出品 | 51CTO技术栈（微信号：blog51cto）
今天，在链博会现场。
老黄再次身穿皮衣，与之江实验室主任、阿里云创始人王坚进行了一场炉边谈话。
两个计算界的大佬，围绕着AI和算力展开了一场深刻的思想交锋。
黄仁勋开场就抛出一个核心判断：AI 本质上是一种全新的软件开发方式。
过去靠人写代码、设计算法来预测结果，如今则是靠模型通过大量数据“学会”如何预测。这种基于学习的范式已经被证明具备极强的扩展性，也彻底改变了计算的底层逻辑。
不过，老黄显然不认同“AI将取代程序员”的论调。相反，他强调AI领域至少还有20年的技术工作等待完成。
谈到 AI 为什么能如此快速演进，除了英伟达在过去十年间将 AI 算力提升了 10 万倍之外，他特别强调了一个容易被忽视的推力——开放科研环境。
“绝大多数 AI 研究，都是在公开环境中完成的。而根据统计，中国研究人员在arXiv上的论文数量，已经是全球第一了。”
他顺势点名夸了中国团队 DeepSeek：“那篇论文写得非常好，不仅科学性是顶级的，工程实现也很出色。”
话题从AI发展逐步深入到了底层技术演进。老黄谈到了芯片架构的未来趋势：从单芯片走向多芯片堆叠，封装技术也会进入 Chip on Substrate（CoS）阶段。他表示，在未来：
“封装将不再只是一个芯片的大小，而是像整块面板一样的系统”。
以下是经过整理的对谈原文，enjoy：
01、这波浪潮是“推理AI”，下一波浪潮是“物理AI”
王坚：
很高兴再次见到你。
黄仁勋：
你能听清我说话吗？
王坚：
我们好像是在洛杉矶第一次见面的，那真的已经是很久以前了。你发明了GPU，彻底改变了计算的格局。现在我们又进入了AI的时代，真是一段不可思议的旅程。所以我第一个问题想问的就是关于技术的。如今AI成了热词，大家对它有很多不同的看法——你觉得这些年AI和AI计算到底经历了哪些真正的突破和变化？
黄仁勋：
这是个好问题。首先，AI本质上是一种全新的软件开发方式。
王坚：
没错。
黄仁勋：
从第一性原理来说，以前是人类写代码、设计算法去预测结果；而现在，是用算法来“学习”如何预测结果，基于大量的示例数据。这种方法——让计算机学会如何预测——已经被证明极具扩展性。
其实我们研究机器学习已经很多年了，但真正的转折点是2012年的 AlexNet，那是深度学习第一次展示出远超传统方法的效果。之后的五年里，我们先是看到计算机视觉的突破，然后是语音识别，再到语言理解，不仅达到了“可用”，甚至开始超越人类的表现。
接着我们开始跨模态地“翻译”：从英语到中文、从文字到图像、从图像到语言，甚至从中文到视频。生成式AI的出现，带来了“最终极的翻译”能力。生成式AI大约是在七年前真正兴起，如今发展非常迅猛。现在AI不仅能理解信息，还能生成内容。
我们目前所处的这波浪潮是“推理AI”。所谓推理，是指AI开始具备解决“从未见过的问题”的能力。就像人类一样，它可以一步步拆解问题，逐步解决。这就是“推理AI”的关键所在。
再往后，就是“物理AI”阶段——也就是把这些智能能力，装进实体设备，比如机器人里。回顾这十二年，AI几乎每隔三五年就会出现一次重大突破。我认为我们正接近这样一个时刻：AI能够完成大多数的认知任务，甚至超过人类水平。也正因如此，现在大家都在讨论“通用人工智能”（AGI）甚至“超级智能”。就像当年计算机视觉和语音识别逐步超越人类，如今在问题解决方面，AI也正在迈向“超人类”的阶段。
王坚：
真的太不可思议了。
黄仁勋：
这是十年里最令人兴奋的技术变革。
王坚：
是啊，尤其是今年，开源模型彻底改变了AI在商业领域的格局。
