中国AI模型获公开认可,开源与量子计算成焦点
最近,在星展银行周一办的一场论坛上,黄仁勋又成了科技圈的焦点。他这次没聊股价,也没聊具体的芯片参数,而是把话题直接抛给了中国AI模型。按照ChainCatcher转引外媒的报道,黄仁勋当场点名了DeepSeek、Kimi和GLM,说这几个中国AI模型的表现已经足够优秀。这话从长期把业务重心放在算力硬件上的企业家嘴里说出来,听着还是挺让人意外的。
更值得注意的是他对开源的态度。黄仁勋明确说自己是开源的坚定支持者,开源就是推动效率提升的最佳方式。他还补了一句,市场会自己决定哪些模型更适合不同的应用场景。另外,这场论坛上他也提到了量子计算,说可能在未来3至5年内进入主流应用,软件会在让基础设施跑得更高效这件事上发挥重要作用。
本文把这场论坛上黄仁勋的几个核心观点拆开看,聊聊他到底认可中国AI模型的什么,开源为什么在他这里有这么高的权重,以及量子计算突然被带出来是什么背景。帮你快速补齐这一波行业大佬表态的完整脉络。
黄仁勋在星展银行论坛上具体说了什么?
这场论坛由星展银行在周一举办,黄仁勋作为嘉宾出席。按照现场传出的消息,他评价中国AI模型时用了“足够优秀”这个词。这里的“足够”其实挺有讲究,不是夸“已经世界第一”,而是说已经到了能拿出去用、能解决实际问题的水平。他点名的三个模型分别是DeepSeek、Kimi和GLM,这三个名字近一年在开源社区和开发者圈子里出现的频率都不低。
从公开报道看,黄仁勋这次没有只停留在模型效果上。他把评价标准和“效率”挂在了一起,认为开源是推动效率提升的最佳方式。换句话说,在他眼里,中国AI团队不只是在“追赶参数规模”,而是在用更开放的方式把模型能力推到可用的水平线上。
为什么他会成为开源的坚定支持者?
黄仁勋在这次论坛上把立场说得很直白:自己是开源的坚定支持者。熟悉AI行业竞争的人都知道,开源和闭源两条路线吵了很多年,从模型权重到训练数据,各方一直有分歧。黄仁勋这次直接站边开源,而且给了效率这个理由。
他的逻辑不复杂:开源能让更多人在前人基础上迭代,减少重复造轮子的浪费,整个社会的算力和人才使用效率就提上来了。他还提到,市场会自己决定哪些模型更适合不同应用场景。这句话可以理解为,他把选择权交给了使用者和场景端,而不是靠某几家机构来划定“谁最好”。
对行业心理层面来说,这种公开表态的影响也很直接。当头部硬件生态里的标志性人物力挺开源时,那些还在犹豫要不要投入开源研发的团队,多少会受到一些鼓舞。毕竟连掌握算力优势的一方都强调开放,闭门造车的成本就显得更高了。
这些表态对开发者选择模型有什么影响?
注意,黄仁勋这次谈的不是“哪个模型参数最大”,而是“哪个模型更适合不同应用场景”。这对实际干活的人来说是个更接地气的判断标准。开源模型通常意味着更低的试错成本,开发者可以自己部署、自己微调,往垂直场景里打。从他的表态看,行业风向正在从“卷通用跑分”往“卷场景适配”走。
当然,这不是说闭源模型就没有位置了。黄仁勋说的是“市场将决定”,最终还得看具体任务需要什么样的稳定性、成本控制和生态支持。但可以肯定的是,开源阵营因为他的公开背书,在争取企业用户和开发者时会多一个说服自己的理由。
量子计算为什么也被带出来了?
除了AI模型和开源,黄仁勋在这个论坛上还提到量子计算。他的判断是,量子计算可能在未来3至5年内进入主流应用。这个时间窗口不算长,说明他认为量子计算正在跨过实验室和原型验证的阶段。
他同时强调,软件会在推动相关基础设施高效利用方面发挥重要作用。翻译一下就是,硬件再强,也需要软件层面把调度、任务分配、能耗管理做好,才能让投入真正转化成产出。这和他谈开源模型时的思路是一致的:别只盯着单点性能,要看整体效率。
一场论坛发言背后,行业在卷什么?
把这场论坛的几个观点连起来看,会发现黄仁勋想表达的东西挺连贯。中国AI模型(包括DeepSeek、Kimi和GLM)被他用“足够优秀”盖章,说明在应用层面已经过了“能不能用”的质疑期;他力挺开源,是因为这是目前推进行业整体效率的最优解;他提量子计算,则是把视线放到了更远的基础设施。
对普通关注AI行业的人来说,这些信息拼在一起传递了一个信号:模型的竞争重点正在迁移。以前大家看谁发布了更大参数的模型,现在更关注谁能在真实场景里跑得更稳、更省、更容易部署。黄仁勋把“市场决定”摆在前面,其实也是把评价标准还给了场景本身。
结语:效率与场景,正在成为新的分水岭
黄仁勋这场论坛发言没有爆出什么惊天数据,但把中国AI模型的现状、开源的价值,以及量子计算的临近感说清楚了。行业接下来怎么走,不妨盯住两个词:效率,场景。
本文基于公开媒体报道整理,仅作信息参考,不构成任何投资依据,内容以原文为准。