Jensen Huang: 黄仁勋现场访谈：英伟达的未来、物理 AI、智能体崛起、推理需求爆发、AI 公关危机
Jensen Huang LIVE: Nvidia's Future, Physical AI, Rise of the Agent, Inference Explosion, AI PR Crisis
嘉宾：Jensen Huang
全文文稿 · 按对话顺序保留完整内容，深入理解上下文。
本篇目录11 章节
§01黄仁勋做客节目！§02收购 Groq 与推理需求爆发§03全球市值最高公司的决策之道§04物理 AI 的 50 万亿美元市场、OpenClaw 的未来、现代 AI 计算的新操作系统§05AI 的公关危机、驳斥末日论叙事、Anthropic 的沟通失误§06营收潜力、员工 token 配额、Karpathy 的 autoresearch、智能体的未来§07开源、全球扩散、伊朗/台湾对供应链的影响§08自动驾驶平台、面对同为客户的竞争者、回应增长放缓预测§09太空数据中心、AI医疗、机器人§10OpenAI/Anthropic的营收潜力、如何构建AI护城河§11给年轻人的建议：如何在AI时代脱颖而出§01黄仁勋做客节目！
本周是特别节目。我们把每周的常规节目往后推了，能让我们推掉常规节目的只有三个人：特朗普总统、耶稣，还有 Jensen。至于排序，你自己挑吧。不过你这一路走来真是太了不起了，这次活动也办得很棒。
各行各业都来了。每一家科技公司都来了。每一家 AI 公司都来了。不可思议。不可思议。
如果你
§02收购 Groq 与推理需求爆发
今天要从第一性原理出发搭建一套全球金融体系，你不会把它建在 50 年前的老旧轨道上。你会打造 Airwallex，一个 AI 原生的平台，涵盖全球账户、银行卡和支付。它的设计目标是让整个世界都像本地市场一样。别人是在破旧的基础设施上硬加 AI，而 Airwallex 从第一天起就是为智能时代打造的。别再交“老旧系统税”了，前往 airwallex.com/allin，开始构建未来。
Airwallex，构建未来。过去一年最重大的发布之一就是 Groq。你收购 Groq 的时候，有没有意识到 Chamath 会变得多么让人受不了？
我我隐约有种预感，那个
那个……我们可是他的朋友。
我们每周都得应付他。
我知道。
你只需要在六周的交割期里应付他。
我知道。
大概就两周。
两周。现在我全想起来了。这让我相当不自在。问题在于，我们的很多战略都是在 GTC 上光明正大地公布的，比我们真正去做要早好几年。两年半以前，我推出了 AI 工厂的操作系统，名叫 Dynamo。
你们知道，Dynamo（发电机）是西门子发明的一种装置，一台机器，本质上是把水转化为电力。发电机为上一次工业革命的工厂提供了动力。所以我觉得，用它来命名下一次工业革命、下一代工厂的操作系统再合适不过了。Dynamo 里面最根本的技术是解耦式推理（disaggregated inference）。Jason，我知道你技术功底特别深厚。
当然。我懂的。
这个就交给你吧。请你给观众下个定义。我不想抢你的话。
好。谢谢。我我我知道你刚才想插话。所谓解耦式推理，意思是推理的处理流水线极其复杂。事实上，它是当今最复杂的计算问题。
规模惊人，涉及大量形状、尺寸各异的数学运算。我们想到的办法是，把处理过程的不同部分拆分开来，让其中一部分在某些 GPU 上运行，其余部分在另一些 GPU 上运行。这让我们意识到，也许连解耦式计算本身也说得通，我们可以拥有异构的计算形态。同样的思路促使我们收购了 Mellanox。对。
你看，如今英伟达的计算分布在 GPU、CPU、交换机、纵向扩展交换机、横向扩展交换机、网络处理器上，现在我们还要把 Groq 加进来，我们要把合适的工作负载放到合适的芯片上。你知道，我们已经真正从一家 GPU 公司演变成了一家 AI 工厂公司。
我觉得这大概就是我最大的收获。你们看到了这种根本性的解耦：我们从单一的 GPU，走到了如今各种不同选项的组合，这些选项最终都会出现。你们在台上说的，或者说你在台上说的是：我希望做高价值推理的人好好听一听，你说，数据中心 25% 的空间应该分配给这种 Groq LPU 加 GPU 的组合。
是把 Groq 配给数据中心里大约 25% 的 Vera Rubin。
那你能不能跟我们讲讲，业界如何看待现在这种做法，也就是基本上打造出下一代形态的解耦式预填充（prefill）、解码（decode）的拆分？嗯。你认为大家会作何反应？
好。先退一步看。我们加入这个的时候，正是从大语言模型处理走向智能体处理的时候。当你在运行一个智能体时，你会访问工作记忆，你会访问长期记忆。
你会使用工具。你对存储的压榨非常非常狠。你有智能体在和其他智能体协作。其中一些智能体是非常大的模型，一些是较小的模型。
有些是扩散模型，有些是自回归模型。所以这个数据中心里有各种各样不同类型的模型。我们打造 Vera Rubin，就是为了能运行这种极其多样化的工作负载。我的感觉是，所以我们在原来一家“单机架公司”的基础上，
现在又增加了四个机架。对。所以英伟达的 TAM（总可服务市场），姑且这么说，从原来不管是多少，大概增长了，比如说，33%、50%。在这 33% 或 50% 里，很大一部分会是存储处理器，叫 BlueField。
有一部分，我希望是很大一部分，会是 Groq 处理器，还有一部分会是 CPU。还有很大一部分会是网络处理器。所有这些基本上都将用于运行 AI 革命的计算机，也就是智能体。
对。
现代工业的操作系统……那么现代……
那嵌入式应用呢？比如，我女儿在家的泰迪熊想跟她说话。里面装的是什么？是定制 ASIC，还是说最终会形成一个更广泛的 TAM，配套开发工具，针对边缘端和嵌入式应用的不同用例可能各不相同？
退一步从最大尺度来看，这个问题里有三台计算机。一台计算机专门用于训练 AI 模型，开发、创造 AI。另一台计算机用于评估它。取决于你面对的问题类型，比如你看看周围，这里有各种机器人、汽车之类的东西，你必须在一个代表物理世界的虚拟训练场里评估这些机器人。所以它必须是遵守物理定律的软件。
这是第二台计算机。我们称之为 Omniverse。第三台计算机是边缘端的计算机，即机器人计算机。这种机器人计算机，其中一种可能是自动驾驶汽车，另一种是机器人。
还有一种可能是泰迪熊，给泰迪熊用的一块小小的计算机。其中最重要的之一，是我们正在做的一件事：基本上把电信基站变成 AI 基础设施的一部分。这可是一个 2 万亿美元的产业。随着时间推移，所有这些都会被改造成 AI 基础设施的延伸。
