“英伟达 AI 项目数量已失控！”黄仁勋五杯酒下肚，把压箱底的都掏出来了

近日，英伟达创始人、总裁兼首席执行官 Jensen Huang 和思科董事长兼首席执行官 Chuck Robbins 和进行了一场独家炉边谈话。两人状态都非常放松，黄仁勋五杯酒下肚，罕见地、毫无保留地展望了智能、基础设施的未来，以及正在重新定义地球上每个行业的全球变革。

期间，黄仁勋犀利指出，编程就是打字，打字本身就是一种商品。

他透露，英伟达内部已经有近乎“失控”的 AI 项目数量，但他仍在任其发展，目前未过早收敛。公司内部百花齐放是创新的必经阶段，他对新 AI 项目的第一反是“yes”，而不是“先证明给我看”。

他认为，AI 的真正机会不是“更聪明的软件”，而是“被增强的劳动力”。历史上第一次，数字劳动力的长期经济价值超过了硬件本身。 企业最有价值的知识产权不是答案，而是问题本身，而这些必须在本地。未来每个员工，都会“自带多个 AI”工作。

黄仁勋提醒，你可以不是第一个用 AI 的，但千万不要成为最后一个。最后一个，基本等于被淘汰。而真正该优先用 AI 的，不是边角料，而是企业“最核心、最有影响力的工作”。

下面是两人的对话内容，我们进行了翻译和整理，在不改变原意基础上进行了删减。期间有几次两人的开玩笑，以“小剧场”形式展现，以飨读者。

罗宾斯：这家伙已经两周没回家了，现在的问题是，他到底是能不能睡在自己的床上，还是只能住酒店？所以我们会轻松点，聊得开心，也尽量早点放他走。

其实你都不用自我介绍了，但还是要谢谢你今天能来，感谢我们的合作关系，也为你和你的团队感到骄傲。让我们从合作开始聊起吧。你提出了 AI 工厂的概念，我们正在一起推进。在企业领域，进展可能不像我们期望的那么快，但我们先聊聊对你来说，什么是 AI 工厂？

黄仁勋：首先记住一点，我们正在进行 60 年来的首次计算重塑。以前是显式编程，我们编写程序，通过 API 传递变量，一切都很明确。现在变成了隐式编程，你告诉计算机你的意图，它自己去思考如何解决问题。

从显式到隐式，从通用计算（基本就是算术）到人工智能，整个计算堆栈都被重塑了。人们谈论计算时往往只关注处理层，也就是我们所在的领域，但计算还包括存储、网络和安全，所有这些都在重塑中。

首先是第一部分，我们需要将 AI 发展到对人们有用的水平。目前，所谓的聊天机器人，你给它一个提示，它就想出要回答什么，这挺有意思的，也让人好奇，但并不实用。有时它帮我完成填字游戏，但也仅限于它已经记住和泛化的内容。

回想三年前 ChatGPT 刚出现时，我们觉得“天哪，它能生成这么多词，能模仿莎士比亚”，但本质上仍是对已有内容的记忆与泛化。然而我们知道，真正的智能是解决问题。解决问题一方面是知道自己不知道什么，另一方面是推理，即如何解决从未见过的问题，将它分解成你能够轻松解决的部分。这样，通过组合，你就能解决从未见过的问题。

此外，还要能够提出策略来执行任务，我们称之为计划。我们现在听到的 Agentic AI，那些术语，像工具调用、检索、基于事实的增强生成、记忆等，本质上讲的都是这些能力。

