Jensen Huang：算力即文明，$4万亿公司是怎么被造出来的｜Lex Fridman #494

NVIDIA 联合创始人兼 CEO，对谈 2 小时 26 分钟。他说得最直接的一句话：「我们根本不造计算机，我们造的是一个平台。」

コンテンツカードを読み込んでいます…

🗓 访谈信息

Jensen 把这件事的逻辑解释得很干净：

AI 训练不再是「一台很快的电脑」能搞定的问题。你加进去一万台机器，但你希望速度提升一百万倍——这就要求你把问题打散、分布在所有机器上同时跑。一旦分布式，每一层都变成瓶颈：GPU 跑完等网络，网络等内存，内存等散热……

这是 Amdahl 定律的现实版本：你只能加速系统里占比最大的那一段，剩下的一段不动，整体就卡在那里。

所以 NVIDIA 现在管的是整个「机架」——GPU、CPU、NVLink 交换机、InfiniBand 网络、散热、供电，一起设计，一起优化，不能拆开单独比。

「把这些分开比价格是没意义的——$500 亿数据中心产出的 token 成本，可能远低于$300 亿的竞品方案。」

他数出来四条：

预训练 scaling：数据越多、模型越大，效果越好。Ilya 说「数据要枯竭了」——Jensen 认为不对，因为大量数据会是合成的，AI 自己生成的数据反过来训练 AI。
后训练 scaling（RL）：RLHF、数学竞赛、代码……这一层的 scaling 跟预训练一样，本质是 log-linear 的，跑的时间越长，效果越好。
推理时 scaling（Test-time compute）：「推理很简单」是个误判。推理就是思考，思考比背书难多了。这一层的计算量比人们预期大得多。
智能体 scaling：一个 agent 可以生出一群 sub-agent，相当于把 AI 乘以 N 倍。团队比个人更容易扩大。

让他担心的不是算法，是硬件预测：AI 架构每 6 个月出一次新变体，但芯片设计周期是 3 年。你必须在今天就押注 2027 年的 AI 会长什么样。

「如果我押错了，后果是巨大的；如果我押对了，也不会有人感谢你，因为你只是做了该做的事。」

2003 年 NVIDIA 决定在 GeForce 消费卡上搭载 CUDA——一个面向科研人员的计算平台。代价是：把 GPU 成本提高 50%，而游戏玩家不会为这部分多付一分钱。

当时公司毛利率只有 35%，这个决定直接把毛利打没，市值从 80 亿跌到 15 亿。

但他的逻辑是：架构的价值等于安装基数，不等于性能。x86 处理器被顶级计算机科学家批评了几十年，照样统治市场；精心设计的 RISC 架构大多消失了。CUDA 要赢，就必须先到每一台 PC 里去。

GeForce 销量以百万计，研究人员买了游戏 PC、发现 CUDA，发表论文，招募学生，AI 的基础设施就是这么一点点积累起来的。

「NVIDIA 是 GeForce 造出来的房子——GeForce 把 CUDA 送到了每一个人手上。」

他把 OpenClaw 的意义分成两层：

技术上：它有工作记忆（文件系统）、任务调度（cron jobs）、IO 子系统（浏览器、API）、可调用技能（skills）——「这四个东西定义了一台计算机」。所以 OpenClaw 本质是一台新型 PC，只不过用自然语言驱动。

生态上：第一波用户是 Twitter 上的开发者；企业客户要慢半年到一年，因为要过法务、IT 安全、采购流程。但 Jensen 的判断是——这不代表 AI 不好，代表「扩散需要时间」，而 AI 扩散速度已经是历史上最快的技术。

他对 Anthropic/Pentagon 风波的看法：「警告技术的风险是好事，但把它说成末日预言会适得其反。现在技术领袖的话已经有重量了，我们必须更谨慎。」

Jensen 不是在预测 AI——他一直在造 AI 跑在上面的地基，而且他早在两年前就开始铺下一代地基了。

来源：Lex Fridman YouTube 频道，2026 年 3 月 23 日