汹涌的洪流将淹没一切夸夸其谈

6月2日也就是上周日，英伟达CEO黄仁勋在中国台湾省的2024台北国际电脑展发表了长达2万字的主题演讲，有读者也提醒我了，说这是一次颠覆性、革命性的演讲，极为重磅。

黄仁勋的演讲我认真看了，还请教了几位业内的资深专家。

黄仁勋这次演讲展现的技术实力非常强，比如这次演讲重点介绍英伟达过去十几年如何实现将计算速度加速100倍，强调CUDA生态的重要性，推介了350个函式库、NIM云微服务、支持新一代人工智能设计的Blackwell新款GPU以及DGX系统等多款产品，还提出了一个极其遥远的大饼“地球2号”数字孪生体项目。

坦率的说，我并没有感觉到有什么颠覆性，反而觉得废话实在太多了，非常影响阅读的有效性，这次演讲本质就是一次商业推广，水分非常大。显然黄仁勋已经感受到了来自中国以及美国大企业自研AI芯片的巨大压力，需要想尽办法进行市场推广、吸引投资人关注。比如演讲的最后强调下一代也就是尚未投产的新平台Rubin，还解释当前业内普遍怀疑的英伟达CUDA生态已经到了临界点的敏感问题。

有一个关键点可以佐证：黄仁勋在台北演讲，开场第一句话就是“我很高兴能够来到中国台湾”，因为中国市场的需求对英伟达来说极为重要，恰恰是因为受美国出口管制影响，英伟达在中国的芯片销量大幅下降，直接导致英伟达不得不通过持续提高芯片售价来弥补损失，但这也导致即使是谷歌等大企业也越来越难以承受高昂的芯片价格，开始尝试自研芯片，这必对英伟达未来的业绩带来巨大冲击。

更大的画饼，则是畅谈人工智能与机器人相结合，强调英伟达可以支持工业机器人的模型训练场景，不过或许是黄仁勋也知道在这方面英伟达并不占优势，因此基本是闲聊，并没有拿出真实的英伟达发挥关键作用的案例。毕竟英伟达GPU芯片过于娇、贵，在复杂恶劣的工业场景更容易损害，因此工业并不是英伟达擅长的领域。

事实上在工业机器人领域，中国在当前以及未来占据显著优势。比如灯塔工厂数量，中国相当于包括美国在内全球其他国家之和，且优势正在不断扩大，这是由于工业生产的敏感性、专业性以及贸易战可能带来的风险，导致这一领域必然属于中国本土的智能计算公司。

更具体的我就不一一赘述了，大家可以用前往公众号“腾讯科技”阅读《黄仁勋最新2万字演讲实录：将打破摩尔定律发布新产品，机器人时代已经到来》。

在人工智能、智能计算芯片乃至CUDA为代表的技术服务等领域，美国确实站在人类的巅峰，而且技术优势还很大，这一点必须承认。但是我仍然坚定认为，人工智能的制高点一定也只能属于中国，美国大概率要成为被我们踩着过去的那块石头。

当然，在未来很长一段时间，中美两国各有优势，美国相对中国整体偏弱，但中美相对其他一切国家都将遥遥领先。

我的这一判断，并非着眼于某些短期的、局部的技术细节亦或者市场表现，而是要站在更高的视角俯瞰、拉长时间跨度。比如一个经济学名词叫“康波周期”，一种时间跨度大致为50-60年的经济周期，也被称为技术创新周期，对应人类过去的几次工业革命。

智能革命已经确定是人类当前即将迈入的下一次工业革命，甚至其重要性还要超过过往，与其说即将进入第四次工业革命，倒不如说是第一次智能革命，关键区别在于机器涉足人类最后的思考领域，哪怕只是模拟。

英伟达、GPT、Sora等之所以被关注，之所以中文互联网上一年传出几次颠覆世界的感叹，之所以有很多人担心中国在这场关键的竞赛中落后，都是因为我们认为这属于第一次智能革命。

那么对英伟达、人工智能，就必须以技术创新周期、工业革命这种横跨几十年的尺度去衡量，而不是着眼于几个月、一两年小变化。当看到一件震惊的技术突破又或者事件，最好假设到了100年后，想一想这件事能不能写进人类史书，又能占多大篇幅。

