前不久，在DeepSeek-V4發布前夕，英偉達（NVIDIA）創始人兼CEO黃仁勛接受播客主持人Dwarkesh Patel的訪談中罕見發怒，引發關注。

萬字拆解黃仁勛新觀點：制程使GPU硬件性能提升75%，但架構算法使其能效增長50倍

而就在北京時間5月1日凌晨，《致總統的備忘錄》節目播出與黃仁勛的42分鐘對談。

這是過去12個月內，黃仁勛第二次接受《致總統的備忘錄》播客對談。

此次，黃仁勛沒有發怒，而是探討了從基于檢索的計算向由人類意圖驅動的生成式范式的轉變。

黃仁勛指出，

• 美國必須引領AI的“五層蛋糕”，以引發一場大規模的再工業化，將高技能制造業帶回美國。
• AI自動化的是特定任務，同時提升了對人類創新需求。
• “物理AI”的崛起，預測具備推理能力的自動駕駛出租車和人形機器人將在未來三年內成為主流。
• 美國輿論把 AI 過度科幻化、渲染末日恐慌，制造全社會焦慮與抵觸情緒。
• 美國必須重視全球人才競爭，持續吸引頂尖科研人才赴美發展。美國AI模型技術領先，但高度依賴全球頂尖人才儲備。

對于中國市場，黃仁勛強調，客觀上看，中國在 AI 多層（五層蛋糕）架構中已經具備顯著優勢甚至領跑地位。

其中，中國在AI能源領域處于全球領先；芯片領域美國保持優勢；AI模型層面美國小幅領先，但中國緊隨其后，尤其中國擁有龐大的AI人才，這點美國處于落后局面。

“亞洲其他地區正以極大的熱情擁抱和采用AI。這是我們必須非常關注的事情?！?/p>

以下是黃仁勛硬核對談全文：

主持人：

歡迎收看本期節目。不到一年時間里，我再次在水晶城的辦公室，專訪到了英偉達創始人兼CEO黃仁勛。

非常榮幸能再次請到您?；乜次覀內ツ?月的訪談，短短一年間，AI行業發生了翻天覆地的變化，整個領域迭代演進速度驚人。我們先從當下AI行業現狀聊起。您常提到“AI時代與傳統計算機時代的規模差異”，當下的格局究竟意味著什么？和傳統計算機時代相比有何本質不同？能否為我們詳細解讀一下？

黃仁勛：

我們正處在全新的計算范式之中。從底層邏輯拆解來看，傳統計算本質上是檢索式計算：我們提前錄入信息、拍照、錄制視頻、撰寫文稿、整理簡報，再把這些內容上傳至數據中心存儲。

當你產生需求時，系統會通過檢索機制調取已有內容：網購時是推薦算法、搜索時是列表推送、刷視頻則是信息流投喂。你點擊選擇后，系統就從數據庫調取對應文件。

平臺會根據你的歷史偏好、所處場景、跳轉來源，以及所有留存的網絡痕跡，從已預制好的十余種廣告版本里為你匹配推薦。

長久以來，我們使用計算機的邏輯始終如此：生產內容、存儲內容、檢索內容。

而人工智能驅動下的全新計算模式截然不同：它會基于你的場景語境、指令需求和真實意圖，從初始信息基點出發實時生成全新內容。這些生成內容可以依托事實依據、可以參考行業報告，每一次輸出都是全新創作，這就是生成式計算。

從檢索式計算邁入生成式計算，是劃時代的重大突破。

它的核心價值在于：每一次使用，系統都會結合實時語境、真實基準信息和你的核心意圖，智能匹配最貼合需求的內容。

這也是如今算力需求暴漲的根本原因：傳統計算靠海量存儲，而生成式AI需要龐大的算力集群支撐，這是最底層的本質區別。

除此之外，AI還實現了多維度信息感知能力，無論是文本、視頻還是圖像都能讀懂；它能理解你的提問語境與真實意圖，自主規劃應答邏輯——可以直接作答、整理摘要、撰寫行業簡報，甚至幫你完成采購決策。

