出品 | 网易智能
作者 | 辰辰
编辑 | 王凤枝
“那些AI末日预测，都是编的。”
9月14日，黄仁勋在All-In Summit 2026上，向过去两周不断升温的“AI减速”呼声开了火。
当主持人问到“AI有10%概率导致人类灭绝”时，他没有讨论这个数字究竟高不高，而是直接否定了问题的前提。在他看来，AI终结文明的末日预测没有建立在科学或研究之上，用它们制造恐慌，是不负责任的。
访谈进行到一半，美国总统突然打来电话，也表达了相同立场：不能因为担忧AI，就叫停数据中心建设和整个产业的扩张。黄仁勋当场回应：“您说得对。”
黄仁勋回应的，是过去两周的一场连锁反应。一名27岁的Anthropic研究员辞职，批评OpenAI和Anthropic追逐可能失控的“自我改进超级智能”。随后，Anthropic CEO达里奥·阿莫代伊呼吁放慢前沿模型研发，奥特曼和马斯克也表示赞同。
同一天，美股芯片股普遍下跌，英伟达下跌3.36%。一天的行情说明不了什么，但英伟达卖的就是扩建AI基础设施的芯片和系统，让整个行业慢下来，对黄仁勋从来不是一道抽象题。
黄仁勋并非否认安全风险。他赞成严格测试，赞成第三方评估，也称赞那位离职研究员有勇气。但他划了一条线：实验室出了管控事故，不能直接换算成人类灭绝的概率。
他的方案很简单：哪家实验室觉得自己失控了，哪家先停；已经发生的事故，靠工程手段逐项修复。不用全行业一起踩刹车。
以下为访谈实录，内容据公开视频及字幕翻译整理。
嘉宾：黄仁勋（Jensen Huang），英伟达创始人、总裁兼CEO
主持人：All-In Podcast四位联合主持人
电话连线：美国总统
关于达里奥的公开信与AI安全
帕利哈皮蒂亚：咱们先从达里奥·阿莫代伊周末发表的文章说起。让很多人意外的是，各家前沿实验室似乎围绕它站到了一起。你怎么看？
黄仁勋：首先，那里面塞了很多东西。第一部分是讲安全，这个我们必须非常认真对待。安全是第一位的，这没得说。我们不必在安全与保持领先之间二选一。美国可以快速创新、快速执行，也可以在领先的同时保证安全。
还有一个是内部管控的问题，我觉得他针对的是这个。显然，考克森那个举报人的事非常严重。任何时候出了举报人，你都得认真对待。我觉得考克森很有勇气，敢把他担心的事情公开说出来。
即便这样，里面还是把几件事混在一起了。举报这件事本身没问题。但关于未来的那些“科学预测”，我就不太认同了，因为它显然没有科学依据。这话出自一位科学家之口，却明显不建立在科学之上。所以我对这一点有异议。
但举报的那部分，我觉得里面其实有一大堆东西，比如暂停、放慢节奏。这些都是他们自己可以自愿去做的事，前提是他们觉得公司失控了。
如果考克森看到了什么，当然，我们不知道他看到了什么，但如果他确实觉得公司失控了，也许是从研究转向工程的过程中出的问题。你也知道，这些实验室正在从研究转向工程。人才了得，工程能力了得。但工程和研究毕竟是两码事。也许那个转换过程有点生硬。
你懂的，我们不知道他到底看到了什么，最终只有他自己知道。但如果真存在失控的问题，那就是另一个话题了。
政府该怎么应对？现在突然就上升到监管了。我是说，一篇文章就把所有事都罩进去了。
帕利哈皮蒂亚：你能帮我们拆解一下吗？这周我们在节目里其实试过玩这个游戏，很难，就是你怎么描述……你知道，我妈打电话来，说：“查马特，这个‘文明毁灭’到底是怎么回事？”我都不知道该怎么跟她解释。
所以当那种绝顶聪明的人把这事量化、数据化的时候，我觉得这可能正是让一些人不安的地方。他们心想：“什么叫‘10%的灭绝概率’？”没人知道该怎么跟普通人解释这玩意儿怎么可能发生。
