撰文：Techub News 整理
2026 年 3 月，NVIDIA 创始人兼 CEO 黄仁勋做客知名科技播客 All-In Podcast，进行了一场长达一小时的深度对话。作为全球 AI 浪潮的核心推手与观察者，黄仁勋在访谈中不仅阐述了 NVIDIA 从硬件供应商向“AI 工厂”运营商的战略演进，更对智能体（Agent）的崛起、推理算力需求爆炸、开源与闭源模型的未来、地缘政治挑战以及 AI 对就业的深远影响等关键议题，给出了极具洞察力的判断。本次对话是理解 NVIDIA 未来布局与 AI 产业下一波趋势的宝贵窗口。
从 GPU 到 AI 工厂：NVIDIA 的战略重构
访谈伊始，黄仁勋便明确了 NVIDIA 的身份转变：“我们已从一家 GPU 公司演变为一家 AI 工厂公司。” 这一转变的核心是“Dynamo”——他将其称为“AI 工厂的操作系统”。Dynamo 得名于西门子发明的、将机械能转化为电能的机器，象征着驱动下一次工业革命的基础设施。
Dynamo 背后的关键技术是“解耦推理”。黄仁勋解释道，现代 AI 推理的处理流程极其复杂，涉及不同规模和形态的数学计算。NVIDIA 的思路是将这个流程解耦，让不同部分运行在不同类型的处理器上，从而实现异构计算的效率最大化。这种理念也催生了 NVIDIA 对 Mellanox（网络技术）和 Groq（推理芯片）的收购与整合。
如今，NVIDIA 的计算生态已横跨 GPU、CPU、交换机、网络处理器以及 Groq LPU 等多元芯片。黄仁勋透露，在未来的数据中心架构中，高达 25% 的空间将分配给 Groq LPU 与 GPU 的组合，以应对日益复杂和多样化的 AI 工作负载，尤其是智能体计算。
这种“解耦”与“异构”的思维，正是 NVIDIA 应对“推理大爆炸”的答案。黄仁勋回忆，去年他预测推理算力需求将迎来千倍、百万倍甚至十亿倍增长时，许多人认为过于夸张，因为当时行业焦点仍在训练上。如今，推理已成为算力瓶颈。他宣布的下一代推理工厂，其吞吐量将是当前水平的十倍。
针对外界关于 NVIDIA 方案成本高昂（传闻达 400-500 亿美元）的质疑，黄仁勋进行了有力的反驳。他强调，不应将工厂的建设成本与生成每个 Token 的最终成本混为一谈。一个价值 500 亿美元的工厂，由于其极高的效率，可能产出成本最低的 Token。他算了一笔账：数据中心成本中，土地、电力、外壳、存储、网络、CPU、服务器、冷却等是固定开销，GPU 本身的成本差异在总成本中占比远没有想象中那么大。当 500 亿美元的方案能提供 10 倍的吞吐量时，其单位成本优势是决定性的。“即使芯片免费，如果跟不上技术迭代的速度，也依然不够便宜。”他总结道。
智能体革命：计算的范式转移与开源力量
黄仁勋将智能体（Agent）的兴起视为继生成式 AI、推理 AI 之后的第三个重大拐点。他指出，ChatGPT 让生成式 AI 普及，但真正引发质变的是 Claude Code 和近期爆火的 Open Interpreter（节目中称为“Open Claw”）。
他特别强调了 Open Interpreter 的文化与技术意义：它不仅向大众普及了 AI 智能体的概念，更重要的是，它重新定义了计算机的形态。Open Interpreter 具备内存系统（短期记忆/文件系统）、资源管理、调度能力（如 cron 任务）、I/O 子系统（连接 WhatsApp 等）以及通过 API 调用多种应用的“技能”。这四大要素共同构成了一个“个人人工智能计算机”的蓝图，一个开源的、可随处运行的现代计算操作系统。
智能体范式将带来计算需求的指数级增长。黄仁勋估算，从生成式到推理式，算力需求增长约 100 倍；从推理式到智能体式，可能再增长 100 倍。这意味着两年内，对计算的需求可能增长了一万倍。而人们为信息付费，更会为“完成工作”付费。智能体正是完成工作的工具，这将开启巨大的经济价值。
他以内部分例说明这种转变：NVIDIA 拥有约 43,000 名员工，其中约 38,000 名是工程师。他提出了一个思想实验：一位年薪 50 万美元的工程师，如果一年只消耗了 5000 美元的 AI Token，他会非常不满。他认为，这样的高价值知识工作者，至少应该消耗价值 25 万美元的 Token，这就像芯片设计师必须使用 CAD 工具一样，是新的生产力范式。未来，工程师将不再亲手写大量代码，而是通过编写想法、架构和规范，组织并管理成百上千个智能体来完成任务。
