NVIDIA CEO Jensen Huang: What Quality Will Help You Succeed in the Age of AI?

哈萨克斯坦提出的问题具有很强的国家战略色彩：能源是否会成为智能时代的底层资源，是否需要自己的基础模型，资源型工业如何进入 Physical AI，教育如何避免把 AI 变成“代做工具”，本土公司凭什么获得全球资本，以及 Agent 的安全边界应该放在哪里。黄仁勋没有给出一套可直接照搬的产业政策，而是反复强调三条因果链：

1. AI 是一种需要实时生产的新工业。 模型不是一次制造、永久消费的成品；每一次推理都在消耗计算与电力，因此需要“AI 工厂”。能源、数据、计算系统和应用需求必须形成闭环。

2. 主权 AI 的核心不是重复制造所有基础技术，而是保留对本国数据和智能服务的控制。 可以使用开放权重模型并接受外部能力补充，但不能把国家级“智能电网”完全交给境外服务商。

3. AI 对人的作用取决于人的目标。 对有抱负的人，AI 是扩张能力边界的杠杆；对只想减少投入的人，AI 同样可以帮助其少做事。技术不会自动解决动机、方向和责任问题。

主持人先介绍哈萨克斯坦正在建设能源、通信和 AI 数据中心基础设施，并以 NVIDIA 常用的“五层蛋糕”框架追问：如果智能生产依赖能源，那么能源受限的国家是否也会在智能上受限？

黄仁勋的回答分为两层。第一层，AI 是通用技术，会改造每个行业；第二层，AI 自身也是一个独立产业，因为智能需要在使用时实时生成。这意味着数据中心不只是传统意义上的 IT 基础设施，而是把电力、数据和计算转化为 token、模型能力和决策服务的工厂。

在这个框架下，哈萨克斯坦的能源禀赋不再只对应原料出口。更高价值的路径，是在本地把能源与本国数据、NVIDIA 计算系统结合，生产可服务本国企业和公共部门的智能，再向周边市场输出计算和 AI 服务。这个判断的关键不在“有能源就必然有 AI”，而在于四项条件是否同时成立：稳定且可扩张的电力、足够规模的算力、本地可用的数据，以及愿意购买和使用智能服务的产业需求。缺少最后一项，AI 工厂就只是重资产机房。

外部资料显示，这一构想已进入基础设施承诺阶段。NVIDIA 官方披露，Firebird 已取得 45,000 颗 Grace Blackwell GPU 的出口许可；在哈萨克斯坦规划的第二阶段完成后，总潜在容量约 500MW，首期目标在 2027 年第三季度商业运行。这能证明算力规划的量级，但不能证明需求、利用率或回报已经成立。现阶段更准确的说法是：哈萨克斯坦正在为区域 AI 计算中心建立供给条件，商业闭环仍需后续验证。

主持人提出一个实际选择：哈萨克斯坦已经基于开放权重模型构建本地语言模型，掌握 tokenizer、训练和微调能力；什么时候应该从零训练自己的基础模型？

黄仁勋把这个问题上升到国家安全层面。他的逻辑是：一个国家的数据包含语言、文化、历史、价值观和公共服务经验，具有与能源、矿产相似的主权属性。国家可以引入外部模型和服务，但如果所有智能能力都由境外基础设施提供，就相当于把未来覆盖社会各部门的“智能电网”交由外部控制。

但他并没有主张每个国家都从零训练最前沿基础模型。相反，他区分了“底层发明”与“本地适配”：底层技术发明难度很高，而基于开放模型做语言、文化和行业适配，虽然也不容易，但对于拥有工程、数学和科学人才的国家更可行。由此可以得到一个更克制的主权 AI 路径：

