整理：Felix, PANews
本週英偉達 GTC 2026 大會作為科技領域的全球性大會，幾乎各個行業、科技公司、AI 公司都有參加，英偉達創始人兼 CEO 黃仁勳也發表了主題演講。
在為期四天的會議中，黃仁勳在 GTC 大會現場接受了 All-In Podcast 專訪，對話涵蓋英偉達的未來、物理 AI、智能體的崛起、推理能力的爆發式增長、AI 公關危機等內容。PANews 對訪談進行了整理，以下為部分對話精華。
主持人：過去一年最棒的公告之一就是收購 Groq。你當時是否意識到 Chamath（播客主持人之一，Social Capital 首席執行官）會極度沮喪？
（PANews 注：Social Capital 是 Groq 早期投資者，沮喪並不是因為虧錢，而是源於個人性格與投資風格：里程碑事件發生前最快樂，而不是之後。）
黃仁勳：我早就預感到了，畢竟我們是 Chamath 的朋友，每週都要和他打交道，完成收購的那兩週確實不太自在。事實上，我們的許多戰略早在幾年前就公開過了。兩年半前，我介紹了 AI 工廠的操作系統 “Dynamo”。Dynamo 是西門子發明的一臺將水化為電力的機器，它驅動了上一次工業革命的工廠，我認為這是下一場工業革命工廠操作系統的完美名字。在Dynamo 內部，底層技術是“解耦式推理”。當今的推理處理是極其複雜的計算問題，涉及各種形狀和大小的大規模數學運算。我們的想法是，將處理過程解耦，讓一部分在某些 GPU 上運行，另一部分在其他 GPU 上運行，從而實現異構計算。如今，英偉達的計算分佈在 GPU、CPU、交換機和網絡處理器等多個部分，現在又加入了 Groq，目的是把合適的工作負載放在合適的芯片上。我們已經從一家 GPU 公司演變成了一家 AI 工廠公司。
主持人：你們在臺上說，25% 的數據中心空間應該分配給 Groq 和這類處理器。行業如何看待這種想法？ 你們認為人們會對此作何反應？
黃仁勳：在我們添加這項技術的時候，行業正從大語言模型處理轉向智能體處理。運行智能體時，你需要訪問工作記憶、長期記憶和各種工具，它對存儲的考驗極大。數據中心裡有各種模型，如超大模型、小模型、擴散模型、自迴歸模型等。我們開發了 Vera Rubin 架構來運行這種極其多樣化的工作負載。我們的潛在市場規模（TAM）因此增加了約 33% 到 50%。增加的部分中，很大一部分將是存儲處理器（Blue Field）、Groq 處理器、CPU 和網絡處理器。所有這些將共同運行驅動 AI 革命的“智能體”計算機。
主持人：對於嵌入式應用呢？比如我女兒的泰迪熊想和她說話，裡面會放定製 ASIC，還是會有針對邊緣和嵌入式應用的不同開發工具？
黃仁勳：整體來看，解決這個問題需要三臺計算機協同工作。第一臺用於訓練和開發 AI 模型。第二臺用於在遵循物理定律的虛擬環境中評估機器人（如汽車、機器人等）。第三臺是邊緣計算機，即機器人計算機。它可以是自動駕駛汽車、機器人，也可以是泰迪熊裡的小型計算機。此外，我們正致力於將價值 2 萬億美元的電信基站行業轉化為 AI 基礎設施的一部分，未來的無線電基站將成為邊緣設備。所以這三臺基本計算機都是必要的。
主持人：你曾預測推理需求會實現 1000 倍甚至 10 億倍的爆炸式增長。現在外界有聲音說，你們建的推理工廠耗資高達 400-500 億美元，而競爭對手只需 250-300 億美元。你覺得客戶會願意支付這多出來的一倍溢價嗎？這會影響你們的市場份額嗎？
