过去三十年，我们创造了人类史上最大的技术鸿沟，因为我们发明的计算工具只有极少数人能使用，而AI则首次

  Jensen Huang是NVIDIA创始人兼首席执行官，被广泛视为生成式AI革命的核心推动者之一。本次对谈由Milken Institute主持，围绕AI工厂的兴起、劳动力市场的变革与全球产业竞争格局展开。

  Michael Milken：欢迎来到现场。你觉得AI会成为下一场工业革命吗？

  黄仁勋：我认为是的。让我来解释一下。我们现在讨论的人工智能技术，已经具备感知世界、生成内容、翻译语言的能力，现在甚至能推理、处理问题，可以操作工具、上网查资料、浏览器检索、阅读PDF文件、为你进行调研。我们很清楚这项技术的能力，这本身就足以令人振奋。它是一项彻底的技术性突破。它与以往任何IT技术完全不同。过去的IT技术只是工具，只有当你坐在电脑前、亲自操作时，它才能发挥作用。但今天的AI具备自动化能力。我们已熟悉robotics和robots的概念，比如实体机器人。而现在，我们大家可以设想一种digital robot，它存在于数据中心中，为你自动执行工作。令人兴奋的是，这种技术不再只是替代已有的IT系统，而是真正扩展了digital workforce。它所触及的经济领域，规模将远超万亿美元。这就是第一层。

  第二层是：AI是如何被创造出来的？上一代计算机软件是人类手工编写的，运行在CPU上。而我们用将近33年时间，构建出一种全新计算架构：它能让机器自主学习、自己写程序，运行在我们开发的加速计算平台和GPU上。这种AI不是从传统意义上的“数据中心”里诞生的。它们其实更像是一座“工厂”。与数据中心不同，它们规模巨大，需要大量能量输入，然后输出名为Token的成果。这些Token实际上可以转化为各种数字形式的东西，比如文字、图像、像素、视频、化学分子，甚至是药物研发中的蛋白质组合。还包括像motor skills这样的运动技能，能驱动机器人或操作方向盘。所以，AI工厂正在制造这些“成果”。慢慢的变多人开始意识到，这是一个全新的产业：AI工厂产业。这些工厂有多大？我们正在建造gigawatt级别的设施，每一座工厂的投入大概是五六百亿美元。我一点也不会惊讶，未来十年内全球会有几十座千兆瓦级别的AI工厂建成。这是第二层架构。

  第三层则是：这是人类历史上第一次拥有一项能影响几乎所有行业的技术。从金融服务到医疗保健，从制造业到物流、零售、娱乐……几乎所有你能想到的领域，都将被它重新定义。AI工厂会成为这一些行业的底层基础设施。就像上一代是信息基础设施，再上一代是能源基础设施。而AI工厂正是新时代的基础设施。它的复杂性或许难以理解，但它确实正在迅速形成。人工智能正成为整个信息基础设施体系的核心。从这个视角看，你会开始理解AI对技术行业意味着什么。我们正步入一个新兴起的产业，而这个产业每个国家都想参与。尤其是那些拥有富余能源的国家，它们都渴望分一杯羹。这个产业将重构整个全球基础设施。

  Michael Milken：在继续讨论之前，让我们先退一步，聊聊它对技能结构的影响。我们曾经估算过，如果全球都采用最先进的农业技术，理论上可以消除大约五亿个农业岗位，尤其是在当前农业补贴等制度之下。这一个话题曾引发巨大争议：到底谁会被淘汰？上世纪六十年代，我拥有很大的优势，我能心算收益率。但到了七十年代，计算器问世，我的这一优势被彻底取代。不过说实话，计算器发明后我也没混得太差。后来我又能记住数百万笔交易，但随着计算机出现，这也变得毫无意义了。这就是技术对工作的影响。你们现在正在做的这些AI技术，也同样会影响几乎所有岗位。有些职位会被替代，有些会因此诞生。

