黄仁勋谴责美国：把全球AI发展变成一场「围堵游戏」，只会促使对方更伟大

ttxx

2022 年，黄仁勋曾致力于让世界认识到 GPU 计算的潜力。如今，随着这一目标逐步实现，英伟达开始面临诸如芯片管制政策、市场业务拓展、技术与行业发展等一系列新的问题。

“4 年前，英伟达在中国拥有 95% 的市场份额。今天，只剩下了 50%，”在不久前召开的 Computex 2025 上，黄仁勋如是抱怨道，“其余份额都被中国技术（公司）抢占。如果没有英伟达，他们也会使用很多本地技术。”

在结束 Computex 2025 的个人主题演讲后，黄仁勋在与国外科技博客 Stratechery 的对话中，再次表达了这一立场。他认为，把全球 AI 的发展变成一场围堵游戏，“只会促使对方更加伟大。”

“任何认为通过禁止中国使用 H20 芯片，就能切断中国发展 AI 能力的人，都是极其无知的。”黄仁勋担心，美国的芯片扩散规则会使中国构建非美国的 AI 生态系统，威胁英伟达 CUDA 的地位。

此次访谈围绕一系列热门话题展开，包括芯片扩散规则、英伟达和中国、AI GDP 增长，以及阿拉伯 AI、企业 AI 和游戏等。

学术头条在不改变原文大意的情况下，对「英伟达和中国」、「AI GDP 增长」、「Dynamo 与全栈英伟达」三部分内容做了精编。如下：

“要想赢，不该靠拉别人下马”

美国对中国的芯片限制政策引发了黄仁勋的思考。他提到，限制英伟达进入中国市场可能对美国自身不利，因为这可能促使中国发展替代技术。

“如果我们不在中国参与竞争，而让中国的生态系统自行发展，它就会形成一个丰富的生态系统。当世界正在广泛传播 AI 技时，新的平台会被开发出来，而这些平台不来自美国，那么他们的领导地位和技术就会在全球范围内扩散。”

作为一家美国科技巨头的掌门人，黄仁勋并不回避爱国主义情怀，“我们当然希望美国赢，每个公司都希望自己的国家赢。”他随即补充道：“我认为，要想赢，不该靠拉别人下马，而是靠自己跑得更快。”在他看来，把全球 AI 的发展变成一场围堵游戏，“只会促使对方更加伟大。”

他反感要通过打压对方来获胜的零和逻辑，“这对我来说毫无意义。我们取得今天的地位，靠的是自身努力，而不是靠外界支持。”他表示，竞争和渴望伟大是一件好事，无论来自哪一个国家，“中国渴望成为强国，这本身就是一件值得尊重的事。”

尽管有人认为，美国对华出口管制还远未“彻底切断”，黄仁勋却直言：“你说这是‘做到一半’，但我认为‘不进入中国’这件事，其实已经完成了 90%。”

他表示，政策的变化给市场运营带来了残酷的代价。“我们已经写下了55 亿美元的库存损失，此外我们还主动放弃了150 亿美元销售额，以及大约30 亿美元的税收。”

更令他担忧的是，在退出中国市场后，英伟达苦心建立的 AI 生态系统——特别是 CUDA 平台正面临系统性威胁，中国可能会构建一个替代品。“任何认为通过禁止中国使用 H20 芯片，就能切断中国发展 AI 能力的人，都是极其无知的。”

具身机器人将扩大全球 GDP

黄仁勋将英伟达定义为「基础设施企业」：“如果你像往常一样，持续关注我的主题演讲，就会发现如今正在发生的事，我在 5 年前就已谈及。尽管 5 年前讲述时，用词没那么清晰准确，但发展方向始终如一。”

正因如此，他自信满满地说：“我谈论机器人已经 3 年了，我们在几年后就会看到它真正落地。”

真正让他觉得意义重大的是，一直身处的“信息技术（IT）”行业，即将跨越传统 IT 预算边界，“我们过去 60 年一直在 IT 预算里运作，但随着 AI 的到来，我们要进入制造业预算，甚至进入运营支出预算”，这意味着从 1 万亿美元级别的 IT 市场，迈向 50 万亿美元的全球资本支出（CapEx）和运营支出（OpEx） 市场。

对于潜在的“机器人取代人工”的担忧，黄仁勋也表达了自己的想法：

“虽然工作岗位会发生变化，有些工作可能会消失，但同时也会创造出许多新的工作岗位。以实体机器人为 agent 的机器人系统很可能会扩大全球的 GDP。这是因为，我们目前的劳动力依然短缺，大家都还能找到工作。例如，美国的失业率处于历史低位，原因就在于劳动力不足。餐馆很难招到足够的员工，许多工厂也很难招到足够的工人。

我认为，如果能以每年 10 万美元的价格雇佣一个机器人，人们会毫不犹豫地去做。原因在于，这会提高他们创造更多收入的能力。所以我认为，在未来 5 到 10 年里，我们很可能会看到 GDP 的增长，以及一个全新的行业——这些「token 制造系统」，人们也将逐渐理解它们。”

价值取决于，尽可能生成高质量 token

在今年的 GTC 大会上，黄仁勋曾展现出他对未来算力架构的理解。他提出了一个基础问题：一个数据中心的能源总量是有限的，无论是 100 兆瓦还是 250 兆瓦，真正决定价值的，是如何用这些能源生成尽可能高质量的 token。

他表示：“我会毫不犹豫地选择雇佣一个年薪 10 万美元的智能体。”因为企业雇用一个人动辄几十万美元，如果可以用 10 万美元显著提升这些人的效率，那是显而易见的（明智）选择。

黄仁勋认为，现在的 AI 工厂需要处理覆盖帕累托分布的 token 需求曲线：创建一个系统能同时满足不同需求，在基础的服务中能够生成免费 token，在复杂任务和高要求的任务中生成高质量 token。

这就提出了一个架构难题：不能只针对某一种 token 做最优设计。他强调，如果架构过于碎片化，那么在不同部分之间来回移动工作负载就会变得困难；当设计一个在高速 token 率方面表现出色的系统时，通常它的整体吞吐量就会很低——“你可以挨着 X 轴（低延迟）做一个点，也可以贴着 Y 轴（高吞吐）做一个点，但很难覆盖整个帕累托曲线。”

为了解决这个问题，英伟达推出了 Dynamo，一个面向推理优化的数据中心级系统。Dynamo 将所有处理过程进行分解，并在数据中心内智能地分散这些处理任务，同时测量工作量以及处理器的负载情况，这确实是非常复杂的事情。

在黄仁勋看来，大模型推理并不是单一任务，而是一个由预填充（pre-fill）与解码（decode）组成的链式过程。预填充阶段需要从用户对话历史、文档中抽取信息并形成上下文，是一个极度依赖浮点计算的过程；而解码阶段则像是“思考”与“推理”，更依赖带宽，对精度的要求反而没那么高。

“Dynamo 本质上是一个 AI 工厂的操作系统。”黄仁勋说，Dynamo 就是在处理这些差异极大的需求中智能分配的核心系统，让整个数据中心像一个“超级 GPU”一样调度资源，使 token 的每一次生成都尽可能高效。

完整访谈链接：

https://stratechery.com/2025/an-interview-with-nvidia-ceo-jensen-huang-about-chip-controls-ai-factories-and-enterprise-pragmatism/


来源：36kr