在今年3月提出「ai工廠「概念之後,英偉達ceo黃仁勛一直在推廣他的「人工智能是下一場製造業革命」的觀點。
「一個全新的產業正在誕生,即ai工廠產業。」
「英偉達不僅造芯片,而是構建整條ai基礎設施鏈條。」
在5月6日下午(美西時間)2025年米爾肯研究院全球大會的最新對話上,黃仁勛再次強調。
米爾肯研究院主辦的年度高端論壇,聚集全球政商領袖、科技先鋒和學界專家,有「西海岸的達沃斯」之稱。
這場對話中,最值得反覆咀嚼的,是黃仁勛對ai、全球化與人才的三重思考。
他始終強調,ai不是某種上層應用,而是一種新的基礎設施,就像水、電、網一樣,最終將嵌入每一個行業、每一個崗位。
他說自己每天都用ai來訓練自己,從初級到博士級別不斷向下鑽研。「我建議大家百分之一百要使用ai。不要成為那個忽視技術結果、最後失去自己飯碗的人。」
在出口限制問題上,黃仁勛的態度保持了一致性,畢竟英偉達可是全球化最強的大塊頭之一。他認為,限制幾塊gpu,改寫不了一個國家的軍事實力,卻可能喪失全球技術標準的主導權。
「如果我們自己退出某個市場,別人一定會迅速補位。比如華為,它是全球最具競爭力的科技公司之一,如果我們不做,他們一定會做。」
談到人才,黃仁勛說的標準似乎並不複雜。他講英偉達的文化,詳細描述了芯片製造的過程,對於人才的要求不言自明:你有沒有那種願意自學、敢於摸索、不靠背景、硬啃技術的勁頭。
這場對話由米爾肯研究院主席邁克爾·米爾肯(michael milken)主持。我們一直認為一個好的提問,總會有一些值得咀嚼的答案在等候。這次也是。
聰明投資者(id:capital-nature)精譯全程分享給大家。enjoy it~

米爾肯 人工智能,這是下一場工業革命嗎?
所以我們了解ai的能力,這本身就已經具有顛覆性。
它的本質跟以往任何it技術都不同。過去的it工具是被動的,你得主動去用它,你要坐在電腦前操控它,但現在ai具備了「自動化」的能力。
我們過去理解機械人是有實體的,但你可以想像,現在出現的是「數字機械人」,它在你的電腦里、數據中心裏,為你完成任務。
這才是最讓人興奮的地方。因為這是第一次,ai不只是it技術的升級換代,而是第一次,它有可能真正增強數字勞動力,帶來生產力的躍遷。它不僅在一個萬億美元的it行業里起作用,而是在一個規模達百萬億美元的廣義經濟體中產生影響。
第一層變化,是技術範式的徹底轉變。
第二層變化,是ai是怎麼「製造」出來的。
過去一代的計算機,是人類手動編寫代碼,運行在cpu上。而我們英偉達花了33年,建立了一種全新的計算機理念:機器自己學習、自己寫代碼。它運行在我們發明的加速計算平台上,使用gpu來處理。
所以,ai的生成本質上是靠「ai數據中心」——但說它是「數據中心」其實不準確,更貼切的說法是:它是一座工廠。
它不像傳統的數據中心。它規模龐大,耗電顯著。
你給它輸入能量,它就「製造」出所謂的token。token其實是數字,可以轉化為文字、圖像、視頻、化學分子、蛋白質組合用於藥物研發,甚至是駕駛機械人或自動駕駛所需的運動技能。這些token正在被「製造」出來。
這就意味着,一個全新的產業正在誕生,即ai工廠產業。
這些工廠有多大?可以達到1千兆瓦的規模。我們目前正在建設的,就有這麼大。
一座千兆瓦的ai工廠,投資在500到600億美元之間。預計未來10年,全球建起數十座這樣的ai工廠。
第三層變化,也是最深遠的,這是人類歷史上第一次,出現了一種技術,幾乎能影響所有行業。從金融服務、醫療健康、製造物流,到零售、電商、娛樂等等,ai工廠正在成為這些行業的新型基礎設施。
就像過去it基礎設施的建立一樣,雖然很多人當時看不懂,但最終成了不可或缺的一部分。
在信息化基礎設施之前,我們經歷的是能源基礎設施的時代。現在,迎來的是「智能基礎設施」的時代。
互聯網是信息基礎設施,而人工智能,就是當下的這一代基礎設施。
所以,當你從不同的角度去理解ai,就能開始明白它對科技行業的影響,它不僅推動了一個全新的產業的誕生,成為每個國家都想參與的賽道;只要你有多餘的能源,你就會想要進入這個行業。
同時,它也成為將影響所有行業的關鍵基礎設施。
我在60年代其實是有「比較優勢」的,因為我能用腦子快速計算出農作物的產量。
可到了1970年,計算器問世了,我被「技術淘汰」了(笑)。
後來我還能記住數百萬筆交易,但計算機出現後,它們就能自動存儲這些交易數據。
那麼,你怎麼看「工作」這個概念,與英偉達所提供技術之間的關係?
