1 月 22 日，在达沃斯的聚光灯下，英伟达掌门人黄仁勋与贝莱德（BlackRock）掌门人拉里 · 芬克（Larry Fink）展开了一场长达半小时的巅峰对话。
面对华尔街最关心的“资金黑洞”问题，黄仁勋抛出了一个惊人的论断 ——“我们已经投进去的几千亿美元，只是道开胃菜。要把这套架构真正搭起来，后面还得再砸几万亿美元。”
就在全世界都在担忧“AI 是不是过热了”的时候，他给出了一个截然不同的定义：“我们遇上的不是什么 AI 泡沫，而是人类历史上最大的一场基建热潮。”
目前英伟达的 GPU 依然一芯难求，就连几年前老款型号的租金都在飞涨。
为了解释这笔钱到底要花在哪，黄仁勋将整个 AI 体系比作一个庞大的“五层蛋糕”：最底层是能源，往上依次是芯片、云服务、AI 模型，而最上面那层才是各行各业的具体应用。要把这块蛋糕每一层都填满，现有的投入确实仅仅是个开始。
而对于“AI 抢人饭碗”这个引发全球焦虑的话题，黄仁勋觉得大家可能都担心反了：“AI 非但没有制造失业，反而正在创造大量年薪六位数的蓝领工作。”
如今在美国，电工、管道工年薪突破十万美元已经不稀奇。原因很简单：到处都在疯狂建设数据中心和芯片工厂，这些物理世界的“新基建”急需大量熟练人手。
他还举了医疗行业的例子来反击“替代论”。过去十年，AI 并没有像预言那样取代放射科医生，相反，医生的人数还增加了。“AI 把看片子这类重复活儿接了过去，让医生能腾出手，更专注于诊断和跟病人沟通，这才是医疗真正该做的事。”
此外，黄仁勋还特别强调了“AI 主权”的概念：“每个国家都应该发展自己的 AI 能力，就像当年建电网、修公路一样，这是新时代的基础设施主权。”
路修好了，车自然会来。
几万亿美元正在转化为电网、芯片厂和数据中心。这就好比当年的铁路大基建。基础设施一旦铺好，属于它的时代自然就会到来。
一、AI 不是“泡沫”，是必须垒起来的“五层蛋糕”
“很多人跑来问我，现在 AI 投资这么猛，是不是泡沫？”黄仁勋对这个问题的回应很干脆：“之所以有人觉得是泡沫，恰恰是因为我们投的规模太大了。而规模大，是因为我们得从下到上，把支撑 AI 的每一层基础设施都给建起来。”
为了说清楚这个庞大的体系，他抛出了那个如今常被引用的“AI 五层蛋糕”理论：
最底层：能源。没电，一切算力都是空谈。
第二层：芯片和计算设备。这是英伟达的主战场。
第三层：云设施与服务。得把算力高效地管起来、送出去。
第四层：AI 模型。大家最熟悉的层面，比如 ChatGPT 这些大模型。
最顶层：实际应用。金融、医疗、制造……AI 真正产生价值的地方。
“全球已经在这里面投了好几千亿美元，”黄仁勋说，“但这只是个开头，未来需要的钱得以万亿美元计。”他去年就预测过，到 2030 年，全球花在 AI 基础设施上的钱可能达到 3 万亿到 4 万亿美元。
之所以要这么多钱，是因为从蛋糕底往上，每一层都在疯狂扩张：
能源层：为了喂饱胃口巨大的 AI 数据中心，全球的电站升级和绿色能源项目都在提速。
芯片与硬件层：台积电说要新建 20 座芯片厂；英伟达的制造伙伴（如富士康、纬创、广达）打算新建 30 座“AI 工厂”；存储领域，美光已经启动了在美国的 2000 亿美元投资，SK 海力士和三星也在拼命扩产。
数据中心层：几大科技公司已经承诺，未来几年要投超过 5000 亿美元在数据中心的建设和租赁上。
与此同时，2025 年的风险投资也冲上了历史高点，全球超过 1000 亿美元流向了那些“AI 原生公司”，覆盖医疗、机器人、制造、金融等领域。砸钱这么狠，背后是 AI 模型的能力已经足够支撑这些行业玩出真东西了。
