全文 4,000字 | 閱讀約 13 分鐘

（拉里·埃利森演講：為什么說AI將改變一切？）

2025年10月 15日，美國拉斯維加斯。

Oracle CloudWorld2025 大會現(xiàn)場，拉里·埃利森一登臺就拋出一句話：

AI 改變一切。這個說法可真夠大的?！耙磺小?，不過我覺得這說法很接近事實了。

不是“改變搜索”、“改變生產力”，他說的是“一切”。

在這場長達 90 分鐘的演講里，他沒有展示任何 AI Demo，也沒有重復模型性能有多強。他要講的，是為什么 AI 會重寫整個世界的運行方式。

他說：從20瓦的人腦，到12億瓦的 AI 大腦，社會系統(tǒng)和企業(yè)系統(tǒng)必須重新定義。

這種重新定義涉及根本性問題：

• 什么是“基礎設施”？

• 什么才是“可用數(shù)據(jù)”？

• 誰真正擁有 AI 紅利的分發(fā)權？

這些洞察，不是出自研究者或 AI 創(chuàng)業(yè)者，而是來自一個親手構建全球最大數(shù)據(jù)庫帝國、正轉型為 AI 推理平臺的技術商業(yè)領袖。

而他給企業(yè)的警告：別再只訓練模型了，真正的機會，在于誰能用 AI 理解自己的私有數(shù)據(jù)。

如果 AI 真的比工業(yè)革命還猛，你準備好了嗎？

第一節(jié)｜模型會說話，更要聽得懂你

拉里·埃利森的第一個觀點：AI的游戲規(guī)則變了。

他說：“過去大家只談訓練，現(xiàn)在我們談的是‘推理’。而且這不是以前那種‘模型做出一個判斷’的推理?，F(xiàn)在，它們真的在思考。”

? 多模態(tài)AI模型，其實像一顆電子大腦

在演講中，埃利森用了一個比喻：現(xiàn)在的AI模型，是由多個神經(jīng)網(wǎng)絡組成的，就像你我大腦的不同分區(qū)。

比如：

• 看一張圖，是一個網(wǎng)絡；

• 理解這張圖上是什么，是另一個網(wǎng)絡；

• 判斷這張圖是不是在描述“危險”或者“需要行動”，是第三個網(wǎng)絡。

每個子網(wǎng)絡各司其職：有的處理文字，有的識別圖像，有的分析聲音，有的負責推理。這就像我們的大腦，視覺皮層處理顏色和運動，語言區(qū)域處理邏輯。

過去我們以為AI是在“學說話”，其實真正重要的，是它在學習“理解”。

? “語言生成”之后，進入了“語言理解”階段

拉里·埃利森把ChatGPT 3.0稱為“真正的轉折點”：

那是 AI 第一次開始像人類一樣說話的時刻。

但他說，價值不在于生成看似人類的回答，而在于： 它有沒有真的理解你的問題，然后知道該去哪找答案、怎么推理？

這才是AI 從“模仿人類語言”到“學習人類思考”的轉變。

ChatGPT、Anthropic、Grok、Gemini，這些主流模型都已經(jīng)很強大。但埃利森指出一個問題：它們都用公開數(shù)據(jù)訓練，這遠遠不夠。

“模型不是萬能的，它不知道你公司的賬， 不知道你客戶買過什么，不知道你過去開過什么藥單。 這些都不在互聯(lián)網(wǎng)上。”

