Jensen Huang: The Mindset That Built NVIDIA

编者按：2026 年，Y Combinator 创业学校（Startup School）请来了英伟达（NVIDIA）联合创始人兼 CEO 黄仁勋，由 YC 总裁兼 CEO 陈嘉兴（Garry Tan）担任主持。黄仁勋 1993 年创办英伟达并执掌至今，公司从 3D 图形芯片起家，如今已是 AI 时代的算力中枢。这场对谈从公司早年押错技术、靠三本教科书起死回生讲起，一路谈到智能体、物理 AI、开源与年轻人的选择。本文依据现场录音编译整理，仅删去口语枝节，未作删节。

押错技术：三本教科书救了公司

主持人： 对于在座只知道英伟达是 AI 中心企业的学生来说，英伟达早年的故事里，最需要他们了解的是哪一部分？

黄仁勋： 最让人不敢相信的一点是：我们创办公司时选定的技术，完全是错的。

我们起初的想法是重新发明 3D 图形。公司的基本理念是这样的：通用计算机，也就是 CPU，非常有用，但如果能用加速器来增强它，就能解决原本难以解决的问题。我们选的第一个问题就是 3D 图形。那是 1993 年，个人电脑刚刚在传闻中要普及开来。我们的大想法是把每一台个人电脑都变成游戏机，因为我们是在游戏机的年代长大的。我们想，能不能设计一套系统，装进个人电脑，就把它变成游戏机？于是我们打算重新发明那套原本需要大型超级计算机的算法，把它塞进 PC 里。我们确实想出了一些新算法，为此兴奋不已，深信不疑，而且是经过认真推理得出的结论。我们就带着这个去创办了公司。

结果，那套算法恰恰是错的。创办这家公司所依赖的技术，恰恰是错的。1995 年我们才意识到这一点，那时几乎已经太迟了，因为当时已经有三十五到四十家公司在给 PC 做 3D 图形。我们意识到行不通，我回到公司，跟大家说：怎么办？这东西不管用。大家讨论了一番，我说：如果我们不正视这东西行不通的事实，不开始朝着正确的算法努力，公司就没了。

接着有人告诉我，其实我们没有一个人知道正确的做法是什么。我们不但选错了技术，还不知道怎样做才对。那一天对我来说是个大日子。我口袋里有几百美元，就开车去了 Fry's 电子商店，买了三本教科书，讲的是 OpenGL 和怎样设计图形流水线。我把书带回公司，交给工程师们。然后就有了今天：我们重新发明了计算机图形学，成了现代计算机图形学的世界领导者，过去二十五年里大多数重大突破都是我们做出来的。

所有人都以为英伟达一开始就是 3D 图形的世界领导者，其实我们是从教科书上学来的。你想想看，我们先创办公司、融资，然后去买教科书。所以对我来说，最大的教训是：技术一直在变，只要你敢于直面现实，只要你有能力学习，技术本身其实无关紧要。从那以后，英伟达一直在发明各种各样的技术，很多是我们从未做过的，而我们对待每一件事的态度都一样：如果这件事值得做，我们就去学，能有多难？

结果每次都比我们预想的难得多。但你就得带着这种态度进场：能有多难？

加速算法领域，而非做一颗好芯片

主持人： 后台我们聊到几家顶尖的 YC 公司，你说每一家都有自己的专业领域，而你和英伟达也各有所长，你把它们称作某种「算法领域」。听起来 3D 图形只是第一个算法领域而已。

黄仁勋： 没错。

主持人： 它来自一本教科书，但谁都能读那本教科书。你们创造出的是……

黄仁勋： 粒子物理、流体力学，都是。

主持人： 你们创造出的是人们真正想要、愿意花大价钱买的最终产品。

黄仁勋： 公司真正押对的那个大想法是：可以通过增强 CPU 来解决那些原本难度过高的问题。分子动力学是其中之一，图像处理是其中之一，逆向物理（inverse physics）又是一个，各种各样的算法，当然深度学习是其中最重要的之一。而要造就今天这家公司，我们很早就意识到，关键不在于做出一颗伟大的芯片，而在于加速一个算法领域。

