在1月21日的世界经济论坛的达沃斯上，英伟达CEO黄仁勋首次登台对话。
这次老黄没把话题锁在自家的GPU、算力平台或网络架构上；而是难得地跳出英伟达，从更宏观的角度说透了这些事：
- AI技术本身在发生什么变化
- AI产业到底是怎么搭起来的
- AI可能会如何影响社会与就业
在老黄看来，AI的产业体系可以分为五层，即能源、芯片和计算基础设施、云基础设施与云服务、人工智能模型层，和模型之上的应用层。
而真正决定AI能不能变成生产力、能不能变成经济增量的，是 应用层。他直言：
“去年之所以是AI极其惊人的一年，坦白说，是因为模型进步太快，以至于上面那层，也就是我们所有人真正需要用它来成功的那层：应用层开始爆发。”
而 AI模型层，在2025年也发生了 三件‘颠覆性’的大事：
- Agentic AI
- 开源模型的突破
- 物理AI的巨大进展
更有意思的是，面对“AI会不会取代工作”的广泛焦虑，他给出了几乎完全相反的判断，认为 AI可能不会带来失业潮，反而会让‘人不够用’：
“这是人类历史上最大规模的基础设施建设，它会创造大量工作...... 我们需要水管工、电工、建筑工、钢铁工人、网络技术员，以及安装、布设设备的人。
在美国，这些岗位的薪资已经接近或超过六位数。你不需要计算机博士，也能拥有体面的职业生涯。”
1 这次不一样：AI正在把整套计算逻辑推倒重建
主持人： 今天围绕AI的讨论，大多集中在它将如何改变世界和全球经济。但我更想从另一个角度展开：AI不只是改变世界的方式，它会不会把整个经济蛋糕做得更大？又能不能让更多人真正用得上、跟得上，而不是只惠及少数人？..... 那么我们直接进入主题：为什么你认为AI有潜力成为如此重要的增长引擎？这一次技术浪潮，和过去的技术周期相比，究竟有什么不同？
黄仁勋： 首先，当你在思考AI、并以各种方式与AI互动时——比如当然会用ChatGPT，当然会用Gemini，当然会用Anthropic的Claude，它能做的那些“神奇”的事情，会让人觉得不可思议。
但这时如果我们回到第一性原理，去理解计算栈正在发生什么，事情就会更清楚：这是一场platform shift（平台迁移 / 平台级转变）。所谓平台，就是让应用构建其上的东西。
历史上，每一次平台迁移都会带来新的应用生态：
- 从大型机到PC
- 从PC到互联网
- 从互联网到移动与云计算
在每一次平台迁移中，计算栈都会被重新发明，新的应用也会被创造出来。
AI也是一次平台迁移。ChatGPT本身只是一个应用，更重要的是，无数新应用正在构建在它之上，也会构建在Claude、其他大模型之上。
过去的软件，本质上像“预录制”的：人类输入、写下算法或“配方”，让计算机照着执行。
它能处理的是结构化信息——也就是你必须把名字、地址、账号、年龄、住址等信息，先整理成结构化表格，然后软件再去检索。我们把它叫做SQL，SQL查询。SQL可能是世界上最重要的数据库引擎，直到现在之前，几乎所有东西都跑在SQL上。
而现在，这是第一次，我们拥有了一种计算机：它不是“预录制”的，而是实时处理（real time）的，可以理解非结构化信息，具体而言：
- 能理解非结构化信息（文本、图像、声音）
- 能理解语义与上下文
- 能在实时环境中推理你的意图，这些意图可以用非常非结构化的方式表达
- 可以用非常非结构化的方式表达，你想怎么描述就怎么描述。
我们把这种输入叫做prompt（提示词），只要它能理解你的意图，它就能为你执行任务。这不再是“预写的软件”，而是一种实时生成智能的系统。
2 AI的产业体系有“五层”，应用层是最重要的
因为我们正在重造整个计算栈，所以人们会问“AI是什么”。很多人谈AI，会直接想到模型。
但从产业角度，AI其实更像一个 五层蛋糕：
- 最底层是 能源（energy），AI是实时处理、实时生成智能的，它需要能量。
- 第二层是我所在的层：芯片和计算基础设施。
- 第三层，是 云基础设施与云服务。
- 第四层，是 AI模型——大多数人以为AI就是这一层。但别忘了，模型之所以能发生，是因为下面所有层都存在
- 而最重要的一层，也是正在发生的一层，是 模型之上的应用层（application layer）。
去年之所以是AI极其惊人的一年，坦白说，是因为模型进步太快，以至于上面那层，也就是我们所有人真正需要用它来成功的那层：应用层开始爆发。
这个应用层可以在金融服务、医疗健康、制造业等领域。最终产生经济收益的，就是这一层。
