作者：PANews

本周英伟达 GTC 2026 大会作为科技领域的全球性大会，几乎各个行业、科技公司、AI 公司都有参加，英伟达创始人兼 CEO 黄仁勋也发表了主题演讲。

在为期四天的会议中，黄仁勋在 GTC 大会现场接受了 All-In Podcast 专访，对话涵盖英伟达的未来、物理 AI、智能体的崛起、推理能力的爆发式增长、AI 公关危机等内容。PANews 对访谈进行了整理，以下为部分对话精华。

主持人：过去一年最棒的公告之一就是收购 Groq。你当时是否意识到 Chamath（播客主持人之一，Social Capital 首席执行官）会极度沮丧？

（PANews 注：Social Capital 是 Groq 早期投资者，沮丧并不是因为亏钱，而是源于个人性格与投资风格：里程碑事件发生前最快乐，而不是之后。）

黄仁勋：我早就预感到了，毕竟我们是 Chamath 的朋友，每周都要和他打交道，完成收购的那两周确实不太自在。事实上，我们的许多战略早在几年前就公开过了。两年半前，我介绍了 AI 工厂的操作系统 「Dynamo」。Dynamo 是西门子发明的一台将水化为电力的机器，它驱动了上一次工业革命的工厂，我认为这是下一场工业革命工厂操作系统的完美名字。在 Dynamo 内部，底层技术是「解耦式推理」。当今的推理处理是极其复杂的计算问题，涉及各种形状和大小的大规模数学运算。我们的想法是，将处理过程解耦，让一部分在某些 GPU 上运行，另一部分在其他 GPU 上运行，从而实现异构计算。如今，英伟达的计算分布在 GPU、CPU、交换机和网络处理器等多个部分，现在又加入了 Groq，目的是把合适的工作负载放在合适的芯片上。我们已经从一家 GPU 公司演变成了一家 AI 工厂公司。

主持人：你们在台上说，25% 的数据中心空间应该分配给 Groq 和这类处理器。行业如何看待这种想法？ 你们认为人们会对此作何反应？

黄仁勋：在我们添加这项技术的时候，行业正从大语言模型处理转向智能体处理。运行智能体时，你需要访问工作记忆、长期记忆和各种工具，它对存储的考验极大。数据中心里有各种模型，如超大模型、小模型、扩散模型、自回归模型等。我们开发了 Vera Rubin 架构来运行这种极其多样化的工作负载。我们的潜在市场规模（TAM）因此增加了约 33% 到 50%。增加的部分中，很大一部分将是存储处理器（Blue Field）、Groq 处理器、CPU 和网络处理器。所有这些将共同运行驱动 AI 革命的「智能体」计算机。

主持人：对于嵌入式应用呢？比如我女儿的泰迪熊想和她说话，里面会放定制 ASIC，还是会有针对边缘和嵌入式应用的不同开发工具？

黄仁勋：整体来看，解决这个问题需要三台计算机协同工作。第一台用于训练和开发 AI 模型。第二台用于在遵循物理定律的虚拟环境中评估机器人（如汽车、机器人等）。第三台是边缘计算机，即机器人计算机。它可以是自动驾驶汽车、机器人，也可以是泰迪熊里的小型计算机。此外，我们正致力于将价值 2 万亿美元的电信基站行业转化为 AI 基础设施的一部分，未来的无线电基站将成为边缘设备。所以这三台基本计算机都是必要的。

主持人：你曾预测推理需求会实现 1000 倍甚至 10 亿倍的爆炸式增长。现在外界有声音说，你们建的推理工厂耗资高达 400-500 亿美元，而竞争对手只需 250-300 亿美元。你觉得客户会愿意支付这多出来的一倍溢价吗？这会影响你们的市场份额吗？

黄仁勋：绝对不要把数据中心的造价和生成 Token 的成本画等号。我可以证明，500 亿美元的工厂能为你生成成本最低的 Token，因为我们的生产效率极高。即便成本，土地、电力、存储、网络、服务器和冷却等基础成本（大约 200 亿）都是固定的。如果算上这些，GPU 价格的差异平摊到整体成本中，可能只是 500 亿和 400 亿的区别，这并不是一个很大的百分比。但我们这个 500 亿美元的数据中心提供的吞吐量是其他方案的 10 倍。在这个行业里，如果你的技术跟不上发展步伐，那么就算芯片是免费送的，它也不够便宜。

主持人：作为全球最高市值公司的 CEO（明年预计营收 3500 亿美元），你是如何做决策、获取信息，并判断该在哪些领域加码或退出的？

黄仁勋：定义愿景和战略是 CEO 的本职工作。我们主要依靠公司内外顶尖的计算机科学家和技术人员提供信息，但必须由我们来塑造未来。我们评估一个新方向的标准是：它是不是前所未有且极其困难？ 如果一件事很容易做，那就会有无数竞争者；如果它极其困难，且正好契合我们公司的特殊「超能力」，这就是我们要找的交点。因为前所未见且极具挑战，过程中必然伴随大量痛苦和折磨，你最好能享受这个过程。

