全球程序員將破 10 億！黃仁勛：智能終將廉價，人性才是未來核心競爭力|【經緯低調出品】

近日，英偉達CEO黃仁勛做客知名科技播客Lex Fridman Podcast，二人探討了從公司戰略、技術演進到個人哲學的廣泛議題。不過，黃仁勛也提出了一系列顛覆性的觀點，這些觀點在技術本質、算力分配、管理哲學以及人工智能對社會的影響等方面，均與當前的主流看法存在著不同的視角和看法，具體如下：

1.Token 重塑計算經濟AI

計算從存儲檢索的 “倉庫” 升級為生成 Token 的 “工廠”，Token 成為細分定價的全新商品（分層免費 / 中級 / 高級 Token），單百萬 Token 可定價 1000 美元；計算設備從成本中心轉為利潤中心，全球計算相關 GDP 占比將較過去翻百倍。

2.推理（Inference）并非“輕量級”任務

黃仁勛的觀點：他認為推理本質上就是“思考”（Thinking），而思考是非常困難且消耗算力的。他指出，推理涉及邏輯推理、規劃、搜索和解決未知問題，這比單純的閱讀（預訓練）要復雜得多。因此，“測試時縮放”（Test-time Scaling），即通過投入更多算力讓 AI 思考更久，將成為提升智能的關鍵，推理絕非低功耗任務。

3.英偉達有望邁向10萬億美元市值？

英偉達增長確定性預判10 萬億美元市值僅為數字概念，英偉達增長為必然趨勢，未來有望實現3 萬億美元營收體量。

4.AI 電力瓶頸雙解法

• 能效端：以 “每瓦每秒 Token 數” 為核心指標，通過極致協同設計讓 Token 成本每年降一個數量級；

• 電力供給：利用電網 99% 時間的閑置峰值電力，放棄 “六個九” 絕對可用性，打造可優雅降級的數據中心，按需降載減耗。

5.對供應鏈瓶頸的“反向思維”

黃仁勛的觀點：他表示自己對此“并不擔心”。其理由是他不僅在預測未來，更在通過持續的溝通“塑造”供應鏈的未來。他會提前數年游說內存廠商（如 HBM 廠商）進行數十億美元的投入，并與合作伙伴建立基于“信任”而非僅僅是合同的關系。他認為只要通過“極端協同設計”不斷提升每瓦特的 Token 產出，算力成本的下降速度將遠超電力等物理成本的限制。

6.護城河、太空算力與對馬斯克評價

• 最深護城河：CUDA 生態 + 43000 名員工共建、百萬開發者信任，橫向覆蓋云廠商 / 邊緣設備；

• 太空算力：GPU 已用于衛星圖像處理，但太空無對流傳導僅能輻射散熱，現階段優先挖掘地球閑置電力；

• 高度評價馬斯克：認可其一性原理、極簡思維與一線執行力，盛贊 xAI 超算快速落地能力。

7. 智能是一種“商品”，而“人性”才是核心

黃仁勛的觀點：他認為智能終將成為一種廉價的“商品”（Commodity）。他甚至自謙地表示，自己團隊中的60 多人每個人在專業領域都比他聰明、更像“超人”。他認為社會應該提升對“人性”（Humanity）、性格、同情心和慷慨等特質的評價，這些才是比單純的智能更高級的力量。

以下是對話內容，Enjoy：

01

AI 革命的引擎與“極度協同設計”

Lex Fridman：黃仁勛正帶領英偉達邁向一個新紀元：從單純的芯片設計轉向宏大的機架級系統設計（Rack-scale Design）。曾經你們只需打造最強 GPU，但現在戰線已延伸至 CPU、網絡、存儲、電源、冷卻乃至整個數據中心的極度協同設計（Extreme Co-design）。面對如此繁雜的變量，打造這套深度耦合系統的核心挑戰是什么？

黃仁勛：挑戰在于，現代AI 難題早已無法靠單臺計算機解決。我們的目標是實現“非線性增長”——即增加 1 萬臺電腦，算力卻要提升 100 萬倍。

這意味著必須重構算法，進行深度分片（Sharding）。而分布式計算最怕Amdahl's Law：系統的加速比受限于那部分無法并行的環節。如果網絡、電力或通訊稍有瓶頸，即便 GPU 快上一百萬倍，整體效率也只能提升一兩倍。這是一個極其復雜的計算機科學命題，我們必須動用一切技術手段去對抗摩爾定律的放緩。

