 |
黃仁勳在輝達GTC大會上宣告「推理時代」的降臨，稱「 |
英偉達執行長黃仁勳表示，隨著該公司在快速成長的即時人工智慧運算市場中加大競爭力度，到2027年，其人工智慧晶片的收入可望至少達到1兆美元。
Nvidia CEO Jensen Huang said the company could generate at least $1 trillion in revenue from its AI chips by 2027, as it ramps up competition in the fast-growing real-time AI computing market
7款晶片打造「革命性AI超級電腦」
輝達推出Vera Rubin平台#黃仁勳 在演說中也多次點名台灣夥伴，包括台積電、鴻海等。
英偉達開創了人工智慧時代，如今必須捍衛它。
在公司年度大會開幕式上，黃仁勳利用近期一項交易中的技術，展示了人工智慧正在發生的變革。
在舞台上，黃仁勳舉起雙臂，下方是一個巨大的英偉達道具，看起來像一條拳擊冠軍腰帶。
週一，英偉達執行長黃仁勳在加州聖荷西舉行的公司GTC大會上發表了演講。他與一家新創公司達成了一項協議，旨在幫助英偉達的晶片更好地實現人工智慧功能。圖片來源：Manuel Orbegozo，《紐約時報》
英偉達開創了人工智慧時代，如今必須捍衛它。
在公司年度大會開幕式上，黃仁勳利用近期一項交易中的技術，展示了人工智慧正在發生的變革。
英偉達執行長黃仁勳週一在加州聖荷西舉行的公司GTC開發者大會上宣布，他與一家新創公司達成協議，旨在幫助英偉達晶片提升人工智慧效能。
Nvidia Built the A.I. Era. Now It Has to Defend It.
At the opening of the company’s annual conference, Jensen Huang leaned on technology from a recent deal to show how artificial intelligence is changing.
Jensen Huang, Nvidia’s chief executive, at his company’s GTC conference on Monday in San Jose, Calif. He made a deal with a start-up to help his chips become better at delivering artificial intelligence.Credit...Manuel Orbegozo for The New York TimesSkip to contentSkip to site indexSection Navigation
Account
Nvidia Built the A.I. Era. Now It Has to Defend It.
At the opening of the company’s annual conference, Jensen Huang leaned on technology from a recent deal to show how artificial intelligence is changing.
Jensen Huang, Nvidia’s chief executive, at his company’s GTC conference on Monday in San Jose, Calif. He made a deal with a start-up to help his chips become better at delivering artificial intelligence.Credit...
輝達執行長黃仁勳今天在GTC大會上發布新產品Vera CPU，為全球首款專為代理型AI與強化學習時代打造的處理器，效率為傳統CPU的2倍，運算速度可提升50%。
輝達也秀出合作夥伴名單，找找看你能發現幾間台灣廠商？https://reurl.cc/V2ERaN黃仁勳
