作者：李海倫

編輯：徐青陽

美國當地時間9月14日，在知名科技播客All-In Podcast舉辦的線下活動All-In Summit 2026上，英偉達CEO黃仁勳與四位主持人圍繞AI安全、AI末日論、遞歸自我改進、開源模型以及AGI等話題展開討論。

四位主持人也是All-In Podcast的聯合創始人，他們分別是天使投資人傑森·卡拉卡尼斯（Jason Calacanis）、前Facebook高管查馬斯·帕裏哈皮蒂亞（Chamath Palihapitiya）、「PayPal黑幫」核心成員大衛·薩克斯（David Sacks），以及農業生物技術公司Ohalo Genetics和投資公司The Production Board CEO大衛·弗裏德伯格（David Friedberg）。

這場訪談圍繞一個核心問題探討：AI發展究竟需要怎樣的安全邊界。  針對近期Anthropic CEO達里奧·阿莫迪（Dario Amodei）關於AI安全的討論以及前沿實驗室「減速」的呼聲，黃仁勳認為，安全和創新並不矛盾，已經發生的安全事件應該按照工程問題進行根因分析，通過技術、流程和測試加以控制。

對於近年來頻繁出現的AI「末日預測」，黃仁勳列舉了「放射科醫生將被AI取代、90%的代碼將在短期內由AI生成、50%的初級崗位即將消失」等此前被證明並不準確的判斷。他認為，這類預測缺乏足夠的科學依據，也不應該被用來製造社會恐慌。

談到遞歸自我改進（RSI），黃仁勳認為，所謂RSI並非一種突然出現的神祕技術，而是上下文、強化學習、合成數據、LoRA等已有技術的組合。

至於開源與閉源模型之爭，他明確表示兩者都不可缺少，並認為中國擁有大量工程師和科學、數學人才，未來可能成為全球開源生態的重要貢獻者。

隨後話題轉向「AGI和超級智能」。當黃仁勳被問及：如果AGI的標準是達到人類智能水平，那麼這個階段是否已經到來。他簡單回答道：「現在已經達到了。」

以下為黃仁勳最新訪談實錄，在不改變原意的情況下做了精煉整理：

01 AI 安全不能和創新對立

問：最近關於AI安全的討論越來越多。達里奧·阿莫迪發表了關於AI安全的文章，Anthropic前研究員雅各布·考克森也因為相關問題離職。你怎麼看這些事情？

黃仁勳：安全問題當然必須認真對待，但安全和領導力並不衝突。我們完全可以快速創新、快速執行，讓美國繼續保持領先，同時把安全做好。把這兩件事情看成相互排斥的選擇，本身就是錯誤的。

考克森站出來說這些事情，需要勇氣。作為一個舉報者，他做這件事情沒有問題，但他後來對未來做出的那些科學判斷，我認為缺乏足夠的科學依據，因為這些預測並不是建立在真正的科學研究之上。

現在很多前沿實驗室正在從研究型組織轉向工程型組織，而研究和工程本身就是不同的事情。如果在這個轉型過程中出現控制或者管理方面的問題，那是另外一個問題。至於考克森究竟看到了什麼，我並不知道。

問：過去幾年，AI行業出現了很多非常悲觀的預測，比如「AI可能毀滅人類、導致大量工作消失」。你怎麼看這些說法？

黃仁勳：我認為我們不應該輕易給這些事情賦予所謂的「人類滅絕概率」或者「文明毀滅概率」，因為其中很多東西其實都是編出來的。當你把一個人稱為研究者、科學家，然後再給出一個非常驚人的預測，很容易讓公衆產生恐慌，我認為這是不負責任的。

我們過去已經見過很多這樣的預測。有人預測五年之內，放射科醫生會被AI完全取代，未來根本不需要放射科醫生。但現實是，全世界需要更多的放射科醫生，AI確實已經被用於醫學影像分析，但這和「放射科醫生會消失」完全是兩回事。

還有人預測，「未來6到12個月內，90%的代碼都會由AI生成，50%的初級崗位會在6到9個月內消失」。實際上，這些預測都沒有發生。此前還有人說「GPT-2、Llama 3危險到不能發布」，甚至有人預測「一半白領工作會在第二年消失」，或者所謂的「就業末日」即將到來。

我認為這些預測都應該被記錄下來。幾年之後回頭看，就會知道哪些預測是正確的，哪些只是製造了恐慌。

問：所以你認為，AI安全問題應該更多按照工程問題來處理？

黃仁勳：如果發生了安全事件，我們首先應該做工程上的根因分析，弄清楚到底發生了什麼，哪些地方出了問題，今後可以採取什麼措施避免類似事情再次發生，然後把這些措施變成制度、流程和技術控制。

