黄仁勋达沃斯对话：五层蛋糕、三大突破、万亿基建重塑AI未来

在1月21日于达沃斯举行的世界经济论坛上，英伟达创始人兼CEO黄仁勋与贝莱德CEO劳伦斯·芬克（Laurence D. Fink）就AI的未来展开了深度对话，揭示了AI将如何重塑全球经济版图的愿景。

黄仁勋系统阐述了“AI五层蛋糕”理论，指出从底层能源到顶层应用的全栈革命正催生“人类历史上最大规模的基础设施建设”。

他认为当前数千亿美元投资仅是开端，未来需要数万亿美元投入。值得注意的是，他通过放射科医生数量不降反增的实例，有力论证了AI将增强而非取代人类工作，关键在于区分“工作目的”与“工作任务”。

从芯片工厂到AI超级计算机，从开放模型到物理智能突破，黄仁勋描绘的不仅是技术演进路线，更是一个正在被重新定义的世界经济新秩序。

而他对欧洲“一代人一次”机遇的判断，以及对发展中国家通过AI缩小技术鸿沟的展望，则展现了全球化视野下科技普惠的深刻洞见。

以下为黄仁勋对谈全文实录：

一、AI的本质：从“平台转变”到“五层蛋糕”

芬克：非常荣幸能为大家介绍黄仁勋。他是我在学习和理解技术与AI旅程中始终关注并视为导师的人。他领导英伟达的方式令人赞叹。自上市以来，英伟达为股东创造了年复合增长率高达37%的总回报。想象一下，如果每个养老基金都在英伟达IPO时投资了它，我们共同取得的成功将何等巨大。相比之下，贝莱德的总回报率约为21%，这对一家金融服务公司而言已属出色，但与英伟达相比仍相形见绌。这强有力地印证了黄仁勋的领导力、英伟达的市场地位以及世界对其未来的信念。黄仁勋，祝贺你取得的成就，我相信前方的旅程会更加精彩。

黄仁勋：我唯一的遗憾是在公司IPO之后。当时公司估值3亿美元，我卖掉了一些股票，给我父母买了一辆当时最贵的奔驰S级轿车。现在他们都后悔了，不过车还留着。

芬克：关于AI的讨论总围绕着它将如何改变世界和全球经济。今天，我想探讨AI如何为全球经济做加法，如何成为一种基础性技术，让每个人都能用它来改善生活。我们需要思考AI将如何重塑各领域的生产力、劳动力和基础设施，更重要的是，它将如何重塑世界，并让更多人受益，确保全球经济蛋糕越做越大。我认为，没有人比黄仁勋更清晰地理解AI及其所需的基础设施。许多大型云服务商都是英伟达产品的用户，整个AI基础设施领域的参与度极高。那么，AI为何有潜力成为如此重要的增长引擎？此刻与过去的技术周期有何根本不同？

黄仁勋：要理解AI的重要性，首先要认识到，这不仅是一个新应用，更是一场深刻的“平台转变”。就像个人电脑、互联网、移动和云计算一样，平台转变意味着整个计算栈被重新发明，并催生出全新的应用生态。你今天用的ChatGPT本身就是一个应用，但更重要的是，未来将有无数新应用构建在ChatGPT、Claude这类模型之上。这就是平台转变的意义。

理解AI的关键，在于看清它能做哪些以前做不到的事。过去的软件本质是“预设程序”。人类编写明确的算法，让计算机处理姓名、账号这类结构化信息。我们称之为SQL查询，过去几乎所有系统都运行在SQL上。而今天的AI能够理解图片、文字、声音等完全非结构化信息，它能实时感知环境与上下文，理解你的意图并执行任务。这是我们第一次拥有不是“预设程序”，而是能够实时理解并处理世界的计算机。

因为我们在重新发明整个计算栈，所以必须从工业视角来理解AI。我认为AI本质上是一个 “五层蛋糕”：

最底层是能源：AI需要实时处理和生成智能，消耗巨大能量，这是所有一切的物理基础。

第二层是芯片与计算基础设施：这是我们英伟达所在的层面，提供核心算力。

第三层是云基础设施与服务：将算力以服务形式提供给企业和开发者。

第四层是AI模型：比如ChatGPT、Claude、DeepSeek，这是公众最熟悉的层面。

最顶层是应用层：AI在金融、医疗、制造、服务等千行百业的具体应用，这才是最终产生经济价值的层面。

关键在于，这个全新的计算平台需要其下所有层的坚实支撑。因此，我们正在见证——正如各位所见——人类历史上最大规模基础设施建设的开启。目前全球已投入了“几千亿美元”，但这“仅仅是个开始”。我与拉里在许多项目中看到，未来需要建设的设施规模将高达 “数万亿美元”。这是合理的，因为所有上下文信息都需要被处理，AI模型才能生成智能，为最终构建在其上的应用提供动力。

