Jensen Huang 談 NVIDIA 的賭注與人性

NVIDIA 把 GPU、CPU、記憶體、網路、散熱到整座資料中心當一個系統設計，因為單一顆 GPU 已經裝不下現在的問題規模；Jensen Huang 的 60 位直屬主管沒有一對一會議，遇到問題全員一起討論。

為了推廣 CUDA，NVIDIA 把它硬塞進消費級顯卡 GeForce，毛利被吃掉一半，公司市值一度從近 80 億美元掉到 15 億美元，靠的信念是「裝機量才是架構的一切」。

Jensen Huang 先用推理說服自己相信某個未來會發生，再花很長時間鋪墊，讓管理層、董事會、員工在他正式宣布前就已經有共識，而不是空降新方向。

預訓練靠資料量、後訓練靠大量合成資料、推理本質是「思考」而非「閱讀」因此運算量不會變小、agent 則會自己生更多 subagent 去做事，四者會形成一個持續放大的循環。

新一代 Vera Rubin 機櫃是為了讓 agent 存取工具與檔案系統而設計，這個架構藍圖兩年前就畫好了；資安則用「存取敏感資訊、執行程式碼、對外通訊」三權限一次只給兩種的原則設計。

運算擴張的瓶頸不只是電力總量，更重要的是把每瓦能處理的 token 數持續提高，過去十年靠極致協同設計把運算力放大了一百萬倍，遠超摩爾定律預期的一百倍。

Jensen Huang 多年前就要說服台積電、SK 海力士等夥伴，把原本只用在超級電腦的 HBM 記憶體、甚至手機用的低功耗記憶體，提前投資成資料中心的主流規格，靠的是關係與攤開推理，不是合約。

電網平常只用到六成尖峰容量，卻要為極端天氣預留全部餘裕；他主張資料中心該接受「電力吃緊時自動降速」，把閒置電力讓出來，而不是要求電網保證百分之百不斷電。

談到 Elon Musk 四個月蓋好 Colossus 超級電腦的做法，Jensen Huang 歸納出「質疑一切是否必要」的系統思考，以及自己 30 年來用的「光速思維」：先算出物理極限，再從零重新設計。

一整個 Vera Rubin pod 包含 40 個機櫃、超過 1100 顆 Rubin GPU、約 1.2 千兆顆電晶體，他強調複雜度要「必要時才複雜，能簡單就簡單」。

全球一半 AI 研究者是中國人、各省市互相競爭催生大量新創、家人朋友同校情誼濃厚讓知識流通快，加上國家從貧窮起家使多數領導人是工程師出身，共同造就創新速度最快的國家。

開源模型能讓 NVIDIA 更早看懂 AI 架構怎麼演化、幫助沒有能力自建模型的產業與國家加入 AI 浪潮，也因為未來 AI 會需要生物、化學等非語言型態的專業模型。

他認為台積電真正的優勢不只是技術，而是能同時服務幾百家客戶隨時變動的訂單、還維持高良率與準時交貨；2013 年張忠謀曾邀他接任台積電執行長，他因放不下 NVIDIA 而婉拒。

就算有人做出技術更好的替代品也無妨，因為 CUDA 真正的優勢是裝機量與開發者對「NVIDIA 會一直維護下去」的信任，這是四萬多名員工、數百萬開發者多年累積出來的。

他對「一個運算單位」的想像，已經從一顆晶片、一台電腦、一個叢集，變成一整座 AI 工廠；也簡短提到把運算搬到太空解決散熱與能源問題的可能性。

運算正從「檢索式」（找出已寫好的檔案）轉向「生成式」（即時產生內容），需要遠比過去多的運算量；加上電腦從「倉庫」變成能直接賺錢的「工廠」，他相信這會讓 NVIDIA 規模遠超現在。

他形容 OpenClaw 是史上成長最快的應用，也半開玩笑說自己現在的 AI 助理會不斷回報進度、追著問下一步要做什麼，而不是使用者主動去問它。

面對整個國家經濟都繫在自己身上的壓力，他把問題拆到最小、把擔心的事講給別人聽分攤壓力；也提到創業路上多次心理低谷，靠「選擇性遺忘」與對自己嚴格繼續往前走。

GeForce 至今仍是 NVIDIA 最重要的行銷手法，很多人從小玩遊戲就認識這個品牌；針對玩家質疑 DLSS 5「讓畫面像 AI slop」的爭議，他解釋這技術以美術原本設定的幾何與材質為準，不會憑空改變畫面內容。他心目中最具影響力的遊戲是 Doom，最愛的則是可以無限模組化重玩的 Skyrim。

若把 AGI 定義成「能自己創業並做到十億美元營收的 AI」，他認為現在已經達成，因為現在的 agent 已經能自己做出短命但能賺到錢的網路服務；但他也承認多數這類新創最終還是會失敗。

他用放射科醫師為例：電腦視覺在 2019、2020 年就已超越人類，但放射科醫師人數反而增加，因為醫院能看更多病人；程式設計的定義正在變成「寫規格」，懂得跟 AI 溝通規格的人會更值錢。

他不認為晶片會有真正的主觀感受，例如緊張、恐懼、失去至親的痛，這些是人性獨有的部分；他也說自己認為「智能其實是一種商品」，人與人真正的差異在性格與韌性，不在智能高低。

他坦言自己不想死，但接受這是「只有自己在經歷、別人經歷過的事」；他不做接班人計畫，理由是與其規劃誰接班，不如把知識隨時傳給團隊，理想的結局是工作到最後一刻且沒有痛苦。

他相信人類的善意與慷慨會一直被證實是對的，也認為治好疾病、大幅減少污染、甚至短距離的「光速旅行」都是合理的期待；結尾他提到想把自己一生的資訊上傳，未來送到機器人身上延續下去。