黃仁勳反駁 AI 泡沫論：「悲觀者在派對上聽起來很聰明，樂觀者才是推動人類前進的人」
NVIDIA 執行長黃仁勳在 No Priors Podcast 分享對 AI 產業的深度觀察。他提出「任務 vs 目的」框架解釋 AI 不會消滅工作、強調開源 AI 對創新的關鍵作用，並以系統性思維反駁 AI 泡沫敘事。
本文整理自 No Priors Podcast 2026 年 1 月播出的單集，主持人為創投 Conviction 創辦人 Sarah Guo 與知名天使投資人 Elad Gil。
關於主持人與節目
Sarah Guo 是創投公司 Conviction 的創辦人，專注於 AI 原生新創的早期投資。她曾在 Greylock Partners 擔任合夥人，20 多歲就成為該公司史上最年輕的普通合夥人之一。她的投資組合包括 Figma、Harvey（法律 AI）、Mistral AI、Cognition AI（Devin）等明星公司，入選 2025 年 Midas Seed 榜單。
No Priors 是 Sarah Guo 與天使投資人 Elad Gil 共同主持的 Podcast，專門邀請全球頂尖的 AI 工程師、研究者與創辦人，討論 AGI 發展、市場變革與商業模式等核心議題。
2025 年最讓黃仁勳欣慰的進展
黃仁勳開場時表示，2025 年有些進展在他預期之內（如 Scaling Laws），但他對整個產業在「幻覺」（Hallucination）問題上的突破感到驕傲：
「我認為整個產業解決了 AI 最大的質疑——幻覺與產生胡言亂語。今年，從語言、視覺、機器人到自動駕駛，推理與接地（Grounding）能力都有巨大飛躍。」
他特別指出，推理 Token 的生成率正以指數級成長，而且這些 Token 已經開始賺錢——Open Evidence 有 90% 毛利率，Cursor 和 Claude 的利潤也很可觀。
任務 vs 目的：為什麼 AI 不會消滅工作
面對「AI 將取代人類工作」的悲觀敘事，黃仁勳提出一個關鍵框架：任務（Task）vs 目的（Purpose）。
他以放射科醫師為例：
「Jeff Hinton 七年前說，五年內 AI 會完全革新放射學，放射科醫師將不再被需要。他說對了——100% 的放射學應用現在都是 AI 驅動。但有趣的是，放射科醫師的人數反而增加了。」
為什麼？因為放射科醫師的「任務」是看片子，但「目的」是診斷疾病、進行研究。當 AI 接管了看片子的任務，醫師能更深入分析、處理更多病患，醫院生產力提升，反而需要更多醫師。
這個框架適用於各行各業：
- 律師：任務是讀寫合約，目的是解決衝突、保護客戶
- 軟體工程師：任務是寫程式，目的是解決已知問題、發現新問題
- 服務生：任務是點餐送餐，目的是讓顧客有美好體驗
黃仁勳說：「如果你的目的就是寫程式——別人告訴你做什麼你就寫——那你可能會被 AI 取代。但我們的工程師，他們的目標是解決問題。」
AI 正在創造三種新型工廠
黃仁勳強調，AI 與傳統軟體最大的不同是：每次使用都在即時生成。
「Excel 是幾百位工程師寫好、編譯好，然後原封不動發布好幾年。但 AI 每次都在生成全新的內容，就像我們現在的對話，每個字都是第一次產生。」
這意味著 AI 需要持續運作的「AI 工廠」來生成 Token。這催生了三種新型工廠：
- 晶片廠（TSMC、SK Hynix 都在擴建）
- 超級電腦廠（Grace Blackwell 這種全新架構）
- AI 工廠（Token 生產設施）
這三種工廠正在全美各地大規模興建，創造大量建築工人、電工、技師、網路工程師的工作機會。黃仁勳說：「我很高興聽到電工的薪水翻倍，他們現在也像我們一樣出差了。」
開源 AI：不能被忽視的創新引擎
當主持人問到中國在開源 AI 領域的崛起，黃仁勳給出了一個令人意外的答案：
「DeepSeek 大概是過去幾年矽谷研究者讀過最重要的論文。」
他解釋，沒有開源 AI：
- 新創公司會窒息
- 製造業、運輸業、醫療業無法進行 AI 應用
- 高等教育和研究會癱瘓
- 許多百年老企業無法推進數位轉型
黃仁勳直言：「無論你們決定什麼政策，請不要傷害開源創新的飛輪。」
