Milken Institute Global Conference 会场，英伟达 CEO 黄仁勋走上对谈席，面对台下坐满的投资人、企业家、政策制定者。

主持人迈克尔·米尔肯（Michael Milken）打趣说：“我想掌声是为你准备的，你的装扮是为我准备的。”

但黄仁勋没有寒暄太多。他此行只讲一件事：

“AI不是一项技术革新，而是一场真正的工业革命。”

在这场30分钟的深度对话中，黄仁勋没有谈产品，没有讲估值，而是系统性地讲清楚了两个关键问题：

我们不能放弃中国这个价值 500 亿美元的市场，否则，华为就会赢。

AI 不只是改变工作方式，它会重写每一种工作，甚至包括 CEO。

他用三个层次，拆解了 AI 的真实结构：

第一层，AI 是数字劳动力——不是帮你打工，而是自己能干活；

第二层，AI 是被制造出来的——通过“AI 工厂”批量生成智能，就像当年的炼钢厂；

第三层，AI 是组织结构的底座——它重塑了公司的运行方式，也重定义了人的价值边界。

这场对谈密度极高，语句克制，但观点极具冲击力。我们梳理了黄仁勋的七个核心判断，它们共同构成了一种正在发生的“AI工业逻辑”。

读完这篇文章，你会理解：

为什么放弃中国市场，不只是商业损失，而是技术主导权的让渡；；

为什么所有工作都会被AI改变，包括 CEO；

为什么 AI 工厂将成为 GDP 的新引擎；

以及——什么样的人，才不会在AI浪潮中被淘汰。

✍️ 第一节｜AI工厂，不是比喻，是现实产业

对话刚一开始，米尔肯就抛出一个宏大问题：

“AI 是不是下一次工业革命？”

黄仁勋答得极其干脆：

“是的。” “也是下一次制造业革命。”

过去我们说“AI是工具”，说得多了，也就没什么感觉了。但这次，黄仁勋用了一个很有画面感的新说法：

“AI 不再是你操作的工具，而是一个数字机器人，直接在你的数据中心里干活。”

这话听起来抽象，黄仁勋马上接着说：“它不再只是技术替代，而是第一次成为数字劳动力的一部分。”也就是说，AI不只是“更强的 Excel”，而是可以24小时运转、自动浏览网页、阅读PDF、写总结的虚拟员工。

那这个“员工”是从哪来的？

黄仁勋解释说：AI其实是被“制造”出来的，只不过它不是在传统工厂里，而是在 “AI工厂”里生产的。

“过去的软件是在CPU上手写的，现在是机器自己学着写，运行在我们GPU上的。 这些AI是在我们称为‘数据中心’的地方诞生的——但本质上，它们其实是工厂。”

你往里输电，它就开始生产“Token”：

“Token 本质上是可以组合成数字、图像、单词、药物分子，甚至是自动驾驶能力的智能单位。”

这不是想象中的未来场景，而是已经正在建的产业系统。

英伟达现在正在建设的 AI 工厂，单座就达到 1000 兆瓦，成本高达 600 亿美元，相当于一整家波音公司。

而且，这还不是终点。

“未来十年内，我不会惊讶地看到全球建设数十座千兆瓦级别的AI工厂。”

换句话说：AI工厂会成为像当年炼钢炉、电厂、晶圆厂那样的“通用性经济基础设施”。

最后，黄仁勋补上了他这一层结构的个人判断：

“上一个时代是信息基础设施，再上一个时代是能源基础设施。现在，我们正在进入智能基础设施时代。”

一代有一代的基础设施。电力造出了现代工业，信息流造出了互联网世界。

而这一代，我们开始把“智能”变成了像钢铁一样能制造、运输、调用的东西。

✍️ 第二节｜双工厂时代来临

制造业的样子，正在彻底被改写。

黄仁勋这样回答：

“未来，每一家制造产品的公司，都会拥有两个工厂： 一个是用来制造他们销售的产品； 另一个是用来制造运行在这些产品上的AI。”

比如你造的是一台割草机，一辆卡车，甚至一架飞机——这些硬件在未来会变得越来越“自我运转”，越来越“自动驾驶”。它们将不再是靠按钮、遥控器或者人手操作，而是靠软件驱动的自主智能系统。

这也就意味着： 你不只是要制造那台机器本身，你还要制造“它的智能”——也就是运行在它内部的 Token、算法和模型。

“我们以前说‘软件定义汽车’，现在我们说‘AI定义一切’。”

而这一切的前提是：你必须能生产这些智能。必须拥有自己的 AI 工厂。

这不是概念化的演讲。

黄仁勋讲得非常具体，甚至用汽车公司举例：

“今天的汽车公司主要制造汽车。 但十年后，每家汽车公司都将生产运行在这些汽车中的Token。 这意味着他们要建造自己的AI工厂。”

