黃仁勳：AI 末日論是編出來的，超級智能已經到了
黃仁勳把前沿實驗室的滅絕預測稱為「編出來的」不負責任言論，並說超級智能不是未來時——在自動駕駛、蛋白質合成這些窄領域，它已經比人做得更好。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
末日預測的賬應該被逐條清算
黃仁勳沒有泛泛反駁 AI 風險，而是把過去幾年具體的預測一條條擺出來對賬：有人預測五年內放射科醫生會被 AI 完全取代，結果是全世界需要更多放射科醫生，AI 確實接管了讀片這件事；有人預測六到十二個月內 90% 的代碼由 AI 生成，錯了；有人預測六到九個月內 50% 的入門崗位消失，也錯了。他的結論是這些預測「不基於科學」，而做預測的人應該被追責。這條論證的力量不在立場，在於他把爭論從「你怕不怕」拉回到「你上次說對了沒有」。
— Jensen Huang危險只會來自算力最多的那幾家
黃仁勳給監管劃了一條基於算力的邊界：到目前為止所有實際出問題的事件都來自前沿實驗室，原因不是他們道德更差，而是他們算力最多、在解最前沿的問題。高中生做不出事，因為算力不夠；創業公司也不會是風險來源，同樣因為算力不夠。所以監管該盯的是這幾家，而這幾家該做的是工程意義上的根因分析——出了事，查清發生了什麼、本來能怎麼做、要制度化什麼技術和流程。他補了一句判斷：如果這些實驗室分析完說「我們不知道發生了什麼、也不知道怎麼控制、請社會幫忙」，那才該讓別的工程師進去看。
— Jensen HuangRSI 是工程流程，不是失控螺旋
面對中國實驗室投入做遞歸自我改進的消息，黃仁勳把它拆成一套具體技術：in-context 學習、技能、反思、強化學習、合成數據生成，再加上 LoRA 這類不改基座權重就能改進模型的方法，最後用積累的經驗重訓基座。他的關鍵論點是控制環節不可跳過——你可以在公司內部 RSI 一整天，但產品發布前必須評估、必須測試、必須確認沒有迴歸。所以 RSI 不會導致失控，反而會隨著實驗室從研究轉向工程、控制手段變強而被裝進公司內部，好產品照常發布。
— Jensen Huang開源模型是創業公司的默認選項
黃仁勳給了一組數字：最近六個月有 4000 億美元風險資金投進 AI 原生公司，其中 80% 用的是開源模型。他的推論是如果沒有開源模型，這些公司根本沒法按自己的想法去建東西，因為它們的夢想和前沿實驗室的夢想不一樣。他把閉源模型比作瓶裝水——水是免費的，你在對的地方用對的水——兩者都需要。至於開源模型來自中國還是美國，他的回答是下載之後就是你的：Linux、Kubernetes 都大量被中國人碰過，你 fork、改進、變成自己的。他由此把 AI 競賽重新定義為「誰最會用這項技術」，而不是誰先發明。
— Jensen Huang末日論的故事錨點從國安換成了安全
黃仁勳注意到這套敘事換過支點：最早它錨在國家安全上，那個說法最近被徹底打掉了，於是現在錨在安全上。他沒有因此否定安全議題，反而給出了具體方案——實驗室自己要可控、要有好的測試，第三方評估者要存在，而且要有多個，理由和財務審計一樣：審計師不必比企業更懂業務，只要會問對的問題；多個評估者並存，可以避免某一家被單一機構帶偏。這段的價值在於它把「要不要監管」變成了「監管長什麼樣」。
— Jensen Huang英偉達的策略是往上走到夠用為止
被問到為什麼從芯片一路做到 Hugging Face、自動駕駛、生物模型，黃仁勳給的原則是「往上走到夠用為止，往下走到儘可能低」。他舉的例子是：如果沒有英偉達做 cuDNN，各種框架不會存在；沒有 Megatron Core，大規模訓練不會發生。所以英偉達把必要的技術先造出來，然後讓一千朵花開放。他承認自己「出奇地不好競爭」，樂於看到五個 hyperscaler 並存。同時他解釋了 NeoCloud 為什麼有位置：hyperscaler 一年做一次規劃，而市場波動太大，它們幾乎總是規劃錯；區域雲更敏捷、更懂本地，在拿地、電力、廠房上比坐在西雅圖或帕洛阿爾托的人看得更清楚。
— Jensen Huang做開源模型是因為客戶需要，不是要顛覆誰
