整理 | 鄭麗媛

出品 | CSDN（ID：CSDNnews）

兩周前，英偉達(dá) CEO 黃仁勛還在中國。

上海、北京、深圳，他連續(xù)跑了多座城市，參加英偉達(dá)中國分公司的新年晚會(huì)，與員工面對(duì)面交流。緊接著，他又馬不停蹄地飛回美國，在這趟“連軸轉(zhuǎn)”的行程即將結(jié)束前，黃仁勛把自己出差的最后一晚，留給了一場(chǎng)并不那么“正式”、卻異常精彩的公開對(duì)談：

2 月 3 日晚，黃仁勛端著一杯酒，和思科 CEO Chuck Robbins 一起走上舞臺(tái)，面對(duì)的是一場(chǎng)全網(wǎng)直播的深度對(duì)談——沒有 PPT，沒有發(fā)布會(huì)口吻，更多是老朋友之間的即興對(duì)話，甚至夾雜著自嘲、玩笑和一點(diǎn)點(diǎn)酒精加持后的“真心話”。

“我這是在帶薪喝酒啊?！秉S仁勛剛上臺(tái)便笑著說。 “剛把酒拿出來時(shí)，老黃還提醒我，‘你知道這是全網(wǎng)直播，對(duì)吧？’”Chuck Robbins 調(diào)侃道。 “管他呢，反正都這么晚了?！?/blockquote>

臺(tái)下掌聲響起，這場(chǎng)持續(xù)近 50 分鐘、酒精含量與信息密度同樣不低的 AI 對(duì)話，就此開始。在這次對(duì)談中，黃仁勛拋出了多個(gè)極具沖擊力的判斷：

• “我們正在經(jīng)歷 60 年來第一次真正重新發(fā)明計(jì)算?！?/p>

• “寫代碼，本質(zhì)上就是打字，而打字正在變成一種廉價(jià)商品?！?/p>

• “真正值錢的不是答案，而是你能提出什么問題。”

• “企業(yè)不需要馬上算 ROI，先讓百花齊放?！?/p>

• “未來不是 Human-in-the-loop，而是 AI-in-the-loop?！?/p>

在黃仁勛看來，AI 并不是“幫程序員寫代碼那么簡單”，而是一整套從計(jì)算范式、軟件形態(tài)到組織結(jié)構(gòu)的全面重構(gòu)。

以下是這場(chǎng)對(duì)話的完整實(shí)錄：

什么是“AI 工廠”？這是 60 年來第一次重寫計(jì)算

Chuck Robbins：首先感謝大家在如此漫長的一天里依然堅(jiān)守在這里。我們從一大早開始，演講嘉賓一個(gè)接一個(gè)輪番上陣，中間就歇了兩個(gè)半小時(shí)，大家還是回來想見見你。

黃仁勛：我可是從凌晨一點(diǎn)醒到現(xiàn)在了。

Chuck Robbins：大家可能不知道，這家伙剛結(jié)束兩周的亞洲之行，跑了好幾個(gè)地方。

黃仁勛：一天前我還在臺(tái)灣，昨晚我在休斯頓，現(xiàn)在我在這兒。

Chuck Robbins：他出差了兩周，我算是他這趟差旅的最后一關(guān)，過了我，他就能回到自家舒適的床上了。所以我們要聊點(diǎn)開心的，然后趕緊放他回家。雖然你不需要太多介紹，但還是謝謝你能來。

黃仁勛：客氣了。感謝我們的合作，我也為你們感到驕傲。

Chuck Robbins：好，那我們就從合作開始聊。我們一直有著深度的合作關(guān)系，是你提出了“AI 工廠”這個(gè)整體概念，我們正在共同努力實(shí)現(xiàn)它。不過在企業(yè)級(jí)領(lǐng)域，進(jìn)展速度可能沒我們倆希望的那么快。對(duì)你來說，究竟什么是“AI 工廠”？