过去，软件只是汽车的附加组件——车载导航、语音助手、互联娱乐。

但在AI时代，软件成了引擎。一辆车的智能表现，来自你能“生产”多少Token来驱动它的大脑。

这个转变其实是一个“AI版本的双轮驱动模型”：

一轮是传统的实体制造；另一轮是AI智能的持续生产与更新。

想象一下：

你的公司有两条产线——一条造发动机，另一条造模型参数； 一边造钢铁，一边造算法； 一边组装车壳，一边调试“意识”。

这将重写企业的组织架构，也将重写产业链上的分工方式。

黄仁勋没有说这是“软件升级”，而是说：

“整个工厂，是一个巨型机器人。它协调内部成百上千个小型机器人一起运作。”

这是制造业的深度自动化、智能化、系统化。每一个智能部件都要靠 AI 模型调度，每一个物理动作背后都有 Token 作支持。未来的制造，不只是机器造机器，而是机器人制造机器人，再用机器人部署机器人——一个智能嵌套的全闭环系统。

从“流水线工厂”到“智能Token工厂”，企业的第二条产线，已经不是选项，而是生存条件。

✍️ 第三节｜ 被AI“中介化”的人

在被问及“AI会不会让人失业”时，黄仁勋没有回避，直接给出了他一贯强调的认知：“你不会因为AI而失去工作， 但你会因为使用AI的人而失去工作。”

这句话，已经成了他在多个场合的高频警示。

他接着说：

“每个工作都会受到影响，大企业CEO也不例外。 有些工作会消失，有些工作会被创造， 但没有任何一个工作会毫无改变。”

黄仁勋用两个极端的例子来解释：

✅ 第一个极端，是今天会写代码的人。

“计算机技术的红利，只惠及了大约 3000 万人—— 他们会写代码，懂编程，掌握了过去40年的财富引擎。”

黄仁勋就是其中一员。他笑称，自己本来可以当石油工程师，也可以当医生——“我爸是石油工程师，我妈觉得每个人都该做医生”。

但他选择了计算机工程：“事实证明，这是个不错的选择。 但这种技术红利，只属于那 3000 万人。”剩下的 75 亿人被挡在了“技术门槛”之外。

所以过去几十年，我们其实是制造出了史上最大的技术鸿沟：工具越来越强大，但能用这些工具的人越来越少。

而 AI 改变了这一切。

黄仁勋说：

“AI 是我们缩小技术鸿沟的最大机会。”

你不再需要学 C++、Java 或 Python。你可以画图给 AI 看，用自然语言说出需求，甚至直接告诉它：“我不会编程，你教我怎么控制你”。

AI 会一步步指导你，让你成为“会调度模型的人”。

黄仁勋说得非常直接：

“100% 的人都可以用 AI 编程。”

这是一种范式转移：过去靠技能门槛“掌握技术权力”，未来靠“表达能力”与“问题定义能力”与 AI 协作。

✅ 第二个极端，是劳动力短缺。

黄仁勋指出：“我们缺工人，而不是工人过剩。 这是人类历史上第一次， 我们有机会通过 AI 补上劳动力的缺口。”也就是说，AI 不是简单的“取代”，而是为这个世界“增编”了 3000 万~4000 万“数字工人”。

这部分“数字劳动力”会进入各行各业，从自动驾驶、虚拟助理到AI研究员，协助人类完成从未有能力执行的任务。

黄仁勋最后给出一句很有分量的建议：

“我 100% 建议每个人，都去利用 AI 的优势。 不要成为那个忽视这项技术、最终被淘汰的人。”

所以，你不是被技术打败，而是被技术使用者重写边界。

✍️ 第四节｜AI开始“干活了”

如果说前面几节讲的是“AI能听能说能看”，那接下来这一层，就是它开始“能干活”了。

黄仁勋在这场对话中，谈到了 AI 的四次演化：

“第一波，是感知 AI——它能看图像、听声音，理解世界的信号输入。

第二波，是生成式 AI——它能翻译、能生成、能组合语言和图像。

第三波，就是现在我们进入的‘推理 AI’阶段。”

什么是“推理 AI”？简单说，不再是机械反应，不再是记忆堆叠，而是具备了“解决新问题”的能力。

“智能的本质，是你能解决从未遇见的问题。你会拆解、会假设、会判断。哪怕你没做过，也能用规则一步步推理出来。”这就意味着：AI 不只是“听你指令”的工具，而是可以理解任务目标，自主执行流程的代理系统。

黄仁勋用一句话总结这种能力的跃迁：

“它具备了代理能力（Agentic Capability）。”

