整理 | 褚杏娟

近日，英偉達創(chuàng)始人、總裁兼首席執(zhí)行官 Jensen Huang 和思科董事長兼首席執(zhí)行官 Chuck Robbins 和進行了一場獨家爐邊談話。兩人狀態(tài)都非常放松，黃仁勛五杯酒下肚，罕見地、毫無保留地展望了智能、基礎(chǔ)設(shè)施的未來，以及正在重新定義地球上每個行業(yè)的全球變革。

期間，黃仁勛犀利指出，編程就是打字，打字本身就是一種商品。

他透露，英偉達內(nèi)部已經(jīng)有近乎“失控”的 AI 項目數(shù)量，但他仍在任其發(fā)展，目前未過早收斂。公司內(nèi)部百花齊放是創(chuàng)新的必經(jīng)階段，他對新 AI 項目的第一反是“yes”，而不是“先證明給我看”。

他認為，AI 的真正機會不是“更聰明的軟件”，而是“被增強的勞動力”。歷史上第一次，數(shù)字勞動力的長期經(jīng)濟價值超過了硬件本身。 企業(yè)最有價值的知識產(chǎn)權(quán)不是答案，而是問題本身，而這些必須在本地。未來每個員工，都會“自帶多個 AI”工作。

黃仁勛提醒，你可以不是第一個用 AI 的，但千萬不要成為最后一個。最后一個，基本等于被淘汰。而真正該優(yōu)先用 AI 的，不是邊角料，而是企業(yè)“最核心、最有影響力的工作”。

下面是兩人的對話內(nèi)容，我們進行了翻譯和整理，在不改變原意基礎(chǔ)上進行了刪減。期間有幾次兩人的開玩笑，以“小劇場”形式展現(xiàn)，以饗讀者。

小劇場 1

黃仁勛：我感覺像是在替誰上班似的。

羅賓斯：剛才端酒過來的時候，Jensen 還提醒我說，你知道這在直播吧？我說算了，隨它去吧，都這么晚了。

黃仁勛：第一原則就是不要造成傷害。

羅賓斯：不要傷害任何人，并且要意識到自己有多么幸運。

首先，感謝大家在這里堅持這么久。我們今天一大早就開始了，然后一個接一個的演講，之后休息了大概兩個半小時，大家就又回來見我們了。

黃仁勛：所以我凌晨一點就起床了。

羅賓斯：他剛結(jié)束一趟為期兩周的行程，跑了亞洲四五個城市，其中一天在中國臺灣，昨晚還在休斯頓。

黃仁勛：現(xiàn)在我就在這兒了。

黃仁勛：我們要重塑計算

羅賓斯：這家伙已經(jīng)兩周沒回家了，現(xiàn)在的問題是，他到底是能不能睡在自己的床上，還是只能住酒店？所以我們會輕松點，聊得開心，也盡量早點放他走。

其實你都不用自我介紹了，但還是要謝謝你今天能來，感謝我們的合作關(guān)系，也為你和你的團隊感到驕傲。讓我們從合作開始聊起吧。你提出了 AI 工廠的概念，我們正在一起推進。在企業(yè)領(lǐng)域，進展可能不像我們期望的那么快，但我們先聊聊對你來說，什么是 AI 工廠？

黃仁勛：首先記住一點，我們正在進行 60 年來的首次計算重塑。以前是顯式編程，我們編寫程序，通過 API 傳遞變量，一切都很明確?，F(xiàn)在變成了隱式編程，你告訴計算機你的意圖，它自己去思考如何解決問題。

從顯式到隱式，從通用計算（基本就是算術(shù)）到人工智能，整個計算堆棧都被重塑了。人們談?wù)撚嬎銜r往往只關(guān)注處理層，也就是我們所在的領(lǐng)域，但計算還包括存儲、網(wǎng)絡(luò)和安全，所有這些都在重塑中。

首先是第一部分，我們需要將 AI 發(fā)展到對人們有用的水平。目前，所謂的聊天機器人，你給它一個提示，它就想出要回答什么，這挺有意思的，也讓人好奇，但并不實用。有時它幫我完成填字游戲，但也僅限于它已經(jīng)記住和泛化的內(nèi)容。