黄仁勋： 首先，我觉得我们不该，因为那是编 的。而这些人，都是受过良好教育的，他们被叫做研究者，显然都在实验室工作。所以这些词凑到一块，再配上那个预测，就很吓人、很令人不安，而这不该发生。这是不负责任的。
但事实是，咱们回头看看真正发生了什么。曾经有人预测，五年之内，放射科会被人工智能完全取代，世界上将不再有放射科医生。结果正好相反，我们今天比以往任何时候都更需要放射科医生。不过，AI确实已经广泛进入放射科，自动读取扫描影像，这是好事。
曾经有人预测，6到12个月之内，90%的代码都会由AI生成。不就是去年吗？结果证明错了。还是去年，有人预测6到9个月内，50%的初级岗位会被消灭。结果也错了。
再看看还有什么。还有什么被证明是错的？我是说，所有这些预测全都错了，对吧？说GPT-2太危险不能发布，说Llama 3太危险不能发布，说明年一半白领岗位会消失，什么“就业末日”。
我们得负起责任来。得有人为所有这些愚蠢的预测负责，对吧？总得有人。所以我们就该把这些都记下来。当然，人们也确实是这么做的，会提醒我们，这些预测跟“美国最终赢得AI竞赛”这件事，根本对不上。
帕利哈皮蒂亚：简单说，就是有些人在讲，你懂的，他们说“要相信专家”。很多事都是如此：一开始也是一群研究者、受过教育的人，对那件事掌握着别人没有的不对称信息，说了一些话，最后我们从事实中发现根本不是那么回事。所以现在正打着一场仗，一边是“相信专家”，另一边是“咱们就看看这些预测的真实历史，再更讲方法地想一想”。
这到底从哪儿来的？因为它是从正在造这东西的内部传出来的。你觉得这背后是什么心理，或者真实动机是什么？也许是商业动机，也许是政治动机。你能不能猜一猜，或者说说你怎么看：他们为什么要这么做？
黄仁勋：首先，我得说，这些是历史上最重要的几家公司之一。工程师了不起，研究者了不起，做的工作真的很棒。一方面，我跟他们作为公司对公司，合作得非常紧密。另一方面，我们又不得不在公开场合聊这些，这真的很遗憾。我觉得这些公司，其实就应该照我们过去建公司的方式来建，闷头做事，对吧？
帕利哈皮蒂亚：等等，等等，黄仁勋，你不允许你公司里的任何一个人代表整个组织发言，尤其是他们哪个周末心情不好、或者怒而辞职的时候。他们不能以你、以整个组织的名义发推，是吗？
黄仁勋：不能。因为那是他们来我们这儿工作时就已经定好的。我们当时就告诉他们，在我们公司工作，你就得这么行事。如果你喜欢我们公司的文化……你也知道，英伟达的员工真的非常开心。
是啊，他们喜欢的是，这家公司表里如一，稳定，核心价值观始终一致，包括照顾好员工家庭，创造条件让他们去做此生最重要的工作。
我们做有意义的事，尽量安静地做，并且为所有人的成功添砖加瓦，这一点我们非常自豪。所以这种核心价值观，是能吸引人的。
但你来我们公司工作，也有一些事是我们不欢迎的。比如，我们不欢迎在公司内部讨论党派政治。把它带回家，要谈就到公司外面去谈。英伟达希望美国成功，无论哪个政府上台，都会尽力帮助美国成功。
帕利哈皮蒂亚：那就更具体地说AI监管。萨提亚·纳德拉今早也来了，他说的是：在谈那种可能真会卡死事情的监管之前，我们为什么不先把一些基本功做好？先把测量做对，先把标准化做对。是吧。你落点在哪儿……
黄仁勋：先把工程做对？
帕利哈皮蒂亚：把工程做对。对。把研究转化成更可预测的东西，这样我们就不用天天吓唬人。在准备好对外发布之前，先留在内部。你觉得正确的回应应该是什么？德米斯·哈萨比斯提了个方案，类似于美国金融业监管局（FINRA）那样的组织。而达里奥想要什么还不清楚。你对这事怎么看？我们现在到底需要什么？