这些 AI Agent 能看懂说明书、读文件、用浏览器查资料，还能操作电子表格、控制流程、完成具体任务。

“你给它一个任务，它自己去查、自己去试、自己回报结果。”

这种结构性变化，第一次让 AI 具备了“做项目”的能力——不是做工具人，而是做数字员工。

那现实中会发生什么变化？

黄仁勋提出了一个极具画面感的预言：

“未来的 CEO，不只是管理人力资源，还要管理‘数字劳动力’。 人力资源部门负责管理生物员工， IT 部门将负责管理数字员工。”

听上去像是玩笑，实际上是组织架构的底层改写：

不再只是招聘“写代码的人”，而是部署“自动写代码的 AI”；

不再只是安排流程，而是训练 AI 自主完成流程；

不再只是开会协调，而是设置规则，调度一群代理自动执行。

一个公司会有两个劳动力系统：人类和 AI。

这种代理能力带来的变化，跟前几次技术革命都不同。自动化替代了动作，数字化替代了纸笔，但只有推理型 AI 和 Agent，才第一次真正替代“认知+判断+执行”三件套。

这就解释了为什么黄仁勋会说：“AI 是一种劳动力，不是一个工具。”Agent 系统，不是辅助软件，而是数字劳动力的开端。

所以，你不是在用 AI，而是在“雇佣 AI 去做事”。

✍️ 第五节｜谁来定义智能标准？

当米尔肯谈到技术出口限制，黄仁勋的第一句话就非常有分量：

“英伟达的技术经常被称为国家瑰宝(National Treasure)。”

这种评价，其实已经透露出 AI 工厂和芯片的重要性，已经不止是企业技术，而是国家层级的竞争资源。但黄仁勋也明确指出一个逻辑谬误：“没有任何一个对手国家，会因为‘少一块GPU’而停止军事研究。”每个国家已经有数百万块英伟达芯片了。

换句话说，技术封锁并不能真正改变军事能力，也无法阻止对方发展 AI。

反而，如果美国完全退出某些市场，就意味着一件更严重的事：“如果我们不去服务这些市场，那就会有其他人介入，建立其他国家的 AI 标准。”

黄仁勋点名提到了一个名字：

“比如华为——他们是世界上最强大的科技公司之一。”

也就是说，不出口，不等于安全；退出标准制定，才是真的危险。

接着他进一步指出：

“我们真正想做的，是在全球范围内， 让人工智能生态系统建立在美国技术标准之上， 而不是其他国家的技术标准。”

这不是单纯的芯片销售问题，而是：

谁制定“智能工厂”的操作系统？

谁控制“智能Token”的通用协议？

谁主导未来经济的底层技术接口？

如果不进入市场，美国就失去了制定这些规则的机会。而“这个市场”，到底有多大？

黄仁勋的回答让现场一静：

“中国市场每年可能是 500 亿美元。 那是一个完整的波音公司。”

500 亿美元，不是一笔利润而已，而是：

一整个新经济带的建设权；

一个智能基础设施国家版本的分发权；

一次 AI 全球操作系统的主导权。

所以在黄仁勋看来，这不是商业策略，而是战略高度：

“这是一次智能标准之战。”

选择退出，不是避免冲突，而是自动把主导权让给别人。

AI 工厂，是新一代的能源工厂、互联网工厂、数据工厂。谁掌控它，谁定义未来的数字秩序。

因此，你可以不出口一块芯片，但你不能放弃一次定义未来技术秩序的机会。黄仁勋的核心判断是：AI 的标准，必须由我们来写。

✍️ 第六节｜AI制造的全链改写

AI工厂只是入口，真正颠覆制造业的，不止是智能的“生产”，而是它如何重新定义整个“建造流程”。

在这场对谈中，黄仁勋谈到了英伟达如何设计芯片：

“我们设计世界上最复杂的系统， 每一代研发投入可能在200亿美元甚至更多。 我们完全在它的数字孪生中完成设计。”

什么意思？你看到的每一块出厂芯片，实际上在真实世界中出现之前，已经在虚拟世界里被“建造”、“模拟”、“测试”了几个月。

黄仁勋说得很明确：“当我制造它的那一刻，我已经知道它是完美的。”这不是夸张，而是“数字孪生”技术带来的现实成果。而他认为，这种方式并不仅适用于芯片：“我们应该对数字工厂也做同样的事情。”

未来，你不是先买地、建厂、招人，再装设备，而是：

先在虚拟世界中搭建整座工厂；

完整运行一遍流程、优化布局、预测产出；

然后才在现实中投建、落地、扩展。

黄仁勋说：

“我们应该完全创建它的数字孪生， 用 AI 操作它，虚拟集成它， 用数字方式测试它、优化它、计划它的输出。”

