前脚Anthropic CEO Dario等人刚发声警告AI可能带来毁灭性风险，后脚英伟达CEO黄仁勋直接砸场子。
硅谷顶流播客All-In Podcast最新一期，身穿标志性皮衣的英伟达CEO黄仁勋受邀做客。在近50分钟的对谈里，老黄不仅对近期闹得沸沸扬扬的“AI末日论”开炮，还回答了开源闭源路线、AI递归自我改进（RSI）、超级智能等最前沿的技术争议。
更戏剧性的是，美国总统特朗普中途突然连线。
AI末日论纯属毫无科学依据的瞎编
面对近期个别前沿AI实验室研究员掀起的“AI将导致人类灭绝”的恐慌论调，黄仁勋毫不客气地说：“完全是编造的，没有任何科学依据。”
他指出，这些渲染世界末日的言论极不负责任。回顾历史，科技圈从来不缺被打脸的灾难性预测。老黄现场翻起了旧账：“曾有人预测AI会让放射科医生在五年内绝迹，结果呢？现在全世界比以往任何时候都更缺放射科医生，AI只是接管了枯燥的扫描阅片工作。去年还有人说6到12个月内90%的代码将由AI生成，初级岗位会被消灭50%——这些全部被证明是错的。”
在黄仁勋看来，目前大模型频发的所谓安全事故，本质上根本不是什么文明危机，而是一个标准的工程管理问题。
当下的前沿实验室掌握着全球最大的算力，正在经历从纯研究向工程化落地的阵痛期。在这个阶段，管理混乱、测试流程不严密导致的问题，完全可以通过引入更好的沙箱技术、运行时监控和更严格的评估机制来解决。用神学般的恐惧来掩盖工程上的不成熟，毫无必要。
RSI仅仅就是一套工程方法的组合
近期，关于大模型“递归自我改进（RSI，Recursive Self-Improvement）”的讨论甚嚣尘上，甚至有观点认为，一旦AI开始训练下一代AI，技术发展将彻底失控。
老黄对此回应：“RSI不过是最近被性感化的一个词汇，甚至被某些人当成了武器化的概念。”他认为，RSI在底层根本不是什么魔法，而是合成数据生成（Synthetic Data Generation）、强化学习（RL）、上下文技能学习以及低秩微调（如LoRA）等一系列常识性工程方法的组合。
它的本质，就是利用现有技术去提升模型解决问题的效率。且无论实验室内部的模型如何左脚踩右脚地进行自我迭代，最终推向市场前，依然必须经历严苛的回归测试和产品验证。只要工程规范还在，失控就不可能发生。
闭源与开源是瓶装水与免费水的区别
如果说大模型的路线之争是今年的主旋律，老黄比喻：“闭源模型就像高品质的瓶装水，即开即用、体验极佳；而开源模型则是免费的水。这个世界两者都需要。”
黄仁勋透露，在过去6个月涌入AI原生公司的4000亿美元风投中，高达80%的初创公司都在使用开源模型。如果没有开源底座，整个底层创业生态根本无法繁荣，无数垂直场景的创新梦将被扼杀。
黄仁勋认为，中国拥有庞大的工程人才库和极强的大规模制造能力，必然会向开源社区贡献大量代码。但在开源的世界里，谁下载了模型，谁就拥有了它，并可以在此基础上进行分叉（Fork）和迭代。
真正的竞赛根本不在于谁发明了它，而在于谁能最好地利用这项技术。正如上一次工业革命，核心的发明家，如麦克斯韦、安培都在欧洲，但美国却通过最成熟的社会化应用和商业落地，赢得了最终的胜利。这也是当下AI竞赛的真实游戏规则。
超级智能在特定垂直领域已经到来
在被问及距离AGI（通用人工智能）还有多远时，黄仁勋表示：“如果在特定的垂直领域看，超级智能（Superintelligence）已经到来。”
他以英伟达内部的业务为例：自动驾驶模型Alpamo是全球首个具备“思考推理”能力的自动驾驶平台，它不再依赖数十亿小时的暴力数据喂养，而是像人一样去推理路况，事故率仅为人类的十分之一；在生物医药领域，ESM2、AlphaFold等模型在蛋白质预测和生成上的能力早已超越人类极限。
既然在垂直领域AGI已经触手可及，那么人类的角色将发生怎样的演变？
“未来的工程师将告别打字时代。”老黄认为，上一代程序员一上班就是面对屏幕疯狂敲击键盘，但在AI时代，写基础代码的体力活将被接管。最好的软件是“最少的代码（Back space is my favorite key）”。工程师不会消失，而是将从代码打字员真正回归到系统架构师和问题解决者。
在聊到英伟达自身的业务边界时，老黄重申了那个经典的战略：“必要时向上，尽可能向下。”英伟达下场做Alpamo（自动驾驶）或ESM（生物医药）等前沿模型，仅仅是因为客户当前没有能力跨越冷启动的门槛。英伟达的核心定位始终是底层的使能者（Enabler），用全栈的能力支撑OpenAI、Gemini、Grok等千百个模型的百花齐放，绝不与生态抢食。
特朗普连线定调：算力就是未来25年的新石油
节目的高潮，来自于美国总统特朗普的意外连线。
面对近期美国政坛和坊间关于“叫停AI数据中心建设”的论调，特朗普在连线中给予了直接的反驳，并将AI恐慌论同样斥为一场骗局。