黄仁勋：你懂的，监管应该去解决真实存在的问题。所以问题在于：我们眼下遭遇了哪些真实的问题？如果你去看真实的问题，到目前为止，所有真实的问题都出自实验室。而且我得替他们说句话：原因在于它们拥有最多的算力，对吧？而原因又在于，它们在试图攻克前沿难题。所以，替他们辩护一句，前沿实验室会成为最大危险来源，这是说得通的。
一个高中生不太可能搞出什么事，因为他根本没有足够的算力，对吧？一家初创公司也不太可能是那个原因，因为他们也没有足够的算力。事实上，你放眼全球，除了前沿实验室，谁都没有足够的算力。
所以现在的问题是，看看实际发生了什么。他们在做开创性的工作，真的非常难。他们正从研究转向工程。而且他们显然在同时建造这个世界上最举足轻重的技术和公司之一。他们在建公司、建文化、建技术、建工程、建产品，全都是同时进行。所以我能理解，是有点火烧眉毛。
但即便如此，一家实验室出了四起事故，另一家出了一起大事故，你第一件要做的事，就是从工程角度做根因分析。到底发生了什么？我们本可以有哪些不同的做法？我们打算落实并制度化哪些技术、方法或流程，以确保不再重演？
现在，我敢跟你打赌，这每一件事，未来都完全在他们的掌控范围之内、可以预防。因为反过来想，如果不在他们掌控之内……而我相信它其实是在的。
我相信这四起事故不会再发生。我相信他们已经做了根因分析并修好了。我相信他们现在有了技术，比如沙箱、运行时、监控、持续监控这些东西。所以我很确定，他们现在的技术比之前强得多得多。
另一种情况也不太可能，那就是他们说：“你看，我们出了这些事故。分析完之后，我们得出结论：我们完全不知道发生了什么，也不知道怎么去控制它，只能向社会求助。”
现在，如果真是那样，那我们就应该，你懂的，派一堆有工程师的公司，把工程师派进去。我是说，如果帮得上，我们就去帮他们。但我怀疑不是这样。我觉得他们手下都是非常了得的人，这点事他们搞得定。
帕利哈皮蒂亚：但我们不是在真空中运作。大卫，你昨晚告诉我，有一家中国实验室，就是做GLM的那家，准备投入30亿做一个递归自我改进项目。要不你把这个问题抛给黄仁勋。
弗里德伯格：这是他们对外宣布的。智谱创始人刚刚融资50亿美元，并把“递归”列为优先事项之一，也就是让AI训练下一代AI，并尽量把这套流程自动化。
黄仁勋：这是现在很时髦的说法。但你们也知道，递归自我改进（RSI）其实是一整套方法的组合，包括上下文学习、技能、反思、强化学习和合成数据生成。这些都是合理的办法，可以让AI随着时间推移更好地解决问题。
你还可以做低秩适配：基础模型本身不必重新训练，通过LoRA、合成数据和强化学习也能继续改进。积累足够多经验之后，再重新训练基础模型。
所以我觉得，用技术去提升各种任务的生产力，包括造AI本身，是件合理的事。我觉得这想法非常合乎逻辑，而且我相信每个人多多少少都在用。
只是现在这个词被人拿来，在某种程度上把这项技术武器化了，也许是想把……
帕利哈皮蒂亚：好像它要失控了一样，他们想给人这种印象。但你觉得这不是真的？
黄仁勋：不，不，当然不是。原因在于，你可以在公司内部整天搞递归自我改进，但你发布产品的时候，你总得评估它吧？总得再测一遍吧？总得确认没有退化吧，对吧？所以这是基本的控制流程。
这些实验室，随着它们从实验室走向工程，会获得强得多的控制力，对吧？
而控制力来自方法、知识、实践、工具和技术，所有这些带来更好的控制、验证和评测。当它们有了更强的控制力，就能让递归自我改进在公司内部进行，同时把好产品发布到外面去。
开源与闭源，以及“到底什么是这场竞赛”
