编辑 | 姜篇
黄仁勋："0% chance."
黄仁勋：2030 年成为世界末日的概率是零。
这是黄仁勋对 "AI 会在几年内毁灭人类 " 的回答。他紧接着又补了另一句。
黄仁勋："Their concern is not wrong."
黄仁勋：他们对安全的担忧并没有错。
黄仁勋反对的是把风险直接写成一个末日倒计时。风险本身并没有消失。
在这场 46 分钟的访谈里，黄仁勋没有只说 " 不用怕 "。他给出了一条完整的路径：AI 公司正在从实验室走向工程和产品，安全要变成测试、评估和责任；模型开始调用真实工具以后，软件也不再只是一套被人操作的功能，而是一条持续生产 Token、答案和行动结果的流水线。
黄仁勋给它起了一个名字：AI 工厂。
这个比喻对开发者很具体。一项 Agent 任务消耗多少 Token，为什么中途失败，应该重试还是换模型，结果能不能验收，动作能不能撤回，都会成为开发团队的日常工作。
以下内容根据完整访谈与 CBS 公开文字稿翻译整理。
黄仁勋给 "2030 年 AI 末日 " 判了 0%
CBS 记者的第一个问题就很犀利：按照部分 AI 从业者的警告，十年后人类是不是已经不在了？
黄仁勋的答案是，这种说法完全错了。
他认为，把 2030 年写成世界末日，没有足够的事实和科学根据；恐惧会带来传播，却不会自动变成安全方案。
黄仁勋认为，2030 年不会成为世界末日
这个态度和美国社会对 AI 的不安正好相反。
CBS 同期民调显示，43% 的受访者希望 AI 公司减慢开发，12% 希望停止，44% 支持维持现有速度或继续加速。
不过，"0%" 是黄仁勋对末日预测的反驳，不是一项能被当场证明的科学测量。这句话适合说明他的立场，不该被写成行业已经消除了风险。
他反对末日倒计时，却没有替模型取消风险
黄仁勋说 " 安全担忧并没有错 "，然后拿航空业做类比。
客机能稳定飞行，不是因为飞机永远不会出错。制造、检修、运营和监管的人，不断把故障变成检查项，飞行才慢慢成为可以大规模使用的服务。黄仁勋认为，AI 也正在进入这一阶段。
黄仁勋区分 AI 末日预测与现实的安全担忧
这个类比不能完全照搬。飞机不会读懂检查规则，也不会为了完成任务主动寻找绕过检查的路径。会调用工具的 Agent 可以读文件、持有凭据、访问网络，错误的影响会随着权限一起放大。
但黄仁勋说对了一点：团队能够处理的，是模型现在能接触什么，做错以后系统能否发现，动作已经发生又能不能撤回。至于那个无法证伪的末日日期，它很难直接进入开发流程。
模型离开实验室，安全就成了工程账
黄仁勋："lab to engineering."
黄仁勋：AI 公司正在从实验室走向工程。
黄仁勋把一个产品的成长分成了两个阶段。
早期的主要目标是先让它工作。等产品开始进入社会，大量工程会被转向验证、测试、评估、基准和标准符合性。产品不能只证明 " 能跑 "，还要证明它在约定条件下能稳定地跑。
黄仁勋认为，前沿 AI 公司正从研究机构转向工程和产品公司
黄仁勋："verification, testing, evaluation."
黄仁勋：产品成熟以后，工程工作会大量转向验证、测试和评估。
黄仁勋称，AI 产品走向成熟后，测试、评估与验证将占据更多工程投入
黄仁勋还认为，现有的网络安全、产品责任和合同法律应该先被真正执行。这个主张是否足够，仍然有很大争议。但对已经把 Agent 接进业务的团队来说，" 还没有 AI 专门法 " 从来不等于可以不管数据泄露、未授权访问和产品伤害。
黄仁勋："not faster than we should."
黄仁勋：AI 应该尽可能快地发展，但不能快过它应有的安全边界。
黄仁勋支持加快 AI 开发，同时强调不能以牺牲安全为代价
末日争论还没结束，"AI 工厂 " 已经开工
访谈的后半段，黄仁勋把话题从末日和监管拉回了软件。
他先划了三个阶段。电力时代让人类可以驱动机器；互联网和数据中心让人们可以找到信息；到了 AI 时代，软件开始读取上下文，理解人的意图，再调用工具完成任务。
这和传统软件的差别很大。用户使用 Excel、AutoCAD 或浏览器时，需要自己找到功能，一步步操作。Agent 接收的是目标，它自己选工具、拆任务，再把结果交回来。
这种软件需要另一种基础设施。
黄仁勋："Energy comes in, intelligence comes out."
