欢迎来到 2026 Startup School。现在让我们开始吧。请和我一起欢迎 NVIDIA 的创始人兼首席执行官 Jensen Huang 上台。

谢谢。 嘿，Garry。谢谢你。

请坐。大家好。 天哪。对我来说，这是一个超现实的时刻。谢谢。感谢你能来到这里，Jensen。我很高兴能参与其中。

很高兴来到这里。显而易见，如果你来到了这里，你就一定会成功。所以我很高兴能来到这里。

Jensen。对于那些只知道 NVIDIA 是人工智能核心公司的学生来说，他们最需要了解 NVIDIA 早期故事的哪一部分？但这件事大多数人并不知道。

我不认为这是因为我们创立公司时所选择的技术路线是绝对错误的。我们当初的设想是重塑 3D 图形技术。公司的理念和愿景是，通用计算机即 CPU 虽然非常有用，但如果我们能用加速器来增强它，就能解决那些本难以解决的问题。我们选择的首要问题之一就是 3D 图形。

在那段时期，即 1993 年，关于 PC 的消息才刚刚传出。我们的宏大设想是，将每一台个人电脑都变成游戏主机，因为我们是在游戏主机的时代成长起来的。所以我们当时想，如果我们能设计一种 system，将其装入个人电脑并使其转变为游戏主机，会怎么样呢。

于是我们想重构那种原本需要大型超级计算机才能运行的算法，并将其适配到个人电脑上。我们提出了一些新的算法，并为此感到振奋。我们对此深信不疑。

我们确实对它进行了深思熟虑的推演。

然后我们创办了公司去实现它。然而事实证明，那个算法完全是错误的。而作为公司创立基础的技术，最终也被证明是完全错误的。

所以到了 1995 年，我们意识到了这一点。当时已经几乎太晚了，因为那时候市面上已经有约 35 到 40 家其他公司在为个人电脑开发 3D 图形技术。于是我们意识到这一路线行不通。我回到公司，和大家聚在一起，我问道：我们接下来该怎么办？它行不通，而我们都在讨论这个问题。我当时说，听着，如果我们没有一家真正的公司，那我们就什么都没有。不去正视这个方案行不通的事实，并开始致力于研究正确的算法。

然后有人告诉，原来我们当时谁都不知道该怎么做才是对的。我们不仅选错了技术，而且根本不知道正确的方法是什么。所以，那对我来说是意义重大的一天。我当时口袋里只有几张 60 美元，也就几百美元。于是我去了 Fry's，买了三本教科书。这些教科书是关于 OpenGL 以及如何设计 OpenGL 流水线的。我把书带回公司交给工程师们，然后才有了今天的我们。

我们重塑了计算机图形学，如今我们是现代计算机图形学领域的世界领导者。在过去的 25 年里，我们发明了大多数重大突破性技术。大家可能都会认为，众所周知，Nvidia 起初就是 3D 图形领域的领导者。而我们当时是从教科书上学来的。

所以回想起来，我们实际上是先创立了公司、筹集了资金，然后才去买教科书学习的。

对我而言，这其中最大的经验教训就是：技术时刻都在发生变化。只要你能够面对现实，只要你能够保持学习，技术本身其实并不重要。自那以后，Nvidia 一直在发明各种技术，各种我们此前从未涉足过的技术。我们以相同的态度对待每一件事。如果一件事值得去做，我们就会去学习它，毕竟这又能有多难呢？结果总是比我们预期的要困难得多，多得多。但当你投入其中时，心态往往是：这能有多难呢？

在后台时我们曾讨论过，我是说，我们与一些顶尖的 YC 公司交流时，你提到过每一家公司都在某个领域拥有专长，你也和 Nvidia 一样拥有专长。而它们只是，我忘了你是怎么说的了。那似乎是一种算法领域。所以听起来 3D graphics 仅仅是算法领域的第一个。

没错。

它源自教科书，但你要知道，任何人都可以去读那本教科书。

你创造了——粒子物理学、流体力学，是的。

但你创造了人们想要的东西，也就是人们愿意花大价钱购买的最终产品。

这家公司最核心且准确的理念在于：通过增强 CPU 的能力，能够解决那些原本难以攻克的问题。分子动力学就是其中之一，图像处理也是如此，逆向物理学则是另一个领域。此外还涵盖各种不同的算法，当然，深度学习是其中最为重要的一项。