二、不只会写诗画画，AI 开始“读懂”物理世界了
推动这场万亿基建浪潮的根本动力，是 AI 技术自己在过去一年取得了比普通人想象更扎实的突破。黄仁勋把这些突破归为三类：
突破一：从“聊天”到“办事”。早期的 AI 大模型总爱“胡言乱语”，但现在它们学会了逐步推理、制定计划、执行任务，越来越像个能自己干活的“智能体”了。
突破二：开源浪潮。他以 DeepSeek 为例，称其开源模型的出现是推理领域的“大事”，这让全球的企业和研究机构都能用较低成本获得强大的 AI 能力，进而开发自己专业领域的模型。
突破三：物理智能的觉醒。这部分最让人兴奋。AI 开始理解蛋白质结构、化学分子、流体力学这些自然科学规律了。“我们和礼来这样的药企合作，AI 已经可以像我们和 ChatGPT 聊天那样，去‘对话’和设计蛋白质分子。这意味着，未来研发新药的速度可能会被彻底改写。”
三、AI 不是来砸饭碗的，反而催生了“六位数年薪”的蓝领岗
面对“AI 导致失业”这股全球性的焦虑，黄仁勋的观点是：AI 会创造出大量高薪的蓝领岗位，甚至可能让技术工人更加紧俏。
“那些数据中心、芯片工厂，安装和维护它们需要海量的电工、管道工、建筑工人和网络技师。”他说，“在美国，这些岗位的薪水几乎翻了一倍，赚到六位数年薪并不难。想过上好日子，不一定非得有个计算机博士学位。”
他还举了放射科医生和护士的例子：十年前，当 AI 在看医学影像上超过人类时，很多人都说放射科医生要失业了。但十年过去了，美国放射科医生的数量反而增加了。因为 AI 把看片子这种重复劳动包了，医生就能把时间省下来，更深入地跟病人沟通、做复杂诊断。医院效率高了，收入多了，反而雇了更多医生。
护士的情况也类似。黄仁勋引用数据说，美国缺 500 万名护士。AI 接手了大约一半的病历文书工作，让护士能回到病人床边，提供更有温度的护理。医院运转得更好了，对护士的需求也更大了。
“关键要分清楚工作的‘目的’和‘任务’。”黄仁勋总结道，“AI 自动化的是‘任务’，而人更能专注于工作的‘目的’。这通常会提升职业的价值，甚至把整个行业的盘子做得更大。”
黄仁勋举的例子多是高端服务业和蓝领工种。而对于那些从事基础分析、编码、文案工作的普通白领来说，AI 带来的替代压力，确实是实实在在、近在眼前的。Anthropic 的 CEO 达里奥 · 阿莫代伊（Dario Amodei）之前就警告过，一半的入门级白领工作可能会被 AI“抹掉”。
四、给世界的建议：每个国家都该有自己的“AI 主权”
黄仁勋的眼光并没只盯着发达国家。他特别指出，AI 不该成为技术鸿沟，而应成为发展中国家实现跨越的机会。
对发展中国家来说：“AI 是基础设施，就像电和路一样。每个国家都应该建设自己的 AI 能力。”他认为，借助开源模型，结合本国的语言和文化数据去训练，任何国家都能发展出适合自己需要的 AI。“这能保护你们的数字主权。AI 用起来越来越方便，未来任何人或许都能通过对话来编程，这有助于缩小技术差距。”
对欧洲，黄仁勋的建议是：“欧洲的优势在于深厚的工业基础和顶尖的科学实力。你们可以跳过‘软件时代’，直接拥抱‘物理 AI’和机器人技术，用 AI 把制造业和科学研究重新武装起来。”
但他也毫不客气地指出了前提：“欧洲必须先解决能源供应的问题。没有充足且可持续的电力，什么都谈不成。”
五、英伟达的现在与未来：GPU 还是一卡难求
这一轮 AI 浪潮到底有没有泡沫？英伟达或许就是最准确的风向标。
黄仁勋提到，检验 AI 是不是泡沫，一个关键指标就是看英伟达 GPU 够不够抢手。如今，英伟达的 GPU 已经铺满了各大云平台，想租一块用用越来越难，现货价格也在涨，不仅是最新一代，连前两代的旧型号价格都在往上走。
