•
劍橋震撼演講：黃仁勳談AI與未來
演講背景
在劍橋大學聯盟舉行的 2025 年斯蒂芬·霍金教授獎學金頒獎典禮，向 NVIDIA 創始人兼 CEO 黃仁勳 致敬。黃仁勳在演講中回顧了輝達在 加速計算和 GPU 領域的開創性工作，正是這些成就催生了當前的 AI 工業革命。他強調，持續的創新需要企業家具備 適應能力、勇氣和謙遜，並指出他自己經營公司三十多年來一直保持著“有多難？”的態度。隨後，黃仁勳討論了 AI 對全球產業的深遠影響，包括在 藥物設計和韓國工業化 方面的應用，並鼓勵年輕創新者勇於探索和挑戰既有規則。在問答環節，他還對學術界的傳統評估方式（如排名）提出了質疑，主張在 AI 時代更應培養 解決問題和適應變化的能力。他最後建議，各國應 減少對新興技術的監管，以促進創新並充分利用 AI 帶來的巨大經濟增長潛力。
在這場罕見而開放的對話中，黃仁勳站在劍橋的歷史長廊裡，回望 NVIDIA 從三人公寓到全球智能基礎設施核心供應商的 33 年旅程。他以霍金之名為起點，將“無邊界的好奇心”與自己的創業史對應起來，揭開一個關於技術重塑、人類創造力和產業範式遷移的宏大敘事。他首先指出，AI 正從工具躍遷為一種“製造智能”的能力，其影響力如同過去的能源革命，而全球正處在必須重建智能基礎設施的前夜；更引人注意的是，他強調 NVIDIA 之所以能跨越六次計算浪潮，不是依賴運氣，而是依賴於一種極端的自我重塑機制——在舊時代仍可盈利時主動跳入下一代架構的“死亡谷”，以勇氣對抗成本與價值的斷層。他首次系統地講述了這一決策背後的底層邏輯：依靠第一性原理推演未來，然後用漫長的痛苦承受期換來代際優勢。隨後的討論轉向兩個未來技術支點——具身智能與可工程化生物學。他指出，當 AI 能理解物理世界、理解蛋白質的語義和結構，人類將真正進入“用程式碼設計生命”的時代；而他已經在現場用幾句話重述了 NVIDIA 未來十年的生物與機器人業務藍圖。對全球產業格局的判斷亦貫穿其間：英國正處於“Goldilocks 時刻”，韓國因深度工業化和軟體能力而成為具身智能的重要試驗場，而最大風險來自監管過度。在談及人才與年輕創業者時，他又將敘事回到最樸素的精神核心——勇氣、誠實與持續適應。他提醒所有面向未來的創造者：真正令人震撼的不是技術突破本身，而是願意在無路處繼續前行的人。最終，這場演講在劍橋的光影之下收束為一個更深層的判斷：AI 的真正革命不是讓機器更像人，而是讓人類擁有重塑科學、產業與生命的全新工具鏈，而這一變革已經不可逆地展開。
核心觀點
苦難鑄就韌性與創新：偉大源於品格，而品格源於苦難；NVIDIA 的成功建立在“這能有多難？”的樂觀心態、對第一性原理的堅持以及承受長期痛苦與犧牲的能力之上 。
AI 重塑科學與生物學：未來的 AI 不僅處理資料，更理解資料的意義（如物理定律、蛋白質結構）；願景是將藥物發現從“采蘑菇”式的科學探索轉變為可預測、可模擬的電腦輔助工程設計 。
就業與生產力悖論：AI 不會讓人失業，但會讓人輸給善用 AI 的人；隨著 AI 消除任務瓶頸，人類將重回決策的“關鍵路徑”，從而變得比以往更加忙碌和高效 。
反“末位淘汰”的管理哲學：反對“末位 5% 淘汰制”，認為這會扼殺創新所需的容錯空間；領導者的職責不是通過恐懼管理，而是通過承擔風險和展現脆弱性來賦能員工成功 。
監管與創新的博弈： 警告西方國家（由律師主導）的過度監管可能扼殺創新，而工程思維主導的經濟體（如中國）因採用“後期監管/解決問題”的模式，技術迭代速度更快 。
