从公开访谈，找到具体表达与出处。
54 场访谈
这场访谈中，黄仁勋把 AI 算力需求的增长归因于两股力量：推理、规划和反复探索增加单项任务的计算量，能力改善又让智能体承担更多任务。他认为模型之外的记忆、知识接入和工具使用，使智能体从编程走向设计等专业工作；物理 AI 则从感知延伸到机器人、制造、医疗和汽车。他同时强调，部署自主系统必须把功能与安全一同建设，先以零信任、最小权限和严格边界控制访问，再经测试逐步开放，并配备可干预的带外监控。谈及商业化，他把英伟达的需求描述为传统计算、多个前沿实验室及广泛新企业的组合，反对只用少数实验室的收入解释全部基础设施投入。需求和订单充足是他的判断，但土地、电力、机房、专业施工、封装基板及硅光子会制约实际投运；他认为跨地区、跨客户和跨负载的覆盖可以缓冲局部延误。软件许可与部分云伙伴的收入分成是他提出的新增业务方向。访谈中的收入份额、物理 AI 规模和资本开支数字多为其口头陈述或估算，不能直接视作已核实业绩或建设承诺。
本场访谈从奥特曼使用 Dot 的个人体验谈起：它在他的邮件、待办和团队协作中代劳，但这一案例不能说明所有用户都有相同效果。他把严格保护隐私视为此类助手运作的前提，希望自动化减少琐事，同时保留亲自发短信等人际联系。围绕更强模型的发布，他提出安全事故乃至失控、能力集中于少数主体这两端风险；他认为原本准备发布的 Astra 6.1 事故风险偏高，因此转向需要更多时间、但仍打算广泛提供且能更有把握判断对齐的版本。他支持创新和开源，主张容忍可由常规机制处理的问题，同时为可能难以挽回的严重风险设置护栏，并提出训练阶段的安全关注、发布前标准、责任框架和透明的事件报告；可接受的风险边界应由社会协商。他认为新的超级智能协议虽缺少强制力，仍可能有社会和公司间约束，但以后还需更多措施。对中美会晤的实质内容以及被问及的员工预警报道，他分别表示未参与实质会谈、不了解具体报道，不能将这些回应当作对相关事实的证实。
在这场对谈中，黄仁勋把 AI 视为一次触及计算底层架构的转变：计算机从主要依靠人编写程序、存储和检索信息，走向从信息与经验中学习并生成有价值的产出；他以“AI 工厂”解释这种转变与产业规模扩张的关系。他认为韩国兼有接受技术的社会氛围和工业承接能力，因而有机会同时创造、使用并输出 AI；AI 与自动化能否帮助其突破人口规模限制，仍以社会积极采用技术为条件。谈到智能体，他反对把算法行为拟人化，强调对齐既要规定结果也要规定实现方式，并主张以严密隔离、按任务和能力逐步授予权限、持续监控执行路径来支持安全部署。他同时倡导负责任的乐观：保留专业教育，鼓励孩子使用 AI 扩展能力，在追求技术收益时承担建设责任。
这场访谈从特斯拉的生存经历谈到星舰、AI、芯片制造、Optimus 和 Robotaxi。马斯克回顾称，2008 年融资在最后可行时刻完成；2018 年 Model 3 总装遇到瓶颈，团队用停车场临时产线和坡度移动整车，三周内把产量提高了 30%，低于当时所需的 50% 增幅。谈及星舰，他把安全离轨置于入轨之前：本次发动机失效被他初步判断为发动机计算机软件问题，隔热盾表现则被他评价为稳健；他区分完整回收、部件复飞与快速可靠复用三个阶段。谈及 AI，他认为编程数据、人才、算力和企业销售能力重要，也高度评价有人参与素材筛选的 AI 音乐视频；对超级智能的最可能结果持乐观态度，同时主张追求真实、避免矛盾反馈和恶意对待。芯片方面，他承认尚不懂制造细节，计划从常规设备出发，围绕瓶颈改造设备，并通过集中制造、封装、掩模与测试加快实验迭代。Optimus 的难点被他具体归于手部精细操作与施力、触觉传感器寿命、外皮传力和视觉触觉闭环，规模化还受供应链制约。Robotaxi 的跨城扩展则以安全核查为约束，尤其关注低能见度小目标、铁路道口和易误解路口，可先用地理围栏避开未解决场景。以上经营、技术和安全判断均为他的访谈陈述；单次表现、目标或类比不等于已完成后续验证。
