黃仁勳表示，AI正重塑整個計算機產業，年輕人最重要的能力不是寫代碼，而是具備抽象的系統思維、回歸「硬科學」；在企業管理上，則要堅持"創始人模式"，不迷信傳統管理，把公司打造成「一輛你能開得贏的F1賽車」。
在AI重塑計算機產業的當下，創業者最需要具備什麼能力？黃仁勳給出的答案並不是編程，而是系統思維、韌性，以及敢於進入未知領域的勇氣。
近日，在一場面向早期創業者的公開訪談（Startup School）中，黃仁勳與YC CEO Garry Tan展開了一場近一個小時的對談，圍繞創業、AI產業變革、企業管理和個人成長，分享了他對下一代創業機會的最新判斷。
在計算機工業被徹底重設的當下，輝達CEO黃仁勳明確指出，系統思維將成為未來的核心技能，而物理AI和機器人將是輝達下一個千億美元級的增量市場。
當前，市場正密切關注輝達在突破兆美元市值後，未來的增長想像空間究竟在那裡。對此，黃仁勳在訪談中給出了明確的答案：從AI智能體到物理AI，科技產業的重設才剛剛開始。
物理AI與機器人：下一個千億美元的爆發點
除了大語言模型，資本市場最為關注的莫過於具身智能和機器人的商業化落地節點。黃仁勳在對談中拋出了一個極其反直覺的觀點：「我想說，機器人的『ChatGPT時刻』在幾年前就已經發生了。」
他回憶道，當輝達內部首次成功生成一段手指移動、手拿起玻璃杯的視頻時，他便意識到物理世界的人工智慧即將迎來突破。「如果我能生成手指移動的視頻，為什麼我不能讓機器人做同樣的事情？那一刻我意識到，機器人關節的靈活運動即將實現。」
針對未來的業務指引，黃仁勳首次向市場描繪了龐大的物理AI商業版圖。他指出，自動駕駛是目前唯一一個市場足夠大、技術相對標準化、具有真實經濟價值且能讓數據飛輪轉動起來的機器人應用場景。
「我們在特斯拉的車裡，在奔馳的數據中心和車裡，我們甚至開源了自研的自動駕駛堆棧，因為農業、郵件投遞、倉庫物流都需要它。」黃仁勳透露了一項極具震撼力的數據：「我們包含自動駕駛在內的物理AI業務，目前的規模大概已經接近100億美元了。這很可能會成為世界上最龐大的產業之一，它不需要兩三年，但也不需要十年，這將是我們下一個千億美元級的業務。」
AI智能體（Agents）：全新的軟件形態與控制力難題
在軟件生態的演進上，黃仁勳斷言，「智能體（Agents）就是新的軟件」。他透露，輝達內部已經在大規模使用各種AI智能體來加速研發流程，「我們讓成百上千朵花同時綻放，讓大家自由選擇工具，雲計算代碼在輝達內部的沙盒中自主運行，這太棒了。」
但他同時也指出了當前智能體技術面臨的核心瓶頸——精細化控制（Controllability）。
「無論是使用RAG（檢索增強生成）還是提示詞，目前的輸出控制仍然太粗糙了。最大的突破將是我們能否對智能體進行極其細粒度的控制。」
黃仁勳強調，「只要我們改變計劃檔案中的一個詞，它就能產生具體的差異，比如只改變一個像素、一個多邊形、CAD檔案裡的一個組件，然後重新生成其他所有內容。這種級別的控制和與智能體的協作，將是改變遊戲規則的。」
AI會奪走工作嗎？「這個敘事完全搞反了」
隨著AI能力的躍升，市場對「AI取代人類」的擔憂日益加劇。黃仁勳不僅對此予以否認，還給出了極具經濟學視角的獨特判斷。
「關於AI摧毀就業的敘事，完全是倒果為因（exactly backwards）。AI確實會消除某些具體的『任務』（tasks），但它絕不會消除『工作』（jobs）。」
他用具體的數據和行業現狀論證了這一邏輯：「編程這項『任務』正在被自動化，但軟件工程師的崗位數量卻以每年10%的速度增長；閱讀放射科光片的任務被自動化了，但過去幾年放射科醫生的工作崗位卻增加了20%以上。為什麼？因為積壓的需求太龐大了。」
黃仁勳指出，由於創意、野心以及案件、病患的積壓量驚人，當AI接管了繁瑣的底層工作後，企業反而需要僱傭更多的人來完成更具野心的事情。「生產力提升帶來增長，增長推動更多就業，這就是底層規律。」
時代的生存法則：系統思維與「創始人模式」
面對「年輕人現在到底該學什麼」的經典問題，黃仁勳給出了非常硬核的建議。他直言，坐在電腦前手寫代碼這種「簡單的工作」絕對會被自動化，甚至是老一代人學的「長除法」早就被淘汰了。
「底層的東西未來都會由智能體來完成。因此，你必須具備抽象的『系統思維』（Systems thinking）能力。系統思維將是未來的新編程。」黃仁勳建議，在這個被重設的計算機時代，年輕人應該回歸「硬科學」：「物理、化學、生物學、計算機工程以及交叉學科，這些解決極端困難問題的科學永遠不會過時。」