我一直相信一件事：伟大公司的根基是一种独特的世界观，你对它深信不疑。不那么在于技术，甚至也不那么在于市场。这些当然都重要，如果你在正确的时间、为正确的市场拿出了正确的技术，日子会好过得多。但更重要的是，对某件要紧事物的未来有一个高层次的愿景，对它有某种独特的看法，你深信不疑，而且最好这个愿景实现起来很难。这几样凑在一起就是好的组合。就我们而言，我们意识到加速计算（accelerated computing）会很重要，它后来也确实非常重要；而我们认识到，一切的关键都在算法，不在芯片。这一点后来证明完全正确。

世嘉的 500 万美元：投人不投公司

主持人： 你谈过很多创始人的艰辛。有没有几个故事特别让你难忘？在座的人都想创办公司，但他们真的准备好「吞玻璃」了吗？准备好公司可能关门、事情出岔子了吗？哪些关键时刻最让你印象深刻？你刚从日本回来吧，好像是去向世嘉（Sega）致意。我觉得那是个很有力量的故事。

黄仁勋： 让我们意识到算法选错了的那个项目，就是与世嘉的合作。世嘉委托我们做土星（Saturn）之后的下一代游戏机，也就是后来的 Dreamcast。在座有人知道 Dreamcast 吗？好。Dreamcast 不是我们做的，但本来应该是我们做。因为我们的算法和技术有根本缺陷，我去了日本，告诉当时的 CEO 入交昭一郎（Irimajiri）先生：你们给我们的那份合同，大约 1200 万美元，我们没法履行，因为技术不管用。

我把原因说明了，然后建议他们另找别人来做。接着我告诉他，很不巧，我仍然需要这笔钱。他问我，你可以想象那段对话：「所以你的意思是，我委托你做的事你做不了，但你还想拿走合同上的全部款项？」我说：「正是如此，就是这个意思。」

当然我很客气，也很谦卑。他看出我是诚实的，看出一切都说得通。而且如果他不给钱，我们就得倒闭。我想这在座各位也会遇到：你投的不是公司，是人。入交先生认出来的是，眼前这个人和这家公司，是他当初签合同时就信任、就看好的，他愿意看到他们撑到明天。那 500 万美元让我们活了下来，给了我足够的时间去弄明白该做什么。

主持人： 我听说他们后来把那些股份卖了 1500 万美元。

黄仁勋： 对，我们一上市他们就卖了。英伟达上市时估值 3 亿美元。1999 年的 3 亿美元，那可是真金白银。

主持人： 现在应该超过一万亿了吧。

黄仁勋： 不止一万亿。

从 AlexNet 看见通用函数逼近器

主持人： 太不可思议了。你现在处在整个产业的核心，我们喜欢说你是「掌管香料的人」。在此之前，我想没有人能预见 GPU 和你们打造的技术会对这场 AI 革命如此重要。你当时看到了什么？是加速器碰巧赶上了天时地利，还是有很多铺垫，让你们最终占据了这个位置？

黄仁勋： 我看到 AlexNet，跟所有人看到它一样。但请记住，我们看世界的镜头，我的世界观，一直是在寻找算法。这个算法可以是 NAMD，可以是 VASP，可以是 OpenGL，可以是 SQL，某种领域专用语言，某种算法。我的镜头一直在寻找某个我们或许能帮忙解决的问题。

所以 AlexNet 出现时，那个算法就是深度学习。问题是：这个算法是什么？为什么重要？为什么这么有效？它还能做什么？如果把这个算法规模化，扩展到更远，它能解决哪些今天解决不了的问题？我们的突破在于意识到：AlexNet 不只是 AlexNet。AlexNet 是一种深度学习的方法，它让你可以学习任何函数。十五年前，我就到处跟人说：「你们猜怎么着？我们刚刚发现了通用函数逼近器（universal function approximator）。」

我们发现了通用函数逼近器。几乎对任何函数，我们只要给它答案，它就能学出这个函数是什么。而且很多函数不需要精确，事实上也不可能精确。大多数有意思的问题都是这种不精确的问题。所以，从意识到我们拥有通用函数逼近器的那一天起，问题就变成：这对计算栈意味着什么？对软件意味着什么？会影响哪些行业？如此等等。

