|
在今年3月提出“AI工厂“概念之后，英伟达CEO黄仁勋一直在推广他的“人工智能是下一场制造业革命”的观点。 “一个全新的产业正在诞生，即AI工厂产业。” “英伟达不仅造芯片，而是构建整条AI基础设施链条。” 在5月6日下午（美西时间）2025年米尔肯研究院全球大会的最新对话上，黄仁勋再次强调。 米尔肯研究院主办的年度高端论坛，聚集全球政商领袖、科技先锋和学界专家，有“西海岸的达沃斯”之称。 这场对话中，最值得反复咀嚼的，是黄仁勋对AI、全球化与人才的三重思考。 他始终强调，AI不是某种上层应用，而是一种新的基础设施，就像水、电、网一样，最终将嵌入每一个行业、每一个岗位。 他说自己每天都用AI来训练自己，从初级到博士级别不断向下钻研。“我建议大家百分之一百要使用AI。不要成为那个忽视技术结果、最后失去自己饭碗的人。” 在出口限制问题上，黄仁勋的态度保持了一致性，毕竟英伟达可是全球化最强的大块头之一。他认为，限制几块GPU，改写不了一个国家的军事实力，却可能丧失全球技术标准的主导权。 “如果我们自己退出某个市场，别人一定会迅速补位。比如华为，它是全球最具竞争力的科技公司之一，如果我们不做，他们一定会做。” 谈到人才，黄仁勋说的标准似乎并不复杂。他讲英伟达的文化，详细描述了芯片制造的过程，对于人才的要求不言自明：你有没有那种愿意自学、敢于摸索、不靠背景、硬啃技术的劲头。 这场对话由米尔肯研究院主席迈克尔·米尔肯（Michael Milken）主持。我们一直认为一个好的提问，总会有一些值得咀嚼的答案在等候。这次也是。 聪明投资者（ID:Capital-nature）精译全程分享给大家。Enjoy it～
 米尔肯 人工智能，这是下一场工业革命吗？ 所以我们了解AI的能力，这本身就已经具有颠覆性。 它的本质跟以往任何IT技术都不同。过去的IT工具是被动的，你得主动去用它，你要坐在电脑前操控它，但现在AI具备了“自动化”的能力。 我们过去理解机器人是有实体的，但你可以想象，现在出现的是“数字机器人”，它在你的电脑里、数据中心里，为你完成任务。 这才是最让人兴奋的地方。因为这是第一次，AI不只是IT技术的升级换代，而是第一次，它有可能真正增强数字劳动力，带来生产力的跃迁。它不仅在一个万亿美元的IT行业里起作用，而是在一个规模达百万亿美元的广义经济体中产生影响。 第一层变化，是技术范式的彻底转变。 第二层变化，是AI是怎么“制造”出来的。 过去一代的计算机，是人类手动编写代码，运行在CPU上。而我们英伟达花了33年，建立了一种全新的计算机理念：机器自己学习、自己写代码。它运行在我们发明的加速计算平台上，使用GPU来处理。 所以，AI的生成本质上是靠“AI数据中心”——但说它是“数据中心”其实不准确，更贴切的说法是：它是一座工厂。 它不像传统的数据中心。它规模庞大，耗电显著。 你给它输入能量，它就“制造”出所谓的token。token其实是数字，可以转化为文字、图像、视频、化学分子、蛋白质组合用于药物研发，甚至是驾驶机器人或自动驾驶所需的运动技能。这些token正在被“制造”出来。 这就意味着，一个全新的产业正在诞生，即AI工厂产业。 这些工厂有多大？可以达到1千兆瓦的规模。我们目前正在建设的，就有这么大。 一座千兆瓦的AI工厂，投资在500到600亿美元之间。预计未来10年，全球建起数十座这样的AI工厂。 第三层变化，也是最深远的，这是人类历史上第一次，出现了一种技术，几乎能影响所有行业。从金融服务、医疗健康、制造物流，到零售、电商、娱乐等等，AI工厂正在成为这些行业的新型基础设施。 就像过去IT基础设施的建立一样，虽然很多人当时看不懂，但最终成了不可或缺的一部分。 在信息化基础设施之前，我们经历的是能源基础设施的时代。现在，迎来的是“智能基础设施”的时代。 互联网是信息基础设施，而人工智能，就是当下的这一代基础设施。 所以，当你从不同的角度去理解AI，就能开始明白它对科技行业的影响，它不仅推动了一个全新的产业的诞生，成为每个国家都想参与的赛道；只要你有多余的能源，你就会想要进入这个行业。 同时，它也成为将影响所有行业的关键基础设施。
