高飞的电子替身：黄仁勋称上次工业革命的最大赢家，不是发明它的国家

这几天华盛顿正在举办2025 Hill and Valley Forum（“硅谷与国会山论坛”，或者“山谷论坛”）峰会。活动的创办者是Jacob Helberg（现在是美国副国务卿），其他成员还包括投资人Peter Thiel和Vinod Khosla（他是OpenAI的早期投资人）等，看成员大家应该也能猜到这个活动的主旨了，我们也可以认为该会议是华盛顿和硅谷的沟通桥梁。

英伟达CEO黄仁勋参与了今年的活动，和Jacob Helberg做了一次对谈。在此期间，黄仁勋在接受采访时，讲了一句话，见下图，我就不翻译了，是刷屏的存在。

由于美国现在正在推动制造业回流，所以他也被问及很多AI之于制造业的看法。看过黄仁勋的很多演讲了，他的观点都有很强的一致性，也就是无论观众是谁，在什么时候讲。

这次访谈中，这几个观点我觉得值得记录，额外摘出来一下：

1、未来每个制造企业都会有两个工厂，一个是制造原有产品的工程，一个是生产Token的工厂，也就是AI工厂。

2、现代制造业是软件驱动的，整个工厂都是软件驱动的。整个工厂是一个巨型机器人，它协调着内部的众多机器人。

3、在上一次工业革命时期，最大的赢家不是发明它的国家，而是应用它的国家，也就是美国。当其他国家担心劳动力和马被汽车取代等问题时，美国直接采纳并大力推进。

对了，相信大家也看到了，黄仁勋并不只穿皮夹克的，在正式场合，他基本是西装，而也在夜市，T恤也是常有的。

一、AI作为新工业革命：三层次理解AI的框架

黄仁勋将AI定位为一场新的工业革命，通过三个层次的框架来解释AI的变革性本质。

首先是技术层面。黄仁勋指出："AI是一种新技术，它的构建方式与过去的软件不同，这种新软件能做过去软件无法完成的事情。"这种技术能力的突破是AI革命的基础，它带来了前所未有的能力，同时也要求我们思考如何保证其安全使用。

第二个层次是产业层面，即AI生产方式的革命性变化。黄仁勋解释道："在过去的软件产业中，软件生产主要依靠人类编写代码。而现在我们有了一个新的产业，这种软件是通过机器生产的。"他进一步阐述了这种生产方式的独特性："你需要一台大型超级计算机，向其输入电力，而从中产生的是'tokens'（标记）。这些标记可以被重新组合成数字、单词、蛋白质、图像、视频和三维结构等各种形式。我们称之为智能。"

黄仁勋将这种新型生产设施称为"AI工厂"，其特点在于每天持续不断地生产标记（tokens）。这与传统意义上的工厂有显著不同，但本质上是将电力转化为数字智能的生产过程。

第三个层次是基础设施层面，即AI对其他所有行业的革命性影响。"这项新技术将创造一个新产业，即我刚提到的AI工厂，智能的生产。但它还将回过头来革命性地改变和转变其他每一个行业。"黄仁勋举例说明这些标记将应用于医疗、教育、金融服务、工程、软件编程、供应链管理以及即将进入的制造业等领域。

他将AI的变革性与电力的发明相提并论："当你从这三个层面来思考它时，很明显，这与电力一样具有变革性和影响力，而且它将革命性地改变每个行业，所以这是一场工业革命。"

这种框架不仅帮助我们理解AI作为技术的革命性，更重要的是认识到它作为一种新型生产方式和基础设施，将如何重塑整个经济结构。

二、AI工厂：21世纪经济中的新型生产设施

黄仁勋详细阐述了AI工厂的概念及其在现代经济中的核心地位。当主持人询问每家制造实体产品的工厂是否都将配备AI工厂时，黄仁勋给出了肯定的回答，并展开了深入的解释。

"每一家今天制造产品的公司，只要这些产品是能动的，"黄仁勋举例说明，"比如说你制造割草机，或者像卡特彼勒（Caterpillar）那样建造建筑机械。今天，这些机械主要是手动操作的。但在未来，它们将变得自主或高度自主、半自主或辅助式的。一旦它们变得能自主行动，就将由软件定义。"