黃仁勳：絕對不要把數據中心的造價和生成 Token 的成本畫等號。我可以證明，500 億美元的工廠能為你生成成本最低的 Token，因為我們的生產效率極高。即便成本，土地、電力、存儲、網絡、服務器和冷卻等基礎成本（大約 200 億）都是固定的。如果算上這些，GPU 價格的差異平攤到整體成本中，可能只是 500 億和 400 億的區別，這並不是一個很大的百分比。但我們這個 500 億美元的數據中心提供的吞吐量是其他方案的 10 倍。在這個行業裡，如果你的技術跟不上發展步伐，那麼就算芯片是免費送的，它也不夠便宜。
主持人：作為全球最高市值公司的 CEO（明年預計營收 3500 億美元），你是如何做決策、獲取信息，並判斷該在哪些領域加碼或退出的？
黃仁勳：定義願景和戰略是 CEO 的本職工作。我們主要依靠公司內外頂尖的計算機科學家和技術人員提供信息，但必須由我們來塑造未來。我們評估一個新方向的標準是：它是不是前所未有且極其困難？ 如果一件事很容易做，那就會有無數競爭者；如果它極其困難，且正好契合我們公司的特殊“超能力”，這就是我們要找的交點。因為前所未見且極具挑戰，過程中必然伴隨大量痛苦和折磨，你最好能享受這個過程。
主持人：關於長尾業務，能否談談太空數據中心、汽車 ADAS 或是生物學等方向的長期生存能力和爆發曲線？
黃仁勳：首先是物理 AI。科技行業首次有機會去解決一個價值 50 萬億美元、過去基本沒有被技術滲透的傳統產業。我們 10 年前就開始了，現在正迎來爆發，目前它已經是我們每年近 100 億美元的大業務，呈指數級增長。其次是數字生物學。我們距離數字生物學的“ChatGPT時刻”非常近了。未來 2 到 5 年內，我們將能用 AI 表示和理解基因、蛋白質和細胞的動態，這將徹底改變醫療健康行業，農業領域也同樣正在迎來爆發。
主持人：我們看到很多愛好者和創新者痴迷於像“OpenClaw”這樣的桌面端開源智能體系統。這種基層發起的開源智能體運動，對你和行業意味著什麼？
黃仁勳：過去兩年有三次重要轉折點：第一是 ChatGPT 讓生成式 AI 大眾化；第二是具有推理能力的模型讓 AI 不僅能回答問題，還能給出更實用的答案；第三個則是行業內部出現的“Claude Code”等極具革命性的智能體系統。但 Claude Code 最初只面向企業，直到 OpenClaw 出現，才讓大眾真正意識到 AI 智能體能做什麼。更重要的是，這類系統從根本上重塑了計算模式。它擁有短期記憶（暫存盤）、能管理資源、進行任務調度、創建子智能體解決問題、還能通過 API 運行各種應用（技能）。這些要素定義了一臺計算機。這意味著我們首次擁有了可以隨處運行的開源個人 AI 計算機藍圖，它將成為現代計算的操作系統。當然，具有這種高級權限的軟件需要受到良好的治理，我們投入了大量工程師與 Peter Steinberger（OpenClaw創始人）等人合作，以確保智能體受到良好的安全治理和隱私保護。
主持人：AI 的這種範式轉變速度，是否讓近期的 AI 監管法案顯得毫無意義？對於 AI 引發的恐慌，比如 Anthropic 相關的一些公關風波，如果你是 Anthropic 董事會成員，你會給他們團隊什麼建議以改變外界看法？
黃仁勳：我們需要不斷向政策制定者普及技術現狀：AI 只是計算機軟件，它不是外星生物，沒有意識，也不像某些人說的那樣“我們對它一無所知”。我們不能讓末日論和極端主義左右政策。但政策也不能走在技術前面太快。目前最大的國家安全擔憂是：當我們因為恐懼、憤怒或偏執而不敢使用 AI 時，其他國家正在積極採用這項技術。
