除了AGI已來和死亡，我們為黃仁勛重磅訪談總結了50條AI最前沿判斷

新智元報道

編輯：艾倫

【新智元導讀】黃仁勛在兩小時重磅訪談說了一件事：未來是可以被推導出來的。AI 算力正在重塑計算的本質，英偉達從造芯片變成造「Token 工廠」；AGI 已經到來，Agent 時代剛剛開始；智能會變成商品，人性才是稀缺品。他不怕死，只怕死前沒把知識傳完。

2026 年 3 月 23 日，黃仁勛坐進 Lex Fridman 的播客錄音室，聊了兩個多小時。

芯片、供應鏈、中國、死亡，他都談到了。

以下是整場對話里最值得留存的 50 個判斷，以及他用來支撐這些判斷的核心邏輯。

1. AGI 已經來了

「我認為就是現在。我認為我們已經實現了 AGI。」

他的依據是：如果 AGI 的定義是「能運營一家市值超10億美元的科技公司」，今天的 AI 已經做得到——創建一個病毒式傳播的應用，短暫地燒出一家公司，再消失。

他沒有回避這個定義的荒誕之處：「那一百萬個 Agent 建出英偉達的概率是零。」

2. 他不想死，但做好了死在工位的準備

「我真的不想死。我有美好的家庭，有非常重要的工作。」

但關于接班人，他的答案是：持續傳遞知識。

「我希望自己死在工位上，最好是瞬間離去，不要有漫長的病痛。」

他認為與其焦慮接班，不如把每次會議都變成知識傳遞的機會。

「我學到的東西，在腦子里停留的時間不超過一秒，就已經傳遞給別人了。」

3. Vera Rubin 是為了養活 Agent

Grace Blackwell 機架是為大語言模型和推理設計的。

Vera Rubin 則完全不同——它多了存儲加速器、全新 CPU「Vera」、獨立的 Grok 機架。

變化只來自一個判斷：Agent 要使用工具，要訪問文件，要做檢索，這需要一套完全不同的計算架構。

「上一代是為 MoE 大模型設計的，這一代是為 Agent 設計的，因為 Agent 要調用工具。」

4. 推理是思考，思考從來都不便宜

當年有人斷言「推理芯片會是小芯片、便宜的芯片，英偉達的貴芯片只用于訓練」。

黃仁勛覺得這個邏輯根本立不住：「推理就是思考，而思考比閱讀難得多。預訓練是記憶和泛化，是在找規律；推理是在解決從未遇到過的問題。」

測試時擴展是計算密集型任務，這一點他從未動搖過。

5. 擴展定律現在有四條

預訓練擴展（數據越多越聰明）、后訓練擴展（合成數據持續規模化）、測試時擴展（推理即思考）、智能體擴展——「擴充員工比提升我自己容易得多」。

四條定律形成閉環：Agent 產生的數據流回預訓練，經后訓練精調，再經推理增強，再釋放到產業。

「歸根結底就是一件事：智能的規模由算力決定。」

6. Vera Rubin 在兩年前就已注定

推斷出 Agent 需要什么樣的計算架構，并不需要什么神機妙算，只是推理。

「如果我想讓大模型成為一名數字員工，它需要做什么？訪問文件、做研究、使用工具。」

兩年前 GTC 上他展示的 Agentic 系統架構圖，和今天的 OpenClaw 幾乎完全一致。

「有時候不是預見了未來，是推導了未來。」

7.合成數據不是旁門左道

「人們忘了，我們彼此傳授和交流的大多數數據本來就是合成的——不是從自然界直接生長出來的。你創造它，我消費它，我修改它，別人再消費它。」

AI 用合成數據訓練 AI，和人類長久以來的知識傳遞方式并無本質區別。

8. 「預訓練終結論」是一次誤報

Ilya Sutskever 說「我們沒有數據了」，業界一度恐慌。

黃仁勛不以為然：預訓練的瓶頸從數據轉移到了算力，「因為未來絕大多數訓練數據將來自合成」。