所以无线电设备将成为边缘设备。工厂、仓库，不一而足。所以有这三种基本的计算机，它们全都，你知道，将是必需的。
Jensen，去年，我觉得你比世界其他人都更早地说出，推理需求不会只增长一千倍。
就在去年。
是的。Brad，你伤到我了。会是一百万倍吗？会是十亿倍。
对。
对吧？我想当时人们觉得这相当夸张，因为世界当时还在关注预训练扩展、关注训练。可现在呢，推理已经爆发了。我们受制于推理算力。
你发布了一个推理工厂，我认为它处于最前沿，在吞吐量方面会比下一代工厂好 10 倍。但如果我听听外面的议论，说法是你的推理工厂要花 400 亿或 500 亿美元，而替代方案，定制 ASIC、AMD 和其他厂商，只需 250 亿到 300 亿美元，你会丢掉市场份额。那你跟我们聊聊吧？你看到了什么？你怎么看待份额问题？让这些客户支付比别人报价高出两倍的溢价，这说得通吗？
最大的要点、核心观点是：你不应该把工厂的价格和 token 的价格、token 的成本划等号。很有可能，那座 500 亿美元的工厂，事实上我可以证明，那座 500 亿美元的工厂将为你产出成本最低的 token。原因在于，我们以极高的效率生产这些 token，10 倍。你知道，在 500 亿之间的差距……事实上，其中 200 亿仅仅是土地、电力和厂房外壳。
对吧？
对。
在此之上，存储反正都要有，网络反正都要有，CPU 反正都要有，服务器反正都要有，冷却反正都要有。GPU 的价格是一倍还是一半，这之间的差距
§03全球市值最高公司的决策之道
对。
并不是 500 亿和 300 亿之间的差距。对。随便你挑个数字，但我们就说是 500 亿和 400 亿之间。
好。
当那座 500 亿美元的数据中心实际上有 10 倍吞吐量时，这个差价占比并不大。对。
Jesse，我
想……这就是为什么我说，即便对大多数芯片而言，如果你跟不上技术的发展水平和我们奔跑的速度，那么即使芯片免费，也不够便宜。
对。对。我能不能问一个关于总体战略的问题？
好。
我是说，你经营着全球市值最高的公司。明年这家公司的营收将超过 3500 亿美元，自由现金流 2000 亿美元。它以疯狂的速度复利增长。你是怎么决定做什么的？比如，你实际上是怎么获取信息的？
我是说，现在大家都知道那种员工应该发给你的邮件了。但你到底是怎么形成直觉，决定如何塑造市场、在哪里真正加倍下注、在哪里也许收缩、在哪里真正进入一片全新领域？这些信息是怎么到达你那里的？你是怎么做这些决定的？
归根结底，这就是 CEO 的工作。对。我们的工作是定义战略、定义愿景、定义战略。当然，我们会从了不起的计算机科学家、了不起的技术专家、全公司各处的优秀人才那里获得信息，但塑造未来的必须是我们。嗯，其中一部分取决于：这件事是不是难得离谱？
如果不难做，我们就应该退出。原因在于，如果它很容易做，显然……竞争对手很多。竞争对手很多。
对。
这件事是否从来没人做过、难得离谱，而且又恰好能发挥我们公司的独特超能力。所以我必须找到满足这一标准的诸多因素的交汇点。最终，我们也知道会有大量痛苦和煎熬投入其中。对。没有哪项伟大的发明是因为容易做出来的，就像试一次就成了。所以，如果一件事极其困难、以前没人做过，你很可能会经历大量痛苦和煎熬。
§04物理 AI 的 50 万亿美元市场、OpenClaw 的未来、现代 AI 计算的新操作系统
你能不能
所以你最好乐在其中。
那你能不能挑三四个你发布的更偏长尾的项目，谈谈它们的长期可行性？不管是太空数据中心，还是你们在 ADAS（高级驾驶辅助系统）和汽车方面的尝试，或者你们在生物学方面的布局。给我们讲讲，你如何看待这些更长尾的业务中，某些曲线开始向上拐的情况。
很好。物理 AI，一个大类别。我们相信，我刚才也提到了，我们有三套计算系统，以及在其上的所有软件平台。物理 AI 作为一个大类别，是科技行业第一次有机会进军一个 50 万亿美元的产业，而这个产业直到现在，你知道，基本上与技术无缘。所以我们需要发明实现这一点所需的全部技术。
我当时觉得那是一段十年的旅程。我们十年前起步，现在看到它开始拐点向上。它对我们来说是一项数十亿美元的业务，现在已接近每年 100 亿美元，所以这是一项大业务，而且在指数级增长。
这是第一个。我认为在数字生物学方面，我们确实已经接近数字生物学的 ChatGPT 时刻。我们即将弄清如何表征基因、蛋白质、细胞。我们已经知道如何理解化学物质。所以，我们能够表征并理解生物学基本构件的动态，那是两三年到五年后的事。
五年之内，我完全相信医疗健康行业或数字生物学将迎来拐点。这些是其中几个非常好的方向，你可以看到它们就在我们周围。
农业。农业。
正在迎来拐点。毫无疑问。对。
Jensen，我想把话题从数据中心带到桌面端。这家公司很大程度上是靠业余爱好者、电子游戏玩家，以及早期那些显卡起家的。你在这里，我想是在一万人面前，刚刚提到了 Claude、OpenClaw、Claude Code，以及智能体已经掀起了怎样一场革命。尤其是那些业余爱好者，我们看到大量的能量、大量创新突破都来自他们，他们想要台式机。你在这里发布了一款。
我记得是戴尔 6,800。这是一台非常强大的工作站，可以运行本地模型，内存 750 GB。显然，Mac Studio 到处都卖断货了。在我的公司，我们正在把所有东西都转向 OpenClaw。Friedberg 刚刚也“入坑 Claw”了。
你也入坑 Claw 了。我知道你对这些很着迷。这场自下而上、创建开源智能体并在桌面端使用开源的运动，对你来说意味着什么？
太棒了。
它会走向哪里？
对。太棒了。首先，我们退一步看。在过去两年里，我们基本上看到了三个拐点。第一个是生成式。
ChatGPT 把 AI 带给了普通大众，带进了我们的认知。但事实是，这项技术在 GPT 之前好几个月就摆在明面上了。直到 ChatGPT 给它套上了用户界面，让我们用起来很方便，生成式 AI 才真正腾飞。你们知道，生成式 AI 生成的 token 既供内部消耗，也供外部消耗。对。
内部消耗就是思考，它带来了推理。o1 和 o3 延续了 ChatGPT 那一波有事实依据的信息浪潮，让 AI 不仅能回答问题，而且能以更有依据、更有用的方式回答问题。我们开始看到 OpenAI 的营收和经济模式出现拐点。第三个拐点只有业内人士才看到，那就是 Claude Code，第一个非常有用的智能体系统。真正具有革命性的东西。
但是，Claude Code 只面向企业。直到 OpenClaw 出现之前，外面的大多数人从未见过关于 Claude Code 的任何东西。OpenClaw 基本上把 AI 智能体能做什么带进了大众意识。这就是为什么从文化角度来看 OpenClaw 如此重要。第二个重要原因是，OpenClaw 是开放的，但它构建、搭建了一种计算模型，基本上是在彻底重新发明计算。
