Jensen Huang – Will Nvidia’s moat persist?
TL;DR
Jensen 系统反驳”Nvidia 护城河 = 供应链锁定 + CUDA 锁定”的简化论：他认为护城河是把”electrons → tokens”全栈 co-design 做透。全场最值得记的一句话：“Anthropic 是 unique instance, not a trend——没有 Anthropic，TPU/Trainium 增长是零。” 后半段与主持人就对华售芯激烈交锋（37 分钟），Jensen 全程进攻”绝对化思维”，主张限制反而加速对手生态成型。
术语速查
给金融受众用的，访谈中出现的半导体/AI 术语。
| 术语 | 简释 |
|---|---|
| CoWoS | TSMC 的 2.5D 先进封装技术，把 GPU die 和 HBM 内存堆在一片基板上。一度是 AI 芯片最大瓶颈 |
| HBM | High Bandwidth Memory，专门给 GPU 用的高带宽内存，主要供应商 SK Hynix、Micron、Samsung |
| N3 / N7 / N2 | TSMC 的工艺节点（3nm/7nm/2nm），数字越小越先进 |
| EUV | 极紫外光刻机，由 ASML 垄断；造 5nm 以下芯片必需，已被禁运中国 |
| TPU | Google 自研的 AI 专用芯片（ASIC 类型），Gemini/Claude 部分训练在上面 |
| Trainium | AWS 自研的 AI 训练 ASIC，Anthropic 部分用 |
| ASIC | Application-Specific IC，针对特定任务的专用芯片，非通用 |
| CUDA | Nvidia 的 GPU 编程平台和软件生态，护城河核心 |
| NVLink / NVL72 | Nvidia 的 GPU 互联技术 / 把 72 张 GPU 连成一个超大计算单元的机柜 |
| Hopper / Blackwell / Vera Rubin / Feynman | Nvidia 一年一代的 GPU 架构：H100 (2023) → B200 (2024) → 今年 → 明年 → 后年 |
| MoE / SSM | Mixture of Experts（稀疏激活的大模型架构）/ State-Space Model（替代 Transformer 的新架构候选） |
| TTFT | Time To First Token，推理时第一个输出 token 的延迟，决定交互体验 |
| KV cache | 推理时把已计算的注意力中间结果缓存下来，避免重复计算 |
| silicon photonics | 用光（而非电）在芯片间传数据，长距离低损耗，Nvidia 多年提前布局 |
| hyperscaler | 超大规模云服务商：Google/AWS/Azure/OCI/Meta |
| neocloud | 新一代纯 GPU 云：CoreWeave、Crusoe、Lambda、Nscale、Nebius，被 Nvidia 扶持 |
| ASP | Average Selling Price，平均售价 |
| TCO | Total Cost of Ownership，总拥有成本（含电力、维护等） |
全篇主线
Dwarkesh 提了五个互相关联的”质疑”：(1) Nvidia 护城河是不是只有供应链锁定？(2) TPU 会不会破护城河？(3) Nvidia 现金流这么大，为什么不自己当云？(4) 该不该卖芯片给中国？(5) 为什么不并行多种芯片架构？Jensen 的统一回答框架是「electrons-to-tokens 全栈 co-design」+「do as much as needed, as little as possible」哲学。整场最热闹的是第 4 段——Jensen 把”边际算力都是危险的”这套限制论比作”扼杀美国电信业重演”，反而强调中国已远超威胁阈值，限制只会加速对手生态。
1. 供应链锁定是 Nvidia 的护城河吗？ [00:00–16:25]
核心论点：护城河不是采购合同，而是 Nvidia 能把”电子转换成有价值 token”全链路 co-design 这件极难的事做透——别人复制不了。
