作者 ｜ 木子

在 1 月 21 日的世界經(jīng)濟(jì)論壇的達(dá)沃斯上，英偉達(dá) CEO 黃仁勛首次登臺(tái)對(duì)話(huà)。

這次老黃沒(méi)把話(huà)題鎖在自家的 GPU、算力平臺(tái)或網(wǎng)絡(luò)架構(gòu)上；而是難得地跳出英偉達(dá)，從更宏觀的角度說(shuō)透了這些事：

• AI 技術(shù)本身在發(fā)生什么變化

• AI 產(chǎn)業(yè)到底是怎么搭起來(lái)的

• AI 可能會(huì)如何影響社會(huì)與就業(yè)

在老黃看來(lái)，AI 的產(chǎn)業(yè)體系可以分為五層，即能源、芯片和計(jì)算基礎(chǔ)設(shè)施、云基礎(chǔ)設(shè)施與云服務(wù)、AI 模型層，和模型之上的應(yīng)用層。

而真正決定 AI 能不能變成生產(chǎn)力、能不能變成經(jīng)濟(jì)增量的，是應(yīng)用層。他直言：

“去年之所以是 AI 極其驚人的一年，坦白說(shuō)，是因?yàn)槟Ｐ瓦M(jìn)步太快，以至于上面那層，也就是我們所有人真正需要用它來(lái)成功的那層：應(yīng)用層開(kāi)始爆發(fā)?！?/p>

而AI 模型層，在 2025 年也發(fā)生了三件“顛覆性”的大事：

• Agentic AI

• 開(kāi)源模型的突破

• 物理 AI 的巨大進(jìn)展

更有意思的是，面對(duì)“AI 會(huì)不會(huì)取代工作”的廣泛焦慮，他給出了幾乎完全相反的判斷，認(rèn)為AI 可能不會(huì)帶來(lái)失業(yè)潮，反而會(huì)讓“人不夠用”：

“這是人類(lèi)歷史上最大規(guī)模的基礎(chǔ)設(shè)施建設(shè)，它會(huì)創(chuàng)造大量工作...... 我們需要水管工、電工、建筑工、鋼鐵工人、網(wǎng)絡(luò)技術(shù)員，以及安裝、布設(shè)設(shè)備的人。

在美國(guó)，這些崗位的薪資已經(jīng)接近或超過(guò)六位數(shù)。你不需要計(jì)算機(jī)博士，也能擁有體面的職業(yè)生涯?！?/p>

以下為本次訪談內(nèi)容，InfoQ 在不改變?cè)x的前提下，對(duì)其進(jìn)行了編輯。

這次不一樣：AI 正在把

整套計(jì)算邏輯推倒重建

主持人：今天圍繞 AI 的討論，大多集中在它將如何改變世界和全球經(jīng)濟(jì)。但我更想從另一個(gè)角度展開(kāi)：AI 不只是改變世界的方式，它會(huì)不會(huì)把整個(gè)經(jīng)濟(jì)蛋糕做得更大？又能不能讓更多人真正用得上、跟得上，而不是只惠及少數(shù)人？......那么我們直接進(jìn)入主題：為什么你認(rèn)為 AI 有潛力成為如此重要的增長(zhǎng)引擎？這一次技術(shù)浪潮，和過(guò)去的技術(shù)周期相比，究竟有什么不同？

黃仁勛：首先，當(dāng)你在思考 AI、并以各種方式與 AI 互動(dòng)時(shí)——比如當(dāng)然會(huì)用 ChatGPT，當(dāng)然會(huì)用 Gemini，當(dāng)然會(huì)用 Anthropic 的 Claude，它能做的那些“神奇”的事情，會(huì)讓人覺(jué)得不可思議。

但這時(shí)如果我們回到第一性原理，去理解計(jì)算棧正在發(fā)生什么，事情就會(huì)更清楚：這是一場(chǎng) platform shift（平臺(tái)遷移 / 平臺(tái)級(jí)轉(zhuǎn)變）。所謂平臺(tái)，就是讓?xiě)?yīng)用構(gòu)建其上的東西。

