来源：Z Potentials

Stanford Graduate School of Business

Z Highlights：

• 人们在思考AI时犯的错误是认为AI是一个单一的事物。它是一个有五层深度的行业，我们与许多竞争对手存在相互依赖关系。

• 事实是，大多数人不太可能因为AI而失业。最可能的情况是，大多数人会输给那些会使用AI的人。

• 我们必须确保人们不害怕它，以便他们能利用这个工具来启迪自己、赋能自己。

• 现在是上学和从学校毕业最好的时代，比以往任何时候都好……因为世界被重置了。

H.R. McMaster是美国前国家安全顾问，斯坦福大学胡佛研究所研究员，Ro Khanna是美国国会众议员（加州选区），致力于推动美国再工业化与技术普惠。本场对话于2026年4月在斯坦福大学商学院举行，由前国家安全顾问H.R. McMaster主持，特邀科技巨头英伟达掌门人黄仁勋与美国政界代表Ro Khanna，共同探讨美国在AI时代的竞争战略。

McMaster：非常荣幸能在此与两位先生以及各位共聚一堂。感谢大家出席本次小组讨论。我们直接进入主题吧。显然有很多议题需要探讨，我迫切想听听各位在以下几个核心领域的见解。

首先，我们都认同人工智能相关能力极其强大，对社会具有巨大影响，也蕴含着巨大潜力。它们正在改变战争方式，并决定我们在经济、军事和国家安全层面能否保持竞争优势。我想听听两位的观点：既然我们都同意需维持竞争优势，那么具体应如何实现？

Jensen Huang：首先，我们需要退一步思考，我们究竟做了什么。我们彻底重构了计算——软件开发、编写方式、核心处理逻辑。本质上，这就是我们的成就。

当然，计算本质也发生了变化：过去是“检索式计算”，所有内容都是预先录制的，无论是故事、设计、视频还是演讲，存储在云数据库和数据中心。基于点击行为或推荐算法，系统会呈现这些预制内容。

而现在的计算方式是“生成式”，它基于上下文、提示和意图进行理解、感知、推理，进而创作故事、总结内容或编写软件。这种新型计算看似智能，但究其本质，它仍是运行在计算机上的软件，并非外星科技。

正因如此，计算机行业的方方面面都发生了变革——从公司性质、市场定位到数据中心的功能，从文件存储转向“token generation”，我将它们称为工厂，即把电力转化为tokens，这是一种制造过程。传统数据中心曾是文件服务器，现在则成了token generator。这需要大量计算资源，因此关键问题在于：它能做什么？

显然，AI的最新演进（从感知到生成，再到agent系统）已证明其远超预期的能力，并正在各行业创造巨大价值。从产业视角看，AI基础设施分为五个层级：底层能源、芯片、云与AI工厂、模型层，最重要的是应用层，涵盖企业软件、消费软件、药物研发、机器人或制造业等。

每个层级都对应独立产业和市场，各有不同公司参与，有其独特的挑战与动态。但若应用层不成功，整个产业飞轮就无法启动，技术也无法规模化。如果我们因过度恐惧而抵制或过度监管AI，导致其被排斥于社会与产业之外，进而放缓自身发展，那将非常遗憾。这场由我们引领的工业革命，若未能充分利用自身优势，将十分可惜。

McMaster：如果我来总结一下你刚才的观点，核心在于努力消除AI采用的障碍，并思考如何加速技术的开发与应用。那么，国会议员Ro Khanna，你认为保持我们竞争优势的关键是什么？在如何保持领先这一问题上，你最担心的是什么？

Ro Khanna：首先，能来到这里是我的荣幸，能与Jensen同台更是荣幸。初次见到Jensen时，他问我的第一个问题是：“议员，你如何理解麦克斯韦定律？”这让我愣了一下，随后他非常简单地向我解释了它。他是一位经济爱国者，我很尊重他，即便我们存在分歧，我也发现他非常深思熟虑。

