性的监管理由，是完全不同的事情。我们应该区分真实的控制问题、研究转工程的管理问题，以及对未来的猜测。 公司内部的文化也很重要。员工可以在公司外表达政治观点，但公司需要保持一致的使命和行为标准。这样做不是压制讨论，而是让团队知道哪些事情属于企业共同职责，哪些事情应当留在个人生活中。
Jason Calacanis：说到 AI 监管，尤其是更狭义的监管问题…… [00:09:58]
David Sacks：我们不应该把所有问题都混成一个词。真正的安全事件需要调查、工程修复和验证；对未来的宏大预测则需要证据。最好的监管应当针对明确的问题，要求公司建立控制、测试和审计能力，而不是因为某些未经验证的故事就让整个国家放慢脚步。 这些实验室当然要承担更高标准，因为它们拥有最多的算力，也在处理最前沿的问题。但高标准应该意味着更好的工程、评测、沙箱和持续监控，而不是把未经验证的灾难概率当成政策结论。 如果问题来自内部控制，就应当讨论谁有权限、哪些流程缺失、怎样增加监控，以及如何验证修复结果。工程组织面对事故时本来就应该这样做。把这些具体问题讲清楚，远比用一个模糊的“文明灭绝”故事吓唬公众更有帮助。
合理的 AI 监管、递归自我改进、Hugging Face 与开源未来
Jason Calacanis：Satya 今天早上来过节目。他说，在讨论可能真正阻碍发展的监管之前，为什么不先把基础工作做好？先把测量做好，把标准化做好，把工程做好。把研究更可预测地转化出来，不要制造恐慌；在准备好公开之前，先把事情留在内部。你觉得现在正确的回应是什么？Demis 提议建立一个类似 FINRA 的组织，但 Dario 想要的似乎是某种跨国、变异式的控制机构。你认为我们现在真正需要什么？
David Sacks：监管应该解决实际问题。所以问题是，我们究竟遇到了哪些实际问题？到目前为止，所有实际问题都来自实验室。为实验室辩护的一点是，它们拥有最多的算力，因为它们正在解决前沿问题。因此，前沿实验室出现最大风险是合理的。高中生不太可能造成问题，因为他们根本没有足够算力；初创公司也不太可能，因为它们同样没有足够算力。 放眼全球，除了前沿实验室，几乎所有人都没有足够算力。与此同时，这些实验室正在做开创性工作，也在从研究转向工程；它们同时建设公司、文化、技术、工程和产品，我能理解这种过程有点像“头发着火”。但面对一个实验室的四起事件、另一个实验室的一起重大事件，第一步仍然应该是从工程角度做根因分析：发生了什么？我们本来可以怎样做？今后要实施和制度化哪些技术、方法或流程，确保它不再发生？ 我愿意押钱说，每一个案例未来都在它们的控制范围内，是可以预防的。我相信那四起事件不会再发生；我相信它们已经完成根因分析并修复了问题，也已经拥有更好的沙箱、运行时、监控和持续监控技术。另一种可能是，它们分析后说：“我们不知道发生了什么，也完全不知道如何控制，请社会来帮助我们。”如果真是这样，那其他拥有工程师的公司就应该派工程师进去协助。但我怀疑情况会是这样。 [00:12:17]
Brad Gerstner：我同意，如果可以，我们应该向它们提供建议。不过我相信这些杰出的人已经处理好了。我们不是在真空中工作。David，你昨晚告诉我，中国一家制造 GLM 的实验室准备投入 30 亿美元进行递归自我改进。你能不能向 Jensen 介绍一下？ 听说智谱的创始人刚筹集了 50 亿美元，其中一个重点是实现递归 AI：让 AI 训练下一代 AI，并尽可能把过程自动化。这是一个很时髦的新词，但你们知道…… [00:13:50]
David Sacks：递归自我改进（RSI）其实是一套理念的组合。它从上下文中的工作开始，也包括技能、反思、强化学习和合成数据生成。这些都是很合理的办法，可以让 AI 随着时间推移更擅长解决问题。你还可以改进低秩适配器，所有这些都不一定涉及模型权重。 当然也可以改进权重，这就是 LoRA。你可以通过合成数据生成和强化学习增强模型，而不必重新训练基础模型；随着时间推移，再结合这些经验训练基础模型。我认为，用技术提升各种任务的生产率，包括构建 AI 本身，是非常合理的想法。每个人都在某种程度上这样做，只是现在这个词被拿来把技术武器化，营造一种它会失控螺旋上升的印象。 [00:14:37]
