#模型时代# 黄仁勋All-In Summit 2026访谈实录：在中国，没什么人相信AI末日论

本来想把这期节目写成笔记，但是很多内容是一种非完全语言可以表达的，再压缩就失去了现场感，所以直接端上来吧。我觉得这段话最能代表全场：

主持人：那（国家AI）竞赛到底比的是什么？

Jensen Huang：比的是谁把技术用得更好。上一次工业革命，关键发明人全在欧洲——Maxwell、Volta、Ampère，没一个美国人。但美国把这些发明用得比谁都好，结果大家都看到了。我要确保这一轮也是这样。

主持人：为什么（在美国）AI末日论的声音反而传播得更广？

Jensen Huang：中国那边的说法务实得多。没有人在说文明终结、灾难降临。他们把 AI当成推动经济和社会进步的技术来看，没有这种说 AI会毁灭人类的群体。

让人郁闷的是，就算这些预测是真的，我们也应该把精力放在解决问题上，而不是去吓唬一群什么都做不了的人。做这个技术的是我们，该干活的也是我们。

---

主持人：Jason Calacanis、Chamath Palihapitiya、David Sacks、David Friedberg（“The Besties”）

场合：All-In Summit 2026

日期：2026年9月15日

开场

主持人：我们打断了每周的固定节目。我们只会为三个人打断节目：特朗普总统、耶稣、还有 Jensen。他是 NVIDIA的创始人、总裁兼 CEO。他做的每一个决定都在影响你的未来，不管你意识到没有。

主持人：请欢迎 Jensen Huang！还没开口，全场就站起来了。

Jensen Huang：谢谢大家。我也爱你们。世界第一播客。

主持人：我们喜欢你的新夹克。

Jensen Huang：我觉得你们需要一点能量。我知道我们在聊严肃的话题，但得带着劲儿聊。

第一部分：Dario Amodei的文章、前沿实验室与末日论心理

主持人：我们先聊聊这个周末的文章。Dario的那篇。有人拿它跑过 Pangram吗？…

我甚至不知道有多少是 AI辅助的，但那篇东西确实不一般。很多人惊讶的是，前沿实验室都在围绕这篇文章表达一致立场。Jensen，帮我们拆解一下，你是怎么读的、怎么理解的，然后我们再深入细节。

Jensen Huang：那篇文章里东西很多。先说安全，安全是最重要的，这一点我们必须非常认真地对待。但是有人说安全和领先只能二选一，这个说法不成立。你完全可以快速创新、快速执行，同时做到安全。这两件事不矛盾。

他还提到了内部控制的问题。Coxon的吹哨非常严重，每当出现吹哨人，必须认真对待。Coxon有勇气站出来说出他的担忧，这一点我尊重。但他说的内容里，有几件事被搅在了一起。吹哨本身没问题，但他对未来做出的那些科学预测就不一样了。虽然说话的人是科学家，但那些预测本身并不基于科学，我对那部分有异议。

至于暂停、放慢节奏，这些事他们自己就能决定。如果觉得公司失控了，完全可以自己采取行动。Coxon看到了什么？我们不知道。也许是从研究到工程的转型过程出了问题。这些实验室正在从研究型组织变成工程型组织——人才是天才级的，工程能力也是天才级的，但研究和工程终究是两码事。也许这个转型过程不太顺。他到底看到了什么，只有他自己知道。但如果问题出在控制上，那是一回事；政府该怎么介入，又是另一回事。整篇博客一下子把所有问题都装进去了。

主持人：你能帮我们理解一下吗？我们这周在节目上试了个游戏——怎么向普通人解释这些。我妈打电话问我：“Jimoth，这个文明灭亡的事是怎么回事？”我不知道怎么跟她解释。当非常聪明的人把它量化——说有10%的灭绝概率——这让很多人不安。没人知道怎么向普通人解释这怎么可能。

Jensen Huang：我觉得根本不应该这样说，因为那是编出来的。这些人确实受过良好教育，确实是研究员，确实在实验室工作。但正因为这些身份标签，当他们给出一个吓人的预测时，效果就被放大了。这是不负责任的。

