1 月 22 日，在達沃斯的聚光燈下，英偉達掌門人黃仁勳與貝萊德（BlackRock）掌門人拉里 · 芬克（Larry Fink）展開了一場長達半小時的巔峯對話。
面對華爾街最關心的「資金黑洞」問題，黃仁勳拋出了一個驚人的論斷 ——「我們已經投進去的幾千億美元，只是道開胃菜。要把這套架構真正搭起來，後面還得再砸幾萬億美元。」
就在全世界都在擔憂「AI 是不是過熱了」的時候，他給出了一個截然不同的定義：「我們遇上的不是什麼 AI 泡沫，而是人類歷史上最大的一場基建熱潮。」
目前英偉達的 GPU 依然一芯難求，就連幾年前老款型號的租金都在飛漲。
為了解釋這筆錢到底要花在哪，黃仁勳將整個 AI 體系比作一個龐大的「五層蛋糕」：最底層是能源，往上依次是芯片、雲服務、AI 模型，而最上面那層纔是各行各業的具體應用。要把這塊蛋糕每一層都填滿，現有的投入確實僅僅是個開始。
而對於「AI 搶人飯碗」這個引發全球焦慮的話題，黃仁勳覺得大家可能都擔心反了：「AI 非但沒有製造失業，反而正在創造大量年薪六位數的藍領工作。」
如今在美國，電工、管道工年薪突破十萬美元已經不稀奇。原因很簡單：到處都在瘋狂建設數據中心和芯片工廠，這些物理世界的「新基建」急需大量熟練人手。
他還舉了醫療行業的例子來反擊「替代論」。過去十年，AI 並沒有像預言那樣取代放射科醫生，相反，醫生的人數還增加了。「AI 把看片子這類重複活兒接了過去，讓醫生能騰出手，更專注於診斷和跟病人溝通，這纔是醫療真正該做的事。」
此外，黃仁勳還特別強調了「AI 主權」的概念：「每個國家都應該發展自己的 AI 能力，就像當年建電網、修公路一樣，這是新時代的基礎設施主權。」
路修好了，車自然會來。
幾萬億美元正在轉化為電網、芯片廠和數據中心。這就好比當年的鐵路大基建。基礎設施一旦鋪好，屬於它的時代自然就會到來。
一、AI 不是「泡沫」，是必須壘起來的「五層蛋糕」
「很多人跑來問我，現在 AI 投資這麼猛，是不是泡沫？」黃仁勳對這個問題的回應很乾脆：「之所以有人覺得是泡沫，恰恰是因為我們投的規模太大了。而規模大，是因為我們得從下到上，把支撐 AI 的每一層基礎設施都給建起來。」
為了說清楚這個龐大的體系，他拋出了那個如今常被引用的「AI 五層蛋糕」理論：
最底層：能源。沒電，一切算力都是空談。
第二層：芯片和計算設備。這是英偉達的主戰場。
第三層：雲設施與服務。得把算力高效地管起來、送出去。
第四層：AI 模型。大家最熟悉的層面，比如 ChatGPT 這些大模型。
最頂層：實際應用。金融、醫療、製造……AI 真正產生價值的地方。
「全球已經在這裏面投了好幾千億美元，」黃仁勳說，「但這只是個開頭，未來需要的錢得以萬億美元計。」他去年就預測過，到 2030 年，全球花在 AI 基礎設施上的錢可能達到 3 萬億到 4 萬億美元。
之所以要這麼多錢，是因為從蛋糕底往上，每一層都在瘋狂擴張：
能源層：為了餵飽胃口巨大的 AI 數據中心，全球的電站升級和綠色能源項目都在提速。
芯片與硬件層：台積電說要新建 20 座芯片廠；英偉達的製造夥伴（如富士康、緯創、廣達）打算新建 30 座「AI 工廠」；存儲領域，美光已經啓動了在美國的 2000 億美元投資，SK 海力士和三星也在拼命擴產。
數據中心層：幾大科技公司已經承諾，未來幾年要投超過 5000 億美元在數據中心的建設和租賃上。
與此同時，2025 年的風險投資也衝上了歷史高點，全球超過 1000 億美元流向了那些「AI 原生公司」，覆蓋醫療、機器人、製造、金融等領域。砸錢這麼狠，背後是 AI 模型的能力已經足夠支撐這些行業玩出真東西了。
