在算力短缺长达四十年的背景下，英伟达作为全球算力领域的核心企业，其创始人黄仁勋见证并推动了AI从技术萌芽到产业热潮的蜕变。近期，英伟达CEO黄仁勋在参加《金融时报》主办的 “未来人工智能峰会”时，在与 FT 人工智能编辑Madhumita Murgia展开了一场关于AI的圆桌讨论，面对AI发展契机、技术逻辑、产业价值以及近期热议的AI泡沫等关键问题，黄仁勋结合英伟达的实践与行业洞察，分享了最新观点。

核心观点：

我们正处于智能基建的起步阶段，目前绝大多数人尚未真正使用AI。而在不远的将来，我们日常生活的每个瞬间都将与AI产生交互。

深度学习的惊人效能是引爆行业的火花，而后续的持续发展，本质上都是工程化的外延拓展。

从本质来看，AI已超越 ChatGPT、图像生成等表层应用，实现了记忆、泛化、推理能力的飞跃，更具备科研落地的实用价值。

当前正处于生成AI 算力需求与模型使用量双指数增长的交汇期，数千亿美元的智能基建投入，将支撑未来数万亿美元规模的智能产业。

AI 不再是单纯被人使用的工具，而是直接参与劳动、增强人类能力的智能体，这一范式转移让其需求具备坚实的产业基础。

深度学习的惊人效能是引爆行业的火花

黄仁勋自述，其职业经历为其捕捉AI机遇奠定了基础。作为第一代运用高层级表征和设计工具开发芯片的工程师，他在2010年前后同时收到多伦多大学、纽约大学和斯坦福大学三个实验室的合作请求。这一经历让他发现，实验室采用的框架化、结构化新软件开发模式，与芯片设计的方法论存在惊人相似性。他敏锐预判，可借鉴数十年芯片设计的规模化经验，构建具备强大扩展性的软件体系，这也成为他投身AI算力布局的决定性转折点。

在黄仁勋看来，英伟达架构的核心优势在于高效的扩展能力，即算法一旦能在单GPU上高效并行运行，便可无缝扩展至多GPU协同，进而覆盖多数据中心集群。在确认这一扩展机制的有效性后，AI发展便进入了工程化推演阶段——数据量、网络规模、特征维度及问题解决范围等，都通过工程化手段不断突破。黄仁勋强调，深度学习的惊人效能是引爆行业的火花，而后续的持续发展，本质上都是工程化的外延拓展。

AI行情不能与互联网泡沫简单类比

面对“AI 是否存在泡沫”的疑问，黄仁勋明确指出当前AI需求与互联网泡沫的核心差异。互联网泡沫时期，大量部署的光纤处于闲置状态，供给远超实际需求；而如今，几乎每一块英伟达GPU都在全速运转并创造价值。从本质来看，AI已超越ChatGPT、图像生成等表层应用，实现了记忆、泛化、推理能力的飞跃，更具备科研落地的实用价值。黄仁勋举例，Cursor等AI编程工具实现盈利，Bridge、Open Evidence等企业在医疗健康领域取得显著成果，均印证了AI的实质性突破。

黄仁勋进一步阐释，AI与传统软件存在根本性范式差异。传统软件是预先编译的静态工具，所需算力有限；而AI需具备情境感知能力，智能必须实时生成，无法预先存储，这就需要构建“智能工厂”式的基础设施。

黄仁勋判断，当前正处于生成AI 算力需求与模型使用量双指数增长的交汇期，数千亿美元的智能基建投入，将支撑未来数万亿美元规模的智能产业。AI 不再是单纯被人使用的工具，而是直接参与劳动、增强人类能力的智能体，这一范式转移让其需求具备坚实的产业基础。

对于AI技术的未来走向，黄仁勋认为大语言模型只是人工智能系统的组成部分，完整的AI体系是多种模型协同工作的生态。即便未来出现全新技术范式，当前英伟达构建的GPU及基础设施仍具备适配性——因为无论技术如何命名，人工智能的进一步突破都需要开发大量尚未攻克的技术模块，而算力基础设施是通用支撑。

针对“成年人能否识别22000种物体”这类技术细节问题，黄仁勋表示无需过度纠结。现有通用智能水平已足够在未来数年转化为海量社会应用，且这一过程已在当下发生。部分领域的技术突破已实现，而持续应用与优化技术、解决实际重大课题，才是更核心的方向。

总体而言，黄仁勋认为，AI目前正处于智能基建的起步阶段，绝大多数人尚未真正使用AI。未来，AI将渗透到日常生活的每个瞬间，从低渗透率到全方位智能伴随的发展过程，蕴藏着巨大的产业空间与发展机遇。

视频来源参考：https://www.youtube.com/watch?v=0zXSrsKlm5A