黃仁勛：首先大家要記住，我們正在經(jīng)歷 60 年來第一次真正重新發(fā)明計(jì)算。過去是“顯式編程”，程序需要我們一行行寫出來，變量通過 API 傳遞，一切都非常明確；而現(xiàn)在，我們轉(zhuǎn)向了“隱式編程”，你只需要告訴計(jì)算機(jī)你的意圖，它就會(huì)自己弄清楚如何解決問題——這是從顯式到隱式的核心轉(zhuǎn)變。

其次，是從通用計(jì)算（基本上就是計(jì)算器）向人工智能的轉(zhuǎn)變，整個(gè)計(jì)算堆棧都在被重新發(fā)明?，F(xiàn)在人們談?wù)撚?jì)算時(shí)，往往只關(guān)注處理器這一層，也就是英偉達(dá)所在的領(lǐng)域，但大家別忘了，計(jì)算的本質(zhì)除了處理，還有存儲(chǔ)、網(wǎng)絡(luò)和安全——所有這些，都在此時(shí)此刻被重新定義。

而我們第一步要做的，是將 AI 發(fā)展到對(duì)人類真正有用的水平。直到目前為止，那種你給個(gè)提示詞、它給你個(gè)回復(fù)的聊天機(jī)器人，雖然有趣且令人好奇，但并不算真正有用。

Chuck Robbins：偶爾能幫我搞定填字游戲。

黃仁勛：是的。但這僅限于它已經(jīng)背誦并歸納過的內(nèi)容?；叵肴昵?，當(dāng) ChatGPT 剛剛出現(xiàn)時(shí)，我們驚嘆道：“天哪，它能生成這么多文字，還能寫莎士比亞風(fēng)格的詩。”但事實(shí)上，那都是基于它死記硬背后的歸納。

我們要知道，真正的智能在于解決問題。而解決問題的關(guān)鍵，一部分是“知道自己不知道什么”，另一部分是推理——如何解決一個(gè)從未見過的問題：將其拆解成容易解決的細(xì)分元素，通過組合這些元素，搞定前所未見的難題；同時(shí)還要制定策略、計(jì)劃，去執(zhí)行任務(wù)，比如尋求幫助、使用工具、進(jìn)行研究等等。

這些都是現(xiàn)在的基本要素，用行話來說就是“智能體 AI”，大家應(yīng)該都聽過——工具使用、研究能力、基于事實(shí)的“檢索增強(qiáng)生成”（RAG）、記憶能力，這些都是討論智能體 AI 時(shí)會(huì)提到的關(guān)鍵詞。

但最重要的是，我們要從顯式編程的通用計(jì)算中進(jìn)化出來。當(dāng)年我們用 FORTRAN、C、C++ 寫代碼……

Chuck Robbins：還有 COBOL（一種古老的商業(yè)編程語言）。

黃仁勛：沒錯(cuò)，COBOL。那可是好東西，絕對(duì)是好東西。

Chuck Robbins：那是我的保底飯碗。

黃仁勛：好技能啊，這是那種即便到現(xiàn)在依然很有價(jià)值的技能。

Chuck Robbins：我懂，我確實(shí)收到了不少 Offer。

黃仁勛：恐龍（老古董）永遠(yuǎn)是有價(jià)值的。

Chuck Robbins：我們可是剛才確認(rèn)了，你比我年紀(jì)大。

黃仁勛：好吧，我才是那個(gè)史前生物。雖然看起來不像，但這確實(shí)是事實(shí)。我應(yīng)該是這屋子里年紀(jì)最大的……可能是最老的人了。

Chuck Robbins：言歸正傳老黃，讓我們繼續(xù)聊聊 AI……

黃仁勛：好的。其實(shí)我之前找過 Chuck，我說“聽著，我們需要重新發(fā)明計(jì)算，思科必須在其中扮演重要角色”。我們即將推出全新的計(jì)算堆?！猇era Rubin，思科將與我們同步上市。這是計(jì)算層，除此之外還有網(wǎng)絡(luò)層：思科將整合我們的 AI 網(wǎng)絡(luò)技術(shù)，把它植入思科的 Nexus 控制平面中。這樣一來，企業(yè)用戶既能獲得 AI 的極致性能，又能保留思科的可控性、安全性和易管理性，我們?cè)诎踩I(lǐng)域也會(huì)做同樣的事情。