这不止是提效，而是制造范式的变革：

“未来，每一个工厂都会有一个数字孪生版本。”

甚至不仅限于工厂：

“每一个人、每一辆车、每一座城市， 都会有自己的数字孪生版本。”

这听上去像科幻，但英伟达已经在这么做。你可以用 AI 模拟细胞的代谢过程，预测城市交通的实时流动，设计房屋在极端天气下的反应。你还没动手，AI 已经知道会不会塌。

这种从“模拟”到“生成”再到“调度”的能力，为机器人时代铺平了路。

黄仁勋说：“制造业不是低成本劳动力的竞争，而是一个软件驱动的巨型机器人系统。”整座工厂，是一个机器人。里面每个工位，每个传送臂，每个操作流程，都是AI驱动的子模块。

未来制造业是什么样？他给出一个比喻式画面：

“一个工厂，是一个机器人。 它由一群机器人建造出来， 然后再一起制造机器人。”

机器人造机器人造机器人。听上去像递归谜题，但黄仁勋认为：“这种嵌套式结构，就是 AI 驱动的工业体系。”

在黄仁勋的视角里，制造业不再是“组装”，而是AI在虚拟世界先“演一遍”，现实世界再“复刻一遍”。每一个产线动作，都是 AI 推理和预测后的输出。

✍️ 第七节｜什么人才不会被淘汰？黄仁勋的招人标准

当米尔肯问黄仁勋：“如果听完这场访谈，有人想去英伟达工作，你在找什么样的人？”——黄仁勋没有说学历，也没有说背景。

他给出的第一个条件是：

“如果你告诉我你是在 YouTube 上学会如何设计芯片的， 那已经告诉我很多了。”

这不是玩笑。黄仁勋真正看重的，是一个人有没有自学能力、动手能力、解决问题的动力。英伟达已经不是一家“只靠写代码”的公司了。

黄仁勋说：

“我们是一家构建整个 AI 基础设施堆栈的公司。”

这意味着，他们需要的人才横跨多个领域：

“我们有数字生物学家，有量子化学家， 有计算机图形工程师、机器人专家、语言学家…… 我们服务医疗、金融、制造等各种行业。”

他特别强调：

“我们喜欢有领域专业能力的人。”

也就是说，你不一定是AI专家，但你要懂你所在行业的真实问题。你能带着问题来，AI才能跟你协同解决。除了技能，黄仁勋更强调一种“性格底色”。“我希望我孩子和我爱的人，都能有那种伴随着长期奋斗的痛苦经历。”

他坦言，英伟达是靠“苦撑”撑出来的公司：

“我们这家公司，30年来都处于随时可能破产的状态。”

也因此，这家公司从一开始，就在性格上形成了独特的气质：

不把任何机会当成理所当然；

不因成功而庆祝太久；

不因失败而太过沮丧；

对长期目标，有惊人的韧性。

黄仁勋说：

“我们现在做的几乎每一件事， 都是5年、10年的努力。”

在AI领域，没有短跑选手。能扛得住熬、扛得住慢、扛得住不确定性的人，才是长期有效的战斗力。

他说，他们喜欢两种人：“一种是有领域知识的人，一种是聪明、吃苦的人。”

这句话背后，是对整个AI行业未来的判断：

未来的组织，不是靠层级调度的，而是靠任务编排与模型协作；

未来的员工，也不只是“能干活”的人，而是能与AI并肩解决问题的“人机共创者”。

你想进入AI时代的核心，就别只问“我会不会写代码”，而要问：“我有没有值得AI帮我解决的问题？我是不是那个能长期扛事的人？”

✅ 结语｜AI 工厂已经启动，下一步是你的位置

从“手工编程”到“智能制造”，从“数据中心”到“AI 工厂”，黄仁勋在 2025 年 Milken 大会上讲得很清楚：

AI 已经不再是一个行业，而是一个系统。

它不是加个插件，不是换个工具，而是重构：

重新定义了“工作”：不是会不会编程，而是会不会调度智能；

重新定义了“工厂”：不是造产品，而是制造智能；

重新定义了“人才”：不是学历，不是背景，而是能不能扛住复杂性、打通系统的人。

我们正站在一个新工业体系的门口。

它不喧哗，但已经落地； 它不遥远，但变化极快； 它不会等你准备好了才来，而是边建设边淘汰。

所以问题不再是：“AI 会不会影响我？”而是：“我准备好在 AI时代里扮演什么角色？”

参考资料：https://milkeninstitute.org/content-hub/event-panels/part-1-conversation-nvidia-ceo-jensen-huang