我們從檢索式計算正式邁入生成式計算，在此基礎上，AI還具備了自主執行復雜任務的能力，這正是人工智能發展的核心主線。

主持人：

我想請教一個個人問題。你第一次接觸聊天機器人是什么時候？當時第一感受是什么？

黃仁勛：

我第一次接觸聊天機器人，是在英偉達推出Megatron大模型之后。在首款大語言模型正式官宣前，英偉達就和微軟聯合研發了Megatron，參數量達到四五千億級別。

我們自研的預訓練技術，是支撐這款超大規模模型落地的核心。大概在2019年末，我們和微軟聯合完成了這款巨型模型的預訓練。

這遠早于ChatGPT問世。Megatron當時已經具備超強的知識記憶與編碼能力，但缺少一個關鍵核心——OpenAI為ChatGPT賦予的對齊技術、基于人類反饋的強化學習。

當時向Megatron輸入指令，它只會機械輸出模型內存儲的零散內容，邏輯混亂、毫無章法，實用性極低。我們當時一直在等待另一項關鍵技術突破，也就是人類反饋強化學習的成熟落地。

主持人：

我第一次體驗到GPT時，完全被震撼到了，那種驚艷感難以言喻。內部一個欄目名叫《辦公室AI日?！?，每周我們都會讓員工分享上周用AI做了哪些有意思的事。您上周用AI做了什么印象深刻的事？

黃仁勛：

昨天我還用AI來完善致股東信函。我先梳理好整體大綱，讓AI通讀我過往所有演講稿、公開撰文和核心發言內容。

要求它基于現有大綱，用我過往的表述邏輯填充框架、搭建初稿。之后我會人工審閱，改寫不合理的部分、整合優化內容。

完成初稿后，我還會再次交給AI，調整全文語氣風格、優化重點表述，打磨行文質感。

寫作實在是一件很煎熬的事，我一直很不擅長。但有了AI之后，這項工作輕松了太多。

主持人：

英偉達早已不只是一家芯片公司，而是搭建起了完整的產業生態。你們不僅深耕現有生態，還在持續布局未來賽道。站在華盛頓的視角，您如何定義英偉達的定位？我們搭建的產業生態究竟是什么樣的？

黃仁勛：

我們為現代人工智能搭建“底層計算基礎設施”。如果說AI是全新的計算范式，那英偉達就是支撐這套范式落地的算力底座與計算架構。

一套完整的計算體系，不只有芯片，還包含整機系統、系統軟件、底層算法；算力部署場景也無處不在：數據中心、本地機房、工廠車間、通信基站、智能汽車，都是算力落地的場景。

無論算力部署在何處，我們都提供必備的底層計算基建。不同應用場景適配不同算法架構，我們的核心工作，就是把科研領域的創新算法，完美適配到英偉達的技術架構中。

英偉達本質上是一整套軟件、中間件的集合，相當于各大科技領域的專屬操作系統，賦能各行各業完成智能化計算。

同時我們深度鏈接全球生態合作伙伴，從藥物研發、能源發電、工程重工，幾乎全美各行各業都在和我們深度合作。

主持人：

您近期提出AI是“五層架構體系”，我想請您逐一拆解。立足華盛頓視角，美國在每一層架構中處于什么位置？我們有哪些優勢、又亟待補齊哪些短板？

黃仁勛：

AI不僅是全新計算范式，更是一個全新的完整產業。核心原因在于，AI的運行邏輯和傳統計算機完全不同。

傳統計算是精準存儲信息、從硬盤和SSD中檢索調??；而AI是實時生成信息，輸出本質是一串串數字，我們稱之為詞元（token）。

這些浮點數字詞元，會被重新編譯成人類可感知的文本、視頻、圖像、音頻，就像速溶飲品粉末加水還原成品一樣。

而詞元生成的全過程，需要超大規模算力集群支撐，算力運轉又離不開能源供給。

整個AI產業五層架構由此形成：

最底層是能源，之上是海量芯片與超算集群，這些超算規模堪比足球場，數量龐大；

再往上一層是基礎設施，包含土地、電力、機房基建，以及云服務底層軟件；

第三層是AI模型；

而對美國乃至全球所有國家來說，最關鍵、也是我最擔憂的一層，是技術落地應用。

我們必須做好兩件事：一方面建立完善監管規則，守住技術安全底線；另一方面，必須搶占AI應用落地的全球前沿。

AI能極大提升生產力、帶動經濟繁榮、鞏固科技與經濟領導力，我們絕不能在這一輪產業革命中落后。上一次工業革命美國是領跑者，這一次絕不能淪為追隨者。

所謂AI五層架構，依次為：能源、芯片、基建、模型、應用。

大家熟知的大語言模型，只是最容易被大眾感知的形態。但AI能承載的信息遠不止語言與數字，還包括生物、化學、物理、機械、電子等全領域數據，全部都能通過token化處理。