看事实。有人预测五年内放射科将被 AI完全取代，世界上不会再有放射科医生。结果恰恰相反——我们比以往任何时候都更需要放射科医生。AI确实接管了自动扫描读片，这是好事。有人预测——就在去年？——六到十二个月内，90%的代码将由 AI生成，错了。有人预测六到九个月内50%的入门岗位会消失，也错了。GPT-2太危险不能发布，错了。Llama 3太危险不能发布，也错了。一半的白领工作明年就会没——工作末日论。

这些预测得有人负责。我们应该把每一条都记录下来。当然有人在做这件事，不断提醒我们：这些预测和美国赢得 AI竞赛的目标是矛盾的。

主持人：有人把它和新冠做类比。一开始也是研究人员、受过教育的人，他们对这件事知道得比我们多，说了一些话，最后被证明不是事实。现在同样的事情正在发生——“相信专家”的一方和“先看看这些专家以前说的准不准”的一方在打仗。而且这些话来自做这项技术的人自己。你觉得他们为什么要这么做？商业动机？政治动机？

Jensen Huang：首先，这些是历史上最重要的公司之一。了不起的工程师，了不起的研究人员，工作做得非常出色。一方面，我跟他们走得很近，公司层面合作很深。另一方面，我们不得不在公开场合聊这些事情，我觉得很遗憾。这些公司真的应该像我们过去建公司那样——闷头做事。

主持人：等等，Jensen，你不允许你公司里的任何人代表整个组织说话，尤其是碰上谁心情不好或者赌气辞职的时候。他们不能跑到推特上代表你和 NVIDIA发言。

Jensen Huang：因为他们加入的时候就知道规矩了。你要是喜欢我们的文化——你们也知道，NVIDIA的员工是真的很开心。他们喜欢这家公司的一致性、稳定性。我们的核心价值观就是照顾好员工和家庭，给他们创造条件去做一辈子最重要的事。安安静静做有意义的事，为别人的成功出力。这些东西会吸引对的人。

但来了之后，有些事我们不接受。比如，公司内部不讨论政治。想聊政治，回家聊。公司不站队，两党我们都尊重。不管谁执政，我们都会尽一切力量帮助美国成功。种族、宗教、政治这些话题，我们跟员工说得很清楚：公司外面去聊。

第二部分：AI监管与递归自我改进（RSI）

主持人：具体到 AI监管——Satya今天早上在这里说过，在讨论那些可能真正拖后腿的监管措施之前，为什么不先把基础做好？测量标准、标准化，先做起来。你怎么看？

Jensen Huang：先把工程做好。把研究用更可控的方式转化成工程，别一边做一边制造恐慌。技术在内部成熟之前，不要急着对外曝光。

监管应该解决实际问题。那问题来了：到目前为止我们实际遇到了什么问题？所有实际问题都出在前沿实验室。原因也简单——它们算力最多，因为它们在攻最前沿的问题。说句公道话，危险最可能来自前沿实验室，这很合理。高中生搞不出什么事，因为算力不够。创业公司也不太可能，算力也不够。放眼全球，除了前沿实验室，没人有那个量级的计算资源。

再看看实际发生了什么。这些实验室在做开创性的工作，本身就极其困难，同时又在从研究转向工程。建公司、建文化、搞技术、搭工程、做产品——五件事一起干，忙不过来是正常的。但是，一个实验室出了四次事故，另一个出了一次大的。第一件事就是做工程上的根因分析：出了什么问题，哪里可以做得不一样，要落实什么样的技术、方法或流程，让同样的事不再发生。

我敢打赌，每一个案例未来都在他们的掌控范围内。因为另一种可能几乎不存在——就是他们分析完了说“我们完全搞不清楚发生了什么，也不知道怎么控制，请社会来帮忙”。如果真到了那一步，我们这些有工程师的公司应该派人进去帮忙。但我不信会到那一步，他们有一流的人才，搞得定。

主持人：但我们不是活在真空里。David，昨晚你告诉我有一家中国实验室——GLM的开发者智谱（Zhipu AI），准备投入大约30亿美元做递归自我改进。

David Friedberg：对，就是这么宣布的。Z.ai的创始人刚融了50亿美元，其中一个重点方向就是递归自我改进——让 AI来训练下一代 AI，尽可能自动化这个过程。

Jensen Huang：这是当下最热的词，但你们知道，RSI本质上是一堆已有想法的组合。上下文学习、技能、反思、强化学习、合成数据生成——这些都是很合理的路径，让 AI随着时间推移把问题解决得更好。你还可以用 LoRA这类低秩适应方法，不动基础模型本身就能改进权重。然后等积累了足够多的经验，再拿这些经验重训基础模型。

