黄仁勋在高盛会上讲了哪些关键数字值抵万金？

作者：长持美股社长

9月11日，美股出现戏剧性的走势，开盘在略超预期的8月CPI的影响下，市场全面下杀，纳斯达克日内波动接近4%，不可谓不神奇。

而转变就在于黄仁勋的在高盛TMT大会上的一个讲话，值抵万金，打消了市场近期对AI的悲观：

1.我们需求很好，blackwell需求太好，不能满足客户的需求，导致客户很不满，这个措辞，牛逼的，我们都很好，大家不用担心；

2.blackwell在四季度正常量产，明年上量，大家不用担心我们的下一代产品；

3.除了广阔天地，万亿老旧数据中心的CPU芯片也要被我们的加速计算GPU替代。

一段讲话下来，英伟达自身来回波动10%，3000亿美金的波动。

大盘指数巨大幅度的波动表明：

1.市场对AI技术的高度关注依然热情不减：NVIDIA在AI加速计算领域的领先地位，使得每次黄仁勋谈及新技术或市场扩展时，投资者对AI行业的未来期望会大幅上升，进一步影响整个科技板块的表现。

2.市场对企业财务表现的敏感性：黄仁勋不仅谈及技术，还常常谈到NVIDIA的财务表现和市场需求增长情况。这类信息能够改变市场对NVIDIA及其相关产业链公司的估值，从而对大盘产生溢出效应，昨晚因为提到液冷，相关公司VRT、MOD都爆了。

3.投资者情绪的迅速变化：由于NVIDIA涉及的数据中心、AI、自动驾驶、虚拟现实等都是热门赛道，任何关于这些领域的利好消息都会引发投资者的大规模买入或卖出动作，导致大盘指数的短期波动。

4.NVIDIA对全球产业链的广泛影响：NVIDIA的供应链遍布全球，其与台积电、云计算企业等重要企业的合作关系，使得NVIDIA的每一个关键决策都可能影响相关企业的股价表现，从而波及更广泛的市场。

因此，黄仁勋的每一次讲话都可能成为市场动荡的导火索，特别是在他讨论前沿技术、市场增长和供应链布局时，投资者会基于这些信息迅速调整投资组合，导致指数波动。

在黄仁勋的讲话中提到了多个关键的数字，这些数字反映了NVIDIA在AI加速计算、数据中心转型以及生成式AI应用方面的技术突破和市场影响：

1、35,000个零件、80磅、10,000安培

黄仁勋提到NVIDIA的新一代GPU系统，由35,000个零件组成，重80磅，功耗为10,000安培。这些数字反映出NVIDIA GPU系统的复杂性和高能耗。

硬件复杂性：35,000个零件展示了NVIDIA GPU系统的高度复杂性，这不仅仅是一个单一的芯片，而是一个涵盖多种组件和技术的完整系统。这样的复杂性进一步说明了NVIDIA在AI计算中的精细化设计和对性能优化的极致追求。

重量和功耗：80磅和10,000安培的规格强调了NVIDIA系统的高性能和高能耗。随着计算需求的增加，特别是在AI领域，大规模的数据处理和计算需要更强大的硬件支持。NVIDIA通过大功率、高性能的系统设计，为数据中心和企业提供了满足其算力需求的基础设施。

未来趋势：随着AI计算能力需求的增加，这些数字可能在未来继续增长。这也表明未来数据中心的设计将不得不进一步优化能效，以处理更大规模的计算任务。

2. 3亿GeForce用户

黄仁勋提到NVIDIA的GeForce GPU用户已达到3亿，并且该数字仍在快速增长。这一数字反映了NVIDIA在全球游戏市场的巨大用户基础和影响力。

游戏市场的基础：3亿用户展示了NVIDIA在消费级市场中的主导地位，特别是在PC游戏领域。GeForce作为NVIDIA的核心产品之一，推动了全球游戏市场的发展，并为其在图形计算和AI加速计算领域的持续创新奠定了坚实的用户基础。

用户增长潜力：尽管GeForce主要面向游戏市场，但其GPU技术在其他领域（如图像处理、视频编辑、AI推理）中也得到了广泛应用。未来，随着AI和图形技术在其他行业的渗透，这一用户数字有望进一步增加。

