编辑 | 冰川松鼠

来源 | 半导体行业观察、蓝血研究（lanxueyanjiu)

英伟达首席执行官黄仁勋周三在高盛主办的一场技术会议上对高盛首席执行官大卫·所罗门说：“英伟达真正擅长的是开拓新市场。”自英伟达 8 月份发布业绩不佳（但与之前的出色表现相比）的财报以来，英伟达投资者和 AI 利益相关者一直在关注黄仁勋的每句话。

虽然 Nvidia 的芯片如今似乎无处不在，但黄仁勋表示，公司必须“一次一个行业”地传播 GPU 驱动计算的福音。这一点对投资者来说很清楚，Nvidia 令人瞠目结舌的营收和大科技公司 AI 基础设施总支出超过 1 万亿美元的估计就是充分的证据。

所罗门提出了当今科技界最重要的问题：对人工智能基础设施的所有投资的投资回报在哪里？

黄之前也回答过类似的问题，但周三，他在两方面的回答中提供了更多的数学依据。

首先，黄仁勋表示，在生成人工智能时代，购买 Nvidia（和其他公司）图形处理单元并将其出租给科技公司的云提供商每花费 1 美元就能赚取 5 美元。

“所有商品都卖光了，”他说。“因此需求量非常大。”

其次，他指出，那些云提供商的客户本质上是在租用 GPU 上的计算时间。黄仁勋表示，如果公司将传统的数据处理工作转换为加速计算方法，增量成本可能会翻倍，但工作速度会提高 20 倍。“因此，您可以节省 10 倍的成本，”黄仁勋说道，并补充道：“看到这种投资回报并不罕见。”

黄仁勋在回答人工智能的投资回报何时会显现的问题时，总体回答是敦促企业“加速一切”。

他说：“任何大规模处理大量数据都必须加速。”

黄仁勋表示，将现有数据中心升级到“加速计算”，即 Nvidia GPU 和其他 AI 芯片支持的并行计算是不可避免的。

黄仁勋表示，Nvidia 服务器机架有些型号的价格高达数百万美元，听起来很贵，但它们取代了传统计算的“数千个节点”。他补充说，未来数据中心将采用更小、更密集的液体冷却技术。

黄仁勋表示，“密集型”数据中心将更加节能、更省钱，并补充道：“这就是未来10年。”

黄仁勋与所罗门通话后不到一小时，Nvidia 的股价就开始上涨。

即使英伟达声称人工智能计算更节能的说法属实，人工智能的热潮预计也会给电网带来巨大压力。

黄承认，对于所有参与这一繁荣的人来说，风险都很高。

黄仁勋表示：“需求如此之大，我们的零部件、技术、基础设施和软件的交付对人们来说确实是一件令人激动的事情，因为它直接影响到他们的收入。”

在交流中，黄仁勋分享了很多观点，我们翻译如下，以飨读者。

以下为交流全文：

Q：31年前，您创立了这家公司，从一家以游戏为中心GPU公司转型为一家为数据中心行业提供广泛硬件和软件的公司。我希望您先说说大概的历程。当您刚开始创业时，您在想什么，它是如何发展的，因为这是一段时期非常不寻常的旅程。然后，也许您可以打破这个常规，谈谈您对关键优先事项的定位以及您如何看待未来的世界？

黄仁勋：我想说，我们做对了的一件事是，我们的愿景是，会有另一种形式的计算，可以增强通用计算，解决通用仪器永远无法擅长的问题。处理器一开始会做一些对 CPU 来说非常困难的事情，那就是计算机图形学，但我们会随着时间的推移将其扩展到其他领域。我们选择的第一件事当然是图像处理，它是计算机图形学的补充。我们将其扩展到物理模拟，因为在我们选择的视频游戏应用领域中，你希望它很漂亮，但也希望它动态地创建虚拟世界。

我们一步一步地将它带入科学计算领域。最早的应用之一是分子动态模拟。另一个是地震处理，这基本上是逆物理学。地震处理与 CT 重建非常相似，是逆物理学的另一种形式。因此，我们只是一步一步地进行，推理互补类型的算法、相邻行业，如果你愿意的话，可以算是解决了我们的问题。

但当时的共同愿景是加速计算将能够解决有趣的问题。如果我们能够保持架构的一致性，这意味着我有一个架构，你今天开发的软件可以在你留下的大型安装基础上运行，而你过去创建的软件将通过新技术进一步加速。

这种考虑架构兼容性、创建大型安装基础、将生态系统的软件投资带给我们的方式，这种心理始于 1993 年，我们一直坚持到今天，这就是为什么 NVIDIA 的 CUDA 拥有如此庞大的安装基础的原因——因为我们一直在保护它。保护软件开发人员的投资从一开始就是我们公司的首要任务。

展望未来，我们一路走来解决了一些问题，当然，学习如何成为一名创始人，学习如何成为一名首席执行官，学习如何经营企业，学习如何建立一家公司......