它有一个记忆系统。Scratch 是一个短期记忆文件系统。有 skills（技能）。它有……它有 scales。你说的是 skills 还是 scales？
Skills。哦，skills。
如果有 scales……对，所以……理论上，对。
对，skills。
所以第一点，第一点，它有资源。它管理资源。它做调度。对。对吧？
它有定时任务（cron jobs）。它可以派生出智能体。它可以分解任务并解决问题，它做调度。它有 IO 子系统。它可以输入。
它有输出。它能连接 WhatsApp。此外，它还有一个 API，使它能够运行多种类型的应用，这些应用叫作 skills。对。这四个要素从根本上定义了一台计算机。
对。
那么我们因此拥有了什么？我们第一次拥有了一台个人人工智能计算机。开源的。它是开源的。它几乎可以在任何地方运行。
所以这基本上就是现代计算的蓝图、操作系统。
对。
它将真正无处不在地运行。当然，我们必须帮它做到的一件事是：每当你有智能体软件，你就必须考虑到智能体软件能接触敏感信息、能执行代码、能对外通信。我们必须确保这一切都受到治理、都得到保护，并且我们要有策略，让这些智能体只能同时拥有这三项中的两项，而不能三项同时拥有。
§05AI 的公关危机、驳斥末日论叙事、Anthropic 的沟通失误
所以治理这部分，我们贡献给了 Peter。Peter Steinberger 来过这里，我们派了一大批优秀工程师和他合作，帮助保障它的安全，让它能够保护我们的隐私、保护我们的安全。
Jensen，这种范式转变实际上让全国各地已经通过的一些监管 AI 的立法，以及很多提议中的立法，基本失去了意义，不是吗？你能否简单谈谈，这种范式转变有多快地让很多 AI 监管模式变得多余？这在当下的政治中正成为一个非常热门的话题。
嗯，这正是我们在面对政策制定者时，必须始终走在他们前面的部分。Brad，你在这方面做得很好。我们必须走到他们面前，告诉他们这项技术的现状，它是什么，它不是什么。嗯。它不是生物。
它不是外星生物。它没有意识。它是计算机软件。
对。正是如此。
而且也不能说什么我们完全不理解它。对。这不是真的，说我们完全不理解它。关于这项技术，我们理解很多东西。
所以我认为，第一，我们必须确保持续向政策制定者通报情况，不让末日论和极端主义影响政策制定者对这项技术的思考和理解。不过，不过，我们仍然要认识到这项技术发展得非常快，不要让政策过快地跑到技术前面。我们作为一个国家所面临的风险，我们在 AI 方面最大的国家安全隐忧，是其他国家采用了这项技术，而我们却对它如此愤怒、如此恐惧，或者莫名地对它疑神疑鬼，以至于我们的产业、我们的社会没有利用好 AI。所以我最担心的是 AI 在美国的普及。
能不能再深入一点：假如你坐在 Anthropic 的董事会里，面对和战争部之间那一整场风波……这某种程度上助长了一种情况，人们不知道该怎么想。它给人们有时对 AI 软件层面抱有的那种怨恨、恐惧或普遍不信任又加了一层。你觉得你会建议 Dario 和他的团队采取哪些不同的做法，来尝试改变部分结果和部分观感？
关于 Anthropic，我首先要说的是，他们的技术令人难以置信。难以置信。我们是 Anthropic 技术的大用户。我非常钦佩他们对安全（security）的专注，非常钦佩他们对安全（safety）的专注。他们做事的文化、他们做事时的技术卓越性，真的非常出色。
我想说，想要警示人们关注这种能力、这项技术，这种愿望也非常好。我们只是必须明白，世界是一个光谱，警示是好的，恐吓就没那么好了。对。因为这项技术对我们太重要了。
对。
我认为预测未来没问题，但我们需要更审慎一点。我们需要多一点谦逊，承认事实上我们无法完全预测未来。而说出一些相当极端、相当灾难性、却没有任何证据表明正在发生的话，造成的伤害可能比人们以为的更大。当然，我们是技术领袖。曾经有一段时间，没人听我们的。
对。但现在，因为技术在社会结构中如此重要，是如此重要的产业，对国家安全如此重要，我们的话确实有分量。我认为我们必须更加审慎。我们必须更加温和。我们必须更加平衡。
§06营收潜力、员工 token 配额、Karpathy 的 autoresearch、智能体的未来
我们必须更加深思熟虑。
嗯，你知道，我会提名你。我认为整个行业得联合起来。AI 在美国的支持率只有 17%。我是说，我们都看到核能经历了什么。对吧？
我们基本上关停了整个核能产业，现在中国有 100 座裂变反应堆在建，而美国是零。我们听到有人呼吁暂停建设数据中心，所以我认为我们必须更加积极主动地应对。不过我想回到你在公司内部看到的这场智能体爆发，你们公司内部的效率和生产力提升。关于我们是否看到了投资回报，有很多争论，对吧？你我在进入今年时，最大的问题是：营收会出现吗？
营收会像智能一样规模化增长吗？然后我们迎来了一种“奥本海默时刻”：Anthropic 在 2 月份单月 560 亿美元。展望未来，你宣布了一万亿美元的，你知道，未来几年仅 Blackwell 和 Vera Rubin 就有一万亿美元的可见需求。当你看到 Anthropic 和 OpenAI 的这些情况时，你是否认为我们现在已经走上了那条曲线，营收将以智能扩展的方式规模化增长？
你环顾四周……我从几个不同角度来回答。你环顾这里的观众，会看到 Anthropic 和 OpenAI 都有代表在场。但事实上，这里 99% 的东西全都是 AI，而且不是 Anthropic 和 OpenAI。
对。对。
原因在于 AI 非常多样化。我会说，作为一个类别，第二受欢迎的模型是开放模型。第一是……对。开放……开放权重。开源。
OpenAI 排第一，开源排第二，遥遥落后的第三是 Anthropic，这能让你了解到在场所有这些 AI 公司的规模。所以认识到这一点很重要。让我回过头来讲几点。
第一，当我们从生成式走向推理时，所需的计算量大约是 100 倍。
对。
当我们从推理走向智能体时，计算量可能又是 100 倍。所以我们现在看到，短短两年内，计算量增长了 10,000 倍。与此同时，人们会为信息付费，但人们主要是为工作成果付费。
对。是的。
和聊天机器人对话、得到一个答案，非常棒。对。帮我做些研究，难以置信。但能把工作做完，我才会掏钱。确实。
对。这就是我们现在所处的阶段。对。智能体系统能把工作做完。它们正在帮助我们的软件工程师完成工作。
所以你把这些放在一起：计算量多了 10,000 倍，而到目前为止，消耗量可能也多了 100 倍。
是的。