原因在于，AI 公司的快速扩张让研发预算大量转向。像礼来这样的公司就是典型：三年前，他们的预算几乎全花在传统的实验室里；而现在，大部分资金都流向了 AI 超级计算机和数字实验室。越来越多的研发经费，正在朝 AI 倾斜。
数据显示，主要科技公司（微软、Meta、亚马逊、谷歌等）已经承诺，未来几年要投超过 5000 亿美元在数据中心的建设和租赁上，其中大部分会变成英伟达的硬件订单。甚至有消息说，中国的科技巨头阿里和字节跳动，各自都想订购超过 20 万颗英伟达最新的 H200 芯片。
路修好了，车自然会来
黄仁勋描绘的未来，其实没那么玄乎。他只是在告诉世界：AI 不是飘在云端的魔法，它和当年的铁路、电网一样，是由钢筋、水泥和电力堆出来的工业品。
此刻的矛盾显而易见：资本的热情与大众的焦虑在对撞，发达国家的抢跑与发展中国家的追赶在交织。但这种混乱，恰恰是每一次工业革命爆发前的常态。
正如黄仁勋所言，几千亿美元只是个入场券。当 AI 从“聊天框”走向“物理世界”，真正的竞争才刚刚开始。在这个新阶段，最扎实的电网和最熟练的工人，或许比最聪明的算法更具决定性。
以下是黄仁勋对话实录：
拉里 · 芬克：
大家早上好。很高兴能重返会场。希望大家昨天过得愉快，也希望你们能享受今天的议程。我非常荣幸能介绍黄仁勋，他是我由衷钦佩、长期关注的人，也是我在探索技术和人工智能旅程中的导师。
目睹他领导英伟达的历程，简直令人惊叹。我不喜欢拿自己做比较，但我很喜欢这项对比：英伟达自 1999 年上市以来 —— 恰巧也是贝莱德上市的年份 ——
（观众笑声）
拉里 · 芬克：
噢，天哪。好吧。事实上，英伟达为其股东带来的总回报率达到了 37% 的年化复合增长率。试想一下，如果每一家养老基金都在 IPO 时投资了英伟达，这对它们意味着什么？这将为每个人的退休生活带来多么巨大的财富增长。与此同时，贝莱德的年化总回报率为 21%。对于一家金融服务公司来说还不错，但这显然在英伟达面前相形见绌。这极好地证明了黄仁勋的领导力、英伟达的市场定位，也是世界对英伟达未来充满信心的有力声明。所以，黄仁勋，祝贺你在这一旅程中取得的成就，我知道我们未来的路还很长。
黄仁勋：
谢谢，我很荣幸。我唯一的遗憾是在 IPO 之后，我想给父母买份像样的礼物，所以我卖掉了一些英伟达的股票。当时公司总估值仅为 3 亿美元，我给他们买了一辆梅赛德斯 S 级轿车。那是当时世界上最贵的车。
（观众笑声）
黄仁勋：
他们后悔了。
拉里 · 芬克：
他们还留着那辆车吗？
黄仁勋：
噢，当然。是的，他们还留着。
拉里 · 芬克：
很好。我现在要切入正题了，但我只想说，关于 AI 的辩论往往围绕着它将如何改变世界和全球经济。今天我想探讨的是 AI 如何能为世界经济赋能，以及 AI 如何能日益成为一种基础技术，让在座的各位都能利用它来提升我们的生活，提升世界上每个人的生活。我们需要讨论它将如何重塑几乎所有行业的生产力、劳动力和基础设施。但更重要的是，它将如何重塑世界，世界的更多领域如何能从 AI 中受益，以及我们要如何确保全球经济是走向多元包容，而非走向封闭狭隘。在洞察 AI 的本质、围绕它的基础设施以及建设这些基础设施的必要性方面，我想不出还有谁比你更有发言权。因为许多主要的超大规模云服务商 (Hyperscalers) 都在使用英伟达创造的产品，再加上围绕 AI 基础设施的整体参与度和 AI 的潜力，我认为在这个下午或上午，我们这里有一位极佳的发言人值得倾听。
黄仁勋，再次感谢你。这是他第一次参加达沃斯的世界经济论坛，我知道你的日程非常满，所以谢谢你抽出时间。
黄仁勋：
