机器人将在三年内实现重大突破；硅光是趋势。

段永平24年开始关注英伟达，主要逻辑，AI算力需求是“长坡厚雪”的赛道，未来只会越来越大，不会变小，英伟达拥有难以撼动的生态壁垒 (CUDA)。同时，段永平非常欣赏英伟达创始人黄仁勋的远见和定力。通过观看黄仁勋多年前的演讲视频，他发现黄仁勋当时对未来的预判与今天的发展方向完全一致。这种对未来的清晰预判和长期坚持，让段永平相信黄仁勋当下的判断依然值得信赖。

今日，GTC会后英伟达创始人兼CEO黄仁勋与全球媒体进行了长达近2小时的深度交流，关于公司，关于技术趋势，关于行业认知，干货满满。

以下为内容精要：

H200即将进入中国。我们已经获得了向中国众多客户销售H200的许可证，也已经收到了来自众多客户的采购订单，目前正处于恢复生产的过程之中。供应链也正在重新启动。

希望我们能够在全球范围内参与竞争，而不是不必要地拱手相让那些市场。

OpenClaw是后推理时代AI的转折点。如果说ChatGPT将生成式AI带给了世界，那o1则将推理系统带给了世界。

Claude Code长期以来主要面向企业级应用，因此大多数人尚未真正体验过智能体系统——除了我们这些身处软件开发行业的人。OpenClaw横空出世。我们终于拥有了一个真正架构精良的开源智能体系统。它面临的唯一挑战是安全性——安全并非唯一的难题，但确实是一个极其严峻的问题。安全、治理、隐私，以及所有与规范化智能体系统相关的特性，都是亟待解决的关键议题。

OpenClaw在短短几周内就成为史上最受欢迎的开源项目之一，揭示了(全球)对一个精心设计的开源智能体系统存在着真正潜在且长期被压抑的迫切需求。

OpenClaw之所以意义重大，关键就在于它是开源的。英伟达对开源模型生态系统的投入是坚定的。

AI不会消灭SAAS软件，反而会需求更多。以EDA软件为例，新思科技、Cadence，以及所有设计工具，它们业务规模的上限，取决于有多少工程师坐在那里使用。工程师数量有多少，工具就能卖出多少许可证。就像管道工多了，管道工具就卖得多；木匠多了，木工工具就卖得多。

但未来，我们将拥有大量AI智能体工程师。这些智能体工程师会做什么？凭空生成晶体管吗？不，它们会使用和人类工程师一样的工具。

当智能体完成芯片设计，它会使用新思科技和Cadence的工具，设计结果最终也会回归到这些工具的文件系统和数据结构中，这才是设计的真实基准。

如果我需要精确复现设计，不是“大概能用”，而是“必须精确可用”，AI深度学习可以生成大致可行的设计，但我不能接受“大致可行”，我需要“完全精确”，而这正需要新思科技的工具来保证一致性。正因为有了智能体，我们需要授权的新思科技工具数量很可能会爆炸式增长，而不是减少。

英伟达引领存储行业的演进。AI使用存储系统的速度远超人类，因此存储系统的性能必须大幅提升。这正是我们推进STX存储机架等项目的原因所在，一切都是为了彻底重构面向AI的存储系统。戴尔展示了集成英伟达全套技术的AI数据平台，整个存储行业都将跟随我们的方向演进。

存储，英伟达的选择是LPDDR4。我们是目前数据中心中唯一一个同时针对三种存储技术进行优化的架构：HBM、LPDDR、SRAM。

目前，其他数据中心CPU均采用DDR内存，但其带宽能效相当低下。英伟达率先在Grace CPU中引入了LPDDR4，这是一次革命性的突破。我认为再过几年，业界都将跟进。AI运行需要大量内存，它必须依靠短期记忆、工作记忆和长期记忆来思考。因此，内存是AI体系中极其重要的组成部分。

存储、推理......产能依然紧缺。英伟达将需要大量的制造产能，且不会大量使用ASIC专用芯片。

除了存储，互连同样关键。我们在纵向扩展（Scale-up）和横向扩展（Scale-out）两个维度同步推进，系统规模持续扩大，需要大量产能支撑。

计算机实际上是一台“制造机”：一个token生产系统，而当前全球专用于token生产的计算机规模极为有限。之所以如此有限，是因为迄今为止我们出货的大多数系统仍被用于训练。

推理的拐点已经到来，OpenClaw横空出世，智能体系统正在各处广泛应用。用于推理的token生产规模才刚刚起步。我们究竟需要多少算力投资？我认为需要数万亿美元量级的产能。

