如果你关注未来，必须看这场黄仁勋的演讲，下图是演讲开场视频的第一个画面，本杰明·富兰克林的风筝实验，是科学史上极具代表性的实验之一，用来验证闪电就是电的本质。
10月28日，黄仁勋在华盛顿特区的GTC大会上，讲了一个故事。"This is in 2016 when I delivered it to a startup in San Francisco, which turned out to have been open Ai." 2016年，他亲自开车，把英伟达第一台AI超级计算机送到旧金山一家初创公司，那家公司当时还没什么名气，叫OpenAI。
九年后，站在同一个舞台上，他宣布：英伟达已经拿到了5000亿美元的订单，正在全力生产一种叫Grace Blackwell的新一代AI超算系统。 从一台电脑到5000亿美元的订单，这中间到底发生了什么？
老黄手中的那个小板子，相当于100台当年送给OpenAI的计算机。 看完这场两个小时的演讲，我突然意识到： 大多数公司拼命追赶技术，但真正的护城河，从来不是技术本身。 01所有人都在做CPU的时候， 他做了一个"没人要"的选择。
1993年，英伟达成立的时候，整个硅谷都在围着英特尔转。 CPU是绝对的王者，摩尔定律正以令人兴奋的速度推进——每18个月，晶体管数量翻倍，性能翻倍，成本减半。 这简直是完美的商业模式。 但黄仁勋做了一个"奇怪"的决定：他要做一种完全不同的处理器，叫GPU。 英伟达发明了一个六十年来首次出现的新计算模型。正如你在视频中看到的那样，一种新的计算模型的诞生是极其罕见的……我们早就观察到，总有一天晶体管的数量还会继续增加，但晶体管的性能提升和能效增长将会放缓，也就是说，摩尔定律将因物理极限而无法再持续下去。而这个时刻——已经到来了，我们的“线性扩展”已经停止。
当时的投资人问他："这东西是干什么的？" "做3D游戏图形渲染的。" "市场有多大？" "我们相信，3D游戏会改变整个游戏行业。" 投资人摇摇头，心想：这不就是个做游戏显卡的公司吗？能有多大出息？ 更要命的是，黄仁勋不仅要做GPU，还要做一个全新的编程模型，叫CUDA。 这个决定在当时看来简直是疯了。 你想啊，开发者已经习惯了用C语言给CPU写程序，好好的，你让他们学一门新语言，给一个"游戏显卡"写程序？ 谁会用？ 但黄仁勋在演讲中说了一句话，让我印象特别深刻： "我们必须创造一种全新的编程模型。不是因为我们想与众不同，而是因为我们看到了一个本质问题——摩尔定律终将失效，那时候，世界需要一种新的计算方式。" 这句话听起来很抽象，但背后藏着一个巨大的洞察： 当所有人都在优化现有路径的时候，真正的机会在于创造一条新路。
事实上，黄仁勋赌对了。 十年前，摩尔定律开始失效。CPU的性能提升越来越慢，但晶体管的数量还在继续增长。 这时候，问题来了：晶体管多了，但性能上不去，怎么办？ 英伟达的答案是：用GPU的并行计算能力，把这些晶体管的价值充分释放出来。
这就是为什么，今天所有的AI训练和推理，都离不开英伟达的GPU。 不是因为英伟达的技术最先进——虽然确实很先进——而是因为30年前，他们选对了一条别人不看好的路，并且一直走下去。 02真正让我震惊的 不是那块价值连城的芯片 演讲进行到一半，黄仁勋拿出了一块像美国队长盾牌一样的东西。
那是英伟达最新的NVLink 72芯片板。 他说："如果我们要做一块巨大的GPU芯片，它就会长成这样。" 台下一片惊呼。
但真正让我震惊的，不是这块芯片有多大、多贵、多先进。 而是黄仁勋接下来说的话： "十年前，我们只需要设计一块芯片。现在，为了让AI性能提升10倍，我们必须同时重新设计芯片、系统、网络、软件、算法，甚至整个数据中心。这叫做极致协同设计（Extreme Co-design）。" 他展示了一张图：
以前，英伟达设计1种芯片 现在，他们要同时设计7种不同的芯片：GPU、CPU、DPU、网络芯片、存储芯片、量子计算接口芯片、机器人芯片 每一种芯片，都不是独立工作的，而是整个系统的一部分。 这意味着什么？ 意味着任何竞争对手，如果只是做一块"更好的GPU"，根本无法撼动英伟达的地位。 因为英伟达卖的不是一块芯片，而是一整套从底层硬件到顶层应用的完整解决方案。 这让我想起一个场景： 你去买车，销售跟你说："我们这款车的发动机是全世界最先进的。" 听起来很厉害，对吧？ 但如果另一家公司跟你说："我们的车，发动机、变速箱、底盘、悬挂、电子系统，全部是协同设计的，能让你的驾驶体验提升10倍。" 你会选哪个？ 英伟达就是后者。 而且更狠的是，他们每年都会推出新一代的"整车"。 今年是Grace Blackwell，明年是Vera Rubin，后年还有新的。