我們稍后還會(huì)聊到，為什么三年前企業(yè) AI 還沒準(zhǔn)備好，而現(xiàn)在，你們別無選擇，必須盡快入局——?jiǎng)e掉隊(duì)。我不認(rèn)為你們非得做第一個(gè)吃螃蟹的公司，但千萬別做最后一個(gè)。

不要一開始就算 ROI：先讓百花齊放

Chuck Robbins：說得很有道理。那如果現(xiàn)在有一家企業(yè)，想開始為擁抱 AI 做準(zhǔn)備，你對(duì)他們的第一步、第二步、第三步，有什么具體建議？

黃仁勛：我經(jīng)常被問到諸如 ROI（投資回報(bào)率）這類的問題，但我建議大家不要從這里入手。原因很簡單——任何新技術(shù)部署的初期，你都很難在電子表格里算出它的 ROI。

我建議大家，先找到公司的“靈魂”，也就是我們公司最具有影響力的工作是什么？別在邊緣業(yè)務(wù)上瞎折騰。以英偉達(dá)為例，我們的理念是“讓百花齊放”：公司內(nèi)部的 AI 項(xiàng)目數(shù)量多得失控，但這很棒——因?yàn)閯?chuàng)新本來就不總是受控的。如果你想一切盡在掌握，那我建議你先去看看心理醫(yī)生，這本身就是一種幻覺，你根本控制不了。

如果你想讓公司成功，你就不能控制它，而是要去影響它。太多公司想要確切的、可論證的 ROI，但在初期，證明某件事值得做是很難的。所以我的建議是：讓百花齊放，讓大家去實(shí)驗(yàn)，安全地實(shí)驗(yàn)。

我們?cè)诠纠飮L試各種東西，Anthropic、Codex、Gemini，什么都用。當(dāng)我的團(tuán)隊(duì)說“我想用這個(gè) AI”時(shí)，我的第一反應(yīng)是“好”，然后才問“為什么”，而不是先問“為什么”，再?zèng)Q定“給不給”。

這就像我對(duì)孩子一樣：勇敢去探索生活！如果他們想嘗試什么，答案得先是“好”，然后再問原因。你不能說“向我證明，做這件事將來能帶來經(jīng)濟(jì)上的成功或幸福，否則我就不讓你做”——我們?cè)诩覐牟贿@樣，但在工作中卻總是這樣。你能明白我的意思嗎？

Chuck Robbins：我懂。

黃仁勛：這對(duì)我來說講不通。所以我們對(duì)待 AI，就像以前對(duì)待互聯(lián)網(wǎng)、云一樣：先百花齊放，然后到了某個(gè)階段，再運(yùn)用判斷力去修剪這座花園。因?yàn)榘倩R放會(huì)讓花園變得雜亂，你必須開始篩選，找出最好的方法、最好的平臺(tái)，然后“集中火力”。但你不能太早孤注一擲，萬一選錯(cuò)方向了呢？所以，先百花齊放，適時(shí)再修剪。

給大家一個(gè)參考，我現(xiàn)在還沒開始修剪，依然在讓公司內(nèi)部“百花齊放”，但我非常清楚什么對(duì)我們公司最重要——芯片設(shè)計(jì)、軟件工程、系統(tǒng)工程。大家可能注意到了，我們與 Synopsys、Cadence、西門子以及 Dassault 都建立了合作，為了植入我們的技術(shù)，無論他們想要什么、需要什么，我都提供百分之一千的支持。這樣我就能徹底革新我們用來設(shè)計(jì)產(chǎn)品的工具，創(chuàng)造出下一代產(chǎn)品。

其實(shí) AI 真正的價(jià)值，是降低了智能的成本，創(chuàng)造了“智能的極大豐富”，達(dá)到了數(shù)量級(jí)的提升。換句話說，過去需要一年完成的工作，現(xiàn)在可能只需要一天、一小時(shí)，甚至實(shí)時(shí)完成——我們身處一個(gè)富足的世界。