最近，黃仁勳發表了一篇罕見的部落格文章，標題很有趣，叫作《AI 是一塊五層蛋糕》（AI is a 5-Layer Cake）。
黃仁勳試圖告訴我們：AI 不是一個聰明的 App，也不是一個單純的模型，它是像「電力」與「網路」一樣的基礎設施。
為了理解這場變革的規模，黃仁勳要求我們回歸「第一性原理」，思考運算領域到底發生了什麼根本性的轉變。
▋從「預錄式軟體」到「即時智慧」的範式轉移
在過去幾十年的運算歷史中，軟體基本上是「預先錄製」好的。人類寫好演算法，電腦依指令執行。資料必須被結構化，儲存在表格中，再透過精確的查詢（SQL）來提取。
AI徹底打破了這個模型。
我們第一次擁有了一種能理解「非結構化」資訊的電腦。它能看懂圖片、讀懂文字、聽懂聲音，並理解背後的意涵與情境。最關鍵的是，它即時生成智慧。
你得到的每一個回應都是全新創造的，完全取決於你當下提供的上下文。這不是電腦在資料庫裡檢索預存的答案，而是它在當下進行推理，並「製造」出智慧。
正是因為「智慧」變成了即時生產的產品，其下方的整個運算堆疊（computing stack）就必須被徹底改造。這就是黃仁勳「五層蛋糕」理論的由來。
▋AI的工業化堆疊：五層蛋糕理論
當你用工業化的視角審視AI，它會清晰地分解為五個層次，由下至上，環環相扣：
1. 能源（Energy）： 這是蛋糕的底座。即時生成的智力需要即時產生的電力。每一個 Token 的產出，本質上都是電子移動與熱量管理的結果。能源是 AI 基礎設施的「第一性原理」，也是產能的最終上限。
2. 晶片（Chips）： 在能源之上，是將電力轉化為運算的處理器。這需要極大規模的並行運算與高頻寬記憶體。晶片的效率，決定了智力規模化的速度與成本。
3. 基礎設施（Infrastructure）： 這不只是伺服器，而是包含冷卻系統、網路、電力傳輸在內的「AI 工廠」。它們的目標不是「儲存資訊」，而是「製造智力」。
4. 模型（Models）： 這是工廠產出的核心。從語言、生物學到物理模擬，模型開始理解現實世界的物理規則。
5. 應用（Applications）： 這是蛋糕的最頂層，也是創造經濟價值的地方。無論是自動駕駛、藥物研發還是機器人，它們其實都是「裝在不同載體裡的 AI 應用」。
這就是五層蛋糕的連動關係：能源 → 晶片 → 基礎設施 → 模型 → 應用。任何一個成功的應用，都會像一股強大的拉力，一路向下傳導，拉動底下每一層的需求，最終直達發電廠。
▋為何去年是轉捩點？
在過去一年，AI跨越了一個重要的門檻：模型變得「足夠好」，好到足以規模化地創造實用價值。
隨著模型推理能力的提升和「幻覺」的減少，建立在AI之上的應用程式開始產生真實的經濟效益。從藥物研發到客戶服務，強勁的「產品市場契合」（Product-Market Fit）已經出現。
黃仁勳在文中特別提到了 DeepSeek-R1。
開源模型在此扮演了關鍵的「需求催化劑」。當強大的開源模型（如DeepSeek-R1）普及後，它極大降低了應用層的創新門檻，從而引爆了對其下方的訓練、基礎設施、晶片和能源的巨大需求。
▋為什麼這場「大基建」才剛剛開始？
很多人擔心 AI 泡沫，但從黃仁勳的視角看，我們才剛進入「工業化」的初期。目前全球投入了數千億美元，但未來還需要數兆美元的基礎設施建設。
這場變革最特別的地方在於它對勞動力結構的重塑。AI 工廠的興建不需要幾萬個電腦科學博士，它需要的是大量的電工、水管工、鋼鐵工與網路技師。這是一場實體經濟的擴張，創造的是高薪且具備技術門檻的職位。
同時，AI 正在解決「生產力悖論」。以放射科醫生為例，AI 幫忙判讀影像，但醫生的需求反而增加了。為什麼？因為生產力創造了容量（Capacity），而容量創造了增長。 當例行公事被自動化，醫生能服務更多病人，醫院能擴張規模，進而雇用更多人。
▋我們正站在新大陸的岸邊
當我們把 AI 看作基礎設施時，很多爭論就消失了。它不再是「軟體業的升級」，而是一場重塑能源消耗、工廠建設與經濟增長模式的工業轉型。
黃仁勳的這篇文章，為市場的「AI焦慮」提供了一個解答。AI的核心故事，不是哪個App會曇花一現，而是關於能源如何生產與消耗、工廠如何建造、工作如何組織、經濟如何增長的根本性重塑。
- KP