我们几乎立刻开始做计算机视觉，几乎立刻开始做机器人和自动驾驶汽车，因为凭这种基础能力，你可以想象去解决计算机视觉和机器人领域里一些重要的问题。所以我认为，真正的突破就在于认识到这远比 AlexNet 更根本：这是一种做软件的新方式。它对处理器、中间件、算法、应用的影响，也就是我现在说的「五层蛋糕」，整个产业栈，我在十五年前就设想要一起重新发明。这无非就是提问，就是把事情推回第一性原理去推理，问「如果这样，那会怎样」，如果这东西还能变得更好，那又意味着什么。就是对你观察到的、真正有分量的东西，把所有最基本的问题都问一遍。

好奇心驱动：为什么 CEO 要下一线

主持人： 让我特别感触的是，你会一头扎到最细的地方：读论文，直接跟提出这些东西的首席科学家对话。你对在座的人有什么建议吗？这才是真正的「创始人模式」。但同时你有一个组织，有高管，有人会说：这是我们的曲线，我们要沿着这条曲线走。有时候这会让人不舒服。你对组织有什么建议？你到底是怎么处理的？怎样才能建立一个允许你按第一性原理思考的组织？如果财富五百强都这么做，它们大概会长得更像英伟达，但它们并没有。你造了一家非常独特的公司。

黄仁勋： 我的心态，永远从好奇心出发。我自己有一大堆问题。当然，跟任何人一样，我会去找通往答案的最短路径。但很多时候，身边人给的答案不能让我满意，我还有别的问题，而他们也许正忙着做别的事、追别的目标。所以我的第一反应是自己去找答案，满足自己的好奇心。第二反应是，如果我发现这个信息领域或者这个具体方向对某些人很重要、对公司很重要，那我接下来想的就是：怎样尽可能多地学，好让我能为公司出力，把它分享给所有人。

这跟你分享知识没什么两样。我看你的播客，看你的视频，很喜欢。你在把想法分享给所有人。在很多方面，我认为 CEO 是为公司服务的，为所有在公司工作的人服务。你希望用某种洞见去赋能他们。这就是根源所在。它不是什么管理技巧，而是性格使然：我想赋能你，我刚观察到一件非常重要的事，让我告诉你它为什么重要。

至于为什么要贴近一线、扎进细节，部分原因是技术往往很复杂，或者变化非常快。尤其是变化快的时候，就像我们这个行业，除非你对正在发生的事情有切身的、可触摸的感受，否则你会觉得它快得根本无法理解。但如果你理解了它的第一性原理，随着时间推移，一切就都说得通了。我想这有点像冲浪。我不会冲浪，但我能想象它就是这样的。你冲到浪上，在我看来那是一片混乱，但冲浪的人不知怎么就能读懂浪，知道怎样保持在浪尖上。我认为当 CEO 跟这非常像。你必须学会冲浪，而要学会冲浪，你必须理解浪，必须读得懂风，必须有好的时机感，而这些你不亲自去试、亲自去做，就一样都得不到。

所以，一部分是为了让自己掌握情况；一部分是为了把问题拆解开，让公司能以可操作的方式学会它；还有一部分是为了激励别人。这些都是在座每一个人身上本来就有的基本特质。当上 CEO 以后，你不必改变自己的性格或者行为。你完全可以继续做你自己。

F1 赛车：让组织适配创始人

黄仁勋： 有件事我很久以前就学到了，也不记得是从哪儿看来的：作为 CEO 或者创始人，你是在造一辆自己要开去比赛的车。你要造一辆 F1 赛车，但要造成你能驾驭的样子。你应该让车来适应你。有人问过我：黄仁勋，你不用传统的管理方法和组织方法，那你离开公司以后会怎么样？

我跟他们说，等我哪天死在岗位上，他们就得为下一任 CEO 重新塑造这家公司。这话之所以有道理，是因为我们是 F1 车手，我们是参赛的人。这个世界竞争极其激烈，我们必须赢，必须完成使命。所以，为了让车适合你，为了让组织适合你，该做什么就做什么。下一任 CEO 不管是什么性格，他们自己会想办法。