但重要的是，要从通用计算，即我们用 Fortran、C、C++、Cobalt 编写的显式编程，进化到新的形式，需要重新思考整个企业如何利用它。

罗宾斯：Cobalt

黄仁勋：那是好东西，Chuck，那是好东西。

罗宾斯：那是我准备的保底工作。

黄仁勋：是的，那是些仍然有价值的技能。我知道，我知道它们仍然有价值，我收到很多 offer。恐龙永远有价值。

罗宾斯： 我们刚才确认了，你比我老。

黄仁勋：我知道，我是史前的。看起来不像，但确实是。很好，我可能是这个房间里年纪最大的。

罗宾斯： 那么我们来聊聊，当你在思考这个话题时……

黄仁勋：所以，我找到 Chuck 说：听着，我们需要重塑计算，Cisco 必须发挥重要作用。我们有全新的计算堆栈 Vera Rubin，Cisco 会和我们一起推广。但那是计算层，还有网络层。Cisco 将集成我们的 AI 网络技术，但将其放入 Cisco Nexus 的控制层，这样从你的角度来看，你能获得 AI 的所有性能，同时具备 Cisco 的可控性、安全性和可管理性。我们在安全方面也会做同样的事情。每个支柱都需要重塑，这样企业计算才能充分利用它。

但最终我们还是回到那个问题：为什么三年前企业 AI 还没有准备好？为什么你现在不得不尽快参与进来？别掉队。我认为你不必是第一个采用 AI 的公司，但千万别做最后一个。

罗宾斯：如果你现在是一家企业，你的建议是什么？他们应该采取哪些步骤来做好准备？

黄仁勋：我经常被问到 ROI 这类问题，但我不建议从那里入手。原因在于，任何技术在早期部署时，很难用电子表格来量化新工具、新技术的投资回报率。我建议做的是，找出公司的本质是什么，我们做的最有影响力的工作是什么，不要胡闹，不要在边缘事务上浪费时间。

在我们公司，AI 项目就像千朵花在盛开。公司里 AI 项目的数量已经失控了，但这很好。创新并不总是可控的。如果你想要控制，首先你得去看心理医生。其次，控制只是幻觉。你无法控制公司。如果你希望公司成功，你不能控制它，你可以影响它，但不能控制它。

所以我认为第一点，太多公司、太多人想要明确的、具体的、可证明的 ROI。但要在早期证明值得做的事情的价值是困难的。

我会说，让百花齐放。让人们尝试，让人们安全地尝试。我们在公司里尝试各种东西，我们用 Anthropic、用 Codex、用 Gemini，我们什么都用。当我们的团队说我对某个 AI 感兴趣时，我的第一反应是“yes”，然后再问为什么，我不会先问为什么，再说“yes”。

原因很简单，我希望我的公司能像我对孩子的期望一样，去探索生活。他们说想尝试什么，我的回答是“可以”，然后他们问“为什么”，我不会让他们向我证明。我不会让他们证明做这件事将来会带来经济成功或某种快乐。但在工作场所我们却经常这样做，你不觉得这很奇怪吗？这对我来说无法理解。

所以我们对待 AI 的态度，就像以前对待互联网、云计算一样，让它百花齐放。然后在某个时刻，你需要运用自己的判断来决定何时开始整理花园，因为一千朵花会让花园变得凌乱。

在某个时候你必须开始“修剪”，才能找到最合适的花朵，也就是最好的方法或最佳平台，这样你可以把所有的资源集中在一个方向上。但你不想过早地集中资源，万一选错了方向呢？那就先让千朵花一起绽放，然后在某个时候进行整理。

说明一下，我还没有开始整理，到处都是花在绽放。但我鼓励每个人去尝试。然而，我清楚地知道对我们公司来说最重要的是什么、我们公司的本质是什么、我们最重要的工作是什么。我确保我有大量的专业知识和能力集中在使用 AI 来革命化这些工作上。对我们来说，就是芯片设计、软件工程、系统工程。

你们也注意到了，我们和 Synopsys、Cadence、Siemens 等公司合作，就是为了把我们的技术嵌进去。他们需要什么、想用什么，我都会给，给到极致。因为只有这样，我才能彻底革新我们设计下一代产品所依赖的工具。