帕利哈皮蒂亚：咱们聊一会儿开源。这个Hugging Face，我们私下聊过这事，我说这会是影响最深远的收购之一。我甚至不想叫它“一笔交易”，因为我觉得它比交易重要得多。给我们讲讲你对开源、闭源、开放权重的第一性原理解释，以及这个生态随着时间推移该怎么拼在一起。
黄仁勋：这个世界既需要闭源模型，也需要开源模型。我本人是尽量多用闭源模型。这个周末我就用了四个，用起来特别好。它们是前沿模型，体验很棒，工作得极其出色，而且一直在变好。
我对闭源模型的看法，有点像瓶装水。你懂的，水是免费的，哥几个。所以，你在对的地方用对的水。这跟电没什么区别，跟我们在这个世界上用的各种商品没什么区别。两者你都需要。
至于开源，人们可能出于自主可控、隐私保护或者专有技术方面的考虑而需要它。再看看事实：过去6个月，有4000亿美元的风险投资投进了AI原生公司，其中80%使用开放模型。
要不是有开放模型，他们怎么去造自己的梦，对吧？因为他们想做的东西，可能和前沿实验室完全不同。美国有太多不同的创新方式，这是我们最核心的强项之一。好点子会不断冒出来，而开放模型让这些想法有机会落地。
开源模型成就了每一个……如果我们想赢下AI竞赛，那不是少数几家科技公司赢下AI竞赛的事。而是美国每一家公司的事。每一家公司、每一个行业、每一位研究者、每一位老师、每一位学生、每一家初创，所有人都赢。有些人会用闭源模型，很多人会用开源模型。
帕利哈皮蒂亚：这要紧吗？我这么问吧：如果这些模型、这些开源模型，来自中国还是美国，要紧吗？
黄仁勋：嗯，我们正尽我们所能，在开源模型上做贡献。不过，你下载的那一刻……比如，今天全世界对开源的大部分贡献，可能都来自中国。他们就是工程师多得多。因为国家更大，什么东西都是大规模生产。所以他们的理工科学生是一批一批产出的，对吧？那是我们的劣势之一，对吧？
他们通过清华大学这类了不起的高校，大批量地“制造”这些人才。他们今天在给开源做贡献。
我们下载Linux，下载Kubernetes，下载所有这些软件，其中很多都经过中国人的手。而一旦你下载下来，它就是你的了。我们fork它，改进它，把它变成我们自己的。
所以，当你下载这些中国模型中的某一个，它只是碰巧由一群中国非常出色的研究者做出来，但现在它已经是你的了。你想拿它做什么都行。
萨克斯：那这场竞赛，到底竞赛的是什么？
黄仁勋：对，我觉得这个点特别好。我的意思是，这场竞赛真正比的，是谁把这项技术用得好。你懂的，上一次工业革命，发明家是麦克斯韦、伏特、安培。没有一个是美国人。对吧。上一次工业革命来自欧洲。但我们把它用起来了。我们在社会层面比世界上任何人都更会利用它。看看我们的结果如何。我要确保下一代也照这个剧本走。
萨克斯：为什么中国这套叙事现在传播得这么顺？
黄仁勋：你懂的，我觉得首先，他们的叙事要务实得多。在中国，没人在说什么“这个要完蛋了”“那个要完蛋了”“天崩地裂”“末日”之类的。他们务实得多。他们把AI看作一项能推动经济、推动社会的技术。他们那儿也没有这样一群人，天天喋喋不休“这会终结文明”。
而我们在编故事。让人沮丧的一点是：如果那是真的，那我们就该去谈、去做点实事，对吧？哪怕它是真的，我们也该把更多时间花在做事上，而不是去吓唬一群什么也做不了的人。造它，是我们的活，对吧？
帕利哈皮蒂亚：历史上有没有哪个时刻，有这么多人如此激烈地坚持一件如此不真实的事？
黄仁勋：而且这些事是可以衡量的，它们实际上是可以被证明是错的，而且它们错得明明白白。它不是基于科学，不是基于研究。所有基于科学和研究的，都证明了相反的东西。这是不是对前沿的恐惧？人类从没到过那里，从没见过，所以我们就怕它，所以就很容易让所有人都怕它。