在我看来，赋予美国比较优势的第一要素是我们拥有来自世界各地的人才，他们渴望来到这里，在这里学习、创新，成为这里研究型大学的一员。AI初创企业60%是由移民创办的。AI研究人员中，72%的人并没有在美国获得本科学位，他们的本科学位来自世界其他地区。

McMaster：你让我想起了王安，Wine Computers的创始人。

Ro Khanna：是的。因此，我相信这不仅仅是关于获得全球人才，更是关于让全球人才从不同视角相互交流，从而创造奇迹和创新。

第二点是我们的研究型大学所处的地位。在世界前20所研究型大学中，我们占据了14所。现在，《Nature》杂志称他们在数量上占据了前十中的九席，但我们在研究质量上仍然拥有顶尖水平。这并非偶然，那是因为我们资助了研究型大学。

第三，我想说是我们的学术自由。在美国，正如我作为一名政客所知，你可以从事任何职业，而你对战争与和平或经济学的看法，与博士、国会议员或总统一样重要。人们不害怕说你错了，不害怕质疑权威，不害怕大声疾呼，不害怕挑战传统。那是我们的比较优势。我们需要保持这一点。

最后，也就是在斯坦福这里的，技术转移项目。即大学可以与私营部门合作的理念。我们拥有一个政府、大学、私营部门共同合作的魔法公式。在我看来，这些基本原则使得美国能够继续领先，无论是AI还是其他技术，并将继续发挥这种作用。

AI产业的五层依赖论

McMaster：那么，为了保持竞争优势，我们将消除应用层面的障碍，这可能是情绪上或态度上的，而你强调的是人力资本、研究资金，我们自由市场的力量也是其中的一部分。

但是，当然，除了仅仅资助研究之外，我们还必须采取某些行动来保持我们的竞争优势，这不仅涉及像Jensen和他的团队这样令人难以置信的创新者，还涉及政府政策。那么，你如何看待经济治国方略？经济治国方略的工具扮演什么角色？

我在想一个你不得不直接面对的问题，出口管制、入境和出境投资审查、通过可能对抗经济侵略的因素（比如某些材料的倾销）来为投资创造适当的激励措施，例如为了保持对关键供应链的控制。但也包括放松管制和消除障碍，这些障碍实际上可能阻碍我们在你描述的所有层面（从能源一直到应用）保持竞争优势。但是，你究竟如何看待经济治国方略，即政府和政府政策在保持这种竞争优势中的真正作用？

Jensen Huang：我们的情况与大多数行业略有不同。我会说计算机行业，即计算技术行业，是美国的国家宝藏之一。与所有其他行业不同，这个行业在世界上处于领先地位，而我们处于计算机技术教育的震中。

另一个当然是我们的金融服务行业，它是世界经济的支柱。几乎其他所有行业我们都需要补贴、都需要保护。但这两个行业我们不需要。这两个行业蓬勃发展，我们处于领先地位。

因此，在这种情况下，监管并不是为了帮助我们要取得成功。这个行业已经非常成功了。所以现在的问题是，监管如何影响我们？如何在技术的本质层面做到这一点，这就是我们必须思考的地方。

当我们谈论AI时，我们究竟在谈论什么？AI不是一个模型，那不是AI的本质。计算不是一个操作系统，你知道它不完全是那个东西。因此，理解什么是AI行业非常重要，我们该如何继续培育这个行业，以便它增强我们的国家安全，增强我们的经济安全，使我们拥有一个繁荣的前景。

如果政策是为了增强这些支柱，那么退后一步理解我们在监管什么，我们想要以何种方式进行监管，以便我们保持甚至增强我们的全球竞争优势，这是非常重要的。

AI应用愿景：重塑美国工业与就业

McMaster：Ro，我想问你同样的问题，但或许可以强调一下你一直大力倡导的方面，即减少我们对其他国家的制造业的过度依赖。

你认为我们可以应用哪些经济治国方略的工具，也许在短期内做到如Jensen所说的，即尽一切可能保持竞争优势。从长远来看，我们又能做些什么来减少对外部的依赖给我们经济带来的的影响？

