重點精華，讓你更了解AI晶片需求：
黃仁勳：回想舊時代，摩爾定律是每5年增長10倍，每10年增長100倍。所以我們只需要等CPU變得更快。雖然全球數據中心不斷處理更多的信息，但之前我們都沒有看到運算的通膨。
但隨著摩爾定律出現瓶頸，現在這種情況已經結束了，我們正在看到運算的通膨。
因此，我們必須做的事情是，盡可能加速一切。因此，首先會發生的事情是，全球價值一兆美元的通用數據中心將會被加速計算現代化。這無論如何都將發生，無論如何都會發生（他強調了兩次）。
運算成本可能會增加一倍，但你將計算時間減少了大約20倍。因此，你獲得了10倍的節省。這種加速計算的投資回報率並不少見。所以，如果你看看我們的一個伺服器機架，NVIDIA的伺服器機架看起來很昂貴，每個機架可能要花幾百萬美元，但它能取代1000個節點。
客戶每對我們花1美元，就能轉化為5美元的雲端租賃收入。
【以下為演講內容的翻譯文，內容已更新至優分析的產業小助理功能】
主題：NVIDIA公司與高盛Communacopia+科技會議2024
主持人：早上好，早上好。
黃仁勳：謝謝大家，早上好，Eileen。
主持人：很高興看到大家。我昨晚很晚才飛到這裡，本來沒想到會在早上7點20分上台，但看來大家都準備好了。所以我們就在這裡了，Jensen，感謝你來到這裡。
主持人：我很高興能在這裡。感謝大家的到來。希望大家享受這次會議。這是一個非常棒的活動，有很多優秀的公司，有幾千人參加。
主持人：所以真的非常精彩，能邀請到NVIDIA的總裁兼首席執行官Jensen Huang（黃仁勳）來這裡真是個亮點，也是莫大的榮幸。自從你在1993年創立NVIDIA以來，你一直是加速計算的先驅。該公司在1999年發明的GPU點燃了PC遊戲市場的增長，重新定義了電腦，並引發了現代AI的時代。Jensen擁有俄勒岡州立大學的工程學學士學位和斯坦福大學的工程學碩士學位。因此，我想首先歡迎你，Jensen。
主持人：大家請歡迎Jensen上台。
黃仁勳：謝謝，謝謝大家。那麼我們要...
主持人：嘗試以非常輕鬆的方式來進行，我會試著讓你談談一些我知道你熱衷的事情。但我只是想先談談，31年前，你創立了這家公司，你將自己從一家專注於遊戲GPU的公司轉變為一家提供廣泛硬體和軟體解決方案給數據中心行業的公司。
黃仁勳：而我...
主持人：我希望你能從講述這段旅程開始。當你開始時，你是怎麼想的？這一路是如何演變的？因為這真的是一段非常非凡的旅程。然後你可以從這裡談談未來的關鍵優先事項，以及你如何看待未來的世界。
黃仁勳：是的，David，能在這裡真的很棒。我認為我們做對的一件事就是，我們的願景是會有另一種計算形式可以增強通用計算，以解決通用工具無法解決的問題。這種處理器一開始是做一些CPU無法完成的極度困難的事情，就是計算機圖形處理。但我們會隨著時間的推移，擴展到做其他的事情。
黃仁勳：當然，我們選擇的第一件事是影像處理，這與計算機圖形處理是互補的。我們將其擴展到物理模擬，因為在我們選擇的應用領域——電子遊戲中，你希望它既美觀又具有動態性，可以創建虛擬世界。我們一步一步地將它引入科學計算領域。最早的應用之一是分子動力學模擬，另一個是地震處理，基本上是反向物理。
黃仁勳：地震處理非常類似於CT重建，另一種形式的反向物理。所以我們只是一步一步地走過來，思考互補類型的算法和相鄰產業，這樣說來，我們的確是自己走出了一條路。但當時的共同願景是，加速計算能夠解決一些有趣的問題。如果我們能夠保持架構的一致性，也就是說，今天開發的軟體能在過去留下的大量已安裝基礎上運行，而過去創建的軟體將通過新技術進一步加速。這種關於架構兼容性、大規模已安裝基礎的思維方式，從1993年開始一直延續到今天，這也是為什麼NVIDIA的CUDA擁有如此龐大的已安裝基礎，因為我們總是在保護它。
