黃仁勳 All-In Summit 全文：AI 末日論不科學，別用極端敘事把社會排除在科技革命外
NVIDIA 執行長黃仁勳近日登上 All-In Summit，與 All-In Podcast 四位主持人 Jason Calacanis、Chamath Palihapitiya、David Sacks 與 David Friedberg 展開近 50 分鐘對談。
這場訪談從 AI 安全、Dario Amodei 的「放緩前沿 AI」主張一路談到開源模型、中美 AI 競賽、資料中心、NVIDIA 投資策略、自駕車與中國半導體；進行到一半時，美國總統川普更突然打電話進場，直接透過黃仁勳手機向現場數千名觀眾發表近 5 分鐘談話。
廣告 - 內文未完請往下捲動
黃仁勳批 AI 末日預言：很多預測最後都錯了
談話一開始，主持人便把話題帶到 Anthropic 執行長 Dario Amodei 最新文章，以及前沿 AI 實驗室近期對安全與「放慢競賽」的討論。
黃仁勳表示，文章中有關內部控制、吹哨者與安全治理的部分值得嚴肅看待，但他對以「科學預測」形式描述 AI 可能導致文明毀滅相當不認同。他直言，這類說法「不是建立在科學之上」，卻因為出自研究人員之口，很容易讓大眾把它當成有實證基礎的預測。
黃仁勳隨後列舉近年多項 AI 預測：包括放射科醫師會在五年內消失、90% 程式碼將在半年到一年內由 AI 生成、50% 入門職位即將被消滅等。他認為，這些預測迄今都沒有照原先描述的方式發生。
他以放射醫學為例指出，AI 的確已廣泛協助判讀影像，但世界並沒有因此不再需要放射科醫師，反而需要更多醫師；也就是說，AI 接管的是工作流程的一部分，而非直接消滅整個職業。
黃仁勳認為，AI 產業必須對過去那些錯誤、誇大的預測負起責任，不能一方面反覆提出極端預言，一方面又要求社會「相信專家」。
AI 出問題怎麼辦？黃仁勳：先做工程上的 root cause
針對政府究竟該如何監管 AI，黃仁勳的立場同樣偏向工程治理。他認為「監管應該解決真實存在的問題」目前真正有能力碰到前沿風險的，主要仍是擁有大量算力的 frontier labs，因為高中生、一般新創甚至大部分企業，都沒有足夠 compute 去進行同等規模的實驗。
因此，一旦發生事故，第一件事不應是直接跳到全面禁止或停止發展，而是像工程事故一樣追查 root cause：發生了什麼？為什麼發生？哪些技術、流程、監控或 sandbox 可以避免事件再次出現？
黃仁勳表示，他相信前沿 AI 公司有能力透過更好的 runtime、sandbox、monitoring、continuous monitoring 與評估機制，把過去發生過的問題逐步納入控制；只有當企業自己都承認「不知道發生什麼，也不知道怎麼控制」時，外部工程團隊才應進場協助。
他補充，第三方 evaluator 或 auditor 是合理做法，類似上市公司的財務稽核，不需要比公司本身更懂技術，但必須提出正確問題，而且最好存在多家不同的第三方機構，而不是單一評估者壟斷標準。
Recursive Self-Improvement 會讓 AI 失控？
談到中國智譜 AI（Zhipu）投入資金研究 recursive self-improvement（RSI），黃仁勳則認為，這個概念本身沒有外界描述得那麼神秘。
他解釋，RSI 本質上是多項既有 AI 技術組合，包括 in-context learning、skills、reflection、reinforcement learning、synthetic data，以及 LoRA 等方式，讓 AI 在執行任務與產生資料的過程中持續改善。
黃仁勳認為，使用 AI 來提高「建造 AI」本身的效率完全合理，而且各家實驗室其實都已經在某種程度上這麼做；真正的問題在於，RSI 這個詞開始被用來營造「AI 將自行無限強化並失控」的印象。
即使企業內部讓模型反覆自我改進，產品真正發布以前仍然需要 evaluation、testing、regression test 與驗證，因此工程流程本身就是控制點。
黃仁勳：世界同時需要封閉模型與開放模型
談到開源 AI，黃仁勳表示，世界並不是「closed model 或 open model」只能選一邊，而是兩者都需要。他用「瓶裝水」比喻封閉模型：水本身很普遍，但人們仍會在特定情境選擇瓶裝水；AI 也是如此，有些工作直接使用最先進的閉源模型最方便，但企業也可能因主權、隱私或專有技術需求，需要能夠自行部署與修改的開放模型。
