采访嘉宾 | 天数智芯 AI 与加速计算技术负责人 单天逸

对于国产 GPU 行业来说，没有哪个时间节点比当下更宝贵。在政策支持硬科技企业上市的背景下，国产 GPU 迎来了难得的上市黄金窗口期。但上市并非终点，在敲钟的那一刻，下一战场大幕已经拉开——GPU 厂商的技术路线、产品能力和长期判断，被放到了更公开也更严苛的舞台上，谁能撑起资本市场和大众期待，谁就能撑起市值。

这也是为什么，天数智芯上市后的首场发布会能够在业内形成广泛讨论。它以极其务实的工程师表达方式，把架构放回到国产 GPU 技术叙事的中心。在 1 月 26 日召开的天数智芯“智启芯程”合作伙伴大会中，围绕架构层的创新与思考占据了相当比重。基于这些创新点与思考，天数智芯公布了过去一代以及未来三代的架构路线图：

• 2025 年，天数天枢架构已经超越英伟达 Hopper，在 DeepSeek V3 场景中实测性能数据超出 20%；

• 2026 年，天数天璇架构对标 Blackwell，新增 ixFP4 精度支持；

• 2026 年，天数天玑架构超越 Blackwell，覆盖全场景 AI/加速计算；

• 2027 年，天数天权架构超越 Rubin，支持更多精度与创新设计。

国产 GPU，开启 AI++ 计算新范式

根据天数智芯公布的架构路线图及阶段发展目标，在 2027 年之前，天数智芯将通过多代产品完成对英伟达的追赶；在 2027 年之后，将转向更富创新性的架构设计，聚焦更具突破性的超级计算芯片架构设计。看似宏大，但对于仍处于爬坡阶段的国产 GPU 行业来说，这条路径实际上相当务实——只有在工程化能力上完成对标甚至是超越，国产 GPU 才有资格进入更大规模的生产环境中。

而在规模化落地阶段的竞争，焦点早已从峰值性能指标转向有效计算能力。当 Token 成为 AI 时代最基本的生产资料，当算力消耗开始对标真实业务产出，无论是国际顶尖 GPU 厂商还是国内 GPU 企业，核心命题都只有一个：如何在真实业务中，把算力转化为有效的 Token。这似乎又将大家都拉到同一起跑线。

围绕这一命题，天数智芯提出了两条明确的架构判断：其一，回归计算本质；其二，提供高质量算力。

回归计算本质，核心在于“不设限”

过去十年，规模的快速扩张带来了阶段性的产业繁荣，也使得算力实现野蛮增长。但这种粗放式发展，也带来了能效比失衡、算力资源严重浪费等问题。背后的根因十分复杂。以开车行驶为例，路途中可能会遇到雨雪冰雹天气、崎岖道路等各种复杂情况。物理、芯片、系统世界也是如此，计算、通讯、存储都会带来各种障碍。所以，幻想奔跑在平坦的赛道上毫无意义，产业真正需要的，是能够翻山越岭的全能越野车。

广义上，芯片可分为专用芯片和通用芯片：专用芯片类似“应试教育”，它的优势和边界都很清晰，能加速特定算法、特定指令，比如矩阵乘法、Softmax 这些主流任务，但一旦计算范式发生变化，适应空间就会迅速收紧；通用芯片的设计哲学，不是为了押中某一类算法，而是回归计算本质，覆盖更广泛，甚至全新的计算需求。

这也是天数智芯坚持推出并量产通用 GPU 的根因。在其看来，硬件与算法的关系本来就不应该相互掣肘，算力的僵化不应限制算法的进化，而是通过通用算力为探索未知算法提供一个坚实的底座。

支撑探索未来算法的关键，实则就是“不设限”。

基于这一判断，天数智芯的芯片设计哲学，在计算层面追求的是覆盖几乎所有的数学运算图谱，而非某一类、某一种计算：从 Scalar、Vector、Tensor 到 Cube，支持从高精度科学计算到 AI 精度计算，从 MMA 到 DPX，不管是 AI 的 Attention 机制、前沿的科学计算，还是未来的量子计算相关模拟，天数智芯全都支持。

在执行层面，追求的是更高的算力利用率：大、中、小任务会被精准分配到不同的计算单元中执行，配合高密度的多任务核心设计，算力可以被拆解、调度得更加精细，从而减少算力浪费，提高计算效率。

这种“不设限”的设计哲学，让天数天枢架构得以实现三大创新，这也是天枢能够超越英伟达 Hopper 架构的根因：

• TPC BroadCast（计算组广播机制）设计：不是简单粗暴地放大带宽，而是从单位带宽的使用效率入手，存在相同地址的数据时，芯片内部的 load store 单元不会进行重复、无用的访问，而是在上游进行 BroadCast，减少不必要的内存访问次数，从而有效降低访存功耗，等效提升访存带宽，用更小的功耗和面积实现相同的功能。

• Instruction Co-Exec（多指令并行处理系统）设计：在指令执行层面，通过 Instruction Co-Exec 设计实现了多种指令类型的并行执行能力，不仅支持 Tensor Core 与 Vector Core 的并行协同，还将 Exponent 计算、通信等操作一并纳入统一调度。在天数 IX-Scheduler 模块中，通过极低的成本增强了不同指令之间的并行处理能力，无论是 MLA、Engram，还是面向更复杂模型场景的计算需求，都可以在这一并行框架下被同时处理，从而提升整体执行效率。

• Dynamic Warp Scheduling（动态线程组调度系统）设计：随着 MoE 架构在大模型中被广泛采用，模型厂商普遍面临推理效率低等现实挑战。为提升并行度，微架构层面允许芯片中同时驻留更多 warp，但 warp 的增加也意味着对计算资源的竞争更为激烈。为此，天数智芯首创了 Dynamic Warp Scheduling 机制，通过动态调度让不同 warp 在资源使用上实现有序协作，避免计算资源闲置，也减少了对同一资源的无序争抢。

这三项设计的出发点本质上都指向相同的目标：高性能与高效率。数据显示，这些创新让天数天枢的效率较当前行业平均水平提升 60%，基于这些效率优势，实现在 DeepSeek V3 场景平均比 Hopper 架构高约 20% 性能。

从这三项设计中可以看出，天数智芯在架构层面的创新，并不是围绕某一个具体模型或算子展开，而是试图打破 GPU 通用范式边界。天数智芯 AI 与加速计算技术负责人单天逸在接受采访时表示，在天数智芯提出 Dynamic Warp Scheduling 设计之前，几乎没有人从调度机制的角度去思考，还能为 MoE 带来哪些性能空间。从更深层次意义来看，这类微架构层面的调度和优化，一直是英伟达、AMD 等巨头保持领先的“内功”，天数智芯在这些单点上的突破，实际上也是国产 GPU 向顶级玩家看齐的重要一步。

提供高质量算力：高效率、可预期、可持续

在天数智芯的架构语境中，回归计算本质并不是一个抽象的口号，而是实现高质量算力的前提条件。只有当 GPU 从底层开始真正对计算负责，高质量算力才成为可能。基于这一判断，天数智芯将高质量算力拆解为三个核心维度：高效率、可预期与可持续。

高效率意味着能为客户创造最优的 TCO（总体拥有成本），节省使用成本；可预期则通过精准的仿真模拟，让客户在拿到芯片、部署算力之前，就能清晰预判最终的性能表现，做到所见即所得；可持续指的是从现在主流的 CNN、RNN，到当下火热的 Transformer，再到未来还未诞生的全新算法，算力始终能无缝适配。

围绕这三个方向，天数智芯在架构及系统设计上，选择从多任务并行处理、长上下文 IX-Attention 模块、IX-SIMU 全栈软件仿真系统以及 IXAI++ 算力系统多个层面同步推进。这几项，其实哪个都值得单独展开探讨。

比如，基于“不设限”的设计理念，在当前 PD 分离的架构下，天数智芯的 GPU 不只做计算，还支撑通信、KV 数据传输这些关键任务，通过打造 Ⅸ 并行任务处理模块，GPU 能精准调度 KV 传输、多路多流、计算与通信等各类任务，让它们并行不冲突。在真实业务场景中，该模块成功帮助头部互联网客户实现了端到端 30% 的性能跃升。

为了提高算力可持续性，天数智芯统一了芯片内、外，来构建算力系统，并通过不断更新的软件栈和软件系统，三类库共同支持和保障多场景的高效运行。其中，AI 库、通讯库（ixccl）、加速计算库是基石，在基石之上，直接支撑各类神经网络模型 CNN、Transformer、LSTM 与高性能计算的各个领域，并以此提供各类 AI 应用，包括支持 AI4Sci 的相关应用，如蛋白质结构预测（AlphaFold）、医疗影像分析（Clara）、气候模拟（Earth2）等，以及量子计算的平台 cudaQ、分子动力学 Gromacs，大规模方程组求解器 HPL 等。

这套算力系统被命名为 IXAI++，寓意为自我迭代，不止于 AI。其最终的目标是，成为一座连接算法创新与物理世界的桥梁，带领人类科技通往未知探索。

但给业内带来最多惊喜的，是 IX-Attention 模块和 IX-SIMU 全栈软件仿真系统。前者解决的是当前大模型推理中最具代表性的效率难题，后者解决的是企业部署算力系统最头疼的不可控难题。

在大模型推理场景中，长上下文被普遍认为是最具代表性的效率难题之一。即便是在国际主流 GPU 架构上，Attention 的执行效率依然不高，如果不对其进行针对性优化，首字延迟将明显偏高，模型响应速度差，推理成本高昂，最终影响大模型在真实业务中的可用性。

围绕这一痛点，天数智芯设计了 Ⅸ Attention 模块，从底层对 Attention 的执行路径进行重构：Attention 底层涉及 exponent、reduce、MMA、atomic 等多类指令与算子，Ⅸ Attention 模块的核心思路，是将这些分散的组件有机地拼装到一起，如同指挥一支乐队一般，确保多种乐器能够和谐共鸣。

“其中的技术难点在于调度，多种乐器需要同时演奏，任何一个环节拖慢节奏，都会成为整个系统的瓶颈”，单天逸表示，在实际的长上下文推理中，Ⅸ Attention 模块有效改善了 Attention 的执行效率，带来了约 20% 的提升。

针对企业部署算力系统最头疼的不可控难题，天数智芯搭建了IX-SIMU 全栈软件仿真系统，这套仿真系统的目标，就是零意外、可预期。通过对芯片等硬件与软件执行策略的联合仿真，能精准输出任意模型的性能表现，提升算力在真实场景中的可控性。

单天逸表示，在算力系统的仿真与评估中，最难建模的是指令级别的硬件行为。IX-SIMU 的核心能力在于，能够对底层指令执行进行精细建模。在实际使用中，用户只需输入软件代码，IX-SIMU 便会自动整合 GPU、CPU、网卡、PCIe 等硬件组件，匹配网络拓扑，再结合软件策略、投机策略、Streaming LLM 策略、前缀匹配等各类策略，最终精准输出 Deepseek、千问等任意模型的性能表现，实现从单卡到万卡集群的 “精密扩展”。

围绕高效率、可预期、可持续三大判断，天数智芯在算力侧从硬件架构到系统设计进行了整体布局，并用未来三代架构路线图提前回答下一个问题：当算力僵化开始掣肘未来计算，架构层还能怎么演进？

决定上限的，最终还是应用和生态

架构代表的其实是下限，决定上限的，最终还是应用和生态。数据显示，截至 2025 年年底，天数产品已在互联网、大模型、金融、医疗、教育、交通等超过 20 个行业落地应用，服务客户数量超过 300 家，并通过软硬件协同优化，完成 1000+ 次模型部署，让产品能力真正达到商用级别。

支撑这些场景应用的，早已不是一个产品的能力范畴，而是“产品 + 解决方案” 双轨模式，这一模式其实与英伟达定位非常相近，聚焦的都是解决方案落地。在大模型深入产业应用的当下，这套组合打法相当务实，毕竟应用落地才是唯一真理，谁能在企业真实业务场景中快速部署、持续稳定运行，谁就能赢得先机。在速度和兼容性上，天数智芯也交出了一份不错的答卷：国内新的大模型发布当天便能跑通，目前已稳定运行 400 余种模型、数千个已有算子与 100 余种定制算子，数千卡集群稳定运行超 1000 天。

在这次发布会上，天数智芯面向物理 AI 场景落地，一口气发布了四款边端算力产品“彤央”系列：包括边端 AI 算力模组 TY1000、TY1100，以及边端 AI 算力终端 TY1100_NX、TY1200。 据了解，“彤央”系列产品的标称算力均为实测稠密算力，覆盖 100T 到 300T 范围。数据显示，在计算机视觉、自然语言处理、DeepSeek 32B 大语言模型、具身智能 VLA 模型及世界模型等多个场景的实测中，彤央 TY1000 的性能全面优于英伟达 AGX Orin。

在发布会中，天数智芯展示了“彤央”系列产品在具身智能、工业智能、商业智能和交通智能四大边端核心领域的落地应用：具身智能领域，为格蓝若机器人提供高算力、低延迟的“大脑”支撑；在工业智能领域，落地园区与产线，推动产线自动化升级；在商业智能领域，瑞幸咖啡数千家门店部署彤央方案，高效处理视频流、挖掘消费数据价值；在交通智能领域，与“车路云一体化”20 个头部试点城市合作，验证车路协同方案。

整体来看，天数智芯走的路线虽然是底层技术自研，但在生态上并非封闭。在生态建设上，天数智芯与硬件厂商、解决方案提供商等多家生态伙伴签署战略合作协议，进一步完善国产 AI 算力生态闭环。通过兼容主流开发生态，持续开放底层能力，降低开发者迁移和使用门槛。未来，天数智芯还会持续增加在生态共建上的资本与人力投入，从应用到芯片与开发者一同优化 AI 应用系统，共同为应用落地提供性能、性价比与生态易用的价值。

从底层架构到产品，从应用到生态，国产算力正在实现完整闭环，这种从芯片到生态的协同能力，不仅让国产算力更可用、更可持续，也为行业探索新模式提供了更多想象空间。

整理 | 华卫

“一圈又一圈的循环融资，投资回报率却不尽如人意，这些 AI 系统实际用起来也远没有想象中好用，或许方向本身就站不住脚。”

近日，知名 AI 专家、认知科学家 Gary Marcus 在一场访谈中愤愤表示，“整个世界都在全力押注神经网络，还在这个我始终觉得毫无道理的理念上投入了巨资，但大语言模型根本无法带我们抵达 AGI 这一终极目标。”

这场对话由曾因成功预测 2008 年金融危机而闻名的传奇投资人、华尔街最具影响力人物之一 Steve Eisman 发起，他与 Marcus 共同探讨了当下 AI 进展的方方面面，包括商业路径、社区现状和未来方向等。Marcus 认为，大语言模型已经达到了收益递减的阶段。并且，他指出，现在 AI 领域根本没有技术壁垒了，所有 AI 企业的研发思路基本一致。

对于大量人才从大厂离职去办初创公司的现象，Marcus 直言道，“如果 OpenAI 真的能在下周推出 AGI，谁会在这个即将改变世界的关键节点离职，去创办一家可能要花四年时间才能做出成果的小公司？显然没人会这么做，大家都会想留在公司见证这个时刻。”在他看来，这些企业内部的人也清楚，他们根本没有做出宣称的那种突破性成果。

值得一提的是，他认为，OpenAI 最终会成为 AI 领域的 WeWork，这家公司原本计划以 500 亿美元的巅峰估值风光上市、却在一夕之间破产。“我觉得最终 OpenAI 可能会被微软这样的企业收购。OpenAI 每个月的亏损大概有 30 亿美元，一年就是 300 多亿美元，即便最近完成了 400 亿美元的融资，也只够支撑一年的运营。”

谈及各家模型的未来，Marcus 的预测是，“大语言模型会成为一种标准化商品，各家的模型只会比上一年的版本稍有提升，差距微乎其微，最终品牌差异会变得无关紧要。当产品变成商品后，价格必然下跌。”

以下是详细对话内容，我们在不改变原意的基础上进行了翻译和删减，以飨读者。

2 万亿美元押注 Transformer，根本“毫无道理”？

Steve Eisman：大家好，我是 Steve Eisman。今天我们请到了一位特别的嘉宾，他就是 Gary Marcus。他是大语言模型的坚定质疑者，而大语言模型正是整个 AI 领域的核心根基。接下来，Gary 会和我们分享他的观点，聊聊大语言模型到底是什么。

Gary Marcus：谢谢你的邀请，也感谢一两个月前你在 CNBC 对我的盛赞。

Steve Eisman：不客气，这都是你应得的。在正式开始之前，我的观众大多还不了解你，不如先和大家说说你的背景，让大家知道你在这个领域发表观点是完全有底气的。

Gary Marcus：我这辈子几乎都在研究智能相关的问题。我 10 岁学会编程后，就开始涉足 AI 领域了。我的职业生涯中，很大一部分精力都用在研究自然智能上，比如人类的智能、还有孩子是如何学习语言这类问题。我在 MIT 的博士论文围绕两个方向展开，一个是儿童的语言学习机制，另一个就是神经网络。神经网络是 AI 领域的一种特定研究方法，也被用于人类思维的建模，它的设计灵感可以说和大脑有一点松散的关联。这其实是个很巧妙的营销说法，会让人觉得它是完全基于大脑研究的，但事实并非如此，二者只是浅层关联。早年间神经网络就曾风靡一时，我在上世纪 90 年代就研究过这类模型，发现它们并不能很好地模拟人类的思维方式，但我还是投入了大量精力，想弄清楚它们的实际工作原理。

2012 年深度学习重新兴起时，我当时就觉得，这些东西我早就研究过了，和我博士论文里的内容高度相似。我在 2001 年写过一本名为《The Algebraic Mind》的书，在书里我其实就预判到了如今大语言模型出现的幻觉问题，还有一些推理层面的缺陷，这些都是我们今天要探讨的话题。所以当深度学习再次成为热点时，我一眼就看出了其中的诸多问题，对我来说这些问题都很熟悉。2012 年，我在《The New Yorker》上发表了一篇文章，标题是《Is Deep Learning a Revolution in Artificial Intelligence?》，我在文中写道：“深度学习确实很有意思，我很佩服 Jeff Hinton，他能长期坚持自己的研究方向。”