这也许还跟人生经历有关，大卫。我给你举个例子。我刚毕业那会儿，我是个工程师，我不怎么打字。原因在于，我是软件流行之前的那一代人。当时我们得先去把电脑造出来，软件才有可能出现。
你能想象吗，到了这一代，每一个进入工程界的人，你的全部时间都花在打字上。真的，你拿到一份工作，他们给你一台笔记本，给你一把椅子，你就开始打字。从你睁眼的那一刻起，你打一整天的字。
但是，在打字之前，也是有工程的，对吧？所以你能想象吗，这个世界上有一大堆工程活要做，其中大部分不再是打字了。当然。在打字之前，我们就有忙碌的工程师。我觉得，在打字之后，我们也会做很多了不起的工程。
我说打字，指的是写代码。我是说，所以即便在英伟达，软件工程师跟我说话的时候，我都会跟他们讲：“你就是在打字。”这句话我一直说，但当然是开玩笑。
我还跟他们说，我最喜欢的键是退格键。原因在于，最好的软件是最小的软件。是吧。所以我要你多用退格键。
美国总统来电：谁赢下AI，谁就赢
（美国总统突然打来电话）
黄仁勋：总统先生，我正跟萨克斯、杰森、查马特和大卫坐在台上，面前有几千人。巧的是，我们刚才聊的就是你。
美国总统：干得好，先生。这里面的事情很复杂，但你看穿了它，我们都很感激。代我向他们问好。
现在有人试图阻止数据中心建设。在我看来，这是一个骗局。数据中心能带来投资和就业，也是未来二十年、二十五年的重要产业。机器人不会接管世界，AI也不会接管世界。我们当然要谨慎，但不能因为担忧AI，就把整个行业停下来。
黄仁勋：您说得对。我们不会让这种事发生。
美国总统：谁赢下AI，谁就赢。它比互联网还要大，数据中心也是其中的一部分。我们要确保每个行业、每家公司、每个州和每个人都能从AI竞赛中获益。
黄仁勋：谢谢您，总统先生。
电话之后， 他为什么能看穿“骗局”
帕利哈皮蒂亚：你觉得他为什么能看穿这场骗局？许多人希望关停数据中心和AI，他却公开反对。他是怎么做到的？
黄仁勋：我得跟你说，我不确定。原因在于，很多人都在上当。所以事实是，这事很复杂。你懂的，如果你看那个故事，看那些故事，它全都锚定在两件事上。第一件锚定的是国家安全。而最近，那套说法被戳穿了，对吧？所以，那套故事不再锚定在国家安全上了。现在它锚定在“安全”上。
现在，如果你想让AI安全，第一件事是要确保造它的实验室处在掌控之中，确保它们有好的测试。如果我们想要第三方评估方，那跟财务控制没什么两样。你们都知道我们有审计师。审计师不必像我们这样懂行，他们只需要问对问题就行。
而且我好像听到有人说，有独立的审计师或评估方是好事，但就是得有多家。这一点我也同意。就像有多家评估方、多家审计师一样，这能确保某一家公司不会变得，你懂的，被带偏，或者出于某种原因被人影响。
所以，有很多不同的办法可以解决这件事。所以我觉得，第一要务是：让我们安全地造技术，确保对它的测试是安全的。而且我完全承认，正在造的这个东西非同寻常。但这些是非同寻常的公司，我们就该用非同寻常的标准来要求它们。而它们也想被这样要求。
英伟达的资本配置与全栈战略
帕利哈皮蒂亚：我想再回到开源一会儿。一年前，我们还没把它当回事。它当时落后两年、落后18个月。
黄仁勋：有一点，你们也知道，刚才通电话的时候，有个难点就是很难插上话。这话我得挨批了。我敢肯定他会因为这事给我打电话。不过话说回来，我本来想告诉他、也告诉你们的是：AI正在创造大量的就业岗位。
他在这一届政府上任之初，也就是我第一次跟他通电话、第一次见他的时候，最想要的就是在美国创造就业。他想让美国再工业化。他想确保美国有能源去支撑下一场工业革命。没有能源，就没有工业增长。所以他想确保有能源增长，有就业增长，有供应链的再工业化。
