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。
