本文来自微信公众号： 底线思维 ，作者：世界科先声
编者按：过去一周，AI“末日论”再次成为美国科技圈最激烈的话题之一。有人谈灭绝概率，有人主张给前沿模型“踩刹车”，黄仁勋却在9月14日举办的All-In Summit上公开唱反调。他并不否认风险，而是质疑另一件事：那些关于“文明终结”的判断，究竟建立在多扎实的证据之上？
观察者网“世界科先声”就此撰文，试图解释黄仁勋为何如此反感“AI末日论”，以及这种分歧背后更深的工程思维、产业利益与文化传统。文后附现场部分对话整理，便于读者直接判断它的原意。
【文/观察者网世界科先声】
2026年9月15日，加州，All-In峰会现场。黄仁勋坐在台上时，手机突然响了。电话是特朗普打来的。
主持人让他打开免提，他一时没弄明白。特朗普在电话那头笑他，说这个人能做出全世界最复杂的芯片，别人十年都未必追得上，却搞不定一个免提键。现场笑成一片。
工作人员把麦克风递到手机旁边之后，几千名听众听见特朗普说，最近这一整套说法，就是一场骗局——他说的是过去一周在美国舆论场迅速发酵的“AI末日论”。
黄仁勋接了一句：机器人不会统治世界，这不会发生。
从现场效果看，这当然有几分政治表演的意味。一位在任总统在电话里否定AI末日论，英伟达CEO在台上附和，几千名听众鼓掌。
但如果只把它看成一场表演，就会错过这件事真正的信息量。
黄仁勋并不是那天才开始反对AI末日论。他用同一套逻辑已经顶了至少三年。而这套逻辑，和硅谷其他所有人的都不一样。
他反对的到底是什么
9月8日，27岁的英国研究人员雅各布·考克森（Jacob Coxon）从Anthropic辞职。
离职后，他坐在旧金山阿拉莫广场的一张长椅上发了一条推文。他说，自己过去三年先后在OpenAI和Anthropic做预训练研究，在他看来，这两家公司都不够负责任，正在快速推进可能具备自我改进能力的超级智能，相当于拿所有人的生命冒险。他离职时，距离下一批股权兑现还差两个月。
这条推文很快传开。24小时内浏览量达到约9000万，之后继续上升，涨到1.7亿。
随后几天，几位AI安全研究人员接连公开表达担忧。Anthropic负责对齐研究的埃文·哈宾格说，他个人认为未来十年内AI导致人类灭绝的概率超过10%。OpenAI一位负责监控AI代理的研究员给出的数字则更高。
9月12日，Dario Amodei又发表了一篇长文，主张放慢前沿AI模型能力提升的速度。与此同时，Anthropic宣布，将向METR等第三方评估机构长期开放更深入的系统访问权限。几个小时后，Sam Altman表示OpenAI也会采取类似做法。马斯克则公开表示支持Amodei。
在一个平时竞争极其激烈的行业里，几家头部公司的立场突然出现了明显靠拢。
也正是在这样的背景下，黄仁勋上台。
他的第一反应并不是否认安全问题。相反，他说，AI安全当然重要，考克森提出的问题也应该认真对待。他甚至肯定了对方公开发声所需要的勇气。
但接下来，他把问题分开了。
第一，他不接受把“安全”和“发展”摆成二选一。在他看来，美国完全可以继续快速发展AI、保持领先，同时认真处理安全问题。把两者说成只能选一个，本身就是一个错误的前提。
第二，他不接受把这种风险直接量化成一个看起来非常精确的概率。10%、20%、70%，这些数字在黄仁勋看来，并没有足够坚实的依据。
他的意思并不复杂：这些人当然是优秀的研究者，但“受过良好教育”“在实验室工作”和“能够准确预测十年后文明级灾难发生的概率”是两回事。
所以，黄仁勋真正反对的，不是风险本身，而是对风险的过度确定化。
放射科医生那笔账
黄仁勋在台上提到了一串过去几年广泛传播过的AI预测：五年内放射科医生会被AI取代；3到12个月内，90%的代码会由AI生成；6到9个月内，一半初级岗位会消失；GPT-2太危险，不能发布；Llama 3太危险，不能发布；白领工作会大规模消失，就业市场会迎来“末日”……他说，所有这些预测都被证明是错的，我们应该把这些都记录下来。