我相信這些公司已經在做這些事情，包括更好的沙箱、更嚴格的運行環境、更完善的監控，以及持續監控系統。我甚至願意下注，相信這些問題是可以被控制和預防的。

如果一家工程公司真的不知道發生了什麼，也不知道應該怎樣控制，那麼可以派工程師進去幫助他們。但我不認為事情會發展到這一步。這些實驗室裏有非常優秀的人，我相信他們已經對相關問題進行了分析，也已經採取了相應措施。

問：如果AI安全問題需要監管，那麼監管應該從哪裏開始？

黃仁勳：監管應該解決真正存在的問題。現在真正需要關注的問題，大部分來自前沿AI實驗室，因為它們擁有最多的計算資源，也在處理最前沿的問題。一個高中生或者普通創業公司，很難擁有足夠的計算能力去製造這些問題。

這些實驗室正在從研究轉向工程階段，同時還在建設公司、文化、技術和產品，這個過程並不容易。因此，應該關注它們如何建立更完善的工程體系，確保技術開發和測試過程都具備足夠的安全性。

問：第三方評估機構是否有必要？

黃仁勳：我認為可以有多個評估和審計機構。它們不需要知道所有事情，但需要知道應該提出哪些問題。這和金融審計有些類似。如果只有一個評估機構，可能會受到影響；如果有多個評估機構，就能夠相互制衡。

02 「遞歸自我改進」沒有那麼神祕

問：現在大家越來越多地討論遞歸自我改進，也就是AI自己生成數據、自己訓練自己，然後不斷加速。你怎麼看？

黃仁勳：我覺得「遞歸自我改進」是最近比較流行的一個新標籤，但它背後其實是很多已經存在的技術組合起來，包括上下文、技能、反思、強化學習、合成數據生成，以及LoRA等。

這些方法確實可以讓AI隨着任務執行不斷積累經驗，然後繼續改進。比如通過合成數據和強化學習，可以在不重新訓練整個基礎模型的情況下提升模型能力，之後積累下來的經驗又可以進一步用於訓練基礎模型。我認為現在幾乎每家公司都會使用其中一些技術。

「遞歸自我改進」這個名字聽起來好像意味着系統會變得完全不可控，但實際上，產品發布之前仍然需要進行評估、重新測試和迴歸測試，這些都是最基本的工程控制。

這些前沿實驗室正在從研究型組織轉向工程型組織，我認為它們未來會擁有更好的方法、知識、實踐、工具和技術來控制、驗證和評估這些系統。遞歸自我改進可以發生在內部，但經過驗證的產品仍然可以按照安全的方式對外發布。

問：你怎麼看開源和閉源模型之間的關係？

黃仁勳：世界需要開源模型，也需要閉源模型。我自己也會使用閉源的前沿模型。它們有點像瓶裝水，水本身是免費的，但不同形式的產品可以服務不同的需求。

開源模型對於主權、隱私以及企業自己的專有技術都非常重要。過去6個月裏，大約有4000億美元風險投資進入AI原生公司，其中大約80%的公司使用開源模型。如果沒有開源模型，很多創業公司根本無法實現自己的目標，因為它們想做的事情和前沿實驗室並不一樣。

美國真正的優勢在於擁有各種各樣的創新形式。要贏得AI競賽，就必須讓開源模型發展起來。

所謂贏得AI競賽，不只是幾家美國公司贏，而是美國的公司、產業、研究人員、教師、學生和創業者都能夠從這項技術中獲得機會。有些人會使用閉源模型，很多人會使用開源模型，兩者都需要。

問：你認為中國會成為全球開源生態的重要貢獻者嗎？

黃仁勳：我認為中國可能會貢獻全球開源生態中很大的一部分。中國有大量工程師，也有大量學習科學和數學的學生，清華等高校每年都會培養很多優秀人才。

比如在Linux、Kubernetes（開源容器集群管理系統）以及很多軟件項目中，都有中國工程師參與貢獻。開源的一個特點就是，一旦你把它下載下來，它就屬於你了，你可以繼續修改、優化，把它變成自己的東西。

AI競賽最終還是誰能夠最好地利用這項技術。過去的工業革命有很多重要發明來自歐洲，但美國後來很好地利用了這些技術。我希望下一次工業革命也能這樣發展。

我覺得中國在這方面的討論更加務實，更多關注經濟發展和社會進步，而不是一直討論末日或者文明毀滅。如果這些末日預測真的成立，我們當然應該討論它、解決它，但沒有必要製造恐慌。我們的工作就是把它做出來。

問：如果AI最終自動完成大量編程工作，工程師還需要做什麼？

黃仁勳：工程工作仍然會存在。我的這一代工程師在軟件還沒有普及的時候，並不會花大量時間寫代碼。現在軟件工程師花很多時間寫代碼，未來如果其中很大一部分工作被自動化，人類仍然會進行工程工作。我的一個習慣是，我最喜歡的鍵盤按鍵是Backspace，因為最好的軟件往往意味着更少的代碼。