Ro Khanna：我同意你的看法。尤其是在稀土、药物关键起始原料和活性药物成分方面。Jensen是对的，这里的科技行业和金融行业是美国比较优势的非凡体现，也是我们成为世界最大经济体的原因之一。

但我们在这个国家犯了一个巨大的错误，即掏空了我成长的地方——宾夕法尼亚州的巴克斯县，我目睹了钢铁厂倒闭，看到整个中西部和许多其他地方失去了工厂城镇，失去了工业。

认为我们可以仅仅成为一个金融国家、一个创新国家而没有工业基础，这是一个错误。这对我们的国家安全是一个错误，对我们的社会凝聚力也是一个错误，我们仍然面临着由此带来的一些后果，即我们在政治中看到的政治类型和愤怒，因为许多人失去了尊严。

那些曾在战争中服役的人，他们的祖辈曾在战争中服役，他们建设了美国。突然间我们说：“不行，你们得搬走。”如果你不能从事金融或科技行业，那就自认倒霉吧。他们会说：“不，是我们建设了这个国家。”

所以我的观点是，我们需要一种新的经济爱国主义。如果你对活性药物成分征收关税，而这里没有任何产业，关税能做什么呢？这只是意味着价格更高。所以我们也需要政策。

Raffael Reef在《Foriegn Affair》上有篇很棒的文章。他曾是麻省理工学院的教授，说让我们投资新兴关键技术，帮助其规模化，帮助在这里建立新产业。无论是稀土、关键矿产、关键起始原料、机器人技术，还是在我们希望确保拥有一定自力更生能力的先进钢铁等领域。

然后我会召集像Jensen和其他人这样的人，说如何帮助我们商业领袖帮助我们重新工业化俄亥俄州、宾夕法尼亚州、密歇根州和这个国家的部分地区，但不是用过去的东西，而是用我们未来需要的东西。

我们如何创造这些就业机会和产业？我相信这可以成为一个让全国上下跨越党派、跨越地域团结起来的使命，让劳工、企业、技术和政府都朝着同一个方向努力。

Jensen Huang：没错。正如议员所知，AI行业的增长是使美国能够重新工业化芯片制造、计算机制造以及建设所有这些AI工厂的引擎。我们正在重新工业化美国。

我们正在创造如此多的制造业就业机会，以及管道工、建筑电工，现在还有精细工具装配工。他们的薪水翻了一番，翻了两番。

但我们还需要一个繁荣的经济引擎，一个非常强大、繁荣的经济引擎，这样美国公司才能负担得起在美国的投资。我们将要在这里投资5000亿美元，用于建立芯片工厂和计算机工厂的制造。如果我们没有一个繁荣的业务，这是不可能的。

因此，其中一种方法就是致力于此，帮助使我们的制造业依赖多样化，并将其带回国内，建立一个更加平衡的经济。现在我们不能只是全部做碳水化合物。我的意思是，我们的公司，我们的国家需要在信息领域拥有强大的劳动力，也需要在制造领域、劳工领域、工艺领域拥有强大的劳动力。我们现在有机会通过一个繁荣的行业来做到这一点，这确实是一件好事。

McMaster：也许政府能做的是激励你所谈论的那种投资，并显然努力创造繁荣的经济环境，从而产生资本，让你能够进行这些投资。Khanna，你所谈论的是全球经济的一次转型，这次转型主要发生在中国加入世贸组织之后，许多美国人因为中国提供的商品而从这次转型中受益，但许多美国人被抛在了后面。

你谈了很多关于民主化AI的话题，Jensen。这其中包含很多关于在整个经济中鼓励采用的言论，这与民主化AI的想法非常相似。

在你最近的文章中，你谈到不要让AI集中在少数亿万富翁手中，当然也包括在座的公司。但要让每个人都拥有它。所以，我想问你们两位的是，你们有什么想法，如何让每个人都参与进来。如何民主化AI？你如何确保你所谈论的这种大规模转型和机遇不会让美国人掉队，并让所有美国人都能从这项技术及其在如此多不同领域的影响中受益。

