黃仁勳最新專訪（上）：輝達的護城河能否繼續保持？ 

當市場愈來愈多人開始討論，AI 是否會讓軟體全面商品化、進一步壓縮科技公司的估值與利潤空間時，NVIDIA 執行長黃仁勳給出的答案很直接：

真正不容易被商品化的，不只是軟體本身，而是把電子轉化為 token 的整個過程。

在最新專訪中，黃仁勳從 NVIDIA 的供應鏈、CUDA 生態、AI 計算架構、超大規模雲端客戶，到中國市場與美國出口管制，完整說明他如何理解這場 AI 競賽。

(黃仁勳用「五層蛋糕」比喻講解人工智慧演化史)

他的核心論點可以濃縮成一句話：AI 不是單一模型的競爭，也不是單一晶片的競爭，而是一場涵蓋能源、晶片、網路、軟體、生態系與應用層的「五層蛋糕」之戰，而 NVIDIA 想做的是其中最難、但也最不容易被取代的那一段。

黃仁勳：NVIDIA 的工作，就是把電子變成更有價值的 token

面對外界質疑，既然許多軟體公司估值都因 AI 而承壓，NVIDIA 本質上又是把設計交給台積電、記憶體交給 SK 海力士與三星、組裝交給台灣 ODM，那麼 NVIDIA 是否也可能被 AI 商品化浪潮拖下水，黃仁勳的回答是：不會那麼簡單。

他認為，NVIDIA 的角色本來就不是什麼都自己做，而是在整個「從電子到 token」的轉換鏈條中，負責最關鍵、最困難的部分。就他的說法，NVIDIA 的輸入是 electrons，輸出是 tokens，中間那層極端複雜的轉換能力，就是這家公司存在的意義。

黃仁勳強調，這種轉換不只是單純把電力變成運算結果，而是要持續提高 token 的價值，讓同樣的運算，能產出更有經濟價值、更高效率的 token。這中間牽涉到架構設計、封裝、記憶體、互連、演算法、函式庫、軟體堆疊與生態系協作，是高度工程化、科學化、且仍在快速演進的過程。他認為，這不太可能被完全商品化。

他也進一步描述 NVIDIA 的公司哲學：做「必要的最多，非必要的最少」。換句話說，凡是自己不必親手做的部分，就盡量交給合作夥伴與生態系完成；但凡是非做不可、而且極度困難的部分，NVIDIA 就必須親自下場，而且做到最好。

這些「工具型軟體公司」反而可能因 AI 爆發式成長

對於市場擔心 AI 會壓縮軟體公司的空間，黃仁勳其實抱持幾乎相反的看法。他指出，現在很多軟體公司本質上是工具製造者，像是 Excel、PowerPoint，或是 Cadence、Synopsys 這類 EDA 公司。這些公司之所以暫時還沒迎來更大爆發，不是因為工具會被淘汰，而是因為今天的 agent 還不夠會使用工具。

在他看來，未來 agent 的數量會指數成長，工具的使用者也會指數成長，進而推高工具本身的呼叫次數與授權需求。以晶片設計為例，現在設計工具的使用量仍受限於工程師數量；但未來每個工程師背後都可能有多個 agent 協作，設計空間探索的密度與頻率都會遠超今天。

到了那個時候，像 Synopsys Design Compiler、floor planner、layout tools、design rule checker 這類工具的實際使用量反而可能暴增。

換言之，黃仁勳並不認為 AI 會簡單地消滅工具型軟體公司，反而更可能把它們推向新的成長曲線。

NVIDIA 的真正護城河，是上下游供應鏈

談到 NVIDIA 近年大量對上游供應鏈做出採購承諾，甚至被外界估算未來幾年可能累積到數千億美元規模時，黃仁勳沒有否認這就是 NVIDIA 的重要優勢之一。

他表示，NVIDIA 的確做了大量明示與隱性的 upstream commitments。前者是外界可見的採購承諾，後者則是透過說服供應鏈高層，讓他們願意先投資擴產。這些投資之所以會發生，不只是因為 NVIDIA 願意買，更因為供應商相信 NVIDIA 有能力把這些產能消化掉，並透過下游龐大需求順利賣出去。

這也是為什麼他把 GTC 視為不只是產品發表會，而是整個 AI 宇宙的「360 度全景聚會」。在他眼中，GTC 的價值之一，就是讓上游看見下游、讓下游理解上游、讓整個產業鏈共同確認 AI 需求真的會來，而且規模極大。黃仁勳甚至坦言，自己的 keynote 某種程度上帶有很強的「教育」功能，因為他必須讓整個供應鏈理解：AI 為何會來、何時會來、規模多大、該如何提前準備。

這也構成 NVIDIA 近年能持續放大供應鏈流量的原因。黃仁勳強調，供應鏈不是只看現金流，也看週轉率與需求可見度。若一家公司的架構與產品周轉速度不夠快，供應鏈也不會願意為它提前蓋廠或擴線。NVIDIA 之所以能做這些事，是因為它的下游需求夠大、夠確定，整個供應鏈都看得到。

黃仁勳不怕瓶頸，大多數瓶頸都只是兩三年的問題

當被問到，上游真的跟得上 AI 算力需求嗎？尤其當 AI 已吃下台積電大量先進製程與封裝產能，未來又怎麼可能年復一年繼續倍增時，黃仁勳的態度相當鮮明：幾乎所有製造瓶頸，本質上都只是兩到三年的問題。

他舉例，過去大家很常談 CoWoS 封裝瓶頸，但如今已經不太有人談，是因為整個產業在兩年內集中火力把它補上了。台積電也已經把先進封裝與 HBM 視為主流運算技術的一部分，而不再是特殊需求。換句話說，只要需求訊號足夠清晰，產業鏈就會主動蜂擁而上補足瓶頸。

對黃仁勳來說，AI 帶來的不是工作消失，而是產業重組與人才需求重分配。真正需要擔心的，不是某些職業會不會完全消失，而是社會是否因過度恐懼而錯配了人才供給。

他也直言，邏輯製程、封裝、HBM 這些問題都可以在兩三年內解決；真正更慢、更棘手的，是能源政策。因為無論是 AI 工廠、晶片製造、先進封裝、電動車、機器人，還是再工業化，都離不開能源。如果能源成為瓶頸，整個產業擴張速度就會被限制。