这告诉了你一些关于我的态度，对我来说最重要的是什么，以及我会如何革新自己的工作。

想想 AI 能做什么。AI 降低智能的成本，或者以数量级创造智能的丰富性。换种说法，我们以前需要一年才能完成的事情，现在可能一天就能完成。以前需要一年的，现在可能一小时就能完成。甚至可以实时完成。

原因是我们身处一个丰富性的世界。摩尔定律？天哪，那太慢了，就像蜗牛一样。记住摩尔定律是每 18 个月翻一番、每 5 年翻 10 倍、每 10 年翻 100 倍。而现在呢？每 10 年增长一百万倍。在过去 10 年里，我们将 AI 推进到了如此远的地步，以至于工程师们说：嘿，为什么不在全世界的数据上训练一个 AI 模型呢？

他们指的不是从我硬盘里收集数据，而是把全世界的所有数据拉下来训练一个模型。这就是“丰富性”的定义。丰富性就是面对一个如此巨大的问题，你说“我要全部搞定”。“我要治愈所有疾病领域的所有病症，我不会只做研究癌症。”开玩笑吗？那太疯狂了。我们要解决人类的所有苦难，这就是丰富性。

最近，当我思考一个问题时，我通常会这样假设：我的技术、我的工具、我的仪器、我的飞船是无限快的。去纽约要多久？一秒钟就到了。那么如果我一秒钟就能到纽约，我会做哪些不同的事情？如果以前需要一年现在能够实时完成，我会做哪些不同的事情？如果以前很重的东西现在变得像反重力一样轻，我会做哪些不同的事情？当你用这种态度面对一切时，你就是在运用 AI 思维。

举个例子，我们正在合作的很多公司，都在做图分析，处理各种依赖关系、关联关系。这些图里有无数节点和边，多到是万亿级的。过去的做法是，只能切一小块一小块地算。现在呢？直接把整个图给我就行了，有多大无所谓。这种思维方式正在被应用到各个领域。如果你还没用这种方式思考，那基本就是做错了。

速度重要吗？不重要，你已经达到光速了。重量重要吗？你已经是零重力、零质量了。如果一些以前对你来说极其困难的事情，你现在的态度是“无所谓”，那你就没有应用这个逻辑，你就没有做对。

现在，试着把这种思维用在你公司里最难、最关键的问题上，这才是真正能推动事情发生变化的方式。如果你自己还没这么想，那不妨想一想：你的竞争对手是不是已经在这么想了？或者，更可怕的是，一家刚刚要成立的新公司，已经完全是用这种方式在思考。这会改变一切。

所以，我的建议是找到你公司里最有影响力的工作，把“无限”套上去，把“零成本”套上去，把“光速”套上去，然后再去问 Chuck，怎么才能真的把这件事做成。

罗宾斯：那我们现在聊聊如何实现。你有那个“五层蛋糕”的比喻，因为大家都在谈论基础设施、模型、应用。我要如何入手？你能聊聊这个吗？

黄仁勋：首先，成功人士会做的事情之一，是思考事物的本质。

大约 15 年前，一个算法和两个工程师解决了计算机视觉问题。智能包括感知、推理、规划。计算机视觉基本上是智能的第一部分：感知。感知是“我是谁？发生了什么？我的环境是什么？”推理是“我如何比较这与我的目标？”然后提出一个计划来实现它。比如喷气式战斗机的问题，首先是感知、定位，然后是行动。

智能就是这三件事。没有感知就无法有第二和第三部分，你无法在不理解环境的情况下理解或决定该做什么。而环境是高度多模态的。有时是 PDF，有时是表格，有时是信息，有时甚至是感官，比如气味、环境，“我们在哪里？在干什么？面对的是谁？”我们常说“读空气”“看场面”，说的就是感知。

大约 13、14 年前，我们在计算机视觉方面取得了巨大飞跃，这是感知问题的第一层。这超级困难，如何解决计算机视觉？AlexNet 是我们看到的第一个突破。这就像我喜欢的那部电影《First Contact》，这是我们与 AI 的第一次接触。

