来源： Lex Fridman Podcast | 黄仁勋（Jensen Huang，NVIDIA创始人兼CEO） | 2026年3月23日 分类： 其他 原文发表： Mar 23, 2026 纪要生成： 2026-04-20
黄仁勋是NVIDIA创始人兼CEO，被视为推动全球AI革命的核心人物之一，主导了CUDA生态、GPU算力架构等多项颠覆性创新，带领NVIDIA成为当前全球市值最高的科技公司之一。本次访谈是近年黄仁勋公开发言中信息密度最高的内容之一，系统覆盖了NVIDIA的全栈协同设计战略、企业管理哲学、AI行业未来趋势，也回应了供应链、中国市场、AGI、职业焦虑等大众关注的热点问题，对理解全球AI产业发展逻辑具有极高参考价值。
本节重点 - 本次访谈为Lex Fridman播客第494期，嘉宾为NVIDIA CEO黄仁勋 - 访谈覆盖技术战略、企业管理、行业趋势、个人哲学等多维度话题 - 字幕为人工生成，可能存在误差
详细精要
💬 精华片段（中文）
接下来的对话嘉宾是黄仁勋，NVIDIA的CEO——NVIDIA是人类文明历史上最重要、最具影响力的公司之一，是驱动AI革命的引擎，其成功很大程度上直接归功于黄仁勋的强大意志，以及他作为领导者、工程师、创新者做出的诸多卓越押注与决策。
"The following is a conversation with Jensen Huang, CEO of NVIDIA, one of the most important and influential companies in the history of human civilization. NVIDIA is the engine powering the AI revolution, and a lot of its success can be directly attributed to Jensen’s sheer force of will and his many brilliant bets and decisions as a leader, engineer, and innovator."
本节重点 - NVIDIA的竞争核心已从单GPU设计转向全栈极端协同设计 - 协同设计的核心目标是实现算力的超线性增长，突破阿姆达尔定律限制 - 摩尔定律与登纳德缩放放缓是推动全栈设计的核心背景
详细精要
💬 精华片段（中文）
极端协同设计之所以必要，是因为当前的问题已经无法塞进单台计算机、由单个GPU加速了。你要解决的问题是，算力提升速度要超过你新增的计算机数量：你加了1万台计算机，但你希望算力能提升100万倍。
"The reason why extreme co-design is necessary is because the problem no longer fits inside one computer to be accelerated by one GPU. The problem that you’re trying to solve is you would like to go faster than the number of computers that you add. So you added 10,000 computers, but you would like it to go a million times faster."
本节重点 - NVIDIA的组织架构围绕产品需求设计，而非通用的企业模板 - 将CUDA植入GeForce是NVIDIA历史上最接近生死存亡的战略决策 - 战略落地核心是渐进式共识塑造，而非突然的顶层命令
详细精要
💬 精华片段（中文）
安装基盘定义了一个架构，其他一切都是次要的。
"Install base defines an architecture. Not… Everything else is secondary, okay?"
本节重点 - AI存在四大缩放定律，分别为预训练缩放、后训练缩放、测试时间缩放、智能体缩放 - 合成数据将突破预训练的数据瓶颈，未来算力将成为AI能力的核心约束 - 推理的算力需求远高于预训练，智能体缩放将进一步放大算力需求
详细精要
💬 精华片段（中文）
推理就是思考，我认为思考是很难的，思考比阅读难得多。
"You know, pre-training is just memorization and generalization, you know, and looking for patterns in relationships. You’re reading and reading, versus thinking, reasoning, solving problems, taking unexplored experiences, new experiences, and breaking it down into… Decomposing it into, you know, solvable pieces that we then go off, either through first principle reasoning, or, you know, through previous examples, prior experiences."
本节重点 - 电力是AI缩放的核心阻碍之一，NVIDIA正通过极端协同设计每年将单位算力的能耗降低一个数量级 - 过去10年NVIDIA的算力提升了100万倍，远高于摩尔定律的100倍提升 - 虽然硬件价格在上涨，但单位token的生成成本每年下降一个数量级
详细精要
💬 精华片段（中文）
我们的计算机价格在上涨，但我们的token生成效率提升得快得多，因此token成本正在下降，每年都会下降一个数量级。
"You know, our computer price is going up, but our token generation effectiveness is going up so much faster that token cost is coming down. It’s just coming down an order of magnitude every year."