  黄仁勋：这个影响是即时的，毫无疑问。你不会被AI本身取代，但你会被懂得使用AI的人取代。这点我们都知道。但我想进一步讲两个极端案例。首先，计算机技术在过去三十年间造福了大约三千万人。也就是说，全球大概只有三千万人精通编程，并能极致运用它。这个行业确实非常成功，也是过去几十年最成功的创富行业之一。我本来也可以再一次进行选择去当石油工程师（我父亲就是），也可能听母亲的话去学医。但我最终选择了计算机工程，事实上这是一个非常明智的决定。不过，这个行业始终只有三千万从业者。而在这三四十年里，我们却发明了大量只有这三千万人会用的工具，其他七十五亿人基本用不上。这无疑造成了人类历史上最大的技术鸿沟。而我认为，AI是我们弥合这道鸿沟的最大机会。

  让我举个例子。在座能写C++或C的人可能不多，而能写全流程AI编程的人更是少之又少。但这没关系，因为AI能理解任何自然语言。你可以画图给它看，也可以写文字指令，甚至用模糊描述，它都能理解。你还可以直接说：“我不会编程，你能教我吗？”它会一步一步带你入门。ChatGPT和Gemini Pro的用户量，已经证明这可能是历史上最容易使用的技术。现在，任何人都能用它。无论是老师还是学生，我每天也都在用它当我的私人导师。AI弥合技术鸿沟的潜力令人惊叹，这就是第一个极端。另一个极端是什么？是劳动力短缺。当前我们缺人，劳动力并不充足。这在历史上是第一次。我们终于能设想这样一种可能：用AI来填补缺口，让3,000到4,000万人重新参与劳动市场。否则，这样一个世界将难以维持正常运作。所以我认为，AI也许是提升全球GDP的最佳途径。这是另一种看待它的角度。在此期间，我建议每个人都要100%投入，善用人工智能。不要做那个忽视这项技术、最终因此吃亏的人。

  Michael Milken：我们简单聊聊，当这群人六天会议结束后走出会场，到了周四，他们必然想更深入了解AI。难道要指望电脑来教他们吗？

  黄仁勋：关于人工智能？我们今天就是来聊这个的，对吧？最好的方式就是：拿出手机，打开一个应用程序。Perplexity是不错的选择，ChatGPT很出色，Gemini Pro也很优秀。这三款我每天都在用。你可以随便问它任何关于AI的问题，它都会回答你。你还能够准确的通过自己的理解程度，调整对话的深度。有时候，当我面对一个不太熟悉的领域时，我会先要求它用讲给12岁孩子听的方式解释，然后逐步深入，直到达到博士水平的理解。你们也可完全这么做。

  Michael Milken：我们换个角度谈谈，你的家族来自台湾，之后搬到了华盛顿，最后定居在俄勒冈。我曾有机会为很多创业者提供资金支持，比如MCI的Bill Gawan。他的公司想挑战AT&T的垄断，当时AT&T在市场上的份额高达99%。他常常连工资都发不出来。你也讲过你们早期的日子，根本不知道能否成功。那些比你更容易获得资金的公司，究竟错过了什么？他们没看到，而你看到了什么？我们换个说法，在Intel当时的市场中，他们到底忽视了什么？

  黄仁勋：从一开始，我们就设想以一个企业的身份，打造一种全新的计算方式。去解决那些传统计算机无法处理的问题。事实上，如果你把使命宣言写成“我们要做传统方法做不到的事”，就好比说“我要造一辆能开到普通汽车去不了的地方的车”。但现实往往是：那些地方不是没有路，就是根本没必要去。所以我们提出了解决传统计算机无法处理问题的使命，但这个使命自身就面临诸多挑战。我们花了整整三年才把它变成现实。这很艰难，但我们做到了。问题就在于，当时整个经济体系、整个行业乃至整个ECO都倾向于关注那些“能解决的问题”。没人愿意涉足那些看起来“无解”的难题。这让我们很孤独。没有人和我们一样关注这些棘手问题。我们在那个领域里基本上没有客户，因为客户通常只愿意面对他们了解能解决的事情，而不是挑战那些没人解决过的问题。

