黄仁勋：AI 末日论是编出来的，超级智能已经到了
黄仁勋把前沿实验室的灭绝预测称为「编出来的」不负责任言论，并说超级智能不是未来时——在自动驾驶、蛋白质合成这些窄领域，它已经比人做得更好。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
末日预测的账应该被逐条清算
黄仁勋没有泛泛反驳 AI 风险，而是把过去几年具体的预测一条条摆出来对账：有人预测五年内放射科医生会被 AI 完全取代，结果是全世界需要更多放射科医生，AI 确实接管了读片这件事；有人预测六到十二个月内 90% 的代码由 AI 生成，错了；有人预测六到九个月内 50% 的入门岗位消失，也错了。他的结论是这些预测「不基于科学」，而做预测的人应该被追责。这条论证的力量不在立场，在于他把争论从「你怕不怕」拉回到「你上次说对了没有」。
— Jensen Huang危险只会来自算力最多的那几家
黄仁勋给监管划了一条基于算力的边界：到目前为止所有实际出问题的事件都来自前沿实验室，原因不是他们道德更差，而是他们算力最多、在解最前沿的问题。高中生做不出事，因为算力不够；创业公司也不会是风险来源，同样因为算力不够。所以监管该盯的是这几家，而这几家该做的是工程意义上的根因分析——出了事，查清发生了什么、本来能怎么做、要制度化什么技术和流程。他补了一句判断：如果这些实验室分析完说「我们不知道发生了什么、也不知道怎么控制、请社会帮忙」，那才该让别的工程师进去看。
— Jensen HuangRSI 是工程流程，不是失控螺旋
面对中国实验室投入做递归自我改进的消息，黄仁勋把它拆成一套具体技术：in-context 学习、技能、反思、强化学习、合成数据生成，再加上 LoRA 这类不改基座权重就能改进模型的方法，最后用积累的经验重训基座。他的关键论点是控制环节不可跳过——你可以在公司内部 RSI 一整天，但产品发布前必须评估、必须测试、必须确认没有回归。所以 RSI 不会导致失控，反而会随着实验室从研究转向工程、控制手段变强而被装进公司内部，好产品照常发布。
— Jensen Huang开源模型是创业公司的默认选项
黄仁勋给了一组数字：最近六个月有 4000 亿美元风险资金投进 AI 原生公司，其中 80% 用的是开源模型。他的推论是如果没有开源模型，这些公司根本没法按自己的想法去建东西，因为它们的梦想和前沿实验室的梦想不一样。他把闭源模型比作瓶装水——水是免费的，你在对的地方用对的水——两者都需要。至于开源模型来自中国还是美国，他的回答是下载之后就是你的：Linux、Kubernetes 都大量被中国人碰过，你 fork、改进、变成自己的。他由此把 AI 竞赛重新定义为「谁最会用这项技术」，而不是谁先发明。
— Jensen Huang末日论的故事锚点从国安换成了安全
黄仁勋注意到这套叙事换过支点：最早它锚在国家安全上，那个说法最近被彻底打掉了，于是现在锚在安全上。他没有因此否定安全议题，反而给出了具体方案——实验室自己要可控、要有好的测试，第三方评估者要存在，而且要有多个，理由和财务审计一样：审计师不必比企业更懂业务，只要会问对的问题；多个评估者并存，可以避免某一家被单一机构带偏。这段的价值在于它把「要不要监管」变成了「监管长什么样」。
— Jensen Huang英伟达的策略是往上走到够用为止
被问到为什么从芯片一路做到 Hugging Face、自动驾驶、生物模型，黄仁勋给的原则是「往上走到够用为止，往下走到尽可能低」。他举的例子是：如果没有英伟达做 cuDNN，各种框架不会存在；没有 Megatron Core，大规模训练不会发生。所以英伟达把必要的技术先造出来，然后让一千朵花开放。他承认自己「出奇地不好竞争」，乐于看到五个 hyperscaler 并存。同时他解释了 NeoCloud 为什么有位置：hyperscaler 一年做一次规划，而市场波动太大，它们几乎总是规划错；区域云更敏捷、更懂本地，在拿地、电力、厂房上比坐在西雅图或帕洛阿尔托的人看得更清楚。
— Jensen Huang做开源模型是因为客户需要，不是要颠覆谁
黄仁勋解释英伟达做开源模型的逻辑是需求驱动：Alpamo 是世界上第一个会思考的自动驾驶，靠推理而不是靠几十亿小时路测数据，因为大量车厂、卡车、货车公司规模不够，自己搭不起整套栈，英伟达搭好、它们做最后一公里适配。生物模型同理——ESM2、ESMFold、OpenFold、AlphaFold 2，以及做下一代蛋白质合成的 Proteina Complexa，都是因为 Lilly、Merck 这类客户需要而它们自己还没能力做。他的原话是「我们不是早上醒来想着去颠覆谁，我们是早上醒来想着帮所有人」。
— Jensen Huang超级智能已经发生，只是在窄领域
节目最后黄仁勋给出了这集最激进也最容易被误读的判断：他不认为超级智能是未来时。他的定义方式是窄领域——我的自动驾驶不需要会煎蛋卷，只要会开车，而它开得比人好，事故率只有人的十分之一；合成蛋白质、做蛋白质虚拟筛选，这些领域也已经超过人。所以他的结论是 AGI 已经到了，超级智能是下一个路标，但超级智能在窄领域里已经存在。这个说法和「AI 会毁灭人类」是同一场争论的另一端：他既不承认失控，也不承认能力还没到。
— Jensen Huang原话 · 已逐字校验
Well, first of all, we shouldn't uh because it's made up.
