当一个洗碗工坐在60个超人中间指挥一切

阅读提示

• 原视频时长：约2小时26分钟
• 本报告字数：约12000字
• 预计阅读时间：30-40分钟

---

核心观点速览

1. ** NVIDIA不是在卖芯片，是在卖"制造智能的工厂"** —— 计算从"存储仓库"变成了"token工厂"，产出直接关联客户收入
2. ** 四层Scaling Law没有一层到了尽头** —— 预训练→后训练→推理时间→Agent扩展，形成闭环，唯一瓶颈是算力
3. ** Jensen的管理哲学：不做一对一会议、60人直接汇报、永远公开推理** —— 因为公司做的是极限协同设计，私密讨论是设计的敌人
4. ** NVIDIA最大的护城河不是技术，是安装基数和信任** —— CUDA用了十年亏着钱才建起来的生态，现在是几百万开发者的默认选择
5. "我认为我们已经达到了AGI" —— Jensen的定义：能创造一个十亿美元公司（哪怕是昙花一现的），AI今天就能做到
6. ** 智能是一种将被大宗商品化的东西，人性才是超能力** —— "一个洗碗工能坐在60个超人中间指挥一切，这说明什么？"

---

洞察一：极限协同设计——为什么NVIDIA的组织架构就是它的产品

Lex的第一个问题就直指核心：NVIDIA从"做最好的GPU"变成了"极限协同设计GPU、CPU、内存、网络、存储、电力、冷却、软件、机架、数据中心"。这不是一个小变化——这意味着** NVIDIA的竞争单位从"一颗芯片"变成了"一整个AI工厂"。**

Jensen 解释了为什么这是必要的。传统计算是把问题放在一台电脑里加速。但现在的问题太大了——你加了1万台电脑，但你希望它快100万倍。这就触发了** 阿姆达尔定律（Amdahl's Law）**的问题：如果计算只占总工作量的50%，你把计算加速100万倍，总速度也只提升2倍。网络、内存、存储、电力——每一个环节都可能成为瓶颈。

** 所以NVIDIA不是在做一个产品，它是在做一个系统工程问题。** 而Jensen的管理结构直接反映了这一点：他有60多个直接汇报的下属（而且还在增加），几乎全是各个领域的世界级专家——内存专家、CPU专家、光学专家、GPU架构师、算法研究员。

** 他不做一对一会议。** 原因很简单：如果你在做极限协同设计，私密讨论就是设计的敌人。他把问题抛出来，所有人一起攻克。讨论冷却系统的时候，内存专家在听、网络专家在听——因为冷却方案会影响他们的设计空间。

"Whoever wants to tune out, tune out. But if they could have contributed and didn't, I'm going to call them out."（谁想退出就退出。但如果他们本该贡献却没有，我会点名。）

这里有一个极其反直觉的管理洞察：Jensen 设计公司的方式不是"我有这么多人，怎么管"，而是**"我要生产什么产品，公司架构就应该反映产品架构。"** 他说大多数公司的组织架构看起来一样——汉堡公司、软件公司、汽车公司的组织架构居然长一样，这在他看来毫无道理。

---

洞察二：CUDA的赌注——一个差点杀死公司的正确决定

Jensen 把 CUDA on GeForce 称为他职业生涯中"最接近存亡威胁"的战略决策。

故事是这样的：NVIDIA 发明了 CUDA 编程架构，但需要安装基数（install base）才能吸引开发者。当时 GeForce 已经每年卖出数百万块，Jensen 决定把 CUDA 放进每一块 GeForce——不管游戏玩家用不用。

** 问题是：这增加了GPU 50%的成本，而游戏玩家不会为此多付一分钱。** 当时 NVIDIA 是一家35%毛利率的公司，CUDA 的成本几乎吞掉了全部利润。市值从大约70-80亿美元跌到了15亿美元，而且在低谷待了很长时间。

"I always say that NVIDIA is the house that GeForce built, because it was GeForce that took CUDA out to everybody."（我总说NVIDIA是GeForce建造的房子，因为正是GeForce把CUDA带给了所有人。）

那些大学里的研究者、科学家，很多本身就是游戏玩家，他们在GeForce上发现了CUDA，开始用它做计算。这个生态慢慢长大，用了整整十年。然后深度学习革命来了。

** 这个故事的核心教训是什么？** 安装基数定义架构。Jensen 明确说："Install base defines an architecture. Everything else is secondary."（安装基数定义架构。其他一切都是次要的。） 他举了x86的例子——这是一个被无数RISC架构批评为"不够优雅"的设计，但它活了下来，因为它有最大的安装基数。

