美国当地时间 9 月 14 日，在知名科技播客 All-In Podcast 线下活动 All-In Summit 2026 上，英伟达 CEO 黄仁勋与四位主持人围绕 AI 安全、AI 末日论、递归自我改进、开源模型和 AGI 等话题展开讨论。
四位主持人也是 All-In Podcast 联合创始人，分别是天使投资人杰森·卡拉卡尼斯（Jason Calacanis）、前 Facebook 高管查马斯·帕里哈皮蒂亚（Chamath Palihapitiya）、「PayPal 黑帮」核心成员大卫·萨克斯（David Sacks），以及 Ohalo Genetics 和 The Production Board CEO 大卫·弗里德伯格（David Friedberg）。
这场访谈的核心问题是，AI 发展究竟需要怎样的安全边界。针对近期 Anthropic CEO 达里奥·阿莫迪（Dario Amodei）关于 AI 安全的讨论，以及前沿实验室「减速」的呼声，黄仁勋的判断是，安全和创新并不冲突，已经发生的安全事件应被视为工程问题，通过技术、流程和测试来控制。
AI 安全不能和创新对立
在谈到近期围绕 AI 安全的争议时，黄仁勋表示，安全问题当然必须认真对待，但安全和领导力并不矛盾。「我们完全可以快速创新、快速执行，让美国继续保持领先，同时把安全做好。」在他看来，把这两件事视为相互排斥的选择，本身就是错误的。
对于 Anthropic 前研究员雅各布·考克森的发声，黄仁勋称，作为举报者站出来需要勇气，「他做这件事情没有问题」，但他后续对未来作出的科学判断，在黄仁勋看来缺乏足够的科学依据，因为这些预测并不是建立在真正的科学研究之上。
黄仁勋还提到，很多前沿实验室正在从研究型组织转向工程型组织，而研究和工程本身就是不同的事情。如果在这个转型过程中出现控制或管理问题，那是另一类问题。至于考克森究竟看到了什么，他表示自己并不知道。
围绕过去几年频繁出现的 AI 悲观论调，黄仁勋的态度十分明确。他说，不应轻易给 AI 贴上所谓「人类灭绝概率」或「文明毁灭概率」的标签，因为其中很多内容「其实都是编出来的」。如果一个人以研究者、科学家的身份给出惊人预测，很容易引发公众恐慌，这种做法并不负责任。
他举了几类此前广为流传、但并未兑现的预测：
- 5 年内放射科医生会被 AI 完全取代；
- 未来 6 到 12 个月内，90% 的代码都会由 AI 生成；
- 50% 的初级岗位会在 6 到 9 个月内消失；
- GPT-2、Llama 3 危险到不能发布；
- 一半白领工作会在第二年消失；
- 所谓「就业末日」即将到来。
在黄仁勋看来，这些预测都应该被记录下来，几年之后回头看，就会知道哪些判断是正确的，哪些只是制造了恐慌。
被问到 AI 安全是否应更多按照工程问题处理时，黄仁勋回答得很直接：如果发生了安全事件，首先应做工程上的根因分析，弄清到底发生了什么、哪里出了问题、之后能采取什么措施避免重演，再把这些措施沉淀为制度、流程和技术控制。
他表示，自己相信相关公司已经在做这些工作，包括更好的沙箱、更严格的运行环境、更完善的监控，以及持续监控系统。「我甚至愿意下注，相信这些问题是可以被控制和预防的。」
如果一家工程公司真的不知道发生了什么，也不知道怎样控制问题，那就可以派工程师进去帮助他们。黄仁勋同时强调，他并不认为事情会发展到那一步，因为这些实验室里有非常优秀的人，自己相信他们已经分析了相关问题，也已采取相应措施。
对于监管从哪里开始的问题，黄仁勋认为，监管应解决真正存在的问题。按照他的说法，现在真正需要关注的风险大多来自前沿 AI 实验室，因为它们拥有最多的计算资源，也在处理最前沿的问题；一个高中生或普通创业公司，很难拥有足够计算能力去制造这些问题。
他认为，这些实验室正在从研究转向工程阶段，同时还在建设公司、文化、技术和产品，这个过程并不容易。因此，外界更应关注它们如何建立完善的工程体系，确保技术开发和测试过程具备足够安全性。