回想三年前 ChatGPT 剛出現(xiàn)時，我們覺得“天哪，它能生成這么多詞，能模仿莎士比亞”，但本質(zhì)上仍是對已有內(nèi)容的記憶與泛化。然而我們知道，真正的智能是解決問題。解決問題一方面是知道自己不知道什么，另一方面是推理，即如何解決從未見過的問題，將它分解成你能夠輕松解決的部分。這樣，通過組合，你就能解決從未見過的問題。

此外，還要能夠提出策略來執(zhí)行任務(wù)，我們稱之為計劃。我們現(xiàn)在聽到的 Agentic AI，那些術(shù)語，像工具調(diào)用、檢索、基于事實的增強生成、記憶等，本質(zhì)上講的都是這些能力。

但重要的是，要從通用計算，即我們用 Fortran、C、C++、Cobalt 編寫的顯式編程，進化到新的形式，需要重新思考整個企業(yè)如何利用它。

羅賓斯：Cobalt

黃仁勛：那是好東西，Chuck，那是好東西。

羅賓斯：那是我準備的保底工作。

黃仁勛：是的，那是些仍然有價值的技能。我知道，我知道它們?nèi)匀挥袃r值，我收到很多 offer。恐龍永遠有價值。

羅賓斯：我們剛才確認了，你比我老。

黃仁勛：我知道，我是史前的。看起來不像，但確實是。很好，我可能是這個房間里年紀最大的。

羅賓斯：那么我們來聊聊，當(dāng)你在思考這個話題時……

黃仁勛：所以，我找到 Chuck 說：聽著，我們需要重塑計算，Cisco 必須發(fā)揮重要作用。我們有全新的計算堆棧 Vera Rubin，Cisco 會和我們一起推廣。但那是計算層，還有網(wǎng)絡(luò)層。Cisco 將集成我們的 AI 網(wǎng)絡(luò)技術(shù)，但將其放入 Cisco Nexus 的控制層，這樣從你的角度來看，你能獲得 AI 的所有性能，同時具備 Cisco 的可控性、安全性和可管理性。我們在安全方面也會做同樣的事情。每個支柱都需要重塑，這樣企業(yè)計算才能充分利用它。

但最終我們還是回到那個問題：為什么三年前企業(yè) AI 還沒有準備好？為什么你現(xiàn)在不得不盡快參與進來？別掉隊。我認為你不必是第一個采用 AI 的公司，但千萬別做最后一個。

英偉達“AI 項目數(shù)量已經(jīng)失控了”

羅賓斯：如果你現(xiàn)在是一家企業(yè)，你的建議是什么？他們應(yīng)該采取哪些步驟來做好準備？

黃仁勛：我經(jīng)常被問到 ROI 這類問題，但我不建議從那里入手。原因在于，任何技術(shù)在早期部署時，很難用電子表格來量化新工具、新技術(shù)的投資回報率。我建議做的是，找出公司的本質(zhì)是什么，我們做的最有影響力的工作是什么，不要胡鬧，不要在邊緣事務(wù)上浪費時間。

在我們公司，AI 項目就像千朵花在盛開。公司里 AI 項目的數(shù)量已經(jīng)失控了，但這很好。創(chuàng)新并不總是可控的。如果你想要控制，首先你得去看心理醫(yī)生。其次，控制只是幻覺。你無法控制公司。如果你希望公司成功，你不能控制它，你可以影響它，但不能控制它。

所以我認為第一點，太多公司、太多人想要明確的、具體的、可證明的 ROI。但要在早期證明值得做的事情的價值是困難的。

我會說，讓百花齊放。讓人們嘗試，讓人們安全地嘗試。我們在公司里嘗試各種東西，我們用 Anthropic、用 Codex、用 Gemini，我們什么都用。當(dāng)我們的團隊說我對某個 AI 感興趣時，我的第一反應(yīng)是“yes”，然后再問為什么，我不會先問為什么，再說“yes”。

