黄仁勋：AI 热潮不会像网络泡沫，数位劳动力将带来数兆美元商机
https://tinyurl.com/23q2ogks
辉达 (NVIDIA) 执行长黄仁勋表示，AI 工厂和通用生成式运算将是下一波增长的关键动
力。对此，辉达不仅打造了 AI 革命的基础设施，更将运算典范从储存检索式转向 100%
生成式。
黄仁勋在Citadel Securities所举行的座谈会中深入剖析了辉达崛起的历程、AI革命的本
质。首先，黄仁勋回溯辉达创立的1993年，指出当时正值PC与CPU革命的摩尔定律时代。
他观察到，通用技术（如CPU）虽然用途广泛，但在解决“非常困难”的问题时往往不够
出色。所以，后来辉达的核心就是透过“加速运算”来增强通用运算，这是一种更具领域
针对性的解决方案。
https://youtu.be/m1wfJOqDUv4
另外，辉达必须同时发明新的技术和市场，这项任务的机率本质上趋近于零。但是，辉达
最终成功地建立了现代3D图形游戏生态系统，并意识到3D图形的基础数学（模拟现实）与
物理模拟密切相关。此后，辉达发明了CUDA平台，这是一个伟大的发明，让辉达得以从垂
直集中的产业系统性地转向通用运算。CUDA的出现，使全球的研究人员和学者能够大幅放
宽摩尔定律的计算限制。黄仁勋强调，创造一个新的运算平台（如ARM或x86以外的平台）
极为罕见，辉达花了近30年才做到。
至于，针对AI革命的转折发生在2010年代初。黄仁勋指出，辉达当时推行“CUDA
Everywhere”战略，积极将CUDA推广给科学家和研究人员。2011至2012年间，辉达的关键
贡献是发明了新的求解器函式库cuDNN。但更具前瞻性的观察是，深度神经网络（借由反
向传播、长短期记忆网络和Transformer架构）是一种通用函式逼近器，能够学习几乎任
何函式。所以，辉达决定重新发明运算堆叠的每一层（芯片、系统、软件）。
辉达在2016年推出了世界上第一台AI工厂DGX-1。黄仁勋表示，AI工厂的设计目标，是提
供每单位能源的进出量能达到最高、规模最大、成本最低的系统。他将AI工厂称为“工厂
”而非资料中心，是因为客户正从中赚取收益。
如此，辉达的优势在于，他们是唯一能同时设计整个基础设施，包括GPU、CPU、网络、交
换机和所有软件的公司。透过这种共同设计，辉达得以突破摩尔定律的限制，每年都能在
性能上提供约十倍的提升，同时维持软件兼容性。黄仁勋强调，每单位能源的进出量（
Token生成率/单位能源）是华尔街低估的KPI，它直接决定了客户的收入。
黄仁勋驳斥了当前AI热潮是2000年网络泡沫的说法。他指出，今天的AI已经转变了超大规
模业者（如Google、Amazon、Meta）数千亿美元的业务（如搜寻、推荐系统）。下一波机
会在于“数位劳动力”（Agentic AI）和“实体AI”（Physical AI）。
其中在数位劳动力（Agentic AI）的部分，包括AI工程师、AI护士、AI会计师、AI行销人
员等。这将补充并增强企业市场，带来数兆美元的商机。这些AI需要持续“思考”和生成
结果，因此需要AI工厂作为运算基础。而在实体AI的方面，包括自驾出租车，机械手臂等
“具体化”的AI等。由于实体AI利用与数位AI高度相似的通用智慧，但运用于不同的具体
形态。例如，机器人要实现未来发展，需要三种运算设施，训练模型（AI工厂）、虚拟学
习世界（Omniverse）、以及机器人自身的大脑。
最后，谈到主权AI，黄仁勋认为没有国家可以负担将所有国家数据外包，并回头输入智慧
的模式。所以，各国应进口、购买，同时也建立自己的国家智慧。而针对美国对中国的出
口管制，他直指决策者应当谨慎，因为对中国不利的政策也可能伤害美国。辉达在中国市
场的市场占比已从95%降至0%，他认为这是一个错误。因为，为了确保全球开发者继续采
用美国技术堆叠，政策需要细致的平衡。
黄仁勋总结指出，未来的运算范式将是100%生成式，所有内容都将即时生成，而非从储存
中检索。目前全球已建置的AI基础设施仅数千亿美元，对于一个可能每年需投入数兆美元
的产业来说，这仅仅是个开始。他建议企业资讯长应立即投资于建立自己的AI员工（数位
化员工），并对其进行训练，使其符合公司的专业知识和文化。
只有老黄赚大钱,其他因为ＡＩ被裁掉的人表示