訓練的極限從來不是數據，只是算力。

9. Agent 是 Token 的 iPhone 時刻

「Token 的 iPhone 時刻到了。」

他說的不是某個具體產品，而是 Agentic 系統這個范式。

「它是歷史上增長最快的應用，直接往上沖。」

增長曲線本身就是答案。

10. OpenClaw 做到了 ChatGPT 當年做到的事

OpenClaw之所以引爆全球，是因為普通消費者能直接觸達。

「它對 Agentic 系統的意義，就像 ChatGPT 對生成式 AI 系統的意義。這是大事。」

11. 智能是商品，人性才是稀缺品

「我一直認為智能是商品。」

在公司，他身邊坐著 60 位在各自領域比他更專業的人，但他坐在正中間指揮這一切。

「這就是洗碗工坐在一群超人中間的問題。」

智能可以規模化，但人性、品格、同理心、慷慨無法被量化。

「我們應該把更重要的位置留給人性，而不是智能。」

12.CUDA的安裝基礎才是英偉達最深的護城河

不是最好的芯片，不是最先進的架構，而是幾百萬開發者在 CUDA 上疊了幾十年的軟件積累。

「開發者選擇 CUDA，是因為它在所有云、所有國家、所有行業都有部署；是因為他們相信英偉達會把 CUDA 一直維護下去。」

信任是技術護城河之上更深的一層。

13. 生態定義架構，不是優雅程度

x86 從來不是最優雅的架構，那些被精心設計的 RISC 架構幾乎全軍覆沒。

「有史以來批評聲最大的架構是 x86，但它是今天的定義性架構。」

生態比設計哲學更持久。

14.CUDA曾讓英偉達市值從 80 億美元跌到 15 億

把 CUDA 塞進 GeForce，讓消費級顯卡承擔計算平臺的成本，使當時毛利率只有 35% 的英偉達幾乎耗盡利潤，市值從約 80 億美元跌到 15 億。

但這正是必須做的：「沒有安裝基礎，就沒有平臺。」

15. 研究者通過 GeForce 發現了英偉達

許多大學研究者本來就玩游戲，在實驗室用消費級零件攢集群。

把 CUDA 裝進每一臺 GeForce，相當于把一臺超算交到每個研究生手上，等待「某件驚人的事情發生」。

深度學習革命，就是那件事。

16. 他從不搞「大改革宣言」

很多 CEO 學到新東西，就發表宣言、重組架構、換 Logo。

黃仁勛的方式是：悄悄地、持續地塑造身邊所有人的信念。

「等到我宣布收購 Mellanox 的那天，每個人都覺得這太理所當然了。」

領導力有時看起來像是跟在后面，其實是提前把路鋪好了。

17. 公司架構應該反映它生產的東西

他說所有公司的組織架構圖看起來都一樣——「這對我毫無意義。」

公司架構應該反映它所處的環境和它想生產的產品。

英偉達直屬匯報有 60 人，沒有一對一，只有集體攻堅。

18. 60 個直屬匯報，不開一對一

原因很簡單：極度協同設計要求所有人同時聽、同時能插話。

「討論散熱的時候，負責內存的人可能發現有問題——他必須在場。」

19. 一切從物理極限倒推

「速度極限」是他三十年前就開始用的方法論：在動手之前，先搞清楚物理定律允許的邊界在哪里。

內存速度、計算速度、成本、功耗、制造周期，都要和這個極限對比一遍，再談權衡。

「做好一件事今天要 74 天，我不想聽花費 72 天的改進方案——我想知道從零推導，至少需要幾天。」

20. 持續改進是懶惰，從第一性原理重建才是認真

「先告訴我為什么是 74 天。再告訴我從零開始，最少要幾天。很多時候答案是 6 天。然后我們再討論從 6 天到 74 天之間的每一個妥協——至少我們知道那些妥協是什么。」