对。而且我们甚至还没开始规模化。我们绝对会到一百万倍。
我想这正好引出一个话题，关于数以万亿计的……公司里有两三万人，大概
是……我们有 43,000 名员工。你知道，我会说其中 38,000 人是工程师。
我们在播客上多次聊过这个话题：天哪，看看我们公司的 token 使用量，增长得非常猛。有人在问：嘿，我加入一家公司，能分到多少 token？
因为我想成为一名高效的员工。我记得你在两个半小时的主题演讲中，相当长的主题演讲，讲得很好，提出了一个设想，说你们在花费
如果讲得好，就会更短一些。对。我只是
想告诉你一下。是时候来个……对。
这是一个
他们有时间给我们写一小时
四十五分钟。所以你们要知道，你们要知道，根本没有彩排。对。所以就是放手直接干。
放手直接干。
对。对。我喜欢。所以我只是想告诉你们，我是一边演讲一边写讲稿的。好吗？
所以谁也说不准。但这是不是意味着，如果我们
回头……抱歉。
回头算一下。对。每位工程师大约 75,000 美元的 token，差不多这样？那么英伟达现在是不是在为你们的工程团队花 10 亿、20 亿美元买 token？
我们打算这么做。让我给你讲讲这个思路。假设你有一名软件工程师或 AI 研究员，你每年付给他们 50 万美元。我们一直都这样做。对。好吗？
这种情况一直都在发生。那位年薪 50 万美元的工程师，到年底我会问他：你在 token 上花了多少钱？如果那个人说 5,000 美元，我会气得发疯。
是的。对。
如果那位年薪 50 万美元的工程师没有消耗至少价值 25 万美元的 token，我会深感警觉。好吗？这和我们某位芯片设计师说“你猜怎么着？我就用纸和笔，我觉得我不需要任何 CAD 工具”没什么两样。
对。
对。开始以这种方式看待这些全明星员工，确实是一种范式转变。这几乎让我想起我们在 NBA 学到的东西：勒布朗·詹姆斯开始每年花一百万美元，仅仅用于他身体的健康，比如身体保养。
没错。
如今他 41 岁了还在打球。道理真的就是：嘿，如果这些人是不可思议的知识工作者，我们为什么不赋予他们超人的能力呢？
完全正确。
这会走向哪里？如果我们往后推演两三年，英伟达的那位全明星员工的效率会是怎样，他们能完成什么？会是什么样子？
嗯，首先，“哇，这太难了”，这种想法没有了。“这得花很长时间”，这种想法没有了。“我们需要很多人”，
这种想法没有了。这和上一次工业革命没什么不同。会有人说“天哪，那栋楼看起来真重”吗？没人这么说。
对。
没人说“哇，那座山看起来太大了”。没人这么说。对。凡是太大、太重、耗时太长的，这些想法、这些念头全都没有了。
它们会限制创造力。
没错。
你能想出
什么？正是。对。这意味着现在的问题是，你如何与这些智能体协作？嗯，这只是一种新的计算机编程方式。
过去，我们写代码。未来，我们要写的是想法、架构、规格说明。我们要组织团队。我们要帮助它们界定如何评估什么是好、什么是坏。对。
一个出色的结果是什么样子？如何与你迭代？如何头脑风暴？这才是你真正追求的。我认为每位工程师都会拥有 100 个，一百个智能体。
回到行业目前面临的公关问题。有像 David Friedberg 这样在 Ohalo 的高管，他正在通过使用技术，你们的技术和 AI，切实着手提升所生产的卡路里数量，并生产高质量的卡路里。Friedberg，你认为能把成本降低到几分之一？这个愿景对
你所做的事情有什么影响？零样本基因组建模，而且它有效。对。然后你会有那样一个时刻，你会想，天哪。说实话，就像……而且那还是在大家一夜之间替换掉整套企业软件栈之后。我在九十分钟内做了一件事。
我跟大家讲过，替换了整套软件栈，还有一大堆工作负载。在 Claude 上花了九十分钟，运行了这套智能体系统，把整个东西建好、部署上线，然后我们就……
周日晚上。
在一个周日晚上，10 点。我 11 点半就做完了。然后我去睡觉了。
作为 CEO，你替换了……对。
我管理团队里的每个人都得在周末做一次类似的练习。周一我们看到的结果让我觉得，结束了。不过技术方面、科学方面，我们用 auto research 在三十分钟内做了一件事，我很想听听你对 auto research 的看法，以及它说明我们在效率方面还有多远的路要走。我们用 auto research 加上一大块数据，内部发布了一个成果，我们都说，天哪。那通常会是一篇需要七年才能完成的博士论文。
那会是这个领域我们见过的最受赞誉的博士论文之一，会登上《科学》期刊。而它是在一台台式电脑上、用 Auto Research 加上我们刚导入的所有数据，在三十分钟内完成的。我们周五拿到它，就说：嘿，试试看。
试着启动它，上 GitHub，下载了 Auto Research，然后运行。你看到每个人的表情都变成那样……这为我们释放的潜力，相当于原本要花七年的事，三十分钟就发生了。我们在基因组学领域亲身经历着，我们都觉得，这太不可思议了。所以我认为，这种加速正在以几年前无法想象的方式为每个人打开视野。不过回到 auto research 这一点，你能否谈谈：这个东西在一个周末用 600 行代码就发布了，它能在本地运行，并能利用这么多样化的数据集取得这样的成果，你对此怎么看？这说明我们在算法和硬件优化方面还处于多早期的阶段？
OpenClaw 之所以如此不可思议，根本原因第一点在于它的交汇，它的时机恰好与大语言模型的突破相吻合。对。它的时机完美，无可挑剔。
对。
从很多方面来说，Peter 很可能早就想出来了，只是 Claude、GPT 和 ChatGPT 直到最近才达到了非常好的水平。
对。
它还是一种新能力，让这些模型能够使用工具。我们长期以来创造的那些工具，网页浏览器、Excel 电子表格，你知道，在芯片设计领域有 Synopsys、Cadence、Omniverse、Blender 和 Autodesk，所有这些工具都将继续被使用。有些人说企业 IT 软件行业会被摧毁。让我给你一个另类的观点。企业软件行业受限于坐在座位上的人数。
很快，猛用这些工具的智能体会比现在多100倍。会有智能体猛用SQL，会有智能体猛用向量数据库、猛用Blender、猛用Photoshop。原因在于，首先，这些工具本身做得非常好。其次，这些工具是我们之间的桥梁。归根结底，工作完成后，结果必须以我能掌控的方式呈现给我。
§07开源、全球扩散、伊朗/台湾对供应链的影响
对。而且我知道怎么操控这些工具。所以我需要一切都回到Synopsys里。我希望一切都回到Cadence里，因为我就是这样掌控它的，这就是我获得基准事实的方式。
我问你一个关于开源的问题。我们有这些闭源模型，它们非常出色。是的。我们也有这些开放权重模型。