---

洞察三：四层Scaling Law——AI不会撞墙

这可能是整场对话中信息密度最高的部分。Jensen 描述了AI的四层Scaling Law，并解释了为什么每一层都没有到尽头：

** 第一层：预训练（Pre-training）。** 人们曾经恐慌互联网高质量文本数据即将耗尽。Jensen的回应是：大部分数据将变成合成数据。"Most of the data that we teach each other with is synthetic. It didn't come out of nature. You created it."（我们互相教授的大部分数据都是合成的。它不是从自然界来的。是你创造的。） 数据的瓶颈将不再是数据本身，而是算力——因为合成数据可以无限生成。

** 第二层：后训练（Post-training）。** 通过RLHF等技术精炼模型。

** 第三层：推理时间扩展（Test-time scaling）。** Jensen 对"推理很简单"这个流行观点极其不认同。"Inference is thinking, and I think thinking is hard. Thinking is way harder than reading."（推理是思考，而我认为思考很难。思考比阅读难多了。） 预训练只是记忆和泛化——读书。推理是分解未知问题、规划、搜索、探索——这才是真正的智能，也是真正消耗算力的地方。

** 第四层：Agent扩展（Agentic scaling）。** 一个Agent可以产生子Agent，子Agent再产生子Agent——这就像公司扩张比个人成长快得多。"It's so much easier to scale NVIDIA by hiring more employees than it is to scale myself."（通过招更多员工来扩展NVIDIA，比扩展我自己容易多了。）

这四层形成一个闭环：Agent产生新数据→数据回到预训练→精炼后训练→增强推理→Agent更强→产生更多数据。

** 底线：智能将由一件事决定——算力。** 这就是为什么NVIDIA认为自己的增长是"inevitable"（不可避免的）。

---

洞察四：如何让200家供应商CEO听你的——"信念塑造"的艺术

Jensen描述了一种极其独特的领导方法，他称之为**"shaping belief systems"（塑造信念系统）**。

他不会突然宣布一个大决策。他的方法是：从做出判断的那一天起，就开始在每一次对话中播种这个想法。跟董事会、跟管理团队、跟员工、跟合作伙伴、跟整个行业。等到正式宣布的那天，** 每个人的反应都是"What took you so long?"（你怎么才宣布？）**

"On the day that I announce it, everybody's kind of bought in to many pieces of it."（在我宣布的那天，每个人已经认同了其中的很多部分。）

这不是政治手腕——这是系统工程思维应用于人的管理。就像他设计芯片时要让每个组件协同工作，他管理组织时也要让每个人的"信念系统"逐步对齐。

他把这个方法推广到了整个供应链。他说服DRAM公司在HBM内存还几乎无人使用时就开始投资生产；他说服手机内存公司为超级计算机改造低功耗内存。"And by the time I'm done with them, they know what to do."（等我跟他们谈完，他们知道该做什么了。）

最惊人的细节：当Lex问他是否担心ASML或TSMC的产能瓶颈时，Jensen 简洁地回答了一个字："No." 因为他已经告诉了他们需要什么，他们告诉了他们会做什么，他信任他们会兑现。

---

洞察五：关于中国——"一个建设者的国度"

Jensen 对中国技术生态的分析异常冷静和尊重。他列举了几个关键因素：

1. ** 全球约50%的AI研究者是中国人**
2. 中国的科技产业在移动互联网时代兴起——那是一个软件驱动的时代，而中国拥有极其强大的数学和科学教育基础
3. ** 中国不是一个统一的经济体，而是多个省市互相竞争**——这就是为什么有那么多EV公司、那么多AI公司。内部竞争极其激烈，存活下来的都是极其优秀的
4. 中国的文化是"家庭第一、朋友第二、公司第三"——这意味着** 工程师之间永远在共享知识**。开源对他们来说不是策略选择，而是自然延伸
5. "It's a builder nation."（这是一个建设者的国度。）美国的领导人大多是律师，中国的领导人大多是工程师——因为美国建立在法治之上，中国是从贫困中建设起来的

---

洞察六：TSMC和"没有合同的300亿美元"

Jensen 与 TSMC 合作了三十年，做了数百亿美元的生意——** 没有签过合同。** 这一句话比任何商业案例分析都更能说明"信任"在商业中的真正含义。

他说TSMC最被误解的地方是人们以为它只是技术好。但真正让TSMC无可替代的是三件事：

1. ** 制造系统的动态调度能力** —— 同时服务数百家客户，每家需求都在随时变化，但TSMC始终保持高产出、高良率、准时交货
2. ** 技术卓越与客户服务的罕见双重极致** —— 大多数公司要么技术强、要么服务好，TSMC两者都做到了世界级
3. ** 信任** —— "I trust them to put my company on top of them."（我信任他们，愿意把我的公司建在他们之上。）

