NVIDIA 首席执行官黄仁勋近日在 All-In Summit 与 All-In Podcast 四位主持人 Jason Calacanis、Chamath Palihapitiya、David Sacks 和 David Friedberg 对谈近 50 分钟，话题横跨 AI 安全、前沿模型监管、开源与闭源路线、中美 AI 竞争、数据中心、NVIDIA 投资策略、自动驾驶，以及中国半导体进展。
访谈进行到一半时，美国总统特朗普还突然致电黄仁勋，并通过他的手机向现场数千名观众发表了近 5 分钟讲话。
黄仁勋批评 AI 末日论：很多预测并没有按说法发生
谈话一开始，主持人把焦点放在 Anthropic CEO Dario Amodei 最新文章，以及前沿 AI 实验室近期围绕安全和「放慢竞赛」的讨论。
黄仁勋表示，文章中涉及内部控制、吹哨者和安全治理的部分值得严肃看待，但他不认同把 AI 可能导致文明毁灭描述成「科学预测」的方式。他直言，这类说法「不是建立在科学之上」，但因为出自研究人员之口，公众很容易把它当成有实证基础的判断。
他随后举出近年的多项 AI 预测，包括放射科医生会在 5 年内消失、90% 代码将在半年到 1 年内由 AI 生成、50% 入门岗位将被消灭等。在他看来，这些预测至今都没有按照最初描述的方式出现。
黄仁勋以放射医学为例称，AI 的确已经广泛用于辅助影像判读，但世界并未因此不再需要放射科医生，反而需要更多医生。AI 接管的是工作流的一部分，不是直接消灭整个职业。
他表示，AI 行业需要对过去错误或夸大的预测负责，不能一边不断抛出极端预言，一边又要求社会「相信专家」。
谈监管：先查 root cause，再决定怎么管
谈到政府该如何监管 AI，黄仁勋的立场偏向工程治理。他表示，监管应解决真实存在的问题。现阶段真正可能接触前沿风险的主体，主要仍是拥有大量算力的 frontier labs，因为高中生、普通初创公司甚至大多数企业，并没有足够 compute 去做同等规模实验。
在他看来，一旦发生事故，第一步不应直接转向全面禁止或停止发展，而应像处理工程事故一样追查 root cause：发生了什么、为什么发生、哪些技术、流程、监控或 sandbox 能避免问题再次出现。
黄仁勋说，他相信前沿 AI 公司可以通过更好的 runtime、sandbox、monitoring、continuous monitoring 和评估机制，逐步把已经出现过的问题纳入控制。只有当企业自己也承认「不知道发生了什么，也不知道怎么控制」时，外部工程团队才需要介入。
他补充，第三方 evaluator 或 auditor 是合理做法，类似上市公司的财务审计。它们不需要比企业本身更懂技术，但必须能提出正确问题；而且最好存在多家不同的第三方机构，而不是由单一评估者垄断标准。
谈 RSI：概念并不神秘，工程流程本身就是控制点
对于中国智谱 AI 投入资金研究 recursive self-improvement（RSI），黄仁勋表示，这个概念没有外界描述得那么神秘。
他解释，RSI 本质上是多项既有 AI 技术的组合，包括 in-context learning、skills、reflection、reinforcement learning、synthetic data，以及 LoRA 等方法，让 AI 在执行任务和生成数据过程中持续改进。
在他看来，用 AI 提高「建造 AI」本身的效率很合理，而且各家实验室其实都已经在一定程度上这样做。真正的问题在于，RSI 这个词开始被用来营造一种印象，即 AI 会自行无限强化并失控。
黄仁勋称，即便企业内部让模型反复自我改进，在产品正式发布前仍然要经过 evaluation、testing、regression test 和验证，所以工程流程本身就是控制点。
开源与闭源都要有：不能只让少数巨头赢
谈到开源 AI 时，黄仁勋表示，世界不是只能在 closed model 和 open model 之间二选一，两者都需要。
他用「瓶装水」比喻闭源模型：水本身很普遍，但人在某些场景下仍会选择瓶装水；AI 也是如此，有些任务直接使用最先进的闭源模型最方便，但企业也可能因为主权、隐私或专有技术要求，需要可以自行部署和修改的开放模型。
黄仁勋在现场给出一组数字：他表示，过去 6 个月约有 4,000 亿美元风投资金流入 AI-native 公司，其中约 80% 使用开放模型。
