黃仁勳最新對談實錄：AI 機器人預計五年內將實現大規模生產和應用

5月3日，NVIDIA首席執行官黃仁勳在The Hill & Valley Forum論壇上接受訪談，對話中探討了“AI 工廠”的核心理念，闡釋了“物理AI”的發展階段，此外還探討了全球AI競賽的格局、AI與數字孿生如何賦能先進製造業。

黃仁勳表示，AI競賽是無限遊戲，最終的贏家並非技術的發明國，而是能夠大規模、高效應用技術的國家。 他還預測，AI驅動的機器人因操作環境可被約束，其規模化量產和普及應用預計在五年內實現，速度將快於自動駕駛汽車。

01 AI工廠通過大規模生產“智能Token”將重塑所有行業

您將AI定位為一場新的工業革命，並將AI工廠置於其核心。 您能解釋一下什麼是AI工廠，以及為什麼在21世紀的經濟中理解它至關重要嗎？ 此外，您認為這是現代計算領域的一場範式轉變嗎？ 未來，現實世界中每家製造實物的工廠，是否都將配套一座AI工廠？

關於 AI，過去幾年我們已有很多討論。 它具有多面性，從以下視角看待會很有幫助。 首先，AI 無疑是一種新技術。 其構建方式與過去的軟件不同，因而能完成過去軟件無法實現的任務。 因此，這是一項非凡的技術：它潛力巨大，同時我們需努力確保其安全，它還將帶來許多激動人心的變革。 這是技術層面。

第二個層面相對較新。 在過去的科技產業，軟件由人工鍵入代碼來生產。 現在出現了一個新產業，軟件由機器生產。 這意味著需要大型超級計算機，通過電力驅動，產出 token。 這些 Token 可以重組成數字、文字、蛋白質、圖像、視頻、三維結構等多種形式——我們稱之為智能。 這種機器與過去的機器截然不同，我稱其為 AI 工廠，因為它只專注於一件事：每天持續生產 Token。

更高層面是基礎設施層面。 正因如此，我們日益認識到 AI 極可能引發一場意義深遠的工業革命。 這項新技術不僅會催生我剛提及的新產業——AI 工廠，即智能的生產，還將徹底變革和轉型所有其他行業。 這些 Token 將應用於醫療保健和教育以及金融服務、工程學。 我們日常也運用 AI 進行軟件編程和供應鏈管理。 AI 即將進入製造業等更多領域。 從這三個層面審視，AI 的變革性與影響力堪比昔日的電力，它將徹底革新每個行業。 因此，這是一場名副其實的工業革命。

關於AI工廠的未來，我認為完全正確。 如今，任何製造活動部件產品的公司，例如割草機製造商，或如 Caterpillar 一般的工程機械製造商——其產品目前主要依靠人工操作。 未來，這些設備將實現自主、高度自主、半自主或輔助操作。 一旦實現自主，就將由軟件定義。 屆時，企業必須生產用以驅動這些設備 (如拖拉機) 的 Token，也就是軟件。 因此，觀察汽車行業便能清晰理解這一點：如今的汽車公司主要製造汽車，但十年後，所有汽車公司無疑也將生產運行於其汽車內的 Token。

02 具備推理能力的物理AI，對製造業等實體產業至關重要

過去一年，您探討了物理 AI 的概念。 對於思考美國未來政策的決策者而言，您能否解釋一下什麼是物理 AI，以及我們應如何看待它？

讓我們回溯一下。 現代 AI 真正進入大眾視野大約是在 12 至 14 年前，伴隨著 AlexNet 的問世以及計算機視覺領域的重大突破，時間大概是 2012 年。 若從更廣闊的視角審視，當時的計算機視覺本質上就是感知——感知世界，無論是圖像、聲音、振動還是溫度等任何信息形態。 如今，我們已開發出能理解各類信息含義且表現智能的 AI 模型。 因此，AI 的第一波浪潮是感知 AI。 約五年前，人們開始熱議第二波浪潮：生成式 AI。 生成式 AI 的核心在於，AI 模型不僅能理解信息含義，還能進行轉換，例如，將英語翻譯成法語，或將文本描述轉換為圖像——通過提示詞即可生成圖像。 可以說，生成式 AI 本質上是一種能理解人類語言的通用翻譯器。 這就是第二波浪潮。

然而，真正的智能還需要解決未知問題、識別全新狀況。 我們通過推理來實現：運用已習得的規則、規律和原則，逐步分解問題，即便麵對全新挑戰，也能通過推理找到解決方案。 這是智能的核心能力之一，也標誌著我們進入了推理 AI 時代。 推理 AI 能生成數字機器人，我們稱之為具有代理性的 AI，即 Agents，它們擁有自主性。 這類 AI 能理解任務、自主學習閱讀、運用計算器、瀏覽器、電子表格等工具，並最終完成指定工作，例如訪問 SAP 處理供應鏈事務，或連接 Workday 管理人力資源。 這些具有代理性的 AI 本質上是數字化勞動力機器人。傳統的人力資源部門負責前者，而 IT 部門則將演變為具有代理性的 AI 的“人力資源中心”。 這便是我們當前所處的階段。