很多中国模型都令人难以置信，绝对令人难以置信。两天前，你可能没看到，因为你在台上忙，但在一个叫BitTensor的加密项目里进行了一次训练。子网3成功训练出一个40亿参数的LLaMA模型，完全分布式，由一群人贡献闲置算力，而且他们能够有状态地管理整个训练过程，我觉得这是相当惊人的技术成就。是的。因为参与者都是随机的人，而且……是的。每个人只分到一小份。
我们的现代版Folding@home。没错。
是的。那你怎么看开源的最终形态？你是否也看到架构的去中心化和算力的去中心化，以支持开放权重，以及用完全开源的方式确保AI能广泛惠及每个人？
我认为，我们从根本上既需要作为一流产品、专有产品的模型，也需要开源模型。这两者不是A或B，而是A和B，这毫无疑问。原因在于，模型是一种技术，而不是一种产品。模型是一种技术，而不是一种服务。
对绝大多数消费者来说，在水平层、也就是通用智能这一层，我真的、真的很不想自己去做微调。
对。
我很想继续用ChatGPT。我喜欢用Claude，喜欢用Gemini，喜欢用X。你知道，它们各有各的个性，用哪个多少取决于我的心情，也取决于我要解决什么问题。
我可能会在X上做，也可能在ChatGPT上做。所以行业的这一部分正在蓬勃发展，前景会很好。然而，还有各行各业，它们的领域专长、它们的专业化，必须以它们能掌控的方式加以引导和沉淀，而这只能来自开放模型。开放模型这个产业，我们正在为它做出巨大贡献。
它已经接近前沿。坦白说，即使它达到了前沿，我认为作为服务的产品、世界级的产品，作为产品的模型，也会继续蓬勃发展。
我们现在投资的每一家初创公司都是先用开源，然后再转向专有模型。
是的。美妙之处在于，因为你有一个很好的路由器，把它连接上，从第一天起、每一天，你都能用上世界上最好的模型，同时这也给了你时间去降低成本、微调和专业化。所以你每一次都能拿出世界级的能力。
黄仁勋，我能问你……当然。没有人比你更希望美国赢得全球AI竞赛，对吧？但一年前，拜登时代的扩散规则实际上是一种反美国的、阻碍AI在全球扩散的规则。现在新一届政府已经执政一年了。给我们打个分吧。
在全球扩散方面、在美国AI技术向全世界推广的速度上，我们处在什么位置？是A？是B？还是C？什么在奏效？
什么没奏效？
首先，特朗普总统希望美国产业领先。他希望美国科技产业领先。他希望美国科技产业获胜。他希望我们把美国技术推广到全世界。他希望美国成为世界上最富有的国家。
这些他都想要。就在此刻，英伟达在全球第二大市场放弃了95%的市场份额，现在是0%。总统……没错。特朗普总统希望我们重新进入那个市场，而第一件事就是为我们能够销售的公司拿到许可证。有很多公司已经提出了许可证申请。
我们已经为它们申请了许可证，并且已经获得了卢特尼克部长批准的许可证。现在我们已经通知了这些中国公司，其中许多已经给了我们采购订单。所以我们正在重新提升供应链产能，准备发货。我认为从最高层面看，Brad，我们应该承认的一点是：当我们无法获得微型电机、稀土矿物时，我们的国家安全就被削弱了。
当我们无法掌控自己的电信网络时，国家安全就被削弱了。当我们无法为国家提供可持续能源时，国家安全就被削弱了。这是根本性的削弱。这些产业中的每一个，都是我不希望AI产业变成的样子
的例子。对。
当我们展望未来，问自己想要什么？当美国科技产业、美国AI产业引领世界时，会是什么样子？我们都可以承认，AI模型不可能由一方通吃全世界。我们都可以承认，那种结果毫无道理。但我们都可以想象，从芯片到计算系统再到平台的美国技术栈被全世界广泛使用，各国在此基础上构建自己的AI。他们使用公共AI。
他们使用私有AI，随便什么，并且能在自己的社会中构建应用。我很希望美国技术栈占到全世界的90%。是的。我会非常乐见。另一种结果，如果它变得像太阳能、稀土、磁体、电机、电信那样，我认为那对国家安全是非常糟糕的结果。
同意。是的。对。
黄仁勋，你目前对世界各地冲突局势的关注程度如何？它让你有多担忧？比如中国和台湾，还有中东的氦气供应，据我了解，这可能成为半导体制造的供应链风险。这些情况让你有多担忧？你在这上面投入了多少精力？
首先，我认为在中东，我们那里有6000个家庭。是的。英伟达有很多伊朗人，他们的家人仍在伊朗。所以我们在那里有很多家庭。首先，他们相当焦虑。
他们非常担心，非常害怕。我们一直在牵挂他们。我们一直在关注、留意他们的情况。他们得到我们百分之百的支持。我被问过好几次，我们是否还考虑留在以色列？
我们百分之百留在以色列。我们百分之百支持那里的家庭。我们百分之百留在中东。我还被问到，鉴于中东正在发生的事情，那是不是我们认为可以拓展人工智能的地区？我相信我们走向战争是有原因的，我也相信战争结束后，中东会比以前更稳定。
所以，如果我们之前就在考虑，那么之后我们绝对更应该考虑。所以我对此百分之百投入。至于台湾，我们必须做三件事。第一，我们必须确保尽快让美国实现再工业化。是的。
无论是芯片制造厂、计算机制造厂，还是AI工厂
……进展如何？
我们做得非常好。通过获得台湾供应链的战略支持，获得他们的友谊、他们的支持，我们才能以惊人的速度在亚利桑那、得克萨斯、加利福尼亚建厂。他们是真正的战略伙伴。他们值得我们的支持。他们值得我们的友谊。
他们值得我们的慷慨，而且他们正在尽一切努力为我们加快制造进程。所以我认为这是第一点。第二，我们应该让制造供应链多元化。无论是韩国、日本还是欧洲，我们都要让供应链多元化，使其更具韧性。第三，让我们保持克制。
§08自动驾驶平台、面对同为客户的竞争者、回应增长放缓预测
在我们减少……提高多元化和韧性的同时，不要施压、不要逼迫。
你知道吗？没有必要。我们需要耐心。
这很有见地。氦气是个问题吗？很多报道……
你知道，我认为氦气可能会成为问题，但供应链中很可能也有大量缓冲。是的。这类东西往往有很多缓冲，不过你知道的。是的。
你在自动驾驶方面取得了巨大进展。你发布了重大消息。你增加了更多合作伙伴，包括比亚迪。刚有一段你乘坐梅赛德斯四处行驶的视频，还有与Uber的重大合作公告，你们将让来自多家制造商的一批汽车上路。我相信你的押注是，会出现一个类似安卓的开源平台，你将在其中与数十家汽车厂商一起扮演重要角色，而另一边可能会有特斯拉或Waymo这样的iOS。
你在这方面的战略思考是什么？这盘棋会如何展开？因为感觉你的技术栈相当深，在某些方面你在竞争，在另一些方面你又在合作。
是的。退一步来看，第一，我们相信，所有会移动的东西终有一天都会完全或部分实现自主。第二，我们不想造自动驾驶汽车，但我们想让世界上每一家汽车公司都能造出自动驾驶汽车。所以我们打造了全部三种计算机：训练计算机、仿真计算机、评估计算机，以及车载计算机。我们开发了世界上最安全的驾驶操作系统。