大家之前常說的摩爾定律，現(xiàn)在看來太慢了，簡直像蝸牛爬。摩爾定律是每 18 個(gè)月翻一番，五年十倍，十年一百倍，但我們現(xiàn)在要追求的，是十年一百萬倍！

過去十年里，我們把 AI 推進(jìn)得如此深遠(yuǎn)，工程師們都敢說“不如我們用全世界的數(shù)據(jù)來訓(xùn)練一個(gè) AI 模型吧”——他們說的不是“收集我硬盤里的數(shù)據(jù)”，而是“下載全世界的數(shù)據(jù)來訓(xùn)練”，這就是“豐富”的定義。所謂的“豐富”，就是看著一個(gè)巨大的問題，你敢說“我全包了”，就像“我不只要攻克癌癥，我要解決所有人類的疾病”，這才是豐富。

現(xiàn)在我思考工程問題時(shí)，都會(huì)假設(shè)我的技術(shù)、工具、儀器是無限快的：去紐約要多久？一秒鐘。如果一秒鐘就能到紐約，我會(huì)做哪些不同的事？如果過去需要一年而現(xiàn)在是實(shí)時(shí)的，我會(huì)如何改變做法？——你必須用這種態(tài)度去處理每一件事，這就是“AI 思維”。

比如，我們?cè)谂c許多公司合作處理圖分析，那種包含萬億個(gè)節(jié)點(diǎn)和邊的復(fù)雜關(guān)系圖，過去你會(huì)把圖切成小塊處理，現(xiàn)在呢？直接把整個(gè)圖給我，多大都無所謂。

這種思維正在被應(yīng)用到各個(gè)地方。如果你沒有應(yīng)用這種思維，那你就做錯(cuò)了。想象一下，你的競爭對(duì)手正在這么想，或者一家即將成立的創(chuàng)業(yè)公司正在這么想，這就改變了一切。所以我建議，找出你公司里最具影響力的工作，給它加上“無限”的能力、“光速”的效率，然后問 Chuck 如何實(shí)現(xiàn)——畢竟，落地的事，思科很擅長。

軟件從“預(yù)錄制”到“生成式”

Chuck Robbins：接下來，我們來聊聊怎么實(shí)現(xiàn)。你之前有個(gè)“五層蛋糕”的比喻，現(xiàn)在大家都在談?wù)摶A(chǔ)設(shè)施、模型、應(yīng)用，到底該怎么入手？聊聊這個(gè)吧。

黃仁勛：成功人士通常會(huì)做的一件事，就是去推演事物的本質(zhì)。這到底是怎么回事？

大概 15 年前，有兩個(gè)工程師用一種算法解決了一個(gè)計(jì)算機(jī)視覺問題。計(jì)算機(jī)視覺是智能的第一步：感知。智能由感知、推理、規(guī)劃組成——感知：我看到了什么，語境是什么？推理：如何根據(jù)我的目標(biāo)來分析現(xiàn)狀？規(guī)劃：制定一個(gè)計(jì)劃來實(shí)現(xiàn)目標(biāo)。就像戰(zhàn)斗機(jī)的問題一樣：感知、定位、行動(dòng)。

沒有感知就沒有后續(xù)。如果不理解語境，你沒法決定做什么。而語境是高度多模態(tài)的——有時(shí)候是 PDF，有時(shí)候是電子表格，有時(shí)候是感官氣味，還包括我們?cè)谀摹⒃诟墒裁?、聽眾是誰，學(xué)會(huì)“讀空氣”等等，這都是感知。

大約十三、四年前，我們?cè)谟?jì)算機(jī)視覺（感知的第一層）上取得了巨大飛躍，以前這超級(jí)難，直到 AlexNet 出現(xiàn)，那是我們看到的第一個(gè)突破，就像電影《第一類接觸》一樣，那也是我們與 AI 的第一次接觸。

我們當(dāng)時(shí)就想，這意味著什么？為什么兩個(gè)孩子用幾塊 GPU 就能打敗我們所有人研究了三十年的算法？我昨天還和 Ilya Sutskever（OpenAI 聯(lián)合創(chuàng)始人）、Alex Krizhevsky 聊過這件事。十年前我對(duì)此進(jìn)行了推演，得出的結(jié)論是：世界上大多數(shù)能被解決的難題，都可以用這種方式解決。

