英偉達首席執行官黃仁勛近期在一場播客訪談中，深入探討了公司在協同設計領域的創新實踐，并就人工智能（AI）發展路徑、通用人工智能（AGI）的實現條件以及AI對職業生態的重構等話題發表了前瞻性觀點。他指出，隨著計算需求指數級增長，傳統單機加速模式已無法滿足需求，必須通過跨硬件架構的極限協同設計突破物理限制。
“當計算規模從單個GPU擴展到萬臺級集群時，我們追求的不是線性增長，而是百萬倍的性能躍升。”黃仁勛以AI工廠的演化為例解釋道，現代計算系統已從單一芯片演變為包含CPU、GPU、LPU及高速網絡的復合體，其復雜度堪比構建一座連接電網、配備冷卻系統的“吉瓦級基礎設施”。這種轉變源于對分布式計算效率的極致追求——在跨節點數據交換中，任何微小的延遲都會導致整體性能斷崖式下跌。
針對AI發展曾遭遇的數據瓶頸爭議，黃仁勛駁斥了“預訓練終結論”。他援引前OpenAI首席科學家Ilya Sutskever的悲觀預言，指出行業通過合成數據技術已突破自然數據限制。“我們早已習慣用消化過的合成數據訓練模型，現在AI甚至能自主生成符合基礎事實的高質量數據集。”他預測，未來人類生成數據在訓練中的占比將持續萎縮，而后訓練階段的微調將成為模型優化的核心戰場。
在談及AI推理的硬件需求時，黃仁勛顛覆了傳統認知。他強調，推理本質是“思考過程”，其復雜度遠超預訓練階段的模式識別。“認為推理只需小芯片的邏輯站不住腳，思考比閱讀困難得多，這需要強大的并行計算支撐。”這一觀點直接關聯到英偉達的產品戰略——其最新發布的網絡芯片與LPU（語言處理單元）正是為構建全棧推理解決方案而設計。
商業模型層面，黃仁勛揭示了AI經濟的分層趨勢。他觀察到，隨著模型智能化程度提升，token（詞元）輸出正形成免費層、中間層和高級付費層的生態結構。“某些垂直領域的專業模型，用戶可能愿意為每百萬token支付1000美元。”這種價值分層將重塑軟件商業模式，從傳統的許可證銷售轉向按智能密度計費的訂閱制。
面對英偉達能否突破3萬億美元市值的質疑，黃仁勛展現出強烈信心。他指出，公司200家供應鏈伙伴構成的生態網絡已具備彈性擴展能力，當前挑戰在于如何持續輸出推動行業變革的技術動能。“增長不是可能性，而是必然性。”他以軟件工程師團隊為例，強調公司更關注問題解決能力而非代碼行數，這種價值導向將支撐其穿越技術周期。
在AGI定義爭議中，黃仁勛提出實用主義標準：“當AI能獨立運營一家十億美元級科技公司時，即可視為AGI實現。”他舉例說明，若Claude等模型通過開發爆款應用獲取數億用戶，即便單次收費極低，也能達成這一里程碑。對于普通勞動者，他建議立即擁抱AI工具：“未來木匠將同時是建筑師與編碼員，會計師將兼任財務分析師，職業邊界會因AI賦能而徹底模糊。”他特別呼吁教育體系改革，要求所有畢業生具備AI應用能力，因為“編碼員數量可能從3000萬激增至10億，而不會使用AI的人將失去職場競爭力”。
