黄仁勋：NVIDIA 与 AI 革命 | 深度解析 Lex Fridman 访谈
编辑推荐语
这是我近年来读过的最有价值的企业家访谈之一。Jensen Huang 用工程师的清晰逻辑和创业者的战略眼光，拆解了 NVIDIA 如何从“做最好的 GPU”进化到“重新定义计算机架构”。关于 CUDA 的生死决策、极端协同设计理念、以及 AI 发展的四条缩放定律，不仅是技术洞察，更是关于如何在不确定时代做出长期赌注的领导力范本。无论你是技术从业者、创业者，还是对 AI 未来感兴趣的读者，这篇对话都值得反复品味。
核心看点： CUDA 战略豪赌背后十年磨一剑的耐心 | 极端协同设计如何打破阿姆达尔定律 | AI 四条缩放定律与智能未来的演进方向 | “塑造信念体系”的独特领导哲学
深入解析这家 4 万亿美元公司如何驱动智能未来
来源： Lex Fridman 播客第 494 期 | 阅读时长： 约 15 分钟
本文基于 NVIDIA CEO 黄仁勋（Jensen Huang）与 Lex Fridman 的深度访谈整理而成，揭示了 NVIDIA 从图形芯片公司蜕变为 4 万亿美元 AI 巨头的核心战略、设计哲学和领导智慧。
引言：NVIDIA 背后的远见者
NVIDIA CEO 黄仁勋（Jensen Huang）与 Lex Fridman 坐下来畅谈，探讨打造人类历史上最重要公司之一的非凡旅程。NVIDIA 已成为驱动 AI 革命的引擎，其成功很大程度上归功于 Jensen 坚韧的意志、卓越的战略眼光，以及独特的领导和工程理念。
这场对话揭示了推动 NVIDIA 从图形芯片公司蜕变为 4 万亿美元 AI 巨头的哲学、策略和洞见——包括极端协同设计、CUDA 平台战略、AI 缩放定律，以及如何通过塑造信念体系来引领组织变革。
极端协同设计：重新定义计算机架构
从芯片级到机架级
Lex 以一个关键观察开启对话：NVIDIA 已从根本上转变了其设计方法。过去，“赢”意味着打造最好的 GPU，而现在公司实践的是“极端协同设计”（extreme co-design）——涵盖 GPU、CPU、内存、网络、存储、供电、散热、软件、机架，乃至整个数据中心。
Jensen 解释了这种方法的必要性：
“问题已经无法塞进一台由单个 GPU 加速的计算机里了。你想解决的问题，是希望加速幅度超过你增加的计算机数量。你加了 1 万台计算机，但希望速度提升百万倍。”
这一根本性挑战推动 NVIDIA 拥抱 Jensen 所称的“极端协同设计”——从算法到供电散热的整个技术栈进行优化。
阿姆达尔定律难题
Jensen 通过阿姆达尔定律（Amdahl’s law）来阐述这个问题：如果计算只占问题的 50%，即使你把计算速度无限提升，整个任务也只能加速一倍。要实现真正的突破，就必须优化一切：
- 将计算分布到数千台计算机
- 解决前所未有规模的网络挑战
- 协调 CPU、GPU、交换机和存储
- 管理供电和散热
“这是一个极其复杂的计算机科学问题，”Jensen 指出，“我们必须把所有技术都运用起来。”
组织奇迹
或许最引人入胜的是 Jensen 如何构建 NVIDIA 来实现这种协作水平：
“我的直属团队有 60 人。我不和他们一对一谈话，因为那是不可能的。”
相反，当任何技术挑战出现时，所有相关人员都会参与讨论。散热专家会就内存限制发表意见。网络专家会指出供电分配问题。没有哪场对话仅限于两个人。
“我们提出一个问题，所有人一起攻克，”Jensen 解释道，“可以说，公司始终在进行极端协同设计。”
极端协同设计：从算法到数据中心的全栈优化，打破阿姆达尔定律
CUDA：险些摧毁 NVIDIA 的战略豪赌
生死存亡的决策