Lex Fridman：這涉及海量的權衡。你麾下匯聚了 HBM 內存、光通信、液冷等各領域的頂級專家，你是如何讓這些背景迥異的專家在同一個機架尺度上達成協作的？

黃仁勛：這正是我維持龐大直屬下屬規模（60 余人）的原因。

Lex Fridman：這么多專家和通用人才如何高效協作？

黃仁勛：關鍵在于“組織架構應反映其產出”。我看過很多公司的架構圖，無論賣漢堡還是造車都大同小異，這毫無意義。英偉達的架構必須反映它所處的計算環境。

我們優化的不只是芯片，而是整個軟件棧。我不搞低效的“一對一”面談，而是把所有人聚在一起直接攻克難題。在英偉達，協同設計是實時發生的：

• 全員透明：當討論冷卻或配電方案時，網絡和內存專家都在場。

• 即時糾偏：每個人都可以隨時插話，比如指出“這種配電方案對內存層級行不通”。

• 極致專注：成員可以自由走神，但當他們必須貢獻力量時，我必須確保他們的視角被點亮。

這種將公司視為一臺“協同機器”的運作方式，正是我們能每年迭代復雜系統的奇跡所在。

02

關于決策：CUDA 與 GeForce 的豪賭

Lex Fridman:你提到英偉達是一家適應環境的公司。從早期的游戲GPU，到后來的深度學習革命，再到現在的“AI 工廠”，這個轉變是如何發生的？

黃仁勛:從系統的視角看，我們起步時定位是一家加速器（Accelerator）公司。但加速器天然存在一個悖論：它對特定任務的優化越極致，應用領域就越狹窄。這種“極致專業化”會嚴重限制市場規模。沒有規模，就沒有足夠的研發投入；沒有研發投入，你就無法在計算領域產生深遠的影響力。

我們的愿景是走向加速計算（Accelerated Computing）。但這中間存在一種根本性的張力：如果你變成一家完全通用的計算公司，你會喪失核心競爭力；如果你守著專業加速器不放，你又會死于小眾。我們必須找到一條極窄的路徑：在不放棄專業優勢的前提下，一步步擴建我們的計算版圖。

我們邁出的第一步，是發明了可編程像素著色器（Programmable Pixel Shader），這是邁向可編程世界的分水嶺。緊接著，我們在著色器中引入了FP32（單精度浮點數）。這個符合IEEE 標準的重大跨越，引起了那些研究數據流處理器的科學家的注意。他們突然意識到：這個原本為游戲設計的、計算密集的 GPU，竟然可以運行符合行業標準的科學軟件了。

這直接促使我們在FP32 之上開發了 C 語言環境（即后來的 Cg），并最終演化成了CUDA。隨后的決策最為艱難：我們將CUDA 強行推向了GeForce（游戲顯卡系列）。這在當時是一個極其冒險的戰略，因為它消耗了公司巨額利潤，幾乎超出了我們的承受極限。但我們必須這么做，因為我們的目標是成為一家真正的計算平臺公司，而架構的兼容性必須覆蓋我們生產的每一顆芯片。

Lex Fridman：但這種“遠見”在當時的財報上，看起來一定像個災難。

黃仁勛：沒錯。代價是慘重的。CUDA 極大地增加了消費級 GPU 的復雜度與成本，幾乎吞噬了我們所有的毛利。英偉達的市值曾從 70 億美元一路狂跌到 15 億美元。我們在谷底徘徊了很久，承受著巨大的質疑，但我們始終沒有把 CUDA 從 GeForce 中拿掉。

我常開玩笑說，英偉達是“GeForce 建造的房子”。因為正是 GeForce 這種看似“不相關”的消費級業務，將 CUDA 的火種撒向了全世界。正是因為它隨處可見，后來那些成為深度學習先鋒的科研人員，才能在他們宿舍的 PC 里、在實驗室的普通機器上，發現并點燃了這場 AI 革命。

03

領導力與塑造未來

Lex Fridman：你是如何做出這種跨越式的決策并預見未來的？ 我想知道，你做出這些跨越式決策的智慧是什么？

黃仁勛：首先，強烈的好奇心驅動著我不斷探索。其次，我有一套自己的推理邏輯，這套邏輯能讓我堅信，某個結果必然會發生。當我在腦海中認定一件事時，就會全身心地去踐行，讓這個未來成為現實—— 這個未來在我看來如此確定，注定會發生。