主持人：关于长尾业务，能否谈谈太空数据中心、汽车 ADAS 或是生物学等方向的长期生存能力和爆发曲线？

黄仁勋：首先是物理 AI。科技行业首次有机会去解决一个价值 50 万亿美元、过去基本没有被技术渗透的传统产业。我们 10 年前就开始了，现在正迎来爆发，目前它已经是我们每年近 100 亿美元的大业务，呈指数级增长。其次是数字生物学。我们距离数字生物学的「ChatGPT 时刻」非常近了。未来 2 到 5 年内，我们将能用 AI 表示和理解基因、蛋白质和细胞的动态，这将彻底改变医疗健康行业，农业领域也同样正在迎来爆发。

主持人：我们看到很多爱好者和创新者痴迷于像「OpenClaw」这样的桌面端开源智能体系统。这种基层发起的开源智能体运动，对你和行业意味着什么？

黄仁勋：过去两年有三次重要转折点：第一是 ChatGPT 让生成式 AI 大众化；第二是具有推理能力的模型让 AI 不仅能回答问题，还能给出更实用的答案；第三个则是行业内部出现的「Claude Code」等极具革命性的智能体系统。但 Claude Code 最初只面向企业，直到 OpenClaw 出现，才让大众真正意识到 AI 智能体能做什么。更重要的是，这类系统从根本上重塑了计算模式。它拥有短期记忆（暂存盘）、能管理资源、进行任务调度、创建子智能体解决问题、还能通过 API 运行各种应用（技能）。这些要素定义了一台计算机。这意味着我们首次拥有了可以随处运行的开源个人 AI 计算机蓝图，它将成为现代计算的操作系统。当然，具有这种高级权限的软件需要受到良好的治理，我们投入了大量工程师与 Peter Steinberger（OpenClaw 创始人）等人合作，以确保智能体受到良好的安全治理和隐私保护。

主持人：AI 的这种范式转变速度，是否让近期的 AI 监管法案显得毫无意义？对于 AI 引发的恐慌，比如 Anthropic 相关的一些公关风波，如果你是 Anthropic 董事会成员，你会给他们团队什么建议以改变外界看法？

黄仁勋：我们需要不断向政策制定者普及技术现状：AI 只是计算机软件，它不是外星生物，没有意识，也不像某些人说的那样「我们对它一无所知」。我们不能让末日论和极端主义左右政策。但政策也不能走在技术前面太快。目前最大的国家安全担忧是：当我们因为恐惧、愤怒或偏执而不敢使用 AI 时，其他国家正在积极采用这项技术。

至于 Anthropic，他们的技术非常出色，对安全和防范的关注令人钦佩。警告人们技术的潜力是好的，但「恐吓」就不太好了。作为科技领袖，因为我们的行业对国家安全和社会结构至关重要，我们的言论有着巨大影响力，因此在预测未来时，我们需要保持谦逊，更加平衡、温和、深思熟虑，避免在没有证据的情况下发表极端灾难性的言论。

主持人：我们真的需要更积极地普及 AI。说到智能体爆炸带来的生产力提升，目前关于 AI 是否有投资回报率（ROI）存在争论。当看到 OpenAI 和 Anthropic 的爆发，你认为我们的营收规模能否跟上智能水平的扩张？

黄仁勋：环顾四周，会发现 Anthropico 和 OpenAI 都有代表，但实际上，99% 的 AI 公司都参与其中，而 Anthropico 和 OpenAI 并非其中之一。目前最受欢迎的是 OpenAI，紧随其后的是开源模型，Anthropic 排在第三位，这说明 AI 生态非常庞大且多样化。从生成式 AI 到推理 AI，计算量增加了 100 倍；从推理到智能体 AI，计算量可能又增加了 100 倍。人们愿意为获取信息付费，但人们更愿意为「完成工作」付费。智能体系统能够切实地帮软件工程师把工作干完。所以，当你计算量增加了 1 万倍时，消耗量可能增加了 100 倍。我们目前的规模化扩张才刚刚开始。

主持人：在演讲中，你提到英伟达在为工程团队支付大量 Token 费用。粗略估算一下，每个工程师大概需要 7.5 万 Token，你们现在每年为工程团队花 10-20 亿美元买 Token 吗？两三年后，这些工程师的效率会达到什么程度？