看待AI不能只局限于聊天機器人，還有大量關聯實體產業，它們沒有頭部AI公司的聲量，卻對國家未來發展至關重要，AI模型與行業應用的價值遠超大眾想象。

主持人：

我們聊聊能源話題。所有AI模型運轉都需要海量能源支撐，未來能源供給面臨電網改造、輸送通道建設等諸多難題?？煽睾司圩儭⑻柲芏际莻溥x路徑，您如何評估當下美國的能源現狀？

黃仁勛：

這是一個至關重要的問題。首先我們要回歸本質思考：美國是否需要再工業化？是否要把實體經濟、制造業產業鏈重新帶回國內？

這些產業和就業崗位，是健全社會與經濟體系的核心支柱。如今美國社會陷入一個困境：沒有本科、碩士或博士學歷，就很容易被時代淘汰，這既不合理，也本可避免。相信所有人都認同這一現狀亟待改變。

當下，我們迎來了一代人以來最強的市場驅動力——AI，將推動美國全面再工業化。

AI會催生三大新建產業集群：

第一是芯片制造工廠，英偉達已是全球最大AI企業，我們承諾投入5000億美元算力相關布局，把供應鏈從東亞回流至歐美，新建芯片廠、封測廠、整機工廠，實現AI超算全產業鏈本土制造、本土使用。

第二是配套超算整機產業鏈；

第三是規模化AI算力工廠。

整體將帶動數萬億美元制造業投資，創造海量高技能、高薪資就業崗位，為美國帶來巨大制造業機遇。

首先要明確立場：我們是否愿意重回制造業強國、搭建完善實體經濟體系？如果答案是肯定的，就必須解決能源問題。

制造業的本質是物質形態轉化，拆分、重組化學鍵，整個過程需要巨量能源支撐，能源是再工業化的根基。

客觀來看，美國當前能源儲備與供給能力已經落后。過往對氣候變化的過度顧慮，導致能源領域長期投資不足。當然環保與發展需要平衡，不能片面取舍。

未來我們要從兩方面破局：

第一，電網現代化升級，提升電網運行效率與承載能力。美國電網大部分時間冗余過剩，但一年中仍有十余天負荷承壓。我們需要制定合理的服務協議，讓電力企業在富余時段輸出冗余能源，負荷高峰則啟用備用能源兜底。備用能源可以依托光伏、核電等各類可持續能源。當下借著AI驅動再工業化的風口，我們必須抓住機遇，重塑美國制造業根基，創造大量高端就業崗位。

第二，借此次產業變革契機，全面升級美國整體能源體系。

說到本土制造，我補充一句。當下我們的短板十分明顯，長期能源投資缺位造成了如今的局面。

主持人：

去年7月訪談時，您提到下一波浪潮是智能體AI（Agentic AI）。如今5月，我們已然身處這波浪潮之中。您如何評價當下智能體AI的發展現狀？業內對它的成敗與行業格局討論熱烈，想聽聽您的判斷。

