校花被熟睡时被操的照片

电脑版下载

23711
4

校花被熟睡时被操的照片截图Q8X2R7L1T4J5M9B6W3

内容详情

校花被熟睡时被操的照片

出品 | 网易智能

作者 | 小小

编辑 | 王凤枝

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，最终酿成了一场“五杯酒后的坦率局”。

刚竣事中国之行、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)扑面。

几杯酒下肚，黄仁勋的嗓音最先嘶哑，但话语却越来越犀利。借着酒劲，黄仁勋不但“砸”了程序员的饭碗，“怼”了治理学的教条，甚至还对几门第界级巨头来了一波贴脸“拉踩”：

关于程序员：“编程？那只是打字罢了。打字已经不值钱了。”

关于控制欲：“若是你想掌控立异，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，在这种速率眼前，昔日的摩尔定律简直慢得像蜗牛在爬。”

关于古板巨头：“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：“为什么要让人去顺应工具？让AI学会使用工具，我们才华创立出真正的‘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眼前，你已往引以为傲的履历，注定将被时代无情镌汰。

一、“失控”的百花齐放：你的第一课不是ROI，是“松手”

当罗宾斯问及企业迈向AI的第一步应该是什么时，黄仁勋的回覆绕开了所有通例的商业话术。“我经常被问到投资回报率这类问题，但我不会先谈谁人。”他直截了外地说。在他看来，在手艺爆发的黎明期，用电子表格去框定价值是徒劳的，甚至是危险的，由于这只会抹杀探索的触角。

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项目多到险些失控。“注重我适才说的：失控，但棒极了。”黄仁勋强调。他对此的诠释充满哲学意味：“立异并不总是在掌控之中。若是你想掌控一切，首先应该去咨询心理医生；其次，那是一种错觉，你基础掌控不了。”

他的治理逻辑简朴到令人惊讶，像看待孩子一样看待团队的好奇心。“当我们的某个团队说想实验某种AI时，我的第一个回覆是‘可以’，然后我会问‘为什么’。我不是先问为什么再赞成，而是先赞成再问为什么。”他比照道，我们在家里从不这样要求先给出证实，但在事情中却这样做，这对他来说毫无逻辑。

黄仁勋描绘的路径图清晰而反直觉：第一步不是制订严谨的试点妄想，而是允许甚至勉励“清静地试错”。让每个有想法的团队去接触、去实验种种AI工具，无论是Anthropic、Codex照旧Gemini。

其目的不是连忙产出效益，而是作育组织的“AI感受”。只有经由一段充分甚至略显杂乱的百花齐放期，向导者才华依附直觉和视察，知道何时该最先“修剪花园”，将资源集中到真正主要的偏向上。“但你不可太早集中实力，不然会选错箭。”他忠言道。

二、从“螺丝刀”到“创立劳动力”：AI工厂的实质是价值转移

那么，当企业最先探索之后，事实要看向何方？黄仁勋用“AI工厂”这个看法，描绘了一幅远比提升效率更弘大的图景。他以为，我们正在履历从“制造工具”到“创立劳动力”的根天性转变。

“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。”已往几十年，科技公司生产软件、芯片、网络装备，这些都是工具，是原子天下效率的延伸。

但AI，特殊是能够明确物理天下、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，我们要创立人们所谓的‘劳动力’，或者是‘增强型劳动力’。”他举例说，自动驾驶汽痴上是一个数字司机，而这个数字司机的生命周期经济价值，将远超汽车自己这个硬件。

这才是“AI工厂”的深层寄义：它不是一个存放效劳器的机房，而是一个源源一直产出“数字劳动力”的新型价值创立中心。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理员，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比照：全球IT工业规模约莫在1万亿美元，而全球经济总量是100万亿美元。“我们第一次面临一个拓宽了百倍的潜在市场总量。”这意味着，AI带来的最大时机不是朋分现有的IT预算，而是去渗透和重塑那剩下的99万亿实体经济。

每一个行业都有时机通过注入这种数字劳动力，将自己重塑为一家手艺公司。“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。

三、“无限快”与“零重力”：用AI头脑重新界说难题

怎样才华真正捉住这百万亿级的机缘？黄仁勋提出了一个倾覆性的头脑模子：用“丰盈”(Abundance)的假设来思索一切。

他讥笑地说，在AI时代，昔日的摩尔定律慢得简直像蜗牛爬。现在，我们需要建设新的认知基准。“已往10年，我们的算力提升了几多？10年100万倍。”在这种指数级丰盈的条件下，企业向导者的头脑必需升级。

