对话开场
最佳拍档: 大家好，这里是最佳拍档。如果在一场顶级的科技峰会上，有一位科技巨头的CEO借着酒劲说编程只是打字，已经不值钱了，你会怎么看待这句话呢？是一句哗众取宠的酒后狂言，还是看透AI时代变革本质的肺腑之言呢？说出这句话的人正是英伟达的CEO黄仁勋。
峰会背景
最佳拍档: 这场对话发生在美国时间二零二六年二月三日晚间的思科AI峰会上，对面坐着的是思科的CEO查克·罗宾斯。这场本应该是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。彼时的黄仁勋刚结束了为期两周、跨越亚洲四五个城市的中国之行，一天前还身处台湾，随后辗转到休斯顿，当天便出现在思科AI峰会的现场，甚至凌晨一点就已经起床，连倒时差的时间都没有。
黄仁勋的坦白
最佳拍档: 也正因如此，在对话的开篇，黄仁勋便直言“我觉得我现在的状态就像是在边喝酒边办公”，而查克·罗宾斯也笑着调侃“他们正拦在黄仁勋回自家热被窝的路上”。这场充满烟火气的对话也成为了黄仁勋吐露AI时代核心思考的窗口，从程序员的价值到管理学的教条，从摩尔定律的过时到传统巨头的转型焦虑，从AI工厂的概念到物理AI的未来，黄仁勋的每一句话都犀利而且颠覆。他用这些暴论提醒着所有的企业掌舵者，在AI指数级进化的浪潮面前，过去引以为傲的经验注定将被时代无情的淘汰。
视频内容概要
最佳拍档: 今天我们就来分享一下这场对话的内容，看看黄仁勋口中的AI革命到底藏着怎样的技术趋势和商业逻辑，而我们又该怎样抓住这场变革的核心。
AI布局的第一步
最佳拍档: 首先，当查克·罗宾斯问到企业迈向AI的第一步应该是什么的时候，黄仁勋的回答直接绕开了所有的常规商业话术，而这个答案也是所有想布局AI的企业最需要先弄明白的核心前提，那就是放弃对ROI的执念，学会放手。黄仁勋说他经常被问到投资回报率这类问题，但是他从来不会先谈这个，在他看来AI技术正处于爆发前的黎明期，这个时候用电子表格去框定这项技术的价值，不仅是徒劳的，甚至是危险的，因为这种做法会直接扼杀企业对AI的探索触角，让企业在一开始就陷入功利化的误区。
英伟达的创新管理
最佳拍档: 为了印证这个观点，黄仁勋拿出了英伟达内部的实践作为例子，那就是让AI项目百花齐放。在英伟达内部，各类AI项目的数量多到几乎失控，但是黄仁勋却反复强调“虽然失控，但是棒极了”。这句话的背后是他独有的管理逻辑，也是英伟达面对AI变革的核心态度：创新从来都不是在掌控之中的，如果你想掌控一切，那你应该先去咨询心理医生，其次那本身就是一种错觉，你根本掌控不了。
突破传统管理认知
最佳拍档: 黄仁勋的这个观点打破了传统企业管理中一切尽在掌握的固有认知，尤其是在AI这种充满未知的新技术领域，过度的控制欲只会成为创新的绊脚石。而英伟达的这种放手，并不是无底线的纵容，而是有着明确的底层逻辑。当公司的某个团队说想尝试某种AI技术的时候，黄仁勋的第一个回答永远是可以，然后才会问为什么。他强调，自己不是先问为什么再同意，而是先同意再问为什么，这种顺序的背后是对团队好奇心的尊重，就像对待孩子的探索欲一样。
培养组织的AI感觉
最佳拍档: 黄仁勋做了一个很形象的对比，他说“我们在家里永远不会要求孩子先证明做一件事能带来财务成功或者未来的幸福，才允许他们去尝试，但是在工作中我们却总是这样要求团队，这在他看来是毫无逻辑的”。这种百花齐放的试错，核心目的并不是让企业立即从AI中产出效益，而是培养组织的AI感觉。他认为，企业布局AI的第一步从来不是制定严谨的试点计划，而是允许甚至鼓励团队进行安全的试错，让每个有想法的团队去接触、去尝试各种AI工具，无论是Anthropic的Claude、OpenAI的Codex还是谷歌的Gemini，让团队在实践中去熟悉AI、理解AI，这才是初期的核心目标。