为了打造如今的这家公司，我们很早就意识到，重点不在于制造出一款出色的芯片，而在于加速一个特定的算法领域。因此，我始终坚信，伟大的公司源于一种对世界独特的视角，并对此深信不疑。这不仅仅关乎技术，甚至不仅仅关乎市场，尽管这些因素都很重要。如果你能在合适的时机，为合适的市场提供合适的技术，那么你的发展之路将会顺遂得多。对于未来某件重要事物拥有高瞻远瞩的愿景，并持有某种深刻且独特的见解。而理想情况下，实现这一愿景的过程应当是充满挑战的。

这些因素组合在一起，就是一种相当不错的状态。在我们的案例中，我们意识到加速计算将会变得非常重要。事实证明，加速计算确实非常重要。我们的认知是，一切都与算法有关，而非芯片，事实证明这一判断完全正确。

你已经谈了很多关于创始人所面临的艰辛。有没有哪几个故事让你印象特别深刻？在这个房间里的人都很向往。创办一家公司，但你觉得他们真的做好了“嚼玻璃”的准备了吗？比如面对公司可能被迫关门，或者各种突发状况？那么，有哪些关键时刻是你至今记忆犹新的？我想你刚才是在日本，而且你当时是在向 Sega 致敬，是这样吗？所以我认为那是一个非常有说服力的故事。

那个让我们意识到所选算法是错误的项目，是一次与 Sega 的合作。Sega 当时委托我们开发 Saturn 之后的下一代游戏机，后来证实那就是 Dreamcast。我不知道在座的各位，有没有人知道什么是 Dreamcast？

好的。所以，我们并没有开发 Dreamcast。

我们最初确实应该开发 Dreamcast。但因为我们的算法和技术从根本上存在缺陷，我去了日本，并告诉了当时的 CEO Iramadrysan，关于他们交给我们的那份价值 1200 万美元的合同，我们将无法履行，因为技术行不通。并且我告诉了他具体原因。

然后我建议他们选择其他人来做这件事。

但随后我请求他们，我告诉他，遗憾的是，我仍然需要这笔钱。他问在那场会议上，你可以想象当时的对话内容。所以你的意思是，我合同里要求你做的事情你做不到，但你还是想要合同里所有的钱。

我说，你说对了，就是这样。但很显然我表现得很礼貌、很谦逊，他意识到我很诚实，一切也都合情合理。如果他不给我们这笔钱，我们就会倒闭。

我认为这种情况也会发生在这个房间里。

你投资的不是公司，你投资的是人。Iermandri 认可的是，他在公司里找到了一个最初就信任的人，不仅是合同，而且是他所信赖的，他非常希望看到能挺过难关。所以那 500 万美元让我们活了下来，并且，给了我足够的时间去探索接下来该做什么。

后来我想如果他们持有了股份，我听说他们最终以 1500 万美元的价格卖掉了。

我们一上市他们就把股票卖了。当 Nvidia 上市时，我们的估值大约是 3 亿美元。3 亿美元，在 1999 年。那可是实实在在的巨款。

我想现在它的市值应该超过一万亿美元了。确实如此，没错。是啊，这太疯狂了。

所以你算是核心人物，我愿意说你就是那个掌握香料的人。在那之前，我不认为有人能真正预见到 GPU 以及你们所构建的技术对于这场 AI 革命会有多么重要。那么，你是如何预见到的？我是说，是因为加速器以及占据了天时地利，还是说确实有许多因素共同作用，才让你得以占据如今的位置？

是的。我看到了 AlexNet，就像所有人一样都看到了 AlexNet。而且，但请记住，我们观察事物的视角。我看待世界的方式始终是在寻找算法。而那种算法，无论是 NAMD、VASP、OpenGL，它可能是 SQL，也可能是某种特定领域语言或其他算法。因此，我观察世界的视角始终是在寻找我们可能能够帮助解决的问题。

当 AlexNet 出现时，那种算法就是深度学习。所以问题在于，这种算法究竟是什么？为什么这种算法至关重要？ 它为什么如此有效？

它还能做什么？如果你扩展这些算法，并将其提升到更高的量级，它能解决哪些如今无法解决的问题？

对我们而言，突破点在于意识到 AlexNet 本身并不只是 AlexNet。AlexNet 实际上是一种深度学习方法，它让你能够学习任何函数。所以，15 年前我就告诉所有人：嘿，猜猜看？我们刚刚发现了通用函数逼近器。我们可以给它提供几乎任何函数的答案，它就能习得该函数是什么。

而且对于许多函数来说，你无需做到精确。事实上，想要精确也是不可能的。因此，大多数有趣的问题在这一层面上都是不精确的。因此，就在我们意识到我们拥有了通用函数逼近器的那一天。随之而来的问题是，这对计算技术栈意味着什么？这对软件行业会产生怎样的影响？哪些行业会受到冲击？诸如此类。

