夜雨聆风
黄仁勋这次没发飙:中国在AI能源和人才领先美国,模型层紧随其后
这是过去12个月内，黄仁勋第二次接受《致总统的备忘录》播客对谈。
此次，黄仁勋没有发怒，而是探讨了从基于检索的计算向由人类意图驱动的生成式范式的转变。
黄仁勋指出，
-
美国必须引领AI的“五层蛋糕”，以引发一场大规模的再工业化，将高技能制造业带回美国。
-
AI自动化的是特定任务，同时提升了对人类创新需求。
-
“物理AI”的崛起，预测具备推理能力的自动驾驶出租车和人形机器人将在未来三年内成为主流。
-
美国舆论把 AI 过度科幻化、渲染末日恐慌，制造全社会焦虑与抵触情绪。
-
美国必须重视全球人才竞争，持续吸引顶尖科研人才赴美发展。美国AI模型技术领先，但高度依赖全球顶尖人才储备。
对于中国市场，黄仁勋强调，客观上看，中国在 AI 多层（五层蛋糕）架构中已经具备显著优势甚至领跑地位。
其中，中国在AI能源领域处于全球领先；芯片领域美国保持优势；AI模型层面美国小幅领先，但中国紧随其后，尤其中国拥有庞大的AI人才，这点美国处于落后局面。
“亚洲其他地区正以极大的热情拥抱和采用AI。这是我们必须非常关注的事情。”
主持人：
欢迎收看本期节目。不到一年时间里，我再次在水晶城的办公室，专访到了英伟达创始人兼CEO黄仁勋。
非常荣幸能再次请到您。回看我们去年7月的访谈，短短一年间，AI行业发生了翻天覆地的变化，整个领域迭代演进速度惊人。我们先从当下AI行业现状聊起。您常提到“AI时代与传统计算机时代的规模差异”，当下的格局究竟意味着什么？和传统计算机时代相比有何本质不同？能否为我们详细解读一下？
黄仁勋：
我们正处在全新的计算范式之中。从底层逻辑拆解来看，传统计算本质上是检索式计算：我们提前录入信息、拍照、录制视频、撰写文稿、整理简报，再把这些内容上传至数据中心存储。
当你产生需求时，系统会通过检索机制调取已有内容：网购时是推荐算法、搜索时是列表推送、刷视频则是信息流投喂。你点击选择后，系统就从数据库调取对应文件。
平台会根据你的历史偏好、所处场景、跳转来源，以及所有留存的网络痕迹，从已预制好的十余种广告版本里为你匹配推荐。
长久以来，我们使用计算机的逻辑始终如此：生产内容、存储内容、检索内容。
而人工智能驱动下的全新计算模式截然不同：它会基于你的场景语境、指令需求和真实意图，从初始信息基点出发实时生成全新内容。这些生成内容可以依托事实依据、可以参考行业报告，每一次输出都是全新创作，这就是生成式计算。
从检索式计算迈入生成式计算，是划时代的重大突破。
它的核心价值在于：每一次使用，系统都会结合实时语境、真实基准信息和你的核心意图，智能匹配最贴合需求的内容。
这也是如今算力需求暴涨的根本原因：传统计算靠海量存储，而生成式AI需要庞大的算力集群支撑，这是最底层的本质区别。
除此之外，AI还实现了多维度信息感知能力，无论是文本、视频还是图像都能读懂；它能理解你的提问语境与真实意图，自主规划应答逻辑——可以直接作答、整理摘要、撰写行业简报，甚至帮你完成采购决策。
我们从检索式计算正式迈入生成式计算，在此基础上，AI还具备了自主执行复杂任务的能力，这正是人工智能发展的核心主线。
主持人：
我想请教一个个人问题。你第一次接触聊天机器人是什么时候？当时第一感受是什么？
黄仁勋：
我第一次接触聊天机器人，是在英伟达推出Megatron大模型之后。在首款大语言模型正式官宣前，英伟达就和微软联合研发了Megatron，参数量达到四五千亿级别。
