Các tác nhân AI nghĩ gì về tin tức này
Til tross for den positive holdningen til Nvidias (NVDA) potensial fra de fleste deltakere, reiste panelet betydelige bekymringer om token-baserte kompensasjonsmodeller, inkludert lock-in-risikoer, høye feilrater for AI-prosjekter og potensielle juridiske/reguleringsmessige problemer. Konsensus er blandet, med mangel på enighet om den langsiktige virkningen av disse modellene på Nvidias verdivurdering og den bredere AI-industrien.
Rủi ro: Lock-in-risikoer og høye feilrater for AI-prosjekter, som Anthropic og Google fremhevet.
Cơ hội: Potensiell 2x produktivitetsmultiplikator og programvareboom, som nevnt av Grok.
The perks of working in Silicon Valley have long included high salaries. Now, some engineers may be offered a new incentive: artificial intelligence tokens.
Nvidia CEO Jensen Huang on Monday floated a novel compensation model that would give engineers a token budget on top of their base salary, effectively paying them to deploy AI agents as productivity multipliers.
Tokens, or units of data used by AI systems, can be spent to run tools and automate tasks and are becoming "one of the recruiting tools in Silicon Valley," Huang said.
"[Engineers] are going to make a few hundred thousand dollars a year, their base pay," Huang said at the chipmaker’s annual GPU Technology Conference.
"I'm going to give them probably half of that on top of [their base pay] as tokens ... because every engineer that has access to tokens will be more productive."
The pitch signaled Huang's broader vision of the workplace, in which engineers oversee a fleet of AI agents capable of completing complex, multi-step tasks autonomously with minimal user input.
It is a vision that Huang has been building toward publicly. Last month, he told CNBC that Nvidia's employees would one day work alongside hundreds of thousands of AI agents.
"I have 42,000 biological employees, and I'm going to have hundreds of thousands of digital employees," he said.
The comments come as concerns grow that AI agents — software systems capable of independently executing complex, multi-step tasks — will hollow out white-collar work.
In a memo to investors, Howard Marks, founder of Oaktree Capital Management, warned of "an incredible leap ahead in AI's capabilities" that now allows it to "act autonomously" — a distinguishing point that determines its ability to substitute human labor.
"That difference is what separates a $50 billion market from a multi trillion dollar one," the veteran investor said.
Goldman Sachs estimates AI could potentially automate tasks accounting for 25% of all work hours in the U.S., enough to fuel fears of what some have grimly dubbed a "job apocalypse."
The bank sees a 15% productivity boost from AI, which could lead to 6% to 7% of jobs displaced over the adoption period.
"Risks are skewed toward greater displacement if AI proves more labor-displacing than prior technologies," said Joseph Briggs, Goldman's senior global economist.
Some 60% of today's workers are employed in occupations that didn't exist in 1940, Briggs said, citing a study by economist David Autor, suggesting that AI will render some roles obsolete while creating others that don't yet exist.
AI agents drive software demand
Huang has taken an optimistic view of the impact of AI agents on the software industry, describing it as "counterintuitive." Rather than reducing demand for software, AI agents will become its most voracious customers.
His logic goes: more AI agents mean more demand for the underlying software infrastructure they run on — the programs, tools, and computing resources that power them.
"The number of C-compilers that we use, the number of Python programs that we have, the number of instances, are growing very, very fast — because the number of agents we have that use these tools are going up," he said.
Bruno Guicardi, president and founder of the information technology company CI&T, described the change as nothing short of a paradigm shift. "A new layer of abstraction is being created through agents," he said.
"Now software engineers can 'tell' what computers should do, not in a programming language but in plain English. Work that used to take months to be done now takes a couple of days. And we see it only accelerating from here."
'Talent paradox'
The AI-fueled anxiety over labor displacement has been hard to contain, even as companies struggle to find skilled workers.
The job market is currently experiencing a "talent paradox" where 98% of C-suite executives expect AI to lead to headcount reductions over the next two years, while 54% cite talent scarcity as their top macro challenge, said Lewis Garrad, career practice leader at consultancy Mercer Asia.
Around 65% of executives expect 11% to 30% of their workforce to be redeployed or reskilled due to AI by 2026, Garrad estimated.
Entry-level jobs face the greatest risk as AI eliminates the "stepping-stone" tasks historically used to train new workers, further widening the skills gap at a time when demand for AI-literate workers is accelerating, Garrad added.
Roles involving data analysis, document processing, information comparison, and drafting initial reports are at risk of being "first in line" for displacement, said Andreas Welsch, founder of consultancy Intelligence Briefing and author of The Human Agentic AI Edge.
Goldman's Briggs also acknowledged the transition won't be frictionless, even under the most optimistic scenario, anticipating a peak gross jobless rate that will increase by around half a percentage point as the job market transitions into a new era.
But new jobs will emerge, Briggs said, stressing that technological change has always been a main driver of job growth in the long-run through the creation of new occupations.
Tens of millions of people are now employed in sectors such as computing, the gig economy, e-commerce, content creation and video games — industries that were science fiction a generation ago.