過程中必然會經歷諸多艱難困苦，但你必須堅守自己的信念。

Lex Fridman：也就是說，你先構想未來，然后從工程師的角度，一步步將其變為現實？

黃仁勛：沒錯。你要推理出實現目標的路徑，論證其存在的必然性，而這不是我一個人的思考，而是整個管理團隊的共同推演，我們會花大量時間探討這件事。

還有一點，可能是領導力的關鍵：很多領導者會選擇沉默，等摸清情況后，在新的一年發布一份宣言，推出全新的計劃—— 大規模裁員、調整組織架構、發布新的使命宣言、更換品牌 logo，諸如此類。我從不這么做。

當我接觸到新的想法，且這個想法開始影響我的思考時，我會立刻讓身邊的所有人知道：“這個想法很有意思，會帶來重大改變，也會影響諸多領域。”我會一步步地推演這個想法的落地路徑。很多時候，我其實已經做出了決定，但我會抓住一切機會，結合外部信息、新的見解、技術突破、研發里程碑，不斷引導身邊人的認知。

我每天都在做這件事，向董事會、管理團隊、全體員工傳遞我的想法，塑造他們的信念。以至于當我提出“收購Mellanox” 時，所有人都覺得這是理所當然的決定；當我宣布 “全力押注深度學習” 并闡述原因時，其實我早已在公司各個部門埋下了伏筆。

公司里的每個人，或許都聽過部分相關的思考，而當我正式宣布決策時，所有人其實都已經在一定程度上認同了這一方向。很多時候，我宣布這些決策時，甚至能想象到員工們心里會想：“黃仁勛，怎么現在才官宣？”

事實上，我早已通過長期的引導，讓大家形成了共識，所以宣布決策時，能得到100% 的支持 —— 這正是我想要的結果，讓所有人都能跟上公司的步伐。否則，如果我突然宣布全力押注深度學習，所有人都會一臉茫然：“你在說什么？” 如果管理層、董事會、員工、客戶都覺得這個決策莫名其妙、毫無道理，那一切都無從談起。

英偉達的GTC 大會也是如此，回看歷屆大會的主題演講，你會發現，我不僅在塑造公司內部的信念，也在向行業合作伙伴傳遞我們的愿景，而這又會反過來強化公司員工的信念。所以當我們宣布某項新產品時，比如最近發布的 Grok 大模型，其實我在兩年半前，就已經開始講述其落地的各個步驟了。回頭看就會發現，我們為這個產品鋪墊了兩年半的時間。

我始終一步一個腳印地打下基礎，所以當正式發布時，所有人都會覺得“終于來了，怎么這么久”。

Lex Fridman：而且這不僅是公司內部的事，你還在塑造整個全球的創新格局，通過提出這些理念，真正地將愿景變為現實。

黃仁勛：英偉達并非單純制造計算機，也不搭建云計算平臺，我們本質上是一家計算平臺公司—— 這一點很特別，因為客戶無法直接從我們這里買到 “成品”。我們做垂直設計和整合，實現全維度的優化，但隨后會開放整個平臺的每一個層級，讓其融入其他公司的產品、服務、云計算平臺、超級計算機和原廠計算機中。

正因如此，我必須先說服行業伙伴，才能推進自己的愿景。所以GTC 大會的核心，就是向行業傳遞我們構想的未來，以至于當我們的產品正式推出時，合作伙伴都會說：“怎么現在才來？我們早就等不及了。”

04

Scaling Laws的未來：

智能進化的四大引擎

Lex Fridman：你長期以來一直是擴展定律（Scaling Laws）的堅定信徒。面對數據枯竭和算力瓶頸的質疑，你現在的信念是否有所動搖？

黃仁勛：恰恰相反，我們現在擁有了更宏大的擴展定律。我將智能的進化總結為四個階段：預訓練、后訓練、推理時擴展以及智能體擴展。

1. 預訓練（Pre-training）：從自然數據到合成數據的飛躍

過去，行業曾陷入“高質量數據即將枯竭”的恐慌，認為預訓練時代已經終結。但我認為這種擔憂忽略了合成數據（Synthetic Data）的力量。

實際上，人類彼此教導的大部分知識也是“合成”的——它們源于創造而非自然采集。如今AI 已經能夠基于真實世界的數據進行自我增強和模擬。未來，訓練的瓶頸將不再是“數據總量”，而僅僅是算力的規模。

