全文 2,000字 | 阅读约 6 分钟
（2026 Milken 全球大会 黄仁勋对话片段）
2026 年 5 月 5 日，英伟达 CEO 黄仁勋和 CNBC 主持人 Becky Quick 聊了一个小时。官方标题是“Leading in the Age of AI”，但他讲的不是技术细节，是 AI 如何重构产业逻辑。
这场对话的信息密度很高。我把完整访谈看了一遍，提炼了几个核心判断，做成笔记分享出来。
核心结论先说：AI 已经从“会生成内容”进化到“会做事”，计算范式正在从检索转向生成，算力需求暴涨 1000 倍，瓶颈从芯片转向电力，真正的风险不是 AI 太强而是人不用 AI。
下面分点展开。
1 、AI 从“会生成”到“会做事”,智能体时代来了
过去三年，大家谈 AI，谈的最多的是生成能力。
给它一句话，它能写文章。给它一张图,它能生成视频。给它一个提示词，它能画图、写代码、做摘要。
但黄仁勋这次强调的重点不是“生成”，而是生成背后的两个能力 。
第一，生成 token，本质上就是生成想法。人要思考，脑子里也要不断生成想法。
第二，生成指令，意味着 AI 可以使用工具。它可以打开浏览器，可以调用 Excel,可以使用 Photoshop，可以写代码，可以帮你完成一个任务。 所以 AI 的变化路线其实是:
生成式 AI → 推理 AI → 智能体 AI
这才是他认为过去几个月真正发生的大事。
尤其是 Claude Code 出来后，行业第一次看到一个 AI Agent 可以做真正有生产力的工作。不是陪你聊天，而是帮你编程、调试、改项目。 但黄仁勋把“编程”讲得更大。
他说，编程不再是程序员的专属能力。编程的本质，是把一件你想反复自动化的事变成代码。
所以只要一家公司有重复流程，只要一个岗位有重复任务，未来都可能被 AI 重新做一遍。
AI 真正开始变有用，是因为它开始能理解、推理、计划、调用工具，然后把事做完。
2、智能体比生成式 AI 吃算力 1000 倍
为了让 AI 完成“理解、推理、计划、使用工具、采取行动”这一整套过程，所需计算量大概比普通生成式 AI 高出 1000 倍。
这句话非常关键。
因为它解释了为什么大家总觉得 GPU 不够用、数据中心不够用、电不够用。
以前的 AI 是给你生成一段答案。现在的 AI 是先理解你的意图,再拆任务,再规划步骤，再调用工具，再检查结果。
这不是一次输出。这是几十次、上百次模型调用。
一个智能体跑一个复杂任务，背后不是问答一次，而是一连串推理动作。 所以黄仁勋才会说，GPU 消耗正在飙升，甚至连几年前卖出去的 GPU，价格上涨速度都像“优质葡萄酒”一样。
他还开玩笑说，购买英伟达的 GPU 就像投资艺术品。
AI 从“会说话”变成“会干活”之后，真正被消耗的不是文字，而是算力。
3、未来的计算机,不再是“检索”,而是“生成”。
黄仁勋的意思是，今天我们使用计算机，大部分还是检索式的。
你点开新闻，新闻是提前写好的。你打开视频，视频是提前录好的。你点开网页，网页内容是提前存好的。
计算机只是把已经存在的东西调出来。
但未来不一样。
你告诉计算机你的意图：我想规划一次旅行、我想做一份商业方案、我想设计一场婚礼、我想找人辩论一个想法、我想做一本产品手册。
然后 AI 理解你的意图，自己推理、拆解、搜索、使用工具，最后给你生成一个结果。
这意味着计算机的底层逻辑变了。
过去是：你找信息。
未来是：计算机为你生成结果。 这就是为什么黄仁勋说，AI 不是一个应用，而是在重塑整个计算机行业。 互联网时代,计算机负责“找出来”。AI 时代，计算机负责“做出来”。
黄仁勋这次继续讲他的“五层蛋糕”理论。
很多人谈 AI，只谈模型。但他提醒大家，模型只是其中一层。
完整的 AI 产业栈大概包括:芯片、系统和服务器、数据中心与云、模型、应用。
再往下，还要有土地、电力、液冷、供应链、封装、内存、硅光子、网络系统。
他特别讲到，今天英伟达已经不只是 GPU 公司。
一个 AI 计算系统里，有多种不同类型的芯片。一个机架可能价值四五百万美元,重达三吨，里面有一百五十万个零件。
AI 看起来是一个聊天框，背后其实是一整套重工业。
AI 不是轻飘飘的软件生意，它背后牵动的是:芯片厂、服务器厂、数据中心、电网、能源、建筑、制造业、供应链。
