“订阅个API救不了平庸的管理！”黄仁勋直言：AGI就像刚毕业的天才博士，翘二郎腿坐等效率翻倍是做梦

把数据中心当炼油厂，绝不能把大脑外包给第三方。

编译 | 王启隆

出品丨奇点折射（ID：rgznai100）

在刚结束的 G20 创新部长级会议上，英伟达 CEO 黄仁勋受邀做了一场炉边对话。台下坐着的不是普通科技发烧友，而是来自全球各经济体的产业决策者和官员。面对这群人，老黄没有推销芯片，而是直奔主题：算力这门生意，到底怎么给一个国家、一家企业算清经济账？

对话一开始，黄仁勋就点破了一个惯性认知：很多人总习惯把芯片和计算机当成手机、PC 这样的消费硬件，但如今它早已蜕变为工业基础设施。现代数据中心的本质其实是一座“炼油厂”——把输入进去的电力能源，加工提纯成全社会可变现的高价值智能。

他再次抛出了经典的“五层蛋糕”理论，讲清普通国家如何避开美国锋芒、切入本土优势产业；还把看似神秘的 AGI（通用人工智能）拉回了地面——他打了个比方，AGI 就像英伟达刚招进来的斯坦福博士，脑子绝顶聪明，但你绝不可能指望订一个 API 接口就坐等公司效率翻倍，怎么给这群“数字天才”交代业务情境、对齐目标，才是管理层真正的硬功夫。

要点速览

• “Token”就是 AI 时代的“度电”：
  “一百年前，世界把能源按‘每千瓦时几美元’卖；今天，度量标准变成了‘每百万 Token 几美元’。智能虽然无形，但它和电力一样，是能真金白银变现的基础设施。”

• 打破技术门槛的真正拐点：
  “过去五十年，计算机只是全球两三千万专职工程师的特权。今天人类历史上第一次，任何人只要使用自己的母语，就能指挥计算机。”

• 当 Agent 拥有躯体，它就是机器人：
  “给大模型穿上一层调用工具的外骨骼，它就是数字 Agent；一旦赋予它物理实体，装上四个轮子就是自动驾驶，装进机械臂就是先进制造。”

• 订阅一个接口，救不了平庸的管理：
  “实现 AGI 不等于企业问题一键清零。这就像公司招来了一批顶尖名校博士，你不可能翘着二郎腿坐享其成，真正决定产出上限的，是管理者能否为它们搭好业务框架与权责边界。”

• 最大的风险是被时代抛下：
  “安全永远是靠技术进步跑出来的，而不是靠踩刹车保出来的。这场变革中最坏的结果，是你沉浸在恐惧里没有入局，最终被时代彻底抛下。”

以下是采访全文：

算力不是消费品，它是把能源炼成智能的“新基建”

（编者注：对话切入时，现场正谈及算力中心与 AI 基础设施的底层逻辑，黄仁勋直奔主题：）

黄仁勋：它将能源转化为高价值、高产出的智能，而我们现在正将这种智能在全美范围内全面商业化变现。

我们在人工智能投资上已经迎来了历史拐点，它如今已成为真正能带来生产力的基础设施。

过去，我们总以为芯片、科技和计算机就是手机与 PC。如今，我们必须像看待能源、互联网和基础设施那样去审视它们——对于政策制定者、整个产业乃至每一家企业而言，这种思维认知的转变具有根本性的重塑意义。

主持人：今天我们希望借此机会，帮助我们的 G20 伙伴理解我们以及您对未来增长的看法。在您看来，算力是否能够直接为各国创造营收与经济价值？世界是否真的必须大规模兴建数据中心来捕捉这种增长？您能否谈谈算力究竟是如何转化成经济效益的？

黄仁勋：没问题，这背后有一个既宏大又奇妙的概念，它叫做 Token。

Token 是海量计算的数学产物，它所代表的正是智能本身。

当你把这些 Token、这些数字聚合重组时，它们就能生成一张图片、写出一篇段落、解答疑问、解决现实难题，甚至激发出全新的创意。这些 Token，就是由我们制造的计算机通过纯粹的数学计算生产出来的。

这与历史何其相似。回到一百年或两百年前，世界发现了一种名为“能源”的新事物，随后人们以“每千瓦时几美元”的方式将其货币化。而今天，度量标准变成了“每百万 Token 几美元”。

