文章核心观点 - 英伟达CEO黄仁勋在对话中提出，AI革命不是IT部门的升级，而是一次商业逻辑的“重置”，企业需要从制造工具的思维转向创造“数字劳动力” [4][16] - 在算力指数级提升（过去10年提升100万倍）的“丰盈”（Abundance）时代，企业领导者必须用“无限快”和“零重力”的假设重新定义核心问题，否则将被以这种新思维运作的竞争对手颠覆 [5][11][12] - 企业最宝贵的知识产权可能不是答案，而是员工在战略思考中提出的“问题”，这促使公司需要建立本地的、受控的AI能力以保护核心资产 [13] 企业迈向AI的路径与管理哲学 - 企业迈向AI的第一步不是计算投资回报率（ROI），而是鼓励“安全地试错”，允许内部AI项目“百花齐放”甚至达到“失控”状态，以培养组织的“AI感觉” [6][7] - 管理逻辑应像对待孩子的好奇心：对团队提出的AI尝试先回答“可以”，再问“为什么”，而不是先要求证明价值，以保护创新探索的触角 [6][23] - 在经过一段充分的探索期后，领导者再凭借直觉“修剪花园”，将资源集中到重要方向，但过早集中力量可能会选错重点 [7][24] 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”或“增强型劳动力”的新型价值创造中心 [9][10] - 行业正经历从“制造工具”（如软件、芯片）到“创造劳动力”的根本性转变，例如自动驾驶汽车的本质是数字司机，其生命周期经济价值远超汽车硬件本身 [9][35] - AI带来的最大机会是渗透和重塑实体经济：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，潜在市场总量拓宽了百倍 [10][35] - 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 [5][10][35] 用“丰盈”思维重新定义问题 - 在算力过去10年提升100万倍的指数级“丰盈”前提下，昔日的摩尔定律（10年100倍）慢得像蜗牛爬 [5][26] - 企业领导者需要建立新的认知基准，以“无限快”、“零重力”、“光速”的假设来思考公司最核心、最棘手的工程与商业难题 [11][27][28] - 例如，面对拥有数万亿关联关系的复杂网络分析，新思维是“把整个图都给我，多大都行，我不在乎”，而不是分而治之 [12][27] 数据主权、知识产权与未来公司内核 - 企业应建立“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，而非完全依赖公有云 [13][38] - 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、反映战略重点的“提问”，这些必须被保护在受控的本地环境中 [13][38] - 未来每个员工都会拥有许多持续学习其决策和疑问的AI助手，这些进化了的AI将成为公司沉淀下来的独特智能资产，即“未来的公司” [13][39] 计算范式的根本革命：从显式编程到隐式编程 - 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，由其生成代码） [18][31][37] - 这意味着编程（被比喻为“打字”）能力变得平庸化，技术门槛极大降低，而深谙客户与业务问题的领域专长价值飙升 [16][37] - 软件范式正从“预录制”时代（如刻在CD-ROM中，基于检索）迈入“生成式”时代，未来的软件实例将是高度情境化、动态生成的独特存在 [14][15][32] 物理AI与工具使用 - 下一代AI是理解物理世界和因果关系的“物理AI”，它将能够理解如多米诺骨牌效应般的物理概念 [34] - 让AI学会使用现有工具（如CAD软件、ERP系统）是重要方向，因为对于已有确定性答案（如F=ma）的问题，应直接使用精准工具而非概率猜测 [34] - 最终目标是创造能够使用工具、进行研究和规划的“智能体AI”（Agentic AI），以解决从未见过的问题 [20]