我在60年代其实是有“比较优势”的，因为我能用脑子快速计算出农作物的产量。 可到了1970年，计算器问世了，我被“技术淘汰”了（笑）。 后来我还能记住数百万笔交易，但计算机出现后，它们就能自动存储这些交易数据。 那么，你怎么看“工作”这个概念，与英伟达所提供技术之间的关系？ 现实是：每个工作都会被AI影响。 有些岗位会被取代，有些岗位会被创造，但没有一个岗位是可以免于被影响。 短期内，也许AI不会直接取代你的工作，但它会让使用AI的人取代你。 这已经是大家普遍认同的观点了。但我想补充两个极端例子： 一个极端是：整个计算机技术和计算机科学，大约让全球三千万人受益。他们懂编程、会使用技术，并把这项技术发挥到了极致。 这些人过去三十年里的确受益匪浅——这可能是过去几十年中，最具创造财富能力的行业之一。 我本可以成为一名石油工程师，我爸就是；我也本可以成为医生，我妈一直觉得每个人都应该当医生（笑）； 但我最后选择了计算机工程，事实证明，这是一个很不错的决定。 但全球只有三千万人在这个行业。可以说：过去几十年，我们制造了人类历史上最大的一次技术鸿沟。 我们发明了这个强大的工具，我们懂得如何使用它。世界上剩下的七十多亿人，并不懂。 而AI，反过来，可能正是缩小技术鸿沟的最大机会。 比如我们看看这个会场，可能只有少数几个人会写 C++，同样也只有极少数人会写 C，但我敢说在座的每一个人都能“编程AI”。 因为AI会用任何你习惯的方式与你交流： 你可以画一张图，它看得懂； 你可以说一段话，它听得懂； 你可以写一段prompt，不管你写得清楚还是模糊，它都能理解； 甚至你可以直接告诉它：“我不会编程，你教我怎么编你。”它就会一步步教你。 这说明：这是人类历史上最容易使用的技术之一。 无论你是老师还是学生，都能用它做辅导。我每天都在用AI来辅导我自己。 我相信，AI真的让我们有机会用一种前所未有的方式弥合科技差距。 另一个极端是：别忘了，我们其实正处在劳动力短缺的时代，我们缺人。 我们现在面临的不是劳动力过剩，而是劳动力短缺。而历史上第一次，我们真正拥有一种可能性，能去填补这个缺口，能让全球重回三千万、四千万名劳动力的规模，这在过去几乎是不可能的。 所以你可以说，人工智能可能是提升全球GDP的最佳手段之一。 这就是我们看待AI的两种额外视角。 与此同时，我建议大家百分之一百要使用AI。不要成为那个忽视技术、最后失去自己饭碗的人。 你只需要拿起手机，像Perplexity、ChatGPT、Gemini Pro就很不错，我自己三个都会用。 你可以问它任何关于AI的问题。你问得越深，它回答得越深。 我自己在探索一些新领域时，会先让它“用12岁孩子能懂的方式”来解释，再逐步深入到“博士水平”。 你们也完全可以这样做。
我过去有幸资助过许多创业者，比如MCI的比尔·麦高文（Bill McGowan）。他当年试图挑战AT&T那种占据99%市场份额的巨头。 你也经历过类似的创业早期：那时候你自己都不知道能不能活下来，经常还要担心月底怎么发工资。 我想问的是：那些比你有更多资金资源的大公司，错过了什么？比如英特尔当年错过了什么？他们没看见什么？ 我们公司一开始的愿景是：发明一种全新的计算方式，用来解决传统计算机无法解决的问题。 但你想啊，如果你把这个目标写成一句话，比如“我要造一辆新车，能去普通汽车去不了的地方”，这听起来就像是，你要去的地方可能根本没有修路，或者……压根不值得去。 所以我们当初的愿景虽然宏大，但也很孤独。因为整个行业、整个经济系统，都倾向于选择那些能解决的问题。 没人愿意投身于无解的问题。而我们在的那个方向，就是那种无人拓荒之地。 问题太难，解决者太少，客户也不多。因为客户也想选可以解决的问题，而不是解决不了的问题。 英特尔当时也一直在看着我们做的事。你刚才说得对，他们确实拥有更多资金来源，因为他们在原有业务上实在太成功了，成功到让他们直接否定我们在做的事情。 这反而对我们是天大的好事。 为什么我们走得这么慢？