來源： All-In Podcast
整理：Felix, PANews
本週英偉達GTC 2026 大會作為科技領域的全球性大會，幾乎各行業、科技公司、AI 公司都有參加，英偉達創辦人兼CEO 黃仁勳也發表了主題演講。
在為期四天的會議中，黃仁勳在GTC 大會現場接受了All-In Podcast 專訪，對話涵蓋英偉達的未來、物理AI、智能體的崛起、推理能力的爆發式增長、AI 公關危機等內容。 PANews 對訪談進行了整理，以下為部分對話精華。
主持人：過去一年最棒的公告之一就是收購Groq。你當時是否意識到Chamath（播客主持人之一，Social Capital 執行長）會極度沮喪？
（PANews 註：Social Capital 是Groq 早期投資者，沮喪並不是因為虧錢，而是源自於個人性格與投資風格：里程碑事件發生前最快樂，而不是之後。）
黃仁勳：我早就預感了，畢竟我們是Chamath 的朋友，每週都要和他打交道，完成收購的那兩週確實不太自在。事實上，我們的許多策略早在幾年前就公開過了。兩年半前，我介紹了AI 工廠的作業系統「Dynamo」。 Dynamo 是西門子發明的將水化為電力的機器，它驅動了上一次工業革命的工廠，我認為這是下一個工業革命工廠操作系統的完美名字。在Dynamo 內部，底層技術是「解耦式推理」。當今的推理處理是極其複雜的計算問題，涉及各種形狀和大小的大規模數學運算。我們的想法是，將處理過程解耦，讓一部分在某些GPU 上運行，另一部分在其他GPU 上運行，從而實現異構計算。如今，英偉達的運算分佈在GPU、CPU、交換器和網路處理器等多個部分，現在又加入了Groq，目的是把合適的工作負載放在合適的晶片上。我們已經從一家GPU 公司演變成了AI 工廠公司。
主持人：你們在台上說，25% 的資料中心空間應該分配給Groq 和這類處理器。業界如何看待這種想法？ 你們認為人們會對此有何反應？
黃仁勳：在我們加入這項技術的時候，業界正從大語言模式處理轉向智慧體處理。運行智能體時，你需要存取工作記憶、長期記憶和各種工具，它對儲存的考驗極大。資料中心裡有各種模型，如超大模型、小模型、擴散模型、自迴歸模型等。我們開發了Vera Rubin 架構來運行這種極為多樣化的工作負載。我們的潛在市場規模（TAM）因此增加了約33% 到50%。在增加的部分中，很大一部分將是儲存處理器（Blue Field）、Groq 處理器、CPU 和網路處理器。所有這些將共同運作驅動AI 革命的「智能體」電腦。
主持人：對於嵌入式應用呢？例如我女兒的泰迪熊想跟她說話，裡面會放客製化ASIC，還是會有針對邊緣和嵌入式應用的不同開發工具？
黃仁勳：整體來看，解決這個問題需要三台電腦協同合作。第一台用於訓練和開發AI 模型。第二台用於在遵循物理定律的虛擬環境中評估機器人（如汽車、機器人等）。第三台是邊緣計算機，即機器人計算機。它可以是自動駕駛汽車、機器人，也可以是泰迪熊裡的小型電腦。此外，我們正致力於將價值2 兆美元的電信基地台產業轉化為AI 基礎設施的一部分，未來的無線電基地台將成為邊緣設備。所以這三台基本計算機都是必要的。
主持人：你曾預測推理需求會達到1000 倍甚至10 億倍的爆炸性成長。現在外界有聲音說，你們建造的推理工廠耗資高達40-500 億美元，而競爭對手只需25-300 億美元。你覺得客戶會願意支付這多出來的一倍溢價嗎？這會影響你們的市佔率嗎？
黃仁勳：絕對不要把資料中心的造價和產生Token 的成本畫等號。我可以證明，500 億美元的工廠能為你產生成本最低的Token，因為我們的生產效率極高。即便成本，土地、電力、儲存、網路、伺服器和冷卻等基礎成本（約200 億）都是固定的。如果算上這些，GPU 價格的差異平攤到整體成本中，可能只是500 億和400 億的區別，這並不是一個很大的百分比。但我們這個500 億美元的資料中心提供的吞吐量是其他方案的10 倍。在這個行業裡，如果你的技術跟不上發展步伐，那就算晶片是免費送的，它也不夠便宜。
主持人：身為全球最高市值公司的CEO（明年預計營收3500 億美元），你是如何做決策、獲取信息，並判斷該在哪些領域加碼或退出的？
