黄仁勋的 AI 丰裕宣言《黄仁勋:英伟达之芯》你不会因为AI而丢掉工作.你会因为使用的人而丢掉工作.

全文约1万字｜阅读约需半小时

文章一句话：黄仁勋在 Cisco AI Summit2026炉边对话中畅谈AI如何重塑一切。

黄仁勋喝了五杯酒后的炉边对话，信息密度却比任何正式演讲都高。他说AI让10年算力翻了100万倍，编程不过是打字，而你的问题比答案更值钱——当计算的丰裕彻底颠覆旧规则，你的公司准备好了吗？

核心金句：

1. "你不会因为AI而丢掉工作。你会因为使用AI的人而丢掉工作。" — 企业转型的紧迫性警钟
2. "对我来说最有价值的IP不是我的答案——是我的问题。" — 数据主权的底层逻辑
3. "10年翻了100万倍。" — AI算力增长远超摩尔定律

读这篇你会得到：理解 AI 工厂与计算堆栈重塑的全景；掌握企业落地 AI 的「百花齐放再修剪」策略；看清从工具到劳动力的百倍 TAM 机遇。

罗宾斯（Chuck Robbins）: 首先，感谢大家坚持到现在，这是漫长的一天。我们从今早开始，一个接一个的演讲嘉宾。然后中间休息了大约两个半小时，大家又回来了——为了见他。

黄仁勋: 我从凌晨 1 点就醒了。

罗宾斯: 这哥们刚结束了一趟两周的亚洲之行，跑了四五个城市。

黄仁勋: 前一天在台湾，昨晚在休斯顿，现在我在这里。

罗宾斯: 他已经出差两周了，我们现在就挡在他和自己家里那张床之间。所以我们要好好聊聊，然后放他走。

黄仁勋: 嗯。

罗宾斯: 你不需要太多介绍了，但真心感谢你来，兄弟。我们真的很感激。

黄仁勋: 感谢我们的合作伙伴关系，真的为你们感到骄傲。

什么是 AI 工厂？

罗宾斯: 那我们从这里开始吧。我们一直有合作，你提出了「AI 工厂」这个概念，我们在一起推进。在企业端的进展可能没有我们俩期望的那么快，但我们能不能先聊聊，对你来说什么是AI工厂？

黄仁勋: 首先，别忘了，我们正在进行60年来第一次计算革命。过去是显式编程（Explicit Programming）——我们写程序，变量通过API传递，一切都非常明确。现在变成了隐式编程（Implicit Programming）——你告诉计算机你的意图，它自己去想办法解决你的问题。

从显式到隐式，从通用计算——本质上就是做运算——到人工智能，整个计算堆栈都在被重新发明。大家谈论计算时往往只关注处理层——也就是我们所在的层。但别忘了计算是什么。计算不只是处理，还有存储、网络和安全。这些全都在重塑之中。所以第一步，我们需要把AI发展到一个足够有用的水平。到目前为止，聊天机器人——你给它一个提示，它想办法回答你——这很有趣，令人好奇，但说不上有用。

罗宾斯: 有时候能帮我做填字游戏。

黄仁勋: 是的，但那只是它记住并泛化过的东西。回到三年前ChatGPT刚出来的时候，我们觉得天哪，它能生成这么多文字，能创作莎士比亚。但这一切都是基于它记忆和泛化的内容。我们知道，真正的智能是关于解决问题的。解决问题需要你知道自己不知道什么，需要你学会推理——如何解决一个从未见过的问题，把它拆解成你能轻松解决的小部分，然后组合起来解决那个大问题。

要制定策略——也就是我们说的计划，去执行一个任务、寻求帮助、使用工具、做调研等等。这些都是现在大家在谈论智能体AI（Agentic AI）时听到的基本概念——工具使用（Tool Use）、调研、检索增强生成（Retrieval Augmented Generation）、基于事实的接地、记忆。你们在讨论智能体AI的语境中开始听到这些了。但关键在于，要从通用计算——也就是显式编程——演进过来，我们过去用Fortran写、用C写、用C++写、用COBOL写。没错。好东西。好东西，罗宾斯。好东西。是我的错。