二、不只會寫詩畫畫，AI 開始「讀懂」物理世界了
推動這場萬億基建浪潮的根本動力，是 AI 技術自己在過去一年取得了比普通人想象更紮實的突破。黃仁勳把這些突破歸為三類：
突破一：從「聊天」到「辦事」。早期的 AI 大模型總愛「胡言亂語」，但現在它們學會了逐步推理、制定計劃、執行任務，越來越像個能自己幹活的「智能體」了。
突破二：開源浪潮。他以 DeepSeek 為例，稱其開源模型的出現是推理領域的「大事」，這讓全球的企業和研究機構都能用較低成本獲得強大的 AI 能力，進而開發自己專業領域的模型。
突破三：物理智能的覺醒。這部分最讓人興奮。AI 開始理解蛋白質結構、化學分子、流體力學這些自然科學規律了。「我們和禮來這樣的藥企合作，AI 已經可以像我們和 ChatGPT 聊天那樣，去‘對話’和設計蛋白質分子。這意味着，未來研發新藥的速度可能會被徹底改寫。」
三、AI 不是來砸飯碗的，反而催生了「六位數年薪」的藍領崗
面對「AI 導致失業」這股全球性的焦慮，黃仁勳的觀點是：AI 會創造出大量高薪的藍領崗位，甚至可能讓技術工人更加緊俏。
「那些數據中心、芯片工廠，安裝和維護它們需要海量的電工、管道工、建築工人和網絡技師。」他說，「在美國，這些崗位的薪水幾乎翻了一倍，賺到六位數年薪並不難。想過上好日子，不一定非得有個計算機博士學位。」
他還舉了放射科醫生和護士的例子：十年前，當 AI 在看醫學影像上超過人類時，很多人都說放射科醫生要失業了。但十年過去了，美國放射科醫生的數量反而增加了。因為 AI 把看片子這種重複勞動包了，醫生就能把時間省下來，更深入地跟病人溝通、做複雜診斷。醫院效率高了，收入多了，反而僱了更多醫生。
護士的情況也類似。黃仁勳引用數據說，美國缺 500 萬名護士。AI 接手了大約一半的病歷文書工作，讓護士能回到病人牀邊，提供更有溫度的護理。醫院運轉得更好了，對護士的需求也更大了。
「關鍵要分清楚工作的‘目的’和‘任務’。」黃仁勳總結道，「AI 自動化的是‘任務’，而人更能專注於工作的‘目的’。這通常會提升職業的價值，甚至把整個行業的盤子做得更大。」
黃仁勳舉的例子多是高端服務業和藍領工種。而對於那些從事基礎分析、編碼、文案工作的普通白領來說，AI 帶來的替代壓力，確實是實實在在、近在眼前的。Anthropic 的 CEO 達里奧 · 阿莫代伊（Dario Amodei）之前就警告過，一半的入門級白領工作可能會被 AI「抹掉」。
四、給世界的建議：每個國家都該有自己的「AI 主權」
黃仁勳的眼光並沒只盯着發達國家。他特別指出，AI 不該成為技術鴻溝，而應成為發展中國家實現跨越的機會。
對發展中國家來說：「AI 是基礎設施，就像電和路一樣。每個國家都應該建設自己的 AI 能力。」他認為，藉助開源模型，結合本國的語言和文化數據去訓練，任何國家都能發展出適合自己需要的 AI。「這能保護你們的數字主權。AI 用起來越來越方便，未來任何人或許都能通過對話來編程，這有助於縮小技術差距。」
對歐洲，黃仁勳的建議是：「歐洲的優勢在於深厚的工業基礎和頂尖的科學實力。你們可以跳過‘軟件時代’，直接擁抱‘物理 AI’和機器人技術，用 AI 把製造業和科學研究重新武裝起來。」
但他也毫不客氣地指出了前提：「歐洲必須先解決能源供應的問題。沒有充足且可持續的電力，什麼都談不成。」
五、英偉達的現在與未來：GPU 還是一卡難求
這一輪 AI 浪潮到底有沒有泡沫？英偉達或許就是最準確的風向標。
黃仁勳提到，檢驗 AI 是不是泡沫，一個關鍵指標就是看英偉達 GPU 夠不夠搶手。如今，英偉達的 GPU 已經鋪滿了各大雲平台，想租一塊用用越來越難，現貨價格也在漲，不僅是最新一代，連前兩代的舊型號價格都在往上走。
