內容來源：6月11 日，英偉達創始人兼 CEO 黃仁勛法國巴黎 VivaTech 大會，「GTC」 的主題演講。

分享嘉賓：黃仁勛，英偉達創始人兼 CEO。

責編| 金木研排版| 沐言

第 9016篇深度好文：10003字 | 25 分鐘閱讀

宏觀趨勢

筆記君說：

6月11日，英偉達創始人兼 CEO 黃仁勛出現在法國巴黎的 VivaTech 大會，帶來他標志性的 GTC 主題演講。

黃仁勛再次以一場橫跨AI、計算架構、人形機器人與工業未來的長篇演講，宣告“AI驅動的新工業革命已經到來”。

演講中，黃仁勛用一臺價值300萬美元、重達兩噸的GB200串聯起AI工廠、Agent智能體、人形機器人、數字孿生和量子計算等關鍵概念，提出AI不僅是工具，更是新的生產力核心。

相較以往，這場演講更具工程實感與系統性構想，將軟硬件、生態與國家基礎設施整合成一個宏大的產業圖景，不僅展示英偉達技術棧的野心，也揭示未來十年AI社會化部署的路徑。

以下為黃仁勛演講，正文有所刪減。

一、AI 已進入Agent時代

Agent智能體是一個非常重要的事情。

正如你所知，起初，使用預訓練模型時，人們說，“它會產生幻覺。”“它會編造內容。”“它無法獲取最新的新聞和數據信息。”

所有這些事情，你知道的，為什么它要試圖弄清楚如何加法或者計算計數數字并相加？為什么它不直接用計算器？

因此，所有與智能相關的能力——每個人都能提出批評，但這完全正確，因為大家大致了解智能是如何運作的。

但這些技術正在全球范圍內被開發建設：它們全部匯聚在一起，從增強檢索生成到網絡搜索，再到多模態理解，這樣你就可以閱讀PDF文件、訪問網站，查看圖片和文字、聽視頻，觀看視頻，然后將所有這些理解融入你的語境中。

你現在當然也可以理解幾乎任何事物的提示。

你甚至可以說，“我要問你一個問題，但從這張圖片開始。”我可以說：“從這個開始，先從這段文字開始再回答”，回答問題或執行我要求你做的事。”然后它會自行推理、計劃和自我評估。

所有這些能力現在都已整合，你可以看到它們在市場上隨處可見。具代理性的人工智能是真實存在的。自主智能是從一次性人工智能邁出的巨大飛躍。

一次性人工智能是必要的基礎，它讓我們能夠教會智能體如何成為智能體。

你需要具備一定的知識基礎和推理能力，才能具備可教性。

預訓練關乎人工智能的可教性。后訓練、強化學習、監督學習、人類示范、上下文提供、生成式人工智能，所有這些正在融合，形成如今的智能代理人工智能。

讓我們來看一個例子。它基于Perplexity（人工智能搜索引擎）構建。

人工智能代理是數字助理。

基于提示，它們進行推理并將問題分解為多步驟計劃。它們使用合適的工具，與其他代理協作，并利用記憶中的上下文在NVIDIA 加速系統上正確執行任務。

一切從一個簡單的提示開始。讓我們請 Perplexity 幫忙在巴黎開一家餐車。

首先，Perplexity 代理通過提示進行推理并制定計劃，然后調用其他代理使用多種工具幫助解決每個步驟。

市場研究員閱讀評論和報告，以發現趨勢并分析競爭市場。

基于這項研究，概念設計師探索當地食材并提出包含準備時間估算的菜單，并研究調色板，生成品牌識別。然后，財務規劃師使用蒙特卡洛模擬來預測盈利能力和增長軌跡。

一名運營策劃人員制定了包含每個細節的發射時間表：從購買設備到獲取正確的許可。

市場專員制定了包含社交媒體活動的發射計劃，甚至編寫了一個包含地圖的互動網站、菜單和在線訂購。

每個代理的工作匯集成最終的方案提案。

一切都始于一個簡單的提示。一個提示，就像那樣的一個提示，在原始聊天機器人中，可能只會生成幾百個標記。

但現在只需一個提示，交給代理去解決問題，它生成的標記數量必定多出一萬倍。

這就是為什么需要Grace-Blackwell系統 （它將普通計算機轉變為強大的超級計算機）的原因：這就是為什么我們需要性能以及系統在代際之間有更大提升的原因。這就是 Perplexity 構建他們的智能代理的方式。每家公司都必須構建自己的智能代理。