原因很簡單，我希望我的公司能像我對孩子的期望一樣，去探索生活。他們說想嘗試什么，我的回答是“可以”，然后他們問“為什么”，我不會讓他們向我證明。我不會讓他們證明做這件事將來會帶來經(jīng)濟成功或某種快樂。但在工作場所我們卻經(jīng)常這樣做，你不覺得這很奇怪嗎？這對我來說無法理解。

所以我們對待 AI 的態(tài)度，就像以前對待互聯(lián)網(wǎng)、云計算一樣，讓它百花齊放。然后在某個時刻，你需要運用自己的判斷來決定何時開始整理花園，因為一千朵花會讓花園變得凌亂。

在某個時候你必須開始“修剪”，才能找到最合適的花朵，也就是最好的方法或最佳平臺，這樣你可以把所有的資源集中在一個方向上。但你不想過早地集中資源，萬一選錯了方向呢？那就先讓千朵花一起綻放，然后在某個時候進行整理。

說明一下，我還沒有開始整理，到處都是花在綻放。但我鼓勵每個人去嘗試。然而，我清楚地知道對我們公司來說最重要的是什么、我們公司的本質(zhì)是什么、我們最重要的工作是什么。我確保我有大量的專業(yè)知識和能力集中在使用 AI 來革命化這些工作上。對我們來說，就是芯片設(shè)計、軟件工程、系統(tǒng)工程。

你們也注意到了，我們和 Synopsys、Cadence、Siemens 等公司合作，就是為了把我們的技術(shù)嵌進去。他們需要什么、想用什么，我都會給，給到極致。因為只有這樣，我才能徹底革新我們設(shè)計下一代產(chǎn)品所依賴的工具。

這告訴了你一些關(guān)于我的態(tài)度，對我來說最重要的是什么，以及我會如何革新自己的工作。

想想 AI 能做什么。AI 降低智能的成本，或者以數(shù)量級創(chuàng)造智能的豐富性。換種說法，我們以前需要一年才能完成的事情，現(xiàn)在可能一天就能完成。以前需要一年的，現(xiàn)在可能一小時就能完成。甚至可以實時完成。

原因是我們身處一個豐富性的世界。摩爾定律？天哪，那太慢了，就像蝸牛一樣。記住摩爾定律是每 18 個月翻一番、每 5 年翻 10 倍、每 10 年翻 100 倍。而現(xiàn)在呢？每 10 年增長一百萬倍。在過去 10 年里，我們將 AI 推進到了如此遠的地步，以至于工程師們說：嘿，為什么不在全世界的數(shù)據(jù)上訓(xùn)練一個 AI 模型呢？

他們指的不是從我硬盤里收集數(shù)據(jù)，而是把全世界的所有數(shù)據(jù)拉下來訓(xùn)練一個模型。這就是“豐富性”的定義。豐富性就是面對一個如此巨大的問題，你說“我要全部搞定”?！拔乙斡屑膊☆I(lǐng)域的所有病癥，我不會只做研究癌癥?！遍_玩笑嗎？那太瘋狂了。我們要解決人類的所有苦難，這就是豐富性。

最近，當(dāng)我思考一個問題時，我通常會這樣假設(shè)：我的技術(shù)、我的工具、我的儀器、我的飛船是無限快的。去紐約要多久？一秒鐘就到了。那么如果我一秒鐘就能到紐約，我會做哪些不同的事情？如果以前需要一年現(xiàn)在能夠?qū)崟r完成，我會做哪些不同的事情？如果以前很重的東西現(xiàn)在變得像反重力一樣輕，我會做哪些不同的事情？當(dāng)你用這種態(tài)度面對一切時，你就是在運用 AI 思維。

舉個例子，我們正在合作的很多公司，都在做圖分析，處理各種依賴關(guān)系、關(guān)聯(lián)關(guān)系。這些圖里有無數(shù)節(jié)點和邊，多到是萬億級的。過去的做法是，只能切一小塊一小塊地算?，F(xiàn)在呢？直接把整個圖給我就行了，有多大無所謂。這種思維方式正在被應(yīng)用到各個領(lǐng)域。如果你還沒用這種方式思考，那基本就是做錯了。

