聚焦 | 黄仁勋最新发言纪要 - 在高盛Communacopia Tech大会英伟达的访谈 (24/09/12)

原则：多聊市场的想法，少聊自己的想法
范围:  海外TMT/中概/宏观策略/衍生品

---

24/09/12 周二

NVIDIA Corp (NVDA)
高盛 Communacopia 技术会议

英文原文可以在Bloomberg上找到, 敲代码DS TA, 搜Nvidia; 篇幅有限仅呈现中文翻译, 如有翻译谬误请理解, 不对以下翻译的准确度负责.

摘要 (纪要原文翻译往下滑↓): 

• 黄仁勋指出，全球通用数据中心正在走向加速化与现代化。由于摩尔定律效应的逐渐消退，传统CPU的性能提升已趋于停滞。未来10年内，数据中心将通过引入NVIDIA的加速计算，提升效率，降低能耗并实现更高密度的计算能力。黄仁勋提到，NVIDIA的加速计算架构能够将应用程序的执行速度提升100倍，具体如SQL处理、数据处理等。

• 在人工智能领域，黄仁勋谈到了生成式人工智能的崛起，指出这一技术不仅仅是工具，而是提高生产力的技能。这种技术通过理解不同模式的数据进行翻译，可以应用于图像、文本、蛋白质等多种领域，推动新行业的诞生。

• 他进一步讨论了NVIDIA在全球范围内的创新能力，尤其是Blackwell系统的推出。相比其前身Hopper，Blackwell系统的训练速度提升了4倍，推理速度提高了30倍，大大增强了计算密集型任务的效率。此外，NVIDIA与全球所有主要数据中心和AI公司保持合作，黄仁勋强调NVIDIA致力于为客户提供最佳的每瓦性能和TCO表现。

• 最后，黄仁勋提到亚洲，尤其是台湾在供应链中的重要性，并表示NVIDIA已经设计了多样化和冗余的供应链来应对未来的挑战。他承认，由于需求巨大，NVIDIA面临着较高的客户期望和情绪化的市场压力，但他们正在尽最大努力满足市场需求。

---

纪要全文翻译：

黄仁勋

很高兴见到大家。

提问者

我昨晚很晚才飞到。我真的没想到会在早上 7:20 登上台，但似乎其他人都这么想。Jensen，我们在这里，谢谢你来到这里。我很高兴来到这里。感谢大家来到这里。我希望大家都喜欢这次会议。这是一次很棒的活动，有很多很棒的公司，有几千人在这里。真的很棒。显然，NVIDIA 总裁兼首席执行官 Jensen 能来到这里，这真是一个亮点，也是一种荣幸。

自 1993 年创立 NVIDIA 以来，您一直是加速计算领域的先驱。该公司于 1999 年发明的 GPU 激发了 PC 游戏市场的增长，重新定义了计算机并开启了现代 AI 时代。Jensen 拥有俄勒冈州立大学的 BSEE 学位和斯坦福大学的 MSEE 学位。因此，首先我想欢迎您，Jensen。各位，请欢迎 Jensen 上台。

黄仁勋

谢谢。

问题与解答

Q - 提问者

因此，我们将尝试以非常随意的方式进行交谈，我将尝试让您谈论一些我知道您热衷的事情。但我只想开始，31 年前，您创立了这家公司，将自己从一家以游戏为中心的 GPU 公司转变为一家为数据中心行业提供广泛硬件和软件的公司。我只是想让您先谈谈这段历程。

当你开始的时候，你在想什么，它是如何发展的，因为这是一段非常不寻常的旅程。然后也许你可以打破这种想法，谈谈你对未来的主要优先事项以及你如何看待未来的世界？

A-黄仁勋

是的，很高兴来到这里。我想说，我们做对了的一件事是，我们的愿景是，会有另一种形式的计算，可以增强通用计算，解决通用仪器永远无法擅长的问题。这种处理器一开始会做一些对 CPU 来说非常困难的事情，那就是计算机图形。但我们会随着时间的推移将其扩展到其他领域。