谈到第三方评估机构，黄仁勋表示，可以有多个评估和审计机构存在。它们不一定需要知道所有事情，但需要知道应该提出哪些问题，这与金融审计有些类似。如果只有一个评估机构，可能会受到影响；如果有多个机构，就能形成相互制衡。
黄仁勋谈 RSI：没有那么神秘
在递归自我改进（RSI）这个当前被频繁讨论的概念上，黄仁勋的看法是，这更像一个新标签，而不是突然出现的神秘技术。它背后其实是多项已经存在的技术组合，包括上下文、技能、反思、强化学习、合成数据生成和 LoRA 等。
他说，这些方法确实可以让 AI 在执行任务的过程中不断积累经验，再继续改进。比如借助合成数据和强化学习，可以在不重新训练整个基础模型的情况下提升模型能力，而随后积累下来的经验还可以继续用于训练基础模型。在他看来，现在几乎每家公司都会用到其中一些技术。
黄仁勋认为，「递归自我改进」这个名字容易让人误以为系统会变得完全不可控，但产品在发布之前，仍然要经历评估、重新测试和回归测试，这些都属于最基本的工程控制。
他表示，这些前沿实验室正在从研究型组织转向工程型组织，未来会拥有更好的方法、知识、实践、工具和技术来控制、验证和评估系统。递归自我改进可以发生在内部，但经过验证的产品依然可以用安全的方式对外发布。
开源和闭源都需要，中国可能贡献全球开源生态很大一部分
谈到开源与闭源模型的关系，黄仁勋明确表示，世界需要开源模型，也需要闭源模型。他本人也会使用闭源的前沿模型。在他的比喻里，它们有点像瓶装水：水本身是免费的，但不同形式的产品可以服务不同需求。
他认为，开源模型对于主权、隐私以及企业自己的专有技术都非常重要。过去 6 个月里，大约有 4000 亿美元风险投资进入 AI 原生公司，其中大约 80% 的公司使用开源模型。如果没有开源模型，很多创业公司根本无法实现自己的目标，因为它们想做的事情和前沿实验室并不一样。
黄仁勋说，美国真正的优势在于拥有各种各样的创新形式，而要赢得 AI 竞赛，就必须让开源模型发展起来。所谓赢得 AI 竞赛，不只是几家美国公司获胜，而是美国的公司、产业、研究人员、教师、学生和创业者都能够从这项技术中获得机会。有些人会使用闭源模型，很多人会使用开源模型，两者都需要。
当被问及中国是否会成为全球开源生态的重要贡献者时，黄仁勋给出的答案是肯定方向的。他表示，中国「可能会贡献全球开源生态中很大的一部分」。原因是中国拥有大量工程师，也有大量学习科学和数学的学生，清华等高校每年都会培养很多优秀人才。
他举例称，在 Linux、Kubernetes 以及很多软件项目中，都有中国工程师参与贡献。开源的一个特点是，一旦下载下来，它就属于用户，可以继续修改、优化，把它变成自己的东西。
在他看来，AI 竞赛最终比拼的还是谁能最好地利用这项技术。他以工业革命作比，称过去有很多重要发明来自欧洲，但美国后来很好地利用了这些技术；他希望下一次工业革命也能如此发展。
黄仁勋还提到，自己觉得中国在相关讨论上更加务实，更关注经济发展和社会进步，而不是一直讨论末日或文明毁灭。如果那些末日预测真的成立，当然应该讨论和解决，但没有必要制造恐慌。「我们的工作就是把它做出来。」
对于「如果 AI 最终自动完成大量编程工作，工程师还需要做什么」这一问题，黄仁勋表示，工程工作仍然会存在。他说，自己这一代工程师在软件还没有普及的时候，并不会花大量时间写代码；现在的软件工程师花很多时间写代码，未来如果其中很大一部分被自动化，人类仍然会继续做工程工作。
他还提到一个个人习惯：自己最喜欢的键盘按键是 Backspace，因为在他看来，最好的软件往往意味着更少的代码。
为什么英伟达要深入 AI 产业链
访谈随后转向英伟达在 AI 产业中的角色。面对美国政府最初强调的就业、再工业化、能源和供应链议题，黄仁勋表示，AI 是一场新的工业革命。这个产业包含模型、芯片、应用、数据中心、建筑、电力以及发电设施等许多部分，而他一直在观察整个生态系统，寻找其中的瓶颈。