黃仁勳：定義願景和策略是CEO 的本職工作。我們主要依靠公司內外頂尖的電腦科學家和技術人員提供信息，但必須由我們來塑造未來。我們評估一個新方向的標準是：它是否前所未有且極為困難？ 如果一件事很容易做，那就會有無數競爭者；如果它極其困難，且正好契合我們公司的特殊“超能力”，這就是我們要找的交點。因為前所未見且極具挑戰，過程中必然伴隨大量痛苦和折磨，你最好能享受這個過程。
主持人：關於長尾業務，能否談談太空資料中心、汽車ADAS 或是生物學等方向的長期生存能力和爆發曲線？
黃仁勳：首先是物理AI。科技業首次有機會解決一個價值50 兆美元、過去基本上沒有被科技滲透的傳統產業。我們10 年前就開始了，現在正迎來爆發，目前它已經是我們每年近100 億美元的大業務，呈指數級增長。其次是數字生物學。我們距離數位生物學的「ChatGPT時刻」非常近了。未來2 到5 年內，我們將能以AI 表示和理解基因、蛋白質和細胞的動態，這將徹底改變醫療健康產業，農業領域也同樣正在迎來爆發。
主持人：我們看到很多愛好者和創新者都沉迷於像「OpenClaw」這樣的桌面端開源智慧體系統。這種基層發起的開源智能體運動，對你和產業意味著什麼？
黃仁勳：過去兩年有三個重要轉折點：第一個是ChatGPT 讓生成式AI 大眾化；第二是具有推理能力的模型讓AI 不僅能回答問題，還能給出更實用的答案；第三個則是行業內部出現的“Claude Code”等極具革命性的智能體系統。但Claude Code 最初只面向企業，直到OpenClaw 出現，才讓大眾真正意識到AI 智能體能做什麼。更重要的是，這類系統從根本上重塑了計算模式。它擁有短期記憶（暫存盤）、能管理資源、進行任務調度、創建子智能體解決問題、還能透過API 運作各種應用（技能）。這些要素定義了一台計算機。這意味著我們首次擁有了可以隨處運行的開源個人AI 電腦藍圖，它將成為現代運算的作業系統。當然，具有這種高級權限的軟體需要良好的治理，我們投入了大量工程師與Peter Steinberger（OpenClaw創始人）等人合作，以確保智能體受到良好的安全治理和隱私保護。
主持人：AI 的這種典範轉移速度，是否讓近期的AI 監管法案顯得毫無意義？對於AI 引發的恐慌，例如Anthropic 相關的一些公關風波，如果你是Anthropic 董事會成員，你會給他們團隊什麼建議以改變外界看法？
黃仁勳：我們需要不斷向政策制定者普及技術現狀：AI 只是電腦軟體，它不是外星生物，沒有意識，也不像某些人說的那樣「我們對它一無所知」。我們不能讓末日論和極端主義左右政策。但政策也不能走在技術前面太快。目前最大的國家安全疑慮是：當我們因為恐懼、憤怒或偏執而不敢使用AI 時，其他國家正在積極採用這項技術。
至於Anthropic，他們的技術非常出色，對安全和防範的關注令人欽佩。警告人們技術的潛力是好的，但「恐嚇」就不太好了。身為科技領袖，因為我們的產業對國家安全和社會結構至關重要，我們的言論有著巨大影響力，因此在預測未來時，我們需要保持謙遜，更加平衡、溫和、深思熟慮，避免在沒有證據的情況下發表極端災難性的言論。
主持人：我們真的需要更積極普及AI。說到智能體爆炸帶來的生產力提升，目前關於AI 是否有投資報酬率（ROI）存在爭議。當看到OpenAI 和Anthropic 的爆發，你認為我們的營收規模能否跟上智慧水準的擴張？
黃仁勳：環顧四周，會發現Anthropico 和OpenAI 都有代表，但實際上，99% 的AI 公司都參與其中，而Anthropico 和OpenAI 並非其中之一。目前最受歡迎的是OpenAI，緊隨其後的是開源模型，Anthropic 排在第三位，這說明AI 生態非常龐大且多樣化。從生成式AI 到推理AI，計算量增加了100 倍；從推理到智能體AI，計算量可能又增加了100 倍。人們願意為獲取資訊付費，但人們更願意為「完成工作」付費。智能體系統能夠切實地幫軟體工程師把工作幹完。所以，當你計算量增加了1 萬倍時，消耗量可能增加了100 倍。我們目前的規模擴張才剛開始。
主持人：在演講中，你提到英偉達在為工程團隊支付大量Token 費用。粗略估算一下，每個工程師大概要7.5 萬Token，你們現在每年為工程團隊花100-20 億美元買Token 嗎？兩三年後，這些工程師的效率會達到什麼程度？
