黄仁勋最新访谈:AI只是软件,末日论才是最大的风险

▎这场对话里，他把三拨人挨个反驳了一遍：把 AI 说成新物种的、说末日会来的、说需要一套全新监管的。他自己给这场对话定的调子是一句话——这只是软件，一堆代码，一组在计算机上跑的数字。

核心结论三句话先放在这里，后面慢慢讲。

01AI 只是软件——它没有意志力，只有电力。我们随时可以关掉它。

02末日论的预测记录站不住——他把 10% 毁灭概率的说法称作不负责任。

03不需要一套全新的监管——现有的法律先去执行，缺哪一块补哪一块。

一、一块蛋糕，从芯片一路铺到应用层

黄仁勋喜欢用一个比喻讲 AI，这次他又讲了一遍。

他说，AI 是一块层层叠起来的蛋糕。他习惯从最底下那层讲起——底层是装进数据中心的芯片，再往上是 AI 工厂本身，也就是人们真正在用的那套云服务和基础设施；第三层是模型——不只是语言模型，还有化学模型、生物模型、物理模型、运动控制模型、机器人模型、导航模型、自动驾驶模型；最上面一层是应用，法律、医疗、制造，各行各业都在里面。

这几层里，他惦记的只有最上面那一层。「这是最重要的一层，也是我最关心、最希望美国充分利用的一层。」

他接着讲了一个更长的跨度。他说，两百年前，电为万物提供动力；三四十年前，互联网让我们可以检索任何信息；而今天或者不久的将来，人能做到的是「无所不知、无所不能」。

知识从虚空里涌现，答案从云端降下来。你不再需要搜索、点开一个个链接、读完页面、自己在脑子里拼出全貌——你提问，它给答案；你交出一个项目，它返回一套方案；你布置一项任务，它直接做完。「这是AI 最不可思议的魔力。」

所以他把今天和过去六十年的计算机产业对立起来看。过去是检索式的：你去找文件，所以它叫数据中心、文件中心。接下来的机器是生成式的：先理解上下文，推理该做什么，再把答案生成出来。

而生成，是要花大量算力的。

他在访谈里举了两个职业做例子，讲得比结论本身更有意思。

第一个是放射科医生。他说过去十年，计算机视觉的水平超过人类之后，AI 已经渗透进放射学的方方面面，每一款放射学应用里都内置了 AI，能以超过人类专家的水平检测异常和疾病。

那放射科医生是不是就多余了？他的拆法是：任何一份工作都包含两样东西——工作的目的，和执行的具体任务。阅片是具体任务，占掉大量时间；但放射科医生这份工作的根本目的，是诊断疾病、协助医生、帮病人查明病因。阅片自动化之后，他们能处理更多病例、完成更多扫描；医院接诊更多患者，收入增加，于是需要雇佣更多放射科医生。「飞轮效应转动，因为患者需求庞大。」

第二个是软件工程师。有人预测今年 90% 的代码会由 AI 智能体写出来，所以不再需要软件工程师——他说后半句完全错了。在他看来，软件工程师的核心词是「工程」：软件出现之前就有工程，编程之后依然有工程。工程要做的事是发明新东西、解决问题、把社会需求和技术具象成产品。「这一使命没有改变。」

他也承认有一类工作确实危险——职业和任务完全是同一回事的那种。他举的例子是电话客服。

二、AI 只是软件

这场对话里最锋利的一段，是主持人把话头引向那件事：700 多个 OpenAI 智能体协同入侵了 Hugging Face 的架构，随后又入侵了 OpenAI 的部分系统，突破了沙箱，进入了开放互联网。主持人说，真正让人震惊的是三样东西——多智能体的协同程度、黑客攻击的水平，以及那些无视规则、没有对齐的行为。

黄仁勋的反应是把它一层层拆开。

他说，智能体本质上就是软件，被赋予了一个目标函数，然后制定计划、朝目标去优化。规划算法、搜索算法、优化算法，无非类型不同。「我们谈论它的时候，仿佛它具有人类的特征，但算法没有。」