演讲中有个细节特别有意思： 黄仁勋说，Grace Blackwell的性能，是上一代H200的10倍。 10倍！ 要知道，同时期，如果你只是堆砌更多晶体管，最多只能提升50%的性能。 为什么能做到10倍？ 因为他们不是在优化一个点，而是在重新设计整个系统。 这就是协同设计的力量。 03有一个问题 所有人都答错了 演讲中，黄仁勋问了一个问题： "很多人跟我说，AI推理很简单，英伟达应该专注做训练。你们觉得呢？" 台下一片沉默。 然后他自己回答： "思考怎么可能是简单的？背诵乘法表是简单的，但思考是困难的。" 这句话，一下子点醒了我。 大多数人对AI的理解是这样的： 但这个理解，完全错了。 黄仁勋用了一个特别形象的比喻： AI的训练，就像人上学。 预训练（Pre-training）：相当于幼儿园到小学，学习基础知识，建立对世界的认知。 后训练（Post-training）：相当于中学到大学，学习各种技能和方法论。 推理（Inference）：相当于工作后，面对具体问题，去思考、研究、推理、解决。
哪个环节最难？ 显然是推理。 因为推理不是简单地背诵答案，而是： 1.理解你的问题 2.分析你的意图和背景 3.调取相关知识 4.分步推理 5.得出结论 6.表达答案 每一步，都需要大量的计算。 而且，每个人的问题都不一样，每次的上下文都不一样，AI需要实时处理这些信息，不能提前计算。 这就是为什么，ChatGPT在高峰期会变慢——不是因为模型不好，而是推理需要的算力太大了。
黄仁勋在演讲中透露了一个数据： 现在，有两个指数级增长同时发生： AI模型越来越智能，需要的算力越来越多（第一个指数） AI越智能，使用的人越多，使用的频率越高（第二个指数）
两个指数叠加，对算力的需求是爆炸式的。
这就是英伟达的机会。 当所有人都认为"推理简单"的时候，黄仁勋把最大的赌注押在了推理上。 结果呢？ Grace Blackwell的设计目标，就是让推理速度提升10倍，成本降低10倍。 这意味着： ChatGPT可以更快地回答你的问题 自动驾驶汽车可以更实时地做决策 工业机器人可以更精准地执行任务
而所有这些，都需要英伟达的芯片。
04
最狠的一招 是他们"看不见"的那部分 演讲的后半段，黄仁勋讲了一个让我毛骨悚然的故事。 他说，英伟达现在不仅设计芯片，还要设计整个AI工厂。 什么意思？ 就是说，当你要建一个AI数据中心的时候，英伟达会告诉你： 建筑应该怎么设计 电力系统应该怎么配置 散热系统应该怎么布局 网络应该怎么搭建 设备应该怎么摆放
而且，这一切，都是在一个叫Omniverse的虚拟环境中完成的。 也就是说，你还没动工，整个数据中心就已经在虚拟世界里建好、测试好、优化好了。 这个技术叫"数字孪生"（Digital Twin）。
黄仁勋在演讲中展示了一个案例： 一个1GW（吉瓦）的AI工厂，如果用传统方式建设，可能需要3-5年。 但用数字孪生技术，可以提前发现所有问题，优化所有流程，建设周期可以缩短一半。 这意味着什么？ 意味着这个数据中心可以提前两年开始赚钱。 如果这个数据中心每年能创造100亿美元的收入，那提前两年，就是200亿美元。 这就是数字孪生的价值。
但更狠的是，黄仁勋说： "我们不仅用数字孪生来建数据中心，还用它来设计我们的芯片、测试我们的系统、训练我们的AI。" 换句话说，英伟达的整个研发和生产流程，都是在虚拟世界里先跑通的。 这带来了什么好处？ 1.更快的迭代速度：传统方式，一代芯片需要3-4年，现在可以做到每年一代。 2.更低的试错成本：虚拟测试几乎零成本，可以尝试无数种方案。 3.更高的确定性：等到真正生产的时候，所有问题都已经解决了。 这就像打游戏开了上帝视角。 你的对手还在一步步摸索，你已经把整个地图都看透了。 这才是英伟达最可怕的地方。 05为什么是英伟达 而不是其他公司？ 看到这里，你可能会有一个疑问： 英伟达做的这些事情，其他公司为什么做不了？ AMD不行吗？英特尔不行吗？谷歌的TPU不行吗？ 黄仁勋在演讲中，其实已经给出了答案。 他说： "英伟达是全世界唯一一家公司，可以从一张白纸开始，同时思考计算架构、芯片设计、系统集成、软件堆栈、算法优化和应用场景。" 这句话听起来有点自大，但仔细想想，确实如此。 AMD的强项是芯片设计，但软件生态不行。 英特尔的强项是制造工艺，但在GPU上起步太晚。 谷歌的TPU很强大，但只能用于谷歌自己的服务。 只有英伟达，建立了一个完整的闭环。 而且，这个闭环有三个关键支撑点： 第一，CUDA生态黄仁勋在演讲中反复强调一个数字：350。 英伟达有350个不同的CUDA库。
