黄仁勋新年访谈：推理模型、机器人技术，预告未来5年爆发点...【值得一读，特此推荐】

不二如是

2026年新年初始，英伟达总裁、创办人兼执行长黄仁勋表示，摩尔定律的终结使得向加速运算的转型势在必行，无论是否存在人工智慧「泡沫」的说法。

黄仁勋回顾了2025年最大的惊喜，包括推理能力的快速提升以及推理代币的盈利能力。

他谈到人工智慧如何在不抢走工作岗位的情况下提还分享了他对2026年的展望：

包括他为何对美中关系持乐观态度、开源对于保持美国竞争力的重要性，以及哪些行业即将迎来他们的「ChatGPT时刻」。

在线学习：



2025年AI最大的变化不是“更大”，而是“更可靠”

回顾2025年，真正令人欣慰的并不是规模定律继续生效，而是整个AI行业在“可靠性”上的集体进化。

模型在推理、事实约束、与搜索系统的连接等方面取得了显著进展，越来越多系统开始根据置信度自动触发检索与验证流程，从而系统性地减少幻觉。

这并非单一公司的突破，而是语言、视觉、机器人、自动驾驶等多个领域同时发生的跃迁。

AI正在从“会说话的模型”，转变为“能被信任的工具”，并开始在医疗、法律等专业领域成为专家的协作对象，而不再只是辅助参考。


AI开始真正“值钱”，推理与Token经济进入正循环

另一个出人意料的变化，是推理Token的生成速度与商业价值同步爆发。

推理相关的Token需求呈指数级增长，并且已经被证明具备可观利润空间。

无论是医疗信息、法律工具，还是企业级AI服务，都显示出极高的毛利率。

这意味着AI不再只是“烧钱的未来”，而是已经形成清晰的商业闭环。

Token不再是成本负担，而成为高价值产出，支撑起整个AI产业持续投入与扩张的经济基础。


地缘政治与国家竞争，让AI成为基础设施而非产品

2025年，AI不再只是科技公司的竞争工具，而被各国视为国家级基础设施。

围绕出口管制、国家安全、能源、劳动力与产业回流的讨论，几乎都以AI为中心展开。

AI被逐渐视为类似能源与互联网的底层能力，影响所有行业与国家。

这一年中，全球范围内围绕AI的政策沟通、国际博弈与产业布局显著增加，也让“技术中立”的幻想逐步破灭。


AI不会“消灭工作”，它正在重塑工作的结构

关于就业的恐慌在2025年被反复放大，但现实呈现出更复杂也更理性的图景。

AI并非传统意义上的“预录软件”，它每一次响应都是实时生成的智能过程，这意味着它需要庞大的算力与全新的产业体系来支撑。

由此催生了芯片工厂、超级计算机工厂与AI工厂三类全新基础设施，带来了大量制造、施工、运维与工程岗位。

在短期内，AI直接推高了技术工人和基础设施相关职业的需求，而非压缩它们。


任务会被自动化，但工作的“目的”不会消失

以放射科为例，AI确实接管了影像识别这一任务，但放射科医生的数量反而增加了。

原因在于，医生的任务是读片，而工作的目的是真正诊断疾病与推进医学研究。

AI提升了效率，释放了能力边界，反而扩大了医疗系统可服务的规模。

同样的逻辑适用于程序员、律师、工程师甚至服务行业。

AI减少的是低价值重复任务，放大的是人类在决策、创造与问题定义上的作用。


劳动力短缺是真问题，机器人是补位而非替代

在制造业、护理、物流等领域，全球普遍面临劳动力结构性短缺。

机器人与自动化系统并非“抢走工作”，而是在填补无人愿意或无法承担的岗位空缺。

历史经验也表明，新型自动化系统会带来庞大的维护、服务与支持产业。

未来如果真的出现数以亿计的机器人，其维修与运维本身就将成为全球最大的就业市场之一。


AI不是“上帝模型”，而是一整套分层系统

将AI想象成一个无所不能的单一模型，是对现实的严重误解。

AI更合理的理解方式是一套五层结构：能源、芯片、基础设施、模型与应用。

不同层级各自演进、相互制约。AI并不只处理语言，还覆盖生物、化学、物理、金融等多种信息形态。

正因为现实世界极其复杂，单一“万能AI”在可预见未来并不存在，真正的优势来自于整个技术栈的完整性与协同能力。


开源不是风险，而是AI生态真正的发动机

闭源前沿模型可以成立，但没有开源，整个AI生态将被扼杀。

制造、医疗、交通、科研与初创公司，都依赖可被二次训练和定制的开源模型作为起点。

过去一年中，开源研究成果显著推动了全球AI进展，甚至成为硅谷最重要的技术输入之一。开源并不是“送出皇冠”，而是在放大创新飞轮，确保技术扩散与长期竞争力。


恐慌叙事正在伤害AI本身

将AI描绘为末日工具或上帝系统的叙事，不仅缺乏技术现实基础，也正在误导政策制定与公众判断。

真正的安全，首先来自于系统能否稳定、可靠地按预期工作，而不是假设极端失控场景。

过去两年，行业通过持续投入，显著提升了AI在推理、事实约束与安全性上的实际表现，这本身就是最有效的风险治理方式。


下一个“ChatGPT时刻”正在生物与物理世界出现

展望未来，真正令人兴奋的突破不止于语言。

多模态与长上下文能力，加上合成数据与推理系统的成熟，正在推动数字生物学、蛋白质建模、化学与材料科学进入生成式AI阶段。

与此同时，自动驾驶与机器人将从“感知+规划”迈入“持续推理”的新阶段，显著提升应对未知场景的能力。

AI正在从数字世界，逐步进入真实世界的深层结构。

评论区聊聊你的想法吧

                               
登录/注册后可看大图

>>万能兑换C币许愿池<<

如果有收获，别忘了评分 ：

                               
登录/注册后可看大图

                               
登录/注册后可看大图