我很感激。
拉里 · 芬克：
那么让我直奔主题。为什么你相信 AI 有潜力成为如此重要的增长引擎？是什么让这一刻、这项技术不同于以往的技术周期？
黄仁勋：
是的，首先，当你思考 AI 并以各种方式与 AI 互动时 —— 当然是使用 ChatGPT，使用 Gemini，使用 Anthropic 的 Claude—— 以及它能做的那些神奇的事情。这有助于我们回归第一性原理，去理解计算堆栈 (Computing Stack) 根本上发生了什么。这是一次平台转移。平台是应用程序构建的基础。这次平台转移就像当初向个人电脑 (PC) 的转移一样 —— 开发新应用程序以在新型计算机上运行；就像向互联网的转移 —— 一种新型计算平台托管了各种新应用程序；就像向移动云端的转移。在每一次平台转移中，计算堆栈都被重新发明，新的应用程序被创造出来。这是一次新的平台转移，因为虽然你今天使用的是 ChatGPT，但重要的是要理解它本身是一个应用程序，但更重要的是，新的应用程序将构建在 ChatGPT 之上，新的应用程序将构建在 Anthropic Claude 之上。所以从这个角度看，这是一次平台转移。
AI 其实很容易理解，只要你意识到它能做到以前做不到的事情。过去的软件实际上是“预先录制”的。人类输入并描述算法或配方让计算机去执行。它能够处理结构化信息，意味着你必须输入姓名、地址、账号、年龄、居住地。你创建这些结构化表格，然后软件去从中检索信息。我们称之为 SQL 查询。SQL 是世界已知最重要的数据库引擎。在此之前几乎所有东西都在 SQL 上运行。现在我们拥有一台可以理解非结构化信息的计算机，这意味着它可以看一张图片并理解它，看一段文字并理解它 —— 这是完全非结构化的。它可以听声音并理解它，理解其含义，理解其结构，并推理该如何处理它。
所以这是第一次，我们拥有了一台不是“预先录制”的计算机，而是实时处理的。这意味着它能够获取环境的上下文、背景信息以及你给它的任何信息。它可以推理这些信息的含义，并推理你的意图 —— 哪怕你的意图是以非常非结构化的方式描述的。你可以用任何你想用的方式描述它，我们称之为提示词 (Prompts)。只要它能理解你的意图，它就能为你执行任务。
这一点之所以重要，是因为我们在重塑整个计算堆栈。问题是，什么是 AI？当你想到 AI 时，你想的是 AI 模型。但从工业角度理解这一点非常重要：AI 本质上是一个五层蛋糕。最底层是能源。因为 AI 是实时处理并实时生成智能的，它需要能源来做到这一点。能源是第一层。第二层是我所在的层，即芯片 —— 芯片和计算基础设施。再上一层是云基础设施、云服务。再上一层是 AI 模型。这是大多数人认为 AI 所在的地方。但别忘了，为了让这些模型出现，你必须拥有下面所有的层。但最重要的一层 —— 这也是目前正在发生的一层，这也是为什么去年对 AI 来说坦率地说是不可思议的一年 —— 是因为 AI 模型取得了如此大的进步，以至于它上面的一层，也就是我们最终都需要它来获得成功的那一层：应用层。这个应用层可能在金融服务、医疗保健、制造业中。最上面的这一层最终是产生经济效益的地方。
但重要的一点是，因为这个计算平台需要下面所有的层，它已经启动了 —— 你们大家现在都看到了 —— 它已经启动了人类历史上最大的基础设施建设。我们现在已经投入了几千亿美元。
拉里 · 芬克：
确实如此。
黄仁勋：
