即便 ChatGPT 从未问世，科技巨头英伟达（NVIDIA）也依旧会是赢家。英伟达创始人黄仁勋表示，摩尔定律的终结，让加速计算的转型成为必然趋势，这与外界对人工智能 “泡沫” 的种种议论毫无关联。访谈中围绕 2026 年初人工智能行业的发展现状，进行了一场内容广泛的探讨。黄仁勋回顾了 2025 年最令人意外的行业变局，包括推理能力的飞速提升，以及推理代币的盈利潜力。他还阐述了为何人工智能将提升生产力，却未必会造成大规模失业，同时解读了实体人工智能与机器人技术如何助力缓解劳动力短缺问题。最后，黄仁勋分享了自己对 2026 年的展望，其中包括他对中美关系持乐观态度的原因、开源技术对维持国家竞争力的核心意义，以及哪些行业即将迎来属于自己的 “ChatGPT 时刻”。《No Priors》

{"highlight":[{"question":"随着成本下降，通常会催生新的应用或新的垂直领域，变得越来越容易触及。我们刚才聊了编码，比如Cursor和Cognition等公司在过去一年确实从中受益。你对未来尤其是2026年可能出现的下一个突破性行业、新应用或领域有什么想法或预测？有没有一两个你认为会……","answer":"因为两三个因素。我觉得有几个行业将经历它们的“ChatGPT时刻”。我相信多模态和超长上下文当然会催生非常酷的聊天机器人。但这种基础架构，结合合成数据生成的突破，将帮助数字生物学迎来“ChatGPT时刻”。那个时刻要来了。你说的数字生物学具体是指蛋白质折叠、蛋白质结合等方面，还是指诊断？我明白了。蛋白质合成。我认为我们在蛋白质理解方面已经很擅长了。现在，多蛋白理解正在兴起。我们最近发布了一个叫LotProtina的模型，是开源的，用于多蛋白理解、表示学习和生成。所以我觉得蛋白质理解进展非常快。现在，蛋白质生成也将快速发展。蛋白质领域的“ChatGPT时刻”。是的，有很多有趣的公司在以端到端的方式进行分子设计。没错。还有化学理解和化学生成。然后是蛋白质、化学构象的理解和生成。对吧？所以这种结合——生成式AI时刻、多模态等所有这些——都将汇聚到数字生物学领域。你提到新行业，或者我是这么想的，还要投资于AI的输入。生物学、化学、材料科学这些领域都需要真实世界的数据生成和实验。这也是新的基础设施。合成数据会非常重要，因为它们的数据太稀疏了，对吧？数据稀疏性。它们没有人类语言那么多的数据。在那里，真正的突破将是当我们能训练出一个世界基础模型——蛋白质基础模型、细胞基础模型。我对这两个都非常兴奋。一旦有了基础模型，我们的理解能力、生成能力，那个数据飞轮就会真正启动。我兴奋的第二个领域是，语言推理已经取得了巨大突破。但因为推理能力，汽车性能会更好。所以不再只是感知型汽车和规划型汽车，而是推理型汽车。这些汽车会一直“思考”。当遇到从未见过的情况时，它们可以把它分解成见过的情况，构建推理系统来导航。所以AI的域外（out-of-domain）、分布外（out-of-distribution）问题将通过推理系统得到很大解决。因此，我们能做的事情会超出被教授的范围。结合生成式AI、多模态视觉-语言-动作模型和推理系统，我认为我们会在人形机器人或多具身机器人领域看到重大突破。你认为时间框架是多久？因为看看自动驾驶的例子，显然自动驾驶技术基于的神经网络类型和我们现在用的非常不同。过去两三年，这方面的技术已经有了很大的转变。我们开始得太早了。自动驾驶汽车实际上有四个时代。第一个时代是智能传感器接入汽车——Mobileye时代。Mobileye时代。甚至最早的微博时代。ADAS（高级驾驶辅助系统），是的。甚至最早的微博时代。用的是智能传感器，很多人工设计的算法。还有精确地图。对，极端详细的地图。