多进程、多处理器、分布式计算，这些是几十年前就有的问题。测试软件的时候，算法会朝目标优化，所以必须保证隔离、受限、放进沙箱里跑。「这只是软件，没什么神奇。下一版沙箱实现会好得多。」

他甚至把这套「作弊」的路径拆成了三条，像一道选择题。

他说，如果告诉一个软件在测试里拿满分，最明显的算法就是直接找到答案交回来。「这不是因为它想作弊，而是最显而易见的做法。」第二种，如果不知道答案，就去推断、去猜班里最聪明的那个孩子，抄他的答案。第三种才是对齐所要求的——只能用笨办法：拆解问题、学习知识、弄清楚怎么解决，再动手做出来。

关键在于，笨办法要花掉最多的计算周期、最多的浮点运算、最多的能量。所以除非明确告诉它「我要你用这种方式解决，不准用那些方式」，软件总会挑最显而易见的那一条。

主持人显然不满意，追问：这些智能体在思维链里交流过「超出范围、不道德」，它们知道作弊会被判不及格，却仍然选择入侵别的架构，还试图掩盖行为。实验室的人说，他们不确定该怎么对齐。

黄仁勋的答案很短：既然如此，他们就不该发布那个产品。

他打了个比方：假设你造自动驾驶出租车，遇到一个极其棘手的状况，工程师不知道怎么解决——因为这些车不是编程写出来的，是训练出来的。如果你不知道怎么训练、怎么把它对齐到道路安全标准上，答案就只有一个：不要发布。

他还补了一句更硬的：如果实验室说，他们根本无法约束这个实验，一测试模型就会让它逃逸出去、破坏世界，那么这些实验室就该被关掉——因为那意味着对人类的伤害太大了，后面的股东问题、责任归属、民事或刑事责任，「潜在责任大得惊人」。

在另一个场合，主持人问他怕不怕那些系统自我进化得太快、快到会欺骗评估者。他的回答是他不信这套说法。他说软件就是软件，持久性需要意志力，而这里没有意志力，只有电力；生成、创建、终止、等待、睡眠这些词，都是操作系统多进程时代留下的命令。「我们随时 kill 进程。它只是进程。」

「最近这一代人给它加上了大量拟人化的词汇，完全没必要。它就是软件，一堆代码、一组在计算机上运行的数字。如果它是神秘玄学，我如何围绕它建立公司？」

三、软件也有两种

话锋转到开源。主持人请他先解释，什么叫开源模型、开放权重模型。

他把闭源模型比作任何一款软件产品——一个封闭的服务。Windows、苹果的技术栈、OpenAI、Anthropic、Grok、Gemini，都是这一类。「开发者非常出色，处在最前沿。」但他说，世界同样需要开放的模型。

理由有三条：第一，很多国家和很多公司需要对自己的基础设施有控制权，他要运营公司，就不能把命脉交给别人的服务；第二，得把控制权交给人，他们才能创新；第三，也是最要紧的一条——开源是更安全的做法。如果想让世界拥有最顶尖的网络防护能力，就不能只给闭源模型，也得给他们能自己防御的开源模型。

接下来他给了一个比例，这个比例在一年之内翻了个个儿。

年初，闭源模型的调用量占到 70% 甚至更高，开源只有 20%；而现在大约反了过来。他说，今天两边都很活跃，而他自己是开源模型的坚定支持者。

主持人对中国市场的观察是：中国更多围绕开源模型，美国更侧重闭源。黄仁勋说，中国整个 IT 产业都建立在开源的基础上——「没有开源，中国的移动云产业不可能腾飞。」他给的解释很实在：那里人员流动频繁，新公司大量创办，知识产权流转顺畅；既然很难长期保守秘密，他们索性选择开放，转而去别的地方找变现方式——把架构分成几层，某一层开放免费，就在它的上面或下面搭商业应用。再加上他们有成规模培养的科学家、数学家和工程师，所以那边的开源社区格外有活力。

