原文摘要
黃仁勳認為，下一波 AI 浪潮需要我們了解物理定律、摩擦力、慣性、因果關係等物理世界的邏輯常理，這將是「實體 AI」所具備的推理能力。
进一步信息揣测
- 物理科学将成为AI领域的新风口：黄仁勋暗示物理科学（如物理、化学等）是未来AI发展的关键，尤其是“物理AI”领域，这与当前主流的软件和算法研究方向不同，可能意味着未来AI人才需求将向跨学科（物理+AI）倾斜。
- AI技术演进的隐藏路径：黄仁勋将AI发展分为四波浪潮（感知AI→生成式AI→推理型AI→物理AI），而主流讨论多聚焦于前三个阶段，物理AI的潜力被低估，这可能成为下一个资本和技术布局的焦点。
- 创业时机的非公开经验：黄仁勋在1993年创业时选择GPU赛道，而非当时热门的软件或互联网，说明“冷门领域+未来需求”的组合可能是成功关键，而非盲目追随风口。
- 行业内部对AI代理人的定位：推理型AI被视为“数字劳工”，微软和Salesforce等巨头已秘密布局，这暗示企业级AI助手（如自动化决策工具）将是下一个商业化重点，而非仅停留在消费级应用（如ChatGPT）。
- 物理AI的落地障碍：黄仁勋提到的“摩擦力、惯性”等物理问题，实际暗指当前机器人技术的瓶颈——模拟物理世界的成本极高，需突破性算法或硬件（如新一代传感器），这可能成为创业或投资的潜在机会。
- 学术背景与产业趋势的关联：黄仁勋后悔未学物理科学，反映AI行业从纯软件向“软硬结合”（如机器人、自动驾驶）转型的趋势，传统计算机科学教育可能无法满足未来需求。
- 中国市场的特殊策略：黄仁勋频繁访华并提及对华销售先进芯片，暗示NVIDIA在规避政策限制的同时，仍试图通过技术调整（如定制化降规芯片）维持中国市场，这需要复杂的政治与商业平衡。
- AlexNet的历史意义被低估：2012年AlexNet的突破不仅是技术里程碑，更是资本涌入AI的隐形分水岭，早期深度学习的成功案例（如图像识别）可能比当前大模型更值得中小企业借鉴。