这些都是新技能，我们只是在学习如何发明现代计算机游戏行业。NVIDIA——人们不知道这一点，但 NVIDIA 是世界上最大的视频游戏架构安装基数。GeForce 在全球拥有约 3 亿游戏玩家，并且仍在以令人难以置信的速度增长，充满活力。

所以我认为——每次我们进入一个新市场时，我们都必须学习新算法、新市场动态，创建新的生态系统。我们必须这样做的原因是，与通用计算机不同，如果你构建了该处理器，那么一切最终都会正常工作。但我们是一台加速计算机，这意味着你必须问自己的问题是，你加速什么？没有通用加速器这样的东西，因为，是的……

Q：深入探讨一下这个问题，只讨论通用计算和加速计算之间的区别。

黄仁勋：如果你看一下软件，在你编写的软件主体中，有很多文件 IO，需要设置数据结构，软件内部有一部分包含一些神奇的内核和神奇的算法。这些算法因计算机图形、图像处理或其他任何事物而异。可能是流体，可能是粒子，可能是我提到的逆物理，可能是图像域类型的东西。所以所有这些不同的算法都是不同的。

如果你创建了一个非常擅长这些算法的处理器，并且你补充了 CPU，让 CPU 做它擅长的事情，那么从理论上讲，你可以大大加快应用程序的速度。原因是通常大约 5% 或 10% 的代码代表了 99.999% 的运行时间。所以如果你把这 5% 的代码卸载到我们的加速器上，那么从技术上讲，你应该能够将应用程序的速度提高 100 倍。我们这样做并不奇怪，这并不罕见。因此，我们将图像处理速度提高 500 倍。现在我们进行数据处理。

数据处理是我最喜欢的应用程序之一，因为几乎所有与机器学习相关的内容，即数据驱动的软件开发方式，数据处理都已发展起来。它可以是 SQL 数据处理，可以是 Spark 类型的数据处理，可以是矢量数据库类型的处理，各种不同的处理非结构化数据或结构化数据（即数据帧）的方式，我们将其加速到极致。但为了做到这一点，您必须创建那个库，那个最高级的库。

在计算机图形学方面，我们很幸运拥有 Silicon Graphics 的 OpenGL 和 Microsoft DirectX。但除此之外，没有其他库。例如，我们最著名的库之一就是类似于 SQL 的库。SQL 是用于存储内计算的库。我们创建了一个名为 cuDNN 的库。cuDNN 是世界上第一个神经网络计算库。因此，我们有 cuDNN、用于组合优化的 cuOpt、用于量子模拟和仿真的 cuQuantum，以及各种不同的库，还有用于数据帧处理的 cuDF，例如 SQL。

因此，必须发明所有这些不同的库，以采用应用程序中运行的算法，并以我们的加速器可以运行的方式重构这些算法。如果您使用这些库，那么您的速度将提高 100 倍。

对于这些库，首先，我们必须进行计算机科学研究。其次，我们必须进行生态系统开发。我们必须说服每个人都使用它，然后还要考虑它要在哪种计算机上运行，所有不同的计算机都是不同的。所以我们一个领域接一个领域地做了这件事。我们有一个丰富的自动驾驶汽车库。我们有一个很棒的机器人库，一个令人难以置信的虚拟筛选库，无论是基于物理的虚拟筛选还是基于神经网络的虚拟屏幕，还有一个令人难以置信的气候技术库。一个又一个领域。所以我们必须去结识朋友并创造市场。

事实证明，NVIDIA 真正擅长的是创造新市场。我们已经做了这么久，似乎 NVIDIA 的加速计算无处不在，但我们真的必须一次一个地、一个行业地做这件事。

Q：所以，我知道在座的许多投资者都非常关注数据中心市场。了解一下您对中长期机遇的看法——公司的看法——将会很有趣。显然，您的行业正在推动下一次工业革命。这个行业面临的挑战是什么？今天我们坐在这里，谈谈您对数据中心市场的看法。

