黄仁勋怒怼厂商去CUDA：前提根本就是错的
耗时近两小时，黄仁勋正面回应了关于英伟达市值飙升至4万亿美元的种种质疑。
在“硅谷最受欢迎播客”的最新访谈中，黄仁勋的发言信息量极为丰富。
视频发布仅半天，在油管上的观看量便突破了10万次。
网友评论称：很少见到黄仁勋如此激动。🤣
为方便阅读，重点内容总结如下：
完整的万字实录及老黄的激烈反驳请见下文。
英伟达的核心壁垒
（主持人Dwarkesh Patel提问，以下简称Q）
Q：软件公司估值下跌，因大家觉得AI会让软件免费。有人天真地认为英伟达本质是做软件，制造外包，若软件变便宜，英伟达护城河还在吗？
黄仁勋：归根结底，必须有东西把电子变成Token。
这种电子转Token的过程，加上时间让Token增值，很难变得同质或廉价。
这段旅程不可思议。让Token增值涉及艺术、工程和发明，我们正见证这一过程，远未结束，我不相信你的假设会成真。
当然，我们会提高效率。你的提问方式符合英伟达精神：输入电子，输出Token，中间就是英伟达。
我们付出努力，尽量少干预，实现最大转化。非必须做的交给合作伙伴，融入生态。
如今英伟达拥有最大生态系统，涵盖上下游、计算厂商、开发者和模型制作者。
AI像五层蛋糕，生态覆盖每一层。我们尽量少做，但必须做的部分极难，不会同质化。
我不认为软件公司会失势，多数是工具。Excel、PPT等都是。我反而认为Agent和用户数会指数增长，工具部署会激增。
如今受限于工程师数量，但未来Agent会支持工程师探索设计空间，现有工具不会废弃。
工具普及会让软件公司增长，只因Agent效率不够。要么公司自建Agent，要么Agent进化高效使用工具，两者会结合。
Q：申报文件显示，英伟达在代工、内存、封装采购承诺近1000亿。SemiAnalysis称实际达2500亿。
解释是护城河在于锁定稀缺组件供应链。这是未来几年最大护城河吗？
黄仁勋：这是我们能做到的，别人很难。
上游有巨大承诺，显性的如合同，隐性的如合作伙伴投资。我会对CEO说行业规模、原因和未来，说服他们投资。
我不断传递信息、激励并达成一致，让他们投资。他们为我投资，因为知道我能承接供应并销售。
事实是英伟达下游需求巨大，他们愿为此投资。
GTC规模惊人，汇聚AI全宇宙。我把上下游聚在一起，看进展，见初创公司，见证我说的一切。
我花大量时间向生态传递未来机会信息。
有人说演讲是发布会，其实我很“折磨人”，像上课。我故意这样，确保上下游理解变化、原因、时机和规模，并系统推理。
回到护城河，我们为未来准备。若业务达万亿，供应链已备好。若无市场覆盖和驱动力，供应链无流动性，没人愿支持扩展。我们靠庞大下游需求支撑规模，大家已见证。
Q：具体了解上游能否跟上。过去几年收入翻倍，全球浮点运算能力增长超三倍。
黄仁勋：在如此规模下收入翻倍令人难以置信。
Q：确实。但逻辑芯片上，你们是台积电N3最大客户，N2主要客户。SemiAnalysis预测今年AI占N3产能60%，明年86%。
占据多数产能如何翻倍？AI算力增长是否因上游放缓？如何让晶圆厂产能每年翻倍？
黄仁勋：瞬时需求超全球供应总量。可能被“水管工”数量限制。
Q：明年GTC该请水管工参会（笑）。
黄仁勋：主意不错（笑）。需求超供应是好事。反之则不妙。若差距大，行业会聚合。比如现在没人谈CoWoS封装了。
Q：为什么？
黄仁勋：原因是过去两年大量投资，规模翻倍。现在状态不错。台积电知道CoWoS需跟上逻辑和内存需求，扩展到同步水平。曾被视为特种技术，现成主流。
现在能广泛影响供应链。早期我就预言，美光桑杰等人相信并投资，加倍投入LPDDR和HBM合作，带来巨大发展。晚来的人也到场了。
关注每个瓶颈，提前预判。与Lumentum、Coherent等合作重塑供应链。围绕台积电建完整供应链，COUPE项目合作，发明新技术，授权专利保持开放。