这很合逻辑：用技术来提高各种任务的生产力，包括构建 AI本身。我确信每个人都在不同程度上这么做了。问题是这个词现在被拿来吓人，好像 RSI一启动就会失控一样。

主持人：但你不觉得会失控？

Jensen Huang：不会。道理很简单：你在公司内部怎么做 RSI都行，但产品要发布出去的时候，你得评估它吧？得再测一遍吧？得确认没有回退吧？基本的控制流程不会因为 RSI就消失。这些实验室从研究型往工程型转，控制只会越来越好。控制来自方法、知识、实践和工具。RSI在公司内部完成，经过验证的好产品才会发布到外部。

第三部分：Hugging Face收购、开源的未来与国家竞赛

主持人：聊聊开源。Hugging Face的收购——我之前就跟你交流过，这会是最重要的收购之一。我甚至不想叫它交易，因为它的意义比那大得多。给我们从第一性原理讲讲：开源、闭源、开放权重，这个生态未来怎么融合？

Jensen Huang：世界两种都需要。闭源模型我能用就用，这个周末我就用了四个，非常好用。前沿水平，体验越来越好。

我对闭源模型的理解有点像瓶装水。水是免费的，各位。不知道我有没有跟你们说过，但水确实是免费的。我不想戳破大家的泡泡，但它真的是免费的。今天早上我洗澡用了很多免费的水。你在不同的场景用不同的水，跟电力和其他大宗商品没什么区别。两种你都要有。

开放模型为什么必须存在？主权、隐私、专有技术——每一条都是硬需求。看数据：过去六个月，4000亿美元的风险投资进入了 AI原生公司，其中80%用的是开放模型。没有开放模型，这些公司怎么去实现自己的想法？他们的方向和前沿实验室不一样，美国的创新从来都是多路并进的，好想法像喷泉一样往外冒。开放模型让这一切成为可能。

如果我们要赢得 AI竞赛，靠几家科技公司赢是不够的。必须是美国的每一家公司、每一个行业、每一个研究者、每一个教师、每一个学生、每一个初创企业——所有人一起赢。有些人用闭源，但大量的人会用开源。

主持人：开放模型是中国做的还是美国做的，重要吗？

Jensen Huang：我们自己在开放模型上全力投入。但有一个现实：一旦你把模型下载下来，它就是你的了。今天全球开源社区里，大量贡献来自中国。他们工程师更多，国家更大，像清华大学这样的学校在批量培养理工科人才。这是我们的一个短板。

他们现在就在贡献开源。我们下载 Linux、Kubernetes、各种软件——很多都有中国工程师的贡献。下载完就是你的了，你分叉、改进、变成自己的东西。中国的模型也一样，碰巧是中国一批很优秀的研究人员做的，但下载完就归你了，想怎么用怎么用。

主持人：那竞赛到底比的是什么？

Jensen Huang：比的是谁把技术用得更好。上一次工业革命，关键发明人全在欧洲——Maxwell、Volta、Ampère，没一个美国人。但美国把这些发明用得比谁都好，结果大家都看到了。我要确保这一轮也是这样。

主持人：那为什么末日论的声音反而传播得更广？

Jensen Huang：中国那边的说法务实得多。没有人在说文明终结、灾难降临。他们把 AI当成推动经济和社会进步的技术来看，没有这种说 AI会毁灭人类的群体。

让人郁闷的是，就算这些预测是真的，我们也应该把精力放在解决问题上，而不是去吓唬一群什么都做不了的人。做这个技术的是我们，该干活的也是我们。

主持人：历史上有没有过这么多人这么坚定地说了这么多不靠谱的话？

Jensen Huang：关键是这些说法可以被验证——一查就知道不对，从科学角度也站不住脚。不基于科学，不基于研究，所有基于科学和研究的证据都指向相反方向。也许这是对未知的恐惧？人类从来没到过那个地方，没见过那个东西，所以害怕它。一害怕，就很容易让所有人都跟着害怕。

也可能跟人生经验有关。我刚毕业当工程师的时候，几乎不打字。因为我那一代人得先把计算机造出来，软件才有可能存在。你能想象吗？现在每一个进入工程界的人，干的事就是打字。公司给你一台笔记本、一把椅子，然后你就开始打字，从早打到晚。但打字之前就有工程了。

