黄仁勋接受Sequoia Capital专访：AI 将成“第三层地壳”，每年撬动 20 万亿美金新产业

本文内容整理自NVIDIA CEO 黄仁勋在Sequoia Capital频道的专访，公开发表于2026年06月10日。

这次专访深入探讨了AI革命的本质、影响与前景。黄仁勋指出，当前AI的发展速度和规模堪比工业革命，甚至有过之而无不及。AI正在从传统的检索型计算转变为生成型计算，重塑着整个技术生态。过去60年来，计算机主要服务于数据的检索和存储，而如今借助生成式AI，每一次交互、本地输出都是实时原创。未来，个性化的内容、指令、以及服务将在全球范围内实时生成，不再仅依赖“文件”与“检索”。

他强调，AI工厂是未来基础设施的核心，本质上是汇集算力的“智能生成器”。这些“工厂”由高性能芯片（如NVIDIA H100）驱动，将为数十亿甚至上千亿的AI智能体提供支持。这些AI智能体不仅可以推理、计划、控制物理和数字世界，还会产生前所未有的经济和社会价值。正如电力和互联网曾改变世界那样，智能网将无处不在，成为新型基础资源。

黄仁勋以“五层蛋糕”模型，分析了AI产业链条：1）能源层，为AI算力工厂提供动力；2）芯片与硬件层，驱动AI核心计算；3）基础设施层，包括数据中心、园区、厂房等；4）模型层，涵盖大模型、自动驾驶、蛋白质等领域的垂直AI；5）应用层，即最终服务于各行各业，创造直接经济价值。他预测，AI相关投资将呈指数增长，从今年的1万亿美元起步，未来或将发展为每年20万亿美元级别的产业。

他还驳斥了“AI终结论”，强调AI本质是可控和可理解的，诞生的是机会而非危机。AI不会消灭职业，只会取代重复性任务，让人们升华为更有目标感的创造者和决策者，正如放射科医生利用AI提效，反而扩大职业需求。此外，AI降低了编程门槛，实现了科技普惠，弥合了技术鸿沟。

采访全文如下：

主持人： 非常感谢，Jensen。我们正处于一场波澜壮阔的AI革命之中。这场革命的规模和速度甚至可能超越工业革命。你曾将当前正在发生的一切，称作人类历史上规模最大的基础设施建设。而这一建设的核心就是“AI工厂”，推动这一切的公司正是NVIDIA。你能告诉我们究竟什么是AI工厂，以及为什么它是未来十年企业最值得进行的投资吗？

01

从聊天机器人到生成式AI

黄仁勋： 好的。理解AI有多种维度。大家最熟悉的AI形式，可能就是网页浏览器上的聊天机器人：你输入指令，它给你反馈。

即使是那些已经使用AI一段时间的人，在过去两三年里，也见证了AI能力极其显著的演变与跃升。

两年前，大家听说了ChatGPT。本质上，ChatGPT是一种能够理解你输入的计算机软件；它能够感知并理解信息。

不仅如此，它还可以转换并生成新的信息。你可以给它一个提示词(Prompt)说：“这是一个PDF文件，我希望你总结一下。”它就能实现从文本到文本的转换。你也可以告诉它：“这是一个PDF文件，我希望你根据这个故事生成一张图片。”它就实现了从文本到图像的转换。你甚至可以通过展示一张图片并问它“图片里发生了什么？”来实现从图像到文本的转换。大家能理解吗？它本质上是将任何事物转化为任何其他事物。

在过去两年里，AI在这些转换任务上变得异常出色。我们称这些为“生成式模型”——即生成式AI(Generative AI)。然而，生成式AI最了不起的一点在于：为了执行比单纯生成内容更有价值的任务，它需要理解和思考。如果你不能生成词汇，你就无法思考。生成式AI的底层逻辑赋予了我们生成内在思维的能力：即推理、逐步逻辑推演和解决问题的能力。

它还让我们能够实现另一项至关重要的功能：生成智能以控制其他系统。我们可以生成指令来使用各种工具——比如浏览器、电子表格、Photoshop、PowerPoint或AutoCAD。今天，这些工具是数字化的，但在未来，它们将是机械化的。如果我为机械系统生成指令，那叫做机器人技术(Robotics)；如果我为带有方向盘的机器生成指令，那就是自动驾驶汽车。大家明白其中的逻辑吗？

02

能够干活的智能体AI (Agentic AI)