当时我们在想：这意味着什么？为什么两个工程师，靠几块 GPU，就能超越我们三十年来所有人积累的算法？

我昨天还和 Ilya Sutskever、Alex Krizhevsky 聊过这个问题：两个年轻人，怎么做到的？我们把问题彻底拆解，十年前我得出的结论是：世界上绝大多数真正困难、真正有价值的问题，其实都可以用这种方式来解决。

原因在于，这些问题根本不存在所谓“原则性的算法”。没有 F=ma，没有麦克斯韦方程，没有 没有薛定谔方程，没有欧姆定律，也没有热力学定律，它们并不精确。大多数有价值的东西被称为直觉和智慧。

我们所说的直觉、智慧，以及你我每天要面对的那些问题，答案往往只有一句话：要看情况。如果答案是 3，那就太好了；如果是 3.14，那更完美。但现实中最有价值、最困难的问题，几乎全都是“要看具体情况”，因为它们高度依赖上下文。

正是在十二三年前，计算机视觉被攻克了，我们意识到借助深度学习，这条路是可以不断扩展的，模型可以越来越大。唯一的问题是：怎么训练？而真正的突破来自自监督学习、无监督学习，让 AI 自己去学。直到今天，我们已经几乎不再受限于人工标注。

正是这个突破，彻底打开了闸门，让模型从几百参数、几亿参数，一路扩展到数十亿、数万亿参数。我们能编码的知识、能通过算法学到的技能，出现了爆炸式增长。但方法本身并没有变。

于是我们意识到，这也正是我们今天对话的起点：计算本身将被彻底重塑。从显式编程，走向一种全新的计算方式：软件不再是写出来的，而是“学出来的”。

那么，如果再退一步，这对计算堆栈意味着什么？对如何开发软件意味着什么？对你公司中的工程组织意味着什么？对规定产品的产品营销团队意味着什么？对编码产品的工程团队意味着什么？对评估产品的 QA 团队意味着什么？这些产品未来会变成什么样？我们如何部署产品？如何保持更新？如果它基于机器学习，如何永远刷新它？如何给软件打补丁？

关于未来计算的问题，我大概问过上千个。最终我和公司得出的结论是：这一切将改变所有事情。于是我们基于这个核心信念，彻底调整了公司的方向。

简单来说，Chuck 讲的就是：我们从一个“一切都是预先录制好的”世界走了出来。Chuck 当年写的软件，非常厉害。

罗宾斯： 那真不错，它运行了很久。

黄仁勋： 还是用希伯来文写的。（笑）

罗宾斯： 这是真的。那是另一项技能。

黄仁勋： 房间里唯一懂希伯来文 Cobalt 的人。

总之，那是预先录制的。

那我们先想一个问题：现在的软件到底是什么？因为它是有上下文的，而每一个上下文都不一样。每一个使用软件的人不一样，每一次输入的提示也不一样，你给它的前置信息、背景条件都不同。结果就是软件的每一次运行实例，都是不一样的。

这也是为什么过去的软件计算量相对固定，那种模式叫“基于检索”。你拿起手机点一下，它只是去把某个软件文件、图片取出来给你看。但未来不一样，未来一切都会是生成式的，就像现在正在发生的这样。

罗宾斯： 你能说说你对物理 AI 的看法吗？

黄仁勋： 还记得什么是软件吗？软件是一个工具。有一种观点认为，工具行业在衰落，将被 AI 取代。你能看出来，因为很多软件公司的股价压力很大，似乎 AI 要取代它们。这是世界上最不合逻辑的事情，时间会证明这一点。

让我们做个终极思想实验。假设我们是终极人工通用机器人。你觉得你能解决任何问题，因为你知道自己是类人生物。如果作为人类或机器人，你会使用螺丝刀还是发明一个新的螺丝刀？毕竟我只用一个。你会使用锤子还是发明新锤子？你会使用链锯还是发明新链锯？