资源分配的策略
最佳拍档: 而当企业经过一段充分、甚至略显混乱的百花齐放时期后，领导者再凭借自己的直觉和观察，判断什么时候应该开始修剪花园，将资源集中到真正重要的方向上。但是黄仁勋也发出了警告，他说“你不能太早集中力量，否则就会选错箭”，过早的资源整合会让企业错失真正有价值的AI探索方向，这也是很多企业布局AI初期容易犯的一个错误。
AI工厂的概念
最佳拍档: 当企业完成了初期的试错，培养出了组织的AI感觉，接下来就要思考一个核心问题：布局AI的最终方向，究竟在哪里呢？对此，黄仁勋提出了AI工厂这个核心概念，描绘了一幅远比单纯提升效率更为宏大的图景，而这个概念的本质是科技行业乃至所有行业的一次价值转移。
从工具到劳动力的转变
最佳拍档: 我们正在经历从制造工具到创造劳动力的根本性转变。黄仁勋首先对科技行业的过去做了一个精准的总结，他和查克·罗宾斯所处的科技行业过去几十年一直在制造工具，始终在做螺丝刀和锤子的生意，英伟达做的芯片、思科做的网络设备，还有各类科技公司开发的软件，本质上都是工具，是原子世界效率的延伸。这些工具的核心作用是帮助人类更高效的完成工作，但是始终无法替代人类本身。
数字劳动力的价值
最佳拍档: 而AI的出现，尤其是能够理解物理世界、具备因果推理能力的物理AI，将彻底改变这个游戏规则。黄仁勋直言“这是人类有史以来第一次要创造人们所谓的劳动力，或者说是增强型劳动力，也就是我们常说的数字劳动力”。他举了一个很直观的例子：自动驾驶汽车，从本质上来说，它并不是一辆单纯的汽车，而是一个数字司机，而这个数字司机在生命周期里的经济价值将远超汽车本身这个硬件。这个例子清晰的说明，AI创造的数字劳动力其价值已经脱离了硬件本身，成为了一种独立的、具备持续价值的资产。
AI工厂的本质
最佳拍档: 这就是AI工厂的深层含义，它从来不是一个存放服务器的机房，也不是一个简单的AI算力中心，而是一个可以源源不断产出数字劳动力的、新型的价值创造中心。这种数字劳动力可以是一个永不疲倦的AI客服，二十四小时为客户提供服务，可以是一个实时优化供应链的AI调度员，精准把控供应链的每一个环节，也可以是一个能够和工程师协同设计的AI助手，提升研发的效率和创意。这些数字劳动力将成为企业未来最核心的资产之一，而AI工厂就是生产这种资产的核心载体。
AI工厂的市场潜力
最佳拍档: 为了让大家更直观的理解AI工厂背后的市场潜力，黄仁勋给出了一组震撼的数字对比：目前全球IT产业的规模大约在一万亿美元，而全球的经济总量是一百万亿美元，这意味着，AI带来的最大机会从来都不是瓜分现有的一万亿美元的IT预算，而是去渗透和重塑那剩下的九十九万亿美元的实体经济。这也是为什么黄仁勋会说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。
传统巨头的转型焦虑
最佳拍档: 而这种转型的焦虑不仅存在于传统的实体经济行业，也存在于世界级的巨头企业中。黄仁勋直言，自己很爱迪士尼，但是他敢肯定，他们更想成为Netflix，他也很爱梅赛德斯，但是确信他们更想成为特斯拉，他也相信沃尔玛宁愿成为亚马逊。这句话戳中了所有传统巨头的转型痛点。迪士尼、梅赛德斯、沃尔玛这些企业在各自的领域都是绝对巨头，但是在AI时代，它们都渴望成为像Netflix、特斯拉、亚马逊这样技术优先型的企业，因为技术优先的模式能够让企业从原子层面的业务束缚中解脱出来，实现价值的指数级增长。而这也是AI工厂带给所有企业的核心机会，通过数字劳动力完成从传统业务到技术驱动的转型。