我们首先选择的当然是图像处理，它与计算机图形学相辅相成。我们将其扩展到物理模拟，因为在我们选择的视频游戏应用领域中，你希望它美观，但你也希望它动态地创建虚拟世界。我们一步步将其带入科学计算领域。最早的应用之一是分子动态模拟。另一个是地震处理，它基本上是逆物理学。地震处理与 CT 重建非常相似，是逆物理学的另一种形式。

所以我们只是一步一步地进行，推理互补类型的算法、相邻行业，如果你愿意的话，可以说是解决了我们这里的问题。但当时的共同愿景是加速计算将能够解决有趣的问题。如果我们能够保持架构的一致性，这意味着我有一个架构，你今天开发的软件可以在你留下的大量安装基础上运行，而你过去创建的软件将通过新技术进一步加速。这种考虑架构兼容性、创建大型安装基础、将生态系统的软件投资带给我们的方式，这种心理始于 1993 年，我们一直坚持到今天，这就是为什么 NVIDIA 的 CUDA 拥有如此庞大的安装基础的原因——因为我们一直在保护它。保护软件开发人员的投资从一开始就是我们公司的首要任务。

展望未来，我们一路走来解决了一些问题，当然，学习如何成为一名创始人，学习如何成为一名首席执行官，学习如何经营企业，学习如何建立一家公司……

Q - 提问者

这不是一件容易的事。

A-黄仁勋

这些都是新技能，就像学习如何发明现代计算机游戏行业一样。NVIDIA——人们不知道这一点，但 NVIDIA 是世界上最大的视频游戏架构安装基数。GeForce 在全球拥有约 3 亿游戏玩家，并且仍在以惊人的速度增长，非常活跃。

因此我认为——每次我们进入一个新市场时，我们都必须学习新的算法、新的市场动态、创建新的生态系统。我们必须这样做的原因是，与通用计算机不同，如果你制造了处理器，那么一切最终都会正常工作。但我们是一台加速计算机，这意味着你必须问自己的问题是，你加速的是什么？没有通用加速器这样的东西，因为，是的……

Q - 提问者

深入探讨一下这个问题，只讨论通用计算和加速计算之间的区别。

A-黄仁勋

如果你看看软件，你编写的软件主体中有很多文件 IO，需要设置数据结构，软件内部有一部分包含一些神奇的内核和神奇的算法。这些算法因计算机图形学、图像处理或其他任何领域而异。可能是流体，可能是粒子，可能是我提到的逆物理，也可能是图像域类型的东西。所以所有这些不同的算法都是不同的。

如果你创建了一个处理器，它在某些算法上非常非常出色，并且你在 CPU 擅长的领域与 CPU 互补，那么从理论上讲，你可以大大加快应用程序的速度。原因是通常大约 5% 或 10% 的代码代表了 99.999% 的运行时间。因此，如果你将这 5% 的代码卸载到我们的加速器上，那么从技术上讲，你应该能够将应用程序的速度提高 100 倍。我们这样做并不奇怪。这并不罕见。

因此，我们将图像处理速度提高 500 倍。现在我们进行数据处理。数据处理是我最喜欢的应用程序之一，因为几乎所有与机器学习相关的内容，即数据驱动的软件开发方式，数据处理都已发展起来。它可以是 SQL 数据处理，可以是 Sparked 类型的数据处理，可以是矢量数据库类型的处理，各种不同的处理非结构化数据或结构化数据（即数据帧）的方式。

我们加速了这一进程。但为了做到这一点，你必须创建那个库，那个最高级的库。在计算机图形学方面，我们很幸运拥有 Silicon Graphics 的 OpenGL 和 Microsoft DirectX。但除此之外，没有其他真正的库。例如，我们最著名的库之一就是类似于 SQL 的库。SQL 是一个用于存储内计算的库。我们创建了一个名为 cuDNN 的库。cuDNN 是世界上第一个神经网络计算库。因此，我们有 cuDNN，有用于组合优化的 cuOpt。我们有用于量子模拟和仿真的 cuQuantum，还有各种不同的库，还有用于数据帧处理的 cuDF，例如 SQL。