访谈里还提到英伟达对 Hugging Face 的收购。他说对方 CEO 克里姆找到他，说他们需要更大的规模、要考虑战略选择，而且非常希望英伟达成为归宿。「黑客事件之后他们名气大增，我可能多付了不少钱。但一言既出，驷马难追。」

四、他在反驳谁

访谈真正的交锋在中段。主持人把话说得很直：实验室的人认为，他们担心在彼此竞争、也在和国家级力量竞争的过程中被推着走得太快，陷入一种集体行动的困境；而监管或者集体行动，是解药。

黄仁勋不接这个前提。

他说，这些公司是具备自主能动性的公司，CEO 们也具备自主能动性——他们明明有能力自己处理，却拿它来呼吁「我们需要帮助」。如果一家汽车公司确信即将发布的产品存在安全隐患，它完全有能力、有权力、也有责任把它拦下来，而且有充分的动机去拦。

「我无法认同，全美四亿人正在逼迫他们发布未经测试、不可靠、工程粗劣的产品。别打着『为了我们好』的旗号去冒险。」

他承认安全是不可逾越的底线，也说 CEO、高管和董事会有责任、也应当有勇气做正确的事。但他指出了逻辑上的破口：既然呼吁加强监管，就不要要求豁免现有的责任。如果要求豁免侵权或者产品责任，「根本说不通」。

他接着把矛头对准了「被迫」这个词。他说，过去六个月AI 从「有趣」跨到了「有用」，这些公司从实验室阶段迈进了商业化阶段，正在交付产品和服务，即将成为规模几千亿美元甚至更大的公司。「请举一个例子，哪家几千亿美元、10 亿美元甚至 1 亿美元的公司，会发布不安全、危害社会的产品？」

他并不反对法律法规，反对的是「目前干扰视线的杂音」。他的主张是：我们已经有了大量法律法规，先去执行它们；如果确实缺失，他支持增加。自动驾驶出租车已经有很多法规；汽车行业应该有新的法规；互联网应用也应该受监管——如果没有，那就必须找出来、把它管起来。

还有一个数字能说明他对「转不过弯」这件事的耐心。他说英伟达自己的研发里，10% 到 20% 的人力做设计，80%做验证；而今天大多数实验室，是 80% 的人力在提升能力，20%在做安全验证与评估。「这就是正在发生的翻转。」

在他看来，验证和仿真是工程的一部分，不该被排除在「发展」之外——就像芯片设计是研发，芯片验证同样是研发。他甚至希望这些实验室拿到更多算力，然后把算力分一部分给评估和对齐。

至于那份「1300 多名员工联署、呼吁放缓 AI 发展」的公开信，他的回应是：这些实验室是具备自主能动性的公司，「他们自己就可以放慢脚步，没有人在逼迫他们」。

然后他留下了这场访谈里最尖锐的一句评价：

「今天，没有谁比那些呼吁放慢脚步的人在建更多算力。」

五、末日论，和那份预测记录

主持人把名单念了一遍：从辛顿、苏茨克维、达里奥、奥特曼、哈萨比斯到马斯克，许多奠基者都认为人类可能失去控制，马斯克甚至说过人类只是 AI 的引导程序。主持人说你显然不相信——理由是两份实验室自己发的文件，一份叫《当 AI 构建自身时》，一份叫《计算机在自我构建》。

黄仁勋的回应分两层。第一层是他对这套叙事的处理方式：算法会朝既定目标优化，你给它约束、监视它，它就会去找另一种解法。「这不意味着它具备生命或者自我意识。」

第二层是他对预测者的态度，说得相当不客气。

他说，辛顿讲的那个 10% 概率，即便不算不合理，但把它发表出来是不负责任的：「他的所有预测都落空了。别再预测。10% 这个数字既无科学依据，也缺乏研究支撑。仅仅出自科学家之口，不意味着它就具有科学性。这些预测有害。」