对话中最引人入胜的部分之一，是 Jensen 回顾 CUDA 的决策——这可能是科技史上最重要的战略豪赌。将 CUDA 安装在 GeForce GPU 上，用 Jensen 的话说，是“NVIDIA 面临过的最接近生存威胁的决策”。
当时：
- NVIDIA 每年销售数百万片 GeForce GPU
- CUDA 使 GPU 成本增加了 50%
- 公司毛利率为 35%
- 市值从约 80 亿美元跌至 15 亿美元
- 这一举消耗了 NVIDIA 几乎全部毛利润
“这是个非常艰难的决定，”Jensen 回忆道，“但你可以想象，有一天它会进入工作站和超级计算机，在那些细分市场，我们或许能获得更高的利润率。”
平台构建哲学
Jensen 解释了这一大胆举措背后的逻辑：
“计算平台的核心是开发者。开发者来到一个计算平台，不是因为它能做些有趣的事情，而是因为它的安装基数很大。”
他做了一个有力的类比，将 CUDA 与 x86 架构相比——x86 因不够优雅而备受批评，却正因为其安装基数成为了计算领域的定义性架构。“安装基数定义了架构，”Jensen 强调，“其他一切都是次要的。”
长线博弈
CUDA 之旅花了十年才结出硕果。Jensen 描述了他的领导方式：
“当我学到新东西，它开始影响我的思考时，我会让身边的人清楚知道这很有趣。我一步步地推理问题。”
他称之为“塑造信念体系”。当 NVIDIA 宣布重大战略转变时，团队已通过无数场对话做好了准备。正如 Jensen 所说：“在我宣布的那一天，所有人都已买账。这才是你想要的——你要带领所有人一起前进。”
CUDA 战略豪赌：从生死决策到 4 万亿美元帝国的 10 年旅程
AI 四条缩放定律：驱动智能进步的核心引擎
Jensen 概述了他对 AI 如何通过他所称的四条缩放定律继续发展的愿景：
1. 预训练缩放（Pre-training Scaling）
传统的缩放定律——更大的模型加更多数据产生更智能的 AI。虽然许多人担心高质量人类生成数据会耗尽，但 Jensen 指出“我们互相传授的大部分数据都是合成的”——由人类创造、修改和再生成。AI 现在也能做到同样的事情。
2. 后训练缩放（Post-training Scaling）
对模型进行微调和持续改进仍能带来提升。训练中使用的人类生成数据会减少，但合成数据生成将大幅扩展。
3. 测试时缩放（Test Time Scaling）
这是 Jensen 认为许多人误解挑战的地方。传统观点认为“推理一定很简单”，但 Jensen 看法不同：
“推理就是思考，而思考是困难的。思考比阅读难得多。”
预训练是记忆和模式识别。测试时缩放涉及推理、规划、搜索和解决问题——计算密集度要高得多。
4. 智能体缩放（Agentic Scaling）
最后的疆界——能够派生子智能体的 AI 系统，创造 AI 工作者的“大团队”。“通过雇佣更多员工来扩展 NVIDIA，比扩展我自己容易得多，”Jensen 打趣道，但这个原则同样适用于 AI 系统。
良性循环
这四条缩放定律创造了一个持续的反馈循环：
智能体系统生成经验和数据 → 我们识别高质量输出 → 返回预训练进行记忆 → 通过后训练精炼 → 用测试时计算增强 → 通过智能体系统部署 → 重复
“智能体的扩展只取决于一件事，”Jensen 总结道，“那就是算力。”
AI 四条缩放定律：从预训练到智能体的递进式智能扩展
NVIDIA AI 革命核心框架概览：极端协同设计、CUDA 战略豪赌、AI 四条缩放定律与领导哲学
领导哲学：塑造现实的艺术
从后方引领
Jensen 描述了一种看似“从后方引领”的独特领导风格：
“我对董事会这样做，对管理团队这样做，对员工也这样做。有时看起来你是在从后方引领，但你一直在塑造他们的信念体系，直到我宣布的那一天，所有人都已买账。”
