核心导读：

本文深度解析 NVIDIA CEO 黄仁勋的最新观点。不仅关乎技术，更是一场关于从“通用计算”向“加速计算与 AI 工厂”范式转移的认知革命。对于企业而言，关键在于如何将自身的领域专业知识（Domain Expertise） 转化为不可复制的技术护城河。

黄仁勋开篇即指出，我们正在经历 60 年来计算领域的首次彻底重塑。这不是简单的升级，而是底层逻辑的颠覆。

🧩 从“显式编程”到“隐式编程”

• ⏪ 过去（通用计算）： 基于 CPU，依赖人工编写的指令（显式代码），如 C++、Fortran。

• ⏩ 现在（AI 计算）： 人类只需表达“意图”（Intent），由计算机自行推导解决方案（隐式编程）。

🏭 全栈重构与“AI 工厂”

这不仅仅是处理器的迭代，而是包括计算、存储、网络和安全在内的整个 IT 堆栈的重构。

• 核心定义： 未来的数据中心不仅是存储数据的仓库，更是“AI 工厂”——一个专门生产“智能”这一新时代核心资产的基础设施。

针对企业在部署 AI 时的犹豫，特别是关于投资回报率（ROI）的拷问，黄仁勋给出了“反直觉”但极具实战意义的建议。

🛑 预警：不要一开始就纠结 ROI

对于颠覆性技术，早期的 ROI 很难用传统的电子表格计算。过早关注 ROI 会扼杀创新。

🌸 策略：“百花齐放” (Let a thousand flowers bloom)

• 🙌 拥抱混乱： 鼓励内部团队广泛尝试各种 AI 工具（Gemini, Anthropic, Codex 等）。

• ✅ 领导力准则： 当员工想尝试 AI 时，领导者的回答应该是“Yes”，然后再问“Why”，而不是要求先证明其价值。

• ✂️ 收敛与聚焦： 虽然初期允许混乱的创新，但最终必须利用领导者的判断力进行“修剪”和“策展”（Curate），将资源集中在对公司最核心、最本质的业务上（例如 NVIDIA 聚焦于芯片设计和软件工程的 AI 化）。

黄仁勋提出了一个极其重要的思维模型——“丰饶逻辑”（The Logic of Abundance），即将 AI 视为降低智能成本、创造无限供给的工具。

📈 摩尔定律的加速

• 过去： 每 5 年 10 倍增长。

• 现在： AI 算力是 每 10 年 100 万倍 的增长。

🧠 新思维方式

当你拥有无限快、零成本的智能时，你会如何重新设计工作流程？

• 案例（图分析）： 过去因为算力昂贵只能分析局部，现在应要求分析“整个图谱”，无论多大。

• 建议： 企业应找出最难的问题，假设拥有“无限算力”和“光速反馈”，以此重构解决方案。

关于未来的物理 AI（Physical AI）和机器人，黄仁勋的观点非常清晰：工具的使用价值 > 发明新工具。

🤖 Agentic AI（代理 AI）

未来的 AI 不仅仅是聊天机器人，而是能够推理、规划、并使用工具解决问题的代理。

🛠️ 不要重新发明轮子

就像人类不会为了钉钉子去发明新锤子一样，AI 应该学会使用现有的专业工具（如 SAP, ServiceNow, Cadence, Synopsys）。

🚕 “数字司机”的比喻

自动驾驶汽车本质上是“数字司机”。司机的价值远高于汽车本身。

• 商业跃迁： 这标志着 IT 行业从单纯提供工具（1 万亿美元市场）转向提供“增强劳动力”（Augmented Labor），从而触达全球 100 万亿美元 的经济体量。

这是黄仁勋对传统企业的核心呼吁。企业转型必须让自己具备处理“电子”的能力。

⚛️ 原子 vs. 电子

• 传统行业： 处理“原子”（受物理限制，扩展慢）。

• 科技行业： 处理“电子”（无质量，扩展快）。

👑 领域专家的崛起

• 📉 编程是商品： 写代码（Typing）正逐渐成为一种大宗商品。

• 📈 领域知识是王道： 最懂客户需求、最懂行业痛点的“领域专家”现在可以通过 AI 直接指挥计算机。

• 结论： 企业不需要为了技术转型而变成软件外包公司，而是利用 AI 放大其原本的领域优势。

在谈到是租用云算力还是自建数据中心时，黄仁勋给出了非常深刻的见解。

🔧 一定要“打开引擎盖”

即使云很方便，企业也必须尝试自建一部分基础设施，以保持对技术的触感和理解。

🛡️ 知识产权（IP）的新定义

• 💡 核心观点： 最有价值的 IP 不是“答案”，而是“问题”。

• 逻辑： 因为 AI 的答案正在变得廉价（Commodity），但“问什么问题”、“关注什么方向”代表了企业的战略思考。

• 行动： 为了保护这些核心的“问题”和战略思考不被泄露，企业需要在本地（On-Prem）保留一部分私有的 AI 基础设施（Sovereignty AI）。

最后，黄仁勋反驳了传统的“人机回环”（Human in the loop）概念。

🔄 新目标：AI in the loop

• 缺陷： 如果只有人在回路中，人离开后知识可能流失。

• 愿景： 让 AI 参与到业务循环中，AI 能不断捕获、学习并固化员工的经验和知识，使公司变得越来越聪明，永不倒退。

💬 金句时刻

❝ You're not going to lose your job to AI, you're going to lose your job to someone who uses AI. ❞

（你不会被 AI 取代，但会被善用 AI 的人取代。）

❝ The most valuable IP to me is not my answers, it's my questions. ❞

（对我来说最有价值的知识产权不是我的答案，而是我的提问。）

🔗 视频来源:

The AI Factory: Infrastructure for Intelligence | Jensen Huang, CEO, NVIDIA

https://youtu.be/Qt-RFRr5N2I?si=V24m23VPnWmdCETn