目录
- 英伟达创立与第一次技术失败 [00:00:00 - 00:10:00]
- 第一性原理与深入学习 [00:10:00 - 00:20:00]
- 从大模型到自动驾驶与智能体 [00:20:00 - 00:30:00]
- 开源、社交媒体与创业韧性 [00:30:00 - 00:36:59]
英伟达创立与第一次技术失败
一凯：欢迎收听跨国串门计划,这是一档专注于让中文听众无障碍欣赏全球优质外语播客的节目。通过先进的AI声纹克隆技术,我们不仅将内容翻译成中文,还完美保留了原主持人和嘉宾的独特声音,为您呈现全球顶尖的AI财经,健康与科技领域精品内容。我是主播一凯,一位热衷于AI领域的产品经理,很荣幸能为您搭建这座跨越语言障碍的桥梁。接下来让我为您简单介绍本期我们克隆的这档节目，本期我们克隆的是知名创业孵化器Y Combinator旗下播客，在2026年7月的一期重磅对谈，主持人是YC总裁Gary Tan，嘉宾则是英伟达创始人兼CEO黄仁勋，两位都是科技圈极具影响力的核心人物，一位是孵化出无数独角兽的推手，另一位则是引领全球AI算力革命的掌舵人，这期节目主要围绕英伟达从创立之初选错技术方向的至暗时刻展开，聊到了创始人该如何面对现实，如何保持学习能力，以及那种能有多难的独特心态，那我们就一起来听听这期的完整对话。 [00:01:16]
Gary Tan：欢迎来到Startup School 2026，我们这就开始吧，请大家和我一起，欢迎英伟达创始人兼CEO黄仁勋上台，Hey, Gary, 大家好，天哪，这对我来说太不真实了，谢谢你，Janson，谢谢你能来，我很乐意来，能到这里真好，显然能坐在这里，就说明你们都会成功，所以我很高兴我来了，Janson对于那些，只知道英伟达是，AI核心公司的同学们来说，他们最需要了解，英伟达早期故事的哪一部分，大多数人都不相信，我们创办公司时，选择的技术方向，完全是错的。
Jensen Huang：我们当时的想法是，重新发明3D图形技术，公司的理念和视角是通用计算机，也就是CPU确实很有用，但如果我们能用加速器来增强它，就能解决那些原本太难解决的问题，我们最早选择的问题之一就是3D图形，那时候是1993年，传闻个人电脑时代就要来了，我们的大想法是，要把每一台个人电脑都变成游戏机，因为我们是在游戏机时代长大的，所以我们想能不能设计一个系统，装进个人电脑里，把它变成一台游戏机，我们觉得可以重新发明那种，需要大型超级计算机才能跑的算法，把它塞进PC里，我们想出了一些新算法，当时非常兴奋 深信不疑，也经过了深思熟虑的推演，然后我们就去创办公司，动手做了，结果那个算法完全错了，公司赖以成立的技术，也完全错了，我们在1995年意识到了这一点，那时候几乎已经太晚了，因为当时已经有大概35到40家公司，在做PC的3D图形了，我们意识到这条路走不通，我回到公司跟大家说，我们该怎么办，这行不通，我们都在讨论这件事，我说听着，如果我们不正视这条路走不通这个事实，不去朝着正确的算法努力，公司就没了，然后有人告诉我，结果我们当中，没人知道怎么做才是对的，我们不仅选错了技术，而且根本不知道怎么把它做对，那对我来说是重要的一天，我兜里揣着几百美元，去了Fresa书店买了三本教科书，这些书是关于OpenGL，以及如何设计OpenGL管线的，我把书带回公司，交给了工程师们，然后我们就走到了今天，我们重新发明了计算机图形学，是现代计算机图形学的世界领导者，过去25年里，这个领域大多数重大突破，都是我们发明的，所有人可能都以为，英伟达一开始，就是3D图形领域的世界领导者，但我们是靠教科书学会的，所以仔细想想，我们其实是先创办了公司，融了资，然后才去买教科书，对我来说，最大的教训是，技术一直在变，只要你能面对现实，只要你有学习能力，技术本身其实并不重要，从那以后，英伟达一直在发明各种各样的技术，很多都是我们以前从未做过的，我们对待所有事情都抱着同样的态度，如果这件事值得做，我们就去学，能有多难呢，结果总是比我们预想的要难得多得多，但你得抱着能有多难的心态去开始。 [00:04:28]
