黄仁勋在CES后的访谈中提供了一个极具洞察力的分析框架，不仅打破了AI将大规模取代职业的恐慌，还深入剖析了技术栈、开源战略及成本曲线。通过区分任务与目的，并展示AI成本的断崖式下跌，这次对话为理解当前AI泡沫论与未来产业机会提供了理性且数据支撑的视角。
智能速览
AI自动化的是任务而非目的，反而增加了放射科医生和工程师等岗位需求。
AI竞争是五层结构，涵盖能源、芯片、基建、模型和应用，需全栈视角。
黄仁勋高度评价DeepSeek，并强调开源是生态发展的必需品而非威胁。
推理成本2024年下降超100倍，训练首个ChatGPT现仅需一台PC周末完成。
预测2026年数字生物学将迎ChatGPT时刻，汽车进化为推理型，中美关系有望改善。
精华内容
在充斥着末日论与泡沫论的声音中，黄仁勋通过严密的逻辑框架还原了AI发展的真实图景，从就业影响到底层经济逻辑，为行业指明了方向。
任务与目的
理解AI对就业影响的关键在于区分任务与目的。以放射科医生为例，AI接管了看片子的任务，但医生的目的是诊断和研究。AI提升了效率，使医院能服务更多病人，反而增加了医生数量。
同样，NVIDIA内部全员使用AI编程工具Cursor，但招聘速度不降反升。工程师的任务是写代码，目的是解决问题。AI消除了繁琐的编码任务，让工程师能专注于发现和解决新问题。
这一框架反驳了简单的替代论。只有当工作目的等同于单一任务时，才会被彻底取代；对于大多数职业，AI是放大器而非替代品。
五层竞争架构
看待AI竞争不能仅盯着模型层，黄仁勋将其比作一个五层蛋糕。最底层是能源，没有能源支持就没有工业革命；第二层是芯片，需要晶圆厂疯狂扩产；第三层是基础设施，包括数据中心和网络。
第四层是AI模型，关键在于AI是一个系统，而非单一模型，它需要理解生物、物理等多种语言。最顶层是应用，涵盖医疗、法律、自动驾驶等领域。
这意味着，中国互联网的增长曾拉动了全球芯片和存储销量，AI时代的繁荣同样利好整个技术栈。评估竞争胜负，必须具备全栈视野。
开源战略价值
黄仁勋极力捍卫开源，认为没有开源整个生态会窒息。初创公司、高校及传统行业都依赖开源模型作为起点。他特别指出，DeepSeek可能是过去几年硅谷研究者读到的最重要的论文，美国AI实际上在从全球贡献中受益。
针对所谓“神AI”垄断的叙事，黄仁勋认为完全不切实际。没有任何模型能精通人类语言、基因语言和分子语言。既然全能模型不会出现，开源就是推动未来十年技术进步的必需品。
成本极速下降
AI经济学正在发生巨变。2024年，GPT-4级别的推理成本下降了超过100倍。Andrej Karpathy估算的首个ChatGPT训练成本，现在仅需一台PC在一个周末即可完成。
硬件迭代速度惊人，Blackwell之后的Rubin平台将把推理成本再降10倍。黄仁勋暗示，那些宣扬“AI成本极高”的言论，本质上是在恐吓竞争对手。
只要落后不超过一年，企业完全能跟上技术步伐。成本曲线的断崖式下降，为更广泛的参与者打开了大门。
黄仁勋的视角为当前的AI热潮提供了一份冷静的注脚。通过区分任务与目的，看清全栈竞争的本质，并认识到成本下降的必然性，不难发现这并非一场泡沫，而是一场深刻的工业革命。随着数字生物学和机器人技术的突破，未来的增长将建立在坚实的技术积累之上。
关键评论
关键在于区分任务和目的，这有助于思考产品如何为客户创造价值，而不仅仅是具备什么功能。
虽然黄仁勋说AI增加了招聘，但这可能只适用于卖铲子的NVIDIA，对其他企业而言，AI更多意味着裁员增效。
要警惕AI的“认知缺陷”，它虽具备强大的语义能力，但在事实判断和科学推理上容易产生幻觉。
放射科医生增加的例子可能忽略了供需关系，现实中行业整合和执业人数下降才是趋势。
