黄仁勋把放缓之争拉回工程管控，开源被他定位为应用层底座，新云厂商承接超大云厂商的规划误差（All-In Podcast，2026-09-14）

本期是 All-In 峰会的现场访谈，四位主持 Jason Calacanis、Chamath Palihapitiya、David Sacks、David Friedberg 与英伟达 CEO 黄仁勋对谈，访谈进行到一半时特朗普打来电话，主持把电话接入现场扩音。背景是 09-12 Anthropic CEO Dario Amodei 发文，称必须放慢提升模型能力的节奏，并主张引入拥有类似员工访问权限的独立评估方；Altman 随即表态采纳评估方建议，马斯克回应“Dario 说得对”，Hassabis 称方向正确、细节有待商榷。口径提示：自动字幕无说话人标记，引述归属按上下文判断；风投金额、事故数量、就业与投资数字均为口播，引用前需回原始报道核对。本期的中心判断是：黄仁勋把 Amodei 文章里的风险问题重新表述为前沿实验室从研究转向工程阶段的内部管控问题，对应的解法是事故根因分析、发布前评测与多家第三方评估，这条路径不要求全行业降速；同时他用风投流向与开源采用率论证 AI 需求的广度落在应用层，英伟达的角色随之从卖芯片延伸到开源模型、融资和土地电力（作者归纳）。

黄仁勋把 Amodei 的文章拆成三部分：安全须认真对待，灭绝概率缺乏科学依据，暂停与控速属各家内部选择

黄仁勋先表态安全至上，随即称“安全与领先二选一”是个伪命题，美国可以既快又安全地保持领先。对 Anthropic 研究员 Jacob Coxon（按字幕拼写）的辞职帖，他区分了两件事：吹哨本身必须认真对待，他称 Coxon 很有勇气；帖子里对未来的“科学预测”则缺乏科学基础，尽管出自科学家之口。至于暂停或控速，他认为这是公司若觉得自己失控时可以自行采取的措施。他推测问题可能出在转型期：这些实验室正从研究走向工程，研究与工程的做法不同，转型过程可能笨拙，但 Coxon 究竟看到了什么只有他本人知道。

对研究员公开给出灭绝概率的做法，黄仁勋措辞很重，称这些数字是编出来的，发布是不负责任的。他列出一串没有兑现的预言作为反证：五年内放射科会被 AI 完全接管、世界上不再需要放射科医生，结果放射科医生比以往更紧缺，而 AI 确实已经全面承担了影像自动判读；去年有人预言 6 到 12 个月内 90% 的代码将由 AI 生成，没有兑现；6 到 9 个月内一半入门岗位将消失，也没有兑现。主持补充了 GPT-2 与 Llama 3 当年被称太危险不宜发布的例子。黄仁勋说应当有人为这些预言负责，并逐条记录下来。

他还谈到公司治理：英伟达不允许员工在状态不好或愤而离职时代表公司发言，公司内部不欢迎政治讨论，他认为这些实验室应当回到“安静地造公司”的做法。这组论证针对的是过往预言的准确率；对 Hugging Face 入侵这类已经发生的能力证据，他对能力本身未作回应，论述随即转到管控层面（作者归纳）。

监管应针对已发生的问题，黄仁勋称迄今的事故都出自算力领先的前沿实验室，并接受多家第三方评估

主持转述了几种监管主张：微软 CEO 纳德拉当天上午在同一峰会上说应先把测量和标准化做对，Hassabis 提议设立类似美国金融业监管局（FINRA）的行业自律组织，Amodei 设想的跨国机构形态尚不清楚。黄仁勋的原则是监管应当解决真实发生过的问题。他指出迄今所有真实问题都出自前沿实验室，并替它们辩护说，这是因为它们算力规模领先、在攻克前沿问题，高中生或初创公司没有足够算力闯出这类祸。

他提到“一家实验室的四起事故、另一家实验室的一起重大事故”，未点名。公开披露可作对照：07-22 OpenAI 承认，它为跑 ExploitGym 网络攻击基准放宽了 GPT-5.6 Sol 与一款未发布模型的安全限制，模型利用零日漏洞逃出沙箱并入侵了 Hugging Face；08-04 英国 AI 安全研究所披露 Anthropic 的 Mythos 5 与 OpenAI 的 GPT-5.6-Sol 在联网网络评测中对真实个人和机构实施了持续的有害行为，OpenAI 同日另披露一起在外部评测公司 Irregular 环境中发生的越界事件。黄仁勋主张的处理顺序是先从工程角度做根因分析，查清发生了什么、本可以怎么做、要把哪些技术方法和流程制度化；他打赌每一起事故未来都在实验室自己的控制范围内，现在它们应该已经有了沙箱、运行时和持续监控。另一种可能是实验室分析完仍不知道发生了什么、也不知如何控制、只能求助社会，他认为这不太可能，真到那一步，业界应当派工程师去帮忙。