两者的逻辑如出一辙。它看似无形无象，常人难以捉摸，却蕴藏着难以估量的价值。

这正如我们认识到“智能本质上具有价值”一样。你该如何拥抱智能？又该如何去衡量它？当它出现在你眼前、帮你解决实际问题时，你立刻能感受到它的存在。但它又是无形的、如雾霭般飘渺。智能并非由原子构成，它是一种概念性的存在。正因如此，许多人至今仍觉得人工智能难以理解。

然而，一旦你真正开始使用这些 AI 应用，就会瞬间领悟到它的非凡价值。它让你变得更有生产力，让普通劳动者的能力成倍提升，让工程师如虎添翼。

对于拥有庞大年轻人口的国家，它将极大加速教育普及；对于致力于发展科技实力的国家，它能帮助你们在短时间内实现跨越式升级。

就像能源生产让电力普及到每个国家一样，人工智能也将把智能与顶尖能力普惠给所有 G20 国家。对于敢于投资它的国家而言，它推动社会进步与产业升级的速度，将远远超出大家以往的想象。

从很多层面来看，它就是终极的均衡器。

退一步看过去五十年的计算机发展史，计算机本质上只是全球一两千万人的专属工具。要想利用这种算力，唯一的途径就是掌握计算机编程与设计。这也是我的毕生事业：设计计算机与编写程序。但这项能力始终被局限在全球一两千万、最多三千万人手中。

而今天，人类历史上第一次，世界上任何人都可以给计算机编程。

你只需使用人类自己的语言就能指挥它。我们彻底将这项对社会至关重要的计算技术普及到了每一个人手中，让所有人的人类能力都得到了质的跃迁。

这也是我全力呼吁每个人拥抱人工智能的原因。它能赋能你、托举你、成全你。它就是终极的均衡器。

光买个 API 救不了业务！正如黄仁勋所言：别被 AGI 概念忽悠，搞定底层工程落地才不会被时代抛下。

11 月 20-21 日，北京万达文华酒店——2026 奇点智能技术大会，拒绝务虚的宏大叙事，18 大核心专题、70+ 一线实战嘉宾，为你全盘拆解大模型与 Agent 落地的最前沿技术路径。

扫码领取 Łukasz Kaiser 历届演讲视频、Agent 实战训练营录播课大礼包

拆解 AI 的“五层蛋糕”：你不需要面面俱到，但必须躬身入局

主持人：您对在座的各位全球伙伴有什么建议？各国未来应如何把握这一历史机遇？他们必须在本国境内建设什么？应该进行哪些关键投资，以便回国规划参与这场 AI 革命时，心中有清晰的最佳实施路径？

黄仁勋：首要任务是看清 AI 的本质。我一直在用“基础设施”这个词，但如果将其彻底拆解开来，AI 无非就是一块“五层蛋糕”。

最底层是能源。没有能源，你什么也生产不出来。这一层负责将电力转化为数学。所以，第一层是能源。

第二层是芯片。这也是我所深耕的领域。

第三层是基础设施，也就是大型数据中心：包括土地、电力供应，以及容纳全部计算技术的外壳与厂房。能源输入其中，价值便喷涌而出。

再往上第四层，是 AI 模型所在的位置。多数人误以为模型就是 AI 的全部，但事实上，AI 是完整的五层蛋糕。

如今，我已经在各位代表的许多国家开展合作，接触过初创企业、成熟大公司以及科研机构。全球各个地区都在人工智能的某些关键领域各有所长，因为 AI 的内涵绝不仅仅是语言。

凡是具有结构的信息，人工智能都能学会去理解和预测。生物学有其结构，化学分子有其结构，物理定律同样有其结构。全球不同地区各具专长，而 AI 横跨所有这些领域：不同的语言、不同的技术、不同的信息理论。

第五层，也是 AI 中至关重要的部分，就是数据与应用。

美国在发明、构建和开发整块五层蛋糕上的投入最为深入。然而，每一个地区、每一个国家都应当清晰决定自己要在哪一层集中投资。你们不必在每一层都独占鳌头，也无需面面俱到地研发所有层面。