AI时代管理者的思维模式
最佳拍档: 如果说AI工厂是企业布局AI的终极方向，那么要抵达这个方向，企业的管理者首先需要完成的是自身思维的重构。在黄仁勋看来，AI时代的管理者必须建立一种全新的思维模型，用丰盈的假设来思考一切，而这种思维的建立源于当下算力发展的指数级速度，这也是摩尔定律逐渐被淘汰的核心原因。
摩尔定律的局限性
最佳拍档: 黄仁勋毫不客气的讽刺道，在AI时代，昔日的摩尔定律慢得简直像爬行的蜗牛一样。摩尔定律的核心是集成电路上的晶体管数量每十八个月会翻一番，算力也会随之同步提升，按照这个速度，算力五年能够提升十倍，十年能够提升一百倍。但是黄仁勋给出了一个更震撼的数字：过去十年，AI算力已经提升了一百万倍。在这样的指数级速度面前，摩尔定律的线性增长已经无法匹配当下的技术发展，而这也让我们进入了一个算力丰盈的时代，算力不再是企业发展的稀缺资源，而是一种触手可及的基础能力。
无限快与零重力
最佳拍档: 在这种丰盈的前提下，企业领导者的思维必须完成升级。黄仁勋将这种升级后的思维总结为无限快和零重力。他用了一个很形象的问题来启发管理者，他说“现在当我想象一个工程问题的时候，我假设我的技术、我的工具、我的飞船是无限快的，那么去纽约需要多久呢？一秒钟就到。如果一秒钟能到纽约，我会做些什么不同的事呢？如果过去需要做一年的事情现在能实时完成，我会做些什么不同的事呢？如果过去很重的东西现在变得没有引力了，我会怎么样处理呢？”这个问题的核心是让管理者跳出过去的资源限制，用技术富足的视角来重新思考企业的核心难题。
重新定义问题边界
最佳拍档: 黄仁勋举了一个实际的例子，在图分析领域，很多企业会遇到拥有数万亿关联关系的复杂网络分析，在过去，因为算力和技术的限制，企业的正常做法只能是分而治之，把复杂的网络拆分成一小块一小块来处理，但是在算力丰盈的AI时代，正确的做法是，把整个图都给我，多大都行，我不在乎。这种无限快、零重力的思维，本质上不是对现有工作的渐进式优化，而是用技术富足的可能性去重新定义问题本身的边界。黄仁勋也向所有管理者发出了警告，如果你的竞争对手或者某个初创公司正在用这种思维方式发起挑战，他们将从根本上改变游戏规则，因为在AI时代，谁能够最先跳出传统的思维框架，谁就能够最先抓住技术带来的全新机会，而固守旧思维的企业注定会被时代淘汰。
企业核心知识产权的重新定义
最佳拍档: 接下来，管理者们就需要面对一个更加现实、也更加隐秘的问题了：在AI时代，企业的核心知识产权是什么呢？又该如何保护自己的核心资产呢？对此，黄仁勋给出了两个答案：一是企业必须拥有切身的技术掌控力，自建AI能力而不是完全依赖于公有云；二是公司最宝贵的知识产权不是储存在数据库里的答案，而是员工和AI交互过程中产生的问题。
自建AI能力的重要性
最佳拍档: 针对企业如何自建AI能力的问题，黄仁勋给出了一个很形象的建议，就像自己去组装一台电脑一样，只有自己亲手去做，去理解AI技术的底层逻辑，才能够真正掌握这项技术，而不是单纯使用别人提供的工具。黄仁勋认为，在AI时代，企业必须拥有自身的技术掌控力，这种掌控力不是单纯的技术研发，而是对AI技术的理解和应用能力，这也是企业在AI时代能够站稳脚跟的基础。
提问能力的重要性
最佳拍档: 而更核心的，是黄仁勋对企业核心IP的重新定义，他说“我不放心把英伟达的所有对话都放在云端上，因为对我来说，核心的知识产权不是答案，而是我的提问”。在他看来，答案是廉价的，在AI时代，只要提出问题，AI就能够快速给出各种各样的答案，但是提问的能力却是独一无二的，正如他说的“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，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”。而这种对问题的重视也延伸到了企业未来的核心资产构建上。