本节重点 - NVIDIA的增长速度是历史上所有公司中最快的，且还在加速，供应链是核心支撑 - 黄仁勋会提前向全供应链传递未来需求，帮助上下游合作伙伴制定投资决策 - NVIDIA当前一个Vera Rubin机架包含130万个组件，涉及200多家供应商
详细精要
💬 精华片段（中文）
历史上没有任何一家公司能在我们这样的增长规模下还在加速增长，这太不可思议了，大多数人甚至无法理解这一点。
"No company in history has ever grown at a scale that we’re growing while accelerating that growth. It’s incredible. And it’s hard for people to even understand this."
本节重点 - 黄仁勋提前3年说服内存厂商投入HBM产能，当前HBM已经成为数据中心的主流内存 - 黄仁勋还推动了原本用于手机的LPDDR内存适配到数据中心超算中 - 当前三大内存厂商都因为相关布局获得了历史最高营收
详细精要
💬 精华片段（中文）
3年前我就说服了几家内存厂商的CEO，尽管当时HBM内存的应用非常少，几乎只有超算在用，但未来它会成为数据中心的主流内存。一开始听起来很荒谬，但几位CEO相信了我，决定投资建设HBM产能。
"About three years ago, I was able to convince several of the CEOs that even though at the time HBM memory was used quite scarcely, and barely by supercomputers, that this was going to be a mainstream memory for data centers in the future. At first it sounded ridiculous, but several of the CEOs believed me and decided to invest in building HBM memories."
本节重点 - 当前电网99%的时间仅运行在峰值的60%左右，存在大量闲置电力，可以用来支撑数据中心算力需求 - 可以通过动态功率调节机制，在电网峰值期让数据中心降低功耗、转移负载，不影响民生用电 - 需要客户、数据中心、电网三方协同调整规则，释放闲置电力的价值
详细精要
💬 精华片段（中文）
99%的时间里，我们的电网都有多余的电力，它们就闲置在那里，但必须留着以备不时之需，保障医院、基础设施、机场的运行。我的问题是，我们能不能让大家理解，设计一种合同机制和计算机架构，让数据中心在社会需要最大电力保障时降低功耗，毕竟这种情况非常少见。
"And so 99% of the time, our power grid has excess power, and they’re just sitting idle, but they have to be there sitting idle because just in case, when the time comes, hospitals have to be powered and, you know, infrastructure has to be powered and airports have to run and so on and so forth. And so the question that I have is whether we could go and help them understand and create contractual agreements and design computer architecture systems, data centers, such that when they need the maximum power for infrastructure in society, that the data centers would get less."
本节重点 - xAI的Colossus超算仅用4个月就建成，当前已经拥有20万块GPU，还在持续扩张 - 马斯克的系统思维、极简主义、亲临一线、紧迫感是其能快速建成超算的核心原因 - 马斯克会质疑所有常规流程，剥离所有非必要环节，同时推动所有供应商将其项目列为最高优先级
详细精要
💬 精华片段（中文）
他能质疑一切，把所有环节压缩到只剩必要的部分，不能再去掉任何东西，同时保留产品必要的功能。他是你能想象到的最极致的极简主义者，而且是在系统级规模上做到这一点。
"And so he has the ability to question everything to the point where everything is down to its minimal amount that’s necessary, you can’t take anything else out. And yet the necessary capabilities of the product remains, you know? And so he is as minimalist as you could possibly imagine, and he does it at a system scale."
本节重点 - 黄仁勋的核心工程方法是“光速思维”：所有工作都要对标物理极限，而非基于现有水平做渐进式改进 - 他反对“持续改进”的思路，主张先回到零基，明确物理层面的极限可能性，再做合理的 trade-off - 系统设计的原则是“必要的复杂度尽可能高，非必要的复杂度尽可能低”
详细精要
💬 精华片段（中文）
光速不只是关于速度，它是我对“物理能做到的极限是什么”的简写。我们做的每一件事都要和光速对标：内存速度、计算速度、功耗、成本、时间、人力、制造周期。
"The speed of light is not just about the speed. The speed of light is my shorthand for what’s the limit of what physics can do. And so every single thing that we do is compared against the speed of light. Memory speed, math speed, power, cost, time, effort, number of people, manufacturing cycle time."