罗宾斯: 那是我的后备工作。

黄仁勋: 好东西。好东西。是啊，那是一项永远有价值的技能。

罗宾斯: 我知道。是啊，我知道。

黄仁勋: 永远有价值。

罗宾斯: 我收到过很多offer。

黄仁勋: 恐龙永远有价值。

罗宾斯: 我们刚确认了你比我年纪大。

黄仁勋: 我知道。我是史前人类。虽然看起来不像，但这是事实。

罗宾斯: 行，这个不错。

黄仁勋: 我大概是这个房间里最老的人了。所以你怎么……

重塑计算堆栈

罗宾斯: 黄仁勋，我们来聊聊你怎么看这件事。

黄仁勋: 所以我去找罗宾斯，我说，听着，我们需要重新发明计算，Cisco 必须成为其中重要的一部分。我们有一整套新的计算堆栈要推出——Vera Rubin——Cisco将和我们同步上市。这是计算层，但还有网络层。Cisco会把我们的AI网络技术整合进来，但放进Cisco Nexus控制平面。这样从你们的角度看，你们既能获得AI的全部性能，又有Cisco的可控性、安全性和可管理性。安全层我们也会做同样的事。每一个支柱都需要被重塑，这样企业计算才能真正利用好这些技术。但归根结底——希望我们稍后会回到这个话题——为什么三年前企业AI还没准备好？为什么现在你别无选择必须尽快行动？不要落后。我觉得你不必是第一个用上AI的公司，但千万别做最后一个。

企业的第一步

罗宾斯: 如果你今天是一家企业，你建议他们第一步、第二步、第三步该怎么做？

黄仁勋: 我经常被问到ROI之类的问题，我的建议是——别往那个方向想。原因是，任何新技术在部署初期，你都很难用电子表格算出它的ROI。但我会做的是——去找出你公司最核心的东西是什么。你们公司最有影响力的工作是什么？别在边缘的事情上浪费时间。别搞那些无关紧要的东西。在我们公司，我们就是让百花齐放。我们公司里有多少个AI项目？失控了。而且这太棒了。

注意我刚才说的——失控了，而且太棒了。创新不是一直可控的。如果你想控制一切，首先你得去看心理医生。其次，那是一种幻觉。你控制不了。你想让公司成功，你没法控制它。你只能影响它，控制不了。我觉得太多人想要明确的、具体的、可量化的ROI。在一开始证明一件值得做的事情的价值是很难的。但我的做法是，我们说的那样，让百花齐放。让人们去实验。放心地去实验。

我们在公司里什么都在尝试。我们用Anthropic，用Codex，用Gemini，什么都用。当我们某个团队说「我想试试这个AI」，我的第一个回答是「好的」。然后我再问为什么。不是先问「为什么」再说「好」，而是先说「好」再问「为什么」。原因是，我对我的公司和对我的孩子的期望是一样的。去探索人生吧。他们说想试某件事，答案就是「好」。而不是——「给我证明，证明做这件事会带来财务成功或者某种幸福。在你证明之前，我不让你做。」

我们在家里从不这么做，但在工作中却这么做。你明白我在说什么吗？这对我来说毫无道理。所以不管是AI，还是之前的互联网，还是之前的云计算，就是让百花齐放。然后在某个时候，你得凭自己的判断开始修剪花园。因为百花齐放意味着一个凌乱的花园。但在某个节点，你要开始甄选，找出最佳方案或最佳平台，把所有力量集中在一支箭上。但你不能太早就把所有力量集中在一支箭上——万一选错了箭呢。

所以先百花齐放，然后再修剪。就现在来说，我还没开始修剪。到处都在百花齐放。但我鼓励每个人去尝试。不过，我非常清楚什么对我们公司最重要。当然了。当然我知道。我们公司的本质是什么？最重要的工作是什么？我确保在这些领域投入大量专业人才和能力，用AI去革新那些工作。

