5月20日消息，在中国台北Computex 2025电脑展上发表主题演讲后，英伟达首席执行官黄仁勋接受了科技博客Stratechery博主本·汤普森（Ben Thompson）的专访。
在本次访谈中，黄仁勋探讨了英伟达近期与沙特和阿联酋签署的一系列AI合作协议、针对中国的H20芯片出口禁令，并坦率表达了对美国当前芯片出口管制政策的担忧，认为这一策略可能会在未来削弱美国，包括英伟达在内的技术领导地位。
黄仁勋还阐述了自己对全球经济格局的看法，认为AI技术不仅有可能大幅推动全球GDP增长，还可能在一定程度上帮助美国缓解贸易逆差问题。
访谈中，黄仁勋介绍了“英伟达全栈”解决方案的核心优势——通过软硬件深度集成，最大化AI效能。他解释称，模块化设计可为客户带来更高灵活性，客户可根据自身需求选配系统组件，而无需全部打包购买。
同时，他还提到了Dynamo系统在提升推理性能方面的关键作用。英伟达通过全面布局，构建一个贯穿从芯片到软件、从训练到推理的AI基础设施平台。
以下为黄仁勋最新专访全文：
AI自身构成完整全新产业
由AI工厂驱动
问：在过去几次访谈中，我能感受到你非常希望世界能够理解GPU的潜力。那时候，ChatGPT还没有问世，而现在，整个市场仿佛都悬挂在你们的财报表现之上。我知道你们现在正处于财报静默期，我不会问财报相关的问题。但我想知道，被推到这样一个位置，成为全球技术关注的焦点。你是什么感受？
黄仁勋： 老实说，这件事对我个人而言没有太多情绪上的触动，但有一点我始终非常清楚：在不断重塑英伟达的过程中，推动技术进步、引领行业发展，始终是我们工作的核心使命。我们立志走在最前沿，攻克最具挑战性的技术难题，为整个生态系统持续创造价值。
今天的英伟达，已经不再仅仅是一家芯片设计公司，而是一家以数据中心为核心，提供全面计算平台的企业。我们不仅构建了一个覆盖训练与推理的全栈AI平台，还首次实现了软硬件架构的深度集成与模块化解耦，为生态系统的广泛参与提供了灵活性和可扩展性。
在今年的Computex主题演讲中，我特别强调：我们现在所打造的，不只是“科技行业”所需的计算机系统，而是在为“人工智能”这一全新产业形态搭建基础设施。AI不仅是一场技术革命，更是一场劳动力革命——它明显增强了人类的工作能力，尤其在机器人等新兴领域中，这种增强将在未来展现得更加深刻。
更重要的是，AI不只是一个技术突破，它本身就是一个庞大且全新的产业体系。而这个产业，将由我们称之为“AI工厂”的基础设施来驱动——其核心正是以超大规模算力为基石的数据中心。我们才刚刚开始意识到，时代的重心正在转移：未来，数据中心不再只是云计算的承载体，而将成为真正意义上的AI工厂，其规模和重要性，将远超我们今天的想象。
问： 微软CEO萨蒂亚·纳德拉在最新的财报电话会议上提到，他们报告了一个 token 处理量的数据——我记得是上个季度的。这个是不是你最关注的财报细节？
黄仁勋： 实际上，真实的 token 生成数量远远超过那个数字。微软公布的数据，只涵盖了他们为第三方客户生成的部分。而他们内部自用的 token 处理量，实际上比那还要大得多。此外，这个数字还不包括 OpenAI 所产生的 token 总量。所以，仅凭微软报告中的数字，你就可以想象整个生态系统中实际生成的 token 数量究竟有多么庞大。
《AI 扩散规则》或反噬美国
问：最近你们与沙特和阿联酋达成了一系列AI合作协议。从你的角度来看，这些合作为何重要？你为何亲自到场？这对你来说意味着什么？
黄仁勋： 他们亲自邀请我出席，而且我们此行也是为了宣布两项相当庞大的 AI 基础设施建设计划：一项在沙特，另一项在阿布扎比。这两个国家的领导人都已经意识到，他们必须参与到这场AI革命中来，也认识到自己国家拥有独特的战略优势，即丰富的能源资源。
不过，这些国家在劳动力方面存在短板。他们的国家发展长期受到劳动力与人口规模的限制。而AI的出现，为他们提供了历史性机遇：实现从“能源经济”向“数字劳动力”和“机器人劳动力”经济的转型。
