1. 首頁 > 生活百科 > >

黃仁勛：托AI的福，美國水管工電工薪水已經翻倍

人工智能ai黃仁勛

黃仁勛：托AI的福，美國水管工電工薪水已經翻倍

文章圖片

"multi_version":false
在2026年世界經濟論壇上 ， 英偉達CEO黃仁勛與貝萊德（BlackRock）CEO拉里·芬克（Larry Fink）進行了一場對話 。
對話主題是AI的技術演進、基礎設施建設規模、AI對就業市場的影響以及全球經濟 。
黃仁勛將AI定位為一次深刻的、重塑全球經濟與社會結構的基礎性變革 。 它是一場人類歷史上規模空前的基礎設施建設浪潮 ， AI將重塑勞動力的價值 ， 并為全球經濟的均衡發展提供前所未有的機遇 。
黃仁勛的核心論點是 ， 我們正處在一場根本性的“平臺轉移”（platform shift）之中 。
他將當前AI的崛起與個人電腦互聯網以及移動云計算的誕生相提并論 ， 認為每一次這樣的轉移都徹底重塑了計算堆棧 ， 并催生了全新的應用生態 。
在他看來 ， AI并非僅僅是如ChatGPT或Claude之類的單個應用 ， 而是一個全新的、可供萬物生長其上的基礎平臺 。 這次轉移的根本性突破在于 ， 計算機首次獲得了理解“非結構化信息”的能力 。
過去的軟件 ， 如基于SQL的數據庫系統 ， 只能處理被預先定義和結構化的數據 。 而AI則能實時地理解圖像、聲音、自然語言等紛繁復雜、充滿上下文的非結構化信息 ， 并基于對人類意圖的推理來執行任務 。
這種從“預先錄制”到“實時生成”的轉變 ， 是AI區別于以往所有技術的本質特征 。
為了讓聽眾更清晰地理解這一龐大產業的構成 ， 黃仁勛提出了一個“五層蛋糕”模型 。
1. 能源（Energy）：最底層是能源 。 因為AI是實時處理并生成智能的 ， 它需要能量來完成 。
2. 芯片與計算基礎設施（Chips and computing infrastructure）：第二層是我所在的領域 ， 芯片和計算基礎設施 。
3. 云基礎設施（Cloud infrastructure）：再上一層是云服務 。
4. AI模型（AI models）：再往上是AI模型 。 這是大多數人認為的AI所在之處 。 但別忘了 ， 為了讓這些模型得以實現 ， 你必須擁有其下的所有層 。
5. 應用層（Application layer）：但最重要的 ， 也是當下正在發生的 ， 是應用層 。 去年之所以對AI來說是不可思議的一年 ， 坦白說 ， 是因為AI模型取得了巨大進步 ， 使得其上的應用層——我們所有人都需要其成功的最終層面——得以蓬勃發展 。 這個應用層可以是在金融服務、醫療健康、制造業等領域 。 最終 ， 經濟效益將在這里產生 。
這個模型的提出 ， 旨在強調AI產業的深度和廣度 ， 并引出他關于基礎設施建設的關鍵判斷 。
基于此 ， 黃仁勛斷言 ， 我們正在見證“人類歷史上最大規模的基礎設施建設” 。 他認為 ， 目前已投入的數千億美元僅僅是個開始 ， 未來將有數萬億美元的資金涌入這個領域 。
這并非夸張的預測 ， 而是基于AI平臺運作原理的邏輯必然 。
為了讓AI能夠處理海量的上下文信息并生成智能 ， 全球范圍內對能源、數據中心、芯片工廠、電腦工廠乃至AI工廠的需求將呈指數級增長 。
他列舉了臺積電、富士康等合作伙伴的大規模建廠計劃 ， 以及美光、三星等在存儲芯片領域的巨額投資 ， 以此來佐證這一建設浪潮的真實性與緊迫性 。
當被問及是否存在“AI泡沫”時 ， 黃仁勛給出了一個基于市場供需的回答：當前英偉達GPU在云端的租賃價格 ， 無論是最新一代還是前幾代產品 ， 都在持續上漲 ， 這表明真實的需求遠未被滿足 。
