2026年1月21日 · 访谈 · 32min
黄仁勋在世界经济论坛表示：人类历史上最大规模的基础设施建设
AI 是人类历史上规模最大的基础设施建设。我们已经投入了数千亿美元，还需要数万亿美元。这并非泡沫，而是一次平台级的转变，堪比 PC、互联网和移动计算。这是黄仁勋在达沃斯世界经济论坛首次亮相时提出的核心论点，对话由贝莱德 CEO 拉里·芬克主持。
对话内容
拉里·芬克以一个引人注目的比较开场：自 NVIDIA 和贝莱德都在 1999 年上市以来，NVIDIA 的年复合回报率为 37%，而贝莱德为 21%。黄仁勋唯一的遗憾是什么？以 3 亿美元的估值出售 NVIDIA 股票，为父母买了一辆梅赛德斯 S 级轿车。“这是世界上最贵的车，”他开玩笑说。他们现在还在开。
随后，对话在约 30 分钟内涵盖了 AI 的产业架构、对就业的影响、对发展中经济体的潜力以及欧洲的特殊机遇。
五层蛋糕
黄仁勋将 AI 视为一个完整的计算堆栈，而非单一技术，它包含五个层次：
- 能源 —— AI 实时处理智能，需要能源来支持。这是基础。
- 芯片和计算基础设施 —— “这是我所在的领域。” 台积电正在建设 20 座新的芯片工厂。美光正在美国投资 2000 亿美元。SK 海力士和三星正在积极扩张。
- 云基础设施 —— 托管和分发计算的云服务层。
- AI 模型 —— “这是大多数人认为的 AI。” 但如果没有底层的支持，模型就无法存在。
- 应用 —— 最终实现经济价值的层面：医疗保健、金融、制造业、机器人。
关键的洞察是，公众的注意力主要集中在第四层（模型）上，但所有五层必须同时构建。这就是为什么基础设施投资如此巨大，以及为什么它不是投机性的。
“We’re now a few hundred billion dollars into it. There are trillions of dollars of infrastructure that needs to be built out.” 我们现在已经投入了数千亿美元。需要建设数万亿美元的基础设施。
2025 年的三大突破
黄仁勋指出了使 2025 年成为 AI 模型层突破性的一年的三个发展：
Agentic AI（代理式 AI）。 语言模型从好奇但会产生幻觉的聊天机器人演变为可以逐步推理、计划和执行任务的系统。从“语言模型”到“AI 系统”的转变是决定性的转变。
开放模型。 DeepSeek 的发布是一个关键时刻。黄仁勋重新定义了围绕它的恐慌：“DeepSeek 对于大多数行业、世界各地的大多数公司来说都是一个重大事件，因为它是世界上第一个开放的推理模型。” 开放模型使公司、研究人员、教育工作者和初创公司能够构建特定领域的 AI，而无需从头开始。
物理 AI。 不仅理解语言，还理解物理世界的 AI：蛋白质、化学物质、流体动力学、粒子物理学。礼来公司的合作是旗舰示例。AI 现在可以“像我们与 ChatGPT 交谈一样与蛋白质互动和交谈”，药物发现正在加速发展。
目的 vs. 任务：就业影响的框架
对话中最具体的部分是黄仁勋关于 AI 创造就业机会而非消除就业机会的论点。他基于一个简单的框架：区分工作的目的和工作的任务。
放射学。 十年前，放射学是每个人都期望 AI 会消灭的职业，因为计算机视觉是第一个达到超人性能的 AI 能力。十年后，AI 已经“完全渗透到放射学的各个方面”。影响是 100% 真实的。放射科医生的数量却增加了。为什么？因为放射科医生的目的是诊断疾病，而不是研究扫描结果。由于扫描结果可以立即处理，放射科医生可以花更多时间与患者在一起。医院可以接诊更多患者。收入增加。他们雇佣了更多的放射科医生。
护理。 美国缺少 500 万名护士。护士花费一半的时间进行图表记录和文档记录。AI（黄仁勋提到 Abridge 作为合作伙伴）可以自动执行图表记录。护士可以花更多时间与患者在一起。医院可以接诊更多患者。他们雇佣更多的护士。
“If you just put a camera on the two of us and just watched us, you would probably think the two of us are typists. Because I spend all of my time typing. And so if AI could automate word prediction and help us type, then we would be out of jobs. But obviously that’s not our purpose.” 如果你只是把一个摄像头对准我们两个人然后观察我们，你可能会认为我们两个是打字员。因为我把所有的时间都花在打字上。因此，如果 AI 可以自动预测单词并帮助我们打字，那么我们就会失业。但显然这不是我们的目的。
