黄仁勋谈 TPU 竞争、中国与供应链
黄仁勋把英伟达的壁垒归结为可编程加速计算、全栈协同设计、CUDA 生态和大规模供应链组织能力。他认为 AI 不会简单商品化软件，反而会借助大量智能体扩大软件工具的使用；固定功能加速器难以跟上算法变化，而英伟达的安装基础、跨云可用性和工程优化能力会继续支撑其竞争力。
匹配观点 · 转述 推理市场会按响应时间分层，高价值客户可能为更快但总吞吐较低的 token 支付足够溢价。
访谈与观点
从公开访谈，找到具体表达与出处。
4 场访谈
Arm Tech Unheard：领导力与 AI 工业革命
这场访谈中，黄仁勋把 NVIDIA 的组织方式与技术路线联系起来：招聘时更看重过往经历核验和深入问题中的推理，管理上通过公开愿景、战略及挑战，让员工在跨部门任务中自主决策；领导者负责培养人才、移除障碍，清晰且可见的共同目标有助于凝聚团队。他以 Arm 推动 SoC 开发、Shield 作为较小的完整系统练习、Mellanox 网络产品整合为例，说明公司如何从 GPU 算法走向系统开发，再把整个数据中心视作 AI 集群的计算单元。在这一框架下，他主张以年度系统协同设计提高同等能耗和成本下的性能，同时保护跨代软件兼容及 CUDA 装机基础上的软件投入。他还将持续产出 token 的 AI 工厂称为新工业革命的起点。机柜密度提升、液冷、多 GPU 协同和尽量延长电互连使用，是他描述的系统设计方向；他援引的 Grace 每瓦性能对比未给出工作负载和具体对照型号，单柜功率提高也不能单独证明设施总能耗下降。
匹配观点 · 转述 黄仁勋预计，未来 AI 回答问题时会反复推理，可能使用树搜索、迭代和自我反思，在给出答案前执行上百或上千次推理，以提高答案质量。
黄仁勋在斯坦福 SIEPR 的对谈
在这场 2024 年 3 月的访谈中，黄仁勋把 AI 的进展归于加速计算降低深度学习成本，并强调芯片、算法、网络与数据中心协同，评价系统时应看部署速度、利用率和总运营成本，而非只看芯片价格。他认为推理竞争还取决于平台的部署覆盖与兼容性；NVIDIA 虽与自研芯片客户竞争，仍愿展示路线图，并倾向复用既有平台做定制。他同时谈到多模态与物理约束、较长时间的规划推理、蛋白质及细胞功能理解、自然语言交互，以及主权 AI 带来的需求。谈及组织，他强调韧性、持续反馈和信息流动。关于 AGI 的五年判断仅以明确考试清单为条件，他对完整人类智能没有给出期限；关于更多晶圆厂的需求，也没有给出数量，并指出效率改进会抵消部分需求增长。
匹配观点 · 转述 他在本次访谈中声称，NVIDIA 当时承担了全球全部 AI 推理，并强调用户调用 AI 产品时主要是在使用推理能力。
黄仁勋谈 AI 的未来（DealBook 峰会）
这场 2023 年 11 月的访谈中，黄仁勋以 DGX 从内部工程用途走向交付 OpenAI 的经历，说明英伟达把 AI 视为整套计算系统的问题。AlexNet 的结果使他判断，从样例学习将改变软件开发和应用类型；芯片、网络、整机与软件需要协同变化。他认为访谈时的 AI 擅长感知和即时反应，多步推理仍待解决；对五年内达到 AGI 测试标准的预测，则以特定的测试定义为前提。他预计通用 AI 与吸收企业私有知识的专用 AI 并存。谈及供应链和对华业务，他支持提高独立性，但认为完全独立在十至二十年内并不现实；英伟达计划开发合规芯片，同时他提醒技术限制可能刺激本地产业。对 AI 安全，他主张监管，并借鉴自主系统的设计、测试、监控和冗余原则。谈管理时，他将创业中的生存危机与持续警觉联系起来，也支持减少组织层级以促进信息流动。
匹配观点 · 转述 在 2023 年 11 月访谈时，黄仁勋认为 AI 已擅长感知和一次性即时反应，但多步推理仍是待解决的问题；研究方向包括把目标拆成步骤、构造决策树，再搜索通向最优答案的路径。