英伟达创始人兼首席执行官黄仁勋又一次把自己推到了舆论中心。9月18日，他在苏格兰查尔斯国王AI峰会期间接受采访时给出两个方向相反的判断：一方面，他把2030年前AI导致人类灭绝的概率直接定为零，称末日论调是彻头彻尾的无稽之谈；另一方面，他预计英伟达未来一年的芯片销量将达到今年的两倍，并把增长归因于几乎每一个市场都在追加AI投入。同一场采访里，他还明确反对把社交媒体的监管思路照搬到AI上。三个表态拼在一起，勾勒出这位算力掌门人对产业节奏的真实态度。
黄仁勋在采访中的原话相当直接：AI在2030年前毁灭世界的概率是零，所谓末日论调完全是胡说八道。他主张行业应该尽最大可能往前跑，同时补了一句前提，产品如果没有准备好，就不要发布。这套说法与他过去一年的公开立场一脉相承。此前他多次在公开场合反驳前沿节奏式的安全叙事，认为把AI等同于生存风险，会让监管重心偏离真实存在的问题。
值得注意的是，把灭绝概率定为零并不等于认为AI没有风险。黄仁勋在同一场采访里承认模型可能被滥用，只是他坚持风险应当按具体产品逐项评估，而不是笼统地归为生存威胁。这个区分对监管路径的选择影响很大。
这番表态的时间点颇有意味。9月中旬前后，Anthropic首席执行官阿莫代伊刚呼吁放缓模型迭代速度，25位菲尔兹奖得主联署了关于AI与数学错位的公开信，加州州长签署行政命令推进前沿模型紧急关停机制与常驻独立审计。多家机构在同一时间窗口集中发声，安全议题的声量被推到年内高点。黄仁勋选择在这个节点把灭绝概率归零，等于正面站到了谨慎派的对立面，也把该不该慢下来的争论重新点燃。
相比安全表态，黄仁勋对订单的判断更具体。他表示，随着AI向不同行业扩散，预计英伟达未来一年的芯片销量将达到今年的两倍。支撑这一预测的不是某一家超大规模客户的追加预算，而是他所说的逐国逐市场的广泛需求，几乎每一个市场的政府和企业都希望投资人工智能。当一个技术的采购方从少数几家云厂商扩展到主权基金、银行、医疗机构和制造企业，需求曲线的性质就从周期性变成了结构性。
这个判断在产业链上已经出现回响。同一周，英特尔首席执行官陈立武称CPU供需吃紧，公司供货量只能满足客户需求的约一半；AMD向合作伙伴发出通知，计划对芯片产品线统一涨价约一成；Nebius宣布上调GPU云服务定价，平均涨幅约两成。上游涨价、下游排队，说明瓶颈已经从要不要买变成买不买得到。黄仁勋把2027年的销量翻倍当作既定事实来讲，本质上是替整条供应链定了一个扩产节奏。
更直接的信号来自客户结构。过去英伟达的订单高度集中于少数几家超大规模云厂商，如今主权AI项目、区域银行和制造业企业都在单独采购算力，采购主体分散意味着单一客户的预算波动不再能左右整条供应链的排产节奏。
在监管问题上，黄仁勋划出了一条清晰的界线。他明确反对把社交媒体的监管框架直接套用到AI上，理由是两者性质不同：社交媒体本身是一种面向终端用户的产品，而AI是支撑其他技术和产品的底层技术。在他看来，监管的着力点应该落在具体的应用产品上，而不是落在技术底座上。如果按产品的逻辑去管，风险可以被逐项识别和约束；如果按技术的逻辑去管，约束就会传导成对基础设施的限制。
这套产品论并非孤立观点。9月中旬，工信部等部委推动的人工智能加软件专项行动，也是以具体行业应用和智能体软件为抓手，通过成熟度分级评估、接口标准和行为可校验等要求来约束落地形态。两条思路在方法论上高度一致：先把责任落到能被审计的产品边界上。差别在于，国内路径同时保留了算力券、适配中心和开源专区等扶持工具，而黄仁勋的表述更偏向为技术本身争取更宽的试错空间。
这条界线还有一个现实后果。如果监管对象是技术底座，那么芯片、框架和基础模型都要接受前置审查，研发节奏会被整体拖慢；如果监管对象是具体产品，合规成本就落在应用侧，技术演进可以保持原有的迭代速度。黄仁勋的立场显然偏向后者。
黄仁勋的表态里最容易被忽略的一句，是他对测试的强调。他称AI安全至关重要，产品如果不够安全就应该暂缓发布。这句话和他尽最大可能往前跑的主张放在一起，构成了一个自相矛盾又彼此约束的组合：速度优先，但发布门槛不放松。对一家把芯片卖给几乎所有前沿实验室的公司来说，这种表述既保住了对客户交付的承诺，也给自己留出了在具体产品上踩刹车的空间。
对国内产业来说，真正需要关注的不是这场口水战的胜负，而是需求侧的结构性变化是否成立。如果AI芯片的采购主体确实从少数科技巨头扩散到政府、金融、医疗和制造，那么国产算力的窗口期就会比预想的更长。华为昇腾、寒武纪等厂商近期在超节点架构、国产框架训练和推理成本上的动作，正是在这条逻辑上展开。黄仁勋的乐观预测，某种意义上也是给整条赛道的扩产节奏投了一张信任票。
把两句表态合起来看，他给出的其实是一个有条件的高速方案：产业全速扩产，但每一款产品都要通过安全测试才能出货。对下游客户而言，这意味着算力供给的确定性提高，同时也意味着新产品的上市时间表会更依赖测试进度，而非单纯的产能爬坡。