Gary Tan：我们在后台聊到，和一些顶尖的YC公司交流时，你说他们每家都在某个领域有专长，而你和英伟达在那个领域也有专长，我忘了你当时怎么说的，好像是某种算法领域，所以听起来，3D图形只是你们涉足的第一个算法领域，没错，而且它是从教科书里学来的，但问题是，那本教科书谁都可以读啊，粒子物理 流体力学，对，但你创造出了人们想要的东西，那种人们愿意花大价钱买的最终产品，公司那个非常准确的大想法是，我们可以增强CPU，去解决那些原本太难解决的问题。 [00:05:08]
Jensen Huang：分子动力学就是其中之一，图像处理也是，反向物理又是一个，各种各样的算法都是如此，当然深度学习是其中最重要的一个，为了打造今天的这家公司，我们很早就意识到，关键不是造出一块很棒的芯片，而是去加速一个算法领域，我一直相信成就伟大公司的，是你对世界有一套，自己深信不疑的独特视角，技术本身没那么重要，甚至市场也没那么重要，当然这些东西都很重要，如果你在对的时间，对的市场拥有了对的技术，你的日子会好过很多，但更重要的是，你要对某个重要事物的未来，有一个高层次的愿景，一个独特的视角，并且你对此深信不疑，理想情况下，追求这个愿景的难度要足够大，这些组合在一起就很好，就我们而言，我们意识到加速计算会变得很重要。 [00:06:00]
Gary Tan：而加速计算后来确实变得极其重要，我们的认知是，一切都与算法有关，而不是芯片，这一点也完全正确，你聊了不少创始人要吃的苦，有没有哪几件事让你印象特别深，在座各位都很想创业，但他们真的准备好吞玻璃，甚至可能要把公司关掉，事情搞砸了吗，有哪些关键时刻让你特别难忘，你刚去了日本，对吧，对，好像是去致敬世家。
Jensen Huang：我觉得那个故事特别有力量，让我们意识到自己选错了算法的项目，就是跟世家的合作，世家跟我们签了合同，要我们做土星之后那款游戏机，后来就是Dreamcast，有人知道Dreamcast吗，好，Dreamcast不是我们做的，本来应该是我们来做，但因为我们的算法和技术，有根本性的缺陷，我去了日本，跟当时的CEO入交，赵一郎说，他们给我们的合同，大概是1200万美元，我们没法履约，因为技术行不通，我跟他解释了原因，然后建议他找别人来做，但我又跟他说，很抱歉，我还是需要这笔钱，你可以想象那个对话，他问我，你的意思是，我委托你做的事，你做不了，但合同上的钱，你全想要，我说，你抓住了重点，完全正确，当然，我当时很客气，很谦逊，他看得出来我是诚实的，一切也都说得通，如果他不给我们这笔钱，我们就倒闭了，我觉得这种事在座各位也会遇到，你投的不是公司，你投的是人，入交先生看到的是，眼前这个人，这家公司，是他一开始就信任，才签了合同的，是他相信的，也是他希望能看到，活到明天的，那五百万美元让我们活了下来，给了我足够的时间去搞清楚，接下来该做什么，而且我听说。 [00:07:47]
Gary Tan：他们后来把那笔股权卖了1500万美元，对 我们一上市他们就卖了，英伟达上市的时候估值是3亿美元，1999年的3亿美元，那是真金白银，现在市值应该超过1万亿美元了吧，不止 对，是啊 太疯狂了，你算是核心人物，我们喜欢说你是掌控香料的人，在那之前，我觉得没人能真正预料到GPU和你打造的技术，对这场AI革命会这么重要，你当时看到了什么，是加速器正好赶上了对的时机吗，还是说能抓住这个位置，背后肯定有很多铺垫，对 我看到了Alex，就跟所有人一样，但要记住。 [00:08:25]
