AI计算范式重构 - 行业正经历60年来首次计算范式的重塑，从显式编程转向隐式编程，用户只需向计算机传达意图，计算机将自动解决问题[4][5] - 整个计算堆栈正在被重新发明，从通用计算转向人工智能[5] - AI的进步速度远超摩尔定律，摩尔定律10年提升100倍，而AI 10年提升100万倍[4][20] AI工厂与战略合作 - 英伟达提出了“AI工厂”的概念，并与思科等合作伙伴共同推进[4] - 思科将整合英伟达的AI网络技术到其Nexus平台，以提供高性能AI能力，同时保留思科的可控性、安全性和可管理性[15] - 双方在计算、网络和安全等计算支柱领域进行深度合作，旨在重塑企业计算[15] 企业AI转型路径与心态 - 企业应假设算力是无限且光速的，并以此心态去重新解决公司内部最有影响力、最困难的核心工作[4][20][21] - 在技术部署初期，不应过度纠结于精确的ROI论证，而应允许员工在安全环境下进行广泛实验，实行“让百花齐放”的策略[4][16][17] - 创新并不总是在受控状态下发生，企业应施加影响而非强加控制，过早修剪（集中资源）可能会选错方向[4][16][17][18] AI驱动的核心价值与护城河 - 企业真正的护城河在于理解客户、理解问题的“领域专业知识”，这是AI无法凭空产生的最高价值，而写代码只是一种会被AI取代的“商品”[4][40] - 公司应利用AI彻底改变其核心工作，例如芯片设计、软件工程和系统工程[19] - AI降低了获得智能的成本，创造了智能的“丰饶”，过去需要一年的工作，现在可能一天就能完成[20] 智能的构成与AI演进 - 智能由感知、推理和计划三部分组成，感知是第一步，涉及理解多模态的上下文[24][25] - 计算机视觉（如AlexNet）的突破是AI发展的关键里程碑，它证明了深度学习可以解决没有原则性算法的复杂问题[25][26] - 自监督学习的突破使AI能够自我学习，不再受限于人工标注，推动了模型参数从几亿扩展到几万亿的规模爆炸[26] 从检索式到生成式的软件未来 - 软件正从“预录制”（检索式）时代转向“生成式”未来，因为每个语境、用户和提示都不同，每一秒的软件都是不同的[29] - 生成式AI意味着输出是实时、动态且前所未有的，如同当前的对话序列[29] 物理AI与未来机遇 - 下一代“物理AI”将需要理解物理世界、因果关系（如重力、质量）的模型，这与当前大型语言模型的知识不同[38] - AI的最新突破之一是“工具使用”，AI应学会使用现有工具，而非重新发明物理定律[37] - 自动驾驶汽车等“数字劳动力”代表了一个比传统IT行业（约一万亿美元）大得多的市场机遇，全球经济总量约为一百万亿美元[39] 企业AI部署与数据主权 - 企业对于AI部署应采取混合策略，既租用云端资源，也拥有部分本地基础设施，特别是涉及数据主权和专有信息的部分[42] - 公司最宝贵的知识产权往往是其“问题”，而非答案，因此许多内部对话和问题应保持私密，不适合完全放在云端[43][44] - 企业应将“AI in the loop”融入流程，使其捕捉员工的生命经验，使公司每天都变得更聪明，并将这些经验沉淀为公司的永久知识产权，而非坚持“Human in the loop”[4][45] 行业定位与公司转型 - 所有公司都有机会应用AI技术成为技术公司，技术应成为其超级能力，而原有领域只是应用场景[39] - 公司应摆脱受原子（物理）限制的思维，转向处理电子（数字）的“电子公司”模式，以实现价值的大幅增长[39][40] - 领域专业知识是企业的核心优势，现在可以通过隐式编程（用自然语言表达意图）让计算机执行任务，而将写代码这类商品化工作交给AI[40]

文章核心观点 文章记录了NVIDIA创始人黄仁勋在思科AI峰会上的对谈，核心观点是计算范式正在发生60年来的根本性重塑，从“显式编程”转向“隐式编程”，人工智能将彻底改变企业运营、创新方式和价值创造[10][31]。企业应拥抱这一变革，将AI深度融入核心流程，利用其“丰饶”的智能来重塑最具影响力的工作，并在此过程中构建以领域专业知识为核心的、可持续的竞争优势[6][24][44]。 计算范式重构 - **从“显式编程”到“隐式编程”**：计算范式正经历60年来首次根本性重塑，从编写具体指令的“显式编程”转向向计算机传达意图、由其自动解决问题的“隐式编程”[6][10] - **从“预录制”到“生成式”**：传统软件是“预录制”的、静态的，而未来的软件将是“生成式”的，根据不同的上下文、用户和提示实时生成，每一次交互都是独特的[33] - **软件栈全面革新**：整个计算堆栈（Computing Stack）正在被重新发明，以支持新的人工智能范式[10] 人工智能的发展与影响 - **性能提升速度**：摩尔定律在10年内带来100倍的性能提升，而人工智能在10年内带来了100万倍的提升，创造了智能的“丰饶”[6][25] - **智能的核心要素**：智能由感知、推理和计划三部分组成，当前AI的突破在于从仅依赖记忆和泛化，发展到能够使用工具、进行调研和制定计划来解决问题[11][12][29] - **Physical AI的机遇**：下一代“物理AI”将能理解物理世界、因果关系和工具使用，其潜在市场（TAM）将远超万亿美元规模的IT行业，触及百万亿美元规模的全球经济[42][43] 企业AI转型策略 - **超越早期ROI论证**：在技术部署初期，很难用传统电子表格精确计算投资回报率，企业不应过度纠结于此而错失机遇[6][21] - **“让百花齐放”的创新文化**：鼓励员工在安全环境下广泛实验各种AI模型和应用，允许一定程度的“失控”，以激发创新，之后再适时进行整合与聚焦[6][21][22] - **聚焦核心，应用“丰饶”思维**：企业应识别并聚焦于内部最有影响力、最困难的核心工作，并假设算力是无限且光速的，以此心态去重新思考和解决这些问题[6][25][26] - **从“Human in the loop”到“AI in the loop”**：不应仅将AI视为工具，而应将其深度融入业务流程。AI将捕捉员工的经验，使公司日益智能化，并最终将这些经验沉淀为公司永久的知识产权[6][49] 未来的价值与护城河 - **领域专业知识是终极价值**：写代码（编程）将变成一种可被AI替代的“商品”，企业真正的护城河在于理解客户、理解问题的“领域专业知识”，这是AI无法凭空产生的最高价值[6][44] - **问题比答案更珍贵**：对公司而言，最宝贵的知识产权往往不是答案，而是所提出的问题，这代表了公司的思考方向和关注的优先级[48] - **数据主权与部署策略**：出于隐私和主权考虑，公司的专有信息和对话应保持私密。企业应采用混合策略，结合云端和本地（On-prem）部署，尤其对于敏感核心部分，应考虑构建自有AI能力[47][48] - **成为“电子公司”**：各行各业都应利用AI技术成为技术公司，将技术作为超级能力，而原本的业务领域作为应用场景。摆脱“原子”（物理）的限制，拥抱“电子”（数字）的无限性，能带来价值的大幅跃升[43][44]