مقابلة هو هينجونينغ الأخيرة: هل يمكن أن يستمر خندق نيفيديا الدفاعي؟ (الجزء الأول)

当越来越多的人开始讨论市场，AI 是否会让软件全面商品化、进一步压缩科技公司的估值与利润空间时，NVIDIA 执行长黄仁勋给出的答案很直接：

真正不容易被商品化的，不只是软件本身，而是把电子转化为 token 的整个过程。

在最新专访中，黄仁勋从 NVIDIA 的供应链、CUDA 生态、AI 计算架构、超大规模云端客户，到中国市场与美国出口管制，完整说明他如何理解这场 AI 竞赛。

(黄仁勋用「五层蛋糕」比喻讲解人工智能演化史)

他的核心论点可以浓缩成一句话：AI 不是单一模型的竞争，也不是单一芯片的竞争，而是一场涵盖能源、芯片、网络、软件、生态系统与应用层的「五层蛋糕」之战，而 NVIDIA 想做的是其中最难、但也最不容易被替代的那一段。

黄仁勋：NVIDIA 的工作，就是把电子变成更有价值的 token

面对外界质疑，既然许多软件公司估值都因 AI 而承压，NVIDIA 本质上又是把设计交给台积电、记忆体交给 SK 海力士与三星、组装交给台湾 ODM，那么 NVIDIA 是否也可能被 AI 商品化浪潮拖下水，黄仁勋的回答是：不会那么简单。

他认为，NVIDIA 的角色本来就不是什么都自己做，而是在整个「从电子到 token」的转换链条中，负责最关键、最困难的部分。就他说的，NVIDIA 的输入是 electrons，输出是 tokens，中间那层极端复杂的转换能力，就是这家公司存在的意义。

黄仁勋强调，这种转换不只是单纯把电力变成运算结果，而是要持续提高 token 的价值，让同样的运算，能产出更有经济价值、更高效率的 token。这里牵涉到架构设计、封装、记忆体、互连、算法、函数库、软件堆栈与生态系统协作，是高度工程化、科学化、且仍在快速演进的过程。他认为，这不太可能被完全商品化。

他也进一步描述 NVIDIA 的公司哲学：做「必要的最多，非必要的最少」。换句话说，凡是自己不必亲手做的部分，就尽量交给合作伙伴与生态系统完成；但凡是非做不可、而且极度困难的部分，NVIDIA 就必须亲自下场，而且做到最好。

这些「工具型软件公司」反而可能因 AI 爆发式成长

对于市场担心 AI 会压缩软件公司的空间，黄仁勋其实抱持几乎相反的看法。他指出，现在很多软件公司本质上是工具制造者，像是 Excel、PowerPoint，或是 Cadence、Synopsys 这类 EDA 公司。这些公司之所以暂时还没迎来更大爆发，不是因为工具会被淘汰，而是因为今天的 agent 还不够会使用工具。

在他看来，未来 agent 的数量会呈指数增长，工具的使用者也会呈指数增长，进而推高工具本身的调用次数与授权需求。以芯片设计为例，现在设计工具的使用量仍受限于工程师数量；但未来每个工程师背后都可能有多个 agent 协作，设计空间探索的密度与频率都会远超今天。

到了那时候，像 Synopsys Design Compiler、floor planner、layout tools、design rule checker 这类工具的实际使用量反而可能暴增。

换言之，黄仁勋并不认为 AI 会简单地消灭工具型软件公司，反而更可能把它们推向新的成长曲线。

NVIDIA 的真正护城河，是上下游供应链

谈到 NVIDIA 近年大量对上游供应链做出采购承诺，甚至被外界估算未来几年可能累积到数千亿美元规模时，黄仁勋没有否认这就是 NVIDIA 的重要优势之一。

他表示，NVIDIA 的确做了大量明示与隐性的 upstream commitments。前者是外界可见的采购承诺，后者则是透过说服供应链高层，让他们愿意先投资扩产。这些投资之所以会发生，不只是因为 NVIDIA 愿意买，更因为供应商相信 NVIDIA 有能力把这些产能消化掉，并透过下游庞大需求顺利卖出去。

这也是为什么他把 GTC 视为不只是产品发表会，而是整个 AI 宇宙的「360 度全景聚会」。在他眼中，GTC 的价值之一，就是让上游看见下游、让下游理解上游、让整个产业链共同确认 AI 需求真的会来，而且规模极大。黄仁勋甚至坦言，自己的 keynote 某种程度上带有很强的「教育」功能，因为他必须让整个供应链理解：AI 为什么会来、何时会来、规模多大、该如何提前准备。

这也构成 NVIDIA 近年能持续放大供应链流量的原因。黄仁勋强调，供应链不是只看现金流，也看周转率与需求可见度。若一家公司的架构与产品周转速度不够快，供应链也不会愿意为它提前盖厂或扩线。NVIDIA 之所以能做这些事，是因为它的下游需求够大、够确定，整个供应链都看得到。

黄仁勋不怕瓶颈，大多数瓶颈都只是两到三年的问题

当被问到，上游真的跟得上 AI 算力需求吗？尤其当 AI 已吃下台积电大量先进制程与封装产能，未来又怎么可能年复一年继续倍增时，黄仁勋的态度相当鲜明：几乎所有制造瓶颈，本质上都只是两到三年的问题。

他举例，过去大家很常谈 CoWoS 封装瓶颈，但如今已经不太有人谈，是因为整个产业在两年内集中火力把它补上了。台积电也已经把先进封装与 HBM 视为主流运算技术的一部分，而不再是特殊需求。换句话说，只要需求讯号足够清晰，产业链就会主动蜂拥而上补足瓶颈。

对黄仁勋来说，AI 带来的不是工作消失，而是产业重组与人才需求重分配。真正需要担心的，不是某些职业会不会完全消失，而是社会是否因过度恐惧而错配了人才供给。

他也直言，逻辑制程、封装、HBM 这些问题都可以在两三年内解决；真正更慢、更棘手的，是能源政策。因为无论是 AI 工厂、芯片制造、先进封装、电动车、机器人，还是再工业化，都离不开能源。如果能源成为瓶颈，整个产业扩张速度就会被限制。

这篇文章 黄仁勋最新专访：辉达的护城河能否继续保持？（上） 最早出现于 链新闻 ABMedia。