黃仁勛：

從大語言模型到聊天機器人，核心突破是人類反饋強化學習；而從大模型進階到智能體系統，關鍵突破是信息錨定能力。

模型本身在持續迭代：預訓練精度提升、強化學習優化，推理能力、工具調用能力都在不斷完善。

但真正的質變，是讓大模型錨定真實信息、聯網檢索、自主研究、具備長期記憶、自我迭代進化，還能實現多智能體協同交互。

過去六個月，AI智能體取得了跨越式突破，整體落地表現十分亮眼。我十分看好Codex和Claude Code兩大產品，表現尤為出眾。

CodeX 5.5剛剛發布，堪稱里程碑式飛躍，Claude Code同樣實力強勁。

如今絕大多數軟件研發任務，都能實現全流程自動化，不再需要人工逐行編碼。

業內曾有一個普遍預判：智能體普及后，軟件工程師崗位會徹底消失，年輕人千萬不要入行。

但現實恰恰相反：無論是英偉達還是各行各業，都在擴招軟件工程師，崗位數量不降反增。

背后核心邏輯很簡單，這和放射科行業的發展邏輯如出一轍。十年前就有人預言：計算機視覺會徹底顛覆影像診斷，放射科醫生會集體失業。

如今AI早已滲透放射科全流程，但放射科醫生依舊供不應求。

軟件行業也是同理：我們要分清工作任務和工作核心價值。

軟件工程師的日常任務是編程、寫代碼，但崗位的核心價值從來不是敲代碼，而是創新突破、解決復雜問題、聯動協作、挖掘潛在需求、跨界整合創造新價值。

編碼只是落地手段，不是崗位本質。工程師的核心使命，是創新、破局、推動企業發展，編碼只是其中一項基礎工作而已。

主持人：

您曾說下一波浪潮之后，還有新的變革風口。

黃仁勛：

AI本質上是在創造更多就業。那些宣揚AI會大規模裁員、制造失業恐慌的言論，只會誤導年輕人，反而造成行業人才缺口。

我最不愿看到的，是年輕人被誤導不敢投身軟件工程領域，可現實是行業極度缺人。

就像醫療領域，不該勸人別做放射科醫生，社會永遠需要專業醫師診斷病情，閱片只是輔助任務。

只要把崗位的核心價值和基礎執行任務拆分開，就能看懂AI與就業的真實關系。

主持人：

順著這個話題，您此前預判下一個風口是“物理世界AI”。時隔十個月，您如何看待當下物理AI的發展進程？

黃仁勛：

物理AI最成熟、落地最快的賽道就是自動駕駛、無人駕駛出租車。這項技術的科研層面已經完全攻克，剩下的只是工程化落地優化，而且工程化難題也已臨近突破節點。

主持人：

無人駕駛出租車很快就要普及了。您有沒有實際體驗過？感受如何？

黃仁勛：

體驗非常出色。英偉達自研了一套NVIDIA Alpamayo系統，全球首款具備自主思考能力的無人駕駛系統。

面對從未遇到過的全新路況，它能自主推理拆解場景、理解周邊狀況、規劃最優行駛方案，推理能力大幅拓展了自動駕駛的邊界。

無人駕駛出租車已經真正走向落地。

主持人：

那人形服務機器人呢？離普及還有多遠？

黃仁勛：

已經近在眼前了。大家可以試想一個場景：現在的視頻生成模型已經非常成熟，你輸入指令，就能生成機器人拿起咖啡杯、完成遞取動作的完整視頻。

既然AI能生成逼真的動作視頻，原理上就能復刻到實體機器人身上，人形機器人的技術落地已然具備基礎條件。

主持人：

那時間周期您如何預判？是1到3年，還是3到5年，人形機器人會真正走入大眾主流生活？

黃仁勛：

當下最大的瓶頸，不完全是AI模型，更多是機電一體化、電機驅動、仿生手部結構、材質工藝的限制。

機器人既要輕量化保障安全，又要具備足夠承載力；重物傾倒的安全風險差距懸殊，現有技術和理想落地標準還有明顯差距。

不過材料科學、電機技術、電池續航、傳感器技術都在快速迭代，疊加AI模型升級，最終（1-3年）一定能突破瓶頸。

主持人：

那家用機器人多久能走進商超、走進普通家庭？

黃仁勛：

我不糾結某一款特定產品，但英偉達舞臺上經常展示的迪士尼仿生機器人，形態十分可愛。誰不希望身邊擁有專屬智能機器人伙伴，就像影視里的R2-D2一樣。

主持人：

我們聊一個嚴肅話題。身處華盛頓，必須談談中國與芯片出口管制。您一直主張向中國合理出售芯片，外界對此爭議很大，不少人認為這會助力主要競爭對手實現趕超，您如何回應這種質疑？