因此，必须发明所有这些不同的库，它们采用应用程序中运行的算法，并以我们的加速器可以运行的方式重构这些算法。如果你使用这些库，那么你的速度将提高 100 倍。

Q - 提问者

获得更快的速度。

A-黄仁勋

难以置信。这个概念很简单，也很有意义，但问题是，你如何发明所有这些算法，并让视频游戏行业使用它，编写这些算法，让整个地震处理和能源行业使用它，编写一种新算法并让整个人工智能行业使用它。你明白我的意思吗？

Q - 提问者

是的。

A-黄仁勋

因此，对于这些库，首先，我们必须进行计算机科学研究。其次，我们必须进行生态系统开发。我们必须说服每个人都使用它，然后还要考虑它要在哪种计算机上运行，所有不同的计算机都是不同的。所以我们在一个又一个领域都做了这件事。我们有一个丰富的自动驾驶汽车库。我们有一个很棒的机器人库，一个令人难以置信的虚拟筛选库，无论是基于物理的虚拟筛选还是基于神经网络的虚拟筛选，还有一个令人难以置信的气候技术库。

我们从一个领域进入另一个领域，因此我们必须结识新朋友并开拓市场。事实证明，NVIDIA 真正擅长的是开拓新市场。我们已经做了很长时间，似乎 NVIDIA 的加速计算无处不在，但我们真的必须一次一个地、一次一个行业地做到这一点。

Q - 提问者

我知道在座的许多投资者都非常关注数据中心市场。听听您的看法——公司对中长期机遇的看法——将会很有趣。显然，您的行业正在推动下一次工业革命。行业面临的挑战是什么？今天我们坐在这里，谈谈您对数据中心市场的看法。

A-黄仁勋

有两件事同时发生，而且很容易混淆，区分起来会很有帮助。首先，让我们从完全没有人工智能的情况开始。好吧，在一个完全没有人工智能的世界里，通用计算仍然没有动力。所以我们知道，对于在座的所有喜欢半导体物理的人来说，登纳德缩放比例和米德·康威的晶体管缩小、晶体管缩放以及登纳德缩放比例 ISO——ISO 功率提高性能，或 ISO 成本提高性能——那些日子已经结束了。

因此，我们再也不会看到 CPU 和通用计算机的速度每年翻一番了。如果每 10 年能看到速度翻一番，那就算幸运了。现在，摩尔定律——回想一下，在过去，摩尔定律是每五年翻 10 倍，每 10 年翻 100 倍。所以我们所要做的就是等待 CPU 变得更快。随着全球数据中心继续处理更多信息，CPU 的速度每年都会翻一番。所以我们没有看到计算膨胀，但现在这种情况已经结束。我们看到的是计算膨胀。所以我们要做的就是加速我们能加速的一切。

如果您正在进行 SQL 处理，请加速它。如果您正在进行任何类型的数据处理，请加速它。如果您正在创建一家互联网公司并且您有一个推荐系统，请绝对加速它，现在它们已经完全加速了。几年前这一切都是在 CPU 上运行的，但现在世界上最大的数据处理引擎，即推荐系统，现在都已加速。因此，如果您有推荐系统，如果您有搜索系统，任何大规模处理大量数据，您都必须加速它。

因此，首先要发生的事情是，全球价值数万亿美元的通用数据中心将实现现代化，实现加速计算。不管怎样，这都会发生。不管怎样，这都会发生。原因在于，正如我所描述的，摩尔定律已经终结。因此，您将看到的第一个动态是计算机的密集化。这些巨型数据中心效率极低，因为里面充满了空气，而空气的导电性很差。因此，我们想要做的是，将那些规模庞大的，比如说 50、100、200 兆瓦的数据中心，密集化成一个非常非常小的数据中心。因此，如果您查看我们的服务器机架之一，NVIDIA 服务器机架看起来很昂贵，每个机架可能要花费数百万美元，但它可以取代数千个节点。