真正有價值的數(shù)據(jù)，是你的私有數(shù)據(jù)。

模型的真正潛力，是理解你的世界之后，替你思考眼前的事。

? 從“生成答案”到“構建判斷”，差別在哪？

他舉了個例子：AI現(xiàn)在能通過觀察路上的視頻，判斷一輛車會不會撞到你，它能在幾毫秒內決定剎車還是轉向。

這不是靠預設規(guī)則，而是模型看了成千上萬個錄像后，自己學會了判斷危險。

推理，不再是判斷正確答案，而是在復雜條件下做出行動建議。換句話說，AI不只是幫你“找資料”，而是幫你決定“該做什么”。

當 AI 真的具備了理解、聯(lián)想、判斷的能力，當這顆“電子大腦”能以極速處理復雜問題時，真正的瓶頸不再是技術。

瓶頸變成了我們：能不能提出值得它推理的問題？

所以別再糾結模型夠不夠強。

關鍵是，你有沒有真正值得它理解的問題。

第二節(jié)｜12億瓦的AI大腦，是造出來的

如果說 AI 正在學習“理解”，那支撐這種理解的代價是什么？

拉里·埃利森拋出一個極有畫面感的對比：人腦只用20瓦電力，AI大腦要12億瓦。

他說，20瓦的燈泡亮不了多少，但就是它，驅動了人類的語言、想象、平衡、推理。

而現(xiàn)在？

甲骨文正在德克薩斯為 OpenAI 建造全世界最大的AI集群，供電量能支撐 100 萬個四居室家庭，相當于一座中型城市。

? 不是只買GPU了，是在造一整套“AI基礎設施”

埃利森說：你以為我們是在買GPU？不，只買GPU是遠遠不夠的。

他具體講了“訓練一個AI模型”到底需要什么：

• 要有電力廠供能（用天然氣輪機發(fā)電）；

• 要有電網(wǎng)，能把電精準送進每一個GPU陣列；

• 要有冷卻系統(tǒng)，維持穩(wěn)定溫度；

• 要有網(wǎng)絡架構，讓50萬個GPU像“一臺大腦”一樣工作；

• 要有人把這些建出來，每天3500名工人現(xiàn)場施工。

這和他當年在大學宿舍寫代碼，完全是兩回事。

? 企業(yè)不是用 AI 模型，是要能承載 AI 的能力

他打了個比方：AI模型就像一臺F1賽車，但你得先有賽道。

大多數(shù)公司連“加油站”和“維修區(qū)”都還沒準備好，卻已經(jīng)急著“讓AI起跑”。

他強調：我們不只是搭建軟件了，我們在建發(fā)電廠?！?/p>

他在提醒企業(yè)：AI能力不取決于用哪個模型，而取決于基礎能力是否就緒。具體來說：

• 你有沒有自己的數(shù)據(jù)結構，能被模型理解？

• 你有沒有快速調用AI結果的管道？

• 你有沒有能支撐低延遲推理的執(zhí)行環(huán)境？

如果這些都沒有，就像買了一輛F1，卻停在了鄉(xiāng)村土路上。

? 為什么“12億瓦”是個轉折點？

因為它不僅代表模型訓練的能耗，更代表一個時代開始動用“國家級資源”來建設AI。

• 不只是買服務器，而是布局能源、通信、基礎軟件、存儲；

• 不只是演示模型demo，而是交付可靠、持續(xù)的AI生產力；

• 不只是調模型參數(shù)，而是要知道要用這套能力解決什么事。

埃利森總結道：

“我們是在構建AI工業(yè)能力，是整個新世界的基礎設施?！?/p>

這不是空談。馬斯克的Grok的第一個版本，訓練中的模型，幾乎都在甲骨文云上完成。

12 億瓦的AI大腦已經(jīng)開始運轉，游戲規(guī)則正在改變。

第三節(jié)｜AI接入企業(yè)，要從私有數(shù)據(jù)開始

在現(xiàn)場，拉里·埃利森點出了一個被忽視的真相：

“這些模型是用公開數(shù)據(jù)訓練的。它們知道世界在發(fā)生什么，但不知道你公司的賬是怎么算的?！?/p>

這不是抱怨，而是機會。

真正的機會，不是再去訓練一個模型，而是讓這些模型開始理解你手里的資料。

? 為什么公開數(shù)據(jù)不夠？

現(xiàn)在的大模型，比如 ChatGPT、Grok、Gemini，全都用的是公開數(shù)據(jù)：互聯(lián)網(wǎng)上能搜到的內容、論文、網(wǎng)頁、百科、代碼庫……

