狮山巡礼
投资杂谈
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（Scaling Laws）、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。
01
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。
02
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（10万亿）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。
03
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（加上安全余量）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（99.9999%）绝对可用性的盲目追求。
我们需要构建能够优雅降级（gracefully degrade）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。
04
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（如NVLink-72），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（GW）级的庞大电力储备。
而在最容易卡脖子的内存（Memory）领域，黄仁勋透露，大约三年前，HBM（高带宽内存）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（LPDDR）改造并引入超算领域。
05
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（Scaling Laws），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、搜索等，会推动推理算力需求上升。
06
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。
07
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（Task），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（Purpose），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（令人宽慰）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（通用人工智能）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。
