听完黄仁勋最新访谈，我理解了英伟达为什么值 4 万亿
黄仁勋接受 Lex Fridman 三小时深度访谈，谈到了 NVIDIA 护城河的本质、AI 四大扩展定律、AGI 已经实现的判断，以及未来 10 亿程序员的预言。六个最有穿透力的判断。
上周末，我把黄仁勋接受 Lex Fridman 的这期访谈听了两遍。
三个多小时。
说实话，第一遍听的时候有几段没太听进去，直到第二遍我才意识到，他说的某些话，现在回想起来还有点后背发凉的感觉。
不是恐怖意义上的，是那种”这个人把未来看透了”的感觉。
把我最在意的几个判断整理出来，分享给大家。
01 计算机已经死了，工厂万岁
这是整场访谈里让我印象最深的一个比喻。
黄仁勋说：计算机曾经是仓库，现在它是工厂。
在过去，计算机的核心功能是存储和检索。你把文件存进去，你把文件取出来。仓库。仓库赚不了多少钱，因为它不生产东西，只保管东西。
现在的计算机，是生成式计算。你扔一个问题进去，它产出答案、代码、图像、报告。工厂。工厂的收入直接和它的产出挂钩。
这个转变的含义，比大多数人意识到的要深刻得多。
他直接说：用于计算的 GDP 占比，未来会是过去的 100 倍。 因为它不再是成本中心，它是收入来源。
我脑子里立刻想到了一件事：现在很多公司还在用”IT 是成本”的思维做预算，而那些用”IT 是工厂”思维做决策的公司，正在悄悄拉开差距。
02 NVIDIA 的护城河不是技术，是信任
有人问黄仁勋：NVIDIA 最大的护城河是什么？
我以为他会说 GPU 性能、Blackwell 架构，或者什么量产能力。
他说：是 CUDA 的装机量，以及开发者对我们的信任。
他解释说，当年把 CUDA 放到 GeForce 上，是一个差点把公司做死的决定。因为成本实在太高，NVIDIA 当时根本负担不起，但还是做了。
原因只有一个：要成为一家”计算公司”，就必须有一个覆盖所有芯片的统一计算架构。这个架构的价值不在于它有多优雅，而在于有多少人用它。
他说得很直接：「如果我今天是一名开发者，我会首先选 CUDA。不是因为它最好，而是因为它覆盖了数亿台计算机，覆盖了每一朵云，每一个行业，每一个国家。」
让我印象深刻的是他关于信任的那段话：
「如果我在 CUDA 上构建东西，我 100% 相信 NVIDIA 会持续维护它、改进它，只要它们还存在一天。这种信任是无价的。」
这和软件行业的一个道理是相通的：开发者生态一旦建立，就很难打破。不是因为竞争对手的技术不够好，而是因为迁移成本和信任成本太高。
03 AI 有四个扩展定律，大多数人只知道第一个
现在大家都在说 Scaling Law，都在聊预训练、数据、参数量。
但黄仁勋说，AI 实际上有四个扩展定律：
1. 预训练扩展（Pre-training Scaling）：更多数据，更大模型，更强能力。这是大家最熟悉的。
2. 后训练扩展（Post-training Scaling）：RLHF、指令微调、偏好优化，让模型更对齐、更有用。
3. 测试时扩展（Test-time Scaling）：推理时给更多算力，让模型”想更久”。o1 系列就是这个逻辑。
4. 智能体扩展（Agentic Scaling）：多个 Agent 协作完成复杂任务，算力消耗是指数级的。
他说，这四个维度都在同时增长，而且随着合成数据越来越能补充人类数据，预训练的瓶颈正在被打破。计算，始终是限制因素。
这个框架对我很有用。以前我总觉得 Scaling Law 快到头了，但从四个维度看，现在很可能只是刚刚开始。
04 AGI 已经实现了
这个判断最有争议。
Lex 问他：AGI 什么时候会实现？
黄仁勋的回答是：现在就是。我们已经实现了 AGI。
他举了一个例子：现在的 AI 已经能够创建一个 Web 应用，一个有真实用户的小产品，几十亿人以五毛钱的价格使用它。这和互联网时代早期那些简单的网站相比，并不逊色。
他的逻辑是：AGI 的定义问题，一直是争论的核心。如果你把 AGI 定义为”能像一个人一样完成某些经济有意义的工作”，那我们已经到了。
我不完全同意这个判断，但这个角度值得认真对待。我们总是在等一个”AGI 降临”的时刻，但也许它不是一个时刻，而是一个过程，而这个过程早就开始了。
05 未来有 10 亿程序员，每个木匠都是建筑师
有人问：AI 会不会减少程序员的数量？
黄仁勋说：恰恰相反，程序员会从 3000 万增加到 10 亿。
他的解释让我觉得很有意思：编程的本质，是”告诉计算机去做什么”。 以前你需要用 Python、Java 写出具体的实现，现在你只需要描述一个规格（specification），AI 来完成实现。
所以，每一个能清晰描述”我想要什么”的人，都可以是程序员。
他说：未来每个木匠都会是程序员，但拥有 AI 的木匠同时也是建筑师。他们不是被替代了，而是升维了，能给客户交付的价值大幅提升。
这个判断对我冲击很大。很多人在担心 AI 会取代程序员，但换个角度看，AI 可能是在把”编程能力”这件事，从少数人的专业技能，变成每个人都能用的工具。
程序员不会消失，但”会编程”的定义，正在悄悄改变。
06 压力管理的秘密：系统性遗忘
这是整场访谈里，我最没想到会触动我的一段。
Lex 问黄仁勋：建立 NVIDIA 的过程这么艰难，你有没有在心理上触底过？
黄仁勋说：当然，一直都有。
然后他解释了他如何处理压力。他说，AI 学习最重要的属性之一，是系统性遗忘。你必须知道什么时候该忘记一些事情。
他的方法是三步：
第一步，分解问题。 不要让一个大的恐惧压着你，把它拆成小的可操作的部分。
第二步，分享负担。 无论什么让你担心，告诉别人。不是要吓到他们，而是让更多人知道，然后一起处理。
第三步，对自己狠一点。 “拜托，别再哭了。让我们开始吧。“然后你就起床了。
最后他说了一句让我觉得特别有画面感的话：「你被下一个闪光点吸引了。好了，那已经过去了，接下来是什么？就像伟大的运动员，他们只担心下一个球，上一个球已经过去了。」
我的整体判断
听完这三个多小时，我脑子里一直在转一件事：
黄仁勋从来没有一次把自己说成是”做芯片的”。他从第一天起，就在想”我们是一家计算公司，我们在创造一个平台，我们在制造工厂”。
这种叙事的力量，让 NVIDIA 从一家显卡公司，变成了今天市值超过 4 万亿美元的 AI 基础设施公司。
他在访谈里说过一句话，我觉得值得每个创业者和产品人认真想一想：
「你描绘出一个未来，这个未来如此令人信服，以至于它一定会发生。」
这不是成功后的马后炮，这是他做每一个艰难决策时的底层逻辑。
你现在描绘的，是什么样的未来？
原始素材来自：Lex Fridman Podcast #494，时长约 3 小时。