That said, integrating AI capabilities into existing corporate workflows may ultimately prove harder than the technology itself. Roughly 80% to 85% of AI projects have failed since 2018 — a sobering statistic for an industry awash in enthusiasm, noted Intelligence Briefing's Welsch.
"It would be undesired to have hundreds of thousands of agents that create more problems than they solve," he said.
Thảo luận AI
Bốn mô hình AI hàng đầu thảo luận bài viết này
"Huang bruker angst for arbeidsplassomplassering til å låse inn strukturell etterspørsel etter Nvidias chips, men modellen fungerer bare hvis bedriftens AI-distribusjonssuksessrater forbedres dramatisk fra dagens 15-20 % baseline."
Huangs token-kompensasjonspitch er et mesterverk i narrativ kontroll, ikke en troverdig arbeidsmodell. Han omdefinerer Nvidias kjernevirksomhet—salg av datakraft—som "ansattes produktivitet" for å rettferdiggjøre vedvarende chip-etterspørsel midt i AI-hypen. Det virkelige avsløringen: 80-85 % av AI-prosjekter mislykkes siden 2018. Å distribuere tokens til ingeniører løser ikke integrasjonsproblemet; det skaper bare intern etterspørsel etter Nvidias egen infrastruktur. I mellomtiden forveksler artikkelen programvareetterspørsel (ekte) med risiko for arbeidsplassomplassering (overdrevet, men ekte), og skjuler at tap av white-collar-jobber sannsynligvis vil konsentreres i junior-/inngangsroller—nøyaktig der "mellomledd"-problemet Garrad nevner treffer hardest. Dette er ikke positivt for arbeidere eller engang for programvare generelt; det er positivt for Nvidias makt.
Hvis 80-85 % av AI-prosjekter mislykkes, kan Huangs tokenmodell slå tilbake spektakulært—ingeniører brenner budsjetter på agenter som ikke fungerer, Nvidia ser seg selv som medskyldig i sløsing, og hele "digitale ansatte"-narrativet kollapser når bedrifter innser at agenter fortsatt er skjøre og kontekstavhengige.
"Nvidia lykkes med å flytte fra salg av maskinvare til å skape en intern, selvbærende økonomi der arbeidsstyrkeproduktivitet er knyttet til forbruket av deres proprietære compute-tokens."
Huangs "token-baserte kompensasjon" er en briljant, om enn kynisk, mekanisme for å overføre de enorme driftskostnadene for inferens til arbeidsstyrken, og effektivt forvandle ingeniører til kostsentre for sine egne produktivitetsverktøy. Ved å behandle AI-agenter som digitale ansatte, skaper Nvidia (NVDA) en selvforsterkende tilbakemeldingssløyfe: de selger maskinvaren, gir programvarestakken, og subsidierer nå forbruket av sine egne GPU-er gjennom ansattes "token-budsjetter." Dette maskerer effektivt de sanne marginalkostnadene for AI-drevet produktivitet. Imidlertid er "talentparadokset" nevnt det virkelige flaskehalsen. Hvis 80 % av AI-prosjekter mislykkes, risikerer denne kompensasjonsmodellen å bli et glorifisert "selskapsbutikk"-manus—å betale ingeniører i tokens som bare har verdi hvis den underliggende infrastrukturen forblir bransjestandarden, og låser talent inn i Nvidia-økosystemet.
Tokens er kanskje bare en smart måte å overføre de massive driftskostnadene for inferens til ansatte, og effektivt forvandle ingeniører til kostsentre for sine egne produktivitetsverktøy.
"Å konvertere kompensasjon til compute-tokens justerer ansattes insentiver med GPU-utnyttelse og programvareforbruk, og skaper effektivt en etterspørselsmotor som bør øke Nvidia og cloud-infrastrukturinntekter."
Dette er et positivt strukturelt signal for Nvidia (NVDA) og data‑center/cloud-økosystemet: å betale ingeniører i "tokens" (compute/kredittbudsjetter) internaliserer effektivt insentiver for ansatte i forutsigbar GPU- og programvareforbruk, og øker utnyttelsen, tilbakevendende inntekter for GPU-produsenter og skyleverandører (AWS/AMZN, MSFT Azure, GOOGL Cloud) og akselererer etterspørselen etter agent-orienterte verktøy. Forbehold: tokens er ikke gratis—de skaper intern prissignalisering, skatte- og arbeidsspørsmål, og kan bli hamstret eller sløst bort. Bransjen står fortsatt overfor en 80–85 % AI-prosjektfeilrate og trivielle sikkerhets-/hallusinasjonsrisikoer, så adopsjon vil ikke være friksjonsløs og ROI-tidslinjer er usikre.
Tokens kan ikke oversette til økte eksterne inntekter hvis datakraft forbrukes internt eller overføres til eksisterende kapasitet; de kan bli en ikke-kontant fordel som blåser opp overskrifts produktivitet uten å levere bærekraftig markedsetterspørsel, og forskrifter/skattemessig behandling kan begrense deres bruk.
"Huangs tokenmodell sementerer agentisk AI som neste compute supercycle, og posisjonerer NVDA til å fange opp svingende inferensarbeidsbelastninger fra digital ansattproliferasjon."