因此 ， 當前的巨額投資并非非理性的投機 ， 而是為了填補巨大供需缺口而進行的必要建設 。
關于AI對就業市場的沖擊 ， 黃仁勛提出了一個與主流憂慮截然相反的觀點 。 他認為 ， AI非但不會造成大規模失業 ， 反而可能導致部分領域的勞動力短缺 。 他通過區分工作的“目的”（purpose）與“任務”（task）來闡釋這一邏輯 。
黃仁勛以放射科醫生為例 ， 十年前 ， 人們普遍預測這個職業會因AI的計算機視覺能力而被淘汰 。 然而十年后 ， 放射科醫生的數量反而增加了 。
黃仁勛解釋說 ， AI自動化了閱片這項“任務” ， 使得醫生能更高效地完成工作 ， 從而將更多精力投入到診斷、與病人及其他臨床醫生溝通等更能體現其“目的”的活動上 。
工作效率的提升使得醫院能夠接診更多病人 ， 收入增加 ， 進而需要聘請更多的醫生 。 同理 ， 護士通過AI將自己從繁瑣的病歷記錄任務中解放出來 ， 能花更多時間提供人性化關懷 ， 醫院的接診能力和效益也隨之提升 。
他將這一邏輯延伸開來 ， 認為AI將成為各行各業專業人士的強大工具 ， 通過自動化重復性任務 ， 來強化他們實現核心工作目的的能力 ， 從而提升整個行業的生產力與價值 。
同時 ， 龐大的基礎設施建設本身也將創造大量與專業技藝相關的藍領工作崗位 ， 如電工、建筑工、技術員等 ， 這些高薪職位并不需要高深的學歷 ， 有助于實現更普惠的經濟增長 。
黃仁勛的態度比較樂觀 ， 他認為AI有潛力成為縮小而非擴大全球技術鴻溝的關鍵力量 。

其核心邏輯在于AI的易用性 。 他說 ， AI是“歷史上最容易使用的軟件” ， 用戶無需學習復雜的編程語言 ， 只需通過自然語言下達指令 ， 就能驅動強大的AI完成任務 。
這種極低的準入門檻 ， 使得發展中國家和未受過高等計算機科學教育的人群也能參與到這場技術革命中來 。
他進一步提出了“國家智能”（national intelligence）或“主權AI”（sovereign AI）的概念 ， 強烈建議每個國家都應建立自己的AI基礎設施 ， 并利用本國的語言、文化和數據來訓練自己的AI模型 。
他認為 ， 一個國家擁有自己的AI能力 ， 就如同擁有自己的電力和交通網絡一樣 ， 是未來國家競爭力的基礎 。 這不僅關乎經濟發展 ， 更關乎文化傳承與技術主權 。
對于歐洲 ， 黃仁勛指出 ， 歐洲擁有極其強大的工業和制造業基礎 ， 雖然這在以美國為主導的軟件時代或許未能完全轉化為優勢 。
但在AI時代 ， 尤其是英偉達最近正在開發的“物理AI”（physical AI） ， 歐洲迎來了千載難逢的機會 。
他鼓勵歐洲將強大的制造能力與人工智能深度融合 ， 從“編寫AI”的思維轉向“教導AI”的思維 ， 從而在智能制造和機器人領域實現跨越式發展 。 同時 ， 歐洲深厚的科學研究傳統也能與AI結合 ， 極大地加速科學發現的進程 。 他敦促歐洲領導人必須認真對待能源供應和基礎設施投資 ， 為本土AI生態系統的繁榮奠定基礎 。
全文翻譯
拉里：
大家早上好 。 很高興能再次回到國會大廳 。 希望大家昨天過得愉快 ， 今天也同樣享受 。 我非常榮幸地向大家介紹黃仁勛先生 ， 他是我非常欽佩、一直關注的人 ， 也是我在學習技術和人工智能（AI）旅程中的一位老師 。
看著他領導英偉達（Nvidia）的方式 ， 真是令人驚嘆 。 我不太喜歡用比較來衡量自己 ， 但我喜歡這一個比較 。 自從英偉達在1999年上市以來——同年貝萊德（BlackRock）也上市了……
黃仁勛：
哦 ， 天哪 。
拉里：
