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。