两年前，我们通过ChatGPT看到了这一切的雏形。当时，人们觉得它很好玩、有点傻，或者认为它产生了很多“幻觉”(Hallucination)。尽管确实如此，但正是这项基础技术为我们今天所见的一切铺平了道路。

两年后的今天，我们拥有了智能体系统(Agentic Systems)。这是看待AI的另一种视角，即AI究竟能做什么？现在大家都意识到了，无论是ChatGPT、Codex还是Claude，大家发现AI不仅能理解，还能干活——能推理并完成实质性工作。两年前，当AI仅仅能够理解你并生成信息时，大家觉得非常新奇。

当时它看起来有点可爱，随时随地帮你写首诗，这办法挺好，对吧？谁不想写首乡村歌曲呢？那是两年前的情况。但现在，因为AI能够真正干活，它变得极具价值。“有价值”是指它能够生成信息、产出有用的工作成果，并且值得我们为之买单。正因为我们要付钱，所以我们希望交到聪明的朋友，我们喜欢无所不知的帮手。

但我们不会仅仅为他们的学识买单，我们是为能干活的人付钱。大家明白我的意思吗？这就是过去两年发生的核心转变：AI从仅仅具备某种能力，发展到如今的智能体(Agentic)，从不那么实用、价值不高，转变为能够产出高价值的工作成果。它能产出的工作量之大，以至于你和我每天都在高频使用它。我们现在是在按小时为AI打工者付费。

我们可能会花每小时30美元或20美元雇它们干活。本质上，我们今天在AI上投入了大量资金，这使它成为人类历史上增长最快的软件业务。这是因为它现在能完成有用的工作，我们也心甘情愿为此买单。

03

对下游产业的颠覆性影响

以上是看待AI的一个视角，即关注它实际上能做什么。然而，要深刻理解Constantine刚才所说的话，还有另一个至关重要的视角。例如，为什么有些人能够建立伟大的企业，并将自己置于庞大产业的核心？因为当他们看到这种能力时，他们敏锐地察觉到了其中蕴藏的巨大价值。

一个深刻的思考是：如果我们能够做到这一点，这对下游行业意味着什么？这正是我们应该探讨的话题。既然AI能够执行这些任务，医疗保健、金融服务、生命科学、制造业、物流和交通等行业将会发生怎样的颠覆？

04

计算模式从“检索”向“生成”跃迁

诸如此类。电子商务、广告业、未来的娱乐业，既然AI能做到这些，接下来的连锁反应会是什么？你可以列出长长的一串话题，这非常有趣。但你更应当向上游溯源，即从产业底层来看，这意味着什么？你要意识到的第一件事就是：回到第一性原理(First Principles)。

我刚才说过，AI是软件，是由计算机运行产生的。那么，让这一切成为可能的计算机究竟发生了什么变革？核心理念在于，回想一下我们今天所熟知的计算机，它大约诞生于64年前。当时IBM System/360的发布是计算领域最轰动的新闻，64年前，IBM是全球市值最高的公司。他们定义了现代计算机的概念；我们今天对计算机的所有认知，实际上在1964年就已经确立了。40年来，它的底层逻辑基本保持不变。

这种传统的计算形式可以被称为“预录(Pre-recording)”。你写下故事，保存为文件。你手动编写程序，保存为文件。你拍下照片，保存为文件。你录制音乐，保存为文件。即使我们制作视频——就像我们现在正在进行实时直播——也会有人将其录制下来并保存为文件。

当你以后想要使用这些信息时，你从硬盘中检索(Retrieve)它。检索过程经过了智能化处理；这就是为什么每个人搜到的新闻都会略有不同，也就是我们所说的推荐系统。但归根结底，我们今天所熟知的计算机是基于检索的系统，这就是为什么那些装满服务器的建筑被称为“数据中心(Data Centers)”——因为它们主要用于存储数据。

大家注意，我们不叫它们“计算中心”，因为它们并没有进行多少计算。它们只是存储数据，然后根据你在手机上的点击来检索调取。那么现在发生了什么颠覆？如果你回顾我刚才描述的过程，为了让AI按照我说的方式运作，每当我对它说话时，

我都必须给它新的信息，我们称之为“上下文(Context)”。我给它一个新的提示词，称为“查询(Query)”。结合上下文和查询，它会先进行理解和推理，然后根据具体的语境产出结果。到目前为止，大家听明白了吗？好，给我个点头示意。既然如此，每当你使用AI时，

