黄仁勋：AI 不会抢饭碗，反而会导致劳动力短缺

作者：直面 AI

在 2026 年世界经济论坛上，英伟达 CEO 黄仁勋与贝莱德（BlackRock）CEO 拉里·芬克（Larry Fink）进行了一场对话。

对话主题是 AI 的技术演进、基础设施建设规模、AI 对就业市场的影响以及全球经济。

黄仁勋将 AI 定位为一次深刻的、重塑全球经济与社会结构的基础性变革。它是一场人类历史上规模空前的基础设施建设浪潮，AI 将重塑劳动力的价值，并为全球经济的均衡发展提供前所未有的机遇。

黄仁勋的核心论点是，我们正处在一场根本性的“平台转移”（platform shift）之中。

他将当前 AI 的崛起与个人电脑互联网以及移动云计算的诞生相提并论，认为每一次这样的转移都彻底重塑了计算堆栈，并催生了全新的应用生态。

在他看来，AI 并非仅仅是如 ChatGPT或 Claude 之类的单个应用，而是一个全新的、可供万物生长其上的基础平台。这次转移的根本性突破在于，计算机首次获得了理解“非结构化信息”的能力。

过去的软件，如基于 SQL 的数据库系统，只能处理被预先定义和结构化的数据。而 AI 则能实时地理解图像、声音、自然语言等纷繁复杂、充满上下文的非结构化信息，并基于对人类意图的推理来执行任务。

这种从“预先录制”到“实时生成”的转变，是 AI 区别于以往所有技术的本质特征。

为了让听众更清晰地理解这一庞大产业的构成，黄仁勋提出了一个“五层蛋糕”模型。

1. 能源（Energy）：最底层是能源。因为 AI 是实时处理并生成智能的，它需要能量来完成。

2. 芯片与计算基础设施（Chips and computing infrastructure）：第二层是我所在的领域，芯片和计算基础设施。

3. 云基础设施（Cloud infrastructure）：再上一层是云服务。

4. AI 模型（AI models）：再往上是 AI 模型。这是大多数人认为的 AI 所在之处。但别忘了，为了让这些模型得以实现，你必须拥有其下的所有层。

5. 应用层（Application layer）：但最重要的，也是当下正在发生的，是应用层。去年之所以对 AI 来说是不可思议的一年，坦白说，是因为 AI 模型取得了巨大进步，使得其上的应用层——我们所有人都需要其成功的最终层面——得以蓬勃发展。这个应用层可以是在金融服务、医疗健康、制造业等领域。最终，经济效益将在这里产生。

这个模型的提出，旨在强调 AI 产业的深度和广度，并引出他关于基础设施建设的关键判断。

基于此，黄仁勋断言，我们正在见证“人类历史上最大规模的基础设施建设”。他认为，目前已投入的数千亿美元仅仅是个开始，未来将有数万亿美元的资金涌入这个领域。

这并非夸张的预测，而是基于 AI 平台运作原理的逻辑必然。

为了让 AI 能够处理海量的上下文信息并生成智能，全球范围内对能源、数据中心、芯片工厂、电脑工厂乃至 AI 工厂的需求将呈指数级增长。

他列举了台积电、富士康等合作伙伴的大规模建厂计划，以及美光、三星等在存储芯片领域的巨额投资，以此来佐证这一建设浪潮的真实性与紧迫性。

当被问及是否存在“AI 泡沫”时，黄仁勋给出了一个基于市场供需的回答：当前英伟达 GPU 在云端的租赁价格，无论是最新一代还是前几代产品，都在持续上涨，这表明真实的需求远未被满足。

因此，当前的巨额投资并非非理性的投机，而是为了填补巨大供需缺口而进行的必要建设。

关于 AI 对就业市场的冲击，黄仁勋提出了一个与主流忧虑截然相反的观点。他认为，AI 非但不会造成大规模失业，反而可能导致部分领域的劳动力短缺。他通过区分工作的“目的”（purpose）与“任务”（task）来阐释这一逻辑。