因?yàn)?strong>世界上大多數(shù)棘手的、有價(jià)值的問題，并沒有所謂的“第一性原理算法”——沒有 F=ma（牛頓第二定律），沒有麥克斯韋方程組，沒有薛定諤方程，沒有歐姆定律，也沒有熱力學(xué)定律。你和我遇到的那種問題，答案往往是“視情況而定（It depends）”。如果答案是固定的 3，那很好；如果是 3.14，那太棒了，但生活中最難、最有價(jià)值的問題，都是“視情況而定”，因?yàn)樗Q于語境，取決于環(huán)境。

十三年前計(jì)算機(jī)視覺被攻克了。我們推斷這可以通過深度學(xué)習(xí)進(jìn)行擴(kuò)展，模型可以越做越大。只需要解決一個(gè)問題：如何訓(xùn)練模型？巨大的突破在于“自監(jiān)督學(xué)習(xí)”（無監(jiān)督學(xué)習(xí)）——AI 可以自我學(xué)習(xí)，我們不再受限于數(shù)據(jù)標(biāo)注了。

這個(gè)突破打開了閘門，讓我們把模型從幾億參數(shù)擴(kuò)展到幾十億、幾萬億，我們能編碼的知識(shí)、算法能學(xué)習(xí)的技能，呈爆炸式增長。

這就回到了我們對(duì)話的開頭：我們將徹底重新發(fā)明計(jì)算，從顯式編程轉(zhuǎn)變?yōu)橐环N全新的計(jì)算方式——軟件是被“學(xué)”出來的。這意味著什么？這對(duì)計(jì)算堆棧、軟件開發(fā)、你公司的工程組織，對(duì)市場(chǎng)團(tuán)隊(duì)、工程團(tuán)隊(duì)、QA 團(tuán)隊(duì)，都意味著根本性的改變。這些產(chǎn)品未來會(huì)變成什么樣？如何部署？如果它是基于機(jī)器學(xué)習(xí)的，如何讓它永遠(yuǎn)保持更新？怎么打補(bǔ)?。俊矣谐汕先f個(gè)關(guān)于計(jì)算未來的“如何”的問題。

對(duì)此，英偉達(dá)得出的結(jié)論是：這將改變一切。所以我們基于這個(gè)核心信念，讓整個(gè)公司轉(zhuǎn)型。簡單來說，我們過去的世界里，一切都是“預(yù)錄制”的——像 Chuck 以前寫的軟件，就是預(yù)錄制的。

Chuck Robbins：那可是好東西。鄭重聲明，我那個(gè)軟件跑了很久都沒出問題。

黃仁勛：確實(shí)，而且那還是用希伯來語描述的（調(diào)侃 Chuck 用的技術(shù)十分古老）。

Chuck Robbins：這倒是真的，那是另一項(xiàng)技能了。

黃仁勛：這屋里，恐怕只有你能同時(shí)精通希伯來語和COBOL了……總之，那都是預(yù)錄制的。我們描述算法，描述想法，放入數(shù)據(jù)，一切都是預(yù)先錄好的。這也是為什么過去的軟件是用 CD-ROM 發(fā)行的，對(duì)吧？

Chuck Robbins：是的。

黃仁勛：而現(xiàn)在的軟件是什么？它是基于語境的。每個(gè)語境都不同，每個(gè)用戶都不同，每個(gè)提示詞都不同——所有的前置條件都不同。每一個(gè)軟件實(shí)例都是獨(dú)一無二的，所以過去的計(jì)算（預(yù)錄制）被稱為“基于檢索”的，你點(diǎn)手機(jī)，它去檢索文件給你。而未來，一切都是“生成式”的。

就像現(xiàn)在的對(duì)話一樣。這段對(duì)話以前從未發(fā)生過?？赡芨拍畲嬖谶^、前置知識(shí)存在過，但這串詞句的組合順序從未出現(xiàn)過——原因顯而易見，咱們都喝了四杯酒了。你們知道嗎？Chuck 今天給我拿了四杯酒。