令人惊奇的是，连接旧式通用计算系统的电缆成本比更换所有电缆并将它们密集化到一个机架的成本还要高。密集化的好处还在于，既然已经密集化了，就可以使用液体冷却，因为很难用液体冷却非常大的数据中心，但可以对非常小的数据中心进行液体冷却。因此，我们要做的第一件事就是加速——现代化数据中心，加速它，密集化它，使其更节能。你省钱，省电，省钱——而且效率更高。这是第一步。如果我们只关注这一点，那就是未来 10 年，我们只会加速这一进程。

当然，现在还有第二个动态，这是因为 NVIDIA 的加速计算为计算带来了巨大的成本降低，就像在过去的 10 年里，摩尔定律不是 100 倍，而是在过去的 10 年里，我们将计算规模扩大了 100 万倍。所以问题是，如果你的飞机飞行速度快了一百万倍，你会做些什么不同的事情？你会做些什么不同的事情？所以突然间，人们说，嘿，听着，我们为什么不直接用电脑来编写软件呢？我们不用试图弄清楚功能是什么，不用试图弄清楚算法是什么，我们只需将数据、所有数据——所有预测数据提供给计算机，让它弄清楚算法是什么。机器学习，生成式人工智能。

因此，我们在如此大规模、如此多不同数据领域开展了这项工作，现在计算机不仅懂得如何处理数据，还懂得数据的含义。由于它理解多种模式，因此它可以同时翻译数据。因此它可以将英语翻译成图像，将图像翻译成英语，将英语翻译成蛋白质，将蛋白质翻译成化学物质。由于它一次性理解了所有数据，因此现在可以进行所有这些翻译。我们称之为生成式人工智能。将大量文本转换为少量文本，将少量文本转换为大量文本，等等。我们现在正处于这场计算机革命中。

现在，令人惊奇的是，第一万亿美元的数据中心将得到加速，并发明一种称为生成式人工智能的新型软件。这种生成式人工智能不仅仅是一种工具，而是一种技能。所以这是有趣的事情。这就是为什么一个新行业被创造出来的原因。原因是，如果你看看整个 IT 行业，到目前为止，我们一直在制造人们使用的仪器和工具。这是我们第一次创造增强人类能力的技能。这就是为什么人们认为人工智能将超越数万亿美元的数据中心和 IT，进入技能世界。

那么什么是技能？数字司机是一种技能，自主的，数字装配线工人，机器人，数字客户服务，聊天机器人，用于规划 NVIDIA 的供应链的数字员工。它可能是一个数字 SAP 代理。我们现在在公司中使用了很多服务，我们有数字员工服务。所以现在我们基本上拥有所有这些数字人类。这就是我们现在所处的 AI 浪潮。

Q - 提问者

所以退一步，稍微转变一下。根据你刚才所说的一切，金融市场肯定在争论，随着我们继续构建这种人工智能基础设施，是否有足够的投资回报。在这个周期中，你如何评估客户的投资回报率？如果你回顾一下，想想个人电脑、云计算，当它们处于采用周期的类似阶段时，与我们现在继续扩展时相比，当时的投资回报率如何。

A-黄仁勋

是的，太棒了。让我们来看看。在云计算出现之前，主要趋势是虚拟化，如果你们还记得的话。虚拟化基本上就是说，让我们把数据中心里的所有硬件都虚拟化成虚拟数据中心，然后我们可以在数据中心之间移动工作负载，而不是直接将其关联到特定的计算机。结果，数据中心的趋势和利用率得到了改善。我们看到，虚拟化在一夜之间将数据中心的成本降低了 2 比 1——2.5 比 1。