是的 。 英偉達為其股東帶來的總復合回報率高達37% 。 試想一下 ， 如果每個養老基金在英偉達IPO時就投資了 ， 那將意味著什么？我們本可以為每個人的退休生活帶來巨大的成功 。
與此同時 ， 貝萊德的年化總回報率為21% 。 對于一家金融服務公司來說 ， 這不算差 ， 但相比之下確實相形見絀 。 但這恰恰有力地證明了仁勛的領導力、英偉達的定位 ， 也很好地說明了世界對英偉達未來的信念 。 所以 ， 仁勛 ， 祝賀你走過這段旅程 ， 我知道我們未來還有很多年的路要一起走 。
黃仁勛：
謝謝你 。 非常感謝 。 我唯一的遺憾是 ， 在公司IPO之后 ， 我想給父母買點好東西 ， 所以我以3億美元的公司估值賣掉了英偉達的股票 。 我給他們買了一輛奔馳S級轎車 。 那成了世界上最昂貴的汽車 。
拉里：
他們后悔嗎？他們還留著那輛車嗎？
黃仁勛：
哦 ， 當然 。 是的 ， 他們還留著 。
拉里：
好的 。 現在讓我們進入正題 。 關于AI的辯論 ， 核心在于它將如何改變世界和全球經濟 。 今天我想談談AI如何為世界經濟增值 ， 以及AI如何日益成為一種基礎技術 ， 讓我們在座的每個人都能利用它來改善我們的生活 ， 改善世界上每個人的生活 。
我們需要討論它將如何重塑幾乎所有行業的生產力、勞動力和基礎設施 ， 但更重要的是 ， 它將如何重塑世界 ， 以及世界的更多部分如何從AI中受益 ， 我們如何確保全球經濟得到拓寬 ， 而不是收窄 。
我想不出還有誰能對AI本身及其周邊的基礎設施——那些必須圍繞它建立的基礎設施——有更清晰的看法 。 因為許多主要的超大規模計算公司都在使用英偉達創造的產品 ， 并且整個生態都圍繞著AI的基礎設施和其潛力展開 ， 我認為今天上午我們有一個非常值得傾聽的聲音 。 所以 ， 仁勛 ， 再次感謝你 。
這是他第一次來到達沃斯世界經濟論壇 ， 我知道你的日程非常繁忙 ， 感謝你抽出時間 。
黃仁勛：
非常感謝 。
拉里：
那我就直接切入主題了 。 你為什么認為AI有潛力成為如此重要的增長引擎？是什么讓當前這個時刻、這項技術與過去的技術周期有所不同？
黃仁勛：
是的 。 首先 ， 當你思考AI并以各種方式與它互動時——當然包括使用ChatGPT、Gemini、Anthropic的Claude等等——以及它能做的那些神奇的事情 ， 回歸第一性原理去思考計算堆棧（computing stack）到底發生了什么 ， 是很有幫助的 。
這是一次平臺轉移（platform shift） 。 平臺是構建應用程序的基礎 。 這次的平臺轉移 ， 就像當年向個人電腦（PC）的平臺轉移一樣 ， 新的應用程序被開發出來在一種新型計算機上運行；也像向互聯網的平臺轉移 ， 一種新型計算平臺承載了各種新應用；還像向移動云的平臺轉移 。 在每一次平臺轉移中 ， 計算堆棧都被重塑 ， 新的應用隨之誕生 。
從這個意義上說 ， 這是一次新的平臺轉移 。 今天你使用的ChatGPT本身是一個應用 ， 但非常重要的是 ， 新的應用將會在ChatGPT之上構建 ， 新的應用也將在Anthropic的Claude等模型之上構建 。 所以 ， 它就是這樣一種平臺轉移 。
如果你意識到AI能做到以前你永遠做不到的事情 ， 那么它就很容易理解 。 過去的軟件實際上是“預先錄制”的 。 人類輸入并描述算法或配方 ， 讓計算機去執行 。
它只能處理結構化信息 ， 意味著你必須輸入姓名、地址、賬號、年齡、住址等 ， 創建這些結構化表格 ， 軟件再去從中檢索信息 。 我們稱之為SQL查詢 。 SQL是世界有史以來最重要的數據庫引擎 ， 幾乎所有東西都曾運行在SQL之上 。
而現在 ， 我們有了一種能夠理解非結構化信息的計算機 。 這意味著它可以看懂一張圖片 ， 讀懂一段文字 。