地图，然后是不同的规划和感知系统。没错。所以本质上是打造了在“数字轨道”上行驶的汽车，对吧？和迪士尼乐园的轨道没什么不同，只是变成了数字轨道。这是第一代。第二代。在那个时代，有感知、世界模型和规划模块。每个模块都有其技术局限。深度学习首先影响了感知，然后才传播到整个流程。但那个系统太脆弱了，只知道做被训练的事。现在我们处于端到端模型时代。接下来将是带推理的端到端模型。对，就是这样。这就是四个时代。很多时候，如果自动驾驶汽车三年前才开始，可能现在会处于同样的阶段。那些在自动驾驶领域奋斗的朋友们真不容易。是啊。我已经做了10年了。顺便说一下，英伟达的自动驾驶汽车系统现在是世界安全评级第一。上周刚拿到的。第二名是特斯拉。所以我很自豪两家美国公司名列前茅。所以从机器人技术来看，你认为因为我们已经在现代构建了所有这些技术，机器人不会再有10到15年的滞后？没错。我们更乐观。我们会直接进入新阶段。我对机器人技术更乐观，因为我们已经推进了基础技术。我们为此付出了很多。现在，人们在考虑人形机器人。人形机器人有很多挑战，比如机电一体化方面。比如，如果机器人重300磅，那就没什么用了。嗯。如果它摔倒了，还和孩子互动怎么办？所以有很多挑战要解决。但我相信我们能解决。英伟达获得的安全评级。那些为此工作了很久的人。这需要大量资本，非常密集。还有供应链、硬件，各种额外的复杂性。"},{"answer":"我想想，有些事情并不让我意外。比如规模定律，这在我们意料之中，因为早就有所了解。技术进步也没让我意外。我对锚定能力的提升感到满意，对推理能力的进步感到满意，也对所有模型与搜索功能的连接感到满意。现在这些模型前有了“路由器”，能根据答案的可信度去开展必要的研究，总体上提高了答案的质量和准确性，这点我也很满意。对此我非常自豪。我认为整个行业解决了人工智能面临的一大质疑，也就是幻觉、生成无意义内容之类的问题。我觉得今年，整个行业——从语言、视觉到 robotics、自动驾驶汽车等各个领域，在推理的应用和答案的锚定方面都取得了巨大飞跃。或许让我有点意外的是，推理过程中的令牌生成速率，尤其是推理令牌，增长得如此之快，似乎同时呈现出多种指数级增长态势。而且我很高兴这些令牌现在能盈利了，人们在不断生成它们。我今天听说，OpenEvidence 的毛利率达到了90%。这些令牌的盈利能力很强。Cursor 的利润率很高，Anthropic 的 Claude 在企业级应用上的利润率也很可观。总之，看到我们现在能生成质量足够好、价值足够高，让人们愿意为之付费的令牌，真是太棒了。今年，与中国相关的叙事占据了我很多时间，地缘政治以及技术在各国的重要性都是我关注的。我今年的全球旅行时间比以往任何时候加起来都多。我花了很多时间在专家管控上，确保我们的策略细致入微、有扎实依据，既促进国家安全，又兼顾国家安全的各个方面。还有很多关于就业、人工智能影响、能源和劳动力短缺的讨论。","question":"那么，2025年发生了这么多事，而你身处这一漩涡中心，回顾起来，你觉得最让你意外的是什么，或者说最大的变化是什么？"},{"answer":"我乐观地认为，我们与中国的关系会改善。特朗普总统和本届政府对中国有着非常务实和常识性的态度与哲学。他们是对手，但在很多方面也是伙伴。脱钩的想法很天真。无论出于什么原因——哲学或国家安全——脱钩都没有常识基础。你越深入研究，就会发现两国实际上高度耦合。两国都应该投资于自身的独立性。你知道，过度依赖某人会让关系变得太情绪化。所以有一定独立性是好的，或者说两国想有多少独立性就有多少。但要认识到两国之间有很多耦合和依赖。我认为需要一种微妙的策略和态度来管理这种关系，为两国人民和世界人民创造富有成效的局面。