現實是:每個工作都會被ai影響。
有些崗位會被取代,有些崗位會被創造,但沒有一個崗位是可以免於被影響。
短期內,也許ai不會直接取代你的工作,但它會讓使用ai的人取代你。
這已經是大家普遍認同的觀點了。但我想補充兩個極端例子:
一個極端是:整個計算機技術和計算機科學,大約讓全球三千萬人受益。他們懂編程、會使用技術,並把這項技術發揮到了極致。
這些人過去三十年里的確受益匪淺——這可能是過去幾十年中,最具創造財富能力的行業之一。
我本可以成為一名石油工程師,我爸就是;我也本可以成為醫生,我媽一直覺得每個人都應該當醫生(笑);
但我最後選擇了計算機工程,事實證明,這是一個很不錯的決定。
但全球只有三千萬人在這個行業。可以說:過去幾十年,我們製造了人類歷史上最大的一次技術鴻溝。
我們發明了這個強大的工具,我們懂得如何使用它。世界上剩下的七十多億人,並不懂。
而ai,反過來,可能正是縮小技術鴻溝的最大機會。
比如我們看看這個會場,可能只有少數幾個人會寫 c++,同樣也只有極少數人會寫 c,但我敢說在座的每一個人都能「編程ai」。
因為ai會用任何你習慣的方式與你交流:
你可以畫一張圖,它看得懂;
你可以說一段話,它聽得懂;
你可以寫一段prompt,不管你寫得清楚還是模糊,它都能理解;
甚至你可以直接告訴它:「我不會編程,你教我怎麼編你。」它就會一步步教你。
這說明:這是人類歷史上最容易使用的技術之一。
無論你是老師還是學生,都能用它做輔導。我每天都在用ai來輔導我自己。
我相信,ai真的讓我們有機會用一種前所未有的方式彌合科技差距。
另一個極端是:別忘了,我們其實正處在勞動力短缺的時代,我們缺人。
我們現在面臨的不是勞動力過剩,而是勞動力短缺。而歷史上第一次,我們真正擁有一種可能性,能去填補這個缺口,能讓全球重回三千萬、四千萬名勞動力的規模,這在過去幾乎是不可能的。
所以你可以說,人工智能可能是提升全球gdp的最佳手段之一。
這就是我們看待ai的兩種額外視角。
與此同時,我建議大家百分之一百要使用ai。不要成為那個忽視技術、最後失去自己飯碗的人。
你只需要拿起手機,像perplexity、chatgpt、gemini pro就很不錯,我自己三個都會用。
你可以問它任何關於ai的問題。你問得越深,它回答得越深。
我自己在探索一些新領域時,會先讓它「用12歲孩子能懂的方式」來解釋,再逐步深入到「博士水平」。
你們也完全可以這樣做。
我過去有幸資助過許多創業者,比如mci的比爾·麥高文(bill mcgowan)。他當年試圖挑戰at&t那種佔據99%市場份額的巨頭。
你也經歷過類似的創業早期:那時候你自己都不知道能不能活下來,經常還要擔心月底怎麼發工資。
我想問的是:那些比你有更多資金資源的大公司,錯過了什麼?比如英特爾當年錯過了什麼?他們沒看見什麼?
我們公司一開始的願景是:發明一種全新的計算方式,用來解決傳統計算機無法解決的問題。
但你想啊,如果你把這個目標寫成一句話,比如「我要造一輛新車,能去普通汽車去不了的地方」,這聽起來就像是,你要去的地方可能根本沒有修路,或者……壓根不值得去。
所以我們當初的願景雖然宏大,但也很孤獨。因為整個行業、整個經濟系統,都傾向於選擇那些能解決的問題。
沒人願意投身於無解的問題。而我們在的那個方向,就是那種無人拓荒之地。
問題太難,解決者太少,客戶也不多。因為客戶也想選可以解決的問題,而不是解決不了的問題。
英特爾當時也一直在看着我們做的事。你剛才說得對,他們確實擁有更多資金來源,因為他們在原有業務上實在太成功了,成功到讓他們直接否定我們在做的事情。
這反而對我們是天大的好事。
為什麼我們走得這麼慢?因為這條路真的很難。
為什麼我們能孤獨地堅持下來?因為沒人來打擾我們,他們都覺得這不值得去做。
前不久我翻了一本書,就是彼得·蒂爾(peter thiel)寫的《從0到1》。我隨便翻了幾頁,覺得它其實也像是在講英偉達的故事。
我們選擇了一條「沒人相信會成功」的路,確實很難,也確實沒人看好。
但在我們看來,這一切都非常合理。
正因為它太難,正因為別人太成功以至於懶得嘗試,所以他們放棄了,我們堅持了下來。
如果用《星際迷航》的台詞來說,就是「勇敢前往無人涉足之地(to boldly go where no one has gone before)」。你們是怎麼做到的?