市场多样化：3亿用户不仅反映了NVIDIA在游戏市场的成功，也展示了其技术在多个行业的潜在扩展。特别是在AI加速计算中，GeForce用户可以成为NVIDIA其他AI相关产品的潜在市场。

3. 20倍加速

黄仁勋提到，NVIDIA的加速计算技术能够使数据处理任务实现20倍加速，特别是对于使用Spark等数据处理引擎的任务。

性能提升：20倍的加速性能直接展示了NVIDIA加速计算技术的卓越能力。在大数据处理和AI推理任务中，计算速度是决定整体效率的关键因素。通过将一部分计算任务卸载到NVIDIA的GPU上，企业可以大幅缩短数据处理时间，提升业务效率。

成本效益：尽管NVIDIA的GPU会增加计算成本，但20倍的加速效果可以使总体运行时间大幅减少，从而显著降低总拥有成本（TCO）。这种成本效益是吸引企业采用NVIDIA加速计算的主要动力。

数据处理的广泛应用：Spark作为目前最常用的数据处理引擎之一，广泛应用于各种数据密集型行业。NVIDIA的加速计算技术使得这些行业能够在同样的时间内处理更多数据，提升决策效率和数据驱动的创新能力。

4. 30倍推理加速

在提到NVIDIA新一代Blackwell架构时，黄仁勋指出，与前代Hopper架构相比，Blackwell的推理速度提升了30倍。

AI推理的重要性：AI推理是AI模型在实际应用中的关键环节。模型训练之后，推理阶段需要迅速处理输入数据并生成输出。30倍的推理加速意味着AI应用程序的响应速度大幅提高，特别是在自动驾驶、实时数据分析等对时间敏感的领域中，NVIDIA的Blackwell架构将提供显著的性能优势。

产业应用扩展：30倍的加速性能将推动AI推理在更多行业中的应用，包括智能制造、金融实时风控、自动驾驶和智能城市等。NVIDIA的硬件创新为这些行业的AI应用提供了强有力的基础支持。

节能与性能优化：除了速度的提升，NVIDIA在能效方面也进行了优化。30倍的加速不仅意味着速度上的提升，还意味着在相同能耗下，能够实现更高的计算能力。这种性能与能效的平衡是未来高性能计算发展的重要方向。

5. 100倍数字员工

黄仁勋在演讲中提到，NVIDIA公司拥有32,000名员工，而未来他们希望每个员工能够“拥有”100倍的数字化员工，即利用AI技术帮助他们工作。

AI生产力工具的规模化：这一数字反映出NVIDIA对未来AI协作工具的期望。通过生成式AI和自动化工具，NVIDIA的员工将能够通过AI助手完成更多任务，显著提高生产力。100倍的“数字员工”意味着AI在未来企业中的角色将不再仅限于辅助工具，而是成为主动解决问题的协作伙伴。

技术革命的深远影响：AI生产力工具的普及不仅限于NVIDIA内部，这一趋势将影响全球各行各业。特别是在软件开发、设计、数据分析等领域，AI工具的应用将显著提升员工效率，减少重复性工作，并释放更多创造力。

数字员工的扩展应用：AI驱动的数字员工不仅局限于技术公司，也将在制造、服务、金融等行业中得到广泛应用。未来企业的竞争力将取决于其数字化转型的深度和AI工具的应用广度。

6. 3倍收入提升

黄仁勋提到，通过Blackwell架构的高性能和高能效，数据中心可以在相同功耗下实现3倍的收入提升。

效益驱动的技术升级：3倍收入提升直接反映了NVIDIA加速计算技术在商业化中的巨大潜力。通过更高效的计算能力，企业可以在相同的硬件投资和能耗下处理更多的数据任务，从而提升整体收入。这对于电力有限、成本敏感的数据中心来说，具有极大的吸引力。

大规模计算与收入增长的关系：在现代数据密集型产业（如云计算、AI推理、金融数据处理）中，计算能力的提升往往直接影响收入表现。NVIDIA的技术不仅提升了硬件性能，还为企业带来了实实在在的收入增长机会。

行业变革的催化剂：随着NVIDIA加速计算技术的广泛应用，越来越多的企业将通过升级数据中心基础设施来提升其收入能力。这一趋势将在未来数年内引发全球数据中心行业的重大变革。

