黄仁勋:软件行业不会被AI替代

现在有些人会说，企业软件行业最后会被AI摧毁。但黄仁勋其实有完全不同的看法。

过去，企业软件的生意本质上是“按人头卖”。说到底，它服务的是一个个坐在工位上的人。可接下来，情况会完全不一样。未来涌向这些工具的，不只是人，而是数量多得多的智能体。

为什么我不觉得这些软件会被替代？

第一，这些工具本来就已经非常成熟，也非常强大。

第二，更重要的是，它们其实是我们和最终成果之间的桥梁。工作就算是AI做完的，最后也还是得回到一个我能看得见、改得动、控得住的地方。

而这些工具，恰恰就是我熟悉，也真正能掌控的地方。

之前我也发过一篇文章：2026年软件行业巨变：AI正在吞噬软件？Shopify创始人亲证3大颠覆信号，其中也有相应观点：

在新范式下，软件护城河取决于产品定位。嵌入核心工作流的企业工具难以被替代。而面向中端市场的工具（如自动化邮件或消息服务）因追求速度与简易性，替换难度则低得多。

软件的横向/纵向属性及收费模式同样关键。跨行业使用的横向平台与单行业纵向工具将受到不同程度影响。按座位计费、订阅制和按使用量收费等模式也将以不同方式感受到人工智能的冲击。

我们保持警惕，软件往往更适应人工智能时代，通常具备以下一项或多项特征：

深度记录系统——企业数据的单一可信来源。例如人力资源与财务领域的Workday、数据领域的Snowflake，均保存着关键信息的权威版本。人工智能代理或许能绕过其界面，但仍需依赖这些平台承载的可信数据。

专有且难以复制的数据——如Samsara覆盖工业车队与场地的物理传感器网络，或Datadog来自复杂云系统的遥测数据。通用模型若无法获取相同数据流，便难以重构此类场景。

基础设施与编排角色——亚马逊云服务、谷歌云和Cloudflare等平台提供计算能力、工具及边缘网络，成为其他应用程序的支撑基石。随着AI工作负载规模扩大，其在生态系统中的核心地位应随之提升。

生态领导力——例如NVIDIA凭借专用芯片、CUDA软件及开发者忠诚度，已成为训练和部署高级模型的默认环境。

反观最易受冲击的软件公司，往往具有共同特征：收入与用户席位绑定、工作流程相对简单、缺乏专有数据或高转换成本。

以下是相关内容：

 主持人  回到自动研究系统本身。你怎么看这件事？一个周末、600 行代码、能在本地跑，还能在这么多不同类型的数据集上做出这样的结果。这到底说明了什么？它是不是也意味着，我们在算法优化和硬件优化上，其实都还处在非常非常早期的阶段？

 黄仁勋  OpenClaw之所以这么惊人，最根本的原因有两个。

第一，它刚好出现在一个“交汇点”上。它和大语言模型的突破，几乎是在一个完美的时间点上撞到了一起。

这个时机太准了，准得近乎不可思议。

很多事情如果不是因为Claude、GPT、ChatGPT这些模型已经发展到了今天这样的高度，彼得（OpenClaw创始人）也未必会想到这条路。

第二，它打开了一种新的能力。也就是让这些模型学会了调用工具，去使用我们过去很多年积累下来的那些工具。比如浏览器、Excel 表格。

再比如，在芯片设计领域里，有Synopsys、Cadence；还有 Omniverse、Blender、Autodesk。未来，这些工具不但还会继续被使用，而且会被使用得更频繁。

现在有些人会说，企业软件行业最后会被AI摧毁。但我其实有完全不同的看法。

过去，企业软件的生意本质上是“按人头卖”。说到底，它服务的是一个个坐在工位上的人。

可接下来，情况会完全不一样。未来涌向这些工具的，不只是人，而是数量多得多的智能体。它们会去操作SQL，会去调用向量数据库，会去使用Blender，也会去调Photoshop。

为什么我不觉得这些软件会被替代？

第一，这些工具本来就已经非常成熟，也非常强大。

第二，更重要的是，它们其实是我们和最终成果之间的桥梁。工作就算是AI做完的，最后也还是得回到一个我能看得见、改得动、控得住的地方。

而这些工具，恰恰就是我熟悉，也真正能掌控的地方。

所以我希望，所有结果最后都能回到Synopsys，回到Cadence。

因为只有在那里，我才能真正检查它、验证它，确认它到底对不对。

你也可以理解为，AI也许会改变企业软件的使用方式，但它未必会毁掉这些软件。恰恰相反，它很可能会让这些软件变得比以前更重要。

免责声明：本公众号对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性不作任何保证或承诺，且不构成任何投资建议，对于使用该信息而引发或可能引发的损失将由投资者自行承担。投资者不应以该等信息取代其独立判断或仅根据该等信息做出决策。同时，我们尊重原创。文字图表等素材，版权属于原作者或其代理人。若涉及版权问题，敬请联系我们，立即做删除处理。