黃仁勛 這其中當然沒有任何保證。但我們公司身上確實有一些特別之處,而這些特質,作為個人,我非常珍惜。甚至我希望我的孩子、我愛的人,也能有類似的經歷或者體驗。
那種經歷過漫長掙扎之後所帶來的東西,你永遠不會把任何事情視為理所當然。你會變得極度高效,事事都想節省開支,因為你不知道接下來還要撐多久。
你會變得無比堅韌,因為走到今天花了太長的時間。
這些特質已經內化為公司文化的一部分。
哪怕是現在,我們仍然在進行一些5年、10年周期的研發任務。
比如,在「物理ai」(也就是通向機械人世界的ai)這個全新領域裏,我們可能是全球走得最深的一家公司;
再比如,針對下一代ai的基礎性技術,我們也可能走得最遠。
我們這家公司,一方面敢於有大夢想,另一方面又有足夠的韌性與氣質,能一直苦熬下去直到夢想實現。
我認為這非常寶貴。
還有一個很重要的文化就是:我們公司一直處於「要破產」的狀態,過去三十年,我們始終處於那種 「再不努力可能就沒了」的狀態。
所以我們從不把任何事情當成理所當然。
當我們遭遇挫折,我不會太驚訝;當我們犯錯,我也不會太意外;當我們獲得成功,我們不會過度慶祝。
我們不會驕傲自滿,而是始終專註於手頭的工作。
我想,這種精神來自我們公司從零開始、一步步熬出來的歷史。
大家都對造芯片很着迷,但根本不知道從何入手。美國通過了chips法案,要投資620億美元,結果6個月後才發現,美國根本沒人會建芯片工廠,還得從台灣調7000人來。
黃仁勛 沒錯,就像所有事情一樣,我認為工藝與匠心非常重要。無論做什麼,真正的技藝與對細節的執着始終不可或缺。
如果你真的想學造芯片,我建議從youtube開始(笑)。
但說實話,我們公司確實非常擅長造芯片。
我們之所以能做到,是因為我們不僅造芯片,我們是從白紙開始,重新設計一整套全新的計算架構。
我們不僅設計芯片,還設計系統,設計網絡,搭建基礎設施,編寫軟件,推動開發生態。再將整套系統帶到市場上,吸引全球開發者在我們的平台上進行二次開發,就像大家會為 iphone 或 windows 開發應用一樣,如今也會為 nvidia 開發。
從60年代的ibm以後,再沒有一家像我們這樣全棧造計算機的公司了。
我們不僅造芯片,而是構建整條ai基礎設施鏈條。
你如果看我們現在的系統,每個芯片系統重達一噸半,價格約300萬美元,而且是量產的!
我們製造它、組裝它、然後測試它,甚至要用超級計算機來測試超級計算機,因為你必須用聰明的計算機來驗證你造出來的是否真的聰明。
這些系統全部是液冷散熱。我們會對它們進行完整測試、組裝、拆解、再裝進飛機,運到世界各地的數據中心,再重新安裝——整個過程涉及全球200家製造商和供應鏈合作夥伴。
我們每年大概製造幾千億美元規模的系統。就此刻來看,我們可能已經是全球最大的科技公司之一,至少是芯片領域的領先者。
這件事真的非常不容易。我們每一代產品的研發預算,大概都在200億到300億美元之間。這是一個巨大的產業遊戲。
但我們正進入的這個行業,也就是智能產業,它未來的規模,很可能將以數萬億美元來計量。所以我們今天做出的這些投資,完全是值得的,它是為未來的巨大機會所準備的。
黃仁勛 英偉達的技術,常被稱為「國家級資產」。
這項技術對於人工智能這一全新產業來說,無疑是基礎性、戰略性的核心技術。
從一個角度來看,確實有人主張:我們應該只把這項技術提供給「值得信任的盟友」,要防止它落入可能被用于軍事用途的對手手中,這是出於國家安全和經濟安全的考慮。
但我要明確指出:這個邏輯存在根本性的錯誤。
因為,沒有任何一個國家的軍事能力,是靠國內是否有最新gpu來決定的。
我們美國不是,其他國家也不是。
如果某個國家真的要在軍事領域取得進展,它不會被所謂「是否買得到最新芯片」所限制。事實上,全世界早就有數百萬顆英偉達的芯片在運行,分佈在幾乎所有國家。
所以,你再限制幾塊gpu的出口,並不會改變任何國家的軍事能力。這種限制在遏制對手軍事進展上根本無效。
那為什麼我們反而應該繼續出口這些技術?