因为这条路真的很难。 为什么我们能孤独地坚持下来？因为没人来打扰我们，他们都觉得这不值得去做。 前不久我翻了一本书，就是彼得·蒂尔（Peter Thiel）写的《从0到1》。我随便翻了几页，觉得它其实也像是在讲英伟达的故事。 我们选择了一条“没人相信会成功”的路，确实很难，也确实没人看好。 但在我们看来，这一切都非常合理。 正因为它太难，正因为别人太成功以至于懒得尝试，所以他们放弃了，我们坚持了下来。 如果用《星际迷航》的台词来说，就是“勇敢前往无人涉足之地（To boldly go where no one has gone before）”。你们是怎么做到的？ 黄仁勋 这其中当然没有任何保证。但我们公司身上确实有一些特别之处，而这些特质，作为个人，我非常珍惜。甚至我希望我的孩子、我爱的人，也能有类似的经历或者体验。 那种经历过漫长挣扎之后所带来的东西，你永远不会把任何事情视为理所当然。你会变得极度高效，事事都想节省开支，因为你不知道接下来还要撑多久。 你会变得无比坚韧，因为走到今天花了太长的时间。 这些特质已经内化为公司文化的一部分。 哪怕是现在，我们仍然在进行一些5年、10年周期的研发任务。 比如，在“物理AI”（也就是通向机器人世界的AI）这个全新领域里，我们可能是全球走得最深的一家公司； 再比如，针对下一代AI的基础性技术，我们也可能走得最远。 我们这家公司，一方面敢于有大梦想，另一方面又有足够的韧性与气质，能一直苦熬下去直到梦想实现。 我认为这非常宝贵。 还有一个很重要的文化就是：我们公司一直处于“要破产”的状态，过去三十年，我们始终处于那种 “再不努力可能就没了”的状态。 所以我们从不把任何事情当成理所当然。 当我们遭遇挫折，我不会太惊讶；当我们犯错，我也不会太意外；当我们获得成功，我们不会过度庆祝。 我们不会骄傲自满，而是始终专注于手头的工作。 我想，这种精神来自我们公司从零开始、一步步熬出来的历史。
大家都对造芯片很着迷，但根本不知道从何入手。美国通过了CHIPS法案，要投资620亿美元，结果6个月后才发现，美国根本没人会建芯片工厂，还得从台湾调7000人来。 黄仁勋 没错，就像所有事情一样，我认为工艺与匠心非常重要。无论做什么，真正的技艺与对细节的执着始终不可或缺。 如果你真的想学造芯片，我建议从YouTube开始（笑）。 但说实话，我们公司确实非常擅长造芯片。 我们之所以能做到，是因为我们不仅造芯片，我们是从白纸开始，重新设计一整套全新的计算架构。 我们不仅设计芯片，还设计系统，设计网络，搭建基础设施，编写软件，推动开发生态。再将整套系统带到市场上，吸引全球开发者在我们的平台上进行二次开发，就像大家会为 iPhone 或 Windows 开发应用一样，如今也会为 Nvidia 开发。 从60年代的IBM以后，再没有一家像我们这样全栈造计算机的公司了。 我们不仅造芯片，而是构建整条AI基础设施链条。 你如果看我们现在的系统，每个芯片系统重达一吨半，价格约300万美元，而且是量产的！ 我们制造它、组装它、然后测试它，甚至要用超级计算机来测试超级计算机，因为你必须用聪明的计算机来验证你造出来的是否真的聪明。 这些系统全部是液冷散热。我们会对它们进行完整测试、组装、拆解、再装进飞机，运到世界各地的数据中心，再重新安装——整个过程涉及全球200家制造商和供应链合作伙伴。 我们每年大概制造几千亿美元规模的系统。就此刻来看，我们可能已经是全球最大的科技公司之一，至少是芯片领域的领先者。 这件事真的非常不容易。我们每一代产品的研发预算，大概都在200亿到300亿美元之间。这是一个巨大的产业游戏。 但我们正进入的这个行业，也就是智能产业，它未来的规模，很可能将以数万亿美元来计量。所以我们今天做出的这些投资，完全是值得的，它是为未来的巨大机会所准备的。