Jensen Huang：我们看世界的视角，我的视角永远是在找算法，那个算法可以是NAMD，可以是VASP，可以是OpenGL，可以是SEQ，某种领域专用语言，某种算法，所以我一直在用这种视角，去找那些我们也许能帮忙解决的问题，Alex出来的时候，那个算法就是深度学习，那问题就来了，这个算法是什么，它为什么重要，为什么这么有效，它还能做什么，如果你把算法规模再放大，它能解决哪些，今天解决不了的问题，对我们来说真正的突破，是意识到AlexNet，不只是AlexNet，AlexNet代表的是一种，用深度学习，去学习任意函数的方法，15年前我就到处跟人说，嘿，我们刚刚学会了，通用函数逼近器，我们发现了通用函数逼近器，我们可以给它，几乎任何函数的答案，它就能学会那个函数是什么，而对很多函数来说，你不需要精确，实际上也不可能精确，大多数有意思的问题，恰恰都是这种不精确的，所以当我们意识到，手里有了一个通用函数逼近器，接下来的问题就是，这对计算站意味着什么，对软件意味着什么，这会冲击哪些行业，等等等等，我们几乎立刻就开始了，计算机视觉的研究，几乎立刻就开始了，机器人自动驾驶的研究，因为这项基础能力，你可以想象，能在计算机视觉和机器人领域，解决一些重要问题，所以我觉得最大的突破很简单，就是认识到这比AlexNet要底层的多，这是一种做软件的新方式，它对处理器 中间件 算法 应用，我现在管这叫五层蛋糕。 [00:10:00]
第一性原理与深入学习
Jensen Huang：对整个产业技术战的影响，我大概15年前就想象过，要全部重做一遍，这其实就是不断提问，用第一性原理去推理，问自己，如果这个成立，那会怎样，如果这个还能变强，那又意味着什么，对你观察到的，真正有冲击力的事情，去问那些最基本的问题。
Gary Tan：我特别注意到的一点是，你会深入到多细的程度，读论文，直接跟提出这些想法的，首席科学家聊，对台下的各位，有什么建议吗，这其实就是，真正的创始人模式，但同时，你又有整个组织，有高管，有人会跟你说，这是图表，我们想按这个图表走，有时候这会惹人不高兴，关于组织，以及你具体是怎么处理这些的，你有什么建议吗，你是怎么打造一个，能让你用第一性原理思考的组织的，因为如果财富500强都这么做，他们看起来会更像英伟达，而不是现在这样，但你打造了一家非常独特的公司。 [00:11:00]
Jensen Huang：我的心态出发点永远是好奇心，我自己就有一大堆问题，当然跟所有人一样，我也会找最短的路径，去得到答案，但很多时候，身边人给的答案，可能没法让我满意，我可能还有别的问题，也许他们正忙着，做别的事，在钻研某个方向，所以我第一反应是，自己去寻找答案，满足自己的好奇心，第二，如果我发现这些信息，这个知识领域，对某个人，对公司可能很重要，那我下一步就会想，我怎么才能尽可能，多地去学，这样我就能服务公司，分享给其他人，这跟你分享知识，没什么不同，我看你的播客和视频，真的很喜欢，你是在跟大家分享想法，在很多方面，我觉得CEO是在服务公司，服务所有在那里工作的人，你是想用一些洞察去赋能他们，这才是真正的出发点，与其说这是管理技巧，不如说是个性使然，我想赋能你，这是我刚观察到的很重要的事，让我告诉你它为什么这么重要，至于要贴近一线，深入细节，部分原因在于，技术往往很复杂，或者变化极快，尤其当它变化快的时候，就像我们这行，除非你对正在发生的事，有切身的体感，否则你可能会觉得，它变得太快，根本没法理解，但如果你长期下来，理解了它的第一性原理，那一切就都说得通了，我想这有点像冲浪，我不会冲浪，但我能想象，大概就像冲浪，你站到浪上，在我看来，那就是一片混乱，但对冲浪者来说，他们就是能驾驭，对吧，他们能读懂海浪，知道怎么待在浪尖上，我觉得做CEO跟这非常像，你得学会怎么冲浪，要学会冲浪，你就得理解海浪，得会看风，还得把握好时机，你不亲自去试去做，就不可能掌握这些，所以一部分是为了让我自己了解情况，一部分是试着把问题拆解开来，让公司能学会，并据此采取行动，还有一部分是为了激励其他人，这其实跟在座各位身上的那些基本特质，都一样，你当了CEO，不必改变自己的性格，或行为方式，你完全可以继续做自己，我很早以前就明白一件事，我也不记得是在哪看到的，就是CEO或创始人，你是在造一辆，你要亲自去比赛的车，你要造一辆F1赛车，但得造得让你自己能开，你应该让车来适应你，我记得有人问过我说，Jason，如果你不用传统的管理技巧，和组织方法，那你离开公司以后怎么办，我跟他们说，等哪天我在工作岗位上挂了，他们就得为下一任CEO，重塑这家公司，这话之所以有道理，是因为我们就是F1车手，我们是赛车手，这个世界竞争非常激烈，我们得保持状态，我们得赢，我们得完成自己的使命，所以不管需要做什么，来让车适应你，让组织适应你，那就是你该做的，至于下一任CEO，不管他是什么风格，他自己会想办法的。 [00:14:02]