几乎在第一时间，我们就开始致力于计算机视觉领域的研究。

几乎在第一时间，我们就投入到了机器人技术和自动驾驶汽车的研究中，因为你可以预见，这一基础能力能够解决计算机视觉和机器人领域的一些重大问题。

所以我认为，最大的突破仅仅在于它比 AlexNet 更具基础性。这是一种构建软件的新范式。而对于处理器、中间件、算法、应用，即我如今所描述的五层架构，整个工业技术栈的影响，我在大约 15 年前就开始构想如何对其进行彻底的重构。这仅仅关乎于提出问题，从第一性原理出发进行推理，问一些类似“如果这样，那么会怎样？”或者“如果这能有所改进，那又意味着什么？”的问题，即针对你所观察到的具有深远影响的事物，提出所有基础性的问题。

有一点让我印象非常深刻，那就是你钻研得有多深，你会阅读论文，你会直接与那些提出这些构想的首席科学家交流。你对在场的观众有什么建议吗？那才是真正的创始人模式。与此同时，你可能拥有一个组织，有高管，也有人会说，看，这就是趋势图，我们想要保持在这个增长曲线上。有时这会引起不满。所以，你对人们在组织管理方面有什么建议吗，如何真正地处理好这些问题？比如，你如何建立一个允许你进行第一性原理思考的组织？因为如果排名第 14 位的 Fortune 500 公司能做到这一点，那么 Fortune 500 的公司看起来可能更像是 Nvidia，但事实并非如此。你建立了一家非常独特的公司。

我的心态，每当我处于某种状态时，我的心态始终从好奇心开始。我自己也有很多问题。当然，像其他人一样，我会寻求获得答案的最短路径。但很多时候，身边人给出的答案可能并不能让我满意。而且我可能还有其他问题。或许他们正忙于处理某事，或者正在追求某种目标。因此，我的第一直觉是去探索，以满足自己的好奇心。

第二，如果我发现这些信息、或者某个特定领域的信息对他人非常重要，并且对我们公司也至关重要，那么我的下一个倾向就是：我该如何尽可能多地学习，以便能够为公司提供服务并与大家分享。这和你分享知识时没什么两样。在很多方面，我认为首席执行官是为公司服务的，是为所有在那儿工作的人服务的，而你希望能用一些洞察力来赋能他们。

所以这才是它的真正来源。这与其说是一种管理技巧，不如说是一种人格特质。技巧，我想赋能于你，而这是我刚刚观察到的一件非常重要的事情。让我来告诉你为什么它如此重要。

现在，必须要脚踏实地、深入基层的原因之一是，技术往往很复杂或者变化非常快，尤其是在像我们这样一个瞬息万变的世界里，除非你对实际发生的事情有切身的感知，否则它对你来说可能仅仅显得快到无法理解；但如果你能随着时间推移理解其第一性原理，那么一切就变得顺理成章了。我想这有点像冲浪。当你置身于浪尖时，对我来说那看起来像是混乱，但对于冲浪者来说，他们不知何故能够解读海浪，并且知道如何保持在浪尖上。

所以我认为担任首席执行官与此非常相似。你必须学会如何冲浪；而为了学会冲浪，你必须理解波浪，必须能够读懂风向，还必须具备良好的时机把控能力，除非你亲自去尝试、亲自去实践，否则你不可能掌握这些。所以，部分原因是为了提升自我，部分原因是为了尝试去剖析，也就是尝试去拆解问题，以便让公司能够以一种切实可行的方式去解决它。其中一部分是为了激励他人。而，这正是房间里所有人的那些基本特质。当你成为 CEO 时，你不必改变自己的个性和行为。你完全可以保持本色。

我很久以前学到过一件事，虽然我不记得是在哪里看到的，但 CEO 或创始人其实就像是在打造一辆自己将要驾驶的赛车。你要制造一辆 F1 赛车，但你要以自己能够驾驭的方式去制造它。你应该让赛车去适应你。

有人曾问我：“Jensen，如果你不使用传统的管理技巧 and 组织架构，那么当你离开公司后会发生什么？”如果有一天我在工作岗位上去世了，我告诉他们，他们只需为下一任 CEO 重塑公司即可。之所以说这是一种智慧，是因为我们自己就是 F1 车手。我们是赛车手。而这个世界竞争非常激烈。我们必须坚持下去，我们必须赢。我们必须实现我们的使命。