這太棒了，你將會從OpenAI、Gemini（谷歌母公司Alphabet下設立的人工智能實驗室）、微軟 Copilot、Perplexity、Mistral （由前DeepMind和Meta Platforms（META.US）的研究人員組建的致力于構建大型通用人工智能（AGI）模型的初創公司）等平臺招聘代理。也會有為你量身打造的代理。他們可能會幫助你規劃一次假期，或者你知道，去做一些研究，諸如此類。

然而，如果你想創辦一家公司，你將需要專用的代理和專用的工具，以及使用專用的工具和專用的技能。那么問題是，你如何構建這些代理？

因此，我們為你創建了一個平臺。我們創建了一個框架和一套工具供您使用，還有一大批合作伙伴幫助您實現目標。

這一切從最底層開始，最底層：我之前提到的推理模型能力。NVIDIA 的 NeMo、NeMotron推理大型語言模型是世界一流的。

我們有 NeMo Retriever，這是一款多模態搜索引擎。語義搜索引擎。令人難以置信。我們構建了一個藍圖，一個可運行的演示，基本上是一個通用智能體。我們稱之為 IQ，AI，AIQ。

最上層，我們有一套工具，允許你引入一個代理：

一個通用代理，整理數據來教它；

評估它，設定安全邊界，監督訓練它，使用強化學習直到部署；

保持安全，確保保障。

這套工具包已經集成，這些庫也已集成到 AIOps （智能運維）生態系統中。你也可以直接從我們的網站下載。但它主要集成在 AIOps 生態系統中。基于此，你可以創建自己的專屬代理。

現在的問題是，如何部署這個？因為正如我之前提到的，NVIDIA 的計算資源存在于公共云中。有區域云，我們稱之為 NCP。這里，比如說 Mistral。

你可能因為安全需求和數據原因擁有私有云。

那么問題是，你如何運行所有這些？有時它們位于不同的地方，因為這些都是微服務：這些是能夠相互交流的人工智能，它們顯然可以通過網絡相互通信。

那么，如何部署所有這些微服務呢？現在，我們有了一個很棒的系統。

我很高興能為大家宣布這一消息。這就是我們的DGX Lepton。DGX Lepton，你現在看到的是各種不同的云。

這里是Lambda云（由亞馬遜云科技提供的一項無服務器計算服務），AWS 云（是亞馬遜提供的是全球最全面、應用最廣泛的云平臺，從全球數據中心提供超過 200 項功能齊全的服務），你知道的。這是你自己的開發者機器，你自己的系統：可以是一臺 DGX 工作站。NeBS（網絡設備構建系統）、Yotta（一家提供數據基礎設施的公司）、Nscale（英國AI云服務提供商）。可能是 AWS，也可能是GCP（通用計算機程序）。NVIDIA 的架構無處不在。

因此，您可以決定在哪里運行您的模型。

你通過一個超級云來部署它，所以它是一個云中之云。

一旦你讓它運行起來，一旦你將這些NIMs 部署到 Lepton 中，它就會在你選擇的各種云上托管和運行。一種模型架構，一次部署，隨處運行。你甚至可以在這臺小小的機器上運行它。