Gary Tan：太棒了，确实，对车做的任何改动，只要不适合你，好像都只会让你慢下来，输掉比赛，对或者说，我们一直在不断调整车子，来满足我们的需求。
Jensen Huang：我其实一直都在做这件事，我一直在不断调整公司，不断重塑业务流程和做事的方式，这样我才能更有效的为公司服务，真正的创始人模式，对创始人模式。
Gary Tan：创始人模式可以持续34年，没错，从零做到5万亿美元，没有证据表明不行，我想换个话题，你现在最感兴趣的前沿算法是什么，我很喜欢你这种，从材料科学一路深入到应用层的视角，你是第一个在台上讲open cloud，现在又讲permiss agent，能不能带我们走一遍你的一天，讲讲你怎么看待这些不同阶段，从材料到芯片到数据中心再到应用层，比如人们未来怎么工作，这种全站AI工厂的概念，这可能是未来最有用的技能之一，其实光听你聊技术，和你用技术的方式，最重要的一点就是系统理解，系统意识，系统设计。 [00:15:09]
Jensen Huang：系统组织，归根结底是系统思维，原因在于，大部分底层工作以后，都会由agent来完成，都会被自动化掉，在我这一代，我们要编译芯片，综合晶体管，逻辑门和功能模块，现在这些全都自动综合了，所以我们大部分设计师，都是系统设计师，软件这边也一样，大部分软件将来都会由agent来写，所以你必须更擅长抽象的思考系统，你要解决什么问题，约束条件是什么，输入在哪，输出在哪，信息从哪里来，信息流入和流出系统的速率是多少，瓶颈在哪，是处理器，内存还是网络，在足够技术的层面理解这些系统问题，对在座各位都会非常有帮助，我不认为这种基础知识会过时，反而会越来越有用，所以我也在尽我所能去理解系统，说到agent，其实我们现在已经有了一种，粗利度的地规式自我改进，每次你用它，它都会改进那些markdown文件，每次你用它，它都会更新长期记忆，这些长期记忆会被处理，要么压缩，要么转成知识图谱，诸如此类，它在一步地持续不断地改进，所以agent每用一次就变得更聪明一点，但问题在于，这也是我觉得值得大家一起去解决的一个问题，我们怎么才能做到非常非常精细的控制，以前没有reg，没有条件输入的时候，直接把提示词灌进去，得到输出，力度太粗了，现在我们可以施加条件，可以控制agent，一直精细到这种程度，当它生成一个方案时，我改方案文件里的一个词，这一个词就能带来一个增量变化，不是天翻地覆的变化，而是一个具体的差异，可能是一个像素，可能是一个三角形，可能是CAD文件里的一个组件，可能是一层一个过孔，一条连线，然后再重新生成其他所有东西，我觉得这种控制力，这种与agent的协作的方式，会是颠覆性的，我们不需要agent做到100%准确，100%高质量才能用，它完全可以做到80%，剩下的我们帮它补上，或者它做到99%，我们再帮它补上最后一点，所以我觉得可控性。 [00:17:20]
Gary Tan：可能是agent在各个层面，都需要的最重要的一项突破，你觉得人们会不会，我的意思是有了Hermes或OpenCloud，这感觉可能有点根本性，就是人们应该掌控自己的个人通用人工智能，不应该把它外包出去，让它只是跑在云端，变成别人的agent来告诉你该做什么，你肯定希望它是你自己的，对，这是NVIDIA这么深度参与背后的一个动力吗。