黄仁勋讲话中的关键数字反映了NVIDIA在AI加速计算领域的技术突破以及其对产业发展的深远影响。从35,000个零件的复杂硬件设计，到20倍加速和30倍推理加速的性能提升，再到通过Blackwell系统实现3倍收入增长的商业化前景，这些数字展示了NVIDIA在推动全球AI产业变革中的核心角色。NVIDIA不仅通过硬件创新引领技术发展，还通过其广泛的生态系统和高效的计算架构推动了全行业的数字化转型。这些数字也表明，未来AI产业将以更高的速度、更强的计算能力和更广泛的应用场景，进入一个新的发展阶段。

概括来讲，主要讲了以下观点：

在2024年9月11日的高盛 Communacopia + 技术会议上，NVIDIA（纳斯达克股票代码：NVDA）总裁兼首席执行官黄仁勋分享了许多关于NVIDIA的战略愿景、技术演变以及对未来的展望。以下是对关键内容的深度分析和洞察总结：

1. NVIDIA的技术演变和愿景

黄仁勋回顾了NVIDIA从成立到如今的发展历程。NVIDIA从一家以游戏为中心的GPU公司，逐步转型为一家加速计算的全球领军企业，特别是在数据中心和AI领域的贡献显著。黄仁勋强调，他们早期预见到通用计算存在的局限性，进而开发了一种全新的加速计算形式。NVIDIA的架构通过CUDA等技术，实现了硬件与软件的兼容性，这使得过去开发的软件能够在新的硬件平台上继续加速运行。NVIDIA的成功不仅是芯片的创新，更是整个生态系统的构建，尤其是软件开发者投资的保护。

2. AI的核心价值和市场扩展

黄仁勋特别提到，AI不仅仅是一颗芯片，而是一个完整的基础设施。NVIDIA在AI领域的领导地位并不是通过单一的硬件取得的，而是通过涵盖多种芯片的整个系统来实现的。NVIDIA推出的Blackwell系统就是一个典型的例子，它由多个芯片组成，旨在为各类AI工作负载提供加速支持。通过将AI加速应用于图像处理、数据处理、推荐系统等领域，NVIDIA的技术显著提高了计算效率，降低了能耗，使企业能够在同样的功率消耗下获得更高的收入回报。

3. 数据中心市场的机遇

黄仁勋预测，未来十年全球价值万亿美元的通用数据中心将进行现代化改造，并逐步转向加速计算。由于摩尔定律的终结，传统CPU计算能力的提升已无法满足当前数据处理的需求，因此加速计算将成为数据中心升级的核心动力。他指出，NVIDIA的Blackwell系统将显著提高数据中心的性能密度，并且通过液冷技术优化能效，将帮助企业在同样的物理空间内实现更高的计算能力。

4. 生成式AI带来的革命

生成式AI是黄仁勋特别强调的技术趋势之一。NVIDIA通过生成式AI的应用，实现了从大规模数据处理到文本生成、图像生成等多领域的应用扩展。他指出，生成式AI不仅是一个工具，更是一种新兴的技能，能够显著提高生产力。例如，NVIDIA的工程师已经在日常开发中使用代码生成器来提高工作效率，这标志着人类与数字化工程师的协作时代已经到来。

5. 竞争优势和护城河

黄仁勋强调了NVIDIA在AI领域的竞争护城河。他指出，NVIDIA不仅仅是一个硬件供应商，而是通过软硬件的紧密结合和跨行业的生态系统建设，形成了难以撼动的市场优势。通过提供通用架构，NVIDIA确保了客户在不同平台上可以无缝运行相同的软件，从而大大简化了AI应用的部署和扩展。此外，NVIDIA的算法优化和性能提升，使其在各个行业中的应用更加广泛。

6. 供应链管理和风险应对

在面对亚洲供应链，特别是台湾地区的地缘政治风险时，黄仁勋表示，NVIDIA在供应链的多样性和冗余性方面做了充分的准备，以确保在极端情况下可以迅速调整生产。他还强调，台积电作为世界上最顶尖的晶圆代工厂，其敏捷性和规模化生产能力对NVIDIA的成功至关重要。