马克斯从1978年接触高收益债、1988年开展困境债业务的经历，谈到另类投资类别的接续发展，以及橡树创立时对持续服务客户的重视。他把Brookfield投入自有资本、长期经营资产的所有者心态，与橡树先控制下行的理念联系起来：冷门资产只有在判断正确且价格足够有吸引力时才可能成为机会；过早行动也要承受时间错配。2008年危机中的困境债投资，是他在缺少先例、无法可靠预测极端结局时作出决策的回顾，并非可直接照搬的规则。对贷款投资，他强调偿付与排除潜在损失；即使是追求较高回报的业务，也应先问清失败情景。谈到访谈时市场，他认为AI很可能带来重大生活变化，但参与相关投资须自行权衡收益与安全；他认为利率上升反映基本面，当前利率相对2009年后的低点较高、相对长期历史仍接近正常，同时主张配置对利率变化反应不同的资产。他将当时通胀更多归因于地缘政治，并认为市场情绪由乐观转向悲观，使访谈时的买入环境好于两个月前；这些都是其当时判断，不构成对具体资产的保证。
在这场访谈中，霍华德·马克斯把当时收益率上升的可能原因归于持续高于美联储 2% 目标的通胀、美国债务和赤字引发的担忧，以及包括 AI 债券融资在内的强劲资本需求。他强调，这些只是候选解释，市场行为无法被精确归因。相比衰退或疫情期间的救助，他特别担忧繁荣和低失业时期仍维持约 2 万亿美元赤字；但对财政后果，他认为急性国债拍卖失败不太可能，投资者逐步要求更高长期收益率相对更可能，最终结果仍未知。他还指出，当时约 5.3% 的 30 年期国债收益率从较长历史看并不高，近年的极低利率才是异常；宏观环境也无法对应一个可精确判定的合理利率。对于财政担忧，美元资产的货币风险不能直接等同于美国企业本身的问题；市场对风险的关注何时转变同样难以预测。
黄仁勋在这场访谈中把 AI 从实验室走向实用产品视为产业转折：他称需求、企业采用和 token 盈利能力正在增强，但强调技术既能造福社会，也可能被滥用，行业必须承担安全开发责任。他反对以十年内人类终结的叙事制造恐惧，同时承认安全关切合理，主张模型公司将更多人员与算力用于验证、测试和事故防范，并先用现有法律处理实际产品事故，再判断是否存在监管缺口。谈到中美竞争，他支持先进技术优先供给美国企业、美国尽快发展，但要求产品准备就绪且安全；他也反对全面禁止美国产品进入中国市场，赞成在国家安全边界内交流 AI 产品最佳实践。对于数据中心，他主张建设方及早与社区沟通、承担发电与电网投入，并改善选址、外观及地方收益安排；关于循环冷却、用水和电价的效果是他的判断，仍需针对具体项目核验。他以能调用工具处理信息工作的 AI 应用解释“AI 工厂”的需求，并把建设浪潮与美国再工业化及技能岗位机会相联系。
在这场访谈中，Dario Amodei 认为 AI 的潜在收益大于风险，但风险会随构建方式而显著变化。他以正在进行的蛋白质结合和生物学研究说明医疗潜力，同时担忧模型越权行动及生物武器滥用。面对他所判断的能力加速，主张适度放慢研发节奏，而非停止开发或发布；每代模型应接受适当测试，并由能够观察训练与运行过程的第三方核验安全实践。他希望企业共同制定发布标准、让政府参与，并以停用或限制能力等多层防护降低单项措施失效的风险。地缘政治在他看来限制了减速空间：他提出在领先余量内争取时间，同时由中美政府先讨论生物武器相关的 AI 用途限制，重视协议的可核验性；整体限制 AI 进步速度则更难达成。他也主张公众、选民和民选官员参与部署决定。上述治理安排多为其提议和判断，访谈没有证明其效果或已经形成协议。