這些都是完全非結構化的 。 它能聽懂聲音并理解其含義 ， 理解其結構 ， 并推理該如何應對 。 所以 ， 我們第一次擁有了一臺不是“預先錄制”的 ， 而是能夠實時處理信息的計算機 。 這意味著它能獲取當下的情境信息、環境信息、上下文信息 ， 以及你給它的任何信息 ， 然后推理出這些信息的含義 ， 并推理出你的意圖——而你的意圖可以用非常非結構化的方式來描述 。
我們稱之為“提示”（prompts） ， 但你可以用任何你喜歡的方式來描述它 。 只要它能理解你的意圖 ， 它就能為你執行一項任務 。
【黃仁勛：托AI的福，美國水管工電工薪水已經翻倍】關于這一點 ， 重要之處在于我們正在重塑整個計算堆棧 。 問題是 ， 什么是AI？當你思考AI時 ， 你可能會想到AI模型 ， 但從產業角度理解AI至關重要 。 AI實際上是一個五層蛋糕：
1. 能源（Energy）：最底層是能源 。 因為AI是實時處理并生成智能的 ， 它需要能量來完成 。
2. 芯片與計算基礎設施（Chips and computing infrastructure）：第二層是我所在的領域 ， 芯片和計算基礎設施 。
3. 云基礎設施（Cloud infrastructure）：再上一層是云服務 。
4. AI模型（AI models）：再往上是AI模型 。 這是大多數人認為的AI所在之處 。 但別忘了 ， 為了讓這些模型得以實現 ， 你必須擁有其下的所有層 。
5. 應用層（Application layer）：但最重要的 ， 也是當下正在發生的 ， 是應用層 。 去年之所以對AI來說是不可思議的一年 ， 坦白說 ， 是因為AI模型取得了巨大進步 ， 使得其上的應用層——我們所有人都需要其成功的最終層面——得以蓬勃發展 。 這個應用層可以是在金融服務、醫療健康、制造業等領域 。 最終 ， 經濟效益將在這里產生 。
但重要的是 ， 因為這個計算平臺需要其下的所有層 ， 它已經啟動了人類歷史上最大規模的基礎設施建設 。 我們現在已經投入了數千億美元 。
拉里：
才數千億 。
黃仁勛：
我們才投入了數千億美元 。 拉里（主持人）和我有很多項目合作的機會 。
有數萬億美元的基礎設施需要被建設出來 。 這是合乎邏輯的 ， 因為所有這些上下文信息都必須被處理 ， 這樣AI模型才能生成必要的智能 ， 來驅動頂層的應用程序 。
所以 ， 當你回過頭來 ， 一層一層地推理 ， 你會發現能源行業正在經歷非凡的增長 。 芯片行業 ， 臺積電（TSMC）剛剛宣布他們要建20座新晶圓廠 。
富士康（Foxconn）、緯創（Wistron）和廣達（Quanta）與我們合作 ， 正在建造30家新的電腦工廠 ， 這些工廠的產品將進入AI工廠 。 所以 ， 我們有芯片工廠、電腦工廠和AI工廠正在世界各地興建 。
拉里：
還有內存 。
黃仁勛：
還有內存 ， 完全正確 。 那些芯片廠 。 美光（Micron）已開始在美國投資2000億美元 。 SK海力士（SK Hynix）和三星（Samsung）都表現得非常出色 。 你可以看到整個芯片層正在驚人地增長 。 當然 ， 我們現在非常關注模型層 ， 但令人興奮的是 ， 模型之上的應用層也做得非常出色 。 一個指標是去年風險投資（VC）的資金流向 。
去年是VC投資史上規模最大的年份之一 ， 大部分資金都流向了所謂的“AI原生”公司 。 這些公司遍布醫療、機器人、制造、金融服務等世界所有主要行業 。 你正看到巨額投資涌入這些AI原生公司 ， 因為AI模型第一次好到可以作為它們構建應用的基礎 。
拉里：