7. 未来挑战和责任

黄仁勋坦诚，NVIDIA如今肩负着巨大的责任，因为全球各大数据中心和AI公司都依赖于NVIDIA的技术来维持其竞争力。随着市场需求的快速增长，NVIDIA面临着如何有效交付其产品和技术的压力。他特别提到，未来Blackwell系统的全面量产将是公司当前的关键任务，尽管面临巨大的市场压力，但他相信NVIDIA能够继续引领下一个计算时代。

NVIDIA通过不断的技术创新、生态系统建设以及全球化供应链管理，已在AI和加速计算领域建立了难以撼动的领导地位。黄仁勋对未来十年数据中心的转型、生成式AI的崛起以及NVIDIA在不同市场中的持续扩展表达了高度的信心。同时，他也认识到NVIDIA在满足全球需求、保持创新步伐方面面临的挑战。在未来，NVIDIA将继续通过技术优化和架构兼容性，为全球企业带来更高的性能和价值。

几个核心问题：

第一，关于GPU对于CPU的长期替代

NVIDIA创始人兼CEO黄仁勋谈到了GPU如何在许多情况下替代CPU，并提升计算效率。他主要提到以下几点：

1）通用计算的瓶颈：黄仁勋指出，传统的通用计算（主要依赖CPU）已经遇到性能瓶颈，尤其是随着摩尔定律的终结，CPU的性能不再像过去那样能快速提升。CPU的性能增长放缓，使得通用数据中心的计算效率受限，出现了所谓的“计算通胀”现象。

2）加速计算的必要性：由于CPU在处理复杂的任务（如图形处理、物理模拟、数据处理等）时效率较低，NVIDIA的GPU通过加速计算解决了这一问题。例如，某些应用中仅5%至10%的代码占用了99%以上的运行时间，而通过将这部分代码交给GPU来加速处理，应用程序的运行速度可以提高100倍，甚至更多。

3）具体加速场景：NVIDIA的GPU在诸如SQL处理、数据处理、推荐系统、图像处理等应用中可以显著加速。例如，黄仁勋提到，使用Spark（世界上使用最广泛的数据处理引擎之一）进行数据处理时，通过GPU加速，计算时间可以缩短20倍，同时成本可能只增加一倍，这相当于带来了10倍的效率提升。

4）GPU的长期优势：NVIDIA不仅仅提供硬件，还开发了诸如CUDA等广泛的开发工具和软件库，使得GPU在不同应用领域都能充分发挥其加速计算的能力。GPU的架构与软件生态的结合，确保了GPU可以替代并扩展传统CPU的功能，从而提供更高的计算能力和效率。

黄仁勋强调，虽然CPU在处理通用任务时仍然有用，但随着计算需求的增加，GPU正在成为许多高性能计算任务的首选，加速了传统依赖CPU的数据中心的现代化转型。

第二，关于当前AI投资的ROI问题

黄仁勋就客户的投资回报率（ROI）问题做了详细的阐述，并与PC和云计算的早期发展阶段做了比较。

1、早期阶段（虚拟化和云计算）：

虚拟化的ROI：黄仁勋回顾了在云计算之前的虚拟化阶段，虚拟化通过将硬件资源抽象化，允许多个工作负载共享同一数据中心的硬件资源，大大提高了利用率，直接带来了约2倍至2.5倍的成本节约。

云计算的ROI：在虚拟化之后，随着云计算的发展，多个公司可以共享同一套云资源，这进一步降低了数据中心的成本。利用率的提高带来了更显著的成本节约。

2、当前阶段（加速计算和生成式AI）：

加速计算的ROI：黄仁勋指出，随着摩尔定律的终结，CPU的性能增长放缓，导致了“计算通胀”。通过NVIDIA的加速计算技术，特别是在数据处理和SQL处理等领域，GPU可以显著缩短计算时间。例如，使用Spark加速时，计算时间可以减少20倍，而计算成本可能仅增加一倍，从而带来10倍的成本节约。因此，NVIDIA的加速计算技术在当前阶段提供了显著的ROI。