速度重要嗎？不重要，你已經(jīng)達到光速了。重量重要嗎？你已經(jīng)是零重力、零質(zhì)量了。如果一些以前對你來說極其困難的事情，你現(xiàn)在的態(tài)度是“無所謂”，那你就沒有應(yīng)用這個邏輯，你就沒有做對。

現(xiàn)在，試著把這種思維用在你公司里最難、最關(guān)鍵的問題上，這才是真正能推動事情發(fā)生變化的方式。如果你自己還沒這么想，那不妨想一想：你的競爭對手是不是已經(jīng)在這么想了？或者，更可怕的是，一家剛剛要成立的新公司，已經(jīng)完全是用這種方式在思考。這會改變一切。

所以，我的建議是找到你公司里最有影響力的工作，把“無限”套上去，把“零成本”套上去，把“光速”套上去，然后再去問 Chuck，怎么才能真的把這件事做成。

“大多數(shù)有價值的東西
被稱為直覺和智慧”

羅賓斯：那我們現(xiàn)在聊聊如何實現(xiàn)。你有那個“五層蛋糕”的比喻，因為大家都在談?wù)摶A(chǔ)設(shè)施、模型、應(yīng)用。我要如何入手？你能聊聊這個嗎？

黃仁勛：首先，成功人士會做的事情之一，是思考事物的本質(zhì)。

大約 15 年前，一個算法和兩個工程師解決了計算機視覺問題。智能包括感知、推理、規(guī)劃。計算機視覺基本上是智能的第一部分：感知。感知是“我是誰？發(fā)生了什么？我的環(huán)境是什么？”推理是“我如何比較這與我的目標？”然后提出一個計劃來實現(xiàn)它。比如噴氣式戰(zhàn)斗機的問題，首先是感知、定位，然后是行動。

智能就是這三件事。沒有感知就無法有第二和第三部分，你無法在不理解環(huán)境的情況下理解或決定該做什么。而環(huán)境是高度多模態(tài)的。有時是 PDF，有時是表格，有時是信息，有時甚至是感官，比如氣味、環(huán)境，“我們在哪里？在干什么？面對的是誰？”我們常說“讀空氣”“看場面”，說的就是感知。

大約 13、14 年前，我們在計算機視覺方面取得了巨大飛躍，這是感知問題的第一層。這超級困難，如何解決計算機視覺？AlexNet 是我們看到的第一個突破。這就像我喜歡的那部電影《First Contact》，這是我們與 AI 的第一次接觸。

當(dāng)時我們在想：這意味著什么？為什么兩個工程師，靠幾塊 GPU，就能超越我們?nèi)陙硭腥朔e累的算法？

我昨天還和 Ilya Sutskever、Alex Krizhevsky 聊過這個問題：兩個年輕人，怎么做到的？我們把問題徹底拆解，十年前我得出的結(jié)論是：世界上絕大多數(shù)真正困難、真正有價值的問題，其實都可以用這種方式來解決。

原因在于，這些問題根本不存在所謂“原則性的算法”。沒有 F=ma，沒有麥克斯韋方程，沒有 沒有薛定諤方程，沒有歐姆定律，也沒有熱力學(xué)定律，它們并不精確。大多數(shù)有價值的東西被稱為直覺和智慧。

我們所說的直覺、智慧，以及你我每天要面對的那些問題，答案往往只有一句話：要看情況。如果答案是 3，那就太好了；如果是 3.14，那更完美。但現(xiàn)實中最有價值、最困難的問題，幾乎全都是“要看具體情況”，因為它們高度依賴上下文。

正是在十二三年前，計算機視覺被攻克了，我們意識到借助深度學(xué)習(xí)，這條路是可以不斷擴展的，模型可以越來越大。唯一的問題是：怎么訓(xùn)練？而真正的突破來自自監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)，讓 AI 自己去學(xué)。直到今天，我們已經(jīng)幾乎不再受限于人工標注。

