目錄

• 你可能想知道
• 主要議題
• 關鍵見解表
• 之後…

你可能想知道

1. 黃仁勳如何評估市場對中國 AI 模型（例如 DeepSeek 和 Kimi）的反應？

2. 他為何預測半導體產能需擴大 5–10 倍，並主張短期內幾乎沒有泡沫風險？

主要議題

在一場長達約 70 分鐘的 Axios 專訪中，NVIDIA 執行長黃仁勳直接挑戰了華爾街與科技論述中有關中國近期 AI 模型、就業影響與半導體產業前景的多項既有敘事。他主張市場已兩度誤讀中國模型如 DeepSeek 與 Kimi，且高品質模型不但不會壓抑需求，反而會推動運算消耗大幅增加。黃仁勳的核心論點是一條因果鏈：更好的模型啟用更好的應用；更好的應用提升使用量；使用量增加需要更多資料中心與更多晶片。他認為這一連串是計算密集型 AI 基礎設施的直接成長動態。

黃仁勳將那些稱 AI 會摧毀工作或導致文明性災難的危言聳聽說法形容為毫無根據。他強調實證證據——包含他引用的特定產業結果——指向相反方向：自動化能提高生產力，進而在許多支援角色上擴大對人力的需求。他舉例說，放射科的職位據報擴大，因為 AI 自動化讓放射科醫師能處理更多病例；其他支援角色亦有類似成長。黃仁勳藉此主張，技術驅動的替代隨後再出現淨就業創造的歷史模式正在 AI 範疇中重演。

在敏感的中國與 NVIDIA 在當地商業曝險議題上，黃仁勳表示由於出口管制限制，公司目前在規劃時實際上將中國營收視為接近零。這種直白的說法突顯出地緣政治與法規因素如何實質上影響高階半導體的跨國商業流動，即便中國的開發與研究活動仍然可觀。

專訪的另一核心論點是是否應限制或避免使用近期發布的開放或在地開發模型。黃仁勳反對放棄使用像 Kimi 這類模型的呼籲。他的論點建立在運營控制與生態系統上：模型是在具備隱私保護、安全控制與存取機制的框架與沙盒中運行。他將開源模型比作像 Linux 這類作業系統，受益於廣泛檢視、強化與社群審查。黃仁勳認為，開放模型降低了實驗門檻，反過來擴大了高級封閉服務的市場——因此開放與封閉方式是互補的，而非二元對立。

針對投機性 AI 泡沫的風險，黃仁勳提出了較為細緻的時間觀。他承認科技循環中可能形成泡沫，但主張目前在供給端的限制——晶片、記憶體、土地、電力，甚至施工勞動力——使短期內出現供過於求的可能性不高。他認為這些限制成為一道緩衝，延緩任何供給過剩並提供建設基礎設施的時間。基於此，他判斷未來十年半導體產業結構性擴張約 5 到 10 倍是合理且必要的以滿足 AI 需求，並認為未來五年內出現泡沫的機率不大。

黃仁勳也討論了代幣經濟學以及 AI 產出的產物隨時間變得更有價值的想法。他把代幣描述為知識與智慧的嵌入，隨著基礎模型改進，其有效效用增加。更大的有用性帶動付費意願，進而促成貨幣化。此觀點支持他更廣泛的主張：AI 將使軟體從相對輕資本模式轉向更重資本、以基礎設施為核心的模式，在此情境下運算資產在提供價值中扮演關鍵角色。

談到可能的監管失誤，黃仁勳警告勿採取過度粗暴的措施，因為這可能無意中扼殺開放競爭或放慢有益採用。他主張應聚焦實際的安全措施與補救方法，而非宏大的末日敘事。他敦促領導者將精力投入於構建健全、安全的系統，並促進有生產力的競爭與部署。

這項關鍵見解顯著影響對近期 AI 經濟學的理解：優質模型會為下游創造對運算、資料中心容量與晶片的需求——而不是相反。在黃仁勳的框架中，容量擴張不僅是對短暫炒作的供給回應，而是為了在產業中啟用並維持新一層智慧所需的必要工業級建設。

最後，黃仁勳描述了一個充斥代理人（Agent）的未來願景，屆時許多軟體代理會持續替使用者運行。他預測代理部署會大幅成長——隨時間可能達到數兆級別——並主張這類持續性的運算活動將極大提高全球基線運算需求。

關鍵見解表

之後…

展望未來，有幾個領域值得專注。首先，基礎設施規劃：協調電力、冷卻與製造能量的投資對避免在運算需求上升時出現瓶頸至關重要。第二，安全工程與沙盒化方法應當成熟並標準化，以便開放與專有模型能在可預測的保障下被評估與部署。第三，勞動力與教育政策應強調再技能培訓與能補足 AI 系統的職務，因為歷史與黃仁勳的例子顯示，若過渡期管理得當，淨就業創造是可能的。最後，關於出口管制、研究合作與標準的國際政策協調將決定技術與市場如何演變；務實且透明的框架將有助於減少非預期的市場扭曲。這些優先事項——基礎設施、安全、勞動力準備與國際合作——將決定黃仁勳所描述的潛力能否以可持續且公平的方式實現。

備註：上述要點濃縮自黃仁勳的專訪陳述與描述。談話中引用的一些量化範例（例如特定職業的百分比變動）為黃仁勳的觀察，應與獨立資料來源交叉核對以進行嚴謹分析。