黃仁勳王堅對話,三個被忽略的關鍵信息_風聞
新眸-28分钟前

新眸原創·作者 | 簡瑜
今年,鏈博會現場,阿里雲創始人王堅與英偉達創始人兼CEO黃仁勳進行了一場持續近半小時的對話。
議題從AI的下一階段形態、模型開源路徑、生物工程邊界拓展,延伸至AI與人類關係的底層邏輯。兩位掌舵者雖未直接談及產品或商業對抗,卻不約而同地指向了AI技術未來的幾個關鍵議題。
站在這場對話的交匯點,外界可以窺見一個信號:當生成式AI的熱潮逐步冷卻,行業的討論正從參數、數據和算力,轉向與現實世界的接觸面——一個更具“物理屬性”的AI階段,正在顯現。
從本次對話出發,本文將嘗試拆解以下幾個問題:
l 當AI邁入“物理智能”時代,硬件廠商、雲廠商乃至大模型公司各自的機會與挑戰將如何重構?
l 圍繞開源、生物工程、人與AI的關係等關鍵命題,這場對談背後透露出怎樣的長期判斷?
l 從英偉達與阿里雲的表態中,可以讀出他們下一階段戰略佈局的哪些信號?
01
從認知AI邁向物理AI
下一場AI變革的想象邊界在哪?
在這次對話中,黃仁勳拋出了一項頗具前瞻性的判斷:繼認知智能和生成式AI之後,下一波浪潮將邁入“物理AI”時代。
所謂物理AI,指的是AI從數字世界走向物理世界,具備感知、推理、決策、再到執行動作的完整能力鏈條。從這個維度來看,人形機器人、自動駕駛等熱門方向,皆可歸於物理AI的範疇。
和以“指令-推理”為核心的生成式AI不同,物理AI更強調與現實場景的交互能力。這意味着AI系統必須能在不確定的物理環境中,自主理解外界信息並做出連續反應,其對多模態感知、Agent系統以及即時響應能力的要求,將遠高於當下。
從訓練範式上看,這也標誌着大模型訓練邏輯的轉變。
過去模型依賴大數據進行預訓練,而進入物理AI階段後,“後訓練”和微調將變得至關重要。以強化學習為代表的機制,不再只是一個“優化補丁”,而是確保AI行為與人類意圖對齊的關鍵過程。而這背後,對算力的消耗也將進入下一個數量級。
眾所周知,英偉達之所以能夠在認知智能到生成式AI的躍遷期佔據上風,離不開其早期在通用GPU計算和CUDA生態上的持續投入。但如果説CUDA為AI帶來了“思考”的肌肉,物理AI則意味着AI開始“動起來”,這將進一步牽動整個上游產業鏈的價值重構。
例如,具備多模態輸入能力的傳感器廠商(如Sony、ADI)與為機器人提供行動部件的精密減速器製造商(如Harmonic Drive、Nabtesco),將從“邊緣配角”走向系統核心。
AI的“六感”與“四肢”,都將從這些硬件基礎中生長出來。
除此之外,雲計算的架構也將面臨新一輪的調整。算力需求的指數級增長,將推動IaaS層逐漸標準化為“水電煤”式的底層基礎設施,而原本複雜的SaaS層則會被成為更輕量的接口形態。真正的差異化,或許將回到業務邏輯和產品體驗本身。
與此同時,大模型的發展也正在逼近“Scaling Law”的臨界點。過去行業普遍遵循的堆參數、提能力範式正在逐步失效。
換句話説,模型能力的評估標準將從單一的參數規模,轉向對綜合表現的全方位考察:是否具備處理超長文本的能力?能否在複雜語境中進行多步推理?是否可以適配不同場景並實現物理層面的交互?這些,才是下一階段競爭的核心變量。
這背後帶來的影響遠不止技術層面。對大模型企業而言,組織結構或將被重新定義。傳統以工程效率為導向的分工方式,難以支撐跨模態、跨場景的快速迭代。未來的團隊,可能要從流水線式的寫代碼,走向產品導向的系統協作。
一個很容易被大家忽略的事實是,未來AI的核心應用場景,可能會圍繞製造業展開。
不只是AI控制生產線,更是AI直接嵌入到產品形態中。可以預見的是,從AI手機、AI電腦到AI眼鏡,未來將出現一批原生搭載物理AI的設備品類,它們可能重塑人們與智能設備的交互方式。
02
三個關鍵命題:
“開源”、“生物工程”、“AI與人”
在這次對話中,黃仁勳與王堅不約而同提到了“開源”在AI發展中的重要性。
“源”指源代碼和實現細節,過去,開源與閉源更多是技術路線之爭;但當我們回到“物理AI”的語境下,它已逐漸演變為一種商業戰略和生態選擇。
隨着AI系統需要適應更多元的現實場景,對定製化能力和可控邊界的要求不斷提升。開源模型因其更高的靈活性與透明度,正在成為AI走向“場景級”落地的關鍵基礎。尤其是在產品需求快速變化的環境中,能夠自主調校模型行為的企業,無疑會更有適應力。
與此同時,當AI大模型的應用邊界不斷擴展,相關的權責劃分也愈加重要。
而在開源的場景中,開發者廣泛參與、使用、測試的過程,本身也是對模型安全性、內容生成邊界等問題的一次次實踐倒逼,這種持續的共建和監督,有助於逐步釐清AI模型在實際應用中的權責歸屬。
英偉達對“開源”的推動,並非只體現在口頭上。早在兩個月前,其推出的NVLink Fusion技術,就首次向第三方CPU和加速器開放了NVLink生態系統,通過發佈IP與硬件接口,鼓勵外部硬件廠商與自家芯片實現互操作。
不過,問題也隨之而來:當大模型紛紛走向開源,競爭的焦點將會是什麼?