至於 Anthropic，他們的技術非常出色，對安全和防範的關注令人欽佩。警告人們技術的潛力是好的，但“恐嚇”就不太好了。作為科技領袖，因為我們的行業對國家安全和社會結構至關重要，我們的言論有著巨大影響力，因此在預測未來時，我們需要保持謙遜，更加平衡、溫和、深思熟慮，避免在沒有證據的情況下發表極端災難性的言論。
主持人：我們真的需要更積極地普及 AI。說到智能體爆炸帶來的生產力提升，目前關於 AI 是否有投資回報率（ROI）存在爭論。當看到 OpenAI 和 Anthropic 的爆發，你認為我們的營收規模能否跟上智能水平的擴張？
黃仁勳：環顧四周，會發現 Anthropico 和 OpenAI 都有代表，但實際上，99% 的 AI 公司都參與其中，而 Anthropico 和 OpenAI 並非其中之一。目前最受歡迎的是 OpenAI，緊隨其後的是開源模型，Anthropic 排在第三位，這說明 AI 生態非常龐大且多樣化。從生成式 AI 到推理 AI，計算量增加了 100 倍；從推理到智能體 AI，計算量可能又增加了 100 倍。人們願意為獲取信息付費，但人們更願意為“完成工作”付費。智能體系統能夠切實地幫軟件工程師把工作幹完。所以，當你計算量增加了 1 萬倍時，消耗量可能增加了 100 倍。我們目前的規模化擴張才剛剛開始。
主持人：在演講中，你提到英偉達在為工程團隊支付大量 Token 費用。粗略估算一下，每個工程師大概需要 7.5 萬 Token，你們現在每年為工程團隊花 10-20 億美元買 Token 嗎？兩三年後，這些工程師的效率會達到什麼程度？
黃仁勳：做一個思維實驗：假設你付給一位優秀的軟件工程師或 AI 研究員 50 萬美元的年薪，如果年底他告訴你他只花了 5000 美元的 Token，我會非常生氣。如果這個拿 50 萬年薪的工程師沒有消耗至少 25 萬美元的 Token，我會深感震驚和擔憂。這就像一名芯片設計師拒絕使用 CAD 工具，非要用紙和筆一樣。這也是為了給這些傑出的知識工作者配備“超人”的能力，就像詹姆斯每年花 100 萬美元保養身體一樣。
未來的範式轉變是，諸如“這太難了”、“這太花時間了”、“這需要太多人手”之類的想法將徹底消失。工作的瓶頸將僅僅取決於你的創造力。未來的編程將不再是寫代碼，而是編寫想法、架構、規範。我們會組織團隊，定義什麼是好的結果，指導如何評估，並與智能體一起頭腦風暴並迭代。我認為每個工程師都將擁有數百個智能體助手。
主持人：我們在很多技術層面看到了不可思議的效率，比如 CEO 自己週末花 90 分鐘用 Claude 和智能體替換了整個軟件棧，或者用 Auto Research 在 30 分鐘內完成了本需要 7 年的博士論文級別研究。這是否意味著企業 IT 軟件行業將被摧毀？
黃仁勳：OpenClaw 之所以如此驚人，是因為它的時機完美契合了大型語言模型的突破以及模型使用工具的新能力。有人說企業 IT 軟件行業會被摧毀，但其實還有一種觀點：過去企業軟件受限於員工數量，而未來將會有百倍於現在的智能體在瘋狂使用這些工具。它們會使用 SQL、向量數據庫、Blender、Photoshop 或 CAD 等工具，因為這些工具表現很好，並且是連接人類與工作成果的“管道”。我需要 AI 把工作結果放回 Synopsis 或 Cadence 這類工具中，因為那是我能掌控並驗證的方式。
主持人：近期加密項目 Bit Tensor 通過分佈式的方式成功訓練了一個 40 億參數的 LLaMA 模型。你如何看待開源模型的終極形態？去中心化算力和完全開源的方法會是未來的主流嗎？