我们已经投入了几千亿美元。拉里和我，我们有机会在许多项目上合作，还有数万亿美元的基础设施需要建设。这是顺理成章的。这是顺理成章的，因为所有这些上下文都必须被处理，以便模型能够生成必要的智能，来驱动最终位于顶层的应用程序。所以当你回过头来，一层一层地推理，你会意识到能源部门现在正经历着非凡的增长。芯片部门 —— 台积电 (TSMC) 刚刚宣布他们将建设 20 家新芯片工厂；富士康 (Foxconn) 与我们以及纬创 (Wistron) 和广达 (Quanta) 合作，正在建设 30 家新计算机工厂，这些工厂的产品随后将进入这些 AI 工厂。所以我们有芯片工厂、计算机工厂和 AI 工厂正在世界各地建设。
拉里 · 芬克：
还有内存。
黄仁勋：
还有内存，对，没错。那些芯片晶圆厂 —— 美光 (Micron) 已开始在美国投资 2000 亿美元。SK 海力士的业绩令人难以置信，三星 (Samsung) 也做得令人难以置信。你可以看到整个芯片层今天都在惊人地增长。当然，我们非常关注模型层，但真正令人兴奋的是它们上面的一层确实表现极佳。一个指标是风险投资 (VC) 资金的去向。去年，2025 年，是风险投资历史上资金规模最大的年份之一。去年大部分资金流向了所谓的“AI 原生企业”。这些是在医疗保健、机器人、制造业、金融服务等世界所有大型行业的公司。你看到巨额投资进入这些 AI 原生企业，因为这是第一次，模型已经进化到了足以支撑实际应用的程度。
拉里 · 芬克：
那么，让我们再深入一点。显然，我相信每个人都在使用自己的聊天机器人获取信息。但你谈到的是 AI 的普及化将是关键。让我们谈谈…… 多谈谈关于它在物理世界普及的上行空间。你提到了医疗保健显然是一个很好的例子。但在交通或科学等领域，你认为变革性的机会在哪里？
黄仁勋：
嗯，去年，我会说 AI 技术层、模型层发生了三件大事。第一件是模型本身从最初的好奇和有趣，但伴随大量幻觉 (Hallucination)，发展到去年 —— 我们可以合理地接受这些模型现在的立足点更稳固了。它们可以做研究，它们可以推理那些也许并未受过训练的情况，将其分解为循序渐进的推理步骤，并制定计划来回答你的问题、做研究或执行任务。所以去年我们看到了语言模型的进化，变成了我们所说的代理系统 (Agentic Systems)，即代理人工智能。
第二个重大突破是开放模型的突破。几年前…… 是一年前吗？DeepSeek 推出了，很多人对此相当担心。坦率地说，DeepSeek 对大多数行业、世界各地的大多数公司来说是一个巨大的事件，因为它是世界上第一个开放的推理模型。从那时起，一大批开放推理模型涌现出来。开放模型使公司、行业、研究人员、教育工作者、大学、初创公司能够使用这些开放模型来启动项目，并创建特定领域或专门针对其需求的东西。
去年取得巨大进步的第三个领域是物理智能的概念，即物理人工智能 (Physical AI)。不仅仅理解语言，而且理解“自然”的 AI。这可能是理解这里物理世界的 AI。AI 现在开始学习理解蛋白质、化学品、物理学（例如流体动力学、粒子物理学、量子物理学）。AI 正在学习所有这些不同的结构和不同的语言（如果可以这么说的话，蛋白质本质上就是一种语言）。所有这些 AI 现在都取得了如此巨大的进步，以至于这些工业公司 —— 无论是制造业还是药物研发 —— 真的在取得巨大的进展。一个很好的指标是我们与礼来公司 (Eli Lilly) 的合作关系。他们现在意识到，AI 在理解蛋白质结构和化学品结构方面取得了如此非凡的进步，本质上能够像我们与 ChatGPT 交谈一样与蛋白质互动，我们将看到一些真正的重大突破。
拉里 · 芬克：
所有这些突破引发了关于人为因素的担忧。你和我对此进行过多次对话，但我们需要告诉全场观众，人们非常担心 AI 会取代工作。而你一直持相反观点。显然，正如你所说，AI 的建设，历史上最大的基础设施建设即将发生，能源业在创造就业，工业在创造就业，基础设施层在创造就业，土地、电力和厂房都在创造就业。我的意思是，这不可思议。