黄仁勋：有两件事同时发生，而且很容易混淆，区分一下会很有帮助。

首先，让我们从没有人工智能的情况开始。好吧，在一个没有人工智能的世界里，通用计算仍然没有动力。所以我们知道，对于在座的各位来说，登纳德缩放比例和米德-康威的晶体管缩小、晶体管缩小以及登纳德缩放比例 ISO 功率提高性能或 ISO 成本提高性能，那些日子已经结束了。

所以我们不会再看到 CPU 和通用计算机每年都快一倍了。如果我们每 10 年看到它快一倍，那就算幸运了。现在，摩尔定律——回想一下过去，摩尔定律是每五年 10 倍，每 10 年 100 倍。因此，我们所要做的就是等待 CPU 变得更快。随着全球数据中心继续处理更多信息，CPU 的速度每年都会翻一番。因此，我们之前没有看到计算膨胀，但现在这种情况已经结束。我们看到的是计算膨胀。因此，我们必须要加速一切可能的事情。

如果您正在进行 SQL 处理，请加速它。如果您正在进行任何类型的数据处理，请加速它。如果您正在创建一家互联网公司，并且您有一个推荐系统，请绝对加速它，现在它们已经完全加速了。几年前，这一切都是在 CPU 上运行的，但现在世界上最大的数据处理引擎，即推荐系统，现在都已加速。因此，如果您有推荐系统，如果您有搜索系统，任何大规模处理大量数据，您都必须加速它。因此，首先要发生的事情是，全球价值数万亿美元的通用数据中心将实现现代化，实现加速计算。

不管怎样，这都会发生。原因在于，正如我所描述的，摩尔定律已经终结。因此，您将看到的第一个动态是计算机的密集化。这些大型数据中心效率极低，因为里面充满了空气，而空气的导电性很差。因此，我们想要做的是，将那些规模庞大的、称之为 50、100、200 兆瓦的数据中心密集化，使其成为一个非常非常小的数据中心。

如果您查看我们的服务器机架之一，NVIDIA 服务器机架看起来很昂贵，每个机架可能要花费数百万美元，但它可以替代数千个节点。令人惊奇的是，仅连接旧的通用计算系统的电缆的成本就比更换所有这些系统并将其密集到一个机架中的成本还要高。

致密化的好处还在于，既然已经致密化了，就可以使用液体冷却，因为很难用液体冷却非常大的数据中心，但可以对非常小的数据中心进行液体冷却。因此，我们要做的第一件事就是加速、现代化数据中心，加速、致密化，使其更节能。这样可以省钱、省电、更高效。这是第一点，如果我们只关注这一点，那么在未来 10 年，我们就会加速这一进程。

当然，现在还有第二个动态，这是因为 NVIDIA 的加速计算为计算带来了巨大的成本降低，就像在过去 10 年里，摩尔定律不是 100 倍，而是在过去 10 年里，我们将计算规模扩大了 1000000 倍。所以问题是，如果你的飞机飞行速度快了一百万倍，你会做些什么不同的事情？你会怎么做呢？突然间，人们说，嘿，听着，我们为什么不直接用电脑来编写软件呢？我们不用去弄清楚这些功能是什么，也不用去弄清楚这些算法是什么，我们只需把数据，所有的数据——所有的预测数据都给电脑，让它弄清楚算法是什么。

机器学习，生成式人工智能。我们在如此多不同的数据领域进行了如此大规模的实验，现在计算机不仅知道如何处理数据，还知道如何理解数据的含义。因为它理解多种模态，所以它可以同时翻译数据。所以它可以从英语到图像，从图像到英语，从英语到蛋白质，从蛋白质到化学物质。因为它一次性理解了所有的数据，所以它现在可以做所有的翻译。我们称之为生成式人工智能。大量文本变成少量文本，少量文本变成大量文本，等等。我们现在正处于这场计算机革命中。

现在，令人惊奇的是，第一万亿美元的数据中心将得到加速，并发明了一种名为生成式人工智能的新型软件。这种生成式人工智能不仅仅是一种工具，而是一种技能。这就是有趣的事情。这就是为什么一个新行业被创造出来的原因。原因是，如果你看看整个 IT 行业，到目前为止，我们一直在制造人们使用的仪器和工具。这是第一次，我们将创造增强人类能力的技能。这就是为什么人们认为人工智能将超越数万亿美元的数据中心和 IT，进入技能世界。