下个世纪最重要的关系就是这两个最重要国家之间的关系，所有人都依赖这种富有成效的建设性关系。所以我们必须找到答案。我很高兴特朗普总统在寻求建设性的答案。所以我认为明年会比过去几年好得多。我很高兴政府能够提出基于国家安全的出口管制政策，认识到他们自己已经能生产很多芯片了。他们可以依靠华为来满足军事和国家安全需求。他们已经有足够的技术了。所以美国技术虽然是通用的，但不太可能被他们的军方使用，因为他们的军方和我们的军方一样聪明，不会用对方的技术。这基于国家安全、技术领先和国家繁荣。我们必须记住，世界上最强大的军队由世界上最强大的经济支撑。我们创造的财富带来了国内就业，让国家更繁荣，从而能解决国内问题和社会问题。所以事实是，我们需要能源来增长。我们需要各种形式的能源，比如天然气。当然，我们需要电网有更多能源，电表后面也有更多能源。我们需要核能。风能不够，太阳能也不够。我们得承认，有多少要多少。但事实是，我认为未来十年，天然气可能是唯一的出路。有趣的是，我同意时间线太长，无法解决2027和2028年人们的发电问题，那时大型集群建设者会非常担心。但美国气候创新的最大驱动力，其实是AI基础设施问题，对吧？因为人们看到了需求。没错。他们看到了需求。这种需求正推动人们创建大型新电池公司、太阳能聚光器，为小型模块化反应堆（SMRs）注入新动力。AI产业正在推动所有这些可持续能源产业。是啊。因为人们看到了需求，对吧？所以即使短期内除了天然气别无他法，这仍然推动了气候创新。没错。毫无疑问。我认为你说得对，历史会证明，如果没有AI，AI可能是可持续能源最大的驱动力。是啊。我一个朋友说过：“末日论者在晚宴上听起来很聪明，而乐观主义者推动人类前进。”我觉得这对我们谈论的所有事情都适用。太对了。过去一年的一个重要收获就是叙事之战。把末日论者说的都当成无关紧要，这太简单了，不对。他们说了很多合理的话。把乐观主义者当成天真，也太简单了。乐观需要基于现实。显然不是这样。但我们要注意平衡。当90%的信息都是世界末日和悲观情绪时，我认为我们在吓唬人们，让他们不敢投资AI，而这些投资能让AI更安全、更实用、更高效、更造福社会，让我们更安全。所有这些都需要技术。安全需要技术，保障需要技术。我很感激我的车因为有比50年前更好的技术而更安全。所以我认为技术才能带来安全和保障。我很高兴看到技术进步仍在加速。所以我们必须确保世界各国的政策制定者、政府都在平衡这两种观点。","question":"所以我想我们聊了很多2025年的叙事。你如何看待2026年？有什么让你兴奋的？你认为会有什么变化？我们应该注意什么？"},{"answer":"我从三个时间维度来谈吧：近期、长远以及一些反向观点。短期内，人工智能是软件，但不是预先录制好的。它每次都会首次生成每个令牌，需要计算机来生成这些令牌。我称之为“AI工厂”。三个新行业已经兴起：我们需要建造更多芯片工厂、新的超级计算机工厂和新的AI工厂。这些在美国正在大规模建设，为建筑工人、水管工、电工、技术员、网络工程师等创造了大量就业机会。电工的薪水翻了一番，还需要出差工作。人工智能对就业的近期影响：以放射科为例。杰夫·辛顿曾说人工智能会彻底改变放射科，放射科医生将不再被需要，但现在100%的放射科应用都由AI驱动，而放射科医生的数量却增加了。区别在于工作的“任务”与“目的”。放射科医生的任务是研究影像，目的是诊断疾病和进行研究。AI自动化了任务，让他们能研究更多影像、提出更多需求、做出更好的诊断，医院效率更高、患者更多、收入增加，从而雇佣更多放射科医生。类似地，我的任务是打字，但目的并非打字；AI自动化了打字，反而让我有更多工作要做，更忙碌。