用 AI 革新核心业务

我们的核心是芯片设计、软件工程、系统工程。你们可能注意到了，我们和 Synopsys、Cadence、Siemens合作，今天又加了Dassault，把我们的技术嵌入进去，他们要什么我就提供什么。我会确保他们拥有他们想要的1000%，这样我才能拥有必要的工具来创造下一代产品。这告诉你我对什么最重视、以及我会怎样去革新自己的工作。

想想AI做了什么。AI将智能的成本降低了几个数量级——或者换个说法，创造了智能的丰裕。 过去需要一年做的事情，现在可能一天就完成了。不，现在可能一小时就完成了。可以实时完成。原因是我们身处一个丰裕的时代。摩尔定律？老天，那速度太慢了。那简直是蜗牛。记得摩尔定律吗？每18个月翻一倍，5年翻10倍，10年翻100倍。好，但现在呢？10年翻了100万倍。

丰裕时代

在过去10年里，我们把AI推进了这么远，以至于工程师们说：嘿，猜怎么着？我们何不直接用全世界的数据来训练一个AI模型？他们的意思不是从我的硬盘里收集数据，而是拉下全世界所有的数据来训练一个AI模型。这就是丰裕的定义。丰裕的定义是，你看着一个巨大的问题说：你知道吗？我全都要。我要治愈所有疾病。不是只做癌症。你开玩笑吗？那太小了。我们要解决人类所有的痛苦。这就是丰裕。

当我今天思考工程问题时，我假设我的技术、工具、设备、飞船是无限快的。去纽约要多久？一秒钟就到。那如果一秒钟就能到纽约，我会怎么做？如果过去需要一年的事现在变成实时的，我会怎么做？如果过去很重的东西现在变成了反重力，我会怎么做？你用这种心态去思考一切——当你用这种心态思考一切时，你就在运用AI思维。理解了吗？比如，我们合作的很多公司，他们的图分析——依赖关系图。这些图有海量的节点和边，数以万亿计。过去，你只能处理图的一小部分。现在？把整个图给我。多大？我不在乎。

这种思维方式正在被应用到所有地方。如果你没有在这样思考，那你就做错了。 如果速度对你来说不再是问题——你已经是光速了。如果重量对你来说不再是问题——你是零重力的。如果你没有用这种逻辑——过去对你来说极其困难的事情，现在你说「无所谓」——如果你没有这样思考，你就做错了。现在想象你把这种逻辑和思维方式应用到你公司里最难的问题上。那就是你真正能产生影响的方式。那就是现在走在前面的人的思维方式。如果你没在这样想——你只需要想象你的竞争对手在这样想。你可能不这么想，但想象一下一个即将成立的公司正在这样想。它改变一切。所以我的建议是，找到你公司里最有影响力的工作，对它施加无穷大，对它施加零，对它施加光速。然后问罗宾斯怎么实现。

罗宾斯: 那我们来聊聊怎么实现。你有一个关于……

黄仁勋: 给我打电话，我们给你打电话，我们一起搞定。一起搞定。

AI 的五层蛋糕

罗宾斯: 你有一个「五层蛋糕」的比喻，因为所有人都在讨论基础设施是什么、AI 应用是什么、我该怎么做。聊聊这个。

黄仁勋: 成功的人做的一件事就是——他们会推理一件事物到底是什么。发生了什么。大约15年前，一个算法仅凭两个工程师就解决了一个计算机视觉问题。计算机视觉基本上是智能感知的第一部分。智能包含三件事：感知、推理、规划。感知——发生了什么？我的处境是什么？推理——我怎么分析这些？怎么与我的目标对比？然后第三——制定一个计划来达成目标。比如战斗机问题：感知、定位、然后行动。

智能就是关于这三件事。没有感知就不可能有推理和规划。你不理解背景就没法决定该做什么。而背景是高度多模态的——有时是 PDF，有时是电子表格，有时是信息，有时只是感觉和气味。我们在哪里？在做什么？观众是谁？察言观色，等等。这就是感知。