  而Intel那时候一直在观察我们。你说他们拥有更强的融资渠道，这确实没错。他们之所以不跟进，是因为他们实在太成功了。而从长远来看，这反倒是我们的幸运。我们之所以花这么久，是因为我们做的事真的很难。但也正因为没人插手，我们才可以走出自己的路。我最近读了一本重写过的新书，Peter Thiel的《Zero to One》。书里讲的，其实很像是NVIDIA的故事。我们最终选择去做那些别人认为不可能，甚至没人愿意做的事情。它们听起来很疯狂，成功的概率极低，但对我们来说，这种挑战反而最熟悉不过。正因为它们困难，正因为别人已有的成功会让他们忽视这些机会，我们才有了突破的空间。

  Michael Milken：你们现在也在努力避免重蹈Intel的覆辙。作为行业领导者，你们要如何思考保持持续创新的文化？就像《Star Trek》里Kirk船长说的：“勇闯无人之境。”

  黄仁勋：虽没任何保障，但我们具备一些特别的品质。作为亲历者，我深有体会。我希望我的孩子、我爱的人也能体验这种长期奋斗、不走捷径的历程。在那段时期里，我们一定要极致高效、节省每一分钱，因为不知道还要撑多久。非凡的韧性，正是从这样的长期攻坚中养成的，这种特质已深植于我们的公司文化之中。如今我们所做的，几乎都是5到10年时间尺度的项目。在physical AI（也就是机器人技术）领域，我们的技术深度能够说是全球最强。为下一代AI所需的基础技术，我们的研究进度遥遥领先。这要求我们同时具备宏大的愿景与坚韧的执行力，这两者缺一不可。此外，过去三十年来我们始终如履薄冰，从不敢松懈。面对失败我们并不惊慌，犯错也不会太意外，成功时也不会自满。我们始终专注于本职工作，而这份心态，是从我们艰苦创业的历史中积淀下来的。

  Michael Milken：那我们回到一个问题，对普通人来说，芯片到底是怎么造出来的？很多人都想进入芯片产业，但根本无从下手。比如，美国政府通过法案拨款620亿美元支持本土芯片产业，结果半年之后发现国内竟然找不到足够的人来建厂，最后不得不从台湾引进7000人。

  黄仁勋：其实，任何一门技艺都需要匠心和积累。想了解怎么造芯片？从YouTube学起也可以。我们之所以擅长造芯片，是因为我们并不只是造芯片。自1960年代IBM之后，就没有一个企业像我们这样，从零开始设计整套架构。我们设计芯片，开发系统，构建网络，搭建基础设施，编写所有相关软件，并把它们推向市场。全球的开发者和整个生态系统，都是围绕我们这套计算体系在构建，就像为iPhone、Windows或NVIDIA平台开发一样。自IBM在60到70年代从头打造总系统之后，还没有哪家公司能重现这样的壮举。我们不仅是造芯片的，更是在构建一整套系统。我们现在本质上已经是一家AI基础设施公司。看看我们现在打造的系统：每块芯片重达1.5吨，单价300万美元。我们为其进行大规模量产，并自主管理制造与组装流程。我们甚至使用超级计算机去测试自己造的超级计算机。因为只有“足够智能”的系统，才能验证另一台计算机是不是真的“智能”。

  所有设备都采用液冷系统来进行测试。完成检测和装配后，我们还会将它们拆解，再通过空运送到客户所在的数据中心，在现场重新组装和部署。这一切，都是通过全球约200家制造商与供应商协作完成的。我们的年营收达到数千亿美元，已是全球规模最大的芯片科技公司之一。我们每一代产品的研发预算在200到300亿美元之间。这确实是一场巨大的豪赌。但我们正在投入的，是一个未来可能达到数万亿美元规模的智能产业。我们的投入正与这个未来的机会相匹配。

  黄仁勋：关于芯片销售可能面临的限制，各方观点不一。NVIDIA的技术常被视为国宝级资产，对这个新兴的AI产业至关重要。一方面，我们应该确保这些技术只被盟友国家使用，防止落入可能用于军事目的的势力手中。这是出于经济安全与国家安全的考虑。但这个逻辑其实存在谬误。任何国家，尤其是对手国家的军事计算能力，从来不会受限于他们本国当下拥有多少算力。我们美国也不例外。当一个国家需要取得军事突破时，它会不顾一切地调用已有的计算资源。事实上，NVIDIA的芯片早已遍布世界各地，仅仅限制额外GPU出口，并不可以真正遏制对方的军事能力。我支持技术出口，核心原因主要在于：我们要构建一个全球的AI生态系统，让美国的技术标准成为全世界标准。人工智能的未来，应该基于我们的技术标准，而不是他国的。