黃仁勳：保護軟體開發者的投資一直是我們公司自始至終的首要任務。展望未來，我們一路上解決了一些問題，當然包括學習如何成為一位創始人，如何成為一名CEO，如何經營一家公司，如何建立一家公司。這些都不是簡單的事情，這些都是新的技能。而我們只是在學習如何發明現代計算機遊戲產業。
黃仁勳：很多人不知道，NVIDIA擁有世界上最大的視頻遊戲架構已安裝基礎。GeForce在世界上擁有大約3億名玩家，仍在非常強勁地增長，非常有活力。因此，我認為每次我們必須進入一個新市場時，我們都必須學習新算法、新的市場動態，創建新的生態系統。原因是，與通用計算機不同，如果你構建了那個處理器，那麼最終一切都能正常工作。但我們是一種加速計算機，這意味著你必須問自己，你要加速什麼？
黃仁勳：因為沒有一種通用的加速器，因為是的。
主持人：深入挖掘一下這個問題，David。請談談通用計算與加速計算之間的差異。
黃仁勳：如果你看看軟體，你所寫的軟體中有很多是檔案I/O（輸入/輸出）。有的是在設置數據結構。還有一部分軟體裡面，有一些神奇的核心程式碼和算法。而這些算法是不同的，取決於它是計算機圖形、影像處理還是其他什麼東西。它可能是流體動力學，可能是粒子運動，也可能是反向物理，如我所提到的，也可能是影像領域的東西。因此，所有這些不同的算法都是不同的。
黃仁勳：如果你創建了一個處理器，它能夠在某種程度上非常擅長這些算法，並補充CPU，讓CPU去做它擅長的事情，那麼理論上，你可以大幅加速一個應用程序。其原因是，通常大約5%到10%的程式碼佔了99.999%的運行時間。所以，如果你把這5%的程式碼卸載到我們的加速器上，那麼技術上，你應該能夠將應用程序的速度提高100倍。我們這樣做並不罕見，這並不奇怪。我們會將影像處理加速500倍。
黃仁勳：現在我們也在做數據處理。數據處理是我最喜歡的應用之一，因為幾乎所有與機器學習相關的東西都是一種數據驅動的軟體方法。數據處理已經進化了，可能是SQL數據處理，也可能是Spark類型的數據處理，或是向量數據庫類型的數據處理，各種不同方式處理結構化或非結構化數據，即數據框。
黃仁勳：我們對此進行了極限加速。但要做到這一點，你必須在頂部創建那個圖書館，那個精巧的庫。在計算機圖形的情況下，我們很幸運地擁有Silicon Graphics的OpenGL和微軟的DirectX，但除此之外，沒有其他的庫存在。例如，我們最著名的庫之一是一個類似SQL的庫。
黃仁勳：SQL是一個用於儲存計算的庫。我們創建了一個名為cuDNN的庫。cuDNN是世界上第一個神經網絡計算庫。因此，我們有cuDNN，我們有cuOpt用於組合優化，有cuQuantum用於量子模擬和仿真，各種不同的庫，例如cuDF用於數據框處理，比如SQL。因此，所有這些不同的庫必須被創造出來，這些庫將應用程序中的算法重新組織成我們的加速器可以運行的方式。
黃仁勳：如果你使用這些庫，你將獲得100倍的加速效果。速度會大大提高，真是不可思議。這個概念很簡單，而且很有道理，但問題是你如何去發明所有這些算法，讓視頻遊戲產業使用它，寫出這些算法，讓整個地震處理和能源產業使用它，寫出新的算法，讓整個AI產業使用它。你懂我的意思嗎？
主持人：是的。
黃仁勳：所以，這些庫，每一個這樣的庫，我們首先必須做的是計算機科學。其次，我們必須經過生態系統的開發。我們必須去說服大家使用它，然後問它需要在哪些計算機上運行。所有不同的計算機都不同。因此，我們就是這樣，一個領域接著一個領域，一個領域接著一個領域地做下來。
黃仁勳：我們有一個豐富的自駕車庫，有一個非常出色的機器人庫，一個令人難以置信的虛擬篩選庫，無論是基於物理的虛擬篩選還是基於神經網絡的虛擬篩選，還有一個不可思議的氣候技術庫。因此，一個領域接著一個領域，我們必須去結交朋友，創建市場。因此，事實證明，NVIDIA非常擅長的是創建新市場。
黃仁勳：我們已經做了這麼久，現在看來NVIDIA的加速計算無處不在，但我們確實必須...