Jensen Huang：我觉得首先我得去理解agent，因为agent就是新一代的软件，而这种新软件怎么被处理，对计算机架构来说至关重要，我们对Agent的本质，它跟聊天机器人有什么不同，聊天机器人又跟最早期的推理不一样，对这些处理层的本质理解的越深，就越能设计出更好的系统，我们差不多得活在未来5到10年里，因为光是造一套系统就要3年左右，再花一两年把产能拉起来，你还希望这套系统能让人家用上10年里，所以你得提前活在未来里，对我们来说Agent的系统，从低性原理来看，就是搞清楚工作负载是什么，算法是什么，它会怎么演进，瓶颈在哪里，阿姆达尔定律的问题会出在哪，它怎么扩展，并发会变成什么样，你怎么处理沙箱，怎么处理MCP，怎么处理工作记忆，长期记忆，你怎么让所有这些自主系统，异步系统，一直跑着什么样的设计架构，对这种事最合理，这些我们都得去摸索，去发现，当然第二件事就是，我们自己也想用agent，让英伟达跑得更快，Boris就在后面，我们在英伟达内部，到处都有cloud code，在沙箱里自主运行，效果真的非常好，有人用codex，有人用cloud code，有人用cursor，有人用cognition，我们基本上是百花齐放，让大家自己选想用的工具，然后我们从所有这些使用中学习，所以第二部分就是，帮公司跑得更快，用上这些工具，他们用得越多，就越能学会怎么让它在未来更好用，最后一部分是去发现未来的解决方案，未来的技术，也许当我们看到斯坦福最早那版思维链出来的时候，这大概已经是十年前的事了，也可能是八年前，问题是它在推理上能有多有效，可扩展性会怎么样，比如对计算机视觉会有什么影响，如果我们能从鲜艳知识出发去推理呢，然后当然最大的突破就在于，光是琢磨这么一个小领域，你就会意识到，也许我们不需要那么多数据，来训练自动驾驶汽车，这直接催生了我们去做Alpamayo，世界上第一款会思考的自动驾驶汽车，只用了大概一百万英里，几百万英里的数据。 [00:20:00]
从大模型到自动驾驶与智能体
Jensen Huang：几百万英里的数据，它就已经是一辆非常棒的自动驾驶汽车了，原因就在于它有点像我们人类，对吧，我们不需要开那么多里程，就能在人生大部分时间里开得相当好，原因是我们有来自语言模型的鲜艳知识，能把一个从没见过的情况拆解开，用我们已经理解非常熟悉的东西，重新组合起来，所以这就是一个例子，先看到某个东西，过一段时间才真正意识到它的影响，当agent系统出现的时候，非常非常清楚，一个大语言模型显然需要记忆，需要鲜艳知识，需要工具，需要跟其他agent联网的方式，所以一旦你看到一些早期迹象，并且能对未来说出个道理来，就能帮你跃进到未来，我感觉我开始在英伟达身上。
Gary Tan：看到一种模式，就是你们看到一个难题，出现一种新算法，有什么新东西在发生，然后你们就直接带着开源方案出现了，我记得OpenCore刚出来的时候，大家都说它不安全，但你们紧跟着，就推出了一个沙箱工具包，能把任何Harness都包起来，让它变安全，我看到OpenCore的时候，第一反应是，我先去了解了一下这个东西。 [00:21:15]
Jensen Huang：然后不用太多想象，你马上就会意识到，我们刚刚设计出来的，其实就是一台现代计算机，这就是将来承载大语言模型的操作系统，而且在很多方面，OpenCore对我来说，很像当年Linux出现的那个时刻，现在每个人都能构建自己的AI了，我当时特别兴奋，就联系了Peter，跟他说，英伟达所有的工程师，都是你的工程师，我就是这么跟Peter说的，你家门口停着一艘战舰，你想怎么拆解问题都行，你想让我们怎么贡献，我们就怎么贡献，对Premise团队也是一样，我对他们正在做的事情非常激动，我真的认为，这个世界需要让每个人都有能力，去构建自己的AI，当然你可以，我也鼓励大家，尽可能多的使用云服务，每个人都应该用ChatTBT，用Cloud，对吧，这些都应该用，但是如果你需要构建自己的AI，因为你是一家公司，你需要构建自己领域专用的AI，那么现在你有Hermes，有OpenCore，还有各种各样的工具，有Linechain，DeepAgent，有所有这些不同的方式，去构建你自己的AI，而且说实话，这相对容易，因为软件本身很聪明，AI很聪明，所以它必须聪明到，让你能轻松地去适配它，所以我们想鼓励每一个人，每一家公司都去构建自己的AI，而且谁知道开源这件事，会带来什么样的创新呢，我觉得所有的超额收益，都在于构建你自己的AI。 [00:22:49]
