英伟达CEO黄仁勋霸气宣言：所有自研AI芯片都是“纸老虎”，揭秘“电子到Token”终极护城河

在近期的一次深度访谈中，英伟达（NVIDIA）创始人兼CEO黄仁勋就公司技术优势与行业竞争格局发表了鲜明观点。他直言不讳地评价了竞争对手的自研AI芯片，并首次系统阐释了英伟达独特的核心竞争力。

公开叫阵：自研芯片为何缺席擂台？

黄仁勋在访谈中表示，在衡量AI算力性能的权威基准测试（如MLPerf）中，诸如谷歌的TPU、亚马逊的Trainium等自研芯片并未现身参与公开竞争。在他看来，这间接说明了在AI算力的终极对决中，具备全面竞争力的对手尚未出现。

核心护城河：“从电子到Token”的转化艺术

面对“英伟达的护城河是什么”的尖锐提问，黄仁勋提出了一个新的思维模型：输入是电子，输出是Token（AI计算产生的结果单元），而英伟达正是中间不可或缺的转化层。

他认为，高效、低成本地生成有价值的Token，是一门融合了极高深艺术、工程与科学的复杂技艺。这一过程难以被简单复制或平庸化。英伟达的护城河建立在被称为“五层蛋糕”的深厚生态系统之上，其策略是：只做必须做的事，并将其做到极致困难。

供应链优势：前瞻性结盟与行业教育

针对“英伟达依靠锁定稀缺供应链建立优势”的说法，黄仁勋承认这确实构成了对手难以短期逾越的壁垒。他强调，这种优势源于前瞻性的战略结盟。

• 蓝图先行：早在AI爆发前，英伟达就已与台积电、美光等供应链伙伴的CEO沟通，共同描绘未来AI产业的巨大规模。
• 引导投资：黄仁勋将自家的GTC大会比作一场“教育会”，旨在让整个产业链看清趋势，从而引导全球资本和资源向AI领域倾斜。

瓶颈与真正的长期挑战

当被问及CoWoS封装、HBM内存等硬件瓶颈是否会限制AI发展时，黄仁勋显得颇为淡定。他认为，在明确的市场需求信号下，这类硬件瓶颈通常能在2-3年内通过扩产解决。英伟达早已通过技术授权和直接投资等方式，帮助合作伙伴提前布局下一代技术（如硅光子）。

在他看来，真正的长期挑战在于更下游的基础设施：
* 能源：建设大型AI工厂所需的能源政策与供给是长期难题。
* 人才：真正稀缺的不是光刻机，而是能够建设和维护AI数据中心的熟练工程师与技术人员（如电工、水管工）。

“加速计算”范式与CUDA生态的降维打击

对于“谷歌TPU成功训练顶尖AI模型是否意味着GPU可被替代”的问题，黄仁勋予以了强力反驳。他指出，TPU等专用芯片（ASIC）仅是“张量处理单元”，而英伟达从事的是范围更广的“加速计算”，涵盖科学计算、物理模拟等诸多领域。

AI算法演进飞速，高度可编程的CUDA平台能够快速适应新架构（如MoE），而固化的ASIC芯片则可能面临淘汰风险。CUDA生态是英伟达的核心资产，允许开发者“一次编写，到处运行”，其价值远超单一硬件。

TCO经济学：为何自研芯片未必划算

黄仁勋从商业逻辑角度分析，认为大客户完全自研芯片未必经济。他提出，英伟达解决方案拥有全球最低的总拥有成本（TCO）。在同等能耗的数据中心内，使用英伟达架构产出的Token数量是全球最高的。

他再次喊话，欢迎竞争对手在MLPerf等公开基准测试中同台竞技。同时指出，即便委托博通设计ASIC，其利润率也高达65%，仅比英伟达的毛利率低约5个百分点。为节省有限成本而放弃整个成熟生态，商业上并不明智。

回应Anthropic特例：承认误判，但非趋势

针对“为何Anthropic选择与谷歌、亚马逊签订巨额TPU/Trainium订单”的质疑，黄仁勋将其定义为一个特例，而非行业趋势。

他罕见承认了一次策略失误：当时低估了云巨头通过巨额融资“绑定”AI初创公司使用其自研芯片这一手段的影响力。但他强调，TPU和Trainium的增长几乎完全由Anthropic一家驱动，而“世界上只有一个Anthropic”。