人们说机器人会抢走工作，但我们正面临劳动力短缺——工厂工人、卡车司机等岗位因工作不受欢迎、人口老龄化而短缺。自动化将填补劳动力短缺的缺口。而且，就像有汽车就需要机械师一样，十亿台机器人将催生出最大的维修行业。人工智能行业正在创造就业热潮。对律师而言，任务是阅读/撰写合同，目的是解决冲突和保护客户；AI自动化的是任务，而非目的。","question":"你能谈谈你对就业和工作岗位的看法吗？人们都在说些什么，而你认为真实的情况是怎样的？"},{"answer":"人工智能是关于智能的自动化，结合机电一体化来执行任务。其技术栈有五层：能源、芯片、基础设施（硬件/软件）、AI模型（理解多种信息模态的模型系统）以及应用（特定行业）。开源至关重要。前沿模型可能采用闭源，但各行业（制造业、交通运输、医疗等）的初创公司和企业需要开源来调整、微调并训练特定领域的模型。没有开源，初创企业、高等教育和学术研究将受到扼杀。无处不在的开源推动着数据中心、电信和工业应用的发展。那种单一“上帝AI”的说法毫无帮助；人工智能是多样化的，我们需要海量多样化的应用。美国的优势在于整个技术栈。“上帝AI”是圣经或银河级别的概念，不切实际。我们应关注实用和常识。一些知名人士提出的极端叙事（末日论、世界末日）是有害的，会损害行业、社会和政府。那些主张对他人进行监管的公司可能存在监管俘获，动机有冲突。过去2-3年，行业发展迅速，解决了锚定、推理、研究等问题，提升了AI的实际功能。安全首先在于性能（如宣传般有效运作）。未来10年，要做大量工作确保AI如宣传般运作。企业正在构建合成数据生成技术，以打造更具锚定能力、更多样、更少偏见、更安全的AI；还在开发用于网络安全的AI。AI的低边际成本意味着会有更多AI相互监控，就像更多警察保障安全一样。","question":"你能分享一下你对中国在人工智能和开源领域的崛起，以及美国在开源和自身产业方面应该采取什么措施的看法吗？"},{"answer":"我忘了具体数据，但你知道，安德烈·卡帕西（Andre Carpathi）估算过最初构建ChatGPT的成本，我记得是和现在对比。我觉得现在用个人电脑就能做到了。是啊，没错。目前可能也就几万美元，甚至可能更少。对吧？所以成本几乎为零。他有个开源项目，一个周末就能搞定。哦，真的吗？太不可思议了，对吧？我们说的才过去三年。嗯。以前人们说这要花数十亿美元。要建超级计算机，筹集数十亿美元才能做到这一切。现在呢，成本低到你用个人电脑一个周末就能搞定。所以这说明AI的成本效益提升速度有多快。哦对了，可能我说“个人电脑”不太准确。好吧，不完全是个人电脑。但我们的架构和性能每年都在改进。我记得第一代GPT是在Voltus芯片上训练的。嗯。然后是Ampere（安培架构）。而且，我觉得最初的那些突破，都还没用到Hopper（霍珀架构）。嗯。当然，Hopper是过去两三年才出来的。而我们过去一年半左右一直在用Blackwell（ Blackwell架构）。每一代架构都在改进。当然，晶体管数量和容量也在增加。而且从计算角度来看，每一代结合这些进步，每年很容易就能实现5到10倍的提升。嗯。这很常见。综合来看，如果你告诉我未来10年， token生成成本会降低10亿倍，我不会感到惊讶。嗯。而且这可能是过去几年硅谷大多数研究人员读过的最重要的论文。它是唯一感觉开放且前沿的东西。没错。多年来都是这样。这是因为很多实验室都不开放。这就是开源的价值所在。是的。发表这些论文。DeepSeek（深度求索）确实让美国的初创公司和AI实验室都受益了。还有基础设施公司，全球的基础设施公司。这可能是去年对美国AI最大的贡献了。所以如果你大声说出来，当然，人们可能会有点不安——美国AI实际上是在向其他国家的AI学习并从中受益。