所以，无论需要做什么来让赛车适应你，无论需要做什么来让组织适应你，这都是你应当做的。而下一任 CEO，无论是什么性格，他们都能自己摸索出来。

太棒了。看起来你对赛车所做的任何改变，都只会让你慢下来并输掉比赛，那不适合你。

是的。或者说我们一直在根据自己的需求微调赛车。而这确实就是我一直以来在做的事情。我一直在对公司进行调整，不断重塑业务流程和工作方式，以便能够为公司带来更高的效率。

真正的 Founder Mode。没错，就是 Founder Mode。Founder Mode 可以扩展 34 年。确实如此。从零到五万亿。没有证据。没有。没有。

我想转换一下话题，聊聊你现在最感兴趣的前沿算法是什么。我很欣赏你既深入钻研材料科学，又能统筹到应用层面。你是第一个在舞台上谈论 OpenClaw 和现在的 Hermes agent 的人。我想知道你是否可以为我们梳理一下，你是如何思考这些不同阶段的日常工作的。从材料到芯片，再到数据中心，甚至是应用层面，即人们将如何进行工作。这有点类似于全栈 AI 工厂的概念。

这可能是未来最有用的技能之一。事实上，仅仅从你谈论技术及其应用的方式来看，最重要的能力之一就是系统理解力。即系统意识、系统设计、系统组织，以及系统思维。

之所以这样，是因为大多数必须完成的底层工作，未来无论如何都会以代理形式自动完成。无论如何，它们都将实现自动化。所以，无论是在我这一代，还是现在，关于编译芯片、合成晶体管、门电路以及功能模块的所有工作，现在都已经实现了自动化合成。因此，我们大多数的设计人员其实都是系统设计师。在软件领域，大多数软件无论如何都将以代理方式完成。

因此，你必须具备更强的系统抽象思维能力。你试图解决的问题是什么？有哪些约束条件？输入在哪里？输出在哪里？信息从哪里来？流入和流出系统的信息速率是多少？有哪些约束条件？

那么过程也是如此吗？

是一种记忆，就像一种网络连接。在足够高的技术层面上理解这些系统问题，对在座的各位都将非常有帮助。 我不认为这种基本知识会变得毫无用处。

我认为它会变得越来越有用。所以我尽可能地去理解这些系统。说到年龄，事实是，我们其实已经拥有了粗略层面的递归自我改进。事实是，你每次使用它，它都会改进 markdown 文件。你每次使用它，它都会更新其长期记忆，而这些长期记忆正在被处理。要么被压缩，要么被转化为知识图谱，或者诸如此类的事情。 它一直在异步地不断改进。

因此，智能体（agents）得以在每次迭代中变得更加聪明。尽管如此，问题依然存在，我认为解决这个问题对每个人都将大有裨益，那就是：我们如何才能实现非常具体、精细的控制？如果不用 RAG，不用条件输入，如果不直接将我们的提示词转化为输出，那么一切都显得过于粗糙。

因此，我们能够进行条件设定、能够控制智能体，直到最后——当它提出一个计划时，我修改计划文件中的一个词，而这一个词就能带来增量式的差异。不是彻底的改变，而是具体的差异。也许是一个像素，也许是一个三角形，也许是 CAT 文件中的一个组件，也许是一层、一个过孔或一个连接，然后它会重新生成其余的所有内容。我认为这种控制水平以及与智能体的这种协作水平将带来颠覆性的变革。

我们不需要这个构想。 智能体无需达到 100% 的准确度和 100% 的高质量我们才能使用它；它完全可以是 80%，然后我们协助完成剩余的部分，或者它可以是 99%，由我们来补足最后的一步。 因此我认为，可控性可能是我们在各个层面上对智能体（agent）实现突破的最关键因素。

你觉得人们会喜欢吗？对于 Hermes 或 OpenClaw，这感觉在某种程度上关乎存亡，人们应当掌控属于自己的东西。个人的 AGI。人们不应该将其外包，也不应该让它仅仅运行在云端，由别人的智能体来告诉你该做什么。你肯定希望它是属于你自己的。是的。这就是 NVIDIA 深度参与其中的推动力之一吗？

我认为，首先，我需要了解智能体，因为智能体就是新一代的软件。那么这种新软件是如何处理的呢？这对计算机体系结构非常重要。我们越深入了解智能体的本质，了解它与聊天机器人的区别，以及它与最初的推理可能存在的差异，无论我们如何看待这些处理层，只要我们对处理过程的本质了解得越深入，我们就越能设计出更好的系统。

我们必须活在未来五到十年之后，因为构建一个系统本身就需要大约三年左右的时间。这需要几年时间来逐步提升规模。你在处理这些问题，并且你希望他们在之后 10 年里都能使用这台计算机。所以你必须在某种程度上预见未来，提前生活一段时间。

