按照黄仁勋的说法，英 英伟达营收增长 94% 后 伟达——以及整个人工智能 (AI)——才刚刚起步。这家全球市值最高的公司的首席执行官并没有因第三季度 94% 的同比增长而沾沾自喜，而是直面了有关公司未来以及未来十年人工智能增长前景的几个问题。

黄仁勋在财报电话会议上对听众表示：“许多人工智能服务都在全天候运行，就像任何工厂一样。我们将看到这种新型系统上线。我称它（公司的数据中心）为人工智能工厂，因为它与人工智能工厂非常接近。它与过去的数据中心不同。

“这些基本趋势才刚刚开始。我们预计这种情况会发生，这种增长、这种现代化和新产业的诞生将持续数年。”

黄仁勋和首席财务官科莱特·克雷斯 (Colette Kress)显然感觉到，公司的好日子还在后头，尽管分析师质疑该公司是否能在几个领域跟上步伐：大型语言模型 (LLM) 开发、人工智能使用规模以及过去两年实现的强劲收入增长。

他们感到乐观的原因包括消费者的采用率、即将到来的企业和工业人工智能的爆炸式增长，以及众多依赖 Nvidia 数据中心和芯片（其制造外包）来开发自己的应用程序的公司。

从背景上讲，AI 数据中心是一种专门用于处理 AI 工作负载的繁重计算需求的设施，本质上是通过使用高性能服务器、专用硬件加速器和高级网络功能处理大量数据来提供训练和部署复杂机器学习模型和算法所需的基础设施，所有这些都针对 AI 操作进行了优化。简而言之，它是专门为大规模支持 AI 应用程序而构建的数据中心。

如果电话会议和财报材料中有一个主题，那就是与 Nvidia 有关联的公司名单，从 Alphabet 到 Meta，从微软到甲骨文再到沃尔沃。但当这份名单没有公布时，黄仁勋和克雷斯面临着分析师提出的一些棘手问题，从 LLM 开发的扩展，到有关该公司未来几年所依赖的七芯片 Blackwell GPU 过热问题的潜在争议。从另一个角度来看，该公司第三季度的收益是在没有交付任何新设计的芯片的情况下实现的。Blackwell是新加入的，克雷斯表示，需求“惊人”。

尽管有人担心法学硕士的规模化可能会放缓，但黄仁勋坚持认为，法学硕士仍有充足的增长机会。他强调，基础模型的规模化“完好无损且持续进行”，并指出训练后规模化和推理时间规模化正在不断取得进展。

训练后扩展最初涉及通过人工反馈进行强化学习，现已发展为结合人工智能反馈和合成数据生成。同时，OpenAI 的 ChatGPT-01 演示的推理时间扩展可以提高答案质量并增加处理时间。   

黄仁勋对人工智能市场的持续增长表示乐观，这得益于数据中心的持续现代化和生成式人工智能应用的出现。他认为从传统编码向机器学习的转变是一项根本性变革，需要企业升级其基础设施以支持人工智能工作负载。 

黄仁勋还强调了生成式人工智能的兴起，他将其比作 iPhone 的出现，这是一种全新的能力，将创造新的细分市场和机会。他列举了 OpenAI、Runway 和 Harvey 等例子，它们分别提供基础智能、数字艺术家智能和法律智能。   

Nvidia 的 Blackwell 架构旨在满足不断发展的 AI 领域的需求。该公司为 Blackwell 系统开发了七款定制芯片，可配置为风冷或液冷数据中心，并支持各种 MVlink 和 CPU 选项。

黄仁勋承认，将这些系统集成到不同的数据中心架构中存在工程挑战，但他对 Nvidia 的执行能力充满信心。他列举了与戴尔、Corweave、甲骨文、微软和谷歌等主要云服务提供商 (CSP) 成功合作   的例子。

Nvidia 在企业和工业 AI 领域也取得了强劲增长。该公司的 Nvidia AI Enterprise 平台正被行业领导者用来构建副驾驶和代理。   

在工业 AI 领域，Nvidia 的 Omniverse 平台支持 斯洛文尼亚电话号码库 工业 AI 和机器人应用的开发和运行。富士康等主要制造商正在采用 Omniverse 来加速业务发展、实现工作流程自动化并提高运营效率。

黄仁勋表示：“第一个变革性事件是从在 CPU 上运行的编码转向在GPU 上运行的神经网络的机器学习。第二个变革性事件是生成式人工智能，我们现在正在创造一种前所未有的新型能力，一个前所未有的新市场领域。”