本节重点 - 全球约50%的AI研究者是华人，其中大部分仍在中国，中国有非常好的理工科人才基础 - 中国省市之间的激烈竞争、开放共享的文化、工程师社会地位高，使其成为当前全球创新速度最快的国家 - 中国企业对开源的贡献度非常高，因为其文化中朋友、同学之间的知识分享非常普遍，没有过度的技术保密意识
详细精要
💬 精华片段（中文）
中国是当前世界上创新速度最快的国家，我刚才说的所有特点都根植于他们的孩子成长的方式、优秀的教育体系、父母对孩子学业的重视、他们的文化特质，这些都是这个国家的固有优势，而且他们恰好赶上了技术指数级增长的时代。
"So this is the fastest innovating country in the world today, and this is something that has everything that, everything that I’ve just said is fundamental to just how the kids were grown, the fact that they have excellent education, the fact that they, parents want them to do well in school, the fact that they, their culture is that way. These are, you know, these are just the thing about their country, and they showed up at precisely the time when technology is going through that exponential."
本节重点 - TSMC的核心优势不只是先进制程，还有其能动态适配数百家客户需求的制造运营系统，以及技术与客户服务并重的文化 - 黄仁勋与TSMC合作了30年，累计达成了数千亿美金的交易，双方没有签订任何合同，完全基于信任 - 2013年张忠谋曾邀请黄仁勋担任TSMC CEO，黄仁勋因NVIDIA的使命而婉拒
详细精要
💬 精华片段（中文）
我们合作了30年，累计做了数千亿美金的生意，我们没有合同，这太棒了。
"Three decades, I don’t know how many tens, hundreds of billions of dollars of business we’ve done through them, and we don’t have a contract. That’s pretty great."
本节重点 - NVIDIA最大的护城河是CUDA的安装基盘与生态，是20年持续投入、全公司4.3万名员工与数百万开发者共同建立的 - 开发者选择CUDA的核心原因是：CUDA每6个月就会升级一次，性能提升10倍；基于CUDA开发的软件可以覆盖数亿台设备、所有云厂商、所有行业、所有国家；NVIDIA会长期维护CUDA生态，可信度极高 - 第二大护城河是CUDA生态的广度，覆盖了从云到端、从超算到汽车、机器人、卫星等所有场景
详细精要
💬 精华片段（中文）
如果我今天是开发者，我会首先优先选择CUDA，主要选择CUDA，这就是我认为最终分析下来我们的第一核心优势。
"If I were a developer today, I would target CUDA first. I would target CUDA most. And that’s the reason that I think in the final analysis is our first, that’s even our first core advantage."
本节重点 - NVIDIA GPU已经进入太空，主要用于卫星在轨的AI图像处理，避免海量原始数据回传地球的带宽压力 - 太空计算的核心优势是可以24小时获取太阳能，核心挑战是没有对流、传导散热，只能靠辐射散热，还有辐射导致的硬件故障问题 - 黄仁勋认为当前地面还有大量闲置电力可以挖掘，太空计算是长期布局方向，短期不会成为主力
详细精要
💬 精华片段（中文）
我是个非常务实的人，我会先找下一个桶里的机会，同时布局太空。我派工程师去研究相关问题，我们正在学习很多东西：怎么应对辐射？怎么处理性能下降？怎么持续检测缺陷？怎么处理冗余？怎么实现优雅降级？
"You know, I’m just so much more practical. I look for where my next, next bucket of opportunities are first. Meanwhile, I’m cultivating space. And so I send, I send engineers to go work on the problem. We’re starting to… We’re learning a lot about it. How do we deal with radiation? How do we deal with degrading performance? How do we deal with a continuous testing and attestation of defects? And you know, how do we deal with redundancy? And how do we degrade gracefully and things like that?"
