作為全球市值最高企業英偉達的掌門人，黃仁勳是AI浪潮背後最重要的基礎設施建設者。在近期的一次深度訪談中，主持人埃茲拉·克萊因到訪英偉達加州聖克拉拉總部，圍繞AI產業架構、就業衝擊、安全風險、開源生態、算力能源瓶頸等行業焦點話題，和黃仁勳展開了一場長達數小時的思想對撞。面對當下愈演愈烈的AI悲觀主義與末日論調，黃仁勳給出了一套工程師視角下的完整判斷框架。

　　「五層蛋糕」：AI不只有大模型，應用層纔是價值歸宿

　　黃仁勳用一個經典的「五層蛋糕」比喻，拆解完整AI產業堆棧，糾正大衆把大模型等同於全部AI的認知誤區。

　　從底層向上，第一層是能源，AI工廠本質是巨大的算力消耗體，電力是一切智能運算的根基；第二層是芯片硬件，也就是英偉達所處的位置，是AI的物質底座；第三層是AI工廠，即雲與算力基礎設施；第四層是模型，不只有大衆熟知的大語言模型，還涵蓋化學、生物、物理、機器人、自動駕駛等多元專業模型；而最重要、價值最大的頂層，是行業應用層，AI最終要落地到醫療、法律、製造、各行各業，改造實體產業，這纔是AI革命真正創造社會價值的地方。

　　在他的構想裏，繼電力賦能萬物、互聯網實現信息檢索之後，AI時代人類將實現「通曉一切、執行一切」。人們不再需要逐頁檢索網頁，直接提問就能拿到答案，下達任務就可以獲得完整解決方案。

　　放射科是他反覆舉例的行業案例：AI可以自動完成影像讀片這項重複任務，但不會取代放射科醫生。醫生的核心使命是診斷病情、救治病人，自動化只是接管機械任務，反而幫助醫生處理更多病例，帶動行業崗位需求增長。

　　由此引出他的核心觀點：AI自動化的是任務，不是人的工作使命。軟件工程師也不會因為AI寫代碼而消失，寫代碼只是任務，工程師的本質是創造產品、解決現實問題。部分崗位如電話客服，工作本身幾乎等同於重複任務，會面臨被替代；但整體上AI會催生大量新行業，帶來就業淨增長。

　　他認為很多失業推演模型忽略了關鍵變量——人的追求與抱負。人的需求不會因為自動化就此停滯，人們改善家庭、追求更好生活的訴求，會持續催生新產業、新崗位。

　　針對AI時代年輕人能力退化的爭議，訪談引用了一份國內校園調研：學生藉助AI完成作業效率提升，但長期考試成績出現下滑。黃仁勳對此表示，部分傳統基礎技能會被工具替代，但人類會進化出新的「系統思維」。過去工程師要喫透每一顆晶體管，如今只需要站在更高維度思考系統模塊協同。不必惋惜部分底層技能流失，未來人才的核心能力，是懂得如何駕馭AI工具完成複雜目標。

　　 AI安全：本質是工程問題，企業應當扛起主體責任

　　當下OpenAI、Anthropic等前沿實驗室不斷髮出警示，提出對齊難題、智能體逃逸、遞歸自我改進、模型會「欺騙測試人員」等風險，部分研究者甚至提出AI帶來人類文明毀滅的概率。不少實驗室呼籲出台全新監管規則，希望依靠外部約束遏制技術狂奔。

　　對此黃仁勳表達了明確的不同看法。在他眼中，AI智能體本質只是帶着目標函數運行的軟件程序，所謂協同、逃逸行為，本質是分佈式計算、算法優化的正常現象，算法沒有自我意志，只有電力在運行，不能賦予它人類人格化想象。

　　安全與對齊不是玄學，而是沙盒隔離、權限管控、測試驗證可落地的工程難題。如果企業無法做好隔離管控、無法確保產品安全，最簡單的解決方案就是不要對外發布。如果連實驗室內部實驗都無法約束，那麼實驗室本身就應當停止運行，現有的產品責任、民事、刑事法律已經可以形成約束，不應當一味尋求新增特殊監管，或者要求法律責任豁免。

　　他並非全盤反對監管，而是反對把技術所有風險簡單交給立法。他以芯片行業舉例：英偉達內部80%資源投入驗證測試，僅有20%用於設計；但當下多數AI實驗室資源分配恰恰相反，80%資源用於提升模型能力，僅20%投入安全驗證。未來行業必須完成轉向，把更多算力、人才投入安全、對齊、沙盒與評估體系，安全本身就是技術能力的一部分，不安全的技術談不上技術進步。

　　針對遞歸自我改進，他表示軟件輔助設計芯片、AI迭代優化模型早已是行業常態，但即便模型可以自我迭代，上線前必須經過人類評估，「人必須保留在循環之中」，不能放任AI不受管控地自主更新。他批評部分行業人士毫無科學依據的末日預言，這類危言聳聽會誤導公衆，打擊年輕人投身科技行業的信心，會傷害整個社會對AI的期待。

　　　開源與閉源共存，開源AI生態值得重視

　　訪談中專門探討開源權重模型的價值。閉源產品（OpenAI、Anthropic等）可以很好實現商業化，但開源模型對企業、國傢俱備特殊戰略意義。企業拿到開源權重，可以結合自身行業數據微調迭代，牢牢掌握基礎設施自主權，不必完全受制於第三方服務商。

　　市場格局正在快速反轉：年初全球AI調用7成來自閉源模型，如今開源模型佔比提升至70%。英偉達收購Hugging Face，也是看重開源生態的巨大潛力，他認為一個健康的行業，需要閉源、開源兩套體系並行發展。

　　AI算力時代，能源是繞不開的底層瓶頸

　　AI工廠的爆發式擴張，帶來巨大的電力消耗，能源成為制約AI發展的底層短板。黃仁勳指出，美國在能源規劃上滯後，新增發電能力不足，疊加社會爭議，數據中心落地屢屢受阻。

　　黃仁勳認為，短期之內，AI發展不得不繼續依賴化石能源，但巨大的算力需求反過來催生海量資本湧入新能源賽道，太陽能、核能、儲能等項目獲得大量投資。AI帶來的巨大能源市場，會推動電網升級與清潔能源技術迭代，反而會加速人類走向可持續能源的進程。但前提是各國必須加快能源基礎設施建設。

　　同時他提出，AI算力正在演變為一種全新資產類別。英偉達硬件通用性強、軟件持續迭代延長硬件服役壽命，AI算力可以像飛機一樣流轉複用，未來可以作為抵押資產，這會重塑整個行業的資本模式。

　　泡沫與未來：AI創造新產業，但市場會迎來消化周期

　　面對市場上關於AI復刻90年代互聯網泡沫的擔憂，黃仁勳承認，長期看市場一定會出現供需反轉，供給大於需求的調整周期無可避免，但短期兩到三年內不會到來。調整會是階段性消化，而非毀滅性崩盤。

　　過去半年AI完成從概念走向實用的拐點，五千億美元風險資本湧入AI初創賽道，大量新公司誕生，會持續拉動算力需求。真正決定AI長期價值的，依舊是頂層應用層能否實實在在改造實體產業。