社区

$英伟达(NVDA)$

生成式人工智能发展日新月异，投资者如何穿透表象识别真正具有影响力的企业？Baillie Gifford基金经理 Kyle McEnery分享其接触未来科技创业者的方法论——包括与Anthropic、英伟达等的深度对话，该对话时间是2026年1月。

本篇文章仅涉及英伟达,下一篇文章关于Anthropic。  

图片

LK：请解释一下scaling laws的概念。

KM：当然。这个理论认为，人工智能只需扩大模型规模就能提升智能水平——所谓扩大模型规模，实质上是投入更多计算机进行训练，并注入海量数据。这点至关重要，对吧？因为我们正通过已知且可预测的配方实现技术进步。我认为这在很大程度上刺激了大量投资——毕竟人们确实掌握了相当充分的证据（当然世上没有绝对的确定性），证明只要投入更多计算资源、收集更多数据，就能获得更智能的模型，甚至可能催生出真正有趣的新兴能力。这点至关重要，与“只要设计出突破性新架构或实现未知科学突破，AI就会变聪明”的观点截然不同。即便在OpenAI早期阶段，他始终坚信这一理念，至今仍持此观点。能听到他对这些问题的见解实在令人着迷。

LK：Kyle，你提到计算需求持续攀升，这对主导人工智能加速芯片市场的英伟达极为有利。Baillie Gifford自2016年起便投资该公司，其股价此后表现强劲。那么当前持仓的投资逻辑是什么？

KM：这让我回忆起一段往事。记得在Baillie Gifford任职初期，大概在我启动人工智能项目前，曾参加伦敦一场人工智能会议。当时许多环节由英伟达赞助，现场有位剑桥教授，他同时与亚马逊合作。记得他在演讲结尾时说：“感谢英伟达，没有他们机器学习就无法实现。” 这番话颇耐人寻味——事后看来，NVIDIA确实发挥了关键作用。

此外，关于我们2016年投资AI的时机，必须强调当时并不知道AI会发展到今天这般规模。我认为关键在于理解所有投资背后的逻辑：我们虽隐约预见到这种可能性，但绝非确知。当时我们讨论比特币挖矿的热度恐怕不亚于此。

至于如今的英伟达，我主要从三个维度思考：

其一，对基础需求的判断？计算与人工智能的需求是否会持续增长？我思考着杰文斯悖论——效率提升反而可能增加整体需求。

人工智能需求会饱和吗？还是说随着成本降低、普及度提高，我们只会贪得无厌地追求更多？我倾向于认为人类会变得贪婪，永远渴望更多。

再看看英伟达，它仍是行业标杆，对吧？凭借CUDA软件，它构建了业界普遍采用的标准生态系统，这使其仍处于非常有趣的地位。

LK：CUDA编程技术能帮助开发者针对NVIDIA芯片进行专门编程。

KM：没错。本质上它能让开发者充分释放硬件潜力——这点常被误解。此外，NVIDIA在扩展CUDA功能方面投入了巨额资源，使其覆盖极其广泛。NVIDIA的优势在于：当你需要实现某种功能时，往往能直接实现。由于他们与各大实验室紧密合作，常会预先构建出你尚未意识到需求的功能，始终走在技术前沿。

最后我想强调的是，我们讨论过创始人对企业的重要性。Baillie Gifford对此有深刻见解：英伟达的创始人黄仁勋在上述优势基础上，还带来了两个关键的放大效应。其一是他帮助英伟达在庞大规模下保持高度敏捷性。考虑到公司规模之巨，其执行速度令人惊叹——新芯片发布周期已缩短至每年一次。过去六年间，英伟达将每焦耳能量产生的AI令牌数量效率提升了约42,500倍（这点至关重要，因为能耗正是核心瓶颈）。他们每年实现的突破令人叹服。

但更重要的是，从长远角度看，黄仁勋似乎深谙将英伟达布局于潜在增长领域的诀窍。别忘了这原本是家游戏芯片公司，而他敏锐察觉到机器学习领域的重要性——这对于比特币而言尤为关键。

LK：ML，机器学习。

KM：更值得注意的是，他长期在机器人领域布局——这或许会成为下一个增长点。而展望更远的未来，他甚至提及量子计算。因此我认为，其底层需求依然充满活力且强劲。尽管竞争日趋激烈，但这仍是行业主导生态。没错， 这位创始人能以独特视角定位公司，并确保执行力始终强劲。

综上所述，尽管无法预知五年后具体发展，但这些因素仍构成持有该公司的有力支撑。

免责声明：本号对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性不作任何保证或承诺，且不构成任何投资建议，对于使用该信息而引发或可能引发的损失将由投资者自行承担。投资者不应以该等信息取代其独立判断或仅根据该等信息做出决策。同时，我们尊重原创。文字图表等素材，版权属于原作者或其代理人。若涉及版权问题，敬请联系我们，立即做删除处理。 @爱发红包的虎妞