黃仁勛：

核心邏輯還是回歸AI五層架構。美國必須在AI每一個層級都保持全球領先：能源技術、芯片產業、底層基建、AI模型、行業應用，每一環都不能掉隊。

我們要做的，是扶持五層架構下所有關聯產業，拿下全球技術主導、市場份額主導、經濟份額主導，讓全球科技生態都依托美國技術體系運轉。

無論是能源、芯片、基建、模型還是應用技術，都要堅持全球化出口、擴大技術輻射，保持巨額貿易順差，AI產業也理應遵循這套邏輯。

同時我們要堅守一個原則：優先保障美國本土企業享受最先進、最充足的技術供給，這一點我們始終在踐行。

完全可以找到平衡：對內保障美國產業領先，對外依托技術出口讓美國企業稱霸全球。

主持人：

有一種觀點認為，在AI五層架構里，芯片算力是最核心的咽喉要道。中國能源成本更低、科研人才儲備充足、AI應用落地普及度甚至超過美國。

只要在算力層面卡住對方，就能延緩其發展速度、維持自身領先，避免對方成為全球AI技術領導者，畢竟AI是我們這個時代最重要的核心技術。

黃仁勛：

AI五層架構每一層都同等關鍵，必須全面加速美國各領域布局，這是共識。

芯片層的重要性毋庸置疑，否則行業也不會一直聚焦芯片博弈。英偉達曾占據中國市場近九成份額，如今市場份額直接歸零。

直接放棄中國這么龐大的市場，從戰略層面并不合理，現有政策已經顯現反噬效應。或許初期政策有其考量，但規則必須動態調整、與時俱進。

現階段來看，允許美國芯片企業正常布局中國市場，是雙贏且合理的選擇。

在模型層，我們要傾盡所能扶持本土AI模型企業，保持技術領先、供給優先。美國本身就是全球最大、迭代最快的AI市場，企業靈活創新、活力十足，我完全有信心美國模型產業能持續領跑。

還有一點，無論美國如何出臺管制政策，中國都會堅持全產業鏈自主可控，幾乎所有行業都是如此，芯片、AI領域也不例外。

主持人：

是的，另一件事是，不管我們的政策如何，他們（中國）都會追求自給自足，因為他們幾乎在每個行業都這樣做了，他們也在你的行業追求自給自足。

黃仁勛：

讓我們看看。他們有自給自足的能力和相當重要的領導力。

在能源層面的許多層面上，我認為我們都可以承認，無論是能源產能、技術儲備還是配套產業，中國都是全球領先地位。

客觀來看，中國在AI多層架構中已經具備顯著優勢甚至領跑地位。

所以芯片領域，美國保持優勢，我們是世界芯片的領導者。

在人工智能模型中，我會說我們是領先的。毫無疑問，我們領先，他們緊隨其后。

人才層面，由于對科學和數學的興趣，以及社會結構的鼓勵，他們有如此多的人工智能研究人員，不管是什么原因。他們有如此多的科學和數學專家。

因此，中國AI研究人員的數量是相當驚人的。這是他們的“國寶”之一，

如果你愿意的話，這是一種比最偉大的自然資源更偉大的資源。

我們必須記住，我們將繼續把這些科學人才資源吸引到美國。我們必須確保我們歡迎他們來到這里，坦率地說，我們有點擔心他們中的許多人決定留下或不允許離開。

所以我認為在模型層，我們的技術是先進的。但我們也深深依賴于世界各地的人才。

最后，在應用層面上，我今天可能非常關心，美國輿論把AI過度科幻化、渲染末日恐慌，制造全社會焦慮與抵觸情緒。我們描述的人工智能在美國引起了如此多的恐慌和恐懼。

與此同時，亞洲其他地區正以極大的熱情擁抱和采用AI。這是我們必須非常關注的事情。這就是我們通常被拋在后面的原因。

主持人：

您在GTC大會上多次提到開源生態、開源云服務，我還記得您展示過的下載量數據。開源對AI普惠化、降低門檻至關重要，但同時也帶來安全與風控隱患，英偉達如何平衡兩者、應對安全挑戰？