未来企业的形态
最佳拍档: 黄仁勋描绘了未来企业的样子，未来每个员工都会有许多的AI助手，这些AI会持续学习员工的决策和疑问，最终这些进化了的AI助手将成为公司沉淀下来的、独特的智能资产。过去我们常说人在环节中，但是在AI时代，这个理念将被彻底颠覆，变成AI在环节中。这些AI助手记录的不仅是员工的工作内容，更是员工的思考方式、提问逻辑和解决问题的思路，而这些都是企业最宝贵的财富。黄仁勋说，这就是未来的公司，它会捕捉我们的生命经验。
计算范式革命
最佳拍档: 如果说以上的内容还都是黄仁勋从商业和管理的角度对AI时代的解读，那么接下来的内容就是从技术的底层逻辑来分析AI带来的计算范式革命，这场革命的起点，要回溯到十五年前以AlexNet为代表的计算机视觉突破，而这场革命的核心正是计算从显式编程到隐式编程的转变，也是软件从预录制时代到生成式时代的跨越。
AI发展的关键节点
最佳拍档: 黄仁勋首先回顾了AI发展的关键节点，大约十五年前，AlexNet解决了一个困扰行业三十年的计算机视觉问题，这也是黄仁勋口中人类和AI的第一次接触。黄仁勋回忆道，当时他无比震惊，两个带着几块GPU的年轻人怎么可能解决了整个行业钻研了三十年的问题呢？而经过十年的分解和推理，他得出了一个核心结论，那就是世界上大多数有价值的难题其实都没有精确的物理定律可以遵循，没有牛顿第二定律F等于m·a，没有麦克斯韦方程组，没有薛定谔方程或者欧姆定律，这些难题的答案往往是视情况而定的。
深度学习的优势
最佳拍档: 而这些没有精确物理定律的难题恰恰是AI能够大显身手的领域，因为人类的直觉和智慧本质上就是在应对这些视情况而定的问题，而深度学习的核心能力就是从海量的数据中找到这些问题的规律，给出符合场景的答案。也正因为如此，黄仁勋判断深度学习不仅是可扩展的，还能够通过不断扩大模型的规模实现能力的持续提升，而行业需要解决的唯一问题就是怎么样训练更大的模型，而这个问题的答案就是自监督学习的突破，这也是AI发展的关键转折点。
自监督学习的突破
最佳拍档: 黄仁勋强调，自监督学习让AI开始自我学习，今天的我们已经不再受限于人工标注的数据了，并且是完全不受限。这个突破就像打开了一道闸门一样，让AI模型的参数从几亿爆炸性增长到几千亿、几万亿，AI可以编码的知识和学习的技能也实现了爆炸式的增长，而这也让计算的底层范式开始发生了根本性的改变，我们将从底座重塑计算，而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。
预录制时代到生成式时代的跨越
最佳拍档: 为了让大家更直观地理解这种计算范式的改变，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的时代。过去的软件之所以是预录制的，是因为它最初是装在CD-ROM里的，就像刻录好的光盘一样，里面的内容是固定不变的，用户和软件的交互本质上是一种检索，用户发出指令，软件从预存的内容中调取对应的结果。而在AI时代，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、每个背景都是不同的，每一份软件的实例都是独特的。这种生成式软件的核心是根据实时的上下文、用户的意图和具体的背景动态生成独一无二的响应、界面甚至功能，而这种改变，不仅是软件形态的改变，更是传统硬件、框架、模型各层构建逻辑的彻底改变。
隐式编程时代的到来