Brad Gerstner：但你不认为它会失控？ [00:15:14]
David Sacks：当然不认为。你可以在公司内部整天进行 RSI，但产品发布时仍然要评估、反复测试，确保没有回归问题。随着这些实验室从研究转向工程，它们会有更好的控制。控制来自方法、知识、实践、工具和技术；验证和评测会让公司内部的 RSI 成为可能，同时让外部发布的产品保持良好。
Jensen Huang：我们谈谈开源吧。我们之前聊过收购 Hugging Face，我说这会是最重要的收购之一，甚至不想把它称为一笔交易，因为它的重要性远不止于此。
Jason Calacanis：请你从第一性原理解释一下开源、闭源和开放权重之间的区别，以及它们长期应该如何组成生态。它似乎比普通交易重要得多。 [00:16:11]
Jensen Huang：世界既需要闭源模型，也需要开放模型。
David Sacks：我尽可能多地使用闭源模型。这个周末我用了四个，它们都是前沿模型，体验非常好，而且一直在变得更好。我把闭源模型想成瓶装水。水是免费的，今天早上我洗澡就用了很多免费水；你只是在合适的地方使用合适的水。这和电力以及世界上的各种商品没有区别，我们两者都需要。 需要开放模型，可能是出于主权、隐私或专有技术的原因。看事实：过去六个月，AI 原生公司获得了 4000 亿美元风险投资，其中 80% 使用开放模型。如果没有开放模型，它们怎样实现自己的梦想？它们的梦想可能与前沿实验室不同。美国有很多创新路径，这是我们的核心优势；开放模型让每家公司、每个行业、每位研究人员、教师、学生和初创公司都能参与 AI 竞赛。
Chamath Palihapitiya：那开放模型来自中国还是美国，重要吗？ [00:18:19]
David Sacks：我们正在尽力为开放模型作出贡献，但今天世界上很大一部分开源贡献可能来自中国，因为他们有更多工程师，能大规模培养科学和数学人才。清华大学等高校每年培养大量人才。我们下载 Linux、Kubernetes 和各种软件，其中很多都曾被中国人参与过。下载以后它就是你的，你可以分叉、改进、变成自己的东西。中国研究人员做的模型，下载后同样是你的。你究竟想拿它做什么，完全由你决定。 所以，竞赛到底是什么？我认为关键在于谁最善于利用这项技术。上一轮工业革命的发明者包括 Maxwell、Volta 和 Ampère，他们都不是美国人；但美国在社会层面比任何国家都更好地利用了那场革命，结果大家都看到了。 开放模型的价值还在于它让人们拥有选择权。有人需要闭源模型的完整服务和最前沿能力；有人需要把模型放在自己的环境里，保护隐私、满足主权要求，或者在现有模型上构建独特产品。开放与闭源不是只能选一个，而是像水、电和其他基础商品一样，在不同场景中使用不同的方案。
Chamath Palihapitiya：如果中国贡献了大量开放模型，美国要怎样确保自己不只是下载和使用，而是也能持续贡献、持续把技术变成新的产业？
David Sacks：答案是让整个美国生态参与进来。不能只依赖几家技术公司；每个行业、每家企业、每所大学和每个创业者都应该能够利用模型，形成自己的应用和生产力。真正的 AI 竞赛，是谁能把技术最广泛、最有效地应用到社会中。 开放权重也意味着企业可以决定模型如何部署、怎样微调以及哪些数据留在自己的环境里。闭源模型能够提供很好的使用体验，开放模型则给创业者和研究者更多自由。两种模式会长期共存，关键不是争论哪一种在抽象意义上更好，而是让用户在具体任务中拥有选择。
Chamath Palihapitiya：所以，不能只把“谁训练出模型”当成竞赛终点，还要看谁能把它变成广泛的产品、公司和生产力。