“现在当我想象一个工程问题时，我假设我的手艺、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，若是一秒钟能到纽约，你会做些什么差别的事？若是已往需要一年的事情现在能实时完成，你会做些什么差别的事？若是已往很重的工具现在变得没有引力了，你会如那里置？

他要求治理者将这种无限快、零重力的假设应用到公司最焦点、最棘手的难题上。好比面临一个拥有数万亿关联关系的重大网络剖析，已往的做法是分而治之。“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。若是你不应用这种逻辑，你就做错了。

这不再是渐进式的优化，而是用手艺富足的可能性去重新界说问题自己的界线。他忠言，若是你的竞争敌手或某个首创公司以这种头脑方法提倡挑战，他们将从基础上改变游戏规则。

四、你的“问题”比谜底更值钱：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：数据主权与焦点知识产权。

针对企业应该完全依赖公有云照旧自建AI能力的问题，他的建议犹如教孩子学骑车。“自己造一台。只管PC随处可见，但去下手造一台，去弄明确为什么这些组件会保存。”他以为，企业必需拥有“亲自的手艺掌控力”。

更主要的是，他提出了一个尖锐的看法：公司最名贵的知识产权，可能不是贮保存数据库里的谜底，而是员工与AI交互历程中爆发的“问题”。“我不定心把英伟达的所有对话都放在云端，由于对我来说，焦点知识产权不是谜底，而是我的提问。”

黄仁勋诠释道：“我的提问才是我最有价值的IP。我在思索什么，我的提问反应了这一点。谜底是廉价的。若是我知道该问什么，我就锁定了重点。我不希望别人知道我以为什么是主要的。”

因此，他以为涉及战略思索的对话，必需在受控的外地情形中举行。他形貌道，未来每个员工都会有许多AI助手，这些AI一连学习员工的决媾和疑问，最终这些进化了的AI将成为公司沉淀下来的奇异智能资产。“这就是未来的公司，它会捕获我们的生命履历。”

五、五层蛋糕与“预录制”时代的终结：从检索到天生的基础革命

当谈到详细实验路径时，黄仁勋回溯了一场一连了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：天下大大都难题并无准确物理定律可循，谜底往往是视详细情境而定。这类依赖上下文的问题，正是AI能够大显身手的领域。

真正的拐点是自监视学习的突破，这使得参数从数亿爆炸性增添至数万亿。他断言：“我们将从底层重塑盘算。盘算将从显式编程转向一种全新的范式，即通过模子学习软件。”

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“天生式”时代。

“已往的软件之以是是‘预录制’的，是由于它装在CD-ROM里。”在旧范式里，软件犹如刻录好的光盘，用户交互实质上是检索。而未来的软件将是高度场景化的。“每个场景都差别，每个使用者、每个提醒词、每个配景都差别。每一份软件实例都是奇异的。”

未来的应用将凭证实时上下文、意图和配景，动态天生唯一无二的响应、界面甚至功效。这就是天生式的焦点，古板的硬件、框架、模子各层的构建逻辑都已改变。

六、隐式编程革命：当“打字”成为通用手艺，你的专长才是王牌

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

他指出，这场一连了60年的以编写准确代码为焦点的盘算范式正在终结。“由于事实证实，写代码只是打字罢了，而打字已变得平庸化。”

这意味着手艺能力的门槛将被极大降低。相反，那些深谙营业但不懂手艺的领域专家，将站上浪潮之巅。“刚结业的盘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。写代码的部分很简朴，让AI去做就行。明确客户、明确问题的领域专长，这才是你拥有的超等实力。”

这场对话以对思科的谢谢作结，但留下的焦点信息无比清晰：AI革命不是IT部分的升级，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奚落中竣事。但黄仁勋带着醉意吐露的真言，犹如他预言的那些数字劳动力一样，已经最先无声渗透，准备重塑我们所熟知的一切。