Gary Tan：如果别人都在用现成的东西，而你有一个能递归自我改进的东西，那就不一样了，大家对Markdown文件的态度很轻率，他们会说，哈哈那不就是文本吗，但文本就是智能，我们已经处在一个不同的，语言就是思想，对，没错，语言就是思想，对，而且事实证明你可以，你事实不用语言去思考，对 说得没错，好 我们换个话题，很多人一旦动了他们的奶酪，就会有点担心，智能即将变得像自来水一样，这真的很棒，我觉得这对在座的每一个人都是好事，你认为经济会发生什么变化，从更宏观的角度看。 [00:23:26]
Jensen Huang：你觉得会发生什么，显然我要说的会是不均衡的，有些我们会自动化掉一些任务，我们会自动化认知任务，如果那个任务是有人打个电话，通过电话跟你说一堆话，而你的工作就是给出一个回复，并且如果所有信息都触手可及，因为你这里有全部的数据库，你应该能够完整地回答那个问题，在这种情况下，那个任务就会被自动化掉，对吧，先不谈这个，不是说我们忽略这一点，但我的意思是，我要回答的是，关于巨大机遇的问题，很多任务会被自动化掉，很多工作，每一份工作都会改变，同时也会出现一大堆新的工作，这一点我想我们都知道，归根结底是这样，证据会表明，而且这也完全说得通，AI和自动化正在到处创造就业，那种AI会摧毁工作的说法，完全是反过来的，AI消除的是任务，把任务自动化了，但它不一定会消除工作，原因在于一个人的工作有一个目的，而这个目的包含很多任务，其中一些任务可以被自动化，但很多任务不能，所以证据表明，你看现在我们自动化了编程这个任务，但软件工程师这个工作，似乎还在增长，对吧，软件工程师的岗位数量，年同比增长了10%，阅读放射影像的任务，已经被自动化了，但放射科医生的岗位数量，在过去几年里，反而增加了大约20%，尽管AI已经接管了整个领域，原因在于，积压的病人数量非常庞大，现在医生和医院，可以接收更多的病人了，而要接收更多病人，你就需要更多的护士，更多的放射科医生，软件行业也是一样，我们积压的想法，积压的雄心和抱负是如此之多，以至于如果我们能把编程这个任务自动化掉，我们就能雇用更多的软件工程师去做更多的事情，我们就能更有雄心，其他领域也是一样，人们说Harvey会消灭所有的律师助理岗位，律师的数量会减少，结果律师助理的岗位在疯狂增长，原因在于积压的诉讼案件非常多，现在这些律所能处理更多的案子，要做到这一点，你就必须雇用更多的人，所以这是一个非常经典的，生产力促进增长的例子，增长又会驱动更多的就业，这就是为什么现在的就业岗位，比我刚毕业那会儿要多得多的原因。 [00:25:51]
Gary Tan：我们聊了很多关于软件和agent的话题，英伟达另一个非常令人兴奋，并且走得很前沿的领域，是实体机器人，这有多远，我记得你过去甚至说过，可能就在今年，关于我们什么时候，能期待实用的机器人技术，最新的想法是什么，对，我看到我们能生成视频的那一刻，对我来说是个非常重要的时刻，我们最早做了自回归渐进式。 [00:26:16]
Jensen Huang：GAN的工作，也最早做了条件GAN的工作，在大家看到第一批视频生成出来之前好几年，我们实验室里就已经在跑一个，完全由视频生成，完全由神经网络计算出来的模拟器了，所以当我看到我们能生成关节动作的时候，如果我能生成一根手指在动的视频，能生成一只手拿起杯子的视频，那我为什么不能让机器人也做同样的事，所以看到生成式AI出现的那一刻，我就意识到机器人关节动作已经近在眼前了，接下来的问题是，机器人要怎么理解，怎么生成符合物理定律的动作，他怎么理解因果关系，怎么理解摩擦张力，怎么理解物理定律，这就让我们踏上了，创造我们现在所说的物理AI的旅程，现在大家都叫它物理AI，在物理AI上，我们开始做世界基础模型，就是一个能理解物理定律，理解世界怎么运转的AI，然后我们就踏上了，做机器人的这条路，要我说，机器人的ChatTPT时刻，其实几年前就已经来了，哇，原因在于，你回想一下ChatTPT，刚出来的时候，它做不了任何有产出的事，也做不了任何有用的事，但它打开了，我们对可能性的想象，要我说，几年前，机器人能走来走去，我们能做强化学习，针对物理世界做微调，让它扎根在物理规律里