在訪談最後，黃仁勳分享了他極具個人色彩的管理哲學。他極力推崇最近矽谷熱議的「創始人模式（Founder Mode）」。
早年，因為選錯了3D圖形的演算法，輝達差點破產，他靠去書店買的三本關於OpenGL的教科書重新拯救了公司。這段經歷讓他明白，面對飛速變化的技術，傳統的管理教條毫無意義。
「你是在造一輛你要去比賽的F1賽車，所以你必須按照你能駕駛的方式來打造它。你應該讓賽車適應你。」
面對「如果你不使用傳統管理技巧，離開公司後怎麼辦」的質疑，黃仁勳回應得極其坦蕩：「我告訴他們，等有一天我死在工作崗位上，他們只需為下一任CEO重新塑造公司即可。為了實現我們的使命，無論需要對組織進行怎樣的調整來適應你，你就該怎麼做。」
對於當下的創業者，黃仁勳發出了最強烈的號召：「這是過去60年來最好的創業時機。整個計算機工業被徹底重設了。只要你心裡永遠保持一句『這能有多難呢（How hard can it be）？』，讓苦難一點一點地來，你終會走到屬於你的輝達時刻。」
歡迎來到2026年創業學校。現在，讓我們開始吧。
請和我一起歡迎輝達的創始人兼CEO黃仁勳登臺。
Garry Tan：
這對我來說是一個超現實的時刻。謝謝。感謝你來到這裡，Jensen。
黃仁勳：
我很高興這樣做。能來到這裡很棒。[歡呼] 顯然，如果你在這裡，你就會成功。
Garry Tan：
所以，我很高興我在這裡。[笑聲] 哦，Jensen。
輝達的錯誤演算法
那些只把輝達視為AI中心公司的學生，他們最需要瞭解輝達早期故事的那一部分？但大多數人不會相信的是，我們創辦公司時選擇的那個技術是絕對錯誤的。我們最初的想法是，我們要重新發明3D圖形。嗯，公司的理念和視角是，通用計算機，即CPU，非常有用，但如果我們能用加速器來增強它，我們就能解決那些否則太難解決的問題。
我們選擇的最初問題之一就是3D圖形。在那段時間，也就是1993年，個人電腦剛剛傳出消息要問世。我們的偉大想法是，我們要把每一臺個人電腦都變成一個遊戲主機，因為我們在遊戲主機的時代長大。所以我們想，如果我們能設計一個系統，能放進個人電腦裡，把它變成一個遊戲主機，那會怎樣？所以我們想，我們要重新發明那個需要這些大型超級計算機的演算法，然後把它塞進個人電腦裡。我們想出了一些新演算法，對此感到很興奮。我們相信它。嗯，我們以一種深思熟慮的方式推理過它，然後我們去創辦公司來構建它。
結果證明，這個演算法完全是錯誤的，創辦公司所依據的技術也完全是錯誤的。所以在1995年，我們意識到了這一點，而且，幾乎為時已晚，因為那時已經有大約35到40家其他公司在為個人電腦構建3D圖形了。我們意識到這行不通。我回到公司，我們都在公司裡。我說：「我們該怎麼辦？這行不通。」我們都在討論這件事。
我說：「聽著，如果我們不正視這行不通的事實，我們就會失去公司。」
真正的偉大想法：買書來拯救公司
然後開始努力尋找正確的演算法。然後有人告訴我，結果發現我們誰都不知道正確的方法。
而且，我們不僅選錯了技術，我們還不知道正確的方法該怎麼做。所以那對我來說是重要的一天。我口袋裡只有大約60美元，你知道，也就幾百美元。於是我去了Fry's，買了三本教科書。這些教科書是關於OpenGL以及如何設計OpenGL管線的。我把它們帶回公司，交給工程師們，然後我們就重新發明了計算機圖形學。我們是現代計算機圖形學的世界領先者。我們在過去25年裡發明了大多數重大突破。
每個人都會認為輝達是從3D圖形世界領導者起家的，而我們是從一本教科書裡學到的。所以實際上我們是先創辦公司，融資，然後才買的教科書，想想看。所以對我而言，最大的教訓是，技術在不斷變化，只要你能面對現實，只要你有能力學習，技術本身其實並不重要。
從那時起，輝達就在發明各種我們以前從未真正做過的技術，我們以同樣的態度對待每一件事。你知道，如果這件事很重要，我們就要去學習它。能有多難呢？結果它總是比我們預想的要難得多。但你帶著「能有多難」的態度投入其中。我是說，在後台，我們正在討論……我們正在和一些頂尖的YC公司交談，你說每一家都在某個領域有專長，你和你輝達也有一個專長，而它們都只是……我忘了你怎麼說的了。就像某種演算法領域。所以聽起來3D圖形只是演算法領域的第一個。
而且它來自一本教科書。但你知道，任何人都可以讀那本教科書。你創造了粒子物理、流體動力學。是的。
但你創造了人們想要的東西，就像人們願意花很多錢購買的最終產品。公司那個完全正確的偉大想法是，有可能通過增強CPU來解決那些否則太難解決的問題，分子動力學就是其中之一。圖像處理是其中之一。