2. 后訓練（Post-training）：算力驅動的精細化迭代

在后訓練階段，數據不再是掣肘，如何利用算力對模型進行微調和對齊（Alignment）成了核心。這不僅是權重的微調，更是對模型邏輯能力的深度挖掘。

3. 推理時擴展（Test-time Scaling）：推理即思考

這是目前最深刻的范式轉移。過去人們錯誤地認為“推理很簡單，只需低功耗的小芯片”，但這種觀點完全違背了邏輯。

預訓練是“記憶”，而推理是“思考”。思考是極其艱難的。它涉及邏輯推理、問題拆解、規劃與搜索。對于復雜難題，我們應當允許模型在推理階段消耗更多算力去“深思熟慮”。這種推理側的算力投入，是智能躍升的第二條曲線。

4. 智能體擴展（Agentic Scaling）：AI 的乘數效應

這是第四大定律，也是智能的“倍增器”。

提升我個人的能力很困難，但英偉達可以通過雇傭數萬名員工來擴張規模。我們將能夠根據需求，瞬時生成大量的子智能體形成團隊。它們能自主研究、訪問數據庫、使用工具。

智能體在執行任務中產生的新經驗和數據，會再次反哺到預訓練階段。智能的本質是算力的函數。

這四大定律構成了一個閉環的自我進化系統：智能體產生數據→ 回到預訓練記憶 → 后訓練微調 → 推理增強。

Lex Fridman：所以在你看來，阻礙這一進程的唯一瓶頸是什么？

黃仁勛：歸根結底，人工智能的進化速度只取決于一個核心變量——算力（Compute）。只要我們能提供源源不斷的算力支持，智能的擴展就沒有物理極限。

05

工作哲學：光速思維（Speed of Light Thinking）

Lex Fridman：英偉達的深度系統協同設計思路，和埃隆的系統工程方法，是否有相通之處？

黃仁勛：當然，協同設計本質上就是一個終極的系統工程問題，我們的所有工作，都是從第一性原理出發的。

還有一個理念，是我30 年前就提出的，我稱之為 “光速思維”。這不僅指速度，更是指探索物理定律的極限 —— 我們做的每一件事，都要和 “光速” 對標：內存速度、計算速度、功耗、成本、時間、人力、制造周期。

當我們思考延遲與吞吐量、成本與吞吐量、成本與容量的關系時，都會先探索其物理極限，再根據實際需求做出權衡。因為一個極致低延遲的系統，和一個高吞吐量的低成本系統，其架構設計有著本質的區別。

我們需要先明確，高吞吐量系統的物理極限是什么，低延遲系統的物理極限是什么，再結合整體系統的需求，做出最優的權衡。我要求團隊所有人，在開展任何工作前，都要從第一性原理出發，探索物理極限，用這個標準來檢驗所有方案。

我并不認同“持續改進” 的理念 —— 首先，我們應該基于第一性原理和光速思維進行設計，將物理極限作為唯一的約束；在此基礎上，再進行持續的優化。

我不喜歡這樣的情況。有人說“現在做這件事需要 74 天，我們能幫你縮短到 72 天”。我更愿意回到原點，問一句 “為什么一開始需要 74 天？現在的技術條件下，從零開始打造，需要多久？”

往往答案會讓人驚訝，可能只需要6 天。而從 6 天到 74 天的差距，背后是諸多合理的權衡，比如成本控制等。但至少我們知道了物理極限在哪里，在此基礎上，從 74 天向 6 天優化的溝通，會變得高效得多。

06

英偉達的護城河與“Token 工廠”

Lex Fridman：如今英偉達已登頂全球市值之巔。我必須代大家問一個核心問題：英偉達最深的“護城河”究竟是什么？在科技巨頭環伺的叢林里，你們憑什么立于不敗之地？

黃仁勛：如果只看資產，我們最核心的護城河是計算平臺的安裝基數（Install Base），具體來說，就是 CUDA 的生態根基。

你要知道，CUDA 的成功絕非單純的技術勝利。即便 20 年前有人做出更好的架構，也毫無意義。因為這背后是英偉達 43,000 名員工二十年如一日的投入，以及數百萬開發者交付的信任。他們相信我們會從 1.0 一直迭代到 13.0，所以才愿意把身家性命——所有的軟件代碼——遷移到 CUDA 上。

