在這場深度對談中，NVIDIA（輝達）共同創辦人暨執行長 黃仁勳 (Jensen Huang) 與主持人 Dwarkesh Patel 針對人工智慧產業的現狀、供應鏈挑戰、競爭戰略以及地緣政治影響進行了長達 100 多分鐘的探討。
對談從軟體價值的轉變拉開序幕。隨著人工智慧預期將使軟體商品化，許多軟體公司的估值出現崩跌。然而，對談中提出了一種對 NVIDIA 定位的觀察：儘管 NVIDIA 設計軟體並委託台積電（TSMC）製造邏輯晶片、SK海力士（SK Hynix）等提供記憶體，最後由台灣的 原始設計製造商 (ODM) 組裝，但 NVIDIA 本質上是在將電子轉化為標記（Tokens）[00:00]。黃仁勳指出，將 電子 (Electrons) 轉換為 標記 (Tokens) 並隨著時間使其變得更有價值的過程，是很難被完全商品化的。這項轉換背後蘊含了大量的藝術、工程、科學與發明 [01:05]。他將 NVIDIA 的心理模型描述為：輸入是電子，輸出是標記，而公司的職責就是儘可能精簡（做最少的工作）但達到最強大的轉換能力，無法簡化的部分則透過合作夥伴建構龐大的生態系，這包含了上游供應鏈到下游的應用開發者 [01:58]。
關於軟體公司的未來，黃仁勳持有與大眾相反的看法。他認為，大多數軟體公司其實是工具製造商，如 Excel 或 Synopsys 的設計工具。隨著 AI 代理 (Agents) 的數量呈現指數級成長，這些工具的使用者數量也會激增。目前我們受限於工程師的人數，但未來 AI 代理將支援工程師以前所未有的速度探索設計空間。因此，工具的使用將帶動軟體公司的飛速發展，目前的停滯只是因為代理的使用能力還不夠成熟 [03:22]。
在談到 NVIDIA 的 護城河 (Moat) 時，對談提及 NVIDIA 在最新財報中展現了近 1000 億美元的採購承諾，甚至有報告指出將達到 2500 億美元，這被視為鎖定了稀缺的關鍵組件（如記憶體與邏輯晶片）。黃仁勳坦言，這是競爭對手難以模仿的優勢。他不僅做出明確的採購承諾，更透過與上游執行長們的對話，向他們傳達產業規模的遠景，從而激勵供應商進行投資 [05:07]。他強調，供應商願意為 NVIDIA 投資，是因為 NVIDIA 擁有巨大的下游需求量。這也是為什麼 GTC 科技大會 如此重要，它讓上下游廠商、AI 原生公司與新創企業齊聚一堂，親眼見證技術的進展與市場的潛力。黃仁勳將自己的演講視為一種教育，旨在讓整個供應鏈系統性地理解未來的規模與速度 [07:15]。
面對「上游是否能跟上 NVIDIA 翻倍成長速度」的質疑，黃仁勳認為儘管瞬時需求大於供給，但這是一個產業健康的狀態。以 晶片封裝技術 (CoWoS) 為例，經過兩年的全力追趕，目前台積電已能將封裝產能與邏輯晶片、記憶體同步擴張，這些技術已從特殊規格轉為主流運算技術 [10:15]。他提到 NVIDIA 透過預測未來幾年的瓶頸並提前布局，例如在 矽光子 (Silicon Photonics) 生態系的投資，甚至授權專利給供應鏈以保持開放。然而，他認為真正的瓶頸不在於 極紫外光微影技術 (EUV) 機器或晶片產能，因為只要有需求訊號，這些產能都能在兩三年內複製。他真正擔心的瓶頸是下游的能源基礎設施、水電工與電氣技師，以及能源政策的限制，因為沒有能源就無法實現再工業化 [15:45]。