黃仁勳在台上給出一項非常驚人的數字：他表示過去六個月約有 4,000 億美元創投資金流入 AI-native 公司，其中約 80% 使用開放模型。在他看來，如果美國想贏得 AI 競賽，目標不應只是讓少數幾間科技巨頭勝出，而是讓每一家企業、每一個產業、研究人員、教師、學生與新創都能使用 AI。
中國掌握大量開源貢獻，黃仁勳：真正的競賽是「誰最會用 AI」
主持人接著追問，如果開源模型大量來自中國，是否會構成美國的戰略風險？
黃仁勳的回答相當務實。他表示，現今全球很大一部分 open-source 貢獻本來就來自中國，原因包括龐大的工程人才與理工科畢業生規模。即使 Linux、Kubernetes 或其他開源軟體曾被中國工程師修改，只要程式碼下載到自己的環境，使用者就能 fork、改善並變成自己的版本。
因此，他認為真正的 AI 競賽不是「誰發明所有技術」，而是誰能最好地利用這項技術。黃仁勳援引過去工業革命指出，Maxwell、Volta、Ampere 都不是美國人，許多重要科技起源於歐洲，但最後美國最成功地將這些技術轉化成產業與社會生產力；他希望 AI 時代也能重演這套劇本。
他同時認為，中國目前對 AI 的敘事比美國更「pragmatic」：中國把 AI 看成促進經濟與社會發展的科技，而美國內部反而持續出現文明毀滅、AI doom 等論述。
AI 會讓工程師失業？黃仁勳：以前工程師甚至不用整天打字
對 AI 是否會消滅軟體工程職位，黃仁勳也提供另一個角度。他回憶自己剛畢業成為工程師時，軟體尚未像今天這麼普及，工程工作並不是每天坐在電腦前打字；今天的工程師則從上班開始就一直使用鍵盤寫 code。
因此黃仁勳認為「工程」本身並不等於 coding。他甚至開玩笑說，自己一直告訴 NVIDIA 軟體工程師「你們只是在打字」，而他最喜歡的鍵盤按鍵是 Backspace，因為最好的軟體往往是最小、最精簡的軟體。AI 未來可能讓大量程式碼不再由人類直接輸入，但這不代表世界不再需要工程師。
川普：資料中心是未來 20、25 年的石油，AI 比網路更大
就在主持人準備把話題轉進 NVIDIA 商業模式時，黃仁勳手機突然響起，他看了一眼後驚呼：「Oh, it’s Trump.」
接起電話後，他告訴川普自己正在 All-In Summit 舞台上，現場有 Jason、Chamath、David 等主持人與數千名觀眾，而且「我們剛好正在談你」。
現場一陣手忙腳亂，眾人試著把手機切成擴音並靠近麥克風。川普一上線就先開黃仁勳玩笑：「人生最好笑的地方，就是 Jensen 可以開發世界上最複雜、十年都沒人能複製的晶片，卻搞不懂怎麼把我切成擴音。」
川普在電話中表示，把資料中心與 AI 描繪成威脅是一場「hoax」，因為資料中心能為地方帶來龐大投資與財富。他甚至形容：「資料中心是未來 20、25 年的石油。」川普表示，AI 的規模將比網際網路更大，「whoever wins AI wins」，因此美國不能因為恐懼論述而自行停止發展資料中心。
他也強調，機器人與 AI 不會如某些敘事所描述般接管世界，美國可以謹慎發展 AI，但不能因此停止整個產業。川普進一步表示，美國必須確保每一個產業、公司、州與人民都能從 AI 競賽受益。他並聲稱目前已有 20 兆美元投資正在流入美國，遠高於拜登政府時期。當黃仁勳告訴他現場數千人正在鼓掌時，川普還不忘開玩笑：「他們剛剛還得聽 Jensen 講話。」最後才掛斷電話。
黃仁勳：川普最在意的是美國重新工業化與創造工作
電話結束後，黃仁勳補充，他第一次與川普見面時，川普最在意的事情之一，就是如何重新把工作機會帶回美國。在黃仁勳看來，AI 正在同時拉動軟體、資料中心、能源與製造業需求。數千億美元創投投入 AI 新創，本身就在創造大量軟體工作；而算力需求增加，又進一步創造資料中心、電力、建築與基礎建設需求。
他也提到自己曾與德州州長 Greg Abbott 討論，希望科技產業在全美建設資料中心時，能對小型社區更加有同理心、願意聽取當地需求。
NVIDIA 為什麼到處投資？黃仁勳：哪裡有瓶頸，我們就去解
接著主持人將 NVIDIA 形容成「AI 的銀行」，因為公司近年不只賣 GPU，還開始介入土地、電力、資料中心外殼、融資與各種 AI 基礎建設。
黃仁勳解釋，這是因為 AI 本質上是一場新的工業革命，而「智慧」本身現在成為一種必須被生產的商品。以前網路讓人類能「找到任何東西」，AI 則讓人類能「詢問並知道任何東西」；但這些 intelligence 必須透過龐大的計算基礎設施生產，所以資料中心、電力、土地、建築、光纖、記憶體與晶圓製造全部都會成為 AI 供應鏈的一環。