但这有什么好惊讶的呢？美国各地的AI研究人员很多都是华裔或来自不同国家。我们从每个国家受益，从每个研究人员受益。世界上所有的想法不一定都要来自美国。所以回到你最初的问题，确实，关于AI成本的一些说法是为了吓跑市场上的其他人。你知道，“除了我们，没人应该做预训练”，“除了我们，没人应该训练这些前沿模型”。但由于模型、算法和计算栈的创新，AI的成本实际上每年下降远远超过10倍。所以即使你落后一年甚至六个月，也能紧跟上来。","question":"与此同时，模型公司却在谈论成本如何不断上升，以及构建这些模型需要巨大的资本护城河。你如何看待训练成本和推理成本随时间的变化，以及这对普通终端用户、试图竞争的普通初创公司或想要在这个行业做得更多的人意味着什么？"},{"answer":"AI泡沫。有很多角度可以分析。所以，当被问到这个问题时，我会想：什么是AI？我们处于什么阶段？有AI，然后有计算。你知道，英伟达发明了加速计算。加速计算用于计算机图形和渲染，AI不做这个。加速计算用于数据处理、SQL数据处理，AI不做这个。加速计算用于分子动力学和量子化学，AI不做这个。这些都是人们可能说“总有一天AI会做”，但今天它不做的事情。加速计算对经典机器学习至关重要——XGBoost、推荐系统、整个特征工程过程、抽取-加载-转换（ETL）。整个数据科学、机器学习生命周期都在用加速计算。首先要明确的是，在英伟达的语境下，我们看到的趋势是从通用计算向加速计算转变，因为摩尔定律基本结束了。你不能再像以前那样用CPU做所有事情了。效率不够，通缩性也不够。所以我们必须转向新的计算模型，这就是加速计算的用武之地。如果生成式AI——或者说聊天机器人，比如OpenAI、Anthropic、Gemini——今天都不存在，英伟达仍然会是一家市值数千亿美元的公司。原因是，计算的基础正在转向加速计算。首先要退一步想想实际发生了什么。接下来，关于AI的问题变成：什么是AI？当我们问AI泡沫问题时，总会回到OpenAI的收入，对吧？你问别人“有AI泡沫吗？”，所有人都会直接想到OpenAI的收入。首先，如果OpenAI现在的算力翻倍，收入就会翻倍。你们都知道。如果算力是现在的10倍，我相信收入也会是10倍。所以他们需要算力。这和英伟达需要台积电的晶圆没什么不同。不能因为英伟达做得好就说我们不需要晶圆了——我们需要。他们也需要算力工厂。没有算力工厂，怎么生成token？这就是我们今天谈话的起点。所以他们需要算力工厂来增长收入。但关键是，AI不仅仅是聊天机器人。它包括所有这些不同的科学领域。英伟达的自动驾驶业务即将达到100亿美元收入，没人谈论这个。你需要训练世界模型，训练自动驾驶系统。自动驾驶出租车正在全球兴起。我们在数字生物学、金融服务方面的AI工作也是如此。量化交易行业正在发生巨大转变。没错。他们以前用经典机器学习，一大堆人工特征工程。所谓的“宽客”（quants）——这些专业数学家试图找出预测特征。现在，我们用AI来做这个。所以如果从外到内，或者从基础向上推理，你会得出结论：我们三个人都在经历的——计算需求大得离谱。举个例子，有哪家初创公司说“我们算力够了”？他们都在抢算力。举个例子，有哪个大学研究员、公司科学家说“算力够了”？所有人都在抢算力。所以我们面临的是全球性的、跨公司、跨行业的算力短缺。这不仅仅是OpenAI的问题，尽管OpenAI也需要更多算力。所以我觉得这种叙事没什么帮助。简单地说“如何证明有AI泡沫？”——120亿美元收入，数千亿美元的基础设施在建——这种说法太肤浅了。","question":"黄仁勋，我的其他投资者朋友会饶不了我，如果我不问你2026年商业层面的问题。我们正处于AI泡沫中吗？"}]}