03 英偉達為什麼要深入 AI 產業鏈

問：美國政府最開始強調的是就業、再工業化、能源和供應鏈。現在這些事情確實都在發生。英偉達已經成為整個AI產業的重要資本提供者，你怎麼判斷應該把資源投向哪裏？

黃仁勳：AI是一場新的工業革命。這個產業裏面有模型、芯片、應用、數據中心、建築、電力以及發電設施等很多部分。我一直在看整個生態系統，尋找其中的瓶頸。

如果一家非常好的公司因為某個環節受限，我就會關注這個問題。可能是供應鏈，也可能是土地、電力或者工廠。英偉達的規模已經足夠大，所以我們必須提前很多年考慮供應鏈。Corning、Lumentum、台積電以及內存供應商等，都是我們需要長期關注的企業。

問：有人認為，AI行業最終的大部分利潤會嚮應用層移動。英偉達為什麼還要進入模型、Hugging Face等更上層的領域？

黃仁勳：英偉達幾乎可以運行世界上所有的模型。大約一年半以前，大家主要討論OpenAI的模型，現在已經有Meta的Muse、Grok、Gemini、Anthropic以及很多其他模型。大量前沿AI實驗室都建立在英偉達的平台之上。

我們的策略是幫助所有人成功，而不是把別人的業務拿過來。我們會儘可能留在技術棧更底層的位置，只有在必要的時候才向上走。CUDA支持了大量框架，Megatron和Megatron Core支持了大規模訓練。我們發明那些必要的技術，然後讓整個生態去發展，讓更多公司參與進來。

問：為什麼現在區域性的雲服務商越來越重要？

黃仁勳：區域性的雲服務商往往比大型超大規模雲廠商更加靈活，因為它們能夠在當地找到土地、電力和工廠，也更了解當地的需求。

未來會形成一個分佈式的企業網絡，而越來越多國家也會把AI看成戰略產業。我們已經看到一些地區開始增加AI算力基礎設施。

問：英偉達現在正在做自己的開源模型，包括自動駕駛和生物領域。你們為什麼要做這些事情？

黃仁勳：因為客戶需要。我們有能力做到最好，所以我們就會做。比如Alpamayo，這是我們做的自動駕駛模型。它是一個能夠進行推理的自動駕駛系統。過去自動駕駛需要數十億小時的道路數據，而推理能力可以讓系統針對類似情況進行思考，從而減少對大量實際道路數據的依賴。

未來的自動駕駛不會只有乘用車，還會包括農業設備、卡車、貨車以及很多其他移動設備。很多公司並沒有完整的技術棧，所以英偉達可以提供完整的技術棧，客戶再根據自己的需求做最後一公里的調整。

生物領域也是一樣。我們做了ESM2、ESMFold、OpenFold、AlphaFold 2，以及一些等變模型和Protein Complexa（全原子蛋白質結合體生成式AI框架‌）等，因為製藥公司確實需要這些技術。我的出發點一直是有人需要這項技術，所以我們去做它。

04 馬斯克的 Terafab

問：馬斯克宣佈了Terafab芯片工廠計劃，規模非常大。你怎麼看？

黃仁勳：英偉達非常了解工藝技術，我們一直在推動工藝的極限，所以當然可以討論這個問題。馬斯克一旦決定做一件事情，很難阻止他繼續做下去，這也是他的超能力。

問：那麼英偉達未來能不能把芯片放到他的工廠裏生產？

黃仁勳：我們可以討論。

問：如果AGI的定義是達到人類智能水平，你認為我們已經進入這一階段了嗎？超級智能呢？

黃仁勳：我們已經達到了，甚至可以說，在一些特定領域，我們已經進入了超級智能階段。

問：為什麼？

黃仁勳：因為在一些非常具體的領域，AI已經超過了人類。自動駕駛就是一個例子。如果一輛車能夠比人類駕駛得更好，那麼在駕駛這個領域，它就是超級智能。

現在自動駕駛系統的事故率已經可以做到人類的十分之一。生物領域也是一樣。合成蛋白、虛擬篩選等任務已經達到超級智能水平。在這些特定領域，AI已經能夠完成超過人類能力的工作。

問：站在這樣的技術前沿，你是什麼感覺？

黃仁勳：我喜歡這種感覺。未來是美好的。也許未來很多人都不需要工作，但我不想錯過這個時代。

我希望我們所有人都能夠一起走到那個未來，人類最終會一起取得成功。我們需要鼓勵大家，減少那些沒有必要的戲劇性爭論。最重要的是，要讓整個美國都能夠參與進來。