Ro Khanna：我的出发点是，如果美国对你很好，你就需要回报美国。美国对我们台上的三个人都非常好。我们各自以自己的方式实现了美国梦。

我尊重Jensen的一点是，他谈到了社会契约感，一种回报国家和国家的义务。必须认识到，东圣何塞或我所在的巴克斯县长大的人们如何看待这个国家。他们看到的是19位亿万富翁。我不知道Jensen是不是这19位之一，但他们拥有3万亿美元，占GDP的12.5%。

这是镀金时代财富集中度的三倍。而70%的美国人并不看好美国梦。我们面临着巨大的经济不平等。民众不信任我们。尽管是我们发明了AI，但对AI最怀疑的也是在美国。为什么会这样？为什么其他国家更信任它？因为我们的民众不信任精英。他们不信任国会的人。他们不信任总统。他们不信任商业领袖。他们不信任媒体。他们觉得我们没有为他们带来利益。

所以，我们有义务弄清楚如何真正让这场AI革命惠及每个人。我可以详细谈谈，但有两个地方非常重要，那就是设立就业计划，承诺提供就业。

前几天我在布朗大学，我问：“有多少人担心就业问题？”80%的人都举起了手。像布朗大学的毕业生们也开始关注这个问题了。

但我们有机会在这个国家制定肯定性就业议程，我们可以与联邦政府一起宣布，对于刚毕业的年轻人，我们会雇佣你。你可以为重建你的社区而工作，你可以做咨询，你可以在护理经济中提供帮助，你可以让地方政府更有效率，或者你可以来联邦政府参与登月计划法案，或者参军，虽然只有1%的人参军。但我希望有一种回馈的感觉。

我们也与商业领袖合作。Jensen一直在努力，英伟达与我们一直在建立这些与大学的合作关系。你可以加入这样的项目，获得这些技能，让我们想办法利用这个充满焦虑的时刻。是的。现实是没人确保新的就业机会会在哪里。Jensen之前谈到放射科医生的需求增加了，我从未猜到过这一点。我们将制定一个肯定性的就业议程，让人们在这个国家重建他们的社区，为美国工作，团结这个国家，也许给这个国家带来新的国家目标。对我来说，这将是对AI和技术恐惧的一种建设性回应。

Jensen Huang：我对每个人说，搬到加州去。那里的税收是世界上最高的，但这没关系。这里天气很好，还有一位伟大的国会议员。首先，AI会摧毁就业的说法对美国没有帮助，这是错误的。随着每一项技术和每一天的过去，过去的工作都在发生变化。

McMaster：你介意提一下Ro提到的那个例子吗？就是你之前引用过的关于放射科医生的例子。这是一个很好的例子。

Jensen Huang：在AI革命的初期，一位最聪明、最有影响力的计算机科学家，也是现代AI之父之一曾说，10年后，你不想从事的工作就是放射科医生。原因是，在十年内，AI将彻底彻底改变放射学，它将渗透到各个方面，将自动化放射学和阅读扫描，放射科医生将被淘汰。这是你不应该从事的工作。

十年后，他完全正确。AI已经完全渗透到放射学的各个方面。每一次放射学扫描现在都由AI辅助，被AI研究的扫描数量急剧增加。他完全正确。但是完全相反的一点是，放射科医生的数量增加了。为什么会这样？放射科医生所做的工作完全自动化了，这完全说不通。为什么他们需要更多的放射科医生？

原因显然非常清楚。大多数成熟的人在思考后会明白，你的工作、你工作的目的和你工作中所做的任务是相关的，但并不相同。以我自己为例，如果它们是一样的，那么有人会观察到Jensen真正的工作就是打字和说话。打字和说话都已经被AI自动化到了超人的水平，但我却比以往任何时候都忙。