AI计算范式的根本性转变 - 公司认为当前正在经历60年来第一次真正重新发明计算，核心是从“显式编程”转向“隐式编程”，即从需要一行行写代码转变为只需向计算机陈述意图 [6] - 计算堆栈的各个层面，包括处理、存储、网络和安全，都在被重新定义，这不仅仅是处理器层面的变革 [6] - 软件形态将从过去的“预录制”（基于检索）彻底转变为“生成式”，每个软件实例都将是基于独特语境实时生成的 [25][28] AI技术发展的现状与未来 - 当前基于提示词生成回复的聊天机器人被认为“有趣但不真正有用”，真正的智能在于解决问题，这需要具备知道自己不知道什么、进行推理、制定策略和使用工具等能力 [6][7] - 智能体AI是发展方向，其关键要素包括工具使用、研究能力、基于事实的检索增强生成和记忆能力 [7] - 下一代物理AI需要理解物理世界和因果关系，这是当前大语言模型尚未具备的能力 [31] - 自监督学习的突破是模型规模能从几亿参数爆炸式增长至几万亿参数的关键，使得AI能够编码海量知识和技能 [24] 企业拥抱AI的战略与建议 - 建议企业在部署AI初期不要急于计算投资回报率，而应鼓励内部“百花齐放”，安全地进行大量实验和创新 [17] - 企业应首先识别并聚焦于公司最具影响力的核心工作，并为其赋予“无限”的能力和“光速”的效率 [17][21] - 企业需要建立“AI思维”，即假设技术工具拥有无限速度，并以此重新思考所有业务流程和问题解决方式 [20] - 最终企业需要从“百花齐放”阶段进入“修剪花园”阶段，筛选出最佳方法和平台并集中资源，但不宜过早孤注一掷 [18] AI带来的行业机遇与市场重塑 - AI创造了从制造“工具”到创造“劳动力”或“增强型劳动力”的历史性机遇，其潜在市场总量可能比传统IT产业大100倍 [31] - 全球经济规模约为100万亿美元，而全球IT产业规模约为1万亿美元，AI技术有潜力帮助各行业公司转型为技术公司，从而切入更大的经济蛋糕 [31] - 所有行业公司都有机会通过应用AI技术转型为“技术优先”的公司，技术成为其超级力量，而行业知识则是技术的应用场景 [32] 编程与软件行业价值的重新定义 - 编程（写代码）的本质被描述为“打字”，而打字正在成为一种廉价商品，其价值在贬值 [33] - 企业真正的价值在于其领域专长、对客户和问题的理解，以及提出正确问题的能力，这些是AI无法替代的终极价值 [33][36] - 未来的编程语言将是人类的自然语言，企业可以用自己的语言向计算机解释意图，从而摆脱对大量传统软件工程师的依赖 [33] 企业AI基础设施的部署考量 - 建议企业亲手构建或深入了解AI计算基础设施，就像组装电脑一样，这对于理解技术至关重要，而非完全依赖租赁 [35] - 出于数据主权、隐私和对敏感信息的保护，企业的部分AI能力应该建立在本地，而非全部置于云端 [35] - 公司最有价值的知识产权可能不是答案，而是所提出的问题，因此保护内部的思考和问题至关重要，这强化了本地部署的必要性 [36] 组织与AI关系的未来愿景 - 未来的范式不是“人在环节中”，而是“AI在环节中”，AI将融入业务流程，持续捕捉和积累公司的经验与知识 [36] - 未来每位员工都将有AI辅助，这些AI将成为公司核心的知识产权和竞争力所在 [36] - 公司与思科的合作旨在将AI的极致性能与企业所需的可控性、安全性和易管理性相结合，以推动企业级AI的落地 [16]

文章核心观点 - 英伟达首席执行官黄仁勋认为，计算正经历60年来的首次根本性重塑，从显式编程转向隐式编程，这将彻底改变所有行业 [8] - AI的真正机会不是创造更聪明的软件工具，而是创造“被增强的数字劳动力”，其长期经济价值将首次超过硬件本身 [2][47] - 企业必须积极拥抱AI转型，可以不是第一个采用者，但绝不能成为最后一个，否则将面临淘汰 [2][15] - 企业应用AI不应从边缘事务入手，而应聚焦于最核心、最有影响力的工作，并以“无限资源”（如光速、零成本）的思维重新构想这些工作 [2][21] - 企业最有价值的知识产权不是答案，而是问题本身，因此涉及专有信息和核心讨论的AI系统应部署在本地 [57] 对计算范式重塑的阐述 - 