最佳拍档: 过去，我们是先编写好软件再让用户来使用，而未来，我们是先有AI模型再根据用户的需求让模型动态生成软件。这种从预录制到生成式的跨越是计算行业一次根本性的革命，而这场计算范式革命的最终体现就是隐式编程时代的到来。这也是黄仁勋说出的，编程只是打字，已经不值钱了的核心背景。
显式编程的终结
最佳拍档: 在隐式编程的时代，计算行业持续了六十年的、以编写精确代码为核心的显式编程范式正在走向终结。黄仁勋解释道，隐式编程的核心是你只需要告诉计算机你想要什么，计算机就会自己写代码。在这种模式下，编写精确的代码不再是一项稀缺的技能了，因为事实证明，写代码只是打字而已，而打字已经变得平庸化了。这句话并不是黄仁勋否定编程的价值，而是说，在AI时代，编程将从一项专业的技术技能变成一项通用的基础技能，就像现在的打字一样，人人都能够掌握，不再具备稀缺性了。
核心竞争力的转移
最佳拍档: 而随着技术能力的门槛被极大降低，行业的核心竞争力也发生了根本性的转移，那些深谙业务但是不懂技术的领域专家将站上浪潮之巅。黄仁勋做了一个很直接的对比，他说“刚毕业的计算机高材生虽然写代码很厉害，但是他们不知道客户想要什么，以后写代码的部分会变得很简单了，让AI去做就行，而理解客户、理解问题的领域专长才是你拥有的超级力量”。
物理AI与Agentic AI的未来
最佳拍档: 当然，黄仁勋也并不是完全否定纯技术的价值，他强调，显式编程的那些技能，比如用Fortran、C、C++编写代码的能力依然是有价值的，这些技术能力，是AI技术的底层基础，只不过不再是企业应用AI的核心能力而已。在对话的最后，黄仁勋还提到了物理AI和Agentic AI的未来，这也是创造真正的数字劳动力的关键。他首先反驳了软件行业会被AI取代的说法，认为这是世界上最没逻辑的事。
AI的本质
最佳拍档: 黄仁勋的核心观点是，AI的核心能力不是重新发明工具，而是学会使用工具，因为现有的很多工具，比如ServiceNow、SAP、Cadence这些专业软件，还有物理定律、数学公式这些确定性的知识，都是经过长期验证的，AI不需要重新发明，只需要学会使用这些工具就能够解决问题。而Agentic AI的核心就是具备工具使用、研究、基于事实的检索增强生成、记忆等能力，这些能力的核心是让AI真正具备解决问题的能力，而不是单纯的生成内容。而物理AI则是在Agentic AI的基础上，让AI理解物理世界和因果关系，比如理解推倒一个多米诺骨牌会带倒后面所有骨牌的因果逻辑，而这种因果推理的能力是目前的大语言模型所不具备的，也是未来AI发展的重要方向。
数字劳动力的终极目标
最佳拍档: 黄仁勋强调，只有让AI学会使用工具，理解物理世界的因果关系，我们才能够创造出真正的数字劳动力，这也是AI工厂的核心目标。当AI真正成为能够解决实际问题的数字劳动力，整个行业的价值才会实现真正的跨越。这场持续了数小时的对话最终在关于烤串和薯片的调侃中结束，黄仁勋眼角余光一直瞄着会场的肉串，还不忘向查克·罗宾斯索要答应的那袋薯片。这个充满烟火气的收尾让整场顶级科技对话多了几分亲切，但是黄仁勋带着醉意吐露的那些真言却如同他预言的那些数字劳动力一样，已经开始无声的渗透，准备着重塑我们所熟知的一切。应该说，黄仁勋的这场酒后坦白局核心并不是为了制造暴论，而是为了提醒所有的企业和从业者，AI革命从来都不是IT部门的一次技术升级，而是一次商业逻辑的彻底重置。在这场革命中，所有的传统思维、传统管理、传统核心竞争力都将会被重新的定义，算力的丰盈、编程的泛化、数字劳动力的出现会让每个行业、每个企业都拥有了转型为技术公司的机会，而我们要做的就是放下所有过去的经验，做好新的准备。感谢收看本期视频，我们下期再见。