我们接下来要说的第二件事是，在虚拟化之后，我们将这些虚拟计算机直接放入云中。因此，多家公司（而不仅仅是一家公司的众多应用程序）可以共享相同的资源，成本又降低了，利用率又提高了。顺便说一句，过去 10 年——15 年发生的所有这些事情掩盖了摩尔定律终结背后的基本动态。我们发现成本降低了 2 倍——又降低了 2 倍，这隐藏了晶体管微缩的终结。它隐藏了晶体管、CPU 微缩。然后突然之间，我们已经从这两件事中获得了利用成本的降低。我们现在已经退出了。这就是我们现在看到数据中心和计算膨胀的原因。

首先要说的是加速计算。现在，数据处理工作已经很常见了，我们有一种叫做 Spark 的东西。Spark 可能是当今世界上使用最广泛的数据处理引擎。如果您使用 Spark，并在云端使用 NVIDIA 加速它，那么 20 倍的加速并不罕见。因此，您将节省 10 倍的成本，当然，您需要支付 NVIDIA GPU 来增强 CPU，因此计算成本会略有增加。它可能会翻倍，但计算时间会减少大约 20 倍。因此，您可以节省 10 倍的成本。加速计算的这种投资回报率并不罕见。因此，我鼓励大家，加速所有可以加速的事情，然后一旦加速，就用 GPU 来运行。这就是加速带来的即时投资回报率。

现在，除此之外，生成式人工智能讨论正处于第一波人工智能浪潮中，也就是像我们这样的基础设施参与者和所有云服务提供商将基础设施放在云端，以便开发人员可以使用这些机器来训练模型、微调模型、保护模型等等。而这方面的回报是惊人的，因为需求如此之大，以至于他们在我们这里花的每一美元都相当于价值 5 美元的租金。这种情况在世界各地都在发生，所有的东西都卖光了。所以对它的需求简直令人难以置信。

当然，我们已经知道一些应用程序，比如著名的 OpenAI 的 ChatGPT 或 GitHub Copilot，或者我们在公司中使用的 Cogenerators，生产力的提高令人难以置信。如今，我们公司没有一位软件工程师不使用 Cogenerators，无论是我们为 CUDA 或 USD（这是我们在公司使用的另一种语言）自己构建的，还是 Verilog、C 和 C++ 和 Cogeneration。所以我认为，每行代码都由软件工程师编写的时代已经完全结束了。我们的每一位软件工程师基本上都会有数字工程师全天候与他们一起工作，这是未来。所以在我看来，NVIDIA 有 32,000 名员工。这 32,000 名员工身边有希望 100 倍以上的数字工程师。

Q - 提问者

当然。

A-黄仁勋

是的。

Q - 提问者

当然。很多行业都接受这一点。您对哪些案例、用例和行业最感兴趣？

A-黄仁勋

嗯，在我们公司，我们将其用于计算机图形。如果没有人工智能，我们就无法再进行计算机图形。我们计算一个像素，然后推断其他 32 个像素。我的意思是，这太不可思议了。因此，如果你愿意的话，我们可以幻觉出其他 32 个像素，它看起来时间稳定，看起来逼真，图像质量令人难以置信，性能令人难以置信，我们节省的能量——计算一个像素需要大量能量。这就是计算。推断其他 32 个像素只需要很少的能量，而且你可以非常快地完成它。

因此，其中一个要点是人工智能不仅仅是训练模型，当然，这只是第一步。它还涉及使用模型。因此，当您使用模型时，您可以节省大量能源，节省大量时间——处理时间。所以我们将它用于计算机图形学。如果没有人工智能，我们就无法为自动驾驶汽车行业提供服务。如果没有人工智能，我们在机器人、数字生物学领域所做的工作，我最近遇到的几乎每一家科技生物公司都是建立在 NVIDIA 之上的，所以他们用它来处理数据或生成蛋白质……