因此，从第一性原理来看，Agentic systems 意味着：工作负载是什么？算法是什么？它将如何演进？瓶颈在哪里？MDL定律带来的问题在哪里？它如何扩展？并发性会发生什么？你如何处理沙箱？你如何处理 MCP？你如何处理工作负载、内存、长期记忆？你如何让所有这些自主系统、异步系统始终保持工作？那么，什么样的设计架构对此才是最合理的？所以我们必须去探索这一点。

当然，第二点是，我希望我们自己也能利用代理（Agents）来让 Nvidia 的发展更迅速。所以我们在 Nvidia 各处都有云端代码在沙箱中自主运行，这真的很棒。有些人使用 Codecs，有些人使用 Clock，有些人使用 Code，有些人使用 Cursor，还有些人使用 Cognition，我们让百花齐放，让人们选择他们想要使用的工具，然后我们从中汲取经验。因此，第二部分只是帮助公司加快节奏，使用这些工具。 他们使用得越多，就越能了解如何在未来让它发挥更好的作用。

最后一部分是探索未来解决方案技术的方向。也许，当我们看到 Stanford 早期推出的思维链版本时，那大概是十年前的事了，或者是八年前。问题在于，它在推理方面的效果如何，以及它的可扩展性如何？ 例如，如果我们能基于先验知识进行推理，这对计算机视觉意味着什么？

当然，最大的突破在于，通过对这一小领域进行思考，你会意识到，或许我们不需要那么多的数据来训练自动驾驶汽车，这促使我们创造了 Alpamio，它是世界上首款具有思考能力的自动驾驶汽车。仅凭大约一百万英里左右的里程，或者几百万英里，它就已经是一辆非常出色的自动驾驶汽车了。而原因其实就和我们人类一样，我们并不需要那么多的里程。

在我们能够相当熟练地驾驶大部分人生之前，还需要 271 英里的磨练。其原因在于，我们拥有来自语言模型的先验知识，能够将从未见过的场景进行拆解，并利用我们理解且熟知的事物将其重构。所以这是一个先观察事物，而后在一段时间后意识到其影响的例子。当 agentics systems 出现时，这一点就非常非常清晰了。显而易见，大语言模型需要记忆、需要先验知识、需要工具，还需要与其他 agent 建立连接的方法。所以，一旦你看到一些早期指标并能够对未来进行推演，这种认知就能帮助你实现跨越，让你抢先进入未来。

我感觉自己在 NVIDIA 周围开始观察到一种模式：你发现了一个问题，紧接着出现了新算法或某些新事物。然后你们实际上就在那里通过开源技术跟进。我记得 OpenClaught 刚出来时人们说它不安全，但你们推出了一套沙盒工具包，可以包围任何框架并确保其安全性。

当我看到 OpenClaw 时，我的第一反应是，首先，我了解到了它。然后，无需太多想象，你就会意识到我们刚刚设计出了现代计算机。这就是操作系统。一个将要承载大语言模型的系统。在很多方面，对我而言，OpenCL 是一个非常 Linux 的时刻。现在每个人都可以构建自己的 AI 了，我对此感到非常兴奋。

我们联系了 Peter，并对他说，嘿，Nvidia 所有的工程师现在都是你的工程师了。我就是这么对 Peter 说的。你家门外就停着这艘战舰。你可以随心所欲地拆解问题，而我们会按你的意愿提供支持。Hermes 团队也是一样。我对他们正在进行的工作感到无比兴奋。 我确实认为世界需要让每个人都有能力构建属于自己的 AI。当然，我鼓励大家尽可能多地使用云服务。

每个人都应该使用 ChatGPT 和 Claude，没错，每个人都应该使用它们。但如果你是一家公司，需要构建自己的 AI，并且需要构建特定领域内的 AI，那么现在你有了 Hermes 和 OpenClaught，你还有各种各样的工具，比如 Langchain、Deep Agent，你拥有所有这些不同的方法来构建你自己的 AI。而且坦率地说，这相对容易，因为软件很智能，你懂的？正因为 AI 很智能，所以 AI 必须足够聪明，让你能够轻松地对其进行适配。所以我认为我们想要鼓励每个人和每家公司都去构建自己的 AI。谁知道开源带来的创新将会达到何种程度呢。

我觉得所有的超额收益都在于构建你自己的 AI。如果别人都在使用现成的工具，而你拥有一种能够递归自我改进的东西。而且，关于其中的机制，人们对 markdown 文件表现得非常轻率。他们会说，那不过就是文本而已。但话说回来，文本即智慧。而我们正处于一个不同的……语言即思想。