正是這個突破，徹底打開了閘門，讓模型從幾百參數(shù)、幾億參數(shù)，一路擴展到數(shù)十億、數(shù)萬億參數(shù)。我們能編碼的知識、能通過算法學(xué)到的技能，出現(xiàn)了爆炸式增長。但方法本身并沒有變。

于是我們意識到，這也正是我們今天對話的起點：計算本身將被徹底重塑。從顯式編程，走向一種全新的計算方式：軟件不再是寫出來的，而是“學(xué)出來的”。

那么，如果再退一步，這對計算堆棧意味著什么？對如何開發(fā)軟件意味著什么？對你公司中的工程組織意味著什么？對規(guī)定產(chǎn)品的產(chǎn)品營銷團隊意味著什么？對編碼產(chǎn)品的工程團隊意味著什么？對評估產(chǎn)品的 QA 團隊意味著什么？這些產(chǎn)品未來會變成什么樣？我們?nèi)绾尾渴甬a(chǎn)品？如何保持更新？如果它基于機器學(xué)習(xí)，如何永遠刷新它？如何給軟件打補丁？

關(guān)于未來計算的問題，我大概問過上千個。最終我和公司得出的結(jié)論是：這一切將改變所有事情。于是我們基于這個核心信念，徹底調(diào)整了公司的方向。

簡單來說，Chuck 講的就是：我們從一個“一切都是預(yù)先錄制好的”世界走了出來。Chuck 當(dāng)年寫的軟件，非常厲害。

羅賓斯：那真不錯，它運行了很久。

黃仁勛：還是用希伯來文寫的。（笑）

羅賓斯：這是真的。那是另一項技能。

黃仁勛：房間里唯一懂希伯來文 Cobalt 的人。

總之，那是預(yù)先錄制的。

那我們先想一個問題：現(xiàn)在的軟件到底是什么？因為它是有上下文的，而每一個上下文都不一樣。每一個使用軟件的人不一樣，每一次輸入的提示也不一樣，你給它的前置信息、背景條件都不同。結(jié)果就是軟件的每一次運行實例，都是不一樣的。

這也是為什么過去的軟件計算量相對固定，那種模式叫“基于檢索”。你拿起手機點一下，它只是去把某個軟件文件、圖片取出來給你看。但未來不一樣，未來一切都會是生成式的，就像現(xiàn)在正在發(fā)生的這樣。

小劇場 2

黃仁勛：這場對話以前從未發(fā)生過。概念以前存在，先驗以前存在，但這序列中的每個詞以前從未出現(xiàn)過。原因很明顯，我們已經(jīng)喝了四杯酒了。（笑）

羅賓斯：Cobalt 和希伯來語從未消失。

黃仁勛：謝天謝地這不是在校園里或正在直播。所以，你理解我在說什么嗎？Chuck 今天到現(xiàn)在唯一給我吃的東西就是四杯酒。

羅賓斯：公平點說，我只給了你一杯，另外三杯是你自己從自助臺拿的。

黃仁勛：我當(dāng)時正盯著那些食物，我心想我太餓了。食物離我大概 40 英尺遠。

羅賓斯：因為你在拍照。

黃仁勛：但離得那么近，真的那么近，有一次我確實向食物靠了過去，但又被推回來了。

羅賓斯：你知道發(fā)生了什么嗎？你的團隊提前告訴我們，給他三杯葡萄酒后，他的狀態(tài)最佳。四杯之后，他不得了。

黃仁勛：這并非最佳解決方案。

總之，是的，聽聽我的話。AI 是什么？（大笑）我們需要留下一些智慧。

羅賓斯：能再來杯酒嗎？

黃仁勛：這不僅是 Dave Chappelle 那種水平。

AI 的機會不再是創(chuàng)造工具，而是勞動力

小劇場 3

羅賓斯：讓我們聊聊別的。

黃仁勛：聊聊能源。能源、芯片、基礎(chǔ)設(shè)施，包括硬件和軟件，然后是 AI 模型。但 AI 最重要的部分是應(yīng)用。每個國家、每家公司，下面那些層都只是基礎(chǔ)設(shè)施，你需要做的是應(yīng)用技術(shù)。