我们在沙特参与创立了一家新公司，名为 “HUMAIN”，他们的目标是登上世界舞台，建设面向全球的AI工厂，吸引包括OpenAI在内的国际企业参与合作（OpenAI 的代表也出席了现场）。这是一个意义重大的项目。
问：从某种程度上说，这似乎也意味着对《AI扩散规则》（AI Diffusion Rule）的一种挑战？我理解这项规则对这些国家尤其严格，比如规定了芯片出口数量限制、必须由美国公司控制、在某些方面必须依赖美国本土制造等。和以往相比，这次你们对该规则的反对声音更为坚定。你过去较少直接参与政府政策层面事务，而如今英伟达已成为全球科技核心企业之一。你能迅速适应这一角色转变吗？
黄仁勋： 并不是我不愿意参与，而是过去确实没有这个必要。英伟达发展的大部分时间里，我们都专注于研发技术、建设公司、培育行业生态，并在竞争中不断前行。我们时刻都在构建供应链、搭建生态系统，这本身就已非常庞大复杂。
但《AI 扩散规则》一出台，我们立刻表明了态度。如今大家也能看清楚——这项政策完全是错误的。它对美国来说是一项根本性的战略错误。如果《AI 扩散规则》的初衷是确保美国在 AI 领域的领先地位，那么它实际上可能适得其反，让我们失去原本的优势。
AI 不是某一个模型、某一层软件这么简单，它是一个完整的技术堆栈。这就是为什么大家在谈论英伟达时，谈的不仅是芯片，还有系统、基础设施、AI 工厂，甚至整个部署框架。AI是多层集成的：从芯片层，到工厂层、基础设施层、模型层、应用层，每一层都至关重要——真正的竞争力来自这个完整堆栈。
如果美国希望在全球AI竞赛中保持领先，就必须在每一层都领先。而眼下，正值竞争对手迅速追赶、加速布局的关键时刻，我们却选择限制自身技术在全球的扩散——这无疑是“搬起石头砸自己的脚”。事实上，从一开始，我们就已经预见到了这种结果。
不可能阻止中国参加AI革命
DeepSeek堪称杰出代表
问： 你说的“国际竞争对手”，你指的是其他模型开发者？
黄仁勋： 中国在AI领域的表现非常出色。全球大约50%的AI研究人员是中国人，你不可能阻止他们参与这场技术变革，也不可能让他们停止前进。坦白讲，像 DeepSeek 这样的项目就是非常杰出的代表。如果我们连这点都不愿意承认，那是一种自欺欺人，我完全无法接受。
问： 针对他们的限制是否刺激了他们在某些领域（如内存管理和带宽效率）的技术突破？
黄仁勋： 竞争本就是推动进步的引擎。企业需要竞争来激励自我，国家也一样。毫无疑问，我们确实刺激了他们的技术进步。
但就我个人而言，我原本就预见到，中国会在AI的每一个阶段都快速发展。比如华为是一家非常强大的公司，是世界级的科技企业。中国的AI研究人员和科学家也是世界一流的。如果你去过 Anthropic、OpenAI或DeepMind 的办公室，会发现那里有很多来自中国的顶尖人才。这一点不令人感到意外。
并且，《AI 扩散规则》旨在限制其他国家获取美国的技术，这个政策从一开始就已经错了。我们真正应该做的，是加速美国技术在全球范围内的普及——趁现在还来得及。如果我们的目标是让美国在 AI 领域保持全球领先地位，那现在这套规则恰恰在起反作用。
《AI 扩散规则》还忽略了 AI 技术“堆栈”的本质。AI 堆栈就像一个计算平台：平台越强大、基础越广泛，吸引的开发者就越多，所产生的应用也会越强，平台的价值也就越高。反过来，开发者越多，生态越繁荣，平台装机量越大，会进一步吸引更多开发者。这种“正向反馈循环”（positive feedback loop）对任何计算平台的发展都是至关重要的，也正是英伟达今天取得成功的根本原因。
你不能说：“美国不需要参与中国市场竞争。”那里可是全球一半开发者的聚集地。从计算架构和基础设施的角度来看，这种脱钩是完全站不住脚的。我们应该给予美国企业在中国市场参与竞争的机会——缩小贸易逆差、为美国创造税收、发展产业、提供就业。这不仅有利于美国，也有利于全球技术生态的健康发展。