Steve Eisman：Jeff Hinton 是谁？

Gary Marcus：他是去年诺贝尔生理学或医学奖的得主，也是深度学习领域的核心奠基人之一。

Steve Eisman：原来如此。

Gary Marcus：他的一些学生，最近也开始认同我的观点了。Jeff Hinton 确实是这个领域的大人物，在神经网络一度无人问津的时期，是他一直坚守，这份坚持值得肯定。但当然，他的研究并非全无可议之处，我们这里就不细谈了。他让神经网络重获关注，而更值得你的听众了解的是，真正让这个领域迎来爆发的，是他的学生 Ilya Sutskever，或许还有另外几位研究者。他们找到了方法，能让这套研究了许久的系统落地应用。要知道，神经网络的研究最早能追溯到上世纪 40 年代，Jeff Hinton 也在上世纪 80 年代中期做出了不少重要贡献。而这些研究者发现，借助英伟达研发的图形处理器（GPU），就能实现神经网络的高效运行。

彼时的英伟达，生产 GPU 主要是为了满足电子游戏的需求。这些原本为游戏设计的 GPU，核心优势在于并行计算，简单来说，就是能同时处理多个计算任务，而非按顺序逐个完成。传统的中央处理器（CPU），运行软件程序时基本是逐行执行的，虽然现在的技术已经有了改进，但这仍是计算机科学入门课程里会教的基础原理。而 GPU 能把一个复杂问题拆解成无数个小任务，同时进行处理，它的设计初衷就是为了计算机图形处理。比如要渲染电子游戏的下一帧画面，如果逐行处理，耗时会非常久，而用 GPU 的话，能同时处理整个画面，一个子处理器负责一个像素点，以此类推。不得不说，GPU 在图形处理上的表现堪称完美，我偶尔也玩电子游戏，深知 GPU 的算力有多惊人。

Ilya Sutskever，还有另一位我一时想不起名字的论文合作者，他们证明了 GPU 是运行神经网络的绝佳载体，至于神经网络的具体定义和实际意义，我们之后可以再聊。他们的这一发现，让神经网络的运行实现了两大突破：一是速度大幅提升，二是能处理海量数据。在此之前，六十多年的神经网络研究做出的基本都是些玩具级的模型，而他们证明，借助 GPU 这项技术能真正实现规模化的实际应用，能在更大的维度上落地。可以说，我们如今看到的所有深度学习成果，都源于 2012 年的这次突破。

而在这一突破出现后，两件事接踵而至：《The New York Times》刊发了文章，盛赞深度学习的惊人潜力；第二天，我就在《The New Yorker》的博客上发表了文章。我在文中表示，深度学习固然出色，但也存在诸多问题，它注定会在一些领域表现优异，却在另一些领域束手无策。它擅长模式识别和统计分析，这一点毋庸置疑，但人类的认知活动中还有大量的抽象思维过程。比如我们能理解家谱的逻辑，进而对现实世界的相关问题进行推理，而深度学习模型永远无法擅长这类任务，它的架构本身就不适合做抽象推理。从早年对神经网络的研究以及对人类认知机制的研究中，我早就看清了这一点。你应该读过 Daniel Kahneman 的经典著作《Thinking, Fast and Slow》吧？

Steve Eisman：我读过。

Gary Marcus：Daniel Kahneman 在书中提出了双系统认知理论，他将人类的认知分为系统一和系统二。系统一的思考速度快，是无意识的、基于统计的、本能的反应；而系统二的思考速度更慢，更具思辨性，核心是逻辑推理。神经网络本质上就相当于人类的系统一，这本身没问题，系统一也是人类认知的重要组成部分，但人类的认知还有系统二的部分。尤其是在理性思考时，我们会依赖系统二，进行更审慎、更有逻辑的推理。而神经网络模型，从始至终都不擅长系统二的这类任务，直到现在依然如此。我在 2012 年就指出，深度学习模型只能实现系统一的功能，却无法完成系统二的思考。

而在这之后的 14 年里，整个世界都在全力押注神经网络。这里要说明的是，我们所说的神经网络，就是如今的大语言模型，大语言模型是神经网络的一种形式，抱歉，我之前没明确说明这一点。事实上，2012 年时大语言模型还未出现，后续又有不少技术突破，其中关键的就是 2017 年发表的 Transformer 论文，这也是大语言模型的起源。而全世界在这一领域的投资规模达到了天文数字，据我粗略估算，已经有 1 到 2 万亿美元了，全都投在了这个我始终认为毫无道理的理念上。这些研究者的想法是，只要持续发展神经网络，就能实现智能所需的一切能力，抵达 AGI 的目标，但他们却忽视了系统二的核心价值。

一开始，他们只是把神经网络当成一个巨大的黑箱，直到现在，还有很多人抱着这样的想法。他们觉得，只要把海量数据喂进去，就能得到一个拥有智能的系统，却从未从科学的角度深入思考过真正的智能究竟该具备怎样的架构。我认为这些人太过天真，我也一直试图指出这一点，这也让我成了这个领域里的“孤行者”。很长一段时间里，人们对我的观点不屑一顾，甚至不只是不屑，而是鄙夷。

Steve Eisman：没错，他们对你的态度远不止是不屑，而是赤裸裸的鄙夷。

Gary Marcus：我们还能举出很多这样的例子。我对他们的这种态度感到失望，这个话题我们可以聊很久。他们甚至对我公开表现出敌意，比如我了解到，OpenAI 内部还为我做了专属的表情包。

Steve Eisman：我也看到过这个消息。

Gary Marcus：某种程度上，这也算是一种认可吧，既觉得荣幸，又觉得有些离谱，你能看出来，我一直试图用平常心看待这件事。但这也能从侧面说明问题，Sam Altman 还在推特上称我为“喷子”。他们就是不想听我的观点，而我核心的观点，都写在了 2022 年发表的论文《Deep Learning is Hitting a Wall》里。我在这篇论文中指出，当时“规模化扩张”的理念已经开始流行，也就是通过不断投入更多数据、更多 GPU，把模型做得越来越大，他们认为只要模型足够大，就会拥有超乎想象的能力。

我先暂停一下，和大家解释下这个“规模化扩张”的理念。他们确实有一些数据能支撑这个观点，但这种想法依然太过天真。我把这种理念称作“万亿磅婴儿谬误”，道理很简单：一个婴儿出生时 8 磅重，一个月后长到 16 磅，并不意味着他会一直这样翻倍增长，到上大学时长成万亿磅的巨人。他们就是做出了这样天真的推断，我相信你在商业领域也经常见到这种情况。很多手握巨资的聪明人，都押注了这个理念，他们说，“我们从数据中看到了这样的发展规律，只要投入足够多的数据，就能实现真正的智能。”

“大模型不会思考，重构信息碎片致幻”

Steve Eisman：先稍停一下，我们倒回去说。大语言模型到底能做什么？这些研发者又认为它们本该实现什么功能？我真想把这个问题彻底讲清楚。

Gary Marcus：你这个问题问得特别好。大语言模型的核心工作原理，就是预测序列中的下一个内容。你可以想想苹果手机的自动校正功能，原理差不多，虽说那功能有时候能把我逼疯，你继续说。这个功能并非总能生效，核心逻辑就是你在输入句子时，它会预判接下来可能要打的内容。比如你打出“在……见我”，它大概率会推测你想说“在餐厅见我”。它会对人类的语言表达做统计分析，效果还算过得去，但绝非完美，偶尔还会出错，让人恼火，这就是我们说的自动补全。

而我把大语言模型称作“超级版自动补全工具”，它们只是用一种特殊的方式完成这种预测，这就是其最本质的功能。它们的运作方式里还有些有意思的点，其中一个就是会把所有信息拆解成细碎的片段，之后再重新整合，这就导致信息之间的关联会被切断。也正是因此，它们才会时不时出现幻觉现象，凭空编造内容。

Steve Eisman：我们稍后再细说幻觉这个问题。

Gary Marcus：好，回头再聊。幻觉是这类模型的典型错误之一，早在 2001 年，大语言模型甚至还没被发明出来的时候，我就指出过这个问题。我当时就说，如果一直沿着这个方向研究下去，必然会出现这个问题，而事实也确实如此。大语言模型把信息拆分成碎片，再通过这些碎片预测后续内容。如果用整个互联网的内容对它们进行训练和数据投喂，它们的表现会好得让人意外，因为几乎任何你能想到的问题，注意，这里的“几乎”是关键，几乎所有问题，此前都有人提出过，也有人给出过答案。从某种程度来说，这些模型就是功能强大的记忆机器。

就在前几天，《大西洋月刊》还刊发了相关的文章，而且一直以来都有大量证据能证明这一点。比如你输入《哈利·波特》的部分内容，它能直接补完整段文字，本质上就是因为它记住了这些内容。如果一个模型能记住整个互联网的信息，那确实算得上很厉害。比如你问“道奇队在搬到洛杉矶之前，主场在哪”，网上有大量相关表述，它会告诉你是布鲁克林，大概率能给出正确答案。但仅仅依靠这种方式，模型根本无法形成抽象的概念和思想，还会因为信息碎片的拆解和错误整合出现各种问题。

Steve Eisman：那我们现在聊聊幻觉吧。到底什么是 AI 幻觉？举个例子，再说说出现这种情况的原因。

Gary Marcus：幻觉就是模型凭空编造内容，还无比笃定地呈现出来，但这些内容根本不符合事实。

Steve Eisman：那给我们举个例子。

Gary Marcus：我最喜欢的一个例子和 Harry Shearer 有关，你可能听过他的名字，看过《摇滚万万岁》吗？

Steve Eisman：当然看过。

Gary Marcus：他在这部影片里饰演贝斯手，巧的是，他还是我的朋友。他出演了《摇滚万万岁》，还和 Christopher J. Guest 合作了多部影片，参演了《楚门的世界》，还为《辛普森一家》里的伯恩斯先生等多个角色配音，他的知名度还挺高的，这点对接下来的故事很重要。先倒回说个题外话，我之前遇到的最典型的幻觉案例，主角是我自己。有人发给我一份我的人物简介，里面说我养了一只叫 Henrietta 的宠物鸡，但我根本没养过，这就是个很典型的幻觉案例，纯粹是凭空编造的。后来发现，有位插画师大概叫 Gary Oswald，写过一本关于 Henrietta 去上学的书，模型不过是把这些碎片化的信息胡乱拼凑在了一起。

Steve Eisman：那为什么会出现这种幻觉呢？

Gary Marcus：这就和我刚才说的信息碎片化拆解有关了。我再给你讲讲 Harry Shearer 的那个例子。我总拿宠物鸡 Henrietta 的事举例，有一天他给我发消息，说他没遇到过宠物鸡这种事，却遇到了和自己相关的幻觉案例。他比我有名多了，至少以前是。我当时也算小有名气，而模型给出的信息里，说他是英国的配音演员和喜剧演员，但他根本不是英国人。你只要花两秒看一下维基百科，就会发现他出生在洛杉矶。他名气不小，你也能在烂番茄、互联网电影数据库上查到他的资料，他接受过很多采访，也聊过自己的成长经历，他小时候还在洛杉矶的《杰克·本尼秀》里当过童星，想找到正确的信息一点都不难。

我们会错误地把大语言模型当成和人类一样拥有智能的个体，但实际上，它们所做的只是重构信息碎片之间统计层面的大概率关联，所以难免会出错，这种重构过程也常会出现偏差。Harry Shearer 这个案例就是如此，模型其实就是在构建一个信息集群，用统计学的方式预测各类信息之间的关联。而现实中确实有很多英国的配音演员和喜剧演员，比如 Ricky Gervais、Don Cleeve 等等。模型就把这些信息混为一谈了，这种信息融合的方式整体来看效果还算不错，但你永远无法确定它给出的某一个具体信息是准确的，所以幻觉现象才会频繁出现。

有人专门追踪过相关的法律案件，发现律师提交的辩护状里，有很多引用的判例都是模型编造的，根本不存在。我第一次关注这件事时，他已经发现了约 300 起这样的案件，三个月后再看，数量涨到了 600 起。这些律师不仅用 ChatGPT 这类工具代写文书，还因此被法官发现，受到了处罚。模型会出错，而最危险的是，这些错误还很容易被忽略，人们根本发现不了。还有一个例子，CNET 是最早用 AI 写稿的媒体之一，他们首批用 AI 写的 75 篇文章里，有近一半都存在错误，编辑们却没发现。因为这些文章语法通顺、格式规范，也没有拼写错误，人们很容易就放松了警惕。

我把这种现象称作“看着没问题效应”。大语言模型带来的这种效应，还催生了一个新词汇，我真后悔不是我发明的，叫“低效工作产物”。这个词大概是去年由几位教授提出的，指的是人们用 AI 写报告、提交给雇主，表面上看没什么问题，实则漏洞百出，因为大语言模型根本不具备真正的理解能力。

Steve Eisman：你的意思是，大语言模型并不会思考。

Gary Marcus：它们确实不会思考，只是把统计学上大概率关联的内容拼凑在一起。

Steve Eisman：只是简单拼凑。

Gary Marcus：没错。我还喜欢用“黏合”这个词，它们只是把信息黏合在一起。从统计学角度来说，大部分内容的拼凑是合理的，但总有一部分是错误的，而这些模型根本无法区分对错，也不会主动告知你。它们永远不会说，“维基百科显示 Harry Shearer 出生在洛杉矶，但作为大语言模型，我感觉他可能出生在伦敦，你可以去核实一下”。它们从来不会给出这样的提示，只会把所有内容都当作百科全书里的标准答案呈现出来，无论真假，这也是这类模型的危险之处。

Steve Eisman：确实是这样。

Gary Marcus：这类问题其实有很多，这个案例属于另一种情况，但也和模型的本质缺陷有关。这个问题的根源在于，所有大语言模型都有数据截止日期，它们的训练都是在某个特定时间点完成的，核心模型所掌握的信息，也只到这个时间点为止。研发者会给它们加各种补救措施，比如接入网络搜索功能，但这些补救措施和核心模型的融合效果都很差，不同系统的表现略有差异而已。这类模型最大的问题就是无法应对新事物、新情况，也是它们最根本的缺陷。早在 1998 年，我就通过研究早早发现了这一点。如果一个模型本质上只是个功能强大的记忆机器，当你向它输入一个超出其训练数据范围的内容时，它就会失灵。

有个例子特别能说明问题，具体细节我不太清楚，但特斯拉的 AI 系统也大量采用了这种记忆式的运作方式，而且其系统的复杂程度并不高。有人用过特斯拉的召唤功能，你应该记得马斯克说过，未来可以从纽约远程召唤洛杉矶的特斯拉，但现在显然做不到，不过据说能在停车场里召唤车辆。有人在一场航空展上试过这个功能，你能在油管上找到相关视频。这个人召唤自己的特斯拉，想在航空展上秀一下，结果车子径直撞上了一架价值 350 万美元的私人飞机。

原因就是，特斯拉的训练数据里，根本没有教系统如何应对飞机，毕竟谁会专门训练汽车躲避飞机呢？系统对世界没有形成通用的认知，比如“不要撞上挡路的大型贵重物体”，它根本不懂这些，只会识别训练数据里的自行车、行人等目标，它的识别分类里根本没有“飞机”这一项，所以才会直接撞上去。

所有 AI 企业都变了：悄悄复用经典符号式工具

Steve Eisman：那你有没有了解到，随着这场争论的风向转变，各大企业内部现在的情况如何？

Gary Marcus：我了解到的情况主要有几点。首先，我一直都在说，单纯的大语言模型行不通，必须结合传统的符号式 AI 技术。但之前他们都对此嗤之以鼻，觉得这套技术早就过时了，没必要用，还说人脑的工作模式本就不是这样。而现在，他们都悄悄在一定程度上采用了这项技术，比如引入代码解释器来运行 Python 代码，这些都是经典的符号式工具。说白了，他们正在偷偷把系统二的相关能力融入模型中，只是没有大肆宣扬，但这一改变确实带来了不小的提升。

马斯克发布 Grok 4 时的演示就很能说明问题，我还为此写过一篇文章，标题是《为何 GPT-3 和 Grok 4 无意间印证了神经符号 AI 的正确性》。文章里放了当时的演示图表，能清晰看到，正是那些他们不愿提及的符号式工具的加入，让模型的表现变得更好。如今模型的些许提升，绝大部分都来自这个原因，而非单纯的大语言模型优化，他们其实已经悄悄放弃了纯大语言模型的研发思路。而这对你所关注的商业领域来说意义重大，因为这些符号式工具根本不需要在 GPU 上运行，普通的 CPU 就足够了。

Steve Eisman：原来如此。

Gary Marcus：对我而言，从技术角度来说，这印证了我一直以来倡导的研发思路是正确的。这是第一个变化。第二个变化是，各大企业的很多人都离职去创办自己的初创公司了。你可以想想，如果 OpenAI 真的能在下周推出 AGI，谁会在这个即将改变世界的关键节点离职，去创办一家可能要花四年时间才能做出成果的小公司？显然没人会这么做，大家都会想留在公司见证这个时刻。

所以，大量人才离职的事实就说明，这些企业内部的人也清楚，他们根本没有做出宣称的那种突破性成果。还有一个变化，就是谷歌正在迎头赶上。就像我几年前在 Substack 专栏里预测的那样，因为现在所有企业的研发思路基本一致，这个领域根本没有技术壁垒。

Steve Eisman：没错，完全没有技术壁垒。

Gary Marcus：你和其他一些人都认为，如果所有人都在做大语言模型的规模化扩张，那么最终的赢家就是最有实力承担这笔扩张成本的企业。而放眼整个行业，谁的资金实力能超过谷歌？根本没有。

Steve Eisman：确实。

Gary Marcus：我其实也表达过类似的观点，只是表述略有不同，你的这个说法其实也没错。我当时的观点是，行业头部企业会逐渐趋同，而随着大语言模型成为标准化商品，行业内会引发价格战，服务定价会大幅下降。事实也确实如此，现在大语言模型的按 token 计费价格，已经暴跌了 99%。价格战确实爆发了，而最终的受益者自然是谷歌，这一点我当初虽然没有直接点明，但也有所预判。我大概是在 2024 年 3 月，也可能是 2023 年 8 月开始写相关文章，当时就说，所有企业都在遵循同一种研发思路，没人掌握什么独门绝技，这就意味着头部企业的产品会越来越趋同。