但企業(yè)日常決策靠的，不是這些東西。

“ChatGPT 沒看過你給客戶開的報價單，它也不知道你正在處理哪張醫(yī)保賬單、哪個供應商欠了你錢?！?/p>

你的數(shù)據(jù)庫、報表、交易記錄、客服對話，這些真正的業(yè)務數(shù)據(jù)都藏在公司內部，從沒參與過模型訓練。

埃利森點出痛點：

“人們希望AI幫他們解決問題，但這些問題的線索都藏在自己的數(shù)據(jù)里?！?/p>

? 不想公開數(shù)據(jù)，但又想讓AI幫我分析它

這是AI進入企業(yè)的最大矛盾之一。

誰都不想把自己的客戶名單、合同內容、財務記錄傳到外部模型去；但又希望AI能“像懂行的同事一樣”看得懂這些材料、做出反饋。

這就像你既想保護隱私，又想讓最聰明的人幫你做分析。

埃利森說：這不是兩難選擇，這是可以做到的。

他透露，甲骨文為此設計了一整套叫做“AI數(shù)據(jù)庫”和“AI數(shù)據(jù)平臺”的新方法，核心邏輯就一句話：

讓模型可以理解你的數(shù)據(jù)，但不帶走它。

怎么做到的？他們用了一種叫 RAG（檢索增強生成）的方法。

這是一種讓AI 在不“提前學”你數(shù)據(jù)的情況下，臨時讀取相關資料的方法。 簡單說：

“你的數(shù)據(jù)不用訓練進模型里，模型會在回答問題前，像搜索引擎一樣去‘翻一眼’， 然后再回來生成答案?！?/p>

這就像你請了個專家到你辦公室來查資料，而不是把資料打包寄出去。

甲骨文把這套方式嵌進了自己的數(shù)據(jù)庫、對象存儲，甚至能連接AWS的數(shù)據(jù)。不管你的數(shù)據(jù)放在哪里，他們都能幫你建立一個“模型能看懂的窗口”。

? 讓AI“看懂”你的數(shù)據(jù)

這一步叫“向量化”。

普通人不需要理解數(shù)學細節(jié)，你只需要知道：

• 模型不認得你Excel表里的“發(fā)票編號”；

• 它能夠理解“這個東西的意思是什么”；

• 所以需要轉化，讓AI感知到數(shù)據(jù)之間的關聯(lián)性、相似性、時間順序。

你不需要改數(shù)據(jù)，只需要告訴甲骨文，哪些是你希望模型能讀懂的，他們就會幫你把它轉成模型能理解的語言。

這就像你請翻譯把一整本業(yè)務資料“翻給AI看”，它才知道怎么幫你分析。

埃利森用一個診所的例子說明了這種方法的實際價值：

“有些美國小診所，每個月都在為醫(yī)保報銷發(fā)愁。 報賬批不下來，診所現(xiàn)金流就斷了，病人也就收不了?！?/p>

他設計的AI應用，不是去“預測癌癥”，而是：

• 幫診所掃描上百個賬單；

• 核查每一項是不是都符合政策；

• 估算這批報銷到賬的概率；

• 自動生成一份可信報告，給銀行做抵押貸款用。

埃利森的觀點很務實：AI不是來做什么高大上的事，而是先幫你解決那些繁瑣的日常工作。

如果說訓練模型是“建大腦”，那讓它讀懂你公司數(shù)據(jù)，就是“裝眼睛”。

公共模型是工具，你的數(shù)據(jù)是鑰匙。

AI知道世界在發(fā)生什么，但你必須教它：你在做什么。

拉里·埃利森整場演講里，最令人意外的部分不是講AI有多強，而是AI已經(jīng)開始解決哪些具體的事。

他沒有講“AI能幫你提升效率”這種空話，而是一條條說清楚了：哪些行業(yè)在用，用在哪一步，發(fā)生了什么變化。

? 醫(yī)療影像，不止看得快，更看得全

他舉了一個自己在急診室的親身經(jīng)歷：

“我騎摩托摔斷了幾根肋骨，做核磁共振的時候，醫(yī)生竟然在一張圖上用尺子數(shù)我斷了幾根肋骨?！?/p>

圖像明明已經(jīng)數(shù)字化了，為什么還在手動數(shù)？

他說，今天AI完全能做得更快、更精準：AI可以一秒內完成所有骨折識別；

同一張圖像，它還能識別其他潛在問題，比如肺部陰影、肝臟病變，不會漏掉。

他說：

“我們在看一兩件事的時候，AI可以看到十幾件。”

