虎嗅

黄仁勋为什么对“AI末日论”如此鄙夷

你好,我是你的财经分析助手。这篇关于黄仁勋在All-In峰会上反驳“AI末日论”的文章,信息量极大,不仅涉及技术路线之争,更深层地触及了商业逻辑、文化差异以及监管哲学的冲突。

为了让你轻松看懂这场硅谷顶级大佬的“口水战”,我将先对核心内容进行总结,然后从五个维度进行深度拆解。

---

【核心内容总结】

一句话概括:

英伟达CEO黄仁勋在All-In峰会上公开驳斥了近期硅谷流行的“AI末日论”(即认为AI可能导致人类灭绝或文明终结的观点)。他并不否认AI有风险,但他强烈反对用“精确概率”(如10%灭绝率)来量化这种未知的风险,并批评这种言论缺乏工程实证基础,甚至可能阻碍技术进步。

核心观点:

1. 反对“二选一”: 安全与发展不是对立的,美国可以既保持AI领先,又做好安全管控。

2. 反对“伪科学预测”: 过去十年关于AI取代医生、程序员等预言大多落空,现在的“灭绝概率”同样缺乏依据,属于“不负责任的恐吓”。

3. 工程思维 vs. 哲学焦虑: 黄仁勋主张用“工程化”手段(如第三方审计、算力监管)解决具体问题,而不是陷入形而上学的恐惧。

4. 利益与立场: 暗示部分AI公司(如Anthropic)在IPO前夕炒作风险,可能存在“监管俘获”嫌疑,即利用公众恐惧建立只有巨头才能满足的高门槛壁垒。

5. 文化差异: 西方受“原罪”和“末日审判”文化影响,倾向于恐惧技术;而中国及黄仁勋个人的工程师背景,倾向于“解决问题”和“务实发展”。

---

【深度拆解:五个维度的通俗解读】

1. “预言不要钱,流片要钱”:两种完全不同的风险观

这是理解黄仁勋立场最关键的钥匙。我们需要区分两种人:“预言家”和“工程师”。

  • 预言家(如部分AI安全研究员):

他们坐在办公室里,通过逻辑推演得出一个结论:“未来10年内,AI导致人类灭绝的概率是10%。”

  • 成本: 几乎为零。说错了,没人赔钱;说对了,也没人发奖金。
  • 后果: 如果社会信了,可能会停止投资、限制研发。这个“刹车”的成本由整个行业和社会承担。
  • 黄仁勋的比喻: 这叫“预言的外部性”。就像2016年图灵奖得主辛顿说“5年内放射科医生会被AI取代”,结果10年后,美国放射科医生不仅没失业,反而因为当年没人学这个专业而严重短缺,病人看病更难了。预言错了,但代价由普通人买单。
  • 工程师(如黄仁勋):

他的判断必须变成真金白银。比如,他预测下一代芯片Rubin能卖多少,这个数字今天就要写进给台积电的订单里,要买多少HBM内存,要预留多少电力。

  • 成本: 极高。如果判断错了,英伟达可能直接破产。
  • 心态: 黄仁勋常说“公司离倒闭只有30天”。这种恐惧是具体的、当下的、可解决的。它逼着你今天就把产品做出来,把bug修好。
  • 结论: 黄仁勋反感“末日论”,是因为那种恐惧是抽象的、遥远的、无法通过努力消除的。它让人想“停下来”,而工程师的恐惧让人想“动起来”。一个是刹车,一个是油门。

2. “放射科医生”的教训:为什么我们要警惕“精确的胡说八道”?

黄仁勋在台上列举了一串“打脸”记录,目的是证明:那些看起来非常自信、非常精确的AI预测,往往是最不可靠的。

  • 案例回顾:
  • 2016年:辛顿说“停止培养放射科医生”。
  • 2023年:有人说“GPT-2太危险不能发布”、“Llama 3太危险”。
  • 近期:有人说“6-9个月内一半初级岗位消失”、“90%代码由AI生成”。
  • 现实结果:
  • 放射科医生没消失,反而因为当年没人学,现在招不到人,薪资大涨。
  • 初级程序员岗位没有大规模消失,反而因为AI辅助,对能驾驭AI的工程师需求更高。
  • 深层逻辑:

黄仁勋指出,这些预测者往往是“受过良好教育的研究员”,但“懂理论”不等于“懂现实”。现实世界充满了摩擦、政策、人性、基础设施瓶颈等复杂变量。

那些给出“10%灭绝概率”的人,就像当年的辛顿一样,把复杂的系统工程简化成了数学题。黄仁勋认为,这种“过度确定化”(把不确定的未来说得很确定)是危险的,因为它会误导政策制定者和公众,制造不必要的恐慌,甚至被用来作为阻碍竞争的工具。

3. “监管俘获”嫌疑:谁在借“安全”之名,行“垄断”之实?

这部分是文章中最具政治和商业洞察力的地方。黄仁勋虽然没有直接点名骂Anthropic,但话里话外都在暗示:现在的“AI安全”叙事,可能是一场精心设计的商业策略。

  • 时间线的巧合:
  • Anthropic(Dario Amodei的公司)刚刚秘密递交IPO招股书,估值高达9650亿美元,预计很快上市。
  • 就在同一时间,Amodei发表长文,主张“放慢前沿AI速度”,呼吁加强监管。
  • 什么是“监管俘获”?

