作為這個時代最關鍵的CEO，
黃仁勳每月會接觸大量新技術、新趨勢。
我準備每月連載他的觀點，尤其是對未來的判斷。
未來看看，那些對了，那些錯了。
之前記錄過1-3月的，今天合併整理下4月的。
採訪很多，觀點很多，但可以分成3類：
1、AI產業趨勢
2、AI如何改變公司
3、AI如何改變個體
1. AI產業趨勢
1.1 AI 是繼 PC、網際網路、雲之後的新一次範式轉變。
未來，所有應用都將建立AI大模型之上。
1.2【反覆強調】Chatbot（聊天機器人）只是AI的一種特殊形態。
未來，AI 將深度理解自然界、蛋白質結構、流體力學和量子物理。推動製造業和機器人技術實現飛躍。
物理 AI（Physical AI）是科技行業第一個能夠觸達 50 兆美元市場規模的領域。因為AI可以影響所有未被數位化的製造業和重工業。
他預測，機器人技術會在經歷 2-3 個技術迭代周期後成熟。
大約3 到 5 年內，大家能買到性能出色、價格合理的機器人產品。
他預測，生物學將在 5 年內迎來拐點。
AI 將能夠理解並預測基因、蛋白質、細胞以及化學動力學，從而徹底改變藥物研發和醫療保健。攻克理論物理難題也已經近在咫尺。
Nvidia正在投入巨大精力，確保像禮來（Eli Lilly）這樣的製藥巨頭能夠使用全球最頂尖的生物學AI大模型去發現顛覆性新藥。
禮來已經自己買卡，自建叢集了，還跟輝達的工程師深度合作開發新藥。
在我們有生之年，期待某些絕症的徹底終結、生態環境大幅改善，是合理的，是有技術基礎的。
1.3 AI將跟電力和道路一樣，每個國家都需要自己的一套裝置。
各國將利用本土語言和文化資料，建立屬於自己的“主權智能”。
1.4 【反覆強調】強烈不同意AI 會取代軟體公司。
通用人工智慧（AGI）和通用機器人（AGR）就像人類一樣，會選擇使用現成的、精確的工具（如計算器、CAD 軟體），而不是重新造輪子。
原本只有少數專家能用的複雜軟體，會因為AI的出現，讓普通人更頻繁的使用，用的人越多，軟體工具就越有價值，市場就越大。
1.5 未來我們會需要“型號不同的新模型”，有的擅長超長上下文、持續學習，有的擅長理解物理規律等問題。
不同型號的模型，不會只靠標準 Transformer 架構來解決。未來運行在晶片上的模型會更異構。
2020-2030是電腦架構的黃金時代，異構計是這十年最重要的趨勢。
1.6 AI 推理需求不會只增長 1000 倍，而是會增長 100 萬倍甚至更多。隨著 AI 從簡單的對話轉向深度推理和代理執行，計算量將呈指數級爆發。
1.7 【反覆強調】過去幾十年，電腦本質上是倉庫和檢索工具，但現在的AI工廠則是產出智能Token的製造裝置。
這種範式轉移，絕定了算力消耗沒有天花板。
全球GDP的增長將被加速，且用於計算的GDP支出比例將比過去增加100倍。
Nvidia正在創造一個原本根本不存在的增量市場，Jensen確信公司可以實現3兆美元甚至更高營收。
生成的智能（Tokens）未來會像iPhone分型號。
除了免費和基礎級Token外，人們為了獲得極度深刻、專業的“推理與思考”，將願意支付每百萬token高達1000美元的高價。
1.8 未來的演算法會不斷演進（如混合 SSM、擴散模型與回歸模型的融合），只有像 GPU 這樣可程式設計、通用的“加速計算”架構才能跟上演算法迭代的速度。
這點Deepmind CEO Hassabis也持有相同的觀點，在通向AGI的道路上，我們還需要1-2個Transformer/AlphaGo級架構的突破。
2. AI浪潮中會如何影響公司？
2.1 AI發展的硬體限制不只在 GPU，瓶頸是矽光、先進封裝、互連密度和儲存性能。
大規模AI基建，預計還需 7 到 8 年 才能達到所需水平（也就是2032-2033）。在此之後，行業將進入裝置更新換代和持續小幅增長的階段。
但是，所有的產能瓶頸（如光刻機、邏輯晶片、封裝）都是 2-3 年內可以解決的問題。
他會直接向供應鏈的 CEO 們溝通，解釋 AI 產業的規模、邏輯和到來時間。確保上游敢於為 NVIDIA 的願景投入數以百億計的資金。
【反覆強調】真正的硬瓶頸不在晶片廠，而是在“管道工和電工”（Plumbers and Electricians）—— 即資料中心的電力設施建設。