如果我们选择放弃参与，让中国构建出一个完整而繁荣的本土生态系统，而美国企业又完全缺席，那么未来主导这个新平台的就将不再是美国。AI技术正在全球快速扩散。如果我们不主动参与竞争，最终扩散出去的将是别人的技术和领导地位。
问：我非常同意你的观点。在我看来，现在这种试图限制芯片销售、却又允许对方获取所有芯片制造设备的政策逻辑，简直本末倒置。我们很清楚，追踪芯片比追踪设备要难得多。有一种说法是，在华盛顿，一些半导体设备制造商已经深耕多年，擅长游说，而英伟达在那边影响力相对较小，所以在政策博弈中处于劣势。你觉得这个说法成立吗？你是否也觉得让华盛顿理解你们的立场，是一件特别难的事？
黄仁勋： 过去几年，我们确实花了很大力气，才逐步在华盛顿建立起一些存在感。我们的确只有一小支团队在那里，而与我们体量相当的公司，通常在华盛顿都有上百人的公关和政策团队，我们只有那么几个人。但我要说，这几个人非常出色。他们不仅在努力讲述英伟达的故事，更在帮政策制定者理解芯片是如何工作的、AI 生态系统如何运转，以及某些政策将带来哪些意想不到的连锁后果。
我们真正想要的是美国在竞争中获胜。每一家公司都应该希望自己的国家赢，每一个国家也应希望自己的公司能赢。这并不是错误的愿望，而是一件好事。人们渴望赢，是好事；有志于卓越，是好事；竞争也是好事。如果一个国家渴望伟大，我们不应因此心生嫉妒；如果一家公司渴望卓越，我同样不会嫉妒。这种动力会激励所有人不断向前、做出更优秀的成绩。我喜欢看到那些渴望卓越的人。
毫无疑问，中国渴望成为强国，这没有错，他们本就应当追求伟大。而我所认识的AI 科学家和研究人员，正是因为有这种志向，才取得了今天的成就，他们确实非常优秀。
我们要做的，不是试图绊倒别人，而是自己跑得更快。英伟达能有今天的成就，从来不是因为我们获得了什么特殊待遇，而是因为我们一直在拼命奔跑。
我认为你提到的那种“通过限制对手来保护自己”的思维模式，只会促使对方变得更强——因为他们本身就已经很了不起了。
问：特朗普政府禁止你们向中国出口H20芯片，而这款芯片其实是你们根据前一届政府的政策框架，专门定制设计出来的。结果后来又被告知“这也不行”。现在他们还在研究新的限制规则。你觉得政策制定者是否终于意识到，这个世界是高度互联的，在一个地方的行动，会在另一个地方引发连锁反应？他们是不是终于开始意识到，“彻底脱钩”是不现实的，也许是时候回归一种更务实的、以管理为导向的思路？你对此感到乐观，还是已经做好最坏的准备？
黄仁勋： 美国总统有他想达成的愿景。我支持他，也相信他最终会以一种尊重的方式，带领美国走向积极的结果。他会以竞争为导向，同时也会努力寻找合作的机会。当然，我并不在白宫，不知道他们内部具体怎么想，但我对此是这样理解的。
关于H20芯片的禁令，我们已经按照 Hopper 架构所能做到的最大限制做了设计，能砍的都砍掉了。我们已经为此进行了大规模核销，我记得是55亿美元。在历史上，还没有哪家公司核销过这么大的库存。所以这项针对 H20 的额外禁令，对我们来说极为沉重，代价巨大。不仅是这55亿美元的直接损失，更是我们主动放弃了 150亿美元的潜在销售额，以及约30亿美元的税收收入。
你要知道，中国市场的AI芯片年需求规模大概是500亿美元。注意，不是5000万，是 500亿美元。这是什么概念？相当于整个波音公司的年营收。让我们放弃这样的市场——不仅仅是利润、营收，还有随之而来的生态建设、全球影响力，这代价是无法忽视的。
问：如果中国最终构建出CUDA的替代方案，那是否会对英伟达构成长期威胁？
黄仁勋： 没错。任何人天真地认为，仅仅靠下一步出口管制、禁止中国使用H20芯片，就能阻止他们在AI领域的发展，这种想法都是极其无知的。
AI将推动全球GDP大幅增长
问：你真正意识到英伟达将成为一家“基础设施公司”是什么时候？