其中，放射科医生是一个尤其适合回头看的例子。
2016年，杰弗里·辛顿在多伦多的一场机器学习会议上说，现在就应该停止培养放射科医生，因为五年之内，深度学习一定会比他们做得更好。
他当时说得非常肯定。还用了一个后来经常被引用的比方：放射科医生就像一只已经冲出悬崖、只是还没有低头看的土狼。
十年过去，现实并没有沿着这个方向发展。
2025年，美国诊断放射学住院医项目提供了创纪录的1208个名额，基本全部招满。同年放射科医生的平均年薪是57.1万美元，同比上涨9%。今年三月的数据是，全美大约有4333个放射科医生的空缺岗位挂在那里，平均要130天才能填上一个——美国现在最缺人的科室之一，就是放射科。
换句话说，AI并没有让这个职业消失，至少到今天没有。更有意思的是，当年那类预测本身可能反过来影响了人才供给。
辛顿说那话时，美国医学院毕业生申请放射科的比例本来就在下滑，1991年到2000年代初还有5%到7%，2015年跌到3.8%，25年最低。辛顿的话出来以后，加上《新英格兰医学杂志》同期一篇说机器学习将取代放射科医生大部分工作的社论，学生们做出了理性选择，去了别的科。
而美国的住院医名额受1997年《平衡预算法案》冻结，国会到2021年才松动。等申请率回升，管道已经修不回来了。同一时期，影像检查量从2018年一季度到2024年一季度增长了31%。
所以那个预言不是简单地错了。它错了，然后它自己参与制造了它所预言的反面。今天美国病人多等的那些天数，有一部分账要记在2016年那句话上。
预言不要钱，但流片要钱啊
这大概是理解黄仁勋立场最重要的一层。
黄仁勋做判断的方式，和很多研究者很不一样。他对未来的判断，往往必须提前变成现实中的订单：提前给台积电下产能预订，提前锁CoWoS封装位，提前跟存储厂签HBM长约，提前跟电力公司谈千兆瓦级接入；Rubin这一代能卖多少，这个数字今天就得写进供应链，写进存货，写进下季度财报指引。判断错了，市场当天就会告诉他错了多少钱。
而6到12个月内90%的代码由AI生成这个预测，不用变成任何东西。它不进任何人的损益表，不占任何人的产能，说错了也没有任何一方需要冲销。
我把这个叫做预言的外部性。
一个预言的成本，不由发出预言的人承担，而由听信它的人承担。放射科那批改了志愿的医学生付了账，辛顿没有。今天说十年内灭绝概率超过10%的人，如果十年后没发生，也不会被要求赔偿任何人。
黄仁勋所处的行业不这么运转。
1996年，英伟达第一代产品NV1失败，公司一度接近破产，从一百多人裁员到只剩几十人。1997年开发RIVA 128时，公司手里的钱已经不够再承担一次失败。团队只能把仿真做完，然后直接投片，几乎没有第二次机会。那一次赌对了，英伟达才活下来。
后来，公司内部长期流传一句话：“我们公司离倒闭只有三十天。”这句话黄仁勋说了三十年，从公司只剩几十个人说到市值几万亿美元。
这句话其实也是一种“末日叙事”，甚至比“十年内有10%的灭绝概率”更迫近。但两者真正的差别，不在于谁更恐惧，而在于恐惧把人推向哪里。
“三十天后可能破产”的危机感，会逼着你今天继续把产品做出来，把问题解决掉。而“十年后可能有10%的灭绝概率”，则更容易导向另一种行动：先停下来，先减速，先限制。
这可能就是黄仁勋和AI末日论者之间最根本的分歧之一：同样是恐惧，一个是油门，一个是刹车。黄仁勋对末日论的不屑，很大程度上来自他确信自己才是那个真正天天活在危机感里的人。
这种差异也体现在黄仁勋对AI监管的看法上。
他在台上说，如果回头看目前真正发生过的AI安全问题，会发现最有能力制造严重风险的，其实就是那些前沿实验室。原因很简单：它们手里有最多的算力。