原因在於，AI 公司的快速擴張讓研發預算大量轉向。像禮來這樣的公司就是典型：三年前，他們的預算幾乎全花在傳統的實驗室裏；而現在，大部分資金都流向了 AI 超級計算機和數字實驗室。越來越多的研發經費，正在朝 AI 傾斜。
數據顯示，主要科技公司（微軟、Meta、亞馬遜、谷歌等）已經承諾，未來幾年要投超過 5000 億美元在數據中心的建設和租賃上，其中大部分會變成英偉達的硬件訂單。甚至有消息說，中國的科技巨頭阿里和字節跳動，各自都想訂購超過 20 萬顆英偉達最新的 H200 芯片。
路修好了，車自然會來
黃仁勳描繪的未來，其實沒那麼玄乎。他只是在告訴世界：AI 不是飄在雲端的魔法，它和當年的鐵路、電網一樣，是由鋼筋、水泥和電力堆出來的工業品。
此刻的矛盾顯而易見：資本的熱情與大衆的焦慮在對撞，發達國家的搶跑與發展中國家的追趕在交織。但這種混亂，恰恰是每一次工業革命爆發前的常態。
正如黃仁勳所言，幾千億美元只是個入場券。當 AI 從「聊天框」走向「物理世界」，真正的競爭才啱啱開始。在這個新階段，最紮實的電網和最熟練的工人，或許比最聰明的算法更具決定性。
以下是黃仁勳對話實錄：
拉里 · 芬克：
大家早上好。很高興能重返會場。希望大家昨天過得愉快，也希望你們能享受今天的議程。我非常榮幸能介紹黃仁勳，他是我由衷欽佩、長期關注的人，也是我在探索技術和人工智能旅程中的導師。
目睹他領導英偉達的歷程，簡直令人驚歎。我不喜歡拿自己做比較，但我很喜歡這項對比：英偉達自 1999 年上市以來 —— 恰巧也是貝萊德上市的年份 ——
（觀衆笑聲）
拉里 · 芬克：
噢，天哪。好吧。事實上，英偉達為其股東帶來的總回報率達到了 37% 的年化複合增長率。試想一下，如果每一家養老基金都在 IPO 時投資了英偉達，這對它們意味着什麼？這將為每個人的退休生活帶來多麼巨大的財富增長。與此同時，貝萊德的年化總回報率為 21%。對於一家金融服務公司來說還不錯，但這顯然在英偉達面前相形見絀。這極好地證明了黃仁勳的領導力、英偉達的市場定位，也是世界對英偉達未來充滿信心的有力聲明。所以，黃仁勳，祝賀你在這一旅程中取得的成就，我知道我們未來的路還很長。
黃仁勳：
謝謝，我很榮幸。我唯一的遺憾是在 IPO 之後，我想給父母買份像樣的禮物，所以我賣掉了一些英偉達的股票。當時公司總估值僅為 3 億美元，我給他們買了一輛梅賽德斯 S 級轎車。那是當時世界上最貴的車。
（觀衆笑聲）
黃仁勳：
他們後悔了。
拉里 · 芬克：
他們還留着那輛車嗎？
黃仁勳：
噢，當然。是的，他們還留着。
拉里 · 芬克：
很好。我現在要切入正題了，但我只想說，關於 AI 的辯論往往圍繞着它將如何改變世界和全球經濟。今天我想探討的是 AI 如何能為世界經濟賦能，以及 AI 如何能日益成為一種基礎技術，讓在座的各位都能利用它來提升我們的生活，提升世界上每個人的生活。我們需要討論它將如何重塑幾乎所有行業的生產力、勞動力和基礎設施。但更重要的是，它將如何重塑世界，世界的更多領域如何能從 AI 中受益，以及我們要如何確保全球經濟是走向多元包容，而非走向封閉狹隘。在洞察 AI 的本質、圍繞它的基礎設施以及建設這些基礎設施的必要性方面，我想不出還有誰比你更有發言權。因為許多主要的超大規模雲服務商 (Hyperscalers) 都在使用英偉達創造的產品，再加上圍繞 AI 基礎設施的整體參與度和 AI 的潛力，我認為在這個下午或上午，我們這裏有一位極佳的發言人值得傾聽。
黃仁勳，再次感謝你。這是他第一次參加達沃斯的世界經濟論壇，我知道你的日程非常滿，所以謝謝你抽出時間。
黃仁勳：
