英伟达首席执行官称，美国应 “降低” 对其他国家的依赖，将技术制造业迁回本土

11 阅读：7 2025-07-14 00:00:02 评论：0

　　全球领先的人工智能芯片制造商英伟达的首席执行官黄仁勋表示，美国 “重新工业化” 技术制造业的计划 “完全正确”。

　　在接受美国有线电视新闻网法里德・扎卡利亚的采访时，这位总部位于加利福尼亚州圣克拉拉的英伟达负责人称，美国应当在制造业领域加大投资，目前 “我们的产业中恰恰缺失了这一完整环节”。

　　“那种对制造事物的热情、技能与工艺；制造能力对经济增长而言价值非凡 —— 它对于一个稳定的社会来说意义重大，能让人们无需获得物理学博士学位，也能创造美好的生活和出色的职业生涯，” 黄仁勋说道。

　　特朗普政府已出台一系列政策（包括大范围的关税政策），旨在重振美国日渐衰退的制造业。这在一定程度上是为了推动汽车和能源行业的发展，以及促进对科技领域的投资。

　　“特朗普总统已明确表示，美国不能依赖中国来制造关键技术产品，如半导体、芯片、智能手机和笔记本电脑，” 白宫新闻秘书卡罗琳・莱维特在 4 月一份声明中如此表示，该声明发布于美国对智能手机及其他电子产品的关税暂时暂停征收之后。

　　黄仁勋表示，将制造业迁回本土会减轻台湾地区的压力 —— 全球最大的半导体制造商（TSMC）便位于台湾。特朗普曾在 3 月宣布，这家芯片制造巨头将在美国制造业领域投资至少 1000 亿美元。

　　“打造丰富的产业和制造业生态系统，一方面能让美国变得更强大，另一方面也能降低我们对其他国家的依赖 —— 那种单一的依赖，这是一个明智之举，” 黄仁勋说。

　　工作场所中的人工智能

　　近年来，人工智能领域投资的增加推动了科技行业的蓬勃发展，但也引发了人们对该技术未来是否会威胁就业的担忧。世界经济论坛 1 月发布的一项调查显示，到 2030 年，41% 的雇主计划因人工智能自动化而裁员。

　　英伟达的市值曾短暂达到 4 万亿美元，该公司研发的技术为数据中心提供支持，、和等公司正是借助这些数据中心来运行其人工智能模型和云服务。

　　“每个人的工作都会受到影响。一些工作岗位将会消失，同时也会有许多新的工作岗位被创造出来。我希望的是，所有行业中出现的生产力提升能带动整个社会发展，” 黄仁勋表示。

　　他解释道，英伟达的每位软件工程师和芯片设计师都在使用人工智能，而且他鼓励他们使用，“甚至到了强制要求的地步”。

　　人工智能的伦理问题

　　人工智能工具，尤其是像埃隆・马斯克的 Grok 和 OpenAI 的 ChatGPT 这类生成式响应平台，近期引发了不少争议。

　　就在上周，马斯克旗下的 xAI 公司对聊天机器人 Grok 进行了调整，允许其为用户提供更多 “政治不正确” 的答案后，Grok 开始在回复中出现一些帖子内容。其中包括反犹仇恨言论以及其他露骨描述。

　　xAI 在周六发布声明称，对 “过时代码” 的一次更新使得 Grok 容易受到 X 平台上现有用户帖子（包括极端观点）的影响。据 X 平台的声明，该代码随后已被移除。

　　黄仁勋就 Grok 发表评论时表示，这可能是因为这个聊天机器人还 “比较年轻”，但马斯克 “在 18 个月内就让 Grok 取得了巨大进步”。

　　“当然，还需要进行微调，设置防护措施，而这都需要时间去完善，” 他说。

　　此外，人们还担心人工智能模型容易产生 “幻觉”，即人工智能模型偏离预设脚本，输出不准确的信息。同样，由于这些模型容易被操控，一些专家对强大的人工智能模型可能失控表示担忧。

　　但黄仁勋认为，那些 “对人工智能系统如何相互关联以确保技术安全并不了解” 的人 “多少会感到害怕”。他解释说，大多数人工智能模型会使用其他人工智能工具来提供资源和进行事实核查。他还补充道，应当建立全球标准和安全规范。

　　“人工智能带来的积极影响将是压倒性的。虽然可能会造成一些危害，但当危害发生时，全世界必须立即着手解决。不过，人工智能的积极影响将是压倒性的，其力量会非常强大，” 他说。

　　人工智能在医疗健康及现实场景中的应用

　　黄仁勋表示，人工智能模型可用于治疗疾病，通过让这些工具学习蛋白质和化学物质的相关知识（包括化学物质的含义及其相互作用方式）来实现这一目标。

　　他指出，这一过程与药物研发类似，但由于所需数据的原因，比教人工智能学习语言更加复杂。

　　“我们不仅会加快药物的研发速度，还会加深对疾病的理解。而且随着时间的推移，我们将会拥有虚拟助理研究员和科学家，从本质上帮助我们攻克所有疾病，” 他说，“我认为那一天即将到来。”

　　人工智能在现实物理场景中也会有应用案例。如今的生成式模型，如谷歌的 Veo 3，能够生成物理动作的视频。下一步是制造出能完成类似任务（如拿起玻璃杯）的机器人。这一过程将用到视觉 - 语言 - 动作（VLA）模型，该模型有别于大型语言模型（LLMs）。

　　“这项技术如今已经存在，而且目前运转良好，” 黄仁勋说，并补充称 “未来 3 到 5 年”，这类技术将会大量涌现。