【以下是实录全文】

罗宾斯：嘿，嘿，嘿。对，各人待在那儿别动。

黄仁勋：我以为我现在的状态就像是在边喝酒边办公。

罗宾斯：适才我们把酒拿上来时，黄仁勋提醒了我。他说：“你意识到你正在直播这个，对吧？”嘿，管他呢，天色已经晚了。

黄仁勋：第一个原则是：不造成危险，并且要意识到你是何等幸运。

罗宾斯：首先，谢谢各人在这里度过了漫长的一天。我们今天一早就最先了，演讲者一个接一个，在或许两个半小时的休息后，各人又回来见你了。

黄仁勋：我今天破晓一点就起床了。

罗宾斯：以是，这家伙正处于一段为期两周、跨越亚洲四五个都会的旅程末尾。

黄仁勋：一天前我还在台湾地区，昨晚在休斯顿，现在我在这里。

罗宾斯：他出门两周了，现在咱们正拦在他回自家热被窝的路上呢，他已经住够了旅馆。以是，我们会玩得开心点，然后放他走。虽然你不需要太多先容，但照旧谢谢你能来，伙计。我们真的很谢谢。

黄仁勋：谢谢我们的相助同伴关系，也为你们感应自满。

罗宾斯：那我们就从相助最先谈起吧。我们一直有相助，你引入了“AI工厂”的整套看法。我们正在相助推进，虽然在企业领域可能没我们想得那么快。我们能先聊聊对你来说什么是“AI工厂”吗？

黄仁勋：首先要记着，我们正处于60年来首次重塑盘算的历程中。已往是“显式编程”（explicit programming），对吧？我们编写程序和变量，通过API转达，这些都很是明确；现在转向了“隐式编程”（implicit programming）。你现在告诉盘算机你的意图，它会去想步伐解决你的问题。从显式到隐式，从通用盘算（实质上是盘算）到人工智能，整个盘算客栈都被重塑了。现在人们讨论盘算时总关注处置惩罚层（processing layer），也就是我们所处的层面。但请记着盘算的组成。除了盘算和处置惩罚，尚有存储、网络和清静。这一切都在此时现在被重塑。第一部分是我们需要把AI提升到一个水平——我们稍后会详谈——需要提升到对人有用的水平。直到现在，那种你给一个提醒词，它想步伐告诉你谜底的谈天机械人（chat bots），虽然有趣且令人好奇，但还不算真正有用。

罗宾斯：有时它能帮我完成填字游戏。

黄仁勋：是的，但也仅限于它记着和泛化的工具。若是你转头看，着实也就是三年前ChatGPT刚泛起的时间，我们赞叹它能天生这么多文句，能创作莎士比亚作品。但那都是基于它影象和泛化的内容。我们知道，智能的焦点在于解决问题。解决问题部分在于知道你不知道什么，部分在于推理怎样解决从未见过的问题。将问题剖析为已知且易于解决的元素，通过组合来解决从未见过的问题，并制订战略（我们称之为“妄想”）来执行使命、追求资助、使用工具、举行研究等等。

这些都是现在“智能体AI”（agentic AI）术语中的基本内容，包括工具使用、研究、基于事实的检索增强天生（RAG）、影象等。你们在讨论智能体AI时都会听到这些。但最主要的一点是，为了从这种“显式编程”的通用盘算（我们用Fortran、C、C++编写的时代）进化。

罗宾斯：对。

黄仁勋：那是好工具，罗宾斯。

罗宾斯：那是我的保底事情。

黄仁勋：那是很是好的手艺，那些手艺依然有价值。

罗宾斯：我知道。

黄仁勋：它们依然有价值。

罗宾斯：我已经拿到许多录取通知了。

黄仁勋：“恐龙”永远是有价值的。我们刚证实了你比我大。我知道我是谁人“史前时代”的人，虽然看起来不像，但确实云云。好了，这挺有意思的。我可能是这屋里最老的人了。

罗宾斯：那我们聊聊这个�；迫恃�，当你思索未来时。

黄仁勋：我们现在就在这儿。我去找罗宾斯说：“嘿，听着，我们需要重塑盘算，思科必需加入其中。”我们有一整套全新的盘算客栈即将推出，叫Vera Rubin。思科将与我们同步推向市场。别的尚有网络层，思科将整合我们的AI网络手艺，并将其放入思科的Nexus控制平面中。这样从你的角度来看，你既能获得AI的所有性能，又保存了思科的可控性、清静性和治理性。我们在清静领域也会做同样的事情。每一个支柱都必需重塑，企业盘算才华受益。我们晚点再聊这个：为什么三年前企业AI还没准备好，以及为什么现在你别无选择，必需尽快加入进来。不要落伍。你不必成为第一家使用AI的公司，但万万别做最后一家。

