今天《連線》雜誌專訪了英偉達創始人兼CEO黃仁勳，從新AI系統Blackwell的推理效能優勢，到英偉達的AI全球戰略，聊了不少這家美國GPU巨頭在半導體行業的最新進展。黃仁勳稱，AI已逐步成為一種基礎設施，各AI開發商正大規模“製造智慧”，並以此重塑各行各業。半小時內，他提及了至少23次「基礎設施」。黃仁勳調侃道自己也用AI Agent來寫演講稿。

在此次訪談中，黃仁勳也回應了本週令半導體產業震顫的兩件大事，一是英特爾CEO帕特·基辛格（Pat Gelsinger）正式退休，並從董事會卸任；二是美國商務部工業與安全局（BIS）公佈對華半導體出口管制措施新規，波及24種半導體製造設備、3種用於開發或生產半導體的軟體工具、高頻寬記憶體（HBM），以及超140家半導體產業上下游公司。

由於深度學習和機器學習的出現，10年間，半導體產業的底層架構技術發生了根本性的轉變，GPU席捲CPU市場。在他看來，這就是英特爾困境的核心原因。而台積電在全球半導體供應鏈仍會長期保有優勢。

根據雅虎財經的數據，截至發稿，英偉達的股價年漲167%，最新市值為3.2兆。

▲英偉達今年股價狀況，漲幅接近167%（圖源：雅虎財經）

以下是這本《連線》雜誌資深撰稿人勞倫·古德（Lauren Goode）與黃仁勳訪談全程內容的編譯（為提高可讀性，智東西在不違背原意的前提下進行了一定的增刪修改）：

一、AI硬體潮英特爾沒能跟上

古德：前幾天英特爾CEO帕特·基辛格（Pat Gelsinger）官員宣退休，但有市場傳聞說他是被迫下台的。我認為，20年前沒有人會想像得到英特爾走到了這一步。

你是如何確保英偉達在10年、20年之後，不會落得同樣的下場？為了確保這一點，你規劃了哪些實際的策略？

黃仁勳：我和基辛格已經有數十年的交情了，非常感謝他和英特爾提供的合作和支持。現在我們仍選用英特爾的CPU，並與他們一起開發和推廣各種各樣的產品和專案。

當一個行業發生一些根本性的變化時，其力量令人難以置信。深度學習與機器學習的技術創新，讓全世界從在CPU上運行編碼指令，轉向在GPU上探索神經網絡，這種趨勢並不是可以與之抗爭的。你要么走上這條路，要么錯過這條路，並且沒有人能保證這一點。

不管CPU的效能多強，你都抵抗不了機器學習的發展勢頭；不管一台電腦多先進，你都抵抗不了雲端運算的發展動能。由於機器學習的出現，不到10年，人們建造、處理工具的方式和內容都發生了根本性的改變。因此，你要長期為這些技術革新做好準備。

別忘了，英偉達是一家從基礎技術架構起步的公司，成立兩年後，公司實際發展方向就完全改變了。我們很快就認清了一個事實，那便是當時我們所建立的架構、所擁有的技術都是錯的，於是無論如何都要去做GPU，去追趕深度學習領域。後續英偉達從一家晶片公司，發展為一家系統公司，再變成了一家基礎設施公司。

二、半導體產業首次大規模製造智能

古德：你有說到英偉達在全球各地都有不少合作夥伴，但身處於當前政策變動、條件嚴苛的商業環境，你是怎麼應對的呢？

黃仁勳：正如過去60年那樣，世界在變的同時，AI產業也一直在改變。我們現在能夠解決的問題、能夠提供的產品解決方案、能夠實現的能力都是不尋常的。目前，科技產業和軟體產業仍有領先優勢，而以這兩者為基礎的其他產業，將在接下來的十年內經歷重大變化。

古德：這週一，美國商務部擴大了出口管制，管制範圍不僅限於半導體產業。與之相關的上下游供應鏈也會受到一定影響，而英偉達的GPU則是其中一環。在你看來，出口管制的理由是否合理，中國市場的競爭對手又會如何應對？

黃仁勳：首先，我們會盡力了解並告知半導體產業的動態，以及英偉達如何在全球市場運作，並向上級解釋這些事情。在那之後，我們的工作仍是繼續專注於創新和推動技術進步，更好地滿足客戶的需求。這些都在我們的控制範圍內。

古德：即將上任的川普政府近期提到了台積電（TSMC），他認為台積電搶走了美國的部分晶片業務。英偉達與台積電長期合作，你怎麼看待這件事對兩家公司關係的影響？

黃仁勳：無論是在半導體產業，或是在全球供應鏈市場，台積電的重要性都是不言而喻的。因此，我們很重視與台積電的合作，也在這份合作關係中越做越好。同時，全球供應鏈對台積電的依賴仍會持續很長一段時間。