这场建设热潮已在全球涌动：台积电宣布新建20座芯片工厂；我们正与富士康、纬创、广达合作，计划新建30座计算机制造厂，这些计算机将组成AI工厂；美光在美国启动了2000亿美元的内存投资，SK海力士和三星也在飞速增长。同时，风险投资在2025年创下历史纪录，大量资金涌入各行业的“AI原生公司”，因为模型层已成熟到足以支撑上层应用的爆发。

二、从数字到物理：AI爆发的三大突破

芬克：AI将如何扩散到物理世界？在医疗、交通、科学等领域有哪些变革性机遇？

黄仁勋：回顾去年，AI模型层发生了三件里程碑式的大事：

第一，模型从“新奇有趣”变得“可靠接地气”。早期模型容易产生“幻觉”（即编造信息）。而去年的重大进展在于，模型学会了进行逐步推理（即思维链，Chain-of-Thought），能够将复杂问题分解，制定研究或执行计划，对训练数据中未出现过的情况进行合理推断。这标志着语言模型正演变为能担当重任的 “代理式AI系统”。

第二，开放模型崛起。以DeepSeek的发布为标志，世界上出现了第一个强大的开源推理模型。此后，一大批开放模型涌现。这至关重要，它使得全球的企业、行业、研究人员、大学和初创公司能以更低门槛起步，基于这些开放模型为自己的特定需求创建领域专属的AI。

第三，“物理AI”或“物理智能”取得巨大进展。AI不再仅限于理解语言，开始学习理解自然规律。这包括理解蛋白质结构、化学反应、流体动力学、粒子物理等。这些自然结构本身就像一种“语言”，AI正在学习解读它们。一个很好的例子是我们与礼来公司的合作。他们认识到，AI在理解蛋白质和化学结构方面进展神速，已经可以像我们与ChatGPT对话一样与蛋白质“对话”，这将带来药物发现等领域的重大突破。

这些突破意味着AI正从数字世界坚定地走向物理世界，与制造业、医药研发、材料科学等实体经济深度融合，开启一个“物理AI”的新时代。

三、AI与就业：创造而非取代

芬克：这些突破也引发了人们对就业的担忧。你一直持不同观点，认为AI建设本身将创造大量就业，甚至可能出现劳动力短缺。那么，你如何看待AI和机器人技术改变工作性质，而非消除工作？

黄仁勋：我们可以从两个层面看。

首先，这场人类史上最大的基础设施建设，本身就在创造海量高技能、高报酬的工作。建造芯片厂、计算机工厂、AI工厂，需要大量的水管工、电工、建筑工人、钢铁工人、网络技术人员。在美国，这些领域的工资几乎翻了一番，达到六位数年薪，并且人才短缺。这为社会提供了广泛的、不都需要计算机科学博士学位的体面工作机会。

其次，现实案例最能说明问题。大约十年前，人们预测放射科医生将成为最早被AI取代的职业之一，因为AI在图像识别上超越了人类。但十年后的今天，AI已全面渗透放射学，结果却是放射科医生的数量反而增加了。为什么？因为放射科医生的工作目的是诊断疾病、帮助患者，而“看扫描图像”只是其中一项任务。AI自动化了这项耗时任务，使医生能更快速地分析图像，从而有更多时间与患者沟通、进行复杂诊断、与其他医生协作。医院因此能服务更多患者，收入增长，进而雇佣了更多放射科医生。

同样的情况正发生在护士行业。美国面临500万护士短缺。通过使用类似Abridge这样的AI工具来自动记录和转录病历（这原本占护士近一半时间），护士得以将更多时间用于探访和照顾病人。医院的服务能力瓶颈被打破，运营效率提升，自然也会雇佣更多护士。