但关键在于：这个计算平台需要下面所有层支撑。正是因为这五层必须同时建设，我们正在经历 人类历史上规模最大的基础设施建设浪潮。
目前我们只走了几千亿美元，而真正需要投入的，是 数万亿美元级别。
芯片工厂、计算机工厂、AI工厂正在全球同步建设：
- 台积电宣布新建20座晶圆厂
- 富士康、纬创、广达在建设数十座计算机工厂
- 存储厂商（美光、SK海力士、三星）全面扩张
你能看到整个“芯片层”今天增长得非常快。
当然，我们也高度关注模型层。
但更让人兴奋的是，模型之上的应用层正在做得非常出色。有一个指标很直观：风险投资的钱流向哪里？去年2025年是历史上风险投资规模最大的年份之一，而其中大部分资金投向了所谓 AI native companies（AI原生公司）。
这些公司来自医疗、机器人、制造业、金融服务等全球所有大型行业。你正在看到大量投资涌入这些AI原生公司，因为第一次，模型已经好到足以在其上构建产品与业务了。
3 去年模型层发生了“三件大事”
主持人： 我们继续往下挖。显然，我相信在座每个人都有自己的聊天机器人用来获取信息。你刚才提到“AI的扩散（dispersion）”会是关键。我们谈谈它在物理世界中的扩散——你提到了医疗是个很好的例子，那在交通运输、科学等领域，你认为哪些机会会带来颠覆性变化？
黄仁勋：去年，我认为在AI技术层、尤其是模型层，发生了三件大事。
第一：是Agentic AI。 模型一开始只是“好奇、有趣”，但幻觉很多。去年我们可以相对合理地接受：这些模型更“扎实”、更“有依据”了。它们能做研究，能对自己没被训练过的情况进行推理；能把问题拆成一步一步的推理步骤，形成计划，然后回答你的问题、做研究、或执行任务。所以去年我们看到语言模型演化成我们称之为agentic systems的AI系统，也就是Agentic AI。
第二：开源模型的突破。 几年前——或者说一年前？——DeepSeek（深度求索）出来时，很多人非常担心。坦白讲，DeepSeek对全球绝大多数行业、绝大多数公司来说，是一件大事，因为它是世界上第一个开源推理模型（open reasoning model）。此后，一大批开源推理模型陆续出现。开源模型让公司、行业、研究人员、教育者、大学、初创企业能够使用这些开源模型作为起点，去做一些东西——做出适配自身领域、专门化的模型和系统。
第三：物理智能，或者说物理AI的巨大进展。 也就是AI不只理解语言，还能理解“自然”、理解物理世界：理解蛋白质、化学物质；理解自然与物理——比如流体力学、粒子物理、量子物理。这些AI正在学习各种结构、各种“语言”。从某种意义上说，蛋白质本身就是一种语言。这些AI的进展如此之快，以至于制造业、药物发现等工业公司正在取得显著突破。
其中一个很强的指标是：我们与 Eli Lilly 的合作。他们意识到，AI在理解蛋白质结构和化学结构方面已经取得巨大进步——某种意义上，我们将能够像和ChatGPT对话那样，“与蛋白质对话”。我们会看到非常重大的突破。
4 AI没抢走工作，反而会让“人不够用”
主持人： 这些突破也引发了对“人”的担忧。你和我谈过很多次，但今天必须告诉全场：大家普遍非常担心AI会取代工作。而你一直在讲相反的观点。你真的认为我们会面对劳动力短缺吗，你如何看待AI和机器人技术改变工作性质，而不是消除工作呢？
黄仁勋： 有几种方式可以推导。
首先，这是人类历史上最大规模的基础设施建设，它会创造大量工作。更棒的是，这些岗位与技工技能密切相关：我们需要水管工、电工、建筑工、钢铁工人、网络技术员，以及安装、布设设备的人。
在美国，这些岗位的薪资已经接近或超过六位数。你不需要计算机博士，也能拥有体面的职业生涯。
再举两个真实案例。
10年前，人们认为AI会消灭放射科。结果是：AI全面进入影像分析、医生看片速度大幅提升，然后有更多时间与患者沟通、诊断，放射科医生的人数反而增加了。
逻辑就是：医院接诊能力提升 → 收入提升 → 雇佣更多放射科医生
护士也是一样。美国现在大约短缺500万护士。
如果用AI来做病历记录（charting）和就诊记录转录（transcription），护士有一半的时间其实都花在这些“记记录”的工作上。
而现在他们可以用AI技术。有一家公司叫Abridge，是我们的合作伙伴，做得非常出色，因此护士能把更多时间花真正“触达病人”的探视与照护上。
