大数跨境

黄仁勋:我脑子里现在只剩一个数字——100倍!AI正在把科研从「几个月」压到「一天」

黄仁勋:我脑子里现在只剩一个数字——100倍!AI正在把科研从「几个月」压到「一天」 未来跃迁
2026-05-06
0
导读:黄仁勋:我脑子里现在只剩一个数字——100倍!AI正在把科研从「几个月」压到「一天」

导读
黄仁勋在 2026 Milken 全球大会上表态:他私下看到的 AI 在科学领域的进展,已经大幅超出预期。两个关键数字——研究探索从几个月压到一天,内部目标要乘以 100 倍。他说,所有人的野心都不够大。

「别人跟我说能做到什么,我脑子里自动乘 100」

5 月 4 日,Milken Institute 全球大会。

Jensen Huang 穿着标志性的黑色皮衣坐在台上,说出了一段让整个会场安静下来的话:

"AI can finally do for example what used to take months for a researcher to explore a new idea, they can now use AI to help them do that research in a day."

「AI 终于做到了——过去一个研究者探索一个新想法要花几个月,现在借助 AI,一天就能推进。」

几个月。变成一天。

他没有停在这里。紧接着又丢出了一个更大的数字:

"The fundamental change that we have to make, and I have to make is whatever expectations I have for the company, you've got to increase it by about 100x. So if people tell me they can do something, I've got 100x in my head now."

「我们必须做出的根本转变——不管我对公司有什么预期,都得乘以大约 100 倍。所以现在别人跟我说他们能做到什么,我脑子里自动乘 100。」

▲ Bearly AI 在 X 上摘录 Jensen Huang 在 Milken 大会上的发言,获 1.7 万次浏览

100 倍。这个数字从 Nvidia CEO 嘴里说出来,分量完全不同。

他还加了一句定性:

"Everyone's ambition isn't high enough."

「所有人的野心都不够大。」

Milken 大会上的 45 分钟

这段表态出自 Milken Institute 2026 全球大会的一场正式对谈,主题叫「Leading in the Age of AI」。

▲ Milken Institute 官网活动页面:「Leading in the Age of AI: A Conversation with NVIDIA CEO Jensen Huang」

整场对谈约 45 分钟。在第 44 分钟附近,黄仁勋集中讲到了 AI 在科学领域的应用——生物学、医疗健康、药物发现、物理科学。

他特别提到,自己私下看到的进展(privately seeing),已经把他对 AI 正面影响的预期大幅推高。

注意这个用词——这些进展还没有公开发布,也没有出现在任何论文里。这是黄仁勋作为 Nvidia CEO,在内部接触到的信息。

这也正是「100 倍」这个数字如此引人注意的原因。

为什么偏偏是科学研究?

AI 写代码、AI 写文案、AI 做客服——这些场景已经讲了好几年。黄仁勋这次特别把科学研究拿出来重点讲,背后有明确的逻辑。

科学研究是 AI 落地场景里周期最长、算力消耗最大、商业价值也最高的方向。

药物发现的平均研发周期超过 10 年,投入动辄数十亿美元。物理模拟、材料科学、蛋白质折叠——每推进一步,背后都需要海量计算。

如果 AI 真能把「几个月的探索压缩到一天」,影响的远远不止效率。整个研发管线的节奏、资源分配、团队结构都会跟着重塑。

对 Nvidia 来说,这正好是最理想的场景:长周期、强刚需、重算力。每一个被 AI 加速的科研项目,背后都是 GPU 的订单。

研究者的回应:提速是真的,但卡在数据上

Bearly AI 把黄仁勋的发言摘录发到 X 上后,引来了不少研究者的真实反馈。

计算化学家 Tim Duignan 的回复给出了一个具体的技术视角:

"MD with learnt energy functions is the only way to truly unlock small molecule drug discovery as well as a vast amount of other science. Most important bottleneck currently: We need big datasets of CCSD(T) on multi molecule systems."

「使用学习型能量函数的分子动力学模拟,是真正打开小分子药物发现的关键路径,也适用于大量其他科学领域。当前最大的瓶颈:我们需要多分子体系的大规模 CCSD(T) 数据集。」

▲ 计算化学家 Tim Duignan 回复,获 22 个赞

这条回复把黄仁勋的宏观判断拉回到了具体的技术现实。AI 加速科研的前提,是有足够的高质量训练数据。「几个月变一天」听起来振奋,但在分子模拟这个具体领域,数据集的质量和规模仍然是最大的卡点。

Jensen 的另一面:AI 正在创造大量新岗位

同样在 Milken 大会上,黄仁勋还谈到了 AI 与就业的关系。TechCrunch 的报道标题很直白:

"As workers worry about AI, Nvidia's Jensen Huang says AI is 'creating an enormous number of jobs'"

「当工人担忧 AI 时,英伟达的黄仁勋说 AI 正在'创造大量新工作岗位'」

▲ TechCrunch 报道:Jensen Huang 在 Milken 大会上表态 AI 正在创造大量就业

两个信号放在一起看:Jensen 一边在说 AI 让科研提速 100 倍,一边在安抚就业焦虑。他在试图重新定义公众对 AI 的认知——加速度和新机会,他认为可以同时发生。

AI 加速科学发现,正在成为行业共识

黄仁勋的判断并非孤立事件。Science News 近期的封面报道直接抛出了一个问题:我们是否已经进入了 AI 驱动科学发现的新时代?

▲ Science News 封面报道:「Have we entered a new age of AI-enabled scientific discovery?」

从 DeepMind 的 AlphaFold 解开蛋白质折叠难题,到各大药企开始部署 AI 辅助研发管线,AI 进入科学研究已经从少数实验室的前沿探索,变成了行业级的标配动作。

在 Hacker News 上,围绕 AI 加速科研的话题同样引发了大量回复。乐观派认为,AI 正在从根本上缩短从假设到验证的距离;怀疑派则追问——Jensen 的「100 倍」,到底是可复现的事实,还是 CEO 站在舞台上的愿景表达?

▲ Hacker News 社区围绕 AI 加速科学研究展开讨论

100 倍背后的真问题

回到那个数字:100 倍。

如果 Nvidia 的 CEO 真的在用这个倍数来校准内部目标,它会带来什么?

对研发团队来说,时间尺度正在被重新定义。过去按年度规划的研发节奏,可能要改成月度甚至周度迭代。

对科研人员来说,竞争格局在发生变化。掌握 AI 工具、懂得用 AI 设计实验的研究者,和还在手动跑模拟的研究者之间,产出差距可能被迅速拉大。

对投资人来说,过去需要十年回报周期的科研赛道——药物发现、新材料、气候模型——可能正在变成中短周期的快节奏赛道。

但有一点必须注意:这仍然是 Jensen Huang 作为 CEO 的判断和愿景。「几个月压到一天」描述的是他看到的最佳案例,100 倍是他给自己和团队设定的心理标尺。

真正的检验在后面:这种提速能在多少个科学分支里被复现?有多少研究团队,真的在一天内走完了过去几个月的探索?

赛道正在切换

黄仁勋这番表态的方向很明确:AI 竞争的下一个战场,在科学研究的时间尺度上。

谁能先把「几个月变一天」从演讲台上搬进实验室的日常,谁就拿到了下一轮的入场券。

而黄仁勋已经给自己标好了底线——100x。


— END —

— END —

【声明】内容源于网络
0
0
未来跃迁
1234
内容 602
粉丝 0
未来跃迁 1234
总阅读2
粉丝0
内容602