看看我们现在做的一切。所有这些，此刻正在发生。我们创造的就业比以往任何时候都多。我们在创造软件岗位。
我们刚才还聊到，就在最近，有4000亿美元的风险投资涌进了AI行业。对，就6个月时间。那创造了海量的就业。它当然也创造了巨大的算力需求，这让我很高兴。而这也在创造大量数据中心的需求，这个我们该聊聊。
我记得我跟得克萨斯州州长阿博特聊过，他想向整个行业呼吁，希望我们在全美各地建数据中心的时候，能对小社区多一些体谅，也就是更好地倾听。
帕利哈皮蒂亚：咱们就认真聊一下这个。英伟达的了不起之处在于，如果把各个组成部分拆开看，你实际上不得不变成AI的“银行”，才能把这个生态推动起来，而且你是在所有层面都这么做。
你刚跟Cloverleaf做了土地、电力和机房方面的合作，还与贝莱德、高盛等机构搭建融资能力。给我们讲讲你的资本配置策略：怎样才能让更多生态参与者进来，为下一阶段的建设提供资金支持？
黄仁勋：嗯，我们正在创造……你们也知道，这是一场新的工业革命。它的每个方面都是真的。这个新产业需要制造，就像电力、互联网，以及现在的AI。我们能给任何东西供电，能找到任何东西。现在有了AI，我们能向它提问，从而知道任何东西。是不是这样？所以那就是我们的未来。我们接入以太，想问题就问它，它就能给我们解释。
现在，要做到这一点，它就得生产智能。所以那是一个生产过程，这也是为什么这些基础设施必须建起来。但一旦基础设施建起来了，问题就来了：美国其他所有的层次怎么办？这个产业不只是关于模型，不只是关于芯片。它主要关乎上层的应用，主要关乎基础设施层，包括数据中心和所有的基础设施、建设、电力、发电。所有这些都牵扯其中。
所以我放眼整个生态，去找瓶颈、找约束。比如，一些了不起的公司可能需要扩大供应链产能，这样等我们准备部署算力的时候，它们就能为我们准备好土地、电力、机房。
所以这跟往供应链上游看没什么区别。你懂的，我可能比大多数人都更常思考长期供应链，因为我们公司真的很大。而我们要成功，得有一大批公司来支撑我。你懂的，康宁得支撑我，康宁的温德尔得支撑我，Lumentum，当然还有台积电，还有存储公司。所以早在增长到来、早在革命发生之前，我们就开始跟所有这些公司合作了，这样增长才有可能发生。现在我是在往下游做。
帕利哈皮蒂亚：但利润的周期往往是，长期来看、跨越很长的时间段，盈利会沿着栈往上走，对吧，朝着应用层走，在那儿你能在更长时间里赚超额利润。我是说，你买了Hugging Face，现在你算是主动进入了推理服务这门生意。我是说，像OpenRouter这样的产品，看起来就非常顺理成章。很明显，有更好的办法去造Bedrock这类东西。
我敢肯定你考虑过。自然的结论是什么？因为看起来，坐在上头的那些人，对于往下走毫无心理障碍，而你有最好的资产负债表、这帮了不起的工程师，还有把它做对、把产品工程化并推出去的实战经验。
所以你怎么看那种抬头往上看、说“这我也许能干”的心态？
黄仁勋：英伟达能跑世界上每一个模型，我们是唯一……太了不起了。去年，大约一年半以前，我们只跑OpenAI一家。现在你看看市面上有多少了不起的模型。Meta的Muse有了，Grok有了，Grok的机器人棒极了，我们现在也跑Gemini，Anthropic也在我们平台上扩大规模。
一年半以来，所有这些前沿AI模型现在都开放了、可用了。所以模型的数量在增长。
还有一帮我不方便点名、同样在造前沿模型的公司。AI实验室的数量也在涨。是啊，Ineffable、Reflection，名单还在加长，Physical Intelligence，名单还在加长。好了，所有这些实验室都建在英伟达上。