那么什么是技能？数字司机是一种技能，自主的，数字装配线工人，机器人，数字客户服务，聊天机器人，用于规划 NVIDIA 的供应链的数字员工。它可能是一个数字 SAP 代理。我们现在在公司中使用了很多服务，我们有数字员工服务。所以现在我们基本上拥有了这些数字人类。这就是我们现在所处的人工智能浪潮。

Q：所以，退一步，稍微转变一下。根据你刚才所说的一切，金融市场肯定存在着一场持续的争论，即随着我们继续建设这种人工智能基础设施，是否有足够的投资回报。在这个周期中，您如何评估客户的投资回报率？如果您回顾一下，想想 PC、云计算，当它们处于采用周期的类似阶段时，与我们现在继续扩展时相比，当时的投资回报率如何？

黄仁勋：让我们来看看。

在云计算出现之前，主要的趋势是虚拟化，如果你们还记得的话。虚拟化基本上就是说，让我们把数据中心里的所有硬件都虚拟化成虚拟数据中心，然后我们可以在数据中心之间移动工作负载，而不是直接将其关联到特定的计算机。因此，数据中心的趋势和利用率得到了改善。我们看到数据中心的成本在一夜之间降低了 2 比 1 - 2.5 比 1，如果你愿意的话。

我们接下来说的第二件事是，在我们虚拟化之后，我们将这些虚拟计算机直接放入云中。因此，多家公司（而不仅仅是一家公司的众多应用程序）可以共享相同的资源，成本又降低了，利用率又提高了。顺便说一句，过去 10 年 - 15 年发生的所有这些事情掩盖了摩尔定律终结背后的基本动态。我们发现成本降低了 2 倍，这隐藏了晶体管微缩的尽头。它隐藏了晶体管，CPU 微缩。然后突然之间，我们已经从这两件事中获得了利用成本的降低。我们现在已经退出了。这就是我们现在看到数据中心和计算膨胀的原因。

因此，首先发生的事情是加速计算。因此，您处理数据工作并不罕见，我们有一种叫做 Spark 的东西。如果你了解，Spark 可能是当今世界上使用最多的数据处理引擎。如果您使用 Spark 并在云端使用 NVIDIA 加速它，那么看到 20 比 1 的加速并不罕见。因此，您将节省 10 - 当然，您需要支付，NVIDIA GPU 增强了 CPU，因此计算成本会略有上升。它可能会翻倍，但您将计算时间缩短了大约 20 倍。这样你就可以获得 10 倍的节省。

加速计算的这种投资回报率并不罕见。所以我鼓励大家，加速所有可以加速的东西——然后一旦加速，就用 GPU 来运行。这就是加速带来的即时投资回报率。

现在，除此之外，生成式人工智能对话处于 GenAI 的第一波浪潮中，也就是像我们这样的基础设施参与者和所有云服务提供商将基础设施放在云端，以便开发人员可以使用这些机器来训练模型和微调模型，保护模型等等。而这方面的回报是惊人的，因为需求如此之大，他们在我们这里花的每一美元都相当于价值 5 美元的租金。这种情况在世界各地都在发生，所有的东西都卖光了。所以对它的需求简直令人难以置信。

当然，我们已经知道一些应用程序，比如著名的 OpenAI ChatGPT 或 GitHub Copilot，或者我们公司使用的代码生成器，生产力的提高令人难以置信。今天，我们公司没有一位软件工程师不使用代码生成器，无论是我们自己为 CUDA 或 USD（这是我们公司使用的另一种语言）构建的，还是 Verilog、C 和 C++ 以及代码生成。

所以我认为，每行代码都由软件工程师编写的时代已经完全结束了。我们的每一位软件工程师基本上都会有数字工程师全天候与他们一起工作，这就是未来。所以在我看来，NVIDIA 有 32,000 名员工。这 32,000 名员工身边有希望 100 倍以上的数字工程师。

Q：当然。很多行业都接受了这一点。哪些案例——用例、行业最让您兴奋？

黄仁勋：嗯，在我们公司，我们将其用于计算机图形学。如果没有人工智能，我们就无法再进行计算机图形学。我们计算一个像素，然后推断其他 32 个像素。我的意思是，这太不可思议了。因此，如果你愿意的话，我们可以幻化出其他 32 个像素，它看起来时间稳定，看起来逼真，图像质量令人难以置信，性能令人难以置信，我们节省的能量——计算一个像素需要大量能量。这就是计算。推断其他 32 个像素只需要很少的能量，而且你可以非常快地完成它。