世界还有一大堆工程工作要做，其中大部分不再是打字。打字出现之前工程师就很忙了，我相信打字消失之后一样会有大量伟大的工程工作。我说“打字”，意思就是写代码。在 NVIDIA，软件工程师跟我聊的时候，我就跟他们说：“你们不过是在打字。”这话我说了很多年了，当然是开玩笑。还有一句：“我最喜欢的键是 Backspace。”因为最好的软件就是最小的软件。

第四部分：特朗普总统致电

主持人：我们正准备拆解 NVIDIA的战略——

【此时 Jensen Huang的手机响了】

Jensen Huang：总统先生。我得跟你说，要不是你打电话来，我正在台上跟 The Besties聊呢。Sacks在、Jason在、Chamath在、两个 David都在。我面前坐着几千人，我们正好聊到了你。好样的，先生。这件事里面那么多复杂性，你全看穿了。我们都非常感激。

特朗普总统：你看这就是命好不好的区别。Jensen做出了全世界最复杂的芯片，十年没人抄得出来，结果一个免提他切不上。这事得记一辈子。

AI这个事情，简直就是一场阴谋。谁最高兴？中国最高兴。国内也一样，很多州本来没人搭理，现在数据中心一落地，全都抢着去。可你看看 Google，跑去芬兰建数据中心。为什么？因为在美国拿不到许可证。我跟你们说，这就是一场骗局。数据中心是好东西，能让一个地方富起来，让一个州富起来。它就是未来二三十年的石油，比互联网大得多。现在这帮喊停的人，等于在替不想让美国搞成的那些人干活。我们不会让他们得逞。这就是个骗局。

Jensen Huang：你说得对，先生。我们不会让它发生。

特朗普总统：机器人不会统治世界，AI也不会。这整件事就是个骗局。当然，该小心还是要小心，该稳妥还是要稳妥。但你不能因为还要花十年去研究怎么管它，就把整个产业给停了。我百分之百站在你们这边。我之前甚至不知道你什么态度，但我猜你跟我想的一样。

Jensen Huang：是的，先生。

特朗普总统：谁赢了 AI，谁就赢了一切。这个东西比互联网还大。谁拿下 AI，谁就拿下未来。我们不能在这种事上输。数据中心也是一样——有些地方以前在衰败，数据中心进去以后，变成了富裕社区。真的变富了。

我们要确保美国在 AI竞赛里全面赢——每一个行业、每一家公司、每一个州、每一个人。

【全场鼓掌】

Jensen Huang：总统先生，你听到了吗？几千人在为你鼓掌。

特朗普总统：我就知道你们是去听 Jensen的。但他做得非常了不起，David也是。祝大家好运。国家从来没这么好过。我们有20万亿美元的投资正在进入这个国家，上一届政府四年加起来不到1万亿。这是一年之内的事。

主持人：你知道他要打电话来吗？

Jensen Huang：我以为是个恶作剧。

主持人：他随时都会打给你？

Jensen Huang：有一次我们在椭圆形办公室，他打电话的时候你在睡觉。

主持人：我当时特别不好意思。他问“谁来参加晚宴？”我们过了一遍名单，他说“Jensen呢？”我说“不行，先生，他在度假。”他的假攒了五年了。然后总统说“把他叫起来。”

主持人：你觉得他怎么看穿的？这件事很了不起。这个议题民调支持率负80——换任何一个坐在椭圆形办公室里的人，都会去迎合民意。关掉数据中心、叫停 AI，这是眼下最讨好选民的立场。但他直接说这是骗局。他怎么做到的？

Jensen Huang：说实话我也不确定。因为确实很多人被那套叙事带走了，而这件事本身又很复杂。一开始那套反对的说法挂的是“国家安全”。最近那条线断了，现在换成了“安全”。

如果你想让 AI安全，第一步是确保建造它的实验室自己是受控的，有扎实的测试。如果要引入第三方评估者，那和金融审计没什么区别。审计师不需要比你更懂你的业务，他们只需要问对问题。

有人说独立评估者是好的，但要有多个。我同意。多个评估者可以互相牵制，避免任何一家被收买或者走偏。这里面有很多可行的方案。我觉得最重要的就是：安全地构建技术，安全地测试它。我完全承认现在正在被构建的东西是非凡的，但这些公司同样是非凡的，我们应该用非凡的标准去要求他们。他们自己也愿意达到那个标准。