它的每一次输出，都是一次全新的原生创造。就像我现在对你们所说的一切，都是实时生成的。

这是因为我的解释基于这样一个前提：我意识到你们来自60个不同的国家，代表着128个不同的家族。你们每个人都有着截然不同的背景；有些人可能来自计算机行业，而大多数人可能不是。因此，我正在以一种足够深入浅出的方式向你们解释这些信息。

最终，我的目标是：让你们知道如何投出下一笔伟大的投资。这正是我要引出的结论。我会提供足够的信息，以便你们能独立思考。当你们下次看到某个新事物时，能够敏锐地察觉：“这值得投资，这将是一个巨大的产业。”它现在可能是一个1000亿美元(100 billion)的市场，看起来已经很大了，但这与它未来的庞大体量相比根本不值一提。我想要赋予你们的，正是洞察未来的直觉。

我们已经从一个过去60年里主要依赖“检索”的计算机产业，在一夜之间，跃迁到了完全实时“生成”的新纪元。我们称之为“智能”。这正是我现在为你们所做的事；我正在展示智能和对上下文的感知能力。你们给了我一个提示词，而现在就是我的回答。大家明白了吗？

这就是极其标准的人工智能(Artificial Intelligence)。那么，现在到底在发生什么？我刚才提到了一个词：生成式AI(Generative AI)。今天的计算机已经被彻底重塑，它正式步入了生成的时代。

未来，你看到的每一个词元(Token)、每一个字母、每一个单词，以及未来的每一段视频、每一张图片、每一则广告、每一条电视广告，甚至你阅读的每一个故事或新闻——它们都将独一无二。

君士坦丁(Constantine)所看到的、我所看到的，以及你所看到的将完全不同，因为它们都是为你量身生成的。你的兴趣、你的背景、你的身份、你提问的原因以及提问的方式，这些因素都截然不同。大家能理解吗？

因此，未来你看到的每一个像素、听到的每一个声音、看到的每一段视频，都将是实时原创生成，而非检索获取的。 这意味着在未来，我们需要海量的生成器(Generators)。

主持人： 嗯。

05

被智能包裹的星球

黄仁勋： 我们制造的正是这些生成器，这就是我们的本职工作。它们是庞大的计算机，正在源源不断地生成智能(Intelligence)。接下来的问题是：这会有多大规模？事实证明，我们如今所生成的智能和信息量，大约是在为全球十亿人提供服务。

刚才我提到人工智能已经变得具有代理化(Agentic)特征，这意味着它可以自主完成工作。既然能够自主工作，那么一个智能体(Agent)就可以与另一个智能体沟通说：“我有项任务，我们组队一起干吧。”现在你拥有了各种不同的智能体，比方说，它们在你的公司内部协同合作解决问题。在英伟达内部，君士坦丁知道，我们就是代理式人工智能的重度用户。

此时此刻，可能就有几十万个智能体在运转，执行任务、相互交流并解决问题。它们都运行在安全护栏(Guardrails)和沙盒(Sandbox)机制的约束之下，同时又能彼此紧密协作。

这意味着在未来，我们今天供十亿人使用的互联网，可能会被数十亿——甚至上千亿(100 billion)个智能体所占据。它们将全天候工作，利用网络进行持续不断的沟通。

它们会交流些什么呢？举例来说，企业将与其他企业合作，员工的智能体将与其他员工的智能体进行交互。我们将看到智能体化的自动驾驶汽车、智能体化的机器人，甚至整个制造系统和建筑都将作为智能体运作。这些智能体将无处不在，它们利用互联网生成指令，并进行理解周围环境所需的思考处理。

最终，这意味着我们的世界正在演变成为一个高度融合的计算层。

这个计算层将像蚕茧一样包裹住地球，时刻不停地生成智能。我刚才说的这些听起来似乎天方夜谭，但实际上，类似的情况在历史上已经发生过两次了。三百年前，

德国一家叫西门子(Siemens)的公司生产了一台机器。这是一台非常有趣的机器。你走到它面前，点燃火焰，然后一种不可思议的无形力量就会从另一端涌现出来。当时没人知道那是什么，但我们现在懂了，那是电。

