黄仁勋亲自“定义”英伟达：将“电子”转为“Token”的转换器

英伟达CEO黄仁勋用一句话定义了自己的公司：输入是电子，输出是Token，中间是英伟达。

4月15日，英伟达CEO黄仁勋接受播客主持人Dwarkesh Patel的深度访谈，内容涵盖英伟达的供应链护城河、TPU竞争威胁，以及英伟达为何不自己做云服务等问题。

英伟达：“电子”—“Token”转换器

访谈开篇，主持人提出了一个尖锐问题：英伟达本质上只是写软件，芯片由台积电制造，内存由SK 海力士、美光、三星提供，封装由台湾ODM厂商完成——如果软件被商品化，英伟达会不会也被商品化？

黄仁勋给出了他对英伟达最精炼的定义：

最终，需要有某个东西把电子转化成Token。把电子转化成Token，并且让这些Token随时间变得更有价值，这件事很难被完全商品化。

他进一步说：“输入是电子，输出是Token，中间是英伟达。我们的工作是尽可能高效地完成这一转化。”

在供应链层面，外界关注的焦点是英伟达的采购承诺规模——最新财报显示接近1000亿美元，行业分析机构SemiAnalysis预测这一数字未来可能达到2500亿美元。黄仁勋解释了这背后的逻辑：

如果未来几年是万亿美元规模，我们的供应链能支撑它。

他说，这种能力并非单纯来自合同，而来自对上游CEO的持续“告知、激励和对齐”——让他们看清AI产业的规模和方向，然后愿意为英伟达的需求进行投资。CoWoS封装是典型案例：两年前是全行业最紧缺的瓶颈，英伟达“连续几个翻倍”地扩产之后，现在已基本不再是话题。

他判断，供应链上的任何瓶颈都不会持续超过两三年：“EUV机器、逻辑产能、封装——这些东西都不难复制，只需要需求信号。”他认为真正的长期制约在下游：能源政策。“你不能在没有电力的情况下建立一个工业，这才是需要时间的事情。”

TPU竞争：英伟达的计算栈是全球最佳性价比

云巨头（Hyperscalers）贡献了英伟达约60%的收入，但谷歌、亚马逊、甚至OpenAI等大客户都在加码自研TPU或其他ASIC芯片，这直接质疑英伟达的竞争地位。

黄仁勋的回应分两层。

第一层是定性区分：英伟达做的是“加速计算”，而不是专用张量处理单元。加速计算覆盖分子动力学、流体力学、数据处理、量子计算等几乎所有科学计算领域，远比AI更宽。

我们是唯一一家加速所有类型应用的公司。

第二层，黄仁勋称，球没有任何一个平台的性能和总拥有成本能优于英伟达，谷歌TPU、亚马逊Trainium都无法与之匹敌，我并不认可Trainium所宣称的40%成本优势。英伟达毛利率能达到70%，而ASIC芯片毛利率约为65%，企业替换产品并不能实现显著的成本节省。

英伟达的计算栈是全球最佳性价比，没有例外。没有一家公司能向我证明，今天世界上有任何平台的AI数据中心的总拥有成本（TCO）比我们更好。没有。Dylan的InferenceMAX摆在那里供所有人用，TPU不来，Trainium不来。

对于Anthropic大量使用TPU的问题，黄仁勋直接回应：

Anthropic是一个特例，不是趋势。没有Anthropic，TPU的增长从哪里来？是100%来自Anthropic。没有Anthropic，Trainium的增长从哪里来？也是100%来自Anthropic。

他也坦承，早年未能及时向Anthropic进行战略投资是自己的判断失误：

当时谷歌和亚马逊AWS投入了大量资金，Anthropic因此使用了他们的算力。我当时没有深刻意识到，风投根本不可能给一家AI实验室投50亿、100亿美元。这是我的失误。但我不会再犯同样的错误。

目前，黄仁勋已分别对OpenAI和Anthropic进行了大规模投资，据报道金额分别高达300亿和100亿美元。

为什么不自己做云？“尽可能少做”是哲学

手握巨额现金流，英伟达近期频频向CoreWeave等初创云服务商提供资金和算力支持。市场猜测，英伟达是否会越过客户，亲自下场做超大规模云服务商，收取算力租用费？

黄仁勋的回答涉及公司哲学：

我们应该做尽可能必要的事，做尽可能少的事。我们做的这些事，如果我们不做，我真的相信它们就不会发生。但云服务？如果我不做，有人会来做的。

他举了CoreWeave、Nscale、Nebius等“新云”作为例子——这些公司若没有英伟达的早期投资和支持，根本不会存在。但英伟达的介入是“让生态繁荣”，而不是转行做金融租赁或云计算运营。

他对于“不挑赢家”也有明确表态：“当我投资其中一家，我会投资所有家。”理由是：英伟达自己当年在60家3D图形公司中几乎是被公认“最不可能活下来”的一家，“我有足够的谦逊来认识到这一点”。

坚守卖铲人定位，GPU分配绝不搞“价高者得”

在供需极度失衡的背景下，英伟达如何分配紧俏的GPU？黄仁勋明确否认了“价高者得”的市场传闻。

我们绝不会那样做，这是糟糕的商业行为。你定好价格，然后人们决定是否购买。

黄仁勋解释了英伟达的分配逻辑：优先考察客户的排产预测和采购订单（PO），其次看客户数据中心的就绪程度，最终遵循先到先得的原则。“我更希望成为行业可靠的基石。如果你下达了1000亿美元的AI工厂订单，没问题，全世界只有我们能给你这种确定性承诺。”

不会放弃全球第二大市场

针对当前的芯片出口管制，黄仁勋从商业与技术标准的角度表达了务实的看法。

他指出，算力只是AI产业的底层输入，当受到约束时，竞争对手可以通过堆叠更多能源、使用更多上一代芯片，以及优化算法来弥补硬件代差。

他表示，首先要认识到：中国并不缺芯片。他们拥有全球顶尖的计算机科学家，众所周知，这些AI实验室里的AI研究人员有相当大比例是中国人。他们拥有全球约50%的AI研究人员。

他们是竞争对手，我们希望美国胜出，但我认为进行对话和研究交流可能是最安全的做法。放弃整个市场不会让美国长期在技术竞赛中在芯片层、计算堆栈中获胜。这是一个事实。

CUDA生态系统与飞轮效应

英伟达的核心竞争壁垒就是成熟的开发者生态，GPU全球装机量达到数亿级别，应用场景实现全面覆盖。

行业发展飞轮效应清晰，依靠最大的装机量、可编程的架构、丰富的生态体系以及全球海量的AI公司，形成强劲发展动力。再加上性价比、能效、客户基数均处于全球领先地位，进一步推动发展飞轮持续运转。

架构优势与产品路线图

黄仁勋表示，传统摩尔定律每年性能增长约25%，想要实现10到100倍的性能飞跃，必须依靠算法与计算架构的双重革新。Blackwell架构的能效相比Hopper架构提升50倍，这一成果绝非单纯依靠晶体管进步就能实现，架构优化与计算机科学创新才是核心关键。该架构支持全流程可编程以及全栈协同设计，依托NVLink、Spectrum-X技术实现，没有CUDA生态根本无法完成。对于产品路线图与发布节奏。黄仁勋透露，英伟达产品会保持年度稳定迭代，从Vera Rubin到Vera Rubin Ultra，再到Feynman，每年都会推出稳定升级的新品。同时我们是全球唯一一家，能够承接从1000万美元到1000亿美元任意规模AI算力订单的企业。