第五部分：AI繁荣与 NVIDIA的资本配置策略

Jensen Huang：我本来想告诉总统——也想告诉在座所有人——AI正在创造大量就业。本届政府上任之初，总统最想要的就是在美国创造就业、重新工业化、确保美国有足够的能源支撑下一次工业革命。没有能源就没有工业增长。

他要的是能源增长、就业增长、供应链回流。看看我们现在在做的——正在发生。比以往更多的就业正在被创造出来。4000亿美元的风投进了 AI行业，那就是大量的工作岗位。随之而来的是对计算的巨大需求——我当然高兴——以及对数据中心的巨大需求。

我刚跟得克萨斯州州长 Abbott聊过。他呼吁业界在全美建数据中心的时候，要对小社区多一些同理心，多听听他们的声音。

主持人：拆解一下 NVIDIA的组成部分，你了不起的地方在于你实际上不得不充当 AI的银行，在每一个层面推动整个生态系统。你刚通过 Cloverleaf做了地产、电力和建筑外壳的布局，和 BlackRock、高盛合作搭融资框架。讲讲你的资本配置策略——要让更多人进场承接下一阶段，需要什么？

Jensen Huang：我们正在推动一场新的工业革命，新产业需要制造业支撑。电力时代如此，互联网时代如此，AI时代也一样。有了电我们能给任何东西供能，有了互联网我们能找到任何东西。现在有了 AI，我们可以问任何问题、得到任何答案。

但智能是要生产出来的，这是一个制造过程——所以基础设施必须建起来。基础设施建好之后，问题变成了：美国各个层面上的其他环节怎么跟上？这个行业的价值重心在模型和芯片之上——在应用层，在数据中心和所有配套基础设施，在建设、电力、发电的整条链上。

我的做法是纵观整个生态系统找瓶颈。哪里有很好的公司正在成长但供应链跟不上，我就提前去推。地产、电力、建筑外壳——在我们准备部署计算的时候，这些东西必须已经就位。这跟管上游供应链是一个逻辑。

我可能比大多数人更多地想长期供应链，因为 NVIDIA体量太大了。要让我们成功，一大批公司必须跟上——Corning的 Wendell（Weeks）得跟上，Lumentum得跟上，台积电、内存公司都得跟上。我们在增长到来之前就开始和这些公司合作了，增长来的时候他们才接得住。现在我开始往下游做同样的事。

主持人：竞争的规律是，利润会随时间往堆栈上方移动——往应用层走，在那里可以长期超额获利。你现在买了 Hugging Face，积极进入服务业务。像 Open Router这种产品看起来是自然延伸，Bedrock那样的事也有更好的做法。自然的结论是什么？上面的公司毫不犹豫往下走，而你有最好的资产负债表、最好的工程师、经过验证的产品化能力。

Jensen Huang：NVIDIA跑着全世界每一个模型。一年半前我们只跑 OpenAI一家。现在你看——Meta的模型上来了，Grok上来了而且非常出色，Gemini也跑在我们上面了，Anthropic也在我们的平台上扩展。AI实验室的数量在增长——Physical Intelligence等等，名单很长。他们全部建在 NVIDIA上面。

原因是我宁愿帮所有人成功，也不想自己去切别人的蛋糕。我们的策略是：向上做到客户需要的地方，但尽可能待在底层。如果不是 NVIDIA做了 cuDNN，今天所有深度学习框架都不会存在。如果不是我们做了 Megatron-Core，所有大规模训练都不会发生。我们把需要发明的技术全部发明出来，然后让百花齐放。

这种姿态让我们成为——说白了——

主持人：说实话，业界确实希望超大规模云这一层有更多竞争。你在支持 NeoCloud方面做得很好——Nebius非常出色。但我们需要50家、100家、1000家这样的公司。

Jensen Huang：我这个人出人意料地不太争强好胜。比如，我完全乐意有五家超大规模云商。但我注意到一件事：NeoCloud的早期客户，反而全是超大规模云商。因为大厂一年做一次计划，但现在市场变化太快了，他们的计划几乎总是赶不上变化。这些区域性的 NeoCloud身段灵活，了解本地市场，能在大公司从西雅图或帕洛阿尔托看不见的角落里拿到地、拿到电、拿到壳。