歷史上，每一次平臺(tái)遷移都會(huì)帶來(lái)新的應(yīng)用生態(tài)：

• 從大型機(jī)到 PC

• 從 PC 到互聯(lián)網(wǎng)

• 從互聯(lián)網(wǎng)到移動(dòng)與云計(jì)算

在每一次平臺(tái)遷移中，計(jì)算棧都會(huì)被重新發(fā)明，新的應(yīng)用也會(huì)被創(chuàng)造出來(lái)。

AI 也是一次平臺(tái)遷移。ChatGPT 本身只是一個(gè)應(yīng)用，更重要的是，無(wú)數(shù)新應(yīng)用正在構(gòu)建在它之上，也會(huì)構(gòu)建在 Claude、其他大模型之上。

過(guò)去的軟件，本質(zhì)上像“預(yù)錄制”的：人類(lèi)輸入、寫(xiě)下算法或“配方”，讓計(jì)算機(jī)照著執(zhí)行。

它能處理的是結(jié)構(gòu)化信息——也就是你必須把名字、地址、賬號(hào)、年齡、住址等信息，先整理成結(jié)構(gòu)化表格，然后軟件再去檢索。我們把它叫做 SQL，SQL 查詢(xún)。SQL 可能是世界上最重要的數(shù)據(jù)庫(kù)引擎，直到現(xiàn)在之前，幾乎所有東西都跑在 SQL 上。

而現(xiàn)在，這是第一次，我們擁有了一種計(jì)算機(jī)：它不是“預(yù)錄制”的，而是實(shí)時(shí)處理（real time） 的，可以理解非結(jié)構(gòu)化信息，具體而言：

• 能理解非結(jié)構(gòu)化信息（文本、圖像、聲音）

• 能理解語(yǔ)義與上下文

• 能在實(shí)時(shí)環(huán)境中推理你的意圖，這些意圖可以用非常非結(jié)構(gòu)化的方式表達(dá)

• 可以用非常非結(jié)構(gòu)化的方式表達(dá)，你想怎么描述就怎么描述。

我們把這種輸入叫做 prompt（提示詞），只要它能理解你的意圖，它就能為你執(zhí)行任務(wù)。這不再是“預(yù)寫(xiě)的軟件”，而是一種實(shí)時(shí)生成智能的系統(tǒng)。

AI 的產(chǎn)業(yè)體系有“五層”，

應(yīng)用層是最重要的

因?yàn)槲覀冋谥卦煺麄€(gè)計(jì)算棧，所以人們會(huì)問(wèn)“AI 是什么”。很多人談 AI，會(huì)直接想到模型。

但從產(chǎn)業(yè)角度，AI 其實(shí)更像一個(gè)五層蛋糕：

• 最底層是能源（energy），AI 是實(shí)時(shí)處理、實(shí)時(shí)生成智能的，它需要能量。

• 第二層是我所在的層：芯片和計(jì)算基礎(chǔ)設(shè)施。

• 第三層，是云基礎(chǔ)設(shè)施與云服務(wù)。

• 第四層，是AI 模型——大多數(shù)人以為 AI 就是這一層。但別忘了，模型之所以能發(fā)生，是因?yàn)橄旅嫠袑佣即嬖?/p>

• 而最重要的一層，也是正在發(fā)生的一層，是模型之上的應(yīng)用層（application layer）。

去年之所以是 AI 極其驚人的一年，坦白說(shuō)，是因?yàn)槟Ｐ瓦M(jìn)步太快，以至于上面那層，也就是我們所有人真正需要用它來(lái)成功的那層：應(yīng)用層開(kāi)始爆發(fā)。

這個(gè)應(yīng)用層可以在金融服務(wù)、醫(yī)療健康、制造業(yè)等領(lǐng)域。最終產(chǎn)生經(jīng)濟(jì)收益的，就是這一層。

但關(guān)鍵在于：這個(gè)計(jì)算平臺(tái)需要下面所有層支撐。正是因?yàn)檫@五層必須同時(shí)建設(shè)，我們正在經(jīng)歷人類(lèi)歷史上規(guī)模最大的基礎(chǔ)設(shè)施建設(shè)浪潮。