主持人： 太棒了。看起来，任何不贴合你的改动，都只会让车变慢、让你输掉比赛。

黄仁勋： 对，或者说，我们在不断按自己的需要调校这辆车。这其实就是我一直在做的事。我不停地调整公司，不停地重塑业务流程和做事方式，好让我能为公司发挥更大的作用。

主持人： 真正的创始人模式。

黄仁勋： 对，创始人模式。创始人模式可以撑三十四年。

主持人： 没错。从零到五万亿。不容置疑。

系统思维与智能体的可控性

主持人： 我想换个话题，聊聊你现在最感兴趣的前沿算法。我很喜欢你从材料科学一路贯穿到应用层的方式。你是第一个在台上谈 OpenClaw 的人，现在又在谈 Hermes 智能体。能不能带我们走一遍你是怎样思考这些不同层次的？从材料到芯片，到数据中心，甚至到应用层，到人们将来怎样工作。这里面有一种「全栈 AI 工厂」的想法。

黄仁勋： 这大概会是未来最有用的技能。事实上，光是听你谈技术、谈你怎么用它，就能看出最重要的东西之一是对系统的理解：系统意识、系统设计、系统组织，总之是系统思维。原因在于，大多数底层的事情反正都会由智能体来做，都会被自动化。在我这一代，那是芯片的编译，是晶体管、逻辑门和功能模块的综合，这些如今都是自动综合出来的，所以我们的设计师大多是系统设计师。

软件也一样，大多数软件反正都会由智能体来写。所以你必须更擅长从抽象的层面思考系统：你要解决的问题是什么？约束是什么？输入在哪儿，输出在哪儿？信息从哪儿来？信息流进流出系统的速率是多少？瓶颈是什么，是处理器、内存，还是网络？在足够技术化的层面上理解这些系统问题，对在座的每一个人都会非常有帮助。我不认为这种基础知识会有过时的一天，它只会越来越有用。所以我尽我所能去理解系统。

说到智能体，有件事是事实：我们已经有了粗粒度的递归自我改进（recursive self-improvement）。你每用一次，它就改进那些 markdown 文件；每用一次，它就更新自己的长期记忆。长期记忆在不断被处理，或者压缩，或者转成知识图谱，诸如此类，它一直在异步地改进。所以智能体每用一次就更聪明一点。

但问题在于，而且我觉得这是值得在座每个人去解决的问题之一：我们怎样才能获得非常精细、非常具体的控制？如果没有 RAG，没有条件输入，没有我们的各种提示词，从输入直接到输出，那太粗糙了。而现在我们能加条件、能控制智能体，一直细到这样的程度：它拟出一份计划，我在计划文件里改一个词，这一个词就带来一个增量的差别，不是彻底的改变，而是特定的差别。也许是一个像素，也许是一个三角形，也许是 CAD 文件里的一个零件，也许是一层、一个过孔、一根连线。

然后它把其余的一切重新生成一遍。我认为这种程度的控制、这种程度的人机协作，会改变整个游戏。我们不需要智能体百分之百准确、百分之百高质量才能用它。它可以只有 80%，剩下的由我们补上；也可以是 99%，剩下的由我们补上。所以我认为，可控性（controllability）很可能是智能体在每一个层面上最需要的那个突破。

主持人： 你觉得人们会不会……我是说，有了 Hermes 或者 OpenClaw，这件事似乎有点关乎生存了。人应该掌控自己的个人 AGI，不该把它外包出去，不该只放在云上，用别人的智能体来告诉你该做什么。你会希望它是你自己的。这是英伟达这么深度参与的动因之一吗？

活在十年后：为智能体设计计算机

黄仁勋： 首先，我必须理解智能体，因为智能体是新的软件。这种新软件是怎样被处理的，对计算机架构影响巨大。我们对智能体的本质了解得越深入，越清楚它跟聊天机器人有什么不同，跟最早期的推理有什么不同，不管怎么看待这些处理层次，我们对处理本质了解得越透，就越能设计好系统。