黃仁勳：做一個思考實驗：假設你付給一位優秀的軟體工程師或AI 研究員50 萬美元的年薪，如果年底他告訴你他只花了5000 美元的Token，我會非常生氣。如果這個拿50 萬年薪的工程師沒有消耗至少25 萬美元的Token，我會深感震驚和擔憂。這就像晶片設計師拒絕使用CAD 工具，非要用紙和筆一樣。這也是為了給這些傑出的知識工作者配備「超人」的能力，就像詹姆斯每年花100 萬美元保養身體一樣。
未來的典範轉移是，諸如「這太難了」、「這太花時間了」、「這需要太多人手」之類的想法將徹底消失。工作的瓶頸將只取決於你的創造力。未來的程式設計將不再是寫程式碼，而是寫想法、架構、規範。我們會組織團隊，定義什麼是好的結果，指導如何評估，並與智能體一起腦力激盪並迭代。我認為每個工程師都將擁有數百個智能體助理。
主持人：我們在許多技術層面看到了不可思議的效率，例如CEO 自己週末花90 分鐘用Claude 和智能體替換了整個軟體堆疊，或者用Auto Research 在30 分鐘內完成了本需要7 年的博士論文級別研究。這是否意味著企業IT 軟體產業將被摧毀？
黃仁勳： OpenClaw 之所以如此驚人，是因為它的時機完美契合了大型語言模型的突破以及模型使用工具的新能力。有人說企業IT 軟體產業會被摧毀，但其實還有一種觀點：過去企業軟體受限於員工數量，而未來將會有百倍於現在的智能體在瘋狂使用這些工具。它們會使用SQL、向量資料庫、Blender、Photoshop 或CAD 等工具，因為這些工具表現很好，並且是連接人類與工作成果的「管道」。我需要AI 把工作結果放回Synopsis 或Cadence 這類工具中，因為那是我能掌控並驗證的方式。
主持人：近期加密專案Bit Tensor 透過分散式的方式成功訓練了一個40 億參數的LLaMA 模型。你如何看待開源模型的終極形態？去中心化算力和完全開源的方法會是未來的主流嗎？
黃仁勳：我們既需要作為一流產品的專有模型，也需要開源模型，這兩者是並存的。因為模型是一種技術，而不是產品或服務。對於一般消費者，使用ChatGPT、Claude 或Gemini 這種具有不同服務的體驗很好。但是，世界上所有的行業都需要將特定的領域專業知識沉澱在他們能夠完全控制的模型中，這只能透過開源模型來實現。我們投資的幾乎所有新創公司，現在都是採取「開源優先」的策略，然後再逐漸過渡到專有模式。
主持人：去年拜登政府的政策限制了AI 向全球傳播。現在新總統上任，你如何評價我們在全球傳播美國AI 技術的表現？
黃仁勳：川普總統希望美國工業和科技在世界上保持領先、贏得勝利，並成為最富有的國家。目前，英偉達曾一度在中國放棄了95% 的份額，現在佔有率是0%。川普總統希望我們重返該市場。我們已經透過Lutnick 部長申請並獲得了相關公司銷售的許可證，並收到了採購訂單，目前正在重新啟動供應鏈。
在國家安全層面，當我們失去對微型馬達、稀土礦物、電信網路或能源的控制時，國家安全就會受損，我不希望讓AI 產業步這些產業的後塵。我們不可能指望全世界只用一個通用的AI 模型，但我們可以讓包含晶片、系統和平台的「美國技術棧」佔據全球90% 的份額，讓世界各國在此基礎上構建符合他們社會的公共或私有AI 應用，這才是我們想要的結果。
主持人：你們在自動駕駛領域有許多合作夥伴，如賓士、Uber。你們打算做一個像Android 那樣的開源平台，還是像特斯拉那樣的iOS 封閉生態？
黃仁勳：我們相信未來所有移動的物體都將達到不同程度的自動化。我們不想自己造車，而是想賦能全球每家汽車公司製造自動駕駛汽車。因此，我們建立了訓練計算機、模擬計算機、車載評估計算機，以及世界上首個具有推理能力的自動駕駛作業系統，它能夠像人類一樣將複雜場景分解為簡單場景來處理。我們透過垂直優化和水平創新，讓客戶自己決定：像馬斯克（特斯拉）可能只買我們的訓練計算機，而其他客戶可能想購買我們全套的軟硬體系統。我們的態度是解決問題，無論客戶如何選擇與我們合作，我們都非常歡迎。
主持人：Google、亞馬遜等許多大客戶也在研發自己的AI 晶片試圖與你競爭，同時華爾街分析師預測你們到2029 年成長率將降至7% 並流失市場份額，你怎麼看？