大语言模型会成为一种标准化商品，各家的模型只会比上一年的版本稍有提升，差距微乎其微，最终品牌差异会变得无关紧要。这一趋势带来的结果就是，谷歌迎头赶上了，中国的企业也追上来了，Anthropic 同样不甘落后。就像你说的，当产品变成商品后，价格必然下跌。这对终端消费者来说是好事，但对企业的商业模式来说却是巨大的打击。毕竟企业原本的设想是，花巨资采购 GPU，然后靠模型服务赚回巨额利润。

推理模型进行不了逻辑分析，再升级也没价值？

Steve Eisman：我们能不能聊聊推理模型？先给我的观众解释一下，推理模型和大语言模型有什么区别？推理模型是基于大语言模型研发的吗？

Gary Marcus：推理模型是在大语言模型的基础上运作的，但它不会像大语言模型那样直接给出第一个想到的答案，而是会反复迭代、花费时间去推敲，试图得出最优解。至于具体的研发细节，各家企业都没有公开太多。传统的神经网络模型，在某种意义上都是一次性输出结果的，当然现在行业内对“一次性”的定义有所不同。简单来说，就是把数据输入模型后，神经网络会立刻完成一次正向传播，粗略来讲，模型中的每个神经元都会处理信息并生成对应的结果。而推理模型则会进行多次传播，这是本质上的区别。

我有个朋友把传统模型的输出方式称为“恒时推理”，意思是模型生成答案的时间基本固定，无论什么问题，耗时都相差无几：把数据输入模式识别器，模型会根据现有的模式给出最优解。而推理模型采用的是全新的“变时推理”模式，我之后会聊聊它的适用场景和短板，这种模式的特点是，处理不同的问题，耗时会有所不同。目前还没有企业能完全解决推理模型的所有技术难题，但在一些场景下，它的表现确实不错。

据我了解，推理模型的研发思路之一，就是让模型模仿人类解决问题的思考过程，毕竟这些模型本质上都是模仿系统。比如在解决几何题或代数题时，模型会刻意模仿人类的解题步骤。人类解决这类问题需要一步步推导，融合了推理能力的神经网络模型，同样需要分步骤完成。

Steve Eisman：那推理模型的优势是什么？又有哪些明显的短板？

Gary Marcus：在回答这个问题之前，我想先提一点：推理模型的成本天生就更高，因为它需要占用 GPU 更长的时间来生成答案。

Steve Eisman：好的。

Gary Marcus：那我来说说它的适用场景和短板。推理模型最擅长的，是那些能生成形式规范、可验证的数据来训练模型的领域。比如数学和计算机编程，我们可以编写程序生成各种不同的代码片段来训练模型，也能生成各类几何证明题的解题思路。这类领域之所以适合推理模型，是因为它们都属于封闭领域，相关的知识边界是明确的。

Steve Eisman：没错，数据库中的知识量和相关的有效知识量都是有限的。

Gary Marcus：对，就是这个意思。所以推理模型在几何、编程这类领域的表现最好，而在开放式的现实世界中，它的表现就差强人意了。我总会从你所熟悉的金融领域举例子，当然你肯定有更贴切的案例，比如长期资本管理公司的破产。其实那也是一种模型失效的情况，只是模型的原理不同，当时没人考虑到俄罗斯债券市场崩盘的可能性，最终导致美国金融市场出现了大幅动荡。这是因为当时的金融模型，其参数设定根本没有覆盖这类极端情况。

而现在的推理模型，也面临着类似的问题：它其实并不具备真正的思考能力，哪怕是关于债券的基本问题，它也无法进行真正的逻辑分析。如果用它处理的问题，和训练数据中的内容高度相似，那一切都顺理成章；但一旦超出了它的认知范围，就像我们之前聊到的特斯拉的例子，模型就会立刻失效。

Steve Eisman：也就是它依然无法应对新事物、新情况。

Gary Marcus：没错，即便升级到了新的推理模型，核心问题依然是无法处理未知信息。它只是在原有基础上做了些许改进，但本质上还是受限于对新事物的适配能力。而关键问题在于，现实世界中，大多数有价值的问题都包含着一定的新要素、新情况，并非全是已知的问题。当然，也有例外，我们确实可以用这种不擅长处理新事物的技术，在一些狭窄的领域做出成绩，比如国际象棋和围棋。这些领域的规则千百年间基本没有太大变化，有海量的历史数据可供参考，模型还能通过自我对弈生成更多训练数据。

但在开放式的现实世界中，比如政治、军事战略领域，永远会出现训练数据中没有的新情况。比如，如何应对一位总统授意将军用飞机伪装成民用飞机，去袭击另一个国家的行为？这种情况此前从未发生过，想要分析这类问题，根本无法依靠过往的数据，必须依靠抽象的概念思考，比如权力、外交规则、国际格局的构建逻辑等，这些都是相关领域的学者更擅长的内容。要做到这一点，模型需要接受正确的训练，具备抽象思维能力，而不是单纯依赖数据。即便是在商业应用中，比如看似简单的客户服务，也会遇到类似的问题：用户总会用全新的方式提出问题，而一旦出现这种情况，模型就会因为无法应对新情况而失效。

OpenAI 只够支撑一年，要么倒闭、要么求救微软？

Steve Eisman：假设我任命你为 AI 领域的总负责人，由你掌控所有相关企业，指导整个行业的研发方向。如果你把这些企业的负责人都召集到一起，你会告诉他们，想要实现真正的突破，需要做些什么？

Gary Marcus：我会告诉他们，整个行业需要更多的学术思维多样性。就像在你的金融领域，你会告诉人们不要把所有鸡蛋放在一个篮子里，要做资产配置，分散投资股票、债券、黄金、房地产等。而 AI 领域在过去这些年，就是把所有的精力都押在了一个思路上，大语言模型的规模化扩张，这是行业唯一的研发方向。不可否认，这个思路确实带来了一些成果，模型并非毫无用处，我们也确实能利用它解决一些问题，但它终究无法带我们实现所谓的通用人工智能（AGI）这一终极目标，而且这还是一种成本极高、效率极低的研发方式。你可以对比一下，我的孩子只需要少量的信息和学习，就能理解这个世界，而大语言模型却需要学习整个互联网的海量数据，二者的效率差距简直可笑。

这些企业花费巨资，做出的却是效率低下、可靠性堪忧，但又有一定使用价值的模型。我们需要的是其他更高效、更经济、更可靠的研发思路，企业应该投入资金去探索这些新方向。但问题的根源，其实也来自你所熟悉的金融领域：风险投资家能从那些听起来合理的投资项目中，赚取 2%的管理费。我很好奇你对这个观点的看法，因为这毕竟是你的专业领域。试想一下，作为风险投资家，如果有一个项目能让你管理一万亿美元的资金，哪怕你根本不在乎项目最终的结果，也能赚到 2%的管理费，这足以让你成为亿万富翁。我并不是说所有的风险投资家都是这样想的，我见过很多投资人，他们确实真心想推动技术进步。

但就像任何行业一样，很多投资人都带着功利的心态。对这些功利的投资人来说，最理想的投资标的，就是那些听起来前景广阔、无需真正落地、成本极高的项目，这样他们就能赚取巨额的管理费。我认为，这就是整个行业都沉迷于规模化扩张的原因：投资人能从中赚取不菲的管理费，而且数额极其可观。但从学术研究的角度来说，这绝不是正确的选择，最终也没有带来理想的结果，反而造成了巨额的资金浪费。风险投资家赚走了管理费，而那些有限合伙人，最终会损失大量的资金。

Steve Eisman：你是不是觉得，这个行业的泡沫快要破裂了，还是说现在根本没法判断？

Gary Marcus：其实炒股的那句老话你我都懂，市场保持非理性的时间，可能比你保持偿付能力的时间还要长。

Steve Eisman：没错。

Gary Marcus：我去年用一个比喻形容当下的情况，就像《兔八哥》里的歪心狼跑到了悬崖边，它不往下看，就不会掉下去。当然这不符合物理规律，但很有意思。而现在，你所在的投资圈里，已经有人开始往下看了。我觉得从去年 11 月开始，就不断有投资人说，他们看到了一圈又一圈的的循环融资，投资回报率却不尽如人意，这些 AI 系统实际用起来也远没有想象中好用，或许这个赛道本身就不靠谱。我个人觉得，英伟达的产品做得非常出色，生态体系也很完善，不只是芯片本身，配套的软件等方方面面都很好。我见过黄仁勋，他给我留下了很深的印象，英伟达的产品确实很棒。

但问题的关键是，他们最终能卖出多少芯片？我认为，目前的芯片销售全靠市场投机，大家都在赌，我稍后再说说其他人的看法。所有人都在投机，认为这类芯片的需求会无限大，而这种投机的底层逻辑，是相信这些 AI 模型最终能实现 AGI。真正的 AGI 能完成人类能做的所有事，其商业价值不可估量，每年创造数万亿美元的价值都有可能。但《华盛顿邮报》几天前报道了一项一个月前完成的研究，研究显示，人类日常的工作中，只有 2.5%的工作能真正由 AI 系统完成。所以人们幻想中 AI 能完成的大部分工作，其实它都做不到，也根本做不好。这就意味着，最终所有在芯片上的投资，都会变得毫无意义。

而在这些企业里，OpenAI 可能是最脆弱的那个。OpenAI 有超过一万亿美元的未兑现承诺，却从未实现过盈利，如今又身处一个产品高度同质化的市场。它最大的竞争对手谷歌已经迎头赶上，甚至可以说实现了反超，还拿下了和苹果的合作大单，这可是笔大生意。所以我觉得 OpenAI 现在已经手忙脚乱了，实在看不出它的估值有任何合理性。

Steve Eisman：对我所在的投资圈来说，如果投资人开始从 OpenAI 撤资，而它又融不到新的资金，那会给整个生态系统带来连锁反应。

Gary Marcus：没错，这正是我认为即将发生的事。我觉得最终 OpenAI 可能会被微软这样的企业收购。我这几年一直说，OpenAI 最终会成为 AI 领域的 WeWork。未来人们都会疑惑，它当初怎么会有那么高的估值，这完全不合逻辑。OpenAI 的年收入只有几十亿美元，却每个月亏损数十亿美元，还有众多竞争对手，这样的企业根本撑不下去。如果投资人撤资，或者不再继续注资，OpenAI 就会陷入巨大的危机。它每个月的亏损大概有 30 亿美元，一年就是 300 多亿美元，即便最近完成了 400 亿美元的融资，也只够支撑一年的运营。

Steve Eisman：没错，也就一年的时间。

Gary Marcus：而且现在很多人都在持观望态度，他们会觉得，谷歌才是更适合这场竞争的玩家，毕竟谷歌已经追上来了。如果这场竞争只拼规模，那赢家必然是谷歌，这是毋庸置疑的。谷歌有能力做出巨额投入，甚至根本不需要英伟达的芯片，因为他们自研了张量处理单元，能实现类似的功能，所以谷歌的抗风险能力更强。他们有稳定的财务支撑，最终一定会赢。

Steve Eisman：没错。

Gary Marcus：只要有一部分人意识到，OpenAI 想要活下去，需要的资金量是天文数字，它的处境就会变得岌岌可危。它下一轮可能需要 1000 亿美元的融资，而全世界能拿出这么多钱的人，可能也就五个。就算其中四个愿意投资，只要有一个拒绝，就会出问题；而如果五个都拒绝，它要么倒闭，要么只能去找微软求救。

“脱离世界模型做 AI，根本行不通”

Steve Eisman：Gary，在我们结束访谈前，还有什么我该问却没问的问题吗？

Gary Marcus：我觉得这次访谈特别棒。要说还有什么重要的点没聊到，那应该就是“世界模型”这个概念。

Steve Eisman：没错，我本来也想聊这个。你一直说我们需要构建世界模型，这个概念完全超出了我的专业领域，不如你给大家解释一下，到底什么是世界模型？

Gary Marcus：不同的人对世界模型有不同的定义，简单来说，它就是在计算机系统中，构建一个能表征外部现实世界的体系。我说说我认为我们需要的世界模型是什么样的：软件内部需要有一个结构，能对应现实世界中的各种事物。比如导航系统的世界模型，需要能表征道路的分布、连接方式，以及不同路段的通行时间。在传统的 AI 领域，世界模型是研发的起点，所有的研究都基于此，没人会想过脱离世界模型做研发。Herbert Alexander Simon 是上世纪 50 年代 AI 的奠基人之一，他写过一本自传叫《Models of My Life》，他一生都在研究各类模型和世界模型，并且认为，做好 AI 的关键就是构建正确的世界模型。

而大语言模型却试图脱离世界模型运作。构建一个针对特定事物的世界模型，尤其是复杂事物，需要付出巨大的努力。比如过去研发专家系统时，研究者需要构建能模拟医生思考方式的模型，能表征病人身体机能、生理结构的模型，这个过程非常繁琐。当时还有一个专门的领域叫知识工程，做这项工作成本极高，没人愿意做。大语言模型和其他类型的神经网络出现后，研发者宣称，不用再做这些繁琐的工作，只需要让系统从数据中自主学习就行。

但事实证明，这根本行不通。就像大语言模型会把出生在洛杉矶的 Harry Shearer 说成是伦敦人，原因就是它没有一个完善的世界模型，无法像设计精良的软件那样，精准调取正确的信息。所以我们必须在 AI 系统中融入世界模型，才能避免幻觉现象的发生。

Steve Eisman：我还是不太理解世界模型到底是什么。

Gary Marcus：用非专业的语言解释确实有难度，简单说，它就是对世界的一种表征，而且这个“世界”不一定是现实世界。比如我们对《星际迷航》《星球大战》《哈利·波特》这些虚构世界，也会有对应的世界模型。这也是人类和当前 AI 系统最本质的区别：当我们看一部电影、读一本书时，会在脑海中构建出这个世界的运行规则，并且能判断情节是否符合这个世界的逻辑，会不会有不合理的设定。比如看了《哈利·波特》，我们会知道里面的人能骑着扫帚飞，但不会把这个设定和现实世界混淆，不会回家后跳上扫帚就想从窗户飞出去。

人类能快速构建并同时掌握多个世界模型，就算看一部新的科幻剧，20 分钟左右就能理解这个全新世界的规则，这是人类的天赋。但在 AI 领域，无论是传统的符号式 AI，还是现在的大语言模型，都做不到这一点。传统 AI 的优势是可以人工构建世界模型，你可以雇一群学者花六周时间，把一个问题的相关规则梳理清楚，构建成模型。最近离世的顶级研究者 Doug Lenat 就做过这样的研究，他为《罗密欧与朱丽叶》构建了世界模型，他的系统能真正理解这部剧的关键情节，而非从网上的读书笔记中获取二手信息，表现非常惊艳。但问题是，我们不知道该如何让传统 AI 自主学习、构建世界模型。而大语言模型则完全做不到构建世界模型，只是在假装自己能做到。

我有个很经典的例子，就算用整个互联网的内容训练大语言模型，让它接触海量的国际象棋规则和对局记录，它依然会走出违规的棋步，因为它从未真正抽象出国际象棋的运行逻辑。这一点就足以说明问题了。试想一下，一个人看了一百万盘象棋对局，读了维基百科、象棋网站上的所有规则，还看了 Robert James Fischer 的象棋著作，不可能连基本的棋规都掌握不了，但 AI 就是做不到。

所以我们需要研发能自主归纳出世界模型的 AI 系统，这类系统能从数据中挖掘因果规律，识别其中的核心要素。这是一个难题，不是说有人明天回家鼓捣一下就能解决的。长期以来，无论是传统 AI 还是大语言模型，都在回避这个问题，而现在，我们必须直面它。

Steve Eisman：看来这需要很长的时间来研究。

Gary Marcus：确实需要很久。我想说的是，AI 确实会以我们难以想象的方式改变世界，但绝不是现在，靠当下的这项技术根本做不到。我们需要把这一点考虑进去，做出合理的投资决策。现在的问题是，我们到底是在投资基础研究，还是在为一项已经成熟的技术做规模化投入？答案显然是后者。而当下的市场，大多是在投机，赌那些目前行不通的技术，只要做得更大，就能凭空实现突破。

但事实上，单纯的规模化根本解决不了这些核心问题，我们真正需要的是扎实的基础研究。这是我过去五年一直强调的观点，也是 SSG 在去年 11 月提出的观点，而 Ilya Sutskever 也表达了类似的看法。当我们这些背景截然不同的人，都达成了这样的共识，行业内的人其实应该认真听一听。

参考链接：

https://www.youtube.com/watch?v=aI7XknJJC5Q

整理 | 华卫

“世界上不会再出现第二个我这样的 CEO 了。”近日，英伟达联合创始人兼首席执行官黄仁勋（Jensen Huang）在一场私人访谈中这样说道。

据称，这场深度对话已经酝酿了三十年，将黄仁勋鲜为人知的一面展现在大众眼前。主持人 Jodi Shelton 与黄仁勋的职业交集始于三十余年前，彼时，图形处理器（GPU）尚未掀起席卷全球的 AI 革命。从加速计算的源头到生成式 AI 的前景，这场对话堪比一堂远见大师课。

在访谈中，黄仁勋表示，从某种意义上说，英伟达其实有 61 位 “CEO”。过去这些年，包括他在内，很多人都犯过严重的错误，但在英伟达，从来没有人因为犯错而被解雇。“我们打造了一个足够安全的环境。”他还透露，CEO 这个职位，远比人们想象的要脆弱得多。“实际上，我们可能是公司里最脆弱的一群人。不过对我来说，承认这种脆弱，并不是什么难事。”

有意思的是，他提到，在很多方面，自己都算是一个 “不情愿的 CEO”。“公开演讲简直让我怕得要死。比起待在公司外面抛头露面，我更喜欢扎根在公司内部；比起发表演讲，我更喜欢安静做事；我甚至一点都不喜欢做主题演讲，但为了公司，我必须去做这些事。”

此外，黄仁勋称，英伟达的成功，绝不是靠产量取胜。“虽然是英伟达发明了 GPU，但从产量来看，我们其实是全球最小的 GPU 制造商。很多不知名的厂商，GPU 产量都比我们高。”而“没有终极目标” 这一点，对英伟达的发展真的起到了至关重要的作用。