我们多少必须活在五到十年后的未来，因为光是造一套系统就要三年左右，再花几年爬坡，而你希望人们在此后十年都能用这台计算机。所以你得在未来待上一阵。对我们来说，智能体系统回到第一性原理就是：工作负载是什么？算法是什么？它会怎样演化？瓶颈在哪儿？阿姆达尔定律（Amdahl's law）的问题出在哪儿？怎样扩展？并发会怎样？怎么处理沙箱？怎么处理 MCP？怎么处理工作记忆和长期记忆？怎样让所有这些自治的、异步的系统一直运转？那么什么样的设计架构对此最合理？这些我们都得去探索出来。

其次，我想让我们自己用上智能体，让英伟达跑得更快。所以我们有各种声音在后面，Claude Code 在英伟达各处的沙箱里自主运行，这真的很棒。有人用 Codex，有人用 Claude Code，有人用 Cursor，有人用 Cognition。我们让百花齐放，让大家自己挑想用的工具，然后我们从这一切里学习。所以第二部分就是帮公司跑得更快：用这些工具，用得越多，就越清楚将来怎样把它做得更好。

最后一部分，是去发现未来的解决方案和技术。当年我们看到斯坦福出来的早期思维链（chain of thought）版本，大概是十年前，也许八年前。问题是：它在推理上会有多大的效果？能扩展到什么程度？比如对计算机视觉意味着什么，如果我们能基于先验知识来推理？接下来的大突破就是，光是想透这个小小的领域，你就会意识到，也许我们训练自动驾驶汽车根本不需要那么多数据。这促使我们创造了 Alpamayo，世界上第一辆会思考的自动驾驶汽车。

只用了一百万英里左右，两三百万英里，它就成了一辆极其出色的自动驾驶汽车。原因在于它有点像我们人：我们不需要开很多英里，就能在一生中的大部分时间里把车开得不错。因为我们有来自语言模型的先验知识，可以把一个从未见过的场景分解开，用我们理解得很透、掌握得很牢的东西重新拼出来。这就是一个例子：看到某样东西，然后意识到它在若干时间之后会带来什么影响。等到智能体系统出现，事情就非常清楚了：大语言模型显然需要记忆，需要先验知识，需要工具，需要跟其他智能体联网的方式。一旦你看到一些早期的迹象，又能对未来进行推理，你就能提前跃入未来。

开源智能体：人人自建 AI

主持人： 我开始在英伟达身上看到一种模式：你们看到一个问题，一个新算法，一件新事物，然后立刻带着开源出现在那儿。我记得 OpenClaw 刚出来时，有人说它不安全，你们就推出了沙箱工具包，可以包住任何一个智能体框架（harness），让它变得安全。

黄仁勋： 我看到 OpenClaw 时，第一个念头，首先是去了解它。然后不需要多少想象力，你就意识到：我们刚刚设计出了现代计算机。这就是将来承载大语言模型的操作系统。

在很多方面，OpenClaw 对我来说就是一个 Linux 时刻。

主持人： 是的。

黄仁勋： 现在每个人都能构建自己的 AI 了。我为此非常兴奋。我们联系了 Peter，跟他说：英伟达所有的工程师都是你的工程师。这是我的原话。你家门口停着一艘战列舰，你想怎么拆解问题就怎么拆，我们按你的意愿来贡献。对 Hermes 团队也是一样，他们做的工作让我非常兴奋。

我确实认为，这个世界需要让每个人都有能力构建自己的 AI。当然，我也鼓励每个人尽量多用云服务。每个人都该用 ChatGPT 和 Claude，都该用。但如果你需要构建自己的 AI，因为你是一家公司，需要构建自己领域专用的 AI，那现在有 Hermes，有 OpenClaw，有 LangChain、Deep Agents，有各种各样的路子可以构建自己的 AI。而且坦白说，这相对容易，因为软件本身是聪明的。AI 是聪明的，所以 AI 必然聪明到你可以轻松地改造它。所以我认为我们要鼓励每个人、每家公司去构建自己的 AI。至于开源会激发出什么样的创新，谁也说不准。