這是我最喜歡的小機器。

我們在 2016 年建造了一臺人工智能超級計算機。它被稱為 DGX-1。

它是我剛才提到的所有技術的第一個版本。八個 Volta GPU 通過 NVLink（NVLink是英偉達開發并推出的一種總線及其通信協議）互聯。我們花費了數十億美元來建造它，而在我們宣布它的那一天：DGX-1，沒有客戶。沒有興趣，沒有掌聲。

所以我們還是造了它。謝天謝地，是一家年輕的公司，一家初創企業：舊金山的一家非營利初創公司看到這臺電腦時非常高興，他們說：“我們能要一臺嗎？”我當時想：“天哪，我們賣出一臺了。”

但后來我發現那是一家非營利組織。然后我把一臺 DGX-1 放進了我的車里，帶到了舊金山。那家公司的名字叫 OpenAI。

想象一下你擁有Lepton。它就在你的瀏覽器中，你開發了一個人工智能代理，想在這里運行它：其中一部分你想在 AWS 上運行，還有一部分你想在其他地方運行，知道嗎？在某個區域云中。

你使用Lepton，部署你的 Helm Chart，它就神奇地出現在這里。

所以我們正在為 Lepton 做這件事，但接下來：Hugging Face 和 NVIDIA 已經將 Lepton 連接在一起。

因此，每當你在 Hugging Face 上訓練模型時，如果你想將其部署到 Lepton：并直接部署到 Spark，也沒問題。

只需輕輕一擊。無論你是在訓練還是推理，我們現在都已接入Hugging Face，Lepton 將幫助你決定部署位置。

二、AI工業革命與數字孿生

這是梅賽德斯-奔馳及其在 Omniverse （NVIDIA Omniverse是NVIDIA旗下基于NVIDIA RTX和皮克斯Universal Scene Description（USD）的圖形和仿真模擬產品）中構建的工廠數字孿生。