所以第一件事是区分这几个概念。为什么我说我们实际上造成了伤害？因为我们告诉那些想进入放射科的人：放射科的未来已死，导致在这个领域发展事业的人数减少。

所以现在看看发生了什么。我们比以往任何时候都需要更多的放射科医生，而我们却没有足够的医生。放射科的目的是帮助诊断疾病，与患者合作，与医生合作，诊断疾病。他们能够接收更多的患者，研究、扫描、做更多的扫描，在医疗保健方面做得更好。

医院赚的钱更多了。他们注意到放射科部门做得非常好，于是雇佣更多的放射科医生，这样他们就可以增加收入，照顾更多的患者。只有当我们拥有放射科医生、软件工程师时，这个飞轮才能持续。

有人说AI将摧毁所有的软件工程师工作。事实证明，我们现在在英伟达内部有了Agent，每一个软件工程师都在使用它。

你会观察到两件事。第一，知道如何使用AI、如何与AI合作的软件工程师是最受欢迎的、最成功的软件工程师。

第二，软件工程师比以往任何时候都忙。原因是，以前他们有一个想法，然后编写代码。但是编写代码需要时间，而现在我们有一个想法，我们就不需要再在编写上花时间了。突然间，计算机、公司在等待你的下一个想法。所以你一直处于关键路径上。

所以我们看到的是，Agent不断地用文本联系软件工程师。我的下一件事该做什么？你现在想做什么？我刚修改好了那个，接下来是什么？你的Agent在敦促你，你只能比以往任何时候都忙。

然而，我们的公司能够做得更多。我们做得更快。我们以更大的规模做事。如果我们说认为英伟达必须每年写10亿行代码，我们刚好完成编写10亿行代码，工作就完成了。那就是一年的定义。而如果我们有AI自动化那10亿行代码，而不是让10000人去做，只需要1000人去做。突然间9000人就不需要了。

所以现在我们有了AI辅助帮助我们，我们可以探索更多的空间，做更好的工作，以更大的规模做事，更具成本效益地做事，做得更好。工作没有消失，只是任务被自动化了。当然，有些工作和任务是完全一样的，那些背景无关紧要的工作，世界总是一成不变，那么那些工作会受到影响，但总体而言，我的感觉是，我们最终将创造更多的工作，在这场工业革命结束时，工作的人会比开始时更多，就像上一个工业革命结束时比开始时更多一样。

民主化AI与社会契约

McMaster：稍后我还有一个关于劳动力适应的问题。我知道你对这方面也有很多思考。Ro，你想接着这个话题谈谈吗？

Ro Khanna：Jensen关于富足的观点在某种程度上是正确的。Keynes曾写过一篇著名的文章，提到他的孙辈每周只需工作15小时。他在生产力提升和产出增加方面是正确的。但他错误的地方在于，人们不会满足于像英国贵族那样的生活。

我们想要室内管道，我们想要能坐飞机去各地，我们想要智能手机。事实证明，人类的需求和欲望是无限的，这会创造更多的工作机会。问题在于，当你回顾工业革命或这些技术时代，虽然多年后我们最终会有大量工作，但也曾出现过巨大的不平等时期，最弱势群体曾经历过大规模的失业，工人大众也曾无法受益。

因此，我的观点是，我们需要在应用阶段思考：工人拥有所有权，拥有谈判权，且有能力获得部分生产力收益，而不仅仅是资本阶层受益，特别是因为AI本质上是偏向资本的。

我们需要考虑刚入行的新人和那些工作可能被自动化的人，并明智地思考我们如何应用它。这样我们就不会让四百万卡车司机失业，或者让刚毕业三四年的年轻人失业。这需要政府、商业领袖和大学共同努力。我不认为这是“AI末日论者”。我不是AI加速主义者，我是“AI民主主义者”。我希望这项技术能为每个人服务。

