黄仁勋是会的。
这家半导体巨头创始人兼CEO在高盛主办的科技会议上谈到了他所感受到的紧张情绪，因为需求不缺，只是客户等的有点着急。
会议结束之后英伟达上涨 8.1%，至116.91美元，创下六周以来的最大单日涨幅。最新市值离重返“三万亿俱乐部”一步之遥。大家说，黄仁勋“凭一己之力”带飞了美股。一场交流下来，英伟达的市值增加了2000亿美元。这场高盛首席分析师Toshiya Hari跟他的对话还是很精彩。前三分之一程回顾历史有点平平无奇，但后半程追问英伟达怎么考虑客户回报率，以及备受关注的Blackwell架构，以及处于有些敏感地带的供应商话题……黄仁勋的回答坦诚、直接，很有说服力。这位半导体“带头大哥”的营销和沟通力是一流的。他还说道，开始感觉自己肩负着整个世界（或者至少是人工智能）的重担。“我们的零部件、技术、基础设施和软件的交付确实会让人们产生情绪上的影响，因为这直接影响到他们的收入，直接影响到他们的竞争力。”“如果我们能满足每个人的需求，那么这种情绪就会消失，但这非常情绪化，让人非常紧张，”黄仁勋表示，“我们肩负重任，尽力做到最好。”三大云计算超大规模提供商微软、谷歌和亚马逊，都需要大量供应，而英伟达控制着 90% 的市场。此前英伟达透露，仅四家数据中心客户就贡献了其第二季度近一半的营收。这场对话全文的精译来自于公众号“地平线全球策略”，为了阅读方便，我们做了少量精简和编辑，完全不影响原意。分享给大家。
关于NVIDIA的加速计算 Toshiya Hari 我想从31年前你创立公司的时候开始谈起。你已经将公司从一家以游戏为中心的GPU公司，转型为向数据中心行业提供广泛硬件和软件的公司。我想请你先聊聊这段旅程。当你刚开始时，你在想什么？事情是如何演变的，因为这确实是一次非常非凡的旅程。然后，你或许可以从这里展开，谈谈你未来的主要优先事项，以及你对未来世界的看法。 黄仁勋 很高兴来到这里。我想说，我们做对的一件事是，我们的愿景是有另一种形式的计算，它可以增强通用计算能力，解决通用计算设备永远无法很好解决的问题。而这个处理器最初做的事情是对于CPU来说极其困难的，那就是计算机图形学。但我们逐步将其扩展到其他领域。我们最先选择的是图像处理，它是计算机图形学的互补领域。接着我们将其拓展到物理仿真，因为在我们选择的视频游戏应用领域，你希望它不仅仅是美丽的，还需要动态，能够创造虚拟世界。我们一步一步地前进，并且将其应用到科学计算领域。其中一个最早的应用是分子动力学仿真，另一个是地震波处理，基本上是逆物理学。地震波处理非常类似于CT重建，另一种形式的逆物理学。我们就是这样一步步前进，逐步解决问题，探索互补的算法和相邻的行业。当时的共同愿景是，加速计算能够解决一些有趣的问题。而如果我们能够保持架构的一致性，意味着你今天开发的软件可以在你留下的大量现有设备上运行……过去你开发的软件会通过新技术进一步加速。关于架构兼容性的这种思维，建立庞大的安装基础，将整个生态系统中的软件投资带在路上，这种心理自1993年开始，我们一直延续至今。这也是为什么NVIDIA的CUDA拥有如此庞大的安装基础，因为我们始终在保护它。保护软件开发者的投资一直是我们公司自成立以来的首要任务。展望未来，我们一路上解决的一些问题，包括学习如何成为一名创始人，学习如何成为一名CEO，学习如何运营一家公司，学习如何构建一个公司，这些都是全新的技能，类似于发明现代计算机游戏行业的过程。NVIDIA的用户可能不知道，但NVIDIA是全球最大的视频游戏架构安装基础，GeForce拥有约3亿玩家，并且仍然在快速增长，充满活力。每次我们进入一个新市场时，我们都必须学习新的算法、新的市场动态，并创造新的生态系统。我们之所以必须这样做，是因为与通用计算机不同，如果你构建的是通用处理器，所有东西最终都会自动运行。但我们是加速计算机，这意味着你必须问自己：你要加速什么？没有所谓的通用加速器，对吧。 Toshiya Hari 谈谈一般用途计算和加速计算之间的区别吧。 黄仁勋 如果你看看现在的软件，在你编写的软件中，有很多部分是文件输入输出的处理，数据结构的设置，以及一些软件内部的核心算法。