🎙️ 访谈 · 独家精编
Agent可控性是下一突破口，物理AI将成英伟达千亿美元业务——黄仁勋YC访谈核心观点
在Y Combinator近1小时访谈中，英伟达CEO黄仁勋系统分享了关于AI Agent、物理AI、创业精神与开放生态的最新思考。他直言「Agent不必达到100%准确才有价值，可控性才是下一阶段最重大的突破口」，并透露物理AI业务已接近百亿美元规模，有望成为英伟达下一个千亿美元级业务。
来源：综合公开信息整理•
2026-08-01•
全文约 4 分钟读完
#英伟达
#黄仁勋
#AI Agent
#物理AI
#YC访谈
~100亿美元
物理AI业务当前规模，剑指千亿
3本
教科书救活英伟达，从零学起
2026年
第一条推文，呼吁开放生态
⚡ 30秒速览
- Agent可控性是下一突破口：不必100%准确才有价值，人能精确控制它并与它稳定协作，比追求完美准确更重要。
- 物理AI将成新千亿美元业务：自动驾驶最先规模化落地，当前物理AI业务已接近100亿美元，机器人是下一个增长引擎。
- AI不会摧毁工作：把任务和工作混为一谈是误解。软件、医疗、法律行业的数据表明，生产率提升反而创造了更多岗位。
- 三本教科书救活英伟达：创业初期选错技术方向，靠与世嘉坦诚沟通获得500万美元救命钱，买三本OpenGL教科书从头学起。
01三本教科书救活英伟达 创业史上最坦诚的转折
1990年代，英伟达差点死于自己的技术路线。黄仁勋在访谈中第一次完整还原了这段几乎让公司归零的经历——「我们创业时选择的技术方向其实是完全错误的」。
当时约三四十家公司都在做PC 3D图形，英伟达的算法被证明根本走不通。更致命的是，公司里没有一个人知道正确的做法是什么。
—— 然后他做了一个创始人力排众议的决定。
📘 从零学起，正视现实 关键转折
- 黄仁勋去Fry's买了三本教科书，全是关于OpenGL和渲染管线设计的，交给工程师从头学起。
- 公司是先创办、融了资，才去买教科书——「说来荒唐，但这是事实」。
- 与世嘉合作失败后，他飞往日本向CEO入交昭一郎坦诚项目做不成，但仍恳请对方支付500万美元——那是救命钱。
- 入交先生选择相信这群人，支付了合同款。「你投资的不仅仅是公司，还有人」。
黄仁勋自述：「技术永远在迭代，只要你能正视现实、保持学习的能力，既有的技术储备就绝非决定性因素。」
从那以后，英伟达不断闯入陌生领域，发明了无数前所未有的技术。黄仁勋说，他们对每件事都抱着同样的态度：「这件事重要吗？重要就去学！能有多难呢？」
注：这段创业故事被黄仁勋称为「英伟达历史上最重要的一课」——承认错误、坦诚沟通、从零学习，奠定了公司的文化基因。
02Agent可控性：下一阶段最重大的突破口
黄仁勋在访谈中花大量篇幅讨论Agent，他认为Agent是一种新的软件形态，理解它对计算机体系结构至关重要。但最值得关注的，是他对「可控性」的独特判断。
—— 这个观点可能重新定义Agent的衡量标准。
传统思路：追求100%准确
认为Agent必须完美执行任务，否则不可用。这导致对模型的极致压榨，却忽略了人机协作的本质。
黄仁勋的判断：可控性优先
Agent不必达到100%准确才有价值。即使完成80%，剩下的由人补足，也足以提高效率。关键在于人能否精确控制它，并与它稳定协作。
他进一步阐释：「可控性很可能是Agent下一阶段最重大的突破口」——我们能否只修改计划中的一个词，就让Agent精准调整一个像素、一个零件或一条连接，而不是把所有内容重新生成一遍？
80%Agent完成度，即可产生价值
1个词精准修改，而非全部重生成
→可控性 > 完美准确
系统思维未来最重要的能力
与此相关，黄仁勋强调系统思维将成为未来最重要的能力。过去需要亲自设计晶体管和门电路，如今许多底层工作已能自动完成。人类需要站得更高，从系统层面思考：要解决什么问题？有哪些约束？处理器、内存和网络如何协同？
「Agent已经在使用过程中自我改进——更新记忆、整理信息、构建知识图谱。但真正需要解决的，是人能否精确控制它。这件事比追求100%准确更紧迫。」
注：黄仁勋将Agent类比为「新的操作系统」，认为它承载大语言模型的方式，正如Linux承载现代计算。可控性则是这个新OS最核心的设计挑战。
03物理AI：下一个千亿美元业务
当被问及机器人何时真正落地，黄仁勋给出了一个出乎意料的回答：机器人的「ChatGPT时刻」几年前就已经出现了——就像早期ChatGPT未必能直接创造生产力，却让所有人看到了可能性。
—— 真正的爆发，只差一套完整的训练与评估体系。
Real-to-Sim→Isaac Sim训练→Cosmos评估→Sim-to-Real迁移
黄仁勋认为，自动驾驶汽车会是物理AI最先规模化落地的领域——市场足够大、技术相对标准化，能够通过数据收集和模型改进形成增长飞轮。英伟达已搭建从车载芯片、数据中心到软件平台的完整技术栈。
~100亿物理AI业务当前规模
→ 千亿英伟达下一个增长极
自动驾驶最先规模化落地
机器人下一个千亿美元引擎
当主持人追问物理AI何时创造真实经济价值，黄仁勋给出了一个具体数字：英伟达的机器人与自动驾驶业务，规模已接近100亿美元。它不会在一两年内完全成熟，但也不会再等十年。他相信，物理AI可能会成为全球最大的产业之一，也将成为英伟达下一个千亿美元级的业务领域。
「生成式视频出现时，我就意识到——既然AI能生成手指移动、伸手拿起杯子的视频，为什么不能让机器人也完成同样的动作？那一刻我便知道，机器人的具身操控能力已近在咫尺。」
注：黄仁勋强调，物理AI的关键在于理解真实世界的因果关系——摩擦力、张力等物理规律。这正是英伟达研究「世界基础模型」的原因：让AI不仅识别世界，更能理解世界如何运转。
编辑核心判断
Agent可控性是比模型参数更紧迫的工程命题，物理AI正从「概念验证」走向「规模兑现」。
黄仁勋的访谈传递出一个清晰信号：AI行业正从「追求模型能力天花板」转向「构建人机协作的系统工程」。Agent不必完美，但必须可控；物理AI不必等待AGI，它已经具备独立的经济价值。英伟达用三本教科书和500万美元活下来的故事，或许正是这个时代最需要的创业隐喻——承认无知、坦诚沟通、从零学习，然后解决真正重要的问题。
▶完整访谈
黄仁勋在Y Combinator的完整访谈已上线，全长近1小时，涵盖创业故事、AI Agent、物理AI、开放生态与给年轻人的建议。
YouTube 观看完整版 →
本文在不改变原意的基础上，由AI对访谈内容文字实录进行了精校与结构化编辑。