黄仁勋：
确实如此。那么你自己对哪项技术进展最感兴趣？
王坚：
对我来说，最让我兴奋的一直是“计算”。因为无论AI用在什么场景背后，核心都是计算。二十年前我们聊的是“计算机”，但那时很少有人意识到，“计算”本身才是真正改变世界的东西。而如今AI，又把“计算”推到了全新的阶段。
黄仁勋：
连我们训练模型的方式都在飞快变化，对吧？
最开始的十年，我们主要靠“规定流程”。我们会收集大量数据，甚至用AI来处理这些数据，然后做预训练，再加上人类反馈的强化学习——这其实就是人类“教”AI，把它“对齐”到人的价值观上。
但现在我们已经进入“后训练”时代了。AI开始自行思考、自主练习，进行强化学习、验证反馈、自我生成合成数据，自己做测试，自己学会推理。
所以现在对算力的需求已经到了一个令人难以置信的地步。
王坚：
是的。我其实是心理学出身的，所以我一直认为AI并不是在“模拟”人类智能，而是在“增强”人类智能。
对我来说，更重要的是，AI是在扩展人类的创造力，而不是取代人的思维能力。
黄仁勋：
完全同意。汽车扩展了我们的行动力，飞机也扩展了我们的行动力——而现在，AI正在扩展我们的智能能力。
它的工作方式和人脑确实不同，你说得对，但它能够完成很多和人类类似的任务。
02、开放学术和开源对AI发展的助力被严重低估
王坚：
说到这点，其实开源也是一个非常重要的时刻。你看我们有DeepSeek，也有来自阿里云的通义千问，这类模型数量并不多，但影响巨大。
所以我想问你一个问题：
你觉得，开源模型是否已经成为推动未来AI发展的一个颠覆性力量？
黄仁勋：
我们刚才提到AI这些年的快速进步，当然很多人会说是因为英伟达的技术发展得很快——没错，我们过去10年将AI算力提升了10万倍，这确实加快了数据处理和模型学习的速度。
但其实还有一个被低估的因素，那就是大多数AI研究，其实都是在“公开环境”中完成的。你看arXiv上来自全球的论文数量，真的非常惊人。
我记得有一个统计显示，中国研究人员在arXiv上的论文数量，已经是全球第一了。
这就是“开放科学”的协作模式：你发论文，我可以看，我也可以参与；我发论文，你也可以看，也可以贡献。我们其实是在做全球协作。
而“开源”就是开放科学的下一个阶段。不只是开放研究，还开放工程。
这就很强大了——你可以基于我的代码继续开发，我也可以在你的基础上迭代创新。结果就是，创新的速度不仅仅来自每一家公司或研发团队，而是整个生态系统的合力。
在中国的开源工程实践里，我看到非常聪明的一点就是：大家已经意识到这是协同创新的机会。
当然别忘了，开源的影响是全球性的。开源模型不仅帮助了中国本土生态，也在推动全球各地的技术发展。
现在市面上最先进的一些推理类开源模型，比如R1和Qwen，多模态推理能力都很强。
这意味着——不管你是什么行业：医疗、金融、机器人，只要你愿意，你就可以拿这些模型来微调，做出适合自己的版本。
还有一点非常重要，那就是开源是推动技术进步最安全的方式。你知道，“阳光是最好的消毒剂”——开源和开放创新能够引入全球科学界的监督，而这种监督会显著提升工作的质量。
比如 DeepSeek 的那篇论文，写得非常好，不仅科学性是顶级的，工程实现也非常出色。它完全是以开放的方式发布的，促进了教育、学习、分享，同时也得到了许多专业人士的审阅。这是非常好的模式。
王坚：
说到安全，我想说一句，DeepSeek 和通义千问都来自杭州，而我本人就是杭州人，对这座城市感到非常自豪。你下次来中国的时候，我诚挚邀请你来杭州看看。
黄仁勋：
我可以说，杭州是中国的“硅谷”。
王坚：