黄仁勋 英伟达的技术，常被称为“国家级资产”。 这项技术对于人工智能这一全新产业来说，无疑是基础性、战略性的核心技术。 从一个角度来看，确实有人主张：我们应该只把这项技术提供给“值得信任的盟友”，要防止它落入可能被用于军事用途的对手手中，这是出于国家安全和经济安全的考虑。 但我要明确指出：这个逻辑存在根本性的错误。 因为，没有任何一个国家的军事能力，是靠国内是否有最新GPU来决定的。 我们美国不是，其他国家也不是。 如果某个国家真的要在军事领域取得进展，它不会被所谓“是否买得到最新芯片”所限制。事实上，全世界早就有数百万颗英伟达的芯片在运行，分布在几乎所有国家。 所以，你再限制几块GPU的出口，并不会改变任何国家的军事能力。这种限制在遏制对手军事进展上根本无效。 那为什么我们反而应该继续出口这些技术？ 因为，我们要的是让全球AI的生态，建立在美国的技术标准之上。 我们要让全世界在构建AI基础设施时，采用的是英伟达的硬件、美国的架构、美国的生态，而不是别人的。 而如果我们自己退出某个市场，别人一定会迅速补位。比如华为，它是全球最具竞争力的科技公司之一，如果我们不做，他们一定会做。 所以从战略层面看，这不仅关乎商业机会，更关乎技术标准的主导权。我们需要在市场上赢得胜利，让“美国标准成为全球标准”。 这也是为什么，我们认为持续参与全球市场、继续出口，是完全有必要的。 更不用说，这是一个极其巨大的市场。 以中国为例，哪怕在出口被限制的情况下，中国市场在未来几年依然是一个500亿美元的市场。 这是什么概念？你可以把它类比成整个波音公司的体量，这可不是一架飞机，是整家波音公司！ 这不仅是一个商业上的巨大机会，还是能够带来税收、创造就业、推动美国科技继续领先的关键路径。
那么，你这几年从客户那里学到了什么？他们对芯片的需求是什么？他们如何使用这些芯片？这些信息如何反哺到你和NVIDIA的产品开发中？ 黄仁勋 我们几乎与全球所有的AI开发者都有合作。 我们学到非常多，包括我们的芯片架构在未来AI发展中是否最优、是否足够高效等。 比如我们现在看到，有些AI研究者希望去构建一个虚拟细胞的AI模型。我们在虚拟蛋白质建模方面已经取得了显著进展。而客户的这些研究目标，正是反向推动我们改进产品的关键。 我们现在在做的，是关于“虚拟细胞”的AI模型。 如果我们能真正理解细胞如何相互作用，它的路径如何表达，它的动态含义是什么……如果我们能用AI理解这些生物机制，那我们就能做出完全不同于大语言模型（LLM）的AI模型。 这些反馈和需求，反过来能帮助我们优化未来的芯片架构，使其更适合这些新的AI方向。 那么你怎么看未来AI的行业需求？比如生物科学这种领域，是否会扮演更大的角色？你怎么看来自不同行业的AI需求？ 黄仁勋 如果你看看今天AI的整体应用范围，虽然英伟达已经非常庞大，整个AI行业也非常庞大，但实际上，我们目前服务的主要还是“消费互联网”这一个小领域。 退一步来看，这只是全球经济中的一个小小切片。 在它之上，还有医疗行业、生命科学、制造业…… 在未来，工厂会变成一个巨大的机器人系统，内部由无数机器人协作，再与人类一起组装产品，这些产品也是机器人。 所以你可以想象，机器人造机器人，机器人造机器人，一层嵌套一层，像“AI嵌套体”一样，离我们并不远了。 这类应用，需要的是“物理AI”的突破。 如果我们能把这块搞定，那影响的就是数以万亿美元计的产业。  黄仁勋 那你可以告诉我你是在YouTube上学会造芯片的（笑），这本身就已经说明很多问题了。 说正经的，英伟达其实已经不是传统意义上的“芯片公司”了，我们是全球第一家建立起完整AI基础设施堆栈的公司。 我们现在拥有的是一个极其多元化的团队，包括：数字生物学家、量子化学家、计算机图形工程师、机器人专家、语言学专家等等。 我们涉足的科学领域非常广，我们服务的行业也非常多样，比如我们服务医疗行业，也服务金融服务行业。 所以，如果你有某个行业的领域专长，我们非常欢迎；我们也欣赏那些具备普适智能、热爱钻研的人。 如果你愿意吃苦、热爱接受挑战，你知道该联系谁了（笑）。 但更难的是：要多久，那些靠关系进来的人，就要去给靠能力进来的人打工了？这个过程就需要时间。 你曾经经历过那么多艰难的日子，但这些努力终究得到了回报。 我们也非常期待看到你接下来将实现的那些伟大目标。
|
|
|