这种方法超越了 NVIDIA，延伸到整个行业。GTC 主题演讲不仅是产品发布——它们是塑造合作伙伴、客户甚至竞争对手信念体系的机会。
公司即计算机
Jensen 将工程思维应用到组织设计上：
“设计计算机时，你需要有一个计算机的操作系统。设计公司时，你应该首先思考公司要产出什么。”
他批评那些在汉堡连锁店、软件公司和汽车制造商看起来都一样的通用组织架构图。“公司的架构应该反映它所存在的环境。”
透明度与持续沟通
与那些毫无准备就突然宣布重大消息的领导者不同，Jensen 持续分享他的思考：
“我已经在公司内部不同组织铺设砖石……在我宣布的那一天，大家已经对许多部分表示认同。”
这创造了 Jensen 所称的“GTC 效应”：当 NVIDIA 终于宣布某事时，反应往往是“你怎么才做”，而不是“这从何而来”。
领导哲学：塑造信念体系的循环流程，从持续沟通到水到渠成
工程卓越：从 TSMC 和 xAI 学到的经验
TSMC：不止于技术
Jensen 对 TSMC 的成功提供了深刻见解，消除了其纯粹依靠技术的误解：
“对 TSMC 最大的误解是，技术就是他们拥有的一切。”
Jensen 解释说，TSMC 的特别之处在于他们能够协调全球数百家公司的动态需求，同时保持高吞吐量、良率、成本优势和卓越的客户服务。
Colossus 成就
Jensen 赞扬 xAI 在短短四个月内建成 20 万 GPU 的 Colossus 超级计算机——他将这一工程壮举比作各个项目的奥运金牌得主齐聚一堂。
但他也指出，NVIDIA 的工程团队“毫不逊色”——各个学科的金牌得主，通力合作，直接向他汇报。
未来：能源、效率与 AI 扩展
能源挑战
当被问及能源限制时，Jensen 采取了务实的态度：
“我们也应该获得更多电力。”
但他强调，NVIDIA 对极端协同设计的专注推动了效率的巨大提升：“在过去 10 年里，摩尔定律只能让计算性能提升约 100 倍。我们让计算性能扩展了 100 万倍。”
结果呢？“令牌成本每年下降一个数量级。”
优雅降级
对于数据中心可靠性，Jensen 主张设计能够在电力约束出现时“优雅降级”的系统——转移关键工作负载，同时降低对不太敏感任务的计算速率。
“只要你能够明确说明，就能工程实现，”Jensen 说，“只要遵循物理学第一原理，我们就没问题。”
核心要点：从 Jensen Huang 学到的 7 个关键教训
-
极端协同设计至关重要：现代 AI 挑战需要优化整个技术栈，从算法到散热。
-
安装基数就是一切：平台成功依赖于开发者采用，而开发者采用依赖于安装基数——其他一切都是次要的。
-
逐步塑造信念体系：重大战略转变成功的关键是持续让利益相关者做好准备，而非突然宣布变化。
-
以十年为思考单位：CUDA 花了十年才结出硕果。战略豪赌需要耐心和信念。
-
智能随算力扩展：四条缩放定律最终汇聚于一个原则——更多算力实现更智能的 AI。
-
组织设计很重要：公司结构应反映你试图创造的环境和产出，而非通用模板。
-
效率驱动扩展：通过协同设计，每瓦性能大幅提升，令牌成本每年下降一个数量级。
结语：GeForce 铸就的基业
Jensen Huang 与 Lex Fridman 的对话展现了一位将深厚技术理解与组织设计、战略耐心及进步本质的哲学智慧融为一体的领导者。
“NVIDIA 是 GeForce 铸就的基业，”Jensen 反思道——承认消费级 GPU 将 CUDA 带给了全世界，进而推动了改变公司的 AI 革命。
从 CUDA 的生死决策到将驱动未来 AI 进步的四条缩放定律，Jensen 的洞见提供了一堂大师课——如何打造不仅适应未来，更主动创造未来的公司。
关键词： 黄仁勋、NVIDIA、AI、CUDA、缩放定律、Lex Fridman、播客访谈
相关资源：
评论互动