Jensen Huang：毫无疑问，让每个人都跟上步伐是唯一最重要的事情。事实是，大多数人不太可能因为AI而失业。最可能的情况是，大多数人会输给那些会使用AI的人。因此，我们必须确保每个人都使用AI。

你也听到了很多这样的例子，某人过去是个木匠，但因为AI，他现在成了建筑师。你可以向AI描述事物，它会生成令人难以置信的设计和草稿。他们可以成为室内设计师。因此，他们提升了自己的手艺，提升了服务水平，并将业务提升到了能够提供更多的层次。

我们要做的第一件事，正如你所说，我们必须确保人们明白，AI不是那种没人知道怎么用的神奇技术。AI是一项每个人都应该学会使用的非凡技术。这也是它成为历史上普及速度最快的技术的原因，因为它非常易于使用。因此，我们必须降低它的门槛。我们必须消除它的神秘感。我们必须确保人们不害怕它，以便他们能利用这个工具来启迪自己、赋能自己。

监管智慧与美国梦

McMaster：好的。我想让我们更多地谈谈AI对某些行业的影响，以及AI的前景。但在那之前，让我们先谈谈危险。我们知道这是一个竞争激烈的领域。人们会想要监管它，就像我们在最近几周看到了Anthropic和战争部之间的风波。

从你的角度来看，从国际安全、国家安全的角度来看，在指导方针、协议方面，什么是明智的，以应对人工智能相关技术的误用和危险应用。有什么想法吗？

Ro Khanna：首先，在我看来，我们需要受保护的前沿模型和开源模型的结合。我不希望美国不让我们的模型成为世界通用的标准。但你可以制定一个标准，规定如果你使用一定量的算力进行训练，如果你在使用前沿模型方面拥有某种程度的能力，那么我们将确保在出口管制方面对其进行监管，并且不进行开源，但我们仍将在某些开源模型上进行竞争，以便我们在世界各地仍拥有美国标准，或其他他们可能推出的模型。

我想说的第二点是，我们不应该出现逐底竞争。当我想到美国AI时，美国AI应该是卓越的AI。当欧洲或亚洲购买它时，他们应该知道它是安全的。他们知道这个Agent不会做疯狂的事情，他们知道它不会参与监控或侵犯隐私。这就是我对AI的期望，这意味着要有精心制定的法规。

我们应该也能为AI制定法规，但不要扼杀创新，要鼓励我们的AI成为最安全、最好、最少侵犯隐私的标准。

McMaster：Jensen，我想让你从过度监管的危险这个角度来谈谈这个问题。欧洲模式似乎在激励我们国家的创新方面并不奏效。这对你们来说是一个担忧吗？

Jensen Huang：我们应该像监管当今行业和应用场景中的应用程序一样，严格监管AI应用程序。但我们必须警惕过早监管。这取决于不同文化的智慧和判断。有些国家倾向于在事情发生后或看到事情发生时进行监管。有些国家倾向于在任何事情发生之前就进行监管。

这两种方式都有风险，你必须决定你想承受什么样的后果。你是希望你的社会和文化绝对不受任何伤害，因此完全不承担风险，从而导致行业窒息？还是你愿意承担一点风险，让行业去处理善后工作？

我刚才描述的实际上是两个不同的地区，不是美国，美国仍然处于中间某个位置，而是两个拥有不同技术监管文化的地区。无论是哪个国家，发明了这项技术并拥有这个行业，就有权决定是否给予其行业先发优势。

你必须留意先发优势与禁止访问法规之间的区别，深思熟虑你决定的后果。事实证明，我们依赖很多国家。ASML不是美国公司，我们的每一个能源部门都深度依赖于来自中国的技术和矿产等。

因此，取决于我们想玩什么样的游戏，我们必须意识到，我们生活在一个相互依存的世界。当你身处一个相互依存的世界，没有绝对的事情，这就像我们不是在玩井字棋。世界比那复杂得多。