原因在于，作为一家公司，我更愿意帮助所有人成功，而不是从中切走一块。我们只向上层延伸到必要的程度，同时尽可能留在底层，为其他公司留下发展空间。
要不是英伟达造出了cuDNN，很多框架不会存在；要不是我们造出了Megatron和Megatron Core，大规模训练也不会有今天的样子。所以我们把必要的技术做到位，然后让百花齐放。而这种姿态，让我们坦率地说，成为唯一……
帕利哈皮蒂亚：嗯，说句实话，我同意你。但反驳的一方会说，超大规模云厂商这一层，真该有更多竞争。我觉得你在扶持新型云厂商这方面做得很棒。有那么几家。顺带说一句，我觉得你把Nebius介绍给我，极好、很棒、什么都好，他们太出色了。但我们需要50家这样的，100家，1000家。而这可能只是需要点时间……
黄仁勋：是啊。你懂的，我就是……我压根不好斗。真的。那不是我的风格。你懂的，我的风格有点像，比如，有五个超大规模云厂商，我就很满意了。
不过，我注意到一个原因：所有新型云厂商，所有我们说的NCP，它们最早的客户都是超大规模云厂商。没错。原因在于，超大规模云厂商一年才做一次规划，但现在的市场动态太动荡了，所以他们几乎总是错。
于是有了这些区域性云厂商，它们敏捷、动得快，了解自己的州，或者了解自己的国家，了解自己的区域。它们在锁定土地、电力、机房，这种干法，是坐在西雅图或帕罗奥图的人很难做到的，因为那样看不到整个地球。
所以我们现在基本上有了一张大规模、分布式的公司网络，在为我们建设、锁定土地、电力、机房。而现在，各国意识到这是战略性的。很多国家都在说：“我要把我的电力只给我自己的公司”，对吧？可是英伟达也在那个国家里，我们可以帮那个国家的新型云厂商成长。
比如澳大利亚的Firmus，我们刚在澳大利亚做了一大堆事，又上了2吉瓦。东南亚当然也有，IOH和其他几家，又上几个吉瓦。所以我们在建吉瓦级的规模。所以我们在扩大规模。
卡拉卡尼斯：我就插这一句，不过有一点挺清楚的：你正在往上走得很高，而且越来越聚焦开源。显然，你们的Nemotron做得极其出色，我经常用。
Hugging Face、Poolside和Laguna，都是非常扎实的产品，你现在是“收购式招人”，或者叫什么都行。然后你还有自动驾驶的开源栈，也很有颠覆性。所以……
黄仁勋：我们在五个领域都有前沿模型。
卡拉卡尼斯：你看起来不像是那种做产品只拿银牌的人。你像是冲着金牌去的。所以你是冲着金牌去的吗？你会不会拥有无可争议的最佳开源模型？然后是问题的第二部分：开源能不能追上前沿模型，而你，是不是就是那个能做到的人？
黄仁勋：所以逻辑是，杰森，我们会去做，第一是因为我们做得到，第二是因为客户需要。比如，Alpamayo是世界上第一个会推理的自动驾驶系统。能够推理，就不再需要完全依赖几十亿小时的道路数据来训练。它可以把问题拆开：“我以前见过类似情况。并不完全一样，但大体相近。”明白吗？
所以，为什么需要Alpamayo？因为有一大批车企，世界上的汽车都会逐渐走向自动驾驶。
再往外看，还有农业机械、卡车和货车。大多数公司都没有足够的规模，从头搭建完整技术栈。我会替它们把这套栈建好，它们只需针对自己的应用完成最后一公里适配。未来，凡是会移动的东西，都可能实现自动驾驶。
要不是我们做了一些生物学模型，世界上也不会有这些东西。我们做了ESM-2蛋白质语言模型，还有ESMFold、OpenFold、AlphaFold 2，以及cuEquivariance相关技术。没有这些建设，相关技术不会走到今天。