例如，物體被碰倒會掉落；瓶子放在桌上不會穿透桌面。 這些兒童乃至寵物都具備的常識性物理推理能力，多數 AI 尚不具備。 若將球滾過廚房檯面使其掉落消失，AI 或許認為它徹底不見了，但狗卻知道球在另一側。 狗理解物體恆存性的概念，明白球並未進入另一個元宇宙，於是會繞到桌邊找回。

機器人同樣需要學習：要從桌子的一邊到另一邊，不能直接穿過，必須推理出繞行路徑。 這類物理層面的推理，即是物理 AI。 將物理 AI 植入名為“機器人”的物理實體，便得到機器人技術。 這對我們當前至關重要，因為美國各地正大力興建工廠。 我們期望以充分利用最新技術的方式建設這些設施。 因此，希望未來十年內建成的新一代工廠高度機器人化，以助我們應對全球普遍的嚴重勞動力短缺。

03 AI競賽是無限遊戲，贏家是能夠大規模、高效應用技術的國家

許多人認為我們正處在全球 AI 競賽之中。 您覺得美國政府應如何行動才能贏得競賽，掌握最頂尖的 AI 技術？

首先，要參加競賽並取勝，必須了解競賽本身：明晰自身資源、已有和欠缺的資產、以及優劣勢。 要認識到，AI 的核心是基礎性的。 回顧前提及的三個層面，在每一層面都需確保理解遊戲規則。 這場遊戲並非限時 60 分鐘，而是一場無限的遊戲。 多數人不擅長無限遊戲。 Nvidia 已成立 33 年，歷經 PC 革命、互聯網革命、移動革命，如今正迎接 AI 革命。 要在不斷變化的環境中持續發展，就必須懂得如何參與遊戲。 理解遊戲規則、認清自身資產至關重要。

技術層面，最關鍵的是理解知識資本。 須知全球一半的 AI 研究者來自中國，我們必須正視這一重要因素，並將其納入遊戲策略考量。 其次是 AI 工廠，其高效運作依賴能源，因為本質上是將電力轉化為數字 Token。 這正如上次工業革命以能源驅動原子轉化為鋼鐵、汽車、建築等實體；更早之前，水力驅動發電機產生電力。 如今則是電力輸入，Token 輸出。 因此，能源是下一層面的關鍵。

更高層面正逐步顯現，我們必須深刻理解：上次工業革命的最終贏家，並非技術發明國，而是技術應用國，美國在鋼鐵和能源應用上遠超他國。 因此，這一基礎設施層面核心在於技術應用——不畏懼、積極擁抱、對勞動力進行再培訓以適應新技術，並鼓勵廣泛採用。 此視角和框架審視 AI，便會發現各層面均有其獨特的挑戰、機遇及遊戲規則。

關於勞動力問題，媒體一直著力渲染AI可能導致大規模勞動力置換和失業潮的論調。 您能否展望一下AI將如何影響就業市場？ 更具體而言，您預見哪些我們當前甚至未曾設想，但未來可能湧現的新工作類別？

一些新的工作將被創造出來，一些工作將會消失，每一份工作都將發生改變。 人們很容易在兩個極端之間搖擺，但我始終認為，將問題分解並從第一性原理出發進行思考，會大有裨益。 在我之前描述的框架中，最底層的情況是——你深度參與風險投資，了解AI領域的動態——在基礎層面，正是AI讓舊金山得以復蘇。 幾乎所有人都曾撤離舊金山，現在舊金山再次繁榮，這完全是AI的功勞。 AI創造了新型工作，根本原因在於它是一種全新的軟件開發方式。 AI的出現改變了技術的每個層面。 過去是人工編寫的軟件在CPU上運行，現在則是機器學習生成的軟件在GPU上運行。 因此，每個層面：相關工具、編譯器、方法論，收集和管理數據的方式，利用AI設置安全護欄，利用AI進行訓練，利用AI保障AI自身安全，所有這些技術都在不斷湧現，並創造了大量就業機會。

更高一個層面則蘊藏著巨大機遇。 我之前提到，我們將建造輸入電力、產出 Token的新型工廠。 以一個1吉瓦 的工廠為例——我們預計未來將建造7到10吉瓦的AI工廠集群。 一個1吉瓦工廠的投資高達600億美元。 目前，一個100兆瓦的工廠已相當普遍。 這600億美元的投資規模，相當於Boeing公司一年的營收。 建造這類工廠需要融資，從而創造大量就業。 建設場地和廠房外殼，會帶動建築業大量就業，包括木匠、鋼結構工人和泥瓦匠，他們都是建廠所需的人才。 一個投資600億美元的工廠，規模極其龐大。 這將需要機械工程師、電氣工程師、管道工，以及後續所有低壓系統、IT和網絡方面的專業人才，最後是運營團隊。 整個建設週期大約需要三年。 這將催生大量全新的技術工種。 在過去的計算機行業和計算平台轉型中，多數公司增長的主要瓶頸是軟件工程師。