目前我們只走了幾千億美元，而真正需要投入的，是數(shù)萬(wàn)億美元級(jí)別。

芯片工廠、計(jì)算機(jī)工廠、AI 工廠正在全球同步建設(shè)：

• 臺(tái)積電宣布新建 20 座晶圓廠

• 富士康、緯創(chuàng)、廣達(dá)在建設(shè)數(shù)十座計(jì)算機(jī)工廠

• 存儲(chǔ)廠商（美光、SK 海力士、三星）全面擴(kuò)張

你能看到整個(gè)“芯片層”今天增長(zhǎng)得非常快。

當(dāng)然，我們也高度關(guān)注模型層。

但更讓人興奮的是，模型之上的應(yīng)用層正在做得非常出色。

有一個(gè)指標(biāo)很直觀：風(fēng)險(xiǎn)投資的錢(qián)流向哪里？去年 2025 年是歷史上風(fēng)險(xiǎn)投資規(guī)模最大的年份之一，而其中大部分資金投向了所謂AI native companies（AI 原生公司）。

這些公司來(lái)自醫(yī)療、機(jī)器人、制造業(yè)、金融服務(wù)等全球所有大型行業(yè)。你正在看到大量投資涌入這些 AI 原生公司，因?yàn)榈谝淮?，模型已?jīng)好到足以在其上構(gòu)建產(chǎn)品與業(yè)務(wù)了。

去年模型層發(fā)生了“三件大事”

主持人：我們繼續(xù)往下挖。顯然，我相信在座每個(gè)人都有自己的聊天機(jī)器人用來(lái)獲取信息。你剛才提到“AI 的擴(kuò)散（dispersion）”會(huì)是關(guān)鍵。我們談?wù)勊谖锢硎澜缰械臄U(kuò)散——你提到了醫(yī)療是個(gè)很好的例子，那在交通運(yùn)輸、科學(xué)等領(lǐng)域，你認(rèn)為哪些機(jī)會(huì)會(huì)帶來(lái)顛覆性變化？

黃仁勛：去年，我認(rèn)為在 AI 技術(shù)層、尤其是模型層，發(fā)生了三件大事。

第一：是 Agentic AI。模型一開(kāi)始只是“好奇、有趣”，但幻覺(jué)很多。去年我們可以相對(duì)合理地接受：這些模型更“扎實(shí)”、更“有依據(jù)”了。它們能做研究，能對(duì)自己沒(méi)被訓(xùn)練過(guò)的情況進(jìn)行推理；能把問(wèn)題拆成一步一步的推理步驟，形成計(jì)劃，然后回答你的問(wèn)題、做研究、或執(zhí)行任務(wù)。所以去年我們看到語(yǔ)言模型演化成我們稱(chēng)之為 agentic systems 的 AI 系統(tǒng)，也就是 Agentic AI。

第二：開(kāi)源模型的突破。幾年前——或者說(shuō)一年前？——DeepSeek（深度求索） 出來(lái)時(shí)，很多人非常擔(dān)心。坦白講，DeepSeek 對(duì)全球絕大多數(shù)行業(yè)、絕大多數(shù)公司來(lái)說(shuō)，是一件大事，因?yàn)樗鞘澜缟系谝粋€(gè) 開(kāi)源推理模型（open reasoning model）。此后，一大批開(kāi)源推理模型陸續(xù)出現(xiàn)。開(kāi)源模型讓公司、行業(yè)、研究人員、教育者、大學(xué)、初創(chuàng)企業(yè)能夠使用這些開(kāi)源模型作為起點(diǎn)，去做一些東西——做出適配自身領(lǐng)域、專(zhuān)門(mén)化的模型和系統(tǒng)。

第三：物理智能，或者說(shuō)物理 AI 的巨大進(jìn)展。也就是 AI 不只理解語(yǔ)言，還能理解“自然”、理解物理世界：理解蛋白質(zhì)、化學(xué)物質(zhì)；理解自然與物理——比如流體力學(xué)、粒子物理、量子物理。這些 AI 正在學(xué)習(xí)各種結(jié)構(gòu)、各種“語(yǔ)言”。從某種意義上說(shuō)，蛋白質(zhì)本身就是一種語(yǔ)言。這些 AI 的進(jìn)展如此之快，以至于制造業(yè)、藥物發(fā)現(xiàn)等工業(yè)公司正在取得顯著突破。