Q - 提问者

这看起来是一个超级令人兴奋的空间。

A-黄仁勋

这太不可思议了。小分子生成、虚拟筛选。我的意思是，由于人工智能的存在，计算机辅助药物发现将首次彻底改变整个领域。那里正在开展令人难以置信的工作。

Q - 提问者

是的。谈谈竞争，谈谈你的竞争护城河。肯定有集团、上市公司和私营公司想要破坏你的领导地位。你如何看待你的竞争护城河？

A-黄仁勋

首先，我认为——我想说一下我们非常不同的地方。首先要记住，人工智能与芯片无关。人工智能与基础设施有关。今天的计算不是制造芯片，然后人们拿着你的芯片，把它放进电脑里，这真的是 20 世纪 90 年代的事情。如果你看看我们新的 Blackwell 系统，就会知道今天电脑的制造方式，我们设计了七种不同类型的芯片来创建系统。Blackwell 就是其中之一。

Q - 提问者

我可以请你谈谈Blackwell吗？

A-黄仁勋

是的。所以，令人惊奇的是，当你想建造这台人工智能计算机时，人们会说超级集群、基础设施、超级计算机等词，这是有原因的，因为它不是芯片。它本身不是计算机。所以我们正在建造整个数据中心。通过建造整个数据中心，如果你看看这些超级集群之一，想象一下运行它必须使用的软件。它没有微软的 Windows。那些日子已经结束了。所以那台计算机里的所有软件都是完全定制的。必须有人去写。

因此，设计芯片的人和设计超级计算机、超级集群及其所有软件的公司由同一家公司设计是有道理的，因为这样会更加优化，性能会更好，更节能，更具成本效益。这是第一点。

第二点是，人工智能与算法有关。我们非常非常擅长理解算法是什么。算法对底层计算堆栈有何影响？我如何将计算分布到数百万个处理器上，连续运行数天，同时让计算机尽可能具有弹性，实现出色的能源效率，尽快完成工作，等等。我们在这方面非常非常擅长。

最后，归根结底，AI 就是计算。AI 是在计算机上运行的软件。我们知道，对于计算机来说，最重要的是安装基础，即在每一种云上都拥有相同的架构，无论是在本地还是在云端，都拥有相同的架构，无论是在云端构建，还是在自己的超级计算机中构建，还是试图在汽车、机器人或 PC 上运行，拥有运行相同软件的相同架构都是一件大事。这就是所谓的安装基础。因此，我们过去 30 年所遵循的原则真正引领了今天。这就是为什么如果你要创办一家公司，最明显的架构就是使用 NVIDIA 的架构。因为我们存在于每个云中，我们可以在任何你想购买的地方使用。无论你选择哪台计算机，只要上面写着 NVIDIA Nsight，你就可以获取并运行该软件。

Q - 提问者

是的。你们的创新速度非常快。我想请您多谈谈 Blackwell。与前身 Hopper 相比，Blackwell 的训练速度快了 4 倍，推理速度快了 30 倍。看起来你们的创新速度非常快。你们能跟上这种快速的创新速度吗？当您想到您的合作伙伴时，您的合作伙伴如何跟上你们的创新速度？

A-黄仁勋

创新的速度，我们的基本方法是——因为，记住，我们正在构建一个基础设施。有七种不同的芯片。每种芯片的节奏可能最多是两年。最多两年。我们可以每年给它一个中期机会。但从架构上讲，如果你每两年就想出一个新的架构，你就是在以光速运行，好吗？你的速度快得令人难以置信。

现在，我们有七种不同的芯片，它们都对性能有所贡献。因此，我们可以创新，每年将一个新的 AI 集群（超级集群）推向市场，这些集群比上一代更好，因为我们有太多不同的部件需要解决。因此，在我们所做的规模上，性能优势直接转化为 TCO。因此，对于拥有给定功率（例如 1 千兆瓦）的人来说，当 Blackwell 的性能是其 3 倍时，这意味着收入增加了 3 倍。该性能转化为吞吐量。该吞吐量转化为收入。因此，对于拥有 1 千兆瓦功率的人来说，您将获得 3 倍的收入。你不可能给某人降低成本或芯片折扣来弥补 3 倍的收入。