他也反駁了「單一巨型 AI」（GodAI）的敘事：
「GodAI——能完美理解人類語言、基因組語言、分子語言、蛋白質語言、物理語言的超級 AI——根本不存在。而且不會在下週出現，也不會在明年出現。但全世界需要在下週、明年繼續前進。」
AI 泡沫？你問錯問題了
當 Sarah Guo 問到「我們是否處於 AI 泡沫」，黃仁勳的回答展現了他一貫的系統性思維：
「每次有人問 AI 泡沫，大家都直接跳到 OpenAI 的營收。但首先，如果 OpenAI 有兩倍的產能，他們的營收就會翻倍。他們需要產能。」
他列舉了被忽視的 AI 應用領域：
- 自動駕駛：NVIDIA 的 AV 業務接近 100 億美元
- 數位生物學：蛋白質理解與生成
- 金融服務：量化交易正在從「人類 Quants」轉向「大量超級電腦」
- 機器人：即將迎來爆發
黃仁勳用一個簡單的數學說明需求規模：
「全球 GDP 100 兆美元，其中 2% 是研發支出。五年前，全球最大藥廠的研發都在濕實驗室。今天呢？他們在蓋超級電腦。這 2 兆美元的研發支出，正在從舊方法轉向 AI 方法。」
推理系統：讓機器人不再「只會照本宣科」
黃仁勳對 2026 年最興奮的技術突破是推理系統（Reasoning Systems）在實體 AI 上的應用：
「因為推理能力，汽車將能表現得更好。當它們遇到從未見過的情境，可以把它拆解成見過的情境組合，然後建構出導航策略。超出訓練範圍的問題，將被推理系統大幅改善。」
他認為人形機器人不會經歷自駕車那樣 10-15 年的漫長開發期，因為「我們已經學到太多教訓」。
不過他也務實指出，機器人商業化的挑戰：
- 消費者 AI 做到 90% 準確率就讓人驚艷
- 工業和實體 AI 必須做到 99.9999%
- 核心技術能做到 99%，但需要垂直解決方案供應商（如 Caterpillar）把它推到 99.9999%
能源：沒有能源就沒有 AI
黃仁勳毫不避諱地談能源政策：
「如果不是川普總統逆轉了能源政策的敘事，我們就完蛋了。沒有能源就沒有工業成長，沒有工業成長國家就無法更繁榮。」
但他也指出一個有趣的反轉：AI 產業反而成為永續能源最大的推動力。Sarah Guo 補充：
「美國氣候創新最大的驅動力，其實來自 AI 基礎設施的需求。因為人們看到需求，所以創辦大型電池公司、推動太陽能聚光器、為小型模組化反應爐（SMR）爭取許可。」
黃仁勳同意：「如果不是 AI，AI 可能是有史以來永續能源最大的推動力。」
美中關係：需要細膩策略
黃仁勳對 2026 年最樂觀的預期之一是美中關係的改善：
「脫鉤的想法太天真了。你越深入了解，就越發現兩國高度耦合。兩國都應該投資自己的獨立性——當你太依賴某人，關係就會變得太情緒化。但要認識到兩國之間有大量的耦合與依賴。」
他提醒大家用「整個技術堆疊」的視角看待問題：
「中國的網路產業成長，對 Intel、AMD 賣 CPU、Micron 賣 DRAM 來說是一大利多。這是美國科技產業的第二大網路市場。也許對某一層（如 Google）不利，但不要排除每一層。」
黃仁勳的核心訊息
整場對話最精華的一句話，來自主持人引述的一位朋友：
「悲觀者是在派對上聽起來很聰明的人，樂觀者才是推動人類前進的人。」
黃仁勳回應：「太真實了。」
但他也強調平衡：
「說悲觀者講的都不重要，那是過度簡化。說樂觀者都很天真，那也不對。我們需要平衡。當 90% 的訊息都是末日與悲觀，我認為我們在嚇阻人們投資 AI——而這些投資正是讓 AI 更安全、更實用、更有生產力的關鍵。」
他的結論：推進技術是確保安全的最佳方式之一。就像沒有人想開第一個十年發明的車——ABS、車道維持、FSD 都是技術進步帶來的安全提升。
我的觀察
這集 Podcast 最有價值的是黃仁勳展示的系統性思維框架：
- 任務 vs 目的：分析 AI 對工作的影響
- 五層蛋糕：能源 → 晶片 → 基礎設施 → AI 模型 → 應用
- 整體堆疊視角：評估國際關係與產業政策
這些框架讓他能夠避免被單一敘事（如「AI 泡沫」「AI 取代工作」）帶著走，而是回到第一性原理進行分析。
對於關注 AI 產業的人來說，這種思考方式比任何預測都更有價值。