Dwarkesh 抛出一个”幼稚版本”假设：Nvidia 只是把 GDS2 文件发给 TSMC，TSMC 造逻辑芯片，SK Hynix/Micron/Samsung 供 HBM，台湾 ODM 装机柜——所以 Nvidia 本质是软件公司，软件被商品化时 Nvidia 也会被商品化。Jensen 反驳的核心：「终归要有人把电子转换成 token」，这件事不可能被商品化——背后的工艺、工程、科学远未成熟。他还提出反向论点——软件商品化反而推动工具使用爆炸：当 agent 数量指数级增长，Excel/Cadence/Synopsys 这些工具的实例数也会跟着暴涨，软件公司不会被消灭。
关于供应链 lock-in 的具体机制：财报里**$100B** 显式采购承诺只是一部分，更大量是隐式——Jensen 跟 TSMC、Micron、ASML 等上游 CEO 做”informing/inspiring/aligning”，让他们基于 Nvidia 的下游需求规模做投资。“为什么他们愿意为我投而不为别人投？因为只有 Nvidia 有承接得下的下游需求”。SemiAnalysis 估这部分总规模到 $250B。
“GTC 演讲里有一段几乎像教学——那其实是在做整个 supply chain 的 alignment。”
谈到现在 Nvidia 已经吃掉 TSMC N3 节点 60%、明年 86%，怎么继续 2x。Jensen 列了 4 步逻辑：
- 当前瞬时需求 > 总供给是产业好状态，反例（供给过剩）才糟
- 局部缺口产业会”swarm”。两年前 CoWoS 是大问题，Nvidia 连续翻倍后现在已不是瓶颈，HBM 同理
- 5 年前他说的话现在都在兑现——早期信他的（如 Micron 的 Sanjay）赚翻了
- 真正的瓶颈不是芯片，是基建——能源、水管工、电工。“反工业化倾向（能源政策卡 EV/机器人/AI factory 建设）才是结构性问题”
关键数字
- $100B 显式采购承诺，SemiAnalysis 估总 $250B（[04:26]）
- 收入每年 2x，flops 每年 3x+（[08:32]）
- AI 占 TSMC N3 节点：今年 60%，明年 86%（来源：SemiAnalysis）（[09:00]）
- Hopper → Blackwell 能效跃迁 30-50x（首发说 35x，Dylan Patel 称 sandbag，实际 50x）（[15:12]）
- 供应链瓶颈 timeline：每个具体瓶颈 2-3 年就能解决（[15:04]）
2. TPU 会不会破护城河？ [16:25–41:06]
核心论点：TPU 是 ASIC、Nvidia 卖的是 accelerated computing；可编程性 + CUDA + 跨云安装基数让 Nvidia 能跨多次算法革命持续兑现 30-50x 代际跃迁，而 ASIC 受 Moore’s Law 限制每年只能 25%。
Dwarkesh 起手提示：top 3 模型有 2 个（Claude、Gemini）训练在 TPU 上，潜台词是 Nvidia 不可替代性受质疑。Jensen 的区分很硬：TPU 是 systolic array，只擅长 matmul；Nvidia 卖的是全用途加速计算，从分子动力学、量子色动力学、流体、粒子物理，到结构化数据处理，再到 AI——AI 只是其中一项。架构层面：TPU/Trainium 是 self-operated 的 ASIC（要自己当 operator），Nvidia 系统是让别人能 operate的——所以遍布 Google/AWS/Azure/OCI/on-prem，xAI、Lilly 制药超算都能直接用。
关于”matmul 才是 AI 主体，TPU 理论更优”——Jensen 列的反例：新 attention 机制、SSM、diffusion-AR 混合都需要可编程架构。Moore’s Law 25%/年是上限，Nvidia 30-50x 的代际跃迁靠的是算法-硬件 co-design：MoE 并行化、CUDA kernel 重写、把计算下放到 NVLink/Spectrum-X fabric。“没 CUDA 就根本无法 co-design”。
关于”hyperscaler 自己能写 kernel，CUDA 还重要吗”：Jensen 的回答跳出了”performance”维度——CUDA 真正价值是 install base：开发者写一次，几亿张 GPU 上都能跑（A10/A100/H100/H200/L 系/P 系），还能跨云。Nvidia 派工程师驻场每个 frontier lab，模型加速 2x 直接 = 客户收入翻倍。
“CPU 是 Cadillac，谁都开 100 mph。GPU 是 F1——懂的人能再榨 2-3x。”