计算正从**显式编程**（编写明确指令）转向**隐式编程**（表达意图，由计算机自行解决问题），这是60年来的首次根本性重塑 [8] - 这一重塑涉及整个计算堆栈，包括处理、存储、网络和安全，而不仅仅是处理层 [9] - 当前的AI（如聊天机器人）仍主要是对已有内容的记忆与泛化，而真正的智能在于解决问题、推理和规划 [9] - 软件的未来是生成式的，每一次运行都因上下文不同而不同，而非过去基于检索的固定模式 [29] 对AI发展现状与公司策略的解读 - 英伟达内部AI项目数量已经“失控”，但公司鼓励这种百花齐放的创新状态，黄仁勋对员工新AI项目的第一反应是“yes” [2][16] - 公司创新的策略是先让“千朵花绽放”，然后在适当时机进行“修剪”和资源集中，但当前尚未开始收敛 [17][18] - 英伟达将AI资源集中用于革新其最核心的工作：芯片设计、软件工程和系统工程，并与Synopsys、Cadence、Siemens等公司深度合作 [18] - AI带来的不是线性改进，而是“丰富性”的爆炸式增长，过去10年AI性能提升了约**一百万倍**，远超摩尔定律（每10年翻100倍）的增速 [19] 对企业应用AI的建议与机会 - 企业应用AI的切入点：识别公司“最有影响力的核心工作”，并用“无限速度、零成本”的AI思维重新构想解决方案 [2][21] - 企业应建立对AI技术的“上手级理解”，建议自建一套（至少是小规模的）AI系统，以理解其组件和原理，而非完全依赖租赁 [56] - 未来的公司形态是“技术优先”，处理电子（无限）而非原子（有限），所有公司都有机会转型为科技公司 [48] - 编程（打字）正在商品化，企业的核心竞争优势不再是编码能力，而是领域专业知识、对客户的理解以及提出正确问题的能力 [2][53][54] - 未来每个员工都将“自带多个AI”工作，这些AI将吸收公司经验，成为公司不断积累的知识产权 [2][58] 对AI未来方向的展望 - AI发展的关键突破之一是“工具使用”，未来的通用人工智能（AGI）或机器人将倾向于使用现有专业工具（如SAP、Cadence），而非重新发明 [44] - 下一代“物理AI”需要理解物理世界的因果关系（如多米诺骨牌效应），这是当前大语言模型所缺乏的 [46] - 与思科的合作旨在重塑AI时代的网络与安全支柱，将英伟达的AI网络技术集成到思科平台，以提供高性能且可控、安全的企业AI基础设施 [15][56] - 市场机会巨大：IT行业规模约**万亿美元**，而世界经济规模约**百万亿美元**，AI驱动的“数字劳动力”创造了规模大100倍的市场机会 [47]

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]

英伟达CEO黄仁勋的核心观点 - 明确驳斥“AI将取代软件工具”的观点，称其“极不合逻辑” [1][3][4] - 强调无论人类还是AI，其核心在于“使用工具”而非“重新发明工具”，将企业软件比作螺丝刀与锤子 [1][3][4] - 指出计算行业正经历“60年来的首次重塑”，从“显式编程”转向用户仅需陈述目标的“隐式编程” [4] - 建议企业管理层应聚焦于识别公司内部最具影响力的核心工作流，并率先在那里部署AI [4] - 鼓励企业以“让一千朵花盛开”的策略推动多个AI项目并行探索 [4] - 透露英伟达自身采用了包括Anthropic、Codex和Gemini在内的多样化AI产品组合 [4] - 认为2026年将是判定企业成为AI赢家或受害者的关键年份，站在AI变革的对立面将是危险之举 [5] 市场对AI替代的恐慌反应 - AI初创公司Anthropic推出面向企业内部律师的生产力工具，成为此轮全球软件股恐慌性抛售的导火索 [1][3][5] - 美股三大指数受此影响全线回落，抛售潮随后蔓延至亚洲市场 [3] - 印度IT出口指数重挫6.3%，其中Infosys暴跌7.3% [3] - 日本市场方面，人力资源服务公司Recruit Holdings与野村综合研究所股价分别下跌9%和8% [3] - 追踪科技软件板块的iShares Expanded Tech-Software Sector ETF刷新日低时跌5.6%，已连跌六个交易日，六日累跌超14% [5] - 