主持人： 我觉得所有的超额收益（alpha）都在构建自己的 AI 上。如果别人用的是现成的东西，而你手里有一样能递归自我改进的东西……搞机械的人对 markdown 文件很不屑，他们说：哈哈，不过是文本罢了。但文本就是智能。

黄仁勋： 词语就是思想。

主持人： 对。

黄仁勋： 词语就是思想。你试试不用词语来思考。

AI 消灭任务而非工作

主持人： 再换个话题。每当有人挪动奶酪，人们都会有点担心。智能将会像自来水一样随取随用，这非常了不起，对在座每个人都是好事。你认为经济会发生什么变化？更宏观地看，会发生什么？

黄仁勋： 显然，我要说的东西会是不均匀的。我们会把任务自动化，把认知任务自动化。如果一项任务是：有人打电话来，隔着电话给你说一堆话，你的工作是给出回应，而所有信息你唾手可得，因为数据库就在这儿，你本该能完整地回答那个问题，那么这项任务会被自动化掉。先把这个放一放，不是说我们不管它，我的意思是，我要回答的是关于巨大机遇的那个问题。很多任务会被自动化掉，每一份工作都会改变，还会出现一大批新工作，这些我想我们都知道。归根结底是这样一件事。

证据表明，而且这完全说得通，AI 和自动化正在到处创造就业。「AI 摧毁工作」这套叙事恰恰说反了。AI 消灭的是任务，AI 把任务自动化掉，但它不一定消灭工作。原因在于，一个人的工作有其目的，这个目的包含许多任务，其中一些可以被自动化，许多则不能。证据显示：我们已经把编程这项任务自动化了，可软件工程师这个职业看起来还在增长，软件工程师的岗位数量同比增加了 10%。

阅读放射影像这项任务已经被自动化了，可放射科的岗位在过去几年增加了大约 20%，尽管 AI 已经接管了整个领域。原因是积压的病人极多。现在医生和医院可以收治多得多的病人，而要收治更多病人，就需要更多护士、更多放射科医生。软件也一样。我们碰到的是想法的积压，雄心和抱负的积压高得惊人，如果能把编程这项任务自动化掉，我们就可以雇更多软件工程师去做更多事，可以更有野心。

各行各业都是如此。他们说 Harvey 会消灭所有律师助理的岗位，律师数量会减少。结果律师助理的岗位在疯长。原因是积压的诉讼案件非常多，现在律师事务所可以处理多得多的案子，而要做到这一点，就得雇更多人。这是一个经典的例子：生产率提升带来增长，增长带来更多就业。这就是为什么今天的就业比我刚毕业时更多。

物理 AI：从生成视频到机器人

主持人： 我们谈了很多软件和智能体。英伟达走在最前沿的另一件令人兴奋的事，是实体机器人。还有多远？我记得你以前甚至说过，最快今年就有可能。关于实用机器人什么时候到来，你最新的判断是什么？

黄仁勋： 我看到我们生成视频的那一刻，对我来说是个重大时刻。我们做过渐进式 GAN（progressive GAN）的原创工作，也做过条件 GAN 的原创工作。早在外界看到第一批生成视频之前几年，我们实验室里就已经在驾驶一个完全由视频生成的模拟器，一台完全由神经网络生成的计算机。所以当我看到我们能生成关节运动，如果我能生成一根手指在动的视频，能生成一只手拿起杯子的视频，为什么不能让机器人做同样的事？看到生成式 AI 出现的那一刻，我就意识到机器人的关节运动近在眼前。

那么接下来的问题是：机器人怎样理解并生成符合物理定律的动作？它怎样理解因果？怎样理解摩擦、张力？怎样理解物理定律？这让我们走上了创建如今所谓「物理 AI」（physical AI）的道路，现在大家都这么叫了。我们开始做世界基础模型（world foundation model），一种理解物理定律、理解世界如何运转的 AI。我们开始了机器人的旅程。我要说，机器人的「ChatGPT 时刻」几年前就已经发生了。