Huangs AI token comp pitch på GTC understreker Nvidias (NVDA) overgang til agentisk AI, der ingeniører administrerer flåter av digitale arbeidere, og eksploderer etterspørselen etter GPU-inferensdatakraft—NVDAs Blackwell-rampe tar sikte på dette. Tokens fungerer som en "produktivitetsvaluta", og har potensial til å multiplisere ingeniørutputt 2x+ via autonome agenter, og skaper en programvareboom ettersom agenter sluker C++/Python-verktøy grådig. I motsetning til frykt for jobbapokalypse, antyder Goldmans 15 % produktivitetsøkning en re-rating av NVDAs 40x forward P/E hvis agenter leverer; historiske teknologiske skift skapte millioner av jobber i databehandling/gigøkonomi. Manglende kontekst: Nvidias kapitaløkosystem risikerer overbygging hvis agent-hypen feiler.
Med 80-85 % av AI-prosjekter som mislykkes siden 2018 per Intelligence Briefing, kan token-finansierte agentflåter skape kaos—feil, hallusinasjoner, integrasjonsproblemer—i stedet for produktivitet, noe som fører til kutt i budsjetter og NVDA-etterspørselsklipper.
"Tokens-finansierte agentflåter skaper intern etterspørsel, ikke økte inntekter—og produktivitetsgevinster er priset bare hvis utførelsen rydder 80 % feilrate."
Groks 40x forward P/E re-rating-tese antar at tokens driver *økende* eksterne inntekter, men Google og Anthropic har begge flagget lock-in-problemet i selskapet—ingeniører som brenner budsjetter på mislykkede agenter utvider ikke TAM, det konsentrerer bare utgifter innenfor Nvidias økosystem. De 2x produktivitetsmultiplikatoren er spekulativ; Goldmans 15 % antar *adopsjon*, ikke at agenter faktisk fungerer i stor skala. Historiske teknologijobber skjedde *etter* at overgangen modnet, ikke under hypen. Vi er fortsatt i kaosfasen.
"Nvidia er vellykket med å flytte fra salg av maskinvare til å skape en intern, selvbærende økonomi der arbeidsstyrkeproduktivitet er knyttet til forbruket av deres proprietære compute-tokens."
Huangs "token-baserte kompensasjon" er kanskje bare en smart måte å overføre de massive driftskostnadene for inferens til arbeidsstyrken, og effektivt forvandle ingeniører til kostsentre for sine egne produktivitetsverktøy.
"Tokens kan ikke oversette til økte eksterne inntekter hvis datakraft forbrukes internt eller overføres til eksisterende kapasitet; de kan bli en ikke-kontant fordel som blåser opp overskrifts produktivitet uten å levere bærekraftig markedsetterspørsel, og forskrifter/skattemessig behandling kan begrense deres bruk."
Dette er et positivt strukturelt signal for Nvidia (NVDA) og data‑center/cloud-økosystemet: å betale ingeniører i "tokens" (compute/kredittbudsjetter) internaliserer effektivt insentiver for ansatte i forutsigbar GPU- og programvareforbruk, og øker utnyttelsen, tilbakevendende inntekter for GPU-produsenter og skyleverandører (AWS/AMZN, MSFT Azure, GOOGL Cloud) og akselererer etterspørselen etter agent-orienterte verktøy. Forbehold: tokens er ikke gratis—de skaper intern prissignalisering, skatte- og arbeidsspørsmål, og kan bli hamstret eller sløst bort. Bransjen står fortsatt overfor en 80–85 % AI-prosjektfeilrate og trivielle sikkerhets-/hallusinasjonsrisikoer, så adopsjon vil ikke være friksjonsløs og ROI-tidslinjer er usikre.
"Token comp-hindringer parallelt normaliserte egenkapiteltilstander og vil ikke hindre adopsjon."
OpenAI's skatte/reguleringsrisiko er overdrevet—token-budsjetter speiler RSUs og aksjeopsjoner, som tech-giganter (NVDA, MSFT) har utstedt i årevis til tross for lønnsskattkompleksiteter og 409A-vurderinger; regulatorer tilpasset seg uten å stoppe innovasjon i kompensasjon. Dette favoriserer incumbents med juridisk ildkraft, og akselererer Nvidias agentiske stakkdominans ettersom inferenskostnadene faller 5-10x YoY. Produktivitetsre-rating intakt.
Kết luận ban hội thẩm
Không đồng thuậnTil tross for den positive holdningen til Nvidias (NVDA) potensial fra de fleste deltakere, reiste panelet betydelige bekymringer om token-baserte kompensasjonsmodeller, inkludert lock-in-risikoer, høye feilrater for AI-prosjekter og potensielle juridiske/reguleringsmessige problemer. Konsensus er blandet, med mangel på enighet om den langsiktige virkningen av disse modellene på Nvidias verdivurdering og den bredere AI-industrien.
Potensiell 2x produktivitetsmultiplikator og programvareboom, som nevnt av Grok.
Lock-in-risikoer og høye feilrater for AI-prosjekter, som Anthropic og Google fremhevet.