我們鮮少有機會能看到目前全球市值最高科技公司的掌舵者，在一個沒有公關稿保護、充滿尖銳問題的環境下進行訪談。知名科技podcaster Dwarkesh Patel 對黃仁勳進行了一場長達一小時又四十三分鐘的深度專訪。這場對話與一般的新聞採訪截然不同，Dwarkesh Patel 向黃仁勳拋出了一系列直指核心的問題。
從軟體商品化是否會吞噬輝達的硬體優勢、Google TPU 與各家自研客製化晶片（ASIC）的步步進逼，一直談到近期 Anthropic Mythos 模型展現出的網路攻擊能力，並藉此探討美國對中國的晶片禁令是否合理。Jensen Huang – Will Nvidia’s moat persist?
從「電子到 Token」的魔法，供應鏈鎖定才是真護城河？
軟體商品化的焦慮與輝達的產業定位
Dwarkesh Patel 提出了一個非常尖銳的產業觀察：近期我們看到許多企業級軟體（SaaS）公司的估值出現崩盤，市場擔憂人工智慧將使軟體變得極度「商品化（Commoditize）」。任何人都可以在極短的時間內，利用 AI 寫出過去需要數十名工程師開發的應用程式。
順著這個邏輯，Dwarkesh Patel 質疑了輝達的本質。從最單純的視角來看，輝達其實是一家「設計軟體並交由他人代工」的公司。輝達將電路設計檔案發送給台積電，台積電負責製造底層的邏輯晶片，並將其與 SK 海力士、美光或三星所生產的高頻寬記憶體（HBM）進行先進封裝。最後，這些晶片會送到台灣的代工廠組裝成龐大的伺服器機櫃。如果軟體的價值正在被稀釋，輝達是否也會面臨同樣的命運？
黃仁勳給出了一個極具哲理的回答：「最終，必須有某種東西將『電子（Electrons）』轉化為『Token』。」
在大型語言模型的運作中，Token 是資訊的最小單位。黃仁勳認為，這個從消耗底層能源（電子）到產出具有極高知識價值的文字或邏輯（Token）的轉換過程，充滿了科學、工程與技術的藝術性，距離被徹底商品化還非常遙遠。輝達的工作，就是在這條從電子到 Token 的漫長路徑中，扮演樞紐的角色。
黃仁勳提出了一個重要的反直覺觀點。他認為，工具型軟體（如 Synopsys、Cadence 這類電子設計自動化 EDA 工具）的價值並不會崩盤，反而會呈指數級飆升。原因在於，未來的世界將充滿無數的「AI 代理（Agents）」。過去受限於人類工程師的數量，一套軟體的授權數有其天花板；但在未來，每個工程師背後可能跟著成百上千個 AI 代理，它們會日以繼夜地使用這些工具來探索晶片設計的龐大空間。工具的使用量將因為機器的介入而無量上漲。
綁定供應鏈的真正關鍵：看見未來的願景
除了技術上的無可取代性，外界經常將輝達的護城河歸結為對稀缺零組件的長期鎖定。根據 SemiAnalysis 等機構的報告，輝達擁有高達數千億美元的晶圓代工、記憶體與封裝採購承諾。競爭對手就算設計出了一款優秀的加速器，也可能因為買不到 HBM 或台積電的產能而無法出貨。
黃仁勳對此毫不避諱。他解釋，這種深度的供應鏈綁定，分為顯性合約與隱性信任兩種。隱性的信任來自於他花費大量時間與上游供應商溝通未來的產業樣貌。為什麼供應商願意為輝達砸下數百億美元建廠，卻不願意為其他新創公司這麼做？因為輝達擁有龐大的下游生態系。
每年的 GTC 大會黃仁勳將上游的半導體製造商與下游的雲端巨頭、AI 新創齊聚一堂，當台積電或 SK 海力士的高層親眼看到數萬名開發者對於算力的渴望時，他們才能安心地簽下那些規模驚人的資本支出計畫。這種維持產業上下游「高周轉率（Velocity）」的能力，是任何單一晶片設計公司難以複製的。
突破極限的瓶頸：不再是 CoWoS，而是基礎勞動力