讓我們再深入一點 。 顯然 ， 我相信在座的每個人都在使用自己的聊天機器人獲取信息 。 但你談到AI的普及將是關鍵 。 讓我們談談AI在物理世界中普及所帶來的更多積極構想 。 你提到了醫療健康是一個很好的例子 ， 但在交通或科學等領域 ， 你看到了哪些變革性的機會？
黃仁勛：
去年 ， 我想說在AI技術層 ， 也就是模型層 ， 發生了三件大事 。
第一 ， 模型本身一開始雖然新奇有趣 ， 但會產生大量“幻覺”（hallucinated） 。 而去年 ， 我們都可以合理地認為 ， 這些模型變得更加有根據（grounded） 。 它們可以做研究 ， 可以對它們可能沒有被訓練過的環境進行推理 ， 將其分解為一步步的推理步驟 ， 并提出一個計劃來回答你的問題或執行任務 。 所以 ， 去年我們看到了語言模型演變為我們稱之為“智能體系統”（Agentic Systems）或“智能體AI”（Agentic AI）的AI系統 。
第二大突破是開放模型（open models）的突破 。 大約一年前 ， Deepseek問世 ， 很多人對此感到擔憂 。 但坦白說 ， Deepseek對世界上大多數行業和公司來說是一個巨大的事件 ， 因為它是世界上第一個開放的推理模型 。 從那以后 ， 一大批開放推理模型涌現出來 。 開放模型使得公司、行業、研究人員、教育工作者、大學和初創公司能夠利用它們來啟動項目 ， 創造出針對特定領域或滿足其特殊需求的成果 。
第三個在去年取得巨大進展的領域是“物理智能”（physical intelligence）或“物理AI”（physical AI）的概念 。 這種AI不僅理解語言 ， 還理解自然 。 它可以是理解我們這個物理世界的AI ， 也可以是理解蛋白質、化學物質、物理學（如流體動力學、粒子物理學、量子物理學）的AI 。 這些AI現在正在學習所有這些不同的結構和不同的“語言”——如果你愿意 ， 可以把蛋白質看作一種語言 。
所有這些AI現在都取得了如此巨大的進步 ， 以至于工業公司 ， 無論是在制造業還是藥物研發領域 ， 都取得了長足的進展 。 一個很好的例子是我們與禮來公司（Eli Lilly）的合作 。 他們意識到 ， 由于AI在理解蛋白質和化學品結構方面取得了非凡的進步——基本上能夠像我們與ChatGPT對話一樣與蛋白質進行互動和交談——我們將看到一些真正重大的突破 。
拉里：
所有這些突破都引發了對“人的因素”的擔憂 。 你我之間就此有過多次對話 ， 但我們需要告訴所有觀眾 ， 人們非常擔心AI會取代工作崗位 。 而你一直在論證相反的觀點 。 顯然 ， 正如你所說 ， AI的建設——歷史上最大規模的基礎設施建設——將會創造就業機會 。 能源行業在創造就業 ， 工業在創造就業 ， 基礎設施層在創造就業 ， 土地、電力和廠房都在創造就業 ， 這太不可思議了 。
所以 ， 讓我們更詳細地探討一下 。 你實際上認為我們將面臨勞動力短缺 。 那么 ， 你如何看待AI和機器人技術改變工作的性質 ， 而不是消滅工作？
黃仁勛：
我們可以從幾個不同的角度來思考這個問題 。
首先 ， 這是人類歷史上最大規模的基礎設施建設 。 這將創造大量的工作崗位 。 而且很棒的是 ， 這些工作與專業技藝（tradecraft）相關 。 我們將需要水管工、電工、建筑工人、鋼鐵工人、網絡技術員 ， 以及安裝和調試設備的人員 。 所有這些工作 ， 在美國我們正看到一個相當顯著的繁榮 。 薪水幾乎翻了一番 。
拉里：
是的 。
黃仁勛：