06

英伟达 AI 工厂内部

世界上有多少发电机？我们称其为电网(Grid)。发电网络像蚕茧一样包裹着地球，我们称之为电网。当然，在二十多年前——不，更早一些，三十五年前，这种网络方案、网络矩阵架构在美国诞生了，它最终演变成了互联网。如今它在哪里？它也像蚕茧一样包裹着世界。所以现在，你看到了能源、通信，以及接下来的智能，它们都将紧紧包裹这个世界。它会成为一种极其普遍的基础资源(Commodity)，我们将无处不在地使用它。而英伟达的本职工作，就是制造这台“新机器”。

三百年前发明的那台机器叫发电机(Dynamo)。发电机可以将任何运动——无论是瀑布、风、火还是蒸汽——将这些原子的运动转化为电子的流动。

随后，我们将这些电子导入我们的机器，也就是英伟达的机器中。电子进入这座工厂，出来的则是数字。

这些数字根据你组合方式的不同，化身为语言和数学。它们也可以转化为我们习得的一种新语言：蛋白质。我们已经学会了人类生物学的语言，以及物理世界的语言，包括物理学、气候和天气。

我们学会了三维世界的语言，例如机器人技术和自动驾驶。我们学会了各种不同形式的智能语言。但重点在于，

这两台相隔三百年的机器：一台输入原子，输出电子；另一台输入电子，输出数字。而这些数字可以被重组、重塑为各种不同形式的智能。 这就是我们建造的东西，这就是我们的工作。我之所以称之为“工厂”，是因为它正在进行生产。我们把产出的东西称为“词元”(Tokens)，本质上它们就是数字、是词元，而这些词元就是智能。仅此而已。这就是我们做的事，其实并没那么难。太绝妙了。

现在，你知道了AI是用来做什么的，知道了AI是如何构建的，也知道了它未来的规模会有多大。感谢大家今天的参与！谢谢。回答完毕。好问题。（开玩笑）

主持人： 我觉得这番话把核心讲透了。就像是你给出了完美的提示词(Prompt)铺垫。好的，所以这是一场巨大的革命。

你提出了三大变革：能源变革，它影响着当下的每一个人，在座的许多人就是全球制造业和能源生产商的一员；电信变革，它连接了我们所有人；以及现在的智能变革。

在能源领域，你提到了发电机；在电信领域，类比的话可能是用于全球路由通信的交换机之类的设备。而在智能革命中，核心则是 GPU 和 AI 工厂，比如 H100 或任何能将所有需求集于一体的新系统。那么关于 Vera Rubin（英伟达下一代芯片架构），有什么新进展？

黄仁勋： 这些工厂，也就是这些生成器——我们把每一个单元称为机架(Rack)。每个机架内有 72 颗芯片。我们今年预计生产大约 800 万颗芯片，每 72 颗被集成到一个机架中。这个机架重达两吨，价值 400 万美元，包含 150 万个零件。

这也是世界上最昂贵的设备。而我们的生产方式，嗯，就像生产手机一样。我的意思是，我们正在疯狂量产。它们被送往世界各地的数据中心。是的，我们就是在成批量地制造这些机器。

主持人： 确实是庞大的设备，看来这就是你平时举重健身的方式了。是的，我懂。

黄仁勋： 量大也没有折扣。

主持人： 好吧，你为我们描绘了一个非常令人兴奋的世界图景，我们正处于这场革命的中心。你可以说它已经发展了几十年，也可以说才几年，但现在毫无疑问，我们正处于智能革命的主流浪潮中。我相信在座的每一个人都想参与这场革命。

黄仁勋： 是的，这是一个极好的问题。

主持人： 让我们先从大型企业谈起，然后再谈谈个人。人们该如何加入这场运动？

黄仁勋： 刚才我已经给了你们两个思维模型(Mental Models)，我准备再给你们一个。我们可以顺着这个话题，希望能涵盖所有的四个阶段。我刚才已经讲了人工智能能做什么，以及它是如何被制造出来的。

这些东西都是在工厂里创造出来的。每建造一座吉瓦级(Gigawatt)的工厂大约需要花费 500 亿美元；如果你见过这种工厂，就会知道它是世界上最昂贵的工厂。但这座 500 亿美元的工厂，能产出价值 3000 亿到 4000 亿美元的智能。它的生产价值简直不可思议，投资回报也非常快。

我现在要告诉你们的——这对你们思考投资非常重要——是 AI 的产业布局(Industrial layout)究竟是怎样的。你可以把这种产业全景图想象成一个“五层蛋糕”。