黄仁勋：如果你回看我过往的主题演讲，其实你会发现，今天正在发生的很多事，我在五年前就已经开始谈了。也许那时候我讲得还不够清楚，语言没有现在这么精准，但我们前进的方向一直非常明确、一贯而坚定。
问：所以说，你现在在每次演讲结尾都会谈到“机器人”，那其实就是我们要高度关注的“五年预告”了？也就是说，这不是遥远的未来，而是几年内就会成真的现实？
黄仁勋：没错，我认为它真的就快来了，就在未来几年内会发生。
在整个行业中，一件深远而意义重大的事是：过去 60 年，我们一直属于 IT 行业，也就是一个为人类提供工具与技术的产业。但现在，我们正在首次走出 IT 范畴——我们原本卖的产品全都是IT设备，现在我们开始进入制造与运营两个全新领域。
所谓的制造领域，是指我们正在制造机器人，或用机器人系统制造其他产品；所谓运营领域，是指我们正在提供“数字员工”。全球的运营支出与资本支出总和大约是50万亿美元，而整个IT行业的规模也就约为1万亿美元。现在，得益于AI，我们即将从那个1万亿美元的行业，跨入一个50倍规模的新市场。
我相信，虽然一些传统工作会被替代，也确实会消失，但与此同时，也会涌现大量全新的工作机会。尤其是随着“智能体”这一新形态的普及，机器人系统可能会直接推动全球 GDP 的实际扩张。
背后的逻辑其实很简单：我们正面临劳动力短缺的窘境。美国的失业率处于历史低点，走遍全国你都能看到：餐馆招不到服务员，许多工厂也难以招到工人。在这种背景下，“每年花十万美元雇个机器人”这个概念，很多人会毫不犹豫地接受，因为这能显著提升他们的收入与产出能力。
所以我判断，在未来五到十年内，我们可能会经历一次实质性的GDP扩张，也会见证一个全新产业的诞生。这个产业的核心，就是以“生成 token”的系统为基础来生产数字成果——这一点，公众现在开始慢慢理解了。
问：你在 Computex 2025 和上个月 GTC 的两场演讲，其实风格截然不同。我的理解是：GTC 是面向超大规模云服务提供商的，而 Computex 2025 则是讲给企业 IT 市场的。所以你现在的目标重点，是企业 IT 吗？
黄仁勋：可以这么说——企业 IT，以及“智能体与机器人”。企业 IT的核心载体是智能体，而制造业的核心应用是机器人。为什么这点这么重要？因为这就是未来生态系统的起点。
Dynamo将成为AI工厂操作系统？
问：在你最近的 GTC 演讲中，你提到了传统数据中心存在的一些局限，并解释了为什么英伟达的方案是更合适的选择。我把这理解为你对“专用芯片”（也就是 ASIC）的某种反对立场。一方面，你展示了英伟达完整的产品路线图，说明我们有长期清晰的技术方向；另一方面，你讲到“延迟和带宽”的平衡问题，指出 GPU 因为具备可编程性，可以灵活适应不同类型的 AI 工作负载，不像 ASIC 那样只能做单一任务。而这些专用 ASIC 芯片，正是由一些超大规模的云服务商自己打造的。相比之下，英伟达提供的是一个通用、可扩展的解决方案，更适合一个快速变化的 AI 世界。
黄仁勋：你的理解没错，我确实传递了这些观点，但我的本意并不是反对 ASIC，而是想帮助人们理解：下一代数据中心应该如何设计。我们已经在思考这个问题很多年了。
关键挑战在于：数据中心的能源是有限的。所以如果你把它看作是一座“AI 工厂”，首要任务就是：如何让每一瓦电产生尽可能多的计算吞吐量。而我们衡量这种吞吐量的单位，就是 token。你可以生产极其廉价的token，比如开源模型的免费推理；也可以生产高质量、高价值的token，用户可能会为此支付每月1000美元，甚至1万美元。
问：你在演讲中还提到一个“价值10万美元的智能体”。
黄仁勋：是的。你问我愿不愿意每年花10万美元雇一个AI助手？我的答案非常愿意。我们每天都在雇佣年薪几十万、甚至上百万美元的人才。如果花10万美元就能提升一个年薪50万美元员工的生产力，当然是值得的。
