黄仁勋70分钟深度访谈：开源AI是安全基石，AI泡沫绝非今日
开源生态：安全与创新的基石
在人工智能技术飞速迭代的当下，关于“开源是否安全”的争论从未停歇。近期，随着中国2.8万亿参数的Kimi K3大模型以1679分登顶Frontend Code Arena榜单，并引发埃隆·马斯克等科技巨头关注，这一议题再次成为焦点。有人担忧开源模型会打开“潘多拉魔盒”，放大安全风险；而英伟达CEO黄仁勋则给出了截然不同的答案。
黄仁勋在Axios的独家访谈中明确表示，世界既需要封闭模型，也需要开源模型。封闭模型如Anthropic和OpenAI的产品，因其卓越的性能和易用性，适合大多数通用场景。然而，对于工业界、科学界以及网络安全领域，开源模型具有不可替代的价值。
他特别指出，网络安全受益于开源模型的透明度。通过开源，全球社区可以检查、测试并加固模型，从而构建大规模分布式的防御体系。如果所有模型都封闭，世界将变得脆弱，因为单一的攻击点可能导致系统性的失败。因此，他呼吁美国不应阻止企业使用中国的优秀开源模型，如Kimi或Qwen，并强调这些模型可以通过微调、添加安全护栏和部署在安全沙箱中来确保可控性。
就业迷思：数据背后的真实逻辑
关于“AI将取代一半工作岗位”的论调，黄仁勋将其定义为“无稽之谈”。他认为，这种恐惧源于对技术本质的误解。历史证明，技术的进步往往通过提高生产力来创造新的就业机会，而非单纯地消灭岗位。
黄仁勋引用了具体的行业数据来佐证这一观点。在医疗领域，随着AI自动化了放射影像扫描，放射科医生的数量反而增加了约20%。这是因为AI提高了诊断效率，使得医院能够接待更多病人，从而增加了对专业医生的需求。同样，在法律服务领域，律师助理的数量增加了约10%，因为AI帮助他们处理了更多案件，缓解了积压问题。
在制造业，由于AI数据中心、能源设施和芯片制造等基础设施的巨大需求，制造业岗位在过去几年中增加了约50%。黄仁勋强调，AI时代的核心不是“工作被取代”，而是“使用AI的人取代了不使用AI的人”。因此，关键在于如何让人类从繁琐的任务中解放出来，专注于更具创造性和战略性的目标。
基础设施：物理限制延缓泡沫到来
华尔街对AI行业的担忧主要集中在“泡沫”风险上。然而，黄仁勋认为，虽然泡沫总有一天会到来，但绝不是今天。他指出，当前的AI建设仍处于早期阶段，且受到物理层面的严格限制。
与上一轮软件产业不同，AI产业是重资产的。它需要大量的芯片、内存、土地、电力以及建筑工人来建设数据中心。黄仁勋表示，行业本可以建得更快，但受限于供应链和基础设施，资本支出转化为生产力的过程被拉长。这种“慢”实际上是一种保护机制，它防止了系统过热，为技术的逐步完善提供了时间窗口。
他预测，未来10年，半导体行业的规模需要扩大5到10倍，以满足全球对智能层基础设施的需求。这种需求不是周期性的，而是结构性的。因此，尽管市场波动存在，但AI带来的生产力提升和盈利模式已经清晰，这为行业的长期繁荣奠定了坚实基础。
商业愿景：英伟达的成功与Token价值
面对“英伟达的成功是否可复制”的疑问，黄仁勋持乐观态度。他认为，美国的环境、人才和创新精神使得“一切皆有可能”。他并不担心中国或其他国家的竞争会将美国公司挤出赛道，反而认为竞争将推动整个行业加速进步。
在商业模式上，黄仁勋重新定义了“Token”的价值。他认为，Token不仅仅是计算单位，更是嵌入知识和智能的载体。随着模型变得更聪明，Token所蕴含的价值也在增加。这种价值的提升使得AI服务变得有利可图，从而形成了“有用即有利”的商业飞轮。
此外，他还谈到了人形机器人的进展。他认为，机器人的“ChatGPT时刻”已经到来，即机器人能够理解指令并推理出执行步骤。未来3到4年内，人形机器人有望实现商业化实用。随着智能体（Agent）时代的到来，全球将有数以万亿计的AI智能体在线运行，这将带来计算需求的爆炸式增长。
治理与未来：从恐惧到行动
黄仁勋批评了行业内过度渲染“灾难论”的风气。他认为，领导者应该深思熟虑，将精力投入到如何确保技术安全和使用上，而不是恐吓公众。他主张通过监管应用而非限制技术本身来治理AI，例如在医疗、交通等领域建立规范。
对于开源与闭源的共存，他提出了清晰的界限：通用型生产力工具应外包给现成的闭源服务，而涉及核心知识产权、主权或监管要求的内容，则应通过开源模型自主构建。这种混合策略既保证了效率，又确保了安全。
最后，黄仁勋分享了他对“痛苦与磨难”的看法。他认为，伟大的成就往往源于大量的练习、挫折和失败。这种韧性是应对未来挑战的关键。他鼓励全球人才来到美国，利用这里自由创新的生态系统，共同推动AI技术的发展。
综上所述，黄仁勋的访谈不仅回应了当前的争议，更为AI行业的未来指明了方向：拥抱开源，重视基础设施，理性看待就业影响，并在安全与开放之间寻找平衡。这一愿景对于政策制定者、企业领袖以及每一位AI从业者来说，都具有重要的参考价值。