2026 年 GTC 大会刚刚落幕，黄仁勋坐下来，接受了一场长达两个半小时的深度访谈。
访谈中，黄仁勋以真诚分享的态度与极强的前瞻性，拆解了他如何看待产业拐点、如何做出判断。
二十年前，黄仁勋顶着利润下滑甚至生死存亡的风险，坚持把 CUDA 生态押上 GeForce，推动公司从一家图形芯片厂商转向计算平台公司。今天回看，这几乎是 NVIDIA 历史上最关键的一次转向。如今，他认为 AI 的核心竞争，正在从单颗芯片转向“AI 工厂”，而这将决定 NVIDIA 能否走向下一个十万亿美元市值。
黄仁勋先就“扩展定律”给出了一个精彩判断：扩展定律远没有到尽头，将同时沿着预训练、后训练、测试，以及智能体系统四条路径继续推进。真正的增长，正在转向推理、强化学习、智能体协作。而未来，大量数据将来自 AI 自身消化产生的合成数据，这会成为 AI 迭代的核心燃料。
未来决定智能上限的将是计算能力。
他认为在当下这个阶段，AI 能力的提升，已经无法靠单台计算机、甚至单颗 GPU 的升级来解决。模型性能的跃迁，越来越依赖系统级工程能力，最终把整个系统推向极限。NVIDIA 现在做的，也不再只是芯片，而是把整套计算系统作为产品来设计。
而硬件布局必须走在前面。AI 模型架构每六个月就会迎来一次重大迭代，但系统与硬件架构的更新周期长达三年。NVIDIA 的策略，是主动走到模型前面：自己做模型、持续追踪全行业最棘手的问题，在通用性与专业性之间找到最优平衡，保持架构的快速迭代。
如果说训练时代的核心问题是：“能不能把模型做得更大？”那么到了推理时代，黄仁勋认为，真正的问题已经变成：“每瓦每秒能够产出多少 token？”
顺着这条逻辑，他甚至把问题进一步推到了能源系统层面。黄仁勋指出，今天全球电力系统中存在大量未被有效利用的闲置。目前电力峰值只在 60% 左右，这些闲置资源完全可以被 AI 工厂充分利用。
在主持人惊叹黄仁勋的思考力时，他坦言，这来自于“集体的智慧”。在日常工作中，有 60 人会直接向他汇报，包括内存专家、CPU 专家、光学专家、GPU 专家、系统架构专家等等，几乎覆盖 NVIDIA 最核心的技术维度。他会广泛吸收信息，再在高维度上做决策。
这形成了他独特的思考方式，他会先设想一个未来，追问它为什么重要？它为什么值得存在？如何实现它？他还会不断把这套逻辑讲给公司内部员工、供应链伙伴和行业合作方听，让更多人参与进来，然后从工程和组织的角度，一步步把它变成现实。
某种程度上，这和马斯克的思维方式不谋而合，他高度称赞马斯克是“系统层面的极简主义者”。马斯克会一直质疑，直到所有不必要的部分都被剔除，只保留系统真正需要的东西。
而黄仁勋也喜欢用第一性原理，先去看一件事“理论极限在哪里”。或许有些看起来需要 74 天才能完成的事情，如果重新拆解、重新设计，最后可能只需要 6 天。
他自信英伟达的十万亿美元市值不是梦想，世界正在从一个基于检索的文件系统，演变成一个基于生成的上下文系统。一旦这个转变成立，世界需要大量的 AI 工厂。在这样的图景里，NVIDIA 已经站在新一轮经济基础设施的核心位置。
在聊到程序员的未来时，他大胆预测，未来程序员会扩展到十亿级规模。原因在于，真正重要的工作，从来不只是“写代码”本身，而是解决问题、团队合作、诊断、评估、发现新问题、创新和整合。与此同时，他强调人人都要学 AI，不论什么工种，他都更倾向录取熟练掌握 AI 的人。
而这场访谈的最后，黄仁勋少见的露出感性的一面。他谈到自己也会有“夜不能寐”的时刻，面对压力与挫折，他会把问题不断拆分，直到可以行动起来去解决。他喜欢用“遗忘”的方式忘记失败，重振旗鼓，带着好奇心继续往前走。
这位芯片教父，既以极度理性的方式审视技术演进，也始终相信，智能或许会商品化，但人性永远高于技术。