其中一個(gè)很強(qiáng)的指標(biāo)是：我們與Eli Lilly的合作。他們意識(shí)到，AI 在理解蛋白質(zhì)結(jié)構(gòu)和化學(xué)結(jié)構(gòu)方面已經(jīng)取得巨大進(jìn)步——某種意義上，我們將能夠像和 ChatGPT 對(duì)話(huà)那樣，“與蛋白質(zhì)對(duì)話(huà)”。我們會(huì)看到非常重大的突破。

AI 沒(méi)搶走工作，

反而會(huì)讓“人不夠用”

主持人：這些突破也引發(fā)了對(duì)“人”的擔(dān)憂(yōu)。你和我談過(guò)很多次，但今天必須告訴全場(chǎng)：大家普遍非常擔(dān)心 AI 會(huì)取代工作。而你一直在講相反的觀點(diǎn)。你真的認(rèn)為我們會(huì)面對(duì)勞動(dòng)力短缺嗎，你如何看待 AI 和機(jī)器人技術(shù)改變工作性質(zhì)，而不是消除工作呢？

黃仁勛：有幾種方式可以推導(dǎo)。

首先，這是人類(lèi)歷史上最大規(guī)模的基礎(chǔ)設(shè)施建設(shè)，它會(huì)創(chuàng)造大量工作。更棒的是，這些崗位與技工技能密切相關(guān)：我們需要水管工、電工、建筑工、鋼鐵工人、網(wǎng)絡(luò)技術(shù)員，以及安裝、布設(shè)設(shè)備的人。

在美國(guó)，這些崗位的薪資已經(jīng)接近或超過(guò)六位數(shù)。你不需要計(jì)算機(jī)博士，也能擁有體面的職業(yè)生涯。

再舉兩個(gè)真實(shí)案例。

10 年前，人們認(rèn)為 AI 會(huì)消滅放射科。結(jié)果是：AI 全面進(jìn)入影像分析、醫(yī)生看片速度大幅提升，然后有更多時(shí)間與患者溝通、診斷，放射科醫(yī)生的人數(shù)反而增加了。

邏輯就是：醫(yī)院接診能力提升 → 收入提升 → 雇傭更多放射科醫(yī)生

護(hù)士也是一樣。美國(guó)現(xiàn)在大約短缺 500 萬(wàn)護(hù)士。

如果用 AI 來(lái)做病歷記錄（charting）和就診記錄轉(zhuǎn)錄（transcription），護(hù)士有一半的時(shí)間其實(shí)都花在這些“記記錄”的工作上。

而現(xiàn)在他們可以用 AI 技術(shù)。有一家公司叫 Abridge，是我們的合作伙伴，做得非常出色，因此護(hù)士能把更多時(shí)間花真正“觸達(dá)病人”的探視與照護(hù)上。

而且，因?yàn)楝F(xiàn)在可以接待更多病人，我們不再被護(hù)士人數(shù)卡住，更多病人能更早進(jìn)入醫(yī)院。結(jié)果是：醫(yī)院運(yùn)轉(zhuǎn)更好，于是他們雇傭更多護(hù)士。

邏輯就是：醫(yī)院運(yùn)轉(zhuǎn)效率提升 → 雇傭更多護(hù)士。

所以，判斷 AI 對(duì)某個(gè)工作的影響，最簡(jiǎn)單的方法是：搞清楚這個(gè)工作的目的是什么、具體任務(wù)是什么。

打個(gè)比方：如果只架個(gè)攝像頭拍我們倆，你可能會(huì)以為我們是打字員，因?yàn)槲掖蟛糠謺r(shí)間都在打字。那如果 AI 自動(dòng)化了大量文字預(yù)測(cè)、幫我們打字，我們就會(huì)失業(yè)。

但顯然，那不是我們的工作目的。

所以問(wèn)題是：你的工作目的是什么？放射科醫(yī)生和護(hù)士的目的，是照護(hù)病人；而當(dāng)任務(wù)被自動(dòng)化后，這個(gè)目的反而被強(qiáng)化、被放大。