逆物理是另一個。所以有各種不同的演算法。當然，深度學習是其中一個主要的。為了創造我們今天擁有的公司，我們很早就意識到，關鍵不在於製造一個偉大的晶片，而在於加速一個演算法領域。所以我一直相信的一點是，造就偉大公司的是一種你對世界的獨特視角，一種你深信不疑的視角。
與其說是技術，與其說是市場，儘管那些都很重要。如果你在正確的時間為正確的市場擁有正確的技術，你的生活會容易得多。對某個重要事物的未來有一個高層次的願景，一個關於它的獨特視角，你深信不疑，並且追求那個願景是困難的。這些都是很好的組合。在我們的案例中，我們意識到加速計算將會很重要，而加速計算結果證明非常重要，我們的認識是一切都與演算法有關，而不是晶片，結果證明完全正確。
世嘉的故事
Garry Tan：
所以，你已經談了很多關於創始人的艱辛。有沒有幾個故事特別讓你印象深刻？
我的意思是，這個房間裡的人很想創辦公司，但你知道他們真的準備好面對困難，可能不得不關閉公司，諸事不順之類的嗎？有那些關鍵時刻特別讓你印象深刻？
我想你剛才在日本，對吧？你似乎在某種程度上是去紀念……是世嘉嗎？我感覺那是個非常有力量的故事。
黃仁勳：
那個讓我們意識到我們選擇的演算法是錯誤的項目，是與世嘉的合作。世嘉當時委託我們為土星之後的那款遊戲機做開發，後來證明那是Dreamcast。我不知道有沒有人知道Dreamcast是什麼？
所以，我們沒有製造Dreamcast。我們原本應該製造Dreamcast，但因為我們的演算法和技術存在根本性缺陷，我去了日本，告訴當時的CEO，他們給我們的那份合同，大約是1200萬美元的合同，我們將無法履行，因為這項技術行不通。
我告訴了他原因，然後我建議他們另找別家來做。但後來我請求他，我告訴他，不幸的是，我仍然需要這筆錢。他問我，你可以想像那段對話。你是在告訴我，我籤合同讓你做的事你做不了，但你卻想要合同裡的所有錢。我說，你說得對，完全正確。
但顯然我很禮貌。我很謙遜。他意識到我是誠實的，一切都很合理。
如果他不給我們錢，我們就會倒閉。我認為在座的各位也會遇到這種情況。你不是投資公司，你投資的是人。入江實裡先生認識到的是，這裡有一個他最初就信任的人和一個公司，這份合同，他相信他們，他希望看到他們能撐到第二天。那500萬美元讓我們活了下來，給了我足夠的時間去發現該做什麼。
3億美元的IPO
然後我猜如果他們持有，後來賣了一千五百萬，我聽說。但他們在我們上市的那一刻就賣了。當輝達上市時，我們的估值是3億美元。
1999年的3億美元。那是真金白銀。
我想現在公司市值超過一兆美元了，大概是吧。超過一兆了。是的。太瘋狂了。
Garry Tan：
所以，你算是核心人物，我們喜歡說你是掌控全域的人。嗯，在那之前，我認為沒有人能真正預見到GPU以及你構建的技術對AI革命會有多麼重要。嗯，你看到了什麼？我的意思是，是加速器讓你在正確的時間出現在正確的地點，還是肯定有很多事情導致你能夠佔據這個位置？
以不同方式看待AlexNet
黃仁勳：
是的。嗯，我和其他人一樣看到了AlexNet，但記住，我看世界的視角，我的世界觀總是在尋找演算法，
那個演算法可以是Namd，演算法可以是Vasp，演算法可以是OpenGL，可以是SQL，某種領域特定語言，某種演算法。所以我看世界的視角總是在尋找一些我們可能能夠幫助解決的問題。當AlexNet出現時，這個演算法就是深度學習。
所以問題是，這個演算法是什麼？為什麼它如此重要？為什麼它如此有效？它還能做什麼？如果你要擴展演算法，讓它超越現有的規模，它能解決那些今天無法解決的問題？我們的突破在於意識到AlexNet不僅僅是AlexNet。AlexNet是一種深度學習方法，它讓你能夠學習任何函數。所以15年前，我告訴所有人，嘿，猜猜怎麼了？我們剛剛學會了通用函數逼近器。
我們剛剛發現了通用函數逼近器。我們可以給它，我們幾乎可以為任何函數提供答案，它就能學習這個函數是什麼。對於很多函數，你不必非常精確，事實上，也不可能非常精確。所以大多數有趣的問題都是以這種不精確的方式存在的。
當我們意識到我們擁有了一個通用函數逼近器的那一天，問題就變成了，這對計算堆棧意味著什麼？這對軟件意味著什麼？這對那些行業可能產生影響？等等。
我們幾乎立刻就開始研究計算機視覺。幾乎立刻就開始研究機器人技術、自動駕駛汽車，因為那種基本能力，你可以想像，能解決計算機視覺和
機器人技術領域的一些重要問題。所以我認為，重大的突破僅僅在於，這比AlexNet要有基礎得多。這是一種編寫軟件的方式，它對處理器、中間件、演算法、應用程序的影響，就是我現在描述的「五層蛋糕」。嗯，整個工業堆棧，我在大約15年前就想像過要全部重新發明。
