智东西11月21日消息，近日，在美国-沙特投资论坛上，特斯拉CEO、xAI创始人兼CEO埃隆马斯克（Elon Musk）与英伟达创始人兼CEO黄仁勋两位科技圈顶尖大佬展开对谈，
马斯克已经涉足电动汽车、机器人、太空等诸多领域，他称在这一些行业“他不是颠覆，而是创造”，其中人形机器人将成为有史以来顶级规模的行业，特斯拉会在这一领域率先突破。
关于AI的发展，马斯克抛出了“当AI发展到一定阶段，货币将不再具有实际意义”的结论，让黄仁勋沉默10秒无言以对，随后两人干了个杯。
随后，马斯克还断言太空AI将在五年内实现，太空AI的成本效益会远比地面AI高得多。
黄仁勋则开启了对马斯克的夸夸模式，他说，技术为人类带来正向价值的关键缘由是像埃隆这样的创新者们总有源源不断的好想法。他还透露，他们经常互发消息。
对于当下AI泡沫论的观点，黄仁勋提到，计算领域正经历一场从通用计算向加速计算的全面转型，摩尔定律几乎到头、生成式AI发展、智能体AI崛起这三大主要趋势证明，为支撑这场革命性智能体AI发展，所有投入的资源都是合理的。
xAI计划与沙特阿拉伯国家支持的AI企业Humain合作，在沙特建设一个总规模500兆瓦的数据中心，第一阶段先启动50兆瓦的建设，并使用英伟达的芯片。
英伟达将与亚马逊云科学技术合作构建数据中心，项目初期先启动100兆瓦的规模，目标是1000兆瓦；英伟达、亚马逊云科技与Humain，正联手推进Omniverse数字孪生项目。
目前，这两位科技圈大佬所掌舵的企业市值已达近6万亿美元（约合人民币43万亿元），英伟达最新市值已达4.53万亿美元（约合人民币32万亿元），特斯拉为1.27万亿美元（约合人民币10万亿元）。这场约28分钟的对话涉及到太空计划、人形机器人、智能体崛起等诸多行业热门话题。
本次对话由沙特阿拉伯王国通信和信息技术部部长阿卜杜拉斯瓦哈（Abdullah Al-Swaha）主持。以下是对访谈全程内容的编译（为优化阅读体验，智东西做了不改变原意的编辑）：
斯瓦哈：昨天，美国与沙特阿拉伯签署AI战略合作伙伴关系协议，双方将在半导体供应、AI基础设施建设和高价值投资等领域展开全面合作。我们共同庆祝这一历史性时刻。埃隆，你对第一性原理情有独钟，这一思维方法让你成功将电池成本从每千瓦时1000美元降至100美元以下。而如今，你正将同样的逻辑应用在机器人领域，聚焦于执行器、伺服转子和电机的成本优化。你是如何凭借这种思维去颠覆每一个涉足的行业的？
马斯克：其实这多半算不上颠覆，而是创造。比如SpaceX的可重复使用火箭，当时根本就没有可重复使用的火箭，但要彻底变革太空旅行，核心关键就在于可重复使用性。如果每次发射后都把火箭扔掉，进入太空的成本会高得离谱。
再说说电动汽车，我们刚开始造的时候，市面上其实就没有真正意义上的电动汽车，据我所知，你想买都买不到。所以对特斯拉来说，我们的目标很明确：要造出既着迷、又价格亲民的电动汽车。
还有人形机器人，目前还没有真正实用的人形机器人。市面上有些类似噱头的产品，但没有一款是真正能用的。我认为特斯拉会造出第一款真正实用的人形机器人，这将会是一场不小的革命。而且我觉得这会是人人都想要的东西，因为我总在想：谁不想要属于自身个人的C-3PO或R2-D2（均为《星球大战》中的机器人）呢？到时候，各行各业都会有大量人形机器人提供产品和服务。
这就是为什么我说，人形机器人将成为有史以来顶级规模的行业，或是最具影响力的产品，它会比手机乃至其他任何一个产品都更重要，因为每一个人都会想要一台，甚至有可能不止一台。
我想说的是，人形机器人会比《星球大战》里的R2-D2和C-3PO加起来还要厉害。人们总是在谈论消除贫困这类话题，相关的论调倒是不少，也有很多非政府组织在努力推进这些事，但实际上都没成功，这是有目共睹的事实。AI和人形机器人才真的能实现消除贫困的目标，而且特斯拉不会是唯一一家生产人形机器人的企业。