对于五年后的世界，黄仁勋断言，英伟达和整个行业在 AI 领域的投入，必将彻底改变计算机的运作模式，未来的计算机，将从 “由人类编程” 进化为 “在人类引导下自主学习编程”。并且，100% 的工作岗位都会发生变化，但不会有 50% 的岗位消失。未来的趋势不会是就业岗位减少，反而是大家会变得比现在更忙碌。并且，那些现在没有工作的人，很可能会因为 AI 获得谋生的手段。

网友们纷纷就此次访谈对黄仁勋评价道，“我从未见过他如此坦诚直率，真是不可思议。”

以下是详细对话内容，我们在不改变原意的基础上进行了翻译和删减，以飨读者。

“走了整整 33 年才看到成果”

Jodi Shelton：大众其实特别好奇像你这样的人，毕竟你们正在定义科技的未来，而科技的未来就是整个世界的未来。所以我们想做的，是挖掘你成功光环背后的个人经历以及支撑你走到今天的价值观。你对这个定位怎么看？

黄仁勋：说实话，不太喜欢。

Jodi Shelton：真的不喜欢吗？可你现在是名人啊，大家都想了解名人的故事。

黄仁勋：我从不觉得自己是名人，也根本不是什么名人。我只是恰好执掌着一家举足轻重的企业，是这家堪称史上最成功的科技公司之一的 CEO。很早以前，我们就做了一些正确的决策。回溯到 1993 年，我们就立志要重塑计算行业，而且对于计算机的架构，我们有着自己独到的见解。在很长一段时间里，这个观点都不被看好，甚至颇具争议。要知道，当时整个行业的焦点都在微处理器和 CPU 上。说起来，我和你就是在那个时期认识的。我们早在 1993 年底或者 1994 年就相识了，对吧？从那时起，英伟达就在做我们现在依然在做的事：重塑计算。

Jodi Shelton：没错，我记得很清楚。那时候的硅谷，正处在 CPU 为王、摩尔定律大行其道、个人电脑革命如火如荼的年代。

黄仁勋：是啊。而且我们早期的客户，全都是 PC 芯片组领域的初创公司。这些企业可以说是半导体行业辉煌版图的奠基者，像 Cirrus Logic、S3 Graphics、Western Digital、Trident Microsystems，你还记得这些名字吗？

Jodi Shelton：当然记得。

黄仁勋：这些公司，称得上是英伟达的 “前辈”。而现在，我们依然在这条路上前行，致力于打造一种全新的计算模式。这条路，我们走了整整 33 年才看到成果。我只是恰好成为了这家公司的 CEO，仅此而已。

Jodi Shelton：可能对你来说，这一切是水到渠成，但对整个世界而言，英伟达的崛起堪称横空出世。大概从 2023 年 11 月起，整个世界的科技格局都因你们而改变。你是怎么看待这次转型的？

黄仁勋：要知道，想要创造未来，就必须在未来到来之前，先置身于未来之中。坦诚地说，从我们发明 CUDA 技术、推出相关产品的那一刻起，就已经踏上了通往未来的道路。英伟达最让我骄傲的一点是：我们不仅擅长技术发明，更擅长把技术转化为产品推向市场。世界上有太多的公司、科研人员和发明家，他们确实创造出了先进的技术，但最后往往只能感慨 “这个技术我早就做出来了”、“这个想法我早就有了”。每次听到这种话，我都觉得很惋惜。这些优秀的发明家，遗憾的是没能遇上同样优秀的产品创新者。

所谓产品创新者，就是能把一项技术发明转化为一款能推向市场的成熟产品的人。而这还不够，你还得为产品制定精准的市场策略，甚至需要亲手培育出一个全新的市场，让市场能够接纳你研发的产品和制定的策略。英伟达就是这样一家公司，我们具备技术发明、产品创新、策略制定、生态构建乃至市场培育的全链条能力，而且我们已经多次成功做到了这一点。所以对我来说，这种 “身处未来” 的状态，已经持续了很长时间。

Jodi Shelton：确实如此。

黄仁勋：很久以前，我们有一个战略，现在已经不怎么提了，叫 “CUDA 无处不在”。很多人都听过我当年四处推广 CUDA 的故事，跑遍各大高校、初创企业和成熟企业。有时候，台下听众加起来也就三个人，但我还是会掏出笔记本电脑，为他们演示 CUDA，告诉他们这项技术将如何改变世界。我走访了无数科研机构和实验室，参加了数不清的行业会议，推广 CUDA 的次数，估计比世界上任何人都多。长久以来，我一直沉浸在这样的 “未来图景” 里，讲的故事多了，甚至会产生一种 “未来已经到来” 的错觉。

Jodi Shelton：确实有这种感觉。

黄仁勋：所以现在看到这一切成为现实，我依然满心欢喜。而且在我看来，这一切其实并不意外，因为支撑英伟达发展的是计算机科学领域最根本的底层逻辑，不是靠一时的直觉，也不是凭主观的喜好。从很多方面来说，如今的成果是一种必然。但我想说的是，当你把一件事物的速度提升一千倍，或者规模扩大一千倍、体积缩小一千倍时，无论这件事物原本是什么，都会发生质的飞跃。而这种质变最终带来的结果，往往是超乎想象的。

我们早就预见到深度学习技术有着巨大的扩展潜力，这也是我们举全公司之力押注这一领域的原因。我们知道，AlexNet（深度卷积神经网络）绝不会是深度学习的终点，这种技术架构天生具备极强的可扩展性，再加上全球海量的数据资源，深度学习的爆发是水到渠成的事。不过我当时也清楚，有一项技术会成为我们前进路上的障碍，那就是无监督学习，或者说自监督学习，也就是让计算机摆脱人工标注数据的束缚，实现自主学习。因为人工标注数据的效率，迟早会成为技术发展的瓶颈。而当无监督学习技术取得突破的那一刻，我就知道，我们的时代来了。

就在不久前的投资者路演上，还有人跟我说，我当时就明确跟他们提过这场 “质变”。如果你去回看当时的财报电话会议，就会发现每当谈到对世界至关重要的技术话题时，我都会把这一点讲得非常透彻。在每一场投资者路演，在每一个我演讲的场合，我都会强调这个观点。如今，无监督学习技术确实取得了重大突破，深度学习的规模效应也彻底释放出来，我们才算真正驶入了发展的快车道。但即便如此，这项技术如今能解决的问题，依然让我感到惊喜。我们早就预料到技术会发生质变、计算平台会迎来变革，但我们没想到，变革的成果如此丰硕。

我们现在能够解读蛋白质的 “语言”、细胞的 “语言”、量子的 “语言”，能够读懂世间万物的各种表征形式。过去我们用来描述信息的方式，如今正在被彻底重塑。从几何图形、纹理材质到如今的 3D 高斯和 3D 点云，信息的呈现形式日新月异。这种感觉就好像人类突然变得无比聪慧，连英语这种语言体系都随之改变了。我们不再沿用过去的词汇、语法和句式，因为我们的智慧已经进化到了一个全新维度，能够用一种全新的方式进行交流。或许未来人类的交流方式会变成简单的 “嘀嘀嗒嗒” 的信号声。这让我想起了电影《降临》里的场景，人类突然开始用抽象的图形进行沟通，仅仅通过图形就能传递海量的信息，实现更深层次、更高效率的交流。

最不可思议的是，我们现在解决的很多问题在过去是完全无法想象的，而且解决问题的速度也远超以往。过去我们常说摩尔定律，而现在英伟达的发展速度完全可以用 “英伟达定律” 来形容，比过去快了整整一千倍。未来十年必将是波澜壮阔的十年，光是想想就让人无比兴奋。

Jodi Shelton：要做到你所做的这些事，要能够预见未来，并且坚信未来一定会到来，需要何等强大的自信啊。就像你之前说的，我们 1994 年就认识了，这么多年来，你一直都是这个样子。

黄仁勋：是啊，我记得很清楚。

Jodi Shelton：那时候我才二十几岁。你应该比我大一点吧？

黄仁勋：当时我差不多 29 岁，快 30 岁了。

英伟达有 61 位“CEO”，从没有人因犯错而被解雇

Jodi Shelton：我还记得我们第一次见面的场景，当时我是为了给杂志写稿采访你。我问你：“黄仁勋，硅谷人才流动频繁，很多人来了又走，你会担心这个问题吗？” 毕竟当时很多 CEO 都在抱怨这件事。而那时你才 29 岁或 30 岁，你是这么回答我的：“英伟达既不是教堂，也不是监狱。想来的人可以来，想走的人也可以走。” 我当时听完特别震撼，心里想着：“这个人到底是谁啊？” 年纪轻轻，却有着如此的自信和智慧。我还听过一个类似的故事，张忠谋（ Morris Chang）第一次见到你的时候，你当场就说：“我会成为你最大的客户，至少也是最大的客户之一。” 他当时的反应是：“哇，这小伙子可真有魄力。” 所以我很好奇，你这么年轻的时候，这份自信是从哪里来的？

黄仁勋：哈哈，你要知道，什么都懂其实也挺痛苦的，我开玩笑的。对了，张忠谋要是知道英伟达现在是台积电最大的客户，一定会很开心的。

Jodi Shelton：那是肯定的，他肯定会为你感到骄傲。

黄仁勋：我也为他感到骄傲。要知道，在个人电脑革命时期，英伟达就曾是台积电最大的客户。如今，我们再次成为了他们最大的客户，对此我感到非常欣慰。言归正传，我觉得一个人必须坚信自己所相信的东西。而且这份信念，不能建立在道听途说之上，不能因为别人说了什么，你就去相信什么。你必须认真思考，梳理出自己相信这件事的逻辑，并且把这些逻辑拆解成可靠的底层原则。之后，你还需要定期检验这些原则，确保你所秉持的信念、所付诸的行动，都是建立在坚实的基础之上的。

如果这个基础不够稳固，或者因为某些原因发生了变化，那就说明它可能并非真正的底层原则 ，也许它并没有锚定在物理规律或客观事实之上。一旦出现这种情况，你就要重新评估，然后及时调整方向。我一直都是这样做的。而且，如果你真心相信一件事，就应该付诸行动去实现它。我从 1993 年起就坚信我们正在做的事情，直到今天，这份信念依然没有改变。正因为坚信不疑，所以我才会不断地推演，不断地在脑海里进行逻辑梳理。我会持续复盘过去的决策，也会不断预判未来的趋势。

就像昨天我们开了那么多场会议，每场会议上，我都会重新梳理我们一路走来的逻辑。你会发现，过去的那些假设，有些是正确的，但也有些是错误的。正是因为我们足够灵活，能够根据实际情况及时调整方向，才最终走到了今天。所以，时常回头复盘、重新推演过往的决策，是一件很有意义的事，它能帮你更好地锻炼向前推演的能力。正因为我一直坚持这样做，所以我始终活在自己认定的真相里。直到现在，我依然觉得自己只是英伟达的一名员工。我非常在乎这家公司，但公司里有很多人都和我一样，对这家公司倾注了深厚的感情。

在一家治理完善的公司里，CEO 的角色定位是很明确的。CEO 需要向董事会汇报工作，而董事会则要对股东负责。如果 CEO 的工作表现没有达到董事会的预期，不管董事会有 12 位、13 位还是 15 位成员，他就会被解雇。所以说，CEO 其实也是公司这个组织里的一名员工。这就是为什么我说，英伟达既不是教堂，不是想来就能来；也不是监狱，不是想走都走不了。这种心态能让你始终保持脚踏实地，保持谦逊，保持锐意进取的状态，因为你必须每天都努力，才能对得起自己的这份工作。

有时候会有人问我：“黄仁勋，你热爱自己的工作吗？” 我会告诉他们，我并非每天都热爱这份工作，但我每天都会全力以赴去做好它。我觉得，这种态度源于两个方面：第一，我坚信自己是这份工作的最佳人选；第二，我必须每天都努力，才能配得上 “最佳人选” 这个身份。

Jodi Shelton：在大家眼里，你就是英伟达的代名词，英伟达就是你。这么多年下来，你已经和这家公司深度绑定了。

黄仁勋：我应该是英伟达内部被拍照最多的人吧。

Jodi Shelton：没错。不过，要是将来换了新的 CEO，这个人真的能接好你的班吗？

黄仁勋：世界上不会再出现第二个我这样的 CEO 了。原因很简单，我是被这家公司一步步培养起来的。刚创立英伟达的时候，我对怎么当 CEO、怎么做战略规划、怎么打造产品、怎么开创一个全新的行业，一窍不通。我只知道怎么融资，却不懂怎么和股东沟通，不了解股东、政策制定者、各国领导人以及企业管理者的想法，也不知道该如何把握员工的心态、如何打造企业文化，甚至连 “企业文化” 这个词到底意味着什么，我都无法准确界定，让我制定公司战略那更是天方夜谭。这就是我第一天接手工作时的真实状态。而在过去的 33 年里，我在这些领域都一步步做到了得心应手。

如果说这个世界上有谁能称得上是 “企业战略宗师” 或者 “行业开创者”，那这个人大概就是我这样一个小个子。我把自己的整个职业生涯都投入到学习这些能力上，而且我本身就是个好学生。除此之外，我对这份工作的投入程度和深厚感情，是很难通过招聘来复制的。在我心里，英伟达就像我的孩子一样，我对它倾注了全部的心血。我的家人也陪着我一起，为这家公司的成长付出努力。这种对公司的特殊情感，是很难被替代的。毕竟 33 年来，我见证了英伟达的每一次成功、每一次失败、每一次挫折，亲历了它做过的所有明智决策，也目睹了它犯下的各种错误。这种对公司的深刻理解和情感联结，不是随便招一个能力出众的人就能替代的。

不过从另一方面来说，英伟达的管理团队架构其实早就做好了准备。我现在有将近 60 位直接下属，他们中的每一个人，放到其他公司都能胜任世界级 CEO 的职位。我总是当着他们的面推演各种决策逻辑，我的每一个决定，都是在他们的注视下做出的，我会把背后的思考过程原原本本地讲给他们听。公司的每一次成功、每一次挫折、每一个挑战、每一场困境，我都会和他们一起复盘。所以从某种意义上说，英伟达其实有 61 位 “CEO”。他们每个人都对这家公司饱含深情，很多人已经在这里奋斗了 33 年。我认为，英伟达的成长模式是独一无二的，这也造就了它无可比拟的韧性。

Jodi Shelton：显然，你搭建的这套管理架构在行业内已经成了一段传奇，所有人都在谈论你这近 60 位直接下属。要让这样的架构顺畅运转，这些人肯定都得是万里挑一的顶尖人才。

黄仁勋：没错。

Jodi Shelton：他们不光要头脑聪明，毕竟硅谷从来不缺聪明人，更得是适配英伟达的顶尖人才。

黄仁勋：确实如此。

Jodi Shelton：那你能不能跟我说说，你是怎么筛选和培养这些人才的？另外，我记得你有个原则，找不到合适的人，就宁可让职位空着。我想到了 Colette Kress 的例子，你当时面试了 22 位首席财务官候选人，最终才选定了她。现在她在华尔街已经是一位传奇人物了。你当初是怎么选中她的？你选拔这类核心人才的标准是什么？

黄仁勋：在我看来，宁让职位空着，也不能让不合适的人占着位置，所以我从来不会急于招人。就算 CEO 的位置暂时空缺，或者某个副总裁职位没人接任，公司的运转也不会停滞。只要你坚信这一点，坚信 “空位胜于错配”，你就有足够的时间去寻找那个真正合适的人。这个合适的人选，需要满足很多条件，其中很重要的一点，就是你得发自内心地欣赏他、认可他。

我记得 Colette Kress 入职第一周的时候，就问过我：“黄仁勋，你希望我在首席财务官这个岗位上干多久？” 我告诉她：“只要我们还活着，只要死亡不将我们分开，你就一直干下去。” 因为任何其他答案都是没有意义的。这份工作没有所谓的 “截止日期”，唯一的终点，就是当她觉得英伟达不再适合自己的时候。这个原则不仅适用于 Colette，也适用于我那 60 位直接下属。我愿意为了等待合适的人，让职位空很久。而在这个过程中，公司依然会稳步向前。无论这个空缺的职位对应着什么使命、什么工作，大家都会主动顶上。退一步说，就算没人接手，我也会尽全力扛起这份责任，保证公司正常运转。

这就是我的用人哲学，永远不要让不合适的人占据岗位，耐心等待那个对的人出现。经常有人问我，什么样的员工才算优秀员工，什么样的管理者才算卓越管理者。说来奇怪，我其实没有标准答案。因为能走到我面前的人，都足够聪明、足够能干。你随便找一个首席财务官，我敢保证他绝对胜任本职工作。其他岗位的候选人也是如此。在我看来，英伟达之所以能创造奇迹，关键不在于单个人的能力有多强，而在于团队成员之间的 “化学反应”。更重要的是，这源于我们的企业品格。这种品格，才是一家伟大公司的核心竞争力。市面上有很多公司都在做芯片，虽然是英伟达发明了 GPU，但从产量来看，我们其实是全球最小的 GPU 制造商。

这话听起来可能有点不可思议，但事实就是如此，很多不知名的厂商，GPU 产量都比我们高。很明显，英伟达的成功，绝不是靠产量取胜。我认为，真正的秘诀在于我们独特的企业文化和企业品格、团队在逆境中凝聚在一起的力量。在外人看来，我们似乎总是一帆风顺，但其实研发 Grace Blackwell 芯片的过程，差点拖垮了整个公司。但我们硬是咬牙扛了过来。这个项目的复杂度和规模都是前所未有的，外界对我们的期望也高得离谱。我们最终不仅达标，甚至超出了所有人的预期，而支撑我们做到这一点的，100% 是企业品格。这不是靠智商，也不是靠勤奋就能实现的，毕竟这个世界上，聪明又努力的人太多了。

这种企业品格，是没法通过面试来筛选的。但我始终相信一件事：几乎任何人进入英伟达之后，都会被这种品格所感染、所塑造。这就是我们公司最神奇的地方：我们能够承受挫折，能够直面各种艰巨的挑战，并且一次次从困境中突围。很少有公司的团队能做到这一点。通常来说，当公司遭遇重大挑战后，总会有人因为心存不满离开，或者因为被当成 “背锅侠” 而被解雇。在团队合作中，出了问题总要有人承担责任，这是毋庸置疑的，就像一场球赛输了，我们必须清楚是谁失误丢了球。

