当地时间12月3日，英伟达创始人、首席执行官黄仁勋（Jensen Huang）做客全球最受欢迎的播客节目之一《The Joe Rogan Experience》，与主持人乔伊·罗根（Joe Rogan）进行了一场长达近2.5个小时的深度对谈。

黄仁勋在访谈中系统性地回顾了英伟达31年创业史，并对AI发展、能源、就业、技术鸿沟等关键议题给出明确判断。

他系统复盘了英伟达历史中最惊险的三次濒死时刻，还对当下最受关注的问题给出明确答案：AI算力大部分用于安全（让模型学会思考、查资料、自纠错）；未来十年AI能耗对大多数人将“微不足道”；技术鸿沟会大幅缩小；就业不会消失，而是“任务”被取代、“目的”创造新职业；量子计算会来，但后量子加密也在同步研发；未来6-7年将出现大量小型核反应堆。

以下为此次对话的精简版：

01.绝境逢生：英伟达三次濒死危机与逆袭之路

问：英伟达是如何创立的？

答：1993年，我们以 “创造新计算方式” 为目标创办英伟达。当时3D游戏尚未兴起，我们前往日本与采用飞行模拟器技术的世嘉达成合作，以开发游戏机芯片换取其游戏向PC平台移植，世嘉的研发费用成为公司起步基础。

问：公司面临的最大危机是什么？

答：1995年中期，我们在纹理映射、图形建模、架构设计三大核心技术路线上全部选错，而当时硅谷上百家3D图形初创公司均采用了正确方案，公司陷入绝境。

问：你是如何说服世嘉投资的？

答：我向世嘉CEO入交昭一郎坦诚技术失效、合同履约无意义的事实，请求将剩余500万美元合同款转为投资。即便他知晓公司大概率倒闭，仍因对我的认可同意投资，为我们保留了生机。

问：资金耗尽时如何完成芯片开发？

答：我们放弃传统研发流程，用半数剩余资金（约100万美元）收购了倒闭公司IOS的库存模拟器，实现无实物芯片的设计测试；同时说服台积电创始人张忠谋，跳过原型测试直接量产。最终芯片大获成功，公司成为从零到10亿美元增长最快的科技企业。

问：英伟达如何在3D图形领域突破？

答：我们借鉴Silicon Graphics的思路，剥离通用功能，将3D图形核心需求硬编码到芯片中，使小型芯片具备百万美元级图像生成器的性能。同时聚焦游戏单一应用场景，与开发者合作构建生态，将技术业务升级为游戏平台业务，在30余家竞争者中突围。

问：英伟达是如何进入AI领域的？

答：2012年，杰夫・辛顿团队的伊利亚・苏茨克维与亚历克斯・克里热夫斯基，使用两块英伟达GTX580显卡训练出AlexNet，引爆现代AI革命。这一“意外发现” 如同《星际迷航》的“第一次接触”，让我们敏锐捕捉到GPU在AI领域的潜力。我们意识到AlexNet并非单纯的计算机视觉工具，而是可描述牛顿方程、薛定谔方程等各类规律的通用函数近似器。深度学习能解决所有有输入输出的问题，意味着可打造能学习几乎一切的计算机。

问：第一台DGX-1超级计算机如何诞生？

答：2016年，我们投入数十亿美元研发出采用NVLink技术连接八块芯片的DGX-1，售价30万美元。发布时观众毫无反响，无任何订单。最终我将首台设备提供给OpenAI，9年后同款算力的DGX Spark已缩小至书本大小，价格降至4000美元。

问：游戏硬件为何能催生AI革命？

答：我们的GPU具备并行处理能力，本质是消费级超级计算机，既适用于《雷神之锤》等游戏，也为深度学习提供了算力基础。GTX 580的SLI配置成为推动AI落地的关键设备，促成了AI大爆炸。

问：CUDA技术的推出有何影响？

答：CUDA技术为AI发展奠定核心基础，但推出时曾无人理解，导致英伟达市值从120亿美元暴跌至20-30亿美元。但基于第一性原理的坚定信念，让我们坚持投入，最终这项技术改变了世界，也推动公司市值大幅回升。

黄仁勋：AI再像人也只是“模仿意识”，就像3D打印的假劳力士

02.前瞻思辨：AI竞赛、安全边界与技术挑战

问：你如何看待AI技术竞赛和安全问题？

答：我们确实处于技术竞赛之中，这从工业革命以来就一直存在。从曼哈顿计划到冷战时期，技术始终赋予我们“超能力”。无论在信息、能源还是军事领域。技术领先地位至关重要。但我认为AI的发展会比人们想象的更加渐进，不会突然出现某个“奇点”时刻。历史表明，每当新技术出现时，人们总是会担忧，但这些担忧最终会转化为使技术更安全的努力。

问：过去两年AI能力提升了约100倍，这些算力如何被利用？

答：我们将大部分增加的算力用于提升安全性。让AI能够思考——即分解问题、逐步推理、在回答前进行研究、反思答案是否最佳、是否确定。如果AI对答案不够确定，它会返回做更多研究，甚至使用工具来提供比自身想象更好的解决方案。因此，我们将计算能力引导向产生更安全、更真实的答案。这就像汽车——今天的汽车更强大，但驾驶更安全，因为大量动力被用于更好的操控、ABS刹车系统、牵引力控制等。

问：AI是否会达到意识或感知？

答：首先，我们需要明确意识的定义。意识包括对自身存在的认知、体验而非仅仅是知识和智能、自我反思能力和自我意识。AI目前的定义是人工智能——感知、理解、规划和执行任务的能力。这显然与意识不同。我的狗有意识，它们能感受，但这是否意味着更低级别的意识还是仅仅是更低级别的智能？我认为体验是一系列感受的集合，这与AI的知识和智能本质不同。

