美国时间2月3日晚间，一场本该正襟危坐的顶级科技对话，最终变成了一场“五杯酒后的坦白局”。

刚结束中国之行、甚至还没来得及倒时差的英伟达CEO黄仁勋，坐在了思科CEO查克·罗宾斯(Chuck Robbins)对面。

几杯酒下肚，黄仁勋的嗓音开始沙哑，但话语却越来越犀利。借着酒劲，黄仁勋不仅“砸”了程序员的饭碗，“怼”了管理学的教条，甚至还对几家世界级巨头来了一波贴脸“拉踩”：

关于程序员：“编程？那只是打字而已。打字已经不值钱了。”

关于控制欲：“如果你想掌控创新，那你该去看看心理医生。”

关于摩尔定律：“10年算力提升了100万倍，在这种速度面前，昔日的摩尔定律简直慢得像蜗牛在爬。”

关于传统巨头：“我很爱迪士尼，但我敢肯定他们更想成为Netflix；我很爱梅赛德斯，但我确信他们更想成为特斯拉。”

关于AI进化：“为什么要让人去适应工具？让AI学会使用工具，我们才能创造出真正的‘数字劳动力’。”

黄仁勋用这些“爆论”提醒所有掌舵者：在指数级进化的浪潮面前，你过去引以为傲的经验，注定将被时代无情淘汰。

“失控”的百花齐放：你的第一课不是ROI，是“放手”

当罗宾斯问及企业迈向AI的第一步应该是什么时，黄仁勋的回答绕开了所有常规的商业话术。

“我经常被问到投资回报率这类问题，但我不会先谈那个。”他直截了当地说。在他看来，在技术爆发的黎明期，用电子表格去框定价值是徒劳的，甚至是危险的，因为这只会扼杀探索的触角。

他拿出了英伟达内部的实践作为例子：让“百花齐放”。在英伟达内部，AI项目多到几乎失控。

“注意我刚才说的：失控，但棒极了。”黄仁勋强调。他对此的解释充满哲学意味：“创新并不总是在掌控之中。如果你想掌控一切，首先应该去咨询心理医生；其次，那是一种错觉，你根本掌控不了。”

他的管理逻辑简单到令人惊讶，像对待孩子一样对待团队的好奇心。

“当我们的某个团队说想尝试某种AI时，我的第一个回答是‘可以’，然后我会问‘为什么’。我不是先问为什么再同意，而是先同意再问为什么。”他对比道，我们在家里从不这样要求先给出证明，但在工作中却这样做，这对他来说毫无逻辑。

黄仁勋描绘的路径图清晰而反直觉：第一步不是制定严谨的试点计划，而是允许甚至鼓励“安全地试错”。让每个有想法的团队去接触、去尝试各种AI工具，无论是Anthropic、Codex还是Gemini。

其目的不是立即产出效益，而是培养组织的“AI感觉”。只有经过一段充分甚至略显混乱的百花齐放期，领导者才能凭借直觉和观察，知道何时该开始“修剪花园”，将资源集中到真正重要的方向上。“但你不能太早集中力量，否则会选错箭。”他警告道。

从“螺丝刀”到“创造劳动力”：AI工厂的本质是价值转移

那么，当企业开始探索之后，究竟要看向何方？黄仁勋用“AI工厂”这个概念，描绘了一幅远比提升效率更宏大的图景。他认为，我们正在经历从“制造工具”到“创造劳动力”的根本性转变。

“我和查克所在的行业一直在制造工具，始终在做螺丝刀和锤子的生意。”过去几十年，科技公司生产软件、芯片、网络设备，这些都是工具，是原子世界效率的延伸。

但AI，特别是能够理解物理世界、具备因果推理能力的物理AI，将改变游戏规则。“有史以来第一次，我们要创造人们所谓的‘劳动力’，或者是‘增强型劳动力’。”他举例说，自动驾驶汽车本质上是一个数字司机，而这个数字司机的生命周期经济价值，将远超汽车本身这个硬件。

这才是“AI工厂”的深层含义：它不是一个存放服务器的机房，而是一个源源不断产出“数字劳动力”的新型价值创造中心。这种劳动力可以是一个永不疲倦的客服，一个实时优化供应链的调度员，或是一个能协同设计的工程师助手。

黄仁勋给出了一个震撼的数字对比：全球IT产业规模大约在1万亿美元，而全球经济总量是100万亿美元。“我们第一次面对一个拓宽了百倍的潜在市场总量。”这意味着，AI带来的最大机会不是瓜分现有的IT预算，而是去渗透和重塑那剩下的99万亿实体经济。

每一个行业都有机会通过注入这种数字劳动力，将自己重塑为一家技术公司。“我相信迪士尼宁愿成为Netflix，梅赛德斯宁愿成为特斯拉，沃尔玛宁愿成为亚马逊。”他尖锐地指出，你们所有人都是这样的。