  虽然NVIDIA是全球领导者，但如果我们退出某个市场，其他顶尖科技公司一定会立刻填补空缺。所以关键不在于限制，而在于赢得市场。我们应该确保AI的发展是建立在美国的技术根基之上。美国技术当然很重要，它本身就是一个庞大的市场。举个例子：当我们被限制向中国出口产品时，仅仅几年内，中国市场的规模就可能达到五百亿美元。你能想象，这个五百亿美元是什么概念？它相当于整个Boeing公司，而不单单是一架飞机。这是一个我们可完全把握的巨大机会：既能创造税收，带来就业，又能推动技术进一步发展。

  Michael Milken：当然，失去市场，也代表着失去了与客户的互动。而对任何企业来说，客户互动是最宝贵的事。你在过去几年，从你的客户那里学到了什么吗？

  黄仁勋：当然过去几年里，我们从客户那里学到很多。他们告诉我们对芯片的真实需求，也通过他们的使用方式，反馈了哪些技术架构最适合AI的未来。当我们真正理解AI研究人员想要实现的目标时，比如打造虚拟细胞的AI模型，我们就能更好地服务他们。我们在虚拟蛋白质方面已取得显著进展，现在正致力于模拟虚拟细胞。如果我们能理解细胞之间如何互动，它们的通路如何表达，那么我们就能用AI去模拟这些动态过程。这类模型与大语言模型截然不同。理解客户的真实需求，对我们未来改进整个技术架构至关重要。我还记得当年我曾向IBM推荐他们的超级芯片用于医学研究，结果被婉拒了。

  Michael Milken：那么，未来哪些领域的AI需求会更大？比如说生物科学？你有没注意到哪些行业的增长特别明显？

  黄仁勋：尽管今天NVIDIA和整个AI行业已经很庞大，但我们其实是在服务消费级互联网市场。退一步看，这其实只占全球经济中极小的一部分。在它之上，还有更大的产业：医疗健康、生命科学……以及真正的制造业。未来的工厂将不再是传统流水线，而是由巨型机器人组成的系统。这些机器人会协调彼此工作，与人类协作，生产出下一代机器人。它是机器人制造机器人的技术结构，是制造业真正的工业化升级。而要实现这种工厂模式，就必须依赖一种新技术，我们叫做physical AI。如果能突破，它将撬动数万亿美元规模的产业。最后，我知道很多人听完这一些内容，可能会想问：那我该怎么加入NVIDIA？你们到底需要什么样的人才？如果你觉得靠看YouTube学芯片设计就够了，那么，这种思路本身就说明了一些问题。我们可能是全球第一家完整构建AI基础设施的芯片公司。

  我们团队中有数字生物学家、量子化学家、计算机图形工程师、机器人专家、语言专家……我们的专业领域横跨医疗健康、金融服务、科研工程等多个方向。所以我们既欢迎领域专家，也欣赏那些具备通识能力的人才。尤其是那些热爱艰苦工作的“自讨苦吃”型人才。你知道该去找谁帮忙。多年来我们观察到我有一位做教授的朋友，每当他接手一个新班级，他总会试着判断：哪些学生是凭本事考进来的，哪些是靠家庭关系混进来的。好了，说回NVIDIA的话题。我们的成功建立在辛勤工作、无数挑战和艰难岁月的基础上。我那位教授朋友提到，一周之内他就能分辨出“实力派”和“关系户”。但真正难判断的是：那些关系户到底需要多久，才会真正开始为实力派打工。那就需要长时间观察与理解了。那些经历过艰难岁月的人，最终一定会获得回报。

  请注意，本文编译自文末载明的原始链接，不代表Z Potentials立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。

  Z Potentials将继续提供更多关于人工智能、机器人、全球化等领域的优秀品质的内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。