这意味着制造商将需要生产驱动这些机械的软件标记（tokens）。黄仁勋进一步阐明了这种双重工厂模式的未来图景："在未来，每一家建造产品的公司都将拥有一个工厂来制造他们销售的产品，同时还会有另一个工厂来构建和生产运行在那些产品上的AI。"

以汽车行业为例，黄仁勋预测："今天的汽车公司主要制造汽车。但很明显，在10年后，每家汽车公司还将生产运行在这些汽车中的标记（tokens）。"

这种观点揭示了一个重要趋势：随着越来越多的物理产品变得智能化和自主化，传统制造业将不得不发展AI生产能力。制造商不仅需要制造硬件，还需要开发和部署使这些硬件智能化的AI软件。这代表了一种根本性的商业模式转变，从单纯的产品制造商向产品+AI服务提供商的转型。

三、AI的演进：从感知AI到物理AI的发展历程

黄仁勋详细阐述了AI的发展历程，将其划分为几个关键阶段，最终展望了物理AI的前景及其对政策制定者的意义。

"如果回顾历史，现代AI真正进入公众意识是在12到14年前，当时AlexNet出现，计算机视觉领域迎来了巨大突破，那大约是2012年。"黄仁勋解释道，这标志着第一波AI浪潮——感知AI（Perception AI）的崛起。他将计算机视觉置于更广泛的背景下："从更大的背景来看，它是关于感知，感知世界的各种信息模态。可能是图像、声音、振动、温度等。我们现在已经开发出能够理解所有这些信息含义的AI模型，而且可以相当智能地处理它们。"

随后的第二波浪潮是大约五年前开始广为讨论的生成式AI（Generative AI）。黄仁勋将其定义为："AI模型已经学会了如何理解信息的含义，并进行转换。例如，你可以理解英语并将其翻译成法语，或者理解英语并将其转换为图像。你可以提示它生成图像。所以，生成式AI本质上是一种通用翻译器，一种理解人类语言的通用翻译器。"

当前，我们正处于第三波AI浪潮——推理AI（Reasoning AI）时代。黄仁勋解释道："智能需要我们解决以前从未遇到过的问题并识别情况。我们通过推理来做到这一点。我们应用以前学到的规则、法则和原则，然后一步步地分解问题。即使我们以前从未解决过这个问题，通过推理，我们也能解决它。这是智能的独特能力之一。"

这种推理AI能力催生了所谓的"代理式AI"（Agentic AI）或"代理"（Agents）："它具有代理能力...可以理解给定的任务，能够自行学习和阅读，使用计算器、网络浏览器和电子表格等工具，然后回来为你完成任务。"黄仁勋预见未来的CEO们将同时管理"生物劳动力和数字劳动力"，将人力资源部门负责前者，而IT部门将成为后者的"人力资源部门"。

最后，黄仁勋介绍了下一波浪潮——物理AI（Physical AI）。这种AI需要理解物理法则、摩擦、惯性、因果关系等概念："当我放下瓶子时，它不会穿过桌子。所有这些孩子拥有的、我们的宠物拥有的常识性物理推理能力，大多数AI都没有。"他举例说明："我在厨房柜台上滚动一个球，它越过顶部然后消失。AI认为它消失了，但你的狗知道它在另一边。它理解这个被称为'物体永久性'的概念。"

当这种物理AI被放入物理对象（如机器人）中，我们就得到了机器人技术。黄仁勋强调这对美国制造业的重要性："这对我们现在非常重要，因为我们正在美国各地建设工厂。我们希望以一种利用最新技术的方式来建设。所以希望在接下来的10年里，当我们建造这一代新工厂时，它们是高度机器人化的，帮助我们应对全球范围内严重的劳动力短缺问题。"

四、全球AI竞赛：美国政府应做何种战略考量

在讨论全球AI竞赛时，黄仁勋强调了理解竞赛本质和美国自身优势与劣势的重要性。他将AI竞赛视为一场"无限游戏"，而非有时间限制的竞争。

"首先，要在竞赛中取得好成绩，你必须理解这场竞赛，"黄仁勋解释道，"你必须了解你正在使用的资源，你拥有的资产，你没有的资产，你的优势和劣势。"他指出英伟达已有33年历史，经历了从PC革命到互联网再到移动革命，如今又迎来了AI革命。要在这些不同环境变化中茁壮成长，"你必须理解如何参与游戏"。

