1.CJ Muse : 下午好。感谢接受提问。鉴于大上下文窗口应用、Grok以及可能需要添加特定解码解决方案的情况，我很好奇我们该如何看待你们未来的路线图。 我们是否应该预期，根据工作负载或特定客户进行定制化的芯片设计（Customized Silicon）将越来越成为英伟达的重点？ 特别是借助于你们向“裸片互连（die-to-die/dial-in）”的转变？非常感谢。
黄仁勋： 不，我们不这样认为。大家都应该希望尽可能地推迟使用裸片互连（die-to-die）。
原因在于，每次你跨越一个裸片互连接口，你都增加了一道接口。每次跨越接口，你就会不可避免地增加延迟，无谓地增加功耗。我们并不排斥裸片互连技术，实际上我们已经在使用了，但我们尽量只有在别无选择的情况下才使用它。所以，如果你看看Grace Blackwell架构和Rubin架构，我们使用的是两块达到光刻掩模极限（reticle-limited）的巨型芯片，并且将它们结合在一起，这样减少了架构跨越。
这种互连（接口）的损耗会在竞争对手的架构效能中显现出来。说到英伟达，人们常称之为我们的软件优势，但究竟哪里是软件的功劳，哪里是架构的功劳，其实很难区分。我们的软件之所以高效，是因为我们的架构太优秀了。
CUDA架构毫无疑问比市面上的任何计算架构都更有效、更高效，能提供更高的每瓦浮点运算性能，这是因为我们的架构设计方式。
关于我们如何看待Grok以及低延迟解码器，我有一些很棒的想法，希望能GTC大会上与你分享。但最简单的理念是：得益于CUDA，我们的基础设施具有令人难以置信的多功能性，我们将继续保持这一点，我们所有的GPU在架构上都是兼容的。这意味着，当我今天致力于为Blackwell优化模型时，所有这些针对优化软件栈和新模型所付出的努力和投入，也会使Hopper受益，也会使Ampere受益。这就是为什么在我们将其部署到世界各地数年后，
架构兼容性让我们做到了这一点。它让我们能够在软件工程和优化上投入巨资，因为我们知道，我们在云端、本地、以及任何地方运行的各代GPU架构的整个安装基数都将从中受益。
我们将继续这样做，它让我们能够延长产品的使用寿命，赋予我们创新的灵活性和速度。这一切为我们的客户转化为性能，并非常重要的是——转化为每美元性能和每瓦性能。所以，关于我们将与Grok做什么，你来GTC大会就知道了。但我们将做的是，用Grok作为加速器来扩展我们的架构，这与我们当年用Mellanox扩展英伟达架构的方式非常相似。
2.Sarah： 最后一个问题来自高盛集团的 Jim Schneider。
Jim Schneider： 感谢公司接受提问。Jensen，您此前曾预测 2030 年全球数据中心资本支出规模有望达到 3 万亿至 4 万亿美元，这意味着行业增速将进一步加快，而公司也指引下一季度营收将继续加速增长。 想请教一下，推动这一增长拐点的核心应用领域有哪些？是实体 AI、智能体 AI，还是其他领域？您是否仍看好 3 万亿至 4 万亿美元的市场规模目标？
黄仁勋： 我们从多个角度来分析这一问题。首先从底层逻辑来看，未来基于 AI 的软件开发，将以令牌为核心驱动。如今，行业普遍关注令牌经济，数据中心的核心功能是生成令牌，推理的本质也是生成令牌，英伟达的核心业务正是为令牌生成提供算力支持。我们常说，英伟达 NVLink 72 系统让令牌生成的每单位能源性能提升了 50 倍，足以见得令牌生成已成为未来软件和计算领域的核心。
回顾过去，传统软件开发对算力的需求，与未来 AI 时代的算力需求相比，可谓微乎其微。 AI 已全面落地，且将持续发展、不断完善，不会倒退。过去，全球每年在传统计算领域的投资约为 3000 亿至 4000 亿美元，而 AI 的到来，让算力需求较传统计算提升了上千倍 —— 未来的算力需求将呈现爆发式增长。
只要 AI 能持续创造价值（这一点我们稍后会详细说明），全球就会持续投资算力建设，以满足令牌生成的需求。因此，全球对令牌生成能力的需求，远非 7000 亿美元的资本支出所能满足。 我坚信，全球将持续推进令牌生成能力建设，不断加大算力投资 —— 核心原因在于，所有企业的发展都依赖软件，而所有软件的未来都离不开 AI，因此所有企业都将参与令牌生成。这也是我们将数据中心称为 “AI 工厂” 的原因。