谈到 benchmark 透明度，Jensen 直接 cue Dylan Patel 的 InferenceMAX 公开摆着，TPU/Trainium 都不来；MLPerf 同理。“他们口口声声 40% 优势，但拒绝公开 benchmark 验证”。
谈到 Anthropic 用 TPU——Jensen 强调”Anthropic 是 unique instance, not a trend”。“没有 Anthropic，TPU/Trainium 增长是零”。OpenAI 跟 AMD 合作 + 自研 Titan 加速器，“绝大部分仍是 Nvidia”。
最后他给了一段坦诚的认错：当年 Anthropic 来找投资，Nvidia “没那个体量做 multi-billion 投资”——VC 也不可能投 5-10B。“我没深刻理解他们没别的选择” + “I’m not going to make that same mistake again”。这就是为什么现在已投 OpenAI ~$30B、Anthropic $10B。
“你应该选什么架构？最丰富的、安装基数最大的、生态最深的——这个叫 flywheel。”
关键数字
- Nvidia 利润率 ~70%，ASIC（含 Broadcom）~65%——所谓”省钱”省得有限（[38:39]）
- Hopper → Blackwell 能效 35x（首发）→ 50x（实际，Dylan Patel 实测）（[22:23]、[44:42]）
- 投资规模：OpenAI ~$30B，Anthropic $10B（[41:15]）
- 全球累计 Nvidia GPU：数亿块，覆盖每个 cloud（[28:02]）
- 60% 收入来自 top 5 hyperscaler，但这部分算力多数租给外部客户（[33:27]）
3. 为什么 Nvidia 不当 hyperscaler？ [41:06–57:36]
核心论点：哲学是”do as much as needed, as little as possible”——该做的别人不会做（CUDA、NVLink、cuLitho 这些 20 年的硬骨头），别人能做的让别人做（云不缺玩家）。
Dwarkesh 提议：Nvidia 现金流这么强、又在背刺 CoreWeave $6.3B 担保 + $2B 投资，干嘛不自己当云。Jensen 的回答完全是哲学层面：
“我们做的事，如果不做，没人会做。NVLink、CUDA 20 年（多数年份亏损）、cuLitho（计算光刻）、CUDA-X 各 domain 库——‘如果我们不做，没人会做’。但云有人做，进去只是替代别人。”
为什么不挑赢家？——这是 Jensen 自己讲的最有 humility 的一段。“Nvidia 当年是 60 家 3D 图形公司里最不可能赢的——架构方向’不止有点错，是精确地错’。“这种历史让他选择投资所有 frontier lab而不是赌一个，扶持所有 neocloud（CoreWeave/Nscale/Nebius）让生态存在。
GPU 分配规则——这段他态度很硬，反驳”Nvidia 在切割市场”的提法：先做 forecast，按 PO 顺序 + 数据中心是否就绪分配，绝不按出价拍卖。“我报你一个价就是这个价，需求爆了也是这个价”。Jensen 主动否认”Larry Ellison/Elon Musk 晚餐乞求 GPU”的传闻——晚餐有，“乞求”没有。
跟 TSMC 的关系——他自己抛出来佐证”靠 dependability 而非合同”：30 年合作无法律合同，靠”rough justice”和互信。然后转到 Nvidia 自己的承诺：
“Vera Rubin 今年、Vera Rubin Ultra 明年、Feynman 后年、再后年还有未公布。你要买 $1B AI factory？OK。$100B？OK。一张显卡？OK。”
关键数字
- 投资 CoreWeave：$6.3B 担保 + $2B 直投（[44:03]）
- Nvidia 节奏承诺：每年一代架构，连续到 Feynman 之后（[55:37]）
- Nvidia 跟 TSMC 30 年合作，无法律合同（[55:02]）
4. 该不该卖 AI 芯片给中国？ [57:36–01:35:06]
核心论点（Jensen 一边）：限制只会逼中国构建非美国技术栈；中国 50% 全球 AI 研究者、60% 主流芯片产能、能源充足，已远超威胁阈值，封锁不阻止只加速对手生态成型。
全场 37 分钟，最激烈的辩论。下面分三层拆。
4.1 Dwarkesh 的论点框架
