文章核心观点 - 英伟达CEO黄仁勋认为，AI革命正引发计算范式的根本性重塑，企业应从追求投资回报率转向鼓励广泛探索，以抓住从“制造工具”转向“创造数字劳动力”的百万亿美元级市场机遇 [4][9][10] - 编程（打字）的价值正在被极大削弱，而深度的行业知识与领域专长将成为企业最宝贵的“超级力量” [4][19][70] - 企业领导者需以“丰盈”（无限快、零成本）的假设重新思考核心业务难题，并重视由“提问”构成的核心知识产权，在本地构建主权AI能力 [13][16][45] 企业迈向AI的第一步：管理哲学与路径 - 企业启动AI转型的第一步不应是计算投资回报率，而应允许内部进行广泛甚至“失控”的探索，即“让百花齐放” [6][39] - 管理逻辑应像对待孩子的好奇心一样，先对团队的AI尝试说“可以”，再问“为什么”，以培养组织的“AI感觉” [6][40] - 经过一段充分甚至略显混乱的探索期后，领导者再凭借直觉“修剪花园”，将资源集中到核心方向，但过早集中力量可能导致选错重点 [7][42] AI工厂与价值创造的根本转变 - AI工厂的本质不是存放服务器的机房，而是源源不断产出“数字劳动力”（如数字司机、客服、调度员）的新型价值创造中心 [9] - 行业正经历从“制造工具”（螺丝刀、锤子）到“创造劳动力”的根本性转变，自动驾驶汽车的生命周期经济价值将远超汽车硬件本身 [9][68] - 全球IT产业规模约1万亿美元，而全球经济总量是100万亿美元，AI带来的最大机会是渗透和重塑那剩下的99万亿美元实体经济 [10][68] - 每个传统行业都有机会通过注入数字劳动力，将自己重塑为一家技术公司，例如迪士尼想成为Netflix，梅赛德斯想成为特斯拉 [11][68] 颠覆性思维：用“丰盈”假设重新定义问题 - 过去10年，算力提升了100万倍，在这种指数级“丰盈”面前，昔日的摩尔定律（10年100倍）慢得像蜗牛爬 [4][44] - 企业领导者应以技术“无限快”、成本“零重力”的假设，重新思考公司最核心、最棘手的难题 [13][45] - 例如，面对拥有数万亿关联关系的复杂网络分析，新逻辑是“把整个图都给我，多大都行，我不在乎”，而非分而治之 [13][45] - 如果竞争对手或初创公司以这种思维方式发起挑战，将从根本上改变游戏规则 [14] 数据主权、知识产权与未来公司内核 - 企业应拥有“切身的技术掌控力”，建议像教孩子学骑车一样，自己动手构建AI系统以理解其组件 [16][72] - 公司最宝贵的知识产权可能不是数据库里的“答案”，而是员工与AI交互中产生的“提问”，这反映了公司的战略思考重点 [16][73] - 涉及战略的对话应在受控的本地环境中进行，以防止核心关切（提问）泄露 [16][73] - 未来，每个员工的AI助手将持续学习其决策和疑问，这些进化后的AI将成为公司沉淀下来的独特智能资产，即“未来的公司” [16][73] 计算范式的革命：从预录制到生成式 - 计算正经历60年来的首次重塑，从“显式编程”（编写精确代码）转向“隐式编程”（告诉计算机意图，由其生成解决方案） [28][49] - 我们正从一个“预录制”的软件时代（如CD-ROM，本质是检索）迈入“生成式”时代，软件将根据实时上下文、使用者和提示词动态生成独一无二的实例 [18][52] - 这一变革始于约15年前深度学习在计算机视觉（如AlexNet）的突破，而自监督学习的出现使模型参数从数亿爆炸性增长至数万亿，打开了知识编码的闸门 [18][49] 行业价值重构：领域专长成为王牌 - 随着从显式编程转向隐式编程，写代码被比喻为“打字”，而打字已经变得平庸化和廉价 [19][70] - 技术门槛的降低使得深谙业务但不懂技术的领域专家价值飙升，理解客户、理解问题的领域专长成为企业的“超级力量” [19][70] - 刚毕业的计算机专业学生可能擅长写代码，但不知道客户想要什么，而行业专家知道，后者结合AI将释放巨大能量 [19][70] 物理AI与工具使用 - 下一代AI的发展方向之一是“物理AI”，即能够理解物理世界和因果关系的AI，例如理解推倒多米诺骨牌的概念 [67][68] - 即使对于终极的通用人工智能，使用现有的、确定性的工具（如计算器、SAP）也比重新发明更为合理，AI应学会像人类一样使用工具 [67] - 这延续了从制造工具到创造劳动力的主题，但强调AI需与现有工具生态结合 [67][68]