因為,我們要的是讓全球ai的生態,建立在美國的技術標準之上。
我們要讓全世界在構建ai基礎設施時,採用的是英偉達的硬件、美國的架構、美國的生態,而不是別人的。
而如果我們自己退出某個市場,別人一定會迅速補位。比如華為,它是全球最具競爭力的科技公司之一,如果我們不做,他們一定會做。
所以從戰略層面看,這不僅關乎商業機會,更關乎技術標準的主導權。我們需要在市場上贏得勝利,讓「美國標準成為全球標準」。
這也是為什麼,我們認為持續參與全球市場、繼續出口,是完全有必要的。
更不用說,這是一個極其巨大的市場。
以中國為例,哪怕在出口被限制的情況下,中國市場在未來幾年依然是一個500億美元的市場。
這是什麼概念?你可以把它類比成整個波音公司的體量,這可不是一架飛機,是整家波音公司!
這不僅是一個商業上的巨大機會,還是能夠帶來稅收、創造就業、推動美國科技繼續領先的關鍵路徑。
那麼,你這幾年從客戶那裡學到了什麼?他們對芯片的需求是什麼?他們如何使用這些芯片?這些信息如何反哺到你和nvidia的產品開發中?
黃仁勛 我們幾乎與全球所有的ai開發者都有合作。
我們學到非常多,包括我們的芯片架構在未來ai發展中是否最優、是否足夠高效等。
比如我們現在看到,有些ai研究者希望去構建一個虛擬細胞的ai模型。我們在虛擬蛋白質建模方面已經取得了顯著進展。而客戶的這些研究目標,正是反向推動我們改進產品的關鍵。
我們現在在做的,是關於「虛擬細胞」的ai模型。
如果我們能真正理解細胞如何相互作用,它的路徑如何表達,它的動態含義是什麼……如果我們能用ai理解這些生物機制,那我們就能做出完全不同於大語言模型(llm)的ai模型。
這些反饋和需求,反過來能幫助我們優化未來的芯片架構,使其更適合這些新的ai方向。
那麼你怎麼看未來ai的行業需求?比如生物科學這種領域,是否會扮演更大的角色?你怎麼看來自不同行業的ai需求?
黃仁勛 如果你看看今天ai的整體應用範圍,雖然英偉達已經非常龐大,整個ai行業也非常龐大,但實際上,我們目前服務的主要還是「消費互聯網」這一個小領域。
退一步來看,這只是全球經濟中的一個小小切片。
在它之上,還有醫療行業、生命科學、製造業……
在未來,工廠會變成一個巨大的機械人系統,內部由無數機械人協作,再與人類一起組裝產品,這些產品也是機械人。
所以你可以想像,機械人造機械人,機械人造機械人,一層嵌套一層,像「ai嵌套體」一樣,離我們並不遠了。
這類應用,需要的是「物理ai」的突破。
如果我們能把這塊搞定,那影響的就是數以萬億美元計的產業。

黃仁勛 那你可以告訴我你是在youtube上學會造芯片的(笑),這本身就已經說明很多問題了。
說正經的,英偉達其實已經不是傳統意義上的「芯片公司」了,我們是全球第一家建立起完整ai基礎設施堆棧的公司。
我們現在擁有的是一個極其多元化的團隊,包括:數字生物學家、量子化學家、計算機圖形工程師、機械人專家、語言學專家等等。
我們涉足的科學領域非常廣,我們服務的行業也非常多樣,比如我們服務醫療行業,也服務金融服務行業。
所以,如果你有某個行業的領域專長,我們非常歡迎;我們也欣賞那些具備普適智能、熱愛鑽研的人。
如果你願意吃苦、熱愛接受挑戰,你知道該聯繫誰了(笑)。
但更難的是:要多久,那些靠關係進來的人,就要去給靠能力進來的人打工了?這個過程就需要時間。
你曾經經歷過那麼多艱難的日子,但這些努力終究得到了回報。
我們也非常期待看到你接下來將實現的那些偉大目標。