黄仁勋从前面提到的三个层面来剖析AI竞赛：

在技术层面，最重要的是理解智力资本。"记住，全球50%的AI研究人员是中国人。首先，退一步认识到这一点。这一重要因素必须纳入我们思考游戏的方式。"

在AI工厂层面，能源是关键。"因为从根本上讲，我们将电力转化为数字标记（tokens）。就像上一次工业革命通过能源将原子转化为钢铁等物理物品、汽车和建筑物一样。而再前一代，我们将水输入一种叫做发电机的机器，产生的是电力。现在我们输入电力，产出的是标记（tokens）。"

在基础设施应用层面，黄仁勋指出，关键在于技术的应用。"上一次工业革命的赢家不是发明它的国家，而是应用它的国家。美国比任何国家都更快地应用钢铁、应用能源。当其他国家担心劳动力和马被汽车取代等问题时，美国直接采纳并大力推进。"

对于当前的AI革命，应用层面同样至关重要："这涉及到不害怕它，愿意参与其中，重新培训我们的劳动力以便能够应用它，鼓励人们采用它。"

黄仁勋的分析提供了一个多层次的框架，用于理解AI竞赛的复杂性。他没有提出简单的政策建议，而是强调了对竞赛性质的深入理解，以及美国在应用新技术方面的历史优势。

通过将AI竞赛视为无限游戏而非短期竞争，黄仁勋的视角鼓励政策制定者采取长期、持续的方法，专注于构建持久的竞争优势，而非追求短期的技术领先。

五、AI对就业市场的影响：重新定义工作的未来

当被问及AI对就业市场的影响时，黄仁勋提出了一个平衡的视角："一些新工作将被创造，一些工作将会消失，每一种工作都将发生变化。"他强调需要从基本原则出发，理性分析这个问题，而不是简单地走向极端立场。

在技术基础层面，黄仁勋指出AI已经给旧金山带来了新的活力："因为AI的缘故，旧金山又回来了。几乎所有人都曾经撤离旧金山，现在它又繁荣起来了，这都是因为AI。"他解释AI创造了一种新型的工作，因为它从根本上改变了软件开发的方式："过去由人类编写代码的软件在CPU上运行，现在是由机器学习生成的软件在GPU上运行。每一层——工具、编译器、方法论、数据收集和管理方式、使用AI设置护栏、使用AI教学、使用AI保持AI安全——所有这些技术现在都在被发明，它创造了大量的工作。"

在AI工厂层面，黄仁勋描绘了一个巨大的机会："我们正在开始建设7、8、10千兆瓦的AI工厂。一个千兆瓦工厂价值600亿美元。...这相当于波音公司的年收入。"建设这样的设施需要融资（创造就业）、场地和外壳建设（创造建筑工作）、机械工程师、电气工程师、水管工以及所有IT和网络工作。"整个周期大约三年。需要创造大量新的技术工种...在下一个计算平台转变中，大多数公司增长的首要关键路径将是技术工种，而不是软件工程师。"

黄仁勋强调了对技术工种的尊重和鼓励："我们的国家需要承认技术工种是受人尊敬的工作，是关键工作，是建设我们国家所必需的。所以我们要鼓励技术工种，电工、水管工、木匠、钢铁工人，整个范围的工种。我们将需要大量这样的人才。"

在探讨AI如何改变现有工作时，黄仁勋分享了英伟达的经验："在我们公司，每个软件工程师现在都有AI助手的协助。我们向公司提交的代码量非常惊人。因此，我们的生产力大幅提升，我们正在雇佣更多的人。因为它使我们能够创造更多世界需要的东西，增加我们的收入和招聘能力。"

黄仁勋提出了一个关键观点："记住，不是AI会夺走你的工作...而是使用AI的公司和人将会夺走你的工作。这是值得内化的事情。"

通过这种分析，黄仁勋提供了一个更加细微和平衡的视角来看待AI对就业的影响。他认识到会有工作转变，但同时强调了AI创造的新机会，特别是在技术工种和增强现有工作效率方面。这种视角挑战了关于AI导致大规模失业的简单叙事，转而强调了适应和利用AI的重要性。