Morris Chang（台积电创始人）2013年邀请Jensen 出任TSMC CEO，Jensen 婉拒了——不是因为机会不好，而是他已经看到了NVIDIA将成为什么。

---

洞察七："光速思维"——Jensen的工程哲学

Jensen 分享了一个他用了30年的方法论，叫**"speed of light"（光速）。这不是字面意义上的光速，而是 物理定律允许的极限是什么？**

每一个设计决策——内存速度、计算速度、功耗、成本、时间、人力——都先跟"光速"做对比。不是跟现状对比，不是跟竞争对手对比，而是跟物理极限对比。

他特别反感"持续改进"的思维方式。"I don't like going into a problem and somebody says, 'It takes 74 days to do this today, we can do it for you in 72 days.' I'd rather strip it all back to zero and say, 'First of all, explain to me why 74 days in the first place.'"（我不喜欢有人跟我说"这个现在要74天，我们能帮你做到72天"。我宁愿回到零点问：首先解释一下为什么是74天？）

往往从第一性原理重新思考后，答案可能是6天。然后从74天到6天的对话，比从74天到72天的对话有效得多。

这跟 Elon Musk 的方法论惊人一致——Jensen 也高度赞扬了Elon建造Colossus超级计算机的方式：在现场、质疑一切、去掉不必要的、用亲身行动传递紧迫感。

---

洞察八："我们已经达到了AGI"——但别慌

当Lex问Jensen AGI的时间线时，Jensen说了一句让全场震惊的话："I think it's now. I think we've achieved AGI."（我认为就是现在。我认为我们已经达到了AGI。）

但他马上给了限定条件：如果定义是"能创造一个十亿美元的公司"，那确实可能——一个Agent做出一个小应用，几十亿人用了几个月、每人花50美分，就超过十亿了。互联网时代确实出现过这种公司，而那些网站的技术复杂度不超过今天的 OpenClaw。

** 但100,000个Agent建造出一个NVIDIA的概率？零。**

然后他转向了一个更深刻的话题：人们对工作的焦虑。他举了放射科医生的例子——2019-2020年计算机视觉已经超越人类，所有人都预测放射科医生会消失。结果呢？** 放射科医生的数量增长了。** 因为AI让扫描速度变快→能诊断更多患者→医院赚更多钱→需要更多放射科医生。

"The purpose of a radiologist is to diagnose disease and help patients. The task of reading scans is related, not the same."（放射科医生的目的是诊断疾病和帮助患者。阅读扫描的任务与之相关，但不相同。）

同理，NVIDIA的软件工程师数量将会增长而非减少。他们的目的是解决问题，而不是写代码。

** 关于编程的未来：** Jensen认为"编程"的定义已经变了——现在编程就是写规格说明（specification）。这意味着能编程的人从3000万变成了10亿。"Every carpenter in the future will be a coder, except a carpenter with AI is also an architect."（未来每个木匠都是程序员，只不过有了AI，木匠同时也是建筑师。）

---

洞察九：智能是商品，人性是超能力

整场对话中最有哲学深度的时刻，是Jensen谈到意识和人性。

他承认芯片可能永远不会"感到紧张"。AI可以识别情绪、理解情绪，但不会体验情绪。两台电脑面对同样的输入会产生统计学上不同的输出，但那不是因为它们"感受"不同。

然后他讲了一个让人停下来想很久的话：

"I'm surrounded by 60 people who are all superhuman to me. They're more educated, went to better schools, deeper in every field. And somehow, I'm sitting in the middle orchestrating all 60 of them. You gotta ask yourself, what is it about a dishwasher that allows that dishwasher to sit in the middle of superhumans?"（我身边有60个在各自领域都比我强的超人。他们学历更高、学校更好、专业更深。但不知怎么，我坐在中间指挥他们所有人。你必须问自己：一个洗碗工凭什么能坐在超人中间？）

他的结论是：** 智能（intelligence）即将被大宗商品化。而人性（humanity）——品格、同情心、慷慨、决心、忍受痛苦的能力——这些才是真正的超能力。**

"Intelligence is a word that we've elevated to a very high form over time. The word we should really elevate is humanity."（智能是一个我们长期抬高的词。我们真正应该抬高的词是"人性"。）