我认为特斯拉将在人形机器人领域率先突破，也会有企业纷纷跟进布局这一领域。但从本质上来说，要让所有人都实现富足，只有一条可行路径，那就是依托AI与机器人技术。而机器人技术就绕不开AI工厂。
斯瓦哈：昨天美国和沙特阿拉伯签署了AI战略伙伴关系协议。基于这一合作声明，你觉得AI工厂接下来会有哪些新动向呢？
黄仁勋：沙特阿拉伯打造AI工厂是一个精彩的故事，沙特阿拉伯正推动AI炼油厂向AI工厂转型，我对此赞叹不已。
我一直认为AI属于一种基础设施，这是有充分理由的。我们能从技术层面看到AI正给各行各业带来颠覆性变革，这种数字智能正应用于所有的领域。如此一来，无论是企业、行业，还是各个国家，都会用到这项技术。从这个方面来说，AI具有基础性地位，因此它也是基础设施的重要组成部分。
从计算机科学的角度来看，AI的创新之处在于，过去的计算方式在很大程度上都属于检索式计算，无论是有人撰写的一篇文稿、创作的一件艺术品，还是设计出的数字广告，这一些内容都是预先制作完成的。之后系统所要做的，就是为你检索出契合需求的对应版本，这就是检索式计算模式。
像分布式计算框架以及诸多计算框架与操作系统，其设计初衷均是为了帮用户检索到所需的目标信息。
但如今软件已能实现实时生成。现在的计算是生成式的，它会基于具体语境、实际场景、你的身份信息、你提出的问题以及你给出的提示词，为你实时生成专属内容。而且每次生成、面向每个人的内容都是独一无二的。就像使用Grok时，你每次给出的提示词不同、所处场景不同，得到的结果也都会不一样。所以说，过去的计算模式是检索式的，而现在已经转向生成式了。
既然是生成式计算，且每次生成的内容都不相同，就需要在全世界内布局AI工厂来实时生成这一些内容，这也我们应该AI工厂的核心原因。这是一种独特的计算方式，但其优势显而易见：所有内容不再是预先设定好的，而是大多能贴合具体语境、具备合理性，因此也更具智能化水平。
斯瓦哈：聚焦于AI工厂与机器人技术，沙特阿拉伯计划通过引入约数千万台智能机器人来强化劳动力，以此催生下一波生产力增长与社会持续健康发展浪潮，但这一点也让不少人对就业的未来忧心忡忡。你们怎么看？
马斯克：如果你问长远来看事情会走向何方，我也说不清长远具体是多久，10年、20年对我来说就算长远了，我的预测是，工作将变成完全可自由选择的。
我的意思是，到时候工作会变得像做运动、玩电子游戏这类事一样。如果你想工作就去做，就好比你可以去商店买蔬菜，也可以在自家后院种菜。在后院种菜要辛苦得多，但有些人还是会做，就因为他们喜欢种菜这件事。未来的工作就会是这样，而从现在到那个阶段，其实还有大量的工作要做。
我一直建议我们大家去读读艾萨克阿西莫夫的《基地》系列小说，这样能对一个大概率实现的积极AI未来有个概念。有意思的是，在那些书里，金钱已经不复存在了。如果时间跨度足够长，且AI和机器人技术能持续进步，那么金钱在未来的某个时刻将会变得不再重要。当然，能源和物质这类基础物理资源仍会是约束条件，但我认为到了某个阶段，金钱的核心作用会逐渐消失。货币将不再具有实际意义。
我认为看待这件事可以有不同的视角，但有一点是肯定的，每个人的工作都会不一样。学生的学习方式会改变，人们的工作模式也会截然不同。因为现在我们做的很多枯燥乏味、费力耗时或是难度极高的事，未来都会变得很简单。从这个方面来说，我们的生产力也会大幅提升。
对于大多数人或企业而言，如果生活效率变得更高，那些原本费力难办的事也变得简单易行，你很有可能会因为脑海里涌现出更多想法，而有更多时间去追逐自己想做的事。我猜，埃隆会因为AI变得更忙，我也会因为AI变得更忙。我们有太多想实现的想法，公司里还有一大堆待推进的事，现在终于有条件去一一做了。