我提到过最底层是能源。还记得我说的发电机吗？当然，现在我们有各种交流发电机和其他发电设施，所以最底层是能源。

这是过去几代人以来，能源行业实现增长的最大单次机遇。这可能是大概 100 年来，许多国家的电网首次能够迎来大规模投资。这也是投资可持续能源的最佳时机。如果你关注可持续能源——无论是核能、风能、太阳能、氢能，还是其他任何形式——只要它能产生能源，它就能获得资金支持。

07

AI 五层蛋糕

这就向你们说明了这是一个多么伟大的时代，因为我们手握一万亿美元。试想一下：仅今年一年，我们就将把市场上一万亿美元的资金投入到我即将向你们描述的这个“五层蛋糕”中。第一层是能源；这就是为什么西门子(Siemens)现在做得这么好，三菱(Mitsubishi)表现得极其亮眼，GE Vernova 也大获成功的原因。所有企业都在高歌猛进。

蛋糕的第二层是芯片、计算机、网络、交换机和硅光子技术(Silicon Photonics)。能理解吗？这一切都围绕着计算机硬件展开。

蛋糕的第三层是我们所说的基础设施(Infrastructure)：土地、电力、厂房建筑(Shell)和资金。

如今，数据中心的运营能力极度稀缺，这构成了第一层：基础设施层 (Infrastructure Layer)。

下一层是模型层 (Model Layer)，这也是大家日常看到并将其与 AI 联系在一起的部分。它建立在计算机和云基础设施之上。这是我所知的近代人类历史上最伟大的机遇，因此，海量由市场驱动的投资正自然而然地涌入这个生态系统。这是创业与建设的绝佳时代。

08

从聊天机器人到生物学

关于模型层，其中包括 OpenAI 和 Anthropic 这样的公司。然而，有一个极其重要、不容忽视的事实：你们可能只听说过这两家公司，但别忘了，正如我刚才所解释的，AI 已经学会了语言。

它不仅学会了语言，还学会了任何具有结构性事物的含义。这一层至关重要；尽管我们往往把注意力放在语言上，但绝不能忘记，只要事物具备清晰的结构，AI 就能进行学习。

举个例子。今天我走进这个房间时，就预料到会有很多人，你们的出现完全符合常理。然而，如果你们当中有人倒挂在天花板上、悬浮在半空中，或者身体的各个部位散落在 17 个不同的地方，那就很难去学习和理解了，因为每一次出现的情况都截然不同。去学习像量子力学那样的不可预测性是极其困难的，但我们很容易学会那些具有内在一致结构的事物。例如，因为人都有眼睛，AI 就能学会识别这些特征。

再以物理定律为例。今天我是毫无顾虑地坐下的；我完全不担心只有 53% 的概率能稳稳坐在椅子上，而剩下 47% 的概率会穿过椅子摔在地上。我 100% 信任这把椅子。如果事物是可预测的，它们就包含可供学习的结构，你便能从中提取出意义。

这就是我们处理复杂系统的方式。我们正在学习蛋白质和基因的含义——不仅仅是对它们进行测序或用 CRISPR 进行基因编辑，而是真正理解这些基因的内在含义。我们正在努力破解细胞最本质的意义。

09

Token（词元）与世界模型

细胞为何会执行其特定的功能？两个细胞结合在一起时又会发生什么？想象一下，这其实和我像学习单词含义一样去学习细胞的含义毫无二致。当我把两个单词放在一起时会怎样？这两个单词会相互激活，转化成具有另一种含义的新事物。明白了吗？所以，从计算机的视角来看，它根本不在乎输入的是细胞、蛋白质、单词、图像还是汽车。这样说得通吧？在它眼里，万物皆是 Token (词元)。

因此，作为计算机科学家，我们必须弄清楚如何用各种不同的方式来表征世界上的信息，以便计算机能够理解它。理解它，对其进行推理 (Reasoning)，制定计划，并生成行动——这就是完整的智能循环 (Intelligence Loop)。蛋白质是如此，细胞是如此，人体解剖学也是如此。它必须是可预测的。之所以可预测，是因为明天的我与今天的我基本无异。它必须具备可预测性。明白吗？所以我们正在学习所有这些不同的领域。我想表达的重点是：大家熟知的或许只有那两个大语言模型 (Language Models)，但 AI 实际上是一个无比庞大的产业。