因此，通过整合所有这些不同的部分并优化整个堆栈和整个集群，我们能够提供更高的性能，现在我们可以以更高的价格提供越来越好的价值。反之亦然。无论您愿意为 ISO 功率花费多少钱，您都可以获得 3 倍的收入。对于 ISO 支出，您可以获得 3 倍的性能，这是成本降低的另一种说法。因此，我们拥有最佳的每瓦性能，即您的收入。我们拥有最佳的每 TCO 性能，即您的毛利率。因此，我们不断将其推向市场。客户可以从中受益，而不是每两年一次。而且它在架构上兼容。因此，您昨天开发的软件明天就可以运行。您今天开发的软件将在整个安装基础上运行。因此，我们的运行速度非常快。

如果每个架构都不同，那么你就无法做到这一点。拼凑一个系统需要一年的时间，因为我们在发货当天就把所有东西都组装好了。这非常有名，有人发推文说，在我们向他们发货 19 天后，他们就建立了一个超级集群并开始运行，19 天。如果你把所有这些不同的芯片拼凑在一起并编写软件，你就无法做到这一点，如果你能在一年内做到这一点，那就算幸运了。因此，我认为我们能够将创新速度传递给客户，获得更多收入，获得更好的毛利率，这是一件了不起的事情。

Q - 提问者

您的供应链合作伙伴大多在亚洲，尤其是台湾。考虑到目前的地缘政治形势，您对此有何看法？

A-黄仁勋

是的，正如你所知，亚洲的供应链非常庞大且相互关联。人们认为当我们说 GPU 时，是因为很久以前，当我宣布推出一款新芯片、新一代芯片时，我会举起芯片。所以那是一款新的 GPU。NVIDIA 的新 GPU 有 35,000 个零件，重 80 磅，消耗 10,000 安培。当你把它装起来时，它重达 3000 磅。这些 GPU 非常复杂，它的构造就像一辆电动汽车，零部件就像电动汽车。因此，亚洲的生态系统非常多样化，而且相互关联。我们试图在每一个方面设计多样性和冗余性，无论我们能做什么。

最后，我们公司必须拥有足够的知识产权。如果我们必须从一家工厂转移到另一家工厂，我们有能力做到这一点。也许工艺技术不是那么好，也许我们无法获得相同水平的性能或成本，但我们能够提供供应。所以我认为——如果发生任何事情，我们应该能够接手并在其他地方制造。我们选择台积电制造，因为它是世界上最好的，而且它领先优势不小，它是世界上最好的（听不清楚）令人难以置信的优势。不仅仅是——与他们合作的悠久历史、伟大的化学反应、他们的敏捷性、他们能够扩展的事实，记得 NVIDIA 去年的收入有一个很大的曲棍球棒。如果没有供应链的响应，那么这个巨大的曲棍球棒就不可能实现。

因此，包括台积电在内的供应链的敏捷性令人难以置信。在不到一年的时间里，我们大幅扩大了合作社的产能，明年和后年我们还将进一步扩大产能。但尽管如此，他们的敏捷性和响应我们需求的能力令人难以置信。所以我们使用它们，因为它们很棒，但如果有必要，我们当然可以随时使用其他供应商。

Q - 提问者

是的，公司定位非常好。我们讨论了很多很棒的事情。其他的事情中，你担心什么？

A-黄仁勋

嗯，我们公司现在与世界上每一家人工智能公司都有合作。我们今天与世界上每一个数据中心都有合作。我不知道，一个数据中心、一个云服务提供商、一个电脑制造商，我们都没有合作。因此，随之而来的是巨大的责任。我们肩上负有许多人的责任，每个人都指望着我们。需求如此之大，以至于我们的组件、技术、基础设施和软件的交付对人们来说真的是一件令人激动的事情，因为它直接影响他们的收入，直接影响他们的竞争力。

因此，我们今天可能拥有更多情绪化的客户——这是理所当然的。如果我们能够满足每个人的需求，那么情绪化就会消失。但这非常情绪化，非常紧张。我们肩负着很大的责任，我们正在尽最大努力。现在我们正在扩大 Blackwell 的产能，它已经全面投入生产。我们将在第四季度发货，并在第四季度和明年开始扩大规模。对它的需求非常大。每个人都想成为第一，每个人都想成为最多，每个人都想成为——所以这种强度真的非常非常大。