商业哲学：明确边界，深度协同

黄仁勋阐述了英伟达的商业哲学：不与客户竞争，明确自身边界。公司专注于构建平台，通过深度协同设计（如Blackwell架构针对MoE的优化），帮助客户将系统性能推向极限，从而获得数倍的提升，这远胜于客户自行研发。

|

（注：本文基于公开访谈内容整理，已去除营销化表述与无关引导信息。）

访谈的后半段，主持人提出了一个极具诱惑力的假设：既然英伟达拥有无可匹敌的算力资源，为何不直接下场成为一家超大规模云服务商？

黄仁勋的回答揭示了英伟达的商业哲学：「做尽可能多，同时也做尽可能少」。

世界上已经有很多云服务商了。如果英伟达自己下场做云，就是与自己的客户（如亚马逊、微软等）直接竞争。英伟达宁愿选择投资像 CoreWeave 这样的「原生 AI 云」，通过背书和资金支持，让生态系统更加多元化，而不是亲自去盖机房、拉电线。

黄仁勋认为，一个健康的公司应当专注于那些「如果我不做，就没人能做成」的事情。如果英伟达不去研发 NVLink、不投入 20 年时间坚持发展 CUDA、不开发像 cuLitho 这样的计算光刻库，这些技术可能永远不会出现。

投资，但不「选妃」

近来，英伟达对 OpenAI、Anthropic 等公司进行了大规模投资。对此，黄仁勋严肃地表示：「我们不选赢家。」一方面，这不是英伟达的工作；另一方面，他深知创业的不确定性。

|

他回忆起英伟达初创时，全球有 60 家图形芯片公司，而英伟达当时甚至是架构最「离谱」的一个。英伟达的策略是：如果世界需要这些伟大的 AI 公司存在，而风险投资无法提供百亿级别的资金支撑，那么英伟达就会出手。但目的是为了让整个生态「繁荣」，而不是为了控制它们。

做好一件事，CUDA 就够了

在访谈的尾声，主持人提出了一个思辨性问题：英伟达现在资源雄厚，为何不并行开发几种完全不同的架构（例如晶圆级芯片或巨型封装），以防 AI 架构发生突变？

黄仁勋的回答，展现了他作为顶级架构师的自信与理性。

模拟器已否定了一切

他直言，英伟达拥有世界顶尖的「模拟系统」，可以在模拟器中验证任何能想象到的架构。模拟结果证明，那些替代方案在性能和效率上都更差。也就是说，数据验证已经否定了这些可能性。

主持人又问道，如果台积电先进制程产能见顶，英伟达是否会回到老旧的工艺节点重新设计芯片？黄仁勋表示，这种「回流」研发的成本高得离谱。英伟达宁愿选择在先进制程上持续投入，通过先进封装和数值计算的改进来应对产能压力。

扩产 Groq：抢占「溢价 Token」市场

英伟达此前已将专注于低延迟推理的 Groq 纳入 CUDA 生态。这背后，蕴含着黄仁勋对推理市场「分层化」的洞察：以前 Token 要么免费，要么极其便宜；但现在，如果更快的响应速度能大幅提升高薪工程师的效率，那么企业愿意为此支付高额溢价。

过去英伟达追求的是高吞吐量（单位时间内产出的 Token 总量），但现在他们也开始布局「低延迟、高溢价」的推理细分市场。这意味着未来英伟达将同时提供「平价高产」和「高速尊享」两种类型的计算服务。

如果没有 AI 革命，英伟达会怎样？

访谈以一个假设性问题结束：如果深度学习革命从未发生，英伟达现在会在做什么？

黄仁勋的语气带着一种使命感：「即便没有 AI，英伟达也会非常庞大。」

• 通用计算的终结
  他的基本信念是，依赖「摩尔定律」的通用计算（CPU）已经走到尽头。无论有没有 AI，科学、工程、物理、图像处理等领域都急需「加速计算」。
• 科学的民主化
  英伟达的初心是让每一位学生、每一位科学家，通过一张 GeForce 显卡就能处理分子动力学或地震数据。这种「加速计算」的底色，早在 AI 爆发前就已奠定。
• 不仅仅是张量
  黄仁勋强调，在其主题演讲的开篇，他总会花大量时间讲解计算光刻、量子化学和数据处理。AI 确实令人兴奋，但世界上还有很多重要工作与 AI 无关，张量并不是计算的唯一方式。

参考资料：
* https://www.dwarkesh.com/p/jensen-huang
* https://x.com/dwarkesh_sp/status/2044456498441708013
* https://www.youtube.com/watch?v=Hrbq66XqtCo

关注“鲸栖”小程序，掌握最新AI资讯