David Sacks：美国的优势一直在于把技术扩散到整个经济，而不是只让发明者自己使用。开放模型可以让更多企业围绕自己的数据和行业知识建立产品；闭源模型则能在需要时提供非常强的通用能力。只要两种模式都继续进步，用户就会得到更好的选择，创新也不会集中在单一组织手里。 当创业公司下载并修改一个模型时，它可以把模型与自己的数据、流程和客户需求结合起来。这种组合会产生前沿实验室不一定会想到的应用。美国真正的优势，是让这些不同的想法迅速进入市场。 这也说明为什么不能简单地把开放模型当成某个国家的出口产品。软件一旦发布，就会被全世界的人下载、检查、分叉和改进。最终决定胜负的，是谁拥有最好的工程能力、最活跃的创业生态，以及最愿意采用新技术的社会。 开放模型还会促进竞争，因为企业不必等待某一家实验室决定下一步做什么。它们可以自行选择模型、部署方式和改进方向。 很多公司会同时使用几种模型：闭源模型适合最强的通用能力，开放模型适合定制、隐私和控制。市场不需要一个唯一答案，而需要足够多的选择，让不同企业都能找到适合自己的路径。
特朗普总统现场连线，谈“末日论骗局”
David Sacks：我希望下一代技术就这样发展下去。 [00:20:00]
Chamath Palihapitiya：没错。但为什么共产主义者现在能如此成功地传播他们的叙事？
David Sacks：首先，他们的叙事更务实。中国没有人说“这个会结束、那个会结束”，没有人说什么灾难或末日。他们更实用主义地看待 AI，把它视为推动经济和社会发展的技术，也没有那些宣称 AI 会终结文明的群体。
Brad Gerstner：他们更务实，把 AI 看成能推进经济和社会的技术，而不是文明末日。我们是在编造这些末日论。
David Sacks：让人沮丧的是，如果末日论是真的，我们就应该讨论它并采取行动。即使它是真的，我们花在解决问题上的时间也应该多于让一群无能为力的人担忧。把它建设好是我们的工作。
Chamath Palihapitiya：历史上有没有哪一次，竟然有这么多人如此坚决地说一件明显不真实的事情？ [00:21:00]
David Sacks：而且这些说法是可证明地不真实。它们没有科学或研究依据；凡是有科学和研究依据的东西，反而都证明它们不成立。
Chamath Palihapitiya：这是对前沿的恐惧。人类从未到过那里、从未见过它，所以会害怕它，也就很容易告诉所有人去害怕它。这也可能和人生经历有关。David，我举个例子。
David Sacks：我刚毕业时是一名工程师，那时我并不怎么打字，因为我是软件普及之前的第一代工程师。我们必须先建造计算机，才能让软件成为可能。你能想象吗？这一代每个进入工程领域的工程师都把时间花在打字上：公司给你一台笔记本电脑、一把椅子，你开始从早到晚不停打字。可是在打字之前，工程本来就存在。如今，世界仍有堆积如山的工程工作，但大部分不再需要打字。 打字之前也有忙碌的工程师。打字之后，我们会做很多伟大的工程。我说打字，其实指的是写代码。即便在 NVIDIA，软件工程师来找我时，我也会告诉他们：“你只是在打字。”我一直这样说，当然是开玩笑。我最喜欢的按键是 Backspace，因为最好的软件往往是最少的软件。我希望你们多用 Backspace。 我们来谈谈 NVIDIA。 [00:22:47]
Jason Calacanis：我们拆解一下 NVIDIA。所谓拆解，就是解释它的组成部分，因为其中有很多战略。我们从最底层开始……等等，这不是安排好的，但我们知道是谁来了。特朗普总统？
David Sacks：总统先生？我得告诉你，如果不是你打来电话，我现在正和“Besties”们站在台上：Sacks、Jason、Chamath，还有 David。我们坐在几千人面前，刚好正在谈到你。 [00:23:12]
Jensen Huang：Jensen 也在这里，大家都在这里。
David Sacks：总统先生，我们向你问好。你看穿了这一切，实在太棒了。事情很复杂，但你看穿了它，我们都非常感激。
Jensen Huang：你要不要跟现场观众打个招呼？Jason 想把你接到麦克风上。总统先生，你现在是在对全世界讲话。 [00:24:04]