这场访谈以 OpenAI 延后一次前沿强化学习训练为起点。奥特曼称，团队观察到多项对齐偏差，叠加能力快速提升，因此把部分算力转向安全、对齐和监控，要求为这类训练建立更充分的安全依据；调整并不覆盖全部训练，也不意味着新模型已实施类似 Hugging Face 事件的攻击。他将该旧模型事件视为安全与对齐事故，主张安全优先于商业势头和竞速，同时避免把当前风险渲染成已到灾难临界点。在他看来，对齐既涉及可靠理解用户意图，也涉及保留人类控制并广泛分配 AI 能力。业务上，他称企业收入已超过消费者收入，现有模型及已具安全信心的版本仍有产品空间；公司将研发重心转向通用智能和统一的 AI 服务，并希望通过技术降本与供应链提速扩大算力供给。他对自身算力计划有信心，却担心全球出现缺少买方或收入支撑的扩张，并警告成本下降可能使高价销售假设失效。访谈还涉及岗位转型、监管、隐私、机器人和新设备；其中多项经营、技术及产品判断是他的自述或愿景，仍待独立验证。
阅读本场访谈的观点与来源。
在 经济学人 的长访谈中，马斯克阐述了对 AI 与机器人主导未来的判断：他预测约五年内 AI 将超越人类智能总和，十年后进入"极度富足"时代、金钱与税收变得无关紧要，工作将成为可选项。他主张前沿 AI 公司应每隔一两周开安全电话、在发布新前沿模型前给竞争对手一两周私测窗口，只有当公司拒绝处理危险时政府才介入。他认为中国在电力和机器人上占优、接近突破光刻瓶颈，一旦获得算力很可能成为 AI 领导者；当前算力约束主要在电力与散热而非芯片。他还谈及软件工程 AI 将达"Stockfish 级"、人形机器人 作为物理 AI 的末端执行器、以及公司长期治理、Starlink、DOGE 与欧洲政治等话题。
这场访谈从霍华德·马克斯重估 AI 潜力谈起。他看重 AI 结合用户背景组织信息、说明自身优缺点和自主完成任务的能力，也担忧自主性可能带来接管风险，并认为其未来形态异常难以预测。谈到投资，他判断 AI 会揭示一部分从业者被高估的能力，但不确定 AI 能否形成正确的非共识洞察；识别不值得合作的人、判断没有历史样本的事件，可能仍需要有经验的投资者，前提是 AI 无法复制这些判断。他强调第二层思维须同时做到不同于共识并且正确，投资时也不能把有胜算误当成百分之百确定。回顾雷曼破产后的困境债投资，他说团队虽不确信未来，却在金融体系不崩溃的条件下看到债务价格的缓冲，并已在危机前募集资金；危机中很难临时募资，机会减少时也应相应缩小基金。访谈后半段，他以与 Bruce Karsh 的长期合作说明共同价值观、能力互补和相互尊重的重要性；谈及养育与职业选择时，他主张在不会造成伤害的边界内让孩子自主决定，个人则应有意识地寻找适合自身长处的方向，同时承认自己的职业机遇有运气成分。他还回忆与巴菲特的交往，谈芒格对巴菲特投资方法的影响，并以周期心理和短期随机性提醒人们审慎评价投资业绩。
黄仁勋在 Axios 访谈中系统阐述了他对开源与闭源 AI 模型共存、中美 AI 竞争、AI 就业影响、AI 基础设施资本开支周期以及机器人和智能体未来的观点。他反对以中国模型有后门为由的封锁，认为开源模型对科学、网络安全和国家安全是基础性的；强调 AI 不会毁灭就业反而净增岗位；认为半导体行业未来十年需扩大 5 到 10 倍，当前处于人类史上最大工业基础设施建设的开端，泡沫短期内不会到来。他还认为中美 AI 之争不是有终点的赛跑，胜负取决于谁更快应用技术而非谁发明技术。
黄仁勋以英伟达早期技术路线纠错为例，强调直面现实、快速学习和坚持独特判断；在他看来，公司的核心不是单颗芯片，而是围绕算法域建设加速计算系统。对于当前 AI，他把智能体视为新软件，认为系统思维、精细可控的人机协作和开放生态将成为关键。
