AI的劳动力悖论：黄为何认为短缺而非失业将成为未来——事实上，这已经在发生

在2026年达沃斯世界经济论坛上，英伟达CEO黄仁勋与黑石集团CEO拉里·芬克就人工智能的变革潜力展开了广泛讨论。黄仁勋并未将AI视为一种会造成大量失业的力量，而是提出了一个相反的观点：这项技术实际上将导致多个行业出现劳动力短缺。这一论点挑战了普遍的关于大规模取代的叙事，并提供了理解AI如何重塑工作、基础设施需求和全球经济机遇的框架。

此次对话还揭示了英伟达自1999年首次公开募股以来，股东回报实现了37%的复合增长率——而同期黑石集团也在同一年上市，取得了21%的年化回报率。然而，讨论超越了财务表现，深入探讨了技术在重塑社会中的作用。黄仁勋将AI定位为一种基础平台的变革，而非像ChatGPT或Claude这样的孤立应用，而是与个人电脑、互联网和移动云计算的出现相提并论的根本性变革。

五层基础设施革命：为何AI需要全球数万亿的投资

黄仁勋提出了他所称的“五层蛋糕”模型，以说明AI的系统复杂性和基础设施需求。底层是能源——AI的实时处理和智能生成需要大量电力。上面是半导体和计算基础设施层，台积电等公司正在建设20个新的晶圆厂。第三层是云服务，全球范围内提供这些能力。

第四层是AI模型本身——算法和神经网络，吸引了公众的广泛关注。然而，黄仁勋强调，单靠模型是不够的，必须有底层的支持。第五层也是最高层，是应用层——金融服务、医疗、制造业以及新兴行业，最终将创造经济价值。

这个五层框架揭示了为什么黄仁勋估计“人类历史上最大规模的基础设施建设”正在进行。数百亿资金已被投入，未来还需要数万亿，以应对能源需求的指数级增长、数据中心建设、芯片制造和计算工厂扩张。富士康、纬创和广达正合作建设30个新的计算工厂。同时，美光（在美国投资2000亿美元建设设施）、SK海力士和三星等存储芯片制造商也在迅速扩大产能。

从放射科到护理：AI如何放大人类的目的而非取代工人

就业问题是AI焦虑的核心。黄仁勋用“目的”与“任务”之间的区别反驳了普遍的悲观情绪。十年前，放射科医生曾被预测会因AI的超人类计算机视觉能力而面临淘汰。然而今天，放射科医生的数量反而增加了，即使AI已能处理核心的扫描分析任务。

其机制在于：当放射科医生摆脱了重复的扫描解读任务后，他们可以将更多时间投入到更高价值的活动中——直接诊断、与患者沟通、临床合作。医院现在可以更高效地服务更多患者，带来更高的收入，从而有理由招聘更多放射科医生。类似的，护理行业也如此。美国约有500万护士短缺，但由AI驱动的医疗文档和就诊转录正在解放护士，减少了他们一半的行政工作时间。随着护理人员有更多能力看诊，医院得以扩张并招聘更多护士，而非缩减规模。

黄仁勋的框架表明，对于任何职业而言，问题不在于AI是否会取代它，而在于这项技术是否能自动化常规任务，同时增强核心目的。如果自动化真正让工人专注于不可替代的人类功能——关怀、判断、复杂问题解决——那么就业通常会增加而非减少。

基础设施的建设本身也会带来对熟练蓝领工人的额外需求：电工、建筑工人、技术员、钢铁工人和网络专家。在美国，这些岗位的需求空前高涨，芯片制造和AI工厂建设的工资已达到六位数。

AI作为世界上最易用的技术

黄仁勋认为，AI代表了“史上最易用的软件”。不同于以往需要学习编程语言的计算机时代，AI系统接受自然语言指令。没有正式计算机科学背景的人也可以请求“教我如何建网站”，并获得逐步指导。这种易用性对发展中国家具有深远影响。

AI不仅不会扩大全球技术差距，反而可能缩小它。进入门槛远低于软件时代。没有完善技术基础设施的国家的个人，现在也可以利用AI参与全球知识经济。像Deepseek等开源模型以及其他贡献者的模型，进一步实现了民主化，让企业和国家可以根据本地语言、文化和数据定制解决方案。

主权AI的必要性：为何每个国家都需要自己的AI基础设施

黄仁勋强烈倡导“主权AI”——每个国家都应建立自己的AI基础设施，在本土语言和文化数据上训练模型。他认为这对国家竞争力至关重要，类似于电网或交通网络。这个担忧不仅关乎经济，也涉及文化保护和技术主权。

欧洲是一个特别具有代表性的案例。虽然在软件时代，美国占据主导地位，但黄仁勋指出，欧洲强大的工业和制造基础在那一时期未被充分利用。随着物理AI和机器人技术的进步，欧洲面临着他所称的“千载难逢的机遇”。国家不应“编写”AI，而应“教会”它——将制造业的卓越与人工智能结合，领导智能制造和机器人产业。

欧洲的科学研究传统可以与AI结合，极大加快各学科的发现速度。然而，要实现这一潜力，必须在能源供应和基础设施投资方面做出重大承诺。黄仁勋敦促欧洲领导人认真对待这一基础。

测试AI泡沫论

当被问及大规模AI投资是否存在投机过剩时，黄仁勋提供了一个直观的市场指标：所有世代的英伟达GPU在云端都极难租用，原因是现货价格飙升。这反映了AI创业公司和企业对人工智能的真实需求，正将研发预算转向AI。以礼来为例——这家公司曾几乎将所有研发资金投入湿实验室研究，现在则大量投资于AI超级计算机和AI研究实验室。

基础设施投资的激增是合理的，实际上是由每一层带来的计算需求推动的。随着AI模型的改进和应用的普及，对能源、芯片、云服务和实体设施的需求只会增加而非减少。去年，超过1000亿美元流入AI原生公司，成为历史上最大规模的风险投资年份之一。

重塑全球经济格局

此次讨论的核心观点是，AI作为一种基础平台的变革，根本性地重塑了计算架构。首次实现了对非结构化信息——图像、声音、自然语言——的实时处理，推断人类意图并执行复杂任务。这一从“预录制”到“实时生成”系统的转变，定义了AI与以往所有技术的不同。

黄仁勋认为，AI不是让全球机会变得狭窄，而是成为更广泛经济包容的引擎。新兴市场没有传统技术基础设施的国家，可以通过从一开始就采用AI实现弯道超车。其可及性意味着，没有正式教育的开发中国家的程序员也拥有与硅谷工程师同等的工具。

最终的经济检验在于，基础设施的建设是否能创造足够的财富和就业，以验证投资的合理性。如果放射科和护理模型可以普遍应用——自动化放大人类的目的跨越各行业——那么黄仁勋关于劳动力短缺而非失业的预测可能会成为先见之明。事实上，早期迹象显示，这一动态已在医疗、制造和新兴的AI原生产业中开始显现。