没错。没错，语言即思想。

确实。试着不使用语言进行思考。

没错，确实如此。

那么再次转换话题，很多人……每当你改变既定现状时，人们难免会感到担忧。智慧将变得触手及，这真的很棒。我认为这对在座的每一位都是好兆头。你认为经济会发生什么变化？你认为，从更广泛的意义上讲，会发生什么？

显然，我要说的内容会是不均衡的。会有一些，我们显然会去自动化处理各种任务。我们将实现认知任务的自动化。如果某项任务是有人打来电话，通过电话向你传达一系列信息，而你的工作是提供回复。如果所有信息都触手及，因为你拥有这里所有的数据库，并且你应该能够完整地回答那个问题，在这种情况下，该任务将被自动化所取代。

许多任务将被自动化取代，许多工作，每一项单一的工作都会发生改变，而且会出现大量全新的工作，我认为我们对此是有所了解的。底线就在这里。证据表明，且逻辑完全成立的是，AI 和自动化正在各处创造就业机会。关于 AI 摧毁就业的说法完全是本末倒置。AI 消除的是任务。AI 通过自动化手段消除了任务，但并不一定意味着消除就业岗位。 其原因在于，个人的工作具有某种目的，而这一目的包含多项任务。

其中一些任务可以被自动化取代。但许多任务无法被取代。因此证据表明，我们现在所处的情况是：我们已经实现了编程自动化——这只是一项任务——但软件工程师这一职业似乎还在增长，不是吗？软件工程师的职位数量同比增加了 10%。

阅读放射科扫描影像的任务已经实现了自动化，但在过去几年中，放射科的就业岗位数量反而增加了约 20%，尽管 AI 已经接管了整个领域。其原因在于，患者的积压数量惊人。现在，医生和医院本可以接收更多的患者。为了接收更多的患者，你需要更多的护士和放射科医生。

软件行业也是如此。我们遇到了想法积压的问题，人们的抱负和愿景积压得如此之多，以至于如果我们能将编程任务自动化，我们就能雇佣更多的软件工程师去做更多的事情。我们可以更有雄心。同样的事情，在各个领域都是如此。

他们说 Harvey 将会淘汰所有的律师助理工作，律师的数量也会随之减少。但事实证明，律师助理的数量正在飞速增长。其原因在于，诉讼案件的积压非常多，而现在这些律师事务所可以处理更多的案件了。为了做到这一点，你必须雇佣更多的人。这是一个生产力推动增长的经典案例。增长加速会带动更多的就业。这正是为什么今天的就业岗位比我刚毕业时更多的原因。

所以，我们一直在讨论软件和智能体。 NVIDIA 在前沿领域深耕的另一个非常令人兴奋的领域实际上是实体机器人。还有多远？我想在过去你甚至可能说过最早今年就能实现。对于我们何时能期待实用型机器人，你最新的想法是什么？

当我看到生成视频的那一刻，对我来说那是一个伟大的时刻。

就在那一刻，当我看到我们生成视频时——我们在自动回归 GANs 上做了最初的研究，也在条件 GANs 上做了最初的研究。早在人们看到第一批生成的视频之前，就在几年前，我们的实验室里就已经在运行一个完全由视频生成的模拟器了。而且是完全由神经网络生成的。

因此，当我看到我们能够生成关节运动的那一刻，我就在想：如果我能生成手指移动的视频，如果我能生成手拿起杯子的视频，那我为什么不能让机器人做同样的事情呢？所以，就在我看到生成式 AI 实现这一点的时刻，我意识到机器人关节运动技术的突破指日可待。

现在的问题是，机器人将如何理解生成符合物理定律的运动？它如何理解因果关系？它又如何理解摩擦力、张力，以及物理定律？这开启了我们创造所谓“物理 AI”（Physical AI）的旅程，现在大家也都这样称呼它。对于物理 AI，我们开始研究世界基础模型（World Foundation Model），这是一种理解物理定律及世界运行方式的 AI。

我们由此开启了在机器人技术领域的探索之旅。我认为机器人的 ChatGPT 时刻在几年前就已经发生了。原因在于，记得当 ChatGPT 最初发布时，它并没有产生任何实际的生产力。它虽然没有产生实际的用途，但打开了我们对于可能性的想象。我想说的是，就在几年前，我们还能够对四处走动的机器人进行强化学习、微调，并使其基于物理规律运行。这确实是几年前才发生的。

那么现在我们需要做什么呢？我们需要对智能体系统做我们目前正在做的所有事情。 我们必须为它们创造学习 and 评估的环境，并针对这些环境进行评估，因此我们必须实现从现实到模拟（real to sim）的转化，以创建相应的环境。