在癌癥手術中，AI的價值更明顯。

最好的外科醫(yī)生要用顯微鏡看切口有沒有切到癌細胞，而AI本身的視覺已經(jīng)是顯微級別，能在健康細胞和癌細胞之間精準切割。

? 農業(yè)，AI能種出更聰明的麥子

埃利森說，他們聯(lián)合牛津大學的一個項目團隊，做了一件以前幾乎沒人想到的事：

“我們改造了一種麥子，讓它在同樣面積的土地上，多產出20%的糧食?！?/p>

這不是轉基因炒概念，而是用AI模型模擬出“怎么設計出更高效的光合作用”。

更特別的是：這種麥子吸收了更多的二氧化碳。我們可以控制它把這些碳轉化成碳酸鈣，也就是穩(wěn)定地固化成礦物，減少大氣碳排。

以前碳中和是靠算賬，現(xiàn)在可以直接靠種地。

? 病原體識別，快到幾分鐘出結果

他說傳統(tǒng)檢測一個人得了什么病，需要等好幾天培養(yǎng)細菌。

現(xiàn)在他們正研發(fā)一種AI設備，抽一管血，能在幾分鐘內：

• 找出是什么病毒、細菌、真菌；

• 判斷它有沒有耐藥性；

• 給出建議該用什么藥。

就算是新型病毒，比如當年COVID，也能被這個設備第一時間識別出來。

這不光是救一個人，而是：如果當時世界上每家醫(yī)院都有這個設備，我們會比現(xiàn)在早幾周發(fā)現(xiàn)疫情。

? AI 不止在看，也開始動

埃利森還講到他們做的另一個項目：

“我們用無人機運送血樣，從診所飛到實驗室，全程用RFID保密識別，全程不丟件?！?/p>

這不是未來畫餅，而是“現(xiàn)在已經(jīng)在做”的事。

他說：我們還在研發(fā)自動化溫室，機器人種菜，環(huán)境封閉，人都不能進。

這個溫室的目的有兩個：

1. 節(jié)省水和耕地 —— 比傳統(tǒng)農業(yè)節(jié)水90%，不再砍森林種糧；

2. 可部署在城市邊緣 —— 每天早上采摘，晚上就送到超市。

他半開玩笑地說：這也可以送到火星。我們給馬斯克看過這張圖。他可以一邊住在溫室里，一邊種出自己的番茄。

從醫(yī)療影像到碳中和農業(yè)，從病原檢測到無人配送，AI 正在解決的不是宏大命題，而是那些困擾我們已久的日常難題。

這或許就是 AI 真正的價值所在。

第五節(jié)｜AI不是技術，是能力建設工程

到這一步，拉里·埃利森拋出了一個更大的問題：AI，不只是企業(yè)要用的工具，它其實是一種國家級的能力。

現(xiàn)在的大模型需要的不只是芯片和算力，更需要能源保障、數(shù)據(jù)接入、行業(yè)經(jīng)驗、法規(guī)理解。這些能力，過去只有政府具備。

而現(xiàn)在，企業(yè)要把這套"國家級能力"建起來。

? Oracle是怎么在“建這套能力”的？

埃利森點出了Oracle和其他云廠商的最大區(qū)別：微軟、亞馬遜、谷歌都有云服務，但他們不做醫(yī)療管理系統(tǒng)、不做賬單軟件、不做診所管理工具。

換句話說，別人建了“路”，但沒有“車”。

Oracle反著來：先做業(yè)務軟件，再做AI和基礎設施。

這句話非常關鍵，意思是：其他云廠商主打“AI研發(fā)平臺”；Oracle 則是“AI落地之后誰來承接”的那家公司。

他接著說：

“我們是唯一一家，同時做AI基礎、AI工具、行業(yè)軟件的云服務商。”

