黄仁勋接受了Bg2 Pod的专访，与Bill Gurley和Brad Gerstner进行了剪辑后仍达近2小时的对 谈。 出品 / 新智元 （ID:AI_era）作者 / 艾伦 他直言：「我认为，OpenAI极可能成为下一家万亿美元级的超大规模科技公司。」 而主持人后面更是大胆预言，英伟达很可能将成为第一家市值10万亿美元的公司。 本次对谈信息密度格外高，黄仁勋集中表达了对英伟达近期包括对OpenAI的千亿美元投资、投 资英特尔等一系列大动作的原因，对英伟达的产业角色的定位，对AI产业的发展前的前瞻，以及 AI对世界经济格局的彻底重构。 观众也在视频评论区对本次访谈给予了高度评价，极尽溢美之词。 因采访视频信息含量实在巨大，本文仅能以对读者友好的总结性文字，对黄仁勋的重要观点进行 带有我们的有限理解的概述，从而在有限的篇幅中为读者尽可能多地提供重要信息。 强烈推荐AI股投资者、AI从业者、对AI影响感兴趣的有条件的读者等，抽时间认真看完完整采 访，定会收获满满，也能更好地理解本文。 OpenAI不只是客户，更是共建者 在黄仁勋眼里，OpenAI并不只是下单采购的「客户」，更像是一个共同打造下一代AI工厂的 「 ...

9月25日，英伟达创始人黄仁勋 戴着显眼的红色眼镜 ，到 Bg2 Pod 做了一场 播客 对话，时长超过 100 分钟。 而去年 10月4日，同样的两个主持人 布拉德 ·格斯特纳（Brad Gerstner）和 克拉克 ·唐 （ Clark Tang） 还走进英伟达总部，跟黄仁勋畅聊 80分钟。 当时 黄仁勋提出了一个被广泛引用的观点： AI的真正爆发点不是训练，而是推理，而且推理的增长幅度将 是"十亿倍"。 一年之后，他说， "其实当时还是低估了"。 这次访谈，是黄仁勋众多频繁演讲交流 中 比较深入的一次，而且 直面了市场 近期 最关心的争议。 比如， 英伟达既是 OpenAI的投资者，又是其 重大 供应商， 似乎 形成了某种 "循环收入"？ 比如， 未来 供给扩张过快， 2026年 会不会出现产能过剩？ 以及 英伟达的护城河究竟有多深？ 黄仁勋 直面所有问题。 "我们的股权投资不与采购挂钩，它只是一次押注未来巨头的机会。" " 我认为 OpenAI很可能会成为下一个万亿美元市值的超大规模公司。如果真是这样，那么在它成长到那个 规模之前进行投资，就是我们能想到的最明智的决策之一。 " " 所以如果有人告诉我 ...

AI行业增长前景 - OpenAI很可能成为下一个万亿美元市值公司 是英伟达的重要合作伙伴 [1][3][4] - AI驱动收入将在5年内从1000亿美元增长至万亿美元级别 目前可能已达到该水平 [1][26][28] - AI将增强全球50万亿美元规模的人类智能经济活动 可能创造10万亿美元增量价值 [20][21][24] 计算范式转型 - 通用计算时代结束 全球数万亿美元计算基础设施将全面转向加速计算和AI计算 [3][17][18] - 传统超大规模计算模式（搜索 推荐 购物）正从CPU转向GPU驱动 形成数千亿美元市场 [18][28][34] - 数据处理市场（Databricks Snowflake Oracle SQL）目前主要使用CPU 未来将全面转向AI处理 [34] 英伟达竞争战略 - 通过"极致协同设计"实现系统级优化 年度发布周期使性能呈指数级提升（Hopper到Blackwell提升30倍） [3][41][47] - 即使竞争对手芯片免费 英伟达系统在总拥有成本（TCO）上仍具优势 因电力 数据中心等运营成本更低 [1][75][77] - 从GPU供应商转型为AI基础设施建设者 能整合各类ASIC满足多样化工作负载需求 [3][62][64] 技术发展路径 - AI规模定律从预训练 后训练扩展到"思考"推理定律 推理能力将实现百万倍至十亿倍增长 [3][7][8] - Token生成速度每几个月翻一番 驱动每瓦性能需持续指数级提升 电力消耗与收入直接相关 [22][24][43] - 年度发布周期包括2024年Hopper 2025年Grace Blackwell 2026年Vera Rubin 2027年Ultra 2028年Feynman [41][47] 生态系统建设 - 与OpenAI的Stargate合作涉及1000亿美元投资 帮助其建立自主AI基础设施 [3][10][11] - 推出NVLink Fusion等开源平台 整合英特尔 ARM等生态系统合作伙伴 [71][73][74] - 投资xAI CoreWeave等公司 但不与采购义务挂钩 属于机会性股权投资 [39][40] 市场容量分析 - 全球AI基础设施年资本支出可能达到5万亿美元 对应生成10万亿美元token价值（50%毛利率） [21][22] - 目前4000亿美元市场规模将增长4-5倍 阿里巴巴计划将数据中心电力容量增加10倍 [22][25] - 供应链已做好准备应对需求增长 实际需求持续超出客户预测 [31][32] 工作负载演进 - AI从单一语言模型发展为多模型系统 能同时运行 使用工具并进行研究 [9] - 传统"一次性"推理转向"思考型"推理 大幅增加单次使用的计算量 [11][13][33] - 视频生成 上下文处理等专业化工作负载需要特定芯片（如CPX） [62]