談到產能擴張的極限，Dwarkesh Patel 提出了一個數學上的矛盾。人工智慧產業的運算需求每年都在翻倍，而輝達目前已經佔據了台積電 3 奈米的大部分產能，甚至在未來的 2 奈米也會是最大客戶。半導體產業的擴張需要艾司摩爾（ASML）的 EUV 曝光機，這些極其複雜的光學設備要如何每年實現翻倍的產量？
黃仁勳的回答出乎意料。他表示，晶片製造層面的瓶頸，包含大家過去兩年討論熱烈的 CoWoS 先進封裝，或是未來的矽光子技術整合，都屬於「給定明確需求訊號後，兩到三年內就能解決的工程問題」。一旦知道怎麼製造一台 EUV，就能製造十台、一百台。他開玩笑似地指出，之後產業最大的瓶頸可能是「水電工」。
我們要建立一個兆美元規模的新型態 AI 工廠產業，需要極其龐大的能源供應，以及無數負責建設冷卻系統、牽引高壓電纜的基層技術人員。這也是黃仁勳對於「AI 將消滅工作」這種末日論調感到擔憂的原因。如果我們嚇跑了所有的工程學生，我們將會面臨嚴重的工程師短缺，就像過去警告大家不要當放射科醫生，導致現在醫療體系嚴重缺乏能使用新工具的放射科人才一樣。AI 是平臺與工具，建立這個平臺需要真實世界中堅實的物理基礎設施。
TPU 與客製化晶片崛起，CUDA 的地位動搖了嗎？
矩陣乘法與可程式化能力的拉鋸戰
在人工智慧的硬體戰場上，Google 所開發的張量處理單元（TPU）無疑是最強大的挑戰者之一。Dwarkesh Patel 直指核心：目前世界上排名前三的強大語言模型中，Claude 和 Gemini 都是在 TPU 上訓練出來的。
這帶出了一個硬體架構層面的根本問題。AI 研究人員經常表示，當今的深度學習本質上就是永無止境的矩陣乘法。TPU 專門為這種高度可預測的矩陣運算而生，完全不浪費任何矽晶圓面積在複雜的分支預測、執行緒排程等通用功能上。相較之下，輝達的 GPU 為了保持圖形處理與各種通用運算的彈性，保留了大量的控制邏輯單元，這在純粹的深度學習訓練中似乎顯得多餘。
黃仁勳對此提出了有力的反擊。他強調，輝達構建的「加速運算（Accelerated Computing）」並非僅為了一種演算法而生。
首先，人工智慧的演算法正處於大爆發的階段。雖然矩陣乘法極為重要，但如果研究人員想要發明一種全新的注意力機制、探索混合專家模型（MoE）、嘗試結合擴散模型（Diffusion）與自迴歸（Autoregressive）技術，他們需要的是一個具有高度「可程式化能力（Programmability）」的系統。
摩爾定律目前每年大約只能提供 25% 的硬體效能提升。然而，從 Hopper 架構躍升到 Blackwell 架構，輝達實現了驚人的 30 倍到 50 倍的效能與能源效率成長。這種超乎物理極限的飛躍，靠的正是演算法的創新與極致的軟硬體協同設計（Co-design）。輝達不僅調整晶片，還透過 NVLink 讓多顆晶片共享記憶體，甚至利用 Spectrum-X 將部分運算卸載到網路交換器上。沒有 CUDA 這種能夠深入底層刻畫全新核心（Kernels）的軟體堆疊，這種跨越全系統的優化根本無從談起。
雲端巨頭的自研軟體：Triton 能否繞過 CUDA 護城河？
Dwarkesh Patel 繼續追問了一個更深層次的市場結構問題。輝達有 60% 的營收來自五大雲端巨頭（Hyperscalers）。在過去，大學教授或小型研究室必須依賴 CUDA，因為他們沒有資源自己寫底層代碼；但現在，這些手握無窮資源的雲端巨頭與頂尖 AI 實驗室（如 OpenAI、Anthropic）完全有能力，甚至「必須」自行編寫底層算子，以榨出最後 5% 的硬體效能。如果最大宗的客戶都在打造能取代 CUDA 的抽象層，輝達的高達 70% 的驚人毛利率還能維持嗎？
黃仁勳的回應展現了極大的自信與生態系思維。他表示，輝達不僅不排斥 Triton，反而投入了大量工程師去協助優化。為什麼？因為「基礎安裝量（Install Base）」才是軟體世界中無可撼動的王牌。