10

万亿规模的行业应用

除了数字世界之外，实体物理世界的产业规模约为 80 万亿美元。这实际上才是最重要的前沿地带，也是我们平时很少谈及的部分。

在此之上，这些模型和技术正在赋能康斯坦丁 (Constantine) 如今经常看到的所有事物——那些在金融服务、法律、会计、交通和物流领域不断涌现出革命性理念的初创公司。对吧？

因此，上面这一层所代表的，是去年高达 1000 亿美元的风险投资，这也是人类历史上单年风险投资额最高的一年。

所有的这些资金都涌入了第五层，也就是最顶层——那些旨在改善人类生存状态的应用层 (Application Layer)。所以，这个生态总共有五层。当你思考 AI 并希望投资于这个未来时，我向你保证，这个未来将是极其庞大的。因为就在两年前，这个数字还是零。我们目前大约即将投入 1 万亿美元，但这 1 万亿美元仅仅是个开始……

我们未来可能会在 AI 产业中投入——我大胆猜测一下——大约每年 20 万亿美元。在这个每年 20 万亿美元规模的生态系统中，我们目前才仅仅投入了 1 万亿美元。因为在谈到智能的生产时，你只需要问自己两个问题：智能有多重要？谁需要它？

你又需要多少智能？这些都是最基本的问题。而所有的这些智能，无论是应用于蛋白质、汽车、机器人，还是语言、数学、科学等任何领域，都必须由这些机器来生成。所以，这个“五层蛋糕”就是 AI 产业的结构蓝图。我认为，这是思考未来投资方向的一个绝佳视角。

主持人： 确实如此。你刚才描绘了一个参与这场革命的数万亿美元的巨大机遇。这不仅包括硬件和设施。如果建设一吉瓦 (Gigawatt) 算力中心需要 500 亿美元，而未来几年将有 100 多个此类项目上线，那就是数万亿美元的规模；再加上应用层，那将是成百上千个万亿美元，甚至更多。这意味着将为从事实际建设的人们创造出大量实实在在的就业机会。

11

抛弃人工智能末日论

黄仁勋： 没错，正是如此。我们必须重点强调这一点，这对大家来说非常重要。如今，每个国家对 AI 的态度都各不相同。你们同意吗？因为各国的文化略有差异，所以每个国家看待 AI 的视角也不尽相同。

我的建议是：警惕那些将 AI 比作“终结者”的科幻故事，警惕“奇点 (Singularity)”这样的宏大词汇，或者那些宣扬 AI 有 20% 的概率会终结人类文明的言论。这类关于 AI 的论调纯属胡说八道。完全是无稽之谈。

此外，那种声称“我们完全不知道 AI 是如何运作的”的说法也是荒谬的。有人会说：“这太神秘了，我们连它的运行机制都不懂；它没准明早就会从座位上站起来自己走掉。” 事实根本不是这样。

在我看来毫无疑问，它本质上就是计算机和软件。我也毫不怀疑开发人员非常清楚它是如何运作的。你知道我是怎么确定的吗？因为显而易见，它每年都在迭代升级。如果你连一个东西是怎么运作的都不懂，你怎么去改进它？“我完全不知道它怎么工作，但我就是知道怎么让它变强”——这完全是悖论。

那么，他们为什么要散布这些言论呢？这是个有趣的问题。但无论如何，不要被吓倒，你必须去拥抱它。你未必会被 AI 抢走工作，但你绝对会被那些善用 AI 的人抢走工作。 大家同意吗？（台下：同意。）很好，所以，不要去杞人忧天那些不确定的事，让我们把精力集中在确定的事情上。

我非常确定，我会被掌握 AI 的人取代。因此，在对 AI 感到焦虑之前，我们首先要确保自己去掌握并使用 AI。那么，为什么我一定要告诉你们这个常识呢？因为在座的各位有些已经为人父母了。

你会给孩子们什么建议？让他们落荒而逃？还是叮嘱他们，无论这种赋予人类“超能力”的技术是什么，都一定要去学会使用它？所以我希望我们能做好两件事。第一，我们正在竭尽全力地为这个世界打造安全的 AI 技术。