如果生产力提升了，我们就能更快推进这些事。所以短期来看，所有证据都表明，我们的效率会大幅度提高，但同时也会变得更忙，毕竟我们有太多想做的事了。
我可以给大家举个实际例子佐证这一点，我之前也跟埃隆聊过，比如放射科领域，现在已经基本转向AI驱动了,有不少优秀企业都在做这方面的布局。但让人意外的是，之前大家预测放射科医生会是第一批被淘汰的职业，可真实的情况却恰恰相反。
如今因为AI的应用，放射科医生的招聘需求反而增加了。背后的原因其实很明确，放射科医生的核心职责从来不是分析影像，而是诊断疾病。现在，影像分析的效率大幅度的提高，他们能查看更加多影像、运用更多检查手段，还能花更多时间与患者沟通。结果就是，他们能接诊更多患者，全球放射科的诊疗量都在增加，疾病诊断的准确率也慢慢变得高。
这大概就是AI与生产力提升在短期内的成果，长远来看会怎样还需拭目以待。埃隆，真到了货币不再重要的那一天，要提前跟我说一声。
斯瓦哈：我同意你们俩的观点，所有技术趋势、每一项技术都为全球、为人类带来正向价值。
黄仁勋：我也想补充一点，这背后的关键原因正是，像埃隆这样的创新者们总有源源不断的好想法。
斯瓦哈：今天我们有几项重大消息要在这里宣布。埃隆，跟大家评评我们在xAI方面的合作进展。
马斯克：我们很兴奋地宣布，xAI计划与沙特阿拉伯国家支持的AI企业Humain合作，在沙特建设一个总规模500兆瓦的数据中心，第一阶段先启动50兆瓦的建设，并使用英伟达的芯片。抱歉刚才差点说成500吉瓦了，要是500吉瓦的线万亿美元。
黄仁勋：我们也要宣布一大堆好消息。首先我们和Humane的合作进展得超级顺利，一开始是我们联手帮此公司起步、落地项目，现在他们拿下了埃隆这么重磅的客户。一家目前营收几乎为0的初创公司，就要为埃隆打造一座500兆瓦的数据中心，这规模简直大到离谱。此公司马上就起飞了。
此外，我们还在和亚马逊云科技（AWS）展开合作，我们已和AWS达成了合作，项目初期先启动100兆瓦的规模，目标是1000兆瓦，后续还会持续扩容。所以AWS也加入了与Humane的合作，我们正和Humane联手推进Omniverse数字孪生项目。
想必大家都清楚，AI不只是Agent、聊天机器人这类认知型AI，它的应用场景其实无处不在，比如化工、蛋白质、基因、物理、流体动力学、粒子领域，并还有机器人技术与实操激活。我们正和Humane合作，把Omniverse的技术应用到各类数字工厂、机器人系统、仓储物流等场景中。
另外，我们还在沙特阿拉伯推进超级计算机的建设，用它来模拟量子计算有关技术，同时借助我们的计算机承担控制与量子纠错任务。量子纠错需要海量的计算资源，所以我们在这一领域也开展了大量工作。
不过我得先说明一点，我们不该把文明的存续当作理所当然。我们一定要用心守护，确保文明持续发展。任何研究历史的人都知道，文明的发展并非总能一路向上。事实上，文明都有其生命周期。所以希望我们现在正处于一个强劲的上升阶段，我认为目前确实是这样，但我们绝不能掉以轻心，更不能自满。
要理解太空AI的意义，得先从卡尔达肖夫二级文明（Kardashev Scale Type II）的视角来看，如果人类想实现这一文明等级的哪怕万分之一，就必须在深空部署搭载AI的太阳能卫星。
一旦你开始从“文明能将太阳多少能量转化为有用功”这个卡尔达肖夫等级的核心维度思考，就会发现，太空是最重要的。
地球接收的太阳能量，大概只占太阳总辐射量的二百亿分之一，所以要是想获得比地球所能产生的能量多一百万倍的能量，就必须进军太空。
所以拥有一家太空公司确实是很方便的，而且在太空中，芯片的冷却也会容易得多。
