Phỏng vấn mới nhất của Hoàng Nhân Quân: Liệu hào lũy của Nvidia có thể tiếp tục được duy trì? (Phần 1)

當市場愈来愈多人开始讨论，AI 是否会让软件全面商品化、进一步压缩科技公司的估值与利润空间时，NVIDIA 执行长黄仁勋给出的答案很直接：

真正不容易被商品化的，不只是软件本身，而是把电子转化为 token 的整个过程。

在最新专访中，黄仁勋从 NVIDIA 的供应链、CUDA 生态、AI 计算架构、超大规模云端客户，到中国市场与美国出口管制，完整说明他如何理解这场 AI 竞赛。

(黄仁勋用「五层蛋糕」比喻讲解人工智慧演化史)

他的核心论点可以浓缩成一句话：AI 不是单一模型的竞争，也不是单一晶片的竞争，而是一场涵盖能源、晶片、网络、软件、生 态系统与应用层的「五层蛋糕」之战，而 NVIDIA 想做的是其中最难、但也最不容易被替代的那一段。

黄仁勋：NVIDIA 的工作，就是把电子变成更有价值的 token

面对外界质疑，既然许多软件公司估值都因 AI 而承压，NVIDIA 本质上又是把设计交给台积电、记忆体交给 SK 海力士与三星、组装交给台湾 ODM，那么 NVIDIA 是否也可能被 AI 商品化浪潮拖下水，黄仁勋的回答是：不会那么简单。

他认为，NVIDIA 的角色本来就不是什 么都自己做，而是在整个「从电子到 token」的转换链条中，负责最关键、最困难的部分。就他的说法，NVIDIA 的输入是 electrons，输出是 tokens，中间那层极端复杂的转换能力，就是这家公司存在的意义。

黄仁勋强调，这种转换不只是单纯把电力变成运算结果，而是要持续提高 token 的价值，让同样的运算，能产出更有经济价值、更高效率的 token。中间牵涉到架构设计、封装、记忆体、互连、演算法、函式库、软件堆叠与生态系统协作，是高度工程化、科学化、且仍在快速演进的过程。他认为，这不太可能被完全商品化。

他也进一步描述 NVIDIA 的公司哲学：做「必要的最多，非必要的最少」。换句话说，凡是自己不必亲手做的部分，就尽量交给合作夥伴与生态系统完成；但凡是非做不可、而且极度困难的部分，NVIDIA 就必须亲自下场，而且做到最好。

这些「工具型软件公司」反而可能因 AI 爆发式成长

对于市场担心 AI 会压缩软件公司的空间，黄仁勋其实抱持几乎相反的看法。他指出，现在很多软件公司本质上是工具制造者，像是 Excel、PowerPoint，或是 Cadence、Synopsys 这类 EDA 公司。这些公司之所以暂时还没迎来更大爆发，不是因为工具会被淘汰，而是因为今天的 agent 还不够会使用工具。

在他看来，未来 agent 的数量会呈指数成长，工具的使用者也会呈指数成长，进而推高工具本身的调用次数与授权需求。以晶片设计为例，现在设计工具的使用量仍受限于工程师数量；但未来每个工程师背后都可能有多个 agent 协作，设计空间探索的密度与频率都会远超今天。

到了那个时候，像 Synopsys Design Compiler、floor planner、layout tools、design rule checker 这类工具的实际使用量反而可能暴增。

换言之，黄仁勋并不认为 AI 会轻易地消灭工具型软件公司，反而更可能把它们推向新的成长曲线。

NVIDIA 的真正护城河，是上下游供应链

谈到 NVIDIA 近年大量对上游供应链做出采购承诺，甚至被外界估算未来几 年可能累积到数千亿美元规模时，黄仁勋没有否认这就是 NVIDIA 的重要优势之一。

他表示，NVIDIA 的确做了大量明确与隐性的 upstream commitments。前者是外界可见的采购承诺，后者则是透过说服供应链高层，让他们愿意先投资扩产。这些投资之所以会发生，不只是因为 NVIDIA 愿意买，更因为供应商相信 NVIDIA 有能力把这些产能消化掉，并透过下游庞大需求顺利卖出去。

这也是为什么他把 GTC 视为不只是产品发表会，而是整个 AI 宇宙 的「360 度全景聚会」。在他眼中，GTC 的价值之一，就是让上游看见下游、让下游理解上游、让整个产业链共同确认 AI 需求真的会来，而且规模极大。黄仁勋甚至坦言，自己的 keynote 某种程度上带有很强的「教育」功能，因为他必须让整个供应链理解：AI 为什么会来、何时会来、规模多大、该如何提前准备。

这也构成 NVIDIA 近年能持续放大供应链流量的原因。黄仁勋强调，供应链不是只看现金流，也看周转率与需求可见度。若一家公司的架构与产品周转速度不够快，供应链也不会愿意为它提前盖厂或扩线。NVIDIA 之所以能做这些事，是因为它的下游需求够大、够确定，整个供应链都看得到。

黄仁勋不怕瓶颈，大多 数瓶颈都只是两三年的问题

当被问到，上游真的跟得上 AI 算力需求吗？尤其当 AI 已吃下台积电大量先进制程与封装产能，未来又怎么可能年复一年继续倍增时，黄仁勋的态度相当鲜明：几乎所有制造瓶颈，本质上都只是两到三年的问题。

他举例，过去大家很常谈 CoWoS 封装瓶颈，但如今已经不太有人谈，是因为整个产业在两年内集中火力把它补上了。台积电也已经把先进封装与 HBM 视为主流运算技术的一部分，而不再是特殊需求。换句话说，只要需求信号足够清晰，产业链就会主动蜂拥而上补足瓶颈。

对黄仁勋来说，AI 带来的不是工作消失，而是产业重组 与人才需求重分配。真正需要担心的，不是某些职业会不会完全消失，而是社会是否因过度恐惧而错配了人才供给。

他也直言，逻辑制程、封装、HBM 这些问题都可以在两三年内解决；真正更慢、更棘手的，是能源政策。因为不管是 AI 工厂、晶片制造、先进封装、电动车、机器人，还是再工业化，都离不开能源。如果能源成为瓶颈，整个产业扩张速度就会被限制。

这篇文章 黄仁勋最新专访：辉达的护城河能否继续保持？（上） 最早出现在 链新闻 ABMedia。