我很感激。
拉里 · 芬克：
那麼讓我直奔主題。為什麼你相信 AI 有潛力成為如此重要的增長引擎？是什麼讓這一刻、這項技術不同於以往的技術周期？
黃仁勳：
是的，首先，當你思考 AI 並以各種方式與 AI 互動時 —— 當然是使用 ChatGPT，使用 Gemini，使用 Anthropic 的 Claude—— 以及它能做的那些神奇的事情。這有助於我們迴歸第一性原理，去理解計算堆棧 (Computing Stack) 根本上發生了什麼。這是一次平台轉移。平台是應用程序構建的基礎。這次平台轉移就像當初向個人電腦 (PC) 的轉移一樣 —— 開發新應用程序以在新型計算機上運行；就像向互聯網的轉移 —— 一種新型計算平台託管了各種新應用程序；就像向移動雲端的轉移。在每一次平台轉移中，計算堆棧都被重新發明，新的應用程序被創造出來。這是一次新的平台轉移，因為雖然你今天使用的是 ChatGPT，但重要的是要理解它本身是一個應用程序，但更重要的是，新的應用程序將構建在 ChatGPT 之上，新的應用程序將構建在 Anthropic Claude 之上。所以從這個角度看，這是一次平台轉移。
AI 其實很容易理解，只要你意識到它能做到以前做不到的事情。過去的軟件實際上是「預先錄製」的。人類輸入並描述算法或配方讓計算機去執行。它能夠處理結構化信息，意味着你必須輸入姓名、地址、賬號、年齡、居住地。你創建這些結構化表格，然後軟件去從中檢索信息。我們稱之為 SQL 查詢。SQL 是世界已知最重要的數據庫引擎。在此之前幾乎所有東西都在 SQL 上運行。現在我們擁有一台可以理解非結構化信息的計算機，這意味着它可以看一張圖片並理解它，看一段文字並理解它 —— 這是完全非結構化的。它可以聽聲音並理解它，理解其含義，理解其結構，並推理該如何處理它。
所以這是第一次，我們擁有了一台不是「預先錄製」的計算機，而是實時處理的。這意味着它能夠獲取環境的上下文、背景信息以及你給它的任何信息。它可以推理這些信息的含義，並推理你的意圖 —— 哪怕你的意圖是以非常非結構化的方式描述的。你可以用任何你想用的方式描述它，我們稱之為提示詞 (Prompts)。只要它能理解你的意圖，它就能為你執行任務。
這一點之所以重要，是因為我們在重塑整個計算堆棧。問題是，什麼是 AI？當你想到 AI 時，你想的是 AI 模型。但從工業角度理解這一點非常重要：AI 本質上是一個五層蛋糕。最底層是能源。因為 AI 是實時處理並實時生成智能的，它需要能源來做到這一點。能源是第一層。第二層是我所在的層，即芯片 —— 芯片和計算基礎設施。再上一層是雲基礎設施、雲服務。再上一層是 AI 模型。這是大多數人認為 AI 所在的地方。但別忘了，為了讓這些模型出現，你必須擁有下面所有的層。但最重要的一層 —— 這也是目前正在發生的一層，這也是為什麼去年對 AI 來說坦率地說是不可思議的一年 —— 是因為 AI 模型取得了如此大的進步，以至於它上面的一層，也就是我們最終都需要它來獲得成功的那一層：應用層。這個應用層可能在金融服務、醫療保健、製造業中。最上面的這一層最終是產生經濟效益的地方。
但重要的一點是，因為這個計算平台需要下面所有的層，它已經啓動了 —— 你們大家現在都看到了 —— 它已經啓動了人類歷史上最大的基礎設施建設。我們現在已經投入了幾千億美元。
拉里 · 芬克：
確實如此。
黃仁勳：