如果某個供應商需要提前擴產，NVIDIA 就會介入；如果 land、power、shell 成為下一個瓶頸，公司也會往下游協助建立容量。黃仁勳指出，NVIDIA 很早以前就必須與台積電、記憶體廠、Corning 等合作夥伴提前規劃供應，如今只是把同一套供應鏈思維延伸到 AI 基礎設施下游。
NVIDIA 會不會一路往應用層吃？黃仁勳：能留在底層就留在底層
面對「NVIDIA 是否會往更高毛利的應用層進攻」的問題，黃仁勳表示，公司策略並不是什麼都自己做。他的原則是：「Go up as far as we need to, and as low as possible。」也就是只有當上層技術缺失會阻礙整個生態發展時，NVIDIA 才會一路往上建；一旦平台成熟，就盡可能退回底層，讓其他公司自行競爭。
他以 cuDNN、Megatron Core 為例指出，這些基礎技術如果 NVIDIA 不先做，許多 AI framework 或大型模型訓練可能根本無法出現，但 NVIDIA 最終目標仍是「讓一千朵花盛開」，而不是把所有應用收入都收入囊中。
黃仁勳力挺 NeoCloud：需要的不只是五家 hyperscaler
他也談到 CoreWeave 類型的 NeoCloud。黃仁勳表示，大型 hyperscaler 通常一年規劃一次基礎設施，但 AI 市場變化太快，需求幾乎必然與年初預測不同，因此區域型雲端服務商反而能更快取得當地 land、power、shell，形成全球分散式 AI 基礎建設網路。
他直言，產業未來需要的不只是幾家大型 hyperscaler，而可能需要 50 家、100 家，甚至 1,000 家這類供應商。
NVIDIA 為什麼連自駕模型都自己做？
黃仁勳接著談到 NVIDIA 目前打造的多個 frontier model。其中包括自駕車模型 Alpamayo。他稱其為全球第一個「會思考的自駕車」，透過 reasoning 能力，不再需要純粹依賴數十億小時的道路資料，而能把新情境拆解成與過去經驗相似的問題。
在黃仁勳看來，未來每一輛汽車、卡車、貨車甚至農業機械都會走向 autonomous，但許多車廠沒有能力從零打造完整 AI stack，因此 NVIDIA 可以先建立共用平台，再讓各家車廠進行 last-mile adaptation。
黃仁勳強調，NVIDIA 之所以投入這些 frontier model，不是因為想「顛覆所有產業」，而是因為客戶需要，但市場暫時沒有人能把底層工具做好。
中國先進製程何時追上？黃仁勳：2030 年
談話後段，主持人直接詢問黃仁勳，中國自行發展 advanced lithography system 需要多久。黃仁勳給出非常明確的答案：「2030。」
當主持人表示 2030 年其實已經非常接近時，黃仁勳回答，對中國而言，高量產能力本來就是強項，因此只是時間問題。他強調，自己經營 NVIDIA 必須以十年、甚至下一個十年的尺度思考，因此兩、三年「只是一個 click」。從這種時間尺度來看，他認為中國事實上已非常接近突破。
這番說法也意味著，若美國對中國先進半導體設備的限制策略是建立在「中國永遠做不出來」的假設上，黃仁勳顯然並不認同。
黃仁勳：AGI 已經到了，部分領域甚至已是 Superintelligence
最後，主持人問黃仁勳，人類是否已經處於 AGI 時刻。黃仁勳直接回答：「我認為我們已經到了。」甚至對於 superintelligence，他也認為在 narrow domain 中早已出現。
例如自駕車只需要把車開好，不需要會做歐姆蛋；如果它的事故率只有人類十分之一，那麼在「駕駛」這項特定能力上，它已經超越人類。蛋白質合成、virtual screening 等領域也存在類似情況。
訪談最後，黃仁勳把整場對談重新拉回他最核心的觀點：AI 的未來不是值得恐懼，而是值得前往。
他表示，很多人即使已經不需要再工作，仍然選擇站在科技最前線，因為這個時代「太有趣了，不參與太可惜」。他希望全美國、甚至全人類都能一起走向這個未來。
他最後也再次呼籲 AI 產業「把 drama 降低一點」，不要再用極端敘事把社會排除在這場科技革命之外。真正能讓美國贏得 AI 競賽的方式，不是少數實驗室率先抵達終點，而是讓整個國家一起跟上。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
