TechWebAI硬體

黃仁勳斷言AI終極贏家是馬斯克:特斯拉車隊是最大殺手鐧

2026年8月5日 10:32

重點摘要

視頻中,黃仁勳被問及對未來AI產業發展的看法時直言不諱:人工智能競賽的最終贏家並非OpenAI、Anthropic或谷歌,而是全球首富埃隆·馬斯克。黃仁勳指出,這三個方向正是AI產業下一階段最關鍵的競爭陣地。特斯拉車隊成最大殺手鐧在上述三大業務中,黃仁勳特別強調了特斯拉的獨特優勢。黃仁勳指出,特斯拉的AI工廠配備了大量英偉達硬件,是全球最強大的AI訓練平臺之一。“特斯拉的車隊是地球上最大的真實世界數據採集系統。”

站內 AI 整理稿

NVIDIA 創辦人兼執行長黃仁勳近日在一段公開影片中,針對當前人工智慧產業的未來發展走向發表了直言不諱的評論。他認為,這場全球 AI 競賽的最終贏家既不是 OpenAI,也不是 Anthropic 或 Google,而是全球首富伊隆·馬斯克。這個觀點立刻在科技圈引發熱烈討論,因為黃仁勳不僅是業界最具影響力的領袖之一,更是 AI 運算基礎設施的核心供應商,他的判斷往往被視為市場風向標。

黃仁勳在影片中指出,人工智慧產業正在進入一個全新的階段,而這個階段的競爭將不再只是單純的語言模型競賽,而是涵蓋三個關鍵方向:大規模的即時決策系統、真實世界的數據蒐集與處理能力,以及能夠自主運作並持續學習的實體機器人。他認為,馬斯克旗下的事業版圖,尤其是特斯拉,已經在這三個領域中佔據了難以撼動的先發優勢。黃仁勳特別強調,特斯拉的車隊是地球上最大的真實世界數據採集系統。每一輛特斯拉電動車都配備了先進的感測器、攝影機與運算單元,這些車輛在日常行駛中不斷蒐集道路環境、交通狀況、行人行為等海量數據。這些數據不僅可以用來訓練自動駕駛系統,更可以作為訓練通用人工智慧模型的重要素材。

黃仁勳認為,這樣的數據規模與多樣性,是其他競爭對手短期內難以複製的。除了數據層面的優勢,黃仁勳也點名了特斯拉的 AI 基礎設施。他指出,特斯拉在德州與加州等地建立的 AI 訓練工廠,配備了大量 NVIDIA 的硬體設備,包括最新的 GPU 叢集,這些設施已被認為是全球最強大的 AI 訓練平台之一。馬斯克對於運算資源的投資毫不手軟,這使得特斯拉能夠在模型訓練、模擬測試以及持續迭代上保持極高的效率。黃仁勳的評論也間接呼應了馬斯克近期對於 AI 發展的激進策略。

馬斯克不僅在特斯拉內推動端到端的神經網路架構,還成立了 xAI 公司,推出 Grok 系列模型,試圖打造一個能夠與 OpenAI 抗衡的開源生態。但黃仁勳顯然認為,特斯拉在真實世界中的應用場景,才是馬斯克手中最強大的王牌。值得注意的是,黃仁勳並未將 OpenAI 或 Google 等公司視為沒有機會。他承認這些公司在大型語言模型、雲端服務以及學術研究方面依然擁有深厚實力。然而,他認為這些公司的競爭優勢主要停留在數位世界,而馬斯克同時掌握了數位與物理世界的雙重入口。特斯拉的車隊不僅是移動的數據蒐集器,更是未來機器人計程車、自動駕駛物流、甚至通用人形機器人 Optimus 的運作基礎。

業界分析人士指出,黃仁勳的觀點其實反映了他對 AI 產業演進趨勢的判斷。過去幾年,AI 的爆發主要集中在語言理解、圖像生成等虛擬應用,但下一階段的關鍵在於讓 AI 能夠在真實世界中安全、可靠地行動。這需要極大量的邊緣數據、即時推理能力,以及與物理環境的深度互動。特斯拉從一開始就將自動駕駛作為核心目標,累積的里程數與場景多樣性,已經達到數十億英里,這樣的數據資產是任何實驗室都無法比擬的。此外,黃仁勳也提到,馬斯克同時經營 SpaceX、Neuralink、The Boring Company 等多家公司,這些公司各自產生的數據流與技術突破,也可能在未來被整合進一個統一的 AI 系統中。