黃仁勳：我們是一家建構所有堆疊和基礎模型的AI 公司，也是全球唯一與世界所有AI 公司合作的公司。他們從不給我看他們在造什麼，但我總是向他們展示我正在創造什麼。只要我們跑得快，購買英偉達產品依然是最經濟的。英偉達是唯一能在任何雲端、本地伺服器、汽車、甚至太空中部署的架構。我們大約40% 的業務客戶不是想買晶片，他們是想建立AI 基礎設施，需要全套的CUDA 堆疊，而我們擁有全端能力。所以英偉達的市佔率其實不降反升，像是AWS 剛宣布要在未來幾年買100 萬個晶片，Meta 和Anthropic 也在轉向英偉達。
至於華爾街分析師，他們根本不了解AI 的龐大規模和廣度。他們基於刻板印象，不相信一個市場能從5 兆漲到15 兆。大多數人認為AI 只集中在前五大雲端服務商手裡，但AI 的影響力將遠比OpenAI 或Anthropic 目前展示的要大得多，英偉達解決的不再僅僅是造晶片，而是極度複雜的AI 基礎設施問題。
主持人：可以跟非專業人士解釋一下你們在太空資料中心的業務嗎？
黃仁勳：我們絕對要優先解決地球上的問題，但也應該為太空做準備，因為太空中擁有豐富的能源。主要的挑戰在於散熱：太空中無法利用傳導和對流散熱，只能依靠輻射散熱，這需要巨大的表面積，但在太空中最不缺的就是空間。我們已經進入了太空，有防輻射的CUDA 設備在全球衛星上做AI 影像處理，許多影像工作可以直接在太空完成，而無需傳回地球。探索太空資料中心的架構需要時間，但我們有充足的時間去探索。
主持人：醫療健康領域的系統極度臃腫，AI 要如何突破監管、在該領域發揮真正的作用？
黃仁勳：我們在醫療領域主要涉足三個方向：首先是AI 生物學： 用於藥物發現，透過AI 預測和理解生物行為。其次是AI 智能體： 像Hippocratic 等公司正在研發助理幫助診斷，這大大改變了我們與醫生的互動方式。再次是物理AI，了解物理定律的AI，用於機器人手術。未來醫院裡的每一台儀器（超音波、CT 等）都將內建安全的OpenClaw 智能體，以全新的方式與病人、護士和醫生互動。
主持人：人形機器人產業曾經歷了“失落的十年”，現在我們看到了馬斯克的Optimus 以及中國公司的驚人表現，機器人離進入我們的生活到底還有多遠？
黃仁勳：美國其實很早就發明了這個行業，但我們入場太早了，在使能技術（AI 大腦）出現前五年我們就已經精疲力竭。但現在大腦技術已經就位。從出現高功能存在的證明，到實際推出合理的產品，通常只需要2 到3 個週期，也就是大概3 到5 年內，我們就能看到機器人無所不在。
中國的實力非常強大，他們的微電子、馬達、稀土和磁鐵技術是世界頂尖的，這也是機器人產業的基礎。在很大程度上，全球機器人產業將深深依賴中國的生態和供應鏈。機器人將解決勞動力短缺的問題，我們甚至可以透過虛擬實境操縱家中的機器人幫忙做家務，或作為我們星際移民（如月球、火星）的先遣勞動力。
主持人：Anthropic 執行長Dario 預測到2030 年非基礎設施的AI 應用（模型和智能體）收入將達到萬億美元。在未來，軟體應用層的企業如何建立護城河？面對不可避免的失業（例如司機），你對即將步入社會的年輕人有什麼學習建議？
黃仁勳：我認為Dario 的預測非常保守，他們會做得更好。他沒有考慮到，未來每一個企業軟體公司都將成為這些底層大模型（如Anthropic、OpenAI）的加值經銷商（VAR），這將大大擴展市場。
應用層真正的護城河是深度專業化。通用雲端模型會連接到軟體公司的智能體系統，但你必須用自己的資料去訓練專門領域的子智能體。儘早將你的智能體與客戶連接，專業領域的飛輪效應會越轉越快，軟體平台有機會成為垂直領域的專家。關於就業，工作確實會發生變化，部分工作會被淘汰，但也會創造出許多新工作。例如，自動駕駛普及後，現有的司機可能會變成隨車的“出行助理”，在車上幫你處理行李或安排酒店行程。就像飛機的自動駕駛儀反而創造了更多飛行員需求。
我給年輕人的建議是：深耕科學和數學，同時語言技能也很重要。因為語言就是AI 的終極程式語言。此外，無論你接受什麼教育，都必須成為熟練使用AI 的專家。 當年深度學習剛起步時，有專家預言放射科醫師會失業。但10 年後的今天，電腦視覺100% 整合到了醫療平台中，放射科醫師的需求反而激增了。因為掃描速度變快，醫院能接診更多病人，營收增加因而僱用了更多醫生。同理，生產力提升會讓國家更富裕，有條件在教室裡配備更多的老師，配合AI 為每個學生製定個人化的課程，每位學生都需要優秀的老師。面對AI，我們不需要去進行散播恐懼的末日論，我們能自主選擇如何利用這項技術創造美好的未來。
相關閱讀： AI產業也有自己的中本聰——黃仁勳