我们自研的预训练技术，是支撑这款超大规模模型落地的核心。大概在2019年末，我们和微软联合完成了这款巨型模型的预训练。
这远早于ChatGPT问世。Megatron当时已经具备超强的知识记忆与编码能力，但缺少一个关键核心——OpenAI为ChatGPT赋予的对齐技术、基于人类反馈的强化学习。
当时向Megatron输入指令，它只会机械输出模型内存储的零散内容，逻辑混乱、毫无章法，实用性极低。我们当时一直在等待另一项关键技术突破，也就是人类反馈强化学习的成熟落地。
主持人：
我第一次体验到GPT时，完全被震撼到了，那种惊艳感难以言喻。内部一个栏目名叫《办公室AI日常》，每周我们都会让员工分享上周用AI做了哪些有意思的事。您上周用AI做了什么印象深刻的事？
黄仁勋：
昨天我还用AI来完善致股东信函。我先梳理好整体大纲，让AI通读我过往所有演讲稿、公开撰文和核心发言内容。
要求它基于现有大纲，用我过往的表述逻辑填充框架、搭建初稿。之后我会人工审阅，改写不合理的部分、整合优化内容。
完成初稿后，我还会再次交给AI，调整全文语气风格、优化重点表述，打磨行文质感。
写作实在是一件很煎熬的事，我一直很不擅长。但有了AI之后，这项工作轻松了太多。
主持人：
英伟达早已不只是一家芯片公司，而是搭建起了完整的产业生态。你们不仅深耕现有生态，还在持续布局未来赛道。站在华盛顿的视角，您如何定义英伟达的定位？我们搭建的产业生态究竟是什么样的？
黄仁勋：
我们为现代人工智能搭建“底层计算基础设施”。如果说AI是全新的计算范式，那英伟达就是支撑这套范式落地的算力底座与计算架构。
一套完整的计算体系，不只有芯片，还包含整机系统、系统软件、底层算法；算力部署场景也无处不在：数据中心、本地机房、工厂车间、通信基站、智能汽车，都是算力落地的场景。
无论算力部署在何处，我们都提供必备的底层计算基建。不同应用场景适配不同算法架构，我们的核心工作，就是把科研领域的创新算法，完美适配到英伟达的技术架构中。
英伟达本质上是一整套软件、中间件的集合，相当于各大科技领域的专属操作系统，赋能各行各业完成智能化计算。
同时我们深度链接全球生态合作伙伴，从药物研发、能源发电、工程重工，几乎全美各行各业都在和我们深度合作。
主持人：
您近期提出AI是“五层架构体系”，我想请您逐一拆解。立足华盛顿视角，美国在每一层架构中处于什么位置？我们有哪些优势、又亟待补齐哪些短板？
黄仁勋：
AI不仅是全新计算范式，更是一个全新的完整产业。核心原因在于，AI的运行逻辑和传统计算机完全不同。
传统计算是精准存储信息、从硬盘和SSD中检索调取；而AI是实时生成信息，输出本质是一串串数字，我们称之为词元（token）。
这些浮点数字词元，会被重新编译成人类可感知的文本、视频、图像、音频，就像速溶饮品粉末加水还原成品一样。
而词元生成的全过程，需要超大规模算力集群支撑，算力运转又离不开能源供给。
整个AI产业五层架构由此形成：
最底层是能源，之上是海量芯片与超算集群，这些超算规模堪比足球场，数量庞大；
再往上一层是基础设施，包含土地、电力、机房基建，以及云服务底层软件；
第三层是AI模型；
而对美国乃至全球所有国家来说，最关键、也是我最担忧的一层，是技术落地应用。
我们必须做好两件事：一方面建立完善监管规则，守住技术安全底线；另一方面，必须抢占AI应用落地的全球前沿。
AI能极大提升生产力、带动经济繁荣、巩固科技与经济领导力，我们绝不能在这一轮产业革命中落后。上一次工业革命美国是领跑者，这一次绝不能沦为追随者。
所谓AI五层架构，依次为：能源、芯片、基建、模型、应用。