主持人用 Anthropic Mythos 模型作为楔子：这个模型 Anthropic 没公开发布，因为它发现了成千上万跨平台 high-severity 漏洞，包括 OpenBSD 一个存在 27 年的 0-day。Dwarkesh 的逻辑：算力是输入 → 输入决定模型能力上限 → 美国先到 Mythos 级 → 留出修补窗口 → 再放开。中国 7nm + 没 EUV，flops 仅约美国 1/10——这个差距是窗口的来源。“any marginal compute helps”——边际算力都是有害的。Tesla/iPhone 在中国没造成锁定的反例不适用——AI 不一样。
4.2 Jensen 的反击（5 条线）
线 1：中国已远超”威胁阈值”。Mythos 训练用的是”非常普通”算力，中国完全够。中国占全球 AI 研究者 50%、主流芯片产能 60%+、能源过剩到有”鬼数据中心”基建空置。7nm 等于 Hopper，今天大部分模型本来也跑在 Hopper 上。能源充足时不需要 perf/W，可以用 NVL72 式 silicon photonics 把多个 7nm 芯片堆成大集群。算法补硬件——MoE、attention 优化能再榨 10x 性能；“算法是真正的 lever”。
线 2：算力 ≠ 浓缩铀。
“比作 enriched uranium 是 lunacy。芯片是芯片，他们自己能造。微处理器、DRAM 同样的逻辑，但都没禁。”
线 3：限制的真实代价。AI 是 5 层 cake，每层都要赢，最重要的是应用层。限制只让中国构建非美国技术栈——50% 开发者在中国，逼他们用 Huawei 等于把开源生态推过去。中国是全球开源软件最大贡献者、开源模型最大贡献者——一旦下一代 DeepSeek 首发在 Huawei 上而不是 Nvidia 上，“对美国是国家级灾难”。
线 4：电信业前车之鉴。Jensen 反复回到这个比喻——美国对华电信制裁的政策导致美国电信业被赶出全球市场，“我们现在连自己的电信都不掌控”。“Not too late, but it has happened”——已经在 AI 赛道复制电信业的灾难。
线 5：你说话太绝对。
“Speak in absolutes is childish. ‘any marginal compute helps’ 这个论点要求中国 0 算力才成立——但他们不是 0。“
4.3 最后的 crux
Dwarkesh 的最后一击：
“你同时说两件矛盾的事——一边说我们能赢 Huawei 因为 Nvidia 更好；一边说就算我们不卖中国也会做出一样的东西。怎么同时为真？”
Jensen 的回应：
“完全合理。没有更好的选择时，他们用唯一的选择。 Nvidia chip 更好——更易编程、生态更好。当然要卖给他们。这样美国技术领导力才能传播。”
Jensen 留了一个未来核对的画面：
“几年后我们想把美国技术栈推向印度、中东、非洲、东南亚时，你会发现今天这套政策让美国白白让出第二大市场。我们到时候再做这场对话。”
关键数字
- 中国占全球 AI 研究者 ~50%（[59:23]）
- 中国占全球主流芯片产能 60%+（[59:08]）
- 中国是全球科技产业 ~40%（[83:46]）
- 美国数据中心算力是其他任何地区的 100x（Jensen 自述，[75:48]）
- Huawei 910C vs H200：flops/带宽/内存约 1/3 - 1/2（[72:46]）
- 中国 flops 仅约美国 1/10（Dwarkesh 估算，[63:38]）
- Anthropic Mythos：发现成千上万漏洞，OpenBSD 一个 27 年老 0-day
- Huawei 单年出货 数百万颗——Jensen 强调”远超 Anthropic 总量”
5. 为什么不并行多种芯片架构？ [01:35:06–end]
核心论点：能做但模拟器证明都更差所以不做；唯一例外是 Groq——因为 token 价值上升催生了 high-ASP 低吞吐的新 segment。
Dwarkesh 列了候选方案：Cerebras 风格 wafer-scale、Dojo 风格大封装、no-CUDA 实验，Nvidia 资源充足应该并行尝试。Jensen 直答：
“We could. It’s just we don’t have a better idea. We simulate it all in our simulator, proveably worse. So we wouldn’t do it.”