一个高中生很难制造同等规模的问题，因为没有足够算力。普通创业公司通常也做不到。真正能训练最前沿模型、拥有数万甚至十万张高端GPU集群的机构，其实很有限。
这段话做了一件很少有人注意到的事：它把一个形而上学问题，换成了一个可以清点的问题。
原来的问题是：AI会不会毁灭人类？这是一个极大的问题，也很难证伪。他说的却是另一个问题：谁手里有足够规模的算力？这个问题就简单得多。它可以统计，可以列名单，也可以监管。
从这个角度看，黄仁勋的思路一直很工程化：先不要讨论一个无限大的问题。先找出真正有能力造成问题的人是谁，能测量的变量是什么，然后再决定应该怎么管。
所以他才会反复提到第三方审计。在他看来，AI安全评估其实完全可以借鉴财务审计。审计师并不需要比企业CFO更懂业务。他们的作用，是站在企业外面，提出正确的问题，检查流程和账目，并且与被审计对象保持独立。
黄仁勋还强调，应该有多个独立评估机构，而不是只有一家，以降低被收买或者受到影响的风险。这背后其实隐含着另一个问题：为什么AI公司既是技术的开发者，又要成为自己风险的主要裁判者？
过去几年，很多前沿实验室都有一种并未明说的逻辑：因为我们最懂AI，所以AI安全也应该主要由我们来定义。但财务审计制度从来不是这么设计的。一家公司当然最懂自己的账，但这恰恰不意味着它可以自己给自己出审计报告。
黄仁勋把AI安全和财务审计放在一起，指向很明确：财务审计天然要看的是利益，是账，是谁从这个安排里得到了什么。
他没有点名，但时间线摆在那里。Anthropic今年早些时候估值9650亿美元，6月已经秘密递交了IPO招股书，市场预期最快下个月挂牌。呼吁全行业减速的这篇文章，和IPO路演，发生在同一个月。
白宫AI政策顾问大卫·萨克斯的用词直接得多。他把这套主张称为监管俘获，认为大型AI企业可能利用社会对风险的担忧，推动只有大公司才能轻易满足的监管要求。
当然，反过来也不能把Dario Amodei的立场简单解释成商业算计。他并不是最近才开始担忧AI风险。今年二月他接受罗斯·杜塔特采访时就说过，他支持放慢速度，支持国际协调减速。那时Anthropic的收入增速是现代商业史上最快的。
但黄仁勋的意思也不是你有私心。他的意思更朴素，你说的风险要不要查，查的时候顺便把账一起查了。这两件事本来就不冲突。
末日论是从哪里长出来的
现在要问那个更深的问题：为什么是美国，为什么是这几年，为什么AI风险讨论会长成灭绝概率这个形状？
如果这项技术危险到只有极少数机构能负责任地开发，那么危险本身就是准入门槛，它天然把资源和合法性集中到已经在场的那几家手里。这是最古老的行业保护逻辑，只是换了一套词汇。
一个数字可以说明为什么这件事有现实赌注。过去六个月流入AI原生公司的风险投资有4000亿美元，其中80%用的是开源模型。开源如果不危险，护城河就不存在。
第二层是组织层面。这一层黄仁勋给的解释相当厚道。他说这些实验室正在从研究机构转型为工程组织，人才非凡，但工程毕竟不同于研究，转型难免磕绊。
研究机构的产出是论文和想法，工程组织的产出是要交付、要回滚、要有服务等级承诺的东西。两种文化处理未经验证的判断，方式完全相反。研究者习惯把猜想公开发表让同行证伪，这在科学共同体里是正确做法。工程师习惯把没验证的东西留在内部，直到它能过测试。同一个担忧，研究者写成一篇博客，工程师写成一张bug单。
黄仁勋在台上说，我认为这些公司应该按照我们过去建立公司的方式来运营，悄悄地做。这句话不是要求别人闭嘴，是两种职业伦理的直接碰撞。
第三层最深，也是这篇文章真正想说的。
来自中国的伊甸园和燧人氏
灭绝概率这个概念，不是从计算机科学里长出来的。它的来源是牛津那一支有效利他主义和长期主义的思想训练。
托比·奥德在《悬崖》里给本世纪的人类生存风险估了一个1/6。这套东西结构很清楚，把人类的整个未来当成一个可计算期望值的对象，然后论证一个极小的概率乘以近乎无限大的损失，等于一个无限大的当下义务。