他说，如果美国想赢得 AI 竞争，目标不应只是让少数几家科技巨头获胜，而是让每一家企业、每一个行业、研究人员、教师、学生和初创公司都能使用 AI。
谈中美 AI 竞争：关键不是谁先发明，而是谁最会用
主持人随后追问，如果大量开源模型来自中国，是否会构成美国的战略风险。
黄仁勋的回应较为务实。他表示，现在全球很大一部分开源贡献本来就来自中国，这背后有庞大的工程人才和理工科毕业生规模。即便 Linux、Kubernetes 或其他开源软件曾被中国工程师修改，只要代码下载到自己的环境里，用户就可以 fork、改进并形成自己的版本。
因此，他认为真正的 AI 竞争，不是谁发明了全部技术，而是谁能最好地利用技术。他提到，过去工业革命中的 Maxwell、Volta、Ampere 都不是美国人，许多重要技术起源于欧洲，但美国最终最成功地把这些技术转化成产业和社会生产力；他希望 AI 时代也能如此。
他还表示，中国目前对 AI 的叙事比美国更 pragmatic。按他的说法，中国把 AI 看成推动经济和社会发展的技术，而美国内部却持续出现文明毁灭、AI doom 等论述。
AI 会不会让工程师失业
谈到 AI 是否会消灭软件工程岗位，黄仁勋给出另一种角度。他回忆自己刚毕业成为工程师时，软件还不像今天这样普及，工程工作并不是每天坐在电脑前打字；而今天的工程师从上班开始就持续用键盘写 code。
因此，在他看来，「工程」本身并不等于 coding。他还开玩笑说，自己总告诉 NVIDIA 软件工程师「你们只是在打字」，而他最喜欢的键盘按键是 Backspace，因为最好的软件往往是最小、最精简的软件。
黄仁勋认为，未来 AI 可能会让大量代码不再由人类直接输入，但这不代表世界不再需要工程师。
特朗普电话插入会场：数据中心是未来 20、25 年的石油
当主持人准备把话题转向 NVIDIA 商业模式时，黄仁勋的手机突然响起。他看了一眼后惊呼：「Oh, it s Trump.」
接起电话后，他告诉特朗普，自己正在 All-In Summit 舞台上，现场有 Jason、Chamath、David 等主持人与数千名观众，而且「我们刚好正在谈你」。随后现场尝试把手机切到扬声器并靠近麦克风。
特朗普上线后先拿黄仁勋开玩笑，称人生最好笑的事情之一，是 Jensen 能开发出全世界最复杂、10 年都没人能复制的芯片，却不知道怎么把电话切成扬声器。
在通话中，特朗普表示，把数据中心和 AI 描绘成威胁是一场「hoax」，因为数据中心会给地方带来大量投资和财富。他形容：「数据中心是未来 20、25 年的石油。」
他还说，AI 的规模会比互联网更大，「whoever wins AI wins」，因此美国不能因为恐惧叙事就自己停止发展数据中心。
特朗普强调，机器人与 AI 不会像某些叙事描述的那样接管世界，美国可以谨慎发展 AI，但不能因此停止整个产业。他进一步表示，美国必须确保每一个行业、公司、州和民众都能从 AI 竞争中受益，并声称目前已有 20 兆美元投资流入美国，远高于拜登政府时期。
当黄仁勋告诉他现场数千人正在鼓掌时，特朗普还开玩笑说：「他们刚刚还得听 Jensen 讲话。」随后挂断电话。
黄仁勋谈特朗普关注点：重新工业化与创造就业
电话结束后，黄仁勋补充，自己第一次与特朗普见面时，特朗普最关心的问题之一，就是如何把工作机会重新带回美国。
在他看来，AI 正同时拉动软件、数据中心、能源和制造业需求。数千亿美元风投资金流向 AI 初创公司，本身就在创造大量软件岗位；算力需求上升，则会继续带动数据中心、电力、建筑和基础设施需求。
他还提到，自己曾与得州州长 Greg Abbott 讨论，希望科技行业在美国各地建设数据中心时，能对小型社区更有同理心，也愿意听取当地需求。
NVIDIA 为什么到处投：哪里有瓶颈，就往哪里补
主持人随后把 NVIDIA 形容成「AI 的银行」，因为这家公司近年不只是卖 GPU，还开始介入土地、电力、数据中心外壳、融资以及各类 AI 基础设施。
黄仁勋解释，这是因为 AI 本质上是一场新的工业革命，而「智能」本身现在成了一种必须被生产出来的商品。过去互联网让人类可以「找到任何东西」，AI 则让人类可以「提问并知道任何东西」；但这些 intelligence 需要通过庞大的计算基础设施生产出来，所以数据中心、电力、土地、建筑、光纤、内存和晶圆制造都会成为 AI 供应链的一部分。
