老牛的子夜沉思 黄仁勋CES问答把底牌摊开：机器人临界点逼近，下一座金矿叫物理AI工厂CES主舞台的那件皮衣，表面是个人标识，实质是一种产业宣言：英伟达已经把未来几年最核心的增量，押在一条从大模型走向现实世界的路线图上。主题演讲之后的密集问答里，他反复用同一个词来组织叙事——临界点。这个词的威力在于，它把长期投入与突然爆发连接起来：很多技术看起来“永远差一点”，真正可怕的地方在于，一旦跨过那条线，商业化就会从缓慢试探变成系统性扩散。他对机器人行业的判断，抓住了一个极其“工程化”的类比：计算机并不在意自己生成的是什么，只是在生成数字。语言的token是数字，视频帧的token也是数字，方向盘的转角、手指的抓握动作同样可以被编码成数字。当生成式视频已经能稳定理解并生成复杂动作时，驱动机器人完成动作的生成模型，在底层能力上已经非常接近成熟。换句话说，机器人离所谓的ChatGPT时刻更近了，难点从“有没有可能”转向“怎样把它做成可靠产品”，从研究问题转向工程问题。黄仁勋给出的时间窗口很明确：未来两三年会看到重大突破，这个表述相当克制，却足够让产业链与资本市场重新定价。他进一步解释了为什么机器人迟迟难以大规模落地：门槛不在硬件本体，更多在软件复杂度与定制成本。传统机器人像“手写代码的工厂流程”，每一条产线、每一种动作、每一次改造都要付出昂贵的工程成本。物理AI的意义在于让机器人更容易被教会，用演示与数据替代大量人工编程，让学习曲线从陡峭变得可复制。一旦“教会”的成本下降，工厂对机器人的需求会被重新释放，因为工厂本身就是一套机器人系统，协调无数子系统去生产另一套系统，自动驾驶汽车同样可以被视作在现实世界运行的机器人。在算力这一侧，黄仁勋用“AI工厂”重新定义数据中心：别再把它当超级计算机，要把它当生产token的产能机器。围绕这台机器，企业真正关心的只有三件事：训练速度、token成本、整体吞吐。Rubin平台被他描述成一次“系统级协同设计”的跃迁：训练效率相对上一代提升4倍，意味着四个月的训练压到一个月，或用更少GPU在同一时间完成同样训练；token生成成本下降10倍，带来应用扩张的二次加速度；整座AI工厂的吞吐提升10倍，而晶体管数量只增加约1.7倍，这强调的不是单点爆发，而是从CPU、GPU、互联、交换、网卡到软件栈的整体重构。听起来像参数游戏，实质是商业模型的改写：当token成本持续下行，需求会从少数大客户外溢到更多行业与场景，算力的边界会被不断推远。所有这些宏大叙事最终都会撞上一堵墙：能源。黄仁勋的态度几乎带着工业史视角——每一轮工业革命都会被能源约束，这一次也一样。电力容量决定AI工厂的上限，在固定功率下谁能产出更多token谁就更强，所以能效提升会变成长期竞赛。他把从Hopper到Blackwell的能效提升、再到Blackwell到Rubin的继续跃迁，放在同一条逻辑链上：电永远存在，电永远不够，优化永远有价值。这个说法等于把行业未来的竞争，从“谁买得到更多GPU”推进到“谁能拿到更多电、谁能把电变成更多有效产出”。在更细的供给链问题上，他承认HBM存储瓶颈很严峻，但强调英伟达与三家主要HBM供应商都有深度合作，且双方互为客户与供应商，前期规划让整体局面可控。另一个引发关注的话题是Groq相关团队，他的说法更像“人才与技术的组合式交易”：英伟达吸收了其数百名工程师，同时获得部分技术授权，目标指向低时延token生成的优化，并试图与英伟达既有的训练与推理能力拼接出新的产品类别。这种表述的潜台词是，推理侧的竞争正在从“能跑”转向“更快、更省、更低延迟”，用户体验会开始成为可量化的差异点。关于中国市场，他的回答很谨慎，却也足够现实：他并未宣称与监管方直接沟通，而是强调“态度会通过企业需求反映出来”，只要企业能买，需求就会很强。他认为H200目前仍有竞争力，但这种优势不会永远存在，所以英伟达需要持续推出具竞争力的新产品，同时监管也要与时俱进，静态规则会伤害市场竞争力。这里的核心并非简单的市场表态，而是把竞争放在更长周期里看：本土替代与全球供应链的拉扯，会逼着技术迭代更快，产品节奏更密，生态绑定更深。谈到马斯克与自动驾驶，他的态度出人意料地正面。他承认特斯拉拥有全球最先进的自动驾驶技术栈之一，并且大概率已经在使用端到端AI；他也认同“前99%很难，最后那一点长尾更难”的判断。在路线分歧上，他强调英伟达同样以视觉为核心，只是额外配置雷达与激光雷达，整体架构并未呈现“两个世界”的割裂。更“放飞”的部分来自太空算力设想：技术上可行，太阳能充足、散热条件不同，挑战会落在供电与散热系统的全新工程设计，芯片本体反而可能保持一致。这段回答的价值在于提示一个趋势：当能源与空间成为新的约束条件时，算力的形态会被迫创新，AI工厂的边界可能被推到地球之外。最后回到护城河，他把答案落在“开放”。英伟达与几乎所有主流AI公司保持合作，从模型公司到行业客户都在同一张网络里，这种跨阵营的兼容与连接，是平台型公司的强防御性资产。走向封闭确实可能在短期攫取更多价值链利润，却会削弱与各方协同的能力，进而破坏生态扩张的速度。甚至在“亿万富翁税”这种高度敏感的话题上，他也保持一种近乎工程师式的冷处理：人才在哪里，公司就在哪里，税收政策若要收就收，他不把它当产业生死线来讨论。冷静的背后，是对核心变量的坚定排序：技术临界点、能效与生态，才是决定胜负的三条主线。