当我们想要简化世界，将其简化为“我要把所有东西都留给自己，我要把弹珠带回家，你什么都得不到”时，你必须小心。他们也有一些弹珠。因此，在这些相互依存的世界里，对世界和系统如何运作有一个宏观的理解是有帮助的。

其次，拥有成熟度和平衡感是有帮助的，拥有细微差别是有帮助的，拥有长远思维是有帮助的。因此，这些因素都应该被考虑在内。

对于像AI这样快速发展的技术，很难推断出意外后果。

McMaster：这是关于监管的一个重要观点。我想我以前听过这个比喻，试图监管AI就像要求莱特兄弟在进一步开发飞机之前，先为你制定波音的维护手册。但是，正如Ro所提到的，政府确实可以发挥作用，你知道政府与私营部门合作，我也在这里包括学术界，你提到的大学的作用。

我能听听你们两位关于如何看待公共部门、私营部门和学术界在保持我们竞争优势这一主题方面的作用的最高层想法吗？

Ro Khanna：这是绝对的关键。我的观点是，我们应该致力于在全国范围内建立就业项目，让大学、社区学院与政府资助的行业合作，这样人们就能了解技术，了解不同的机会，无论是职业学校、四年制学位还是非四年制学位。

关于拥有高薪工作，我们当然希望资助研究，我们希望向世界各地的才俊开放大学，而不是限制我们自己。更广泛地说，你知道Jensen提到我们不能脱钩，我同意这一点，但挑战在于，我们曾有过无限制的全球化，在三四十年里，资本基本上对国家说你不重要，我们要去任何我们想去的地方。这对美国行不通。我们必须确保我们拥有产业，拥有社区，拥有一定的自力更生能力。

但在这样做的时候，我们不必走向今天看到的极端，即美国将转向内部，拒绝移民，拒绝与其他国家合作，对吧？

我们想与中国在气候变化、AI或解决全球贫困问题上合作。我希望看到一个更加自力更生的美国，认识到一些地方被掏空并被抛弃，并重建这些地方，解决气候变化和全球贫困等重大问题，以及AI的规则。

一个多种族的、自信的美国，不害怕参与世界事务。

Jensen Huang：我同意议员的看法，我们不能只看到对立面。不是全盘接受，也不是一无所有，那种认为贸易将不受限制的想法，是不对的，我们需要对我们想要保护的产业进行一些长远思考。不是为了别的什么原因，我们需要一个平衡的生态系统。我们需要一个平衡的产业，平衡的经济。

我们认识到我们不能拥有不受限制的贸易，但同时我们也不能脱钩。脱钩的概念是疯狂的，是极度无知的。世界处于两者之间。当我们意识到世界处于两者之间时，我们突然可以深思熟虑地面对我们将与世界许多国家共存这一事实。

我们是世界上唯一一个拥有“美国梦”的国家。每个人都像你我一样想来这里享受美国式的生活。事实是，为了让这一切发生，我们不能反这个种族，反那个种族，反这个国家，反那个国家，因为我们希望他们所有人都感到受欢迎。

当我们欢迎所有人来到这里时，我们将能够像你一开始提到的那样，大学体系、思想自由，所有这些都将发挥作用。去维基百科查查美国梦，你可能会看到我的照片。我是美国梦的体现。

我是第一代移民，因此我完全同意你的看法。我们必须保护它。我们必须培育它。而培育它不是走极端。另一方面，我们不能脱钩。

Ro Khanna：这个国家渴望这一点。要求美国人变得更伟大。Jensen和我都实现了美国梦。我拥有一些非常珍贵的东西，成为11000人中的一员，代表美国国会，代表这个地区， 实际上三分之一的财富源于加州，我每天都去代表这个地区向美国发声。这是一种难以置信的荣誉。

我的父母是来自印度的移民。我的祖父是甘地独立运动的一部分。我成长于中产阶级家庭。但在70年代和80年代，我相信，即使我上的是公立学校，我不得不借太多的贷款。我相信在美国你可以做任何事。你可以成为任何人。