数学上自洽。但它有一个从不被检验的前提。这个前提是，存在一个终点。
人类灭绝要能被当成一个可以赋概率的事件，前提是历史有一个可以抵达的结尾。而历史有结尾这件事，不是科学发现，是一个文化预设。
它来自《启示录》，来自千禧年主义，来自最后的审判。历史有开头，有方向，有终局，终局是一场清算。这个结构在西方思想里运行了两千年，它不需要论证，因为它是背景。
技术这一支还有更具体的一条线。
伊甸园中间那棵树叫知识树，吃它的果子是人类第一桩罪。普罗米修斯把火从天上偷给人，被锁在高加索山上，每天有鹰来啄他的肝。犹太传说里的魔像，人用泥造出来的仆人，最后要毁掉造它的人。玛丽·雪莱1818年给《弗兰肯斯坦》起的副标题，就叫现代的普罗米修斯。
这条线是连贯的。知识来自僭越，僭越必受惩罚，技术是偷来的火，火迟早要烧到自己身上。
所以2023年埃利泽·尤德科夫斯基在《时代》周刊撰文，主张必要时应该空袭数据中心，那不是一份政策建议。那是一种旧语法的当代版本，圣殿必须推倒，因为里面供的是偶像。
现在换一个坐标系。
中文世界的技术起源神话，方向完全是另一个。
燧人氏钻木取火，没有受到任何惩罚，他被立为王。有巢氏教人构木为巢，神农尝百草，都是立功不是犯罪。
最有意思的是洪水。大洪水是世界性母题。希伯来的解法是诺亚造方舟，神要毁灭这个世界，人能做的只是带走一点种子躲开它。中国的解法是大禹治水，把水治了。鲧被处死，不是因为他冒犯了天，是因为他用堵的，方法不对；禹用疏导，做成了，然后当了天子——这是一个纯粹的工程问题，不是道德问题。
1637年宋应星写完那本讲农业和手工业技术的书，取名《天工开物》——天的工，由人来开，整套世界观压在这四个字里。
所以中文语境里，没有技术原罪这个位置可以放。技术是器，器以载道，善恶在用它的人，不在技术本身带没带诅咒。一个从来不担心自己在犯罪的文明，也不太容易产生我们造的东西会审判我们这种恐惧。
30天，和10%
不过，如果把黄仁勋的态度直接归因于华人文化，也过于简单。
他九岁去了美国，后来被送到肯塔基州一所浸信会寄宿学校。在那里，他每天要打扫厕所。同宿舍的是一名17岁、还不识字的学生。黄仁勋教对方认字，对方教他举重。
也就是说，他并不是一个站在西方文化之外的人。相反，他几乎整个成年生活都在美国完成。但他的家庭背景，确实可能塑造了他处理问题的方式。
黄仁勋曾经讲过一个很有意思的故事：他母亲当年并不会英语，但每天都会从字典里挑出十个单词，让他拼写，再解释意思；她其实也不知道孩子答得对不对。这是一种很朴素的学习方法：先做，先练，在反复练习里把东西学会。
他的父亲黄兴泰则是一名化工工程师。工程师家庭通常有一种很直接的价值判断：一件事情最后得做出来。说得再漂亮，如果落不了地，就不算完成。
这两种东西放到一起，就很容易理解黄仁勋后来形成的那种思维。他习惯问的不是“这个东西是不是太危险，所以我们不应该做？”而是“既然它会被做出来，那怎样才能把它做对？”
这也是为什么，他那句说了几十年的“公司离倒闭只有三十天”，其实很能代表他的世界观。
30天，和十年内10%的灭绝概率，两个都是危机感。但前者要求你继续行动，后者更容易要求你先停止。这就是“忧患意识”和“末日意识”之间的差别。忧患意识并不相信有一个确定的终局。它只是认为问题永远存在，所以人必须一直解决问题。
黄仁勋那天还有一句话，没有前面那些“骗局”“机器人不会统治世界”那么容易传播，但可能更接近他的真实想法。
他说，“把它建好，是我们的责任。”也就是说，如果这些末日论所描述的风险真的存在，那人们更应该把时间花在解决它上面，而不是让大量对此无能为力的人生活在恐惧中。
说到底，这场争论其实是两个问题：
一个问题是：我们有没有权力继续制造越来越强的AI？
另一个问题是：既然AI正在继续发展，我们怎样才能把它做得更安全、更可靠？