古德：川普當選新美國總統以來，你和他交流過嗎？

黃仁勳：我已經聯繫了川普總統並向他表示祝賀。

古德：那你是否想要與他進一步討論英偉達的業務？

黃仁勳： AI是一個很宏大的議題。它不僅是一項新技術，更是一個全新的產業。當下，我們第一次大規模製造智慧。

我選擇「製造」這個詞的原因是，通常在一個產業形成的過程中，會製造出前所未有的東西。就像電腦產業當初製造軟體一樣，現在AI產業是製造智能，需要能源，需要大量工廠，並且對一個國家的社會、工業、經濟和技術進步有重要影響。

三、感知、推理和計劃能力是衡量AI Agent的標準

古德：最近AI Agent（AI智能體）的概念走紅，不過其具體的定義似乎還不清晰。那麼，你認為AI Agent是什麼，能做什麼，為什麼有些人稱它是下一波生成式AI呢？

黃仁勳：從感知AI（Perception AI）到生成式AI（Generative AI），再到AI Agent。時至今日，AI可能實際上是一個機器人、一個AI系統或其他形態。我認為這些有關AI Agent的描述，在不同的脈絡脈絡中有時可以互換，不過其核心是不變的，即結合感知、推理和計劃能力，這也是AI的基石。

目前，AI可以基於思考鏈（CoT）或其他架構的推理模型，把我們拋給它的任務，拆解成多步驟完成。除此之外，AI也可以產生圖像、音樂、文件等等。這些意味著，未來你可以用各種各樣的方式找到解決問題的方法，甚至可以讓別人代勞一部分工作。

古德：你使用了哪些AI Agent來幫助你提升工作效率，以及怎麼用的，可以舉例說說嗎？

黃仁勳：我現在用好幾個，個人體驗都不錯，像是Gemini和ChatGPT。我常用AI來寫一些東西，舉個例子，我會把一個初版的大綱丟給AI，再給它一些我以前演講內容的PDF文檔，然後我就可以根據AI生成的內容進一步完善我的初稿。

古德：所以你是說，我任何時候給你發電子郵件，你都會回复，但其實這都是AI Agent幹的？

黃仁勳：那不是，我設定了一個郵件過濾器，如果是你發的郵件，它會顯示在頁面最上方。

四、新標準化推動Blackwell能源效率提升30倍

古德：了解到英偉達最新的產品Blackwell已經開始交付了，其中有不少大客戶。你認為Blackwell最大的亮點是什麼，是速度更快嗎？這對下游產業有哪些影響？

黃仁勳： Blackwell正在滿載生產，進展順利。

Blackwell是一個完整的系統，它為訓練模型的效率帶來了質的提升。過去通常需要等待幾個月來處理訓練模型所需的數據，然後再訓練模型。 Blackwell可以把這個時間壓縮1/3到1/4，像是本來要用6個月，現在大概只耗時1個半月左右。隨著越來越多公司武裝AI能力，3個月的時間差可能會改變遊戲規則。

另外在推理方面，我們發現推理過程遵循的不是Zero-shot Learning（零樣本學習）或One-shot Learning（單樣本學習），而是長期思考的模式。它本質上是AI先在腦海中構思出各種不同的解法，然後用更多的算力，提供更恰當的答案。

這是一種新的標準化（scaling）方式，我們稱之為測試階段標準化（test time scaling）或推理階段標準化（inference time scaling）。這樣一來，Blackwell的推理過程可以兼顧高效能和節能，能源效率提升了30倍。

五、全球多個國家開始佈局“主權AI ”

古德：我們來談談主權AI（Sovereign AI）。

黃仁勳：一方面，當前各國都發現AI的能力超越他們想像，他們開始意識到AI對國家的重要性、數據也是國家所擁有的自然資源、數據裡反映了另一個社會，並理應出手收集、處理、利用這些數據。

另一方面，AI在許多方面擔任了基礎設施的角色，例如能源基礎設施、通訊基礎設施、數位智慧基礎設施、AI工廠、資料中心等等。同時，在社會、教育、大學、研究和創業等環境中，AI也扮演了十分重要的角色。

也是出於對主權AI的考慮，我今天特地待在泰國，與當地的合作夥伴一起見證一家AI雲端服務公司的啟動。迄今為止我們已大約有56家AI創企。

古德：如果把這個生成式AI爆發的時代，重新定義為基礎設施，在你看來這對AI模型的發展又意味著什麼？

黃仁勳：首先，AI作為基礎設施，通常意味著社會中的不同分工都需要用到它，包括大學、研究人員、新創公司、大公司等。

其次，我認為AI將基於網路重建一套新的作業系統，我們使用電腦的方式將會改變。過去我們透過程式語言、檢索文件和管理文件等方式與電腦溝通，未來則是透過提示詞直接問問題，要求它為我們做一些事情。

這項變化的關鍵在於，搭載多個大語言模型的AI系統取代了傳統作業系統，並且各國都可以創建自己的大語言模型和AI系統。

這些AI系統並非依賴單一的、參數量巨大的模型，而是整合不同類型、領域的模型。其中有些擅長推理，有些用於AI工具，有些負責資訊檢索，還有防護措施、合成資料產生、獎勵和反思等模型。