---

洞察十：关于死亡——"我希望死在工作岗位上"

Jensen 不做继任计划。不是因为觉得自己不朽，而是因为他把"继任计划"分解成了一个可执行的日常行为：** 每时每刻传递知识。**

"Nothing I learn ever sits on my desk longer than a fraction of a second. Before I even finish learning all of it myself, I'm already pointing it to somebody else."（我学到的任何东西都不会在我桌上停留超过一秒钟。还没等我自己完全学完，我已经在把它指给别人了。）

他希望的结局是：死在工作岗位上，最好是突然的，没有漫长的痛苦。

然后他说了一件浪漫到极点的事情：他要把一个人形机器人送上太空飞船，让它一边飞一边进化。与此同时，他一生中产生的所有数据——邮箱、发言、决策——都在不断训练他的AI分身。等时机到了，把这个意识以光速发送过去，追上机器人。

"You just can't possibly not be romantic about that."（你不可能不对此感到浪漫。）

---

附录

金句收录

1. "Install base defines an architecture. Everything else is secondary." — 安装基数定义架构。其他一切都是次要的。

2. "I don't do one-on-ones. We present a problem and all of us attack it." — 我不做一对一会议。我们提出问题，所有人一起解决。

3. "Inference is thinking, and I think thinking is hard." — 推理是思考，而我认为思考很难。

4. "On the day that I announce it, everybody's saying, 'What took you so long?'" — 在我宣布的那天，所有人都在说"你怎么才宣布？"

5. "Token cost is coming down an order of magnitude every year." — Token成本每年下降一个数量级。

6. "China is a builder nation." — 中国是一个建设者的国度。

7. "We've done hundreds of billions of dollars of business through TSMC, and we don't have a contract." — 我们通过台积电做了数千亿美元的生意，但没有合同。

8. "I'd rather strip it all back to zero and say, explain to me why 74 days in the first place." — 我宁愿回到零点问：首先解释一下为什么是74天？

9. "How hard can it be?" — 能有多难？

10. "I think we've achieved AGI." — 我认为我们已经达到了AGI。

11. "The purpose of a software engineer and the task of coding are related, not the same." — 软件工程师的目的和编码的任务相关，但不相同。

12. "Every carpenter in the future will be a coder, except a carpenter with AI is also an architect." — 未来每个木匠都是程序员，只不过有了AI，木匠同时也是建筑师。

13. "What is it about a dishwasher that allows that dishwasher to sit in the middle of superhumans?" — 一个洗碗工凭什么能坐在超人中间？

14. "Intelligence is a commodity. The word we should really elevate is humanity." — 智能是商品。我们真正应该抬高的词是"人性"。

15. "You just can't possibly not be romantic about that." — 你不可能不对此感到浪漫。

时间线索引

• [00:00] 开场介绍 + 极限协同设计的难点
• [03:18] Jensen如何管理NVIDIA：60人直接汇报、不做一对一、公开推理
• [10:42] CUDA on GeForce的豪赌：市值从80亿跌到15亿
• [22:40] AI四层Scaling Law详解（预训练→后训练→推理→Agent）
• [29:09] 硬件设计如何预判6个月后的AI架构
• [37:40] AI扩展的瓶颈：能源、供应链、内存
• [39:23] 供应链管理：Jensen如何说服200家供应商CEO
• [47:24] 电力问题的解法：利用电网闲置产能
• [52:43] 对Elon建造Colossus的评价
• [56:11] "光速思维"——Jensen的工程哲学
• [01:01:37] 中国的创新密码：人才、竞争、开源、建设者文化
• [01:09:50] TSMC：技术+服务+信任的三重护城河，三十年无合同
• [01:15:04] NVIDIA的护城河：安装基数 × 执行速度 × 生态系统广度
• [01:20:41] AI数据中心上太空：NVIDIA GPU已经在太空中
• [01:24:30] NVIDIA能否值10万亿？从"存储仓库"到"token工厂"的范式转换
• [01:34:39] 压力下的领导力：分解问题→分享负担→忘掉挫折→被未来的光吸引
• [01:48:25] 游戏：Doom是最伟大的游戏，DLSS 5不是AI slop
• [01:55:16] "我认为我们已经达到了AGI" + 放射科医生的故事
• [01:57:29] 编程的未来：从3000万人到10亿人，木匠也是程序员
• [02:11:01] 意识：智能是商品，人性是超能力
• [02:17:22] 死亡：不做继任计划、每秒传递知识、希望死在岗位上