所以一个重要判断是：AI 的下一轮竞争，不在屏幕上，在工厂里。
5、AI 最大的瓶颈,正在从芯片转向电力。
黄仁勋说，两年前大家最缺的是芯片。但现在瓶颈一直在变。
AI 系统太复杂，任何一层都可能成为瓶颈:芯片、先进封装、内存、液冷、光通信、数据中心、土地、电力、电网。
尤其是电力。
他认为，AI 也是现代化电网的机会。因为第一次有大量客户愿意为电力、可持续能源和基础设施升级买单。
2026 年，AI 和能源已经绑在一起了。
过去大家问：谁有模型? 现在更关键的问题变成：谁有电？谁有地？谁能建 AI 工厂？
黄仁勋还提到，他跟特朗普总统聊过，承诺给美国供应商 5000 亿美元的订单。利用市场力量而不只是政策，推动美国重新工业化。
AI 继续往前走，瓶颈开始从算法转向能源。
6、AI 公司开始赚钱,算力需求才会继续爆发
这场访谈里还有一个很重要的商业信号。
黄仁勋说，过去三到六个月里,OpenAI、Anthropic 以及很多 AI 原生公司的毛利率已经变得非常可观。
这句话很重要。 因为它解释了为什么这些公司还在疯狂买算力。
如果生产出来的 token 没有利润，买更多 GPU 就只是烧钱。但如果 token 开始赚钱，逻辑就变了。
就像一个工厂发现自己的产品毛利很高,下一步一定是扩产。
所以 OpenAI、Anthropic、Cursor 这些公司不断拿计算资源，本质上是在扩充“智能产能”。
当 AI 从烧钱工具变成高毛利产品，算力就不再只是成本，而是产能。
7、工作的目的,不等于工作中的任务。
黄仁勋明确表示：工作的目的，不等于工作中的任务。
放射科医生的任务，是看片子。但放射科医生的目的，不是看片子，而是帮助医生诊断疾病、治疗病人。
软件工程师的任务,是写代码。但软件工程师的目的，不是打字，而是解决问题、创造产品。
黄仁勋甚至拿自己开玩笑。他说,如果一个人的工作就是打字和说话，那这两件事早就被自动化了，他早该失业了。但现实是，人反而更忙了。
十年前有人预测，放射科医生会被 AI 淘汰。今天，100% 的放射学都被 AI 渗透了。
但放射科医生这份工作没有消失,反而需求更大。
为什么?
因为放射科医生现在可以看更多扫描片，接诊更多病人，更好地诊断疾病。医院赚了更多钱，放射科成了最大的利润中心之一。结果是，他们想雇更多放射科医生。
AI 替代的不是一份工作，而是工作里越来越多的具体任务。
这个区别非常关键。
8、真正的风险不是 AI 太强,而是人不去用
黄仁勋最担心的，不是别的国家获得 AI，也不是每个人都拥有 AI。他认为每家公司、每个国家、每个人都应该拥有 AI。
他真正担心的是：人们被 AI 恐惧吓住，最后不愿意使用 AI。
尤其是他讲大学毕业生那段，很现实。
如果一个毕业生不会用 AI，而另一个毕业生是 AI 高手，前者很难竞争过后者。
这不是未来的事情。这是已经发生的岗位错配。
黄仁勋还回应了 Geoffrey Hinton 关于“AI 有 20-30% 概率终结人类”的说法。他说这种说法“完全错了”。
错在哪?
错在忽略了大量科学家正在努力让 AI 安全。让汽车更快的人,和让汽车更安全的人,后者是前者的 10 倍。AI 也一样。
他说，AI 没有生命，没有意识。它是计算机和软件。我们完全知道它是什么,知道怎么建造，知道怎么改进。
把 AI 讲得太神秘、太可怕，最后伤害的是人类自己。
AI 时代的第一道分水岭，不是学历，而是会不会用 AI。
黄仁勋最后还讲了科学研究的加速。过去科学家探索一个新想法要几个月，现在 AI 可以帮他们在一天内完成。
他说，无论你过去的野心有多大，现在都还不够大。你要把野心扩大 100 倍。
AI 正在重新定义“可能”的边界。
识自AI
本文由AI深度研究院出品，内容整理自黄仁勋在 Milken 会议的访谈等网上公开素材，属评论分析性质。内容为观点提炼与合理引述，未逐字复制原访谈材料。未经授权，不得转载
星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标
https://www.youtube.com/watch?v=dUFis1dte14&t=9s
来源：官方媒体/网络新闻，
排版：Atlas
编辑：深思
主编：图灵
热门跟贴