傳統的“把零散晶片買回資料中心再雇上萬人組裝”的模式將被終結。
他預測未來的算力叢集會直接在半導體供應鏈的製造環節完成總裝。
這個判斷是跟企業AI連著的，工業企業的一部分token需求，跟雲廠商採購，另一部分需求，就直接跟輝達直接買一個叢集。本地部署的叢集跑最敏感的任務。
2.2 人類歷史上第一次可以將“智能”生成為tokens，隨著AI公司持續從算力中獲利，算力投入將呈翻倍、再翻倍的趨勢持續增長。
模型公司在2030年的收入將遠超兆美元，比Anthropic CEO預測的還要高。因為每個企業軟體公司都會幫著AI賣token。
OpenAI 和 Anthropic 這樣的公司，如果能獲得兩倍的算力，其收入可能會增長 4 倍。
2.5 不同模型大小、上下文長度、延遲要求，會對應不同服務層級。未來 AI 基礎設施會像雲服務一樣分層，面向不同場景提供不同等級的智能服務。
這是 HBM 長期需求的強邏輯之一。切換模型費時，需要近存計算。
2.6 NVIDIA 在未來不會成為雲服務商，投資 CoreWeave 等新興雲服務商，是為了讓生態系統保持活力，而不是要取代合作夥伴。
2.7 未來他會積極投資所有有潛力的模型公司，因為他不希望由自己來“挑選贏家”，而是支援整個生態。
他舉例說：想當年， NVIDIA 創業初期曾有 60 家圖形公司，沒人看好 NVIDIA，公司差點掛了，但最終倖存者是自己。這段經歷讓他保持謙遜。
2.8 Token 就如同“果汁粉”（Tang）：Token 本身只是數字（粉末），根據需求加水（計算）後，它可以幻化成文字、視訊、聲音或物理動作。
3. AI如何影響人，人如何用AI
3.1 未來企業的勞動力將由“碳基 AI”（人類）和“矽基 AI”（數字機器人）共同組成，管理AI和管人，將同樣重要。
3.2 未來全球將面臨熟練技工（電工、管道工、鋼鐵工人、網路技師）的嚴重短缺，這些崗位的薪資將持續攀升。根據一線招聘市場的反饋，一年30萬美金的高級電工，依舊緊缺。
3.3 提問是公司最核心的智慧財產權。提問反應了你在思考什麼、你在意什麼。為了保護這種“提問的隱私”，企業應該擁有自己的本地 AI（On-prem），而不是將所有對話都放在雲端。
3.4 AI 未來會參與到公司的每一個流程中，員工的經驗和智慧將積累在AI中，最終成為公司長期的數位資產。
3.5 Agent 會大量進行 tool use，這會讓CPU和PC變得更加重要。在資料中心內，GPU需要更多更強大的高單線程、高 I/O 的 CPU。
在個人終端，AI需要與個人電腦深度融合，模擬人類操作圖形介面。
3.6 每個工程師可能會擁有 100 個 AI 代理。未來的軟體工程師將不再單打獨鬥，而是組織和管理一個由 100 個 AI 代理組成的團隊來執行任務。
3.7 未來的軟體工程不再是寫程式碼，而是“編寫需求規範（Specification）和架構設計。
3.8 利用類似於OpenClaw這樣的AI智能體框架，一個人完全可以迅速開發出一個極具創意的Web服務或應用。
這個應用可以在短時間內瘋狂吸引數十億使用者，迅速賺取5000萬美元的巨額利潤但又隨著熱度消退而關閉。超級個體商業模式將成為常態。
3.9 強烈反對“AI 導致失業”的觀點。
NVIDIA 內部幾乎所有程式碼現在都由 AI 輔助生成，但 NVIDIA 僱傭的工程師反而比以往任何時候都多。
AI 將創造數以萬計的高薪、高技能製造崗位，讓那些沒有四年制大學學位的人也能在 AI 驅動的工廠中找到位置。
假如美國原本需要 10 億行程式碼，隨著AI的自動化，這不意味著 10 億行程式碼的工作沒了，而是意味著我們可以用同樣的資源去寫 1 兆行程式碼，去實現更遠大的醫療和科學夢想。
3.10 防禦超強 AI 攻擊的最佳手段不是另一個超強 AI，而是通過開源技術訓練出的無數防禦小代理（Defense Agents）。
打個比方：當攻擊者派出一個“超級病毒”試圖潛入時，他面對的一個免疫系統和千千萬萬的白細胞大軍。
最後，按照存在主義的說法，未來是生成的，不是既定的。
看多了這些技術領袖的判斷，我還是覺得，相信Jesen是最好的選擇。
這不是說他的判斷就一定正確。
重要的是，他的判斷會幫助我們去生成那個更加積極和美好的未來。 (集葉堂)