大家熟知的大语言模型，只是最容易被大众感知的形态。但AI能承载的信息远不止语言与数字，还包括生物、化学、物理、机械、电子等全领域数据，全部都能通过token化处理。
看待AI不能只局限于聊天机器人，还有大量关联实体产业，它们没有头部AI公司的声量，却对国家未来发展至关重要，AI模型与行业应用的价值远超大众想象。
主持人：
我们聊聊能源话题。所有AI模型运转都需要海量能源支撑，未来能源供给面临电网改造、输送通道建设等诸多难题。可控核聚变、太阳能都是备选路径，您如何评估当下美国的能源现状？
黄仁勋：
这是一个至关重要的问题。首先我们要回归本质思考：美国是否需要再工业化？是否要把实体经济、制造业产业链重新带回国内？
这些产业和就业岗位，是健全社会与经济体系的核心支柱。如今美国社会陷入一个困境：没有本科、硕士或博士学历，就很容易被时代淘汰，这既不合理，也本可避免。相信所有人都认同这一现状亟待改变。
当下，我们迎来了一代人以来最强的市场驱动力——AI，将推动美国全面再工业化。
AI会催生三大新建产业集群：
第一是芯片制造工厂，英伟达已是全球最大AI企业，我们承诺投入5000亿美元算力相关布局，把供应链从东亚回流至欧美，新建芯片厂、封测厂、整机工厂，实现AI超算全产业链本土制造、本土使用。
第二是配套超算整机产业链；
第三是规模化AI算力工厂。
整体将带动数万亿美元制造业投资，创造海量高技能、高薪资就业岗位，为美国带来巨大制造业机遇。
首先要明确立场：我们是否愿意重回制造业强国、搭建完善实体经济体系？如果答案是肯定的，就必须解决能源问题。
制造业的本质是物质形态转化，拆分、重组化学键，整个过程需要巨量能源支撑，能源是再工业化的根基。
客观来看，美国当前能源储备与供给能力已经落后。过往对气候变化的过度顾虑，导致能源领域长期投资不足。当然环保与发展需要平衡，不能片面取舍。
未来我们要从两方面破局：
第一，电网现代化升级，提升电网运行效率与承载能力。美国电网大部分时间冗余过剩，但一年中仍有十余天负荷承压。我们需要制定合理的服务协议，让电力企业在富余时段输出冗余能源，负荷高峰则启用备用能源兜底。备用能源可以依托光伏、核电等各类可持续能源。当下借着AI驱动再工业化的风口，我们必须抓住机遇，重塑美国制造业根基，创造大量高端就业岗位。
第二，借此次产业变革契机，全面升级美国整体能源体系。
说到本土制造，我补充一句。当下我们的短板十分明显，长期能源投资缺位造成了如今的局面。
主持人：
去年7月访谈时，您提到下一波浪潮是智能体AI（Agentic AI）。如今5月，我们已然身处这波浪潮之中。您如何评价当下智能体AI的发展现状？业内对它的成败与行业格局讨论热烈，想听听您的判断。
黄仁勋：
从大语言模型到聊天机器人，核心突破是人类反馈强化学习；而从大模型进阶到智能体系统，关键突破是信息锚定能力。
模型本身在持续迭代：预训练精度提升、强化学习优化，推理能力、工具调用能力都在不断完善。
但真正的质变，是让大模型锚定真实信息、联网检索、自主研究、具备长期记忆、自我迭代进化，还能实现多智能体协同交互。
过去六个月，AI智能体取得了跨越式突破，整体落地表现十分亮眼。我十分看好Codex和Claude Code两大产品，表现尤为出众。
CodeX 5.5刚刚发布，堪称里程碑式飞跃，Claude Code同样实力强劲。
如今绝大多数软件研发任务，都能实现全流程自动化，不再需要人工逐行编码。
业内曾有一个普遍预判：智能体普及后，软件工程师岗位会彻底消失，年轻人千万不要入行。