答案可能正是生態閉環的構建能力。正如眾多蘋果用户之所以選擇蘋果,是因為其強大的軟硬件生態體系一樣,未來的大模型廠商也必須在開源基礎上構建一個涵蓋模型、數據、應用和硬件的完整生態系統。
但這也意味着,體量更小、資源更少的AI初創公司,在面對巨頭級平台時,可能會加速失去獨立生存空間。
除了技術與生態,另一個在此次對話中被反覆提及的關鍵詞,是“生命工程”。
今年早些時候,英偉達聯合加拿大Mila研究所推出了La-Proteina——一個面向蛋白質結構的AI生成模型。這一動作背後的信號很明確:醫藥行業儘管門檻極高、節奏極慢,但一旦突破,其市場空間和社會價值是極為可觀的。
對“人”本身的討論,則貫穿於整個對話的末尾。黃仁勳描繪了一種未來的關係:AI將像伴侶一樣,從你出生陪伴到你老去。這種想象聽起來浪漫,但並非遙不可及。我們與AI的關係,正在悄然從“工具”轉向“共生”。
事實上,在移動端,AI已悄然嵌入我們每天的行為中。
根據QuestMobile 2025年AI應用報告,以小藝、小布、小V為代表的手機原生AI助手,在用户規模上已佔據相當份額。儘管這些手機廠商的AI助手在人均使用頻次上仍不高,但這反而説明了一件事——AI與手機的結合方式,還遠未定型。
正如黃仁勳所言,AI會成為你的“數字夥伴”。而這個夥伴的形態、位置、能力邊界,正是下一階段所有AI企業和開發者真正需要回答的問題。
QuestMobile 2025年AI應用報告
03
英偉達與阿里雲的未來十年:
佈局與突破在哪兒?
今年以來,英偉達一直在反覆強調一個關鍵定位:這家公司正在從芯片製造商,轉型為AI基礎設施建設者。
英偉達也正在用行動落地它的AI Infra戰略。一個典型的案例,就是它重倉投資的雲計算公司 CoreWeave,其核心業務是為AI應用提供高性能 GPU 雲服務。自3月IPO以來,CoreWeave的市值已經翻了近兩倍,如今已逼近730億美元,其成長速度幾乎和英偉達本身的熱度同步。
但英偉達的佈局並不止於“雲”。正如我們前文提到的“物理AI”概念,在算力層面也衍生出了新的技術範式——邊緣計算平台。
邊緣計算中的“邊緣”,相對於“雲”而言,意味着將計算資源部署在更接近數據源的位置——在終端、在設備本地,而不是遠在雲端。
雖然聽起來像是一種“非主流”方案,但它所瞄準的,是物理AI時代最核心的一批場景:自動駕駛、機器人、無人機、工業終端。這些領域對延遲、即時性有着極高要求,顯然,傳統雲架構無法勝任。
相比之下,阿里雲所面臨的局勢就複雜得多。
當上遊硬件廠商不斷向下遊“伸手”,既做基礎設施又賣雲服務,對於以IaaS起家的阿里雲來説,顯然是個壓力不小的信號。於是我們看到,阿里雲的戰略也在“向下遊走”。
一個典型的內部戰略方向是“IaaS + PaaS一體化”模式。相較於傳統IaaS只提供裸資源的方式,阿里雲更希望客户使用它的“中間層能力”——數據庫、大數據平台、Serverless、容器化、DevOps 工具等,換句話説,是把雲從資源賣家變成產品提供者,從而向生態型平台進化。
這就呼應了我們在前文中對“開源”的討論:不論是英偉達,還是阿里雲,它們都在試圖擺脱單一賣方角色,向系統級、平台級生態靠攏。
開源只是手段,本質是搶奪下游場景的控制權。
在AI時代,硬件、算力、模型、數據、場景之間的邊界正在變得模糊,誰能更早佔住“算力+平台”的支點,誰就擁有重構下游規則的資格。這場戰役,也許早已在這場爐邊對話之外,悄然打響。