不知何故，我们在这个国家失去了这种信念。部分原因是人们没有医疗保健和儿童保育以及物质必需品。部分原因是去工业化，但也只是因为我们变得恐惧。我们被教导要互相憎恨或不喜欢对方。如果这次对谈有什么收获的话，那就是我希望人们说，我们可以相信这个多种族美国的美国梦，它做了一些任何文明都未曾做过的事情，即来自世界各地的人们可以来到这里做任何事。那是我们的项目。那是我们想要努力的美国。

McMaster：我想给你们两位一个机会来做最后的总结。我们实际上是在谈论信心的恢复。此外，在人工智能技术和应用方面保持我们的竞争优势。

你能否描述一下你认为这些技术所蕴含的前景，然后也许也给在座的斯坦福学生一些建议？当他们在这里的时候，他们应该确保学习什么，或者你会推荐他们学习什么，或者他们应该寻求什么样的经历，以便充分利用与这项技术相关的巨大机遇？

Ro Khanna：AI可以做不可思议的事情。它可以确保我们开始治愈罕见疾病，它将允许mRNA的巨大发展。就像我们现在有了DNA基因组一样，有了AI，你实际上可能能够绘制出mRNA的图谱，正如我们在COVID疫苗中看到的，这可能会导致无数疾病的治愈。

它有可能帮助这个国家的再工业化。它有可能使教育更加普及，不仅在美国，而且在世界各地。所以我们没有理由去反对一项技术的发展。但我想要看到的是，我们不要在这个国家重蹈工业革命的覆辙，即60年来英国处于领先地位并且是最富有的国家，但工人阶级并没有看到收益。不平等加剧了。

作为一个国家，我们无法承受这种情况。那么，我们如何确立采用AI的目标，但同时首先考虑工人阶级，考虑那些被遗忘的人，确保他们将拥有经济保障，并认识到归根结底，美国的最终项目不仅仅是技术进步。美国的最终项目是成为一个有凝聚力的多种族民主国家，让每个人都有美国梦。那应该是北极星，我们回过头来看看技术如何融入其中。

我一直强调的一点是，我们需要硅谷问这个地区能为美国做什么，而不是美国能为硅谷做什么。

Jensen Huang：现在是上学和从学校毕业最好的时代，比以往任何时候都好。我听到相反的说法，但我个人看到的只有前方非凡的机遇。举个例子，今天的初创公司比历史上任何时候都多。更多的初创公司，更多的行业，更多的应用正在解决我们以前认为不可能解决的问题。

当下，我们能够以前所未有的规模理解许多不同的科学领域和不同的问题。这是从学校毕业最好的时代，因为世界被重置了。整个行业，世界上最大的行业，计算机行业被重置了。因为世界上的每个行业都建立在计算机行业之上，每个行业都被重置了。

你和其他人都处在完全相同的位置。没有人比你领先。这是参与世界上最强大的技术的最佳时机。它是个性化的。每个人的浏览器上都有它。它是可访问的。显然，每个人都在使用它。

把它用于你的职业生涯，用于你的梦想，去解决伟大的问题。然而，我有时听到你们担心未来。我只需要你们知道，我在另一边看到的是一个欢迎的行业，正在寻找擅长使用AI的大学毕业生。

无论是擅长使用AI进行营销、金融、工程还是软件工程，我们正在寻找AI专家用户。整整一代新人将进入这个行业，由世界前所未见的新技术驱动，而你们是第一代。这是一个不可思议的机会，我们这边的所有人都在等着你们。期待与你们合作，共同建设未来。谢谢。

原文：U.S. Leadership in AI with Jensen Huang, Founder and CEO of NVIDIA, and Congressman Ro Khanna

https://youtu.be/tofBqR5N1RI?si=AeLtyMNHKyxdOAqG

编译：Jocelyn Jiang

本文编译文末载明的原始链接，不代表 ZPotentials 立场，如果对本文有任何想法见解，欢迎在评论区留言互动探讨。