黄仁勋以放射科医生为例，十年前，人们普遍预测这个职业会因 AI 的计算机视觉能力而被淘汰。然而十年后，放射科医生的数量反而增加了。

黄仁勋解释说，AI 自动化了阅片这项“任务”，使得医生能更高效地完成工作，从而将更多精力投入到诊断、与病人及其他临床医生沟通等更能体现其“目的”的活动上。

工作效率的提升使得医院能够接诊更多病人，收入增加，进而需要聘请更多的医生。同理，护士通过 AI 将自己从繁琐的病历记录任务中解放出来，能花更多时间提供人性化关怀，医院的接诊能力和效益也随之提升。

他将这一逻辑延伸开来，认为 AI 将成为各行各业专业人士的强大工具，通过自动化重复性任务，来强化他们实现核心工作目的的能力，从而提升整个行业的生产力与价值。

同时，庞大的基础设施建设本身也将创造大量与专业技艺相关的蓝领工作岗位，如电工、建筑工、技术员等，这些高薪职位并不需要高深的学历，有助于实现更普惠的经济增长。

黄仁勋的态度比较乐观，他认为 AI 有潜力成为缩小而非扩大全球技术鸿沟的关键力量。

其核心逻辑在于 AI 的易用性。他说，AI 是“历史上最容易使用的软件”，用户无需学习复杂的编程语言，只需通过自然语言下达指令，就能驱动强大的 AI 完成任务。

这种极低的准入门槛，使得发展中国家和未受过高等计算机科学教育的人群也能参与到这场技术革命中来。

他进一步提出了“国家智能”（national intelligence）或“主权 AI”（sovereign AI）的概念，强烈建议每个国家都应建立自己的 AI 基础设施，并利用本国的语言、文化和数据来训练自己的 AI 模型。

他认为，一个国家拥有自己的 AI 能力，就如同拥有自己的电力和交通网络一样，是未来国家竞争力的基础。这不仅关乎经济发展，更关乎文化传承与技术主权。

对于欧洲，黄仁勋指出，欧洲拥有极其强大的工业和制造业基础，虽然这在以美国为主导的软件时代或许未能完全转化为优势。

但在 AI 时代，尤其是英伟达最近正在开发的“物理 AI”（physical AI），欧洲迎来了千载难逢的机会。

他鼓励欧洲将强大的制造能力与人工智能深度融合，从“编写 AI”的思维转向“教导 AI”的思维，从而在智能制造和机器人领域实现跨越式发展。同时，欧洲深厚的科学研究传统也能与 AI 结合，极大地加速科学发现的进程。他敦促欧洲领导人必须认真对待能源供应和基础设施投资，为本土 AI 生态系统的繁荣奠定基础。

全文翻译

拉里：

大家早上好。很高兴能再次回到国会大厅。希望大家昨天过得愉快，今天也同样享受。我非常荣幸地向大家介绍黄仁勋先生，他是我非常钦佩、一直关注的人，也是我在学习技术和人工智能（AI）旅程中的一位老师。

看着他领导英伟达（Nvidia）的方式，真是令人惊叹。我不太喜欢用比较来衡量自己，但我喜欢这一个比较。自从英伟达在 1999 年上市以来——同年贝莱德（BlackRock）也上市了……

黄仁勋：

哦，天哪。

拉里：

是的。英伟达为其股东带来的总复合回报率高达 37%。试想一下，如果每个养老基金在英伟达 IPO 时就投资了，那将意味着什么？我们本可以为每个人的退休生活带来巨大的成功。

与此同时，贝莱德的年化总回报率为 21%。对于一家金融服务公司来说，这不算差，但相比之下确实相形见绌。但这恰恰有力地证明了仁勋的领导力、英伟达的定位，也很好地说明了世界对英伟达未来的信念。所以，仁勋，祝贺你走过这段旅程，我知道我们未来还有很多年的路要一起走。

黄仁勋：

谢谢你。非常感谢。我唯一的遗憾是，在公司 IPO 之后，我想给父母买点好东西，所以我以 3 亿美元的公司估值卖掉了英伟达的股票。我给他们买了一辆奔驰 S 级轿车。那成了世界上最昂贵的汽车。