• 保留本地数据的治理权和敏感场景的本地部署能力；
• 掌握 tokenizer、持续训练、微调、评测与服务部署等关键工程能力；
• 用开放模型降低重复研发成本；
• 只在现有模型无法覆盖本地语言、政策、安全或产业需求时，考虑更深层的基础模型投入；
• 对外部云和商业模型采用“补充而非完全依赖”的组合。

因此，“有没有自己的大模型”不是唯一判断标准。更重要的是，本国是否能持续把数据变成可控、可评测、可运行的智能服务，并在模型更换时保持迁移能力。

在 Physical AI 部分，主持人把哈萨克斯坦的重工业、矿业、农业、交通和物流场景作为潜在优势，询问国家如何成为机器人模型训练中心。

黄仁勋首先扩大了 Physical AI 的定义。它不只包括人形机器人或工业机械臂，还包括地震与地质理解、矿井和油井测绘、选址与开采优化、材料科学、化学处理，以及从矿物提取到新材料转化的完整链条。也就是说，Physical AI 是对物理世界进行感知、预测、决策和行动的系统集合。

这个定义对哈萨克斯坦很重要。一个国家不一定在通用软件上拥有先发优势，但如果它拥有矿山、能源设施、农田、物流网络和愿意开放的产业客户，就具备训练、测试和部署 Physical AI 的稀缺环境。真正的竞争资产包括真实工况数据、仿真与数字孪生能力、设备接口、安全规范、现场工程师以及持续迭代的部署条件。

黄仁勋认为行业仍处于早期，意味着新进入者有机会参与标准和产品形态的形成。但“有场景”并不自动等于“能成为中心”。若缺少数据权属机制、设备接入标准、事故责任界定和采购方，项目容易停留在展示型机器人。哈萨克斯坦需要证明的不只是能训练模型，而是能让模型在高风险工业环境中长期、可靠、可审计地运行。

谈到就业时，黄仁勋没有预测哪些职业会消失，而是把问题转化为：个人是否有扩张目标。农民有目标，机器人可以帮助扩大经营；科学家有目标，AI 助手可以扩大探索空间；工程师有目标，AI 可以帮助测试更多设计。反过来，如果目标只是减少投入，AI 也会帮助人少做事。

这个回答的价值在于，它把“AI 会不会替代我”改写成“我准备把新增能力用于什么”。但它也有明显边界：个人抱负不能替代组织提供工具、岗位重构、培训和转岗机会，更不能消除行业调整中的分配问题。对于组织管理者，更可操作的版本是：

1. 先定义团队希望扩大什么产出，而不是只定义要使用什么 AI 工具；

2. 把新增能力与实际职责、资源和决策权绑定；

3. 评估员工能否把 AI 输出转化为可验收结果；

4. 同时处理不会自然受益的人群，包括技能迁移和岗位再设计。

在教育部分，黄仁勋沿用同一逻辑：孩子想学得更多，AI 能加速学习；孩子只想少做，AI 也能代做。父母、学校、企业和国家领导者的责任，是建立愿景、好奇心和追求，而不是只限制工具。这里的风险是把所有差异归因于个人意愿。更完整的教育设计仍需要任务真实性、过程评价、口头答辩和作品验证，确保学生不只是提交 AI 生成物，而是形成理解和判断。

主持人以本土生成式视频公司 Higgsfield AI 为例，宣布 NVIDIA 已投资该公司，并追问其他创业者应以什么为“北极星”。黄仁勋的回答很直接：投资的首先和最终都是人，而不是公司名称。

他给出的判断依据包括：创始人对技术方向有清晰愿景；所做问题难度高；竞争对手来自全球并且资金充足；团队拥有深科技工程能力；公司能同时连接哈萨克斯坦和美国的人才、文化与市场；产品从短视频生成进展到更长、时间与物理一致性更强的视频。

这并不等于“年轻团队 + 海外办公室”就能获得投资。可复用的判断标准是：团队是否选择了一个足够重要且困难的问题，是否在全球竞争中形成可验证的技术进展，是否能持续吸引高密度人才，以及是否具备跨市场扩张能力。会谈中的“平均年龄 25 岁”“约 600 人”等为现场口述数据，应视为活动时点信息，不宜脱离时间继续引用。