我們已經投入了幾千億美元。拉里和我，我們有機會在許多項目上合作，還有數萬億美元的基礎設施需要建設。這是順理成章的。這是順理成章的，因為所有這些上下文都必須被處理，以便模型能夠生成必要的智能，來驅動最終位於頂層的應用程序。所以當你回過頭來，一層一層地推理，你會意識到能源部門現在正經歷着非凡的增長。芯片部門 —— 台積電 (TSMC) 啱啱宣佈他們將建設 20 家新芯片工廠；富士康 (Foxconn) 與我們以及緯創 (Wistron) 和廣達 (Quanta) 合作，正在建設 30 家新計算機工廠，這些工廠的產品隨後將進入這些 AI 工廠。所以我們有芯片工廠、計算機工廠和 AI 工廠正在世界各地建設。
拉里 · 芬克：
還有內存。
黃仁勳：
還有內存，對，沒錯。那些芯片晶圓廠 —— 美光 (Micron) 已開始在美國投資 2000 億美元。SK 海力士的業績令人難以置信，三星 (Samsung) 也做得令人難以置信。你可以看到整個芯片層今天都在驚人地增長。當然，我們非常關注模型層，但真正令人興奮的是它們上面的一層確實表現極佳。一個指標是風險投資 (VC) 資金的去向。去年，2025 年，是風險投資歷史上資金規模最大的年份之一。去年大部分資金流向了所謂的「AI 原生企業」。這些是在醫療保健、機器人、製造業、金融服務等世界所有大型行業的公司。你看到鉅額投資進入這些 AI 原生企業，因為這是第一次，模型已經進化到了足以支撐實際應用的程度。
拉里 · 芬克：
那麼，讓我們再深入一點。顯然，我相信每個人都在使用自己的聊天機器人獲取信息。但你談到的是 AI 的普及化將是關鍵。讓我們談談…… 多談談關於它在物理世界普及的上行空間。你提到了醫療保健顯然是一個很好的例子。但在交通或科學等領域，你認為變革性的機會在哪裏？
黃仁勳：
嗯，去年，我會說 AI 技術層、模型層發生了三件大事。第一件是模型本身從最初的好奇和有趣，但伴隨大量幻覺 (Hallucination)，發展到去年 —— 我們可以合理地接受這些模型現在的立足點更穩固了。它們可以做研究，它們可以推理那些也許並未受過訓練的情況，將其分解為循序漸進的推理步驟，並制定計劃來回答你的問題、做研究或執行任務。所以去年我們看到了語言模型的進化，變成了我們所說的代理系統 (Agentic Systems)，即代理人工智能。
第二個重大突破是開放模型的突破。幾年前…… 是一年前嗎？DeepSeek 推出了，很多人對此相當擔心。坦率地說，DeepSeek 對大多數行業、世界各地的大多數公司來說是一個巨大的事件，因為它是世界上第一個開放的推理模型。從那時起，一大批開放推理模型湧現出來。開放模型使公司、行業、研究人員、教育工作者、大學、初創公司能夠使用這些開放模型來啓動項目，並創建特定領域或專門針對其需求的東西。
去年取得巨大進步的第三個領域是物理智能的概念，即物理人工智能 (Physical AI)。不僅僅理解語言，而且理解「自然」的 AI。這可能是理解這裏物理世界的 AI。AI 現在開始學習理解蛋白質、化學品、物理學（例如流體動力學、粒子物理學、量子物理學）。AI 正在學習所有這些不同的結構和不同的語言（如果可以這麼說的話，蛋白質本質上就是一種語言）。所有這些 AI 現在都取得了如此巨大的進步，以至於這些工業公司 —— 無論是製造業還是藥物研發 —— 真的在取得巨大的進展。一個很好的指標是我們與禮來公司 (Eli Lilly) 的合作關係。他們現在意識到，AI 在理解蛋白質結構和化學品結構方面取得了如此非凡的進步，本質上能夠像我們與 ChatGPT 交談一樣與蛋白質互動，我們將看到一些真正的重大突破。
拉里 · 芬克：
所有這些突破引發了關於人為因素的擔憂。你和我對此進行過多次對話，但我們需要告訴全場觀衆，人們非常擔心 AI 會取代工作。而你一直持相反觀點。顯然，正如你所說，AI 的建設，歷史上最大的基礎設施建設即將發生，能源業在創造就業，工業在創造就業，基礎設施層在創造就業，土地、電力和廠房都在創造就業。我的意思是，這不可思議。