黄仁勋：做一个思维实验：假设你付给一位优秀的软件工程师或 AI 研究员 50 万美元的年薪，如果年底他告诉你他只花了 5000 美元的 Token，我会非常生气。如果这个拿 50 万年薪的工程师没有消耗至少 25 万美元的 Token，我会深感震惊和担忧。这就像一名芯片设计师拒绝使用 CAD 工具，非要用纸和笔一样。这也是为了给这些杰出的知识工作者配备「超人」的能力，就像詹姆斯每年花 100 万美元保养身体一样。

未来的范式转变是，诸如「这太难了」、「这太花时间了」、「这需要太多人手」之类的想法将彻底消失。工作的瓶颈将仅仅取决于你的创造力。未来的编程将不再是写代码，而是编写想法、架构、规范。我们会组织团队，定义什么是好的结果，指导如何评估，并与智能体一起头脑风暴并迭代。我认为每个工程师都将拥有数百个智能体助手。

主持人：我们在很多技术层面看到了不可思议的效率，比如 CEO 自己周末花 90 分钟用 Claude 和智能体替换了整个软件栈，或者用 Auto Research 在 30 分钟内完成了本需要 7 年的博士论文级别研究。这是否意味着企业 IT 软件行业将被摧毁？

黄仁勋：OpenClaw 之所以如此惊人，是因为它的时机完美契合了大型语言模型的突破以及模型使用工具的新能力。有人说企业 IT 软件行业会被摧毁，但其实还有一种观点：过去企业软件受限于员工数量，而未来将会有百倍于现在的智能体在疯狂使用这些工具。它们会使用 SQL、向量数据库、Blender、Photoshop 或 CAD 等工具，因为这些工具表现很好，并且是连接人类与工作成果的「管道」。我需要 AI 把工作结果放回 Synopsis 或 Cadence 这类工具中，因为那是我能掌控并验证的方式。

主持人：近期加密项目 Bit Tensor 通过分布式的方式成功训练了一个 40 亿参数的 LLaMA 模型。你如何看待开源模型的终极形态？去中心化算力和完全开源的方法会是未来的主流吗？

黄仁勋：我们既需要作为一流产品的专有模型，也需要开源模型，这两者是并存的。因为模型是一种技术，而不是产品或服务。对于普通消费者，使用 ChatGPT、Claude 或 Gemini 这种具有不同服务的体验很好。但是，世界上所有的行业都需要将特定的领域专业知识沉淀在他们能够完全控制的模型中，这只能通过开源模型来实现。我们投资的几乎所有初创公司，现在都是采取「开源优先」的策略，然后再逐渐过渡到专有模型。

主持人：去年拜登政府的政策限制了 AI 向全球传播。现在新总统上任，你如何评价我们在全球传播美国 AI 技术方面的表现？

黄仁勋：特朗普总统希望美国工业和科技在世界上保持领先、赢得胜利，并成为最富有的国家。目前，英伟达曾一度在中国放弃了 95% 的份额，现在占有率是 0%。特朗普总统希望我们重返该市场。我们已经通过 Lutnick 部长申请并获得了对相关公司销售的许可证，并收到了采购订单，目前正在重新启动供应链。

在国家安全层面，当我们失去对微型电机、稀土矿物、电信网络或能源的控制时，国家安全就会受损，我不希望让 AI 产业步这些行业的后尘。我们不可能指望全世界只用一个通用的 AI 模型，但我们可以让包含芯片、系统和平台的「美国技术栈」占据全球 90% 的份额，让世界各国在此基础上构建符合他们社会的公共或私有 AI 应用，这才是我们想要的结果。

主持人：你们在自动驾驶领域有很多合作伙伴，如奔驰、Uber。你们是打算做一个像 Android 那样的开源平台，还是像特斯拉那样的 iOS 封闭生态？

黄仁勋：我们相信未来所有移动的物体都将实现不同程度的自动化。我们不想自己造车，而是想赋能全球每一家汽车公司去制造自动驾驶汽车。因此，我们构建了训练计算机、模拟计算机、车载评估计算机，以及世界上首个具有推理能力的自动驾驶操作系统，它能够像人类一样将复杂场景分解为简单场景来处理。我们通过垂直优化和水平创新，让客户自己决定：像马斯克（特斯拉）可能只买我们的训练计算机，而其他客户可能想购买我们全套的软硬件系统。我们的态度是解决问题，无论客户如何选择与我们合作，我们都非常欢迎。

主持人：谷歌、亚马逊等很多大客户也在研发自己的 AI 芯片试图与你竞争，同时华尔街分析师预测你们到 2029 年增长率将降至 7% 并流失市场份额，你怎么看？

黄仁勋：我们是一家构建所有堆栈和基础模型的 AI 公司，也是全球唯一一家与世界所有 AI 公司合作的公司。他们从不给我看他们在造什么，但我总是向他们展示我正在造什么。只要我们跑得快，购买英伟达产品依然是最经济的。英伟达是唯一能在任何云、本地服务器、汽车、甚至太空中部署的架构。我们大约 40% 的业务客户不是想买芯片，他们是想建立 AI 基础设施，需要全套的 CUDA 堆栈，而我们拥有全栈能力。所以英伟达的市场份额实际上不降反升，比如 AWS 刚宣布要在未来几年购买 100 万个芯片，Meta 和 Anthropic 也在转向英伟达。