马斯克：没错，太空中确实绝对没水，所以冷却方式肯定不能依赖水，只能另想办法，其实核心就是靠辐射散热。
我估计，太空AI的成本效益会远比地面AI高得多，而且这一天会在地球能源潜力耗尽之前很久就到来。我说的“很久之前”，其实可能就在未来四五年内，到时候，最省钱的AI计算方式，就会是利用太阳能驱动的太空AI卫星。所以我敢说，最多五年内就能实现。
黄仁勋：看看我们现在联手打造的超级计算机，就拿单个机柜来说，重量大概两吨，而这两吨里，可能有1.95吨都是用来冷却的。
试想一下，如果把这些GB300机柜做成太空用的超级计算机，体积会有多小，到时候每个机柜都会变得迷你又精巧。
马斯克：没错，发电现在已经成了难题。而且不管是要扩大发电量，还是增加冷却能力，太空都是极具吸引力的选择。
比如你想实现每年200到300吉瓦的AI计算算力，在地球上很难做到。我记得美国的平均用电量大概是每年460吉瓦左右，这么算下来，要是AI计算要用到300吉瓦，就等于占了美国全年发电量的2/3。
地球上根本不可能建成那么大规模的发电厂。要是再把算力需求提升到每年1太瓦，那就更没可能了，这种规模只能在太空实现，地球上完全做不到。
而在太空能获得持续不断的太阳能。实际上你都不需要电池，因为太空中永远是晴天，太阳能电池板的成本会更低，毕竟不用装玻璃或框架，冷却也只靠辐射散热就行。这就是我心中的理想方案，也是怎么回事太空AI是必然趋势。
黄仁勋：我觉得要回答这样的一个问题，得先看看全球当下的情况，再回归计算机科学和计算领域的根本逻辑。目前主要发生了三件事：第一，我们都知道摩尔定律已经走到尽头了。而现在，计算需求的增长幅度，和通用计算能提供的算力之间有着巨大的缺口，这确实是个棘手的难题。
全球转向加速计算的趋势其实已经持续一段时间了，我们推动这项技术也有20多年了。
给大家看一组数据吧，六年前的全球超级计算机TOP500榜单里，CPU的占比高达90%，而今年这个比例已经降到不足15%，相当于从90%骤降到了10%左右。加速计算的占比则完全相反，从之前的10%一路飙升到了现在的90%。
在云计算中，数据处理是全球最数据密集、计算量最大的应用之一。仅原始数据处理这一项，每年的计算相关投入就高达数千亿美元。这类处理和AI丝毫没有关系，只是单纯的SQL处理、数据框操作，比如每个人的姓名、地址、性别、年龄、居住地、收入水平等等，所有这一些信息都会被纳入这个数据框中进行处理。
如今，这个数据框在驱动着全世界的运转，不管是银行业务、信用卡服务，还是电子商务，再到广告推荐等方方面面，所有这些都依赖这个数据框。而处理这个数据框的计算成本，高达数千亿美元。
第二件事是生成式AI的崛起。过去15年的主流是推荐系统，比如社交动态里，系统知道该给我们推荐哪些信息，该给某人推荐什么广告、哪本书、哪部电影。
互联网规模大到很难来想象，要是没有推荐系统，我们手里这小小的手机，根本没机会接触到真正需要的信息。推荐系统能够说是如今互联网的核心引擎，而它现在正朝着生成式AI演进。过去这类系统都靠CPU运行，现在已经全面转向GPU了。
这就引出了第三点，只要看看这两类应用就知道，很多网络公司都会大规模部署GPU，自然催生了智能体AI（Agentic AI）。
像Grok、OpenAI、Anthropic、Gemini，都属于智能体AI，它们搭建在前面提到的技术基础之上。但大家别忘了，不要只盯着如今众人所见的AI表象，更要去关注表象之下的底层变革。
计算领域正经历一场从通用计算向加速计算的全面转型。如果把这一趋势纳入考量，你会得出这样的结论，事实上，支撑这场革命性智能体AI发展所需的资源，不仅远比你想象的要少，而且所有投入都是合理的。