唯一例外是最近 Groq 被纳入 CUDA 生态——这是 Jensen 第一次承认 inference 市场要分层。触发因素是 token 价值上升：以前 token 要么免费要么便宜得无所谓，现在不同客户要不同响应时间。软件工程师拿到极快响应的 token 能更高产，公司愿意为此付高价。所以 Pareto frontier 扩张：从”throughput 越高越好”扩到”throughput 较低但 ASP 更高也成立”。Groq 低延迟特性正好补上这段。
关于”回 N7 用旧节点造廉价 Hopper”——Jensen 说没必要：架构远不止 transistor scale，packaging、numerics、system architecture 都是 R&D 资产，“回去用 7nm 做新设计”R&D 成本无法承受。但他给了反事实承诺：“如果世界从此再无新产能，我会立刻回去用 7nm。”
最后一个反事实问题：没有 AI 的 Nvidia 是什么？Jensen：仍然很大——general-purpose computing 已经走到尽头，唯一出路是 domain-specific acceleration。早期应用：分子动力学、地震处理（油气勘探）、计算光刻、量子化学。“看 GTC 开头那部分，全是非 AI 的”。
全篇数字汇总
| 类别 | 指标 | 数值 | 时间戳 |
|---|---|---|---|
| Nvidia 财务 | 财报采购承诺 | ~$100B | [04:26] |
| Nvidia 财务 | SemiAnalysis 估总采购 | $250B | [04:26] |
| Nvidia 财务 | 利润率 | ~70%（vs ASIC 65%） | [38:39] |
| Nvidia 财务 | 投资 OpenAI | ~$30B | [41:15] |
| Nvidia 财务 | 投资 Anthropic | $10B | [41:15] |
| Nvidia 财务 | 担保 + 投资 CoreWeave | $6.3B + $2B | [44:03] |
| 增长率 | 收入 | 每年 2x | [08:32] |
| 增长率 | flops 供给 | 每年 3x+ | [08:32] |
| 性能跃迁 | Hopper → Blackwell 能效 | 35-50x | [22:23] |
| 性能跃迁 | Moore’s Law 上限 | 25%/年 | [22:00] |
| 性能跃迁 | 算法重构额外贡献 | 10x | [69:39] |
| 产业占比 | AI 占 TSMC N3 节点 | 今年 60%、明年 86% | [09:00] |
| 产业占比 | 中国占全球 AI 研究者 | ~50% | [59:23] |
| 产业占比 | 中国占全球主流芯片产能 | 60%+ | [59:08] |
| 产业占比 | 中国占全球科技产业 | ~40% | [83:46] |
| 产业占比 | 美国数据中心算力 vs 其它地区 | 100x | [75:48] |
| 中美芯片对比 | Huawei 910C vs H200（flops/带宽/内存） | 1/3–1/2 | [72:46] |
| 中美芯片对比 | 中国 flops vs 美国（Dwarkesh 估） | 1/10 | [63:38] |
| 安全 | Anthropic Mythos 发现 OpenBSD 0-day | 存在 27 年 | [58:09] |
人物与机构索引
| 名字 | 角色 / 在访谈中的语境 | 出现章节 |
|---|---|---|
| TSMC | 30 年战略伙伴，无法律合同；CoUPE 共同发明；Nvidia N3 主要客户 | 1, 3 |
| SK Hynix / Micron / Samsung | HBM 三巨头；Sanjay（Micron）5 年前就 all-in HBM | 1 |
| ASML | EUV 唯一供应商，受 Nvidia 通过 TSMC 间接传导需求 | 1 |
| Lumentum / Coherent | silicon photonics 生态，Nvidia 多年前就开始扶持 | 1 |
| Cadence / Synopsys | EDA 工具厂，Jensen 看好（agent 爆炸 → 工具实例数爆炸） | 1 |
| OpenAI | Nvidia 已投 ~$30B；自研 Titan accelerator，但绝大部分仍 Nvidia | 2 |
| Anthropic | Nvidia 当年没投是 Jensen 自认 miss；现在已投 $10B；目前算力主要是 TPU+Trainium | 2, 4 |