我們談論的是為建造芯片工廠、電腦工廠或AI工廠的人提供六位數的薪水 。 而我們在這方面存在嚴重的短缺 。 我真的很高興看到這么多國家、這么多人認識到這個重要領域 。 每個人都應該能夠過上好日子 ， 你并不需要擁有計算機科學博士學位才能做到這一點 。 所以我很高興看到這一點 。
第二點要認識到的是 ， 我們理論上討論任務的自動化及其對工作的影響 。 我只提供一些真實的軼事 ， 這些是現實世界中已經發生的事情 。
還記得10年前嗎？大家認為最早將被淘汰的職業之一是放射科醫生 。 原因在于 ， 第一個達到超人水平的AI能力是計算機視覺 ， 而計算機視覺最大的應用之一就是放射科醫生閱片 。
十年后 ， AI確實已經完全滲透并擴散到放射學的各個方面 ， 放射科醫生也確實在使用AI來研究掃描圖像 。 這種影響是100%的 ， 而且是完全真實的 。 然而 ， 毫不奇怪——如果你從第一性原理出發 ， 這并不奇怪——放射科醫生的數量反而增加了 。
拉里：
這是因為對AI缺乏信任 ， 還是因為人類與AI結果的互動能帶來更好的結果？
黃仁勛：
正是后者 。 原因是 ， 放射科醫生的工作目的（purpose）是診斷疾病 ， 幫助病人 。 這是他們工作的目的 。 工作的任務（task）包括研究掃描圖像 。 他們現在能夠以近乎無限快的速度研究掃描圖像 ， 這一事實讓他們能花更多時間與病人相處 ， 診斷他們的疾病 ， 與病人互動 ， 與其他臨床醫生互動 。
同樣不令人意外的是 ， 由于這一點 ， 醫院能夠接診的病人數增加了 ， 因為以前有很多人需要排長隊等待做掃描 。 現在 ， 因為病人數增加了 ， 醫院的收入也增加了 ， 他們就會雇傭更多的放射科醫生 。
同樣的事情也發生在護士身上 。 在美國 ， 我們短缺500萬名護士 。 由于使用AI來完成病歷記錄和病人就診的轉錄工作——護士過去要花一半的時間做記錄——現在他們可以利用AI技術 。 我們的一家合作伙伴Abridge公司在這方面做得非常出色 。 因此 ， 護士可以花更多時間探視病人 。
拉里：
人性的關懷 。
黃仁勛：
沒錯 。 因為你現在可以看更多的病人 ， 我們不再受護士數量的瓶頸限制 ， 更多的病人可以更快地進入醫院 。 結果 ， 醫院經營得更好 ， 他們就雇傭更多的護士 。
所以 ， AI正在提高他們的生產力 ， 這并不奇怪 。 結果 ， 醫院做得更好 ， 他們想雇傭更多的人 。 我們有太多的人在等待太久才能進入醫院 。 這是兩個完美的例子 。
現在 ， 思考AI對特定工作影響的最簡單方法是 ， 去理解這份工作的目的是什么 ， 以及這份工作的任務是什么 。 如果你在我們倆身上放個攝像頭 ， 只是看著我們 ， 你可能會認為我們倆是打字員 ， 因為我整天都在打字 。 如果AI能夠自動化那么多的詞語預測并幫助我們打字 ， 那么我們就會失業 。
但顯然 ， 那不是我們的目的 。 所以 ， 問題在于你工作的目的是什么 。 對于放射科醫生和護士來說 ， 目的是照顧人 。 這個目的因為任務被自動化而得到了增強 ， 變得更有效率 。 所以 ， 只要你能區分每個人的目的和任務 ， 我認為這是一個很有幫助的思考框架 。
拉里：
讓我們把討論范圍擴大到發達經濟體之外 。 幫我理解一下AI如何惠及全世界 。 我上周末讀了Anthropic的一篇文章 ， 基本說最近AI的使用主要由受過教育的社會群體主導 ， 他們甚至看到每個社會中受教育程度較高的部分使用得更頻繁 。 當然 ， 他們是基于自己的模型得出的結論 ， 所以可能存在偏見 。
那么 ， 我們如何確保AI成為一種變革性技術 ， 就像Wi-Fi和5G對新興世界那樣？當AI與新興世界及其就業狀況相交時 ， 這意味著什么？我們如何拓寬全球經濟？回到就業問題上 ， 隨著機器人技術和AI的發展 ， 肯定會有一些替代發生 。 在美國 ， 替代已經在進行中 。