我们还打造了世界上第一个具备推理能力的自动驾驶汽车，让它能把复杂场景分解成它知道如何应对的更简单场景，就像我们人类一样，是推理系统。这个推理系统叫Alpomayo，它让我们取得了惊人的成果。我们开放……我们做垂直优化，我们做水平创新，然后让每个人自己决定。你想只从我们这里买一种计算机吗？
以埃隆和特斯拉为例，他们买我们的训练计算机。他们想买我们的训练计算机和仿真计算机吗？还是你想让我们和你合作，三种全做，甚至把车载计算机装进你的车里？所以，你知道，我们的态度是我们想解决问题。我们不是解决方案提供商，无论你以何种方式与我们合作，我们都很乐意。
我想接着这个问题问，因为我觉得这太有意思了。你确实创造了这个平台，百花齐放，但同样真实的是，其中一些花现在想要回到技术栈的下层，试着和你竞争一下。谷歌有TPU。亚马逊有Inferentia和Trainium。
你知道，每个人都在搞自己的版本，想着“我觉得我能比英伟达更英伟达”，尽管他们往往也是你们的大客户。是的。你如何应对这种情况？还有，是的。你认为随着时间推移会发生什么？这些东西在这一愿景的格局中处于什么位置？
是的。
问得非常好。你知道，首先，我们是唯一一家……我们是一家AI公司。我们构建基础模型。我们在许多不同领域处于前沿。我们构建每一层、每一个技术栈。
我们是世界上唯一一家与世界上每一家AI公司合作的AI公司。他们从不给我看他们在做什么，而我总是把我在做的东西原原本本地展示给他们。
对。
是的。所以信心来自于此。第一，我们很乐意在谁的技术最好这一点上竞争。只要我们能继续跑得快，我相信从英伟达购买仍然是他们能做的最经济的事情之一，我对此有极大的信心。这是第一点。
第二，我们是唯一能出现在每一朵云里的架构，这给了我们一些根本性的优势。我们是唯一一个你可以从云端拿出来，放到本地部署、放进汽车、放到任何地区的架构。
放到太空。
没错。放到太空。所以我们有一整块市场，大约占我们业务的40%。大多数人没有意识到这一点。这40%的业务，除非你有CUDA技术栈，除非你能建造整座AI工厂，否则客户不知道拿你怎么办。
他们不是想造芯片，也不是想买芯片。他们是想构建AI基础设施，所以他们希望你带着全栈方案进场，而我们拥有整个技术栈。所以出人意料的是，英伟达正在提升市场份额。看看我们今天的状况，我们的份额在增长。
但你认为实际情况是，这些人尝试了之后意识到：天哪，这太难了，然后他们又回来了。这就是份额增长的原因吗？
嗯，我们份额增长有几个原因。第一，我们的速度已经……我们帮助人们认识到，关键不在于造芯片，而在于构建系统。
系统才是。
而那个系统非常难构建。所以他们和我们的业务在增长。以AWS为例，我想他们刚刚宣布，我记得是昨天，他们将在未来几年购买100万颗芯片。我是说，这对AWS来说是非常多的芯片，而且这还是在他们已经购买的所有芯片之外。所以我们很高兴做这件事。
但第一点，过去这几年我们份额增长，是因为现在Anthropic来到了英伟达。Meta SL也来到了英伟达，而开放模型的增长令人难以置信，这些全都跑在英伟达上。所以我们份额增长是因为模型数量的增长。我们份额增长还因为，所有这些公司都在云之外，它们正在各地区、在企业、在各行业、在边缘侧增长，而如果只是做ASIC，整个这一块增长是非常难拿下的。
Brad，与此相关，不想陷入数字细节，但分析师们似乎并不相信，对吧？如果你看一致预期，你说过算力可能增长100万倍，对吧？然而他们预测你们明年增长30%，后年20%，而2029年本应是爆发的一年，却只有7%。
对吧？所以如果你拿你们的TAM套用他们的增长数字，就意味着你们的份额会暴跌。在你们未来的订单簿里，你看到任何能证明这种预测正确的东西吗？
是的。首先，他们根本不理解AI的规模和广度。是的。
是的。是的。我认为确实如此。
大多数人认为AI只存在于排名前五的超大规模云厂商里。
对。没错。还有一种围绕大数定律的教条，你知道，他们必须回到投行的风险委员会，拿出某个模型。他们心里不会相信5万亿能变成15万亿。
这是一种……
……存疑。
它能到7（万亿）。算了。
而且你
可以成为一家10万亿美元的公司。
全都是自保免责的那一套。我觉得那是……
以前从未发生过，所以你不能说
它会发生。而且因为你必须重新定义你所做的事情。最近有人提出一个观点：英伟达怎么可能在服务器领域比英特尔还大？原因在于，整个数据中心的CPU市场大约每年250亿美元。
对。对。
正如你们知道的，我们一年做250亿美元，就在我们坐在这里的这段时间里。所以，显然，显然那是个玩笑。不。不过……
这是All
-In播客。
这是真的。
确实是。
别担心。这个节目上说的都是粗略的。别
担心，Hannah。
都是All-In。你可以留着……我会留着……我会
我是说，天哪，谢谢你。
那算是业绩指引。不过总之，总之，重点是你能做多大，是的，取决于你做的是什么。
§09太空数据中心、AI医疗、机器人
对。
英伟达不是在造芯片。第一，造芯片已经无法帮你解决AI基础设施的问题了。它太复杂了。第三，大多数人认为AI仅限于他们谈论、听到和看到的那些东西。对。
AI远比……OpenAI令人难以置信，他们会变得极其庞大。Anthropic令人难以置信，他们会变得极其庞大。但AI会比那大得多、大得多。
是的。
给我们讲讲
而我们服务的正是那一块。
给我们讲讲太空数据中心吧。
好的。我们已经在太空了。
普通人应该如何理解这项业务，与你听到的地面上正在进行的那些大型数据中心建设相比有何不同？
嗯，我们当然应该先在地面上做，因为我们已经在这里了，这是第一点。第二，我们应该为进入太空做准备，显然太空中有大量能源。当然，挑战在于散热，你没法利用传导
没错。而且
所以你只能用辐射散热，而辐射需要非常大的表面。所以，对。这并不是一个不可能解决的问题，而且太空里有的是空间。但尽管如此，成本仍然相当……是存在的。我们会去探索它。
我们已经在那里了。我们已经做了抗辐射加固。我们在全球的卫星里都有CUDA。它们在做成像、图像处理、AI成像，这类事情就应该在太空中完成，而不是把所有数据传回地面再在这里做成像。我们就应该直接在太空里做成像。
所以有很多事情我们应该在太空中做。与此同时，我们会探索太空中数据中心的架构是什么样子。这需要好几年时间。没关系。我想做……我有的是时间。
我想深入聊聊医疗健康。我知道你们在这方面投入很大。我们都到了一定年纪，开始考虑寿命和健康寿命。我是说，我觉得我们看起来都很不错。
有些人比别人更好。
我觉得
有些人比别人更好。我不知道你的秘诀是什么，黄仁勋。我们还算
不错，这些……
我是说，你在吃什么？有什么不在菜单上的？我们去后台时你得跟我聊聊。我想在休息室里知道你在搞什么。