主持人：一次一個產業來做。因此，我知道在座的許多投資者都非常關注數據中心市場，有趣的是，能夠聽到你對公司在中期和長期機會方面的看法。顯然，你的行業正在推動下一次工業革命。這個行業面臨的挑戰是什麼？談談你如何看待我們今天所在的數據中心市場。
黃仁勳：同時發生著兩件事情，它們被混淆了，這是值得拆分開來看的。首先，讓我們從沒有AI的情況開始。在一個沒有AI的世界中，通用計算仍然力不從心。因此，我們知道，對於所有喜歡半導體物理的人來說，Dennard縮放和Mead Conway的晶體管縮放，Dennard縮放的等功耗提升性能或等成本提升性能的時代已經結束了。因此，我們不會再看到每年速度加倍的CPU通用計算機了。
黃仁勳：如果每10年它的速度能加倍，那我們就算幸運了。回想舊時代，摩爾定律是每5年增長10倍，每10年增長100倍。所以我們只需要等CPU變得更快。而隨著全球數據中心不斷處理更多的信息，CPU每年速度都會加倍。因此，我們沒有看到計算的通膨。
黃仁勳：但現在這種情況已經結束了，我們正在看到計算的通膨。因此，我們必須做的事情是，盡可能加速一切。如果你在做SQL處理，去加速它。如果你在做任何類型的數據處理，去加速它。如果你在創建一個互聯網公司並擁有推薦系統，絕對要加速它，現在它們都完全加速了。
黃仁勳：幾年前，這些都還在CPU上運行，但現在世界上最大的數據處理引擎，也就是推薦系統，現在全部加速了。所以，如果你有推薦系統，如果你有搜索系統，任何大型數據處理，你必須加速它。因此，首先會發生的事情是，全球價值一兆美元的通用數據中心將會被加速計算現代化。這將無論如何都會發生，無論如何都會發生。
黃仁勳：原因如我所描述的，摩爾定律已經結束了。因此，你會看到的第一個動態是計算機的密集化。這些巨大的數據中心非常低效，因為它們充滿了空氣，而空氣是一種非常糟糕的導電體。所以我們想做的是，把一個可能是50、100或200兆瓦的數據中心，這種非常龐大的數據中心，壓縮成一個非常小的數據中心。因此，如果你看看我們的一個伺服器機架，NVIDIA的伺服器機架看起來很昂貴，可能每個機架要花費幾百萬美元，但它可以取代1000個節點。
黃仁勳：令人驚訝的是，僅僅是連接舊通用計算系統的電纜成本，就超過了更換所有這些並將其密集化到一個機架的成本。密集化的另一個好處是，既然你已經將它密集化了，你可以進行液冷，因為很難對一個非常大的數據中心進行液冷，但你可以對一個非常小的數據中心進行液冷。因此，我們正在做的第一件事是加速現代化數據中心，加速它，使其密集化，使其更加節能。你節省了資金，節省了電力，而且更加高效。如果我們僅專注於這一點，這就是接下來10年的工作。
黃仁勳：我們將會加速這一過程。當然，還有第二個動態，那就是由於NVIDIA的加速計算，帶來了如此巨大的計算成本減少。就像在過去10年中，摩爾定律的100倍增長，實際上是計算能力在過去10年中增長了100萬倍。所以問題是，如果你的飛機速度快100萬倍，你會做什麼不同的事情？這時，人們突然說，嘿，為什麼我們不讓電腦來編寫軟體，而不是我們自己去想特徵是什麼，也不是我們自己去想算法是什麼。
黃仁勳：我們只需將所有的數據，所有的預測數據交給計算機，讓它自己去弄清楚算法是什麼，也就是機器學習，生成式AI。因此，我們在如此大的規模上，對許多不同的數據域進行了操作，現在計算機不僅能理解如何處理數據，還能理解數據的意義。因為它同時理解多種模態，因此它可以進行數據翻譯。它可以從英語轉換成圖像，從圖像轉換成英語，從英語轉換成蛋白質，從蛋白質轉換成化學物質。所以，因為它能一次理解所有數據，它現在可以進行這種我們稱之為生成式AI的翻譯。