大约13、14年前，我们在计算机视觉上取得了巨大飞跃——这是感知问题的第一层。那非常难。怎么解决计算机视觉问题呢？AlexNet。我们看到的第一个突破，就像电影《第一次接触》一样，那是我们与AI的第一次接触。当时我们说，这意味着什么？两个工程师怎么可能超越我们所有人努力了30年的算法？Ilya Sutskever——我昨天还和他聊了——和Alex Krizhevsky，两个年轻人拿着几块GPU就解决了这个问题。这意味着什么？

我们把它全部拆解开来，十年前我推理得出一个结论：事实上，世界上大多数困难问题都可以用这种方式解决。原因是，世界上大多数困难的、有价值的问题都没有精确的算法。没有F=ma，没有麦克斯韦方程，没有薛定谔方程，没有欧姆定律，没有热力学定律。就是不存在那么精确的东西。我们称之为直觉和智慧的那些最有价值的东西——罗宾斯，你我面对的那类问题——答案永远是「看情况」。你懂我在说什么吗？如果答案是3，那太好了。如果是3.14，那太棒了。那些是好的问题。但人生中大多数困难的、有价值的问题都是「看情况」。因为它取决于背景，取决于具体情境。

12、13年前，计算机视觉被解决了。我们推理出来，有了深度学习，这可以规模化，模型可以越来越大。只需要解决一个问题——怎么训练这个模型？重大突破是自监督学习（Self-supervised Learning）或无监督学习（Unsupervised Learning）——AI自己去学习。注意，今天我们不再受限于标注了。一点都不受限。这个突破打开了闸门，让我们把模型从几百万参数扩展到数十亿、数万亿。我们能编码的知识量、能通过算法学会的技能数量，真正地爆发了。但基本方法是一样的。

我们推理出来，事实上我们要重新发明计算——这就是我们对话的起点——从显式编程到一种全新的计算方式，软件将是被「学」出来的。那么，如果你再退后一步想想——这对计算堆栈意味着什么？对你开发软件的方式意味着什么？你公司的工程组织发生了什么？定义产品的产品市场团队会怎样？编写产品的工程团队会怎样？测试产品的QA团队会怎样？这些产品未来会变成什么？我们怎么部署？怎么保持更新？如果软件是学出来的，基于机器学习，你怎么让它永远保持新鲜？怎么打补丁？关于计算的未来，我问了大概上千个「怎么」。最后我得出结论——我们公司得出结论——这将改变一切。所以我们围绕这个核心信念转型了整个公司。

从「预录」到「生成」

简单来说，罗宾斯想表达的是，我们来自一个一切都是预先录制好的世界。罗宾斯写过的那些软件就是这样。

罗宾斯: 好东西。运行了很长时间。

黄仁勋: 郑重声明，那是用希伯来语写的。

罗宾斯: 确实是。那是另一项技能。

黄仁勋: 我是说，这个房间里有人懂希伯来语……和COBOL。总之总之总之，那是预录的。我们设计算法、描述我们的思路，然后附上数据。一切都是预录好的。过去的软件之所以是预录的，是因为它装在CD-ROM里。对吧？预录的。好，那现在的软件是什么？它是情境化的。每个情境都不同。每个使用软件的人都不同，每个提示都不同。你给它的前置条件、先验知识、上下文都不同。软件的每一个实例都是不同的。

这就是为什么过去需要的计算量——那是基于「检索」的。你想想看，用手机时，你点击某个东西，它就去检索一些软件、文件、图片，拿回来给你。但未来，一切都将是生成式的，就像现在正在发生的这样。这段对话从未发生过。概念存在过，先验知识存在过，但这个序列里的每一个词都从未出现过。原因很明显——我们已经喝了四杯酒了。