Donald Trump：Jensen 能开发世界上最复杂、十年都没人能复制的计算机芯片，却搞不定怎么把我接到扬声器上。 我们必须记住这一点。现在我认为，AI 几乎成了一场阴谋，而最开心的是中国。很多州本来什么也得不到，却因为有人想来建设而受益。现在你看到他们要在芬兰建设，Google 想在芬兰建一个大型设施，我对此不高兴，因为他们没能拿到许可。我告诉你，这全是骗局。数据中心很好，它们让人和州变得富有，是未来 20 到 25 年的石油，比互联网更大，AI 也远不止于此。他们正好落入了那些不希望这件事发生的人手中，可能是政治人物，也可能是中国。我们不会让这种事发生。 这是一场骗局。机器人不会接管世界，那不会发生。我叔叔在 MIT 当了 41、42 年教授，可能是有史以来最优秀的教授之一，被认为是最聪明的人之一。Jensen 对这些都很了解。我多少继承了一点遗传优势，如果你相信赛马理论的话；我确实相信自己有遗传优势。这也解释了我为什么这么了解 AI。 我对 AI 还有常识。机器人不会接管世界，AI 也不会接管世界。这一切都是骗局。当然，我们还是要谨慎、稳妥地做事，但不能因此停止一个行业，再花十年研究怎样摧毁它。我完全支持你们。 我原本不知道你怎么看，但我猜我们想法一样。我们要保持领先。我常说，谁赢了，谁就赢得 AI；这项技术比互联网更大，我们绝不能让这种事情发生。数据中心也非常重要。有些社区以前正在衰败，现在有了数据中心，变成了非常富裕的社区。我们要确保美国每个行业、每家公司、每个州、每个人都能在 AI 竞赛中获胜。 [00:26:49]
Jensen Huang：每个行业、每家公司、每个州、每个人。 [00:27:09]
Donald Trump：我对此立场坚定，而且我拥有采取行动的职位。我们不会让那种事发生。我甚至不知道自己正在和谁通话，但我知道你们在那里。
Jensen Huang：你听到了吗？现场几千人在鼓掌。大家都知道你是站在我们这边的。
Donald Trump：我不需要听 Jensen 的话就知道，他做得非常出色，David 也做得非常出色。祝大家好运。我们会继续面向未来。这个国家从未像现在这样好，有 20 万亿美元的投资正在进入美国；相比之下，拜登执政四年带来的投资远远不到 1 万亿美元，而这 20 万亿美元是一年之内的事。 这个国家从未见过这样的局面，我们会让它继续下去。谢谢大家。 [00:28:11]
Jensen Huang：我稍后再给你回电话。谢谢总统先生。
Chamath Palihapitiya：这真是独一无二。我一开始还以为这是节目效果。你知道总统会打来吗？他会在任何时间给你打电话，对吧？上次他打来时，我们还在椭圆形办公室；我当时在欧洲睡觉，他让人把我叫醒，因为他问谁会来参加晚宴。
Donald Trump：我们会继续投资能源、数据中心和制造业，让各州都能参与这次增长。AI 不只是硅谷的事情，而是整个国家的事情；如果我们行动迅速，美国就能在下一阶段继续领先。
David Sacks：这也是为什么我们反对把 AI 描绘成必然会摧毁世界的故事。数据中心会带来能源、建设、就业和税收，曾经衰败的社区可能因此重新繁荣。真正需要做的是建设得负责任，和社区沟通，确保基础设施、能源和产业机会能够在美国更广泛地分配，而不是因为夸张的末日叙事就停止建设。
Donald Trump：我们必须保持谨慎，但谨慎不等于停止。这个行业会带来巨大的投资，也会让原本没有机会的州和社区得到机会。我们要做的是确保美国赢得这场竞赛，不让错误的叙事把建设、能源和就业机会拱手让给别人。 我们不能让那些不希望美国建设的人，或者希望中国领先的人，决定美国的未来。我们会继续建设，继续创造财富和就业，同时以合理的方式处理许可、能源和社区问题。 数据中心不是抽象的东西，它们意味着工人、工程师、建设项目、能源投资和地方收入。只要把事情做好，任何州都可以从这次转变中获得机会。我们会把这项产业留在美国，并让更多美国人参与其中。 我们要确保这种机会覆盖全国，而不是只停留在少数大城市。 我们会让每一个地区、每一个行业和每一家公司都能参与。AI 的规模非常大，谁能建设、谁能提供能源、谁能创造工作，都会得到机会。 这项产业会像过去的互联网一样改变很多事情，但规模可能更大。我们要保持领先，同时确保能源和基础设施跟得上。只要美国继续建设，新的公司、工作和财富就会出现。
AI 繁荣与 NVIDIA 的资本配置战略
Jensen Huang：我们可以确保公司受到控制，并且有好的测试。如果希望第三方来确认，也可以提供第三方评估，这和财务控制没有区别。大家知道，我们有审计师。审计师不需要像我们一样精通业务，只需要提出正确的问题。 拥有独立审计师或评估者是有好处的，而且应该有多个评估者和审计师，这样可以防止一家公司被某种立场或影响带偏。解决办法有很多。最重要的是，先把技术安全地建设出来，确保测试过程也是安全的。我完全承认正在建设的东西非同寻常；正因为这些公司非同寻常，我们才应该用非同寻常的标准要求它们。 [00:30:24]