所以讓我們更詳細地探討一下。你實際上相信我們將面臨勞動力短缺。那麼，你如何看待 AI 和機器人技術是在改變工作的性質，而不是消除工作？
黃仁勳：
我們可以通過幾種不同的方式來思考這個問題。首先，這是人類歷史上最大的基礎設施建設。這將創造大量的就業機會。而且很棒的是，這些工作與藍領技藝 (Tradecraft) 相關。我們將需要水管工、電工、建築工人和鋼鐵工人、網絡技術人員，以及安裝和裝配設備的人員。在美國，我們看到這一領域出現了相當顯著的繁榮。工資幾乎翻了一番。我們談論的是為那些建設芯片工廠、計算機工廠或 AI 工廠的人提供六位數的薪水。我們在這一塊有巨大的短缺，我真的很高興看到這麼多國家、這麼多人真正認識到這一重要領域。你知道，每個人都應該能夠過上很好的生活，你不需要擁有計算機科學博士學位也能做到。所以我很高興看到這一點。
第二點要意識到的是 —— 我們對任務自動化以及其對就業的影響進行了理論化 —— 但我只提供一些軼事，這些是實際發生的現實世界軼事。記得 10 年前，每個人都認為首先會被淘汰的職業之一是放射科。原因在於，第一個在能力上變得超乎常人的 AI 是計算機視覺。而計算機視覺最大的應用之一就是放射科醫生研究掃描圖。
10 年後，確實 AI 現在已經完全滲透並擴散到放射學的每一個方面。確實放射科醫生使用 AI 來研究掃描圖。現在的影響是 100% 的，影響是完全真實的。然而，不足為奇的是 —— 我說不足為奇，如果你從第一性原理推導的話 —— 不足為奇的是，放射科醫生的數量不降反增。
拉里 · 芬克：
那是因為缺乏信任，還是因為人類與 AI 結果的互動帶來了更好的結果？
黃仁勳：
正是如此。原因在於放射科醫生的工作，他們工作的「目的」是診斷疾病，幫助病人診斷疾病。這是他們工作的目的。工作的「任務」包括研究掃描圖。事實上，他們現在能夠無限快地研究掃描圖，這使他們能夠花更多時間與病人在一起診斷疾病，與病人互動，與其他臨牀醫生互動。
令人驚訝的是 —— 或者實際上也不令人驚訝 —— 結果是醫院能夠接診的病人數量增加了，因為很多人排隊等候很長時間才能做掃描。所以現在因為病人數量增加了，醫院的收入增加了，他們僱佣了更多的放射科醫生。護士行業也正在發生同樣的事情。美國短缺 500 萬名護士。通過使用 AI 來進行圖表記錄和病患就診的轉錄 —— 護士花一半的時間在圖表記錄和文檔工作上 —— 現在他們可以使用 AI 技術。有一家特定的公司叫 Abridge，是我們的合作伙伴，做得非常出色。結果是護士可以花更多時間探視病人。
拉里 · 芬克：
這種人性化的接觸。
黃仁勳：
沒錯。因為你現在可以看更多的病人，我們不再受護士數量的瓶頸限制，更多的病人可以更快地進入醫院。結果醫院經營得更好，他們僱佣更多的護士。所以令人驚訝的是 —— 或者說不令人驚訝的是 ——AI 提高了他們的生產力，結果醫院經營得更好。他們想僱佣更多的人。有太多人等待太久才能進醫院。所以這是兩個完美的例子。
思考 AI 對特定工作影響的最簡單方法是理解工作的「目的」是什麼，工作的「任務」是什麼。如果你在我們倆身上放個攝像頭觀察我們，你可能會認為我們倆是打字員。因為我把所有時間都花在打字上。如果 AI 可以自動化這麼多單詞預測並幫助我們打字，那我們就會失業，但顯然那不是我們的目的。所以問題在於你工作的目的是什麼。在放射科醫生和護士的案例中，目的是照顧人，而這個目的因為任務被自動化而得到了增強和提高效率。所以如果你能推理每個人的目的與任務的區別，我認為這是一個有用的框架。