关于开源与闭源模型的争论，黄仁勋认为二者并非对立，而是共存共荣。对于绝大多数消费者，通用的水平层模型（如 ChatGPT、Claude、Gemini）作为服务产品将继续蓬勃发展。但同时，各行各业的垂直领域专业知识必须通过开源模型来捕获和定制。开源模型生态正蓬勃发展，并已接近技术前沿。他观察到，许多初创公司正采用“开源优先，再转向专有模型”的策略，而 NVIDIA 的“路由器”技术能让用户同时接入最好的闭源模型和经过微调的专业模型。
物理 AI、机器人与国家竞争力
黄仁勋将“物理 AI”列为 NVIDIA 长期布局的核心赛道之一。他认为，这是科技行业首次有机会涉足一个价值 50 万亿美元、此前技术渗透率很低的庞大产业。NVIDIA 为此布局了三大计算系统：训练 AI 模型的计算机、在虚拟物理世界（Omniverse）中评估模型的计算机，以及位于边缘的机器人计算机（从自动驾驶汽车到玩具泰迪熊）。
在机器人领域，他预测从高性能原型出现到成熟产品上市，通常只需要“两到三个周期”，即大约3到5年时间，机器人将无处不在。他特别提到中国在微电子、电机、稀土磁铁等机器人基础供应链上的强大优势，全球机器人产业都将深度依赖这一生态系统。
黄仁勋展望，机器人将成为比汽车更大的经济流动性解锁器。当每个人都拥有一个机器人，他们可以开设网店、创造产品，完成个人无法独立完成的工作。这不仅解决劳动力短缺问题，还将催生虚拟存在、太空探索等新场景。
谈及地缘政治与供应链，黄仁勋表达了务实的态度。关于中国市场，他透露在获得相关出口许可后，NVIDIA 已收到中国公司的采购订单，正在重启供应链。但他强调，从国家战略安全角度，美国必须确保在 AI 技术栈（从芯片到计算系统再到平台）上保持全球领先，避免重蹈太阳能、稀土、电信等产业受制于人的覆辙。
对于 AI 监管，他呼吁政策制定者应基于技术事实，避免被“末日论”和极端情绪影响。AI 是软件，并非生物体或外星生命，人类对其有相当程度的理解。他担忧，如果美国因恐惧或争议而放缓 AI 应用，导致技术扩散滞后于其他国家，那才是真正的国家安全风险。
在回应 Anthropic 近期引发的 AI 安全争议时，黄仁勋肯定了其对安全和技术的专注，但建议行业领袖在预警时需更加审慎和平衡。“预测未来是可以的，但我们需要多一点谦逊……说一些极端、灾难性但没有证据的事情，可能比人们想象的更有害。”
未来展望：机会、护城河与人的角色
对于 AI 行业的收入前景，黄仁勋比许多观察者更为乐观。他认为，不仅 Anthropic、OpenAI 等模型公司会快速增长，每一家传统企业软件公司都将成为 AI 模型和 Token 的增值经销商，这将带来对数级的市场扩张。
当被问及应用层公司的“护城河”时，黄仁勋的答案是：深度垂直化。未来的赢家将是那些在特定领域拥有最深知识的公司。他们可以将专业知识注入专属的智能体，与客户形成飞轮效应。这颠覆了传统软件公司先做通用平台、再卖定制服务的模式，让垂直专家能直接利用强大的 AI 工具构建核心竞争力。
最后，对于最受关注的 AI 与就业问题，黄仁勋再次展现了他一贯的乐观与务实。他重申了那句广为流传的判断：“你不会被 AI 取代，但会被会用 AI 的人取代。”他以放射科医生为例：十年前，顶尖计算机科学家预言计算机视觉将消灭放射科医生。十年后，计算机视觉已 100% 集成到放射科设备中，但放射科医生的需求和数量却大幅增加。因为技术的进步使得扫描更快、更便宜，医院能服务更多病人，收入增加，反而需要更多医生来解读激增的扫描结果并服务患者。
“每一项工作都有其目的和任务。AI 接管了任务，但人类工作的目的——帮助病人诊断疾病——变得更加重要和可扩展。”他以此类推到教育领域：一个更富裕、生产力更高的社会，可以给教室配备更多老师，AI 则为每位老师提供为每个学生定制的课程，让所有教师都成为“增强型”教师。
黄仁勋给年轻人的建议是：深入学习科学、数学和语言技能（语言已成为 AI 的编程语言），并成为使用 AI 的专家。他强调，学会如何向 AI 下达指令、给予其创新空间同时引导其达成目标，是一门至关重要的新技能。
整场对话中，黄仁勋反复传递的核心信息是：AI 是一场赋能与创造的革命。它消除的是“这太难了”、“这要花太长时间”、“我们需要很多人”这类限制性思维，将人类的创造力从重复性劳动中解放出来，指向一个生产力与可能性无限扩展的未来。作为这场革命的架构师，他看到的不是替代与威胁，而是前所未有的增长与繁荣的蓝图。
