黄仁勋:中国开源AI与人才规模化令人敬畏

黄仁勋称AI已进入有用模式,中国规模化能力令人敬畏,未来是混合AI。
黄仁勋在GTC柏林站访谈中提出,AI已从“发明模式”切换到“有用模式”,token需求全面爆发。他以DeepSeek披露的GPU小时38美元收益为例,指出NVIDIA算力残值极高却未被融资市场充分定价。在开源与闭源问题上,他主张分层策略:能租用前沿闭源模型时就租用,必须自建时再用开源模型做后训练,最终形成由路由器调度的混合AI架构。谈及中国,他直言中国在芯片、开源模型和AI人才的大规模制造上无人能及,美国面临严肃竞争。他还反驳AI消灭就业的叙事,强调AI是放大个人能力的工具。
黄仁勋:中国开源AI与人才规模化令人敬畏
在GTC柏林站的主题演讲后,NVIDIA CEO黄仁勋接受了一场深度访谈。话题从DeepSeek广告惊人的单卡营收,延伸到开源与闭源模型的博弈、中国在AI人才与制造上的规模化能力,以及AI如何真正变得“有用”。这场对话信息密度极高,本文提炼其中的关键判断与逻辑。
从“发明模式”到“有用模式”:AI的拐点已至
黄仁勋在访谈中明确了一个关键转折:过去十五年,AI技术处于“发明模式”,而就在六个月前,行业正式切换到“有用模式”。他在主题演讲中试图做的一件事,就是“去神秘化”——讲清楚AI为什么有用、由哪些组件构成、以及为什么各地都能构建它。
这个判断的底层支撑是token需求的爆发。黄仁勋列举了全球范围内众多模型的旺盛需求,涵盖OpenAI、Anthropic、Meta、xAI、Gemini,以及DeepSeek、Moonshot、GLM等。他强调,无论闭源还是开源,需求都“非同寻常”,这正是token需求如此之高的原因。“没有需求,什么都解决不了;有了需求,一切都能解决。”

DeepSeek单卡一小时赚38美元,算力资产价值被低估
访谈中抛出的一个具体数据引发关注:开源模型DeepSeek表示其GPU小时的货币化收益达到38美元。主持人直言,没听说过有任何地方出租GPU能接近这个价格水平。黄仁勋对此的回应指向一个更深层的逻辑——NVIDIA算力的残值极高,但“目前没有人为此给予信贷”。
这引出了他对宏观融资环境的看法。面对外界对AI基建融资时机的担忧,黄仁勋认为关键在于让融资更容易,而NVIDIA算力资产的“可替代性与耐久性”正是优势:资产本身可以用来为贷款增信。在他看来,需求端如此强劲,其余问题都将被解决。
GPU小时货币化收益指的是将一块GPU按小时出租或用于推理服务所能获得的收入。DeepSeek披露的38美元/GPU小时,在行业内属于相当高的水平,因为传统云厂商出租高端GPU(如H100)的公开价格通常在每小时2至10美元区间。这一差距的背后,是开源模型通过高效推理优化和旺盛的API调用需求,把单位算力的产出推到了新高度,也解释了黄仁勋为何强调NVIDIA算力的“残值”被融资市场低估。
开源模型已达前沿水平,未来是混合AI
关于开源与闭源的平衡,黄仁勋给出了一个清晰的分层框架。他透露,今年前六个月有数千亿美元(访谈中提到约6000亿美元)的风险融资流入AI原生初创公司,其中80%在使用开源模型。这些公司用接近前沿的开源模型,结合自身专业知识和数据进行后训练,打造出在特定领域表现卓越的“超级AI”。
他的建议直截了当:“能租用闭源前沿模型时就租用,只有必须时才自建。”他以达索、Cadence、西门子等欧洲工业软件公司为例,指出这类企业必须构建自己的专有超级智能体,因为软件和AI是它们的核心。
最终的形态是混合架构。主持人描述其投资组合公司的做法:取一个美国开源模型做后训练,使其在特定任务上表现出色,再通过路由器与偏好的闭源前沿模型组合。黄仁勋完全认同:“未来的AI是混合AI,就像今天的计算是混合云一样。”

