高飛的電子替身：黃仁勳稱上次工業革命的最大贏家，不是發明它的國家_風聞

這幾天華盛頓正在舉辦2025 Hill and Valley Forum（“硅谷與國會山論壇”，或者“山谷論壇”）峯會。活動的創辦者是Jacob Helberg（現在是美國副國務卿），其他成員還包括投資人Peter Thiel和Vinod Khosla（他是OpenAI的早期投資人）等，看成員大家應該也能猜到這個活動的主旨了，我們也可以認為該會議是華盛頓和硅谷的溝通橋樑。

英偉達CEO黃仁勳參與了今年的活動，和Jacob Helberg做了一次對談。在此期間，黃仁勳在接受採訪時，講了一句話，見下圖，我就不翻譯了，是刷屏的存在。

**由於美國現在正在推動製造業迴流，所以他也被問及很多AI之於製造業的看法。**看過黃仁勳的很多演講了，他的觀點都有很強的一致性，也就是無論觀眾是誰，在什麼時候講。

這次訪談中，這幾個觀點我覺得值得記錄，額外摘出來一下：

1、未來每個製造企業都會有兩個工廠，一個是製造原有產品的工程，一個是生產Token的工廠，也就是AI工廠。

2、現代製造業是軟件驅動的，整個工廠都是軟件驅動的。整個工廠是一個巨型機器人，它協調着內部的眾多機器人。

3、在上一次工業革命時期，最大的贏家不是發明它的國家，而是應用它的國家，也就是美國。當其他國家擔心勞動力和馬被汽車取代等問題時，美國直接採納並大力推進。

對了，相信大家也看到了，黃仁勳並不只穿皮夾克的，在正式場合，他基本是西裝，而也在夜市，T恤也是常有的。

一、AI作為新工業革命：三層次理解AI的框架

黃仁勳將AI定位為一場新的工業革命，通過三個層次的框架來解釋AI的變革性本質。

首先是技術層面。黃仁勳指出："AI是一種新技術，它的構建方式與過去的軟件不同，這種新軟件能做過去軟件無法完成的事情。“這種技術能力的突破是AI革命的基礎，它帶來了前所未有的能力，同時也要求我們思考如何保證其安全使用。

**第二個層次是產業層面，即AI生產方式的革命性變化。**黃仁勳解釋道：“在過去的軟件產業中，軟件生產主要依靠人類編寫代碼。而現在我們有了一個新的產業，這種軟件是通過機器生產的。“他進一步闡述了這種生產方式的獨特性：“你需要一台大型超級計算機，向其輸入電力，而從中產生的是’tokens’（標記）。這些標記可以被重新組合成數字、單詞、蛋白質、圖像、視頻和三維結構等各種形式。我們稱之為智能。”

黃仁勳將這種新型生產設施稱為"AI工廠”，其特點在於每天持續不斷地生產標記（tokens）。這與傳統意義上的工廠有顯著不同，但本質上是將電力轉化為數字智能的生產過程。

第三個層次是基礎設施層面，即AI對其他所有行業的革命性影響。“這項新技術將創造一個新產業，即我剛提到的AI工廠，智能的生產。但它還將回過頭來革命性地改變和轉變其他每一個行業。“黃仁勳舉例説明這些標記將應用於醫療、教育、金融服務、工程、軟件編程、供應鏈管理以及即將進入的製造業等領域。

他將AI的變革性與電力的發明相提並論：“當你從這三個層面來思考它時，很明顯，這與電力一樣具有變革性和影響力，而且它將革命性地改變每個行業，所以這是一場工業革命。”

這種框架不僅幫助我們理解AI作為技術的革命性，更重要的是認識到它作為一種新型生產方式和基礎設施，將如何重塑整個經濟結構。

二、AI工廠：21世紀經濟中的新型生產設施

黃仁勳詳細闡述了AI工廠的概念及其在現代經濟中的核心地位。當主持人詢問每家制造實體產品的工廠是否都將配備AI工廠時，黃仁勳給出了肯定的回答，並展開了深入的解釋。

“每一家今天製造產品的公司，只要這些產品是能動的，“黃仁勳舉例説明，“比如説你製造割草機，或者像卡特彼勒（Caterpillar）那樣建造建築機械。今天，這些機械主要是手動操作的。但在未來，它們將變得自主或高度自主、半自主或輔助式的。一旦它們變得能自主行動，就將由軟件定義。”