而这些算法根据应用领域的不同也各有不同，无论是计算机图形学、图像处理，还是其他领域。它可能是流体力学、粒子系统，或者我之前提到的逆物理学，也可能是图像处理之类的内容。这些不同的算法彼此不同。如果你能创建一个处理器，特别擅长处理这些算法，并与CPU互补，让CPU做它擅长的事情，那么理论上你可以大幅加速应用程序的运行。其背后的原因是，通常大约5%到10%的代码会占据整个程序运行时间的99.99%。如果你将这5%的代码转移到我们的加速器上，理论上你应该能够将应用程序的速度提高100倍。这并不罕见，我们经常这么做。例如，我们将图像处理加速了500倍。现在我们做数据处理，数据处理是我最喜欢的应用之一，因为几乎所有与机器学习相关的东西——一种基于数据驱动的软件开发方式——都与数据处理有关。它可以是SQL数据处理，Spark类型的数据处理，或是向量数据库类型的处理，所有这些方式都处理不同形式的结构化或非结构化数据，如数据帧。我们极力加速这一切的过程。但为了实现这一点，你必须建立一个高级的库。在计算机图形学的例子中，我们很幸运有Silicon Graphics的OpenGL和微软的DirectX，但除此之外，几乎没有其他库存在。举个例子，我们最著名的库之一，就像SQL是一个库一样。SQL是用于存储计算的库。我们创建了一个库，叫做cuDNN，它是世界上第一个神经网络计算库。我们还有用于组合优化的cuOpt，用于量子模拟和仿真的cuQuantum，还有各种不同的库，例如用于数据帧处理的cuDF，类似于SQL。这些库需要被创造出来，它们将应用程序中的算法进行重构，以便我们的加速器能够运行。如果你使用这些库，那么你可以实现100倍的加速，获得更高的速度，简直不可思议。这个概念非常简单，也非常合理，但问题是，你如何去发明所有这些算法，并让视频游戏行业使用这些算法？如何让整个地震处理和能源行业使用它们，写出新的算法并让整个人工智能行业使用它们？你明白我的意思了吗？所以，这些库中的每一个，首先我们必须进行计算机科学方面的研究；其次，我们要经历生态系统的开发过程。我们必须说服所有人使用它们，然后还要考虑它需要在哪种计算机上运行——每种计算机都不一样。我们逐步在一个又一个领域中实现了这一点。我们为自动驾驶汽车建立了一个丰富的库，为机器人建立了一个极好的库，还有用于虚拟筛选的不可思议的库，无论是基于物理的虚拟筛选还是基于神经网络的虚拟筛选，我们在气候技术领域也有了不可思议的库。我们就是这样一个领域接着另一个领域前进。我们必须去结交朋友，创造市场。事实证明，NVIDIA非常擅长创造新市场。我们已经做了这么长时间，以至于现在看起来NVIDIA的加速计算无处不在，但实际上我们是一步一步地来，逐步在一个行业又一个行业中实现的。
关于当前的数据中心市场 Toshiya Hari 我知道在场的许多投资者都非常关注数据中心市场，所以很有趣的是，能从你的角度，公司角度，谈谈中长期的机会显现。显然，你们所在的行业正在推动下一场工业革命的到来。这个行业面临哪些挑战？谈谈你如何看待当下的数据中心市场。 黄仁勋 有两件事情同时在发生，常常被混淆在一起，我们有必要将它们区分开来。首先，我们假设一个没有AI的世界。在这样一个没有AI的世界里，通用计算能力已经逐渐失去动力。大家都知道，对于那些对半导体物理感兴趣的人来说，扩展能力正在减弱。晶体管的缩放、Conway的晶体管缩小规律以及Denard缩放（在相同功耗下提高性能或降低成本）的时代已经结束了。因此，我们不会再看到每年速度翻倍的CPU和通用计算机了。如果每10年速度能够翻倍，那我们已经很幸运了。过去的摩尔定律是每五年性能提升10倍，每十年提升100倍。过去我们只需要等待CPU变得更快。随着全球数据中心不断处理更多的信息，CPU的速度每年都会翻倍。当时我们没有看到计算能力的通胀。但现在这种情况结束了，我们正在看到计算能力的通胀。我们现在必须加速一切我们能加速的东西。如果你在做SQL处理，加速它。如果你在做任何类型的数据处理，加速它。如果你在建立互联网公司，并且拥有推荐系统，绝对要加速它，现在它们已经完全加速了。几年前 