世界上有數以萬計的 AI 新創公司、框架開發者與機器人企業。當開發者在寫一套新的強化學習框架時，他們首先一定會選擇在 CUDA 上開發。原因很簡單：世界上有數以億計的輝達 GPU 在運作，覆蓋了每一個主流雲端平台、地端資料中心，甚至是邊緣運算的機器人體內。如果你希望你寫的框架能被最多人使用，你就必須優先支援 CUDA。這種龐大的開發者慣性，形成了一個巨大的飛輪。
Anthropic 是一個特例，還是未來的常態？
面對 Dwarkesh 提出「Anthropic 剛宣布與 Broadcom 和 Google 達成數吉瓦（Gigawatt）的 TPU 合作協議」的挑戰，黃仁勳直言不諱地指出：「Anthropic 是一個特例，而非趨勢。」
黃仁勳分析，如果扣除 Anthropic 這家公司，Google TPU 或 AWS Trainium 在外部 AI 實驗室的採用率幾乎微乎其微。之所以會出現這種情況，有著深刻的歷史背景。在大型語言模型爆發的初期，建立像 OpenAI 或 Anthropic 這樣的前沿實驗室需要數十億美元的龐大資金。傳統的創投（VC）根本無力承擔。當時，Google 與 AWS 挾著龐大的現金儲備進行了巨額投資，而作為交換，Anthropic 自然必須使用它們的雲端與客製化晶片。
黃仁勳坦承這是一個策略上的誤判。他當時沒有深刻體會到這些實驗室除了依附擁有無盡算力資源的巨頭之外別無選擇。如果時光倒流，且輝達當時擁有與現在一樣的資金實力，他絕對會毫不猶豫地開出支票。如今，輝達確實在盡全力彌補這一點，投入了數百億美元投資 OpenAI 與 Anthropic 等實驗室。黃仁勳強調，打造一顆效能「不比輝達差太多」的 ASIC 並不難，但這其中省下的成本（ASIC 毛利約 65%，輝達約 70%）其實相當有限，且客戶必須承擔缺乏彈性與生態系支援的巨大風險。
輝達為何不親自下場做雲端巨頭？
既然意識到了資本與算力綁定的重要性，且輝達目前每季都在創造驚人的現金流，一個自然而然的問題浮現了：輝達為什麼不乾脆自己買下所有的硬體，建置資料中心，成為像 AWS 或 Microsoft Azure 一樣的雲端服務供應商？事實上，市場已經看到輝達大力扶植了一批所謂的「新興雲端（Neoclouds）」，例如 CoreWeave、Lambda、Nscale 與 Nebius 等。
黃仁勳給出了一個極具企業哲學深度的答案，他將其總結為：「做必要之事，盡可能少做（Do as much as needed, as little as possible）。」
輝達的使命是推動「加速運算」的邊界。如果輝達不去發明 NVLink、不去投資數十年虧損的 CUDA 生態，這個世界上沒有其他公司會去做這些吃力不討好的底層基礎建設。這些是「必要之事」，輝達必須傾注全公司之力去完成。
然而，這個世界並不缺雲端服務供應商。如果輝達不建置雲端平台，依然會有成千上萬的企業願意跳下來做。因此，自己經營雲端屬於「盡可能少做」的範疇。輝達的目標是讓全世界都佈滿建構在「美國技術堆疊（American tech stack）」上的 AI 基礎設施，而不是自己去壟斷租賃生意的微薄利潤。
地緣政治與網路安全交鋒，該賣 AI 晶片給中國嗎？
Mythos 模型與網路武器化的陰影
Dwarkesh Patel 提出幾天前，Anthropic 發表關於其未公開模型「Mythos Preview」的報告。這個模型展現了驚人的網路攻擊（Cyber-offensive）能力。它不僅能自動尋找漏洞，甚至能在無人類介入的情況下，針對所有主流作業系統和瀏覽器編寫出複雜的漏洞利用程式（Exploits）。基於對這種毀滅性能力的擔憂，Anthropic 選擇暫緩發布該模型，並與業界合作進行修補（Project Glasswing）。