我向你们保证，有海量的计算机科学研究、巨额的资金投入以及无数的热情，都倾注在确保这项技术能被所有人安全使用上。我可以证明这一点。对比一下两年前的 ChatGPT 和现在的版本：AI 幻觉 (Hallucination) 已经大幅减少到几乎为零的地步，它不仅能精准地输出知识，而且能做到语境相关、与时俱进。如果它不知道答案，它会去主动搜索。当它得出答案时，甚至会进行自我质疑。在给你最终答案之前，它会进行反思 (Reflection)，构思出两三种不同的答案，并在评估这些选项之后再向你输出。在安全性、护栏机制 (Guardrailing) 以及事实对齐 (Grounding) 方面，这项技术为了确保安全而进化的速度极其惊人。我可以拿事实极其笃定地告诉你们：与 100 年前的汽车相比，我绝对更喜欢今天的汽车。

技术确实变得更加强大了，但也更加安全了。这背后需要无数新发明的技术来为安全保驾护航。因此我可以负责任地说，安全地构建 AI 是我们的本职工作，是整个科技行业的责任，也是科学家和工程师们的使命。第二，你们也有责任去告诉你们所爱的人——无论是你的家人、孩子、孙辈，还是你所在的公司、你的国家——无论我们在做什么，去拥抱 AI 吧。

既然我们认为它是一种超能力，那就去驾驭它。因为如果你不去用，别人就会去用。淘汰我们的绝不是 AI，而是那些善用 AI 的人。 所以，这就是我的观点，哈哈，刚才这话说得有点太沉重了。

主持人： 那就是，呃……

12

职业任务与职业目标

黄仁勋： 确实如此。这是因为他提到了“工作”这个词。这触动了我的神经，因为现在有一大群人在捏造关于工作的言论。我们今年向全球生态系统投入了一万亿美元，不是吗？这些钱在做什么？在创造工作岗位。

现在，能源领域创造的工作岗位比以往任何时候都多。芯片领域也是。基础设施层更是如此。从土地、电力、建筑外壳(Shell)到金融，一切都在增长。人工智能模型层(AI Model Layer)，工作岗位比以往任何时候都多。我们刚刚提到去年有1000亿美元投入到了上层应用中，创造的工作岗位比以往任何时候都多。我们正在创造海量的就业机会。这时，有人可能会问，那传统工作怎么办？让我来给大家举个例子。

大家应该明白，职业(Job)与任务(Task)息息相关，但它们绝不可等同视之。 你的职业和你所做的任务是有关联的，但并非同一回事。例如，我的职业是担任首席执行官(CEO)，领导这家公司。但我今天大部分的时间，任务其实就是在打字和交谈。

所以你可以说，CEO就等于打字和交谈。这两项任务，AI都能以远超人类的方式完成。但我现在却比以往任何时候都忙。当然，这只是一个有趣的小例子。让我举一个更深刻的例子，大家可以体会一下。

大约10年前，或者稍微早一点，世界上一位顶尖的计算机科学家想警告大家AI的威力。他说——康斯坦丁(Constantine)可能知道他是谁——AI将要摧毁和消除的第一个职业，也是他建议所有人千万不要踏入、因为注定会被彻底淘汰的领域，就是放射科。

计算机视觉(Computer Vision)在12年前就已经超越了人类。计算机能够以超凡的能力识别图像并检测异常；它从不疲倦，也从不遗漏任何细节。

12年前它就已经能做到这一点了，于是他预测，放射科将因此被淘汰。好吧，在这一点上他完全说对了。

放射科确实已经被计算机视觉深度渗透。计算机视觉普及到了每一种放射检查形式和每一个放射技术栈中，如今的每一位放射科医生都在计算机视觉的辅助下工作。然而，有趣的事情是：对放射科的需求反而猛增了。世界上放射科医生的数量也增加了。为什么？

请现场观众互动一下？为什么？我听到了一些答案，都非常正确。事实证明，放射科医生过去需要花大量时间研究扫描图像。但放射科医生的**职业目标(Purpose)**是与临床医生合作来诊断疾病。

因为看片子现在自动化了，他们的工作效率大幅提高。于是发生了两件事：医院收治了更多的患者，也做了更多的影像扫描。放射科变得更加赚钱了。当他们意识到利润更高且能收治更多患者后，他们雇佣了更多的放射科医生，以便能收治更多的患者，从而创造更多收入，并照顾更多的人。因为事实证明，有很多饱受病痛折磨的人正在排队等待入院。

那么，让我们试想一下。当计算机科学家危言耸听地告诉大家放射科医生将迎来世界末日时，你能认同吗？我的观点是，我们必须对自己的言论负责，因为不当言论会造成伤害。事实证明，在他那次演讲之后——由于那种焦虑渗透到了方方面面——想要成为放射科医生的人数开始下降。但实际上，我们需要更多的放射科医生。