核心價值段落分拆
1. AI 的定義時刻：從晶片公司到“智能製造廠
黃仁勳回顧 Nvidia 創業史，指出 GPU 不僅是圖形處理，更是 CUDA 加速計算的載體，最終引發了 AI 工業革命。企業本質已從賣晶片轉變為“製造智能”。
這一段：是商業模式重構，是對 Nvidia 估值邏輯的最底層解釋：它不再是硬體周期股，而是新時代的“發電廠”。算力成為新的生產要素，智能成為新的基礎設施（Infrastructure）。
原文：輝達是一個近乎不可能的奇蹟故事。1993年，我們三位朋友在一間聯排別墅裡，帶著一個想法出發，那就是我們要發明一種新的計算方式來解決普通電腦無法解決的問題。在此過程中，我們發明了一個新的產品類別，GPU。事實上，我們發明了一種新的計算形式，名為CUDA，即加速計算。我們發明了新的策略，將這項技術和這種架構真正地推廣到全世界。...更重要的是，我們點燃了一場新的工業革命，即人工智慧工業革命。...我們的發現帶來了我們時代乃至可能是有史以來最具影響力的技術，那就是製造智能的能力。...它現在將成為基礎設施的一部分，智能基礎設施。我們也意識到，就像能源、像網際網路一樣，我們現在將在全球建設AI基礎設施。
2. 認知框架：適應性智力與“這能有多難？”
講述個人成長與移民經歷，母親在不懂英語的情況下教會他英語。提出核心思維模型：“能有多難？”（How hard can it be?）以及適應性智力。
這一段：頂級投資人看重的“反脆弱性”。在 AI 快速迭代的時代，經驗主義失效，“適應性”和“第一性原理拆解能力”成為評估團隊天花板的最高指標。
原文：我媽媽教我英語，而她自己卻不會說英語。...結果是，一張紙和一本詞典。我幾乎所有事情都那樣處理。能有多難？然後把它分解成第一性原理。你會在過程中學習。我之前說過。只要你能留在遊戲中足夠長的時間來學習這項運動。而留在遊戲裡，實際上就是大部分。我今天能做我現在做的事情，是因為我沒感到厭倦，也沒被解僱。我認為那就是全部的魔力。這是百分之百。...我想是霍金教授曾說過，適應性智力就是適應的能力。...在很多方面，這定義了輝達，也定義了我。
3.CEO 的本質：戰略就是“選擇不做什麼”
解釋為什麼成為 CEO（因為另外兩個創始人不想做）。重新定義 CEO 的職責：不是榮耀，而是服務、犧牲，以及在困難時期做減法的戰略定力。
這一段：對“戰略”的極簡定義：戰略的本質是捨棄。對於處於資源有限階段的初創公司或轉型期的巨頭，這是判斷管理層是否清醒的關鍵訊號。
原文：成為 CEO 是一生的犧牲。大多數人認為這是關於領導、發號施令以及高高在上。這些都不是真的。你是在為公司服務。你在為他人創造條件，讓他們能完成自己一生中最重要的工作。...這主要關乎犧牲。這關乎戰略。而戰略，你知道的，不僅僅是選擇做什麼。更是選擇不做什麼，這就是犧牲。還有那份決心、信念，以及克服障礙所伴隨的痛苦和磨難，這些都是犧牲。
4. 第一性原理決策：信念、可視化與“不斷試錯”
討論在沒有資金、沒有商業計畫書的情況下如何堅持。通過第一性原理推導未來，並在腦海中“看見”未來。同時保持智識上的誠實，隨時準備推翻自己。
這一段：這 Nvidia “30 年如一日”豪賭的底層邏輯。投資要點：真正的長期主義不是固執，而是基於“不斷更新的假設”進行快速迭代（Strong opinions, loosely held）。