特朗普从产业宏观角度给出了判断：“数据中心和AI是未来 20 到 25 年的新石油，它的规模和影响力将远超互联网。”
以下是访谈原文：
1.应对“末日恐慌论”与AI安全争议
主持人：那我们先从本周末发布的那篇文章聊起吧。
黄仁勋：你指的是哪一篇？
主持人：我们先聊聊Dario的那篇文章，毕竟……
黄仁勋：海明威也参与写作了吗？
主持人：说真的，有人用Pangram检测过吗？我甚至不知道里面有多少内容是AI辅助生成的，但这确实是一篇令人瞩目的文章。让很多人感到意外的是，前沿实验室竟然围绕这篇文章聚集在了一起。能否请你解读一下到底发生了什么？你是怎么看待和理解这篇文章的？随后我们再深入讨论其中的细节，但首先请分享一下你的宏观看法。
黄仁勋：首先，那篇文章里包含的内容非常多。
第一，关于安全性的部分，我们必须极其严肃地对待。安全是重中之重。显而易见，安全与行业领导力并不是非此即彼的对立关系。你完全可以在快速创新、高效执行的同时，确保美国保持领先地位并安全地推进。我认为把两者对立起来是错误的选择，但安全性显然至关重要。
第二，文章提到了内部控制的问题。显然，Coxon以内部研究员身份公开辞职并发出警告，是一件极其严肃的事情。每当有吹哨人出现，你都必须认真对待。不过即便如此，其中有些问题被混为一谈了。我认为站出来揭露问题没有错，但他对未来的科学预测缺乏依据，因为那显然不是建立在严谨的科学基础之上的。虽然这是由一位科学家表达出来的，但缺乏科学依据，所以我对此持保留意见。
至于被警告的部分，涉及到暂停或放缓研发进度等，如果他们认为自己的公司失去了控制，这些都是可以采取的自愿措施。如果Coxon确实发现了某些隐患，虽然我们并不知道他具体看到了什么。但他如果真的觉得公司失控了。这也可能是公司从前沿研究向工程化落地转型过程中的磨合问题。
如你所知，这些实验室正在从纯研究转向工程化实施。他们拥有顶尖的人才和卓越的工程能力，但工程化落地与纯科学研究毕竟是两码事。也许是这种转型过程显得有些笨拙，我们无法得知他具体看到了什么，最终只有他自己清楚。不过如果这纯粹是内部管理失控的问题，那又是另一个维度的讨论了。至于政府应当如何介入干预？突然之间，监管政策就把所有东西都罗列进了同一个博客文章里。
主持人：你能帮我们梳理一下吗？本周我们在播客里也尝试讨论这个话题，但发现很难解释清楚。比如我妈妈打电话问我：“他们说的文明灭绝到底是怎么回事？”我完全不知道该怎么向她解释。当极度聪明的人把这种概念量化并提出确切概率时，往往会让大众感到不安。大家会困惑于“10%的灭绝概率”到底意味着什么，根本没人能向普通人解释清楚这种可能性是怎么算出来的。
黄仁勋：首先，我们根本就不应该去这样宣传，因为这纯粹是凭空臆造的。我认为我们不该去渲染这些，因为这些结论毫无根基。提出这些观点的是受过良好教育的研究人员，他们在实验室工作，当这些惊悚的词汇与所谓的科学预测结合在一起时，就会引发恐慌和不安。这种做法是不负责任的。我们不妨回顾一下真实的历史数据。过去曾有人预测，5年内放射科医师将完全被人工智能取代，世界上将不再需要放射科医生。但事实恰恰相反，全球对放射科医生的需求比以往任何时候都多。当然，AI确实全面接管了放射学中的自动扫描影像读取，这是非常好的进展。还有人曾预测在6到12个月内，去年不就有人这么说吗？在6到12个月内，90%的代码将由AI生成，事实证明这完全错了。去年还有预测称在6到9个月内，50%的初级岗位将被抹去，这同样被证明是错误的。看看还有哪些预测失准了？可以说，所有这些极端预测无一例外全错了。
主持人：比如预测GPT-2过于危险而不能发布，或者Llama 3过于危险而不能开源。还有说明年将有一半的白领失去工作。我们听过太多类似的言论。
黄仁勋：我们必须对这些荒谬的预测追究责任，对吧？因此我们应该把这些错误的预测记录下来，提醒大家这些言论最终不利于美国赢得AI竞赛。
主持人：简而言之，有人喊出“相信专家”的口号，这与当年应对疫情时的逻辑如出一辙。最初都是那些拥有信息不对称优势的研究人员和高知群体发表言论，但事后事实证明很多说法并不属实。现在“信任专家派”与“基于历史预测事实进行理性思考派”之间正在爆发一场论战。这种恐慌情绪居然来自行业内部的顶尖机构。你认为他们的心理动机是什么？真实的目的究竟是什么？是出于商业利益驱动，还是政治利益驱动？能否谈谈你的看法，他们为什么要做这种事？
黄仁勋：首先我必须强调，这些公司是历史上最具影响力的企业之一。他们拥有极其出色的工程师和顶尖的研究人员，做出了非常卓著的贡献。一方面，在公司与公司的层面，我与他们保持着非常紧密的合作关系；但另一方面，我们又不得不公开讨论这些令人遗憾的话题。我认为这些企业应当回归到传统的办企方式上，那就是静下心来低调干实事。