本节重点 - 黄仁勋认为NVIDIA的增长是必然的，核心逻辑是计算已经从检索型转向生成型，从“仓库”变成“工厂”，直接创造收入 - 未来计算占全球GDP的比例会提升100倍，因为计算不再是存储成本项，而是产品生成的收入项 - Token会成为可定价的商品，会出现不同层级的token定价，高价值场景下每百万token的定价可达1000美元
详细精要
💬 精华片段（中文）
我完全相信全球GDP的增长会加速，我也完全相信，GDP中用于计算的比例会比过去高100倍，因为它不再是存储单元，而是产品生成单元。
"I am absolutely certain that the world’s GDP is going to accelerate in growth. I’m absolutely certain the percentage of that GDP that will be used for computation will be 100 times more than the past—mm-hmm—because it’s no longer a storage unit. It’s a product generation unit."
本节重点 - 黄仁勋应对压力的核心方法是拆解问题，明确哪些是可以改变的，哪些是不能改变的，对可以改变的问题制定行动计划，分配给合适的人解决 - 他会把所有的担忧都告诉相关的负责人，不会自己扛着，分担压力的同时推动问题解决 - 应对低谷的核心是“系统性遗忘”，不要纠结过去的失误，专注于未来的机会，像运动员一样只关心下一个球
详细精要
💬 精华片段（中文）
如果我知道创办NVIDIA会比我预期的难100万倍，我就不会做了。但这正是所有值得做的事情的共同点，对吧？
"Yeah, right. That is, by the way, what I was trying to explain, is that there’s an incredible superpower of having the mind of a child. You know? And I say to myself oftentimes when I look at something, and almost everything my first thought is, “How hard can it be?” You know?"
本节重点 - GeForce是NVIDIA至今最重要的营销策略，很多用户从青少年时期玩游戏认识NVIDIA，后来工作中成为CUDA的用户 - DLSS 5不是AI生成“内容垃圾”，而是基于3D几何、纹理的真实结构做增强，完全尊重艺术家的原始设计，不会改变内容风格 - 黄仁勋认为历史上最有影响力的游戏是《Doom》，它第一次让PC从办公工具变成了游戏设备；技术层面最有影响力的是《Virtua Fighter》。
详细精要
💬 精华片段（中文）
DLSS 5是3D条件引导、3D结构指导的，是基于真实的结构数据做增强，艺术家决定了几何结构，我们完全忠于每一帧的几何结构，基于艺术家设定的纹理做增强，不会改变任何东西。
"But DLSS 5 is 3D-conditioned, 3D-guided. It’s ground truth structure data guided. And so the artist determined the geometry. We are completely truthful to the geometry maintained in every single frame. It’s conditioned by the textures, the artistry of the artist. And so every single frame, it enhances but it doesn’t change anything."
本节重点 - 黄仁勋认为当前已经实现了基础AGI，AI已经可以做出估值10亿美元的公司，比如开发一个爆款应用、数字人，短期实现大量用户与收入 - AGI不代表可以复制NVIDIA这样需要几十年积累的公司，也不代表可以替代人类的所有能力 - AI不会替代工作，只会替代任务，比如计算机视觉虽然在2020年就超过了人类，但放射科医生的数量反而增长了，因为效率提升后需求变大了。
详细精要
💬 精华片段（中文）
我认为我们已经实现了AGI。
"I think it’s now. I think we’ve achieved AGI."
本节重点 - 未来编程的定义会变成“需求定义”，只要能清晰描述想要的功能，就是编程，全球的程序员数量会从3000万增长到10亿 - 传统的编程知识依然有价值，能帮助开发者更好地定义需求、设计架构、和AI协同 - 应对AI带来的职业焦虑的核心方法是学习使用AI工具，成为所在行业的AI应用专家，提升自己的不可替代性。
详细精要
💬 精华片段（中文）
我认为现在编程的定义就是需求说明，如果你愿意的话甚至可以给出你想要的软件架构。那么问题来了，有多少人能做到这件事？描述一个需求让计算机去搭建。我认为我们刚好处在这个节点，能做到的人数从3000万变成了可能10亿。
"What is the definition of coding? I believe it is… The definition of coding, as of today, is simply specifying, specification, and maybe if you want to be rather directive, you could even give it an architecture of the software that you wanted to write. So the question is, how many people could do that? Describe a specification for a computer to go… telling the computer what to go build. How many people? I think we just went from 30 million to probably 1 billion."