這意味著：Oracle能從頭到尾，把整條鏈條搭好。

更重要的是，Oracle在醫(yī)療、金融等行業(yè)深耕多年，知道問題在哪、該從哪開始，而不是拿著AI模型到處找用法。

這就是 Oracle 在談AI的時候最不一樣的地方：

• 不宣傳模型的參數(shù)；

• 不強調推理速度；

• 重點在于：我知道這個行業(yè)的事要怎么干。

真正的 AI 機會，不在于再造一個模型，而在于誰能把模型用到現(xiàn)成的問題里。

? AI模型+數(shù)據(jù)+經(jīng)驗=可用的能力組合

拉里·埃利森說：

“今天的AI模型，大家都能用；但你能不能把它接入業(yè)務，還要靠數(shù)據(jù)和理解力?！?/p>

所以 Oracle 的策略不是搶最新的模型，而是：

• 把 ChatGPT、Grok、Gemini、LLaMA 全都接入進來；

• 客戶選哪個模型都可以；

• 但你要接的是 Oracle 的“AI數(shù)據(jù)平臺”；

• 也就是那個讓你能安全、穩(wěn)定、合規(guī)地調用自己數(shù)據(jù)的中間橋梁。

模型會不斷升級，但你自己的資料結構、使用方式、行業(yè)規(guī)則，不會那么快變。

Oracle 要做的，就是承接這些不變的部分。

這就是“國家級能力”的真正含義：不只是訓練平臺，而是解決城市、行業(yè)、生態(tài)問題的整套服務。

比如：

• 在醫(yī)療場景，AI不能只識別病變，還要接上賬單系統(tǒng)、醫(yī)保系統(tǒng)、資金結算；

• 在農業(yè)場景，AI不能只預測產量，還得接入水資源調度、天氣模型、供應鏈； = 在教育場景，AI不能只講題，還要理解考試安排、學籍系統(tǒng)、家長溝通。

這不是模型本身的事，而是誰來承擔這些整合工作。

“我們在建的不只是數(shù)據(jù)平臺，我們在建AI落地的骨架。”

這節(jié)的最后，埃利森說：

“AI不該是尖端武器，而該像水、電、網(wǎng)一樣被標準化地用起來。我們這幾年造的，不是概念，是能交付的服務?！?/p>

Oracle 選擇的方向是：不是做更強的 AI，而是讓每個人能用上 AI 去做事。

這幾年造的，不是概念，是能交付的服務。

結語｜AI之后，真正的變化才開始

拉里·埃利森這一整場演講，說穿了只有一件事：

AI不會取代你，但它會逼你把該干的事干到底。

他沒喊口號，只問了三個問題：你有數(shù)據(jù)嗎？你有流程嗎？你有真正想解決的問題嗎？

為什么說 AI 比工業(yè)革命更猛？

工業(yè)革命讓機器替代體力， AI革命讓系統(tǒng)延伸能力。

一個改變了“能做多少”， 一個改變了“能做什么”。

埃利森說：AI 不是工具，是新能力。像電、像水、像地基。

留給企業(yè)的問題很簡單：讓 AI 先幫你做哪件事？

誰最早用 AI 把問題解決到底，

誰就站在了新時代的起點上。

本文由AI深度研究院出品，內容整理自拉里·埃利森在Oracle CloudWorld 2025的主題演講。未經(jīng)授權，不得轉載。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

參考資料：

https://www.youtube.com/watch?v=4eCFmbX5rAQ&t=5140s

https://www.thenationalnews.com/future/technology/2025/10/15/oracles-larry-ellison-hails-musk-zuckerberg-and-altman-as-smartest-engineers-amid-ai-rush/

https://www.techradar.com/pro/live/oracle-ai-world-2025-were-live-in-las-vegas-for-all-the-latest-oracle-news-as-it-happens

https://www.nextplatform.com/2025/10/15/ellison-oracle-is-leveraging-all-of-its-advantages-to-build-a-different-cloud/

https://startupnews.fyi/2025/10/16/ai-to-enhance-capabilities-not-replace-human-endeavours-larry-ellison/

https://www.oracle.com/ai-world/

來源：官方媒體/網(wǎng)絡新聞

排版：Atlas

編輯：深思

主編: 圖靈