罗宾斯：没错。那么若是你是今天的企业主，你建议他们接纳的第一、第二、第三步是什么，来最先做好准备？

黄仁勋：我经常被问到投资回报率（ROI）这类问题，我不会先谈谁人。缘故原由是，在所有手艺安排的初期，很难用Excel表格算出新工具、新手艺的ROI。我会去做的事，找出我公司的实质是什么？我们公司做的最有影响力的事情是什么？别在那些边沿、次要的事情上铺张时间。在我们公司，我们就是让“百花齐放”（let a thousand flowers bloom）。我们公司内部差别的AI项目多得险些失控，这很是棒。注重我适才说的：失控且棒极了。立异并不总是在掌控之中。若是你想掌控一切，首先该去咨询心理医生。其次，那是一种错觉，你掌控不了。若是你想让公司乐成，你控制不了它，你只能影响它。

我听到太多公司想要明确、详细、可论证的ROI，但在初期展示某件事的价值是很难题的。我建议让百花齐放，让人们去实验，让人们清静地实验。我们公司在实验种种工具，我们用Anthropic，用Codex，用Gemini，什么都用。当我们的某个团队说想实验某种AI时，我的第一个回覆是“可以”，然后我会问“为什么”。我不是先问为什么再赞成，而是先赞成再问为什么。缘故原由是我对公司的期望和对孩子是一样的：去探索生涯。他们说想实验某件事，谜底是“好”，然后才问缘故原由。你不会说：“先证实给我看，证实做这件事能带来财务乐成或未来的幸福，不然我不让你做。”我们在家里从不这样做，但我们在事情中却这样做。

罗宾斯：你明确我的意思吗？

黄仁勋：是的。这对我来说毫无逻辑。以是我们看待AI的方法，无论是之前的互联网照旧云手艺，就是让百花齐放。然后在某个时间点，你需要用自己的判断力来决议何时最先“整理花园”。由于百花齐放会让花园变得很乱。但在某个点，你必需最先整理，找到最好的要领或平台，以便集中实力办大事（put all your wood behind one arrow）。但你不可太早集中实力。

罗宾斯：不然会选错。

黄仁勋：没错。以是先让百花齐放，到某个点再整理。就现在的希望来看，我还没最先整理呢，我还在让各地百花齐放。但我虽然知道什么对我们公司最主要。我确保有大宗的专业知识和能力集中在使用AI革命化那些焦点事情上，在我们的案例中，就是芯片设计、软件工程、系统工程。你可能注重到了，我们与新思科技、楷登电子、西门子以及今天的达索系统相助，这样我们就能注入我们的手艺。无论他们想要什么，我都会提供，以便革命化我们设计产品的工具。

我们随处都在用新思科技、楷登电子、西门子和达索。我会确保他们获得1000%的支持，这样我就有了创立下一代产品所需的工具。这反应了我对重塑自身事情的态度。想想AI做了什么：它成数目级地降低了智能的本钱，或者说创立了海量的智能�；痪浠八�，已往需要一个单位时间的事情，现在已往需要一年的，可能只要一天；已往需要一年的，现在可能只要一小时，甚至可以实时完成。

在“丰盈”（abundance）的天下里，摩尔定律慢得简直像蜗牛爬。记着，摩尔定律是每18个月翻两倍，5年10倍，10年100倍。但我们现在在哪？10年100万倍。在已往10年里，我们将AI推进得云云之远，以至于工程师说：“嘿，猜怎么着？我们爽性用全天下所有的数据来训练一个AI模子吧。”他们指的不是网络我硬盘里的数据，而是拉取全天下的数据。这就是“丰盈”的界说。它的界说是：当你看到一个重大的问题时，你说：“管他呢，我所有都要解决。”我要治愈每一个领域的疾病，而不但仅是癌症。我们直接解决人类所有的痛苦。这就是“丰盈”。