这是一个经济学概念。意思是:大公司利用自己的资源,推动制定一些只有大公司才能满足的严苛监管标准。

  • 逻辑链条: 如果监管要求“必须拥有顶级算力才能做AI”、“必须经过极其昂贵的第三方审计”,那么小公司、初创公司、开源社区就被挡在门外了。
  • 结果: 市场只剩下几家巨头(如OpenAI, Anthropic, Google, Meta)。它们既是运动员,又是裁判员,还能通过“安全”的名义抬高行业门槛,保护自己的利润和垄断地位。
  • 黄仁勋的反驳:

他支持监管,但支持“基于事实”的监管。他认为,真正有能力制造风险的,只有那些拥有数万张顶级GPU的少数几家实验室。监管应该盯着这些“大玩家”,而不是搞一套让所有人都头疼的通用高门槛。

他主张引入“财务审计”模式:让独立的第三方机构来检查AI公司的“账本”(代码、数据、流程),就像审计师查公司财报一样。这样既保证了安全,又不会让AI公司自己既当爹又当妈。

4. 文化基因的差异:普罗米修斯之火 vs. 大禹治水

文章最后升华到了文化层面,解释了为什么美国人(尤其是硅谷精英)对AI有一种近乎宗教般的恐惧,而黄仁勋(尽管是华裔美国人,但深受工程师文化影响)则显得异常冷静和务实。

  • 西方叙事(原罪与审判):
  • 神话原型: 普罗米修斯偷火被惩罚、弗兰肯斯坦的怪物、圣经中的伊甸园禁果。
  • 核心逻辑: 知识/技术是“僭越”,是“罪”。人类创造了神一样的东西,最终会被它审判或毁灭。
  • 表现: 这种思维导致人们倾向于“停止”、“限制”、“忏悔”。所以才会出现“空袭数据中心”这种极端言论,因为潜意识里觉得“这东西不该存在”。
  • 有效利他主义(EA): 牛津那一支学者,把人类未来当成一个数学期望值,认为只要有一点点灭绝概率,就必须不惜一切代价阻止。这是一种“末日主义”。
  • 中国/工程师叙事(工具与解决):
  • 神话原型: 燧人氏钻木取火(立功,没受罚)、大禹治水(疏导,解决问题)、《天工开物》(人定胜天,技术是器)。
  • 核心逻辑: 技术是中性的工具(器),善恶在于用的人。洪水来了,不是躲进方舟等死,而是去治水。
  • 表现: 这种思维导致人们倾向于“行动”、“优化”、“控制”。
  • 黄仁勋的态度: “既然它会被做出来,那怎样才能把它做对?”这就是典型的“忧患意识”而非“末日意识”。忧患意识相信问题永远存在,所以人必须一直解决问题;末日意识相信有一个终局,所以人应该先停下来祈祷或逃跑。
  • 黄仁勋的个人背景:

他母亲教他背单词(反复练习,先做后学),父亲是化工工程师(落地为王)。这种家庭背景塑造了他“务实、行动导向”的性格。他不相信玄学,只相信工程。

5. 真正的AI竞赛:不是比谁更强,而是比谁更会用

最后,黄仁勋重新定义了“AI竞赛”的含义,并给出了他对未来的终极态度。

  • 开源 vs. 闭源:
  • 黄仁勋强调开源模型的重要性。过去6个月,4000亿美元风险投资流入AI原生公司,其中80%依赖开源模型。
  • 如果只有闭源模型(巨头垄断),那么只有巨头能赢。如果开源模型强大(很多来自中国贡献),那么每个行业、每个老师、每个学生、每个小公司都能参与。
  • 观点: 美国要赢,不能只靠几家科技公司,必须让全社会参与。开源是普惠技术的基石。
  • 真正的竞争是什么?
  • 不是比谁的模型参数更大,不是比谁先达到AGI。
  • 而是“谁最善于利用技术”。
  • 回顾历史:电磁学、电力等基础科学很多来自欧洲,但美国通过强大的工程能力和基础设施,把这些技术变成了工业革命的引擎。
  • AI时代也一样: 基础模型可能来自任何地方(包括中国),但谁能把AI整合进数据中心、电力网络、汽车、工厂,谁就能赢。
  • 对“超级智能”的祛魅:
  • 黄仁勋认为,我们可能已经进入AGI时代(达到普通人智能水平)。
  • 至于“超级智能”,不需要等到一个全知全能的神出现。在自动驾驶、蛋白质设计等窄领域,AI已经比人类强了,这就是超级智能。
  • 这种观点非常务实:不要盯着那个遥远的、模糊的“全能AI”,要盯着眼前那些已经落地的、具体的应用场景。
  • 最终态度:
  • “把它建好,是我们的责任。”
  • 如果风险是真的,那就去解决它(工程化);如果风险是假的,那就别吓唬人。
  • 不要因为未经验证的恐惧而停下来。把风险具体化,把问题工程化,然后继续前进。

---

【给普通人的启示】

1. 别被“精确的概率”吓住: 当有人告诉你“AI有10%概率毁灭世界”时,想想放射科医生的故事。这种数字往往是为了制造焦虑,而不是为了提供解决方案。

2. 关注“落地”而非“概念”: 对于普通人来说,AI是否毁灭世界不重要,重要的是它如何改变你的工作。黄仁勋提醒我们,工程(把东西做出来、修好bug)比理论(预测未来)更重要。

3. 警惕“安全”背后的商业动机: 当一家公司一边呼吁“太危险要监管”,一边准备上市圈钱时,多问一句:这个监管标准,是不是只有他们这种大公司才玩得起?

4. 拥抱开源和参与: 不要觉得AI是大公司的游戏。开源模型的普及意味着每个人都可以利用AI提升效率。真正的竞争力,在于你如何使用工具,而不是你拥有多少算力。

5. 保持“工程师心态”: 面对不确定性,不要陷入“末日焦虑”,而要问:“我能做什么来解决这个问题?”这种心态,无论是在职场还是生活中,都比恐惧更有力量。