21. 英偉達把AI算力提升了一百萬倍

過去十年，摩爾定律讓算力提升了約 100 倍。

英偉達通過極度協同設計把 AI 算力提升了一百萬倍。

「我們會繼續推進，每年把每瓦 Token 數量提升幾個數量級。」

22. Token 成本每年下降一個數量級

硬件在漲價，但 Token 生成效率提升得更快。

「我們的計算機越來越貴，但產生每個 Token 的效率提升速度遠超硬件價格的漲幅。」

23. 電網有大量閑置容量，可以被AI用起來

電網是按最壞情況設計的，而最壞情況每年只出現幾天。

其余 99% 的時間，電網在空轉。

黃仁勛的建議是：數據中心與電網簽柔性合約，在極端天氣時自動降速或轉移負載，平時享用那些本來就閑置的電力。

「我只是想用他們本來就在浪費的那部分。」

24. 六個九的可靠性要求正在綁架電網

CEO簽多年合同，要求數據中心六個九（99.9999%）的可用性，這個要求層層傳導到電力公司。

「我打賭那些公司的 CEO 根本不知道他們的采購團隊簽了什么。」他想讓所有相關方的CEO都意識到這件事，然后重新談。

25. 馬斯克體現了「親自到場」的力量

四個月，在孟菲斯建起了 20 萬張卡的集群。

黃仁勛理解其中的方法：一切追溯到必要性；親自出現在問題現場；用個人的緊迫感驅動整個供應鏈把你排在第一優先級。

「他讓每個供應商都明白，他們眼下最重要的項目就是這個。」

26. 放射科醫生的故事

AI 視覺 2019 年已經超越人類，當時預測放射科醫生會消失。

結果：放射科醫生數量反而增加了，現在還短缺。

「因為掃描分析速度變快了，醫院能接診更多病人，于是需要更多放射科醫生。」

工作的目的和完成工作的工具，不是同一回事。

27. 英偉達的軟件工程師數量會增加，不會減少

「我想要的是他們解決問題，我不在乎他們寫了多少行代碼。」

診斷問題、評估結果、創新、連接信息——這些不會消失。

28. 「會編程的人」從 3000 萬擴展到了 10 億

如果編程的本質是「描述規格」，那么所有能用自然語言說清楚自己想要什么的人，都變成了程序員。

「每個木匠將來都是程序員，而用上 AI 的木匠同時也是建筑師。」

29. 所有職業都在被「抬高」，而非被取代

會計師變成了財務分析師兼顧問；木匠變成了設計師；水管工能給客戶提供更完整的方案。

「如果我是水管工，我會為 AI 興奮得發狂——能給客戶的服務太多了。」

30. 焦慮的正確處理方式：拆解，然后行動

面對不確定，他的方法是：拆解問題，分清哪些能做、哪些不能做，然后只對能做的那部分負責。

「推導出要做什么，卻沒做，也沒讓別人做——那就別抱怨了。」

31. 遺忘是一種能力

「AI 學習中最重要的屬性之一，就是系統性遺忘。」

人也一樣。

「把擔憂說出來就是在分擔它，說完就忘掉。」

他不背負過去的失敗，只追下一個亮光。

32. 「這能有多難」是一種超能力

他經常對自己說的話是「這能有多難？」。

這是刻意維持的心理狀態：不要在出發前把所有可能的挫折都預演一遍，否則根本不會出發。

「真正的韌性是在挫折真的來臨時啟動的，不是在出發前就消耗掉的。」

33. 對尷尬的耐受力，是領導力的底層能力

當眾推理、當眾犯錯、當眾被糾正——這需要持續的練習。「他們知道我第一份工作是刷廁所。」

34. 財富和權力沒有讓他更難被說服

「因為我大部分工作都在公眾面前進行，當我錯了，幾乎所有人都看見了。」

當錯誤是公開的，謙遜便不再是選擇，而是必然。

35. 臺積電最重要的資產不是工藝，是制造體系和信任

很多人以為臺積電的護城河是工藝節點。

黃仁勛認為，協調幾百家客戶的動態需求、同時維持良率和交貨承諾，這才是真正無法復制的東西。

「我們沒有合同，三十年，幾千億美元的生意。」