现在当我想象一个工程问题时，我假设我的手艺、我的工具、我的飞船是无限快的。去纽约要多久？一秒钟就到。若是一秒钟能到纽约，你会做些什么差别的事？若是已往需要一年的事情现在能实时完成，你会做些什么差别的事？若是已往很重的工具现在变得没有引力了，你会如那里置？当你带着这种态度行止置每一件事时，你就是在应用“AI逻辑”。这有意义吗？好比我们相助的许多公司，图剖析中的依赖关系、节点和边多达数万亿。已往你会一小块一小块地处置惩罚图，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。若是你不应用这种逻辑，你就做错了。速率重不主要？一点也不主要，由于你处于光速。质量重不主要？零重量，零重力。若是你没有应用这种逻辑去思索你公司里最难的问题，你就没做对。这就是他们所有人的头脑方法。若是你不这么想，你只要想象你的竞争敌手在这么想就行了。想象一家即将建设的公司在这么想，这会改变一切。以是，去找到你公司里最有影响力的事情，给它应用“无限”、“零”、“光速”的看法，然后问罗宾斯怎么实现。

罗宾斯：给我就行。

黄仁勋：我们会一起实现。

罗宾斯：你有一个“五层蛋糕”的类比，由于各人都在谈论基础设施、模子、应用。我该怎么做？谈谈这个。

黄仁勋：乐成人士做的一件事就是推理正在爆发什么。约莫15年前，一个算法让两名工程师解决了一个盘算机视觉问题。视觉是智能的第一部分：感知。智能由感知、推理、妄想组成。感知是：“我是什么？爆发了什么？我的上下文是什么？”推理是：“我怎样凭证目的举行推理？”第三是制订妄想去实现目的。就像战斗机的问题，感知定位然后行动。没有感知就没有第二和第三部分。若是不明确上下文（context），你就不知道该做什么。而上下文是高度多模态的，有时是PDF，有时是电子表格。有时是感官和气息，好比我们在哪，在干什么，听众是谁，怎样阅读房间里的气氛，等等。

约莫13、14年前，我们在盘算机视觉领域取得了重大的跨越。AlexNet是我们看到的第一个突破，那就像是《第一次接触》（First Contact），我爱死那部影戏了。那是我们与AI的“第一次接触”。于是我们思索：这意味着什么？两名工程师怎么可能战胜了我们所有人钻研了30年的算法？我昨天刚和Ilya Sutskever聊过，尚有Alex Krizhevsky。两个带着几块GPU的年轻人怎么可能解决了这个问题？这意味着什么？

十年前我对此举行了剖析和推理，得出的结论是：天下上大大都有价值的难题着实都没有基本的物理算法。没有F=ma，没有麦克斯韦方程组，没有薛定谔方程或欧姆定律，没有热力学定律，它没那么准确。那些我们称之为“直觉”和“智慧”的有价值的事物，就像你和我会遇到的问题，谜底通常是：“视情形而定”（It depends）。若是谜底总是3.14那就太棒了，但生涯中有价值的难题往往取决于配景和情形。

既然视觉问题解决了，我们推理出通过深度学习，这不但是可扩展的，你还可以把模子做得越来越大。我们其时要解决的唯一问题是怎样训练模子，而重大的突破是“自监视学习”。AI最先自我学习。注重，今天我们已经不再受限于人工标注数据了，完全不受限。这翻开了闸门，让模子从几亿参数扩展到几千亿、几万亿。我们可以编码的知识和学习的手艺爆炸式增添。我们将从底座重塑盘算。盘算将从“显式编程”转向一种全新的范式，即通过模子学习软件。这对盘算客栈意味着什么？对软件开发意味着什么？对工程组织、产品营销、QA团队又意味着什么？这些产品未来会酿成什么样？我们怎样安排？怎样坚持更新？怎样修补软件？我其时问了上千个关于未来盘算的问题，得出的结论是：这将改变一切。于是我们将整个公司转向上。简朴来说，我们从一个所有工具都是“预录制”的天下走来。

罗宾斯：确实是很棒的工具。

黄仁勋：运行了很长时间。郑重声明，那些确实是用希伯来语形貌的（诙谐体现旧手艺的古老）。

罗宾斯：确实。那是另一项手艺。

黄仁勋：事实，这屋里生怕只有你，能同时醒目希伯来语和COBOL了。无论怎样，那是预录制的。我们编写算法，形貌头脑，然后配上数据。一切都是预录的。已往的软件之以是是预录的，是由于它是装在CD-ROM里的，对吧？