主持人：等等，你绝不允许你团队里的任何人代表整个公司发表言论，尤其是当他们情绪低落或者愤怒离职的时候，他们绝无权限代表你和公司发推特发表个人情绪。
黄仁勋：绝不可能。因为这是他们加入公司时就达成的共识，我们明确告知了在公司工作所应遵循的行为规范。如果你认同我们的企业文化——如你所知，NVIDIA的文化和员工队伍保持着极高的凝聚力和幸福感。员工非常喜欢公司的稳定性与一致性，我们的核心价值观始终致力于关爱员工家庭，并为他们创造能够成就终身事业的平台。我们从事着有意义的工作，尽可能低调地做事，并为客户和生态的成功贡献力量，对此我们感到无比自豪。正是这样的核心价值观吸引了优秀的人员。但当你加入我们公司时，也有一些行为是我们明确不提倡的。例如，我们绝不欢迎在公司内部进行政治议题的争论。想��论政治可以带回家里，去公司外部自由探讨。公司是一家非政治化的企业，我们秉持客观中立的态度。我们希望美国取得成功，无论哪届政府执政，我们都会竭尽所能协助美国取得成功。因此，关于种族、宗教和政治等敏感话题的讨论，我们要求员工在公司外部进行，这些不属于我们企业内部议题的范畴。
2.工程化落地、监管边界与RSI递归自我改进
主持人：关于更狭义的AI监管层面，Satya Nadella（微软CEO）今天早些时候提到，在讨论可能阻碍创新的监管政策之前，为何不先做好基础工作？比如建立精准的度量标准和统一的标准规范？在这方面你的立场是什么？
黄仁勋：应当先把工程落地做好。
主持人：没错，把工程落地做好。用更可预测的方式将科学研究转化为应用，而不是制造恐慌。在技术尚未成熟前先在内部磨炼。你认为当下最合理的应对方式是什么？例如Demis Hassabis（DeepMind CEO）曾建议建立类似美国金融业监管局（FINRA）这样的机构，而Dario Amodei（Anthropic CEO）的想法尚不可知，仿佛想要一个具备某种控制权的跨国变异机构。从目前的需求来看，你的观点是什么？
黄仁勋：监管应当着眼于解决实际存在的问题。那么问题来了，我们目前究竟遇到了哪些切实的难题？如果你去审视那些实际发生的问题，就会发现迄今为止所有的隐患其实都源自前沿实验室。究其原因，为他们辩护地讲，是因为他们拥有最庞大的算力规模。也因为他们试图去攻克最前沿的难题。因此出于客观事实，前沿实验室确实是最容易产生隐患的地方。高中生不可能制造出什么重大安全危机，因为他们根本没有足够的算力支持。初创企业同样不太可能引发危机，因为他们的算力资源也非常有限。事实上放眼全球，除了前沿实验室之外，其他人都不具备如此庞大的算力规模。
既然如此，来看看实际发生了什么。他们正在从事极具开创性的工作，这项工作难度极大。他们正处于从基础研究向工程落地转型的阶段。可以想象，他们正在构建全球最具影响力的技术和企业，需要同时推进公司建设、文化塑造、底层技术、工程开发以及产品落地。我完全能理解这过程中的手忙脚乱。
但即便如此，针对某家实验室发生的四起事件，以及另一家实验室发生的重大事故，首先要做的是从工程角度去彻底排查根因。厘清究竟发生了什么，原本可以通过哪些不同的做法来规避，以及未来需要引入并制度化哪些技术、方法和流程，从而确保此类事件不再发生。我敢打赌，在所有这些案例中，他们都有能力在未来内部阻止类似事件的发生。如果不在他们的能力范围之内——但我相信他们有能力，我确信这四起事件不会再次发生，他们肯定已经排查了根因并完成了修复。他们现在必然拥有了更完善的沙箱环境、运行时监控以及持续监督技术。
另一种极低概率的情况是：实验室在分析完事故后宣称完全不知情、无法控制，并呼吁社会提供援助。如果真到了那个地步，那就需要各大公司的工程师团队入驻提供支援。如果可能的话我们也会提供建议，但我认为大概率不需要，他们拥有极度优秀的人才，完全能够处理好这些问题。
主持人：但我们并非处于孤立的环境中。中国的智谱刚刚融资了50亿美元，并表示他们的优先事项之一就是运行递归自我改进（RSI），实现AI训练下一代AI的递归过程，并尽可能实现全自动化。
黄仁勋：虽然这是个新时髦词汇，但正如大家所知，递归自我改进（RSI）是一整套系统性的理念组合。它的起点在于上下文学习、技能积累、自我反思、强化学习以及合成数据生成。这些都是极其合理的理念，能够让AI随着时间的推移不断提升解决问题的能力。此外还可以采用低秩适配（LoRA）等技术，在不修改底层权重的前提下实现提升。甚至可以通过合成数据生成和强化学习来增强LoRA，而无需重新训练基座模型。随着经验的积累，未来再利用这些沉淀下来的经验重新训练基座模型。因此，利用这项技术来提升包括AI研发在内的各类任务效率，是非常符合逻辑的思路。我相信每个人都在不同程度地应用它。只是现在这个词汇在某种程度上被当作了博弈的筹码。