黃仁勳：大量的文本可以轉換成少量的文本，少量的文本可以轉換成大量的文本，如此往復，我們現在處於這場計算機革命之中。現在令人驚訝的是，首批價值1萬億美元的數據中心將被加速，並發明出這種新型的軟體，稱為生成式AI。這種生成式AI不僅僅是一種工具，它是一種技能。這就是有趣的地方，這也是為什麼創造了一個新的產業。
黃仁勳：原因是，如果你看看整個IT產業，直到現在，我們一直在製造人們使用的儀器和工具。而這是第一次，我們將創造增強人類的技能。因此，這就是為什麼人們認為AI將擴展到超越1萬億美元的數據中心和IT領域，進入技能的世界。什麼是技能？一個數位司機就是一種技能，無人駕駛，一個數位裝配線工人，一個機器人，一個數位客服聊天機器人，一個計劃NVIDIA供應鏈的數位員工。
黃仁勳：這可以是某種數位SAP代理。我們公司內使用了很多ServiceNow，我們也有數位員工服務。所以現在我們擁有了這些數位人員，這基本上是AI的浪潮。所以回過頭來看...
主持人：換個話題，基於你剛才所說的一切，金融市場上有一個持續的辯論，那就是隨著我們繼續構建這個AI基礎設施，是否有足夠的投資回報。你如何評估在這個周期中的客戶ROI（投資回報率）？如果你回顧一下，想想PC、雲計算在它們的採用周期中處於類似階段時的ROI，與我們現在繼續擴展時的情況相比，它們的ROI如何？
黃仁勳：是的，這個問題非常棒。所以讓我們來看看。在雲計算之前，主要的趨勢是虛擬化，大家還記得嗎？虛擬化基本上說的是，讓我們把數據中心中所有的硬體虛擬化為虛擬數據中心，然後我們可以在數據中心內部移動工作負載，而不是直接將它們與特定計算機相關聯。結果是，這樣做提高了數據中心的利用率。
黃仁勳：我們看到數據中心的成本基本上減少了2到2.5倍，可以這麼說，一夜之間虛擬化了。接下來我們所做的第二件事是，將這些虛擬計算機直接放到雲端。結果，不僅是一家公司的多個應用，還有多家公司可以共享相同的資源，這又是一個成本下降。利用率再次上升。順便說一下，過去10年或15年所有這些事情的發生掩蓋了底層的根本動態，那就是摩爾定律的結束。
黃仁勳：我們發現了另一個2倍的成本降低，它隱藏了晶體管縮放的終結。它掩蓋了晶體管、CPU的縮放。然後突然之間，我們已經獲得了利用率的成本降低。現在這些都已經沒有了，這就是為什麼我們現在看到數據中心和計算的通膨。
黃仁勳：所以，首先發生的事情是加速計算。因此，你用Spark進行數據處理並不罕見。Spark可能是當今世界上使用最多的數據處理引擎之一。如果你在雲端使用NVIDIA加速Spark，看到20倍的加速並不罕見。因此，你會節省10倍，而你付的錢當然也會增加一點，因為NVIDIA的GPU增強了CPU，所以計算成本會略有上升。
黃仁勳：可能會增加一倍，但你將計算時間減少了大約20倍。因此，你獲得了10倍的節省。這種加速計算的投資回報率並不少見。因此，我會鼓勵大家，任何能加速的東西就去加速，然後一旦你加速了，使用GPU來運行它們。這就是加速帶來的即時ROI。