我們可能創造了更多的水管工和電工 ， 但我們可能需要更少的金融機構分析師 。 律師也需要更少的分析人員 ， 因為他們能更快地積累數據 。 所以 ， 讓我們暫時轉向新興世界和發展中世界 。 你認為情況會如何發展？
黃仁勛：
首先 ， AI是基礎設施 。 我無法想象世界上有哪個國家不需要將AI作為其基礎設施的一部分 。 因為每個國家都有電力 ， 有道路 ， 你也應該有AI作為基礎設施的一部分 。
你當然可以一直進口AI ， 但如今訓練AI并非那么困難 。 因為有如此多的開放模型 ， 利用這些開放模型和你本地的專業知識 ， 你應該能夠創造出對自己國家有幫助的模型 。
所以我堅信 ， 每個國家都應該參與進來 ， 建設自己的AI基礎設施 ， 打造自己的AI ， 利用你們最根本的自然資源——也就是你們的語言和文化 ， 發展你們的AI ， 不斷完善它 ， 讓你們的國家智能（national intelligence）成為你們生態系統的一部分 。 這是第一點 。
第二點 ， 記住 ， AI超級容易使用 。 它是歷史上最容易使用的軟件 。 這就是為什么它的增長速度最快 ， 被采納得最迅速 。 在短短兩三年內 ， 用戶就接近十億人 。
首先 ， 我認為Claude非常了不起 。 Anthropic在開發Claude方面取得了巨大進步 。 我們公司到處都在使用它 。 Claude的編碼能力、推理能力 ， 它的能力真的非常驚人 。 任何擁有軟件公司的人都應該參與進來使用它 。 另一方面 ， ChatGPT可能是歷史上最成功的消費級AI ， 它的易用性和親和力 ， 我認為每個人都應該參與進來 。
無論是在發展中國家的某個人 ， 還是一個學生 ， 很明顯 ， 學習如何使用AI、如何指導AI、如何提示AI、如何管理AI、如何為AI設置護欄、如何評估AI ， 這些都至關重要 。 這些技能與領導人、管理人并沒有什么不同 ， 就像你我一直在做的事情一樣 。 未來 ， 除了生物性的、碳基的“AI”（指人類） ， 我們還將擁有數字版的AI ， 硅基版的AI ， 而我們必須管理它們 。 它們將成為我們數字勞動力的一部分 。
所以我主張 ， 對于發展中國家來說 ， 建設你們的基礎設施 ， 投身于AI ， 并認識到AI很可能會縮小技術鴻溝 。
拉里：
對嗎？
黃仁勛：
因為它如此易用、如此豐富、如此易于獲取 。 所以 ， 我實際上對AI提升新興國家的潛力相當樂觀 。 對于許多沒有計算機科學學位的人來說 ， 你們現在都可以成為程序員了 。 過去 ， 我們必須學習如何給計算機編程 。 現在 ， 你通過對計算機說“我該如何給你編程？”來編程 。
如果你不知道如何使用AI ， 就去問AI：“我不知道怎么用AI ， 我該怎么用？”它會向你解釋 。 你可以說：“我想寫個程序來創建我自己的網站 ， 該怎么做？”它會問你一系列關于你想建什么樣的網站的問題 ， 然后為你寫出代碼 。 它就是這么容易使用 。 這當然就是AI令人興奮的不可思議的力量 。
拉里：
兩個簡短的問題 ， 我們的時間快到了 。 我們現在身處歐洲 。 當我們談論很多公司時 ， 我們提到了很多美國和亞洲的公司 。 跟我們談談AI如何與歐洲的成功和未來相交 ， 以及你認為英偉達在歐洲將扮演怎樣的角色？
黃仁勛：
我有一個優勢 ， 英偉達有幸與世界上每一家AI公司合作 。 因為我們處于基礎設施的底層 ， 我們為各行各業的AI提供動力 ， 無論是語言、生物學、物理學 ， 還是與制造和機器人相關的世界模型 。