第一个问题在西方思想里有两千年历史，而且从来没有过答案。
而黄仁勋显然更习惯处理后一个：找出问题，找到责任人，建立审计，解决风险，然后继续往前走。
附录：黄仁勋在All-in峰会上的部分问答（“世界科先声”整理）
问：你怎么看Dario Amodei关于AI风险和“放慢前沿AI”的主张？
黄仁勋：安全当然至关重要。但“安全”和“领导地位”不是二选一，这是一种错误选择。美国完全可以快速创新、快速执行，同时保持领先，并且安全地推进。
真正需要认真对待的，是实验室内部的控制问题。如果有人吹哨，比如Jacob Coxon，那就应该严肃对待。但“吹哨”是一回事，对未来作出所谓“科学预测”又是另一回事。一个科学家说出一句话，不代表那句话本身就建立在科学之上。
问：那像“10%的人类灭绝概率”这样的说法，你怎么看？
黄仁勋：我们根本不应该去解释，因为很多这样的数字就是编出来的。问题在于，这些话来自“研究人员”、来自“实验室”，于是天然带上了一种权威感。然后再配上“文明灭绝”“灾难”“末日”这些词，就会让公众非常不安。我认为这是不负责任的。
更重要的是，我们应该回头看这些预测的历史记录。有人说五年后放射科医生会消失，结果今天反而更需要放射科医生；有人说6到12个月内90%的代码会由AI生成；还有人说一半入门级岗位很快会消失。很多这样的预测后来都错了。这些预测应该被记下来，预测者也应该被问责。
会议现场视频截图
问：那你认为今天前沿AI实验室真正的问题是什么？
黄仁勋：很多实验室正在从研究（research）转向工程（engineering）。但是研究和工程不是一回事。研究允许探索，工程要求可控、可重复、可验证。今天很多实验室一边建公司、一边建文化、一边建技术、一边建工程体系、一边做产品，所以整个过程当然会很混乱，甚至有点火烧眉毛（“hair-on-fire”）。
但如果真的发生事故，第一件事应该是做根本原因分析：到底发生了什么？我们本来可以怎么做？接下来该实施什么技术、什么方法、什么流程，才能保证同样的问题不再发生？
问：所以你不认为这些事故意味着AI已经“失控”？
黄仁勋：我不这么看。我相信绝大多数已经发生的问题，未来都属于这些实验室可以控制和避免的范围。如果他们最后分析完告诉社会：“我们不知道发生了什么，也不知道怎么控制”，那才是另一回事。那时候，整个社会、其他公司的工程师确实应该进去帮忙。但我不认为现实是这样。他们有非常优秀的人，也有能力把问题修好。
问：那AI监管应该怎么做？
黄仁勋：监管应该解决真实存在的问题，而不是针对想象中的问题。
现在真正有能力制造前沿风险的，主要是拥有巨大算力的前言实验室。一个高中生不太可能做到，一般的初创公司也没有那么多算力。所以监管首先应该盯住真正有能力制造风险的地方。
问：你支持第三方评估和审计吗？
黄仁勋：支持。这跟金融体系的审计没有本质区别。审计师不需要比公司更懂业务，他们只需要问对问题。
而且第三方评估机构最好不只一家。应该有多个评估员、多个审计，这样可以避免某一家机构因为意识形态或者其他原因受到影响。
问：你怎么看最近很多人讨论的递归自我改进（RSI），也就是递归自我改进？
黄仁勋：RSI现在被说成了一个很“性感”的新词，但实际上它是一整套方法的组合。它可以包括上下文学习（in-context learning）、技能（skills）、反思（reflection）、强化学习（reinforcement learning）、生成合成数据（synthetic data generation），也可以包括LoRA（Low-Rank Adaptation，低秩适配）。本质上，就是让AI随着时间推移越来越擅长解决一个问题。
利用AI来提高生产率，当然也包括“利用AI来帮助构建下一代AI”。这其实是很自然、很符合逻辑的事情。
问：你不担心RSI最后螺旋式失控吗？