主持人：给人的感觉就像是这种技术很快就会彻底失控，但你并不认为这种担忧会成为现实？
黄仁勋：完全不赞同。道理很简单，你可以在公司内部全天候运行RSI，但当你要发布产品时，难道不需要进行评估吗？难道不需要再次测试吗？难道不需要确保产品没有性能退化吗？这就是最基础的工程控制流程。随着这些实验室从单纯的研究机构向工程化企业转型，他们将具备强得多的控制力。这种控制力源于成熟的方法论、行业认知、工程实践、工具支撑以及技术积累，这一切都会带来更严密的控制、验证与评估体系。这将确保RSI在公司内部安全运行，同时向外界交付高品质的产品。
3.开源与闭源的生态博弈及中美竞赛本质
主持人：我们接着聊聊开源。围绕Hugging Face的议题，我们之前交流过，我认为这将会是影响力极其深远的一笔交易，甚至不能单纯用普通的商业并购来衡量。能否从第一性原理出发，为我们阐述一下你对开源、闭源以及开放权重模型的看法，以及未来这个生态系统应该如何协同演进？
黄仁勋：这个世界既需要闭源模型，也需要开源模型。我自己就会尽可能多地使用闭源模型，仅在这个周末我就使用了四款不同的闭源模型，体验非常出色。作为前沿技术，它们带来了极佳的使用体验，运行效率惊人，并且一直在持续迭代进步。在我看来，闭源模型有点像瓶装水。众所周知，天然的水资源是免费的。今天早晨我洗澡时就消耗了大量的免费水。在合适的场景使用合适的水资源，这与电力以及我们日常使用的各类大宗商品没有任何区别，两者都是不可或缺的。而开源模型之所以不可替代，是因为它关乎主权安全、数据隐私以及核心专利技术。看看客观数据：在过去6个月里，有4000亿美元的风险投资涌入了AI原生企业。其中80%的企业都在基于开源模型进行开发。如果没有开源模型，他们该如何实现自己的创业梦想？因为他们的梦想与前沿实验室的路线大不相同。美国拥有极为多元的创新路径，这是我们的核心优势之一，无数绝妙的新创意源源不断地涌现。而开源模型正是这一生态的基石。如果我们想在AI竞赛中保持领先，绝不是靠少数几家科技巨头的胜利，而是要让美国的每一家企业、每一个行业、每一位科研人员、教师、学生以及初创团队都成为赢家。这其中有些人会选择闭源方案，但相当一部分人会基于开源生态去构建。
主持人：我想请教的是，这些开源模型究竟来自中国还是美国，这重要吗？
黄仁勋：我们在开源领域正在竭尽所能地做出贡献。不过一旦模型被下载，情况就不同了。比如目前全球开源社区的大部分贡献确实来自中国，他们拥有庞大的工程师储备，依托于更大的国家人口基数实现了大规模的人才产出，每年都在高批量地培养科学与数学人才。
主持人：这是我们的劣势之一。
主持人：他们通过顶尖高校在大批量地输出优秀人才。如今他们为开源社区贡献了大量代码，我们下载Linux，下载Kubernetes，下载各类软件，其中很大一部分都有中国工程师参与的痕迹。但只要你下载下来，它就是属于你的资产。我们可以进行分支开发（Fork）、优化改进，使其完全本土化。因此当你下载了这些中国模型，尽管它最初由中国优秀的科研人员开发，但现在它已经完全归你所有，你可以按需进行任何二次开发。
主持人：那么这场竞赛的核心究竟是什么？
黄仁勋：我认为这是一个非常关键的切入点。在我看来，这场竞赛的关键在于谁能最好地应用和落地这项技术。在上一轮工业革命中，麦克斯韦、伏特、安培等发明家没有一个是美国人，上一轮工业革命发源于欧洲，但我们却在社会应用层面比世界上任何国家都发挥得更彻底。看看后来的发展结果就知道了。我希望确保新一轮的技术变革同样延续这一路径。
主持人：那为什么现在那些声音能如此成功地把他们的观点传播出来？
黄仁勋：我认为首先是因为实干派的叙事要实用得多。这种叙事方式接地气得多。在中国没有人去渲染什么终结论、灾难论。那些恐慌完全是凭空捏造的。令人沮丧的是，如果那些风险是真的，我们理应严肃讨论并采取行动去解决它。即便危机属实，我们也应该把精力集中在解决问题上，而不是去恐慌那些根本无力改变局面的普通大众。解决技术隐患本就是我们这些从业者的本职工作。
主持人：在人类历史上，是否曾经出现过如此多的人极其强烈地去宣扬某种彻头彻尾的假象？
黄仁勋：这些言论在逻辑上和事实上都是站不住脚的。它们既缺乏科学依据，也没有研究支撑。所有基于严谨科学和学术研究的结论都给出了相反的答案。
主持人：这是对未知前沿的恐惧吗？因为人类从未踏足过那个领域，未曾亲眼见过，所以产生了恐惧，从而极其容易被耸人听闻的言论所煽动？
黄仁勋：这也可能与个人的生活经历有关。举个例子，当我刚从学校毕业成为一名工程师时，我其实并不怎么打字。原因在于，我们那一代人处于软件大爆发的前夜，我们需要先去把计算机硬件架构搭建起来，才使得后来的软件生态成为可能。你能想象当今这一代进入工程领域的工程师，几乎把所有的工作时间都花在了键盘打字上吗？这就是工作全貌：给你发一台笔记本电脑、一张椅子，你就开始敲代码，从早敲到晚。但在发明打字之前，工程技术就已经存在了。所以你能否想象，未来世界上依然有大量的工程难题等待解决，但绝大多数工作将不再依赖于键盘打字？在打字普及之前，我们的工程师就已经极其忙碌了；我相信在超越打字时代之后，我们依然会创造出伟大的工程成就。