對歐洲來說 ， 真正令人興奮的是 ， 請記住 ， 你們的工業基礎非常強大 。 歐洲的工業制造基礎極其雄厚 。 這是你們現在跨越軟件時代的機會 。 美國確實引領了軟件時代 。 但AI是一種不需要編寫的軟件 。 你不是編寫AI ， 而是教導AI（You don't write AI you teach AI） 。
所以 ， 現在就盡早介入 ， 這樣你們就可以將你們的工業能力、制造能力與人工智能融合起來 。 這將帶你們進入物理AI或機器人技術的世界 。 機器人技術對歐洲國家來說是一個千載難逢的機會 。 我訪問的所有歐洲國家 ， 工業基礎都非常非常強大 。
另一件要認識到的事是 ， 歐洲的許多深層科學（deep sciences）仍然非常強大 。 現在 ， 這些深層科學可以受益于應用人工智能來加速你們的發現 。 所以我認為 ， 你們必須認真對待增加能源供應的問題 ， 這樣你們才能投資于基礎設施層 ， 從而在歐洲擁有一個豐富的人工智能生態系統 。
拉里：
所以我聽到的是 ， 我們遠未達到AI泡沫的程度 。 問題是 ， 我們的投資是否足夠？讓我們反過來看這個問題 ， 因為有太多人在談論泡沫 ， 但我從你這里聽到的是 ， 我們是否為拓寬全球經濟做了足夠的投資？
黃仁勛：
關于AI泡沫 ， 一個很好的檢驗方法是認識到 ， 英偉達現在在云端有數百萬個GPU 。 我們遍布每一個云 ， 無處不在 。 如果你現在想租一個英偉達的GPU ， 會發現極其困難 。 GPU租賃的即期價格正在上漲 ， 不僅是最新一代 ， 連兩代前的GPU租金都在上漲 。
原因在于 ， 正在創建的AI公司數量 ， 以及將研發預算轉向AI的公司數量都在增加 。 禮來公司就是一個很好的例子 。 三年前 ， 他們大部分的研發預算 ， 甚至全部 ， 可能都花在了濕實驗室（wet labs）上 。 但請注意他們投資的大型AI超級計算機 ， 那個大型AI實驗室 。 他們的研發預算將越來越多地轉向AI 。
所以 ， 所謂的AI泡沫 ， 是因為投資規模巨大 。 而投資規模之所以巨大 ， 是因為我們必須為AI之上的所有層級構建必要的基礎設施 。 所以我認為這個機會真的是非同尋常的 。
每個人都應該參與進來 。 我們需要更多的能源 。 我想我們都認識到 ， 我們需要更多的土地、電力和廠房 。 我們需要更多熟練的技術工人 。 事實上 ， 這部分勞動力在歐洲非常強大 。
拉里：
是的 。
黃仁勛：
在很多方面 ， 美國在過去二三十年里失去了這一點 。 但它在歐洲仍然非常強大 。 這是一個你們必須抓住的非凡機會 。 在我與拉里工作的地方 ， 我們看到了投資機會 ， 投資規模正在上升 。
正如我之前提到的 ， 去年是VC歷史上投資最大的一年 ， 全球超過千億美元 ， 其中大部分是AI原生公司 。 這些AI公司基本上是在構建應用層 ， 他們將需要基礎設施 ， 需要我們的投資 ， 去建設這個未來 。
拉里：
我堅信 ， 對于世界各地的養老基金來說 ， 參與其中 ， 與這個AI世界共同成長 ， 將是一項偉大的投資 。 這也是我向許多政治領袖傳達的信息之一：我們需要確保普通的養老金領取者、普通的儲戶能夠成為這一增長的一部分 。 如果他們只是袖手旁觀 ， 他們會感到被拋棄 。
黃仁勛：
我們想投資于基礎設施 ， 對吧？基礎設施是一個很好的投資選擇 。 這是人類歷史上最大規模的基礎設施建設 。 參與進來吧 。
拉里：
我們的時間到了 。 希望在座的每一位以及在線觀看直播的每一位 ， 都能看到黃仁勛作為一位領袖的力量——他不僅是技術和AI領域的領袖 ， 也是商業領域的領袖 ， 更是一位有心有魂的領袖 ， 這在今天尤為重要 ， 擁有發自內心和靈魂的領導力 。 謝謝大家 。
黃仁勛：
謝謝大家 。

    推薦閱讀