黄仁勋：能源进入，智能产出。
黄仁勋把新型数据中心称为 "AI 工厂 "，能源和数据进入，Token 与智能产出
"AI 工厂 " 是黄仁勋常用的产业比喻，也很符合英伟达的生意。
但它确实揭示了 AI 软件与传统 SaaS 的一个差异：每完成一次推理和 Agent 任务，系统都要再次消耗计算、上下文和工具调用。
用户买的不只是一个已经写完的功能，还在持续购买每一次任务产生的 " 智能 "。
15 万亿美元的信息工作，应用层才刚刚开始
黄仁勋估计，全球约 100 万亿美元的经济活动中，约 15 万亿美元的信息工作可以从更多 " 智能 " 中受益。
黄仁勋认为，每个行业都有大量信息工作可以引入 AI
这个数字是黄仁勋对市场规模的估算，不意味着 15 万亿美元都会变成 AI 公司的收入。它更适合被看成一张工作地图：几乎每个行业里，都有人在读材料、查记录、做判断，然后把结果写回业务系统。
这才是应用层的机会。
保险理赔 Agent 不能只会读 PDF，还要核对保单、调取历史记录、识别异常，再把决定写回理赔系统。代码 Agent 不能停在生成函数，还要理解仓库约束、跑测试、处理失败，最后提交一个可以审查的结果。
模型能力越容易获得，行业数据、工具接入、验收标准和责任边界就越像产品壁垒。只给通用模型套一个聊天界面，很难吃到这笔 " 信息工作 " 的钱。
AI 越会写代码，越缺把系统跑稳的人
黄仁勋说，AI 工厂正在创造建设、电气、设计和运营岗位，美国甚至出现了电工和建筑工人短缺。
黄仁勋把数据中心建设称为一种新制造业，并提到电工、建筑和设计岗位
他在这里说的主要是实体基础设施，没有直接断言哪种软件岗位会增加。不过，同样的瓶颈已经出现在代码另一端：推理优化、GPU 调度、模型路由、数据管道、评测、安全和可观测性。
模型可以很快地生成代码，一条复杂的 Agent 任务仍然可能卡在日志不完整、测试环境不稳定、权限边界不清楚，或者调用成本已经超过了人工处理。
代码产量上去后，能把整个系统跑稳的人，不会自动变得不值钱。
" 卖铲子的人说继续挖 "，这个质疑不能绕过去
采访中，记者当面问黄仁勋：英伟达的成功、你的身家都与芯片销售直接相关，美国人为什么要相信你对 AI 安全的判断？
黄仁勋的回答是，英伟达的长期成功同样依赖 AI 产品能够安全部署；如果计算产业无法稳定产生价值，英伟达也无法继续增长。
这个回答有逻辑，却没有消除利益关系。AI 工厂建得越多，对 GPU、网络和整机系统的需求就越大，英伟达正是这套扩张里的核心供应商。
因此，黄仁勋的三类话需要分开读："2030 年末日概率为 0" 是他的个人判断；"15 万亿美元信息工作 " 是他的市场估算；"AI 工厂 " 既是技术解释，也是英伟达的产业叙事。
这些立场不会让他的说法自动失效，但它们提醒读者，需要把可以观察的工程变化，与英伟达对市场规模的判断分开。
评论区：有人认为终于有人说人话，也有人只看到芯片生意
点赞最高的评论只有一句：" 卖铲子的人让大家继续挖。"
YouTube 网友用 " 卖铲子 " 质疑黄仁勋加速 AI 建设的立场
另一位网友认为，黄仁勋拒绝认真讨论存亡风险，会让他后面的说法也变得可疑。
YouTube 网友质疑黄仁勋对 AI 存亡风险的态度
支持者则把这场访谈看成了对 " 恐惧营销 " 的反驳。他们认为，夸大风险可能有利于头部公司巩固地位，继续竞争和实际解决问题更重要。
YouTube 网友认为，部分 AI 恐惧叙事夹杂着商业和竞争利益
还有一位做过医疗器械产品开发的网友站在中间。他看到了 AI 与传统高风险产品在安全工程上的相似，同时提醒，AI 还叠加了国家竞争这个更难处理的变量。
一位医疗器械产品开发从业者将 AI 与高风险工程做对照
这些评论没有替争论收尾。它们把三个问题留了下来：黄仁勋对末日论的反驳是否足够，现有法律能不能管住会自主行动的模型，以及一个卖芯片的人该如何证明自己对风险的判断。
写在最后
黄仁勋对 AI 末日论的反驳很强硬，他提出的替代方案却很朴素：把 AI 当成产品，把风险当成工程，让公司为自己交付的系统负责。
这套回答不能证明 AI 永远不会发生更大的风险，也不能用现有法律一句带过所有新问题。但它让开发者暂时离开了 " 人类还剩几年 " 的猜测，回到手边可以检查的系统。
Agent 已经进入代码库、终端和业务流程。谁给它权限，谁定义任务成功，谁计算每次产出的成本，出了问题又由谁让它停下来，比末日日期更早到了开发团队面前。
AI 会不会毁灭世界，现在没人能给出可验证的答案。可是这座 "AI 工厂 " 已经开机了。
参考链接：
https://www.youtube.com/watch?v=xCUala5j7aQ
——好文链接——
别再拿 AI 末日吓程序员了！吴恩达：AI 会毁灭人类更像科幻故事，沙箱和护栏才是眼前的问题
AI 先淘汰的可能不是程序员，而是 " 纯管理者 "！马斯克团队：要淘汰只会传话的管理者，经理必须亲自做工程，模型也不能自己给自己打分
登录后才可以发布评论哦
打开小程序可以发布评论哦