Brad Gerstner：一年前，我们还没有认真看待开源；当时它落后两年，至少落后 18 个月。顺便说一句，大家都知道，和特朗普总统通电话时很难插话。 [00:31:07]
David Sacks：他可能会因为这句话给我打电话。不过我想告诉他，也想告诉大家：AI 正在创造大量工作。特朗普总统在本届政府开始时最想要的事情，就是在美国创造就业、让美国重新工业化。 他希望美国拥有足够能源来支撑下一次工业革命。没有能源，就没有工业增长。因此，他希望能源增长、就业增长和供应链重新工业化。现在这一切都正在发生：我们创造了比过去更多的工作岗位，包括软件工作。刚才我们还谈到，过去六个月有 4000 亿美元风险投资进入 AI 行业，这创造了大量工作，也产生了对算力和数据中心的巨大需求。 我还和得州州长 Abbott 谈过。他希望在美国建设数据中心时，整个行业能体谅小型社区，多倾听当地人的声音。 [00:32:31]
Jason Calacanis：如果拆开 NVIDIA 的组成部分，你们实际上已经成了 AI 的银行，为了让生态运转而在各个层面提供支持。你们通过 Cloverleaf 做土地、电力和机房，通过 BlackRock、Goldman 等机构建立融资能力。请讲讲你的资本配置战略。
Jensen Huang：为了让更广泛的生态参与者能够进入并承保下一阶段，需要做什么？我们正在创造一场新的工业革命，它的每个方面都是真实的。 [00:33:18]
David Sacks：这个新产业需要制造业。就像电力、互联网和现在的 AI 一样，我们可以为任何东西提供动力、找到任何东西；有了 AI，我们可以询问并了解任何东西，它能向我们解释。这就是未来。但要做到这一点，必须生产智能，所以这是一套生产流程。 这就是为什么基础设施必须建起来。基础设施建好后，还要考虑美国各地其他层面。这个产业不只是模型，也不只是芯片，更多是上层应用，更多是基础设施层：数据中心、建设、电力和发电，所有这些都包含在内。我会在整个生态中寻找瓶颈。如果某些地方正在建设优秀公司，或者供应链需要扩张，等我们准备部署算力时它们就能准备好——土地、电力和机房——那就是需要提前解决的约束。 这和观察上游供应链没有区别。因为 NVIDIA 规模很大，为了让我们成功，必须有大量公司支持我们：Corning、Lumentum、TSMC，当然还有存储器公司。我们早在这场革命和增长到来之前，就开始和这些公司合作。 [00:34:26]
Jensen Huang：这样增长才会发生。现在我在做下游布局。长期来看，一个计算周期的收益往往会沿着技术栈向上移动，最终到达应用层。 [00:35:23]
Jason Calacanis：在那里，企业可以在更长时间里获得超额收益。你们收购了 Hugging Face，现在似乎也在积极做服务业务。OpenRouter 这样的产品看起来很自然，像 Bedrock 这样的产品也显然可以有更好的实现。既然上游公司都在向下游走，而你们有最好的资产负债表、优秀的工程师和成熟的产品经验，你会不会想继续向上走，自己把这些产品做出来？
Jensen Huang：NVIDIA 之所以运行世界上的每一个模型，是因为我们希望整个生态成功。大约一年半前，我们唯一运行的还是 OpenAI；现在，Meta 的模型、Grok、Grokbot、Gemini 都在我们的平台上，Anthropic 也在扩展。越来越多的前沿 AI 模型和实验室都在 NVIDIA 上构建。 [00:36:10]
David Sacks：作为公司，我们更愿意帮助每个人成功，而不是从中切走一块。因此，我们会向上走到必要的程度，但尽可能保持在低位。没有 NVIDIA 创造 cuDNN，许多框架就不会存在；没有 Megatron Core，大规模训练也不会发生。我们发明所需的技术，然后让百花齐放。