看在上帝的份上，應(yīng)用這項技術(shù)吧。使用 AI 的公司不會陷入危險，你不會因為 AI 而失去工作，你會因為那些使用 AI 的人而失去工作。所以趕緊行動，這是最重要的事。盡快給 Chuck 打電話。

羅賓斯：你打給我，我打給他。我們時間不多，我不確定。

黃仁勛：我們有的是時間。

羅賓斯：是嗎？多少時間？

黃仁勛：看看 Chuck，Chuck 按時鐘工作。我都不戴表。你按時鐘工作，我不，不達到預(yù)期價值之前我不會離開的。[掌聲] 哪怕需要整晚，我要折磨你們所有人直到……

羅賓斯：Jensen ，這就是為什么像我這樣的人需要手表。

黃仁勛：好吧，在你說你學(xué)到了東西之前，你將被困在這里。我們會在價值交付之前折磨每個人。

羅賓斯：我確認過了還有酒。

羅賓斯：你能說說你對物理 AI 的看法嗎？

黃仁勛：還記得什么是軟件嗎？軟件是一個工具。有一種觀點認為，工具行業(yè)在衰落，將被 AI 取代。你能看出來，因為很多軟件公司的股價壓力很大，似乎 AI 要取代它們。這是世界上最不合邏輯的事情，時間會證明這一點。

讓我們做個終極思想實驗。假設(shè)我們是終極人工通用機器人。你覺得你能解決任何問題，因為你知道自己是類人生物。如果作為人類或機器人，你會使用螺絲刀還是發(fā)明一個新的螺絲刀？畢竟我只用一個。你會使用錘子還是發(fā)明新錘子？你會使用鏈鋸還是發(fā)明新鏈鋸？

不會新搞的。首先，理想情況下他們根本不用。但理解我的意思嗎？作為人類或機器人、人工通用機器人，你會使用工具還是重新發(fā)明工具？答案顯然是使用工具。

那同樣的邏輯，放到數(shù)字世界里。如果作為人工通用智能，你會使用像 ServiceNow、SAP、Cadence、Synopsys 這些現(xiàn)成工具，還是自己重新發(fā)明一個計算器？當(dāng)然你會直接使用計算器。這就是為什么最近 AI 最大的突破之一，是“工具使用”。因為工具本身就是為明確問題而設(shè)計的。

這個世界上有很多問題就是 F=ma。拜托，不要再搞一個新版本。F=ma 不是“差不多等于 ma”， 它就是 ma。V=IR，IR 就是 IR，不是“近似 IR”，也不是“統(tǒng)計意義上的 IR”。所以我們真正想要的，是通用人工智能、通用機器人使用工具，這是核心思想。

我認為在下一代物理 AI 里，我們會擁有真正理解物理世界、理解因果關(guān)系的 AI。比如我把這個推倒，會不會把后面的一排全帶倒？

你知道什么是多米諾骨牌，小孩子都懂這個概念：推倒一個，就會一個接一個。多米諾骨牌這個概念本身非常深刻，里面包含了因果、接觸、重力、質(zhì)量。一個很小的骨牌，可以推倒一個更大的，最后甚至帶倒一整噸重量的東西。孩子理解起來毫不費力，但一個大語言模型完全不懂。所以我們必須教授、創(chuàng)建一種新型的物理 AI。

那么，機會是什么？

到目前為止，我和 Chuck 所在的行業(yè)，其實一直是在創(chuàng)建工具。我們做的是“螺絲刀和錘子”的生意，一輩子都在把工具交到人手里。但這是歷史上第一次，我們要創(chuàng)造的不是工具，而是“勞動力”，增強型勞動力。

舉個例子，什么是自動駕駛汽車？本質(zhì)上是一個數(shù)字司機。那什么是數(shù)字司機？數(shù)字司機的價值是多少？它的價值遠遠大于那輛車本身。原因在于，數(shù)字司機一生創(chuàng)造的經(jīng)濟價值，第一次超過了硬件本身的價值。