他说，如果某个供应商需要提前扩产，NVIDIA 就会介入；如果 land、power、shell 成为下一个瓶颈，公司也会往下游协助建立产能。黄仁勋指出，NVIDIA 很早以前就必须与台积电、内存厂、Corning 等合作伙伴提前规划供应，现在只是把同一套供应链思维延伸到 AI 基础设施下游。
应用层会不会也做：能留在底层就留在底层
面对 NVIDIA 是否会继续向更高毛利的应用层扩张的问题，黄仁勋表示，公司策略不是什么都自己做。他的原则是：「Go up as far as we need to, and as low as possible。」
也就是说，只有当上层技术缺失会阻碍整个生态发展时，NVIDIA 才会向上建设；而一旦平台成熟，就尽可能退回底层，让其他公司去竞争。
他以 cuDNN、Megatron Core 为例称，如果 NVIDIA 不先做这些基础技术，很多 AI framework 或大模型训练可能根本无法出现；但 NVIDIA 的最终目标仍是「让一千朵花盛开」，而不是把所有应用收入都拿走。
力挺 NeoCloud：未来不只是 5 家 hyperscaler
黄仁勋还谈到 CoreWeave 这类 NeoCloud。他表示，大型 hyperscaler 通常一年做一次基础设施规划，但 AI 市场变化太快，需求几乎注定会和年初预测不同，因此区域型云服务商反而能更快拿到当地 land、power、shell，形成全球分布式 AI 基础设施网络。
他直言，未来产业需要的不只是几家大型 hyperscaler，而可能需要 50 家、100 家，甚至 1,000 家这样的供应商。
为何连自动驾驶模型也自己做
黄仁勋随后谈到 NVIDIA 当前打造的多个 frontier model，其中包括自动驾驶模型 Alpamayo。他称其为全球第一个「会思考的自动驾驶车」，通过 reasoning 能力，不再完全依赖数十亿小时道路数据，而是可以把新情境拆解成与过去经验相似的问题。
在他看来，未来每一辆汽车、卡车、货车乃至农业机械都会走向 autonomous，但很多车厂没有能力从零搭建完整 AI stack，因此 NVIDIA 可以先建立共用平台，再由各家车厂完成 last-mile adaptation。
他强调，NVIDIA 投入这些 frontier model，不是因为想「颠覆所有行业」，而是因为客户有需求，而市场暂时还没有人把底层工具做好。
谈中国先进制程：时间点是 2030 年
在访谈后段，主持人直接问黄仁勋，中国自研 advanced lithography system 还要多久。黄仁勋给出的答案非常明确：「2030。」
当主持人表示 2030 年已经很近时，黄仁勋回应称，对中国来说，高量产能力本来就是强项，所以这只是时间问题。他说，自己经营 NVIDIA 必须按 10 年，甚至下一个 10 年的尺度思考，因此 2、3 年「只是一个 click」。按照这种时间尺度，中国实际上已经很接近突破。
这番表态也意味着，如果美国限制中国先进半导体设备的策略建立在「中国永远做不出来」这一假设上，黄仁勋显然并不认同。
黄仁勋：AGI 已经到了，部分领域甚至已是 superintelligence
访谈最后，主持人问黄仁勋，人类是否已经进入 AGI 时刻。黄仁勋直接回答：「我认为我们已经到了。」对于 superintelligence，他也表示，在 narrow domain 中早已出现。
他举例称，自动驾驶系统只需要把车开好，不需要会做欧姆蛋；如果它的事故率只有人类的十分之一，那么在「驾驶」这项特定能力上，它已经超越人类。蛋白质合成、virtual screening 等领域也存在类似情况。
在结束发言时，黄仁勋把整场对谈重新拉回他的核心观点：AI 的未来不是值得恐惧，而是值得前往。
他说，很多人即便已经不需要再工作，仍然愿意站在科技最前线，因为这个时代「太有趣了，不参与太可惜」。他希望全美国，甚至全人类，都能一起走向这个未来。
最后，他再次呼吁 AI 行业「把 drama 降低一点」，不要再用极端叙事把社会排除在这场科技革命之外。按他的说法，真正能让美国赢得 AI 竞争的方式，不是少数实验室率先抵达终点，而是让整个国家一起跟上。