现在的软件是什么？它是情境化的，每个情境都差别，每个使用者、每个提醒词、每个前置配景都差别。每一份软件实例都是奇异的。已往预录制的软件被称为“基于检索模式”（retrieval-based）。当你用手机点一下，它会去检索一些软件、文件或图像并展示给你。而未来，一切都将是“天生式”的（generative），就像现在这样。这场对话以前从未爆发过。看法保存过，配景保存过，但这每一句话的顺序都是全新的。爆发这种情形的缘故原由显而易见，由于我们已经喝了四杯酒了。

罗宾斯：尚有冷萃咖啡。Cobol、希伯来语，谢天谢地这不在校园里，也没在直播。

黄仁勋：嗯。

罗宾斯：各人都明确你在说什么吗？

黄仁勋：你们听懂了吗？罗宾斯今天只给我喂了四杯酒。

罗宾斯：公正点说，我只喂了你一杯，剩下三杯是你从自助餐台上拿的。

黄仁勋：我一直在盯着那些食物，我太饿了。食物离我或许有40英尺（12米）远。

罗宾斯：那是由于你一直在照相。

黄仁勋：真的很近，但我好一再想已往都被推回来了。

罗宾斯：你知道爆发了什么吗？你的团队提前告诉过我们，若是他喝了三杯，他就是最佳状态。若是喝到第四杯，情形就要崩了。

黄仁勋：这状态可就不太理想了。好了，听着，我们得留下一些智慧。能再来一杯酒吗？

罗宾斯：这可不是Dave Chappelle的脱口秀。

黄仁勋：谈谈别的。能源。

罗宾斯：芯片。

黄仁勋：能源听起来不错。能源、芯片、基础设施（硬件和软件），然后是AI模子。但AI最主要的部分是应用。每一个国家、每一家公司，底下的那些层都只是基础设施。你需要做的是应用这项手艺。向天主立誓，快去应用这项手艺。使用AI的公司不会陷入险境。你不会由于AI丢掉事情，你会由于一个使用AI的人而丢掉事情。以是，行动起来，这是最主要的。

罗宾斯：并且尽快给罗宾斯打电话。

黄仁勋：你打给我，我打给他。

罗宾斯：我们时间未几了。

黄仁勋：我们有的是时间。罗宾斯是准时计费的，而我甚至不戴手表。我在价值交付之前是不会脱离的。若是需要一整晚，我会一直折磨你们所有人。

罗宾斯：黄仁勋，这就是为什么像我这样的人需要表。你能谈谈“物理AI”吗？

黄仁勋：软件行业在衰落并会被AI取代的这种说法是天下上最没逻辑的事。让我们做一个最终头脑实验：假设我们是最终的AI——通用机械人，物理版的。既然你是类人机械人，你能解决任何问题。你会用现成的螺丝刀照旧发明一把新螺丝刀？我直接用现成的。你会用现成的链锯照旧重造一把？谜底显而易见是使用工具。既然云云，再看数字版。若是你是AGI（通用人工智能），你会去使用ServiceNow、SAP、Cadence、Synopsis，照旧去重新发明一个盘算器？虽然是直接用盘算器。为什么要让AI学会使用工具？由于现有的工具是‘确定性’的。天下上许多问题都有标准谜底，好比牛顿第二定律F=ma。你不需要AI给你一个概率上约即是ma的模糊谜底，ma就是ma。再好比欧姆定律V=IR，它在科学上是绝对的，而不是‘统计学上的IR’。以是，我们希望AI像人类一样，直接拿起这些精准的工具去用，而不是在那些已经有标准谜底的事情上瞎猜。

我们希望AGI使用工具，这是个大逻辑。下一代物理AI将明确物理天下和因果关系。若是我推倒这个，它会带倒那一切。它们明确“多米诺骨牌”的看法。每一个孩子都能明确推倒它意味着什么，这种因果、接触、引力和质量的连系是很是深刻的。大语言模子现在还没这看法，以是我们要创立物理AI。

时机在那里？到现在为止，我和罗宾斯所处的行业一直在制造工具。我们一直处于“螺丝刀和锤子”的生意中。有史以来第一次，我们要创立人们所谓的“劳动力”，或者是“增强劳动力”。好比自动驾驶汽车是什么？它是一个数字司机。数字司机的价值远超汽车自己。我们第一次面临一个潜在市场总量（TAM）大了一百倍的市场。全球IT工业约莫一万亿美元，而全球经济规模是一百万亿。你们所有人都有时机通过应用这项手艺，成为一家手艺公司。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。你们赞成吗？这三个例子我说对了吗？