如何構建一個第一性原理的組織
這僅僅是關於提出問題，從第一性原理出發推理，問類似「如果是這樣，那麼會怎樣？」的問題，「如果這個能變得更好，那又怎樣？」，問所有這些關於你觀察到的某個有重大影響事物的基本問題。我的意思是，真正讓我印象深刻的一件事是，
你在多大程度上會深入細節，閱讀論文，直接與那些提出這些理論的首席科學家交談？你對觀眾中的各位有什麼建議嗎？我的意思是，那就像真正的創始人模式，但與此同時，你可能有一個組織，有高管，有那些會說「這是曲線圖，我們要保持在這條曲線上」的人。你知道，有時這會引發不滿。對於如何建立一個組織，以及如何駕馭這一點，你有什麼建議給人們嗎？比如如何建立一個讓你能夠從第一性原理思考的組織？因為如果財富500強公司都這樣做，它們可能會看起來更像輝達而非不像，而你似乎建立了一家非常獨特的公司。
我的心態，當我處於那種狀態時，我的心態總是始於好奇心。
我自己有很多問題，當然，和任何人一樣，我會尋找通往答案的最短路徑。但很多時候，我身邊的人給出的答案可能不令人滿意，我可能會有其他問題，也許他們正忙於做其他事情，在追求別的目標。所以我的第一個傾向是去發現我自身好奇心的答案。我的第二個傾向是，如果我發現有資訊，並且這個資訊領域或特定領域可能對某人很重要，可能對我們的公司很重要，那麼我的下一個傾向是，我如何才能儘可能多地學習，以便能夠為公司服務，並與其他人分享。這和你在分享知識時沒什麼不同。我是說，我看你的播客，我看你的視頻，我非常喜歡它們。你在和所有人分享想法。在很多方面，我認為CEO是在為公司服務，為所有在那裡工作的人服務，你想用一些洞見來賦能他們。
所以，這真的是它的來源。這與其說是一種管理技巧，不如說是一種個性技巧。你知道，我想賦能你，這是我剛剛觀察到的非常重要的事情。讓我告訴你為什麼它如此重要。現在，必須貼近地面、深入細節的部分原因是因為技術通常很複雜，或者變化很快。特別是當它像我們的世界一樣變化很快時，除非你有對正在發生的事情有觸覺般的感知，否則它可能會讓你覺得變化太快而無法理解。
但如果你隨著時間的推移理解了它的第一性原理，那麼一切就都說得通了。你知道，這有點像衝浪，我想像。我不知道怎麼衝浪，但我可以想像它有點像衝浪。你出海去衝浪。對我來說，那看起來像一片混亂，但避險浪者來說，不知何故，他們能找準方向。他們能讀懂海浪，他們知道如何保持在浪尖上。所以，我認為做CEO與此非常相似。你必須學會如何衝浪。為了學會衝浪，你必須理解海浪。你必須能夠讀懂風，必須有好的時機，除非你嘗試並真正去做，否則你不可能擁有這些。所以，部分是為了給自己提供資訊，部分是為了試圖弄清楚問題，把它分解開來，以便公司能夠以一種他們能採取行動的方式來學習它。部分是為了
打造適合你駕駛風格的賽車
激勵其他人，這些都是在座所有人的基本特質。你不需要在成為CEO時改變你的個性或行為。你可以繼續做你自己。我很早以前就學到的一件事，我不知道我在那裡看到的，但你知道，CEO或創始人，你是正在打造一輛你要去比賽的賽車。你要打造一輛F1賽車，但你要以你能駕駛的方式去打造它。你應該讓車適應你。我想有人問過我，Jensen，如果你不使用常規的管理技巧和組織技巧，當你離開公司時會發生什麼？好吧，你知道，當我在工作中去世時，有一天，我告訴他們，他們將不得不為下一任CEO重塑公司。
這樣做的智慧在於，我們是F1車手。我們是賽車手。世界競爭非常激烈，我們必須保持，我們必須贏得比賽，必須完成我們的使命。所以，無論需要什麼來讓賽車適應你，無論需要什麼來讓組織適應你，那就是你應該做的。下一任CEO，無論他們的個性如何，他們可以自己去想辦法。
太棒了。我的意思是，這確實看起來任何你對賽車所做的改變都只會減慢你的速度，讓你輸掉那些不適合你的比賽。是的。或者我們不斷地根據我們的需要調整賽車，那才是我一直在做的。我不斷地調整公司，不斷地重塑業務流程和工作方式，以便我能為公司更有效。真正的創始人模式。
是的。創始人模式。創始人模式可以持續34年。沒錯。從零到五兆。
系統思維是新編程
Garry Tan：
我很想換個話題，聊聊你現在最感興趣的前沿演算法是什麼？我的意思是，我喜歡你深入到材料科學，一直上升到應用層。你是第一個在舞臺上談論OpenClaw和現在的Hermes Agent的人。我想知道你是否能帶我們瞭解一下，你一天的生活中是如何思考不同階段的？從材料到晶片，再到數據中心，甚至到應用層，比如人們將如何工作？這有點像全棧AI工廠的概念。