因此，其中一个要点是人工智能不仅仅是训练模型，当然，这只是第一步。它是关于使用模型。因此，当你使用模型时，你可以节省大量的能源，节省大量的时间——处理时间。所以我们将它用于计算机图形学。

如果没有人工智能，我们就无法为自动驾驶汽车行业服务。如果不是因为人工智能，我们在机器人、数字生物学领域所做的工作，几乎我现在遇到的每一家生物科技公司都是建立在 NVIDIA 之上的，所以他们用它来处理数据或生成蛋白质……

由于人工智能的存在，计算机辅助药物发现将首次彻底改变整个领域。因此，那里正在开展令人难以置信的工作。

Q：谈谈竞争，谈谈你的竞争护城河。肯定有集团、上市公司和私营公司想破坏你的领导地位。你如何看待你的竞争护城河？

黄仁勋：首先，我认为——我想说几件我们非常不同的事情。首先要记住，人工智能与芯片无关。人工智能与基础设施有关。今天的计算不是制造一个芯片，然后人们拿着你的芯片把它放进电脑里，这真的是 20 世纪 90 年代的事情。今天电脑的制造方式，如果你看看我们的新 Blackwell 系统，我们设计了七种不同类型的芯片来创建这个系统。Blackwell 就是其中之一。

令人惊奇的是，当你想建造这台人工智能计算机时，人们会说超级集群、基础设施、超级计算机等词，这是有原因的，因为它不是芯片，不是计算机本身。所以我们在建造整个数据中心。通过建造整个数据中心，如果你看看这些超级集群，想象一下运行它必须使用的软件。它没有微软的 Windows。那些日子已经结束了。所以那台计算机里的所有软件都是完全定制的。必须有人去写。所以设计芯片的人和设计超级计算机、超级集群和所有软件的公司，由同一家公司设计是有道理的，因为它会更加优化，性能更高，更节能，更具成本效益。这是第一点。

第二点是，人工智能与算法有关。我们非常非常擅长理解算法是什么，对底层计算堆栈有什么影响，以及如何将计算分布到数百万个处理器上，连续数天运行，同时让计算机尽可能具有弹性，实现出色的能源效率，尽快完成工作等等。我们在这方面非常非常擅长。

最后，归根结底，AI 就是计算。AI 是在计算机上运行的软件。我们知道，对于计算机而言，最重要的是安装基础，在从本地到云端的每个云中都拥有相同的架构，并且拥有相同的架构，无论您是在云端、在自己的超级计算机中构建它，还是尝试在汽车、机器人或 PC 中运行它，拥有运行所有相同软件的相同架构都是一件大事。这就是所谓的安装基础。

因此，我们过去 30 年所遵循的原则真正引领了今天。这就是为什么如果你要创办一家公司，最明显的选择就是使用 NVIDIA 的架构。因为我们存在于每一片云中，我们可以在任何你想购买的地方使用。无论你选择哪台电脑，只要里面写着 NVIDIA，你就知道你可以使用软件并运行它。

Q：你们的创新速度非常快。我想请您多谈谈 Blackwell。与前身 Hopper 相比，它的训练速度快了 4 倍，推理速度快了 30 倍。看起来你们的创新速度非常快。你们能跟上这种快速的创新速度吗？当您想到您的合作伙伴时，您的合作伙伴如何跟上你们的创新速度？

黄仁勋：创新速度是我们的基本方法——因为，请记住，我们正在构建一个基础设施。有七种不同的芯片。每种芯片的节奏可能最多是两年。最多两年。我们可以每年给它一个中期机会。但从架构上讲，如果你每两年就想出一个新的架构，那么你就是光速运行的，好吗？你跑得非常快。现在，我们有七种不同的芯片，它们都对性能有所贡献。因此，我们可以创新，每年将一个新的 AI 集群（超级集群）推向市场，它比上一代更好，因为我们有许多不同的部分需要解决。因此——在我们所做的规模上，性能的好处直接转化为 TCO。

当 Blackwell 的性能是给定功率（例如 1 千兆瓦）的三倍时，收入就会增加三倍。性能转化为吞吐量。吞吐量转化为收入。因此，对于拥有千兆瓦电力的人来说，您可以获得三倍的收入。您无法通过降低成本或芯片折扣来弥补三倍的收入。因此，我们能够通过集成所有这些不同部件并优化整个堆栈和整个集群来提供更高的性能，我们现在可以以更高的价格提供越来越高的价值。