罗宾斯：是的。你们所有人都是这样的。

黄仁勋：我们有时机资助每一家公司转型为“手艺优先”的公司。手艺是你的超等实力，而你的行业领域是应用场景。为什么要手艺优先？由于那样你就是在和“电子”打交道，而不是“原子”。原子的价值受限于质量，而电子的价值在CD-ROM酿成电子流的那一刻爆炸了千倍。你需要成为一家手艺公司。即即是只懂希伯来语编程的罗宾斯，这也是一种先天。

罗宾斯：这个编程偏向从右往左写，挺智慧的。

黄仁勋：智慧人做智慧事。最美妙的是，你们公司的优势是知识、直觉和领域专业能力。现在你第一次可以用自己的语言向盘算机诠释你想要什么。从显式编程到隐式编程，你只需要告诉盘算机你想要什么，盘算机就会写代码。由于事实证实，写代码只是打字罢了，而打字已变得平庸化。这是你们重大的时机。你们全都能从物理（原子）层面的约束中解脱出来，实现质的奔腾。我们不必再受限于没有足够的软件工程师，由于打字是廉价的，而你们拥有极其珍贵的工具——明确客户、明确问题的领域专长。

刚结业的盘算机高材生可能写代码很厉害，但他们不知道客户想要什么，不知道该解决什么问题。你们知道。写代码的部分很简朴，让AI去做就行。这就是你的超等实力。我这个总结是在喝了五杯酒后做出的。

罗宾斯：这简直是个事业。

黄仁勋：能和列位相助是莫大的幸运。思科在盘算发明的两个支柱领域——网络和清静——有着极深的造诣。没有思科就没有现代盘算。在AI天下，这两个支柱都被重塑了。我们善于的盘算部分在许多方面是廉价商品，而思科掌握的工具极具价值。

早前有人问我：应该租用云端照旧自己构建电脑？我的建媾和给我孩子的建议一样：自己造一台。只管PC随处可见，但去下手造一台，去弄明确为什么这些组件会保存。若是你在运输行业，别只用Uber，去翻开引擎盖，去换个机油，去明确它。这项手艺对未来太主要了，你必需有一种触觉上的明确。你可能会发明自己对此极有先天。你可能会发明天下并非全是“租”或全是“买”，你需要一部分在外地（on-prem）。好比涉及主权和私有信息时，你不会想把所有的“问题”都分享给所有人。举个例子，你去见心理医生时，你不希望你的提问被发到网上。

罗宾斯：假设性的例子，对吧？

黄仁勋：对，假设性的。以是我以为许多对话和不确定性应该坚持私密。公司也是一样。我不定心把英伟达的所有对话都放在云端，以是我们在外地构建了超等AI系统。由于对我来说，最有价值的焦点资产不是谜底，而是我的提问。你们听明确了吗？我的提问才是我最有价值的IP。我在思索什么，我的提问反应了这一点。谜底是廉价的。若是我知道该问什么，我就锁定了重点。我不希望别人知道我以为什么是主要的。以是我要在自己的小房间里，在外地，创立我自己的AI。

最后一点想法，现在已经11点了。已往有个看法叫“人在环节中”（human in the loop），这是完全过失的。应该是“AI在环节中”（AI in the loop）。我们的目的是让公司每一天都变得更好、更有价值、知识更富厚。我们不希望倒退或原地踏步。这意味着若是AI在环节中，它会捕获我们的生命履历。未来每个员工都会有许多AI在环节中，这些AI会成为公司的知识产权。这就是未来的公司。以是，我以为明智的做法是连忙给罗宾斯打电话。

罗宾斯：我打给黄仁勋。两周的旅程，黄仁勋飞到这里和我们度过了最后一晚，这是他良久以来第一次能睡在自己的床上。我们永远谢谢。

黄仁勋：很是谢谢。另外，我眼角余光一直瞄着那些肉串。

罗宾斯：我希望它们还在那儿。

黄仁勋：允许我的那袋薯片在哪？

罗宾斯：走吧，去吃。谢谢各人！