拉里：

他们后悔吗？他们还留着那辆车吗？

黄仁勋：

哦，当然。是的，他们还留着。

拉里：

好的。现在让我们进入正题。关于 AI 的辩论，核心在于它将如何改变世界和全球经济。今天我想谈谈 AI 如何为世界经济增值，以及 AI 如何日益成为一种基础技术，让我们在座的每个人都能利用它来改善我们的生活，改善世界上每个人的生活。

我们需要讨论它将如何重塑几乎所有行业的生产力、劳动力和基础设施，但更重要的是，它将如何重塑世界，以及世界的更多部分如何从 AI 中受益，我们如何确保全球经济得到拓宽，而不是收窄。

我想不出还有谁能对 AI 本身及其周边的基础设施——那些必须围绕它建立的基础设施——有更清晰的看法。因为许多主要的超大规模计算公司都在使用英伟达创造的产品，并且整个生态都围绕着 AI 的基础设施和其潜力展开，我认为今天上午我们有一个非常值得倾听的声音。所以，仁勋，再次感谢你。

这是他第一次来到达沃斯世界经济论坛，我知道你的日程非常繁忙，感谢你抽出时间。

黄仁勋：

非常感谢。

拉里：

那我就直接切入主题了。你为什么认为 AI 有潜力成为如此重要的增长引擎？是什么让当前这个时刻、这项技术与过去的技术周期有所不同？

黄仁勋：

是的。首先，当你思考 AI 并以各种方式与它互动时——当然包括使用 ChatGPT、Gemini、Anthropic的 Claude 等等——以及它能做的那些神奇的事情，回归第一性原理去思考计算堆栈（computing stack）到底发生了什么，是很有帮助的。

这是一次平台转移（platform shift）。平台是构建应用程序的基础。这次的平台转移，就像当年向个人电脑（PC）的平台转移一样，新的应用程序被开发出来在一种新型计算机上运行；也像向互联网的平台转移，一种新型计算平台承载了各种新应用；还像向移动云的平台转移。在每一次平台转移中，计算堆栈都被重塑，新的应用随之诞生。

从这个意义上说，这是一次新的平台转移。今天你使用的 ChatGPT 本身是一个应用，但非常重要的是，新的应用将会在 ChatGPT 之上构建，新的应用也将在 Anthropic的 Claude 等模型之上构建。所以，它就是这样一种平台转移。

如果你意识到 AI 能做到以前你永远做不到的事情，那么它就很容易理解。过去的软件实际上是“预先录制”的。人类输入并描述算法或配方，让计算机去执行。

它只能处理结构化信息，意味着你必须输入姓名、地址、账号、年龄、住址等，创建这些结构化表格，软件再去从中检索信息。我们称之为 SQL 查询。SQL 是世界有史以来最重要的数据库引擎，几乎所有东西都曾运行在 SQL 之上。

而现在，我们有了一种能够理解非结构化信息的计算机。这意味着它可以看懂一张图片，读懂一段文字。

这些都是完全非结构化的。它能听懂声音并理解其含义，理解其结构，并推理该如何应对。所以，我们第一次拥有了一台不是“预先录制”的，而是能够实时处理信息的计算机。这意味着它能获取当下的情境信息、环境信息、上下文信息，以及你给它的任何信息，然后推理出这些信息的含义，并推理出你的意图——而你的意图可以用非常非结构化的方式来描述。

我们称之为“提示”（prompts），但你可以用任何你喜欢的方式来描述它。只要它能理解你的意图，它就能为你执行一项任务。

关于这一点，重要之处在于我们正在重塑整个计算堆栈。问题是，什么是 AI？当你思考 AI 时，你可能会想到 AI 模型，但从产业角度理解 AI 至关重要。AI 实际上是一个五层蛋糕：

1. 能源（Energy）：最底层是能源。因为 AI 是实时处理并生成智能的，它需要能量来完成。

2. 芯片与计算基础设施（Chips and computing infrastructure）：第二层是我所在的领域，芯片和计算基础设施。

3. 云基础设施（Cloud infrastructure）：再上一层是云服务。

4. AI 模型（AI models）：再往上是 AI 模型。这是大多数人认为的 AI 所在之处。但别忘了，为了让这些模型得以实现，你必须拥有其下的所有层。

5. 应用层（Application layer）：但最重要的，也是当下正在发生的，是应用层。去年之所以对 AI 来说是不可思议的一年，坦白说，是因为 AI 模型取得了巨大进步，使得其上的应用层——我们所有人都需要其成功的最终层面——得以蓬勃发展。这个应用层可以是在金融服务、医疗健康、制造业等领域。最终，经济效益将在这里产生。