主持人询问 NVIDIA 是否会在硬件层阻止模型被攻击或越狱。黄仁勋没有把安全简化为一颗“防越狱芯片”，而是强调安全需要从系统设计起点进入研发和部署。他以 OpenShell 为例说明：自主 Agent 像运行在计算机里的自动驾驶系统，能够读文件、调用工具、执行任务；因此必须限制它能访问什么、拥有何种权限，并持续监控。

NVIDIA 官方资料进一步明确了 OpenShell 的定位：它是运行在 Agent 外部的开放安全运行时，默认拒绝访问，再通过策略授予必要权限；每次允许与拒绝都可审计。它结合独立沙箱、策略验证、网关和外部 supervisor，在文件、网络、凭据和推理路由层执行控制。

这部分最值得组织采用的不是具体产品，而是设计原则：行为提示不能等同于安全控制。 Agent 可以被诱导、误解目标或在长任务中偏离，因此权限必须由其无法自行修改的外部基础设施执行。对企业而言，最低要求包括最小权限、按任务授权、凭据不进入 Agent 上下文、网络出口控制、完整审计和可中止机制。

最后一个问题是：如果今天 18 岁、生活在哈萨克斯坦，未来五年应该学什么？黄仁勋把当下与个人电脑刚兴起时类比，认为 AI 带来一次新的技术重置。年轻人应该努力成为最好的“AI programmer”——这里不只是写传统代码，而是理解如何与 AI 互动、分解任务、约束行为、检查结果并把它接入实际工作。

他明确反对“技术技能和社会科学二选一”。最好的 AI 使用者应理解机器如何工作，包括基本原理、优势、弱点、发展方向和能力边界；同时也需要领域知识与人际理解，才能知道问题是否值得解决、结果是否可信以及如何进入现实组织。可操作的学习组合是：

• 计算与模型基础（理解训练、推理、上下文、工具调用和常见失效）；
• 一门可验证的专业领域（能判断输出质量，而不是只会提示）；
• 工作流设计与自动化（把单次回答变成稳定流程）；
• 证据核验与安全意识（知道何时不能信、不能授权、不能自动执行）；
• 清晰表达与协作（把目标、约束和验收标准说清楚）。

这场对话可以压缩为一套五层实施逻辑：

最终，哈萨克斯坦的路径是否成立，不取决于它是否讲出了“五层蛋糕”或“AI 国家”的愿景，而取决于这些层能否连接成闭环：能源和算力有真实需求，数据能够被合法转化，产业愿意部署，人才可以持续迭代，安全机制足以支撑高风险场景。黄仁勋强调的 ambition 可以解释为什么有些主体会主动扩大边界，但真正决定国家级结果的，仍是基础设施、制度、产业客户和人才机制能否共同运转。

• 已核实： 会谈于 2026-10-23 在阿斯塔纳 alem.ai 举行；Jensen Huang 与 Zhaslan Madiyev 的身份；Physical AI、主权 AI、教育与算力为官方活动议题；Firebird 获得 45,000 颗 Grace Blackwell GPU 许可，后续规划总潜在容量约 500MW；HackAlem AI 以 2,415 名参与者获得吉尼斯纪录；Astana AI Film Festival 有 8,067 份申请、125 个国家参与、总奖金与投资基金 200 万美元。
• 主持人陈述、未独立完全核实： 2035 年全国装机容量超过 40GW、全球 AI 总可服务市场超过 50 万亿美元、Higgsfield 团队人数及平均年龄等。
• 分析判断： “四项条件闭环”“主权 AI 的克制路径”“Physical AI 的真实工况优势”和五层实施逻辑均为基于访谈与公开资料的归纳，不是嘉宾逐字结论。