首先，我们不该这么做，因为这是编出来的。
Jensen Huang4:05
The facts are uh there was a prediction that in 5 years time radiology will be completely taken over by artificial intelligence and there'll be no radiologists in the world. That has proven to be exactly the opposite. We need more radiologists than ever in the world. However, AI has taken over radiology completely which is great is automated scan reading which is great.
事实是，曾经有人预测五年内放射科会被人工智能完全接管，世界上不会再有放射科医生。结果恰恰相反，我们现在比以往任何时候都需要更多放射科医生。但 AI 确实完全接管了放射科——自动读片，这很好。
Jensen Huang5:05
And the reason for that is because you could RSI all day long inside your company, but when you release a product, you've got to evaluate it, don't you? You have to test it again, don't you? You have to make sure that there's no regression, right?
原因在于，你可以在公司内部整天做 RSI，但当你发布产品时，你必须评估它，对吧？你必须再测试一遍，对吧？你必须确认没有回归，对吧？
Jensen Huang15:12
The facts are in the last 6 months $400 billion of venture funding went into AI native companies. 80% of them use open models. If not for open models, how could they build their dream, right?
事实是，过去六个月有 4000 亿美元风险资金投进了 AI 原生公司，其中 80% 使用开源模型。如果没有开源模型，它们怎么建造自己的梦想？
Jensen Huang17:13
My point is the race is really about who exploits the technology best.
我的观点是，这场竞赛真正比的是谁把这项技术用得最好。
Jensen Huang19:16
Nobody's in China is saying that there's end of this and end of that and you know cataclysmic this and you know doom or that doom or that. They're much more pragmatic about it.
在中国，没人在说这个要终结、那个要终结，这个是大灾难、那个是末日。他们对这件事务实得多。
Jensen Huang20:16
When you when you when you take a narrow segment a narrow segment I mean my my self-driving car I don't want you to make me an omelette I just want you to drive the car right that is super intelligent super it's better it's better than a human yeah yeah onetenth the the accident rate exactly
当你取一个窄领域——我的自动驾驶，我不要你给我做煎蛋卷，我只要你把车开好，那就是超级智能，它比人更好，事故率只有十分之一。
Jensen Huang44:31
数字与实体
| 最近六个月投向 AI 原生公司的风险资金 | 4000 亿美元 | 17:13 |
| 上述公司中使用开源模型的比例 | 80% | 17:13 |
| 自动驾驶相对人类的事故率 | 十分之一 | 44:31 |
| 特朗普称美国当前吸引的投资额 | 20 万亿美元 | 27:21 |
| 中国实现先进光刻自主的时间预期 | 2030 年 | 43:30 |
术语
- RSI递归自我改进
- 用 AI 改进 AI 自身，包括合成数据、强化学习、LoRA 微调与重训基座模型。
- LoRA低秩适配
- 不改基座权重、只训练小规模低秩参数来改进模型的方法。
- NeoCloud新型云厂商
- 相对 hyperscaler 更敏捷的区域性算力供应商，擅长本地拿地、电力与厂房。
- land power shell土地、电力、厂房
- 数据中心落地前的三项前置资源，黄仁勋用它指代下游基础设施瓶颈。
- hyperscaler超大规模云厂商
- 指一年做一次规划的头部云厂商，黄仁勋认为其规划常与市场脱节。
收听指南
关注 AI 监管走向、开源模型生态和算力资本开支的创业者与投资人，尤其想听黄仁勋本人对末日论和 RSI 的完整口径。
22:58 到 28:21 特朗普来电那段，除了一句「这是骗局」没有新信息。