黃仁勳：
這可能是未來最有用的技能之一。事實上，就在聽你談論技術和你如何使用它時，最重要的事情之一是系統理解、系統意識、系統設計、系統組織，但核心是系統思維。原因在於，大多數底層的、必須完成的工作無論如何都會以代理的方式完成。它們無論如何都會被自動化。所以無論是我這一代，是關於編譯晶片、綜合晶體管、門和功能模塊，所有這些現在都被綜合了，我們的大多數設計師都是系統設計師。在軟件的情況下，大多數軟件無論如何都將以代理方式完成。所以你必須更能夠抽象地思考系統。你想解決什麼問題？
有那些約束？輸入在那裡，輸出在那裡，資訊從那裡來，資訊進出系統的速率是多少，約束是什麼？是處理器、內存還是網絡？理解這些系統問題在一個足夠技術性的層面上，將對在座的每一位都非常有幫助，我不認為這種基礎知識會變得無用。我認為它會越來越有用。所以我盡我所能去理解系統。
說到代理，事實是，我們已經有了粗略的、遞歸式的自我改進。每次你使用它，它都會改進markdown檔案。每次你使用它，它都會更新它的長期記憶，長期記憶正在被處理，要麼被壓縮，要麼被轉換成知識圖譜，等等。它一直在被改進，異步地進行，所以代理每次都在變得更聰明。但問題仍然存在，我認為這對每個人都有幫助去解決，就是如何擁有非常非常精細的控制粒度？如果不用RAG，不用條件輸入，不用我們所有的提示直接輸入到輸出，那太粗糙了。
所以我們能夠條件化，我們能夠控制代理，一直向下，直到最終它想出一個方案。我在計劃檔案中更改一個詞，那個詞就會產生一個微小的差異，不是完全的差異，而是特定的差異。也許是一個像素，也許是一個三角形，也許是CAD檔案中的一個組件，也許是一層、一個過孔、一個連接，然後它重新生成所有其他內容。我認為那種控制水平和與代理的協作水平將是顛覆性的。我們不需要代理100%準確、100%高質量才能使用它。它實際上可能是80%，然後我們幫它完成剩下的部分，或者它可能是99%，我們幫它完成剩下的部分。所以我認為可控性可能是我們在各個層面上對代理所需的最大突破。
人們應該擁有自己的AI嗎？
Garry Tan：
你認為人們會……我的意思是，有了Hermes或OpenClaw，感覺這實際上可能是有點關乎存在的，人們應該控制自己的個人AGI，他們不應該把這個應用外包出去，讓它只在雲端運行，讓別人代理告訴你該做什麼，你應該希望它是你自己的。這是輝達如此深度參與背後的推動力之一嗎？
黃仁勳：
我認為首先，我需要理解代理，因為代理是新的軟件，這種新軟件的處理方式對計算機架構影響很大。我們對代理的性質以及它與聊天機器人的不同之處，以及與早期推理可能的不同之處瞭解得越深入，我們就能更好地設計系統。我們有點必須生活在未來5到10年，因為構建一個系統就需要大約三年時間。需要幾年時間來讓它上量，而你希望它們能在之後使用計算機10年。所以你必須在一段時間內生活在未來。
因此，對於代理系統，從第一性原理出發，對我們來說，就是工作負載是什麼？演算法是什麼？它將如何演變？瓶頸在那裡？Amdahl定律的問題在那裡？它如何擴展？併發性會發生什麼？如何處理沙箱？如何處理MCP？如何處理工作記憶、長期記憶？如何讓所有這些自主系統、異步系統一直工作？那麼什麼樣的設計架構對此是完全合理的？我們必須去探索發現這一點。
然後第二件事是，我想自己使用代理來讓輝達走得更快。所以我們有，Boris在後台，我們有Cloud Code在輝達各地的沙箱中自主運行，那真的很棒。
有些人使用CodeC，有些人使用Cloud Code，有些人使用Cursor，有些人使用Cognition，我們讓百花齊放，讓人們選擇他們想用的工具，然後我們從所有使用中學習。
輝達內部如何看待代理
第二部分僅僅是幫助公司更快地前進，使用這些工具，他們用得越多，我們就越能學到如何讓它在未來更好地工作。
最後一部分是發現未來的解決方案技術。也許當我們在大約十年前，也許是八年前，看到史丹佛大學提出的早期思維鏈版本時，問題在於，它在推理中會有多有效，它的可擴展性如何，例如在計算機視覺中，如果我們能從先驗知識中推理，會產生什麼影響？然後是一個巨大的突破。當然，僅僅是在那個小領域裡思考，你就會意識到，也許我們不需要那麼多數據來訓練自動駕駛汽車。這導致我們創建了Alpameo，這是世界上第一款會思考的自動駕駛汽車。僅用大約一百萬英里或幾百萬英里，它就是一款非常出色的自動駕駛汽車。