黄仁勋认为这个框架具有普遍性：对于任何工作，都要问它的目的是什么（照顾病人、诊断疾病、做出投资决策），而不是它的任务是什么（研究扫描结果、图表记录、数据检索）。AI 可以自动化任务，从而扩大目的，从而增加对完成该目的的人的需求。
基础设施建设本身也是一个巨大的就业机会创造者。水管工、电工、建筑工人、钢铁工人、网络技术人员。美国这些行业的工资几乎翻了一番，达到六位数。“你不需要计算机科学博士学位也能过上美好的生活。”
每个国家都需要 AI 基础设施
关于发展中国家，黄仁勋提出了一个尖锐的论点：AI 是一种基础设施，就像电力和道路一样。每个国家都应该建设它，而不仅仅是进口它。
逻辑很简单。开放模型使 AI 变得易于访问。本地专家可以针对本地语言和文化微调模型。“你最根本的自然资源是你的语言和文化，”他告诉达沃斯听众。各国应该发展自己的 AI，完善它，并将国家智能视为其生态系统的一部分。
他还指出，AI 是“历史上最容易使用的软件”，这就是为什么在短短两到三年内，采用率接近 10 亿用户。进入门槛从未如此之低。
“If you don’t know how to use an AI, just go up to the AI and say, I don’t know how to use an AI. How do I use an AI? And it would explain it to you.” 如果你不知道如何使用 AI，只需走到 AI 面前说，我不知道如何使用 AI。我该如何使用 AI？它会向你解释。
黄仁勋特别赞扬了 Claude：“Anthropic 在开发 Claude 方面取得了巨大的飞跃。我们在整个公司都在使用它。它的编码能力、它的推理能力……任何一家软件公司都应该参与并使用它。”
欧洲的机器人时刻
对于欧洲，黄仁勋特别看到了一个基于其工业制造业基础的百年一遇的机会。他的论点是：
- 美国引领了软件时代。欧洲在很大程度上错过了它。
- 但 AI 改变了规则：“AI 是一种不需要编写软件的软件。你不是编写 AI，而是教 AI。”
- 欧洲深厚的工业基础、其制造能力以及其强大的行业技术劳动力使其非常适合物理 AI 和机器人技术。
- 欧洲的深层科学仍然是世界一流的，现在可以通过 AI 加速发展。
- 关键的先决条件：欧洲必须认真投资能源供应，以支持基础设施层。
行业技术劳动力这一点值得注意。黄仁勋观察到，美国“在过去 20 年、30 年里失去了这一点”，而它在欧洲仍然很强大。在 AI 基础设施时代，这是一项资产，而不是一项负债。
不是泡沫
拉里·芬克直接提出了泡沫问题。黄仁勋的回应是经验性的：NVIDIA 在云中有数百万个 GPU。如果你尝试租用一个，现货价格正在上涨，不仅是最新一代的 GPU，还有两代前的 GPU。需求超过了供应。
投资数据支持这一点。2025 年是有史以来风险投资资金最多的一年，全球超过 1000 亿美元。其中大部分资金流向了医疗保健、机器人、制造业和金融服务领域的“AI 原生公司”，这些公司正在构建上层的应用层。
礼来公司是企业范例：过去完全用于湿实验室的研发预算越来越多地转向 AI 超级计算机。
拉里·芬克补充说，AI 基础设施应该是全球养老基金的主要投资方向。“我们需要确保普通养老金领取者、普通储户参与到这种增长中。”
黄仁勋以直接的行动号召结束：
“This is the single largest infrastructure buildout in human history. Get involved.” 这是人类历史上规模最大的基础设施建设。参与进来。
一些想法
这是一次刻意平易近人的对话。黄仁勋并没有透露新的技术突破；他正在为达沃斯的政治领导人、养老基金经理和工业高管建立一个投资论点。
- 五层堆栈很简单但非常有用。它解释了为什么 AI 投资必须是巨大的（五层，而不是一层），以及为什么应用层的回报取决于底层的所有层是否都已构建。
- 目的与任务框架对就业影响是最有力的部分。它是可测试的（放射学数字是真实的），它具有普遍性，并且它为政策制定者提供了一个超越“AI 取代就业”的具体工具。
- 黄仁勋对 Claude 的赞扬非常具体。公开点名 Anthropic 生态系统中的一个产品（NVIDIA 与所有 AI 公司合作）表明 Claude 在企业编码和推理方面的地位已在行业价值链的顶端得到验证。
- 最引人注目的数据点：在美国，行业技术人员的工资“几乎翻了一番”，达到六位数，这些人正在建造芯片工厂、计算机工厂和 AI 工厂。AI 经济已经为没有计算机科学学位的人创造了有形的财富。
- “世界上最贵的车”的笑话捕捉到了机会成本的真实含义。以 3 亿美元的估值出售 NVIDIA 股票来购买梅赛德斯。他的父母还在开着它。