但现实恰恰相反：无论是英伟达还是各行各业，都在扩招软件工程师，岗位数量不降反增。
背后核心逻辑很简单，这和放射科行业的发展逻辑如出一辙。十年前就有人预言：计算机视觉会彻底颠覆影像诊断，放射科医生会集体失业。
如今AI早已渗透放射科全流程，但放射科医生依旧供不应求。
软件行业也是同理：我们要分清工作任务和工作核心价值。
软件工程师的日常任务是编程、写代码，但岗位的核心价值从来不是敲代码，而是创新突破、解决复杂问题、联动协作、挖掘潜在需求、跨界整合创造新价值。
编码只是落地手段，不是岗位本质。工程师的核心使命，是创新、破局、推动企业发展，编码只是其中一项基础工作而已。
主持人：
您曾说下一波浪潮之后，还有新的变革风口。
黄仁勋：
AI本质上是在创造更多就业。那些宣扬AI会大规模裁员、制造失业恐慌的言论，只会误导年轻人，反而造成行业人才缺口。
我最不愿看到的，是年轻人被误导不敢投身软件工程领域，可现实是行业极度缺人。
就像医疗领域，不该劝人别做放射科医生，社会永远需要专业医师诊断病情，阅片只是辅助任务。
只要把岗位的核心价值和基础执行任务拆分开，就能看懂AI与就业的真实关系。
主持人：
顺着这个话题，您此前预判下一个风口是“物理世界AI”。时隔十个月，您如何看待当下物理AI的发展进程？
黄仁勋：
物理AI最成熟、落地最快的赛道就是自动驾驶、无人驾驶出租车。这项技术的科研层面已经完全攻克，剩下的只是工程化落地优化，而且工程化难题也已临近突破节点。
主持人：
无人驾驶出租车很快就要普及了。您有没有实际体验过？感受如何？
黄仁勋：
体验非常出色。英伟达自研了一套NVIDIA Alpamayo系统，全球首款具备自主思考能力的无人驾驶系统。
面对从未遇到过的全新路况，它能自主推理拆解场景、理解周边状况、规划最优行驶方案，推理能力大幅拓展了自动驾驶的边界。
无人驾驶出租车已经真正走向落地。
主持人：
那人形服务机器人呢？离普及还有多远？
黄仁勋：
已经近在眼前了。大家可以试想一个场景：现在的视频生成模型已经非常成熟，你输入指令，就能生成机器人拿起咖啡杯、完成递取动作的完整视频。
既然AI能生成逼真的动作视频，原理上就能复刻到实体机器人身上，人形机器人的技术落地已然具备基础条件。
主持人：
那时间周期您如何预判？是1到3年，还是3到5年，人形机器人会真正走入大众主流生活？
黄仁勋：
当下最大的瓶颈，不完全是AI模型，更多是机电一体化、电机驱动、仿生手部结构、材质工艺的限制。
机器人既要轻量化保障安全，又要具备足够承载力；重物倾倒的安全风险差距悬殊，现有技术和理想落地标准还有明显差距。
不过材料科学、电机技术、电池续航、传感器技术都在快速迭代，叠加AI模型升级，最终（1-3年）一定能突破瓶颈。
主持人：
那家用机器人多久能走进商超、走进普通家庭？
黄仁勋：
我不纠结某一款特定产品，但英伟达舞台上经常展示的迪士尼仿生机器人，形态十分可爱。谁不希望身边拥有专属智能机器人伙伴，就像影视里的R2-D2一样。
主持人：
我们聊一个严肃话题。身处华盛顿，必须谈谈中国与芯片出口管制。您一直主张向中国合理出售芯片，外界对此争议很大，不少人认为这会助力主要竞争对手实现赶超，您如何回应这种质疑？
黄仁勋：
核心逻辑还是回归AI五层架构。美国必须在AI每一个层级都保持全球领先：能源技术、芯片产业、底层基建、AI模型、行业应用，每一环都不能掉队。
我们要做的，是扶持五层架构下所有关联产业，拿下全球技术主导、市场份额主导、经济份额主导，让全球科技生态都依托美国技术体系运转。