但重要的是，因为这个计算平台需要其下的所有层，它已经启动了人类历史上最大规模的基础设施建设。我们现在已经投入了数千亿美元。

拉里：

才数千亿。

黄仁勋：

我们才投入了数千亿美元。拉里（主持人）和我有很多项目合作的机会。

有数万亿美元的基础设施需要被建设出来。这是合乎逻辑的，因为所有这些上下文信息都必须被处理，这样 AI 模型才能生成必要的智能，来驱动顶层的应用程序。

所以，当你回过头来，一层一层地推理，你会发现能源行业正在经历非凡的增长。芯片行业，台积电（TSMC）刚刚宣布他们要建 20 座新晶圆厂。

富士康（Foxconn）、纬创（Wistron）和广达（Quanta）与我们合作，正在建造 30 家新的电脑工厂，这些工厂的产品将进入 AI 工厂。所以，我们有芯片工厂、电脑工厂和 AI 工厂正在世界各地兴建。

拉里：

还有内存。

黄仁勋：

还有内存，完全正确。那些芯片厂。美光（Micron）已开始在美国投资 2000 亿美元。SK 海力士（SK Hynix）和三星（Samsung）都表现得非常出色。你可以看到整个芯片层正在惊人地增长。当然，我们现在非常关注模型层，但令人兴奋的是，模型之上的应用层也做得非常出色。一个指标是去年风险投资（VC）的资金流向。

去年是 VC 投资史上规模最大的年份之一，大部分资金都流向了所谓的“AI 原生”公司。这些公司遍布医疗、机器人、制造、金融服务等世界所有主要行业。你正看到巨额投资涌入这些 AI 原生公司，因为 AI 模型第一次好到可以作为它们构建应用的基础。

拉里：

让我们再深入一点。显然，我相信在座的每个人都在使用自己的聊天机器人获取信息。但你谈到 AI 的普及将是关键。让我们谈谈 AI 在物理世界中普及所带来的更多积极构想。你提到了医疗健康是一个很好的例子，但在交通或科学等领域，你看到了哪些变革性的机会？

黄仁勋：

去年，我想说在 AI 技术层，也就是模型层，发生了三件大事。

第一，模型本身一开始虽然新奇有趣，但会产生大量“幻觉”（hallucinated）。而去年，我们都可以合理地认为，这些模型变得更加有根据（grounded）。它们可以做研究，可以对它们可能没有被训练过的环境进行推理，将其分解为一步步的推理步骤，并提出一个计划来回答你的问题或执行任务。所以，去年我们看到了语言模型演变为我们称之为“智能体系统”（Agentic Systems）或“智能体 AI”（Agentic AI）的 AI 系统。

第二大突破是开放模型（open models）的突破。大约一年前，Deepseek 问世，很多人对此感到担忧。但坦白说，Deepseek 对世界上大多数行业和公司来说是一个巨大的事件，因为它是世界上第一个开放的推理模型。从那以后，一大批开放推理模型涌现出来。开放模型使得公司、行业、研究人员、教育工作者、大学和初创公司能够利用它们来启动项目，创造出针对特定领域或满足其特殊需求的成果。

第三个在去年取得巨大进展的领域是“物理智能”（physical intelligence）或“物理 AI”（physical AI）的概念。这种 AI 不仅理解语言，还理解自然。它可以是理解我们这个物理世界的 AI，也可以是理解蛋白质、化学物质、物理学（如流体动力学、粒子物理学、量子物理学）的 AI。这些 AI 现在正在学习所有这些不同的结构和不同的“语言”——如果你愿意，可以把蛋白质看作一种语言。