黃仁勳：我們既需要作為一流產品的專有模型，也需要開源模型，這兩者是並存的。因為模型是一種技術，而不是產品或服務。對於普通消費者，使用 ChatGPT、Claude 或 Gemini 這種具有不同服務的體驗很好。但是，世界上所有的行業都需要將特定的領域專業知識沉澱在他們能夠完全控制的模型中，這隻能通過開源模型來實現。我們投資的幾乎所有初創公司，現在都是採取“開源優先”的策略，然後再逐漸過渡到專有模型。
主持人：去年拜登政府的政策限制了 AI 向全球傳播。現在新總統上任，你如何評價我們在全球傳播美國 AI 技術方面的表現？
黃仁勳：特朗普總統希望美國工業和科技在世界上保持領先、贏得勝利，併成為最富有的國家。目前，英偉達曾一度在中國放棄了 95% 的份額，現在佔有率是 0%。特朗普總統希望我們重返該市場。我們已經通過 Lutnick 部長申請並獲得了對相關公司銷售的許可證，並收到了採購訂單，目前正在重新啟動供應鏈。
在國家安全層面，當我們失去對微型電機、稀土礦物、電信網絡或能源的控制時，國家安全就會受損，我不希望讓 AI 產業步這些行業的後塵。我們不可能指望全世界只用一個通用的 AI 模型，但我們可以讓包含芯片、系統和平臺的“美國技術棧”佔據全球 90% 的份額，讓世界各國在此基礎上構建符合他們社會的公共或私有 AI 應用，這才是我們想要的結果。
主持人：你們在自動駕駛領域有很多合作伙伴，如奔馳、Uber。你們是打算做一個像 Android 那樣的開源平臺，還是像特斯拉那樣的 iOS 封閉生態？
黃仁勳：我們相信未來所有移動的物體都將實現不同程度的自動化。我們不想自己造車，而是想賦能全球每一家汽車公司去製造自動駕駛汽車。因此，我們構建了訓練計算機、模擬計算機、車載評估計算機，以及世界上首個具有推理能力的自動駕駛操作系統，它能夠像人類一樣將複雜場景分解為簡單場景來處理。我們通過垂直優化和水平創新，讓客戶自己決定：像馬斯克（特斯拉）可能只買我們的訓練計算機，而其他客戶可能想購買我們全套的軟硬件系統。我們的態度是解決問題，無論客戶如何選擇與我們合作，我們都非常歡迎。
主持人：谷歌、亞馬遜等很多大客戶也在研發自己的 AI 芯片試圖與你競爭，同時華爾街分析師預測你們到 2029 年增長率將降至 7% 並流失市場份額，你怎麼看？
黃仁勳：我們是一家構建所有堆棧和基礎模型的 AI 公司，也是全球唯一一家與世界所有 AI 公司合作的公司。他們從不給我看他們在造什麼，但我總是向他們展示我正在造什麼。只要我們跑得快，購買英偉達產品依然是最經濟的。英偉達是唯一能在任何雲、本地服務器、汽車、甚至太空中部署的架構。我們大約 40% 的業務客戶不是想買芯片，他們是想建立 AI 基礎設施，需要全套的 CUDA 堆棧，而我們擁有全棧能力。所以英偉達的市場份額實際上不降反升，比如 AWS 剛宣佈要在未來幾年購買 100 萬個芯片，Meta 和 Anthropic 也在轉向英偉達。
至於華爾街分析師，他們根本不瞭解 AI 的龐大規模和廣度。他們基於刻板印象，不相信一個市場能從 5 萬億漲到 15 萬億。大多數人認為 AI 只集中在前五大雲服務商手裡，但 AI 的影響力將遠比 OpenAI 或 Anthropic 目前展示的要大得多，英偉達解決的不再僅僅是造芯片，而是極度複雜的 AI 基礎設施問題。
主持人：能跟非專業人士解釋一下你們在太空數據中心的業務嗎？