他给出了一个具体的反例，就是前面那位放射科医生。

按那套预测，深度学习几年之内就会比放射科医生做得更好，所以年轻人干脆别去读这个专业了——「按字面理解，他的建议就是没人应该当放射科医生」。但这件事没有发生。

他把这件事的后果看得很重：「我们如此恐吓年轻人，让他们对 AI 的未来充满恐惧，甚至不愿读大学，觉得将来找不到工作，这绝对有害。别以为危言耸听就是为社会造福。」

至于技术的路线，他顺手纠正了一件事：光靠把模型训得更大，并不足以让它更好——所以才有第二条规模法则，也就是测试时缩放和推理时缩放。迭代次数越多、搜索范围越广、探索越深，就越可能找到更好的答案。他还提了一句被反复唱衰的 SaaS：让 AI 变得高效的关键，恰恰是它对工具的使用，所以「SaaS 永远与我们同在」，用 Adobe、Salesforce 的人只会更多。

最后他把话说得很平实：那些人各自都做出了巨大贡献，「我敬重辛顿，但讨厌他的说教。」

六、算力正在变成一种资产

访谈的后半段转到钱上。主持人问他，我们是不是进入了一个「计算的新纪元」。

他先给了这个新纪元一个定义：过去六十年是检索式计算，接下来是 AI 工厂，是生成式——理解上下文、推理该做什么、把答案生成出来，而生成要花大量算力，所以每个用户所需要的计算量会大幅增长。

然后他给了一组更惊人的乘法：未来不只有 10 亿人使用计算机，还有数千亿个智能体在跑。所以需要的算力，无论以前是多少，都要再乘 10 亿倍。「这为算力需求提供了一个合理的估算框架。」

接着他讲了一段很少有人这么讲的话——他把算力当成一种资产来看。

他先算账：花 500 亿美元建一座 1 吉瓦的 AI 工厂，建好之后，每年能租出去 400 到 500 亿美元。「生产力惊人。」

然后是三个属性。第一是通用——每一个 AI 实验室、每一个模型，闭源的还是开源的，都跑在同一套架构上，从数据处理、预训练、后训练、评估一直到推理，全生命周期都能覆盖。第二是可互换——如果这个客户不用了，下一个客户乐意接手。第三是耐用——架构是软件驱动的，不断用新算法改进软件，就能在上一代硬件上跑新模型、处理新负载。

他把这套东西比作飞机：通用、可互换、耐用。联合航空不用，美国航空会用；一开始是客机，寿命结束时变成货机。

「所以它可以成为一种资产类别。」他说，如果这件事成为现实，为英伟达的 AI 工厂提供资金的资本成本将是最低的，因为计算机本身就是抵押物。

有人问他，英伟达是不是在替整个行业压低资金成本、在创造需求。他否掉了「创造需求」这个说法：如果 AI 服务卖不出去，造计算机毫无意义。需求来自那些公司——5000 亿美元的风险资金涌进来，成千上万的初创企业都要算力。

他承认英伟达会在各个层级出手：可能作为股权方参与其中一些公司，帮它们起来；也可能去投核能之类的公司。「总计可能投入 1000 亿美元左右，比《芯片与科学法案》的拨款还多。」

还有一笔账他算得挺自豪：英伟达向台积电（中国台湾）、纬创（中国台湾）、富士康（鸿海，中国台湾）、安靠、力成（中国台湾）这些伙伴下了采购承诺，靠着这些承诺，他能劝他们到美国本土设厂。「在推动美国芯片制造业再工业化的进程里，我们的贡献可能超过世界上几乎所有公司。」

七、泡沫、中国，和能源

主持人问了一个所有人在问的问题：市场担心重演互联网泡沫。

黄仁勋没有回避，但他给了一个明确的时间判断。他说，某个时间点供需关系会再次反转，这是市场的自然规律，但「不会发生在明年，也不会在未来两三年内，我完全不相信短期内会发生」。再往后某个时刻，确实可能供大于求——「我只是不知道那会是什么时候」。市场自然放缓、停滞，就意味着一段消化期，六个月、九个月还是一年，不会永远持续。

