NVIDIA 的 Jensen Huang 谈推理模型、机器人与驳斥“AI 泡沫”叙事
摘要
Huang 对2025年的判断是：具备现实 grounding、重推理的 tokens 已经到位，客户愿意为其支付足够高的价格，并让供应商实现盈利。 接入搜索的模型和基于置信度的路由器显著提升了准确率；他听说 OpenEvidence 的毛利率据报达到90%，并称 Cursor、Claude 和企业 OpenAI 工作负载同样拥有强劲利润率。关键变化在于，tokens 的价值已经“足够好，好到人们愿意花大价钱购买”。
AI 需求远不止聊天机器人，因为每个新生成的 token 都需要一座覆盖芯片、超级计算机、能源和熟练劳动力的“AI 工厂”。 Huang 看到3类工厂同时扩建——芯片工厂、新型计算机工厂和 AI 工厂——由此带来对建筑工人、电工、水管工、技术人员和网络工程师的巨大需求。他和 Guo 将短期劳动力影响定义为扩张，而非替代。
衡量就业的正确单位是工作的目的，而不是 AI 能自动化的某项任务。 Huang 提到 Geoffrey Hinton 曾预测放射科将由 AI 驱动，但表示放射科医生的数量反而增加了，因为更快的扫描分析带来了更多诊断、研究、患者和医院收入。他将同样的判断标准应用于律师、工程师和服务员：“技术往往解决的是任务，而不是目的。”
算力成本下降削弱了前沿 AI 必须永久集中在少数资本雄厚实验室手中的观点。 主持人提到，2024年 GPT-4 等效 tokens 的成本下降了超过100倍；Huang 预计硬件性能每年提升5–10倍，并表示10年内 token 生成成本下降10亿倍并不会让他感到意外。由于硬件、算法和模型的协同创新正推动成本“每年下降远超10倍”，落后6个月或1年的竞争者仍可能保持接近。
开源是创业公司、科学、教育和工业 AI 的战略基础设施，而不只是另一种聊天机器人商业模式。 Huang 称 DeepSeek 的论文可能是“去年对美国 AI 最大的单项贡献”，因为美国实验室和基础设施公司都从中获得了启发。他反对等待一个单一的“God AI”统治一切——他将其规模比作“圣经级”或“银河级”——因为现实产业现在就需要可适配的领域模型。
下一层可投资机会是数字生物学和 Physical AI 的垂直化。 Huang 预计多蛋白模型、蛋白质和化学品生成、具备推理能力的车辆以及多形态机器人将催生新的应用市场；未来5年，“真正令人兴奋的将是垂直化”。通用模型或许能提供99%的能力，但工业服务商必须把可靠性推近99.99999%，这为领域专家留下了大量价值空间。
Huang 反泡沫的核心依据是产能稀缺，以及远大于 OpenAI 收入的可服务市场。 他提到 NVIDIA 的自动驾驶业务正接近100亿美元，金融服务、机器人和数字生物学领域也在涌现数十亿美元机会，并用全球每年约2万亿美元的研发支出，说明研发方式正在转向 AI 驱动。无论是创业公司、大学还是产业界，他观察到的信号都十分明确：“所有人都快被产能需求逼疯了。”
精读
上游暂未提供，后续同步将继续补齐。