我认为晶圆代工厂将会极度繁忙。由于我们对内存的消耗量极大，我们与每一家内存厂商合作，并将与每一家连接器厂商、每一家硅光子公司携手共进。

未来2-5年的发展趋势在硅光。当你向上看，你会发现我们正在随Spectrum-6大规模引入硅光子技术，并将在未来几年把硅光子加入到NVLink的纵向扩展技术中。

这意味着我们所需的硅光子产能，将远超今天全球现有水平。因此我们与供应链合作，提前帮助他们建立产能。有时我们提前付款，有时只是给出预测，有时如果某项技术产能极度紧缺但需求巨大，我们可能会选择直接投资该公司，同时提供预付款、预测以及其他支持。Coherent和Lumentum就是这样的思路，这属于我们上游供应链的战略布局。

机器人将在三年内实现重大突破。这些机器人已经开始能够完成一些任务。一旦一项技术的可行性得到验证，优化往往不超过五年。因此我非常确信，三年之内，你将看到能力极为出色的机器人。

由于我们已同步攻克了认知AI，也就是AI认知领域的OpenClaw。OpenClaw在机器人内部运行，这一设想已经相当显而易见。

此外还有VLA（视觉-语言-动作）模型，负责控制机器人的运动与关节协调。尽管仍有诸多挑战，但系统一与系统二的AI问题，正在被实时解决。

因此，我认为三年内，你将见证真正意义上的重大突破。

自动驾驶已经不是问题。以前CUDA没有营收，却占了公司9成的研发。当时市场质疑CUDA,现在人们质疑英伟达自动驾驶业务目前约占总营收的1%，但我们必须坚信自己所相信的，然后决定是否值得继续追求。

特斯拉购买英伟达系统用于训练，Wayve以及全球每一家正在研发自动驾驶的公司，无论是卡车、面包车、乘用车还是无人出租车，都在向我们采购这三台计算机中（训练系统、合成数据生成与仿真系统，以及自动驾驶车载系统本身。）的一台或全部。这个规模相当可观。

为什么我如此确信自动驾驶一定会实现？因为我完全相信，自动驾驶在技术层面已经是一个被解决的问题。我们花了10年才走到这一步，但它确实已经被解决了，剩下的只是工程层面的持续打磨。

10年之后的某一天，全球每天1万亿英里的行驶里程将实现100%或接近100%的自动驾驶。假设每天有2万亿英里，再乘以每英里若干美元，这将是一个数万亿美元量级的市场。

中国自动驾驶公司的选择。在中国，比亚迪、吉利、小鹏、理想都是我们的合作伙伴和客户，它们发展得很好，也将继续发展得很好。我们与它们共同基于DRIVE Hyperion实现了传感器和计算架构的标准化。

当它们的汽车进入欧洲市场，某些国家可能无法接受它们的软件栈。这时，英伟达的软件栈就可以直接启用。而在中国，它们使用自己的软件栈完全没有问题。在欧洲或亚洲的某些地区，如果当地软件栈不适用或不被接受，我们的软件栈就可以替代上去。

英伟达系统的CPU是为了支持GPU发挥最大价值。英伟达的CPU与传统x86 CPU截然不同，未必适用于所有场景，其核心价值在于用10亿美元的CPU，支撑500亿美元的GPU跑满性能。

AI关注的是“完成多少工作”，而不是“有多少核心”。

GPU在生成token、创造价值，而CPU并不是主要的价值生产者。因此，如果可以，你会希望把绝大部分电力预算分配给GPU。

当然，我们仍然需要CPU，但我们要让它们极其节能。这也是为什么我们使用LPDDR内存。同时，我们的CPU在单线程性能、带宽效率方面都处于全球领先水平，带宽甚至达其他方案的三倍。

之所以把带宽做得这么高，是因为我们需要处理海量数据的移动。因此，我们设计了Vera、Grace等CPU，它们是专门为AI时代打造的。

我们目前处于英伟达推理拐点的第一年，这是十年来推理领域真正意义上的第一个拐点年。十年之后，市场可能趋于饱和。而Vera Rubin是拐点的第二年，新增需求的比例同样会达到99%。

Rubin将登顶推理算力之巅。我们判断一个新兴细分市场正在形成——该市场要求模型同时满足三个条件：模型体量大、上下文长度长，以及推理延迟极低，也就是响应速度极快。

在一座算力工厂的配置中，75%仍将是纯Vera Rubin部署；另有25%将是Vera Rubin与Groq的组合部署。Vera Rubin仍将是核心。Grace Blackwell终将成为历史，而Vera Rubin将登顶推理算力之巅。

AI时代人类更忙了。说实话，我感觉自己越来越忙了。我今天与英伟达的工作体验是：它让我比以往任何时候都更忙——比6个月前更忙。原因就在于工作成果反馈得更快了，项目数量也增长得更快了。