我最喜欢的模型之一是Proteina-Complexa，它可以设计下一代蛋白质及其结合方式，这是开创性的工作。我们会做这些，因为礼来、默克以及其他公司需要，而它们自己可能还不具备完整能力。所以我们可以作出实实在在的贡献。
所以我做每一件事，都是出于需要。我不是想颠覆谁。我是说，我们不是每天早上醒来想着去颠覆谁。我们每天早上醒来，只是想着去帮所有人。
竞争、特斯拉与中国的先进光刻机
帕利哈皮蒂亚：仁勋，那可能正在冒头、威胁你核心业务的竞争威胁呢？你能不能评论一下？
弗里德伯格：我想听听你的看法。你怎么看马斯克宣布的Terafab芯片工厂项目？
黄仁勋：如果说有人能干成，那就是他。而且我们俩有一次同机飞往一个国家，然后……
卡拉卡尼斯：跟一个有时会打电话给你的人一起。那飞机不错。而且，你懂的，马斯克就喜欢聊这些事，所以我们花了不少时间聊这个。
弗里德伯格：那是……真有人能做成吗？因为我是说，你是设计芯片的，你不做制造。你的芯片能在那里制造吗，还是说……
黄仁勋：嗯，我们对制程工艺很了解，因为我们在把每样东西的极限往前推，对吧？而且你懂的，因为我们的规模如此之大，公司内部有非常了不起的存储技术。我们是世界上最好的系统公司。你懂的，我们有一大堆了不起的……
弗里德伯格：所以你的意思是，你们已经聊了很多了。
黄仁勋：所以我们就是……对，我们可以聊。而且你没法劝马斯克别干，那是他的超能力之一。一旦他决定去做一件事，就很难拦住他。
弗里德伯格：那你能给我们讲讲，中国在先进光刻系统上的进展，本土自研的那套现在到哪一步了吗？
黄仁勋：他们到2030年能做到。
弗里德伯格：到2030年。
黄仁勋：对。而2030年就在眼前。
弗里德伯格：那对中国来说，是不是意味着开关一拨，那套东西就会立刻全部进到他们的晶圆厂里去？
黄仁勋：你懂的，思考方式是：中国非常擅长大批量生产。而这只是时间问题。而且我是按十年为单位思考的。你懂的，我在这行干得够久了，对英伟达来说，我得想下一个十年、再下一个十年会发生什么。
所以两三年，那就是一眨眼的工夫，什么都不算。所以就他们的心态而言，他们已经到那儿了。
AGI、超级智能与收尾
帕利哈皮蒂亚：仁勋，马斯克，还有格温，咱们得跑起来，美国。我们得跑起来。对，极速冲刺。放慢，绝对是最错误的战略。
黄仁勋：嗯，我是说，我觉得我们行业里大多数人都会感觉，我们差不多已经处在AGI的时刻了。而这只是一个定义问题，就是跟任何一个人一样聪明。我觉得我们已经到了。
帕利哈皮蒂亚：我们已经到了，对吧？那么超级智能就是下一个路标，基于你看到的、基于你的客户群、基于你在这里的历史。
黄仁勋：但杰森，我觉得那个我们也到了。
卡拉卡尼斯：你觉得我们已经到超级智能了？
黄仁勋：对。当你取一个窄窄的领域，我是说，我的自动驾驶汽车，我不要你给我摊个蛋饼，我只要你把车开好，对吧？那它就是超级智能的。它比人强。事故率只有人类的十分之一。没错。合成蛋白质，你懂的，做蛋白质的虚拟筛选，我们已经到了。
卡拉卡尼斯：站在人类的前沿，你玩得开心吗？
黄仁勋：我喜欢。哥几个，那儿太棒了。未来很美好，我们要到哪里去。听我说，赶紧上车。我们很多人其实已经不用工作了。但我得告诉你，这玩意儿太好了，不参与说不过去。多有意思，对吧？所以我想每个……我想待在那儿。我想你们所有人都跟我一起待在那儿。我们都会到那儿。我们作为人类，会一起获得巨大的成功。
与此同时，我们得鼓励他们、给他们打气。他们做的，真的是非常非常重要的工作，你们也知道。我希望他们成功。
我也希望，我们能把这出戏的调门降一降。而最重要的是，我们需要全美国都跟我们 一起走。 这才是我们成功的方式。