提到打字，我指的就是写代码。即便在NVIDIA，当软件工程师和我交流时，我也常对他们说，你们不过是在打字罢了。我总是这么开玩笑。我还告诉他们，我最喜欢的按键是退格键（Backspace）。原因很简单，最好的软件往往是体量最精简的软件。所以我希望大家能多使用退格键来精简代码。
4.【突发连线】特朗普现场电话接入与政策对话
主持人：我们接着聊聊NVIDIA。不如来对NVIDIA做一个详细的拆解分析。所谓拆解，就是梳理清楚各个组成部分，因为其中蕴含着非常多的战略布局。让我们从最底层开始算起……
（黄仁勋的助理小跑送上台黄仁勋的电话）
主持人：这绝对不在预先的计划中，但我们都知道是谁打来的。
黄仁勋：总统先生，必须向您说明一下，如果不是您的电话，我此刻正和节目组在台上同框呢。我和Sachs，Chamath和David也在，还有他们整个团队都在这儿。我正面对着几千名观众，巧合的是，我们刚才正好在谈论您。您做得太出色了，总统先生。面对如此复杂的局面，您能够一眼洞穿本质，我们对此都深怀感激。
黄仁勋：要帮您向全场观众打个招呼吗？
主持人：稍等一下，总统先生，我们正在拿麦克风。
黄仁勋：总统先生，您现在是在向全世界发声了。
特朗普：生活妙就妙在，黄仁勋能研发出全世界最复杂、别人十年都无法抄袭的芯片，但他却不知道怎么把手机调成免提模式。这件事必须被记录下来。
特朗普：现在的AI热潮非常耐人寻味，甚至带有某种阴谋论色彩。甚至在我们国家内部，很多原本没获得任何拨款的州现在也很开心，因为大量的人流正在涌入他们那里。但突然之间，你看到他们开始在芬兰建数据中心，Google也想在芬兰建大型数据中心，我对这事很不满意，因为他们没能拿到许可。我告诉你们，这一切就是个骗局。数据中心非常棒，它们能让大众致富，也能让各个州致富，这是未来20到25年的石油。它的规模比互联网大得多，AI更是如此。可有些人却正中那些不想看到这一切发生的人的下怀，这背后可能有政治势力。我们绝不会让这种事发生，这就是个骗局。
黄仁勋：您说的对，我们绝不会让那种情况发生，总统先生。
特朗普：是的，我们绝不会让它发生。机器人绝不可能拯救或主宰世界，那绝不会发生。众所周知，我的叔叔曾是MIT可能是史上最顶尖的教授之一，在那里任教了41年，被公认为最聪明的人之一。他在那里处于金字塔的最顶端，做成了无数伟大的事业。黄仁勋对我叔叔的情况非常了解。如果你相信基因资源论的话，我在基因层面确实遗传了一些优势。
黄仁勋：这就解释了为什么您对AI有如此深刻的理解。
特朗普：我对AI确实很了解，我也具备关于AI的常识。机器人不会接管世界，AI也不会接管人类社会的其余部分。全盘渲染恐慌就是个骗局。当然在此前提下，我们必须保持审慎，做事必须客观稳妥。但这绝不意味着我们要遏制产业发展，好像未来十年我们都在研究怎么摧毁它一样。我和你们站在一起。我甚至事先不知道你们的具体态度，但我假定你们与我的想法是一致的。
黄仁勋：是的，总统先生。
特朗普：如果我们要保持领先——我常说一句话：谁赢得了AI，谁就赢得了未来。它的影响力就是这么巨大，甚至超越了互联网。谁赢得了AI，谁就掌控了全局。我们决不能让那些干扰发展的阻碍发生，这其中非常关键的一环就是数据中心。许多原本濒临衰落的社区，在建立数据中心后重获新生，变成了极其富裕的社区。
黄仁勋：我们要确保在美国的AI竞赛中实现全民共赢，每一个行业、每一家公司、每一个州以及每一位民众都能从中受益。
特朗普：太棒了。我对这一点持极其坚定的态度，并且我目前的职位正好可以为此发挥作用。我们绝不会允许那些阻碍产业发展的倒退行为发生。虽然我不知道今天现场都有谁参加会议，也不清楚我到底在和哪些家伙讲话。
黄仁勋：您听到了吗？总统先生，成千上万的观众正在为您鼓掌。
特朗普：我知道大家都是来听黄仁勋演讲的，他做出了极其卓越的贡献，David也做得很棒。祝大家一切顺利，我们将继续拥抱未来。我们的国家正处于历史最好时期，已经吸引了20万亿美元的投资涌入国内，相比之下，瞌睡乔·拜登执政四年吸引的投资还不到1万亿美元。我们仅仅花了一年时间就达成了这一成就。所以国家展现出了前所未有的繁荣景象，我们将保持这一良好势头。非常感谢大家！
黄仁勋：非常感谢您，总统先生。
主持人：总统先生，非常感谢您。
黄仁勋：我过后再给您回电。谢谢总统先生，谢谢。
主持人：这体验真是绝无仅有。我一开始还以为是预先安排好的段子呢。你知道这事会发生吗？
黄仁勋：不，这是千真万确的。当你说要放免提时，我起初也以为是个段子。