原因在於它有點像我們，對吧？我們不需要跑那麼多英里就能在我們的生活中駕駛得相當好。原因在於我們有來自語言模型的先驗知識，我們可以分解一個我們從未見過的情況，並用我們理解和非常熟悉的事物來構建它。所以這就是一個例子，看到某樣東西，然後在稍後的某個時間意識到它的影響。當代理系統出現時，很明顯，大型語言模型需要記憶、需要先驗知識、需要工具、需要與其他代理聯網的方式。所以，一旦你看到一些早期跡象，並且能夠推理未來，這有助於你躍入未來。
我覺得我開始在輝達周圍看到一種模式。就像你看到一個難題，有一個新的演算法，有一些新事物發生，然後你實際上就在那裡，與開源社區在一起。我的意思是，我記得當OpenClaw出來時，人們說它不安全，但你們推出了一套沙箱工具包，可以圍繞任何工具套件並使其安全。所以當我看到OpenClaw時，我的第一個想法是，首先，我瞭解到了它，然後幾乎不用多想，你就會意識到我們剛剛設計出了現代計算機。這是將承載大型語言模型的操作系統。在很多方面，OpenClaw對我來說就像一個Linux時刻。是的。
現在每個人都可以構建自己的AI，我對此非常興奮，我們聯繫了Peter，我們說：「嘿，你知道，輝達的所有工程師都是你的工程師。」我就是這麼告訴Peter的。你房子外面有一艘戰艦。你按你希望的方式分解問題，我們會按你希望的方式貢獻力量。Hermes團隊也一樣，我對他們正在做的工作感到非常興奮。我確實認為世界需要每個人都能構建自己的AI。
當然，你可以，而且我鼓勵每個人都儘可能多地使用雲服務。每個人都應該使用ChatGPT和Claude，每個人都應該使用那些。但如果你需要構建自己的AI，因為你是一家公司，你需要構建自己的特定領域AI，現在你有Hermes，你有OpenClaw，你有各種各樣的方法，你有LangChain，你有DeepAgent，所有這些不同的方式來構建你自己的AI。而且，坦率地說，這相對容易，因為軟件很智能。AI很智能，因此AI必須足夠智能，你可以很容易地調整它。所以我認為，我們希望鼓勵每個人和每家公司構建自己的AI。誰知道開源會帶來什麼樣的創新呢。
我覺得所有的阿爾法都來自於構建你自己的AI。我的意思是，如果別人用的是現成的，而你有一個可以遞歸自我改進的東西，它是你的……我是說，這些人對markdown檔案很輕率。他們說：「哦，哈哈，只是文字。」但文字就是智能，我們處於一個不同的時代。詞語就是思想。是的。詞語就是思想。
事實證明，你可以嘗試不用詞語來思考。
Garry Tan：
是的。所以，再次換個話題，我的意思是，每次你動別人的奶酪，大家都會有點擔心。嗯，智能將觸手可及，這真的很棒。我認為這對在座的各位都是好兆頭。嗯，你認為經濟會有什麼變化？你認為在更廣泛的層面上會發生什麼？
AI與就業
黃仁勳：
顯然，我要說的並不均衡。有些你知道，我們將自動化任務。我們將自動化認知任務。如果那個任務是有人打電話，通過電話發送一堆文字給你，而你的工作是提供一個回應，如果所有資訊都在你的指尖，因為你這裡有所有的數據庫，你應該能夠完全回答那個問題，那麼在那個情況下，那個任務將被自動化。好吧，暫時忽略這一點。
不是說我們不忽略它，但我的觀點是我要回答關於真正巨大機遇的問題。所以許多任務將被自動化。許多工作，每一份工作都將改變，並且將會有大量新的工作。我認為這是我們所知道的。底線是這樣的。證據會顯示，而且這完全合理，AI和自動化正在各地創造就業。
關於AI會摧毀就業的說法恰恰是反過來的。AI消除的是任務。
AI自動化掉任務，但它並不一定消除工作崗位。原因在於，一個人的工作有一個目的，而這個目的包含許多任務。
其中一些任務可以被自動化。許多任務不能。證據表明，我們現在已經自動化了編碼，這是一個任務，但軟件工程師的工作似乎在增長。對吧？軟件工程師崗位數量同比增長了10%。
讀取放射學掃描的任務已經被自動化，但過去幾年放射科醫生的崗位數量增加了大約20%，儘管AI已經接管了整個領域。原因在於患者的積壓量非常高。現在醫生和醫院可以接收更多的患者。為了接收更多的患者，你需要更多的護士、更多的放射科醫生。軟件領域也是如此。想法的積壓、雄心和抱負的積壓如此之高，以至於如果我們能自動化編程這項任務，我們就可以僱傭更多的軟件工程師來做更多的事情，我們可以更有野心。所有領域都是如此。他們說Harvey將消除所有律師助理的工作，律師數量將會減少。結果律師助理的數量正在瘋狂增長，原因在於訴訟積壓非常高，現在這些律師事務所可以處理更多案件，為此你必須僱傭更多的人。所以這是生產力提高帶動增長，增長帶動更多就業的典型例子。這就是為什麼今天的就業人數比我剛畢業時要多的原因。我們已經談了很多關於軟件和代理的事情。輝達另一個令人興奮的、走在最前沿的事情是實體機器人。嗯，你覺得多久能實現？我想你過去可能甚至說過，就在今年，關於我們何時可以期待實用的機器人，最新的想法是什麼？