无论是云计算服务商，都需要 AI 工厂生成令牌，推动营收增长；企业级软件公司，需要通过令牌生成为其工具之上的系统提供支持；机器人制造企业和自动驾驶汽车企业，早已显现这一趋势 —— 其背后都有超算中心作为支撑，而这些超算中心本质上就是 AI 工厂，为设备生成令牌，赋予其 AI 能力；同时，设备内部也需要配备计算芯片，实现令牌的持续生成。因此，我们坚信，这就是计算领域的未来。
为何这一未来趋势具有高度确定性？因为传统软件开发采用的是预录制模式，所有内容都提前设定 —— 软件提前编译、内容提前编写、视频提前录制；而 AI 时代的软件开发，所有内容都通过实时生成实现。基于实时生成，软件能结合用户特征、场景、查询需求和意图，生成个性化的结果，这就是我们所说的 AI，即智能体 AI。这种实时生成的模式，对算力的需求远高于传统的预录制模式。
就像计算机的算力远高于预录制的 DVD 播放器一样，AI 对算力的需求，也远非传统软件开发所能比拟。
从计算机科学的底层来看，这种算力需求的提升具有必然性，是未来计算领域的发展方向；从产业层面来看，所有企业的核心竞争力最终都将体现在软件上，云计算企业更是如此。如果新的软件模式需要通过令牌生成实现价值，且令牌能实现商业化，那么数据中心的建设自然会直接推动企业营收增长 —— 算力驱动营收，这一点已成为行业的普遍共识。
最后，AI 为全球创造的价值，最终都将转化为企业营收。目前，智能体 AI 已迎来发展拐点，这一拐点在过去两三个月内已清晰显现 —— 其实在行业内部，我们半年前就已察觉到这一趋势。如今，全球都已意识到智能体 AI 的发展潜力：智能体的智能水平已达到实用级，能解决实际的商业问题。
如今，代码开发已全面由智能体 AI 系统支撑，英伟达的所有程序员都在使用相关工具 ——Claude Code、OpenAI Codex，或是 Cursor，具体根据使用场景选择，有时甚至会同时使用多款工具。智能体已成为程序员的合作伙伴、工程研发的协作方，助力解决各类研发问题。相关企业的营收也因此实现爆发式增长 —— 例如 Anthropic，营收在一年内增长了十倍，目前因产能限制，无法满足市场的旺盛需求。令牌需求呈指数级增长，生成速度也在持续提升，OpenAI 也面临着同样的情况，市场需求十分迫切。
因此，企业的算力部署速度越快，营收增长就越迅速。这也印证了我之前的观点：推理即营收，算力即营收，这就是 AI 新时代的核心逻辑。从诸多方面来看，这标志着新一轮工业革命的到来 —— 全新的工厂和基础设施正在建设，这种全新的计算模式，将成为未来的主流，不会倒退因此，只要我们坚信令牌生成是计算领域的未来（我对此深信不疑，且行业也普遍认可），全球就会持续推进算力基础设施建设，并不断扩大规模。 目前，我们正迎来智能体 AI 的发展浪潮，而接下来的下一个浪潮，就是实体 AI—— 将 AI 和智能体系统应用于制造业、机器人等物理领域，这一领域将为我们带来巨大的发展机遇。
3.Atif Malik： 感谢公司接受提问。Jensen，随着 AI 领域的投资更多向推理负载倾斜，能否谈谈 CUDA 的重要性？
黄仁勋： 我们推出的 TensorRT-LLM 是目前性能最优的推理架构，而要针对 NVL 平台对其进行优化，就需要在 CUDA 之上，研发并创新全新的并行化算法。推理工作的核心是负载分配，充分发挥算力的聚合优势。智能体系统会生成多个智能体协同工作，由此产生的token数量呈指数级增长，这就要求推理速度实现大幅提升。推理速度的提升，结合token的商业化，将直接转化为客户的营收 —— 数据中心的千兆级算力，直接对应着营收规模。
如今， 所有云计算服务商和超大规模云计算企业都已认识到这一点：资本支出转化为算力，而优秀的架构能让算力最大化转化为营收，简言之，算力即营收。当下不投入算力建设，未来就无法实现营收增长，这已是行业的普遍共识。 架构的重要性不言而喻，其战略价值进一步提升，直接影响企业的盈利水平。选择每瓦性能最优的架构，成为企业的核心决策