所有这些 AI 现在都取得了如此巨大的进步，以至于工业公司，无论是在制造业还是药物研发领域，都取得了长足的进展。一个很好的例子是我们与礼来公司（Eli Lilly）的合作。他们意识到，由于 AI 在理解蛋白质和化学品结构方面取得了非凡的进步——基本上能够像我们与 ChatGPT 对话一样与蛋白质进行互动和交谈——我们将看到一些真正重大的突破。

拉里：

所有这些突破都引发了对“人的因素”的担忧。你我之间就此有过多次对话，但我们需要告诉所有观众，人们非常担心 AI 会取代工作岗位。而你一直在论证相反的观点。显然，正如你所说，AI 的建设——历史上最大规模的基础设施建设——将会创造就业机会。能源行业在创造就业，工业在创造就业，基础设施层在创造就业，土地、电力和厂房都在创造就业，这太不可思议了。

所以，让我们更详细地探讨一下。你实际上认为我们将面临劳动力短缺。那么，你如何看待 AI 和机器人技术改变工作的性质，而不是消灭工作？

黄仁勋：

我们可以从几个不同的角度来思考这个问题。

首先，这是人类历史上最大规模的基础设施建设。这将创造大量的工作岗位。而且很棒的是，这些工作与专业技艺（tradecraft）相关。我们将需要水管工、电工、建筑工人、钢铁工人、网络技术员，以及安装和调试设备的人员。所有这些工作，在美国我们正看到一个相当显著的繁荣。薪水几乎翻了一番。

拉里：

是的。

黄仁勋：

我们谈论的是为建造芯片工厂、电脑工厂或 AI 工厂的人提供六位数的薪水。而我们在这方面存在严重的短缺。我真的很高兴看到这么多国家、这么多人认识到这个重要领域。每个人都应该能够过上好日子，你并不需要拥有计算机科学博士学位才能做到这一点。所以我很高兴看到这一点。

第二点要认识到的是，我们理论上讨论任务的自动化及其对工作的影响。我只提供一些真实的轶事，这些是现实世界中已经发生的事情。

还记得 10 年前吗？大家认为最早将被淘汰的职业之一是放射科医生。原因在于，第一个达到超人水平的 AI 能力是计算机视觉，而计算机视觉最大的应用之一就是放射科医生阅片。

十年后，AI 确实已经完全渗透并扩散到放射学的各个方面，放射科医生也确实在使用 AI 来研究扫描图像。这种影响是 100%的，而且是完全真实的。然而，毫不奇怪——如果你从第一性原理出发，这并不奇怪——放射科医生的数量反而增加了。

拉里：

这是因为对 AI 缺乏信任，还是因为人类与 AI 结果的互动能带来更好的结果？

黄仁勋：

正是后者。原因是，放射科医生的工作目的（purpose）是诊断疾病，帮助病人。这是他们工作的目的。工作的任务（task）包括研究扫描图像。他们现在能够以近乎无限快的速度研究扫描图像，这一事实让他们能花更多时间与病人相处，诊断他们的疾病，与病人互动，与其他临床医生互动。

同样不令人意外的是，由于这一点，医院能够接诊的病人数增加了，因为以前有很多人需要排长队等待做扫描。现在，因为病人数增加了，医院的收入也增加了，他们就会雇佣更多的放射科医生。

同样的事情也发生在护士身上。在美国，我们短缺 500 万名护士。由于使用 AI 来完成病历记录和病人就诊的转录工作——护士过去要花一半的时间做记录——现在他们可以利用 AI 技术。我们的一家合作伙伴 Abridge 公司在这方面做得非常出色。因此，护士可以花更多时间探视病人。

拉里：

人性的关怀。

黄仁勋：

没错。因为你现在可以看更多的病人，我们不再受护士数量的瓶颈限制，更多的病人可以更快地进入医院。结果，医院经营得更好，他们就雇佣更多的护士。

所以，AI 正在提高他们的生产力，这并不奇怪。结果，医院做得更好，他们想雇佣更多的人。我们有太多的人在等待太久才能进入医院。这是两个完美的例子。

现在，思考 AI 对特定工作影响的最简单方法是，去理解这份工作的目的是什么，以及这份工作的任务是什么。如果你在我们俩身上放个摄像头，只是看着我们，你可能会认为我们俩是打字员，因为我整天都在打字。如果 AI 能够自动化那么多的词语预测并帮助我们打字，那么我们就会失业。