這意味着製造商將需要生產驅動這些機械的軟件標記（tokens）。黃仁勳進一步闡明瞭這種雙重工廠模式的未來圖景：”在未來，每一家建造產品的公司都將擁有一個工廠來製造他們銷售的產品，同時還會有另一個工廠來構建和生產運行在那些產品上的AI。”

以汽車行業為例，黃仁勳預測：“今天的汽車公司主要製造汽車。但很明顯，在10年後，每家汽車公司還將生產運行在這些汽車中的標記（tokens）。”

這種觀點揭示了一個重要趨勢：隨着越來越多的物理產品變得智能化和自主化，傳統制造業將不得不發展AI生產能力。製造商不僅需要製造硬件，還需要開發和部署使這些硬件智能化的AI軟件。這代表了一種根本性的商業模式轉變，從單純的產品製造商向產品+AI服務提供商的轉型。

三、AI的演進：從感知AI到物理AI的發展歷程

黃仁勳詳細闡述了AI的發展歷程，將其劃分為幾個關鍵階段，最終展望了物理AI的前景及其對政策制定者的意義。

“如果回顧歷史，現代AI真正進入公眾意識是在12到14年前，當時AlexNet出現，計算機視覺領域迎來了巨大突破，那大約是2012年。“黃仁勳解釋道，這標誌着第一波AI浪潮——**感知AI（Perception AI）**的崛起。他將計算機視覺置於更廣泛的背景下：“從更大的背景來看，它是關於感知，感知世界的各種信息模態。可能是圖像、聲音、振動、温度等。我們現在已經開發出能夠理解所有這些信息含義的AI模型，而且可以相當智能地處理它們。”

隨後的第二波浪潮是大約五年前開始廣為討論的生成式AI（Generative AI）。黃仁勳將其定義為：“AI模型已經學會了如何理解信息的含義，並進行轉換。例如，你可以理解英語並將其翻譯成法語，或者理解英語並將其轉換為圖像。你可以提示它生成圖像。所以，生成式AI本質上是一種通用翻譯器，一種理解人類語言的通用翻譯器。”

當前，我們正處於第三波AI浪潮——推理AI（Reasoning AI）時代。黃仁勳解釋道：“智能需要我們解決以前從未遇到過的問題並識別情況。我們通過推理來做到這一點。我們應用以前學到的規則、法則和原則，然後一步步地分解問題。即使我們以前從未解決過這個問題，通過推理，我們也能解決它。這是智能的獨特能力之一。”

這種推理AI能力催生了所謂的"代理式AI”（Agentic AI）或"代理”（Agents）：“它具有代理能力…可以理解給定的任務，能夠自行學習和閲讀，使用計算器、網絡瀏覽器和電子表格等工具，然後回來為你完成任務。”黃仁勳預見未來的CEO們將同時管理"生物勞動力和數字勞動力”，將人力資源部門負責前者，而IT部門將成為後者的"人力資源部門”。

最後，黃仁勳介紹了下一波浪潮——物理AI（Physical AI）。**這種AI需要理解物理法則、摩擦、慣性、因果關係等概念：“當我放下瓶子時，它不會穿過桌子。**所有這些孩子擁有的、我們的寵物擁有的常識性物理推理能力，大多數AI都沒有。“他舉例説明：“我在廚房櫃枱上滾動一個球，它越過頂部然後消失。AI認為它消失了，但你的狗知道它在另一邊。它理解這個被稱為’物體永久性’的概念。”

當這種物理AI被放入物理對象（如機器人）中，我們就得到了機器人技術。黃仁勳強調這對美國製造業的重要性：“這對我們現在非常重要，因為我們正在美國各地建設工廠。我們希望以一種利用最新技術的方式來建設。所以希望在接下來的10年裏，當我們建造這一代新工廠時，它們是高度機器人化的，幫助我們應對全球範圍內嚴重的勞動力短缺問題。”

四、全球AI競賽：美國政府應做何種戰略考量

在討論全球AI競賽時，黃仁勳強調了理解競賽本質和美國自身優勢與劣勢的重要性。他將AI競賽視為一場"無限遊戲”，而非有時間限制的競爭。

“首先，要在競賽中取得好成績，你必須理解這場競賽，“黃仁勳解釋道，“你必須瞭解你正在使用的資源，你擁有的資產，你沒有的資產，你的優勢和劣勢。“他指出英偉達已有33年曆史，經歷了從PC革命到互聯網再到移動革命，如今又迎來了AI革命。要在這些不同環境變化中茁壯成長，“你必須理解如何參與遊戲”。