，这些其实几年前就已经实现了，那现在我们需要做什么，我们需要做所有现在正在为agent系统做的事，我们要给他们创造学习的环境，评估的环境，用来做评估对比的环境，所以我们要做真实到模拟来创造环境，我们要生成基于模拟的模拟器，既要有基于物理的模拟，也要有生成式物理模拟，所以ISAC,SIM,Cosmos，还有我们在那个领域做的所有工作，都跟模拟有关，最后一步是模拟到真实，这一步跟强化学习有关，跟扎根物理规律有关，跟扎根机器人需要的所有机电系统有关，我觉得这三套基础系统，构建起了机器人领域的评估体系，或者说后训练体系，我觉得我们很快就能看到了，太棒了。 [00:28:30]
Gary Tan：物理AI最先会在哪里真正产生经济价值，你已经看到了吗，我们当时推测机器人会发展起来，然后判断机器人的第一个应用，既要市场足够大，技术又相对标准化。
Jensen Huang：这样我们才能规模化，让飞轮转起来，同时还要有真正的经济价值，那就是自动驾驶汽车，所以在vamo里面，有我们英伟达的芯片，在特斯拉我们以前在车里，现在我们在数据中心里，梅赛德斯奔驰我们在数据中心里，也在车里，我们是软件站，我们做了OPPIO，并且把它开源了，我们开源自动驾驶汽车技术站的原因是，农业需要它，邮件配送需要它，仓库自主移动机器人也需要它，自主导航可以应用的方式太多了，这些市场没有一个能单独大到，像自动驾驶汽车市场那样，而且我们认为它足够多样化，所以我们为它打造了整个技术站，我们现在跟各种不同领域的，自动驾驶车辆合作，我们的机器人业务，自动驾驶汽车业务，基本上就是物理AI业务，规模大概已经接近100亿美元了，所以它已经非常非常大了，这个行业很可能会成为，世界上最大的产业之一，它需要的时间会比两三年更长，但会在十年以内，这会是我们下一个千亿美元级别的业务，太棒了。 [00:29:46]
Gary Tan：我想花一点时间，我觉得在座各位是最合适的观众，也许我们可以借这个场合，欢迎Jensen来到X，欢迎来到X，我看到你发了第一条帖子，感谢你的引领。 [00:30:00]
Jensen Huang：你看这恰恰说明我有多内向。
开源、社交媒体与创业韧性
Jensen Huang：你看这恰恰说明我有多内向，我居然到2026年，才在X上发了第一条帖子，我大概是地球上，最后一个这么做的人了，但我发的那条内容，对我太重要了，对这个行业太重要了。
Gary Tan：对世界也太重要了，所以我就克服了自己的害羞，在X上发了第一条东西，不 感谢你的引领开源，开放权重 开源模型，对我们这个房间里，所有人想做的事，我们想创建创业公司来说。
Jensen Huang：真的极其重要，如果没有开源，移动云行业根本不会出现，如果没有Linux，没有Kubernetes，没有所有这些平台，没有TensorFlow，或者更重要的PyTorch，对吧，还有Cafe的早期版本Torch，所有这些Ciano，你还记得那些早期版本吗，那些全都是开源的，如果没有这一切，我们怎么可能有现代AI，谢谢你的领导力。
Gary Tan：你的声音在这里真的非常重要，谢谢你，在结束之前，我觉得我对你的故事特别有共鸣，我想在座的每一位，都很想听听你一路走来的智慧，我想问的是，一个年轻人现在应该学什么，考虑到你看到的所有这些变化，所有那些即将在社会中扎根的算法，根据你的观察，一个年轻人现在学什么，将来依然会有价值。 [00:31:18]
Jensen Huang：我今天看到的一些东西，还有今天遇到的一些创业者，真的非常非常令人鼓舞，最大的收获当然是，简单的事情会被自动化掉，我说的简单的事情指的是软件，比如编程，那种你坐在电脑前，通过实际写代码来解决问题的概念，显然会被自动化掉，在我这一代人成长的时候，我们还得学长处罚，天哪，现在谁还需要学长处罚，那已经被代码被自动化取代了，所以我认为简单的事情会被自动化掉，但是那些困难的问题，硬科学 物理 化学 生物，还有计算机科学 计算机工程 