所以我认为发明下一个计算机时代很有趣。看到所有这些令人惊叹的应用程序被创造出来很有趣。看到机器人四处走动真是令人难以置信。让这些数字代理作为一个团队聚集在一起，解决计算机中的问题真是令人难以置信。看到我们用来设计运行人工智能的芯片的人工智能真是令人惊叹。所有这些东西都令人难以置信。其中真正紧张的部分是我们肩负的世界。所以少睡点没关系，睡足三个小时就够了，这就是我们所需要的。

Q - 提问者

好吧，你真棒。我需要更多。我可以再花半个小时。不幸的是，我们必须停下来。Jensen，非常感谢你今天来到这里和我们聊天 

---

您的关注与分享是公众号更新的动力

原则：多聊市场的想法，少聊自己的想法
范围:  海外TMT/中概/宏观策略/衍生品

---

封面

24/09/12 

---

往期公众号文章

"聚焦" 系列 → 汇总外资观点

-近3周汇总: 

聚焦 | 海外TMT外资观点: 第36周汇总 (24/08/26~9/01) 英伟达/苹果/超微/中际旭创/美团/拼多多/网易

聚焦 | 海外TMT外资观点-第35周汇总 (24/08/18~8/25) 鸿海/兆易/TI/海力士/PANW/英伟达/快手

聚焦 | 海外TMT外资观点-第34周汇总(24/08/11~08/17): 苹果/英伟达/台积电/阿里/京东/腾讯

-近5日汇总: 

聚焦 | TMT外资观点: 草莓AI/甲骨文/苹果/西部数据/AppLovin/Chewy (240911)

聚焦 | TMT外资观点: 甲骨文/苹果/Semicon总结/中微/华虹/Adobe/拼多多/2Q中概总结(240910)

聚焦 | TMT外资观点: 博通/8月非农/存储周期/纬创/Zscaler/腾讯 (24/09/07)

"跟踪" 系列 → 观察预期变化
跟踪 | 海外半导体最新一致预期: 未来2个季度,未来2年 (24/08/11)

跟踪 | 美股软件&互联网最新一致预期: 未来2个季度, 未来2年 (24/08/12)

跟踪 | 英伟达2Q24(8月28日披露)最新预期(24/08/16)


"拆解" 系列 → 提供产业细节
拆解 | 四大CSP最新CAPEX/OCF预期 (24/08/09)

拆解 | 液冷GB200机柜价值量 (24/08/10)

拆解 | 英伟达AI GPU出货量 - 各外资更新汇总 (24/08/14)

拆解 | HBM需求定量分析框架 (24/08/15)

"箴言" 系列 → 寻找投资的圣杯

---

声明: 

1) 本公众号为私人所有。本公众号的原则是仅提供精选的研报摘要,主题范围主要限制在TMT领域；同时，本公众号将严格限制相关研报原文的直接曝光。

2) 这些研报内容总结的目的是方便具有这些研报权限的机构投资者筛选他们感兴趣的报告，无意对这些研究报告进行再分发。

3) 如需获取报告，请自行联系撰写这些研究报告的机构的销售人员。

4) 本公众号不对文章中出现的任何投资观点进行背书；公众号的关注者也不应该依赖文章中出现的观点进行投资决策。

Disclaimer:

1) This blog is privately owned. The principle of this blog is to provide only summaries of selected research reports, primarily focusing on the TMT sector, while strictly limiting the direct exposure of the original content from these reports.

2) The purpose of these research report summaries is to help institutional investors with access to these reports find the research insights they are interested in, with no intention of redistributing these research reports.

3) If you need to obtain the reports, please contact the sales representatives of the institutions that provide these reports.

4)This blog does not endorse any investment opinions mentioned in the articles, and the blog's followers should not rely on these opinions mentioned in the articles when making investment decisions.