黃仁勳論 AI 風險與未來：放慢發展腳步絕對是錯誤策略
NVIDIA 執行長黃仁勳上週末出席 All-In Summit 2026，圍繞 AI 相關議題與主持人深度對談。除了當眾接聽美國總統 Donald Trump 的來電引起討論之外，對於 AI 末日論、合理監管、開放與封閉模型生態、以及 NVIDIA 的資本配置策略等，提出一整套務實看法。
目前絕大多數安全問題來自 AI 實驗室，如 Anthropic、OpenAI 等，只有它們擁有龐大的算力資源進行探索，發生工程或安全事件是正常的。黃仁勳表示，雖然無法得知吹哨者究竟從 AI 實驗室內部看到什麼，但他認為事件本質上是「學術研究」轉向「工程建構」過程中的磨合問題。此外，如果 AI 實驗室覺得自身技術發展失去控制，暫停或放慢節奏是他們可以採取的自願措施。
黃仁勳反覆強調 AI 安全相當重要，但「確保安全」與「保持領先和快速創新」並非對立的選項，美國能夠在維持安全的前提下，保持 AI 的全球領導地位。他呼籲全美必須全速前進，「放慢腳步絕對是錯誤的策略」，同時產業應降低不必要的恐慌與情緒化炒作，希望美國各行各業共同參與並分享 AI 帶來的成果。
黃仁勳更主張已經進入 AGI 時代，他舉例事故率僅人類十分之一的自駕技術、對蛋白質進行虛擬篩選等，AI 在特定垂直領域的表現已經超越人類，因此「我們已經達到那個階段」。
支持合理的 AI 監管
AI 監管一直是產官學討論的重要議題，黃仁勳主張監管應從基礎做起，著重於精準的測量、標準化及落實工程技術。監管目標應是解決「實際發生的問題」，而非基於恐慌進行過度監管。
AI 實驗室正在經歷從「學術研究」轉向「工程建構」過程。當事件發生時，AI 實驗室應進行工程層面的根本原因分析、建立沙盒（sandbox）、針對執行階段（runtime）、持續監控與驗證，以解決問題，而非宣稱失控而尋求跨國機構過度介入。
當談到中國智譜（Z.ai）等公司投入 RSI（Recursive Self-Improvement，遞迴自我改進）時，黃仁勳強調 RSI 本質上是一套合理的技術組合，涵蓋上下文學習、技能、反思、強化學習、合成資料生成以及 LoRA（Low-Rank Adaptation）等，利用技術提升包括「建構 AI」在內的所有任務生產力，是合乎邏輯且業界普遍採用的做法。
黃仁勳表示，RSI 這個詞目前被部分人士「武器化」，用來營造技術將會失去控制（spiral out of control）的恐慌。AI 公司固然可在內部進行 RSI 迭代，但將產品推向外部使用者之前，必須經過嚴格的測試、驗證及回歸測試。隨著 AI 公司工程化的成熟，對 AI 的控制能力與驗證能力只會持續提升，產品將能安全釋出。
開放模型與封閉模型生態
黃仁勳談到開放模型與封閉模型並存的必要性，開放模型對於維護國家主權、數據隱私及發展自主技術相當重要。他也將封閉模型比喻為「瓶裝水」，雖然基礎水資源是免費的，但高品質的瓶裝水依然具有龐大的市場需求。
黃仁勳引用數據表示，過去 6 個月內有高達 4,000 億美元的創投資金投入 AI 原生新創公司，其中 80% 的人都是使用開放模型。無論產業以及企業、新創公司、研究人員、教師、學生等，開放模型能讓每個人參與其中，而不是只有少數科技巨頭壟斷。
目前全球絕大多數開放模型的貢獻來自中國，是因為中國擁有龐大的理工人才以及大學培育體系。黃仁勳認為無需過度擔憂模型來源，正如業界使用 Linux 或 Kubernetes 一樣，一旦下載了開放模型，使用者就能進行分叉（fork）、改進並轉化為自身的專有技術。
黃仁勳的觀點是，現今 AI 競賽的勝負關鍵不在於模型的發明者是誰，而是「誰能把這項技術發揮得最好」。
以工業革命為例，雖然 James Clerk Maxwell、Alessandro Volta、André-Marie Ampère 等科學家來自歐洲，然而美國透過優異的社會與經濟應用，最終贏得了巨大的發展優勢，黃仁勳也想確保下一代的發展能走上相同方向。
跨足垂直領域模型研發
NVIDIA 在五個特定領域（如自駕車、生物科技等）建立模型，黃仁勳表示，這不是為了競爭、搶奪市場，而是「出於客戶需求」。像是許多農機公司、卡車製造商或藥廠缺乏建立完整 AI 堆疊的資源與規模，NVIDIA 主動填補這些技術空白。
NVIDIA 開發全球首款具備「思考與推理能力」的自駕推理模型 Alpamayo，透過邏輯推理來拆解與分析路況，大幅減少對數十億小時道路訓練數據的依賴。NVIDIA 也開發了 ESM-2、ESMFold 及 Proteina-Complexa 等蛋白質設計框架，直接供禮來（Eli Lilly）與默克（Merck）等藥廠進行藥物開發。
NVIDIA 資本配置策略
AI 產業在 6 個月內獲得高達 4,000 億美元的創投資金，帶動了軟體開發、資料中心建設以及龐大的算力需求，這直接回應總統 Donald Trump 要讓美國重新工業化、以及擴建能源基礎設施的國家目標 。
黃仁勳將 AI 視為新工業革命的過程，需要土地、電力等基礎設施。為此，NVIDIA 主動審視整個產業生態系，在出現資源限制之處協助引導金融機構如貝萊德、高盛等挹注資本。除了下游基礎設施之外，NVIDIA 長期與上游材料和製造夥伴如康寧、Lumentum、台積電及記憶體大廠緊密合作，確保未來算力部署不受供應鏈限制。NVIDIA 在全球也支持 NeoCloud 快速建設 GW 等級算力，形成強大的在地與全球分散式網路。
全球先進模型在 NVIDIA 的平台上運作，黃仁勳強調其策略是「向上延伸解決問題，向下接地提供基礎」，例如過去研發 cuDNN 與 Megatron Core 來推動大規模訓練。NVIDIA 開發所有必要技術，直到滿足需求為止，然後讓技術百花齊放，選擇協助客戶成功而非搶奪市場。
除此之外，黃仁勳對談時被問到對於馬斯克（Elon Musk）的 Terafab 晶圓廠計畫、以及中國本土先進微影技術（Lithography）發展。
黃仁勳透露自己曾與馬斯克在同班飛機上深入討論過 Terafab 的計畫，「如果有人能辦到，那一定是他了。」黃仁勳高度肯定馬斯克的執行力，表示馬斯克一旦下定決心，幾乎沒有人能阻擋他。NVIDIA 在晶片設計、記憶體與製程技術有深厚經驗，黃仁勳持續與馬斯克交流相關技術細節，但沒有正面回應日後是否將晶片交由 Terafab 生產。
黃仁勳預測中國可能在 2030 年掌握本土先進微影技術。由於中國擁有極強的大規模量產能力，「這只是時間問題」；若從數十年的長遠科技發展軸線來看，2030 年已經非常接近，中國終將達成此一目標。
（首圖來源：NVIDIA）