Chuck Robbins：準(zhǔn)確來說，我只給你拿了一杯，剩下三杯是你自己從自助餐臺(tái)上拿的。你的團(tuán)隊(duì)提前告訴過我們，如果你喝了三杯，那就是最佳狀態(tài)；如果喝到第四杯，情況就要失控了。

軟件行業(yè)在衰落，還會(huì)被 AI 取代？毫無邏輯

Chuck Robbins：你能和我聊聊“物理 AI”到底是什么嗎？

黃仁勛：首先我想澄清一個(gè)誤區(qū)——有人說軟件行業(yè)在衰落，還會(huì)被 AI 取代，這其實(shí)是毫無邏輯的。

我給你做個(gè)終極思想實(shí)驗(yàn)：假設(shè)我們都是終極 AI，也就是物理形態(tài)的通用機(jī)器人。既然你是類人機(jī)器人，能解決所有問題，那我問你：你會(huì)用現(xiàn)成的螺絲刀，還是重新發(fā)明一把？肯定是用現(xiàn)成的。同理，你會(huì)用現(xiàn)成的鏈鋸，還是再造一把？答案也一樣，當(dāng)然是直接用工具。

這個(gè)邏輯放到數(shù)字世界里也完全成立。如果你是 AGI（通用人工智能），你會(huì)去用 ServiceNow、SAP 這些現(xiàn)成的工具，還是費(fèi)時(shí)費(fèi)力重新發(fā)明一個(gè)計(jì)算器？毫無疑問是用現(xiàn)成的計(jì)算器。

為什么我們要讓 AI 學(xué)會(huì)使用工具？核心原因是：現(xiàn)有的很多工具，提供的是“確定性”的結(jié)果。世界上有很多問題是有標(biāo)準(zhǔn)答案的，比如牛頓第二定律 F=ma，你不需要 AI 給出一個(gè)大概接近 ma 的模糊答案，ma 就是唯一的標(biāo)準(zhǔn)答案。再比如歐姆定律 V=IR，這在科學(xué)上是絕對(duì)成立的，不存在“統(tǒng)計(jì)學(xué)上的IR”這種說法。

所以我們的目標(biāo)很明確：讓 AI 像人類一樣，直接拿起這些精準(zhǔn)的工具去解決問題，而不是在已有標(biāo)準(zhǔn)答案的事情上瞎猜——這就是我們希望 AGI 學(xué)會(huì)使用工具的核心邏輯。

而下一代物理AI，還要再多一個(gè)能力——理解物理世界和因果關(guān)系。比如我推倒這一塊多米諾骨牌，它會(huì)帶動(dòng)后面所有骨牌倒下，這種因果關(guān)系、物體接觸、引力和質(zhì)量的結(jié)合，每個(gè)孩子都能理解，但現(xiàn)在的大語言模型還做不到，這就是我們要研發(fā)物理 AI 的原因。

接下來我們聊機(jī)會(huì)在哪里。一直以來，我和你所處的行業(yè)，其實(shí)都是在制造工具，就像做螺絲刀、錘子這類生意一樣。但現(xiàn)在，有史以來第一次，我們有機(jī)會(huì)去創(chuàng)造“勞動(dòng)力”，或者說“增強(qiáng)型勞動(dòng)力”。舉個(gè)例子：自動(dòng)駕駛汽車是什么？它本質(zhì)上就是一個(gè)數(shù)字司機(jī)，而這個(gè)數(shù)字司機(jī)的價(jià)值，遠(yuǎn)比汽車本身的價(jià)值要高。這也意味著，我們第一次面對(duì)一個(gè)潛在市場(chǎng)總量（TAM）比之前大 100 倍的新市場(chǎng)——全球 IT 產(chǎn)業(yè)規(guī)模大概是 1 萬億美元，但全球經(jīng)濟(jì)總規(guī)模是 100 萬億美元。