原文：我至今仍然這麼說，我們相信我們所相信的。所以我們對未來有自己的看法並進行推斷。你從第一性原理進行推斷，...然後你嘗試儘可能地往回推導。現在，一旦你這樣做了，並且你得出結論，所有環境條件以及所有資訊都讓你相信你所相信的，那麼在那一刻，你就是相信你所相信的。...坦率地說，我能在腦海中看到它。一旦我能在腦海中看到它，在我看來，它就和真實的一樣了。...當然，每天，我都會對所有我做出的假設進行徹底檢查。...如果我知道我們應該改變主意而我沒有改變，那就是一個品格問題。...我們的工作不是要對。我們的工作是幫助其他人成功。
5.穿越死亡之谷：從“功能手機”到“智慧型手機”的跨越
回顧 GPU 引入可程式設計著色器（Programmable Shaders）的時刻。面臨“成本翻倍但沒有應用”的困境。解釋為什麼大多數公司無法跨越技術斷層（如諾基亞之於智慧型手機）。
這一段：描述了 AI 應用落地前的“至暗時刻”：Cost > Value。這是評估當前 GenAI 基礎設施投資是否過熱的關鍵參考——必須忍受早期的生態空白，才能建立壁壘。
原文：當 iPhone 問世時，它仍然是一部手機。...挑戰在於，在一個新產品類別出現時，技術的成本遠高於其提供的價值。...我們決定電腦圖形應該成為一種藝術性的敘事媒介，...我們發明了這個概念，稱之為即時可程式設計著色器。這帶來了許多未來的機遇，但在我們宣佈的那一天，並沒有任何應用，但它的成本卻是兩倍，所以這是一個你根本不需要的東西... 跨越那個鴻溝是極其痛苦的。這關乎生死存亡。大多數公司都做不到。...沒有一家手機公司成功轉型到智慧型手機。輝達是唯一一家公司，它從一代又一代地發展，不斷迭代，我們不斷地重塑自我。
6. 計算範式的轉移：從“處理資料”到“理解意義”
通過 Isambard AI 超級電腦和 ARM 收購案引入，闡述計算本質的變化：電腦不再只是處理數字，而是開始理解語境（Context）、語義和因果關係（如蛋白質結構）。
這一段：是 Generative AI 的核心差異。從“計算”到“推理”。對於醫藥、材料科學等賽道，這意味著從“篩選”邏輯變為“生成/設計”邏輯，TAM（潛在市場規模）被徹底打開。
原文：我們所建造的，是知識發現最關鍵的工具。並且，我們第一次建造了一台電腦，能夠理解它正在處理的資訊的含義。它不僅僅是在處理資料。它理解它所處理的資料的含義。...它理解這些數字代表流體流動。或者它理解這一串數字實際上代表著一種蛋白質或一種小分子化學物質。...未來我們應該能夠與我們的蛋白質對話。你是什麼？...你會對這種特定化學物質作何反應？...這就是我們現在所處的世界。我們不僅在處理資料，我們還理解我們正在處理的資料。
7. TechBio 革命：將生物學轉化為工程學
深入探討 AI 在藥物發現（Drug Discovery）中的應用。黃仁勳認為“發現”這個詞是錯的，未來應該是“藥物設計”（Drug Design）。提到 Nvidia 已經在不需要電子表格的情況下規劃了數十億美元的生物業務。
這一段：明確指出了 AI 的下一個兆級應用場景：TechBio。晶片設計的 EDA（電子設計自動化）邏輯將完美復刻到生物學（Bio-DA）。這是未來 10 年確定性最高的增量市場。