现在很多国家把这当成战略资源，说“我的电力只给本国企业”。NVIDIA在这些国家也有布局，可以帮当地的 NeoCloud成长。Firmus在澳大利亚——我们刚刚在澳大利亚做了很多事，新增了两个吉瓦的 AI工厂。东南亚有 IOH和其他公司新增了几个吉瓦。我们正在全球范围内建设吉瓦级的基础设施。

第六部分：NVIDIA的开源模型雄心、Terafab、中国与超级智能

主持人：很明显你在往上走得很高，而且非常专注于开源。Nemotron做得非常好，我经常用。Hugging Face、Poolside和 Laguna也是非常出色的产品。你的自动驾驶开源堆栈同样具有颠覆性。

Jensen Huang：我们在五个领域做到了前沿。

主持人：你看起来不像是冲银牌去的。你是冲金牌去的。你会做出最好的开源模型吗？开源能追上前沿闭源模型吗？你是干这件事的人吗？

Jensen Huang：逻辑是这样的——我们会做，因为我们有这个能力，也因为客户需要。

比如 Alpamayo，世界上第一个能“思考”的自动驾驶系统——靠推理驱动。不需要拿几十亿小时的道路数据去训练，因为它可以推理：“这个场景我以前见过，不完全一样，但大致类似。”为什么这件事非做不可？全世界有很多汽车公司，未来每辆车都将自动驾驶，还有农业机械、卡车、货车——大部分公司的体量不足以自己搭全栈。我来搭一个极致的技术栈，他们做最后一公里的适配。未来所有会动的东西都有可能是自主的。

生物领域也一样。ESM-2蛋白质语言模型是我们做的，ESMFold、OpenFold、AlphaFold 2，以及 SE（3）-等变这类几何深度学习的技术——我们不做就不会有人做。我个人最喜欢的项目之一是合成下一代蛋白质并做结合实验，这是突破性的工作。我们做了，因为 Eli Lilly需要，Merck需要，他们自己的能力还没到那一步。

我做的所有事情都是需求驱动。我们不是每天早上起来想着怎么颠覆谁——我们每天早上起来想的是怎么帮到所有人。

主持人：Jensen，聊聊可能出现的竞争威胁。Elon宣布的 Terafab——1亿平方英尺的设施，你怎么看？

Jensen Huang：如果有人能做成，那就是他。我们俩之前一起坐飞机去过一个国家……跟一位有时候会给你打电话的人一起【笑】。飞机很好，Elon喜欢聊这些事，我们花了很多时间讨论这个。

我们对工艺技术非常了解，因为我们一直在推极限。我们以这种规模运营，公司内部的内存技术是顶尖的。我们是全世界最好的系统公司。你拦不住 Elon——那就是他的超能力。一旦他决定做一件事，谁也挡不住。

主持人：你对中国自主研发先进光刻系统的进展怎么看？

Jensen Huang：2030年之前他们能做到。

主持人：2030年就在眼前。

Jensen Huang：是的。而且我想事情是以十年为单位的——我做了很长时间了。对 NVIDIA来说，我得想下一个十年和下下个十年。两三年不过一眨眼。站在他们的角度看，他们已经到了。

主持人：Jensen，Elon，还有 Gwen——我们得跑起来。加速。放慢绝对是错误的策略。

主持人：对我们行业里大多数人来说，我们似乎已经处在 通用人工智能时刻了——定义就是“和人类一样聪明”。

Jensen Huang：我认为已经到了。

主持人：到了？那超级智能呢？基于你看到的东西、你的客户基础、你的历史经验，下一个里程碑在哪？

Jensen Huang：Jason，我觉得超级智能也到了。

主持人：你觉得已经在超级智能了？

Jensen Huang：在特定领域，是的。我的自动驾驶汽车——我不需要它给我做蛋卷饼，我只需要它开好车——在这个任务上它就是超级智能的。比人类好，事故率只有人类的十分之一。合成蛋白质、做蛋白质的虚拟筛选——也已经到了。