主持人： 哇。

黄仁勋： 原因是这样的。回想 ChatGPT 刚出来的时候，它并没有做出什么有生产力的事，没有什么真正有用的东西，但它打开了我们对于可能性的想象。我要说，几年前，机器人已经能走来走去，我们可以对它做强化学习、做微调、让它扎根于物理，这些几年前就实现了。那现在需要做什么？我们需要做的，跟现在为智能体系统做的事情一模一样。

我们必须为它们创建学习的环境、评测的环境。所以要做「真实到仿真」（real to sim）来创建环境。我们必须生成模拟器，既有基于物理仿真的，也有生成式物理仿真的。Isaac Sim、Cosmos 以及我们在这个领域的所有工作，都与仿真有关。最后一部分是「仿真到真实」（sim to real），这涉及强化学习，把它扎根于物理，扎根于机器人所需要的全部机电系统。这三个基本系统，构成了机器人的评测，或者说后训练。我认为它就在眼前。

主持人： 太棒了。物理 AI 会最先在哪里以经济上真实的方式出现？你已经看到了吗？

黄仁勋： 我们推测机器人时代会到来，并判断机器人的第一个应用，要同时具备足够大的市场、相对标准化的技术（这样才能规模化、把飞轮转起来），以及真实的经济价值，那就是自动驾驶汽车。所以，Waymo 里面有英伟达的芯片；特斯拉，我们曾经在车里，现在在数据中心里；奔驰，我们既在数据中心，也带着软件栈在车里。

我们做了 Alpamayo，并把它开源了。之所以开源自动驾驶软件栈，是因为农业需要它，邮件投递需要它，仓库的自主移动机器人也需要它。自主导航有太多不同的应用方式，而这些市场没有哪一个能大到成为自动驾驶汽车那样的市场，但我们认为它们足够多样，值得为它们打造整套技术栈。所以我们正在各种各样的地方与自动驾驶车辆合作。

我们的机器人业务、自动驾驶业务，基本上就是物理 AI 业务，大概已经接近一百亿美元了。所以它已经非常大了。它很可能会成为世界上最大的产业之一。它需要的时间会超过两三年，但不会到十年。这将是我们下一个千亿美元的业务。

首发 X 帖与开源的谱系

主持人： 太棒了。我想花点时间，我觉得这里正是最合适的人群，可以作为一个「竞技场」欢迎黄仁勋来到 X。欢迎来到 X。你发了第一条帖子，也谢谢你的引领。

黄仁勋： 这正说明我有多内向。到 2026 年才在 X 上发第一条帖子，我大概是地球上最后一个这么做的人。但我发的那条内容，对我、对这个行业、对这个世界都太重要了。所以我克服了自己的羞怯，把第一条东西发到了 X 上。

主持人： 谢谢你的引领。开源、开放权重、开源模型，对在座所有人想做的事都极其重要。我们想创造产品。

黄仁勋： 要不是开源，移动云产业根本不会出现。要不是开放，要不是 Linux，要不是 Kubernetes，要不是所有这些平台，要不是 TensorFlow，或者更重要的 PyTorch，还有早期的 Caffe、Torch、Theano，记得那些早期版本吗？它们全是开源的。要不是这一切，我们怎么会有现代 AI？

主持人： 谢谢你的引领，你的声音在这里极其重要。谢谢。

年轻人该学什么：难题不会消失

主持人： 结束之前，我觉得我特别能与你的故事产生共鸣。我想在座每个人都愿意听听你一路走来的智慧。鉴于你看到的这一切，看到那些即将在社会中扎根的算法，一个年轻人现在应该学什么，才能在将来仍然有用？

黄仁勋： 我今天看到的一些东西，见到的一些创业者，非常令人鼓舞。最大的启示当然是，简单的东西会被自动化掉。我说的简单的东西，指的是软件，指的是写代码。坐在电脑前，靠亲手写代码来解决问题，这个概念显然会被自动化掉。

在我那一代，我们小时候得学长除法。天哪，现在谁还需要学长除法？它被编成代码，被自动化掉了。所以我认为简单的东西会被自动化掉，但难题，硬科学，物理、化学、生物、计算机科学、计算机工程、系统思维，尤其是那些交叉的领域，这些难题永远不会消失。而 AI 是一个不可思议的工具，它让我们更有野心，让我们比以往更急切地去解决这些极其庞大、极其困难的问题。