p.s. 最新一期深入分析已經發出，主角是ASIC雙雄：Broadcom和Marvell。
但如果你認為他們就是純粹的ASIC大哥和老二，那就簡化了他們的投資邏輯。為何兩者估值會相差這麼遠，為何博通的Forward PE會比Nvidia更高。而在財報公報後，有其中一家的估值邏輯已經出現了變化。在我電子報中的深度產業分析報告中，我將為大家全面深入分析。
加入我的電子報，閱讀全文，你會對這兩家公司有完全不一樣的認知。
遠見雜誌
【實體AI，讓虛擬與現實接軌】
「目前的AI不懂物理規律，多半是盲目的，」達洛茲一針見血地指出。這次雙強聯手的核心，就在於推動「實體AI」（Physical AI）的真正落地。
黃仁勳認為，AI工廠將成為未來社會的「新基礎設施」，重要性堪比水與電力。但，要讓AI走入工廠，關鍵在於將現有的「大型語言模型」（LLM）進化為「工業世界模型」（Industry World Model）。
在兩人的藍圖中，未來的AI工廠不只是自動化生產線，更是一個能自我學習、預測，並模擬行為的智慧有機體。
----
NVIDIA 執行長 Jensen Huang 在 Morgan Stanley 年度TMT科技大會上，進行了一場涵蓋AI 產業經濟學、以及未來十年科技願景的深度對話。
#AI的三次拐點：從生成到推理再到 Agent
Jensen Huang 將過去兩年 AI 的發展歸納為三個關鍵拐點。第一個拐點是生成式 AI。「GPT-3 在眾人眼前放了好幾個月，直到有人寫了一個外殼把它變成 ChatGPT，變成 API，讓每個人都能輕鬆使用。」
第二個拐點是推理能力的出現。「生成式 AI 容易產生幻覺，不是因為技術本身有什麼根本性的問題，而是因為它沒有建立在相關資訊的基礎上。」o1 的出現帶來了自我反思和自我修正的能力，讓輸出的資訊更加可靠。「o1 相比 ChatGPT，大概需要 1000 倍的運算量。因為它太實用了，使用量可能又多了 100 萬倍。」
第三個拐點，也就是當前正在發生的，是 AI agent。「現在你可以給它一個問題描述，提示詞從『查詢』變成了『行動』：創造、執行、建構、撰寫。」
Jensen Huang 特別提到了 OpenClaw 這個開源專案。「OpenClaw 可能是有史以來最重要的軟體發行。Linux 花了大約 30 年才達到的普及程度，OpenClaw 在 3 週內就超越了。它現在是史上下載量最大的開源軟體。」
從運算需求的角度來看，agent 代表了又一次數量級的跳躍。Jensen Huang 回顧了這個演進：第一代生成式 AI 是一個提示詞產生一個回應；到了 o1 推理模型，token 消耗量增加了約 1000 倍；而 agent 的 token 消耗量又再跳升到 100 萬倍。
「這些 agent，我們在公司內部叫它們 claw。這些 claw 正在持續不斷地在背景運行，為我們做事:寫作、開發工具、開發軟體。」Jensen Huang 直言，這對運算需求的影響是立竿見影的：「我們公司需要的運算量暴增。每一家公司需要的運算量都在暴增。」
#運算量等於營收：AI 工廠的經濟學
Jensen Huang 用「工廠」來定義新一代的資料中心，並闡述了其背後的經濟邏輯。「幾年前我提出這些資料中心其實是 AI 工廠，當時大家覺得這個說法太土了。但它們就是在生產 token，而 token 是可以變現的。」
他進一步指出，運算能力與營收之間存在直接的因果關係。「我們現在確定知道，企業的營收與運算能力直接相關。如果 Anthropic 有 3 倍的運算能力，他們的營收就會是 3 倍。我們知道 Anthropic 是受限於運算能力的」
在效能方面，Jensen Huang 強調 NVIDIA 的領先幅度。「NVIDIA 的每瓦 token 產出量領先替代方案一個數量級。你的工廠有 1GW 的電力，如果你的每瓦 token 是替代方案的 10 倍，你的營收就是 10 倍。」他引用了 SemiAnalysis 的基準測試結果：「他們宣布 NVIDIA 是推論之王。」
更進一步，他提出了一個大膽的預測：「運算等於 GDP。每個國家都會需要它，因為沒有任何國家會在未來說『我們決定不需要智慧了。』」