這是舍弗勒及其在 Omniverse 中構建的倉庫數字孿生。

這是你們在法國的火車站：在 Omniverse 中構建他們火車站的數字孿生。

這是豐田在 Omniverse 中構建他們倉庫的數字孿生。

當你在 Omniverse 中構建這些倉庫和工廠時，你可以設計它，你可以規劃它，你可以改變它。

在綠地環境中它很棒，在棕地環境中也很棒。你可以在實際搬動和調整之前模擬其效果，避免發現它并非最優。

因此，在數字孿生中實現一切數字化的能力是令人難以置信的。但問題是，為什么數字孿生必須看起來像照片一樣真實？為什么它必須遵守物理定律？

原因是我們最終希望成為一個數字孿生體，讓機器人能夠學習如何作為機器人操作。而機器人依賴光子來實現其感知系統。這些光子是通過Omniverse 生成的。

機器人需要與物理世界互動，這樣它才能知道自己是否在做正確的事情，并且能夠……

學會如何正確地去做，因此這些數字孿生必須看起來真實，行為也要逼真。明白了嗎？這就是構建 Omniverse 的原因。

這是一個聚變反應堆的數字孿生。這是一件極其復雜的儀器，正如你所知：沒有人工智能，下一代聚變反應堆是不可能實現的。

我們今天宣布，我們將在歐洲這里建設世界上第一個工業人工智能云。我要宣布——是的。

這些工業人工智能云，確實是大量的計算資源……云端有大量的計算機。然而，它在性能和安全性方面的要求根本不同。所以我將在周五向大家詳細介紹。

今天我只是先賣個關子。但這個工業云將用于設計和仿真。虛擬風洞，你只需把車開進去，就能看到它的表現。

開門、開窗、改變設計，所有操作完全實時進行。

正如你所知，我們已經在這里待了很長時間。NVIDIA 已有 33 年歷史。我們第一次來到歐洲，是在工作站和產品數字化興起的時候。

現在正處于數字孿生革命時期，歐洲有大約兩萬億美元的生態系統，我們與之合作……并且有幸為其提供支持。

由此產生的是一場正在發生的新革命。

正如你所知，所有會動的東西都將是機器人。所有會動的東西都將由人工智能驅動。而汽車是最明顯的下一個領域。

英偉達打造用于訓練模型的人工智能超級計算機：用于Omniverse 數字孿生的人工智能超級計算機。我們還為機器人本身打造人工智能超級計算機。

無論是在云端：用于 Omniverse，還是在汽車中，我們都提供完整的技術棧，包括計算機本身，以及運行在這臺計算機上的操作系統。

這臺計算機高速且傳感器豐富，必須具備功能安全性。在任何情況下都絕不能完全失效。因此，安全要求極高。

現在我們有了一個令人難以置信的模型，運行在其之上。這個運行在其之上的模型是一個變換器模型。

它是一個推理模型，能夠接收傳感器輸入：你告訴它你想做什么，它就會帶你去那里。接收像素輸入并生成路徑規劃輸出。所以它是一個基于變換器的生成式人工智能模型。

十億輛汽車上路，平均每年行駛一萬英里，一萬億英里。自動駕駛的未來顯然是巨大的，它將由人工智能驅動和支持。

這是下一個巨大的機遇，我們正在與全球眾多大型且卓越的公司合作，使這一切成為可能。在我們所有與自動駕駛相關的工作中，安全始終是核心。

我們對我們的HALOS系統感到非常自豪。它始于芯片的架構，然后是芯片設計和系統設計，操作系統、人工智能模型以及軟件開發的方法論，我們測試的方式，從訓練模型的方法到為模型提供的數據，再到評估模型的方式。

NVIDIA 的 HALOS 系統以及我們的自動駕駛安全團隊和能力在全球享有盛譽。這臺計算機是第一臺軟件定義的計算機。

全球首個完全 100%軟件定義的、由人工智能驅動的軟件，面向自動駕駛汽車的增強現實人工智能驅動堆棧。我們已經從事這項工作將近十年了，這一能力享譽全球，我對此感到非常自豪。

汽車行業正在發生的變化，同樣也正在一個新興產業中上演。

正如我之前提到的，如果你能根據提示生成視頻，如果人工智能能夠感知，它就能推理，還能生成視頻、文字和圖像，剛才提到的汽車、路徑、方向盤路徑，為什么它不能同時產生局部運動能力和關節活動能力？

因此，人工智能徹底改變機器人領域最難問題之一的基本能力即將到來。

類人機器人將成為現實。我們現在知道如何構建這些東西，訓練這些東西，以及操作這些東西。

人形機器人可能將成為有史以來最大的產業之一，這需要那些懂得制造東西的公司，制造具有非凡能力的東西。這指的是歐洲國家。世界上許多產業都基于這里。我認為這將是一個巨大的機遇。

假設全球有十億臺機器人。擁有十億機器人是一個非常合理的想法。那么，為什么這還沒有發生呢？原因很簡單。

如今的機器人編程太復雜。只有最大的公司才能負擔得起安裝機器人。讓機器人學習，編程使其執行完全正確的操作。保持足夠的包圍以確保安全。這就是為什么世界上最大的汽車公司都配備了機器人。

它們體積足夠大，工作足夠重復。確實，行業已經達到足夠的規模，可以在這些工廠部署機器人。幾乎所有中小型企業都是如此，無論是夫妻店、餐館、商店還是倉庫。

正當我們在討論自主智能時，我們現在擁有能夠通過教學學習的人形智能，使用的工具包與Nemo 工具包。

NVIDIA HERE同樣是建立在三層堆棧之上。我們打造了這臺計算機，名為 Thor 計算機。開發套件看起來大致是這樣的。這是一臺完全自給自足 的機器人電腦。

開發套件放在你的桌面上。這些都是傳感器，內部是一顆小型超級計算機 Thor 芯片。

這就是 Thor 處理器。上面是為機器人設計的操作系統。此外，變換器模型接收傳感器數據和指令并進行轉換，生成飛行路徑或軌跡，以及手臂關節的運動控制，當然還有你的腿部關節運動控制。