什么概念？ 就是说，无论你是做计算光刻的、做基因测序的、做金融模拟的、做天气预报的，还是做机器人的，英伟达都有一个专门为你优化的软件库。 而且，这些库都是免费的。 这就像苹果的App Store，你不需要自己从头写代码，直接用现成的库就行。 这就是生态的力量。 当全世界的开发者都在用CUDA写程序的时候，英伟达的GPU就成了事实标准。 第二，无处不在的兼容性黄仁勋说了一个细节： 英伟达的CUDA，从第1代到现在的第13代，完全向后兼容。
什么意思？ 就是说，你十年前写的程序，现在还能在最新的GPU上跑。 而且，不需要改一行代码。 这个承诺，太重要了。 对于开发者来说，最怕的是什么？ 不是技术难，而是投入巨大精力学了一门技术，结果过两年就被淘汰了。 英伟达用13代产品的一致性，告诉开发者：放心用，我不会让你的投入白费。 第三，全栈优化的能力演讲中有个数据让我印象深刻： 同样训练一个AI模型，用Grace Blackwell，每个token的成本是竞争对手的1/10。
为什么？ 因为英伟达不仅优化了芯片，还优化了： 每一层优化一点，加起来就是10倍的差距。 这就是全栈能力的威力。 竞争对手可能在某一个点上超过英伟达，但很难在所有点上同时超过。 06这场演讲最让我震撼的 不是技术，而是格局 看完整场演讲，我最震撼的，其实不是技术本身。 而是黄仁勋展现出来的格局。 整场演讲，他反复强调三个词：美国、制造、合作。
他说： "九个月前，特朗普总统要求我们把制造业带回美国。今天，我们在亚利桑那州全面量产Grace Blackwell。" "我们不是一个人在战斗。我们有台积电、三星、ASML、西门子、施耐德、康宁、罗杰斯、Bechtel……上百家合作伙伴。"
"我们要和诺基亚一起，让美国重新引领6G技术。"
"我们要和能源部一起，建造7个AI超算中心，推动美国科学研究。"
这不是一家公司的故事，而是一个生态的故事。 黄仁勋很清楚，英伟达再强，也不可能一个人干所有的事。 所以他做的，是搭建一个平台，让所有人都能在这个平台上受益。 对芯片制造商，英伟达提供订单和技术支持 对软件开发者，英伟达提供工具和生态 对云服务商，英伟达提供最强的算力 对终端用户，英伟达提供最好的体验
每个人都赢，这才是最可持续的商业模式。 而且，黄仁勋还有一个更大的野心： 他要让AI成为像电力、互联网一样的基础设施。 演讲中，他说了一句话： "就像电力和互联网一样，AI是基础设施。每个公司都会用它，每个国家都会建它。" 什么意思？ 就是说，未来的世界，AI不是一个行业，而是所有行业的基础能力。 制造业要用AI优化生产 医疗行业要用AI辅助诊断 金融行业要用AI风控 零售行业要用AI推荐 交通行业要用AI调度
而所有这些AI，都需要算力。 这就是英伟达的机会——不是占据一个行业，而是赋能所有行业。 07写在最后： 什么才是真正的护城河？ 看完这场演讲，我一直在思考一个问题： 什么才是一家公司真正的护城河？ 是技术领先吗？ 不完全是。技术会被追赶，会被超越。 是专利壁垒吗？ 也不完全是。专利会过期，会被绕开。 是市场份额吗？ 更不是。市场会变化，用户会流失。 真正的护城河，是你能不能持续创造价值。 英伟达的护城河，不是它有最强的GPU，而是： 1.它选对了方向：30年前就押注加速计算，10年前就押注AI。 2.它做对了生态：建立了CUDA生态，让全世界的开发者都离不开它。 3.它建对了壁垒：不是靠一个技术点，而是全栈优化，建立系统性优势。 4.它找对了节奏：每年一代新产品，性能10倍提升，让对手永远追不上。 5.它站对了位置：不是占据一个行业，而是成为所有行业的基础设施。 这五点，才是英伟达真正的护城河。 回到我们自己，无论你是做产品、做技术、还是做管理，这场演讲都给了我们一些启发： 不要只盯着眼前的技术优势，要想清楚你的生态、你的壁垒、你的节奏、你的定位。 技术会过时，但生态会自我强化。 优势会消失，但系统会持续进化。 竞争永远存在，但位置决定高度。 30年前，黄仁勋选择做一个"没人要"的GPU。 30年后，他站在华盛顿特区的舞台上，向全世界宣布： "我们正在经历计算史上最重要的平台转换，而这个平台，是我们一手创造的。" 这，或许就是一个真正的长期主义者，应有的格局。 共勉。 | 
|Archiver|手机版|小黑屋|鲁公网安备 37082802000167号|微信邦
( 鲁ICP备19043418号-5 )
发表于 2025-11-5 09:00:24