而在AI工廠這個新層面，最關鍵的將是技工，即擁有專門技藝的人才。 我認為這非常好。 我們的國家需要認識到，專門技藝是一份值得尊敬且至關重要的工作，對國家建設不可或缺。 因此，我們應鼓勵培養這類人才。 電工、管道工、木匠、鋼結構工人等，各個領域都需要大量此類人才。

再往上一個層面，我們可以探討AI Agent將如何改變醫生、金融服務專業人士或客服人員的工作。 以我們公司為例，目前每位軟件工程師都配備了AI助手作為初步嘗試。 結果是，我們公司新增的代碼量驚人。 我們的生產力因此飆升，也得以招聘更多人才，因為AI讓我們能創造出更多市場需要的產品，從而增加營收和招聘能力。 因此，我認為更高層級的應用確實應該儘早擁抱AI。 記住，奪走你工作的不是AI，摧毀你公司的也不是AI，而是那些善用AI的公司和個人。 這一點值得深思並接受。

05 AI和數字孿生技術是先進製造業的核心

近期，製造業回流的討論十分熱烈。 AI領域的許多專家探討過數字孿生概念，以及製造工廠採用該技術如何切實助力本土製造業復興。 同時，蘋果公司的CEO近期表示，iPhone製造回流本土的主要瓶頸之一是缺乏優質、高精度的機械臂技術。 因此，綜合來看，AI似乎確實能成為推動製造業發展和產業回流的關鍵賦能技術。 您對此有何展望？

首先，製造業的核心並非低成本勞動力。 如今的先進製造業，整個工廠由軟件驅動。 整個工廠如同一個巨型機器人，協調內部眾多機器人運作。 這些先進工廠雖有許多員工，但本質上是技術主導。 我認為第一點，在我們的行業（僅以我所在的行業為例），能夠在美國本土實現從芯片到AI超級計算機的端到端製造，是絕佳的機遇。 我樂見政府積極鼓勵並支持產業界將製造業遷回本土。 這是一項高品質、高技術含量的工作，在本土開展對國家而言是絕佳機會。 我對此充滿熱忱，我們是此趨勢的堅定擁護者，並慶幸全球合作夥伴對此予以支持。 這是其一。

其二，若不精於製造業，我們將錯失一個巨大產業，其未來將由能源可獲得性驅動。 哪個國家不想參與AI這個新興產業？ 為何不願生產AI？ 為何不願涉足最先進的製造業？ 它本質上就是製造業。 其最終產出是數字，正如上次工業革命的產出是電子——當時多數人無法理解能通過發電機創造出電力。 如今我們稱之為Nvidia AI超級計算機。 但在當時，發電機產生的是無形的電力——看不見，摸不著，但確實是電，是電子。 現在，則是一種新形式的“電子”——數字。 因此，我們當然希望投身此新興產業，而要實現這一點，就必須擁有本土製造業。

鑑於製造業的技術密集性，我們應首先在數字孿生環境中構建，其次是在虛擬現實環境中操作。 Nvidia設計了全球最複雜的系統。 我們每一代產品的研發投入約200億美元，現在可能更高，但這200億美元僅僅用於生產一個芯片系列。 我們完全在這些芯片的數字孿生中進行設計。 在實際製造前數月，它們就已作為數字模型存在。 當芯片問世時，我知道它會是完美的，因為我們已對其進行了詳盡的模擬、仿真和嚴格測試。 數字化工廠也應如此。 特別是大型工廠，應完全創建其數字孿生，利用人工智能構建並運營——實現虛擬集成，將這些宏偉結構完全數字化整合，然後進行運營、優化，並用於完全數字化的產出規劃。 未來，每座工廠、每輛汽車、每棟建築、每座城市，甚至我希望每個人，都將擁有其數字孿生版本。 數字孿生的理念正因此成為現實，這都歸功於人工智能。

06 AI機器人預計五年內將實現大規模生產和應用

您預期AI驅動的機器人何時能成為我們日常生活中無處不在的存在？

首先，自動駕駛汽車就是一種機器人。 我們花了大約10年時間才發展到目前的階段。 Waymo目前已進入全國許多城市，運營表現優異。 看到Waymo的汽車在舊金山等城市行駛，令人鼓舞。 這大約花了10年。我們可以約束機器人的操作環境。 所以機器人不必像汽車那樣具備完全的通用性。 汽車一旦進入舊金山，就必須適應每條街道和各種路況。 而對機器人，我們可以施加更多限制，從原型開發、功能完善到大規模量產，大約需要五年。 如今我們已擁有功能強大的機器人。 因此，目前製造汽車的公司未來都將非常擅長製造機器人。 他們只需在軟件和AI方面做得更好，而相關技術已相當普及。