黄仁勋：不。你可以在公司内部做很多RSI，但当你真正发布产品时，还是要评估、测试、检查。这就是工程控制。
随着实验室从研究组织变成工程组织，它们会有更好的方法、知识、工具、技术和实践，所以控制能力只会越来越强。
问：开放模型和闭源模型，你更支持哪一种？
黄仁勋：两种都需要。我把闭源模型比作瓶装水。水本身可以是免费的，但你在不同场景还是会用不同的水。模型也是一样。
闭源模型在很多场景下非常方便，也非常前沿；开放模型则对主权（sovereignty）、隐私（privacy）、专有技术（proprietarytechnology）很重要。这个世界需要两种。
问：为什么开放模型这么重要？
黄仁勋：因为很多创业公司根本离不开它。过去六个月，大量资金进入AI原生公司（AI-nativecompanies），其中很多公司使用开放模型。如果没有开放模型，这些公司怎么去实现他们的梦想？如果美国真的要赢AI竞赛，不能只是几家科技公司赢，而必须让每家公司、每个行业、每个研究人员、每个老师、每个学生、每家初创公司都能参与。
问：如果开放模型主要来自中国，这会不会成为问题？
黄仁勋：一旦你下载下来、fork它、改进它，它就是你的工具。
今天全世界开源生态里，很大一部分贡献确实来自中国，因为他们有更多工程师，也有更多大规模培养出来的科学和数学人才。但我们也下载Linux、Kubernetes和各种软件，其中很多代码也有中国开发者参与。所以真正的问题不是“谁先做出了模型”，而是“谁能把它利用得最好”。
问：那你认为真正的AI竞赛是什么？
黄仁勋：真正的竞赛，是谁最善于利用技术。
上一轮工业革命里，Maxwell、Volta、Ampère都不是美国人。很多基础科学来自欧洲。但美国后来把这些技术利用得非常好。我希望AI时代也一样。
问：你为什么觉得中国对AI的叙事更有竞争力？
黄仁勋：因为他们的叙事更加务实。他们更多把AI看成一种能够推动经济和社会发展的技术，而不是不断谈“这个要结束了、那个要结束了”、灾难、末日、doomer。
如果风险是真的，我们就应该解决它。如果风险没有科学依据，却只是不断吓唬那些根本无力解决问题的人，那没有意义。
问：AI会不会让程序员失业？
黄仁勋：很多人把工程和“打字”混为一谈了。
我刚做工程师的时候，根本不像今天的软件工程师一样整天敲键盘。后来软件普及以后，工程师拿到一台笔记本电脑、一把椅子，然后开始“打字”。但工程在“打字”之前就存在。以后即使coding大量自动化，工程还是会存在。
我一直跟NVIDIA的软件工程师开玩笑说：“你们就是在打字。”我最喜欢的键是退格键。因为最好的软件，往往也是最精简的软件。
问：你怎么看AI基础设施建设？
黄仁勋：AI是一场新的工业革命。这不只是模型，也不只是芯片。它还包括数据中心、施工、电能、发电、土地、电力、建筑本体……为什么？因为智能要被“生产”出来，而生产智能需要基础设施。所以我们看的是整个生态系统，哪里有瓶颈，就要解决哪里。
问：你认为我们已经进入AGI时代了吗？
黄仁勋：我认为，在某种意义上已经到了。如果AGI的标准只是达到普通人的智能水平，那么很多系统已经非常接近，甚至达到。
问：那超级智能呢？还很远吗？
黄仁勋：我觉得某些领域其实已经有了。如果只看一个窄领域，比如自动驾驶，只要系统在驾驶这件事上比人类更好，那它在这个领域就是超级智能。蛋白质设计、虚拟筛选也是一样。所以，不一定要等到出现一个全知全能的AI，才叫“超级智能”。
问：那你对AI的未来到底是什么态度？
黄仁勋：未来非常好，我们应该去那里。
这些前沿实验室正在做真的、真的非常重要的工作，我希望他们成功。但我也希望，我们把现在围绕AI的闹剧（drama）降下来一点。最重要的是，要让整个社会一起参与，而不是让少数人先走。
不要因为未经验证的恐惧而停下来。把风险工程化，把问题具体化，然后继续前进。