現在，人形機器人面臨的最大挑戰是訓練所需的數據量非常、非常難以獲取。

那么問題是你如何做到這一點？解決這個問題的方法是回到Omniverse，一個遵循物理定律的數字孿生世界。

這是我們正在做的一項令人難以置信的工作。我們開發了計算機來模擬，來訓練它們。

全球正在建立大量的人形機器人公司。他們都看到了徹底變革這一新領域的巨大機遇。可以說是一種新設備，進展非常迅速。它們學習的方式是在一個 虛擬世界中學習，而這個虛擬世界必須遵守物理定律。

一場工業革命已經開始。下一波人工智能浪潮已經開始。

Grek 是機器人技術現階段可能實現的完美范例。教機器人操作所需的技術，進行模擬，當然，一個令人難以置信的機器人現在就展現在我們面前。我們有實體機器人，也有信息機器人——我們稱它們為代理。

下一波人工智能已經開始。推理工作負載的爆炸式增長。 它基本上將呈指數增長。 使用推理的人數已經從八百萬增加到八億。 僅僅幾年時間就增長了一百倍。

Token（令牌）生成的提示數量，正如我之前提到的，從幾百個標記到幾千個標記，當然，我們現在比以往任何時候都更多地使用人工智能，比以往任何時候都更多。

所以，我們需要一臺專門為思考設計的計算機，專為推理設計，這就是 Blackwell，一臺思考機器。

這些Blackwells 將被用于新型數據中心，本質上是人工智能工廠，專為一件事而設計，這些人工智能工廠將生成Token，這些Token將成為你的食物。

真正令人難以置信的是，我很高興看到歐洲正在全力投入人工智能。這里建設的人工智能基礎設施將在未來幾年內增加一個數量級。

三、量子計算的拐點與CUDA-Q

量子計算正處于一個轉折點。

1995 年發明了糾錯算法。2023 年，近 30 年后，谷歌展示了世界上第一個邏輯量子比特（“邏輯量子比特”（Logical Qubit）是量子計算領域的核心概念，其設計目的是解決量子比特在實際應用中面臨的噪聲、退相干等問題）。

從那以后，幾年過去了，邏輯量子比特（由大量帶有糾錯的物理量子比特組成）的數量也有所增加。

然后，邏輯量子比特的數量開始增長，就像摩爾定律一樣，我完全可以預期每五年邏輯量子比特數量增加十倍。每十年邏輯量子比特數量增加一百倍。

這些邏輯量子比特將具備更好的錯誤糾正能力：更加穩健，性能更高，更具彈性，當然將繼續具備可擴展性。量子計算正達到一個拐點。

在未來幾年內，或者至少在下一代超級計算機中，每一個都會分配一個量子處理單元（QPU），并且 QPU 會連接到 GPU。

量子處理單元當然會執行量子計算，而 GPU 則用于預處理：用于控制和糾錯，這里計算極其密集，包括后期處理等。

在這兩種架構之間，就像我們加速了CPU 一樣，現在有了 QPU 與 GPU 協同工作，推動下一代計算的發展。

今天我們宣布，我們的整個量子算法堆棧現已在 Grace Blackwell 200 上實現加速。加速效果令人難以置信。

我們以多種方式與計算、通信和量子計算行業合作。

其中一種方式是使用cuQuantum（加速量子計算的軟件開發工具包）來模擬量子比特，或模擬運行在這些量子計算機上的算法。基本上是使用經典計算機來模擬或仿真量子計算機。

在另一個極端，極其重要的是 CUDA-Q：基本上是發明了一種新的 CUDA（CUDA是英偉達公司設計研發一種并行計算平臺和編程模型），將 CUDA 擴展到量子經典領域。