也正因為如此，我們第一次真正觸及到了一個規(guī)模大 100 倍的市場。嚴格說，這在數(shù)學(xué)上是成立的：IT 行業(yè)大約是萬億美元左右，而世界經(jīng)濟大約是百萬億美元。我們第一次有機會進入這個層級。所以在座的每一個人，都有機會應(yīng)用這項技術(shù)創(chuàng)辦一家科技公司。

讓我給一些例子。我真的相信，就像我觀察到的：我喜歡 Disney，我們喜歡和 Disney 合作，但我很確定他們更愿意成為 Netflix；我喜歡 Mercedes，我是坐著 Mercedes 來的，但我很確定他們更愿意成為 Tesla；我喜歡 Walmart，但我很確定他們更愿意成為 Amazon。

你們同意嗎？到目前為止，我是不是全中？我相信我們有機會幫助把每家公司轉(zhuǎn)型為技術(shù)公司。

要技術(shù)優(yōu)先。技術(shù)是你的超能力，行業(yè)和領(lǐng)域只是應(yīng)用場景。而不是反過來，把行業(yè)當(dāng)成身份，再去尋找技術(shù)。為什么？因為技術(shù)優(yōu)先的公司，處理的是電子，不是原子。電子的數(shù)量是無限的，而原子受質(zhì)量限制。這也是為什么當(dāng)企業(yè)從 CD-ROM 這種“原子載體”切換到電子分發(fā)后，市值能暴漲上千倍。

你們要像我們一樣，成為一家“電子公司”，說白了，就是科技公司。機會已經(jīng)擺在你們面前了。換個角度說，其實就是 AI。

我們剛才說過，即使像 Chuck 這樣只會用希伯來語編程的人

羅賓斯：這是一種天賦。

黃仁勛：他的工具選擇是按序從右到左否則它會造成混淆。

羅賓斯：其實挺聰明的。

黃仁勛：聰明人做聰明的事。

妙就妙在，如果你了解編程語言，那就知道，對所有公司來說，軟件并非我們的強項，但知識、直覺、領(lǐng)域?qū)ｉL是你的優(yōu)勢。

現(xiàn)在，你們第一次可以用自己的語言，把想要的東西完整地告訴計算機。還記得我們是怎么從顯式編程，走到隱式編程的嗎？歷史上第一次，你可以“隱式地”給計算機編程，只要告訴它你想要什么，表達你的意圖，代碼由計算機來寫。

編程，如你所知，只是打字。而事實證明打字也是一種商品。

這就是你們的好機會。你們所有人都能超越以前限制你們的“原子局限”。擺脫沒有足夠的軟件工程師的限制，因為打字是商品化的，而你們都擁有極具價值的東西：領(lǐng)域?qū)ｉL來理解客戶、理解問題。

終極價值是理解意圖。當(dāng)你剛從大學(xué)軟件學(xué)院畢業(yè)時，你可能是一個超級程序員，但你不知道客戶想要什么，不知道要解決什么問題。但現(xiàn)在所有人都知道客戶想要什么，知道要解決什么問題。編碼部分很簡單，只需告訴 AI 去做，所以這就是你的超能力。Chuck 和我在這里幫助你實現(xiàn)這一點。

那個結(jié)束語是我喝了五杯酒后說的。聽著，這真是一個奇跡。

羅賓斯：介于兩者之間的是某人在桌子上工作，這是人工智能的真實寫照，也許這是增強版。

黃仁勛：我只想說，與你們所有人一起工作很愉快。大家都知道，Cisco 在計算機發(fā)明史上有兩根極其重要的支柱：網(wǎng)絡(luò)和安全。沒有 Cisco，就沒有現(xiàn)代計算。而這兩根支柱，在 AI 時代都被重新定義了。計算本身，在很多層面已經(jīng)逐漸商品化，但 Cisco 深耕的那些能力，依然極其關(guān)鍵、極其有價值。我們雙方結(jié)合在一起，非常愿意、也非常有能力，幫助大家真正走進 AI 的世界。