关键在于，你在 AI 工厂中生产的token质量是多种多样的。你需要大量廉价的，也需要高附加值的token。如果你构建的芯片或系统只能处理某一类 token，那么它在大多数时间里都会被闲置，导致计算资源浪费。因此，问题的本质是：如何设计一个平台，既能处理高吞吐量的免费 token，又能胜任高质量的任务？
如果你的计算架构太分散，不同类型任务在不同芯片间迁移时效率会很低。如果你只专注于高 token 速率，它的整体吞吐通常反而会下降。你若追求高吞吐性能，系统交互性就会受限，用户体验下降。
“在 X 轴或 Y 轴上做优化很容易”，但“填满整个二维空间”非常困难。而这，正是英伟达试图通过Blackwell 架构、FP4 低精度计算格式、NVLink 72 高速互联、HBM 高带宽内存，以及核心的 Dynamo 解耦式推理系统来解决的问题。
问：Dynamo是不是你所说的“数据中心操作系统”？
黄仁勋：可以这么说。它的设计出发点，是因为大语言模型的推理过程并不是一个统一的、恒定的过程，而是分阶段、因任务而异的。
我们将这个过程拆解成两个主要阶段：
Pre-fill（预填充）阶段：处理上下文，相当于“理解你是谁”、“你关心什么”这一类背景工作；
Decode（解码）阶段：生成实际 token 的过程，常涉及链式思维（chain-of-thought）、检索增强（RAG）等复杂计算。
解码阶段对计算资源的需求是高度动态变化的——有时几乎不需要太多浮点运算，有时则需要大量。Dynamo 的意义就在于，它能把推理任务自动拆解、分发、调度到整个数据中心中的最优资源节点。
问：从架构角度看，Dynamo 是不是就是那个把整个数据中心当成一个 GPU 来调度的软件系统？
黄仁勋：没错。它本质上就是 AI 工厂的操作系统。
问：你如何看待推理型模型的未来？它们会更多用于智能体工作流？还是主要用于生成训练数据，帮助模型自我优化？
黄仁勋：我认为这取决于成本。但从趋势看，推理型模型将成为 AI 的“默认计算单元”。随着硬件和软件的进步，我们处理推理的速度会快得惊人。
比如说：Grace Blackwell 平台的性能是前一代的40倍；下一代又提升40 倍；模型本身也越来越高效。所以，从现在起未来五年内，推理速度提升10万倍，对我来说是完全有可能的。
现在的 AI 系统，其实在你看不见的地方，已经完成了一座“高山般庞大的思考”。它只是没有表现出来让你看到它“正在思考”。这是一种“快思考”的系统——哪怕是原本需要深度推理、属于“慢思考”的任务，在它这里也已经变得极为迅速。
问：你提到美国电力基础设施建设困难重重，但像一些海湾国家、中国等地，电力获取和建设速度快得多，是不是英伟达所解决的问题在这些地区就不是那么迫切？
黄仁勋：你这个角度很有趣，我之前确实没这么想。但无论在哪个国家，数据中心的规模总是有限的，所以性能功耗比（efficiency per watt）始终非常关键。
我们可以做个简单计算：一个1吉瓦的数据中心，其壳体、电力、土地和运营成本大约是 300 亿美元；加上计算、存储、网络等部分，大约是 500 亿美元；如果因为系统效率很低，你就必须建两套系统以达到相同的性能，那么前期建设成本就从 300 亿美元膨胀到 600 亿美元。所以你必须用极其高效的架构来抵消额外成本。在这个世界里，“免费的计算”有时也不够便宜。
英伟达的全栈战略
问：你曾多次提到“希望你们（客户）购买英伟达的全套产品，但只要你们购买其中的任何一部分，你也会很高兴”， 这句话听起来非常务实，像是一位企业软件公司的 CEO。如果客户需要构建完整的 AI 工厂，按照你的说法，英伟达的全栈解决方案无疑会带来最大收益。但许多客户并不需要“全栈”，他们只购买其中的一部分。但一旦他们开始使用英伟达的某个部分，通常就会继续使用下去。所以从战略角度来看，覆盖这些客户也非常有价值，对吧？