我们必须生成基于模拟、基于物理基础的仿真，以及生成式物理仿真。因此，Isaac Sim、Cosmo 以及我们在该领域所做的一切工作都与模拟有关。最后一部分是从模拟到现实（sim to real）的转化。这部分涉及强化学习，将其建立在物理基础之上，并建立在机器人所需的所有机电系统基础之上。但我认为，这三个基础系统构成了机器人技术的评估，或者说是机器人技术的训练后阶段。而且我认为我们很快就能看到它的应用了。

太棒了。物理 AI 将首先以何种真正具备经济现实意义的方式出现？你已经观察到了吗？

我们推测机器人技术将会发展，并认定自动驾驶汽车是首个既拥有足够大的市场规模，又具备相对标准化技术以供我们扩展并推动飞轮效应，同时还具有真正经济价值的机器人应用领域。

因此，在 Waymo 内部，我们使用 Nvidia 的芯片；在 Tesla，我们既在车内，现在也进入了数据中心。在 Mercedes，我们进入了数据中心，也进入了车辆本身，我们就是软件栈。我们致力于 Alpamio 并将其开源。我们将自动驾驶汽车软件栈开源的原因是，农业、邮件递送、仓库 AMR 等领域都需要它。你可以通过如此多种方式来应用它。自主导航领域，且没有哪个单一市场大到足以成为一个自动驾驶汽车 market，我们认为其应用场景足够多样化，因此我们决定为它打造完整的软件栈。

因此，我们正在各种不同的领域开展自动驾驶汽车相关的工作。我们的机器人业务、自动驾驶汽车业务，也就是物理 AI 业务，规模大概已经达到了 100 亿美元，确实是非常非常庞大了。这很有可能成为全球最大的行业之一。这需要的时间会比两三年要长。但不会超过 10 年。所以这将是我们下一个价值 1000 亿美元的业务。太棒了。

我想花点时间。我认为在座的各位正是最合适的人群，也许我们可以把这里当作一个舞台，欢迎 Jensen 来到 X。欢迎来到 X。你已经发布了你的第一条帖子。感谢您的领导。

这正体现了我有多么内向。 直到 2026 年我才在 X 上发布了第一条动态。我可能是地球上最后一个这样做的人了。 但我发布的内容对我、对行业以及对世界都至关重要。 所以我克服了羞怯，在 X 上发布了我的第一条内容。

不，感谢您的领导。 开源、开放权重以及开源模型对于我们在座各位想要做的事情来说，都极其重要。我们想要创建初创公司。

如果没有开源，移动云行业就不可能出现。如果没有开放，如果没有 Linux，如果没有 Kubernetes，如果没有所有这些平台，如果没有 TensorFlow，或者更重要的 PyTorch，还有早期版本的 Caffe，Torch，Theano，还记得早期的版本吗，那些全都是开源的。

如果不是因为这一切，我们怎么会有现代 AI？感谢您的领导力，您的声音在这里至关重要。

谢谢。谢谢。

在结束之前，我觉得我们，我真的对您的故事产生了共鸣。我想这里的每个人都会很想听听您一路走来的智慧。现在的年轻人应该学习什么？考虑到您所看到的一切，以及所有即将在社会中占据主导地位的算法。基于您的所见所闻，现在的年轻人应该学习什么才会在未来依然重要？

我今天看到的一些东西，以及我今天见到的一些初创公司，确实非常非常令人鼓舞。最核心的启示当然是，简单的工作终将被自动化所取代。我说简单的工作，指的是软件开发，也就是编程。那种坐在电脑前亲手编写代码来解决问题的模式，显然将会被自动化所取代。在我那一辈人成长过程中，我们不得不学习长除法。老天，谁还需要专门去学长除法呢？所以，这部分技能被代码化了，被自动化取代了。

因此我认为，简单的工作终将被自动化所取代。但那些棘手的难题，诸如硬科学、物理学、化学、生物学、计算机科学、计算机工程、系统思维，特别是这些领域的交叉学科，这些难题永远不会消失。AI 只是一个极其强大的工具，它能帮助我们比以往任何时候都更加雄心勃勃、更加迫切地去解决这些规模巨大且极其艰巨的难题。 你可以看看我这一代人，我刚毕业时，芯片设计师设计一枚芯片可能只有 1000 个晶体管，那在当时已经算是一枚很大的芯片了。

现在设计一款拥有万亿级晶体管的芯片甚至都不算什么了，如果有人曾对我说，Jensen，我们的下一款芯片将有万亿个晶体管，我会说，这根本不算什么。之所以这样，是因为我们现在雄心勃勃，问题的规模和任务的体量已不再是衡量标准。