黃仁勳：除此之外，有關生成式AI的討論處於生成AI的第一波浪潮中，這是我們這樣的基礎設施提供者和所有雲服務提供者將基礎設施放在雲中，讓開發人員可以使用這些機器來訓練模型、微調模型、設定模型的安全欄桿等等。而這些投資的回報是驚人的，因為需求非常大，對我們每花1美元，就能轉化為5美元的租賃收益。而這種情況在全球各地都在發生，一切都已售罄。因此，這種需求真是不可思議。我們已經知道的一些應用程序，當然，最著名的有OpenAI的Chat GPT或GitHub Copilot，或者我們公司使用的共生成器，生產力增益是驚人的。
黃仁勳：我們公司目前沒有一位軟體工程師不使用共生成器，不管是我們自己為CUDA或USD（我們公司使用的另一種語言）建的，還是Verilog、C和C++以及程式碼生成器。因此，我認為每行程式碼都由軟體工程師手動編寫的時代已經完全結束了。每位軟體工程師都會擁有數位工程師伴侶，24小時隨時隨地與他們合作，這是未來。所以，我看待NVIDIA時，我們有32,000名員工，但這32,000名員工身邊希望能有100倍以上的數位工程師。
主持人：是的。很多行業都在採用這種技術。哪些應用場景和行業是你最感興趣的？
黃仁勳：在我們公司，我們使用AI來進行計算機圖形處理。我們已經無法在沒有人工智能的情況下進行計算機圖形處理了。我們計算一個像素，再推測其他32個。這是不可思議的。
黃仁勳：因此，我們"幻覺"（推測）其他32個像素，它看起來是時間穩定的，看起來是寫實的。影像質量令人難以置信，性能也非常強大。
黃仁勳：我們節省的能量非常巨大，計算一個像素需要大量能量，這是計算的結果。而推測其他32個像素所需的能量非常少，速度也非常快。因此，這裡的一個要點是，人工智能不僅僅是訓練模型，當然，那只是第一步。它的關鍵還在於如何使用這個模型。
黃仁勳：當你使用這個模型時，你可以節省大量的能量，節省大量的處理時間。因此，我們將其用於計算機圖形處理。如果沒有AI，我們無法為自動駕駛車行業提供服務。如果沒有AI，我們在機器人技術、數位生物學等方面所做的工作也無法實現。如今，我遇到的幾乎所有技術生物公司都是基於NVIDIA構建的。因此，他們使用它進行數據處理或生成新蛋白質。這看起來是一個非常激動人心的領域。
黃仁勳：這太令人難以置信了，是的。小分子生成、虛擬篩選。這個領域將是第一次通過計算機輔助藥物發現技術的發展被完全重新定義。人工智能在這方面的工作真是不可思議。
黃仁勳：是的。
主持人：談談競爭。談談你們的競爭壁壘。目前有許多公開和私營公司在尋求打破你們的領導地位。你怎麼看待你們的競爭壁壘？
黃仁勳：首先，我認為，有幾個方面讓我們與眾不同。首先要記住的是，AI不僅僅是關於一顆晶片。AI是關於基礎設施的。今天的計算並不是說你製造一顆晶片，人們就會買你的晶片，把它放到電腦裡。那是90年代的事情。
黃仁勳：今天的計算機構建方式，如果你看看我們新的Blackwell系統，我們設計了7種不同類型的晶片來創建這個系統。Blackwell是其中之一。
主持人：談談Blackwell吧。
黃仁勳：是的。因此，令人驚訝的是，當你想構建這種AI計算機時，人們會說一些詞，比如超級集群、基礎設施、超級計算機，這是有原因的，因為它不是一顆晶片，也不是一台計算機本身。因此，我們在構建整個數據中心。通過構建整個數據中心，如果你看一看這些超級集群之一，想像一下需要放入其中運行的軟體。沒有專為它編寫的Microsoft Windows操作系統。
黃仁勳：那個時代已經過去了。因此，所有在這台計算機中的軟體都是完全定制的。必須有人去編寫這些軟體。因此，設計晶片的人與設計超級計算機、超級集群以及所有進入其中的軟體的公司是同一家公司，這是有道理的，因為它將更優化，更高效，更節能，更具成本效益。所以這是第一點。