所以让我们更详细地探讨一下。你实际上相信我们将面临劳动力短缺。那么，你如何看待 AI 和机器人技术是在改变工作的性质，而不是消除工作？
黄仁勋：
我们可以通过几种不同的方式来思考这个问题。首先，这是人类历史上最大的基础设施建设。这将创造大量的就业机会。而且很棒的是，这些工作与蓝领技艺 (Tradecraft) 相关。我们将需要水管工、电工、建筑工人和钢铁工人、网络技术人员，以及安装和装配设备的人员。在美国，我们看到这一领域出现了相当显著的繁荣。工资几乎翻了一番。我们谈论的是为那些建设芯片工厂、计算机工厂或 AI 工厂的人提供六位数的薪水。我们在这一块有巨大的短缺，我真的很高兴看到这么多国家、这么多人真正认识到这一重要领域。你知道，每个人都应该能够过上很好的生活，你不需要拥有计算机科学博士学位也能做到。所以我很高兴看到这一点。
第二点要意识到的是 —— 我们对任务自动化以及其对就业的影响进行了理论化 —— 但我只提供一些轶事，这些是实际发生的现实世界轶事。记得 10 年前，每个人都认为首先会被淘汰的职业之一是放射科。原因在于，第一个在能力上变得超乎常人的 AI 是计算机视觉。而计算机视觉最大的应用之一就是放射科医生研究扫描图。
10 年后，确实 AI 现在已经完全渗透并扩散到放射学的每一个方面。确实放射科医生使用 AI 来研究扫描图。现在的影响是 100% 的，影响是完全真实的。然而，不足为奇的是 —— 我说不足为奇，如果你从第一性原理推导的话 —— 不足为奇的是，放射科医生的数量不降反增。
拉里 · 芬克：
那是因为缺乏信任，还是因为人类与 AI 结果的互动带来了更好的结果？
黄仁勋：
正是如此。原因在于放射科医生的工作，他们工作的“目的”是诊断疾病，帮助病人诊断疾病。这是他们工作的目的。工作的“任务”包括研究扫描图。事实上，他们现在能够无限快地研究扫描图，这使他们能够花更多时间与病人在一起诊断疾病，与病人互动，与其他临床医生互动。
令人惊讶的是 —— 或者实际上也不令人惊讶 —— 结果是医院能够接诊的病人数量增加了，因为很多人排队等候很长时间才能做扫描。所以现在因为病人数量增加了，医院的收入增加了，他们雇佣了更多的放射科医生。护士行业也正在发生同样的事情。美国短缺 500 万名护士。通过使用 AI 来进行图表记录和病患就诊的转录 —— 护士花一半的时间在图表记录和文档工作上 —— 现在他们可以使用 AI 技术。有一家特定的公司叫 Abridge，是我们的合作伙伴，做得非常出色。结果是护士可以花更多时间探视病人。
拉里 · 芬克：
这种人性化的接触。
黄仁勋：
没错。因为你现在可以看更多的病人，我们不再受护士数量的瓶颈限制，更多的病人可以更快地进入医院。结果医院经营得更好，他们雇佣更多的护士。所以令人惊讶的是 —— 或者说不令人惊讶的是 ——AI 提高了他们的生产力，结果医院经营得更好。他们想雇佣更多的人。有太多人等待太久才能进医院。所以这是两个完美的例子。
思考 AI 对特定工作影响的最简单方法是理解工作的“目的”是什么，工作的“任务”是什么。如果你在我们俩身上放个摄像头观察我们，你可能会认为我们俩是打字员。因为我把所有时间都花在打字上。如果 AI 可以自动化这么多单词预测并帮助我们打字，那我们就会失业，但显然那不是我们的目的。所以问题在于你工作的目的是什么。在放射科医生和护士的案例中，目的是照顾人，而这个目的因为任务被自动化而得到了增强和提高效率。所以如果你能推理每个人的目的与任务的区别，我认为这是一个有用的框架。