在英伟达，我们打造了一个足够安全的环境。过去这些年，包括我在内，很多人都犯过严重的错误，这些失误大家都看在眼里，但从来没有人因为犯错而被解雇。久而久之，英伟达就形成了自己独有的文化和特质。这种文化的核心，就是包容、宽恕，以及从错误中学习。对我来说，有两件事至关重要：只要团队里的每一个人，都为了共同的目标拼尽了全力，这就足够了。

敢叫板 20 岁新锐的黄仁勋，也有至暗时刻？

Jodi Shelton：刚才聊到 “痛苦与磨砺” 的理念，你可以再深入谈谈吗？我最近听 Andy Karp 在播客里说，“人生的二十几岁，要么用来享乐，要么用来打拼事业”。你认同这个观点吗？当然，不是每个人都能成为帕兰提尔或者英伟达的 CEO，但对年轻人来说，想要在事业上有所成就，到底需要付出什么？你想给年轻人传递怎样的职业与成功之道？

黄仁勋：Andy 很睿智，总能说出一些深刻的人生哲理。不过我对这类说法，倒没那么执念。我一直很佩服张忠谋先生，他一直工作到 80 多岁，思维依然敏锐得像一把刀。如果要在维基百科里查 “大器晚成” 这个词，配图说不定就是他。能在人生最具创造力的阶段，持续奋斗 50 年，这难道不是一件幸事吗？我自己也倾向于这种人生轨迹。对我而言，投身于有价值的事业，远比用后 20 年的时间环游世界更有意义，当然，环游世界本身也没什么不好，只是我现在就已经在满世界奔波了。

不得不承认，二十几岁的我，确实更聪明、专注力更强、思维速度也更快。但那个年纪的人，往往缺少一样至关重要的东西，阅历沉淀出的智慧、处理复杂问题的分寸感、制定长远战略的眼光，以及长线思维的能力。这些能力，光靠读书是学不来的。现在的年轻人可以刷短视频，通过共情去感受别人的经历，算是一种间接的经验积累，这种模仿式学习确实有价值。但还有一样东西，是无法通过旁观习得的，那就是坚韧的意志，是直面痛苦与挫折时，懂得如何应对的底气；是熬过精神内耗、挺过煎熬时刻、战胜内心恐惧的勇气。

经营公司的过程中，恐惧是真实存在的。我们的决策，关乎数万人的生计。当公司发展不顺时，一个感受不到恐惧、焦虑和脆弱的领导者，反而是不合格的。如果对结果毫不在意，那未免也太冷漠了。而这些真切的感受和应对的能力，只有亲身经历过，才能真正掌握。所以我觉得，两种人生选择没有绝对的对错。年轻时打拼，确实精力充沛，可以熬夜加班，可以付出十倍的努力，更容易早早取得成功。但我现在身上拥有的东西，是三十岁时的我完全不具备的。

如今的我，思维速度虽然慢了，但依靠智慧和经验积累的思维模型，能更快地找到正确答案。就算和二十岁的年轻人同台竞争，我也有信心不输给他。他们未必能胜过现在的我。

Jodi Shelton：那我们来聊点更私人的话题吧。能不能说说你的童年？哪些高光或至暗的经历，对你如今的性格特质产生了直接影响？

黄仁勋：我从来不觉得自己是天赋异禀的人，智商也算不上出众。小时候入学需要参加考试，我当时的成绩确实很不错，那会儿的考试还是全国性的。我记得母亲总是逢人就说，我是个非常聪明的孩子。不管这话是不是真的，她反复的肯定，无形中给了我一种压力，我必须变得足够聪明。这件事让我意识到，无论是为人父母还是做管理，给身边的人或者整个公司设定一个超出常理的高目标，往往能激发他们的潜能，让他们迎难而上。当然，也有人会被这样的目标吓退，但对我而言，这种激励起到了积极的作用。这是我第一个想到的童年片段。

另一件事，是关于我母亲的。当年我们学习英语的时候，她其实根本不懂英文，而且我觉得她可能连高中都没毕业。但这丝毫没有妨碍她每天教我们学英语。你可能会觉得不可思议，一个完全不懂英语的人，怎么教孩子学英语？她的方法很简单：买一本韦伯斯特词典，照着单词的拼写规律，写下英文单词，再标注上中文释义，把纸对折做成单词卡，然后逼着我们背下来。我们的发音准不准确，她其实也无从判断。但这件事，让我学到了一个道理：一个人只要有足够坚定的意志，就算暂时不知道该怎么做，也不该停下脚步。很多事情，其实并没有想象中那么难。小时候的这段记忆，我一直记到现在。

还有一段经历，是我们搬到肯塔基州之后。我当时是学校里年纪最小的孩子，就读的奥尼塔浸会学院坐落在山顶。每天上学，我都得走下山坡，穿过一条河，再走过一片广阔的田野，才能到达那所小小的学校。那是 1973 年，我是整个镇上第一个出现的中国孩子。镇上的那些孩子都很野，每次我过吊桥的时候，他们都会找我的麻烦。那座吊桥的桥面是木板铺的，有些木板已经缺失了，桥下的河水很深。而那些孩子，就守在桥的另一头等我。那时候我才 9 岁。

Jodi Shelton：天哪，才 9 岁。眼前是一条河，一座破吊桥，桥对面还有等着找麻烦的孩子，这简直太糟糕了。

黄仁勋：是啊，但我每天都得走这条路去上学。这大概就是童年时期的 “痛苦与磨砺” 吧。每天早上都是这样。下午放学回家后，我还有任务：打扫卫生间。那时候家里的每个孩子都有分工，我哥哥当时 11 岁，他的活儿是去烟草农场干活，而我的工作就是打扫卫生间，每天都要做。

Jodi Shelton：你觉得当年那些找你麻烦的孩子，知道你现在的成就吗？

黄仁勋：奥尼塔浸会学院的校长最近还发邮件给我呢。他们每年都会给我寄圣诞礼物，知道我喜欢吃肯塔基风味的香肠肉汁配饼干。

Jodi Shelton：这个爱好是在肯塔基养成的吧？

黄仁勋：没错。我记得我 45 岁生日的时候，家人带我回了一趟母校。当年食堂里做饭的阿姨们居然还健在，特意回来给我做了一顿饭。

Jodi Shelton：天哪，这也太暖心了。

黄仁勋：真的特别感动。她们给我做了正宗的肯塔基香肠肉汁配饼干，味道还是小时候的样子。

Jodi Shelton：你的父母见证了你的成功吗？

黄仁勋：当然，他们现在身体还很好，特别为我骄傲。他们对我的事情了如指掌，我父亲会读所有和我相关的报道。要是看到有人说我的坏话，他还会生气。我总劝他别什么都看，不然天天都得生气，别理会那些负面新闻。

Jodi Shelton：挺有意思的。现在功成名就了，你会怀念那些还没这么受关注的日子吗？会想念那些平凡的小事吗？比如你很爱车，现在却没什么机会开车了吧？我记得你是我认识的人里，第一个也是唯一一个拥有柯尼赛格跑车的人。

黄仁勋：克里斯蒂安・冯・柯尼赛格真是个天才设计师，那辆车太棒了。启动的时候，引擎声和蝙蝠侠的座驾一模一样。而且启动它得按七个步骤，因为动力实在太强劲了，不能随便让别人碰。不过我现在已经没有那辆车了，也确实很少开车了。

Jodi Shelton：会想念开车的感觉吗？

黄仁勋：有一点吧。我现在还是会关注新车，比如新款的法拉利，每次看到都觉得很惊艳，这些车真的是工程学的杰作。

Jodi Shelton：确实很厉害。我去过法拉利的工厂，亲眼看到一辆车从工业器械一步步变成顶级消费品，现在甚至成了艺术品，这个过程太震撼了。

黄仁勋眼中五年后的世界

Jodi Shelton：如果五年后我们再坐在这里，你觉得到那时的世界会是什么样子？哪些变化会让我们最惊讶？

黄仁勋：如果我们回归底层逻辑，再结合现实的实用性和技术落地的规律来判断，有几件事是可以预见的。首先，英伟达和整个行业在 AI 领域的投入，必将彻底改变计算机的运作模式 ，未来的计算机，将从 “由人类编程” 进化为 “在人类引导下自主学习编程”。过去我们是手把手教计算机学日语，未来我们只需要告诉它 “去学日语” 就够了。未来的计算机，将能够处理比现在大十亿倍的问题规模。这个变化的影响之大，我们现在甚至无法完全想象，因为提出解决方案是一回事，而能否构想出需要解决的问题，就是另一回事了。很多问题之所以无法被解决，往往是因为我们连如何定义和描述它们都做不到。

未来，无论是数字生物学、物理科学、量子物理还是材料科学的复杂难题，都会变得容易攻克。就算是交通拥堵这种日常问题，也能得到极大改善。就拿智能电网来说，现在的电网存在大量能源浪费，AI 会精准计算出所需的能源量，实现按需分配，从根本上避免过度供应造成的损耗。AI 解决这些日常难题的能力，会让人惊叹不已。到那时，每一个科学领域都会被重塑，当下所有的难题都会被技术赋能、迎刃而解。工具的速度提升了，难题自然就显得 “渺小” 了。举个例子，如果飞机的速度能达到 10 马赫，整个世界就会变得 “小” 很多， 喷气式飞机的出现，其实已经让世界变小了。

英伟达制造的计算机也是如此，极致的运算速度让所有问题都变得更容易被解决。就像 OpenAI 的研究人员曾经说的：“为什么不把整个互联网的数据都喂给计算机呢？” 因为在算力爆发之后，全球互联网的数据量，突然就显得微不足道了。现在我们看互联网数据，也会觉得体量很小，原因就在这里。这种心态，未来会渗透到几乎所有的科学领域。过去人们会说 “这是个无解的难题”，未来大家只会觉得 “这事儿很简单”。五年后，每一位科学家、工程师、企业家和创新者，都会抱着这样的心态。曾经的难题变得简单，我们就能解决更多的问题。这是第一个必然结果。

第二个结果，就是企业的生产效率会实现质的飞跃。今天的难题变成明天的小事，供应链管理会变得无比顺畅，浪费现象基本消失；计算机的设计流程也会简化，我们可以尝试更多的方案。这并不是说我们会每年推出更多的产品，我们还是保持一年一款的节奏，但每一款产品都会经过更多次的迭代优化，最终呈现的成品会比现在好得多。这样一来，公司的效率会更高，利润会更丰厚，所有企业都会变得更赚钱，整个社会的财富也会随之增长。但还有一个值得深思的点：当所有我们能想到的问题都变得可以解决时，我们就会去探索更多新的问题。

所以，未来的趋势不会是就业岗位减少，反而是大家会变得比现在更忙碌。因为以前那些被认为 “不可能完成” 的任务，现在都摆上了台面；那些因为成本太高而无法开展的实验，现在都可以去尝试，AI 还会帮我们推进这些实验。只要我们有足够的想象力，所有搁置的难题，都会找到解决的路径。我可以做一个思想实验。现在我工作时，身边围绕着 60 位顶尖人才，而他们每个人又带着数千名精英。这些人在各自的领域里，能力都远超于我，对我来说，他们就像是 “领域内的人工超级智能”。但和他们合作，我完全没有障碍。现在我使用的 OpenAI、Gemini、Grok、Perplexity、Anthropic 这些 AI 工具，在很多方面也已经比我聪明了，但我每天都在和它们高效协作。

不过有一个很有意思的变化：以前我给团队布置一个问题，需要等两三天才能得到反馈和答案，这段时间里我可以思考下一步的计划 ，因为我的决策需要基于这些中间结果。但如果这些答案能在一秒钟内就反馈给我，会发生什么？我的工作节奏会变得无比紧凑，因为我会成为所有事情的关键节点。刚得到一个答案，立刻就要推导下一步，马上启动新的实验。你不觉得吗？现在信息技术的提速，已经让我们变得更忙碌了。信息、知识和答案的获取速度越来越快，我们作为决策节点，自然会比以往更忙。我觉得未来很多人都会有这种感受。

最后一点，对于那些没能赶上之前科技浪潮的人来说，AI 会填平技术鸿沟。我特别喜欢 “氛围编程” 这个概念，现在任何人都可以成为软件程序员，借助 AI 写出的代码，甚至比很多专业程序员的作品还要好。我很欣赏 Cursor 这家公司的成果，前几天还见到了 Lovable 的 CEO，他是个很厉害的人，他们的公司在瑞典。AI 会帮助那些在自己的领域很有天赋，但不懂如何用技术放大自身能力的人实现能力的跃迁。Lovable 的 CEO 就跟我说过，很多人用他们开发的软件创办了小公司，现在每年能赚 2300 万美元。这太不可思议了。这些人终于能融入全球经济体系，不再被技术门槛挡住去路，这一切都是 AI 的功劳。

五年后的世界，大家会拥有更有价值的工作，经济效率会大幅提升，GDP 有望实现增长，劳动力短缺的问题会得到缓解，通货膨胀也会回落。更多的科学领域会被开拓，更多的难题会被解决。当然，也有一些悲观的论调，认为 AI 会让一半的人失去工作。但我觉得，更可能发生的情况是：100% 的工作岗位都会发生变化，但不会有 50% 的岗位消失。而且，那些现在没有工作的人，很可能会因为 AI 获得谋生的手段。

当然，我们的技术会发生翻天覆地的变化，但这些技术层面的革新，反而不是最有意思的。五年后，计算机还是计算机，只是应用变得更智能了，本质上还是软件。我们依然会做电商，只是可能不用自己逛网站了，会有智能代理帮我们购物，但商品还是来自亚马逊这些平台。很多事情，其实都会保持原样。最后我还有一个小小的愿望或者说期待：希望我们在机器人和人形机器人领域的研究能结出硕果，希望未来每个人都能拥有属于自己的 R2-D2 和 C-3PO，它们可爱又贴心。就像在 GTC 大会上，我每次都会邀请迪士尼的机器人上台，那些机器人真的太萌了。

为什么不让每个人都拥有一个呢？我还希望迪士尼能把这些机器人做成周边商品，它们真的值得。我的宠物猫莫莫和库玛，也需要这样的 “宠物玩伴” 不是吗？我真心希望这个愿望能实现。现在有很多孤独的人，已经有不少人联系过我，希望能拥有可以在家陪伴自己的机器人，尤其是那些独居的老人。机器人能给他们带来陪伴和帮助，而且它们本身又那么可爱，这绝对是我们技术发展带来的意外之喜。

Jodi Shelton：如果以后有机器人帮我们做饭、打扫卫生，你还会像现在这样，饶有兴致地看着别人做饭吗？

黄仁勋：当然会。原因很简单，我现在完全有能力不用自己做饭，但我还是会选择下厨。我们完全可以雇很多佣人，但我们没有这么做。我和洛里一直都是两个人自己过日子。昨晚她做了墨西哥辣椒肉酱，味道棒极了，全程都是她一个人忙活的。以后我们大概率还会保持这样的生活。对我来说，最幸福的时刻，就是孩子们回家来，我们一起下厨做饭，喝喝小酒，这就是最完美的时光。

Jodi Shelton：一家人在厨房里忙活，这种亲密感真的太美好了。

黄仁勋：是啊，人生的幸福莫过于此。我们打拼奋斗，不就是为了这样的时刻吗？

“不爱演讲的黄仁勋”：CEO 是公司里最脆弱的一群人

Jodi Shelton：当一切尘埃落定，你希望后人如何记住你？

黄仁勋：首先，能被人记住，本身就是一件很幸运的事。我很庆幸，凭借英伟达的成就，凭借我们打造的事业，凭借我们在全球最重要的科技产业：人类最核心的工具 “计算机” 领域留下的印记，英伟达很可能会在我离开这个世界很久之后，依然对这个世界有着重要的意义。我很庆幸自己能和克里斯、柯蒂斯一起创立这家公司，很庆幸自己能一路学习成长，没有成为拖垮公司的那个短板，反而常常是推动公司走下去的一份力量。我们打造的这家企业，对整个世界都有着深远的影响，而不只是局限于某个行业或某个群体。

能做到这一点的人，在这个世界上并不多。我很庆幸自己作为创始人，能亲身参与并见证这一切，见证英伟达成长为如今的模样，见证它对全球各行各业产生实实在在的影响。公司里有很多已经工作了 33 年的老员工，他们的人生因为英伟达变得更加丰盈；现在甚至已经有第二代、第三代员工加入我们。我们在全球各地建立了自己的团队，我很荣幸能和这些员工并肩作战，分享他们一路走来的绝望与喜悦、希望与悲伤。这样的经历，并不是每个人都能拥有的。我为我们在中国的团队感到骄傲，为我们在印度的员工们由衷赞叹，也为欧洲、加拿大的团队感到欣慰。我们在加拿大的团队正在不断壮大。

我还希望有朝一日，英伟达能把业务拓展到南半球，让更多地区的人们，也能享受到我们今天所拥有的技术成果。昨天我还和人聊起我们在非洲开展的工作，聊到我们应该在拉美和东南亚投入更多精力。我真的为我们公司带来的这些影响感到自豪。所以，人们会怎么记住我？或许，他们会记得我是英伟达的创始人之一，是这家公司的缔造者之一。或许，还会记得我是个好人。

Jodi Shelton：这是毋庸置疑的。

黄仁勋：他们或许还会觉得，我是个风趣幽默的人，不喜欢端着架子。其实在很多方面，我都算是一个 “不情愿的 CEO”。比起待在公司外面抛头露面，我更喜欢扎根在公司内部；比起发表演讲，我更喜欢安静做事；我甚至一点都不喜欢做主题演讲，但为了公司，我必须去做这些事。我确实是个不太情愿的 CEO，但我绝对是个满腔热忱的英伟达建设者。只要是为了公司发展必须做的事，我都会全力以赴。说了这么多，其实我也不知道，人们最终会如何记住我。

Jodi Shelton：我觉得，看到好人获得成功，总是一件令人开心的事。这么多年来，看着你一路打拼，经历起起落落，最终收获成功，我真的由衷地为你高兴。你这一路走来，见过了形形色色的人。

黄仁勋：是啊，真的见过了太多人。我想提醒所有的 CEO，没有人能单枪匹马地成功。

Jodi Shelton：确实如此。

黄仁勋：我们虽然是 CEO，但这个位置总需要有人来坐。如果不是早年大家对我的提携与帮助，比如你一直不遗余力地宣传英伟达还有张忠谋奖带来的认可，这些都对我意义重大。张忠谋奖大概是我人生中获得的第一个真正有分量的奖项，直到今天，它对我来说依然意义非凡。这个奖项以他的名字命名，而且他还亲自参与了评选，这份认可真的让我铭记于心。还有那些和我们合作的企业，他们的慷慨相助，我也一直记在心里。

