黄仁勋最新访谈揭秘：投资OpenAI真相与AI万亿未来 | AI资讯

type

status

date

slug

summary

投资OpenAI：一场着眼未来的战略布局，而非交易前提

面对市场对于英伟达投资OpenAI是否为了锁定大额芯片订单的猜测，黄仁勋给出了一个明确而坚定的回答：投资并非合作的前提，而是一个不容错过的绝佳机会。

黄仁勋认为，OpenAI极有可能成为继谷歌、Meta之后的下一家“数万亿美元级”的Hyperscaler（超大规模云服务商）。从这个角度看，能在其成长为巨无霸之前进行投资，是“能想象到的最聪明的投资之一”。这并非一种财务操作或交易捆绑，而是一种基于对行业深刻理解的战略布局。

他进一步解释，英伟达与OpenAI的合作是多层次、全方位的： * 持续支持微软Azure建设：这是双方长期且进展顺利的合作。 * 推进OCI（甲骨文云基础设施）建设：与甲骨文、软银等多方共同推进的大规模项目。 * 助力OpenAI自建AI基础设施：最新的合作是帮助OpenAI从“租用方”转变为“自建方”，直接在芯片、软件、系统层面进行协作，使其成为一个完全自运营的Hyperscaler。

这一系列合作的背后，是OpenAI面临的“双重指数增长”压力：一是用户和应用数量的指数级增长；二是每个应用所需计算量的指数级增长。因此，英伟达的投资决策，源于对OpenAI巨大潜力的看好，而非短期的订单交换。

超越摩尔定律：三大“缩放法则”重塑AI计算范式

为什么AI对算力的需求会如此爆炸性增长？黄仁勋提出了一个核心理论框架——AI发展的三大缩放法则（Scaling Law），这彻底颠覆了我们对计算需求的传统认知。

预训练（Pre-training）：这是我们熟知的第一条法则，即通过海量数据训练基础大模型，模型规模越大，能力越强。

后训练（Post-training）：这涉及到强化学习等复杂过程，AI像人类一样“练习”特定技能，通过不断的尝试和推理来优化其能力。这个过程本身就需要海量的推理计算。

推理（Inference）：这是最具革命性的一点。过去的AI推理是“一次出手”，直接给出答案。而现在的人工智能，如ChatGPT等先进模型，已经进化为“先思考再作答”。它会进行检索、事实核查、调用工具，经过多轮内部“思考”循环，最终生成更高质量的答案。

“思考”过程的引入，意味着单次任务的计算量不再是一个常数，而是呈指数级增长。正是这三条法则的叠加，构成了对AI算力近乎无限的需求，也解释了为何AI基础设施建设的竞赛愈演愈烈。

万亿级AI市场的宏伟蓝图：从“替换”到“增强”

对于华尔街分析师预测英伟达增速将在2027年放缓的观点，黄仁勋显得十分从容。他认为，市场远远低估了AI带来的结构性变革。他从三个层面阐述了AI市场的巨大潜力：

* 第一层：通用计算的终结与加速计算的崛起 “摩尔定律已死”已成为行业共识。这意味着全球价值数万亿美元的、基于CPU的传统计算基础设施，都将被以GPU为核心的加速计算所取代。这本身就是一个无比庞大的存量替换市场。

* 第二层：Hyperscaler业务的AI化 无论是搜索、推荐引擎还是电商系统，这些互联网服务的核心工作负载都在从CPU迁移到GPU。仅仅是满足Meta、谷歌、字节跳动等巨头将现有业务全面AI化的需求，就是一个数千亿美元级别的市场。这并非创造新需求，而是用更高效的AI方式重塑现有业务。

* 第三层：AI对全球经济的“智能增强” 这是最激动人心的部分。黄仁勋将AI工厂类比为过去的电机，前者替代体力劳动，后者则生成“Tokens”来增强人类智能。全球GDP中约有50万亿美元与人类智能相关。如果为这些脑力劳动者配备AI“协作智能体”，哪怕只撬动其中一部分价值，都将创造一个十万亿美元级别的新市场。而这个市场，需要庞大的AI基础设施来支撑。

为何“供给过剩”是伪命题？需求指数正在叠加

关于市场担心的“芯片短缺转向供给过剩”的风险，黄仁勋认为概率极低。原因在于，需求端的增长是双重指数叠加的结果，而供给端始终处于“追赶”状态。

他指出，英伟达位于供应链的末端，按需响应。然而，云服务商和客户每年提供的需求预测总是过于保守，导致英伟达持续处于“紧急追赶”模式。随着AI从简单的生成任务发展到复杂的“思考”和“智能体”系统，算力需求的第二条指数曲线（即单个任务算力暴涨）才刚刚开始发力。

从Meta的扎克伯格到微软的纳德拉，所有行业领导者都在加倍投入AI基础设施建设，他们普遍认为自己“严重低配”了。在所有传统计算负载被AI彻底改造之前，谈论“过剩”还为时过早。

结论

黄仁勋的此次访谈，不仅有力地驳斥了外界的质疑，更重要的是，它为我们描绘了一个由加速计算驱动、由AI深刻变革的未来经济图景。英伟达的战略核心，并非简单的芯片销售，而是成为这场新工业革命的基石和赋能者。其对OpenAI的投资，正是这一宏大愿景的缩影——投资于生态，投资于未来。

随着AGI（通用人工智能）的脚步日益临近，理解这些底层驱动力和行业趋势变得至关重要。想要持续追踪最新的AI新闻和AI资讯，深入了解LLM（大语言模型）的发展动态，欢迎访问AI门户网站 https://aigc.bar，获取最前沿的洞察与分析。