例如,SpaceX 的星鏈衛星網路可以提供全球覆蓋的通訊基礎,Neuralink 的腦機介面則可能帶來全新的人機互動方式,這些都讓馬斯克在 AI 生態系統中擁有更多元、更長遠的布局。對於黃仁勳的這番發言,特斯拉方面尚未發表正式回應。但馬斯克本人過去曾在社交媒體上多次表示,特斯拉的本質是一家人工智慧與機器人公司,而非傳統汽車製造商。他認為,特斯拉的市值最終將由自動駕駛與機器人業務來決定。黃仁勳的背書,無疑為馬斯克的這套論述提供了來自硬體供應鏈最頂層的權威認證。當然,也有部分業界人士持保留態度。

他們認為,AI 產業的終局仍充滿變數,OpenAI 與 Google 在語言模型與多模態理解上的進展同樣驚人,且擁有龐大的雲端用戶基礎。特斯拉雖然在數據採集上領先,但在模型訓練效率、人才招募以及開放生態建設上,仍有待觀察。黃仁勳的觀點固然具有前瞻性,但最終誰能勝出,還需要時間來驗證。無論如何,黃仁勳的這番談話再次凸顯了 NVIDIA 在整個 AI 產業中的關鍵角色。無論是特斯拉、OpenAI 還是 Google,幾乎所有 AI 公司都依賴 NVIDIA 的 GPU 來進行訓練與推理。黃仁勳作為這個生態系統的「軍火商」,他的觀點不僅代表個人判斷,也反映了對產業資本流向與技術瓶頸的深刻理解。

他選擇公開點名馬斯克,很可能意味著 NVIDIA 在未來會更加積極地與特斯拉旗下的 AI 計畫進行深度合作。隨著自動駕駛、機器人以及通用人工智慧的競爭日益白熱化,黃仁勳的這番預言無疑為市場注入了一劑強心針。特斯拉的投資人顯然對此感到振奮,而對於整個 AI 產業來說,這也提醒了所有參與者:真實世界的數據與運算能力,將是決定下一輪勝負的關鍵籌碼。

Related

相關文章

AIBaseAI硬體

OpenAI 首款硬件真容浮現:冰球大小無屏設計,售價 300 至 400 美元

OpenAI首款硬件產品細節曝光,為一款無螢幕的智能音箱,外型類似冰球,售價約300至400美元,由OpenAI與前蘋果設計師Jony Ive的LoveFrom公司合作開發。該設備內建電池與攝影鏡頭,可支援手持使用並將視覺資訊傳給ChatGPT,實現多模態感知。此產品推出時正值蘋果對OpenAI提起商業機密訴訟,OpenAI內部評估其設計細節有望反駁侵權指控。

20 小時前4700
雷峰網AI硬體

金剛GC3芯片重新定義視頻AI算力規則,國產RISC-V高端算力商業化提速

近日,第三屆中國計算機學會芯片大會(CCF Chip 2026)在太湖之濱無錫成功舉辦。會場中,兩院院士與頂尖工程師們的討論話題直指底層架構的“根技術”創新。一個核心追問被反覆推至臺前:當摩爾定律逼近物理極限,製程紅利日益稀薄,堆核心、拼頻率的老路越走越窄,是否該徹底換一條路走?換言之,與其在通用架構上不斷打補丁,能否從數據流動的本質出發,為特定場景原生設計一顆芯片?

1 天前
雷峰網AI硬體

把512 GiB閃存搬到xPU旁邊,HBF能打破推理內存牆?

HBM已經證明,通過堆疊和共封裝把存儲介質遷移至GPU附近,可以緩解AI計算中的數據搬運瓶頸。現在,SK海力士聯合閃迪,將類似的思路正式應用到NAND上,通過HBF將大容量閃存放到包括GPU在內的各類xPU旁,以緩解AI推理內存牆問題。近日,雙方通過OCP發佈《High Bandwidth Flash(HBF)High-Level Base Die Specification, Version 0.7.0》。

1 天前
鈦媒體AI硬體

AI的錢,被誰賺走了?

AI 浪潮推動雲端服務供應商大舉擴建資料中心,背後龐大的資本支出正沿著供應鏈層層傳導,最終流向光模塊、晶片與伺服器業者。這條資金鏈路的起點是亞馬遜 AWS、微軟 Azure、Google Cloud 等雲端廠商,他們為了滿足訓練與推論大語言模型所需的算力,持續加碼採購 GPU 伺服器與高速網路設備,帶動上游零組件需求爆發。

2 天前