黃仁勳從前面提到的三個層面來剖析AI競賽：

在技術層面，最重要的是理解智力資本。“記住，全球50%的AI研究人員是中國人。首先，退一步認識到這一點。這一重要因素必須納入我們思考遊戲的方式。”

在AI工廠層面，能源是關鍵。“因為從根本上講，我們將電力轉化為數字標記（tokens）。就像上一次工業革命通過能源將原子轉化為鋼鐵等物理物品、汽車和建築物一樣。而再前一代，我們將水輸入一種叫做發電機的機器，產生的是電力。現在我們輸入電力，產出的是標記（tokens）。”

在基礎設施應用層面，黃仁勳指出，關鍵在於技術的應用。“上一次工業革命的贏家不是發明它的國家，而是應用它的國家。美國比任何國家都更快地應用鋼鐵、應用能源。當其他國家擔心勞動力和馬被汽車取代等問題時，美國直接採納並大力推進。”

對於當前的AI革命，應用層面同樣至關重要：“這涉及到不害怕它，願意參與其中，重新培訓我們的勞動力以便能夠應用它，鼓勵人們採用它。”

黃仁勳的分析提供了一個多層次的框架，用於理解AI競賽的複雜性。他沒有提出簡單的政策建議，而是強調了對競賽性質的深入理解，以及美國在應用新技術方面的歷史優勢。

通過將AI競賽視為無限遊戲而非短期競爭，黃仁勳的視角鼓勵政策制定者採取長期、持續的方法，專注於構建持久的競爭優勢，而非追求短期的技術領先。

五、AI對就業市場的影響：重新定義工作的未來

當被問及AI對就業市場的影響時，黃仁勳提出了一個平衡的視角：“一些新工作將被創造，一些工作將會消失，每一種工作都將發生變化。“他強調需要從基本原則出發，理性分析這個問題，而不是簡單地走向極端立場。

在技術基礎層面，黃仁勳指出AI已經給舊金山帶來了新的活力：”因為AI的緣故，舊金山又回來了。幾乎所有人都曾經撤離舊金山，現在它又繁榮起來了，這都是因為AI。“他解釋AI創造了一種新型的工作，因為它從根本上改變了軟件開發的方式：“過去由人類編寫代碼的軟件在CPU上運行，現在是由機器學習生成的軟件在GPU上運行。每一層——工具、編譯器、方法論、數據收集和管理方式、使用AI設置護欄、使用AI教學、使用AI保持AI安全——所有這些技術現在都在被髮明，它創造了大量的工作。”

在AI工廠層面，黃仁勳描繪了一個巨大的機會：“我們正在開始建設7、8、10千兆瓦的AI工廠。一個千兆瓦工廠價值600億美元。…這相當於波音公司的年收入。“建設這樣的設施需要融資（創造就業）、場地和外殼建設（創造建築工作）、機械工程師、電氣工程師、水管工以及所有IT和網絡工作。”整個週期大約三年。需要創造大量新的技術工種…在下一個計算平台轉變中，大多數公司增長的首要關鍵路徑將是技術工種，而不是軟件工程師。”

黃仁勳強調了對技術工種的尊重和鼓勵：“我們的國家需要承認技術工種是受人尊敬的工作，是關鍵工作，是建設我們國家所必需的。所以我們要鼓勵技術工種，電工、水管工、木匠、鋼鐵工人，整個範圍的工種。我們將需要大量這樣的人才。”

在探討AI如何改變現有工作時，黃仁勳分享了英偉達的經驗：“在我們公司，每個軟件工程師現在都有AI助手的協助。我們向公司提交的代碼量非常驚人。因此，我們的生產力大幅提升，我們正在僱傭更多的人。因為它使我們能夠創造更多世界需要的東西，增加我們的收入和招聘能力。”

黃仁勳提出了一個關鍵觀點：“記住，不是AI會奪走你的工作…而是使用AI的公司和人將會奪走你的工作。這是值得內化的事情。”