其实 CEO 这个角色，很多时候都需要寻求帮助。我已经记不清有多少次，我是这样开启一段对话的：“我需要你的帮助。” 很多时候，我是真的需要帮助，而且对方往往是唯一能帮到我的人。一路走来，很多人都慷慨地伸出援手，分享他们的知识，教我做事的方法，帮我解决棘手的难题。这或许才是 CEO 这个角色带给我的真正启示，这个职位远比人们想象的要脆弱得多。

Jodi Shelton：而且还是一个很孤独的职位，对吧？

黄仁勋：确实可能会感到孤独。但我想说，这种孤独更多是存在于我们的内心世界。当你试图解决一些棘手的难题时，往往需要长时间独自思考，自己跟自己对话。公司发展的每一次转型、每一次跨越，每一次我推动公司自我革新的时刻，我都不知道自己独自思考了多少个小时。在那些时刻，你会真切地感受到孤独。但我们也要明白，其实有很多人都希望我们能成功。就像你之前说的，你很乐意看到我成功，我知道你是真心希望我好，而我也同样希望你能越来越好。从这个角度来说，我们其实并不孤单。

所以说，CEO 这个职业，是一份充满脆弱感的工作。你无法单打独斗完成任何事，很多时候都需要依赖别人的帮助与善意。或许在外界看来，我们是强大的领导者，但实际上，我们可能是公司里最脆弱的一群人。我经常说，我是公司里唯一一个离开别人的帮助就寸步难行的人。我想，大多数 CEO 应该都是如此。这或许就是这份职业带给我们的感悟：CEO 们，远比他们愿意承认的要更加脆弱。不过对我来说，承认这种脆弱，并不是什么难事。

“没有终极目标” ，才成就了英伟达？

Jodi Shelton：接下来我们用快问快答收尾。你见过的最聪明的人是谁？

黄仁勋：这个问题我没法回答。我知道大家心里对 “聪明” 的定义，就是智商高、会解决问题、技术能力强。但在我看来，这种能力早已经成了一种 “通用品”。而且我们很快就能证明，AI 处理这类问题是最轻松的，不是吗？举个例子，以前大家都觉得软件编程是最考验智商的工作，结果呢？AI 最先攻克的领域之一就是编程。所以说，“聪明” 的定义，其实和大多数人想的完全不一样。

在我看来，从长远来讲，真正的 “聪明”，是那种兼具技术洞察力与人文同理心的能力，是能够洞察弦外之音、预判未知风险、看透表象背后本质的能力。那些能 “见人所未见” 的人，才是真正的聪明人，他们的价值是无可估量的。这种人能凭借数据、分析、底层逻辑、人生阅历、智慧经验，再加上对他人的感知，敏锐地捕捉到潜在的风险，在问题发生之前就提前规避。我觉得这才是 “聪明”，而且拥有这种能力的人，说不定在学术能力评估测试（SAT）里的分数惨不忍睹。

Jodi Shelton：外界对你有什么误解？

黄仁勋：这些问题都好犀利啊。首先，我都不知道外界对我有什么印象。

Jodi Shelton：比如，大家觉得你喜欢抛头露面，觉得你是个很棒的演讲者，所以肯定很享受做演讲的过程。但你之前已经说了，事实并非如此。

黄仁勋：对，完全相反。公开演讲简直让我怕得要死。不是说站在台上的那一刻害怕，而是现在，想到两周后在华盛顿举办的 GTC 大会，我就焦虑得不行。不，应该说，我已经焦虑一个月了。这种事总是让我心神不宁，脑子里时时刻刻都想着，压力特别大。公司内部的会议演讲也让我紧张到极致。因为台下坐的都是对我而言最重要的人，从某种程度上说，这是我做过的最重要的演讲。但这种演讲根本没法准备，我要讲的所有内容，其实都能在网上的某个视频里找到，他们完全可以自己去看。

我很讨厌把那些内容重复一遍讲给他们听，因为你绝不会回家对着家人做一场 GTC 主题演讲，对吧？我也不想那样做。演讲内容必须是真诚的、独一无二的、对听众有价值的、有意义的，能给他们带来改变。毕竟我还在领导这家公司，我希望通过演讲达成一定的目标。所以我必须拿出全新的内容，但不到演讲结束的那一刻，我永远不知道最终效果会怎么样。大家都觉得财报发布周我会很紧张，但说实话，我一点感觉都没有。真正让我紧张的，是公司的内部会议演讲。所以外界的这个印象，真的大错特错。

Jodi Shelton：你最受不了的事是什么？

黄仁勋：在关键时刻，有人不认真听我说话、不理解我的问题，还胡乱回答。尤其是在我们处理非常棘手、非常困难的问题时，我们需要的是事实，是真相。这个时候我提出问题，如果有人答非所问，我会立刻火冒三丈。我实在无法理解，为什么有人意识不到这场会议的重要性？我们正在为一件至关重要的事努力，我们需要尽快找到真相、解决问题。我到现在都想不通这一点，这种情况每次都会激怒我。谁要是想惹我生气，这招百试百灵。

Jodi Shelton：这下我们知道怎么让黄仁勋发火了。

Jodi Shelton：最后一个问题，是最近有人问我的，我特别喜欢这个问题。如果让你回到 20 岁，你是想回到自己当年的那个年代，还是活在当下的 20 岁？

黄仁勋：我会毫不犹豫地回到自己的那个年代。因为我觉得，我们那一代人的 20 岁，比现在年轻人的 20 岁更快乐。我总觉得，每个人都应该拥有一段 “懵懂无知” 的时光，不必从第一天起就背负着全世界的重担。我坚信这一点，没人能说服我。有时候，“无知” 也是一种快乐，甚至是一种超能力。如果当初我知道创立英伟达是一件 “不可能完成的任务”，那今天的英伟达根本就不会存在。事实就是，创立英伟达这件事，本来就是天方夜谭。但当时的我什么都不懂，所以没人能说服我放弃。

我觉得，乐观的人都这样，你永远没法说服他们 “这件事做不成”。他们就是这么 “无知”，对现实的艰难视而不见，所以才会充满乐观。这难道是坏事吗？现在的年轻人，过早地接触到了太多信息，变得越来越愤世嫉俗。他们并不是天生就这么消极，而是因为看到的东西太多太杂了。其实大可不必如此。人需要培养内心的乐观精神，需要在心里留存一份善意，学会只看到世界美好的一面。我们得锻炼这种能力。我们那一代人，有更多这样的机会。我们 20 岁的时候，就是这样的，乐观得像超人一样，觉得凡事皆有可能。所以，我肯定会选择回到自己的 20 岁。

Jodi Shelton：真是个完美的收尾。无知是福啊。

黄仁勋：没错，无知是福，无知也是一种超能力。任何一个想要开启新征程的人，如果不是因为这份 “无知”，他们一早就会因为觉得事情太难而放弃了。我真的很庆幸，自己当年虽然也算勤奋、也算有一些能力，但那份 “无知” 帮了我大忙。我那时候做任何事都抱着一种心态：“这能有多难？” 结果后来才发现，简直难到超乎想象。你根本没法想象。你看看我今天建立的这一切，如果当初我就知道前路会有这么多艰辛、这么多挫折、这么多失望，把这些困难全都摆在我面前，我绝对不会去做的，绝对不会。所以说，“无知” 真的是一种超能力。

还有一种超能力，就是“没有终极目标”。英伟达就没有什么终极目标。总有人问我：“黄仁勋，你的计划是什么？” 我们没有计划，“活下去” 就是我们的计划。我们对未来的世界有憧憬，我们会畅想技术会如何改变世界，但我们 100% 的计划，就是让公司一直运营下去。以前也有人问我，现在也经常有人问：“黄仁勋，你的人生目标是什么？” 我没有什么人生目标，就是想一直工作，一直有事可做，能和一群优秀的人一起做有意义的事。这就是我的目标。

所以说，从很多方面来讲，“没有终极目标” 这一点，对英伟达的发展真的起到了至关重要的作用。

参考链接：

https://www.youtube.com/watch?v=8FOdAc_i_tM

整理 | 华卫

“世界上不会再出现第二个我这样的 CEO 了。”近日，英伟达联合创始人兼首席执行官黄仁勋（Jensen Huang）在一场私人访谈中这样说道。

据称，这场深度对话已经酝酿了三十年，将黄仁勋鲜为人知的一面展现在大众眼前。主持人 Jodi Shelton 与黄仁勋的职业交集始于三十余年前，彼时，图形处理器（GPU）尚未掀起席卷全球的 AI 革命。从加速计算的源头到生成式 AI 的前景，这场对话堪比一堂远见大师课。

在访谈中，黄仁勋表示，从某种意义上说，英伟达其实有 61 位 “CEO”。过去这些年，包括他在内，很多人都犯过严重的错误，但在英伟达，从来没有人因为犯错而被解雇。“我们打造了一个足够安全的环境。”他还透露，CEO 这个职位，远比人们想象的要脆弱得多。“实际上，我们可能是公司里最脆弱的一群人。不过对我来说，承认这种脆弱，并不是什么难事。”

有意思的是，他提到，在很多方面，自己都算是一个 “不情愿的 CEO”。“公开演讲简直让我怕得要死。比起待在公司外面抛头露面，我更喜欢扎根在公司内部；比起发表演讲，我更喜欢安静做事；我甚至一点都不喜欢做主题演讲，但为了公司，我必须去做这些事。”

此外，黄仁勋称，英伟达的成功，绝不是靠产量取胜。“虽然是英伟达发明了 GPU，但从产量来看，我们其实是全球最小的 GPU 制造商。很多不知名的厂商，GPU 产量都比我们高。”而“没有终极目标” 这一点，对英伟达的发展真的起到了至关重要的作用。

对于五年后的世界，黄仁勋断言，英伟达和整个行业在 AI 领域的投入，必将彻底改变计算机的运作模式，未来的计算机，将从 “由人类编程” 进化为 “在人类引导下自主学习编程”。并且，100% 的工作岗位都会发生变化，但不会有 50% 的岗位消失。未来的趋势不会是就业岗位减少，反而是大家会变得比现在更忙碌。并且，那些现在没有工作的人，很可能会因为 AI 获得谋生的手段。

网友们纷纷就此次访谈对黄仁勋评价道，“我从未见过他如此坦诚直率，真是不可思议。”

以下是详细对话内容，我们在不改变原意的基础上进行了翻译和删减，以飨读者。

“走了整整 33 年才看到成果”

Jodi Shelton：大众其实特别好奇像你这样的人，毕竟你们正在定义科技的未来，而科技的未来就是整个世界的未来。所以我们想做的，是挖掘你成功光环背后的个人经历以及支撑你走到今天的价值观。你对这个定位怎么看？

黄仁勋：说实话，不太喜欢。

Jodi Shelton：真的不喜欢吗？可你现在是名人啊，大家都想了解名人的故事。

黄仁勋：我从不觉得自己是名人，也根本不是什么名人。我只是恰好执掌着一家举足轻重的企业，是这家堪称史上最成功的科技公司之一的 CEO。很早以前，我们就做了一些正确的决策。回溯到 1993 年，我们就立志要重塑计算行业，而且对于计算机的架构，我们有着自己独到的见解。在很长一段时间里，这个观点都不被看好，甚至颇具争议。要知道，当时整个行业的焦点都在微处理器和 CPU 上。说起来，我和你就是在那个时期认识的。我们早在 1993 年底或者 1994 年就相识了，对吧？从那时起，英伟达就在做我们现在依然在做的事：重塑计算。

Jodi Shelton：没错，我记得很清楚。那时候的硅谷，正处在 CPU 为王、摩尔定律大行其道、个人电脑革命如火如荼的年代。

黄仁勋：是啊。而且我们早期的客户，全都是 PC 芯片组领域的初创公司。这些企业可以说是半导体行业辉煌版图的奠基者，像 Cirrus Logic、S3 Graphics、Western Digital、Trident Microsystems，你还记得这些名字吗？

Jodi Shelton：当然记得。

黄仁勋：这些公司，称得上是英伟达的 “前辈”。而现在，我们依然在这条路上前行，致力于打造一种全新的计算模式。这条路，我们走了整整 33 年才看到成果。我只是恰好成为了这家公司的 CEO，仅此而已。

Jodi Shelton：可能对你来说，这一切是水到渠成，但对整个世界而言，英伟达的崛起堪称横空出世。大概从 2023 年 11 月起，整个世界的科技格局都因你们而改变。你是怎么看待这次转型的？

黄仁勋：要知道，想要创造未来，就必须在未来到来之前，先置身于未来之中。坦诚地说，从我们发明 CUDA 技术、推出相关产品的那一刻起，就已经踏上了通往未来的道路。英伟达最让我骄傲的一点是：我们不仅擅长技术发明，更擅长把技术转化为产品推向市场。世界上有太多的公司、科研人员和发明家，他们确实创造出了先进的技术，但最后往往只能感慨 “这个技术我早就做出来了”、“这个想法我早就有了”。每次听到这种话，我都觉得很惋惜。这些优秀的发明家，遗憾的是没能遇上同样优秀的产品创新者。

所谓产品创新者，就是能把一项技术发明转化为一款能推向市场的成熟产品的人。而这还不够，你还得为产品制定精准的市场策略，甚至需要亲手培育出一个全新的市场，让市场能够接纳你研发的产品和制定的策略。英伟达就是这样一家公司，我们具备技术发明、产品创新、策略制定、生态构建乃至市场培育的全链条能力，而且我们已经多次成功做到了这一点。所以对我来说，这种 “身处未来” 的状态，已经持续了很长时间。

Jodi Shelton：确实如此。

黄仁勋：很久以前，我们有一个战略，现在已经不怎么提了，叫 “CUDA 无处不在”。很多人都听过我当年四处推广 CUDA 的故事，跑遍各大高校、初创企业和成熟企业。有时候，台下听众加起来也就三个人，但我还是会掏出笔记本电脑，为他们演示 CUDA，告诉他们这项技术将如何改变世界。我走访了无数科研机构和实验室，参加了数不清的行业会议，推广 CUDA 的次数，估计比世界上任何人都多。长久以来，我一直沉浸在这样的 “未来图景” 里，讲的故事多了，甚至会产生一种 “未来已经到来” 的错觉。

Jodi Shelton：确实有这种感觉。

黄仁勋：所以现在看到这一切成为现实，我依然满心欢喜。而且在我看来，这一切其实并不意外，因为支撑英伟达发展的是计算机科学领域最根本的底层逻辑，不是靠一时的直觉，也不是凭主观的喜好。从很多方面来说，如今的成果是一种必然。但我想说的是，当你把一件事物的速度提升一千倍，或者规模扩大一千倍、体积缩小一千倍时，无论这件事物原本是什么，都会发生质的飞跃。而这种质变最终带来的结果，往往是超乎想象的。

我们早就预见到深度学习技术有着巨大的扩展潜力，这也是我们举全公司之力押注这一领域的原因。我们知道，AlexNet（深度卷积神经网络）绝不会是深度学习的终点，这种技术架构天生具备极强的可扩展性，再加上全球海量的数据资源，深度学习的爆发是水到渠成的事。不过我当时也清楚，有一项技术会成为我们前进路上的障碍，那就是无监督学习，或者说自监督学习，也就是让计算机摆脱人工标注数据的束缚，实现自主学习。因为人工标注数据的效率，迟早会成为技术发展的瓶颈。而当无监督学习技术取得突破的那一刻，我就知道，我们的时代来了。

就在不久前的投资者路演上，还有人跟我说，我当时就明确跟他们提过这场 “质变”。如果你去回看当时的财报电话会议，就会发现每当谈到对世界至关重要的技术话题时，我都会把这一点讲得非常透彻。在每一场投资者路演，在每一个我演讲的场合，我都会强调这个观点。如今，无监督学习技术确实取得了重大突破，深度学习的规模效应也彻底释放出来，我们才算真正驶入了发展的快车道。但即便如此，这项技术如今能解决的问题，依然让我感到惊喜。我们早就预料到技术会发生质变、计算平台会迎来变革，但我们没想到，变革的成果如此丰硕。

我们现在能够解读蛋白质的 “语言”、细胞的 “语言”、量子的 “语言”，能够读懂世间万物的各种表征形式。过去我们用来描述信息的方式，如今正在被彻底重塑。从几何图形、纹理材质到如今的 3D 高斯和 3D 点云，信息的呈现形式日新月异。这种感觉就好像人类突然变得无比聪慧，连英语这种语言体系都随之改变了。我们不再沿用过去的词汇、语法和句式，因为我们的智慧已经进化到了一个全新维度，能够用一种全新的方式进行交流。或许未来人类的交流方式会变成简单的 “嘀嘀嗒嗒” 的信号声。这让我想起了电影《降临》里的场景，人类突然开始用抽象的图形进行沟通，仅仅通过图形就能传递海量的信息，实现更深层次、更高效率的交流。

最不可思议的是，我们现在解决的很多问题在过去是完全无法想象的，而且解决问题的速度也远超以往。过去我们常说摩尔定律，而现在英伟达的发展速度完全可以用 “英伟达定律” 来形容，比过去快了整整一千倍。未来十年必将是波澜壮阔的十年，光是想想就让人无比兴奋。

Jodi Shelton：要做到你所做的这些事，要能够预见未来，并且坚信未来一定会到来，需要何等强大的自信啊。就像你之前说的，我们 1994 年就认识了，这么多年来，你一直都是这个样子。

黄仁勋：是啊，我记得很清楚。

Jodi Shelton：那时候我才二十几岁。你应该比我大一点吧？

黄仁勋：当时我差不多 29 岁，快 30 岁了。

英伟达有 61 位“CEO”，从没有人因犯错而被解雇

Jodi Shelton：我还记得我们第一次见面的场景，当时我是为了给杂志写稿采访你。我问你：“黄仁勋，硅谷人才流动频繁，很多人来了又走，你会担心这个问题吗？” 毕竟当时很多 CEO 都在抱怨这件事。而那时你才 29 岁或 30 岁，你是这么回答我的：“英伟达既不是教堂，也不是监狱。想来的人可以来，想走的人也可以走。” 我当时听完特别震撼，心里想着：“这个人到底是谁啊？” 年纪轻轻，却有着如此的自信和智慧。我还听过一个类似的故事，张忠谋（ Morris Chang）第一次见到你的时候，你当场就说：“我会成为你最大的客户，至少也是最大的客户之一。” 他当时的反应是：“哇，这小伙子可真有魄力。” 所以我很好奇，你这么年轻的时候，这份自信是从哪里来的？

