未來金錢將失去意義？AI是否有泡沫？最近，黃仁勛對話馬斯克，給出了他們的想法。

?

在近日的美沙投資論壇上，特斯拉CEO埃隆·馬斯克在與英偉達CEO黃仁勛同臺交流，就AI、機器人和未來經濟進行了對話。
?
期間，馬斯克拋出驚人觀點：隨著生成式AI的持續演進，金錢在未來將逐漸失去意義。
?
這一論斷甚至讓見慣大場面的黃仁勛一時語塞，只能用幽默緩解：“錢真沒用的時候，記得提前通知我。”
?

【圖片來源：搜狐知世】

?

貨幣消亡論背后的AI邏輯

?
馬斯克的預言并非空穴來風。他解釋了自己的思考邏輯：如果AI和機器人技術持續進步，商品和服務的生產成本將大幅降低，最終趨近于零。在這種情況下，獲取物質財富將變得異常容易，貨幣作為價值尺度和交換媒介的功能自然減弱。
?
他進一步闡述，人形機器人將成為人類歷史上最大的產業，甚至會超過手機或任何其他產品。當機器人能夠承擔大部分生產和服務工作，人類的基本需求將很容易得到滿足，經濟活動的本質將發生根本性改變。
?

【圖片來源：搜狐知世】
?
在馬斯克看來，只有通過大規模應用AI和機器人（例如他寄予厚望的Tesla Optimus人形機器人），才能真正消除貧困，實現人人富足。屆時，人類從繁重勞動中解放出來，工作將像種花弄草般的怡然自得。
?
面對馬斯克的遠景預言，黃仁勛則認為，短期內AI不會讓人們變得更空閑，反而會使大家更忙。
?
黃仁勛用放射科醫生的例子來說明這一現象。以前很多人預測放射科醫生是第一批會被AI取代的職業，但真實情況正好相反：現在全球放射科醫生的需求反而增加了。因為AI把圖像分析做得更快、更準，醫生就可以看更多圖像、更多種類的影像，有更多時間和病人溝通，結果服務了更多患者。
?
換言之，生產力提升沒有導致需求減少，反而激發了新的需求。
?

對AI泡沫論的回應

?

在被問及美國是否正陷入“AI泡沫”時，黃仁勛并未直接給出肯定或否定的答案，而是從技術趨勢的角度進行了剖析。
?
他指出要理解當前人工智能熱潮的實質，我們需要回歸第一性原理，洞察計算產業正在經歷的根本性變革。這一變革主要由三大核心要素共同推動：
?
首先，數據洪流的計算范式轉型。全球每年用于處理原始數據的計算支出高達數千億美元，其中大量計算任務仍與傳統架構相關。面對日益龐大的數據規模，傳統CPU架構已難以滿足高效處理需求，這促使整個行業向并行加速計算范式遷移，為人工智能的蓬勃發展奠定了堅實基礎。
?
其次，生成式AI重構互聯網服務模式。過去十五年，互聯網服務主要建立在推薦算法基礎之上。而如今，生成式AI正在系統性地重塑這一格局——從智能對話、內容創作到新一代搜索引擎，這些基于生成式計算的任務對GPU算力提出了遠超以往的需求。為此，互聯網企業正在大規模投入建設專門面向數據處理和生成式AI的GPU計算集群。
?
第三，自主智能體開啟新階段。隨著馬斯克的Grok、OpenAI的高級模型、谷歌Gemini等兼具主動決策能力的智能體相繼涌現，人工智能發展進入了新階段。這些智能體不僅建立在現有技術基礎之上，更通過疊加自主決策能力，進一步擴大了算力需求。這種演進本質上是從CPU到GPU的算力范式轉換的延續與深化，代表著技術發展的必然趨勢。
?
這三大要素相互關聯、層層遞進，共同構成了驅動人工智能產業發展的核心動力，也為我們理解當前技術變革提供了清晰的框架。
?
基于此，當前市場對AI算力的巨大需求并沒有想象中那么夸張，而且這一切都是有充分理由的。也就是說，AI的需求是真實且可持續的。
?

【圖片來源：搜狐知世】
?
值得一提的是，就在當天，英偉達發布了最新財報：季度收入達到570億美元，同比增長62%，并預計下一季度將升至650億美元。
?

【圖片來源：英偉達官方博客】
?
黃仁勛在財報溝通會上明確表示，他沒有看到AI泡沫。他認為各行業對算力和訓練需求仍在快速擴大，與AI泡沫說法并不一致。
?
不過市場反應卻呈現分化態勢。英偉達財報發布后，股價盤初大幅高開一度漲逾5%，但最終高開低走跌超3%。這種走勢反映了投資者對AI高估值的復雜心態。
?

算力產業的基礎設施化趨勢

?
無論是馬斯克的長期愿景還是黃仁勛的短期判斷，都指向同一個方向：算力需求將持續增長。論壇上傳出的一個重磅消息佐證了這一趨勢——xAI將聯手英偉達、沙特國家AI公司Humain，在沙漠中建設一座500兆瓦級的AI數據中心。
?
黃仁勛將這種AI數據中心稱為“AI工廠”，并將其比作新時代的基礎設施。他從技術范式演變的角度解釋了這一現象：過去的計算是“檢索式的”，系統從事先寫好的內容中調取信息；現在的軟件是“生成式的”，根據實時輸入指令生成全新內容。這種根本改變要求必須在全球各地部署AI工廠，實時生成內容。
?
在這個AI技術快速演進的時代，可以確定的是，算力作為數字經濟新基建的地位將愈發穩固。
?
大家怎么看？歡迎討論交流~

?

寫在最后：如果您正在進行AI領域的創業或研究，卻受困于高昂的算力成本或高并發下的推理穩定性等問題，歡迎留言或私信我們，找到您的降本增效突破口~