不会新搞的。首先，理想情况下他们根本不用。但理解我的意思吗？作为人类或机器人、人工通用机器人，你会使用工具还是重新发明工具？答案显然是使用工具。

那同样的逻辑，放到数字世界里。如果作为人工通用智能，你会使用像 ServiceNow、SAP、Cadence、Synopsys 这些现成工具，还是自己重新发明一个计算器？当然你会直接使用计算器。这就是为什么最近 AI 最大的突破之一，是“工具使用”。因为工具本身就是为明确问题而设计的。

这个世界上有很多问题就是 F=ma。拜托，不要再搞一个新版本。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“统计意义上的 IR”。所以我们真正想要的，是通用人工智能、通用机器人使用工具，这是核心思想。

我认为在下一代物理 AI 里，我们会拥有真正理解物理世界、理解因果关系的 AI。比如我把这个推倒，会不会把后面的一排全带倒？

你知道什么是多米诺骨牌，小孩子都懂这个概念：推倒一个，就会一个接一个。多米诺骨牌这个概念本身非常深刻，里面包含了因果、接触、重力、质量。一个很小的骨牌，可以推倒一个更大的，最后甚至带倒一整吨重量的东西。孩子理解起来毫不费力，但一个大语言模型完全不懂。所以我们必须教授、创建一种新型的物理 AI。

那么，机会是什么？

到目前为止，我和 Chuck 所在的行业，其实一直是在创建工具。我们做的是“螺丝刀和锤子”的生意，一辈子都在把工具交到人手里。但这是历史上第一次，我们要创造的不是工具，而是“劳动力”，增强型劳动力。

举个例子，什么是自动驾驶汽车？本质上是一个数字司机。那什么是数字司机？数字司机的价值是多少？它的价值远远大于那辆车本身。原因在于，数字司机一生创造的经济价值，第一次超过了硬件本身的价值。

也正因为如此，我们第一次真正触及到了一个规模大 100 倍的市场。严格说，这在数学上是成立的：IT 行业大约是万亿美元左右，而世界经济大约是百万亿美元。我们第一次有机会进入这个层级。所以在座的每一个人，都有机会应用这项技术创办一家科技公司。

让我给一些例子。我真的相信，就像我观察到的：我喜欢 Disney，我们喜欢和 Disney 合作，但我很确定他们更愿意成为 Netflix；我喜欢 Mercedes，我是坐着 Mercedes 来的，但我很确定他们更愿意成为 Tesla；我喜欢 Walmart，但我很确定他们更愿意成为 Amazon。

你们同意吗？到目前为止，我是不是全中？我相信我们有机会帮助把每家公司转型为技术公司。

要技术优先。技术是你的超能力，行业和领域只是应用场景。而不是反过来，把行业当成身份，再去寻找技术。为什么？因为技术优先的公司，处理的是电子，不是原子。电子的数量是无限的，而原子受质量限制。这也是为什么当企业从 CD-ROM 这种“原子载体”切换到电子分发后，市值能暴涨上千倍。

你们要像我们一样，成为一家“电子公司”，说白了，就是科技公司。机会已经摆在你们面前了。换个角度说，其实就是 AI。

我们刚才说过，即使像 Chuck 这样只会用希伯来语编程的人

罗宾斯： 这是一种天赋。

黄仁勋： 他的工具选择是按序从右到左否则它会造成混淆。

罗宾斯： 其实挺聪明的。

黄仁勋： 聪明人做聪明的事。

妙就妙在，如果你了解编程语言，那就知道，对所有公司来说，软件并非我们的强项，但知识、直觉、领域专长是你的优势。

现在，你们第一次可以用自己的语言，把想要的东西完整地告诉计算机。还记得我们是怎么从显式编程，走到隐式编程的吗？历史上第一次，你可以“隐式地”给计算机编程，只要告诉它你想要什么，表达你的意图，代码由计算机来写。