36. 張忠謀曾邀請他執掌臺積電

2013年，臺積電創始人張忠謀邀請黃仁勛接任 CEO。

他拒絕了：「我已經看到英偉達要成為什么，這是我一個人的責任，我沒辦法離開。」

37. 英偉達沒有可以搶的市場份額

「如果英偉達是家 100 億美元的公司，想從競爭對手那里搶份額，投資者很容易算清楚。但我們很難被估值，因為我們要創造的市場基本上還不存在。」

想象力，是這種公司最重要的分析工具。

38. 算力單元的演進：芯片→集群→工廠→星球

他現在腦子里的「一臺計算機」，是一個消耗吉瓦級電力、有上萬人在安裝、需要數千工程師才能開機的龐大基礎設施。

「下一次躍遷，我希望腦子里的單位變成星球級別的計算。」

39. 英偉達每周生產約 200 個 Vera Rubin POD

每個POD有 40 個機架、60 exaflops 算力、10PB/s 帶寬——「這只是一個POD」。

40.供應鏈有 200 家供應商，每個機架 130 萬個零件

這種復雜度讓「在數據中心內部組裝」變得不可能——NVLink 72 必須在供應鏈里完成超算組裝，整機出貨，每個機架兩三噸地運過去。

41. 他三年前就說服了存儲廠商押注 HBM

當時 HBM 只在極少數超算里出現，他對幾家 DRAM 公司的 CEO 說：「這會成為數據中心的主流內存。」

一開始對方覺得荒唐，但幾家信了，投了。

「告知、塑造、激勵——這是我工作的一部分。」

42. 中國是當今世界創新速度最快的國家

全球 50% 的 AI 研究者是中國人。

中國科技產業在移動互聯網時代崛起，天然擅長軟件。

不同城市之間的競爭制造出殘酷的淘汰壓力——「留下來的都是了不起的公司」。

工程師文化、開源文化、同學式的知識共享，共同推動了這個速度。

43. 中國工程師更愿意開源，是因為對面公司坐著他們的同學

「他們在保護什么？」

黃仁勛解釋這背后的邏輯：競爭對手那里有你的同學，另一家公司里有你兄弟，知識共享比保密更自然。

44. GeForce 至今仍是英偉達最重要的營銷手段

「人們在少年時代認識英偉達，之后上大學，然后用 CUDA，然后用 Blender，然后做 AI。」

消費級顯卡是品牌進入下一代工程師認知的通道。

45. DLSS 5 不是AI修圖，是給藝術家的工具

這其中的爭議在于玩家擔心游戲被 AI「改造」成千篇一律的風格。

黃仁勛澄清：DLSS 5 受原始幾何體約束，「每一幀都以藝術家定義的紋理和風格為條件，我們只是增強，不改變任何東西。」

46. 史上最有影響力的游戲是《毀滅戰士》（Doom）

「從文化沖擊和把 PC 從辦公工具變成家庭娛樂設備這兩個維度，答案是《毀滅戰士》（Doom）。」

47. 芯片不會「緊張」，而人會

「我不知道芯片是否會緊張。」

正是這種緊張感，以及這種感覺在人類表現中制造的巨大差異，讓人類的主觀體驗無法被簡單復制。

「同樣的處境，兩臺計算機產生的差異來自統計，不是來自感受。」

48. 理解生物機器，大概在五年內

「不是十年，大概是五年。」

他認為神經科學和理論物理學的重大突破都在視野之內。

「解釋意識，那會很了不起。」

49. 他想意識上傳后，讓人形機器人帶他去宇宙深處

「我說過的一切、寫過的一切，都已經在互聯網上了，正在變成我的 AI。到時候把這些以光速發出去，追上我的機器人。」

這是他認真描述的規劃。

50.AI會讓人類更珍視人類本身

「我們應該把最重要的位置留給人性、品格、慷慨、同情——而不是智能。」

AI 讓智能變成了商品，也正因為如此，把人從「夠不夠聰明」的焦慮里解放出來，讓人重新面對那個真正難以被復制的部分：做人本身。

參考資料：

https://www.youtube.com/watch?v=vif8NQcjVf0