4月15号，硅谷最敢问问题的播客主持人Dwarkesh Patel请到了Nvidia CEO黄仁勋，做了一场103分钟的深度访谈。

Dwarkesh的风格很直接，他会把最难堪的事实甩到你面前看你怎么接。

看完之后我最大的感受是：黄仁勋在财报电话会上和在这种深度访谈里，完全是两个人。

今天我就把最重要的几个观点整理出来。

1️⃣ Nvidia不会被商品化，因为它卡在了一个没人搞懂的位置

Dwarkesh一上来就问：AI软件越来越便宜，卖芯片的Nvidia会不会也被商品化？

黄仁勋回了一句：

「输入是电子，输出是token，中间是Nvidia。」

这个回答的巧妙之处在于，他完全绕开了芯片本身的讨论。

他的论点是：从电子到有价值token的转换过程，科学上远未被完全理解。也就是说，这不是一个硬件问题，而是一个还没有人彻底搞清楚的工程难题。

这其实是Nvidia真正的护城河。

很多人以为Nvidia赢在芯片算力强，但其实赢在它在这个转换链条上积累了十几年的软件生态（CUDA）和实践经验。

竞争对手可以在硬件参数上追平，但你让开发者把几百万行代码从CUDA迁移到另一个平台，这个转换成本才是真正的壁垒。

2️⃣ 错过Anthropic，黄仁勋亲口承认是战略失误

Dwarkesh直接甩出一个让Nvidia不舒服的事实：Anthropic，全球最前沿的AI实验室之一，大部分算力跑在Google TPU和亚马逊Trainium上，不是Nvidia。

黄仁勋没有打太极，直接说了：

「那是我错失的机会。」

Anthropic早期需要几十亿美元的投资，这个量级的支票只有Google和AWS这种巨头开得起。

拿了谁的钱，自然就用谁的算力。他说自己当时没完全理解到，风投不可能在AI实验室早期就下这么重的注。

但更有意思的是他紧接着的判断：他认为Anthropic选TPU是个特例，不是行业趋势。

他的原话是，没有Anthropic的话，TPU的增长动力几乎为零。这个说法有点绝对，但逻辑上说得通。

目前除了Anthropic，确实没有看到其他头部实验室大规模转向非Nvidia硬件的迹象。不过这个局面能维持多久，取决于Google和亚马逊在Trainium上的投入能产出什么样的结果。

3️⃣ 中国的算力威胁被严重低估了

这是整场访谈最激烈的部分。黄仁勋公开质疑了美国芯片出口管制的有效性，论据非常具体。

他拿Anthropic的Mythos模型举例。

这个模型被描述为能发现数千个高危零日漏洞，但训练它用的算力并不算顶尖。7纳米芯片在功能上相当于Nvidia的Hopper一代，而目前大多数主流前沿模型都是在Hopper上训练的。

更关键的是他的第二个论点：中国在能源上的优势可以弥补芯片代差。能源便宜充足的时候，你就多跑并行。

制造能力、能源储备、研究人员，中国这三样都够。

他的原话是，认为中国无法获得有意义的AI算力，这种想法「完全是胡说八道」。

4️⃣ 芯片瓶颈两三年能解决，能源才是真正的瓶颈

台积电产能、内存、封装这些环节，能跟上Nvidia的增长速度吗？黄仁勋的回答出人意料地乐观。

他说逻辑芯片、CoWoS封装、内存，任何一个瓶颈只要需求信号明确，两三年内就会被解决。

但他划了一个重点：能源。能源基础设施的审批周期比芯片扩产慢得多。可以设计出全世界最快的芯片，但如果找不到足够的电来驱动，一切白搭。

这其实指向了一个更大的问题：AI竞赛的决胜局可能不在芯片层面，而在电力层面。谁能在更短时间内建起足够的数据中心电力供应，谁才能真正跑赢。

写在最后

看完这期，我最大的感受是黄仁勋比想象中坦诚。

承认战略失误、公开质疑政策、点名让竞争对手跑分，这些在CEO的公开场合都是很少见的。

几个值得持续关注的方向：Nvidia正在从芯片公司转向AI基础设施平台（Groq纳入CUDA就是信号），AI竞争从芯片层延伸到能源层，以及中国在AI领域的真实能力可能被严重低估。