很多人说AI来了，我们会失去工作。恰恰相反。事实是：PC让我们更忙了，互联网让我们更忙了，移动设备让我们更忙了。

AI将使我们以如此之快的速度推进工作，以至于我们最终会承担更多的工作量。

一项技术扩散到全世界，大约需要十年左右。如今大约每四年就会迎来一轮新的资本支出周期。

现在全球有数千万制造业岗位的缺口。而经济增长时，大多数公司往往会雇用更多人，用来管理更多机器人，管理更多智能体，推动业务增长，发现新问题、解决新问题，嵌入新技术，发明新产品、新服务。这很可能就是未来的轨迹。

我们比以往任何时候都更忙。这条趋势线大概率还会延续。

英伟达与云服务商的关系。英伟达40%的业务任何云服务商都无法独立覆盖，剩下60%是云业务，其中40%～50%的需求由英伟达创造，比如没有英伟达甲骨文就没法服务OpenAI，最后才是云服务商自身的需求。

德国日本制造业可以跳过互联网革命直接进入AI革命。制造业的文化是严格的、一步一步的，每一件产品在发货之前必须完美，因为它可能伤害到人。而软件的运作方式是集群式的，你必须在它还没有完善之前就发布，因为如果你不发布，它永远不会被修复。

这不只是技术上的差异，而是深层的文化差异。正是这种文化差异，导致美国在IT革命中全面主导，而德国却被落在了后面。

但希望来了。OpenClaw不需要你去编程，它只需要你告诉它该做什么。

你可以跨越IT革命，直接跳跃到AI革命。让过去成为过去。直接拥抱AI，然后将AI技术与你们世界级的机电一体化工业能力深度融合。你们将一跃成为全球机器人产业的领导者。软件工程师已经不需要再写代码了。对德国来说，这应该是最令人振奋的消息；对日本来说，同样如此。

与台积电合作开发CPO。我们与台积电共同发明了CoUP，这是一种将电子器件与硅光子引擎直接集成在同一块芯片上的技术。我们为整条供应链申请了约100项专利，并将我们的全部技术开放授权给整个供应链，以便各方能够协同打造硅光子CPO（共封装光学）技术——让电子与光子在同一个封装中融合。

美积电正在加速建设，但速度没有那么快。台积电正在尽全力在美国亚利桑那州及周边建立新产能，整条供应链也在美国本土布局。然而，新晶圆厂和新工厂还在建设的同时，全球整体需求的增速之快，使得在近期内实现40%这一目标将极具挑战。

英伟达的重要优势：极致的协同设计。过去十年，我们的计算效率提升了约100万倍，而摩尔定律在同期只贡献了约100倍。摩尔定律鼎盛时期的预测是十年100倍，而我们做到了100万倍。我们不只是靠精度的提升。

单靠精度，每年大约只有2倍的提升空间。我们的速度远超精度扩展所能解释的范围，未来也将如此。我们还有很多旋钮可以拨动。

给大家一个小提示：未来不只是关于大模型层面的优化，未来是关于智能体系统。智能体系统使整个问题空间再次大幅扩展。而当问题空间扩展，你就有更大的机会去寻找那个质的飞跃。

英伟达的优势。我们的使命有几个层面：我们希望为世界打造可信赖的开源模型，以英伟达的体量和能力，确保每年稳定迭代，让所有人都知道，你们可以信赖我们。说到做到。

另一个原因是：我们自己在开发模型的过程中，可以针对新一代芯片和系统架构对模型架构进行深度优化。这是其他团队未必能做到的。

举个例子，如果没有TensorRT-LLM，我们就无法探索NVLink 72的性能极限；如果没有Dynamo，我们就无法探索解耦推理的边界，也就不会有后来收购Groq团队的决策。拥有自己的软件团队，保持工业级、前沿水准的软件能力，使我们能够在整个系统层面持续创新，软件与硬件相互成就，形成正循环。

继续打造英伟达的生态系统。生态系统是极佳的投资标的，坦率说，我认为这就是计算产业的未来。我们正在投资“下一个谷歌”、“下一个Meta”、“下一个亚马逊”。

Nebius是下游合作伙伴的投资。我始终沿着整个技术与制造的生命周期进行全局扫描，持续为公司的增长做好准备。

围绕CUDA构建的生态系统是我们的第二项核心工作。

我们需要AI智能体系统参与网络安全。我们希望企业被“白细胞”所守护，以防有入侵者。网络安全智能体可以立即响应并蜂拥而至，攻击入侵者，就像白细胞一样。

未来，网络安全威胁的演变越来越快，我需要超高速的AI智能体来保护我。

SQL所代表的，是记录系统，是我们业务中最真实、最可靠的数据基础。

而这些真实基础，正是用来“约束”和“支撑”生成的。否则，生成出来的就只是幻觉。

未来的发展方向，要么是完全结构化的生成，要么是由真实世界数据来控制的生成。

2027年将实现1万亿美元营收：此前预测的至2027年1万亿美元营收，仅仅包含了Blackwell和Vera Rubin两条产品线。如果加上独立CPU、Groq、存储以及网络设备，规模可能会达到1.25万亿美元。