系统思维，特别是那些交叉领域，这些困难的问题永远不会消失，所以AI只是一个非常棒的工具，它帮助我们变得更有雄心，更没有耐心，去解决那些规模巨大，极其困难的问题，如果你看看我这一代人，我刚毕业那会儿，一个芯片设计师设计的芯片，可能只有1000个晶体管，那就算是非常大的芯片了，现在设计一个拥有万亿晶体管的芯片，如果有人告诉我，Jason 我们下一个芯片是万亿晶体管的，我会说，好的 没问题，这不算什么，原因在于我们现在，非常有雄心问题的规模，任务的规模，已经不再是障碍了，所以你不用担心，需要写多少代码，需要多少工程师，你不再需要考虑这些事情了，你只需要考虑，你要解决的是什么问题，所以我认为，那些深度的技术，深度的科学，理解技术，与社会问题的交叉点，理解市场的缺口和机会，所有这些都依然存在，而且你越擅长系统思维，就越能协调数百万个agent，自主地解决问题，你的处境就会越好，这就是为什么，系统思维会变得如此重要。 [00:33:02]
Gary Tan：但除此之外，我认为这个世界，依然会给我们很多巨大的挑战去解决，还是像以前一样去上学吧，留在学校里，留在学校里，我通常喜欢这样结尾，你看着台下的人群，有很多人我在开场时说过，我真心觉得台下的人，和我们本质上没什么不同，我们只是懂技术，并且热爱系统，怎么说呢，谢谢，你会给这个房间里的人什么建议，你在这个房间里看到了自己的影子，我很好奇你会说什么，如果你能发一封电报，给18到22岁时的自己留个言，你会说什么。
Jensen Huang：我可以确切地告诉你，英伟达刚成立，我们三个人刚开始创业时，我的感受是什么，我当时的感觉是，有太多东西需要我去了解，太多东西需要我去学习，而我对此一无所知，我之前跟你说过，那时候没有YouTube，没有Y Combinator，没人教你如何创办一家公司，所以我去书店买了一本书，书名是《如何创办一家公司》，不幸的是，那本书大概有500页，我当时想，等我看完这本书，公司估计都倒闭了，我和Lori的钱也花光了，所以读它也没什么意义，但我记得非常非常清楚的一件事是，我当时对去融资感到多么害怕，因为我觉得我要去跟一群人谈话，而我根本不知道怎么回答他们的问题，事实也确实如此，甚至到今天，我也不太知道怎么回答他们的问题，但我学到的是，所有这些事情到头来都不重要，你总会有不懂的事情，每一天世界都在变，技术都在变，显然现在是过去60年里，创办公司最好的时机，整个行业都变了，从技术的角度来看，这是一次彻底的重新洗牌，人类历史上最重要的技术，计算机已经被彻底重置了，所以这绝对是创办公司最好的时机，我嫉妒你们所有人，嫉妒你们面前的机会，这将会非常不可思议，所以一方面这是最完美的时机，另一方面技术的变化又如此之快，所以问题是，对你来说什么才是对的感受，我之前跟你们讲过，我跑去买了另一本书，那本教科书，我觉得我现在面对所有新体验，新技术，新市场，新动态时的心态和感受，就是看着它，然后告诉自己，这事很重要，我得去学，我得去做点什么，而且越快开始越好，能有多难呢，我老是有这种感觉，能有多难，说实话，它比你想象的要难得多，但你不能让自己的心思停在那边，你得让自己想着能有多难，然后让那些苦头一点一点地来找你，别去想象它会有多难，然后让这些想法全变成焦虑，最后什么都不做，你得在心里想能有多难，反正我有一堆AI agent帮我，所以能有多难呢，然后你就开始动手去做，这大概就是创业者的态度，一路上你肯定要学一大堆东西，你相信自己有能力学会，学习可是最厉害的超能力，如果你抱着能有多难的态度去做，想着别人能做到我也能做到，然后只要意识到这事确实会很难，你只需要有韧性，每天克服当天的困难就行，你不需要一天就把整个人生搞定，你只需要搞定那个早晨，搞定今天就今天，所以没什么大不了的，熬过今天就行，对吧，朝着明天努力，继续追逐你的梦想，至于其他的，只要你坚持的足够久，英伟达就发生了，所以如果有什么智慧可以分享，我觉得韧性可能是最重要的一件事，如果你相信一件事就放手去做，别让恐惧 焦虑 缺乏自信，或者别的什么念头，阻止你去追求它，你只需要告诉自己。 [00:36:53]
Gary Tan：我会一路学过去，各位 黄仁勋，好了 谢谢大家，非常感谢，谢谢大家。