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。