這種龐大的安裝基數一旦與我們極高效的執行力結合，威力是統治級的。開發者心中有一個共識：只要基于CUDA 開發，六個月后性能就能自動提升 10 倍，且能瞬間觸達全球所有的云平臺、行業和邊緣設備。這種“性能紅利+廣泛觸達”的確定性，讓開發者會毫不猶豫地優先選擇我們。

Lex Fridman：這種垂直整合又橫向兼容的生態確實罕見。那么，英偉達的未來是否會徹底轉型為一家“人工智能工廠”企業？

黃仁勛：沒錯。英偉達的產品認知已經發生了質變。過去我發布新產品，會拿起一顆芯片展示；但現在，我腦海中是一個千兆瓦級的龐大基礎設施。

現在的產品不再是單顆芯片，而是連接著電網、冷卻系統和數萬個節點的整座“工廠”。啟動這樣一座工廠，需要數千名網絡、電力和軟件工程師協同調試。

Lex Fridman：這種認知的轉變是否支撐著你們更高的估值邏輯？比如，英偉達市值達到 10 萬億美元的路徑在哪里？

黃仁勛：這在我看來是邏輯上的必然。因為計算的本質已經從“檢索”變成了“生成”。

過去40 年，計算機本質上是一個“文件檢索系統”——內容是預先錄制的，我們只是通過算法把它找出來。而 AI 計算機是上下文感知且實時生成的。在這個新世界里，我們對算力的需求將遠超對存儲的需求。

第二點更關鍵：過去的計算機是“倉庫”，現在的計算機是“工廠”。 倉庫只產生維護成本，而工廠直接創造收入。

我們正在量產一種全新的商品——Token。這種“智能”是可以縮放、分級的。未來，有人愿意為超高智能的 Token 支付溢價，智能將像電力或原油一樣成為全球通用的生產資料。

Lex Fridman：這是一個非常天才的比喻。將 AI 設施視為“Token 工廠”，追求每瓦每秒的 Token 產出。那么，誰是這個工廠里的“iPhone”級應用呢？

黃仁勛：智能體（AI Agents）就是 Token 界的 iPhone。

像OpenClaw、Claude Code 這些工具，它們是歷史上增長最快的應用。未來，智能體將呈指數級增長。

Lex Fridman：確實。我甚至已經開始在公共場合對著電腦“編程”了，雖然有些尷尬，但那種像和同事交流一樣的效率提升是令人震撼的。

黃仁勛：這只是開始。未來的場景不是你去找AI，而是 AI 主動找你。因為它的工作效率遠超人類，它會不斷向你匯報：“這件事我做完了，下一步計劃是這個。”未來，和你聊天、發消息最多的，將不再是人類，而是你的智能體。 它們才是 Token 工廠最核心的消費者。

Lex Fridman：你覺得真的能有一家由這樣的 AI 系統運營的公司嗎？

黃仁勛：有可能，原因如下：你說市值要超過 10 億美元，但沒說要長期維持這個市值。比如，一個智能體（Claw）完全有可能開發出一款網絡服務或有趣的小應用，突然吸引數十億用戶，每人支付 50 美分，然后不久后就退出市場 —— 互聯網時代就有很多這樣的公司，而它們的網站復雜度，其實并不比現在 OpenClaw 能生成的內容更高。

Lex Fridman：你這個說法肯定會讓很多人感到興奮，意思是“我只要啟動一個智能體，就能賺大錢”？

黃仁勛：順便說一句，這種事現在已經在發生了。如果你去中國，會看到很多人在訓練他們的智能體找工作、做任務、賺錢。我毫不驚訝，未來可能會出現一些社交類應用爆火—— 比如一個超級可愛的數字網紅，或者一個喂養虛擬寵物的社交應用，突然成為全民熱點，火上幾個月后逐漸降溫。

但要讓 10 萬個這樣的智能體聯手打造出另一個英偉達，可能性為零。我想強調的是，人們真的很擔心自己的工作會被 AI 取代，我想提醒大家：工作的本質和完成工作所使用的任務、工具是相關但不同的概念。