罗宾斯: COBOL和希伯来语从来没从……

黄仁勋: COBOL酿。

罗宾斯: 是的，COBOL酿，希伯来……没有。

黄仁勋: 谢天谢地，这不是在公司内部或直播。是啊是啊。

罗宾斯: 好吧，我们……

黄仁勋: 你明白我在说什么吗？所以结果就是……

罗宾斯: 你自己明白你在说什么吗？

黄仁勋: 罗宾斯今天到现在只给了我四杯酒。

罗宾斯: 公平地说，我只给了你一杯。另外三杯是你自己从自助餐拿的。

黄仁勋: 我一直盯着那边的食物。我好饿。一直在盯着食物。它就在大约 40 英尺外。

罗宾斯: 因为你在拍照。

黄仁勋: 但它真的好近。好近。我有一次甚至往食物的方向倾了一下，但又被推回来了。

罗宾斯: 你知道怎么回事吗？你的团队事先告诉我们，三杯酒是最佳状态。如果到了第四杯，那就要见证奇迹了。

黄仁勋: 这不是最优解。总之总之总之，听着听着听着听着。所以 AI 是什么？我们总得留下点智慧吧。

罗宾斯: 能再来一杯酒吗？

黄仁勋: 这不只是脱口秀，好吗？

罗宾斯: 那我们聊聊别的。再聊一件事。

黄仁勋: 能源。

罗宾斯: 芯片。能源。听起来不错。

最重要的那一层：应用

黄仁勋: 能源、芯片、基础设施——包括硬件和软件——然后是AI模型。但AI最重要的部分是应用。

每个国家、每家公司——下面那些层都只是基础设施。你需要做的是应用这项技术。拜托了，用起来。用AI的公司不会有危险。有危险的是那些不用的。你不会因为AI而丢掉工作。你会因为使用 AI 的人而丢掉工作。 所以赶紧行动。这是最重要的事情。然后尽快给罗宾斯打电话。

罗宾斯: 你给我打电话，我给他打电话。

黄仁勋: 对。

罗宾斯: 时间不太多了。我们是不是没有那么多时间了？还有多少？

黄仁勋: 你看罗宾斯，他按时间计费。我连手表都不戴。看到了吗？

罗宾斯: 看到了。

黄仁勋: 罗宾斯按钟点收费。我不一样。我在价值交付之前绝不离开。就算通宵我也不走。听着，我要折磨你们所有人，直到……

罗宾斯: 这就是为什么像我这样的人需要戴表。好吧，你能不能……

黄仁勋: 在你们能说学到了什么之前，你们都被困在这里了。我们要折磨所有人，直到价值交付为止。

罗宾斯: 我确认了一下，还有更多酒。你能聊聊你对物理 AI 的最新思考吗？

AI 时代的工具力量

黄仁勋: 记住软件是什么——软件是工具。现在有一种说法，说软件行业的工具在衰落，会被AI取代。你能看到一堆软件公司的股价承压，因为不知怎的AI就要取代它们了。这是世界上最不合逻辑的事情。时间会证明一切。 让我们来做一个终极思想实验。假设我们是终极AI——通用人形机器人，AI的物理版本。你当然能解决任何问题，因为你是人形的。你能做事。如果你是人形机器人，你是会用螺丝刀还是重新发明一把新的？我当然直接用。你是会用锤子还是重新发明锤子？你是会用电锯还是重新发明电锯？你明白我在说什么吗？如果你是通用人形机器人，你是使用工具还是重新发明工具？答案显然是使用工具。

那现在做数字版的类比。如果你是通用人工智能，你是会使用ServiceNow、SAP、Cadence、Synopsys这些工具，还是重新发明一个计算器？你当然会直接用计算器。这就是为什么AI最近的重大突破就是工具使用。因为工具被设计为精确的。世界上有很多问题是F=ma的。拜托，别再搞一个新版本了。F等于ma，不是「大约等于」ma，不是「统计学上等于」ma，就是ma。欧姆定律，V=IR，不是「差不多等于」IR。就是IR。你们明白我在说什么吗？所以我们希望通用机器人、通用人工智能去使用工具。

