来源：环球市场播报
作为全球市值最高企业英伟达的掌门人，黄仁勋是 AI 浪潮背后最重要的基础设施建设者。在近期的一次深度访谈中，主持人埃兹拉 · 克莱因到访英伟达加州圣克拉拉总部，围绕 AI 产业架构、就业冲击、安全风险、开源生态、算力能源瓶颈等行业焦点话题，和黄仁勋展开了一场长达数小时的思想对撞。面对当下愈演愈烈的 AI 悲观主义与末日论调，黄仁勋给出了一套工程师视角下的完整判断框架。
黄仁勋用一个经典的 " 五层蛋糕 " 比喻，拆解完整 AI 产业堆栈，纠正大众把大模型等同于全部 AI 的认知误区。
从底层向上，第一层是能源，AI 工厂本质是巨大的算力消耗体，电力是一切智能运算的根基；第二层是芯片硬件，也就是英伟达所处的位置，是 AI 的物质底座；第三层是 AI 工厂，即云与算力基础设施；第四层是模型，不只有大众熟知的大语言模型，还涵盖化学、生物、物理、机器人、自动驾驶等多元专业模型；而最重要、价值最大的顶层，是行业应用层，AI 最终要落地到医疗、法律、制造、各行各业，改造实体产业，这才是 AI 革命真正创造社会价值的地方。
在他的构想里，继电力赋能万物、互联网实现信息检索之后，AI 时代人类将实现 " 通晓一切、执行一切 "。人们不再需要逐页检索网页，直接提问就能拿到答案，下达任务就可以获得完整解决方案。
放射科是他反复举例的行业案例：AI 可以自动完成影像读片这项重复任务，但不会取代放射科医生。医生的核心使命是诊断病情、救治病人，自动化只是接管机械任务，反而帮助医生处理更多病例，带动行业岗位需求增长。
由此引出他的核心观点：AI 自动化的是任务，不是人的工作使命。软件工程师也不会因为 AI 写代码而消失，写代码只是任务，工程师的本质是创造产品、解决现实问题。部分岗位如电话客服，工作本身几乎等同于重复任务，会面临被替代；但整体上 AI 会催生大量新行业，带来就业净增长。
他认为很多失业推演模型忽略了关键变量——人的追求与抱负。人的需求不会因为自动化就此停滞，人们改善家庭、追求更好生活的诉求，会持续催生新产业、新岗位。
针对 AI 时代年轻人能力退化的争议，访谈引用了一份国内校园调研：学生借助 AI 完成作业效率提升，但长期考试成绩出现下滑。黄仁勋对此表示，部分传统基础技能会被工具替代，但人类会进化出新的 " 系统思维 "。过去工程师要吃透每一颗晶体管，如今只需要站在更高维度思考系统模块协同。不必惋惜部分底层技能流失，未来人才的核心能力，是懂得如何驾驭 AI 工具完成复杂目标。
AI 安全：本质是工程问题，企业应当扛起主体责任
当下 OpenAI、Anthropic 等前沿实验室不断发出警示，提出对齐难题、智能体逃逸、递归自我改进、模型会 " 欺骗测试人员 " 等风险，部分研究者甚至提出 AI 带来人类文明毁灭的概率。不少实验室呼吁出台全新监管规则，希望依靠外部约束遏制技术狂奔。
对此黄仁勋表达了明确的不同看法。在他眼中，AI 智能体本质只是带着目标函数运行的软件程序，所谓协同、逃逸行为，本质是分布式计算、算法优化的正常现象，算法没有自我意志，只有电力在运行，不能赋予它人类人格化想象。
安全与对齐不是玄学，而是沙盒隔离、权限管控、测试验证可落地的工程难题。如果企业无法做好隔离管控、无法确保产品安全，最简单的解决方案就是不要对外发布。如果连实验室内部实验都无法约束，那么实验室本身就应当停止运行，现有的产品责任、民事、刑事法律已经可以形成约束，不应当一味寻求新增特殊监管，或者要求法律责任豁免。
他并非全盘反对监管，而是反对把技术所有风险简单交给立法。他以芯片行业举例：英伟达内部 80% 资源投入验证测试，仅有 20% 用于设计；但当下多数 AI 实验室资源分配恰恰相反，80% 资源用于提升模型能力，仅 20% 投入安全验证。未来行业必须完成转向，把更多算力、人才投入安全、对齐、沙盒与评估体系，安全本身就是技术能力的一部分，不安全的技术谈不上技术进步。
针对递归自我改进，他表示软件辅助设计芯片、AI 迭代优化模型早已是行业常态，但即便模型可以自我迭代，上线前必须经过人类评估，" 人必须保留在循环之中 "，不能放任 AI 不受管控地自主更新。他批评部分行业人士毫无科学依据的末日预言，这类危言耸听会误导公众，打击年轻人投身科技行业的信心，会伤害整个社会对 AI 的期待。
开源与闭源共存，开源 AI 生态值得重视
访谈中专门探讨开源权重模型的价值。闭源产品（OpenAI、Anthropic 等）可以很好实现商业化，但开源模型对企业、国家具备特殊战略意义。企业拿到开源权重，可以结合自身行业数据微调迭代，牢牢掌握基础设施自主权，不必完全受制于第三方服务商。
市场格局正在快速反转：年初全球 AI 调用 7 成来自闭源模型，如今开源模型占比提升至 70%。英伟达收购 Hugging Face，也是看重开源生态的巨大潜力，他认为一个健康的行业，需要闭源、开源两套体系并行发展。
AI 算力时代，能源是绕不开的底层瓶颈
AI 工厂的爆发式扩张，带来巨大的电力消耗，能源成为制约 AI 发展的底层短板。黄仁勋指出，美国在能源规划上滞后，新增发电能力不足，叠加社会争议，数据中心落地屡屡受阻。
黄仁勋认为，短期之内，AI 发展不得不继续依赖化石能源，但巨大的算力需求反过来催生海量资本涌入新能源赛道，太阳能、核能、储能等项目获得大量投资。AI 带来的巨大能源市场，会推动电网升级与清洁能源技术迭代，反而会加速人类走向可持续能源的进程。但前提是各国必须加快能源基础设施建设。
同时他提出，AI 算力正在演变为一种全新资产类别。英伟达硬件通用性强、软件持续迭代延长硬件服役寿命，AI 算力可以像飞机一样流转复用，未来可以作为抵押资产，这会重塑整个行业的资本模式。
泡沫与未来：AI 创造新产业，但市场会迎来消化周期
面对市场上关于 AI 复刻 90 年代互联网泡沫的担忧，黄仁勋承认，长期看市场一定会出现供需反转，供给大于需求的调整周期无可避免，但短期两到三年内不会到来。调整会是阶段性消化，而非毁灭性崩盘。
过去半年 AI 完成从概念走向实用的拐点，五千亿美元风险资本涌入 AI 初创赛道，大量新公司诞生，会持续拉动算力需求。真正决定 AI 长期价值的，依旧是顶层应用层能否实实在在改造实体产业。