看看我这一代，我刚毕业时，一个芯片设计师设计的芯片大概有一千个晶体管，那已经是一颗很大的芯片了。现在设计一颗万亿晶体管的芯片都不算什么事。如果有人告诉我：「黄仁勋，我们下一颗芯片有一万亿个晶体管。」我会说：「好。」这不算什么。原因在于我们现在的野心太大了，问题的规模、任务的规模已经不再是问题。

所以你不必再担心要写多少代码、要多少工程师，这些都不用再想了。你只需要想清楚：你要解决的问题是什么。所以我认为，深科技的东西，深科学的东西，理解技术与社会问题的交汇，理解市场的缺口和漏洞、机会，这些都还在。

而且你越擅长系统思维，能够调度数百万个智能体去自主地解决问题，你的处境就越好。这就是为什么系统思维会如此重要。除此之外，我认为这个世界会继续给我们留下许多重大的挑战去解决。照老样子上学，好好待在学校里。

主持人： 待在学校里。

给 18 岁自己的话：能有多难

主持人： 我通常喜欢这样收尾。你望着台下，这里有很多人，我开场时就说过，我看着台下，看到的是和我们没有本质区别的人：我们不过是懂技术、热爱系统。你在这个房间里看到了自己。如果你能给 18 到 22 岁的自己发一封电报、一条信息，你会说什么？

黄仁勋： 我可以准确地告诉你英伟达创办时、我们三个人刚起步时我的感受。当时我感到有太多东西需要知道，太多东西需要学，而我都不知道。我之前跟你说过，那时候没有 YouTube，没有 YC，没有人教你怎么创办公司。所以我去书店买了一本书，书名就叫《如何创办公司》。

可惜那本书有五百来页。我心想，等我读完，公司大概已经倒闭了，我和 Lori 早就没钱了，所以读它没有意义。我记得非常清楚的是，我当时多么害怕去融资，因为我觉得自己马上要面对一群人，却不知道怎么回答他们的问题。这是真的，直到今天我也几乎不知道怎么回答他们的问题。但我学到的是：这些东西其实都无关紧要。

事实证明如此。你永远都会有不知道的东西。世界每天都在变，技术每天都在变。显然，这是过去六十年里创办公司最好的时机。整个行业都变了，从技术的角度看，这是一次彻底的重置。人类历史上最重要的技术，计算机，被彻底重置了。所以这绝对是创办公司最好的时机。我羡慕你们所有人，羡慕你们前方的机遇，那会是不可思议的。所以一方面这是完美的时机，另一方面技术变化得太快。那么问题是，你该抱着什么样的心态？

最终，我给你们讲过我买那本教科书的故事。我今天面对一切新经验、新技术、新市场、新动态时的心理和感受是：这很重要，我得去学，我得去做点什么，而且要尽快动手。能有多难？我一直有这种感觉：能有多难？说实话，它比你想的难得多。但你不希望自己的脑子停在那儿，你希望自己的脑子想的是：能有多难？让苦头一点一点地来。别去想象它会有多难，让这一切变成焦虑，然后什么也不做。你要在脑子里想：能有多难？反正我有一大堆 AI 智能体在帮我。

能有多难？然后你就开始干了。这大概就是创业者的态度。你知道一路上得学一大堆东西，但你相信自己的学习能力。学习是最强大的超能力。如果你带着「能有多难」的态度进场，别人能做到，我也能做到，同时认清它确实会很难，你只需要有每一天都能扛过去的韧性。你不必在一天之内战胜整个人生，你只需要熬过这个早上，熬过今天。所以没什么大不了的，过好今天，朝着明天努力，继续追逐你的梦想。

其余的一切，只要你坚持得够久，英伟达就会发生。所以，如果说我有什么智慧可以分享，那大概就是：韧性是最重要的东西。如果你相信一件事，就动手去做，别让恐惧、焦虑、缺乏自信或者别的什么东西拦住你。然后告诉自己：我会一路学过去。

主持人： 黄仁勋，各位。

黄仁勋： 好的，谢谢大家。