六、制造业、回流与数字孪生：AI如何重塑生产方式

针对制造业回流和AI在其中的作用，黄仁勋提出了几个关键观点，特别是关于数字孪生技术的潜力。

首先，黄仁勋明确指出现代制造业的本质："先进制造业今天不是关于低成本劳动力。现代制造业是软件驱动的。整个工厂都是软件驱动的。整个工厂是一个巨型机器人，它协调着内部的众多机器人。"这些先进工厂虽然有许多人，但主要依靠技术运作。

关于半导体产业的制造回流，黄仁勋表示："我们能够在美国本土从硅到AI超级计算机进行端到端制造，这是一个极好的机会。这是高质量的工作，是先进技术工作。"

黄仁勋强调了制造能力对AI革命的重要性："如果我们不善于制造，我们将错过一个巨大的产业，这个产业将由能源的可用性推动。哪个国家不想参与这个新兴的AI产业？为什么你不想生产AI？为什么你不想参与最先进的制造业？"

在讨论数字孪生技术时，黄仁勋分享了英伟达的经验："英伟达设计了世界上最复杂的系统。我们每一代研发投入可能在200亿美元或更多...我们完全在其数字孪生中设计这些芯片。在我们实际生产之前，它们在数字世界中已经存在了好几个月。当我生产它的那一刻，我知道它是完美的，因为我们已经对它进行了彻底的模拟和测试。"

他建议将同样的方法应用于工厂："我们应该对数字工厂做同样的事情。这些大型工厂，我们应该完全创建数字孪生，使用人工智能创建这些数字孪生，操作它，进行虚拟集成，以数字方式集成这些宏伟的结构，操作它，优化它，并使用它来规划你的产出，完全以数字方式。在未来，每个工厂都将有一个数字孪生版本。"

黄仁勋还展望了数字孪生技术的更广泛应用："在未来，我希望每个人都会有一个数字孪生版本。每辆车都有一个数字孪生版本。每座建筑都有一个数字孪生版本。每座城市都有一个数字孪生版本。这种数字孪生的理念现在正在发生，而这一切都是因为人工智能。"

通过这些观点，黄仁勋描绘了一幅AI如何彻底改变制造业的图景。他强调了软件在现代制造中的中心地位，制造能力对国家参与AI革命的战略重要性，以及数字孪生技术如何彻底改变设计、测试和优化的方式。这种视角挑战了传统的制造业观念，同时提供了一条通过AI和数字技术实现制造业复兴的路径。

七、AI驱动的机器人：未来十年的普及预期

在讨论会的最后，黄仁勋被问及AI驱动的机器人何时会成为日常生活的普遍组成部分。他的回答既乐观又务实，为AI机器人的发展提供了一个时间框架。

首先，黄仁勋指出自动驾驶汽车本质上就是一种机器人："自动驾驶汽车是一个机器人。现在，它花了我们大约10年的时间。如今，Waymo已经在全国各个城市运营，表现非常出色。看到Waymo在旧金山和其他城市行驶是非常棒的。"（我们之前有一篇文章专门谈Waymo）

相比之下，黄仁勋认为其他类型的机器人将需要更短的时间实现普及："机器人将需要更少的时间。原因是我们可以限制机器人运行的环境。机器人不必像汽车那样通用。一旦你在旧金山，你必须在每条街道和每一种条件下工作。而在机器人的情况下，我们可以限制得多。"

从可原型化、相当功能性到成为高产量产品，黄仁勋估计需要大约五年时间："今天我们已经有相当高功能的机器人。所以在大约五年的时间里，我们将看到这些工厂开始生产机器人。现在制造汽车的每家汽车公司都将擅长制造机器人。他们只需要在软件部分，AI部分变得擅长。但这种技术相当容易获得。"

黄仁勋的预测提供了一个相对具体的时间表，暗示到2030年左右，我们可能会看到AI驱动的机器人开始大规模生产和部署。他的分析还强调了两个关键因素：环境约束的重要性（受限环境使机器人更容易实现）以及现有制造商（如汽车公司）在转向机器人生产方面的潜力。