Jason Calacanis：但在超大规模云这一层，拥有更多竞争者会很好。你们支持了新型云服务商，比如 Nebius，这非常棒，但我们需要 50 家、100 家，甚至 1000 家这样的公司。 [00:37:57]
Jensen Huang：我其实出奇地没有竞争意识。拥有五家超大规模云服务商，我就很满意。早期新型云服务商的客户其实就是超大规模云服务商，因为后者一年规划一次，而现在市场变化太快，年度规划总是容易错。 [00:38:16]
David Sacks：区域云服务商更加灵活，了解所在州、国家和地区，也能以西雅图或帕洛阿尔托的大公司难以做到的方式获得土地、电力和机房。现在我们拥有一个大规模分布式网络，由这些公司为 NVIDIA 建设并获得土地、电力和机房。许多国家也意识到这具有战略意义，开始把电力优先给本国公司。但 NVIDIA 在这些国家也存在，可以帮助当地新型云服务商成长。澳大利亚的 Firmus、东南亚的 IOH 等都在增加算力，我们正在建设更多吉瓦级能力。 我们的目标不是把生态里每一层都变成 NVIDIA 的产品，而是解决生态真正的瓶颈。只要必要，我们会向上建设；但当基础技术成熟后，就会把空间留给更多公司，让它们在应用、云服务和其他层面竞争。这样的资本配置既能支持 NVIDIA 的增长，也能让整个产业获得更大的规模。 过去我们提前和供应链合作，是因为计算需求一旦增长，土地、电力、存储、网络和制造能力都必须同时到位。若其中任何一环短缺，其他环节再强也无法部署。因此，我们会围绕这些约束投入，并帮助不同地区的公司建立能力。
Brad Gerstner：很明显，你正在向技术栈上游走，并且越来越专注于开源。你们的 Nemotron 表现非常好，我经常使用。 [00:39:53]
Jensen Huang：当我们投资土地、电力、机房或供应链时，目的不是简单地把资金放在那里，而是让下一轮计算周期能够发生。产业需要制造、能源、数据中心、网络、存储和应用共同成长。只要我们解决关键约束，更多公司就能进入这个市场，整个生态也会比任何单家公司都大得多。
Jason Calacanis：这也解释了为什么 NVIDIA 的资本配置看起来覆盖如此多的层面：不是要替代生态，而是确保生态能获得继续扩张所需的条件。
Jensen Huang：我们不能只看芯片本身。工厂、能源、冷却、网络、存储、软件框架和最终应用都必须同步发展。NVIDIA 的工作，是把这些关键技术和基础条件推进到足够成熟，让客户能够在其上建设，而不是把所有价值都留在我们自己手里。 这需要长期思考。两三年的变化在一个计算周期里只是瞬间，我们必须提前为下一个十年、再下一个十年准备供应链和基础设施。这样，当需求真正到来时，整个产业才不会因为某个单点约束而停下来。 因此，资本配置不是在预测某一家公司会不会成功，而是在建设一个能够容纳很多成功公司的系统。我们希望有更多云服务商、更多应用、更多模型和更多客户，因为 AI 的需求足够大，整个生态会一起成长。 这是一项长期工程，需要产业链上每一层都增加能力。 只要这些环节一起扩大，客户就能更快部署模型，应用也会更快出现。我们要做的是让整个系统更强，而不是只让某个环节看起来更大。 我们会继续和制造商、能源公司、云服务商以及客户合作。每一层都要扩大产能、提高效率，并且让新的参与者能够进入。这样 AI 才不会只是少数实验室的产品，而会成为整个经济的基础设施。
NVIDIA 的开源模型、Terafab 与中国芯片，以及超级智能
Brad Gerstner：你们收购了 Hugging Face、投资 Poolside 和 Lagun，这些产品都很扎实；你们还有用于自动驾驶的开源技术栈，也非常有颠覆性。你们已经在五个领域拥有前沿模型。你们似乎从不满足于银牌，总是要拿金牌。你们会不会做出毫无疑问最好的开源模型？开源模型能追上前沿模型吗？你是实现这一目标的人吗？ [00:40:18]