主持人：太不可思议了。他居然直接打给你了。他平时是不是会在深夜随手打给你？当时我们正在椭圆形办公室里，那次他打电话给你时，你当时在睡觉，然后他直接说：“把他叫醒。”我当时感到非常抱歉，因为他问我：“谁会来参加今晚的晚餐？”我们梳理了名单，他问：“黄仁勋来吗？”我说：“不，总统先生，他在休假。”因为这个假期他已经推迟了整整五年。然后他就说：“立刻把他给我叫到电话线上。”
5.AI基础设施革命与下游生态构建
主持人：但你认为他为什么能一眼洞穿这些骗局？这确实是一件非常不同寻常的事情。毕竟民调支持率下降了80%。对于任何坐在椭圆形办公室里的人来说，通常都会顺应迎合大众的喜好，因为你代表着选民。而当时公众最普遍的呼声似乎就是关停数据中心和暂停AI研发。但他却直接斥之为骗局并公开指出来。他是怎么做到的？
黄仁勋：说实话，我也不确定。因为确实有很多人落入了这种认知陷阱。归根结底，这个议题极其复杂。如果你仔细回顾整个舆论走向，就会发现所有的叙事最初都锚定在两件事上。第一件是国家安全，但最近这个说法已经被驳得体无完肤了。现在的叙事转向了安全合规与风险控制。
如果你希望AI是安全可控的，首要前提是确保研发它的前沿实验室处于受控状态，并且拥有严谨的测试标准。如果我们希望引入第三方评估机构来确保安全性，这与金融监管的逻辑如出一辙。大家都很清楚，金融领域有专门的审计师体系。审计师并不需要比企业本身更精通业务细节，他们只需要提出关键且正确的问题即可。我非常赞同引入独立的审计师或评估机构，但前提是必须存在多元化的评估主体。就像存在多家审计机构一样，这能避免单一机构被利益诱导或产生偏见。因此解决这个问题的方法其实有很多。最核心的原则在于：既要安全地构建这项技术，又要确保测试流程的严密性。我完全认同目前正在构建的技术具有划时代的意义，但这些企业同样是极其伟大的公司，我们理应以极高的标准要求它们，而它们自身也渴望达到这样的标准。
主持人：我想重新谈谈开源的话题。一年前大家其实并不看好开源，当时它还落后闭源大模型18到24个月。
黄仁勋：顺便说一句，大家也知道，和特朗普总统通电话时很难中途插话。我这么说估计过后又得惹麻烦，他可能会打电话来找我算账。但无论如何，我当时想向他和大家表达的是：AI正在创造数量惊人的就业岗位。在现任政府执政初期，以及我和他第一次通电话和面谈时，他最关心的核心诉求就是在美国本土创造就业。他希望推动美国的再工业化，确保美国有足够的能源供给来支撑下一轮工业革命。没有能源保障，就没有工业增长。因此他致力于推动能源增长、就业增长以及供应链的本土再工业化。
看看我们眼下正在推进的事业，这一切此时此刻都在发生。我们创造的就业岗位比以往任何时候都要多，特别是软件领域的岗位。我们刚才也聊到，仅在过去6个月里，就有4000亿美元的风投资金涌入了AI产业。这带来了海量的就业岗位，同时也创造了对算力的庞大需求，对此我自然感到非常高兴。
这也随之带动了对数据中心建设的强劲需求，这一点非常值得深入探讨。我最近刚和德克萨斯州州长Abbott沟通交流过，他希望向整个行业呼吁：在全美各地兴建数据中心的同时，我们必须对周边的小型社区保持共情与理解，倾听本土的声音。
主持人：我们不妨就这个话题展开聊聊。如果拆解NVIDIA的架构，最令人惊叹的一点在于：为了推动整个生态系统的运转，你实际上不得不扮演了“AI基础设施银行”的角色，而且是在各个层面上深度参与。比如你们刚与Cloverleaf达成合作解决土地与电力配套，还与黑石、高盛等巨头联手打造金融融资能力。能否为我们梳理一下NVIDIA的资本配置策略？要让更广泛的生态伙伴参与进来并为下一阶段的建设提供资金背书，需要具备哪些先决条件？
黄仁勋：正如大家所知，我们正在打造一场全新的工业革命，其中的每一个环节都是真实不虚的。这个新兴产业与电力、互联网时代一样需要制造业支撑。过去有了电力我们可以驱动万物，有了互联网我们可以连接万物；而有了AI，我们可以随时提问并获知万物。这就是我们的未来：接入数字以太网，向它提出任何问题，它都能为你解答。但要实现这一点，前提是必须先生产出“智能”。这是一个标准化的生产过程，也是必须大规模兴建基础设施的原因所在。然而当基础设施构建完毕后，随之而来的问题是：全美其他产业层级该如何跟进？这个产业绝不仅仅关乎模型本身或芯片本身，它的核心价值在于上层的应用生态，以及底层的施工建设、电力供应和能源发电等基础设施层。因此我会审视整个生态系统，去寻找潜在的瓶颈。一旦发现有优秀的企业在特定环节面临瓶颈……
主持人：受到产能或资源的限制。