黄仁勋：哈哈，你要知道，什么都懂其实也挺痛苦的，我开玩笑的。对了，张忠谋要是知道英伟达现在是台积电最大的客户，一定会很开心的。

Jodi Shelton：那是肯定的，他肯定会为你感到骄傲。

黄仁勋：我也为他感到骄傲。要知道，在个人电脑革命时期，英伟达就曾是台积电最大的客户。如今，我们再次成为了他们最大的客户，对此我感到非常欣慰。言归正传，我觉得一个人必须坚信自己所相信的东西。而且这份信念，不能建立在道听途说之上，不能因为别人说了什么，你就去相信什么。你必须认真思考，梳理出自己相信这件事的逻辑，并且把这些逻辑拆解成可靠的底层原则。之后，你还需要定期检验这些原则，确保你所秉持的信念、所付诸的行动，都是建立在坚实的基础之上的。

如果这个基础不够稳固，或者因为某些原因发生了变化，那就说明它可能并非真正的底层原则 ，也许它并没有锚定在物理规律或客观事实之上。一旦出现这种情况，你就要重新评估，然后及时调整方向。我一直都是这样做的。而且，如果你真心相信一件事，就应该付诸行动去实现它。我从 1993 年起就坚信我们正在做的事情，直到今天，这份信念依然没有改变。正因为坚信不疑，所以我才会不断地推演，不断地在脑海里进行逻辑梳理。我会持续复盘过去的决策，也会不断预判未来的趋势。

就像昨天我们开了那么多场会议，每场会议上，我都会重新梳理我们一路走来的逻辑。你会发现，过去的那些假设，有些是正确的，但也有些是错误的。正是因为我们足够灵活，能够根据实际情况及时调整方向，才最终走到了今天。所以，时常回头复盘、重新推演过往的决策，是一件很有意义的事，它能帮你更好地锻炼向前推演的能力。正因为我一直坚持这样做，所以我始终活在自己认定的真相里。直到现在，我依然觉得自己只是英伟达的一名员工。我非常在乎这家公司，但公司里有很多人都和我一样，对这家公司倾注了深厚的感情。

在一家治理完善的公司里，CEO 的角色定位是很明确的。CEO 需要向董事会汇报工作，而董事会则要对股东负责。如果 CEO 的工作表现没有达到董事会的预期，不管董事会有 12 位、13 位还是 15 位成员，他就会被解雇。所以说，CEO 其实也是公司这个组织里的一名员工。这就是为什么我说，英伟达既不是教堂，不是想来就能来；也不是监狱，不是想走都走不了。这种心态能让你始终保持脚踏实地，保持谦逊，保持锐意进取的状态，因为你必须每天都努力，才能对得起自己的这份工作。

有时候会有人问我：“黄仁勋，你热爱自己的工作吗？” 我会告诉他们，我并非每天都热爱这份工作，但我每天都会全力以赴去做好它。我觉得，这种态度源于两个方面：第一，我坚信自己是这份工作的最佳人选；第二，我必须每天都努力，才能配得上 “最佳人选” 这个身份。

Jodi Shelton：在大家眼里，你就是英伟达的代名词，英伟达就是你。这么多年下来，你已经和这家公司深度绑定了。

黄仁勋：我应该是英伟达内部被拍照最多的人吧。

Jodi Shelton：没错。不过，要是将来换了新的 CEO，这个人真的能接好你的班吗？

黄仁勋：世界上不会再出现第二个我这样的 CEO 了。原因很简单，我是被这家公司一步步培养起来的。刚创立英伟达的时候，我对怎么当 CEO、怎么做战略规划、怎么打造产品、怎么开创一个全新的行业，一窍不通。我只知道怎么融资，却不懂怎么和股东沟通，不了解股东、政策制定者、各国领导人以及企业管理者的想法，也不知道该如何把握员工的心态、如何打造企业文化，甚至连 “企业文化” 这个词到底意味着什么，我都无法准确界定，让我制定公司战略那更是天方夜谭。这就是我第一天接手工作时的真实状态。而在过去的 33 年里，我在这些领域都一步步做到了得心应手。

如果说这个世界上有谁能称得上是 “企业战略宗师” 或者 “行业开创者”，那这个人大概就是我这样一个小个子。我把自己的整个职业生涯都投入到学习这些能力上，而且我本身就是个好学生。除此之外，我对这份工作的投入程度和深厚感情，是很难通过招聘来复制的。在我心里，英伟达就像我的孩子一样，我对它倾注了全部的心血。我的家人也陪着我一起，为这家公司的成长付出努力。这种对公司的特殊情感，是很难被替代的。毕竟 33 年来，我见证了英伟达的每一次成功、每一次失败、每一次挫折，亲历了它做过的所有明智决策，也目睹了它犯下的各种错误。这种对公司的深刻理解和情感联结，不是随便招一个能力出众的人就能替代的。

不过从另一方面来说，英伟达的管理团队架构其实早就做好了准备。我现在有将近 60 位直接下属，他们中的每一个人，放到其他公司都能胜任世界级 CEO 的职位。我总是当着他们的面推演各种决策逻辑，我的每一个决定，都是在他们的注视下做出的，我会把背后的思考过程原原本本地讲给他们听。公司的每一次成功、每一次挫折、每一个挑战、每一场困境，我都会和他们一起复盘。所以从某种意义上说，英伟达其实有 61 位 “CEO”。他们每个人都对这家公司饱含深情，很多人已经在这里奋斗了 33 年。我认为，英伟达的成长模式是独一无二的，这也造就了它无可比拟的韧性。

Jodi Shelton：显然，你搭建的这套管理架构在行业内已经成了一段传奇，所有人都在谈论你这近 60 位直接下属。要让这样的架构顺畅运转，这些人肯定都得是万里挑一的顶尖人才。

黄仁勋：没错。

Jodi Shelton：他们不光要头脑聪明，毕竟硅谷从来不缺聪明人，更得是适配英伟达的顶尖人才。

黄仁勋：确实如此。

Jodi Shelton：那你能不能跟我说说，你是怎么筛选和培养这些人才的？另外，我记得你有个原则，找不到合适的人，就宁可让职位空着。我想到了 Colette Kress 的例子，你当时面试了 22 位首席财务官候选人，最终才选定了她。现在她在华尔街已经是一位传奇人物了。你当初是怎么选中她的？你选拔这类核心人才的标准是什么？

黄仁勋：在我看来，宁让职位空着，也不能让不合适的人占着位置，所以我从来不会急于招人。就算 CEO 的位置暂时空缺，或者某个副总裁职位没人接任，公司的运转也不会停滞。只要你坚信这一点，坚信 “空位胜于错配”，你就有足够的时间去寻找那个真正合适的人。这个合适的人选，需要满足很多条件，其中很重要的一点，就是你得发自内心地欣赏他、认可他。

我记得 Colette Kress 入职第一周的时候，就问过我：“黄仁勋，你希望我在首席财务官这个岗位上干多久？” 我告诉她：“只要我们还活着，只要死亡不将我们分开，你就一直干下去。” 因为任何其他答案都是没有意义的。这份工作没有所谓的 “截止日期”，唯一的终点，就是当她觉得英伟达不再适合自己的时候。这个原则不仅适用于 Colette，也适用于我那 60 位直接下属。我愿意为了等待合适的人，让职位空很久。而在这个过程中，公司依然会稳步向前。无论这个空缺的职位对应着什么使命、什么工作，大家都会主动顶上。退一步说，就算没人接手，我也会尽全力扛起这份责任，保证公司正常运转。

这就是我的用人哲学，永远不要让不合适的人占据岗位，耐心等待那个对的人出现。经常有人问我，什么样的员工才算优秀员工，什么样的管理者才算卓越管理者。说来奇怪，我其实没有标准答案。因为能走到我面前的人，都足够聪明、足够能干。你随便找一个首席财务官，我敢保证他绝对胜任本职工作。其他岗位的候选人也是如此。在我看来，英伟达之所以能创造奇迹，关键不在于单个人的能力有多强，而在于团队成员之间的 “化学反应”。更重要的是，这源于我们的企业品格。这种品格，才是一家伟大公司的核心竞争力。市面上有很多公司都在做芯片，虽然是英伟达发明了 GPU，但从产量来看，我们其实是全球最小的 GPU 制造商。

这话听起来可能有点不可思议，但事实就是如此，很多不知名的厂商，GPU 产量都比我们高。很明显，英伟达的成功，绝不是靠产量取胜。我认为，真正的秘诀在于我们独特的企业文化和企业品格、团队在逆境中凝聚在一起的力量。在外人看来，我们似乎总是一帆风顺，但其实研发 Grace Blackwell 芯片的过程，差点拖垮了整个公司。但我们硬是咬牙扛了过来。这个项目的复杂度和规模都是前所未有的，外界对我们的期望也高得离谱。我们最终不仅达标，甚至超出了所有人的预期，而支撑我们做到这一点的，100% 是企业品格。这不是靠智商，也不是靠勤奋就能实现的，毕竟这个世界上，聪明又努力的人太多了。

这种企业品格，是没法通过面试来筛选的。但我始终相信一件事：几乎任何人进入英伟达之后，都会被这种品格所感染、所塑造。这就是我们公司最神奇的地方：我们能够承受挫折，能够直面各种艰巨的挑战，并且一次次从困境中突围。很少有公司的团队能做到这一点。通常来说，当公司遭遇重大挑战后，总会有人因为心存不满离开，或者因为被当成 “背锅侠” 而被解雇。在团队合作中，出了问题总要有人承担责任，这是毋庸置疑的，就像一场球赛输了，我们必须清楚是谁失误丢了球。

在英伟达，我们打造了一个足够安全的环境。过去这些年，包括我在内，很多人都犯过严重的错误，这些失误大家都看在眼里，但从来没有人因为犯错而被解雇。久而久之，英伟达就形成了自己独有的文化和特质。这种文化的核心，就是包容、宽恕，以及从错误中学习。对我来说，有两件事至关重要：只要团队里的每一个人，都为了共同的目标拼尽了全力，这就足够了。

敢叫板 20 岁新锐的黄仁勋，也有至暗时刻？

Jodi Shelton：刚才聊到 “痛苦与磨砺” 的理念，你可以再深入谈谈吗？我最近听 Andy Karp 在播客里说，“人生的二十几岁，要么用来享乐，要么用来打拼事业”。你认同这个观点吗？当然，不是每个人都能成为帕兰提尔或者英伟达的 CEO，但对年轻人来说，想要在事业上有所成就，到底需要付出什么？你想给年轻人传递怎样的职业与成功之道？

黄仁勋：Andy 很睿智，总能说出一些深刻的人生哲理。不过我对这类说法，倒没那么执念。我一直很佩服张忠谋先生，他一直工作到 80 多岁，思维依然敏锐得像一把刀。如果要在维基百科里查 “大器晚成” 这个词，配图说不定就是他。能在人生最具创造力的阶段，持续奋斗 50 年，这难道不是一件幸事吗？我自己也倾向于这种人生轨迹。对我而言，投身于有价值的事业，远比用后 20 年的时间环游世界更有意义，当然，环游世界本身也没什么不好，只是我现在就已经在满世界奔波了。

不得不承认，二十几岁的我，确实更聪明、专注力更强、思维速度也更快。但那个年纪的人，往往缺少一样至关重要的东西，阅历沉淀出的智慧、处理复杂问题的分寸感、制定长远战略的眼光，以及长线思维的能力。这些能力，光靠读书是学不来的。现在的年轻人可以刷短视频，通过共情去感受别人的经历，算是一种间接的经验积累，这种模仿式学习确实有价值。但还有一样东西，是无法通过旁观习得的，那就是坚韧的意志，是直面痛苦与挫折时，懂得如何应对的底气；是熬过精神内耗、挺过煎熬时刻、战胜内心恐惧的勇气。

经营公司的过程中，恐惧是真实存在的。我们的决策，关乎数万人的生计。当公司发展不顺时，一个感受不到恐惧、焦虑和脆弱的领导者，反而是不合格的。如果对结果毫不在意，那未免也太冷漠了。而这些真切的感受和应对的能力，只有亲身经历过，才能真正掌握。所以我觉得，两种人生选择没有绝对的对错。年轻时打拼，确实精力充沛，可以熬夜加班，可以付出十倍的努力，更容易早早取得成功。但我现在身上拥有的东西，是三十岁时的我完全不具备的。

如今的我，思维速度虽然慢了，但依靠智慧和经验积累的思维模型，能更快地找到正确答案。就算和二十岁的年轻人同台竞争，我也有信心不输给他。他们未必能胜过现在的我。

Jodi Shelton：那我们来聊点更私人的话题吧。能不能说说你的童年？哪些高光或至暗的经历，对你如今的性格特质产生了直接影响？

黄仁勋：我从来不觉得自己是天赋异禀的人，智商也算不上出众。小时候入学需要参加考试，我当时的成绩确实很不错，那会儿的考试还是全国性的。我记得母亲总是逢人就说，我是个非常聪明的孩子。不管这话是不是真的，她反复的肯定，无形中给了我一种压力，我必须变得足够聪明。这件事让我意识到，无论是为人父母还是做管理，给身边的人或者整个公司设定一个超出常理的高目标，往往能激发他们的潜能，让他们迎难而上。当然，也有人会被这样的目标吓退，但对我而言，这种激励起到了积极的作用。这是我第一个想到的童年片段。

另一件事，是关于我母亲的。当年我们学习英语的时候，她其实根本不懂英文，而且我觉得她可能连高中都没毕业。但这丝毫没有妨碍她每天教我们学英语。你可能会觉得不可思议，一个完全不懂英语的人，怎么教孩子学英语？她的方法很简单：买一本韦伯斯特词典，照着单词的拼写规律，写下英文单词，再标注上中文释义，把纸对折做成单词卡，然后逼着我们背下来。我们的发音准不准确，她其实也无从判断。但这件事，让我学到了一个道理：一个人只要有足够坚定的意志，就算暂时不知道该怎么做，也不该停下脚步。很多事情，其实并没有想象中那么难。小时候的这段记忆，我一直记到现在。

还有一段经历，是我们搬到肯塔基州之后。我当时是学校里年纪最小的孩子，就读的奥尼塔浸会学院坐落在山顶。每天上学，我都得走下山坡，穿过一条河，再走过一片广阔的田野，才能到达那所小小的学校。那是 1973 年，我是整个镇上第一个出现的中国孩子。镇上的那些孩子都很野，每次我过吊桥的时候，他们都会找我的麻烦。那座吊桥的桥面是木板铺的，有些木板已经缺失了，桥下的河水很深。而那些孩子，就守在桥的另一头等我。那时候我才 9 岁。

Jodi Shelton：天哪，才 9 岁。眼前是一条河，一座破吊桥，桥对面还有等着找麻烦的孩子，这简直太糟糕了。

黄仁勋：是啊，但我每天都得走这条路去上学。这大概就是童年时期的 “痛苦与磨砺” 吧。每天早上都是这样。下午放学回家后，我还有任务：打扫卫生间。那时候家里的每个孩子都有分工，我哥哥当时 11 岁，他的活儿是去烟草农场干活，而我的工作就是打扫卫生间，每天都要做。

Jodi Shelton：你觉得当年那些找你麻烦的孩子，知道你现在的成就吗？

黄仁勋：奥尼塔浸会学院的校长最近还发邮件给我呢。他们每年都会给我寄圣诞礼物，知道我喜欢吃肯塔基风味的香肠肉汁配饼干。

Jodi Shelton：这个爱好是在肯塔基养成的吧？

黄仁勋：没错。我记得我 45 岁生日的时候，家人带我回了一趟母校。当年食堂里做饭的阿姨们居然还健在，特意回来给我做了一顿饭。

Jodi Shelton：天哪，这也太暖心了。

黄仁勋：真的特别感动。她们给我做了正宗的肯塔基香肠肉汁配饼干，味道还是小时候的样子。

Jodi Shelton：你的父母见证了你的成功吗？

黄仁勋：当然，他们现在身体还很好，特别为我骄傲。他们对我的事情了如指掌，我父亲会读所有和我相关的报道。要是看到有人说我的坏话，他还会生气。我总劝他别什么都看，不然天天都得生气，别理会那些负面新闻。

Jodi Shelton：挺有意思的。现在功成名就了，你会怀念那些还没这么受关注的日子吗？会想念那些平凡的小事吗？比如你很爱车，现在却没什么机会开车了吧？我记得你是我认识的人里，第一个也是唯一一个拥有柯尼赛格跑车的人。

黄仁勋：克里斯蒂安・冯・柯尼赛格真是个天才设计师，那辆车太棒了。启动的时候，引擎声和蝙蝠侠的座驾一模一样。而且启动它得按七个步骤，因为动力实在太强劲了，不能随便让别人碰。不过我现在已经没有那辆车了，也确实很少开车了。

Jodi Shelton：会想念开车的感觉吗？

黄仁勋：有一点吧。我现在还是会关注新车，比如新款的法拉利，每次看到都觉得很惊艳，这些车真的是工程学的杰作。

Jodi Shelton：确实很厉害。我去过法拉利的工厂，亲眼看到一辆车从工业器械一步步变成顶级消费品，现在甚至成了艺术品，这个过程太震撼了。

黄仁勋眼中五年后的世界

Jodi Shelton：如果五年后我们再坐在这里，你觉得到那时的世界会是什么样子？哪些变化会让我们最惊讶？

黄仁勋：如果我们回归底层逻辑，再结合现实的实用性和技术落地的规律来判断，有几件事是可以预见的。首先，英伟达和整个行业在 AI 领域的投入，必将彻底改变计算机的运作模式 ，未来的计算机，将从 “由人类编程” 进化为 “在人类引导下自主学习编程”。过去我们是手把手教计算机学日语，未来我们只需要告诉它 “去学日语” 就够了。未来的计算机，将能够处理比现在大十亿倍的问题规模。这个变化的影响之大，我们现在甚至无法完全想象，因为提出解决方案是一回事，而能否构想出需要解决的问题，就是另一回事了。很多问题之所以无法被解决，往往是因为我们连如何定义和描述它们都做不到。