機器人的ChatGPT時刻
是的。我看到我們生成視頻的那一刻，那對我來說是一個偉大的時刻。
那一刻，當我看到我們生成視頻時。我是說，我們做了關於漸進式GAN的原始工作，好嗎？我們在條件GAN方面做了原始工作，早在人們看到第一批生成的視頻的幾年前，就在我們的實驗室裡。我們正在駕駛一個完全由視頻生成的模擬器，完全由神經網絡生成的計算機。所以當我看到我們生成動作時，如果我能生成一個手指移動的視頻，如果我能生成一隻手拿起杯子的視頻，為什麼我不能讓機器人做同樣的事情呢？所以當我看到生成式AI發生的那一刻，我意識到機器人動作已經近在眼前了。所以現在的問題是，機器人將如何理解……生成遵循物理定律的動作。它如何理解因果關係？它如何理解摩擦、張力？它如何理解物理定律？這讓我們開始了創建我們現在稱之為物理AI的旅程，現在大家都稱之為物理AI。
物理AI。我們開始研究世界基礎模型，一個理解物理定律和世界如何運作的AI，我們開始了研究機器人技術的旅程。我想說，機器人的ChatGPT時刻在幾年前已經發生了。
原因是，記住ChatGPT剛出現的時候，它沒有做任何有成效的事情。
它沒有做任何有用的事情，但它打開了我們對可能性的想像。我想說，幾年前，你知道，機器人四處走動，我們可以做強化學習，對其進行微調並將其紮根於物理，真的發生在幾年前。所以現在我們需要做什麼？我們需要做所有我們現在為代理系統做的事情。我們需要為它們創建學習、評估的環境。所以我們必須做真實到模擬，來創建環境。我們需要做，我們需要生成基於模擬物理的模擬器以及生成式物理模擬。所以Isaac Sim、Cosmos以及我們在該領域所做的所有工作都與模擬有關。
最後一部分是模擬到現實。這部分與強化學習有關，將其紮根於物理，紮根於機器人所需的所有機電系統。但我認為這三個基本系統構建了評估，如果你願意的話，是機器人技術的後訓練。我認為我們很快就會看到它。
物理AI首先出現在那裡
Garry Tan：
太棒了。物理AI首先在經濟上真正現實地出現在那裡？你已經看到了嗎？
黃仁勳：
我們推測機器人技術將會到來，並決定機器人技術的第一個應用，既要有足夠大的市場，又要有相對標準化的技術以便我們能夠擴展並獲得飛輪效應，並且具有真正經濟價值的，是自動駕駛汽車。所以，在Waymo內部，我們的輝達晶片，在特斯拉，我們在車裡。現在我們在數據中心。梅賽德斯，我們在數據中心，我們在車裡，我們是軟件棧。我們研發了Alpameo並將其開源。我們開源自動駕駛汽車棧的原因是，農業需要它，郵件投遞需要它，倉庫AMR需要它。有很多不同的方式可以應用自主導航。這些市場中沒有那一個足夠大到能成為自動駕駛汽車市場。我們認為它足夠多樣化，以至於我們要創建整個棧。所以我們正在與各種不同地方的自動駕駛車輛合作。我們的機器人業務、自動駕駛車輛業務，基本上是物理AI業務，可能差不多有100億美元了。所以它已經非常龐大了。很可能這將成為世界上最大的產業之一，它將需要超過兩三年時間，但會少於10年，所以這將是我們下一個千億美元的業務。
太棒了。嗯，我想花一點時間，我想這正好是合適的觀眾，也許作為一個舞臺，我們可以歡迎Jensen來到X。歡迎來到X。我是說，你發了你的第一條帖子，感謝你的領導。
黃仁勳的第一條X貼文
你知道，這恰恰說明我有多麼內向。我直到2026年才在X上發了第一條帖子。
你知道，我可能是地球上最後一個這樣做的人了。但我發的內容對我來說太重要了，對這個行業太重要了，對世界也太重要了。所以我克服了我的害羞，把我的第一件事發在了X上。
Garry Tan：
不，謝謝你的領導。我的意思是，開源、開放權重、開源模型對於我們在座的所有人想做的事情來說極其重要。如果不是開源，移動雲產業永遠不會發生。如果不是開放，不是Linux，不是Kubernetes，不是所有這些平台，不是TensorFlow，或者更重要的PyTorch，對吧？還有早期版本，Cafe，對吧？Torch，我的意思是所有那些早期版本都是開源的。如果不是所有這些，我們怎麼會有現代AI呢？
嗯，感謝你的領導，你的聲音在這裡極其重要。
我們結束之前，我覺得我真的很能共鳴你的故事。我想這裡的每個人都會很樂意聽到你這一路走來的智慧。我的意思是，鑑於你看到的所有正在發生的變化，所有將在社會中佔據主導地位的演算法，一個年輕人現在應該學什麼，根據你的觀察，這些知識仍然會有價值？嗯，我今天看到的一些東西，今天遇到的一些創業者，真的非常非常令人鼓舞，