這樣，在量子計算機到來之前，基于 CUDA-Q 開發的應用可以以模擬方式運行，或者在量子計算機到來后以協作方式運行：一種量子經典加速計算方法。

今天我們宣布CUDA-Q 已可用于 Grace Blackwell。

這里的生態系統極為豐富，當然歐洲在科學領域深厚，在超級計算專業知識方面深厚，在這一領域有著深厚的傳承。

在這里看到量子計算的進展并不令人驚訝。在未來幾年，我們將看到一個真正精彩的轉折點。

2012 年，我們與開發者合作，研究一種稱為深度學習的新型算法。它促成了AI的AlexNet（深度卷積神經網絡）大爆炸：2012年。在過去大約 15 年里，人工智能取得了令人難以置信的快速進展。

第一波人工智能是感知，讓計算機識別信息、理解信息。

第二波人工智能，是過去五年左右我們大多數人都在討論的生成式人工智能。它是多模態的，意味著人工智能能夠同時學習圖像和語言。

因此，你可以用語言提示它，它就能生成圖像。人工智能具備多模態能力以及翻譯和生成內容的能力，推動了生成式人工智能的革命。生成式人工智能，即生成內容的能力，對我們的生產力至關重要。

我們正在開啟新一波的人工智能浪潮。在過去的幾年里，我們見證了人工智能能力的巨大進步。從根本上說，智能就是理解、感知、推理和規劃任務：

如何解決問題，然后執行任務。感知、推理、規劃，智能的基本循環。它使我們能夠應用一些先前學到的規則來解決我們從未見過的問題。

這就是為什么聰明人被認為聰明，因為他們能夠將一個復雜的問題一步步拆解，推理如何解決問題，或許還會進行研究：

也許去學習一些新知識，尋求幫助；

使用工具，逐步解決問題。

我剛才描述的這些話，基本上今天通過所謂的代理型人工智能是可能實現的。我馬上會給你展示更多內容。

現在，生成能力正在生成運動，不是生成視頻，也不是生成圖像或生成文本；這項人工智能生成了運動能力，即行走能力或者伸手抓取某物，使用工具。

讓人工智能具備實體形態的能力，基本上就是機器人技術。這些能力，是實現智能體的基礎技術。它們基本上是信息機器人和具身人工智能：物理機器人，這兩項基本能力現在已經到來。

人工智能的時代真是令人非常興奮。但這一切，都是從GeForce開始的。而 GeForce 帶來了計算機圖形技術。這是我們曾經開發的第一個加速計算應用。

計算機圖形技術的發展令人難以置信。GeForce 將 CUDA 推向世界，使火星機器學習研究人員和人工智能研究人員能夠推動深度學習的發展。

隨后，深度學習徹底改變了計算機圖形技術，使我們能夠將計算機圖形提升到一個全新的高度。

這是全新的 GeForce。重達兩噸，甚至兩噸半。由 120 萬個零件組成。大約 300 萬美元。在 150 家工廠制造。200家技術合作伙伴與我們共同努力實現這一目標。

可能是大約 400 億美元的研發預算，現在正在向 GB300 邁進。它已經完全投入生產。

這臺機器被設計成一臺思考機器。所謂思考機器，是指它能夠進行推理。它有計劃。它花很多時間自言自語，就像你一樣。

我們大部分時間都在為自己的思維生成文字，在我們表達之前，為自己的思維生成圖像。因此，思考機器實際上就是 Grace Blackwell 設計的架構目標。它被設計成一個巨大的 GPU。

我之所以這樣比喻，是有充分理由的。GeForce 是一塊 GPU，GB200 也是，它是一個巨大的虛擬 GPU。

摩爾定律，半導體物理每三到五年只能帶來大約兩倍的性能提升。而我們需要的是 30 到 40 倍的性能提升，因為推理模型在自言自語。我們如何能在一代產品中實現 30 到 40 倍的性能提升？

它不再是一次性完成的 ChatGPT，而是一個推理模型。

當你自我思考時，它會生成更多的標記。你正在一步步地分解問題。你在推理，嘗試各種不同的路徑。也許是思維鏈，也許是思維樹。它正在反思自己的答案。

看到這些研究模型，反思答案時會說“這是個好答案嗎？你能做得更好嗎？”然后他們“哦，是的，我能做得更好。”