黃仁勳：第二點是，這是關於算法的。我們非常擅長理解算法是什麼，它對底層計算堆棧的影響是什麼，我們如何將這些計算分佈到數百萬個處理器上，連續運行幾天，讓計算機盡可能堅韌，達到優秀的能效，以最快的速度完成工作等等。因此，我們非常擅長這些。最後，最終，AI是計算。AI是軟體在計算機上運行的過程。
黃仁勳：我們知道，對於計算機來說，最重要的是已安裝基礎，無論是在雲上、雲下，還是在你自己建的超級計算機中，擁有相同的架構，無論你是想在車上運行它，還是某個機器人或某台PC上運行它，擁有相同的架構運行相同的軟體，是一件非常重要的事。這叫做已安裝基礎。因此，我們過去30年來的紀律確實引領了今天的局面，這也是為什麼如果你要創建一家公司，最明顯的架構就是使用NVIDIA的架構，因為我們在每個雲端都有，無論你想買什麼地方都有。
黃仁勳：而無論你拿起什麼樣的計算機，只要它裡面有NVIDIA，你就知道你可以拿軟體去運行它。
主持人：是的。你們的創新速度非常快。我想請你多談一點Blackwell。訓練速度快4倍，推理速度快30倍。
黃仁勳：比其前身Hopper還快。看起來你們的創新速度非常快。你們能保持這種快速的創新步伐嗎？當你考慮到你的合作夥伴時，他們如何跟上你們所提供的創新步伐？創新速度，我們的基本方法是因為記住，我們構建的是一個包含7個不同晶片的基礎設施。
黃仁勳：每個晶片的節奏大概是2年，最多2年。我們每年可以給它一個中期升級。但是，架構上來說，如果你每2年能推出一個新架構，你就已經達到了光速了，好嗎？你跑得非常快。現在我們有7個不同的晶片，它們都對性能做出了貢獻。
黃仁勳：因此，我們可以創新，每年都推出一個新的AI集群、一個超級集群，比上一代更強大，因為我們有這麼多不同的部分可以進行優化。因此，當我們在這個規模上進行性能提升時，這直接轉化為總擁有成本（TCO）。因此，當Blackwell的性能是某人所使用的1千兆瓦電力的3倍時，那就意味著3倍的收入。這種性能轉化為吞吐量，吞吐量轉化為收入。
黃仁勳：因此，對於那些使用1千兆瓦電力的人來說，你可以獲得3倍的收入。你不可能通過給某人晶片打折或降價來彌補3倍的收入。因此，通過整合所有這些不同部分的能力和跨整個堆棧、整個集群進行優化的能力，我們現在可以在更高的速率下提供更好的價值。相反的情況也是如此。無論你想花多少錢，比如在相同功率下，你可以獲得3倍的收入。
黃仁勳：在相同花費下，你可以獲得3倍的性能，這也就是另一種說法的成本降低。因此，我們擁有最佳的每瓦性能，也就是你的收入。我們擁有最佳的每TCO性能，也就是你的毛利。因此，我們不斷將這些推向市場。客戶能從中受益，不是每2年一次，並且它是架構兼容的。
黃仁勳：因此，你昨天開發的軟體明天還能運行。你今天開發的軟體可以運行在你整個已安裝基礎上。所以我們可以非常快地運行。如果每個架構都不同，那麼你就無法做到這一點。僅僅拼湊一個系統就需要一年時間，是的，因為我們將所有東西一起構建，當天就可以交付給你。
黃仁勳：這是非常著名的，有人發了一條推文說，在我們將系統運送給他們後19天內，他們建立了一個超級集群，19天。如果你是在拼湊所有這些不同的晶片並編寫軟體，你能在一年內完成就算幸運了。因此，我認為我們能夠將我們的創新速度轉化為客戶獲得更多收入、更好的毛利，這是一件了不起的事。