黄仁勋：服务客户，这就是聪明的做法。你看看英伟达的市场策略，我们一直以来都是在打造端到端的完整解决方案。因为软件和硬件必须紧密结合，才能发挥最大效能，而我们能够很好地将软件和硬件“解耦”，让客户可以根据自己的需要选择部分组件。
如果客户不想使用我们的软件——没问题。我们的系统设计得足够灵活，如果客户想替换某些组件，我们也可以做到。
现在，Grace Blackwell 架构已经在全球不同的云服务中得到了部署，每家云服务提供商都基于我们的标准进行集成，但他们的实现方式各不相同。我们能够非常顺畅地融入到他们的系统中。
这其实就是英伟达商业模式的真正优势所在，但也正是我们作为“计算平台公司”定位的体现。我们最看重的，是客户至少能在我们的技术堆栈中使用一部分：如果他们选择了我们的计算堆栈，那太好了；如果他们选择的是我们的网络堆栈（我对网络的重视程度不亚于计算），也很好；如果两者都选了，那就更棒了！
我始终坚信：英伟达能够构建出最好的整体系统。如果我都不相信我们做得更好，那说明我们哪里出了问题，我们必须改进并找回信心。
我们的公司有 36,000 到 38,000 名员工，每个人都在齐心协力地做一件事：打造全球领先的加速计算平台和 AI 计算平台。所以，如果有哪家公司只有 14 个人，却能做得比我们更好，那对我来说会非常痛苦，我们就必须加倍努力去追赶。
问：但你也相信规模的力量，而要实现规模的最大化，就必须按照客户希望的方式销售产品。
黄仁勋：完全正确，这就是关键。我们有自己的偏好，但我们会根据客户喜欢的方式来服务客户。
游戏：GeForce的多重角色
问：在你的GTC演讲中，仅有10%的内容是关于 GeForce的，但对我们来说，它依然非常重要。这种“重要”是因为我们在做GPU，且一切都可以扩展吗？怎么解释英伟达与游戏的关系呢？
黄仁勋：我很希望我能这样说，RTX PRO 如果没有GeForce是不可能的，Omniverse 如果没有GeForce 也无法实现，所有我们看到的每一个像素，没有 GeForce也无法呈现出来。机器人如果没有 GeForce 也无法运作，Newton也是如此。
GeForce本身并不是GTC的核心主题，因为后者主要侧重高性能计算、企业和 AI 等领域，我们还有专门的游戏开发者大会。所以在GTC上，GeForce的产品发布并不会像其他领域那样成为核心焦点，但大家都清楚，GeForce 在我们所做的一切中扮演着至关重要的角色。
问：这是不是意味着，游戏玩家可能没有完全意识到，GeForce 的作用已经远远超出了单纯的图形渲染引擎？
黄仁勋：确实如此。我们只渲染了每十个像素中的一个，这是一个令人震惊的数字。假设我给你一幅拼图，给你十个拼图中的一个，剩下的九个我根本不交给你，你必须自己想办法补全它们。
问：我试着把游戏跟你刚才提到的那些其他领域联系起来。你说过，英伟达在设计上非常严谨地把不同模块区分开来，软件管理得也很清晰，并实现了解耦。这让我一下子联想到Windows上的驱动程序问题。说实话，这种能力本身就是你们的一项核心技术优势。
黄仁勋：驱动程序确实属于非常底层的技术，涉及的内容极其复杂。实际上，驱动程序的“抽象”本身就是一个革命性的概念，而微软在推动这一体系中发挥了关键作用。可以说，如果没有驱动这一抽象层的设计，就不会有今天的 Windows 生态。正是通过建立 API 抽象层，使得硬件层可以不断演进和变化，而不会影响到上层软件的兼容性和稳定性。
目前我们的驱动程序是开源的，但坦率地说，我并没有看到太多人能够真正参与其中。原因在于，每当我们推出一款新的 GPU，之前在旧驱动上所做的大量工作几乎都要被重写或替换。只有像英伟达这样拥有庞大工程能力的团队，才能持续推动这一系统演进——这对大多数公司来说几乎是不可能完成的任务。
但正是因为我们能为每一代 GPU 提供深度优化的专属驱动，才构建起一个稳定而强大的抽象层和隔离层。无论是基于 CUDA，还是 DirectX，开发者都可以放心地在这些平台上进行开发，而无需担心底层硬件的变化。