學習什麼仍然有價值
黃仁勳：
重要的收穫是，簡單的東西會被自動化掉。當我說簡單的東西時，我指的是軟件，編碼。那種你坐在電腦前，實際在編寫代碼來解決問題的想法，顯然會被自動化掉。嗯，在我成長的年代，我們必須做長除法。老天爺，誰還得學長除法呢，你知道，所以那被編碼掉了，被自動化掉了。所以，我認為簡單的東西會被自動化掉。困難的問題，硬科學，物理、化學、生物，計算機科學，計算機工程，系統思維，尤其是那些交叉領域。那些困難的問題永遠不會消失。所以AI只是一個令人難以置信的工具，幫助我們變得更有雄心，更渴望去解決這些極其龐大和難以置信的困難問題。
所以如果你看看我這一代，我剛畢業時，一個晶片設計師設計的晶片可能有一千個晶體管，那已經是非常大的晶片了。現在設計一個兆晶體管的晶片，如果有人告訴我，Jensen，我們的下一個晶片是兆晶體管，我會說，好吧，這沒什麼大不了的。原因在於我們現在是如此雄心勃勃，問題的規模、任務的規模已經不再是問題所在。所以你不需要擔心你寫多少代碼，有多少工程師，你不需要再想那些事情了，你只需要想你要解決什麼問題。所以我認為，深科技、深科學的東西，理解技術和社會問題之間的交叉點，理解市場空白和機會。我認為這些都還存在。你越擅長系統思維，越能編排數百萬個代理自主地解決問題，你就越有優勢。這就是為什麼系統思維會如此重要。但除此之外，我認為世界將繼續有大量的偉大挑戰等著我們去解決。像往常一樣去上學吧。留在學校。留在學校。
我想我通常喜歡用這樣的方式來結束，你看著臺下的人群。有很多人，我的意思是，我在開場時說，我真心看著臺下，我看到的人和我們沒什麼不同。我們實際上只是懂技術並且熱愛系統。
Garry Tan：
你會給這個房間裡的人什麼建議？你在這個房間裡看到了自己嗎？我很好奇，如果你能給18到22歲的自己發一封電報，你會說什麼？我可以準確地告訴你，輝達剛成立時我的感受。
你應該擁有的心態——「能有多難？」
黃仁勳：
我們三個人開始的時候，我當時的感覺是，有太多東西需要我知道，有太多東西需要我學習，而我不知道。我之前告訴過你，那時沒有YouTube，沒有YC，沒人教你如何創辦公司。所以我去了書店，買了一本書，書名是《如何創辦公司》。不幸的是，那本書有500頁長。所以我想，等我讀完它，我早就破產了，Lori和我早就沒錢了。所以讀它毫無意義。但我記得非常非常清楚的一件事是，我去融資時有多害怕，因為我覺得我要和一群人談話，我不知道如何回答他們的問題，而且這是真的，即使到今天我也幾乎不知道如何回答他們的問題。
但我學到的是，事實證明，那些東西都不重要。你總是會有不知道的事情。每一天，世界都在變化。
技術在變化。顯然，這是過去60年來創辦公司的最佳時機。整個行業都變了。從技術的角度來看，這是一次徹底的重新洗牌。人類歷史上最重要的技術——計算機，已經被徹底重設。所以這絕對是創辦公司的唯一最佳時機。我羨慕你們所有人，以及你們面前的機會。我是說，這將是不可思議的。所以，一方面這是完美的時機。另一方面，技術變化如此之快。所以，問題在於，對你來說什麼才是正確的感受？最後，我告訴過你我去買另一本書，那本教科書的故事，我認為我今天對所有新體驗、新技術、新市場和新動態的心理和感受是，我看著它說：「這很重要。我必須去學習它，我必須對此採取行動，我必須儘快開始。能有多難呢？」我總是有這種感覺，能有多難呢？
說實話，它比你想像的要難得多。
但你不希望你的頭腦在那裡。你希望你的頭腦是「能有多難呢？」，讓痛苦一點點地到來。不要想像它會變得多難，讓那一切變成焦慮，從而不去做任何事。你希望在你的腦海裡想像，「能有多難呢？反正我有一大堆AI代理在幫我。」所以，能有多難呢？然後你就開始去做。所以，那大概就是企業家的態度。你知道，你必須在路上學習很多東西。
你要相信你的學習能力，學習是唯一最強大的超能力。如果你帶著「能有多難呢」的態度投入其中，「如果別人能做到，我也能做到」，並且意識到它會很難，你只需要每一天都有韌性去克服它。你不必在一天內克服整個人生，你只需要克服那個早晨，你只需要克服今天。所以沒什麼大不了的，先熬過今天，等到明天？
向著明天努力。繼續追隨你的夢想，其餘的一切，如果你堅持得足夠久，輝達就發生了。所以，我認為如果有什麼智慧我可以分享的話，韌性可能是最重要的一件事。如果你相信某件事，就去開始做，讓你的思想不要因為恐懼、焦慮、缺乏自信或任何原因而阻止你去追求它，你要告訴自己，我會通過不斷學習走通這條路。大家一路前行。 (華爾街見聞)