最关键的是，每个国家都必须积极倡导 AI 的广泛普及，推动 AI 深度融入本国千行百业。这里所说的行业涵盖了从教育、医疗、制造业到基础科学等几乎所有领域。

美国将在构筑这套五层技术栈中保持领先，但我们渴望与所有人携手合作，让世界各国都能共享红利。

英伟达打造的技术平台，能够承载所有科学领域、所有模态下的每一种模型运行。它既能运行美国的模型，也能运行全球各国的模型，支持生物学模型、化学模型、物理模型以及机器人技术。

给数字大脑穿上外骨骼：当 Agent 拥有躯体，它就是机器人

主持人：每当我去参加晚宴聊起“AI”时，大家总想当然地认为它就是软件。但我们如今看到的却是边缘 AI、硬件、机器人技术和先进制造。在您看来，工厂这类实体物理基础设施，与大众眼中“AI 仅仅是软件”的刻板认知之间，究竟是怎样的关系？

黄仁勋：AI 本质上是智能，而它的起点确实是软件。

回顾过去一年的 AI 进程，我们最初谈论的是大语言模型（LLM）。全世界如今都知道了“LLM”是什么意思，这本身就是一件了不起的事。

但真正让 AI 产生实用价值的，是为 LLM 穿上了一层外骨骼。这层外骨骼就是我们所说的 agent harness。它从根本上赋予了这个“大脑”检索知识、保留工作记忆、调用工具、协同作业并解决实际问题所必需的完备构件。

AI 的纯数字形态被称为 agent。如果你不再让这个数字 agent 仅仅去操作表格、PPT 或浏览器这类数字工具，而是引导它去操控机械设备——

一旦这个 agent 被赋予物理实体（具身化），它就瞬间化身为一台机器人。

把这个 agent 装进装有四个轮子的机器里，你就拥有了自动驾驶汽车；把这个 agent 置入机械臂中，它就成了能执行高精度分拣装配或先进制造任务的工业机械臂；把这个 agent 植入物流车、手术机器人或自动化药物研发实验室里，它就能执行专业任务。

所有这些形态的底层原理完全一致：大语言模型包裹在一套 agentic 系统之内，指挥操纵着数字工具或物理机械。

归根结底，各国都必须清醒地认识到，这正如水利、道路、电网和互联网一样，是不可或缺的基础设施。你们必须建立本国的数字基础设施来支撑本土经济。它是专属于你们的研究人员、学生、公众与本土初创企业的数字智力储备。

一旦我们在当地协助建起基础设施，本土的初创团队和科研人员就能立刻被彻底激活。这是一笔回报惊人的绝佳投资。

在美国，得益于鼓励能源增长的政策、执行速度和监管环境，我们建成了全球规模最大的算力基础设施之一。其结果是，AI 正在各个领域全面创造就业：晶圆制造厂、计算机组装厂以及 AI 数据中心无一例外。

仅在今年，全美对 AI 基础设施的投资就将接近一万亿美元，直接拉动巨大的经济增长，并创造数十万个就业岗位。

最大的风险从来不是技术失控，而是你被时代彻底抛下

主持人：任何重大时代变革都会引发人们的焦虑，各方担忧纷至沓来。如果把这场 AI 革命与人类历史上的历次重大变革（一路追溯至工业革命）相比，您如何给它定性？您将其置于怎样的历史坐标之上，各界领导者又该如何以最佳姿态拥抱它？

黄仁勋：正如所有新技术刚刚问世时一样，它最初总带着一层魔幻色彩。

在电力普及的初期，人们在远方按下一颗开关，房间瞬间被照亮，在当时看来简直不可思议、犹如魔法。每一项颠覆性技术的开端都像是魔法。但对我们这些身处其中的建设者而言，事实的真相在于：这就是工程科学。这里面是由计算机、软件、数学以及概率论一步步构筑而成的。

正如航空或汽车工业一样，确保技术安全、负责任地运行，是技术建造者的基本天职。而让技术更加安全的唯一途径，就是持续推进技术的自我迭代与进步。

相比开一百年前的老爷车，我显然更愿意驾驶配备了所有现代主动安全功能的当代汽车；相比一百年前的飞机，我也更愿意乘坐今天的民航客机。我们必须加速技术的演进，让它的功能越来越健全、越来越能兑现最初的承诺，而这种能力本身就会让它在使用中更加安全。