黄仁勋：受到限制的优秀企业，亦或是需要扩充产能的供应链，以确保当我们的算力部署就绪时，土地、电力和厂房等配套也已同步到位。这与我们审视上游供应链的逻辑完全一致。或许是因为公司体量庞大，我对长期供应链的思考比大多数人都要深入。要取得成功，背后需要大量企业的鼎力支撑，比如康宁（Wendell Weeks）、Lumentum，当然还有台积电以及各大内存巨头。因此早在产业爆发之前，我们就已经与这些伙伴展开深入合作，从而为后续的大爆发奠定基础。而现在，我正在将同样的逻辑应用到下游生态中。
主持人：但IT产业的利润演进规律往往是随着时间的推移，利润会不断向产业链上游的应用层迁移，因为应用层能够在更长周期内获取超额收益。比如你们收购了Hugging Face，现在已经深度参与到推理服务（Serving）业务中。类似于OpenRouter这样的产品形态出现显得顺理成章，像AWS Bedrock这类产品也显然有更好的构建方式。相信你一定思考过这个问题：既然上层的玩家正毫不犹豫地试图向下渗透。而你们拥有全行业最雄厚的资产负债表、最顶尖的工程师团队以及成熟的产品工程化与交付经验。当你向上俯瞰时，是如何看待“自己完全也有能力把上层应用做好”这件事的？
黄仁勋：NVIDIA之所以能够运行全球所有的主流模型——这确实非常不可思议，在大概一年半以前，我们基本上只运行OpenAI的模型。再看看当下，各种优秀的模型层出不穷。Meta的Muse已经问世，Grok也可以使用了，Grokbot的表现非常惊艳。我们现在正在运行Gemini，Anthropic也在我们的平台上加速拓展规模。从一年半前发展到现在，所有这些最前沿的AI模型都走向了开放与普及，模型的数量呈现爆发式增长。还有许多我不一一列举的公司都在打造自己的前沿模型，人工智能实验室的数量也在不断攀升。像Ineffable、Reflection，此类名单不胜枚举；专注于物理人工智能的Physical Intelligence等机构也在榜上。所有这些实验室都在基于NVIDIA的架构进行构建。
而这背后的核心逻辑在于：作为一家企业，我们更希望协助所有人取得成功，而不是从中分一杯羹。因此在技术延伸上，只要有必要我们就会向上拓展，但在商业利益上，我们尽可能保持低调与克制。我们的战略就是技术上尽深尽远，商业上尽可能低调克制。之所以采取这一策略，是因为如果没有NVIDIA开发cuDNN，后续所有的深度学习框架都将无从谈起；如果没有我们打造Megatron Core，大规模的超大模型训练也不可能实现。
主持人：甚至根本不会存在。
黄仁勋：因此我们主动出击，研发出所有必需的底层技术，只要有需求就全力去突破，然后让整个产业百花齐放。这种极其开放的姿态，坦白讲让我们成为了行业中绝无仅有的存在。
6.新兴云厂商（NeoCloud）崛起与领域专用模型布局
主持人：坦白讲，我很认同你的观点。但另一种反驳的声音可能会说，如果超大规模云计算层能有更多的竞争者就更好了。我觉得你在支持新兴云厂商（NeoClouds）方面做得非常出色。顺便提一句，正是你把我介绍给了NBS，他们团队非常优秀。但我们需要50家、100家甚至上千家这样的新兴云厂商。这可能需要一些时间……
黄仁勋：其实在商业竞争上，我是个出乎意料缺乏攻击性的人。竞相争夺并不是我的风格。举个例子，如果市场上只有五家超大规模云厂商，我也完全能够接受。不过我注意到，所有这些NeoCloud（我们称之为NCP）最初的客户，其实恰恰就是那些超大规模云厂商本身。原因在于，那些传统的云计算巨头通常一年才制定一次规划，但当下的市场动态变化太剧烈了，导致他们的规划几乎总是跟不上变化。而这些区域性的云厂商具备极高的灵活性，能够快速响应。他们深耕本土市场，比远在西雅图或帕洛阿尔托的决策者更能精准地掌握当地的土地、电力和数据中心厂房资源。
因此我们实际上拥有了一个庞大的分布式合作网络，他们在全球各地为我们铺设土地、电力和厂房资源。如今各个国家也开始意识到这是重大的战略资源。许多国家表示，要将本国的电力资源优先提供给本土的企业。而NVIDIA同样深耕于这些国家，我们可以协助当地的NeoCloud迅速成长。无论是在澳大利亚与Firmus合作新增两个吉瓦(GW)的算力，还是在东南亚与IOH等伙伴合作推进几吉瓦的部署。我们正在以吉瓦为单位进行跨越式扩容。
主持人：趋势已经非常明朗了。我还想补充一点：显然你正在向产业链上层深度延伸，并且极其聚焦于开源生态。你们的Neotron模型表现极其亮眼，我平时就经常使用；同时你们还在积极吸纳像Hugging Face、Poolside以及Laguna等团队的顶尖人才；此外在自动驾驶领域的开源技术栈同样极具颠覆性。
黄仁勋：我们在五个核心领域都拥有最前沿的模型。
主持人：你做产品似乎从来不是为了拿银牌，而是直奔金牌而去。所以你这次也是为了夺冠吗？你们是否会推出公认最顶尖的开源模型？另外一个衍生问题是，开源模型能否追上最顶沿的闭源模型？你是不是那个引领这一切的人？