无论是能源、芯片、基建、模型还是应用技术，都要坚持全球化出口、扩大技术辐射，保持巨额贸易顺差，AI产业也理应遵循这套逻辑。
同时我们要坚守一个原则：优先保障美国本土企业享受最先进、最充足的技术供给，这一点我们始终在践行。
完全可以找到平衡：对内保障美国产业领先，对外依托技术出口让美国企业称霸全球。
主持人：
有一种观点认为，在AI五层架构里，芯片算力是最核心的咽喉要道。中国能源成本更低、科研人才储备充足、AI应用落地普及度甚至超过美国。
只要在算力层面卡住对方，就能延缓其发展速度、维持自身领先，避免对方成为全球AI技术领导者，毕竟AI是我们这个时代最重要的核心技术。
黄仁勋：
AI五层架构每一层都同等关键，必须全面加速美国各领域布局，这是共识。
芯片层的重要性毋庸置疑，否则行业也不会一直聚焦芯片博弈。英伟达曾占据中国市场近九成份额，如今市场份额直接归零。
直接放弃中国这么庞大的市场，从战略层面并不合理，现有政策已经显现反噬效应。或许初期政策有其考量，但规则必须动态调整、与时俱进。
现阶段来看，允许美国芯片企业正常布局中国市场，是双赢且合理的选择。
在模型层，我们要倾尽所能扶持本土AI模型企业，保持技术领先、供给优先。美国本身就是全球最大、迭代最快的AI市场，企业灵活创新、活力十足，我完全有信心美国模型产业能持续领跑。
还有一点，无论美国如何出台管制政策，中国都会坚持全产业链自主可控，几乎所有行业都是如此，芯片、AI领域也不例外。
主持人：
是的，另一件事是，不管我们的政策如何，他们（中国）都会追求自给自足，因为他们几乎在每个行业都这样做了，他们也在你的行业追求自给自足。
黄仁勋：
让我们看看。他们有自给自足的能力和相当重要的领导力。
在能源层面的许多层面上，我认为我们都可以承认，无论是能源产能、技术储备还是配套产业，中国都是全球领先地位。
客观来看，中国在AI多层架构中已经具备显著优势甚至领跑地位。
所以芯片领域，美国保持优势，我们是世界芯片的领导者。
在人工智能模型中，我会说我们是领先的。毫无疑问，我们领先，他们紧随其后。
人才层面，由于对科学和数学的兴趣，以及社会结构的鼓励，他们有如此多的人工智能研究人员，不管是什么原因。他们有如此多的科学和数学专家。
因此，中国AI研究人员的数量是相当惊人的。这是他们的“国宝”之一，
如果你愿意的话，这是一种比最伟大的自然资源更伟大的资源。
我们必须记住，我们将继续把这些科学人才资源吸引到美国。我们必须确保我们欢迎他们来到这里，坦率地说，我们有点担心他们中的许多人决定留下或不允许离开。
所以我认为在模型层，我们的技术是先进的。但我们也深深依赖于世界各地的人才。
最后，在应用层面上，我今天可能非常关心，美国舆论把AI过度科幻化、渲染末日恐慌，制造全社会焦虑与抵触情绪。我们描述的人工智能在美国引起了如此多的恐慌和恐惧。
与此同时，亚洲其他地区正以极大的热情拥抱和采用AI。这是我们必须非常关注的事情。这就是我们通常被抛在后面的原因。
主持人：
您在GTC大会上多次提到开源生态、开源云服务，我还记得您展示过的下载量数据。开源对AI普惠化、降低门槛至关重要，但同时也带来安全与风控隐患，英伟达如何平衡两者、应对安全挑战？
黄仁勋：
首先要明确：开源反而能提升整体安全与防护能力。
面对超级智能体、网络攻防攻击，最好的防御方式不是以强对强，而是依托开源生态培育海量防御智能体集群，用群体不对称优势构建防护网。
Palo Alto Networks、思科、微软等网络安全巨头，全都依托开源技术搭建防护体系。