David Sacks：我们构建这些东西，一是因为我们有能力，二是因为客户需要。比如 Alpamayo 是世界上第一个具备思考能力的自动驾驶系统。所谓思考和推理，是指它不需要数十亿小时的道路数据，因为它可以进行推理。 它可以把问题拆开：“我以前见过类似情况，虽然不完全一样，但大体相同。”为什么需要 Alpamayo？因为每一辆车最终都会自动驾驶；除此之外，农业科技、卡车、货车都会自动化，而很多公司规模不够大，无法自行构建完整技术栈。我们为它们构建优秀的技术栈，它们只需针对自己的应用做最后一公里适配。未来一切移动的东西都可能自动化。 如果不是我们构建生物学模型，世界也不会拥有这些工具。ESM2 蛋白语言模型、ESMFold、OpenFold、AlphaFold 2，以及 cuEquivariance 等技术，都是我们构建的。我们还构建了用于合成下一代蛋白质和研究蛋白质结合的技术，那是突破性的工作。我们之所以构建它们，是因为 Lilly、Mark 以及其他客户需要，而他们还没有相应能力。 所以我们能作出真正的贡献。我做每件事都是出于需求，不是为了打乱别人的市场。 [00:42:15]
Chamath Palihapitiya：我们早上醒来并不是为了颠覆谁，而是为了帮助所有人。Jensen，你怎么看核心业务可能出现的竞争威胁？我们来直接谈谈 Elon 宣布的 1 亿平方英尺 TerraFab 工厂。
Jensen Huang：如果有人能做到，那就是他。我和他曾经一起乘飞机去某个国家。
Brad Gerstner：和一个有时会给你打电话的人一起。那架飞机很棒。
David Sacks：Elon 喜欢谈论这些事情，我们花了很多时间讨论它。 [00:43:02]
Brad Gerstner：这算竞争吗？任何人都可以做，但如果是他就有可能。你们设计芯片，却不自己制造；你们的芯片能在 TerraFab 制造吗？
Jensen Huang：因为我们在推动工艺技术的极限，而且规模巨大，所以对工艺技术很了解。公司内部有非常强的存储技术，也拥有世界上最优秀的制造合作伙伴。你不能阻止 Elon 做这件事；一旦他决定做某件事，就很难让他停下来。
Chamath Palihapitiya：你怎么看中国的先进光刻系统？
Jensen Huang：他们到 2030 年会做到。2030 年转眼就到了。对我来说，应该用几十年而不是两三年来思考问题。两三年只是一眨眼，所以从他们的角度看，他们已经在那里了。美国必须加速，我们要快速奔跑；放慢速度绝对是错误策略。 [00:44:12]
Brad Gerstner：我觉得行业里大多数人都感觉，我们已经处于 通用人工智能 时刻了。当然，通用人工智能 的定义是和人类一样聪明。根据你看到的客户和长期经验，超级智能是不是下一个目标？ 你觉得我们已经进入超级智能了吗？ [00:45:06]
David Sacks：如果限定在一个狭窄领域，比如我的自动驾驶汽车，我不需要它为我做煎蛋，我只需要它开车。那就是超级智能，而且它已经比人类更好。
Chamath Palihapitiya：事故率只有人类的十分之一。
David Sacks：没错。合成蛋白质、虚拟筛选蛋白质，我们也已经做到超级智能了。Jensen，你身处人类前沿，感觉开心吗？
Jensen Huang：我喜欢。 各位，我喜欢这里。未来很美好，我们想抵达那里。很多人其实不必工作，但我得说，这件事太精彩了，不参与实在可惜。我们都要一起抵达那里，作为人类共同取得巨大的成功。
David Sacks：与此同时，我们必须鼓励和推动这些人。他们正在做非常重要的工作。我也希望我们把戏剧性降下来。 [00:46:07]
Jensen Huang：最重要的是，我们需要让所有美国人都和我们一起前进。只有这样才能成功。谢谢大家。
David Sacks：这不仅适用于汽车。农业设备、卡车、货车以及各种移动设备都需要自动化能力。对于规模不足以独立训练模型的公司，提供一个开放而可靠的基础技术栈，再让它们针对自身业务完成适配，是最有效的方式。
Chamath Palihapitiya：谢谢你，Jensen。太棒了。
Jensen Huang：我们会继续把需要的基础技术做出来，再让更多公司、研究人员和客户在其上创造产品。未来属于所有参与其中的人。 这也是为什么我们愿意投入自动驾驶、生物学和其他领域。客户需要这些能力，而一旦基础技术被做出来，整个行业都能受益。 自动驾驶只是一个例子。我们还会在蛋白质、生物学和其他科学领域构建模型，因为这些领域需要推理、仿真和新的工具。基础模型和软件一旦开放给客户，更多人就可以在上面完成最后一公里的工作。