问：技术发展是否会让加密技术失效？

答：网络安全之所以有效，是因为防御技术和攻击技术都在快速发展，但防御的优势在于整个社区作为一个整体共同合作。大多数人不知道，网络安全专家社区会交流想法、最佳实践和检测结果。一旦发现漏洞或威胁，补丁会立即与所有人共享。这种合作模式大约持续了15年。AI安全也将采用同样的方式——我们必须共同合作以抵御威胁。

问：量子计算是否会使所有加密技术过时？

答：量子计算确实会使之前的加密技术过时，但这正是整个行业正在研发后量子加密技术的原因——使用新的算法。虽然量子计算机能在几分钟内完成传统超级计算机需要数十亿年才能解决的问题，但我们有很多科学家正在研究应对方案。如果历史可以作为指导，我相信我们能找到解决办法。

03.算力革新：加速计算、能源瓶颈与未来十年展望

问：能源如何成为AI发展的瓶颈？

答：几乎所有事情都将受到能源限制。摩尔定律始于我这一代——我1984年毕业，正值PC革命开端。每年性能大约翻倍，这实际上意味着计算成本每年减半。五年内成本降低10倍，所需能源降低10倍。每十年降低100倍、1000倍、10000倍，以此类推。这就是为什么你今天有笔记本电脑，而1984年它要放在桌面上，必须插电，速度不快且耗电量大。今天只需几瓦特。

问：英伟达的加速计算如何改变这一切？

答：我们发明了一种新的计算方式，叫做加速计算。我们33年前开始，花了大约30年才取得巨大突破。在过去10年中，我们将计算性能提高了10万倍。想象一下，如果汽车在10年内速度提高10万倍，或以相同速度但便宜10万倍，或以相同速度但能耗降低10万倍——如果你的车做到了这一点，它根本不需要能源。我的意思是，10年后，对大多数人来说，人工智能所需的能量将是微不足道的，完全微不足道。因此，我们将在各种事物中随时运行AI，因为它不消耗那么多能源。

问：能源瓶颈如何解决？

答：我认为在接下来的六七年里，你会看到一大批小型核反应堆。所谓小型是指数百兆瓦。这些将是本地化的，无论特定公司拥有什么，都将成为发电机。就像某人的农场一样。这可能是最明智的做法——它减轻了电网的负担，你可以根据需要建造尽可能多的，并且可以向电网回馈。

问：未来十年AI能源消耗会如何变化？

答：在过去十年中，我们将计算性能提高了10万倍。如果汽车在10年内做到这一点——速度提高10万倍，或以相同速度但价格便宜10万倍，或以相同速度但能源减少10万倍——如果你的车做到了这一点，它根本不需要能源。

我想说的是，十年后，对大多数人来说，人工智能所需的能量将微不足道，完全微不足道。因此，我们将在各种东西中随时运行AI，因为它不消耗那么多能源。如果您是一个在社会结构中几乎所有方面都使用AI的国家，当然您需要这些AI工厂。但对很多国家来说，您将拥有出色的AI，而不需要那么多能源。

问：加速计算与传统计算有何不同？

答：传统CPU按顺序执行任务——步骤一、步骤二、步骤三。在我们的情况下，我们将问题分解并交给数千个处理器。因此，我们的计算方式要复杂得多。但如果你能够以我们创建的方式（称为CUDA）来表述问题，我们就可以同时处理所有事情。

在计算机图形的情况下，这更容易做到，因为屏幕上的每个像素都与其他像素不相关。所以我可以同时渲染屏幕的多个部分。当然这不完全正确，因为光照工作方式或阴影工作方式存在很多依赖关系等等。但是对于计算机图形和所有像素，我应该能够同时处理所有事情。所以我们采用了这个令人尴尬的并行问题——计算机图形，并将其应用于这种新的计算方式，即英伟达的加速计算。

4、未来预测：AI只取代工作流程，岗位不会消失

问：你对未来5-10年有什么具体预测？

答：回顾10年前，没人能预料到如今的行业格局。而展望未来9年，我认为技术发展将呈现渐进式的演进态势。其中一个核心判断是，技术鸿沟将大幅缩小。尽管有观点认为AI会加剧这一鸿沟，但我持相反意见。已有证据表明，AI是全球最易于使用的应用工具。ChatGPT在短期内便吸引了近10亿用户，即便你不了解其使用方法，也可以直接向它提问。它能够支持多种语言交互，即便遇到陌生语言，也能快速学习并回应。

历史上从未有过具备如此能力的工具。未来，人们无需掌握Python、C++或Fortran等编程语言，只需通过自然语言（任何形式的人类语言）即可与技术交互。这一特性有望最终消除技术门槛，让更多人受益于科技发展。

问：你如何看待未来几年AI对就业的影响？

答：五年前，辛顿曾预测，AI将在五年内取代放射科医生的工作。如今，AI确实已广泛应用于放射科领域，几乎所有放射科医生都在工作中使用相关技术，但颇具讽刺意味的是，放射科医生的数量反而有所增加。

核心原因在于，放射科医生的核心职责是疾病诊断，而非单纯的图像分析。图像分析只是服务于诊断的一项任务。AI的介入让图像分析变得更快、更精准，且不会出现疲劳或失误，还能支持3D、4D等多维度分析，让医生能够处理更多病例、更高效地完成诊断。这使得医院能够服务更多患者，经济效益显著提升，进而需要招聘更多放射科医生来满足需求。由此可见，AI并非取代了核心岗位，而是优化了工作流程、提升了工作效率。