但显然，那不是我们的目的。所以，问题在于你工作的目的是什么。对于放射科医生和护士来说，目的是照顾人。这个目的因为任务被自动化而得到了增强，变得更有效率。所以，只要你能区分每个人的目的和任务，我认为这是一个很有帮助的思考框架。

拉里：

让我们把讨论范围扩大到发达经济体之外。帮我理解一下 AI 如何惠及全世界。我上周末读了 Anthropic 的一篇文章，基本说最近 AI 的使用主要由受过教育的社会群体主导，他们甚至看到每个社会中受教育程度较高的部分使用得更频繁。当然，他们是基于自己的模型得出的结论，所以可能存在偏见。

那么，我们如何确保 AI 成为一种变革性技术，就像 Wi-Fi 和5G 对新兴世界那样？当 AI 与新兴世界及其就业状况相交时，这意味着什么？我们如何拓宽全球经济？回到就业问题上，随着机器人技术和 AI 的发展，肯定会有一些替代发生。在美国，替代已经在进行中。

我们可能创造了更多的水管工和电工，但我们可能需要更少的金融机构分析师。律师也需要更少的分析人员，因为他们能更快地积累数据。所以，让我们暂时转向新兴世界和发展中世界。你认为情况会如何发展？

黄仁勋：

首先，AI 是基础设施。我无法想象世界上有哪个国家不需要将 AI 作为其基础设施的一部分。因为每个国家都有电力，有道路，你也应该有 AI 作为基础设施的一部分。

你当然可以一直进口 AI，但如今训练 AI 并非那么困难。因为有如此多的开放模型，利用这些开放模型和你本地的专业知识，你应该能够创造出对自己国家有帮助的模型。

所以我坚信，每个国家都应该参与进来，建设自己的 AI 基础设施，打造自己的 AI，利用你们最根本的自然资源——也就是你们的语言和文化，发展你们的 AI，不断完善它，让你们的国家智能（national intelligence）成为你们生态系统的一部分。这是第一点。

第二点，记住，AI 超级容易使用。它是历史上最容易使用的软件。这就是为什么它的增长速度最快，被采纳得最迅速。在短短两三年内，用户就接近十亿人。

首先，我认为 Claude 非常了不起。Anthropic 在开发 Claude 方面取得了巨大进步。我们公司到处都在使用它。Claude 的编码能力、推理能力，它的能力真的非常惊人。任何拥有软件公司的人都应该参与进来使用它。另一方面，ChatGPT 可能是历史上最成功的消费级 AI，它的易用性和亲和力，我认为每个人都应该参与进来。

无论是在发展中国家的某个人，还是一个学生，很明显，学习如何使用 AI、如何指导 AI、如何提示 AI、如何管理 AI、如何为 AI 设置护栏、如何评估 AI，这些都至关重要。这些技能与领导人、管理人并没有什么不同，就像你我一直在做的事情一样。未来，除了生物性的、碳基的“AI”（指人类），我们还将拥有数字版的 AI，硅基版的 AI，而我们必须管理它们。它们将成为我们数字劳动力的一部分。

所以我主张，对于发展中国家来说，建设你们的基础设施，投身于 AI，并认识到 AI 很可能会缩小技术鸿沟。

拉里：

对吗？

黄仁勋：

因为它如此易用、如此丰富、如此易于获取。所以，我实际上对 AI 提升新兴国家的潜力相当乐观。对于许多没有计算机科学学位的人来说，你们现在都可以成为程序员了。过去，我们必须学习如何给计算机编程。现在，你通过对计算机说“我该如何给你编程？”来编程。

如果你不知道如何使用 AI，就去问 AI：“我不知道怎么用 AI，我该怎么用？”它会向你解释。你可以说：“我想写个程序来创建我自己的网站，该怎么做？”它会问你一系列关于你想建什么样的网站的问题，然后为你写出代码。它就是这么容易使用。这当然就是 AI 令人兴奋的不可思议的力量。

拉里：

两个简短的问题，我们的时间快到了。我们现在身处欧洲。当我们谈论很多公司时，我们提到了很多美国和亚洲的公司。跟我们谈谈 AI 如何与欧洲的成功和未来相交，以及你认为英伟达在欧洲将扮演怎样的角色？