這也就意味著，在座的每一個(gè)人，都有機(jī)會(huì)通過應(yīng)用這項(xiàng)技術(shù)，把自己的公司變成一家技術(shù)公司。我相信，迪士尼寧愿成為下一個(gè) Netflix，梅賽德斯寧愿成為下一個(gè)特斯拉，沃爾瑪寧愿成為下一個(gè)亞馬遜。你們同意嗎？我舉的這三個(gè)例子，是不是說到大家心里去了？

Chuck Robbins：完全同意。相信在座的每一位，心里都是這么想的。

黃仁勛：沒錯(cuò)。我們現(xiàn)在最大的機(jī)會(huì)，就是幫助每一家公司，轉(zhuǎn)型成“技術(shù)優(yōu)先”的公司。技術(shù)就是大家的超級(jí)力量，而你們各自所處的行業(yè)領(lǐng)域，就是技術(shù)的應(yīng)用場(chǎng)景。

為什么一定要“技術(shù)優(yōu)先”？因?yàn)?strong>一旦走技術(shù)優(yōu)先的路線，你打交道的就不是“原子”，而是“電子”。原子的價(jià)值會(huì)受限于它的質(zhì)量，但電子的價(jià)值，從 CD-ROM 里的內(nèi)容變成電子流的那一刻起，就已經(jīng)翻了上千倍。

所以，無論你身處哪個(gè)行業(yè)，都需要成為一家技術(shù)公司。哪怕是像 Chuck 你這樣，只懂希伯來語編程，這也是一種天賦，也是可以依托的技術(shù)能力。

編程正在貶值，但這是所有企業(yè)的機(jī)會(huì)

Chuck Robbins：嗯……希伯來語是從右往左寫的，其實(shí)挺聰明的。

黃仁勛：聰明人做聰明事。美妙之處在于，未來的編程語言就是人類的語言。對(duì)于在座的所有公司，你們可能覺得“天哪，軟件不是我們的強(qiáng)項(xiàng)”。但知識(shí)、直覺、領(lǐng)域?qū)ｉL是你們的強(qiáng)項(xiàng)。

現(xiàn)在，你們第一次可以用自己的語言向計(jì)算機(jī)解釋你到底想要什么。還記得我們從哪里開始的嗎？從顯式編程到隱式編程。史上第一次，你可以隱式地對(duì)計(jì)算機(jī)編程。告訴它你的意圖，讓計(jì)算機(jī)來寫代碼——因?yàn)槭聦?shí)證明，寫代碼不過就是打字，而打字只是一種廉價(jià)品，不值錢了。

這就是你們的巨大機(jī)遇。你們所有人都可以從過去受限的原子世界中升維。你們可以擺脫“我們沒有足夠的軟件工程師”這種限制，因?yàn)閷懘a只是敲鍵盤。而你們擁有極具價(jià)值的東西——領(lǐng)域?qū)ｉL：理解客戶，理解問題，這些才是終極價(jià)值。

理解意圖是終極價(jià)值。那些剛從大學(xué)畢業(yè)的超級(jí)程序員可能完全不知道客戶想要什么，不知道該解決什么問題，但你們知道。至于寫代碼的部分，讓 AI 去做就行了，這就是你們的超能力，所以 Chuck 和我來這就是為了幫你們實(shí)現(xiàn)這一點(diǎn)。哦對(duì)了，這段結(jié)束語是在我喝了五杯酒之后說的，所以……

Chuck Robbins：這簡直是個(gè)奇跡。

黃仁勛：所以 Chuck，我想告訴你，與大家合作非常榮幸。思科在計(jì)算發(fā)明的兩個(gè)重要支柱上擁有極高的造詣。沒有思科，就沒有現(xiàn)代計(jì)算。一個(gè)是網(wǎng)絡(luò)，另一個(gè)是安全。這兩個(gè)支柱都在 AI 世界中被重新發(fā)明了。而我們非常擅長的計(jì)算部分，在很多方面其實(shí)是大路貨。思科懂的那些東西才是深具價(jià)值的。我們兩家聯(lián)手，很樂意幫助大家進(jìn)入 AI 世界。