物理 AI 与因果理解

这就是核心理念。我认为在下一代物理AI（Physical AI）中，我们将拥有能理解物理世界、理解因果性（Causality）的AI。如果我推倒这个，它会把那些全都推倒。你理解多米诺骨牌的概念吗？就是多米诺骨牌的概念。注意，一个小孩就能理解。如果你推倒那个——多米诺骨牌的概念是极其深刻的。接触、重力、质量——所有这些都融合在推倒多米诺骨牌的过程中。一个小小的多米诺骨牌可以推倒一个更大的，再推倒一个更大的，再推倒一个更大的，直到另一边有一吨重的东西倒下——一个孩子对这个概念毫无障碍。但大语言模型完全不理解。 所以我们必须教会它，我们必须创造一种全新的物理AI。

机遇：从工具到劳动力

那么机遇是什么？到目前为止，罗宾斯和我所在的行业一直在做的事情是创造工具。我们一辈子都在做螺丝刀和锤子的生意。但这是人类历史上第一次，我们即将创造出人们所说的「劳动力」——增强劳动力（Augmented Labor）。给你一个例子。自动驾驶汽车是什么？它是一个数字司机（Digital Chauffeur）。数字司机价值多少？比车本身贵得多。

因为在数字司机的整个生命周期中，它的经济价值远超汽车本身。有史以来第一次，我们面对的潜在市场（TAM）是原来的100倍。这在数学上千真万确。IT行业大约1万亿美元。而世界经济大约100万亿美元。有史以来第一次，我们将接触到所有这些。

成为技术优先的公司

所以事实是，你们所有人——今天在座的每一位——都有机会应用这项技术，成为一家技术公司。给你们举几个例子。我真心相信——我很爱 Disney，也很享受和Disney合作，但我很确定他们更想成为Netflix。我爱 Mercedes，我去过Mercedes，我确定他们更想成为Tesla。我爱Walmart，我确定他们更想成为Amazon。到目前为止我说对了吗？三个全中？

你们所有人都是这样。我相信我们有机会帮助每一家公司转型成技术公司。技术优先。 技术是你的超能力，领域是你的应用——而不是反过来，领域是你的身份，你在寻找技术。原因是，技术优先的公司处理的是电子，不是原子。电子有无穷多。原子受质量限制。这就是为什么当他们从CD-ROM转向电子的那一刻，公司的价值爆发了一千倍。你们需要像我们一样——成为一家电子公司、电子公司——换个说法就是技术公司。这就是你们面前的机遇。换个方式想——就是AI。我们刚才说过了。即使是罗宾斯，他只会用希伯来语编程。

罗宾斯: 那是一种天赋。

黄仁勋: 他选择的工具是…而且是从右往左写的，因为你们知道，不然会蹭花。

罗宾斯: 那确实很聪明。

黄仁勋: 聪明人做聪明事。

用你自己的语言编程

黄仁勋: 美妙的地方在于——你们知道世界的编程语言是什么。对于你们的公司来说，你们可能觉得「天哪，软件不是我们的强项」，但知识、直觉、领域专长才是你们的强项。现在你们第一次可以用你们自己的语言，准确地告诉计算机你想要什么。记得我们从哪里开始的吗？从显式编程到隐式编程。人类历史上第一次，你可以隐式地给计算机编程。 只需要告诉它你想要什么、你的意思是什么，计算机会自己写代码。因为写代码说到底只是打字。而打字说到底只是一种商品化技能。这就是你们的巨大机遇。

你们所有人都可以从过去限制你们的原子级局限中解放出来。你们可以摆脱「我们没有足够的软件工程师」这个限制——因为打字其实是一种商品化技能。而你们拥有极其宝贵的东西——领域专长。理解客户、理解问题。这才是终极价值。理解意图才是终极价值。你们知道，刚从大学毕业的时候，你可能是超级程序员，但你完全不知道客户想要什么、不知道该解决什么问题。但这正是你们知道的。你们知道客户想要什么、知道该解决什么问题。编程的部分很简单——告诉 AI 去做就行了。这就是你们的超能力。所以罗宾斯和我在这里就是要帮你们实现这一点。这段收尾的话是在五杯酒下肚的状态下说的。嘿听着，这真是个奇迹。