拉里 · 芬克：
让我们把话题延伸到发达经济体之外。帮我理解 AI 如何能拓宽世界并帮助世界。上周末我读了一篇 Anthropic 的文章，基本上说最近 AI 的使用主要由受过教育的社会阶层主导，他们甚至看到每个社会中受过教育的部分使用率更高。显然他们在使用它辅助编写代码，所以它可能有自己的偏见。那么，我们如何确保 AI 是一项变革性技术 —— 也许像 Wi-Fi 和 5G 对新兴世界那样？当你把这与它对新兴世界和就业的意义结合起来 —— 我们如何拓宽全球经济？第二，回到关于机器人和 AI 的整个就业形势，那里会有一些替代。美国已经发生了一些替代。我们可能会创造更多的水管工和电工，但在金融机构我们可能需要更少的分析师，律师需要更少的…… 你知道，因为他们能更快地积累数据。所以让我们把话题转向新兴世界一下。在发展中世界，你认为这会如何发展？
黄仁勋：
首先，AI 是基础设施。我想不出世界上有哪个国家不需要 AI 作为其基础设施的一部分，因为每个国家都有电力，有道路。你应该拥有 AI 作为基础设施的一部分。当然，你总是可以进口 AI。但如今训练 AI 并没有那么难。而且因为有这么多开放模型，利用这些开放模型加上你们当地的专业知识，你应该能够创建对你们自己国家有帮助的模型。所以我真的相信每个国家都应该参与建设 AI 基础设施，建立自己的 AI，利用你们基本的自然资源 —— 即你们的语言和文化 —— 开发你们的 AI，继续完善它，并让你们的国家智能成为你们生态系统的一部分。所以我认为这是第一点。
第二点，记住 AI 超级好用。它是历史上最容易使用的软件，这也是它增长最快、普及最快的原因。我是说仅仅两三年时间，它就覆盖了近 10 亿人。我认为首先 Claude 是不可思议的。Anthropic 在开发 Claude 方面取得了巨大的进步和飞跃。我们在整个公司都在使用它。Claude 的编程能力、推理能力，它的能力真的令人难以置信。任何软件公司真的都应该参与进来并使用它。另一方面，ChatGPT 可能是历史上最成功的消费者 AI，鉴于它的易用性和亲和力，我认为每个人都应该参与进来。
无论是发展中国家的人还是学生，很明显，学会如何使用 AI、如何指导 AI、如何向 AI 提问 (Prompt)、如何管理 AI、如何为 AI 设定护栏、评估 AI，这些都是必不可少的。这些技能与领导他人、管理他人并没有什么不同，这些是你我一直在做的事情。所以，在未来，除了生物的、碳基的智能，未来我们还将拥有数字版本的 AI、硅基版本的 AI，我们将不得不管理它们。它们只是我们数字劳动力的一部分。
所以我主张发展中国家建设你们的基础设施，参与 AI，并认识到 AI 很可能会缩小技术鸿沟。因为它如此易用、如此丰富且如此易得。所以我实际上对 AI 提升新兴国家潜力的前景相当乐观。对于许多没有计算机科学学位的人来说，你们现在都可以成为程序员。在过去，我们必须学习如何给计算机编程。现在，你通过对计算机说“我该如何给你编程？”来给计算机编程。如果你不知道如何使用 AI，就走到 AI 面前说：“我不知道如何使用 AI，我该怎么用 AI？”它会向你解释。你可以说：“我想写一个程序来创建我自己的网站，我该怎么做？”它会问你一大堆关于你想建立什么样的网站的问题，然后为你编写代码。它就是这么好用。当然这就是 AI 令人难以置信的力量，这是令人兴奋的。
拉里 · 芬克：
两个快速的问题，然后我们就没时间了。我们身处欧洲。当我们谈论很多公司时，我们要么提到很多美国公司，要么是亚洲公司。跟我们要谈谈 AI 与欧洲的成功及欧洲的未来如何交汇，你认为英伟达在欧洲扮演什么角色？