面對記憶體、電力、許可證等各種供應限制的問題，Jensen Huang 表現出樂觀態度。「我喜歡限制。在資源受限的世界裡，你別無選擇，只能選最好的。你不會隨便把東西塞進去試試看，你會選擇你確定能交付最佳每瓦 token 的方案。」
他強調 NVIDIA 的供應鏈已經做好充分準備。「當 Satya 請我幫他建置幾個 GW 的運算能力時，答案是『沒問題』。因為我已經備齊了所有的記憶體、晶圓、CoWoS、封裝、系統、連接器、線材：從銅到多層陶瓷電容器，全部到位。」他指出，NVIDIA 強大的資產負債表在今天不僅是有幫助的，更是具有戰略意義的。
Jensen Huang 分享了近期 NVIDIA 在客戶端的重要進展。「我們把 OpenAI 的運算能力從 Azure 擴展到 OCI，現在又擴展到 AWS。我們正在全力加速 AWS 的建置，讓 OpenAI 能夠獲得更多運算能力。」
第二個突破是與 Anthropic 的合作。「在 Anthropic 的案例中，我們正在 AWS 和 Azure 兩端同時積極擴展他們的運算能力。他們的營收品質非常好，我們只需要為他們提供更多的運算能力。」
第三個則是全新的 AI 實驗室 MSL（Elon Musk 的 xAI）。「一個全新的實驗室突然出現在世界上，他們需要幾百萬顆 GPU。MSL 是在 Meta 之上的全新需求。」Jensen Huang 總結：「我們的需求從極高，變成了比極高還要更高。」
此外，他也透露了 NVIDIA 的投資動態。「我們已經敲定協議，將投資 300 億美元在 OpenAI。他們預計在年底前上市，這可能是我們最後一次有機會投資這樣一家具有重大影響力的公司。我們在 Anthropic 的 100 億美元投資可能也是最後一次了。」
Jensen Huang 預測整個 IT 產業將經歷根本性的轉變。「未來不會有任何軟體不是 agentic 的。每家軟體公司都會同時使用開源模型和閉源模型，就像我們既有全職員工，也有外包人員和專業顧問一樣。」
他認為軟體產業的商業模式將徹底改變。「今天這些軟體公司是工具出租商。未來，他們不只會出租工具，還會出租使用工具的專家：也就是 agent。Cadence 會變得更大，Synopsys 會變得更大，Siemens 會變得更大，但他們的業務型態會改變，從軟體授權公司變成同時出租專業 token 的公司。」
他指出，目前約 2 兆美元的 IT 產業幾乎沒有 token 消耗，「但在未來將成為巨大的 token 消費者。資金就是從這裡來的。」
#物理AI：下一個十年的前沿
Jensen Huang 將對話帶向了 AI 的下一個前沿：物理 AI。「AI 需要具備物理感知和物理理解。因果關係、重力、碰撞、慣性、物體恆存性——這些都會深刻影響物理行為和物理智慧。」
他列舉了 NVIDIA 在這個領域的多個領先模型：Cosmos 是全球下載量最大的物理 AI 模型；自動駕駛領域的 Alpaca-Mayo 排名第一；人形機器人模型 GR00T 是全球下載量最大的人形機器人模型；數位生物學領域的 La Proteina 也取得了巨大成功。
「兩年後，我們大概不會再討論 agentic AI 了，因為大家都已經在用了。到時候我們會開始討論物理 AI，而且會持續談論十年。」他也提到了與 Eli Lilly 共同成立創新實驗室的合作案。「除非你擁有 NVIDIA 這樣的完整軟體堆疊和數位生物學領域的專業能力，否則你要怎麼建置 Lilly 的 AI 工廠？」
被問到如何看待 NVIDIA 的股票表現時，Jensen Huang 直言：「你沒辦法壓住這支股票。原因很簡單：運算等於企業的營收。未來每一家公司都需要運算來創造營收，因為運算轉化為智慧，智慧轉化為數位勞動力，數位勞動力轉化為營收。」
他觀察到所有雲端服務商已經將全部資本支出轉向 AI 系統。「Meta 已經證明了這更好，Google 已經證明了這更好，AWS 也已經證明了這更好。整個網路產業可以把 100% 的資本支出投入 AI，因為它確實更好。」
Jensen Huang 最後預測，整個 IT 產業都將由運算驅動，規模將達到數兆美元。「我們還在這段旅程的起點。」
沒有留言:
張貼留言