所以你不需要再担心需要多少代码，或者需要多少工程师。

你不再需要考虑这些事情。你只需要思考你需要解决的问题是什么。因此我认为，那些深科技领域、深科学领域，包括理解技术与社会议题之间的交叉点，以及理解市场缺口与漏洞。还有机遇。我认为所有这些依然存在。你越擅长系统思维，从而能够统筹数以百万计的智能体自主解决问题，你就越具优势。所以这就是为什么系统思维将变得如此重要。

但除此之外，我认为世界仍将会有许多巨大的挑战等待我们去解决。以同样传统的方式去上学。坚持完成学业。坚持完成学业。

我想我通常喜欢以这种方式结束：当你望向台下的听众，那里有许多人，我在开场时就说过，我真诚地看着台下的听众，我看到的那些人本质上和我们没有什么不同。我们其实只是技术导向，并且热爱系统而已。谢谢。谢谢。你会给在场的这些人，也就是你，什么建议呢？而且你在这个房间里看到了你自己，我很好奇你会说些什么。如果让你发一封电报，给 18 到 22 岁的自己留一段话，你会说什么？

我可以准确地告诉你，当 Nvidia 刚成立，我们三个人刚起步时，我内心真实的感受。当时我最强烈的感受是，有太多东西需要我了解，有太多知识需要我学习。而当时的我对此一无所知。我刚才也跟你提过，在那个年代，没有 YouTube，也没有 YC。没有人教你怎么创办一家公司。所以我去了书店买了一本书，书名就叫《如何创办一家公司》。不幸的是，那本书足足有 500 页长。所以我当时就想，等我读完这本书，恐怕公司早就倒闭了。我和 Lori 也会没钱了。所以读它没有任何意义。

但我记忆非常、非常、非常深刻的一件事是，我当时有多害怕去筹集资金，因为我觉得自己即将面对一群人，却不知道该如何回答他们的问题。

事实确实如此。

即便到了今天，我依然很难回答他们的问题。但我学到的是，事实证明，那些东西根本不重要。你总会有不知道的事情。以及每一件你所不知道的事情。每一天，世界都在变化，技术也在变化。显然，这是过去 60 年来创业的最佳时机。整个行业已经发生了翻天覆地的变化。从技术的角度来看，这完全是一次重置。人类历史上最重要的单一技术——计算机，已经被彻底重置了。因此，这绝对是创业的最佳时机。我很羡慕你们所有人，以及你们未来所拥有的机遇。这将会是不可思议的。

所以，一方面这是完美的时机。另一方面，技术正在飞速演进。那么问题来了，什么样的心态才适合你们？最终，就像我之前讲过的关于我购买那本教科书的故事一样，我认为我今天面对所有新体验、新技术、新市场和新动态时所持有的心理状态和感受是：我审视这一切，然后对自己说，这很重要，我必须去学习它，我必须针对它采取行动，我最好尽快着手去做，而且这又能有多难呢？我总是有这种感觉：这能有多难呢？

但说实话，这比你想象的要难得多。

只是你不想让自己的思维停留在那种困难上。你希望保持的心态是：这能有多难呢？

让那些痛苦一点一点地降临。

别让你的思维陷入那种纠结。不要去想象将会面临多大的困难，从而让这一切演变成焦虑，导致你什么都不去做。你要在脑海中想的是：这能有多难呢？反正我有那么多 AI agents 在帮我。所以，这能有多难呢？然后你就开始着手去做了。

这大概就是企业家的心态。你知道在此过程中必须学习很多东西。你相信自己拥有学习的能力，学习是个人最伟大的超能力。如果你抱着这种态度去尝试：这能有多难呢？如果别人能做到，我也能做到。只要意识到这会很艰难就行。你只需要每天都有克服困难的韧性。你没必要在一天之内就克服所有人生难题。你只需要克服那个早晨，仅仅是那个早晨。要知道，你必须克服今天，就在今天。所以这没什么大不了的。熬过今天就好。等等看，为明天而努力。继续追寻你的梦想。至于其他一切，只要你坚持住。如果你坚持得足够久， Nvidia 的奇迹就会发生。

所以，我认为我能分享的智慧，如果有的话，那就是韧性可能是最重要的品质。如果你相信某件事，那就立刻行动起来，不要让恐惧、焦虑、缺乏自信或其他任何因素阻碍你去追求它。而你终将成为那样的人。要告诉自己，我会通过学习达成目标。让我们感谢黄仁勋。

好的，各位，谢谢大家。非常感谢。这太不可思议了。谢谢你们。