針對競爭對手如 Google 的 張量處理單元 (TPU)，黃仁勳強調 NVIDIA 構建的是 加速運算 (Accelerated Computing)，其市場廣度遠超單純的 AI。加速運算涵蓋了分子動力學、數據處理、流體動力學等多元領域 [16:56]。他指出，NVIDIA 的系統設計是為了讓任何人都能操作，因此能進入每一個雲端服務平台。相比之下，許多自研系統靈活性不足，僅能自用。針對 AI 運算主要由矩陣乘法組成的論點，他反駁道，雖然矩陣乘法很重要，但為了發明新的演算法（如混合 SSM 或融合擴散模型），開發者需要具備通用可編程性的架構。NVIDIA 的優勢在於能透過 CUDA 每年進行演算法與硬體的協同設計，實現超越 摩爾定律 (Moore's Law) 的效能飛躍，例如 Blackwell 的效能提升了 50 倍 [22:15]。
儘管雲端巨頭有能力自行撰寫內核（Kernels），但黃仁勳認為 CUDA 的生態系財富在於其廣大的裝機基礎。全球有數億個 NVIDIA GPU，無論是新創公司、機器人企業還是科研機構，在 CUDA 上開發意味著軟體能隨處運行 [27:34]。此外，NVIDIA 工程師會深入 AI 實驗室協助優化架構，往往能讓模型效能翻倍。他強調，NVIDIA 的架構在 總體擁有成本 (TCO)、每瓦效能以及每美元產出的標記數量上，依然是世界最強，這也是為何雲端平台即使有自研晶片，仍大量採用 NVIDIA 的原因 [34:11]。
對談中也探討了 NVIDIA 的投資戰略。對於為何不更早投資像 Anthropic 這樣的實驗室，黃仁勳承認當時未體認到這些實驗室需要如此巨大的供應商資助。他現在體認到這是必要的，並已大規模投資 OpenAI 與 Anthropic [40:33]。然而，NVIDIA 堅持「做最少」的哲學，無意成為雲端服務供應商或融資機構，而是傾向於支援 CoreWeave 等新興雲端平台，讓生態系保持繁榮。NVIDIA 甚至在投資時刻意不選邊站，而是支持所有優秀的公司，這源於公司早期曾因架構錯誤險些倒閉的謙遜感 [48:02]。
關於 GPU 供應的分配，黃仁勳澄清並非由價高者得，而是基於預測與訂單順序。他強調 NVIDIA 追求的是成為產業可靠的基礎，並與台積電維持了 30 年無合約但互相信任的合作關係 [55:14]。
對談中最激烈的辯論在於對中國的 出口管制 (Export Controls)。主持人質疑將算力售予中國是否會威脅美國國家安全（例如開發具備網路攻擊能力的模型）。黃仁勳反駁道，中國已經擁有大量的 AI 研究人員與能源基礎設施，且 AI 模型 (AI Models) 的進步很大程度來自於演算法的提升而非單純的硬體。他警告，若美國政策迫使中國放棄美國技術棧，導致全球出現兩套技術標準，這對美國長期的技術領導地位將是巨大的損失 [01:03:00]。他認為，算力不應被簡化地類比為核武原料，因為中國有能力製造 7 奈米晶片，並透過豐富的能源與大量的晶片堆疊來彌補效能差距。若中國的開源模型不再基於 NVIDIA 架構優化，美國將失去對第二大市場的影響力 [01:10:54]。
黃仁勳強調，美國應致力於在 AI 堆棧的所有層次（能源、晶片、架構、軟體、應用）都保持領先，而不是採取「輸家心態」直接放棄市場 [01:21:04]。他預測未來幾年，當美國技術需要出口到印度、中東、東南亞時，若屆時全球標準已偏向非美技術棧，那將是政策的失誤。他主張以更成熟、細緻的方式處理競爭，確保美國實驗室能最早獲得最先進的技術（如 Blackwell），同時也參與全球競爭 [01:31:02]。
最後，黃仁勳討論了推論市場的分層。隨著標記價值的提升，市場開始出現對高反應速度的溢價需求。即使某些架構的產量較低，但其帶來的高單價標記仍具備商業價值 [01:38:17]。他總結道，即便沒有這一波深度學習革命，NVIDIA 依然會因應通用運算規模化的停滯，致力於推動各個科學領域的加速運算。AI 固然令人興奮，但 NVIDIA 的使命始終是協助全人類在各個科學領域取得突破 [1:41:23]。