有人说杭州是中国的“奈飞之城”，我倒觉得杭州是世界创新网络中的一个重要节点。它非常特别，我再说一遍，欢迎你来杭州！
03、“AI for science”才是真正能带来巨大变革的领域
王坚：
你刚才谈到“开放科学”“开放工程”，让我想到你去年在 GDC 上提过的一句话：这是人类历史上第一次，我们有机会把“生物学”从一门“科学”变成一门“工程学”。这也是非常惊人的观点。
所以我想问——从长远看，AI 会如何改变科学发现和技术创新？它会不会改变科学家的研究方式？
黄仁勋：
这个问题很好。现在我们讨论的大多是“AI for human”，但我认为，“AI for science”才是真正能带来巨大变革的领域。
你看，人类设计了语言、人类设计了芯片工具，所以我们能用各种工具来操控这些东西，这对AI来说是相对容易的。
但生物不是我们设计的，是大自然创造的。因此，如果我们想操控生物系统，首先要能理解它。而现在，AI 正好是一种新的能力，能帮助我们理解蛋白质的结构、化学反应的过程、细胞的运行机制，乃至生命本身的意义。
我们甚至可以理解代谢反应在人体中的作用。如果AI能理解这些结构和含义，它就能帮助我们去“配置”“设计”，比如设计药物，帮助人类延长寿命。
王坚：
所以这是一个非常庞大的机会。
黄仁勋：
没错，是巨大的机遇。
另一个方向是——我们可以用AI来“模拟”一些复杂的交互，比如天气系统。
你想想看，天气系统牵涉到云层物理、高空云、低空云、大气物理、海洋物理、冰层物理、陆地物理……还有热传导、对流等等。这些不同领域的物理现象，必须被统一模拟起来。
从非常微观的物理到宏观尺度，我们称之为“中尺度物理（mesoscale physics）”。时间跨度从几秒到几年，这让模拟变得非常复杂。
但如果我们教会AI去预测这些过程，它就能远远快于传统的物理模拟。我非常有信心——无论是理解自然规律，还是模拟自然规律，AI 都将成为推动科学前进的关键力量。
这是一件意义重大的事情。
王坚：
确实太不可思议了。
04、未来的芯片将比桌子还大，成为“整块面板”一样的芯片系统
王坚：
真的非常令人震撼。我接下来这个问题可能有点专业。我注意到目前的AI技术，在很大程度上都依赖“硅技术”（Silicon Technology）。我们提升计算力、扩展内存、获得超高带宽——这一切几乎都建立在“硅”的基础上。
所以我想问你：接下来的10年、20年，我们还可以继续依赖硅技术来支撑AI的发展吗？
黄仁勋：
当然，所谓的“硅技术”其实已经加入了很多新元素，说它“只是硅”已经不准确了。未来我们仍会在多个方向上继续进步。
比如晶体管会走向三维结构，我们称为“全环绕栅极”（Gate-All-Around）。现在是“纳米片”，下一代就是“环绕栅”，再之后甚至是“晶体管堆叠晶体管”——就像叠罗汉一样，而不是平铺在硅片表面。
供电也会从背面布线，我们会从单芯片走向多芯片堆叠。封装技术会越来越先进。我们叫它 CoS（Chip on Substrate），英伟达是最早大规模采用这种技术的公司之一。
未来的封装也不会只是一个芯片大小，而是像“整块面板”一样的芯片系统。
未来，芯片的体积甚至可以大到像这张桌子一样。而在此基础上，我们还将引入硅光子技术（Silicon Photonics），通过极为紧密的耦合方式，直接把光子和电子连接在一起，这被称为 CPO（Co-Packaged Optics）。当你将这些技术综合应用在一起，其能力维度是难以想象的。
王坚：
是啊，第二代技术确实太惊艳了。
黄仁勋：