原文：40 年前，發生了一件非常了不起的事情。...我這一代被稱為電腦輔助設計的一代。40 年後，我們所建構的一切都 100% 以數字孿生的形式存在於電腦內部，然後我們才製造它。...我相信現在正是時候，我們有能力表示生物學的各種層次結構，從而實現電腦輔助藥物設計。藥物發現這個概念，甚至這個詞都是錯的。...它更多是科學，而不是工程。...我們需要發現用於生物設計的資訊表示層次結構。...我剛才寫完了輝達進軍藥物發現領域的整個商業計畫。現在這項業務對我們來說是數十億美元。我剛才就寫完了整個商業計畫。沒有使用電子表格。沒有應用數字。不需要微積分。就這樣。全是簡單的推理。
8. 平台經濟學與文化差異：矽谷的 100x vs 英國的 1/10
討論 Nvidia 的平台屬性（依靠開發者成功而成功）。對比矽谷的激進行銷文化與英國的過度謙遜。呼籲英國利用其學術和工業革命底蘊抓住 AI 機遇。
這一段：闡述了“賣鏟子”商業模式的精髓：利他主義即利己主義。同時指出了歐洲科技創業的文化痛點（Humility），這對評估歐洲 AI 項目具有參考價值。
原文：記住，我們是一家平台公司。...早上沒有人會醒來，你家裡也沒有人會醒來然後說，今天早上，猜猜我們需要什麼？我們需要買一個計算平台。...所以我們之所以成功，唯一的原因是因為公司和使用我們平台的開發者創造出了不可思議的東西。...我確實覺得英國的文化……你們太謙遜了。在矽谷，無論我們多出色，我們都會將其描述成一百倍的偉大。但在英國，無論你多出色，你都只會被描述成其十分之一。
9. 物理 AI (Physical AI) 與創業者的“無知優勢”
結合韓國合作，談論 AI 下一階段：具身智能（Embodied AI）理解物理定律。解決全球勞動力短缺問題。給創業者的建議：保持“無知”，因為知道太清楚有多難就不會開始了。
這一段：
1. 宏觀判斷：AI 是對抗老齡化和勞動力短缺的唯一解（通縮力量）。
2. 機器人賽道：Software 吃掉 Hardware 的最後一步。
3. 創業心理：理性是創業的敵人，無知是超能力。
原文：韓國是世界上工業化程度最深的國家之一。...我們需要 AI 理解物理定律，理解因果關係和物體永存性... 當我們創造出具身 AI 時……那我們就會重塑行業的運作方式。...世界正面臨相當嚴重的勞動力短缺。如果不是因為勞動力短缺，世界今天的 GDP 會高得多。...對創業者來說，最重要的一條建議... 就是要對未來抱有孩童般的心態，樂觀、好奇... 別讓任何人告訴你，實際上，它真的很難。...所以不要害怕無知，不要害怕天真... 如果我對某件事真的充滿熱情，就去做吧。
10. 反熵增管理：為什麼“末位淘汰制”是垃圾
Q&A 環節。黃仁勳痛批 Stack Ranking（末位淘汰）和 KPI 排名。他主張“不管是清湯，要燉菜（Stew）”，只有安全感才能帶來創新，淘汰掉失敗者就是淘汰掉未來的異類。
這一段：對傳統傑克·韋爾奇式管理的顛覆。在創新驅動型企業（尤其是 AI 公司），容錯率是核心資產。這一觀點對評估 AI 初創公司的文化健康度極具指導意義。
原文：我已完全放棄了這些做法。給員工排名沒有任何好處。...要求人們給你打分和評價也沒有好處。...我們希望鼓勵……我們的員工去創新，這需要他們承擔風險，這需要他們變得脆弱。...但如果我們解僱那些我們排在末尾的人... 也就是“末位5%淘汰制”... 那完全是胡說。因為我們愛吃燉菜。我們想要燉菜的雜亂，而不是清湯的純粹。所以，實際上，我們不希望那 5% 的人被淘汰，因為他們恰恰是那些剛剛冒了險，失敗了，但從中吸取了教訓的人，他們明天可能就是那個異類。 (韋伯是韋伯)