Anthropic Project Glasswing 與最強駭客模型 Claude Mythos
Dwarkesh 質疑計算能力（Compute）就像是濃縮鈾，如果中國的企業或政府獲得了足夠的輝達晶片，訓練出類似 Mythos 的模型，並同時運行數百萬個 AI 攻擊代理，這對美國的國家安全將構成毀滅性的威脅。因此，美國必須利用算力瓶頸，確保美國實驗室能永遠領先於中國，提早發現並修補這些漏洞。
能源充沛與中國的自主生態系
面對如此嚴峻的國安質疑，黃仁勳從產業的現實面進行了強烈的反擊。他點出了 Dwarkesh 論點中的幾個盲點。
首先，硬體瓶頸是可以被「能源」與「數量」彌補的。
黃仁勳指出，AI 是一個高度平行運算的問題，它本質上是一個「五層蛋糕（Five-layer cake）」，而最底層就是能源。雖然受到美國晶片禁令的影響，中國無法取得 ASML 的 EUV 曝光機，導致中芯國際等晶圓廠的製程被卡在 7奈米。但在擁有龐大能源儲備與閒置基礎設施的中國，這並不是無法跨越的障礙。如果一顆 7 奈米晶片的效能只有輝達最新架構的三分之一，中國的作法就是直接用三顆、十顆晶片將其串聯起來。
其次，演算法的優化能突破硬體限制。
黃仁勳一再強調，AI 的進步有極大比例來自於電腦科學的創新。中國擁有全球超過 50% 的頂尖 AI 研究人員。當他們受限於運算資源時，反而會激發出更具效率的演算法創新（例如 DeepSeek 推出的高效能開源模型）。
失去全球第二大市場的毀滅性後果
黃仁勳對於「為防堵潛在風險而全面封殺技術出口」的政策邏輯感到極度擔憂。他將這種思維稱為「失敗者心態」。
輝達最重要的資產是全球開發者的「生態系」。中國不僅是全球第二大運算市場，更是全球開源軟體與開源模型最大的貢獻者之一。目前，這些來自中國的頂尖開源貢獻，絕大多數都是建立在「輝達的 CUDA」也就是「美國技術堆疊」之上。
如果強硬切斷這一切，中國龐大的內需市場與頂尖人才將別無選擇，只能全面轉向華為的 架構或其他國產自研晶片。這無異於強迫對手培養出一個具有龐大規模經濟的獨立生態系。一旦這個非美國架構的生態系成熟，並隨著 AI 應用擴散到全球，美國將徹底失去對下一代技術標準的話語權。
「我們當然希望美國擁有最多的算力，我們當然會把最強的 Vera Rubin 架構留在美國。」黃仁勳表示：「但我們不應該在沒有絕對必要的情況下，主動放棄全球一半的開發者。這對美國的技術領導地位是一種傷害。」
TN科技筆記的觀點
在這場對談中，Dwarkesh Patel 提出的網路安全威脅論，與黃仁勳堅持的商業生態系保衛戰，其實是一道幾乎無解的題目。從國安角度來看，Anthropic Mythos 模型展現出的零日漏洞挖掘與自動利用能力，確實已經跨越了某種危險的紅線。運算能力在未來極有可能被視為戰略物資。
但黃仁勳的擔憂也完全是現實。中國擁有無限的國家資本、充沛的能源、以及像華為這樣具備硬體整合能力的企業。即便被限制在 7 奈米製程，華為依舊能夠透過系統架構的堆疊，在推論端達到 H100 六成的功力。如果美國全面撤出，反而可能會逼迫中國以國家力量打造出一套完全繞開美國底層硬體架構的軟體堆疊。
這個問題相信還有待輝達跟美國政府之間持續不斷的溝通協調，想辦法從中找出一條解決之道。
支持TN科技筆記，與科技共同前行
我是TN科技筆記，如果喜歡這篇文章，歡迎留言、點選愛心、轉發給我支持鼓勵～～～也歡迎每個月請我喝杯咖啡，鼓勵我撰寫更多科技文章，一起跟著科技浪潮前進！！>>>>> 請我喝一杯咖啡
在此也感謝每個月持續請我喝杯咖啡的讀者以及新加入的讀者們，讓我更加有動力為各位帶來科技新知！
以下是我的 threads 也歡迎追蹤、回覆、轉發喔！
>>>>> TN科技筆記(TechNotes)