我们至少还有20年的技术活要干。而我之所以敢这么说，是因为我们英伟达的路线图已经覆盖了接近10年。现在我们正在设计、规划10年之后的系统——所以我很确定未来10年是清晰可见的，而接下来的20年，我们也不会缺少要做的事情。
王坚：
确实如此。
黄仁勋：
我们俩，至少未来20年都得忙着呢。
王坚：
特别是当你有一个优秀架构时，它配合硅技术可以释放出非常大的潜能。
那我最后一个问题，是关于人——尤其是年轻人。你之前问我最近在做什么，其实这几年，我每年都会和上千位志愿者和年轻人一起做一件事，叫“2050大会”。它背后的理念很简单：用科技连接人，尤其是年轻人。科技不只是技术，更是一种让人靠近彼此的力量。
黄仁勋：
你一直都很慷慨地拿出自己的时间，去引导、支持年轻人。
王坚：
是啊，我年轻时也受过很多前辈的帮助。和年轻人对话总是让人充满能量。在2050大会上，你能看到很多年轻人，他们对未来充满疑问，也对世界的未来感到焦虑，但正因为这样，他们才是最有力量的一群人。
黄仁勋：
王坚是个真正的榜样，令人钦佩。
05、每一个年轻人，都应该尽快去接触AI
王坚：
那你有没有什么特别的建议？如今大家都知道，AI 是我们这一代人的一次巨大机遇，特别是对年轻人来说更是如此。你有没有什么具体建议，或者是否打算为他们做些什么？
黄仁勋：
很多人说，AI已经能解决数学题、逻辑题，甚至能自己编程了，那我们是否还需要学习这些东西？
但事实是，无论你未来做得是不是编程工作，哪怕不再写代码，我们依然需要从第一性原理出发，去解决从未遇到的问题。你得具备将复杂问题一步步拆解的能力——这是所有高阶思考的基础。
所以我们必须教会年轻人“第一性原理思维”。如果没有批判性思维，你甚至无法判断别人说的对不对，也无法判断AI给出的答案是否合理。
你与AI的互动也如此：你需要能够准确描述问题，让AI帮助你；也需要具备判断AI回应是否“有道理”的能力。
所以，批判性思维非常重要。无论它是基于物理、数学，还是逻辑，它都是我们几乎所有认知活动的基础。
我建议年轻人依然要好好学习数学、逻辑、推理和编程——即使你不直接从事相关工作，也应该懂得它们。
第二点：我认为，今天的每一个年轻人，都应该尽快去接触AI，越快越好。
AI 是新一代的“计算机”。它变得非常强大，同时也变得非常好用。它能理解你的自然语言，不需要你学习一整套命令行。
如果你不会用AI，就告诉它：“我不知道怎么用你，教教我。”——它会一步一步教你。
AI 让计算机成为真正意义上的“全民工具”，你不需要是专家，也不需要编程背景，哪怕你是农民、是老人、是学生，都可以通过AI获得前所未有的能力。
这一代孩子将会拥有属于自己的AI，就像《星球大战》里的R2-D2，一直陪伴你成长。
这个AI会记住你的一生，提醒你、教你、陪你、理解你。这是一个令人惊叹的想法。
我甚至有点羡慕——我小时候就没有这样的AI，帮我记录、整理、思考、提醒。如果我能对AI说：“告诉我，我3岁时在做什么、在想什么？”它都能告诉我。我真希望我也有那样的AI伙伴。
王坚：
我第一次见到你时，你对技术的热情就深深感染了我。今天你依然保持着这样的热情，而且还拥有了令人敬佩的耐心——一步一步带领公司走到今天，创造了如此巨大的市值。
热情与耐心，正是年轻人最需要的两样品质。谢谢你刚才的分享。
黄仁勋：
谢谢你，谢谢你这些年来一直是这么好的朋友。我也很享受我们各自的职业发展，互相见证成长。
这是一次“世代级”的机遇——AI将定义未来一百年。这是极其重要的时代。
我也很高兴看到，中国在这个领域取得了这么多进展，有这么多人才、这么多突破。希望我们十年后还能坐下来再聊一次，看看那时我们走到哪了。
王坚：
最精彩的还在后头！好，那我们说定了。