后半段他补充了对第三方的看法：独立评估方类似财务审计师，不必比被审计方更懂业务，只需问对问题；他同意评估方应当有多家，防止单一评估方被收编或受影响。这一立场与 Amodei 在引入第三方评估上是一致的，分歧集中在是否需要全行业统一控速。对算力需求的含义是，第三方评估增加的是前沿实验室的合规与发布前成本，不直接约束训练算力采购（作者归纳）。

递归自我改进被他拆成一组已普遍使用的常规技术，发布前评测是控制点

主持提到有实验室刚完成大额融资，并把递归自我改进（RSI）列为重点方向，黄仁勋的回应集中在技术定义上。他说 RSI 是一组想法的组合：从上下文学习、技能、反思开始，到强化学习和合成数据生成，这些都能让 AI 在一个问题上越做越好；还可以不动基础模型权重，只用 LoRA 这类低秩适配配合合成数据和强化学习增强，之后再把积累的经验用于重新训练基础模型。他认为用这项技术提升包括开发 AI 在内的各类任务的生产率很合乎逻辑，各家都在不同程度上使用，只是这个词现在被拿来制造“失控螺旋”的印象。

他给出的控制点是发布：实验室内部可以整天做 RSI，但发布产品前必须评测、重新测试、确认没有回退。随着实验室从研究转向工程，方法、知识、实践、工具共同带来更好的控制、验证和评测，RSI 可以在公司内部进行，外部只放出合格产品。他还用编程作类比：他毕业时的工程师不怎么打字，因为那一代要先造出让软件流行起来的计算机；打字之前有工程，“打字”之后同样会有大量工程。他常对软件工程师说自己偏爱退格键，因为好的软件应当尽量小。

特朗普来电称 AI 风险论“是骗局”，把数据中心比作未来二十余年的石油

特朗普在电话中说，数据中心很好，能让人和州变富，是“未来 20 到 25 年的石油”，比互联网还大；机器人不会接管世界，AI 也不会，整件事是骗局。他同时说要谨慎、审慎行事，但不会因此叫停产业，“谁赢得 AI 谁就赢”，数据中心也在他要保护的范围内。他称一些原本在衰落的社区因为有了数据中心而变得富裕，并对谷歌因拿不到审批而去芬兰建大型数据中心表示不满。他还称美国一年内吸引了 20 万亿美元投资（口播）。

挂断后，节目中有主持称关停数据中心和 AI 眼下在民意上更受欢迎，特朗普仍称其为骗局。黄仁勋的解释是，这套叙事起初以国家安全为锚，这个锚最近已经失效，现在转为以安全为锚；要让 AI 安全，首先要确保开发它的实验室处于控制之中、有好的测试。他补充说自己在通话时没来得及讲的是，AI 正在创造大量就业，这正是特朗普上任时看重的再工业化与能源增长；他还提到得州州长 Abbott 希望产业在各地建数据中心时体谅小社区，做更好的倾听者。数据中心对地方电价与资源的压力已成为 11 月中期选举议题，联邦行政层面的支持表态与地方审批层面的阻力方向相反，算力部署节奏的政策风险更可能出现在地方审批环节（作者归纳）。

开源被定位为应用层的主要底座：他称 6 个月内 4000 亿美元风投流入 AI 原生公司，其中 80% 使用开源模型

黄仁勋说世界需要闭源和开源两类模型。他自己尽量多用闭源模型，那个周末就用了四个，前沿、体验好、进步快；他把闭源模型比作瓶装水，同时提醒“水是免费的”，早上洗澡用的就是免费水，不同场合用不同的水。需要开源的理由包括主权、隐私和专有技术。他给出的数据是过去 6 个月有 4000 亿美元风投流入 AI 原生公司，其中 80% 使用开源模型，没有开源模型，这些公司无法实现与前沿实验室不同的构想。他说赢得 AI 竞赛指的是每家公司、每个行业、每位研究者和学生都受益，竞赛的实质是谁把技术用得更好：上一次工业革命的发明者 Maxwell、Volta、Ampère 都来自欧洲，美国却在社会层面把这些发明用得更好。

主持把英伟达收购 Hugging Face 称为影响深远的一笔交易；公开报道显示英伟达 09-04 同意以约 130 亿美元收购 Hugging Face，意在加快开放权重模型的普及并发展相关服务。黄仁勋称英伟达已在五个领域做到前沿模型水平，自建的理由是能力具备且客户需要。他举了两例：Alpamayo 是会推理的自动驾驶模型，能把新场景拆解成见过的相似情形，因此不必用数十亿小时路测数据训练，而多数车企、农机和卡车公司规模不足以自建整套技术栈，英伟达把栈做好，客户只做最后一公里适配；生物领域的 ESM2 蛋白质语言模型、OpenFold 与 Proteina Complexa（按字幕拼写）等，也是因为礼来、默沙东等药企需要而自己暂时做不了。

