黄仁勋暴论核弹：AGI已经实现，Ilya错了，程序员有10亿
在长达两个半小时的深度对话中，英伟达CEO黄仁勋抛出了一连串极具冲击力的观点，不仅重新定义了AGI的现状，还描绘了AI对未来劳动力市场的重塑蓝图。这番言论正值英伟达市值突破4万亿美元、GTC 2026大会刚落幕之际，引发了科技与金融界的广泛震荡。
AGI已至？“10亿美元公司”定义引热议
面对Lex Fridman关于AGI时间线的提问，黄仁勋给出了一个令人意外的回答。当被问及一个AI系统能否从零开始创办并运营一家价值超过10亿美元的科技公司时，他的回答干脆利落：“我认为现在就可以。”
然而，这句断言随即被他自己加上了关键的限定条件。黄仁勋指出，Fridman的问题在于并未限定公司的“存活期限”。他解释道，AI完全有可能开发出一个简单的网络应用，凭借病毒式传播获得数十亿用户，每人付费50美分，从而在短时间内实现10亿美元的营收，即便这家公司可能很快就会倒闭。这种“一次性商业成功”在他看来，AI已经具备了可能性。
但他也明确区分了这种短暂的成功与持续经营一家复杂企业之间的差距。管理供应链、应对合规审计、领导数千名员工，这些对于目前的AI来说依然遥不可及。他强调，如果目标是创造一个能复制英伟达这样复杂公司的AI，概率是零。这种对AGI定义的重新解构，揭示了当前AI能力与人类期望之间的认知鸿沟。
反驳Ilya，阐述四大扩展定律
在访谈中，黄仁勋直接回应了行业曾经的焦虑——由OpenAI前首席科学家Ilya Sutskever提出的“预训练数据耗尽论”。他认为这种恐慌完全没有必要。
黄仁勋提出了他对AI进化的四个扩展定律，构建了一个自我强化的循环：
- 预训练（Pre-training）：虽然高质量人类数据有限，但他认为人类交流的大部分数据本身就是“合成”的——通过消化、再加工和再生成的。
- 后训练（Post-training）：通过强化学习和人类反馈进行微调。
- 测试时扩展（Test-time Scaling）：这对应着推理与思考，黄仁勋认为“思考比阅读更难”，这是AI真正解决问题的阶段。
- 智能体扩展（Agentic Scaling）：这是他眼中的下一个大爆发。AI将不再是孤立的模型，而是能自主派生子智能体、调用工具、进行研究的系统。这是一个“AI的乘法”过程，将指数级放大算力需求。
他认为，正是因为这四大定律的接力，算力需求的增长将永无止境。
编程的未来：10亿程序员与被重塑的白领
对于外界关于AI将取代工作的焦虑，黄仁勋给出了更为乐观和宏大的视角，尤其针对程序员群体。
他预测，未来“编码”的定义将发生根本性转变，不再是编写具体代码，而是变成“描述规范、定义意图、告诉计算机要构建什么”。基于这种新定义，他认为未来能够进行“编程”的人将从现在的几千万扩大到十亿级。
对于普遍感到焦虑的白领阶层，黄仁勋的建议直截了当：拆解问题，对于那些能被AI自动化的任务，立刻学会使用AI。他强调，AI是唯一一个可以随时提问、并由它手把手教你的工具。工作的核心价值依然在于人本身，但任务与工具的边界正在重塑。
从数据中心到“光速”哲学
访谈还深入到了英伟达的运营哲学与未来愿景。黄仁勋分享了他著名的“光速”理念——并非指追求速度，而是强制团队从第一性原理出发，理解物理极限，再以此为基础进行设计。
在谈到数据中心与能源的瓶颈时，他提出了一种“优雅降级”的构想：当电网负荷过高时，数据中心不应追求绝对完美，而应主动降低性能、迁移负载，与电网形成柔性互动，而非被动地要求完美供电。
此外，他还高度评价了马斯克建设xAI超算的速度以及台积电的协同制造能力，并重申了英伟达的定位从来不是抢占存量市场，而是创造新市场。他眼中的英伟达早已不是一家芯片公司，而是一个庞大的AI基础设施工厂，甚至展望未来会成为“行星级”的计算系统。