黃仁勳：機器人 3-5 年內將無所不在，物理 AI 是 50 兆美元的機會

本文整理自《All-In Podcast》2026 年 3 月播出的單集，於 GTC 2026 期間錄製。

{{< youtube gwW8GKwHB3I >}}

{{< spotify "episode/2HCl49WohQeFtmlx2MoN85" >}}

{{< apple-podcast "tw/podcast/jensen-huang-live-nvidias-future-physical-ai-rise-of/id1502871393?i=1000756188610" >}}

---

50 兆美元的產業，終於等到了技術

黃仁勳（Jensen Huang）在 All-In Podcast 上用三個運算系統來描繪 AI 的完整圖景。第一個是訓練 AI 模型的超大規模運算。第二個是在虛擬世界中評估 AI 的系統，NVIDIA 稱之為 Omniverse，一個遵守物理定律的模擬平台，專門用來測試機器人和自駕車。第三個是邊緣運算，涵蓋機器人、自駕車，甚至可以小到放進一隻泰迪熊裡面。

在這三個系統的支撐下，物理 AI 正在成為 NVIDIA 最看好的長期市場。黃仁勳直言，這是科技產業第一次有機會觸及一個規模達 50 兆美元、過去幾乎沒有被技術滲透的產業，也就是物理世界中的製造、物流、農業、醫療等領域。他回憶，NVIDIA 在十年前就開始為此佈局，經歷了漫長的技術準備期。如今這個投資正在開花結果，物理 AI 已經是 NVIDIA 接近百億美元年營收的業務，而且還在指數成長。

更讓他興奮的是電信產業的轉型。全球兩兆美元的電信基礎設施，在他的願景中將逐步轉化為 AI 基礎設施的延伸。基地台會變成邊緣運算裝置，部署在工廠、倉庫和各種場域。這不是遠景，而是已經在發生的事情。

數位生物學的「ChatGPT 時刻」

談到長期佈局中最令人期待的突破，黃仁勳把焦點放在了數位生物學。他認為我們正處於數位生物學的「ChatGPT 時刻」前夕，就是那個讓技術從實驗室走向大眾意識的臨界點。

具體來說，AI 已經能夠理解化學分子的行為。接下來的突破在於學會如何表徵和理解基因、蛋白質和細胞的動態行為。黃仁勳估計這個突破大約在兩到五年內會發生。一旦我們能用 AI 模擬生物系統的基本構件，藥物開發、疾病診斷、基因治療都會進入完全不同的速度和精準度。他預測，五年內醫療保健產業將因數位生物學而出現根本性的轉折。

在醫療領域，NVIDIA 的佈局分三條線。第一條是「AI 物理學」，用 AI 來預測生物行為，主要應用在藥物發現。第二條是 AI 代理人，用在診斷輔助上，他特別提到 Open Evidence 和 Hippocratic 這兩家公司。第三條是物理 AI，也就是機器人手術和智慧醫療器材。在他的想像中，未來每一台醫療設備，無論是超音波、CT 還是任何儀器，都會是代理人化的。OpenClaw 的安全版本會內建在每一台醫療器材中，讓器材能與病人、護理師和醫師以全新的方式互動。

自駕車：讓每家車廠都能造自駕車

Jason Calacanis 把話題帶到了自駕車領域，提到 NVIDIA 在 GTC 上新增了包括比亞迪在內的多家合作夥伴，還有與 Uber 的重大合作，多家車廠的自駕車將透過 Uber 平台上路。他問黃仁勳：你的策略是成為自駕車的 Android 嗎？

黃仁勳的回答很清楚：NVIDIA 不想自己造車，但要讓世界上每一家車廠都有能力造出自駕車。為此，NVIDIA 打造了完整的四層運算堆疊：訓練電腦、模擬電腦、評估電腦，以及車載電腦。在這之上，NVIDIA 開發了自稱「全球最安全的駕駛作業系統」，以及一個名為 Alpamayo 的推理式自駕系統。

Alpamayo 的設計理念很有意思。它不是用傳統的規則導向方式來處理駕駛情境，而是像人類一樣進行推理，把複雜的路況拆解成一系列它知道如何處理的簡單情境，然後逐一導航通過。這就是為什麼黃仁勳特別強調它是一個「推理式」系統，與當前 AI 從生成式轉向推理式的大趨勢吻合。

在商業策略上，NVIDIA 採取的是極度彈性的合作模式。特斯拉只買訓練電腦，那就賣訓練電腦。有些車廠想要訓練加模擬，那就提供兩套。有些車廠想要全套服務包括車載晶片，那也行。黃仁勳的態度是：我們要解決問題，我們不是唯一的解決方案提供者。客戶怎麼跟我們合作都好。