黃仁勳解釋英偉達做開源模型的邏輯是需求驅動：Alpamo 是世界上第一個會思考的自動駕駛，靠推理而不是靠幾十億小時路測數據，因為大量車廠、卡車、貨車公司規模不夠，自己搭不起整套棧，英偉達搭好、它們做最後一公里適配。生物模型同理——ESM2、ESMFold、OpenFold、AlphaFold 2，以及做下一代蛋白質合成的 Proteina Complexa，都是因為 Lilly、Merck 這類客戶需要而它們自己還沒能力做。他的原話是「我們不是早上醒來想著去顛覆誰，我們是早上醒來想著幫所有人」。
— Jensen Huang超級智能已經發生，只是在窄領域
節目最後黃仁勳給出了這集最激進也最容易被誤讀的判斷：他不認為超級智能是未來時。他的定義方式是窄領域——我的自動駕駛不需要會煎蛋卷，只要會開車，而它開得比人好，事故率只有人的十分之一；合成蛋白質、做蛋白質虛擬篩選，這些領域也已經超過人。所以他的結論是 AGI 已經到了，超級智能是下一個路標，但超級智能在窄領域裡已經存在。這個說法和「AI 會毀滅人類」是同一場爭論的另一端：他既不承認失控，也不承認能力還沒到。
— Jensen Huang原話 · 已逐字校驗
Well, first of all, we shouldn't uh because it's made up.
首先，我們不該這麼做，因為這是編出來的。
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.
事實是，曾經有人預測五年內放射科會被人工智能完全接管，世界上不會再有放射科醫生。結果恰恰相反，我們現在比以往任何時候都需要更多放射科醫生。但 AI 確實完全接管了放射科——自動讀片，這很好。
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?
原因在於，你可以在公司內部整天做 RSI，但當你發布產品時，你必須評估它，對吧？你必須再測試一遍，對吧？你必須確認沒有迴歸，對吧？
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?
事實是，過去六個月有 4000 億美元風險資金投進了 AI 原生公司，其中 80% 使用開源模型。如果沒有開源模型，它們怎麼建造自己的夢想？
Jensen Huang17:13
My point is the race is really about who exploits the technology best.
我的觀點是，這場競賽真正比的是誰把這項技術用得最好。
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.
在中國，沒人在說這個要終結、那個要終結，這個是大災難、那個是末日。他們對這件事務實得多。
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
當你取一個窄領域——我的自動駕駛，我不要你給我做煎蛋卷，我只要你把車開好，那就是超級智能，它比人更好，事故率只有十分之一。
Jensen Huang44:31
數字與實體
| 最近六個月投向 AI 原生公司的風險資金 | 4000 億美元 | 17:13 |
| 上述公司中使用開源模型的比例 | 80% | 17:13 |
| 自動駕駛相對人類的事故率 | 十分之一 | 44:31 |
| 特朗普稱美國當前吸引的投資額 | 20 萬億美元 | 27:21 |
| 中國實現先進光刻自主的時間預期 | 2030 年 | 43:30 |
術語
- RSI遞歸自我改進
- 用 AI 改進 AI 自身，包括合成數據、強化學習、LoRA 微調與重訓基座模型。
- LoRA低秩適配
- 不改基座權重、只訓練小規模低秩參數來改進模型的方法。
- NeoCloud新型雲廠商
- 相對 hyperscaler 更敏捷的區域性算力供應商，擅長本地拿地、電力與廠房。
- land power shell土地、電力、廠房
- 數據中心落地前的三項前置資源，黃仁勳用它指代下游基礎設施瓶頸。
- hyperscaler超大規模雲廠商
- 指一年做一次規劃的頭部雲廠商，黃仁勳認為其規劃常與市場脫節。
收聽指南
關注 AI 監管走向、開源模型生態和算力資本開支的創業者與投資人，尤其想聽黃仁勳本人對末日論和 RSI 的完整口徑。
22:58 到 28:21 特朗普來電那段，除了一句「這是騙局」沒有新信息。