用“目的 vs 任務(wù)”來(lái)推導(dǎo)每一類(lèi)職業(yè)，會(huì)是一個(gè)很有幫助的框架。

AI 對(duì)發(fā)展中國(guó)家

是“縮小鴻溝”的機(jī)會(huì)

主持人：我們把話(huà)題放到發(fā)達(dá)經(jīng)濟(jì)體之外，討論 AI 如何在全球范圍傳播、幫助世界。我們?cè)鯓哟_保 AI 成為一種真正的變革性技術(shù)，像 Wi-Fi 和 5G 對(duì)新興世界那樣？當(dāng)它與新興市場(chǎng)交織，會(huì)意味著什么，我們?nèi)绾巍白龃蟆比蚪?jīng)濟(jì)？轉(zhuǎn)到發(fā)展中世界，你認(rèn)為會(huì)怎么演進(jìn)？

黃仁勛：我非常樂(lè)觀地看待 AI 對(duì)新興經(jīng)濟(jì)體的影響，AI 本身就是一種基礎(chǔ)設(shè)施，每個(gè)國(guó)家都有道路、電力，也應(yīng)該擁有 AI。

今天有大量開(kāi)源模型，訓(xùn)練 AI 已不再遙不可及。語(yǔ)言和文化，本身就是一個(gè)國(guó)家的“自然資源”。

第二點(diǎn)，記?。?strong>AI 是人類(lèi)歷史上最容易使用的軟件，也是它增長(zhǎng)最快、被采用最快的原因。短短兩三年，用戶(hù)規(guī)模就快接近 10 億人。

對(duì)很多沒(méi)有計(jì)算機(jī)科學(xué)學(xué)位的人來(lái)說(shuō)，你們現(xiàn)在都可以成為程序員。過(guò)去我們得學(xué)習(xí)怎么給計(jì)算機(jī)編程；現(xiàn)在你“編程”的方式是直接對(duì)計(jì)算機(jī)說(shuō)：“我該怎么編程你？”

如果你不會(huì)用 AI，你就走到 AI 面前說(shuō)：“我不會(huì)用 AI，我該怎么用？”它會(huì)解釋給你。

你還可以說(shuō)：“我想寫(xiě)個(gè)程序做自己的網(wǎng)站，怎么做？”它會(huì)問(wèn)你一堆問(wèn)題：你想要什么樣的網(wǎng)站，然后給你寫(xiě)出代碼。

在過(guò)去，人類(lèi)學(xué)習(xí)如何給計(jì)算機(jī)寫(xiě)代碼；而現(xiàn)在，人類(lèi)只需要用語(yǔ)言教計(jì)算機(jī)做事。

這會(huì)極大降低技術(shù)門(mén)檻，幫助更多國(guó)家和人群參與數(shù)字經(jīng)濟(jì)。

歐洲的關(guān)鍵機(jī)會(huì)：

工業(yè) × AI × 機(jī)器人

主持人：我們談到了很多公司，提到很多美國(guó)公司和亞洲公司。請(qǐng)你談?wù)劊篈I 與歐洲的成功、歐洲的未來(lái)如何交匯？英偉達(dá)在歐洲會(huì)扮演怎樣的角色？

黃仁勛：對(duì)歐洲而言，這是一個(gè)極其關(guān)鍵的窗口期。

美國(guó)主導(dǎo)了軟件時(shí)代；但 AI 是一種“不需要寫(xiě)代碼的軟件”。

歐洲擁有全球最強(qiáng)的工業(yè)制造與深科技基礎(chǔ)。

如果將 AI 深度融合進(jìn)制造、工程、機(jī)器人與物理世界建模中，歐洲完全有機(jī)會(huì)在 Physical AI / Robotics 時(shí)代實(shí)現(xiàn)躍遷。

但前提是：增加能源供給、加大基礎(chǔ)設(shè)施投資，以及盡早全面投入 AI 生態(tài)建設(shè)

所以不是泡沫，

關(guān)鍵是“投得夠不夠”