生成式AI的ROI：生成式AI的需求巨大，客户通过NVIDIA的基础设施进行训练和优化模型时，每1美元的支出通常可以带来5美元的收入回报。这种巨大的需求推动了基础设施的销售，同时生成式AI的实际应用（如OpenAI的ChatGPT、GitHub Copilot等）也带来了显著的生产力提升。黄仁勋还提到，在NVIDIA公司内部，所有软件工程师都在使用协同生成工具，极大地提高了工作效率，表明生成式AI在推动生产力提升方面的ROI也是非常高的。

3、与早期技术的比较：

黄仁勋表示，与PC和云计算早期的ROI相比，当前加速计算和生成式AI的ROI更为显著。云计算和虚拟化技术通过提高硬件利用率实现了成本节约，而加速计算技术则通过大幅缩短计算时间、降低能耗和提高工作效率，带来了更大的成本优势和回报率。特别是在生成式AI的应用中，客户的投资回报率已经远超以往的技术周期。

黄仁勋认为，当前加速计算和生成式AI的ROI远远高于PC和云计算在相似阶段的ROI，主要原因在于GPU的加速能力带来了显著的效率提升，而生成式AI的广泛应用进一步放大了投资回报。

第三，关于AI产业的发展预期和行业趋势

1. AI加速计算的未来

黄仁勋强调，NVIDIA不仅是硬件制造商，更是AI基础设施的供应商，推动了AI加速计算成为现代计算的核心。他提到，通用计算已不再能满足数据中心和企业对算力的需求，而加速计算将成为未来十年的关键发展方向。

关键影响：

算力需求的激增：随着AI在各行各业的广泛应用，企业对数据处理和算法计算的需求激增。NVIDIA通过其Blackwell系统等产品为数据中心提供加速解决方案，这不仅意味着AI计算能力的提升，更预示着未来AI基础设施的规模化扩展。

硬件与软件的整合：NVIDIA的成功不仅在于芯片本身，更在于其软件生态的强大。这一理念使得开发者能够不断利用过去的技术投入，最大限度地提升计算效率。这种软硬件一体化的趋势将成为未来AI产业的主要发展方向。

行业趋势演进：

加速计算将主导未来AI基础设施：NVIDIA通过加速计算技术解决了通用计算在面对海量数据（维权）处理时的瓶颈，预示着未来数据中心将更多地采用加速计算架构。

AI加速进入全行业应用：从游戏图像处理到自动驾驶、机器人和生物科技，AI加速计算的应用领域正在不断扩展，NVIDIA将成为跨行业AI基础设施的核心供应商。

2. 生成式AI的应用前景

黄仁勋特别提到，生成式AI已经不仅仅是一种工具，而是一种新型的技能，正在以惊人的速度渗透到多个行业。他将生成式AI的突破与AI计算能力提升紧密相连，这种AI技术能够生成文本、图像，甚至跨越多个数据领域进行知识转化。

关键影响：

生产力革命：生成式AI技术显著提升了各行业的生产力，尤其是在编程、设计、创意内容生成等领域。NVIDIA的技术支持使得企业能够大规模部署生成式AI工具，创造出更高的工作效率。

多领域突破：生成式AI不再局限于语言模型，其应用已经扩展到生物医药、化学、金融等多个领域。这种跨领域的AI应用将引领全行业的技术创新，并催生新的商业模式。

行业趋势演进：

AI技能化：行业数字化升级的下一个阶段：黄仁勋的演讲反映出AI技能化的趋势，意味着未来企业将越来越依赖AI来完成复杂任务，从而优化人力资源配置。这种趋势将极大地推动AI技术的商业化应用。

跨领域数据整合与知识转化：NVIDIA强调的生成式AI技术不仅是对数据的处理，还涉及知识的理解与转化，预示着未来各行业将利用AI更深入地挖掘和应用数据，创造新的商业价值。

3. 数据中心现代化：从通用计算到加速计算

黄仁勋在讲话中详细讨论了全球数据中心的演变。他指出，传统通用计算的数据中心已不再适应当今AI和大数据时代的需求，而加速计算将引领数据中心的现代化升级。

关键影响：

数据中心的密集化与液冷技术的应用：通过加速计算技术，NVIDIA不仅提升了数据中心的计算能力，还显著提高了能效，使得数据中心能够在更小的物理空间内处理更多数据。这种高密度计算架构和液冷技术将成为未来数据中心的主流解决方案。