反之亦然，对于 ISO 电力，无论您想花多少钱，您都可以获得三倍的收入。对于 ISO 支出，您可以获得三倍的性能，这是成本降低的另一种说法。因此，我们拥有最佳的每瓦性能，即您的收入。我们拥有最佳的每 TCO 性能，即您的毛利率。因此，我们不断将其推向市场。客户可以从中受益，而不是每两年一次。而且它在架构上兼容。因此，您昨天开发的软件明天就可以运行。您今天开发的软件将在整个安装基础上运行。所以我们可以以惊人的速度运行。如果每个架构都不同，那么你就无法做到这一点。

拼凑一个系统需要一年的时间，因为我们在发货当天就把所有东西都组装好了，这一点非常有名，有人发推文说，在我们向他们发货 19 天后，他们就建立了一个超级集群并开始运行，19 天。如果你把所有这些不同的芯片拼凑在一起并编写软件，你就无法做到这一点，如果你能在一年内做到这一点，那就算幸运了。所以我认为，我们能够将创新速度传递给客户，获得更多收入，获得更好的毛利率，这是一件了不起的事情。

Q：您的供应链合作伙伴大多在亚洲，尤其是台湾。鉴于目前的地缘政治形势，您对此有何看法？

黄仁勋：是的，正如你所知，亚洲的供应链非常庞大且相互关联。人们认为当我们说 GPU 时，因为很久以前，当我宣布推出一款新芯片、新一代芯片时，我会举起芯片。所以那是一款新的 GPU。NVIDIA 的新 GPU 有 35,000 个零件，重 80 磅，消耗 10,000 安培。当你把它装起来时，它重达 3,000 磅。这些 GPU 非常复杂，它的构造就像电动汽车，零部件也像电动汽车。

因此，亚洲的生态系统非常多样化，而且相互关联。我们试图在每一个方面都设计多样性和冗余性，只要我们能做到。

最后，我们公司要拥有足够的知识产权。如果我们必须从一个工厂转移到另一个工厂，我们有能力做到这一点。也许工艺技术不是那么好，也许我们无法获得相同的性能或成本水平，但我们将能够提供供应。所以我认为，如果发生任何事情，我们应该能够接手并在其他地方制造。

我们选择在台积电制造，因为它是世界上最好的，而且它与世界上最好的差距不小，而是以令人难以置信的优势领先。因此，不仅仅是与他们合作的悠久历史，伟大的化学反应，他们的敏捷性，他们能够扩展的事实，请记住，NVIDIA 去年的收入出现了巨大的曲棍球棒效应。如果没有供应链的响应，这种巨大的曲棍球棒效应就不可能实现。因此，包括台积电在内的供应链的敏捷性令人难以置信。

在不到一年的时间里，我们大幅扩大了 CoWoS 的产能，明年和后年我们还将进一步扩大。但尽管如此，他们的敏捷性和响应我们需求的能力令人难以置信。我们使用他们，因为他们很棒，但如果有必要，我们当然可以随时使用其他服务。

问：公司定位非常好。我们讨论了很多好东西。那么，你担心什么？

黄仁勋：嗯，我们公司现在与世界上的每一家人工智能公司都有合作。我们与世界上的每一个数据中心都有合作。随之而来的是巨大的责任。我们肩上负有许多人的责任，每个人都指望着我们。需求如此之大，以至于我们的组件、技术、基础设施和软件的交付对人们来说真的是一件感性的事情，因为它直接影响他们的收入，直接影响他们的竞争力。

所以，我们今天可能拥有比现在更多的感性客户——这是理所当然的。如果我们能满足每个人的需求，那么这种情绪就会消失。但这是非常感性的，真的很紧张。我们肩负着很大的责任，我们正在尽最大努力。

现在，我们正在扩大 Blackwell 的产能，它已经全面投入生产。我们将在第四季度发货并扩大规模——从第四季度开始扩大规模，一直到明年。对它的需求非常大。每个人都想成为第一，每个人都想成为最强，每个人都想成为——所以这种紧张程度真的非常非常特别。所以我认为发明下一个计算机时代很有趣。

看到所有这些令人惊叹的应用程序被创造出来很有趣。看到机器人四处走动真是令人难以置信。让这些数字代理作为一个团队聚集在一起，解决计算机中的问题真是令人难以置信。看到我们用来设计运行人工智能的芯片的人工智能真是令人惊叹。所有这些东西都令人难以置信。其中真正紧张的部分是我们肩负的世界。

所以少睡点没关系，睡足三个小时，这就是我们所需要的。

英伟达黄仁勋对谈：少睡点没关系，睡足三个小时【全文】