主持人：你們的大部分供應鏈合作夥伴都位於亞洲，尤其是台灣。考慮到當前的地緣政治形勢，你們如何看待未來的發展？
黃仁勳：正如你所知，亞洲的供應鏈非常龐大且互聯互通。人們認為我們提到GPU的時候，因為很久以前，當我宣布一款新晶片或新一代晶片時，我會舉起晶片展示。所以，這是一個新的GPU。NVIDIA的新GPU由35,000個零件組成，重80磅，消耗10,000安培電流。當你將它架設起來時，它重達3000磅。
黃仁勳：因此，這些GPU非常複雜，建造得像一輛電動車，擁有電動車的組件。所以，整個生態系統在亞洲非常多樣化且相互連接。我們盡可能在每個方面設計多樣性和冗餘。
黃仁勳：最後一部分是要在我們公司擁有足夠的智慧財產權。如果我們需要從一個晶圓廠轉移到另一個晶圓廠，我們有能力做到這一點。也許工藝技術沒有那麼先進，也許我們無法達到相同的性能或成本，但我們將能夠提供供應。因此，我認為如果發生任何事情，我們應該能夠接手並在其他地方製造它。
黃仁勳：我們在台積電製造，因為它是世界上最好的。而且，它不僅僅是小幅領先，而是大幅領先，是非常驚人的差距。所以，不僅是與他們長期合作的歷史、良好的化學反應，他們的敏捷性，還有他們的擴展能力。請記住，NVIDIA去年的收入有一個巨大的曲棍球棒型增長曲線。如果沒有供應鏈的回應，那個巨大的增長曲線是不可能實現的。
黃仁勳：因此，包括台積電在內的供應鏈的敏捷性真是不可思議。在不到一年的時間裡，我們大幅提升了CoWoS的產能。明年我們將不得不進一步擴大產能，後年還要進一步擴大產能。但是，不管怎麼樣，供應鏈的敏捷性和它們響應我們需求的能力實在是不可思議的。所以，我們使用它們是因為它們很出色。
黃仁勳：但如果必要的話，當然，我們可以隨時啟用其他選項。是的，公司的位置非常有利。
主持人：我們討論了很多很棒的話題。你最擔心的是什麼？
黃仁勳：我們公司今天與全球每一家AI公司合作。我們與全球每一個數據中心合作。我不知道有哪個數據中心、哪個雲服務提供商、哪個計算機製造商我們沒有合作。因此，這帶來了巨大的責任，我們肩上承擔了很多，每個人都在依賴我們。需求非常大，交付我們的元件、技術、基礎設施和軟體對人們來說是非常情緒化的，因為它直接影響他們的收入，直接影響他們的競爭力。
黃仁勳：因此，我們今天可能擁有更多情緒化的客戶，而且理應如此。如果我們能滿足每個人的需求，那麼這些情緒就會消失。但現在這種情緒非常強烈，非常緊張。我們肩負著重大的責任，我們正盡最大努力去完成。
黃仁勳：我們現在正在加速生產Blackwell，它已進入全面生產。我們將在第四季度開始出貨，並從第四季度開始擴展到明年。需求非常大，每個人都想成為第一，每個人都想要最多。
黃仁勳：每個人都想要這些東西，所以這種強度非常、非常非同尋常。因此，我認為能夠發明下一個計算時代是非常有趣的。看到所有這些令人驚奇的應用被創造出來真是令人興奮。看到機器人走來走去非常不可思議。看到這些數位代理在你的計算機中作為團隊合作解決問題非常不可思議。
黃仁勳：我們正在使用的人工智能來設計將運行我們人工智能的晶片，看到這一切真是不可思議。唯一真的很強烈的部分是我們肩負的世界。因此，睡眠少一點沒關係，我們能持續3個小時就夠了。
主持人：對你來說真是太好了。我需要更多的睡眠。我可以再多聊半小時。不幸的是，我們得結束了。
主持人：Jensen，非常感謝你。感謝你今天來到這裡與我們分享。
黃仁勳：謝謝，謝謝。