全球数据中心的加速转型：黄仁勋预测，全球通用数据中心的现代化改造将在未来十年内成为趋势，这种趋势将引领AI算力基础设施的建设浪潮。通过NVIDIA的技术支持，企业将大幅提升其计算效率，满足日益增长的算力需求。

行业趋势演进：

从通用计算到加速计算：数据中心的演变：未来数据中心将越来越依赖加速计算，以满足不断增加的AI、云计算和大数据处理需求。NVIDIA的产品和技术将成为全球数据中心升级的核心推动力。

能效优化与高密度计算成为关键：在追求更高计算效率的同时，数据中心的能效优化将成为另一个焦点。NVIDIA通过其液冷技术和高密度计算架构，为未来的数据中心提供了可持续发展的路径。

4. 全球供应链与地缘政治风险管理

在谈到供应链时，黄仁勋明确表示，NVIDIA在亚洲特别是台湾的供应链布局已经做好了多样性和冗余性的准备，以应对可能的地缘政治风险。

关键影响：

供应链的多样化和冗余设计：面对全球供应链的复杂性和潜在的地缘政治风险，NVIDIA通过在不同地区的供应链布局，确保即使某一地区出现风险，其全球生产仍能够稳定运行。

台积电的重要性：NVIDIA与台积电的紧密合作关系反映了台积电作为全球领先晶圆代工厂的不可替代性。黄仁勋强调了台积电的敏捷性和大规模生产能力，这对NVIDIA应对快速增长的市场需求至关重要。

行业趋势演进：

全球供应链的分散化与风险管理成为焦点：AI技术的全球扩展需要一个稳定的供应链体系，NVIDIA通过多样化供应链和冗余设计，在面对潜在的地缘政治风险时仍能保持技术和产品的稳定供应。

台湾地区在全球半导体供应链中的关键角色：台积电作为全球最先进的晶圆代工厂，其在AI芯片生产中的关键角色将继续加强，推动全球AI产业的持续发展。

5. NVIDIA的核心竞争力与市场定位

黄仁勋在谈及NVIDIA的竞争力时，特别强调了NVIDIA在算法、软硬件结合以及广泛的生态系统建设中的独特优势。NVIDIA不仅仅是一家硬件公司，更是通过一整套解决方案推动了AI和加速计算产业的发展。

关键影响：

生态系统的优势：NVIDIA通过与全球主要云服务提供商和数据中心的合作，构建了庞大的软件和硬件生态系统。黄仁勋指出，NVIDIA的架构兼容性和大规模安装基础确保了客户能够无缝迁移和升级其应用。

算法与技术的领先地位：黄仁勋强调，NVIDIA在算法优化、计算加速和软硬件整合方面的技术能力，使其在AI计算市场中处于领导地位。这种竞争优势使得NVIDIA能够迅速应对市场变化，并继续推动技术创新。

行业趋势演进：

AI产业中的“赢者通吃”格局：NVIDIA通过其庞大的生态系统和持续的技术创新，形成了AI产业中的“赢者通吃”局面。未来，具有类似生态系统和技术整合能力的公司将在AI领域占据主导地位。

软硬件一体化是未来技术竞争的关键：NVIDIA通过软硬件结合、生态系统建设和算法优化，展示了未来技术竞争的趋势。这种全方位的解决方案将成为AI产业持续增长的重要驱动力。

黄仁勋的讲话不仅展示了NVIDIA在AI加速计算领域的领导地位，还反映出AI产业在技术、市场和供应链方面的深刻演变趋势。随着生成式AI的快速发展、数据中心的现代化转型，以及NVIDIA在全球供应链中的战略布局，AI产业将在未来数年内继续高速扩展。NVIDIA通过软硬件结合、生态系统建设和持续创新，巩固了其在全球AI产业中的领导地位，并推动了整个行业的快速演进。

第四，关于blackwell的量产

黄仁勋表示NVIDIA 的 Blackwell 系统已进入全面生产阶段，并计划在2024年第四季度发货。黄仁勋还提到，Blackwell系统将在第四季度开始规模化扩展，并且这一扩展过程将持续到明年（2025年）。他强调市场对Blackwell的需求非常大，企业客户希望尽早获取和大规模部署这一新一代的AI加速计算系统。

海量资讯、精准解读，尽在新浪财经APP