機器人：美國發明了這個產業，但累了一點

Jason Calacanis 提到了機器人領域一個尷尬的歷史：美國基本上發明了這個產業，Google 在 2013 年收購了一堆機器人公司（包括 Boston Dynamics），然後又賣掉了。整個產業經歷了一段「機器人不行」的冷淡期。但現在，馬斯克的 Optimus、中國的人形機器人公司，都在快速推進。

黃仁勳對此有一個精準的診斷：美國不是判斷錯了，而是進場太早。他們在使能技術（enabling technology）出現前大約五年就開始投入，然後在技術即將成熟時精疲力盡了。現在，那個使能技術到了。

從「高功能的存在性證明」到「合理的產品」，技術轉化通常不超過兩到三個產品週期。黃仁勳據此推算，三到五年內，機器人將無所不在。不只是人形機器人，工廠裡 24 小時運作的工業機器人、不太移動但幾乎所有東西都會變成機器人的固定式裝置，都包含在內。

但他也坦承，中國在這個領域擁有結構性優勢。微電子、馬達、稀土、磁鐵，這些機器人的基礎元件，中國是全球最強的。全世界的機器人產業都將高度依賴中國的生態系統和供應鏈。這不是輕描淡寫，而是對產業現實的直面。

機器人帶來的經濟流動性

David Sacks 從投資人的角度提出了一個更宏觀的觀點：機器人會成為個人經濟流動性的最大解鎖。他的類比是汽車。當每個人都有了車，他們就能去做各種不同的工作。當每個人都有了機器人，機器人可以替他們工作、開 Etsy 店、開 Shopify 店、創造各種他們獨自無法完成的東西。

黃仁勳附和了這個觀點，同時指出一個更迫切的現實：美國現在就缺少數百萬勞動力。機器人不是要來搶工作的，而是要來填補那些找不到人做的工作。更進一步，機器人會帶來「虛擬在場」的可能。你出差在外，可以透過家中的機器人遛狗、看看孩子們在做什麼。黃仁勳甚至開玩笑說：「我們將能以光速旅行，不是送自己出去，而是先把機器人送過去。」

David Sacks 把這個願景推到了極致：機器人讓月球和火星殖民成為可能，因為你可以先派機器人去建造工廠，用太陽能驅動，生產人類需要的一切。距離不再是問題。黃仁勳點頭同意：「距離不再重要了。」

放射科醫師的悖論：AI 自動化了任務，但放大了職業

整場對話中最動人的故事，出現在接近尾聲時。黃仁勳回憶了深度學習革命初期，一位他「深深尊敬」的頂尖電腦科學家曾公開預測：電腦視覺將徹底消滅放射科醫師這個職業，他建議所有人不要進入放射科。

十年後，這個預測在技術層面 100% 正確。電腦視覺已經被整合進全球每一個放射科技術平台。但令人意外的結果是，放射科醫師的數量反而增加了，需求更是暴增。

原因在於一個區分：任務與目的。放射科醫師的「任務」是判讀影像掃描，但他們的「目的」是幫助醫師和病人診斷疾病。當 AI 讓影像判讀變得更快、更準確，醫院就能做更多掃描，更快收治更多病人，營收增加，對放射科醫師的需求也跟著增加。AI 自動化了「任務」，但反而放大了「目的」的價值。

黃仁勳用這個故事來回應所有對 AI 取代工作的恐懼。是的，每一個工作都會被轉變，有些工作會被消除。但歷史告訴我們，更多的新工作會被創造出來。他舉了另一個例子：未來的司機不會消失，而是會從「開車的人」變成「移動助理」。車子自己開，而這位助理在車上幫你處理行程安排、協調各種事務。

我的觀察：語言是 AI 時代的程式語言

黃仁勳在節目尾聲對年輕人的建議，值得所有讀者記住。他說：深耕科學、深耕數學、培養語言能力。因為語言就是 AI 的程式語言。「搞不好英文系的人會成為最成功的那群人。」

這句話聽起來像半開玩笑，但他接下來的分析很認真。與 AI 協作需要的是「規格撰寫」的能力，你要能清楚地描述想要什麼、定義什麼是好的結果、知道在哪裡留白讓 AI 自己創新。這不是寫程式碼的能力，而是一種「指定」的藝術。不能過度指定（否則 AI 沒有空間創新），也不能指定不足（否則 AI 不知道方向）。

這個觀點跟放射科醫師的故事形成了呼應。AI 改變的不是你需不需要工作，而是你的工作內容從「執行」變成「指定」和「評估」。在這個轉變中，最有價值的技能不是學會操作某個特定工具，而是學會與 AI 協作的思維方式。黃仁勳對年輕人的終極建議只有一句話：「無論你學什麼，都要成為使用 AI 的專家。」

在一個機器人即將無所不在、數位生物學即將突破、每台醫療器材都將成為代理人的世界裡，這或許是最務實也最深刻的職涯建議。