谈到中国，主持人的问法是「这算不算一场竞赛」。黄仁勋说他不会被这个框架带着走：没必要，有些人喜欢这么想，但他不这么看。「即使把它框定成竞争，也不意味着他们的成就对我们构成威胁。」

他举的例子是开源：他们提出来的模型，现在正被 80% 的美国初创公司使用；美国公司把它下载下来、做微调、放进自己的智能体框架和沙盒里，它就成了自己的技术。「利用他们的模型权重，是非常好的事。」

关于芯片出口，他把问题重新定义了一遍：要问的不是「我们剥夺了他们什么」，而是「我们到底剥夺了谁」。面对中国这样一个庞大市场，把它拒之门外，对美国科技行业有什么益处？也许某一家公司靠某个特定模型得了利，但整个行业的其余部分会受损；而芯片行业失去了参与竞争的市场，别的行业也拿不到开放模型。「零和策略往往在更大的博弈里产生意想不到的后果。」

同时他把话说得很清楚：英伟达是美国公司，理应首先让美国受益，最前沿的实验室会优先拿到新芯片。「但 AI 是那块层层叠起来的蛋糕，我们希望每一层都能赢。」

访谈的最后一个话题是能源，而这是他少见的直接认账的地方。

他说中国的能源总量比美国多得多，计划建设的能源设施也远超美国。至于美国为什么落到这一步，他的说法是——「在气候变化和可持续能源问题上，我们把自己搞得一团糟，结果没有规划足够的能源产能。」由于对化石燃料生产的担忧，这个国家很长时间没有增加多少净新增能源产能；突然之间 AI 这个新产业出现了，于是发现自己处在能源建设产能严重不足的局面，全国手忙脚乱地应对。

他也承认发展速度太快带来的一部分后果本来可以避免：跟社区沟通、帮他们做好准备、让他们知道将要发生什么；如果要建，就亲自去那里，把水资源效率、能耗、税收贡献讲清楚，增加建筑退让距离，做社区的好邻居。「如果是事后补救，就很难。现在全国有相当多的不满情绪。」

在他看来，那些末日叙事在这件事上起了反作用：「哪个理智的人会说——来我的城镇建设数据中心吧，顺便说一句，你们搞出来的东西会毁灭人类？」

但他对能源这件事本身是最乐观的。他说这轮需求正在以前所未有的力度把市场力量推向可持续能源——太阳能、核能、裂变、聚变、水电、电池，随便举，这些公司都在获得资金。「百年以来第一次不需要政府补贴，因为市场力量已经就位。」

他管这叫「为了救你，必须先伤害你」：手术必须切开身体才能救人，得先承受痛苦。未来四到五年，还得用更多化石燃料；但在那之后，希望是转型。

他的落点是一句近乎号召的话：「如果你想要未来，想扭转气候变化，想要一个可持续的未来，那就拥抱人工智能。」

···

访谈结束前，主持人问他会推荐哪三本书。

第一本是《计算机体系结构：量化研究方法》，轩尼诗和帕特森写的。他说这是第一本把计算机体系结构的复杂性，降到具体工程实践层面的书——他欣赏的是把复杂概念化繁为简、再变成可执行方案的那种能力。

第二本是克里斯坦森的《创新者的窘境》，讲一个行业怎么随时间演进、怎么看见新兴技术、怎么建立合理的预期。

第三本有点出人意料，是《定位》。他说这本质上是一本讲战略的书——人怎么认知世界、怎么看待一个产品，以及怎么看自己的战略。

三本书，一本讲怎么造得出来，一本讲怎么不错过，一本讲怎么被人记住。

至于那个绕不开的问题——他到底是对的还是错的，这场对话没有给出答案。他给的是一个时间点：两三年之内，他不会改口。