我已經做 CEO 33 年了，是全球任職時間最長的科技公司 CEO（如今已 34 年）。過去 34 年里，我工作中使用的工具一直在變化，有時甚至是劇變 —— 短短兩三年就會有天翻地覆的改變。我想分享一個故事：計算機科學家和 AI 研究者曾預測，第一個被 AI 取代的職業是放射科醫生，因為計算機視覺很快會達到超人水平 —— 而事實也確實如此，2019 到 2020 年間，計算機視覺的能力就已經超越了人類。

當時的預測是，放射科醫生會被淘汰，因為 AI 能替代他們分析醫學影像。但結果呢？如今所有的放射科平臺和軟件都由 AI 驅動，計算機視覺的表現確實遠超人類，但放射科醫生的數量反而增加了，全球甚至出現了放射科醫生短缺的情況。

英偉達的軟件工程師數量也會持續增長，而非減少。因為軟件工程師的核心職責是解決問題，而非編寫代碼—— 我從來不在乎他們寫了多少行代碼，他們的工作本質沒有改變：解決問題、團隊協作、排查故障、評估結果、尋找新的問題、創新、串聯各個環節。這些能力，AI 永遠無法替代。

Lex Fridman：你認為即便是編程領域，全球程序員的數量也可能增加，而非減少嗎？

黃仁勛：是的。原因很簡單：編程的定義是什么？如今，編程本質上就是“明確需求”—— 如果你想更具體，還可以給出軟件的架構設計。問題來了：有多少人能做到這一點？有多少人能向計算機描述清楚 “你要構建什么”？我認為這個數字會從現在的 3000 萬，增長到未來的 10億。

未來，每個木匠都能成為程序員—— 但有了 AI 的助力，木匠同時也能成為建筑師，他們能為客戶提供的價值大幅提升，技藝也實現了質的飛躍。我相信，每個會計師都會成為財務分析師和財務顧問，所有職業都會被 AI 賦能、升級。如果我是木匠，看到 AI 的潛力，一定會無比興奮；如果我是水管工，也會為 AI 能帶來的服務升級而激動。

Lex Fridman：但跳出編程領域，我認為很多人擔心自己的工作是合理的，尤其是白領群體。面對自動化和新技術帶來的動蕩時期，我們都不知道該如何應對？

黃仁勛：我的第一個建議是—— 這也是我應對焦慮的方式，我們之前也聊過：面對未來的巨大不確定性、壓力和焦慮，首先要拆解問題，告訴自己 “有些事你能掌控，有些事你不能。對于能掌控的，就通過推理找到解決方案，然后付諸行動”。

如果現在要招聘一名應屆畢業生，有兩個選擇：一個完全不懂 AI，一個精通 AI 的使用 —— 我會毫不猶豫地選擇后者。無論是會計、營銷人員、供應鏈專員、客服、銷售人員、商務拓展人員，還是律師，只要有候選人精通 AI，我都會優先錄用。

所以我建議，每個大學生都應該積極使用 AI，老師也應該鼓勵學生這么做；每個大學生畢業時，都應該成為 AI 領域的專家。無論你是木匠、電工，都去嘗試使用 AI，看看它能如何改變你當前的工作，提升你的能力。如果我是農民，我一定會用 AI；如果我是藥劑師，我也會用 AI—— 我想看看 AI 能如何助力我的工作，讓我成為顛覆行業的創新者。

技術確實會取代很多任務，因為它能自動化處理這些任務。如果你的工作本身就是單一的任務，那么被替代的概率非常高；但如果你的工作目標包含這些任務，那么學習用 AI 自動化處理它們，就至關重要。大多數職業都處于這兩者之間。

07

苦難、韌性與生命的終極思考

Lex Fridman：你將自己的成功，很大程度上歸功于 “比任何人都努力，比任何人都能承受苦難”。

這其中包含諸多方面：應對失敗、攻克我們聊到的各類工程難題、處理人際問題、面對不確定性、承擔責任、忍受疲憊和尷尬，還有你提到的那些企業瀕臨破產的時刻，以及如今的巨大壓力。你是如何應對這些壓力的？

黃仁勛：我對自己要求非常嚴格，但同時也會將問題拆解，避免陷入恐慌。我能安心入睡，是因為我列出了所有需要做的事，確保所有可能危及英偉達、合作伙伴、行業的問題，都已經告知了相關負責人—— 任何可能給他人帶來風險的事，我都會告訴能解決問題的人，將壓力分擔出去，或是親自采取行動解決。