开源技术全程公开透明、可追溯、可拆解，我们能清晰掌控技术逻辑，反而更容易守住安全底线。
针对OpenClaw这类智能代理工具的安全隐患，我们专门自研了两项核心技术，其中OpenShell已开源贡献给行业。
OpenShell就像给OpenClaw这类智能龙虾套上一层安全外壳，构建隔离沙箱环境。
它能严格管控智能体的信息访问权限、数据收发规则，依托策略引擎管控隐私数据外泄，限制敏感信息对外传输。
所有隐私规则、单实例安全策略都集成在架构中，从底层筑牢安全防线。
整套技术完全开源，全球企业都能看清底层逻辑、放心落地，也方便和全球安全企业协同共建风控体系，守护智能体安全运转。
主持人：
您全程多次提到AI落地应用与社会恐慌情绪。去年7月访谈时，我们都对AI发展趋势保持乐观。但如今舆论环境复杂：政治争议、数据中心博弈、各州监管政策、科技企业裁员潮，很多人把失业归咎于AI。
我担心全社会会形成对AI的负面刻板印象，进而阻碍技术落地普及。您如何看待当下这种舆论现状？这也是您一直重点担忧的问题。
黄仁勋：
当下很多言论不仅毫无价值，还极具负面影响。
部分科学家宣扬AI会彻底颠覆放射科、淘汰从业者，看似是风险预警，实则制造不必要的恐慌。
一旦误导年轻人不敢入行，可社会恰恰急需放射科医生，最终只会损害行业与社会发展。
同理，渲染软件工程行业会消失，劝退年轻人，可如今美国极度紧缺软件工程师，同样百害无一利。
更离谱的还有各种末日论调：宣称AI是人类生存威胁、有概率毁灭文明、会让半数应届生失业、颠覆民主体系。
这类言论毫无事实依据，很多还是企业高管随口发声，自带光环效应误导大众，完全脱离客观现实。
我们必须回归事实理性看待：过去两年，AI已经创造超50万个新增就业岗位；AI是美国再工业化、带回制造业就业的最佳契机，未来将催生数十万岗位、撬动数万亿美元新经济增量。
落地AI的企业增长速度明显更快，企业扩张必然带动招聘扩招，本质上AI是创造就业而非毁灭就业。
很多人陷入一个认知误区：假设全美需要编写10亿行代码，由1000万软件工程师支撑，对应万亿级经济规模。
一旦AI自动化完成编码，就误以为万亿岗位会凭空消失，这个逻辑存在两大致命漏洞。
第一，再次重申：执行任务不等于岗位核心价值。就像我的日常工作是参会访谈、沟通对接，AI完全能替代基础沟通，但我的核心价值无法被取代，反而比以往更忙碌。
第二，市场需求永远不会止步于10亿行代码。医疗、科研、制造、零售、生活服务等全领域，有无数待解决的问题、待落地的创新，我们需要的代码量远超想象。
过往人类被键盘、编码形式束缚了思维，误以为工作就等于不停敲字。
往后我们会从机械重复的编码工作中解放出来，把精力投入创新、解决问题、跨界创造更高价值，这是社会发展的必然趋势。
我很欣慰看到大家从医疗、能源、制造、零售、量子科技等全维度解读AI，覆盖各行各业、各类专业领域，参与者都满怀期待。
如今英伟达所有工程师都在使用AI，绝大多数编码工作由AI完成，但我们反而在扩招工程师、迎接更大的挑战、树立更高的发展目标。
不妨试想：当AI全面融入社会，我们做事效率更高、格局野心更大、发展预期更好，这对国家而言明明是绝佳机遇，何来负面影响？
我由衷希望各行各业、每家企业都能积极拥抱AI。在这之前，AI技术实力强悍但实用性有限；如今兼具实力与落地价值，真正走进实用时代。
期待所有行业都抓住这波浪潮，英伟达也会全力加码AI赛道，满怀热忱与野心，奔赴下一轮技术变革。
©本文为智能纪元AGI（weixin6060000）原创内容
未经授权，禁止转载
进群、转载或商务合作联系下面或后台