黄仁勋：
我有幸 —— 英伟达有幸与世界上每一家 AI 公司合作。因为我们处于基础设施层的底层，我们要为全方位的 AI 提供动力。我们为理解语言、生物学、物理学、世界模型以及与制造业和机器人相关的 AI 提供动力。
对欧洲来说真正令人兴奋的是，记住你们的工业基础非常强大。欧洲的工业制造基础极其强大。这是你们现在跨越软件时代的机会。美国确实引领了软件时代。AI 是不需要写软件的软件。你不用写 AI，你教 AI。所以现在尽早加入，这样你们就可以将你们的工业能力、制造能力与人工智能融合，这将带你们进入物理 AI 或机器人的世界。机器人技术对欧洲国家来说是一个千载难逢的机会。无论是我在这里访问的所有国家，工业基础都非常非常强大。
另一件要意识到的事情是，欧洲的深层科学仍然非常非常强大。现在的深层科学有利用人工智能加速发现的优势。所以我认为相当确定的一点是，你们必须认真对待增加能源供应，以便你们可以投资于基础设施层，从而在欧洲拥有丰富的人工智能生态系统。
拉里 · 芬克：
所以我听到的是，我们远未处于 AI 泡沫中。问题是我们投资得够不够？
让我们反过来看，因为有很多人在谈论泡沫，但我从你那里听到的是：我们是否投资得足够多，以完成我们需要做的事情来拓宽全球经济？
黄仁勋：
检验 AI 泡沫的一个好方法是认识到英伟达现在在云端有数百万个 GPU。我们在每一个云里，我们被广泛使用。如果你这几天想租用英伟达的 GPU，那是极其困难的。GPU 租赁的现货价格正在上涨。不仅仅是最新一代，哪怕是两代以前的 GPU，租赁的现货价格都在上涨。原因在于正在创建的 AI 公司的数量，以及正在转移研发预算的公司数量。礼来公司就是一个很好的例子。三年前，他们的大部分研发预算，所有的研发预算，可能都是传统的“湿实验室”(Wet Labs)。注意他们投资的大型 AI 超级计算机和大型 AI 实验室。那部分研发预算将越来越多地向 AI 转移。
所以 AI 泡沫之所以被提起，是因为投资巨大。而投资之所以巨大，是因为我们必须建立必要的基础设施，以支撑其上所有的 AI 层。所以我认为这个机会真的非常非凡，每个人都应该参与进来。每个人都应该投入其中。我们需要更多的能源。我想我们要都认识到我们需要更多的土地、电力和厂房楼宇。我们需要更多具备专业技能的工人。事实上，这类劳动力人口在欧洲非常强大。
拉里 · 芬克：
是的。
黄仁勋：
在很多方面，美国在过去二三十年里失去了这一点。但在欧洲这里仍然非常强大。这是一个你们必须利用的非凡机会。所以我知道在拉里和我工作的地方，我们看到了投资机会，投资规模正在上升。正如我之前提到的，2025 年是风险投资历史上最大的投资年，全球超过 1000 亿美元，其中大部分是 AI 原生企业。这些 AI 公司正在上面构建应用层，它们将需要基础设施，它们将需要我们的投资去建设这个未来。实际上我相信对于世界各地的养老基金来说，这将是一个巨大的投资机会，去参与其中，随着这个 AI 世界共同成长。这也是我作为一个…… 对这么多政治领导人的信息之一。我们需要确保普通的养老金领取者、普通的储户是这种增长的一部分。如果他们只是在场外观望，他们会感到被遗落。
拉里 · 芬克：
我们想要投资基础设施，对吧？基础设施是一个巨大的投资机会。这是人类历史上单一最大的基础设施建设。参与进来吧。
我们要没时间了。希望现场的观众和网络直播的观众都能看到黄仁勋作为一位领导者的力量 —— 不仅仅是技术和 AI 领域的领导者，也是商业领域的领导者，更是一位充满感性与共情力的领导者，而在今天，拥有这种发自内心和灵魂的领导力真的非常重要。谢谢大家。
黄仁勋：
谢谢大家。