主持人：所以我聽(tīng)到的是：我們離 AI 泡沫還很遠(yuǎn)。問(wèn)題反而是：我們投得夠不夠？因?yàn)楹芏嗳嗽谡勁菽阍谡f(shuō)的是：我們是否投入足夠，來(lái)實(shí)現(xiàn)“做大”全球經(jīng)濟(jì)的目標(biāo)。

黃仁勛：這不是一場(chǎng)泡沫，而是一場(chǎng)尚未投入足夠的長(zhǎng)期建設(shè)周期。

GPU 租賃的現(xiàn)貨價(jià)格正在上漲。不只是最新一代，甚至兩代前的 GPU，現(xiàn)貨租賃價(jià)格也在漲。原因是 AI 公司數(shù)量在增長(zhǎng)，越來(lái)越多公司在調(diào)整研發(fā)預(yù)算。

Eli Lilly 就是一個(gè)很好的例子：三年前，他們的研發(fā)預(yù)算幾乎都在濕實(shí)驗(yàn)室（wet labs）；但你注意到他們現(xiàn)在投入了一個(gè)大型 AI 超級(jí)計(jì)算機(jī)、一個(gè)大型 AI 實(shí)驗(yàn)室。越來(lái)越多的研發(fā)預(yù)算會(huì)轉(zhuǎn)向 AI。

所以所謂泡沫，是因?yàn)橥顿Y規(guī)模很大；而投資規(guī)模大，是因?yàn)槲覀儽仨毥ㄔO(shè)支撐 AI 各層的基礎(chǔ)設(shè)施。

我認(rèn)為（現(xiàn)在 AI 帶來(lái)的）機(jī)會(huì)非常非凡，每個(gè)人都應(yīng)該參與、都應(yīng)該投入。我們需要更多能源。我們都知道需要更多“土地、電力、機(jī)房”。我們需要更多技工型勞動(dòng)者。

就像我和 Larry 所參與的領(lǐng)域，我們看到投資機(jī)會(huì)，投資規(guī)模在上升；初創(chuàng)公司數(shù)量也在上升。

正如我之前提到的：2025 年是 VC 投資史上規(guī)模最大的年份，全球超過(guò) 1000 億美元，大部分投向 AI Native 公司。

這些 AI 公司在做的，就是構(gòu)建模型之上的應(yīng)用層，去建設(shè)這個(gè)未來(lái)。

我也確實(shí)認(rèn)為，對(duì)全球養(yǎng)老金來(lái)說(shuō)，參與其中、伴隨這個(gè) AI 世界一起成長(zhǎng)，會(huì)是一筆很好的投資。

這是人類(lèi)歷史上最大的基礎(chǔ)設(shè)施機(jī)會(huì)之一。我們必須確保：普通儲(chǔ)蓄者、養(yǎng)老金、普通人，都能參與并分享這輪增長(zhǎng)。

視頻傳送門(mén)：

https://www.weforum.org/meetings/world-economic-forum-annual-meeting-2026/sessions/conversation-with-jensen-huang-president-and-ceo-of-nvidia/

技術(shù)人的年度儀式感！ 年度盤(pán)點(diǎn)與趨勢(shì)洞察 啟動(dòng)！

《2025 年度盤(pán)點(diǎn)與趨勢(shì)洞察》由 InfoQ 技術(shù)編輯組策劃。覆蓋大模型、Agent、具身智能、AI Native 開(kāi)發(fā)范式、AI 工具鏈與開(kāi)發(fā)、AI+ 傳統(tǒng)行業(yè)等方向，通過(guò)長(zhǎng)期跟蹤、與業(yè)內(nèi)專(zhuān)家深度訪談等方式，對(duì)重點(diǎn)領(lǐng)域進(jìn)行關(guān)鍵技術(shù)進(jìn)展、核心事件和產(chǎn)業(yè)趨勢(shì)的洞察盤(pán)點(diǎn)。

力求以體系化視角幫助讀者理解年度技術(shù)演化的底層邏輯、創(chuàng)新方向與落地價(jià)值，并為新一年決策提供參考。內(nèi)容將在 InfoQ 媒體矩陣陸續(xù)放出，歡迎大家持續(xù)關(guān)注。

今日薦文

你也「在看」嗎？