主持人：站在人类的最前沿，你快乐吗？

Jensen Huang：快乐。未来是好的，我们要到那里去。骑上车吧！我们很多人其实可以不用工作了，但这件事太好了，不参与说不过去。太有意思了。

我希望我们所有人都到那里。作为人类，我们会一起取得巨大的成功。现在我们要做的是鼓励他们、推他们往前跑。他们在做真正重要的工作，我希望他们成功。我也希望大家把戏剧性降一降。最重要的是，我们需要所有美国人都跟上来。这才是我们成功的方式。

【全场起立鼓掌】

#模型时代# David Bellamy：AI杀死人类是耸人听闻。

我大概属于极少极少的一群人（样本量 n=1？）：既训练过前沿大语言模型，又亲手在实验室里设计并合成过自定义病毒。

而我认为，“AI会制造危险病毒把人类杀光”这类说法完全是胡扯。

大语言模型能不能提出一段要合成的病毒基因组？能。这段序列能不能被合成出来？能。它有没有可能具有感染性？能，它完全可能只是已知病毒基因组的复制品，或只做了轻微改动。

这根本不是制造危险病毒的瓶颈。瓶颈在于合成病毒的物理过程，以及完成这件事所需的设备和物资。

设计一种能规避所有大流行应对手段的病毒，不是“数据中心里的天才”能一次性完成的事。这件事需要接触物理世界，并不断迭代。

我尽量把恐吓论往最强处推。设想一座“全自动”病毒合成实验室：自动冰箱、自动细胞培养室，全套都有。这种实验室会极其昂贵——远超 1亿美元。而且世界上不存在一座实验室能合成所有可想象的病毒。但先把现实约束放一边。假设这座假想实验室就是专门用来合成已知“最危险类型”病毒的。

再假设这座实验室完全由 API驱动。这座专门为合成某一危险病毒家族而建、造价远超 1亿美元的实验室，可以完全自主运行。

到这一步，每个人都该问自己：这种东西到底凭什么会存在？

可即便如此，每座实验室都需要实物补给。它会去订购预先组装好的 DNA序列（也就是病毒基因组）吗？DNA合成公司对它们构建的序列是有安全审查的。所以我们只好假设，这个超级智能能设计出足够新颖的危险病毒基因组，从而绕过这些审查……

或者我们假设这座假想实验室能用自己的 DNA合成设备，在内部自行合成病毒基因组。

问题是，这种实验室今天根本不存在。从自动化和 API集成角度看，它会是全世界最先进的实验设施。我知道这一点，因为我以前就参与过建设一座全自动、API驱动的实验室。

其次，制造感染性病毒的科学，并不像恐吓论假设的那样严丝合缝。它在很大程度上仍未解决，推进它需要受物理定律约束的真实世界迭代。这座假想实验室不能拿人做实验。最多用细胞培养，也许再用小鼠之类的模型系统。…

AI／通用人工智能／ASI／RSI无法缩短细胞培养或小鼠发育所需的时间，也无法缩短病毒在细胞或小鼠体内孵育的时间。一次基础病毒学实验室合成加实验，平均要好几天（有些病毒要超过一周）。

因此，所谓 “RSI”——也就是在完全可验证、纯数字基准（主要是编程和数学）上加速爬山——能改造整个湿实验病毒学领域及其产业，这种想法完全是妄想。

光是采购建设这座假想实验室所需的设备，就要花将近一年时间和 1亿美元。让这座实验室自主运行，需要产业界已经努力了几十年的那种 API集成水平。这座实验室所需的大部分设备甚至根本没有 API，恶意建设者还得逆向工程固件才能接入。

说到底，即便真的存在一座全自动、API驱动的致死性病毒合成实验室，AI也月复一月、年复一年地用它做细胞／小鼠实验去制造致死病毒，其“致死性”测的仍是模型生物，不是人。这和药物研发是同一个问题：大多数在小鼠身上看起来有希望的药，过不了人体试验。

总之，一旦你真正了解如何建设实验室、实验室自动化，以及合成病毒并检测其性质需要什么，就会清楚：AI对这件事的影响并不大。

它最多是让坏人比上网更快地学到我上面说的那些内容（用哪些机器、哪些实验方案等等）。但它改变不了采购周期，改变不了现有的产业安全措施和实验室设施采购监管，改变不了约 1亿美元的成本（外加高昂运营费用），改变不了实验速度的物理上限，也改变不了病毒学中那些根本性的知识缺口——这些缺口不能只靠“更聪明”的 AI解决，而必须在物理世界里迭代。