拉里 · 芬克：
讓我們把話題延伸到發達經濟體之外。幫我理解 AI 如何能拓寬世界並幫助世界。上周末我讀了一篇 Anthropic 的文章，基本上說最近 AI 的使用主要由受過教育的社會階層主導，他們甚至看到每個社會中受過教育的部分使用率更高。顯然他們在使用它輔助編寫代碼，所以它可能有自己的偏見。那麼，我們如何確保 AI 是一項變革性技術 —— 也許像 Wi-Fi 和 5G 對新興世界那樣？當你把這與它對新興世界和就業的意義結合起來 —— 我們如何拓寬全球經濟？第二，回到關於機器人和 AI 的整個就業形勢，那裏會有一些替代。美國已經發生了一些替代。我們可能會創造更多的水管工和電工，但在金融機構我們可能需要更少的分析師，律師需要更少的…… 你知道，因為他們能更快地積累數據。所以讓我們把話題轉向新興世界一下。在發展中世界，你認為這會如何發展？
黃仁勳：
首先，AI 是基礎設施。我想不出世界上有哪個國家不需要 AI 作為其基礎設施的一部分，因為每個國家都有電力，有道路。你應該擁有 AI 作為基礎設施的一部分。當然，你總是可以進口 AI。但如今訓練 AI 並沒有那麼難。而且因為有這麼多開放模型，利用這些開放模型加上你們當地的專業知識，你應該能夠創建對你們自己國家有幫助的模型。所以我真的相信每個國家都應該參與建設 AI 基礎設施，建立自己的 AI，利用你們基本的自然資源 —— 即你們的語言和文化 —— 開發你們的 AI，繼續完善它，並讓你們的國家智能成為你們生態系統的一部分。所以我認為這是第一點。
第二點，記住 AI 超級好用。它是歷史上最容易使用的軟件，這也是它增長最快、普及最快的原因。我是說僅僅兩三年時間，它就覆蓋了近 10 億人。我認為首先 Claude 是不可思議的。Anthropic 在開發 Claude 方面取得了巨大的進步和飛躍。我們在整個公司都在使用它。Claude 的編程能力、推理能力，它的能力真的令人難以置信。任何軟件公司真的都應該參與進來並使用它。另一方面，ChatGPT 可能是歷史上最成功的消費者 AI，鑑於它的易用性和親和力，我認為每個人都應該參與進來。
無論是發展中國家的人還是學生，很明顯，學會如何使用 AI、如何指導 AI、如何向 AI 提問 (Prompt)、如何管理 AI、如何為 AI 設定護欄、評估 AI，這些都是必不可少的。這些技能與領導他人、管理他人並沒有什麼不同，這些是你我一直在做的事情。所以，在未來，除了生物的、碳基的智能，未來我們還將擁有數字版本的 AI、硅基版本的 AI，我們將不得不管理它們。它們只是我們數字勞動力的一部分。
所以我主張發展中國家建設你們的基礎設施，參與 AI，並認識到 AI 很可能會縮小技術鴻溝。因為它如此易用、如此豐富且如此易得。所以我實際上對 AI 提升新興國家潛力的前景相當樂觀。對於許多沒有計算機科學學位的人來說，你們現在都可以成為程序員。在過去，我們必須學習如何給計算機編程。現在，你通過對計算機說「我該如何給你編程？」來給計算機編程。如果你不知道如何使用 AI，就走到 AI 面前說：「我不知道如何使用 AI，我該怎麼用 AI？」它會向你解釋。你可以說：「我想寫一個程序來創建我自己的網站，我該怎麼做？」它會問你一大堆關於你想建立什麼樣的網站的問題，然後為你編寫代碼。它就是這麼好用。當然這就是 AI 令人難以置信的力量，這是令人興奮的。
拉里 · 芬克：
兩個快速的問題，然後我們就沒時間了。我們身處歐洲。當我們談論很多公司時，我們要麼提到很多美國公司，要麼是亞洲公司。跟我們要談談 AI 與歐洲的成功及歐洲的未來如何交匯，你認為英偉達在歐洲扮演什麼角色？