这次黄仁勋的演讲，基本都是真的，但是他遮遮掩掩，在关键点上不利于英伟达的话没说。

比如他说摩尔定律，说英伟达计算能力增长1000倍超越摩尔定律在最佳时期的增长，还强调英伟达将计算能力提高100倍，可以带来97.96%的计算成本下降，并以此作为论证英伟达重要性和广阔未来的核心论点。

但这是诡辩，他篡改了“摩尔定律”的定义，摩尔定律本就不是一个严谨的定义，只是一个概念，有很多解释的口径，不同领域本就不同。比如所谓的“计算能力增长1000倍”，这就纯粹欺生了，英伟达的GPU计算跟CPU计算天差地别，根本没有任何公允的对比方法，又哪来的提高1000倍？

换个例子，比如量子计算，动辄万倍、百万倍的提升，比传统超算提高甚至上亿倍，这可比英伟达的1000倍震撼多了，但能说量子计算可以替代传统超算吗？

显然不能，因为百万倍、上亿倍都是针对特定的计算模型，比如去年研制成功的“九章三号”，处理高斯玻色取样的速度比上一代“九章二号”提高一百万倍，这只是一个点，而计算机的应用极其宽广。

黄仁勋敢说GPU可以取代CPU吗？

黄仁勋更大的问题是，他只谈提高速度，但对英伟达精准而又凶狠的刀工避而不谈。摩尔定律除了预测每两年性能翻一倍，更重要的是预测价格也会大幅下降，价格的大幅下降更加关键，因为只有门槛更低、成本更低，才能吸引更多中小微和个体使用，扩大新技术的应用范围，才能有更辉煌的未来。

参考历次工业革命，内容不尽相同，但有几个核心特征：人类掌握的能源指数级增长、人类生产力指数级提升、参与其中并且受益的人类越来越多。

直到第三次工业革命之后，任何跟上时代的国家，国内大多数人口都已经被新技术有效覆盖了。就拿中国人来说，无现金支付、生活和公共服务的电子化线上化，已经惠及大多数人，截至2024年一季度，中国移动互联网月独立设备数已经突破14亿、用户数达12.32亿。

但现在的英伟达赚的太多了，一直狠狠地卡在大企业能够容忍的极限范围，这确实极大提升了英伟达的市值，但就连谷歌这样的顶级大公司都已经难以承受，那么更弱些的公司呢？更何谈占市场主体绝大多数的中小微企业和利润率本就不高的实体经济。

这也是我对黄仁勋这次演讲并不感冒的原因，了解了最近几年智能计算、英伟达市场策略等相关信息之后，就知道黄仁勋这是得了便宜还卖乖，试图安抚客户；之所以回应“CUDA是否到了临界点”这一关键问题，也是希望以英伟达CUDA生态这个最大的护城河，去劝说投资人。

CUDA本质就是地主圈地收租，堪称反人类级别的难用，只是缺乏有力竞争对手，黄仁勋试图说服市场认可英伟达在未来仍然可以凭借CUDA继续收整个行业的租金，但这个护城河真的很深很宽吗？

我觉得不是，站在3-5年的周期来看，英伟达的CUDA并不具有无法企及的技术优势，仅仅是因为过去没有能够与英伟达在这个领域竞争的像样对手，长期推广下用户有了很强粘性，在正常的全球贸易情况下，也没有必要另起炉灶。但现在美国反全球化导致过去的逻辑不存在了，任何企业都要首先考虑安全因素，巨大的未来利益一定会催生有力的竞争者。

或许对中国的相关企业缺乏信心，那只谈美国。如谷歌、微软等大企业要自研AI芯片，那么这些大企业会愿意被英伟达的CUDA生态约束吗？这些大企业当然会开发自己的生态，资源投入了、用户增加了，百花齐放不过是时间早晚而已。

破解的方法，还是要回归到人类历次工业革命的根本方向：极大幅度降低成本、降低门槛，让利整个生态。英伟达能同意吗？要知道美国资本市场早在上世纪70年代就已经转变了评估体系，要的就是高利润，所以才将成本难以压缩、利润率远低于金融、互联网的制造业转移出美国。

我之所以承认美国的技术优势，但又坚定认为中国必将后来居上，就在于人类生产力提升的最本质要求：成本、规模。

事实上，2023年掀起的这轮AI狂潮，历史上已经有多次了，从历史角度，2016年谷歌阿尔法狗战胜人类围棋世界冠军，其历史意义还要高于2023年、2024年的英伟达、GPT、Sora等等所谓“颠覆世界”的突破。

