黄仁勋的遗憾:给父母买车还是投资OpenAI?

2026-01-22 10:50:00  阅读 8764 次 评论 0 条
摘要:

黄仁勋在访谈中透露遗憾,后悔英伟达市值3亿美元时卖股给父母买奔驰,还遗憾没早期投资OpenAI,其言论引发人们对决策与机遇的思考。

黄仁勋的投资遗憾

错过OpenAI投资良机

黄仁勋在参与BG2播客节目时表示,若OpenAI很可能成为下一家万亿美元级超大规模公司,在其达到该规模前投资是明智之选。他遗憾早期受邀投资时,因自身财力不足,未能投入更多资金,甚至后悔没把所有钱都给OpenAI。他强调英伟达对OpenAI是自愿投资,能获此投资机会很棒。

对xAI投资不够多

2025年10月8日晚间,黄仁勋与外媒CNBC交流时提到,对xAI正在进行的融资机会感到兴奋。他身为英伟达CEO,虽已是xAI投资者,但仍觉得遗憾,后悔没给马斯克更多钱。他认为马斯克参与的事都很值得参与,这笔资金本质不是供应商融资,而是对一家伟大未来公司的投资。

回顾CoreWeave投资

黄仁勋在访谈中多次表达遗憾,称之前没向OpenAI、xAI、CoreWeave多投钱。他觉得OpenAI是极具价值且盈利能力强的初创公司,当下与这些创企合作是很好的机会。他还提到自己最喜欢的投资对象之一是CoreWeave,可见他对错过更多投资CoreWeave的机会也颇为惋惜。

黄仁勋的遗憾:给父母买车还是投资OpenAI?

卖股买车的懊悔

市值3亿时的决定

在瑞士达沃斯举行的世界经济论坛期间,黄仁勋与贝莱德集团CEO拉里·芬克对谈时坦言,自己“最后悔的事”是在英伟达市值仅3亿美元时,出售部分股票为父母购买了一辆奔驰汽车。他感慨地说:“现在回头看,那可能是世界上最贵的一辆车。”

英伟达如今的辉煌

如今,英伟达已成为全球首家市值突破5万亿美元的上市公司,发展成就斐然。其年化投资回报率高达37%,远超1999年与其同年IPO的贝莱德(后者年化投资回报率为21%)。黄仁勋的这一早年决策,与英伟达如今的辉煌形成了鲜明对比,更凸显出他当时决策的机会成本之高。

决策影响与反思

黄仁勋出售股票为父母买奔驰的举动,虽体现了他对父母的孝顺,但从投资角度看,无疑是一个重大失误。这一决策使他错失了英伟达股价大幅增长带来的巨额财富,也让他在回顾往事时有了深深的遗憾。此事件也为投资者们敲响了警钟,决策时需综合考量多方面因素,慎重抉择。

AI领域的关键跃迁

从生成式到智能体系统的进化

黄仁勋指出,大语言模型已具备通用推理与规划能力,正从“生成式模型”向“智能体系统”进化。最新一代模型无需专门训练就能在陌生场景中拆解复杂问题、制定行动方案并协调外部工具完成目标,意味着AI能主动执行任务而非仅被动响应指令。

推理能力开放加速行业落地

以DeepSeek为代表的开源推理模型降低了技术门槛,让企业、研究机构和开发者能广泛部署先进AI能力。这一趋势推动AI从少数科技巨头的专属技术,转变为多领域的通用生产力工具,加速了AI在各行业的落地应用。

物理AI成为现实提升效率

AI系统不再局限于处理语言和代码,开始理解物理规律并与多种设备深度融合。在制造、能源、物流等诸多领域,AI都有实际应用,如优化生产线节拍、调节电网负荷、协同无人车队调度等,切实提升了自动化水平与生产效率。

黄仁勋的遗憾:给父母买车还是投资OpenAI?

相关问答

黄仁勋为什么后悔卖英伟达股票买奔驰?

因为当时英伟达市值仅3亿美元,如今英伟达已成为全球首家市值突破5万亿美元的上市公司,卖股买车让他错失了巨额财富增长。

黄仁勋对OpenAI的投资有什么看法?

他认为若OpenAI可能成万亿美元级公司,早期投资是明智的,遗憾当时因财力不足没多投,甚至应把所有钱都给OpenAI。

黄仁勋提到的AI从生成式到智能体系统的进化是怎样的?

大语言模型有了通用推理与规划能力,能在陌生场景拆解问题、制定方案并协调工具完成目标,从被动响应变为主动执行任务。

开源推理模型对AI行业有什么影响?

降低了技术门槛,使企业、研究机构和开发者能广泛部署先进AI能力,推动AI从少数巨头专属技术变为多领域通用生产力工具。

物理AI在哪些方面有应用?

在制造领域可优化生产线节拍,能源行业能动态调节电网负荷,物流场景可协同无人车队调度,提升自动化水平与生产效率。

黄仁勋对xAI的投资态度如何?

他对xAI融资兴奋,虽已是投资者,但后悔没给马斯克更多钱,觉得这是对伟大未来公司的投资,想参与马斯克的项目。

本文地址:https://www.caiair.com/post/huangrenxun-weiyi-yihan-ying-weida-370088-125074.html
简短标题:黄仁勋的遗憾:给父母买车还是投资OpenAI?
转载声明:欢迎分享本文,转载请保留出处!发布者 财云量化