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。

黄仁勋在会议现场接到特朗普的电话，应现场要求开了免提……

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。