Lex Fridman：做到這些之后，還能做什么呢？

Lex Fridman：在打造英偉達的過程中，經歷了這么多難以想象的苦難，你是否有過心理低谷？

黃仁勛：當然，一直都有。

Lex Fridman：而你應對的方式，就是將問題拆解成一個個小部分？

黃仁勛：沒錯。而且還有一點很重要 —— 學會遺忘。人工智能學習的一個核心特性，就是系統性遺忘，知道該忘記什么，不能記住所有事，也不能背負所有壓力。

我處理問題的速度很快：拆解問題、推理分析、分擔壓力。我所說的“告訴所有人”，本質上就是分擔壓力 —— 盡快將讓我擔憂的事，告訴其他人，當然不是讓他們恐慌，而是將問題拆解后，讓他們參與進來，激發他們的積極性，共同解決問題。

但另一個關鍵，就是遺忘。你必須對自己狠一點，告訴自己“別抱怨了，繼續前進”，然后振作起來。還有一點，就是被未來的機會吸引，告訴自己 “過去的已經過去了，接下來該做什么？”

我想，優秀的運動員都是如此，他們只關注下一分，忘記上一分的得失，忘記尷尬和挫折。而且，我的工作大多是公開進行的，你也一樣，公開工作意味著會面臨更多的審視。

我在公開場合說過很多話，當時覺得很有道理，或是覺得很有趣—— 大多時候只是我自己覺得有趣，后來回想起來，可能覺得沒那么有趣，但這都不重要。

Lex Fridman：沒錯，我深有體會。但本質上，你是讓自己被未來的光牽引，忘記過去，持續朝著未來前進。你曾說過一句很有名的話：如果當初知道打造英偉達會這么難，比預想的難一百萬倍，你可能就不會開始了。

黃仁勛：沒錯。

Lex Fridman：但事實上，所有值得做的事，大概都是如此吧？

黃仁勛：正是如此。我想表達的是，保持一顆童心，是一種極其強大的能力。我常常看著一件事，腦海中第一個念頭就是：“這能有多難？”

帶著這種心態，面對那些從未有人做過、看似龐大、需要數千億美元投入的事，依然會問自己：“這能有多難？”

你必須保持這種心態，不要提前過度推演所有細節，不要預想所有的挫折、磨難和失望。你要帶著“一切都會很完美、很有趣” 的心態，開啟新的旅程。而當你真正踏上旅程，就需要擁有耐力和勇氣，因為挫折、失望、尷尬、屈辱，總會不期而至。

這時，你需要做的，就是忘記這些不愉快，繼續前進。只要你對未來的假設，以及支撐這些假設的依據，沒有發生本質變化，那么你預想的未來，就一定會實現。如果未來注定會來，那就義無反顧地去追求。

我認為，這種韌性源于幾個特質：以全新的心態開啟新體驗、學會遺忘挫折、堅信自己的信念，同時持續重新評估現狀。這幾個特質的結合，至關重要。

我很幸運，過往的人生經歷，讓我具備了這些特質：我始終充滿好奇心，持續學習，向每一個人學習。我總是問身邊的人問題，始終保持謙卑，看到別人做得好的地方，會想“他們做得太棒了，他們是怎么思考的？”

我會揣摩每個人的想法，在某種程度上，我在模仿我看到的每一個人，對他們的所作所為抱有同理心和尊重，所以我能持續學習。

Lex Fridman：如今，你是世界上最富有的人之一，也是最成功的企業家之一。擁有如此多的財富、權力和名氣，是否會讓你更難保持謙卑？是否會讓你難以承認自己的錯誤，難以傾聽不同的意見，難以向他人學習？

黃仁勛：令人驚訝的是，并不會，甚至恰恰相反。因為我的工作大多是公開進行的，當我犯錯時，幾乎所有人都能看到，這會讓我保持謙卑。

我在公開場合說的話，大多是經過深思熟慮的，因為這些話會影響他人，我必須謹慎。而在內部會議中，我們會探討很多可能性，很多想法可能會被推翻，但這并不影響我持續推理。

我的管理和領導方式，就是在所有人面前持續推理。即便和你對話，你也能看到我在現場推理的過程。我希望你能理解我的想法，不是因為我是黃仁勛，而是因為我會清晰地展示推理的步驟，讓你自己判斷我的結論是否正確。