深蹲、俯卧撑和仰卧起坐。完美。
是的。不过
那很管用。
你知道，在医疗健康领域的建设方面，它正走向何方？我们取得了什么样的进展？我刚刚用Claude做了一些分析，问它这些计费代码都在哪里。我们在美国花的钱是两倍，得到的似乎只有一半。看起来所花费用中有15%到25%用在了这些首次全科医生就诊上。
而且我想我们都知道，如今ChatGPT和大语言模型在首次就诊上做得更好、也更稳定。那么，需要发生什么才能突破所有这些监管，让AI对医疗体系产生真正的影响？
我们在医疗健康领域参与了好几个方向。一个是AI物理，或者说AI生物学。用AI来理解、表征、预测生物学行为。这是一个方向。这在药物发现中非常重要。
第二个是AI智能体，也就是在辅助诊断之类的事情上提供帮助。OpenEvidence是一个非常好的例子。Hippocratic也是一个非常好的例子。很喜欢和这些公司合作。我真心认为，在这个领域，智能体技术将彻底改变我们与医生的互动方式，以及我们获取医疗服务的互动方式。
我们参与的第三部分是物理AI。第一个是AI物理，用AI来预测物理。第二个是物理AI，即理解物理定律特性的AI，它被用于机器人手术，那里有大量的活动。未来，医院里我们接触的每一台仪器，无论是超声、CT还是其他任何仪器，都将具备智能体能力。是的。
你知道吗？一个安全版本的OpenClaw
是的。
将内置在每一台仪器里。所以在很多方面，这台仪器会与患者、护士和医生互动……是的。
我们有一个非常独特的……在AI武器上投入了这么多。如果能看到一些投资投向AI急救员和护理人员、投向拯救生命而不仅仅是夺取生命，那就太好了，我觉得这正好可以引到机器人话题。你有几十家合作伙伴。我们经历了一段很奇怪的，我不知道，我想称之为波士顿动力失落的十年或二十年。
谷歌收购了一批公司，后来又把它们卖掉、吐了出来，人们当时就认为，机器人还没准备好登上大舞台。而现在，我们有了当今世界上最伟大的企业家，和你并列，埃隆·马斯克……好吧，我希望这个圆场还算及时。Optimus相当令人印象深刻。还有中国的其他公司。以你从这些合作伙伴那里了解到的情况和技术成熟度，尤其是中国，他们似乎做得和我们一样好甚至更好，这距离真正进入我们的生活还有多远？我们何时可能看到厨师、机器人厨师、机器人护士、机器人管家，这种人形形态真正在现实世界中工作？
嗯。
这个产业很大程度上是我们发明的。美国发明了……你可以说我们进入得太早了。是的。然后我们就精疲力尽了。我们厌倦了，大约在使能技术出现之前五年。
是的。
就是大脑。
是的。是的。我们就是稍微太早一点厌倦了它。好吗？这是第一点。
但它现在已经来了。现在的问题是还要多久？从出现高性能的存在性证明，到合理可用的产品，技术从来不会超过两三个周期。所以两三个周期基本上就是大约三到五年。就这样。
三到五年内，机器人将随处可见。我认为中国非常强大，原因在于他们的微电子、电机、稀土、磁体，这些是机器人的基础，他们是世界上最好的。所以在很多方面，我们的机器人产业深度依赖他们的生态系统和供应链。而且他们显然动作非常快。我们会……你知道，我们的机器人产业将不得不大量依赖它。
全世界的机器人产业都将不得不大量依赖它。所以我认为，你会在这里看到一些非常快速的进展。
最终会是一比一吗？埃隆似乎认为每个人都会有一个机器人，70亿对70亿，80亿对80亿？
嗯，我希望更多。是的。我希望更多。是的。首先，会有一大批机器人在工厂里全天候工作。
会有一大批不怎么移动的工厂机器人，它们只移动一点点。几乎一切都将机器人化。
世界会是什么样子？抱歉。让我说一下，我觉得，这
是其中之一
对我来说，机器人是我认为能为每个人释放经济流动机会的关键之一。就像每个人都有了汽车后，可以去做许多不同的工作。当每个人都有了机器人，他们的机器人可以为他们做很多工作。他们可以开一家Etsy店或Shopify店。他们可以用机器人创造任何想要的东西。
他们可以做到靠自己做不到的事情。我认为，机器人最终将成为为地球上最多的人释放繁荣的最大突破，超过我们以往见过的任何技术。
是的，毫无疑问。我是说，目前简单算一下，我们今天的劳动力缺口有数百万人。
对吧？
是的。对吧？我们其实非常迫切地需要机器人。所有这些公司如果有更多劳动力，就能增长得更多。我是说，我们是第一……
你提到的有些东西超级有趣。我是说，因为有了机器人，我们会有虚拟临场。你知道，我出差的时候，可以进入家里的机器人，远程操控它。对。
跟我说，我会
在……在家里四处走走。
还有遛狗。是的。遛狗。扫扫落叶。
是的。没错。带狗出去。也许不完全是那样，但就是，你知道，四处转转，是的，看看家里发生了什么。
你知道，和狗聊聊，和孩子聊聊。是的。
是的。还有时间
旅行也是……我们将能以光速旅行。你知道吗？所以，显然我们会先把机器人派出去。是的。不会派我自己去。
我会派一个机器人。
§10OpenAI/Anthropic的营收潜力、如何构建AI护城河
对。你知道吗？去探探路。
是的。是的。然后我会上传我的AI。
嗯，这是必然的。它让月球和火星成为可殖民的目标，这给了我们无限的资源。从月球运回物资的能源成本实际上为零，因为你可以利用太阳能进行加速。所以你可以在月球上建工厂，生产世界所需的一切，而机器人将成为实现这一切的关键
没错。距离不再
重要。对。是的。
我们从模型和智能体中获得的收入越多，就越能投资建设基础设施，进而释放模型和智能体的更多能力。Dario最近在Dwarkesh的播客上说，到2027、2028年，模型公司和智能体公司将获得数千亿美元的收入，他还预测到2030年将达到1万亿美元，对吧？这是非基础设施类的AI收入。
我认为他非常保守。我相信Dario和Anthropic会做得远比那好。哇。
远比
那好。哇。
所以是从300亿到1万亿。
是的。原因在于，他没有考虑到的一点是，我相信每一家企业软件公司也都将成为Anthropic代码……Anthropic token的经销商、增值经销商。成为增值经销商。还有OpenAI。必须如此。
增值……没错。
是的。
而他们会……他们的那一部分
会出现这种对数级扩张。
是的。
是的。
他们的市场推广将大幅扩张
你
怎么看？
今年。你认为在那样的世界里，护城河是什么？还剩下什么？我是说，你有一些护城河，坦白说，我认为随着规模扩大几乎是不可逾越的。最好的一条、也是没人谈论的，可能是CUDA，它简直是一个不可思议的战略优势。
但在未来，如果一个模型可以被用来创造出了不起的东西，那么下一代模型也许就能被用来颠覆它。在你看来，对那些在应用层构建的公司来说，它们的护城河是什么？比如，它们如何形成差异化？