然后回去再多想想。因此，那些思考模型、推理模型達到了驚人的性能，但這需要更多的計算能力。

我們現在確鑿無疑地知道，人工智能是一種可能帶來革命性變革的軟件：改變每一個行業。

它能做到這些驚人的事情。這是我們所知道的。我們也知道，處理人工智能的方式與我們過去處理手寫軟件的方式根本不同。

機器學習軟件的開發方式不同，運行方式也不同。系統的架構，軟件的架構：完全不同。網絡的工作方式，完全不同。訪問存儲的方式，完全不同。

所以我們知道這項技術可以做不同的事情：令人難以置信的事情，它是智能的。我們也知道它的開發方式根本不同：它需要新的計算機。

真正有趣的是，這對各國意味著什么？對企業、對社會又意味著什么？這是我們近十年前就注意到的一個現象，而現在每個人都開始意識到這一點了：

事實上，這些人工智能數據中心根本就不是數據中心。它們不是傳統意義上的數據中心，用來存儲你可以檢索的文件。

這些數據中心并不存儲我們的文件。它只有一個任務，且僅此一個任務：那就是生成智能標記，即人工智能的生成。

這些人工智能工廠，看起來像數據中心，因為里面有大量計算機。

沒有人真正把他們的數據中心當作一個創收設施來考慮。我說了一句話，大家都說，“是的，我覺得你說得對。”沒人會把數據中心當作一個創收設施來考慮。

但他們把自己的工廠，汽車工廠，看作是創收設施：他們迫不及待地想建另一座工廠，因為每當你建一座工廠，收入很快就會增長。你可以為更多人創造更多東西。

這些人工智能工廠是創收設施，旨在制造Token。這些 Token可以被重新構造成多種行業的生產性智能，因此人工智能工廠現在已成為一個國家基礎設施的一部分。

這就是為什么你看到我奔走于世界各地，與各國元首會談的原因：因為他們都希望擁有人工智能工廠。他們都希望人工智能成為他們基礎設施的一部分。他們希望人工智能成為他們的一個增長型制造業。

這確實意義深遠，我認為我們正在討論的是：因此，催生了一場新的工業革命，因為每一個行業都受到了影響，同時也誕生了一個新興產業。

正如電力最初被描述和展示為一項技術時，后來發展成為一個新興產業一樣：它被理解為一項技術，但后來我們意識到它也是一個龐大的產業。然后是信息產業，我們現在稱之為互聯網。

這兩者都影響了許多行業，成為基礎設施的一部分。我們現在有了一個新的產業——人工智能產業：它現在成為了被稱為智能基礎設施的新基礎設施的一部分。每個國家、每個社會、每家公司都將依賴它。

*文章為作者獨立觀點，不代表筆記俠立場。

2025年7月13日-20日，由筆記俠發起的GBE（全球商業探索之旅）美國站“創新英雄之旅”，將圍繞“AI和出海”這兩大課題，以“科技創新英雄”和“出海創新英雄”為主題，給中國企業的AI和全球化經營帶來借鑒思考。

本次8天7晚的游學，筆記俠創始人&第五代企業家組織發起人柯洲帶隊。

本次游學期間，我們將帶領中國各個領域的優秀企業家、創業者走進英偉達總部，與英偉達的核心高管進行學習交流智能商業時代的技術革命和商業革命，學習AI生產力。

鏈接全球先進思想，拓展中國商業邊界。

現在，筆記俠也想邀請你，與我們同行。

如果，你對探索全球商業真相和本質的一線游學感興趣，歡迎你加入我們，在全球商業背景下審視和探討中國商業發展。

具體咨詢報名可掃下方海報二維碼，添加主理人詳細溝通。

(本次游學出發在即，為節省您的寶貴時間，建議有美國簽證或至少去過一次歐洲、北美等發達國家再作垂詢。)