黃仁勛：

首先要明確：開源反而能提升整體安全與防護能力。

面對超級智能體、網絡攻防攻擊，最好的防御方式不是以強對強，而是依托開源生態培育海量防御智能體集群，用群體不對稱優勢構建防護網。

Palo Alto Networks、思科、微軟等網絡安全巨頭，全都依托開源技術搭建防護體系。

開源技術全程公開透明、可追溯、可拆解，我們能清晰掌控技術邏輯，反而更容易守住安全底線。

針對OpenClaw這類智能代理工具的安全隱患，我們專門自研了兩項核心技術，其中OpenShell已開源貢獻給行業。

OpenShell就像給OpenClaw這類智能龍蝦套上一層安全外殼，構建隔離沙箱環境。

它能嚴格管控智能體的信息訪問權限、數據收發規則，依托策略引擎管控隱私數據外泄，限制敏感信息對外傳輸。

所有隱私規則、單實例安全策略都集成在架構中，從底層筑牢安全防線。

整套技術完全開源，全球企業都能看清底層邏輯、放心落地，也方便和全球安全企業協同共建風控體系，守護智能體安全運轉。

主持人：

您全程多次提到AI落地應用與社會恐慌情緒。去年7月訪談時，我們都對AI發展趨勢保持樂觀。但如今輿論環境復雜：政治爭議、數據中心博弈、各州監管政策、科技企業裁員潮，很多人把失業歸咎于AI。

我擔心全社會會形成對AI的負面刻板印象，進而阻礙技術落地普及。您如何看待當下這種輿論現狀？這也是您一直重點擔憂的問題。

黃仁勛：

當下很多言論不僅毫無價值，還極具負面影響。

部分科學家宣揚AI會徹底顛覆放射科、淘汰從業者，看似是風險預警，實則制造不必要的恐慌。

一旦誤導年輕人不敢入行，可社會恰恰急需放射科醫生，最終只會損害行業與社會發展。

同理，渲染軟件工程行業會消失，勸退年輕人，可如今美國極度緊缺軟件工程師，同樣百害無一利。

更離譜的還有各種末日論調：宣稱AI是人類生存威脅、有概率毀滅文明、會讓半數應屆生失業、顛覆民主體系。

這類言論毫無事實依據，很多還是企業高管隨口發聲，自帶光環效應誤導大眾，完全脫離客觀現實。

我們必須回歸事實理性看待：過去兩年，AI已經創造超50萬個新增就業崗位；AI是美國再工業化、帶回制造業就業的最佳契機，未來將催生數十萬崗位、撬動數萬億美元新經濟增量。

落地AI的企業增長速度明顯更快，企業擴張必然帶動招聘擴招，本質上AI是創造就業而非毀滅就業。

很多人陷入一個認知誤區：假設全美需要編寫10億行代碼，由1000萬軟件工程師支撐，對應萬億級經濟規模。

一旦AI自動化完成編碼，就誤以為萬億崗位會憑空消失，這個邏輯存在兩大致命漏洞。

第一，再次重申：執行任務不等于崗位核心價值。就像我的日常工作是參會訪談、溝通對接，AI完全能替代基礎溝通，但我的核心價值無法被取代，反而比以往更忙碌。

第二，市場需求永遠不會止步于10億行代碼。醫療、科研、制造、零售、生活服務等全領域，有無數待解決的問題、待落地的創新，我們需要的代碼量遠超想象。

過往人類被鍵盤、編碼形式束縛了思維，誤以為工作就等于不停敲字。

往后我們會從機械重復的編碼工作中解放出來，把精力投入創新、解決問題、跨界創造更高價值，這是社會發展的必然趨勢。

我很欣慰看到大家從醫療、能源、制造、零售、量子科技等全維度解讀AI，覆蓋各行各業、各類專業領域，參與者都滿懷期待。

如今英偉達所有工程師都在使用AI，絕大多數編碼工作由AI完成，但我們反而在擴招工程師、迎接更大的挑戰、樹立更高的發展目標。

不妨試想：當AI全面融入社會，我們做事效率更高、格局野心更大、發展預期更好，這對國家而言明明是絕佳機遇，何來負面影響？

我由衷希望各行各業、每家企業都能積極擁抱AI。在這之前，AI技術實力強悍但實用性有限；如今兼具實力與落地價值，真正走進實用時代。

期待所有行業都抓住這波浪潮，英偉達也會全力加碼AI賽道，滿懷熱忱與野心，奔赴下一輪技術變革。