黃仁勳：我們肯定要優先解決地球上的問題，但也應該為太空做準備，因為太空中擁有豐富的能源。主要的挑戰在於散熱：太空中無法利用傳導和對流散熱，只能依靠輻射散熱，這需要巨大的表面積，但在太空最不缺的就是空間。我們已經進入了太空，有防輻射的 CUDA 設備在全球衛星上做 AI 圖像處理，很多影像工作可以直接在太空完成，而無需傳回地球。探索太空數據中心的架構需要時間，但我們有充足的時間去探索。
主持人：醫療健康領域的系統極其臃腫，AI 要如何突破監管、在該領域發揮真正的作用？
黃仁勳：我們在醫療領域主要涉足三個方向：首先是 AI 生物學： 用於藥物發現，通過 AI 預測和理解生物行為。其次是 AI 智能體： 像 Hippocratic 等公司正在研發助手幫助診斷，這極大地改變了我們與醫生的互動方式。再次是物理 AI，瞭解物理定律的 AI，用於機器人手術。未來醫院裡的每一臺儀器（超聲、CT 等）都將內置安全的 OpenClaw 智能體，以全新的方式與患者、護士和醫生互動。
主持人：人形機器人行業曾經歷了“失落的十年”，現在我們看到了馬斯克的 Optimus 以及中國公司的驚人表現，機器人離進入我們的生活到底還有多遠？
黃仁勳：美國其實很早就發明了這個行業，但我們入場太早了，在使能技術（AI 大腦）出現前五年我們就已經精疲力竭。但現在大腦技術已經就位。從出現高功能存在的證明，到實際推出合理的產品，通常只需要 2 到 3 個週期，也就是大概 3 到 5 年內，我們就能看到機器人無處不在。
中國的實力非常強大，他們的微電子、電機、稀土和磁鐵技術是世界頂尖的，這也是機器人產業的基礎。在很大程度上，全球機器人產業將深深依賴中國的生態和供應鏈。機器人將解決勞動力短缺的問題，我們甚至可以通過虛擬現實操縱家裡的機器人幫忙做家事，或作為我們星際移民（如月球、火星）的先遣勞動力。
主持人：Anthropic 首席執行官 Dario 預測到 2030 年非基礎設施的 AI 應用（模型和智能體）收入將達到萬億美元。在未來，軟件應用層的企業如何建立護城河？面對不可避免的失業（比如司機），你對即將步入社會的年輕人有什麼學習建議？
黃仁勳：我認為 Dario 的預測非常保守，他們會做得更好。他沒有考慮到，未來每一個企業軟件公司都將成為這些底層大模型（如Anthropic、OpenAI）的增值經銷商（VAR），這會極大地擴展市場。
應用層真正的護城河是深度專業化。通用雲模型會連接到軟件公司的智能體系統，但你必須用自己的數據去訓練專門領域的子智能體。儘早將你的智能體與客戶連接，專業領域的飛輪效應會越轉越快，軟件平臺有機會成為垂直領域的專家。關於就業，工作確實會發生變化，部分工作會被淘汰，但也會創造出很多新工作。例如，自動駕駛普及後，現有的司機可能會變成隨車的“出行助理”，在車上幫你處理行李或安排酒店行程。就像飛機的自動駕駛儀反而創造了更多飛行員需求一樣。
我對年輕人的建議是：深耕科學和數學，同時語言技能也很重要。因為語言就是 AI 的終極編程語言。此外，無論你接受什麼教育，必須要成為熟練使用 AI 的專家。 當年深度學習剛起步時，有專家預言放射科醫生會失業。但 10 年後的今天，計算機視覺 100% 集成到了醫療平臺中，放射科醫生的需求反而激增了。因為掃描速度變快，醫院能接診更多病人，營收增加從而僱傭了更多醫生。同理，生產力提高會讓國家更富裕，有條件在教室裡配備更多的老師，配合 AI 為每個學生制定個性化的課程，每一位學生都需要優秀的老師。面對 AI，我們不需要去進行散佈恐懼的末日論，我們能自主選擇如何利用這項技術創造美好的未來。
相關閱讀：AI行業也有自己的中本聰——黃仁勳
