好模型不是威胁，而是算力需求的起点

坐在德克萨斯州沃斯堡崭新的NVIDIA工厂里，黄仁勋直面当前AI领域最敏感的误解——华尔街对中国大模型崛起的恐慌。当主持人提到Kimi发布后英伟达股价下跌、市场担忧中国AI冲击时，他没有回避，而是拆解了一个被反复忽略的底层逻辑：真正驱动芯片增长的，从来不是“谁发布了模型”，而是“模型是否被真正用起来”。

他强调：“好模型带来好应用，好应用带来增长，增长需要更多算力。”DeepSeek、Kimi这类模型的价值不在于替代英伟达，而在于降低AI使用门槛，激发开发者微调、部署、集成，进而催生新服务、新场景、新数据中心。模型越普及，对GPU、网络、存储、电力的需求就越刚性、越规模化。

关于开源与闭源的关系，他提出一个务实视角：开放模型不是封闭商业的敌人，而是“用户教育者”和“需求孵化器”。大量开发者通过免费模型入门，体验AI能力后，自然流向更稳定、更安全、更可扩展的商用服务——这恰恰扩大了OpenAI、Anthropic乃至英伟达整个生态的市场纵深。

末日论是科幻，不是现实

当被问及AI是否将毁灭人类或消灭半数工作岗位时，黄仁勋用了两个“完全是胡扯”。这不是情绪化反驳，而是基于正在发生的事实：放射科医生数量上升约20%，律师助理增加约10%，美国制造业岗位三年增长近50%。原因很朴素——AI自动化了部分环节，却释放出更大规模的服务需求与基建需求。

他指出，技术史反复验证一条规律：生产力跃升从不净减少岗位，而是重塑分工、抬高技能门槛、创造全新职业。AI数据中心要建，芯片要造，电网要升级，冷却系统要优化，安全框架要开发……这些都不是虚拟概念，而是实打实的工程师、建筑工人、电力调度员、合规专家的岗位。

他更尖锐地指出，过度渲染风险的本质，是把精力消耗在“theorizing科幻结局”上，而非解决真实问题——比如如何让模型更可靠、更可控、更可审计。真正的领导力，不在于预言末日，而在于构建护栏、定义标准、推动工程落地。

半导体不是周期行业，而是智能基建的钢筋水泥

“未来十年，半导体产业需要扩大5到10倍。”这不是预测，而是现状倒推的必然结论。今天缺的不只是芯片，还有内存、土地、绿电、冷却能力，甚至是有经验的建筑工人。这种全面短缺，黄仁勋称之为“建设中的刹车”——它拖慢了供给扩张速度，反而为基础设施规划、标准制定、安全验证争取了宝贵时间。

他明确区分了本轮AI浪潮与过往半导体周期的本质差异：这不是消费电子驱动的季节性波动，而是工业级基础设施的长期投入。就像上世纪铺设电网、本世纪搭建互联网骨干网一样，AI需要一层“智能底座”，它必须嵌入能源、交通、医疗、制造等所有关键系统。这一层底座，由芯片定义，由数据中心承载，由软件编排。

至于泡沫之忧？他认为当下远未到供大于求的临界点。需求真实存在且持续放大，而物理世界的建设速度天然滞后。真正的风险不在过热，而在建设不足——如果全球算力增速跟不上AI应用渗透速度，瓶颈将卡在最基础的层面。

Token不是计数单位，是动态智能的定价

当讨论AI经济模型时，黄仁勋跳出传统软件思维，给出一个本质性解释：token是一种embedding，它编码的不是静态数据，而是随时间演进的知识与推理能力。因此，token的价值不取决于数量，而取决于其所承载智能的实用性与稀缺性。

今天的AI已跨过“有趣”阶段，进入“有用”阶段。编码Agent正为科技公司每年节省数亿美元人力成本；金融风控模型在毫秒级完成万亿级交易筛查；药物研发平台将靶点发现周期从五年压缩至数月。这些不是演示，而是付费订单。AI盈利飞轮已经启动：有用→能赚钱→有预算投入→更强AI→更广渗透。

这也意味着AI时代的软件将前所未有地“重资本化”——训练一个行业大模型，动辄需要上万张GPU、百兆瓦级供电、跨洲数据协同。但回报同样前所未见：一个垂直领域智能体，可能重构整个行业的效率基线。

监管的关键，是防止“科幻叙事”变成政策现实

谈及政府角色，黄仁勋没有泛泛而谈支持或反对监管，而是划出一条清晰红线：警惕被虚构场景误导。他坦言，真正令他担忧的，不是某项具体法规，而是决策者被“谁先造出超级AI谁就赢”的短跑叙事裹挟，从而出台抑制创新、割裂生态、阻碍协作的政策。

他以电力史为鉴：美国并非电力发明国，却因最快、最广、最深入地应用电力，成为工业霸主。AI的竞争胜负手，不在实验室首发，而在社会级渗透深度——谁能更快让医生用上辅助诊断、让农民用上精准灌溉、让教师用上个性化教案，谁才真正赢得这场竞赛。

关于中美技术关系，他的表述冷静而坚定：“想阻止中国发展AI，是愚蠢的，也根本做不到。”理由很实在：中国AI研究人员数量超过世界其余地区总和；市场需求庞大且多元；工程化能力持续强化。与其幻想封锁，不如专注自身基建速度、人才密度与应用广度。

机器人的ChatGPT时刻，已经到来

当被问及“机器人何时迎来ChatGPT时刻”，他给出一个反直觉的答案：已经到了。2022年的ChatGPT让人惊讶，但尚未“有用”；今天的具身智能体，已能理解“把苹果放进抽屉”并自主分解为感知、导航、抓取、开合等动作序列——这种从语言到物理世界的闭环推理，正是质变的开始。

他预判，从“能做”到“好用”还需三到四年，但不会感到意外。因为背后是算力、模型、机器人本体、仿真环境的同步进化。更深远的是Agent范式的迁移：未来不是十亿人用电脑，而是万亿个Agent全天候运行于云端与边缘——它们处理邮件、调度物流、优化产线、陪伴老人。每个Agent都是一台微型计算机，每台计算机都需要芯片支撑。

CEO的功夫，在于把愿景锻造成现实

最后回归个人实践，黄仁勋将CEO工作定义为“用有限资源，高效实现未来愿景”的战略手艺。他30岁创业，至今掌舵超三十年，却坚持公司规模“尽可能小”。在他看来，伟大不来自某个惊天动地的瞬间，而来自日复一日的刻意练习、失败复盘与韧性积累——就像运动员在无人注视时的千万次挥拍，最终内化为高压下的本能反应。

他不戴手表，因为“现在是最重要的时间”。拒绝被日程表切割注意力，是对人与事最基本的尊重。而他对美国的信念，落脚于一种制度性活力：允许自由发声、自由创新、自由创业、自由合作。这种系统性的包容与纠错能力，才是技术长期繁荣的土壤。