本节重点 - 黄仁勋认为AI可以识别、模拟人类的情绪，但无法真正感受情绪，比如不会感到紧张、焦虑、兴奋，因此不会出现和人类完全一样的主观体验。 - 智力是功能性的，是一种可以 commoditize 的能力，而人性、品格、同情心、 generosity、韧性这些特质才是人类的核心价值，远比重智力更重要。 - 黄仁勋认为自己身边的专家在各自领域都比他聪明，但他依然能领导团队，靠的就是这些非智力的特质。
详细精要
💬 精华片段（中文）
智力是一个功能性的东西，人性不是用功能定义的，它是一个大得多的词。我们的人生体验、对痛苦的耐受、决心，这些都是和智力不同的词。我想帮助观众理解的一点是，我们过去把智力这个词抬得太高了。
"And so, but that’s my point. My point is intelligence is a functional thing. Humanity is not specified functionally. It’s a much, much bigger word. And our life experience, our tolerance for pain, our determination, those are different words than intelligence. And so the thing that I wanna help the audience understand, if I could give them one thing, is intelligence is a word that we’ve elevated to a very high form over time."
本节重点 - 黄仁勋不做继任计划，而是持续向团队传递知识、经验、认知，每天都在培养团队的能力，让所有人都能独当一面，这才是最好的继任准备。 - 他希望能一直工作到死，最好是瞬间去世，不要有长期的病痛。 - 他对未来的希望来自于对人类善良、慷慨、同情心的信任，以及AI带来的解决疾病、污染、能源等重大问题的可能性，现在是人类历史上最令人兴奋的时代。
详细精要
💬 精华片段（中文）
怎么能不对未来充满浪漫的想象？终结疾病是合理的预期，污染大幅减少是合理的预期，近光速旅行真的在我们的未来里。
"How can you not be romantic about that? The fact that there is a—it’s a reasonable thing to expect the end of disease. It’s a reasonable thing to expect. It’s a reasonable thing to expect that pollution will be drastically reduced. It’s a reasonable thing to expect that traveling at the speed of light is actually in our future."
| 术语 | 解释 |
|---|---|
| CUDA（Compute Unified Device Architecture） | NVIDIA推出的通用并行计算架构，让GPU可以处理复杂的计算任务，是NVIDIA生态的核心基础，当前最新版本为13.2 |
| 阿姆达尔定律（Amdahl's Law） | 计算机科学中的经典定律，指系统中某一组件加速后，对系统整体性能的提升取决于该组件在总工作负载中的占比 |
| 登纳德缩放（Dennard Scaling） | 半导体行业的经典规律，指晶体管密度提升时，单位面积的功耗保持不变，该规律在2000年后逐渐失效 |
| HBM（High Bandwidth Memory） | 高带宽内存，相比传统DDR内存带宽更高、功耗更低，是AI GPU的核心配套组件 |
| CoWoS（Chip on Wafer on Substrate） | TSMC推出的先进封装技术，可将多个芯片集成在同一个封装内，提升性能、降低功耗 |
| MoE（Mixture of Experts） | 混合专家模型，一种大模型架构，将任务分配给不同的“专家”子模型处理，大幅提升模型效率 |
| NVLink | NVIDIA推出的高速互联技术，用于GPU之间、GPU与CPU之间的高速数据传输，当前最新版本为NVLink 72 |
| DGX | NVIDIA推出的AI专用超级计算机系列，是AI训练与推理的核心硬件产品 |
| OpenClaw | 开源智能体框架，黄仁勋认为其对智能体系统的意义等同于ChatGPT对生成式AI的意义 |
| GTC（GPU Technology Conference） | NVIDIA主办的全球GPU技术大会，是黄仁勋发布新产品、传递行业判断的核心平台 |
| EUV（Extreme Ultraviolet） | 极紫外光刻，当前最先进的芯片制造工艺，仅ASML可生产相关设备 |
| AGI（Artificial General Intelligence） | 通用人工智能，指具备与人类相当的通用认知能力的AI系统 |
| DLSS（Deep Learning Super Sampling） | NVIDIA推出的深度学习超采样技术，通过AI提升游戏画面分辨率与帧率，当前最新版本为DLSS 5 |
| SSM（Structured State Model） | 结构化状态空间模型，一种新型AI模型架构，相比Transformer在长序列处理上更有优势 |