该ETF今年1月累跌约15%，创2008年以来最差单月表现 [5] - 标普北美软件指数1月暴跌15%，创下自2008年10月以来最大单月跌幅 [5] - Jefferies股票交易员将此轮市场反应描述为“SaaSpocalypse”（软件即服务末日），指出交易风格已转为不计成本的恐慌性抛售 [5] 软件行业面临的系统性重估 - 市场悲观情绪正从单一AI工具冲击，演变为对软件行业整体商业模式的系统性重估 [6] - 微软尽管季度财报表现稳健，但投资者聚焦其云业务销售增长放缓及AI资本支出回报前景，导致其股价在上周四单日暴跌10%，本周二盘中跌幅亦一度超过3% [6] - 今年1月，微软股价创下十多年来的最差月度表现 [6] - 在本财报季已发布业绩的标普500软件公司中，仅67%营收超出预期，远低于科技行业整体83%的达标比例 [6] - 投资机构Piper Sandler下调了Adobe、Freshworks和Vertex等多家软件公司的评级 [6] - 分析师担忧“席位压缩”与“氛围编码”叙事可能为软件行业估值倍数设定上限 [6]

英伟达CEO黄仁勋驳斥AI将取代软件工具的观点 - 英伟达CEO黄仁勋明确驳斥AI将取代软件工具的观点，称其“极不合逻辑”，并认为时间会证明一切 [1] - 黄仁勋指出，无论是人类还是AI智能体，都会选择使用现有工具而非重新发明，AI的最新突破点在于“工具使用”能力 [1] - 黄仁勋将企业软件比作螺丝刀与锤子，强调AI系统的合理角色是“使用工具”而非“重新发明工具” [2] AI重塑计算产业与企业实践建议 - 黄仁勋判断计算行业正经历“60年来的首次重塑”，从“显式编程”转向用户仅需陈述目标的“隐式编程” [2] - 黄仁勋建议企业管理层应聚焦于识别公司内部最具影响力的核心工作流，并率先部署AI，鼓励广泛实验以推动多个项目并行探索 [2] - 黄仁勋透露英伟达自身采用了包括Anthropic、Codex和Gemini在内的多样化AI产品组合 [2] Anthropic新工具引发市场对软件行业的担忧与抛售 - AI初创企业Anthropic推出的面向企业内部律师的生产力工具，成为引发市场对软件行业前景广泛忧虑的导火索 [1][3] - 市场担忧迅速转化为全球范围内的恐慌性抛售，美股三大指数全线回落，抛售潮蔓延至亚洲市场 [1] - 周三，印度IT出口指数重挫6.3%，其中Infosys暴跌7.3%，日本Recruit Holdings与野村综合研究所股价分别下跌9%和8% [1] 软件板块遭遇显著下跌 - 追踪科技软件板块的iShares Expanded Tech-Software Sector ETF刷新日低时跌5.6%，已连跌六个交易日，六日累跌超14% [3] - 该ETF今年1月累跌约15%，创2008年以来最差单月表现，标普北美软件指数1月暴跌15%，创下自2008年10月以来最大单月跌幅 [3] - Jefferies交易员将此轮市场反应描述为“SaaSpocalypse”（软件即服务末日），指出交易风格已转为不计成本的恐慌性抛售 [3] 市场对软件行业进行系统性重估 - 市场悲观情绪正从单一AI工具冲击，演变为对软件行业整体商业模式的系统性重估 [4] - 在本财报季已发布业绩的标普500软件公司中，仅67%营收超出预期，远低于科技行业整体83%的达标比例 [4] - Piper Sandler下调了Adobe、Freshworks和Vertex等多家软件公司的评级，分析师担忧“席位压缩”与“氛围编码”叙事可能为行业估值倍数设定上限 [4] 微软等软件巨头亦受冲击 - 尽管微软上周公布的季度财报表现稳健，但投资者聚焦于其云业务销售增长放缓及AI资本支出回报前景，导致其股价在上周四单日暴跌10%，本周二盘中跌幅亦一度超过3% [4] - 今年1月，微软股价创下十多年来的最差月度表现 [4] 行业观察与评论 - Blue Whale Growth Fund首席投资官Stephen Yiu评论称，2026年将是判定企业成为AI赢家或受害者的关键年份，核心投资技能在于避开输家，站在AI变革的对立面将是危险之举 [2]