围绕技术安全与防护的探讨极其必要且弥足珍贵。然而，如果从主权国家的视角来看，在这场新型工业革命中可能发生的最糟糕结果是什么？

最坏的结果，是你根本没有参与其中，从而被时代彻底抛下。

如果领导者谈论科技时只沉浸在恐惧与不确定性之中，把所有注意力全放在潜在危险而非赋能潜力上，这种悲剧就会发生。关于风险的探讨，必须与关乎繁荣和赋能的对话保持平衡。这不是非此即彼的单选题，我们必须维持好两者之间的平衡。

回顾一下航空工业的历程。曾几何时，航空公司斥巨资打广告宣称：“我的飞机比竞品更安全。”但事实证明，乘客根本不想听这些。在消费者看来，确保飞行安全是整个行业不可推卸的底线职责。

旅客真正渴望听到的是，航班能够带他们飞往崭新的目的地、开阔他们的眼界、让世界变得更近、让他们体验多元文化并开启全新的经济机遇。他们希望安全是我们份内的工作，而不是他们时刻悬心的负担。

汽车、发电、航空领域如此，今天的 AI 亦复如是。保障安全合规与扎实可靠的工程设计，是我们作为行业领袖与建设者的共同责任。

在政策层面，我们需要精准、务实的监管。监管应当针对现实中明确可测的实际危害，而非停留在猜测与假设的无端恐惧。这项技术目前尚处于创新 S 型曲线的早期阶段，必须给予它快速向前发展的充足空间。

三年前，如果我们因过虑而冻结或放缓了研发脚步，我们今天根本不可能解决模型“幻觉”的问题。正是技术的持续精进，才让这些模型立足于可验证的客观事实，具备了坚实的科学依据。技术的持续进步，才是让技术真正安全的基石。

当数据中心耗资数百亿，通用性才是最硬核的护城河

主持人：让我们暂时回到您的核心业务上来。GPU 与通用 CPU 以及其他公司试图构建的芯片大不相同。您能否解释一下英伟达的计算架构，以及 GPU 为何与其他处理器有着本质区别？

黄仁勋：多年前，我们发明了 GPU。在底层逻辑上，GPU 就是为并行计算量身定制的。它专门用于求解极为复杂的仿真模拟问题，比如流体力学、粒子物理、量子化学、图像重构、计算机图形学，以及它表现得尤为惊艳的人工智能。

我们的架构既是通用的，也是完全可灵活复用的。我们原生支持生物学、物理科学、语言学等各个领域的每一个闭源模型、开源模型、不同模态以及大大小小的各类模型，能够高效驱动所有数据处理与并行计算。

正是得益于这种通用适配性，英伟达的架构才无处不在：覆盖每一家公有云、本地部署数据中心、边缘端设备、自动驾驶汽车内部以及各类机器人系统之中。目前，这一计算架构已经演进到了第十四代。

这种技术路径的核心优势最终体现为资本效率。

现代 AI 基础设施的建造成本极其高昂：建设一个千兆瓦（1 GW）规模的数据中心，耗资大约需要 500 亿到 600 亿美元。多年前，投资 250 亿美元建造一座晶圆制造厂就已被视为天文数字；而今天，建设一座吉瓦级数据中心的成本是它的两倍以上。从现在到 2030 年底，全球将建成约 100 吉瓦规模的算力中心用于源源不断地生产智能。

当资本支出达到如此天文量级时，你的基础设施就必须具备通用复用性与持久的生命力。如果你选择打造专用的定型硬件，一旦底层算法与模型架构发生演化，你的硬件将面临迅速被淘汰的巨大风险。

越来越多的人意识到，英伟达代表着最具安全边际的基础设施投资，因为我们的系统经久耐用，能够通过软件更新持续优化增值，并且能够从容适配未来出现的任何模型架构。

AGI 就像刚入职的天才博士，订阅一个接口解决不了管理问题

主持人：放眼更广阔的未来，世界正走向何方？有哪些关键议题目前探讨不足却极需我们高度关注？您经常与全球各地的领袖和顶尖企业交流，站在全局宏观视角，您看到了什么？

黄仁勋：我想把大众普遍的看法与我个人的实际预期放在一起做个对比。

在未来几年内，我们将实现人们常说的通用人工智能（AGI）。在我看来，这是顺理成章、完全符合逻辑的。事实上，从许多维度的衡量标准来看，我们今天其实已经近在咫尺。

但核心问题在于：这究竟意味着什么？

几百年前，人类为了培养一个运转良好、文明繁荣的社会，创立了一套有组织地规模化生产智力的体系——那就是教育。通过中小学与大学，我们规模化“制造”了智能与社会公民能力。没有这套基础设施，现代文明就根本不可能诞生。