最近又有人说，90%的软件编程工作将会消失，因此我们不再需要软件工程师了。然而与此同时，我们雇佣的软件工程师比以往任何时候都多。原因在于，软件工程师的职业目标是解决问题，并构想出需要解决的新问题。他们的核心是创新。

我从来没有在面试时对一个人说：“嘿，听着，你是软件工程师。这是键盘，给我展示一下你一秒钟能敲多少个字。” 打字不是软件工程师的职业。敲代码也不是。解决问题才是他们的职业目标。刚才我给了大家两个例子：任务(Task)与目标(Purpose)的区别。这下大家明白了吗？

事实证明，这种情况在各行各业都在发生。但正因为我们对这些问题的理解过于刻板和天真，计算机科学家才会说出“50%的工作将会消失”、“软件编程将变得毫无意义”、“放射科将被彻底淘汰”这样的话。当我们仅仅从任务的维度去思考时，我们就遗忘了职业的真正目标。

在工作站诞生之前，就有放射科医生；在AI普及之后，依然会有放射科医生。在软件编码出现之前，就有工程师；我向大家保证，在此之后也同样会有工程师。这讲得通吗？这就是我们看待职业的正确方式。 刚刚我已经讲了两点。第一，如果你的国家没有投资AI，那么你们将错过一场巨大的就业增长浪潮。 第二，如果你的国家或公司没有投资AI，你们将错过一次让国民或员工能力大幅跃升的机会。

AI不会取代你的工作，AI会升华你的职业。如果我今天是一名水管工，我通常只会拿到一张任务单或示意图。 但如果我是明天的水管工，我很有可能同时也是一名设计师。这讲得通吗？因为你我都清楚，即使我只是个木匠，我们也可以直接使用AI生成精美的厨房设计图。如果我是卖家具的销售员，我也完全能转型成为室内设计师。

我提升了我的技艺。我从一个只会卖家具的人，变成了一个能为你规划完美家园的顾问；我从一个你只指望把几块木头钉在一起的木匠，变成了你的家居设计师。我升华了我的专业造诣。我已经举了这么多例子，这就是我的核心观点。我认为当前关于AI的悲观叙事是完全错误的，其目的只是为了恐吓大众，

13

弥合技术鸿沟

以便少数人能从中获利。但正如大家所知，AI是我整个职业生涯中，弥合技术鸿沟(Technology Divide)最强大的力量。我从事计算机设计工作四十多年了，在我的一生中，我们创造的技术变得越来越复杂，能够为这些计算机编程的人口比例反而一直在下降。

这个房间里有谁懂C语言？得了吧，别闹了，你们这些技术怪才。这一排的人是同一家初创公司的吗？好吧，所以这一排……我们大约是在看2%的人，对吧？只有2%，这个房间真的很非比寻常。整个社会只有2%的人懂C语言。那有多少人懂人类语言呢？

这就比2%多多了。所以，现在每个人都可以给计算机编程，而在过去只有2%的人能做到。我们已经弥合了技术鸿沟。我们必须带着所有人一起前进。这讲得通吗？好了，就说这些吧。对于一个周五的晚上来说，这个话题太沉重了。

主持人： 这极其乐观，我也非常赞同。能听到一位比世界上任何人都更接近支撑这一切技术底层构建的人发表见解，真是太棒了。

黄仁勋(Jensen)，你谈到了一个未来：我们将从伴随我们一生的“检索(Retrieval)”范式，转向“生成(Generation)”范式，一切都将被定制化，知识也将为个人量身定制。这是一个生成智能(Generation of Intelligence)的世界，如同曾经的能源革命和电信革命一样，现在我们正身处智能革命(Intelligence Revolution)之中。

你谈到了计算机能够理解的语言，不仅仅是英语或德语，甚至还包括蛋白质语言。你谈到了五个层次的参与，这场革命为在座的每一位以及每一位听众都提供了无尽的参与机遇。

你还谈到了这种转型将带来实质性的影响——这些影响将使人们能够从仅仅执行任务，转变为构想问题与解决方案，甚至去追求充满目标感的人生，让我们从敲打木头的手工者，升华为勾勒蓝图的建筑师。

谢谢你，Jensen。请大家和我一起感谢黄仁勋(Jensen Huang)，是这个人让这一切成为现实。谢谢。

黄仁勋： 非常感谢。你太棒了。真的很感激。谢谢大家。