通過這種分析，黃仁勳提供了一個更加細微和平衡的視角來看待AI對就業的影響。他認識到會有工作轉變，但同時強調了AI創造的新機會，特別是在技術工種和增強現有工作效率方面。這種視角挑戰了關於AI導致大規模失業的簡單敍事，轉而強調了適應和利用AI的重要性。

六、製造業、迴流與數字孿生：AI如何重塑生產方式

針對製造業迴流和AI在其中的作用，黃仁勳提出了幾個關鍵觀點，特別是關於數字孿生技術的潛力。

首先，黃仁勳明確指出現代製造業的本質：”先進製造業今天不是關於低成本勞動力。現代製造業是軟件驅動的。整個工廠都是軟件驅動的。整個工廠是一個巨型機器人，它協調着內部的眾多機器人。“這些先進工廠雖然有許多人，但主要依靠技術運作。

關於半導體產業的製造迴流，黃仁勳表示：“我們能夠在美國本土從硅到AI超級計算機進行端到端製造，這是一個極好的機會。這是高質量的工作，是先進技術工作。”

黃仁勳強調了製造能力對AI革命的重要性：“如果我們不善於製造，我們將錯過一個巨大的產業，這個產業將由能源的可用性推動。哪個國家不想參與這個新興的AI產業？為什麼你不想生產AI？為什麼你不想參與最先進的製造業？”

在討論數字孿生技術時，黃仁勳分享了英偉達的經驗：”英偉達設計了世界上最複雜的系統。我們每一代研發投入可能在200億美元或更多…我們完全在其數字孿生中設計這些芯片。在我們實際生產之前，它們在數字世界中已經存在了好幾個月。當我生產它的那一刻，我知道它是完美的，因為我們已經對它進行了徹底的模擬和測試。”

他建議將同樣的方法應用於工廠：“我們應該對數字工廠做同樣的事情。這些大型工廠，我們應該完全創建數字孿生，使用人工智能創建這些數字孿生，操作它，進行虛擬集成，以數字方式集成這些宏偉的結構，操作它，優化它，並使用它來規劃你的產出，完全以數字方式。在未來，每個工廠都將有一個數字孿生版本。”

黃仁勳還展望了數字孿生技術的更廣泛應用：“在未來，我希望每個人都會有一個數字孿生版本。每輛車都有一個數字孿生版本。每座建築都有一個數字孿生版本。每座城市都有一個數字孿生版本。這種數字孿生的理念現在正在發生，而這一切都是因為人工智能。”

通過這些觀點，黃仁勳描繪了一幅AI如何徹底改變製造業的圖景。他強調了軟件在現代製造中的中心地位，製造能力對國家參與AI革命的戰略重要性，以及數字孿生技術如何徹底改變設計、測試和優化的方式。這種視角挑戰了傳統的製造業觀念，同時提供了一條通過AI和數字技術實現製造業復興的路徑。

七、AI驅動的機器人：未來十年的普及預期

在討論會的最後，黃仁勳被問及AI驅動的機器人何時會成為日常生活的普遍組成部分。他的回答既樂觀又務實，為AI機器人的發展提供了一個時間框架。

首先，黃仁勳指出自動駕駛汽車本質上就是一種機器人：“自動駕駛汽車是一個機器人。現在，它花了我們大約10年的時間。如今，Waymo已經在全國各個城市運營，表現非常出色。看到Waymo在舊金山和其他城市行駛是非常棒的。"（我們之前有一篇文章專門談Waymo）

相比之下，黃仁勳認為其他類型的機器人將需要更短的時間實現普及：“機器人將需要更少的時間。原因是我們可以限制機器人運行的環境。機器人不必像汽車那樣通用。一旦你在舊金山，你必須在每條街道和每一種條件下工作。而在機器人的情況下，我們可以限制得多。”

從可原型化、相當功能性到成為高產量產品，黃仁勳估計需要大約五年時間：“今天我們已經有相當高功能的機器人。所以在大約五年的時間裏，我們將看到這些工廠開始生產機器人。現在製造汽車的每家汽車公司都將擅長製造機器人。他們只需要在軟件部分，AI部分變得擅長。但這種技術相當容易獲得。”

黃仁勳的預測提供了一個相對具體的時間表，暗示到2030年左右，我們可能會看到AI驅動的機器人開始大規模生產和部署。他的分析還強調了兩個關鍵因素：環境約束的重要性（受限環境使機器人更容易實現）以及現有製造商（如汽車公司）在轉向機器人生產方面的潛力。