罗宾斯: 这就是一个只带了平板的人。这是对人工智能的真实诠释。也许应该叫增强智能。

Cisco 和 NVIDIA：重塑计算支柱

黄仁勋: 我想告诉大家，和你们所有人合作是极大的荣幸。如你们所知，Cisco 在计算发明的两大关键支柱上拥有极其深厚的专业积累。没有Cisco，就没有现代计算。一个当然是网络，另一个是安全。这两大支柱在 AI时代都已被重塑。而我们最擅长的——计算部分——在很多方面反而是商品化的。Cisco掌握的才是真正深层的价值。我们两家携手，将非常乐意帮助你们所有人拥抱AI的世界。

自己动手：掀开引擎盖

之前有人问我——我觉得值得再说一遍——应该只租用云服务，还是应该自己动手搭建？我的建议是：我给我孩子的建议和给你的一样。自己装一台电脑。 即使PC已经无处不在、技术很成熟了——拜托，装一台。知道每个组件为什么存在。如果你在汽车行业、交通行业——别光用Uber。拜托，打开引擎盖，换换机油。了解所有的零部件，搞清楚它是怎么运作的。这至关重要。这项技术对未来太重要了。你必须有一些亲手触摸过的理解。打开引擎盖，换机油。造点什么。不用很大，造点什么。

你可能会发现自己其实超级擅长。你可能会发现你需要这个技能。你可能会发现世界不是全租或全买的——你会想租一些、也自己拥有一些。因为你公司的某些部分应该建在本地——比如数据主权（Sovereignty）和专有信息。你可能不太放心把所有的提问都分享给所有人。

你的问题才是最有价值的 IP

你知道，去看心理医生的时候，你不会希望自己的问题被放到网上。你懂我的意思吧？好吧，这个例子是我假想的。假设哈。所以假设——我觉得你有很多问题、很多对话、很多困惑应该保持私密。公司也是一样。我对把NVIDIA所有的对话都放在云上是没有信心的。这就是为什么我们在本地搭建。我们在本地建了一套超级AI系统。因为我不放心分享那些对话。因为事实证明，对我来说最有价值的IP不是我的答案——是我的问题。 你跟上了吗？

我的问题才是最有价值的IP。 我在思考什么、我的问题是什么。答案反而是商品化的。关键是知道该问什么。我在识别什么是重要的——我不想让别人知道我觉得什么重要。我希望这些留在一个小房间里。留在本地部署（On-prem）。只有我自己知道。我要创建自己的AI。然后最后一个想法——因为已经11点了。

AI 进入工作流：构建企业知识产权

黄仁勋: 最后一个想法。有一种观点说AI应该始终有「人在回路中」（Human in the Loop）。这恰恰是反的。 每家公司应该让「AI在回路中」（AI in the Loop）。原因是我们希望公司每一天都变得更好、更有价值、更有知识。我们永远不想倒退，永远不想停滞，永远不想从零开始。这意味着如果我们让AI在回路中，它会捕获我们的生命经验。未来每一位员工都会有AI——很多AI——在他们的工作流中。这些AI将成为公司的知识产权。 这就是未来的公司。所以我觉得你们所有人应该立刻给罗宾斯打电话。

罗宾斯: 打给黄仁勋。

黄仁勋: 好了，这就是我的收尾。

罗宾斯: 听着——两周在路上。黄仁勋飞过来，把他最后一个晚上留给了我们。在他终于能回到自己的床上睡一觉之前——我们永远感恩。感谢你在这里。

黄仁勋: 谢谢。非常感谢你们。

参考来源: Transcript: Jensen Huang's Interview @ Cisco AI Summit 202

（本文转载自清华经管学院MBA校友的微信公众号，原文点击“阅读原文”🙏）

【作者其他文章】

1.邦比读书2022年3：写作之书、熊逸讲透资治通鉴、温莎墓园日记、巡山报告、一本书读懂新能源汽车、即兴判断、科技参考、猩猩游戏等

2.Anthropic CEO达里奥·阿莫迪：指数终点已至《通用人工智能：认知、教育与生存方式的重构》《通用人工智能的标准、评级、测试与架构》‌