至于华尔街分析师，他们根本不了解 AI 的庞大规模和广度。他们基于刻板印象，不相信一个市场能从 5 万亿涨到 15 万亿。大多数人认为 AI 只集中在前五大云服务商手里，但 AI 的影响力将远比 OpenAI 或 Anthropic 目前展示的要大得多，英伟达解决的不再仅仅是造芯片，而是极度复杂的 AI 基础设施问题。

主持人：能跟非专业人士解释一下你们在太空数据中心的业务吗？

黄仁勋：我们肯定要优先解决地球上的问题，但也应该为太空做准备，因为太空中拥有丰富的能源。主要的挑战在于散热：太空中无法利用传导和对流散热，只能依靠辐射散热，这需要巨大的表面积，但在太空最不缺的就是空间。我们已经进入了太空，有防辐射的 CUDA 设备在全球卫星上做 AI 图像处理，很多影像工作可以直接在太空完成，而无需传回地球。探索太空数据中心的架构需要时间，但我们有充足的时间去探索。

主持人：医疗健康领域的系统极其臃肿，AI 要如何突破监管、在该领域发挥真正的作用？

黄仁勋：我们在医疗领域主要涉足三个方向：首先是 AI 生物学： 用于药物发现，通过 AI 预测和理解生物行为。其次是 AI 智能体： 像 Hippocratic 等公司正在研发助手帮助诊断，这极大地改变了我们与医生的互动方式。再次是物理 AI，了解物理定律的 AI，用于机器人手术。未来医院里的每一台仪器（超声、CT 等）都将内置安全的 OpenClaw 智能体，以全新的方式与患者、护士和医生互动。

主持人：人形机器人行业曾经历了「失落的十年」，现在我们看到了马斯克的 Optimus 以及中国公司的惊人表现，机器人离进入我们的生活到底还有多远？

黄仁勋：美国其实很早就发明了这个行业，但我们入场太早了，在使能技术（AI 大脑）出现前五年我们就已经精疲力竭。但现在大脑技术已经就位。从出现高功能存在的证明，到实际推出合理的产品，通常只需要 2 到 3 个周期，也就是大概 3 到 5 年内，我们就能看到机器人无处不在。

中国的实力非常强大，他们的微电子、电机、稀土和磁铁技术是世界顶尖的，这也是机器人产业的基础。在很大程度上，全球机器人产业将深深依赖中国的生态和供应链。机器人将解决劳动力短缺的问题，我们甚至可以通过虚拟现实操纵家里的机器人帮忙做家事，或作为我们星际移民（如月球、火星）的先遣劳动力。

主持人：Anthropic 首席执行官 Dario 预测到 2030 年非基础设施的 AI 应用（模型和智能体）收入将达到万亿美元。在未来，软件应用层的企业如何建立护城河？面对不可避免的失业（比如司机），你对即将步入社会的年轻人有什么学习建议？

黄仁勋：我认为 Dario 的预测非常保守，他们会做得更好。他没有考虑到，未来每一个企业软件公司都将成为这些底层大模型（如 Anthropic、OpenAI）的增值经销商（VAR），这会极大地扩展市场。

应用层真正的护城河是深度专业化。通用云模型会连接到软件公司的智能体系统，但你必须用自己的数据去训练专门领域的子智能体。尽早将你的智能体与客户连接，专业领域的飞轮效应会越转越快，软件平台有机会成为垂直领域的专家。关于就业，工作确实会发生变化，部分工作会被淘汰，但也会创造出很多新工作。例如，自动驾驶普及后，现有的司机可能会变成随车的「出行助理」，在车上帮你处理行李或安排酒店行程。就像飞机的自动驾驶仪反而创造了更多飞行员需求一样。

我对年轻人的建议是：深耕科学和数学，同时语言技能也很重要。因为语言就是 AI 的终极编程语言。此外，无论你接受什么教育，必须要成为熟练使用 AI 的专家。 当年深度学习刚起步时，有专家预言放射科医生会失业。但 10 年后的今天，计算机视觉 100% 集成到了医疗平台中，放射科医生的需求反而激增了。因为扫描速度变快，医院能接诊更多病人，营收增加从而雇佣了更多医生。同理，生产力提高会让国家更富裕，有条件在教室里配备更多的老师，配合 AI 为每个学生制定个性化的课程，每一位学生都需要优秀的老师。面对 AI，我们不需要去进行散布恐惧的末日论，我们能自主选择如何利用这项技术创造美好的未来。