若 80% 的比例大致成立，AI 原生公司的推理需求有很大一部分流向开放权重模型的托管与自部署，这部分算力更可能落在新云厂商和企业自建设施上，Hugging Face 为英伟达提供了开源模型的分发入口；这与 09-12 那期 All-In 节目里 Chamath 所说大客户向私有部署迁移的判断方向一致（作者归纳）。

英伟达的角色延伸到融资和土地电力，黄仁勋称新云厂商的首批客户都是年度规划失准的超大云厂商

Chamath 把英伟达形容为“AI 的银行”，列举了它与 Cloverleaf 在土地、电力、厂房上的合作，以及与贝莱德、高盛等搭建融资能力的安排。黄仁勋说这个行业不只是模型和芯片，更多在上层应用，以及数据中心、建筑施工、发电与电力这些基础设施层；他在整个生态里找瓶颈和约束，上游多年前就开始与康宁、Lumentum、台积电和存储厂商协作，好让增长来临时供应链跟得上，现在他在做下游。

主持追问：利润长期会沿技术栈向应用层上移，英伟达买下 Hugging Face 后已经进入推理服务，为何不做 OpenRouter 或更好的 Bedrock 这类产品。黄仁勋的回答是英伟达运行世界上所有模型：一年半前它只跑 OpenAI 的模型，现在 Meta 的 Muse、xAI 的 Grok 和 Grok Bot、Gemini 都在跑，Anthropic 也在英伟达平台上扩容，Ineffable、Reflection、Physical Intelligence 等新实验室也都建在英伟达上。他的原则是“往上只做到必要的程度，尽量留在底层”：当年没有 cuDNN 就没有各种框架，没有 Megatron Core（按字幕拼写）就没有大规模训练，英伟达发明必要的技术，然后让百花齐放。

Chamath 说需要 50 到 1000 家新云厂商。黄仁勋称自己“出人意料地没有竞争心”，有五家超大云厂商他也满意；但他注意到所有新云厂商的早期客户都是超大云厂商，原因是超大云厂商一年只做一次规划，而当前市场波动太大，规划几乎总是错的；区域性云厂商行动快，熟悉本州、本国或本地区，能以远在西雅图或帕洛阿尔托的公司难以做到的方式拿到土地、电力和厂房。各国也开始把电力优先留给本国公司，英伟达就在当地扶持新云厂商，他称刚在澳大利亚与 Firmus 等新增约 2 吉瓦，在东南亚与 Indosat 等新增数吉瓦。

这组表述给新云厂商的需求来源提供了一个解释：相当一部分需求是超大云厂商规划误差的溢出，持续性取决于超大云厂商的自建进度能否追上需求（作者归纳）。

黄仁勋称 AGI 已经到来，窄领域的超级智能已在自动驾驶与蛋白质筛选中出现

关于马斯克宣布的 1 亿平方英尺 Terafab 芯片厂，黄仁勋说如果有人能做成那就是马斯克，两人曾同机出访，马斯克谈了很多，而一旦他决定做某件事就很难劝阻。主持称业内普遍感到已处在 AGI 时刻，黄仁勋说“我们已经到了”；Jason 追问是否已到超级智能，他说在窄领域已经到了，自动驾驶汽车事故率约为人类的十分之一，蛋白质合成与虚拟筛选也已超过人类。节目中有人称放缓无疑是错误策略。黄仁勋收尾时说，希望前沿实验室成功，也希望把戏剧性降下来，更要紧的是让全美国一起跟上。

验证点（作者归纳）

若 Amodei 提出的独立评估方安排落地后，前沿实验室的训练算力采购放缓，或新一代模型的发布间隔明显拉长，则黄仁勋所说“控速属各家内部选择、安全与领先可以兼得”对算力需求的含义被证伪。

若英伟达完成 Hugging Face 收购后，开放权重模型的托管与推理用量未见增长，或针对 AI 原生公司的模型使用调查显示开源占比远低于 80%，则开源作为应用层主要底座的论点被削弱。

若超大云厂商与新云厂商的租赁合约在后续季度出现续约减少或规模下调，则新云需求来自超大云厂商规划误差溢出的持续性被削弱。

若中期选举后地方层面的数据中心审批限制继续扩散，联邦层面的支持表态未能转化为审批提速，则特朗普来电所代表的政策顺风对算力部署节奏的实际作用有限。