现场：Jensen Huang 谈如何打造智能时代的“发电机”

• Podcast: Training Data
• Episode: LIVE: Jensen Huang on Building the Dynamo of the Intelligence Age
• Source: https://www.youtube.com/watch?v=2UpQbeAZuqA
• 获取时间: 2026-07-03T16:54:35.835Z

一句话结论

Jensen Huang 的核心判断很直接：AI 正在把计算从“检索文件”改造成“实时生成智能”，而围绕这件事的真正机会不是单点模型，而是从 energy、chips、infrastructure、models 到 applications 的整条产业链。

这期在讲什么

这场对话主要在回答两个问题：AI 到底是什么，以及企业和个人该怎么参与。Jensen 用“retrieval → generation”的转变解释，过去 60 年数据中心主要是存储和检索，现在则变成按需生成文本、图片、视频、代码，甚至控制工具、机器人和自动驾驶系统的“智能工厂”。

他把这个时代类比为电力和互联网之后的第三次“cocoon the planet”的基础设施层：电力把能量铺满全球，互联网把通信铺满全球，AI 将把 intelligence 铺满全球。NVIDIA 的角色就是提供把“electrons 输入、tokens 输出”的机器。

核心要点

1）AI 的本质变化：从检索到生成

Jensen 强调，过去的计算以 file retrieval 为中心：先录入、保存，再按需读取；而生成式 AI 则是在每次提问时基于 context 和 query 现场生成内容。因为生成是实时的、上下文相关的，所以同一个问题，不同人、不同场景会得到完全不同的结果。

这意味着未来的内容不再是“同一份东西被大家反复看”，而是每个用户看到的文字、图像、广告、视频都可以是定制生成的。AI 的价值也因此从“会说”变成“会做”。

2）AI 的经济价值来自 agentic work

他把 ChatGPT 早期阶段描述为“有趣但不太值钱”，因为主要是理解和生成信息；而现在的 agentic systems 能做工作、调用工具、执行任务，所以才真正变成可付费的生产力。换句话说，市场愿意按小时为 AI 付费，是因为它开始替人完成可衡量的工作。

Jensen 还提到，未来可能不是单个 agent，而是大量 agents 彼此协作：员工 agent、公司 agent、机器人 agent、自驾车 agent，在互联网之上持续交换指令、规划和执行。这会把 AI 的需求规模从“给人用”推向“给机器群体用”。

3）NVIDIA 讲的是“智能工厂”

他用 Siemens 的 dynamo 类比 GPU 时代：dynamo 把 motion 变成 electricity，而 NVIDIA 的系统把 electrons 变成 numbers/tokens。这个“factory”不是比喻，而是产业定义：大型计算机不断产出 token，也就是可重组为语言、数学、蛋白质、物理、3D 世界控制信号的智能单元。

Jensen 还给出了一些极具工程感的量级：一个 rack 有 72 chips，重约 2 tons，约 $4 million；今年大约会制造 8 million chips 级别的设备。AI factory 不是轻资产软件，而是重资本、重电力、重供应链的工业系统。

4）AI 投资是一个五层蛋糕

他把 AI 产业链拆成 five-layer cake：底层是 energy，中间是 chips / computers / networking / silicon photonics，再往上是 infrastructure（land、power、shell、money、data center ops），然后是 models（如 OpenAI、Anthropic），最上面是 applications。

这个结构很重要，因为大众往往只盯着 model layer，但 Jensen 认为真正的大机会分散在整条链路，尤其是能源和基础设施。产能扩张不是“模型公司单独成长”，而是整个生态一起扩张，且会持续吸纳 trillion-dollar 级别的投入。

5）AI 不会消灭工作，但会重塑任务

他反复强调一个区分：job 和 task 不是一回事。AI 可能替代某些 task，但不会直接消灭围绕 purpose 的工作。例子包括 radiology 和 software engineering：AI 已经把图像识别、代码生成做得很强，但这并没有让这两个职业消失，反而提升了产能和需求。

他的结论很明确：你可能不会输给 AI，但你一定会输给使用 AI 的人。对个人、企业和国家来说，问题不是“要不要担心 AI”，而是“要不要主动用 AI 把自己升级”。

对 AI 从业者的启发

第一，别把 AI 只理解成模型能力。真正的机会在于模型之上的 workflow、agents、工具调用和行业系统整合。第二，优先看基础设施约束：电力、机柜、数据中心、网络、供应链，很多时候它们比模型参数更接近真实瓶颈。第三，职业判断要从 task 回到 purpose：AI 会先自动化局部动作，再放大整体产出，产品设计也应围绕“放大人的目标”而不是“替人做动作”。

值得继续追问

1. 他说的 20 trillion 美元/年 AI ecosystem，哪些环节最先出现确定性回报？
2. agentic AI 大规模协作后，企业的权限、审计、责任边界怎么设计？
3. 如果 AI factory 真正受制于电力和基础设施，哪些地区会成为新一轮算力枢纽？
4. 在 radiology 和 software engineering 之外，哪些行业最容易出现“task 自动化但 job 增长”的类似结构？
5. 当 every word/image/video 都可实时生成时，内容分发、广告和搜索的商业模式会怎么变？