因此，思考AI对工作的影响，关键在于区分“工作的目的”与“工作的任务”。AI擅长自动化具体的、重复性的任务，但它恰恰增强了人类实现工作核心目的（如关怀、沟通、创造、复杂决策）的能力。生产力提升会创造新需求、新服务模式，从而催生更多就业岗位。

四、AI的全球普惠：发展中国家的机遇

芬克：如何确保AI不只惠及发达国家和受教育阶层，而能成为全球性的普惠增长力量？

黄仁勋：首先，AI应被视为国家关键基础设施的一部分，就像电力、道路和通信网络。世界上没有哪个国家不需要它。虽然可以进口AI服务，但现在借助开放模型，训练适合本国需求的AI已不再遥不可及。每个国家都应投资建设自己的AI基础设施，利用本国最宝贵的资源——语言、文化和本土知识，来开发和完善属于自己的“国家智能”生态系统。

其次，AI是有史以来最易用、最亲和的技术。它的用户量在两三年内就接近10亿，是增长和普及最快的技术。对于发展中国家的个人而言，即使没有编程背景，也能通过自然语言与AI交流来解决问题。例如，你可以直接问AI：“我想建一个自己的网站，该怎么做？”AI会引导你完成整个过程，甚至为你生成代码。这种极低的门槛，使得AI有可能成为缩小全球数字与技术鸿沟的强大工具，而不是加剧分化。未来，如何管理AI数字劳动力，将成为一项至关重要的核心技能。

五、AI“泡沫”的真相：英伟达GPU一颗难求

芬克：我们身处欧洲。刚才提到了很多美国和亚洲的公司。AI与欧洲的未来成功如何交汇？英伟达在欧洲扮演什么角色？

黄仁勋：英伟达有幸与全球几乎所有AI公司合作，因为我们处在基础设施层，为整个AI领域提供动力。真正令欧洲兴奋的是，你们拥有非常强大的工业制造业基础。这是一个机会，使欧洲可以直接跃过需要大量编写代码的传统软件时代。美国确实引领了软件时代，但AI是一种不同的“软件”——你不用编写它，而是教导它。现在尽早进入这个领域，欧洲就能将强大的工业制造能力与AI融合，从而在物理AI或机器人技术领域占据领先。这对欧洲国家来说是“一代人一次”的机遇。

此外，欧洲的深层科学研究基础依然非常雄厚。现在，这些研究可以借助AI来加速发现。我认为，欧洲需要严肃对待并增加能源供应，这是投资AI基础设施层、在欧洲培育丰富AI生态系统的前提。

芬克：我们离AI泡沫还很远？问题是我们投资得足够吗？能否满足扩大全球经济的需要？

黄仁勋：检验AI是否有“泡沫”，一个很好的方法是看实际需求。目前，英伟达在全球各大云中部署的数百万颗GPU正被广泛使用，且供不应求。如果你想租用英伟达的GPU，会非常困难。GPU的租赁现货价格正在上涨，不仅是最新一代的，连前两代的产品也是如此。原因在于，新创立的AI公司数量庞大，同时越来越多的公司正将研发预算转向AI。礼来公司就是一个典型例子：三年前其研发预算可能主要投向传统湿实验室，而现在他们投资了大型AI超级计算机。越来越多的研发预算正向AI倾斜。

因此，AI投资规模巨大，是因为我们必须为AI的上层应用构建必要的基础设施。我认为这个机会确实非凡，每个人都应该参与进来。我们需要更多能源、更多土地、电力和设施，也需要更多技术工人。在欧洲，这类技术劳动力基础非常扎实，这是一个极好的优势。

我们看到了巨大的投资机会，且投资规模仍在增长。正如我提到的，2025年全球风险投资规模创历史新高，超过1000亿美元，其中大部分流向了“AI原生公司”。这些公司正在构建顶层的应用层，它们将需要底层的基础设施和持续的投资来建设未来。

芬克：事实上，我认为这对全球养老基金而言，是参与并伴随这个AI世界共同成长的绝佳投资机会。这也是我想传递给众多政治领袖的核心信息之一：我们必须确保普通养老金领取者、普通储蓄者能分享这种增长。如果他们只是旁观，就会感到被排除在外。我们应该投资基础设施——基础设施是绝佳的投资选项。这是人类历史上最大规模的基础设施建设。是的，参与进来吧！

本文来自“腾讯科技”，作者：金鹿，36氪经授权发布。