编程，如你所知，只是打字。而事实证明打字也是一种商品。

这就是你们的好机会。你们所有人都能超越以前限制你们的“原子局限”。摆脱没有足够的软件工程师的限制，因为打字是商品化的，而你们都拥有极具价值的东西：领域专长来理解客户、理解问题。

终极价值是理解意图。当你刚从大学软件学院毕业时，你可能是一个超级程序员，但你不知道客户想要什么，不知道要解决什么问题。但现在所有人都知道客户想要什么，知道要解决什么问题。编码部分很简单，只需告诉 AI 去做，所以这就是你的超能力。Chuck 和我在这里帮助你实现这一点。

那个结束语是我喝了五杯酒后说的。听着，这真是一个奇迹。

罗宾斯： 介于两者之间的是某人在桌子上工作，这是人工智能的真实写照，也许这是增强版。

黄仁勋：我只想说，与你们所有人一起工作很愉快。大家都知道，Cisco 在计算机发明史上有两根极其重要的支柱：网络和安全。没有 Cisco，就没有现代计算。而这两根支柱，在 AI 时代都被重新定义了。计算本身，在很多层面已经逐渐商品化，但 Cisco 深耕的那些能力，依然极其关键、极其有价值。我们双方结合在一起，非常愿意、也非常有能力，帮助大家真正走进 AI 的世界。

之前有人问过我一个问题，我觉得值得再说一遍： 到底是只租云，还是要自己动手建算力？

我的建议和我给自己孩子的建议完全一样：一定要自己建一套。哪怕 PC 已经无处不在，哪怕技术已经非常成熟，也请你亲手做一次。你必须知道每一个组件为什么存在。就像你如果身处汽车或交通行业，不能只会用 Uber，你得掀开引擎盖，换一次机油，真正理解一辆车是怎么运转的。

理解技术是至关重要的。这项技术对未来太重要了，你必须对它有“上手级”的理解。掀开盖子，动手做点东西，不一定要很大，但一定要做。你可能会发现自己在这方面天赋惊人，也可能会发现，这正是你公司未来必须具备的能力。

你也会意识到，世界并不是“全租”或者“全自建”这么简单。有些东西你要租，有些东西你必须自己掌控。 比如涉及主权、安全、专有信息的部分，就应该放在本地。有些问题，你就是不愿意让所有人都看到。

打个比方，当你去看心理医生时，你肯定不希望那些问题被放到网上。公司也是一样。你们有很多问题、很多讨论、很多不确定性，这些对话，本就应该是私密的。我自己就不放心把 Nvidia 所有的内部对话都放到云上，所以我们在本地构建了超级 AI 系统。因为我逐渐意识到，对我来说最有价值的知识产权，并不是答案，而是问题本身。

能理解我的意思吗？我的问题就是我最有价值的知识产权，答案是商品化商品。我知道问什么，我在识别什么是重要的。 而我不希望别人知道，我认为哪些事情是重要的。这些思考，只属于一个小房间，只属于本地，我希望创建我自己的 AI。

已经 11 点了，最后一个想法想要补充。

有一种观点认为 AI 应该始终有人类参与其中。这恰恰是错误的想法，应该反过来，每家公司都应该让 AI 参与其中。

原因很简单，我们希望公司每天都变得更好、更有价值、更有知识积累。我们不想倒退，不想停滞，更不想每次从零开始。如果我们让 AI 参与其中，它就能不断吸收公司的经验。

未来每个员工都会有参与其中的 AI，很多 AI，而这些 AI 将成为公司的知识产权。这就是未来的公司。因此，我认为你们所有人现在就给 Chuck 打电话是明智的。

罗宾斯： 我给 Jensen 打了。

黄仁勋： 无论如何，这就是我的结束语。

罗宾斯： 听着，两周的旅行，Jensen 今天特地飞到这里，和我们共度一个夜晚，之后才能好好回家睡一觉。我们由衷感谢你能来，真的非常感谢。

黄仁勋： 还有，在我眼角余光中，看到那里还有那些烤串。

参考链接：

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