而且，因为现在可以接待更多病人，我们不再被护士人数卡住，更多病人能更早进入医院。结果是：医院运转更好，于是他们雇佣更多护士。
逻辑就是：医院运转效率提升 → 雇佣更多护士。
所以，判断AI对某个工作的影响，最简单的方法是：搞清楚这个工作的 目的 是什么、具体 任务 是什么。
打个比方：如果只架个摄像头拍我们俩，你可能会以为我们是打字员，因为我大部分时间都在打字。那如果AI自动化了大量文字预测、帮我们打字，我们就会失业。
但显然，那不是我们的工作目的。
所以问题是：你的工作目的是什么？放射科医生和护士的目的，是照护病人；而当任务被自动化后，这个目的反而被强化、被放大。
用“目的vs任务”来推导每一类职业，会是一个很有帮助的框架。
5 AI对发展中国家是“缩小鸿沟”的机会
主持人： 我们把话题放到发达经济体之外，讨论AI如何在全球范围传播、帮助世界。我们怎样确保AI成为一种真正的变革性技术，像Wi-Fi和5G对新兴世界那样？当它与新兴市场交织，会意味着什么，我们如何“做大”全球经济？转到发展中世界，你认为会怎么演进？
黄仁勋： 我非常乐观地看待AI对新兴经济体的影响，AI本身就是一种基础设施， 每个国家都有道路、电力，也应该拥有AI。
今天有大量开源模型，训练AI已不再遥不可及。语言和文化，本身就是一个国家的“自然资源”。
第二点，记住：AI是人类历史上最容易使用的软件，也是它增长最快、被采用最快的原因。短短两三年，用户规模就快接近10亿人。
对很多没有计算机科学学位的人来说，你们现在都可以成为程序员。过去我们得学习怎么给计算机编程；现在你“编程”的方式是直接对计算机说：“我该怎么编程你？”
如果你不会用AI，你就走到AI面前说：“我不会用AI，我该怎么用？”它会解释给你。
你还可以说：“我想写个程序做自己的网站，怎么做？”它会问你一堆问题：你想要什么样的网站，然后给你写出代码。
在过去，人类学习如何给计算机写代码；而现在，人类只需要用语言教计算机做事。
这会极大降低技术门槛，帮助更多国家和人群参与数字经济。
6 欧洲的关键机会：工业 × AI × 机器人
主持人： 我们谈到了很多公司，提到很多美国公司和亚洲公司。请你谈谈：AI与欧洲的成功、欧洲的未来如何交汇？英伟达在欧洲会扮演怎样的角色？
黄仁勋： 对欧洲而言，这是一个极其关键的窗口期。
美国主导了软件时代；但AI是一种“不需要写代码的软件”。
欧洲拥有全球最强的工业制造与深科技基础。
如果将AI深度融合进制造、工程、机器人与物理世界建模中，欧洲完全有机会在Physical AI / Robotics时代实现跃迁。
但前提是：增加能源供给、加大基础设施投资，以及尽早全面投入AI生态建设。
7 所以不是泡沫，关键是“投得够不够”
主持人： 所以我听到的是：我们离AI泡沫还很远。问题反而是：我们投得够不够？因为很多人在谈泡沫，但你在说的是：我们是否投入足够，来实现“做大”全球经济的目标。
黄仁勋： 这不是一场泡沫，而是一场尚未投入足够的长期建设周期。
GPU租赁的现货价格正在上涨。不只是最新一代，甚至两代前的GPU，现货租赁价格也在涨。原因是AI公司数量在增长，越来越多公司在调整研发预算。
Eli Lilly就是一个很好的例子：三年前，他们的研发预算几乎都在湿实验室（wet labs）；但你注意到他们现在投入了一个大型AI超级计算机、一个大型AI实验室。越来越多的研发预算会转向AI。
所以 所谓泡沫，是因为投资规模很大；而投资规模大，是因为我们必须建设支撑AI各层的基础设施。
我认为（现在AI带来的）机会非常非凡，每个人都应该参与、都应该投入。我们需要更多能源。我们都知道需要更多“土地、电力、机房”。我们需要更多技工型劳动者。
就像我和Larry所参与的领域，我们看到投资机会，投资规模在上升；初创公司数量也在上升。
正如我之前提到的：2025年是VC投资史上规模最大的年份，全球超过1000亿美元，大部分投向AI Native公司。
这些AI公司在做的，就是构建模型之上的应用层，去建设这个未来。
我也确实认为，对全球养老金来说，参与其中、伴随这个AI世界一起成长，会是一笔很好的投资。
这是人类历史上最大的基础设施机会之一。我们必须确保：普通储蓄者、养老金、普通人，都能参与并分享这轮增长。
关于AI如何重塑产业和职业，黄仁勋的观点提供了一个宏观且积极的视角。如果你对这类技术趋势讨论感兴趣，欢迎来云栈社区的开发者广场板块，和我们一起交流探讨。
发表于 昨天 16:20
|
查看: 1|
回复: 0