霍华德·马克斯以市场从乐观略向悲观的变化说明投资者会选择性吸收消息：关税反复、First Brands 与 Tricolor 破产引发的私人信贷疑虑、AI 编程对软件企业及其债务的潜在冲击，以及伊朗冲突可能带来的能源影响，共同加重了负面情绪；其中欺诈、软件业受损及冲突后果都没有被他当作既定结果。他认为，访谈当时标普 500 市盈率虽从约 23 倍降至约 22 倍，仍高于其引用的 16 至 17 倍历史均值；买入应判断价格是否便宜，而非等待无法实时确认的底部。他回顾橡树在 2008 年持续买入最优先债务，是在低买价、事前募资和既有组合谨慎的条件下行动。谈到长期方法，他反对把成长与价值截然分开，强调资产质量须与买价一同评估；卖出应重新审视今天是否愿意持有，也应容纳价格公允的持有区间。避免违约适合信贷的收益结构，股票和风险投资还需要找到赢家，具体路线应与自身能力和志向匹配。
阅读本场访谈的观点与来源。
黄仁勋把英伟达的壁垒归结为可编程加速计算、全栈协同设计、CUDA 生态和大规模供应链组织能力。他认为 AI 不会简单商品化软件，反而会借助大量智能体扩大软件工具的使用；固定功能加速器难以跟上算法变化，而英伟达的安装基础、跨云可用性和工程优化能力会继续支撑其竞争力。
在这场围绕 Anthropic 与美国国防部门合作的采访中，Amodei 称公司已将模型部署于涉密云，并用于情报和军方场景；他主张继续支持国家安全，但坚持国内大规模监控和完全自主武器两项使用红线。他认为，政府购买个人数据并用 AI 批量分析可能落在现有法律约束之外；现阶段模型的可靠性及人类监督也不足以支持无人参与的开火决定，但他并非永久反对完全自主武器，愿先在沙盒中研究。他称现有部署据其所知尚未触及这些例外，谈判文本却未实质落实限制。对于政府宣布的供应链风险措施，他认为其具有惩罚性，同时强调采访时仅见公开帖文、尚未收到正式认定；若最终无法达成协议，公司愿在替代供应商接手期间尽力维持服务。
本场访谈围绕模型能力进展、经济落地与治理风险展开。Amodei 认为，过去三年的能力提升大体符合他的指数增长预期；预训练仍带来收益，强化学习在多种任务中也呈现规模化进展。他坚持“大块算力假说”，强调算力、数据数量与分布、训练时长、可扩展目标函数及数值稳定性，并期待更广的强化学习任务分布带来泛化。但他承认模型与人类的样本效率不同，对难以验证任务能否充分泛化仍保留疑虑。 在应用层面，他区分模型写出代码、端到端完成工程任务和软件工程师需求下降：这些阶段不能互相替代。可靠的电脑操作、长上下文质量及可能的持续学习影响任务覆盖；法务、安全、预算和组织改造又会使大型企业采用落后于能力进步。医疗从提出治疗方案到临床验证、审批和普遍受益，同样存在现实流程时滞。 在商业层面，他认为收入增长与算力建设都很快，但长期采购必须承受收入晚于预期的风险；单个模型盈利也不等于持续训练下一代模型的公司已经盈利。他预计 API 与其他收费方式并存，并倾向于前沿模型由少数企业竞争。在公共议题上，他关注高速增长的地域差距，主张先提高 AI 风险透明度，再依据证据制定针对性安全规则，同时讨论健康收益分配、政治自由，以及以原则和多方反馈改进模型行为。
马斯克在 德瓦凯什 播客中系统阐述了他对 AI 算力扩张的核心判断：地面电力增长趋于平缓而芯片产能指数级增长，形成硬性瓶颈。他预测 36 个月（很可能 30 个月）内太空将成为部署 AI 最具经济效益的地方，因为太空太阳能效率约为地面 5 倍且无需电池，实为 10 倍成本优势。他指出今年年底芯片产能将超过通电能力，短期瓶颈是电力、三到四年瓶颈是芯片（尤其内存 DDR）。他还阐述了 Optimus 机器人的三大难点（真实世界智能、手、规模化制造）、TeraFab 芯片工厂计划、Starship 从碳纤维改用不锈钢的决策逻辑，以及中国在制造与电力（今年将达美国 3 倍）上的压倒性优势——认为美国若无 AI 与机器人突破将被完全超越。他强调 xAI 会因擅长硬件、能最快扩张算力而领先，并把'限制因素'作为其管理与战略的统一方法论。