通过新技术、工作流、检测设备和投资，帮助伙伴扩产。通过生态构建，确保供应链支持规模化发展。
Q：有些瓶颈比其他容易，比如CoWoS扩产可能相对容易——
黄仁勋：顺便说，我挑了最难的例子。
Q：哪个？
黄仁勋：管道工和电工。
这让我担忧“末日论者”，他们总说工作消失。若劝人不当软件工程师，将短缺。
十年前悲观者说不要当放射科医生，现在网上还有视频。但事实相反，我们缺放射科医生。
Q：回到瓶颈问题。如何每年造2倍逻辑芯片？受EUV限制，如何增长？
黄仁勋：可以快速扩展。不难，需需求信号。造一个能造十个，进而百万个，都易复制。
Q：介入多深？会和ASML说吗：“看三年需求，为每年2万亿营收，需更多EUV。”
黄仁勋：有些直接说，有些间接。说服台积电，ASML自然被说。关键是瓶颈。台积电被说，几年内EUV设备就够。
我观点：没瓶颈能持续超两三年。
同时，计算效率进步巨大。Hopper到Blackwell效率提升30-50倍。因CUDA灵活，能开发新算法。提高效率同时增产能。这些问题不担心。真风险是下游，如限能政策。无能源无工业，无能源无制造企业。
我们要重塑美国工业，带回芯片、计算、封装制造，造电动车、机器人、AI工厂。无能源不行，解决需长时间。芯片产能2-3年，CoWoS也是。
Q：有趣。嘉宾观点相反，我缺技术知识判断。
黄仁勋：好消息是你现在和专家交谈（笑）。
TPU无威胁，英伟达在“重新定义计算”
Q：关于竞争对手。世界前三AI模型两个Claude和Gemini在TPU训练，对英伟达意味着什么？
黄仁勋：我们构建的东西与TPU非常不同。
英伟达构建加速计算，而非仅TPU。
加速计算用途广：分子动力学、量子色动力学、数据处理等，还有流体和粒子物理，以及AI计算。
加速计算更多样。虽AI重要，但计算范围更广。
英伟达重新定义计算，从通用到加速。市场覆盖远超TPU/ASIC。唯一能加速各种应用的公司，有庞大生态，框架算法都能运行。
另外，多数自建系统不为方便他人设计。我们的系统无处不在，因任何人都能操作。
若租赁，需多行业客户消化资源。若自用，我们支持，如Elon Musk的xAI。因支持任何运营商，可用于科研药物发现，如Eli Lilly。可帮他们操作超级计算机，加速生物流程。
TPU无法覆盖大量场景。英伟达CUDA是出色TPU，但能处理数据处理、计算、AI全生命周期。市场机会更广。因支持所有类型应用，在任何地方建英伟达系统，都有客户需求。这是不同概念。
Q：长问题。营收惊人，非来自制药或量子。每季600亿因AI前所未有且增长快。
所以问题是，AI什么最合适？我不熟细节，但朋友说：“TPU是大型行列式阵列，适合矩阵乘法，GPU灵活，有分支或非规则内存访问时表现好。”
但AI本质是重复矩阵乘法。不需浪费芯片面积在warp调度器或内存组切换上。TPU针对优化。想知道你怎么看。
黄仁勋：矩阵乘法是重要部分但非全部。若开发新注意力机制、解耦或新架构如混合SSM，需通用可编程架构。若融合扩散和自回归模型，也需。我们能运行一切。优势是架构让新算法发明变容易，因是可编程系统。
发明新算法是AI进步原因。TPU受摩尔定律限制，增速约25%。唯一实现10倍或100倍跃升的，是根本改变算法和计算方式。
这是英伟达核心优势。从Hopper到Blackwell 50倍改进……我宣布Blackwell比Hopper能效高35倍时，没人信。后来Dylan说我“故意保守”，实际50倍。不可能仅靠摩尔定律。我们通过MoE等新模型，在系统中并行化、解耦、分布式实现。无CUDA支持，开发新内核几乎不可能。
优势是架构编程灵活，协同设计能力强。可卸载计算到架构如NVLink，集成到网络如Spectrum-X。同时影响处理器、系统、架构、库和算法。无CUDA，不知从哪开始。
Q：有趣问题，关于英伟达客户群特点。目前你们60%的收入