未来，无论是数字生物学、物理科学、量子物理还是材料科学的复杂难题，都会变得容易攻克。就算是交通拥堵这种日常问题，也能得到极大改善。就拿智能电网来说，现在的电网存在大量能源浪费，AI 会精准计算出所需的能源量，实现按需分配，从根本上避免过度供应造成的损耗。AI 解决这些日常难题的能力，会让人惊叹不已。到那时，每一个科学领域都会被重塑，当下所有的难题都会被技术赋能、迎刃而解。工具的速度提升了，难题自然就显得 “渺小” 了。举个例子，如果飞机的速度能达到 10 马赫，整个世界就会变得 “小” 很多， 喷气式飞机的出现，其实已经让世界变小了。

英伟达制造的计算机也是如此，极致的运算速度让所有问题都变得更容易被解决。就像 OpenAI 的研究人员曾经说的：“为什么不把整个互联网的数据都喂给计算机呢？” 因为在算力爆发之后，全球互联网的数据量，突然就显得微不足道了。现在我们看互联网数据，也会觉得体量很小，原因就在这里。这种心态，未来会渗透到几乎所有的科学领域。过去人们会说 “这是个无解的难题”，未来大家只会觉得 “这事儿很简单”。五年后，每一位科学家、工程师、企业家和创新者，都会抱着这样的心态。曾经的难题变得简单，我们就能解决更多的问题。这是第一个必然结果。

第二个结果，就是企业的生产效率会实现质的飞跃。今天的难题变成明天的小事，供应链管理会变得无比顺畅，浪费现象基本消失；计算机的设计流程也会简化，我们可以尝试更多的方案。这并不是说我们会每年推出更多的产品，我们还是保持一年一款的节奏，但每一款产品都会经过更多次的迭代优化，最终呈现的成品会比现在好得多。这样一来，公司的效率会更高，利润会更丰厚，所有企业都会变得更赚钱，整个社会的财富也会随之增长。但还有一个值得深思的点：当所有我们能想到的问题都变得可以解决时，我们就会去探索更多新的问题。

所以，未来的趋势不会是就业岗位减少，反而是大家会变得比现在更忙碌。因为以前那些被认为 “不可能完成” 的任务，现在都摆上了台面；那些因为成本太高而无法开展的实验，现在都可以去尝试，AI 还会帮我们推进这些实验。只要我们有足够的想象力，所有搁置的难题，都会找到解决的路径。我可以做一个思想实验。现在我工作时，身边围绕着 60 位顶尖人才，而他们每个人又带着数千名精英。这些人在各自的领域里，能力都远超于我，对我来说，他们就像是 “领域内的人工超级智能”。但和他们合作，我完全没有障碍。现在我使用的 OpenAI、Gemini、Grok、Perplexity、Anthropic 这些 AI 工具，在很多方面也已经比我聪明了，但我每天都在和它们高效协作。

不过有一个很有意思的变化：以前我给团队布置一个问题，需要等两三天才能得到反馈和答案，这段时间里我可以思考下一步的计划 ，因为我的决策需要基于这些中间结果。但如果这些答案能在一秒钟内就反馈给我，会发生什么？我的工作节奏会变得无比紧凑，因为我会成为所有事情的关键节点。刚得到一个答案，立刻就要推导下一步，马上启动新的实验。你不觉得吗？现在信息技术的提速，已经让我们变得更忙碌了。信息、知识和答案的获取速度越来越快，我们作为决策节点，自然会比以往更忙。我觉得未来很多人都会有这种感受。

最后一点，对于那些没能赶上之前科技浪潮的人来说，AI 会填平技术鸿沟。我特别喜欢 “氛围编程” 这个概念，现在任何人都可以成为软件程序员，借助 AI 写出的代码，甚至比很多专业程序员的作品还要好。我很欣赏 Cursor 这家公司的成果，前几天还见到了 Lovable 的 CEO，他是个很厉害的人，他们的公司在瑞典。AI 会帮助那些在自己的领域很有天赋，但不懂如何用技术放大自身能力的人实现能力的跃迁。Lovable 的 CEO 就跟我说过，很多人用他们开发的软件创办了小公司，现在每年能赚 2300 万美元。这太不可思议了。这些人终于能融入全球经济体系，不再被技术门槛挡住去路，这一切都是 AI 的功劳。

五年后的世界，大家会拥有更有价值的工作，经济效率会大幅提升，GDP 有望实现增长，劳动力短缺的问题会得到缓解，通货膨胀也会回落。更多的科学领域会被开拓，更多的难题会被解决。当然，也有一些悲观的论调，认为 AI 会让一半的人失去工作。但我觉得，更可能发生的情况是：100% 的工作岗位都会发生变化，但不会有 50% 的岗位消失。而且，那些现在没有工作的人，很可能会因为 AI 获得谋生的手段。

当然，我们的技术会发生翻天覆地的变化，但这些技术层面的革新，反而不是最有意思的。五年后，计算机还是计算机，只是应用变得更智能了，本质上还是软件。我们依然会做电商，只是可能不用自己逛网站了，会有智能代理帮我们购物，但商品还是来自亚马逊这些平台。很多事情，其实都会保持原样。最后我还有一个小小的愿望或者说期待：希望我们在机器人和人形机器人领域的研究能结出硕果，希望未来每个人都能拥有属于自己的 R2-D2 和 C-3PO，它们可爱又贴心。就像在 GTC 大会上，我每次都会邀请迪士尼的机器人上台，那些机器人真的太萌了。

为什么不让每个人都拥有一个呢？我还希望迪士尼能把这些机器人做成周边商品，它们真的值得。我的宠物猫莫莫和库玛，也需要这样的 “宠物玩伴” 不是吗？我真心希望这个愿望能实现。现在有很多孤独的人，已经有不少人联系过我，希望能拥有可以在家陪伴自己的机器人，尤其是那些独居的老人。机器人能给他们带来陪伴和帮助，而且它们本身又那么可爱，这绝对是我们技术发展带来的意外之喜。

Jodi Shelton：如果以后有机器人帮我们做饭、打扫卫生，你还会像现在这样，饶有兴致地看着别人做饭吗？

黄仁勋：当然会。原因很简单，我现在完全有能力不用自己做饭，但我还是会选择下厨。我们完全可以雇很多佣人，但我们没有这么做。我和洛里一直都是两个人自己过日子。昨晚她做了墨西哥辣椒肉酱，味道棒极了，全程都是她一个人忙活的。以后我们大概率还会保持这样的生活。对我来说，最幸福的时刻，就是孩子们回家来，我们一起下厨做饭，喝喝小酒，这就是最完美的时光。

Jodi Shelton：一家人在厨房里忙活，这种亲密感真的太美好了。

黄仁勋：是啊，人生的幸福莫过于此。我们打拼奋斗，不就是为了这样的时刻吗？

“不爱演讲的黄仁勋”：CEO 是公司里最脆弱的一群人

Jodi Shelton：当一切尘埃落定，你希望后人如何记住你？

黄仁勋：首先，能被人记住，本身就是一件很幸运的事。我很庆幸，凭借英伟达的成就，凭借我们打造的事业，凭借我们在全球最重要的科技产业：人类最核心的工具 “计算机” 领域留下的印记，英伟达很可能会在我离开这个世界很久之后，依然对这个世界有着重要的意义。我很庆幸自己能和克里斯、柯蒂斯一起创立这家公司，很庆幸自己能一路学习成长，没有成为拖垮公司的那个短板，反而常常是推动公司走下去的一份力量。我们打造的这家企业，对整个世界都有着深远的影响，而不只是局限于某个行业或某个群体。

能做到这一点的人，在这个世界上并不多。我很庆幸自己作为创始人，能亲身参与并见证这一切，见证英伟达成长为如今的模样，见证它对全球各行各业产生实实在在的影响。公司里有很多已经工作了 33 年的老员工，他们的人生因为英伟达变得更加丰盈；现在甚至已经有第二代、第三代员工加入我们。我们在全球各地建立了自己的团队，我很荣幸能和这些员工并肩作战，分享他们一路走来的绝望与喜悦、希望与悲伤。这样的经历，并不是每个人都能拥有的。我为我们在中国的团队感到骄傲，为我们在印度的员工们由衷赞叹，也为欧洲、加拿大的团队感到欣慰。我们在加拿大的团队正在不断壮大。

我还希望有朝一日，英伟达能把业务拓展到南半球，让更多地区的人们，也能享受到我们今天所拥有的技术成果。昨天我还和人聊起我们在非洲开展的工作，聊到我们应该在拉美和东南亚投入更多精力。我真的为我们公司带来的这些影响感到自豪。所以，人们会怎么记住我？或许，他们会记得我是英伟达的创始人之一，是这家公司的缔造者之一。或许，还会记得我是个好人。

Jodi Shelton：这是毋庸置疑的。

黄仁勋：他们或许还会觉得，我是个风趣幽默的人，不喜欢端着架子。其实在很多方面，我都算是一个 “不情愿的 CEO”。比起待在公司外面抛头露面，我更喜欢扎根在公司内部；比起发表演讲，我更喜欢安静做事；我甚至一点都不喜欢做主题演讲，但为了公司，我必须去做这些事。我确实是个不太情愿的 CEO，但我绝对是个满腔热忱的英伟达建设者。只要是为了公司发展必须做的事，我都会全力以赴。说了这么多，其实我也不知道，人们最终会如何记住我。

Jodi Shelton：我觉得，看到好人获得成功，总是一件令人开心的事。这么多年来，看着你一路打拼，经历起起落落，最终收获成功，我真的由衷地为你高兴。你这一路走来，见过了形形色色的人。

黄仁勋：是啊，真的见过了太多人。我想提醒所有的 CEO，没有人能单枪匹马地成功。

Jodi Shelton：确实如此。

黄仁勋：我们虽然是 CEO，但这个位置总需要有人来坐。如果不是早年大家对我的提携与帮助，比如你一直不遗余力地宣传英伟达还有张忠谋奖带来的认可，这些都对我意义重大。张忠谋奖大概是我人生中获得的第一个真正有分量的奖项，直到今天，它对我来说依然意义非凡。这个奖项以他的名字命名，而且他还亲自参与了评选，这份认可真的让我铭记于心。还有那些和我们合作的企业，他们的慷慨相助，我也一直记在心里。

其实 CEO 这个角色，很多时候都需要寻求帮助。我已经记不清有多少次，我是这样开启一段对话的：“我需要你的帮助。” 很多时候，我是真的需要帮助，而且对方往往是唯一能帮到我的人。一路走来，很多人都慷慨地伸出援手，分享他们的知识，教我做事的方法，帮我解决棘手的难题。这或许才是 CEO 这个角色带给我的真正启示，这个职位远比人们想象的要脆弱得多。

Jodi Shelton：而且还是一个很孤独的职位，对吧？

黄仁勋：确实可能会感到孤独。但我想说，这种孤独更多是存在于我们的内心世界。当你试图解决一些棘手的难题时，往往需要长时间独自思考，自己跟自己对话。公司发展的每一次转型、每一次跨越，每一次我推动公司自我革新的时刻，我都不知道自己独自思考了多少个小时。在那些时刻，你会真切地感受到孤独。但我们也要明白，其实有很多人都希望我们能成功。就像你之前说的，你很乐意看到我成功，我知道你是真心希望我好，而我也同样希望你能越来越好。从这个角度来说，我们其实并不孤单。

所以说，CEO 这个职业，是一份充满脆弱感的工作。你无法单打独斗完成任何事，很多时候都需要依赖别人的帮助与善意。或许在外界看来，我们是强大的领导者，但实际上，我们可能是公司里最脆弱的一群人。我经常说，我是公司里唯一一个离开别人的帮助就寸步难行的人。我想，大多数 CEO 应该都是如此。这或许就是这份职业带给我们的感悟：CEO 们，远比他们愿意承认的要更加脆弱。不过对我来说，承认这种脆弱，并不是什么难事。

“没有终极目标” ，才成就了英伟达？

Jodi Shelton：接下来我们用快问快答收尾。你见过的最聪明的人是谁？

黄仁勋：这个问题我没法回答。我知道大家心里对 “聪明” 的定义，就是智商高、会解决问题、技术能力强。但在我看来，这种能力早已经成了一种 “通用品”。而且我们很快就能证明，AI 处理这类问题是最轻松的，不是吗？举个例子，以前大家都觉得软件编程是最考验智商的工作，结果呢？AI 最先攻克的领域之一就是编程。所以说，“聪明” 的定义，其实和大多数人想的完全不一样。

在我看来，从长远来讲，真正的 “聪明”，是那种兼具技术洞察力与人文同理心的能力，是能够洞察弦外之音、预判未知风险、看透表象背后本质的能力。那些能 “见人所未见” 的人，才是真正的聪明人，他们的价值是无可估量的。这种人能凭借数据、分析、底层逻辑、人生阅历、智慧经验，再加上对他人的感知，敏锐地捕捉到潜在的风险，在问题发生之前就提前规避。我觉得这才是 “聪明”，而且拥有这种能力的人，说不定在学术能力评估测试（SAT）里的分数惨不忍睹。

Jodi Shelton：外界对你有什么误解？

黄仁勋：这些问题都好犀利啊。首先，我都不知道外界对我有什么印象。

Jodi Shelton：比如，大家觉得你喜欢抛头露面，觉得你是个很棒的演讲者，所以肯定很享受做演讲的过程。但你之前已经说了，事实并非如此。

黄仁勋：对，完全相反。公开演讲简直让我怕得要死。不是说站在台上的那一刻害怕，而是现在，想到两周后在华盛顿举办的 GTC 大会，我就焦虑得不行。不，应该说，我已经焦虑一个月了。这种事总是让我心神不宁，脑子里时时刻刻都想着，压力特别大。公司内部的会议演讲也让我紧张到极致。因为台下坐的都是对我而言最重要的人，从某种程度上说，这是我做过的最重要的演讲。但这种演讲根本没法准备，我要讲的所有内容，其实都能在网上的某个视频里找到，他们完全可以自己去看。

我很讨厌把那些内容重复一遍讲给他们听，因为你绝不会回家对着家人做一场 GTC 主题演讲，对吧？我也不想那样做。演讲内容必须是真诚的、独一无二的、对听众有价值的、有意义的，能给他们带来改变。毕竟我还在领导这家公司，我希望通过演讲达成一定的目标。所以我必须拿出全新的内容，但不到演讲结束的那一刻，我永远不知道最终效果会怎么样。大家都觉得财报发布周我会很紧张，但说实话，我一点感觉都没有。真正让我紧张的，是公司的内部会议演讲。所以外界的这个印象，真的大错特错。

Jodi Shelton：你最受不了的事是什么？

黄仁勋：在关键时刻，有人不认真听我说话、不理解我的问题，还胡乱回答。尤其是在我们处理非常棘手、非常困难的问题时，我们需要的是事实，是真相。这个时候我提出问题，如果有人答非所问，我会立刻火冒三丈。我实在无法理解，为什么有人意识不到这场会议的重要性？我们正在为一件至关重要的事努力，我们需要尽快找到真相、解决问题。我到现在都想不通这一点，这种情况每次都会激怒我。谁要是想惹我生气，这招百试百灵。

Jodi Shelton：这下我们知道怎么让黄仁勋发火了。

Jodi Shelton：最后一个问题，是最近有人问我的，我特别喜欢这个问题。如果让你回到 20 岁，你是想回到自己当年的那个年代，还是活在当下的 20 岁？

黄仁勋：我会毫不犹豫地回到自己的那个年代。因为我觉得，我们那一代人的 20 岁，比现在年轻人的 20 岁更快乐。我总觉得，每个人都应该拥有一段 “懵懂无知” 的时光，不必从第一天起就背负着全世界的重担。我坚信这一点，没人能说服我。有时候，“无知” 也是一种快乐，甚至是一种超能力。如果当初我知道创立英伟达是一件 “不可能完成的任务”，那今天的英伟达根本就不会存在。事实就是，创立英伟达这件事，本来就是天方夜谭。但当时的我什么都不懂，所以没人能说服我放弃。

我觉得，乐观的人都这样，你永远没法说服他们 “这件事做不成”。他们就是这么 “无知”，对现实的艰难视而不见，所以才会充满乐观。这难道是坏事吗？现在的年轻人，过早地接触到了太多信息，变得越来越愤世嫉俗。他们并不是天生就这么消极，而是因为看到的东西太多太杂了。其实大可不必如此。人需要培养内心的乐观精神，需要在心里留存一份善意，学会只看到世界美好的一面。我们得锻炼这种能力。我们那一代人，有更多这样的机会。我们 20 岁的时候，就是这样的，乐观得像超人一样，觉得凡事皆有可能。所以，我肯定会选择回到自己的 20 岁。

Jodi Shelton：真是个完美的收尾。无知是福啊。

黄仁勋：没错，无知是福，无知也是一种超能力。任何一个想要开启新征程的人，如果不是因为这份 “无知”，他们一早就会因为觉得事情太难而放弃了。我真的很庆幸，自己当年虽然也算勤奋、也算有一些能力，但那份 “无知” 帮了我大忙。我那时候做任何事都抱着一种心态：“这能有多难？” 结果后来才发现，简直难到超乎想象。你根本没法想象。你看看我今天建立的这一切，如果当初我就知道前路会有这么多艰辛、这么多挫折、这么多失望，把这些困难全都摆在我面前，我绝对不会去做的，绝对不会。所以说，“无知” 真的是一种超能力。

还有一种超能力，就是“没有终极目标”。英伟达就没有什么终极目标。总有人问我：“黄仁勋，你的计划是什么？” 我们没有计划，“活下去” 就是我们的计划。我们对未来的世界有憧憬，我们会畅想技术会如何改变世界，但我们 100% 的计划，就是让公司一直运营下去。以前也有人问我，现在也经常有人问：“黄仁勋，你的人生目标是什么？” 我没有什么人生目标，就是想一直工作，一直有事可做，能和一群优秀的人一起做有意义的事。这就是我的目标。

所以说，从很多方面来讲，“没有终极目标” 这一点，对英伟达的发展真的起到了至关重要的作用。

参考链接：

https://www.youtube.com/watch?v=8FOdAc_i_tM