我每天在會議中都是這么做的，和員工分享我的思考過程，一步步推演，讓所有人都有機會提出質疑：“我不同意這一步的推理。”

這種推理式的溝通方式，好處在于，人們不必直接否定我的結論，而是可以質疑推理的步驟，引導我從不同的角度思考，然后我們一起繼續推演—— 這本質上是一種集體的探索方式，非常有效。

Lex Fridman：是的。 人類的主觀感受真的很特別。過去幾年，我已經被 AI 的發展驚喜了無數次，算力的縮放確實能在智能領域創造奇跡，真的非常了不起。你認為人類本性、人類意識中，是否存在一些本質上非計算性的東西？有哪些永遠無法復制的特質？

黃仁勛：關鍵是要明確“智能” 的定義。這個詞我們經常使用，但它并非神秘莫測 —— 智能是一個系統具備的能力，包括感知、理解、推理和規劃，這個循環過程，就是智能的本質。智能和人性并非同義詞，這一點非常重要，我們需要區分這兩個概念。

我并不美化智能，也不將其浪漫化。事實上，我認為智能是一種商品。我身邊圍繞著很多聰明人，在他們各自的領域，都比我更聰明、更博學、更專業—— 我有 60 位這樣的直接下屬，對我來說，他們都是 “超人”。但不知為何，我能在中間協調他們所有人。

所以你會問：一個“能力平平” 的人，為什么能在一群 “超人” 中間發揮作用？這恰恰說明，智能是一種功能性的東西，而人性并非由功能定義，它的內涵要廣闊得多。我們的人生體驗、對痛苦的容忍度、決心和毅力 —— 這些都和智能是不同的概念。

長期以來，我們把“智能” 這個詞抬到了過高的位置，但我們真正應該推崇的，是人性、品格、同情心、慷慨這些特質 —— 我認為這些才是人類的 “超能力”。而如今，智能即將成為一種大眾化的商品。

社會總說“教育是最重要的”，但你上學時學到的，絕不僅僅是知識。不幸的是，我們的社會把一切都歸結為 “智能” 這一個詞，但生活遠不止這一個維度。我的人生經歷告訴我，即便我的智能水平不如身邊的所有人，也不妨礙我取得成功。我希望能激勵大家：不要讓智能的民主化、商品化讓你感到焦慮，而應該為之感到興奮。

Lex Fridman：英偉達的成功，以及我提到的數百萬受其影響的人的生活，都在一定程度上依賴于你。但你和我們一樣，只是一個普通人，一個凡人。你會思考自己的死亡嗎？你害怕死亡嗎？

黃仁勛：我真的不想死。我過著很棒的生活，有幸福的家庭，還有非常重要的工作要做。我現在經歷的，不是“一生僅有一次” 的體驗（這種體驗很多人都有過），而是 “人類歷史上僅有一次” 的體驗。英偉達是人類歷史上最具影響力的科技公司之一，我們正在做的工作至關重要，我對此無比重視。

當然，有一些實際問題需要考慮，比如繼任規劃。我一直公開表示，我不相信繼任規劃。

Lex Fridman：天啊。

黃仁勛：這并非因為我覺得自己長生不老，而是因為如果你擔心繼任規劃，被這種焦慮困擾，那該怎么辦？答案是回到問題的本質：如果你關心公司在你離開后的未來，當下最重要的事，就是持續不斷地傳遞知識、信息、洞見、技能和經驗—— 這也是我為什么總是在團隊面前公開推理所有問題。

每一次會議都是一次推理會議，我在公司內外的每一刻，都在盡快將知識傳遞給他人。我學到的任何東西，都不會在我這里停留超過一瞬間——“天啊，這個太酷了”，還沒等我完全消化，就會立刻分享給其他人：“快來關注這個，太有意思了，你一定會想學習的。”

我一直在傳遞知識、賦能他人、提升身邊所有人的能力，我希望最終能實現的目標是：在工作崗位上突然離世，沒有漫長的痛苦。

Lex Fridman：這對我意義重大。謝謝你，黃仁勛。

黃仁勛：謝謝你，Lex Fridman。

Lex Fridman：最后，我想引用艾倫?凱的一句話作為結尾：“預測未來的最佳方式，就是創造未來。” 感謝收聽，我們下次再見。