今天，我们正在打造这一历史过程的数字版本。我们正在规模化生产数字智能。其直接结果是，即便缺乏顶尖精英教育资源的普通人与发展中国家，如今也能按需即时获得顶级专业能力的赋能。

为了理解这种经济效应，我们可以做一个思想实验：设想每一个步入职场的年轻人都接受过世界一流水平的训练。这就像英伟达招聘的优秀人才一样，他们毕业于斯坦福、麻省理工、哈佛或苏黎世联邦理工学院，各个能力超群。

然而，当这些天才加入公司时，我们的组织协同工作才刚刚拉开序幕。我们必须投入大量时间向他们交代业务上下文、进行价值观对齐、阐明组织使命、传授内部工具并介绍组织历史背景。

AGI 的运转方式也是如此。实现 AGI 绝不意味着企业的一切难题会在一夜之间烟消云散。你绝不可能仅仅订阅一个 API 接口，然后翘着二郎腿坐等公司生产力自动翻倍。

管理者必须像接纳刚毕业的博士生入职那样，倾注心力来引入并融入这些数字智能：为它们赋予清晰的业务上下文、行动目标与权责边界，并将它们深度嵌入企业的实际业务环境。构建这种“上下文框架与约束”（contextual harness），才是企业和管理者未来真正的核心工作。

我们人类的工作并不会因此消亡。一份工作的真谛，最终是由它的使命、业务情境与核心目的所定义的。AI 会将起草文案、解析数据、编写代码等具体的职能任务自动化，但这个岗位背后的核心使命将始终延续。

整个人类社会将迎来前所未有的超强赋能。在英伟达内部，我们在使用 OpenAI 和 Anthropic 的第三方模型以及像 Cursor 这样的专业编码工具的同时，也在大力研发我们自有的内部专有模型。

每一家企业、每一个国家都应当遵循这一框架：在适用的场景善用现成模型，但必须打造属于自己的主权智能。你绝不能将属于本机构的专属知识沉淀和战略判断，完完全全外包给第三方供应商。

那种认为自动化将导致就业全面覆灭的观点是完全错误的。相反，全人类的雄心壮志将被彻底放大。

比起历史上任何时期，今天的我们都怀有更宏大的抱负。我们如今习以为常推进的项目，若放在一百年前，都会被视作异想天开的科幻奇谈。

在未来的十年里，这种基准线将被再次彻底刷新。过去需要耗时十年的任务，未来一年即可完成；过去耗时一年的工作，未来一个月就能解决。

我们正在步入一个精干团队与普通个体都能切实撼动百万亿美元全球经济体量的时代。各国与无数创新者正在共同规划如何在全球范围内创造数十万亿美元的全新经济增量。这种规模的雄心壮志，在整个人类历史上都是前所未有的。

主持人：我们今天齐聚于此的核心目标是发展，是确保我们的国家与社会走向繁荣。英伟达正在开辟一条曾经仅存在于科幻小说中的道路。

你为我们勾勒出了一幅无比清晰的蓝图：掌控 AI、融入本土情境、构建支撑发展的自主基础设施，并将世界顶尖的能力赋予各国的每一位公民。你向我们证明了专业能力的全面普及——如同让每个领域的顶尖博士，都随时触手可及。

黄仁勋：现在的你，就是那位顶尖学者。

文末福利｜AI 开学季硬核资料免费领

2026 奇点智能技术大会限时送出两份技术礼包：

• Łukasz Kaiser 历届演讲视频 + PPT | Transformer 八子之一、OpenAI 资深研究科学家，带你理解推理模型与大模型第一性原理。

• Agent 实战训练营录播课 | 覆盖 Agent 架构、基座模型、Skill、Agentic Infra 等核心技术，从理论到企业级落地。

扫码免费领取，两套硬核资料一次带走。

11 月 20—21 日

北京万达文华酒店

2026 奇点智能技术大会，现场见。