他说，如果一家非常好的公司因为某个环节受限，自己就会关注这个问题。受限环节可能是供应链，也可能是土地、电力或工厂。由于英伟达规模已经足够大，公司必须提前很多年考虑供应链，Corning、Lumentum、台积电以及内存供应商等，都是需要长期关注的企业。
对于「AI 行业最终的大部分利润会不会向应用层移动」以及「英伟达为什么还要进入模型、Hugging Face 等更上层领域」的问题，黄仁勋回应称，英伟达几乎可以运行世界上所有模型。大约一年半之前，大家主要讨论 OpenAI 的模型，而现在已经有 Meta 的 Muse、Grok、Gemini、Anthropic 以及很多其他模型。大量前沿 AI 实验室都建立在英伟达的平台之上。
他表示，英伟达的策略是帮助所有人成功，而不是把别人的业务拿过来。公司会尽可能停留在技术栈更底层的位置，只有在必要的时候才向上走。CUDA 支持了大量框架，Megatron 和 Megatron Core 支持大规模训练，英伟达会发明那些必要的技术，然后让整个生态继续发展，让更多公司参与进来。
在区域性云服务商的重要性上，黄仁勋指出，这类云服务商往往比大型超大规模云厂商更灵活，因为它们能够在当地找到土地、电力和工厂，也更了解当地需求。
他判断，未来会形成一个分布式的企业网络，越来越多国家也会把 AI 视为战略产业。目前已经看到一些地区开始增加 AI 算力基础设施。
当被问到英伟达为何要做自己的开源模型，包括自动驾驶和生物领域时，黄仁勋的回答很直接：「因为客户需要。」他说，既然公司有能力做到最好，就会去做这些事。
他提到了自动驾驶模型 Alpamayo，并称这是英伟达做的一个能够进行推理的自动驾驶系统。过去自动驾驶需要数十亿小时道路数据，而推理能力可以让系统针对类似情境进行思考，从而减少对大量真实道路数据的依赖。
黄仁勋表示，未来自动驾驶不只会出现在乘用车上，还会覆盖农业设备、卡车、货车以及很多其他移动设备。很多公司并没有完整技术栈，因此英伟达可以提供完整技术栈，再由客户根据自身需求完成最后一公里调整。
在生物领域，黄仁勋列举了 ESM2、ESMFold、OpenFold、AlphaFold 2，以及一些等变模型和 Protein Complexa，并称英伟达之所以做这些技术，是因为制药公司确实需要它们。「我的出发点一直是有人需要这项技术，所以我们去做它。」
谈 Terafab、AGI 与「特定领域超级智能」
对于马斯克宣布的大型芯片工厂计划 Terafab，黄仁勋表示，英伟达非常了解工艺技术，也一直在推动工艺极限，所以当然可以讨论这个问题。他还说，马斯克一旦决定做一件事情，很难阻止他继续做下去，这也是他的超能力。
被问及未来是否可能把英伟达芯片放到马斯克的工厂里生产时，黄仁勋回应称：「我们可以讨论。」
在 AGI 问题上，主持人问他，如果 AGI 的定义是达到人类智能水平，是否已经进入这一阶段；超级智能又如何。黄仁勋的回答非常简短：「我们已经达到了。」他还补充说，甚至可以说，在一些特定领域，已经进入超级智能阶段。
对于原因，他解释称，在一些非常具体的领域，AI 已经超过了人类。自动驾驶就是一个例子：如果一辆车能比人类驾驶得更好，那么在驾驶这个领域，它就是超级智能。
他进一步表示，现在自动驾驶系统的事故率已经可以做到人类的十分之一。生物领域也是如此，合成蛋白、虚拟筛选等任务已经达到超级智能水平。在这些特定领域，AI 已经能够完成超过人类能力的工作。
站在这样的技术前沿，黄仁勋说自己喜欢这种感觉，并认为未来是美好的。即便未来很多人都不需要工作，他也不想错过这个时代。
最后，黄仁勋表示，希望所有人都能一起走到那个未来，人类最终会一起取得成功。相比制造戏剧性的争论，更重要的是鼓励大家，并让整个美国都能够参与进来。