| TPU 自研者，Anthropic 投资人；Nvidia 视 TPU 为非威胁 | 2 | |
| AWS | Trainium 自研者，Anthropic 早期投资人 | 2 |
| xAI（Elon） | Nvidia 直接帮其搭超算 | 2 |
| CoreWeave | Nvidia 担保 $6.3B + 投资 $2B 的 neocloud | 3 |
| Crusoe | 访谈赞助商，做集群级 KV cache（10x TTFT、5x 吞吐 vs vLLM） | 2 |
| Nscale / Nebius | Nvidia 扶持的 neocloud | 3 |
| Larry Ellison / Elon Musk | Jensen 否认晚餐”乞求 GPU”传闻 | 3 |
| Huawei | 单年出货数百万颗，“远超 Anthropic 总量” | 4 |
| SMIC | 中国晶圆厂，7nm，无 EUV | 4 |
| DeepSeek / Qwen | 中国开源模型代表 | 4 |
| Dario Amodei | Anthropic CEO，前期访谈持限制对华出口立场，被 Jensen 多次反驳 | 4 |
| Dylan Patel / SemiAnalysis | InferenceMAX 公开 benchmark，被 Jensen 直接 cue | 1, 2 |
| Groq | 最近被纳入 CUDA 生态，补 high-ASP 低延迟 segment | 5 |
| Mellanox | Nvidia 网络业务核心收购，今天反复强调”networking matters” | 5 |
| Sanjay（Micron） | HBM 早期信徒，Jensen 公开点名感谢 | 1 |
争议点 / 我没听清楚的地方
- Dwarkesh 的核心 disagreement：边际算力是输入决定上限——Jensen 反复以”绝对化思维”为由拒绝接受这个 framing，但没有正面回答”如果敌方先到 Mythos 级且立刻部署”的情景
- Anthropic Mythos vs Jensen 论调的张力：Mythos 这种”发现 27 年 0-day”的能力，连 Anthropic 自己都不敢公开发布；Jensen 把它列为”AI 应该做的事”，回避了 timing 风险
- 60% hyperscaler 收入但”绝大部分租给外部”：Jensen 强调的细分数字没有给出具体百分比拆解，值得后续验证
- CUDA 生态护城河 vs hyperscaler 自研栈：Jensen 承认 Anthropic 模型现在 GPU/TPU/Trainium 都跑得起来，分歧只在迁移成本曲线，不是”是否可移植”
后续可追踪
- InferenceMAX（Dylan Patel / SemiAnalysis）公开 benchmark：是否有 TPU/Trainium 提交后续？
- Nvidia 投资全名单：Jensen 说”投所有 frontier lab”——查 13F 里的全名单
- Vera Rubin 实际交付节奏 vs Crusoe “今年内部署” 承诺
- Groq 整合进 CUDA 后实际 perf/$：是否真的扩张了 Pareto frontier
- Anthropic-Google-Broadcom 多 GW TPU 协议金额细节：Jensen 说 Anthropic 是”unique”，但金额规模值得交叉验证
- Huawei 单年出货”数百万颗”：与 SMIC 公开产能数据交叉验证
- AI 占 TSMC N3 60% / 明年 86%（SemiAnalysis）：晶圆厂供给侧硬约束如何兑现
相关笔记
基于共享的人物 / 机构 / 标签自动生成（每次 publish 时刷新）。
- 2026-03-19 - All-In - Jensen Huang - Physical AI, Inference Explosion, AI PR Crisis（重叠 6）— Dario Amodei, Nvidia, Groq, AI, 访谈，… 共 6 项
- 2026-02-20 - TBPN - Palmer Luckey - Why I Started My Own Bank（重叠 2）— 访谈, 金融
- 2026-03-05 - Acquired - Formula 1（重叠 1）— 金融
原始 Transcript
展开查看完整转写
完整 transcript（YouTube 自动字幕，已按段落合并便于阅读）：transcripts/Hrbq66XqtCo.txt