黃仁勳：
我有幸 —— 英偉達有幸與世界上每一家 AI 公司合作。因為我們處於基礎設施層的底層，我們要為全方位的 AI 提供動力。我們為理解語言、生物學、物理學、世界模型以及與製造業和機器人相關的 AI 提供動力。
對歐洲來說真正令人興奮的是，記住你們的工業基礎非常強大。歐洲的工業製造基礎極其強大。這是你們現在跨越軟件時代的機會。美國確實引領了軟件時代。AI 是不需要寫軟件的軟件。你不用寫 AI，你教 AI。所以現在儘早加入，這樣你們就可以將你們的工業能力、製造能力與人工智能融合，這將帶你們進入物理 AI 或機器人的世界。機器人技術對歐洲國家來說是一個千載難逢的機會。無論是我在這裏訪問的所有國家，工業基礎都非常非常強大。
另一件要意識到的事情是，歐洲的深層科學仍然非常非常強大。現在的深層科學有利用人工智能加速發現的優勢。所以我認為相當確定的一點是，你們必須認真對待增加能源供應，以便你們可以投資於基礎設施層，從而在歐洲擁有豐富的人工智能生態系統。
拉里 · 芬克：
所以我聽到的是，我們遠未處於 AI 泡沫中。問題是我們投資得夠不夠？
讓我們反過來看，因為有很多人在談論泡沫，但我從你那裏聽到的是：我們是否投資得足夠多，以完成我們需要做的事情來拓寬全球經濟？
黃仁勳：
檢驗 AI 泡沫的一個好方法是認識到英偉達現在在雲端有數百萬個 GPU。我們在每一個雲裏，我們被廣泛使用。如果你這幾天想租用英偉達的 GPU，那是極其困難的。GPU 租賃的現貨價格正在上漲。不僅僅是最新一代，哪怕是兩代以前的 GPU，租賃的現貨價格都在上漲。原因在於正在創建的 AI 公司的數量，以及正在轉移研發預算的公司數量。禮來公司就是一個很好的例子。三年前，他們的大部分研發預算，所有的研發預算，可能都是傳統的「溼實驗室」(Wet Labs)。注意他們投資的大型 AI 超級計算機和大型 AI 實驗室。那部分研發預算將越來越多地向 AI 轉移。
所以 AI 泡沫之所以被提起，是因為投資巨大。而投資之所以巨大，是因為我們必須建立必要的基礎設施，以支撐其上所有的 AI 層。所以我認為這個機會真的非常非凡，每個人都應該參與進來。每個人都應該投入其中。我們需要更多的能源。我想我們要都認識到我們需要更多的土地、電力和廠房樓宇。我們需要更多具備專業技能的工人。事實上，這類勞動力人口在歐洲非常強大。
拉里 · 芬克：
是的。
黃仁勳：
在很多方面，美國在過去二三十年裏失去了這一點。但在歐洲這裏仍然非常強大。這是一個你們必須利用的非凡機會。所以我知道在拉里和我工作的地方，我們看到了投資機會，投資規模正在上升。正如我之前提到的，2025 年是風險投資歷史上最大的投資年，全球超過 1000 億美元，其中大部分是 AI 原生企業。這些 AI 公司正在上面構建應用層，它們將需要基礎設施，它們將需要我們的投資去建設這個未來。實際上我相信對於世界各地的養老基金來說，這將是一個巨大的投資機會，去參與其中，隨着這個 AI 世界共同成長。這也是我作為一個…… 對這麼多政治領導人的信息之一。我們需要確保普通的養老金領取者、普通的儲戶是這種增長的一部分。如果他們只是在場外觀望，他們會感到被遺落。
拉里 · 芬克：
我們想要投資基礎設施，對吧？基礎設施是一個巨大的投資機會。這是人類歷史上單一最大的基礎設施建設。參與進來吧。
我們要沒時間了。希望現場的觀衆和網絡直播的觀衆都能看到黃仁勳作為一位領導者的力量 —— 不僅僅是技術和 AI 領域的領導者，也是商業領域的領導者，更是一位充滿感性與共情力的領導者，而在今天，擁有這種發自內心和靈魂的領導力真的非常重要。謝謝大家。
黃仁勳：
謝謝大家。