黄仁勋：

我有一个优势，英伟达有幸与世界上每一家 AI 公司合作。因为我们处于基础设施的底层，我们为各行各业的 AI 提供动力，无论是语言、生物学、物理学，还是与制造和机器人相关的世界模型。

对欧洲来说，真正令人兴奋的是，请记住，你们的工业基础非常强大。欧洲的工业制造基础极其雄厚。这是你们现在跨越软件时代的机会。美国确实引领了软件时代。但 AI 是一种不需要编写的软件。你不是编写 AI，而是教导 AI（You don't write AI, you teach AI）。

所以，现在就尽早介入，这样你们就可以将你们的工业能力、制造能力与人工智能融合起来。这将带你们进入物理 AI 或机器人技术的世界。机器人技术对欧洲国家来说是一个千载难逢的机会。我访问的所有欧洲国家，工业基础都非常非常强大。

另一件要认识到的事是，欧洲的许多深层科学（deep sciences）仍然非常强大。现在，这些深层科学可以受益于应用人工智能来加速你们的发现。所以我认为，你们必须认真对待增加能源供应的问题，这样你们才能投资于基础设施层，从而在欧洲拥有一个丰富的人工智能生态系统。

拉里：

所以我听到的是，我们远未达到 AI 泡沫的程度。问题是，我们的投资是否足够？让我们反过来看这个问题，因为有太多人在谈论泡沫，但我从你这里听到的是，我们是否为拓宽全球经济做了足够的投资？

黄仁勋：

关于 AI 泡沫，一个很好的检验方法是认识到，英伟达现在在云端有数百万个 GPU。我们遍布每一个云，无处不在。如果你现在想租一个英伟达的 GPU，会发现极其困难。GPU 租赁的即期价格正在上涨，不仅是最新一代，连两代前的 GPU 租金都在上涨。

原因在于，正在创建的 AI 公司数量，以及将研发预算转向 AI 的公司数量都在增加。礼来公司就是一个很好的例子。三年前，他们大部分的研发预算，甚至全部，可能都花在了湿实验室（wet labs）上。但请注意他们投资的大型 AI 超级计算机，那个大型 AI 实验室。他们的研发预算将越来越多地转向 AI。

所以，所谓的 AI 泡沫，是因为投资规模巨大。而投资规模之所以巨大，是因为我们必须为 AI 之上的所有层级构建必要的基础设施。所以我认为这个机会真的是非同寻常的。

每个人都应该参与进来。我们需要更多的能源。我想我们都认识到，我们需要更多的土地、电力和厂房。我们需要更多熟练的技术工人。事实上，这部分劳动力在欧洲非常强大。

拉里：

是的。

黄仁勋：

在很多方面，美国在过去二三十年里失去了这一点。但它在欧洲仍然非常强大。这是一个你们必须抓住的非凡机会。在我与拉里工作的地方，我们看到了投资机会，投资规模正在上升。

正如我之前提到的，去年是 VC 历史上投资最大的一年，全球超过千亿美元，其中大部分是 AI 原生公司。这些 AI 公司基本上是在构建应用层，他们将需要基础设施，需要我们的投资，去建设这个未来。

拉里：

我坚信，对于世界各地的养老基金来说，参与其中，与这个 AI 世界共同成长，将是一项伟大的投资。这也是我向许多政治领袖传达的信息之一：我们需要确保普通的养老金领取者、普通的储户能够成为这一增长的一部分。如果他们只是袖手旁观，他们会感到被抛弃。

黄仁勋：

我们想投资于基础设施，对吧？基础设施是一个很好的投资选择。这是人类历史上最大规模的基础设施建设。参与进来吧。

拉里：

我们的时间到了。希望在座的每一位以及在线观看直播的每一位，都能看到黄仁勋作为一位领袖的力量——他不仅是技术和 AI 领域的领袖，也是商业领域的领袖，更是一位有心有魂的领袖，这在今天尤为重要，拥有发自内心和灵魂的领导力。谢谢大家。

黄仁勋：

谢谢大家。