深度专业化。深度专业化。我相信这些模型……他们会把通用模型接入软件公司的智能体系统。对。其中许多模型是云端模型和专有模型，但也有许多模型是他们用自己的……训练出来的专业化子智能体。对。
所以
你对创业者发出的号召是：听着，要了解你的垂直领域。
没错。
要比任何人都了解得更深、更透。
没错。
然后等待这些工具，因为它们正在追赶你，现在你可以把你的知识注入其中。
没错。你越早把你的智能体……你越早把你的智能体与客户连接起来，那个飞轮就会让你的智能体
变得……这在很大程度上是对我们今天做法的颠倒，因为今天我们开发一款软件，会问：什么是可以通用的？然后尽可能广泛地销售它，再围绕它出售定制服务。
§11给年轻人的建议：如何在AI时代脱颖而出
而我们困住……
而事实上
事实上，完全正确。我们打造的是水平平台，但请注意，有所有这些全球系统集成商，还有所有这些……是的。顾问……没错。他们是专家
是的。
他们拿走你的水平平台，再把它专业化。没错。
而定制化可以说是一个大五六倍的产业。
确实如此。绝对是。整个
……的那一块。确实如此。
没错。所以我认为这些平台公司有机会成为那样的专家，成为那个垂直领域的领域专家。
我只是想给你应有的赞誉。我记得三年前你说过，你不会因为AI丢掉工作，你会因为某个使用AI的人丢掉工作。现在我们到了这一步。整场对话都围绕着这样一个概念：智能体让人变得超人，商业机会在扩大，创业在扩大。
你其实看得相当清楚。是的。
没错。
你改变看法了吗？因为你之前是
这是末日论……末日论者。我不是末日论者。我确实有……别
说末日论。不。我……是的。我认为你可以同时容纳两种想法。一是会有……
那是因为Jake和我一起……不。你可以
看到，就因为他不跟我一起玩。你知道吗？
嗯，我们……我是说，我们一起玩过一点。
他会把你请出这张桌子。
他会到处跟着你。我没有要求这样。我只是到处跟着你。
我是说，我
没有要求
这样。
你可以和我还有Tucker一起来。我们每年一月都去日本滑雪。真的吗？太喜欢了。我和Tucker会去自驾游。
哇。好的。确实会有工作岗位被取代。然后问题就变成了，你知道，那些人是否有毅力、有决心去拥抱这些技术？我们将看到由人类驾驶的情况百分之百消失。
这真是一件美好的事，还能挽救生命，但我们必须认识到，在美国有 1500 万人，1000 万到 1500 万人，是靠这种方式就业的。所以这件事一定会发生，对吧？
我认为工作会发生变化。比如，今天有很多司机在开车。我相信，其中很多司机实际上仍会坐在车里、坐在方向盘后面，而车在自己行驶。原因在于，想想司机是做什么的。归根结底，这些司机是在帮助你，他们是你的助手。
他们帮你——是的——拿行李。他们帮你……我是说，他们在很多事情上帮你。所以说实话，如果未来的司机变成你的出行助手，帮你做一大堆
其他事，比如去酒店，我一点也不会惊讶。对。而且
车在自己行驶。
对。而且
飞机上的自动驾驶仪催生了更多的飞行员，并没有把任何一名飞行员从驾驶舱里赶出去。
对。好的。
尽管自动驾驶仪在 90% 的
时间里都在驾驶飞机。
顺便说一句，当那辆
车在自动驾驶时，那位司机会在手机上做一堆其他工作，他会安排，
比如说，做另一件事，为你协调一大堆事情，帮你
你懂吗？
对。整个蛋糕就这样变大了，某种程度上
你，所以，所以
其中一件事是，是的。每一份工作都会被改变。有些工作会被淘汰。但我们也知道，会有非常非常多的工作被创造出来。是的。
对于那些即将毕业、心存担忧、对 AI 感到焦虑的年轻人，我想说一句：成为使用 AI 的专家。
对。
多少……听着。对。我们都希望自己的员工成为使用 AI 的专家，而这绝非易事。绝非易事。所以要懂得如何明确提出要求、如何（不）过度规定，给 AI 留出足够的空间去创新和创造，同时由我们引导它达成我们想要的结果。
所有这些都需要艺术性。
你在斯坦福的时候——我想是在斯坦福——给过一个很棒的建议：我祝你经历痛苦和磨难。你还记得吗？记得。太棒了。关于年轻人应该学什么，你有什么建议？
比如那些快要高中毕业的孩子，因为现在这些孩子才是真正的原住民，他们还没决定上什么大学、学什么，甚至要不要上大学。你会怎么引导这些孩子？你会对他们说什么？
我仍然相信，深厚的科学功底、深厚的数学功底、语言能力——你知道，正如你所知，语言是
AI 的编程语言。终极的编程语言。
所以事实可能会证明，英语专业的人反而最成功。对。所以我只想建议，无论你接受什么教育，都要确保自己是使用 AI 的顶尖专家。关于就业，我还想说一件事，希望每个人都能听到：事实上，在深度学习革命之初，世界上最优秀的计算机科学家之一——我非常非常尊敬他——预测计算机视觉将彻底淘汰放射科医生。他建议所有人都不要进入的那个领域，就是放射科。
十年后，他的预测百分之百正确。计算机视觉已经百分之百地融入了全世界所有的放射技术和放射平台。出人意料的结果是，放射科医生的数量实际上增加了，对放射科医生的需求急剧上升。原因在于，每个人的工作都有其目的和任务。你做的任务是研究扫描影像，但你的目的是致力于协助医生、帮助患者诊断疾病。
对。
所以出人意料的是，由于现在扫描完成得如此之快，他们可以做更多扫描，改善医疗服务。对。而更快地做更多扫描，能让患者更快地被接收——接受治疗。对。更快地得到治疗。
对。
而事实证明，因为医院也喜欢赚钱
对。
对。他们做更多扫描。治疗更多患者。更多患者。
变成——
收入就上去了。
完美。你猜怎么着？完美。
对。而且一个增长更快、生产力提高的国家，一个更富裕的国家，可以在课堂上安排更多老师，而不是更少的老师。
没错。
你只要给每一位老师都配上为课堂上每个学生量身定制的个性化课程。这会让他们都拥有超能力，并带来更多成果。
每一个学生都会得到 AI 的辅助，但每一个学生都需要优秀的老师。对。
对。太棒了。黄仁勋，祝贺你取得的所有成功，真的，这是一场非常积极、鼓舞人心的讨论。非常感谢你抽出时间来参加我们的节目。
他就是我们需要的掌舵人。你就是。你就是我们需要的掌舵人，要更多地发声
讲讲它积极的一面。我觉得现在有太多的末日论调了。
但我也认为，取得这样的成功还能保持谦逊，说一句「伙计们，我们是在做软件」，这需要谦卑。对。我觉得让人们听到这些其实非常健康。我们以前做过这样的事。我们以前就开创过新的品类和产业。
是的。我们不需要走到这种危言耸听的地步。
那毫无用处。而且我们可以选择。对吧？我们有自主权和能动性。我们可以选择如何
当然可以。
部署它。好了，各位。我们下次再见——谢谢——在 All-In 访谈节目里。好吗？
干得好，兄弟。
谢了，伙计。
干得漂亮。
谢谢你，先生。太精彩了。好。好。感谢你。
你们太棒了。
黄仁勋，谢谢你。
看看这个。看看你们身后这一大群人。
伙计，我觉得他们是冲你来的。