之前有人問過我一個問題，我覺得值得再說一遍： 到底是只租云，還是要自己動手建算力？

我的建議和我給自己孩子的建議完全一樣：一定要自己建一套。哪怕 PC 已經(jīng)無處不在，哪怕技術(shù)已經(jīng)非常成熟，也請你親手做一次。你必須知道每一個組件為什么存在。就像你如果身處汽車或交通行業(yè)，不能只會用 Uber，你得掀開引擎蓋，換一次機油，真正理解一輛車是怎么運轉(zhuǎn)的。

理解技術(shù)是至關(guān)重要的。這項技術(shù)對未來太重要了，你必須對它有“上手級”的理解。掀開蓋子，動手做點東西，不一定要很大，但一定要做。你可能會發(fā)現(xiàn)自己在這方面天賦驚人，也可能會發(fā)現(xiàn)，這正是你公司未來必須具備的能力。

你也會意識到，世界并不是“全租”或者“全自建”這么簡單。有些東西你要租，有些東西你必須自己掌控。 比如涉及主權(quán)、安全、專有信息的部分，就應(yīng)該放在本地。有些問題，你就是不愿意讓所有人都看到。

打個比方，當(dāng)你去看心理醫(yī)生時，你肯定不希望那些問題被放到網(wǎng)上。公司也是一樣。你們有很多問題、很多討論、很多不確定性，這些對話，本就應(yīng)該是私密的。我自己就不放心把 Nvidia 所有的內(nèi)部對話都放到云上，所以我們在本地構(gòu)建了超級 AI 系統(tǒng)。因為我逐漸意識到，對我來說最有價值的知識產(chǎn)權(quán)，并不是答案，而是問題本身。

能理解我的意思嗎？我的問題就是我最有價值的知識產(chǎn)權(quán)，答案是商品化商品。我知道問什么，我在識別什么是重要的。 而我不希望別人知道，我認為哪些事情是重要的。這些思考，只屬于一個小房間，只屬于本地，我希望創(chuàng)建我自己的 AI。

已經(jīng) 11 點了，最后一個想法想要補充。

有一種觀點認為 AI 應(yīng)該始終有人類參與其中。這恰恰是錯誤的想法，應(yīng)該反過來，每家公司都應(yīng)該讓 AI 參與其中。

原因很簡單，我們希望公司每天都變得更好、更有價值、更有知識積累。我們不想倒退，不想停滯，更不想每次從零開始。如果我們讓 AI 參與其中，它就能不斷吸收公司的經(jīng)驗。

未來每個員工都會有參與其中的 AI，很多 AI，而這些 AI 將成為公司的知識產(chǎn)權(quán)。這就是未來的公司。因此，我認為你們所有人現(xiàn)在就給 Chuck 打電話是明智的。

羅賓斯：我給 Jensen 打了。

黃仁勛：無論如何，這就是我的結(jié)束語。

羅賓斯：聽著，兩周的旅行，Jensen 今天特地飛到這里，和我們共度一個夜晚，之后才能好好回家睡一覺。我們由衷感謝你能來，真的非常感謝。

黃仁勛：還有，在我眼角余光中，看到那里還有那些烤串。

https://www.youtube.com/watch？v=6fbyiPRhMSs

聲明：本文為 InfoQ 整理，不代表平臺觀點，未經(jīng)許可禁止轉(zhuǎn)載。

會議推薦

InfoQ 2026 全年會議規(guī)劃已上線！從 AI Infra 到 Agentic AI，從 AI 工程化到產(chǎn)業(yè)落地，從技術(shù)前沿到行業(yè)應(yīng)用，全面覆蓋 AI 與軟件開發(fā)核心賽道！集結(jié)全球技術(shù)先鋒，拆解真實生產(chǎn)案例、深挖技術(shù)與產(chǎn)業(yè)落地痛點，探索前沿領(lǐng)域、聚焦產(chǎn)業(yè)賦能，獲取實戰(zhàn)落地方案與前瞻產(chǎn)業(yè)洞察，高效實現(xiàn)技術(shù)價值轉(zhuǎn)化。把握行業(yè)變革關(guān)鍵節(jié)點，搶占 2026 智能升級發(fā)展先機！