“无限快”与“零重力”：用AI思维重新定义难题

如何才能真正抓住这百万亿级的机遇？黄仁勋提出了一个颠覆性的思维模型：用“丰盈”(Abundance)的假设来思考一切。

他讽刺地说，在AI时代，昔日的摩尔定律慢得简直像蜗牛爬。现在，我们需要建立新的认知基准。“过去10年，我们的算力提升了多少？10年100万倍。”在这种指数级丰盈的前提下，企业领导者的思维必须升级。

“现在当我想象一个工程问题时，我假设我的技术、我的工具、我的飞船是无限快的。去纽约要多久？一秒钟就到。”

他启发式地问道，如果一秒钟能到纽约，你会做些什么不同的事？如果过去需要一年的事情现在能实时完成，你会做些什么不同的事？如果过去很重的东西现在变得没有引力了，你会如何处理？

他要求管理者将这种无限快、零重力的假设应用到公司最核心、最棘手的难题上。比如面对一个拥有数万亿关联关系的复杂网络分析，过去的做法是分而治之。“现在则是：把整个图都给我，多大都行，我不在乎。”这种逻辑正在被应用到各处。如果你不应用这种逻辑，你就做错了。

这不再是渐进式的优化，而是用技术富足的可能性去重新定义问题本身的边界。他警告，如果你的竞争对手或某个初创公司以这种思维方式发起挑战，他们将从根本上改变游戏规则。

你的“问题”比答案更值钱：主权AI与未来公司内核

在畅想了无处不在的数字劳动力之后，黄仁勋将话题拉回一个更现实也更隐秘的关切：数据主权与核心知识产权。

针对企业应该完全依赖公有云还是自建AI能力的问题，他的建议如同教孩子学骑车。“自己造一台。尽管PC随处可见，但去动手造一台，去弄明白为什么这些组件会存在。”他认为，企业必须拥有“切身的技术掌控力”。

更重要的是，他提出了一个尖锐的观点：公司最宝贵的知识产权，可能不是储存在数据库里的答案，而是员工与AI交互过程中产生的“问题”。

“我不放心把英伟达的所有对话都放在云端，因为对我来说，核心知识产权不是答案，而是我的提问。”

黄仁勋解释道：“我的提问才是我最有价值的IP。我在思考什么，我的提问反映了这一点。答案是廉价的。如果我知道该问什么，我就锁定了重点。我不希望别人知道我认为什么是重要的。”

因此，他认为涉及战略思考的对话，必须在受控的本地环境中进行。他描述道，未来每个员工都会有许多AI助手，这些AI持续学习员工的决策和疑问，最终这些进化了的AI将成为公司沉淀下来的独特智能资产。“这就是未来的公司，它会捕捉我们的生命经验。”

五层蛋糕与“预录制”时代的终结：从检索到生成的根本革命

当谈到具体实施路径时，黄仁勋回溯了一场持续了15年的认知革命。

他追溯至AlexNet代表的第一次接触时刻，并得出一个结论：世界大多数难题并无精确物理定律可循，答案往往是视具体情境而定。这类依赖上下文的问题，正是AI能够大显身手的领域。

真正的拐点是自监督学习的突破，这使得参数从数亿爆炸性增长至数万亿。他断言：“我们将从底层重塑计算。计算将从显式编程转向一种全新的范式，即通过模型学习软件。”

紧接着，黄仁勋用了一个精妙的比喻：我们正从“预录制”时代，迈入了“生成式”时代。

“过去的软件之所以是‘预录制’的，是因为它装在CD-ROM里。”在旧范式里，软件如同刻录好的光盘，用户交互本质上是检索。而未来的软件将是高度场景化的。“每个场景都不同，每个使用者、每个提示词、每个背景都不同。每一份软件实例都是独特的。”

未来的应用将根据实时上下文、意图和背景，动态生成独一无二的响应、界面甚至功能。这就是生成式的核心，传统的硬件、框架、模型各层的构建逻辑都已改变。

隐式编程革命：当“打字”成为通用技能，你的专长才是王牌

在这场深刻变革中，行业知识的价值正在飙升。“从显式编程到隐式编程，你只需要告诉计算机你想要什么，计算机就会写代码。”

他指出，这场持续了60年的以编写精确代码为核心的计算范式正在终结。“因为事实证明，写代码只是打字而已，而打字已变得平庸化。”

这意味着技术能力的门槛将被极大降低。相反，那些深谙业务但不懂技术的领域专家，将站上浪潮之巅。

“刚毕业的计算机高材生代码很厉害，但他们不知道客户想要什么。你们知道。写代码的部分很简单，让AI去做就行。理解客户、理解问题的领域专长，这才是你拥有的超级力量。”

这场对话以对思科的感谢作结，但留下的核心信息无比清晰：AI革命不是IT部门的升级，而是一次商业逻辑的“重置”。

随着夜色渐深，对话在关于烤串和薯片的调侃中结束。但黄仁勋带着醉意吐露的真言，如同他预言的那些数字劳动力一样，已经开始无声渗透，准备重塑我们所熟知的一切。