之前有人問我，是該直接租用云服務(wù)，還是該努力建立自己的計(jì)算機(jī)？

我會(huì)給你們和我給我孩子一模一樣的建議：去組裝一臺(tái)電腦。即便 PC 隨處可見，即便技術(shù)已經(jīng)成熟，但還是親手裝一臺(tái)。去了解所有組件的存在意義。如果你在汽車行業(yè)，也別光坐 Uber，打開引擎蓋、換換機(jī)油、了解所有部件，搞懂它是怎么工作的，這至關(guān)重要。不需要很大，但要造點(diǎn)什么。你可能會(huì)發(fā)現(xiàn)你其實(shí)非常擅長這個(gè)，可能會(huì)發(fā)現(xiàn)你需要這項(xiàng)技能，可能會(huì)發(fā)現(xiàn)世界不是“全租”或“全買”，而是租一部分，擁有一部分。

因?yàn)槟愎镜哪承┎糠謶?yīng)該建立在本地（On-prem）。為了主權(quán)，為了私有信息，或者你只是不放心把問題分享給所有人。這就好比……你看心理醫(yī)生時(shí)，你不想讓那些問題出現(xiàn)在網(wǎng)上，懂嗎？

我認(rèn)為你們的很多問題、對(duì)話、不確定性，應(yīng)當(dāng)保持私密，公司也是一樣。我不放心把英偉達(dá)所有的對(duì)話都放在云端，所以我們要在本地建立它。

事實(shí)證明，對(duì)我來說最有價(jià)值的知識(shí)產(chǎn)權(quán)（IP）不是我的答案，而是我的問題。我在思考什么，那就是我的問題，答案只是廉價(jià)商品。如果我知道該問什么，我就鎖定了什么是重要的。而我不想讓別人知道我認(rèn)為什么重要。我希望這發(fā)生在一個(gè)小房間里，在本地，只有我自己——所以，我要?jiǎng)?chuàng)造我自己的 AI。

既然已經(jīng)晚上 11 點(diǎn)了，那就分享最后一點(diǎn)想法。過去有個(gè)觀點(diǎn)是 AI 應(yīng)該始終遵循“人在環(huán)節(jié)中”（Human-in-the-loop，指人工干預(yù)）。這是完全錯(cuò)誤的觀念，徹底反了——每家公司都應(yīng)該是“AI 在環(huán)節(jié)中”（AI-in-the-loop）。

原因在于，我們希望公司每天都變得更好、更有價(jià)值、更有知識(shí)。我們不想倒退，不想停滯，不想從頭再來。這意味著如果有 AI 在環(huán)節(jié)中，它將捕捉我們的生命經(jīng)驗(yàn)。未來每一位員工都會(huì)有 AI——很多 AI 在環(huán)節(jié)中協(xié)助，這些 AI 將成為公司的知識(shí)產(chǎn)權(quán)，這才是未來的公司。

Chuck Robbins：好的，老黃在路上跑了兩周，飛到這里，把他這趟差旅的最后一晚留給了我們，之后他終于能久違地睡在他自己的床上了。我們非常感激你的到來。

黃仁勛：非常感謝。我……剛才我用眼角余光看到那邊有很多烤串，希望它們還在那兒。

Chuck Robbins：哦，我們答應(yīng)給他的那袋 Fritos（一種玉米片零食）在哪兒呢？

黃仁勛：哈哈哈好吧，我們要走了。謝謝大家。

原視頻地址：https://www.youtube.com/watch?v=6fbyiPRhMSs

未來沒有前后端，只有 AI Agent 工程師。

這場(chǎng)十倍速的變革已至，你的下一步在哪？

4 月 17-18 日，由 CSDN 與奇點(diǎn)智能研究院聯(lián)合主辦「2026 奇點(diǎn)智能技術(shù)大會(huì)」將在上海隆重召開，大會(huì)聚焦 Agent 系統(tǒng)、世界模型、AI 原生研發(fā)等 12 大前沿專題，為你繪制通往未來的認(rèn)知地圖。

成為時(shí)代的見證者，更要成為時(shí)代的先行者。

奇點(diǎn)智能技術(shù)大會(huì)上海站，我們不見不散！