黄仁勋：我们之所以去构建这些技术，逻辑非常纯粹：第一，我们具备这样的技术实力；第二，我们的客户确实需要我们去开发。比如Alpamo是全球首款具备推理思考能力的自动驾驶模型。有了思考与逻辑推理能力，就不再需要海量的数据堆砌，无需再用数十亿小时的道路数据去训练，因为它能够对路况进行逻辑推理，将问题拆解为“我以前见过类似场景，虽然不完全一样，但本质基本一致”。那么为什么必须研发Alpamo呢？因为全球所有的汽车制造商、农机设备、卡车和货车未来都将实现自动化，但绝大多数公司根本没有足够的资源去构建这一整套技术栈。因此我来为他们打造顶尖的底层技术栈，他们只需要针对具体应用场景做好最后一步的适配即可。未来所有能移动的设备都将走向自动化。
如果不是我们去研发生物学领域的AI模型，这个世界可能就会缺失这一块。比如我们研发的ESM2蛋白质语言模型、ESMFold、OpenFold、AlphaFold 2，以及配合cuEquivariant架构的系列技术，如果我们不去构建，这些技术就不会问世。还有我个人非常喜爱的Proteina Complexa模型，它在合成下一代蛋白质以及靶向结合方面取得了突破性进展。我们开发这些是因为礼来、默克等药企有明确需求，而他们自身尚不具备这样的开发能力。我们所有的研发都源于实际需求，绝不是早晨一醒来就想着去颠覆谁。我们每天清晨醒来，想的都是如何去成就每一个人。
7.芯片产业链竞争、中国光刻突破与AGI/ASI终局预测
主持人：对于核心业务可能面临的新兴竞争威胁，你怎么看？能否谈谈你的观点？
黄仁勋：问得太客气了。
主持人：我很想听听你的直白看法。埃隆·马斯克之前宣布要建一座占地1亿平方英尺的超级工厂Terafab，对这件事你怎么看？
黄仁勋：如果这世界上有人能做到这件事，那一定是他。我们俩不久前还刚在一架飞机上同行程。埃隆·马斯克很喜欢聊这些宏大构想，我们花了很多时间深入探讨。
主持人：是不是因为你们只设计芯片而不亲自建厂，所以大家都觉得他能做成？未来你的芯片也会放到他的工厂去代工吗？
黄仁勋：我们在芯片制造工艺方面积累了极深的洞察，因为我们始终在挑战物理极限。而且由于我们的生产规模如此庞大，公司内部拥有顶尖的内存技术支撑。我们是全球最优秀的系统设计公司，掌握着无数惊人的技术。所以关于这个话题我们探讨了很多。埃隆·马斯克最大的超能力在于你永远无法打消他的念头，一旦他下定决心要做某件事，就没有任何人能阻止他。
主持人：你能谈谈对中国在自主先先进光刻系统发展进度的看法吗？
黄仁勋：他们会在2030年前后突破这一技术。2030年很快就会到来。
主持人：弹指一挥间。那是否意味着对中国而言，届时开关一旦按下，所有芯片制造都将顺理成章地转向本土晶圆厂？
黄仁勋：理解中国的逻辑在于，他们极其擅长超大规模的工业化量产。突破只是时间问题。我的思考维度往往是以十年为单位的。在行业里摸爬滚打这么多年，对于NVIDIA，我必须预判下一个十年乃至下下个十年的格局。两三年的时间不过是弹指一挥间，根本不算什么。所以在他们看来，自己其实已经迈过了最艰难的关口。
主持人：他们已经触手可及了。
黄仁勋：是的。我们必须全力加速推动美国的发展，必须极速前进。减速放缓绝对是最错误的战略。
主持人：对于我们大多数从业者来说，大家都能明显感觉到我们正处于AGI（通用人工智能）爆发的关键节点。按定义来说，就是AI具备了与人类不相上下的智力水准。
黄仁勋：我认为我们其实已经跨过了这个节点。
主持人：我们已经达到了？那么基于你所观察到的客户需求以及行业历史，ASI（超人工智能）将是下一个里程碑？
黄仁勋：我认为在某些特定领域，我们其实已经实现了ASI。当你聚焦于某个特定细分领域时，比如我的自动驾驶汽车模型，我不需要它去给我做煎蛋卷，我只需要它把车开好。这就已经是超人工智能了。它的驾驶表现比人类要优秀得多。
主持人：事故率只有人类的十分之一。
黄仁勋：完全正确。比如在蛋白质合成、蛋白质虚拟筛选等特定领域，我们已经达到了这个高度。
主持人：站在人类技术最前沿的浪潮之巅，这种感觉有趣吗？
黄仁勋：我很享受这个过程。各位，未来的前景无限美好，我们都渴望拥抱那个未来。骑上脚踏车加速前行吧，虽然我们很多人其实已经不需要为了生计而工作，但我必须说，参与到这场变革中的体验实在太棒了，让人根本停不下来。
主持人：这太有乐趣了，对吧？
黄仁勋：所以我希望大家都能与我一同见证并参与这个时代，我们将在人类共同的未来中取得巨大的成功。在此期间，我们要不断给予研发人员鼓励与支持，他们正在从事极其伟大的事业，我真心希望他们取得成功。同时我也希望外界能少一些不必要的炒作与戏剧性喧嚣，最重要的是，让全美国乃至全人类都融入到这场变革中来，这才是我们赢得未来的方式。
主持人：女士们先生们，掌声送给黄仁勋！
黄仁勋：谢谢大家，非常感谢。
本文来自微信公众号“划重点KeyPoints”，作者：林易，36氪经授权发布。