**后训练(post-training)**是指在已经完成预训练的基础模型之上,用特定领域的数据进行进一步训练或微调,使模型在专业任务上表现更佳。它区别于从零训练大模型,成本低得多,因此成为初创公司和行业企业的首选路径。黄仁勋所说的“用接近前沿的开源模型结合自身专业知识做后训练”,正是当前领域专用AI的主流做法。
**路由器架构(router)**则是一种调度层:它根据用户请求的类型,自动决定交给哪个模型处理——简单任务交给低成本的开源模型,复杂任务转给能力更强的闭源前沿模型。这种组合既控制了成本,又保证了质量,是“混合AI”落地的关键技术形态。
中国:规模化制造人才的能力无人能及
当话题转向中国,黄仁勋的表态尤为坦率。针对DeepSeek与华为在芯片设计上合作的报道,以及出口限制可能加速中国自主产业的判断,他回应道:“我们应该始终严肃对待中国。”
他进一步阐述:“如果说有哪个国家能以规模化方式制造东西——无论是制造业、芯片的大规模制造、开源模型的大规模制造,还是非常重要的、AI研究人员的大规模制造——没有人比中国做得更认真、规模更大、更好。”他明确表示,美国面临“非常非常严肃的竞争”,但同时也强调美国在前沿实验室、芯片、计算系统和基础设施上的优势,主张“在创新上竞争”。
这番表态与访谈中提到的现象形成呼应:西方对AI存在不少抵触情绪,而中国社会则更拥抱AI、更视其为有用工具。黄仁勋将此部分归因于叙事问题,认为关于就业的流行叙事“几乎完全说反了”。

出口限制在这里特指美国对华实施的高端AI芯片(如NVIDIA H100、B200等)及半导体制造设备的出口管制。其初衷是延缓中国获得最先进算力的速度,但业界普遍担心这会倒逼中国加速构建自主芯片与软件生态。黄仁勋关于“严肃对待中国”的表态,正是对这一政策副作用的回应——限制可能短期有效,长期却可能催生一个不受美国技术体系约束的竞争者。
就业叙事说反了,但数据中心要先做个好邻居
黄仁勋用“五层蛋糕”框架反驳AI消灭工作的担忧:能源 sector 蓬勃发展,芯片行业表现出色,基础设施与建筑业景气,美国正在再工业化,欧洲也将经历再工业化。他列举AI已创造更多软件、医疗乃至法律岗位的事实,并称当前是可再生能源投资百年来最好的时机,核裂变、核聚变、大型和小型核反应堆、电池与太阳能技术都在获得投资。
不过他也承认科技行业在社区关系上走过弯路。前几年建设AI工厂和数据中心时,大家“太着急了”。如今企业开始回馈社区——贡献社区中心、改善学校、甚至支持降低税负。微软取消NDA、提升透明度也被作为正面案例提及。黄仁勋的总结很朴素:“在进入一个社区之前,先停下来看看能否帮上忙,你应该做一个好访客、好客人。”

**Mittelstand(中型企业)**是德语区经济的中坚力量,通常指家族经营、专注细分领域、员工规模在数百到数千人的中小型工业企业。它们往往在机械、化工、汽车零部件等领域拥有全球领先的技术,但普遍缺乏软件和AI研发能力。黄仁勋以Mittelstand为例,说明生成式AI让这类企业无需组建软件团队,也能获得定制化的数字工具,这正是“AI放大能力”在传统产业中的具体体现。
对普通人而言,AI是放大能力的工具
访谈最后回到最实际的问题:AI如何让普通人的生活今天就能变好?黄仁勋的回答去掉了宏大叙事。他指出几乎所有人已经在使用AI,只是期待某种戏剧性的突变。实际上,搜索变好了,写作、设计、解决问题的能力变好了,疾病诊断变好了,结肠癌和乳腺癌的早期检测已有大量案例,汽车会更安全,飞机将更省油——这些离开AI都无法实现。
他最朴素的概括是:AI是一个放大你能力的工具。一个了解自己生意却不擅长编程的小店主,现在可以让AI写出一个内置数字营销专家的网站;德国的中型工业企业(Mittelstand)如果缺乏软件能力,现在也拥有了软件能力。“我不认识任何不想拥有这个极其有用工具来放大自身能力的人。”
从算力资产的经济学,到开源生态的分层,再到大国竞争的规模化能力,黄仁勋这场访谈的核心线索其实一致:AI已经跨过 usefulness 的门槛,接下来的竞争不在于是否使用AI,而在于谁能以更大规模、更认真地把它变成生产力。
相关推荐

小模型微调逆袭:2B/4B参数击败GPT-6 Luna
用Shopify商品分类任务实测:20亿和40亿参数的Qwen 3.5微调后准确率分别达69.8%和73%,超过GPT-6 Luna的68.2%。完整拆解数据准备、LoRA超参数、serverless微调与评估流程。

Beni跟拍摄像机器人上手:4K 60p HDR+智能避障
Beni 跟拍摄像机器人亮相 YouTube:4K 60p HDR 成像、17.9 英里/小时最高速度、智能避障可跨越 10 英寸台阶,支持并行追踪、宠物尾巴追踪与 Orbit 环绕运镜,配手表遥控器,重新定义自动跟拍体验。

Gemini 4 Krypton曝光:性能逼近Fable 5.2价格更低
谷歌Gemini 4 Krypton曝光,性能逼近Fable 5.2而成本更低;Claude Code新增主题定制与多线程项目协作;Anthropic官方指南揭示选型真相:Opus 5.5日常使用性价比高于Fable 5.2。