但可知道，2016年美国掀起这轮狂潮之后，谁是最大的获益者和新技术应用者？

答案是：中国。

中国人现在对于进出商场、小区、单位的车牌自动识别，家里、车上各种智能音箱，已经习以为常了，觉得这不是啥高科技。但这恰恰是人工智能应用最典范的案例，还有已经大量应用于社会治理、公共服务的人脸识别、步态识别，目前正以中国为中心，向全世界渐次覆盖。

为什么花开在美国，果却结在中国？

从2016年到2024年，8年过去了，美国是否回应了这个问题，又是否解决了？

特朗普曾试图解决，或者说自奥巴马以来历任美国总统都想解决，那就是美国制造业的回归。

任何创新的源头都是实际生产，这里面有大量的创新，而一个庞大的生态丰富的产业体系，以及在此之上生长的生产性服务业、生活性服务业，会有无数个链接点，一个点的突破可以带动面、而面也可以促进更多的点。

正如中国光伏产业的突飞猛进，得益于中国半导体产业的溢出，而光伏的激烈竞争又反过来解决了半导体的诸多难题，光伏+半导体已经形成了双轮驱动；而更多先进技术向意想不到的领域蔓延，也极大降低了成本、提高了生产效率，比如激光加工正在改变最传统的纺织服装行业。

人工智能、AI计算也是一样的。

美国更倾向于回报率更高的虚拟经济，轻视周期长、投资高、回报率低的实体经济，美国只要还是资本主义制度，就不可能逆转这一点。

这就决定了美国的AI技术路线和市场推广，一定是“脱实向虚”，服务于虚拟经济。

比如这次黄仁勋画大饼的“地球2号”数字孪生体项目，说的是天花乱坠，但至少有三个致命点。

第一个：海量数据从哪里来？

第二个：如何指数级降低成本？

第三个：如何获得海量、稳定且廉价的清洁能源，并找到足以覆盖投入的商业场景？

中国第一个将数据视为生产要素，就是因为数据更多存在于实体生产以及人与外界的交互过程中。总有人拿中文语料库只占世界1.5%说事，因此不看好中国AI计算，但却忽略了数据的主体并不是一篇篇存在网上的文章又或者视频。

国家电网剔除视频以外，年均产生510TB的数据，累积到2023年已经高达5PB，中国联通仅用户上网记录一年就高达3PB，仅北京市交通调度中心一年新增数据就高达10TB，北京所有交通数据呢？全国呢？

还没说中国庞大的生产制造体系存在的大量有待挖掘的数据，这才是中国向智能时代迈进的宝库。

中国不同于美国，在AI发展上采取的是全都要的一贯模式，既要追赶兼容美国体系，又要构建独属于自己的专用体系，还要跟全世界合作共建开源开放的全球体系。

而在AI的具体应用上，中国最强调、最重视的就是一定要大幅降低算力使用的成本和门槛，因为中国有14亿人，共同富裕必须建立在强大的实体经济基础之上，产业革命必须惠及占比超过80%的中小微企业。

用政策语言就是“人工智能必须赋能实体经济”，这也是最适合中国的AI发展道路。既要承认美国在生成式通用大模型领域的领先，但也要看到AI绝不仅仅只有生成式，决策式AI更能提高人类的生产力，而在大模型之外，中国在专用模型领域遥遥领先，毕竟去工业化的美国，专用大模型应用空间太小了。

我认为，在通用大模型、专用模型之外，还应该有极低成本的“专用小模型”，“专用小模型”是我自己命名的，或许并不准确。

核心是要降低AI部署的门槛，从现在千万、上亿投入才能完成，大幅下降到几十万、十几万甚至几万元，惠及占大多数的中小微企业以及更多的个体，甚至每个人都能够低成本的真正定制属于自己的AI模型，这才是AI革命的真正方向，只有让更多人参与其中，AI的生态才完整，才能催生更加茁壮的腰部和头部。

没有任何一次技术革命，能够靠少数人完成。

更何况，就算在生成式大模型领域，中国也有美国无法具备的核心优势，那就是能源。中国正在加强西部光风大型发电基地建设，提出了“西电东送”“东数西算”等西部大开发战略，AI计算对于网络快速响应的要求不高，完全可以将AI计算中心放在西部、放在大型风光发电基地的旁边，就地消纳极为廉价的清洁能源，甚至还能获得国家的新能源消纳补贴。

人类文明，归根到底是能量的利用。