深度｜黄仁勋对话Cisco CEO：未来十年算力将提升100万倍；写代码只是打字，领域知识才是你的“超级力量”
Cisco约 16 分钟图片来源：Cisco AI Summit
Z Highlights
我们正从过去的“显式编程”转向“隐式编程”。不再是编写程序通过API传递变量，而是向计算机传达意图，让它自动解决问题。
摩尔定律10年提升100倍，而AI 10年提升100万倍。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。
在初期很难论证新技术的ROI。企业应允许员工在安全环境下实验各种模型。创新并不总是在掌控下的，过度追求控制会导致平庸，你应该施加影响而非强加控制。
写代码本质上只是打字，是一种会被AI取代的“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。
从“Human in the loop”转向“AI in the loop”：企业不应只是把AI当作工具，而应将其融入流程。AI将捕捉员工的生命经验，使公司每天都变得更聪明，并最终将这些经验沉淀为公司永续的知识产权。
本次对话发生在 2026年2月4日的Cisco AI Summit 现场。NVIDIA 创始人黄仁勋在结束了为期两周、跨越亚洲五个城市的紧凑行程后，作为压轴嘉宾登场。在与 Cisco CEO Chuck Robbins 的对谈中，他在轻松的氛围下分享了对计算范式重构、企业 AI 转型以及“物理 AI”未来的深刻洞见。
开启计算新纪元：从显式到隐式的跨越
Chuck Robbins:我感觉我这工作就像在陪酒。
黄仁勋:首要原则是“不造成伤害”。
Chuck Robbins:“不造成伤害”？
黄仁勋:对，对。并且要意识到你是多么幸运。
Chuck Robbins:没错。首先，感谢大家在这个漫长的一天来到这里。我们从今天清晨就开始了，我们迎来了一个又一个的讲演者，然后我们休息了大约两个半小时，现在大家又回来见你了。
黄仁勋:我从凌晨一点就起床了。
Chuck Robbins:这位老兄正处于为期两周的亚洲五城之旅的尾声。
黄仁勋:一天前我还在中国台湾，昨晚在休斯顿，现在我在这儿。
Chuck Robbins:他已经离家两周了，我们现在挡在他和他的私家大床之间。所以我们要聊得开心点，然后送他去休息。Jensen，你并不需要过多的介绍，但感谢你能来，伙计。我们非常感激。
黄仁勋:谢谢，感谢我们的合作伙伴关系，我真的为你们感到骄傲。
Chuck Robbins:让我们从合作谈起。你引入了AI Factories的概念，我们正在为此共同努力。虽然在Enterprise领域的发展可能没有我们双方预想的那么快。但我们能不能先谈谈，对你而言AI Factory到底是什么？
黄仁勋:首先我们要记住，我们正在经历60年来首次计算范式的重塑。我们正从过去的Explicit Programming转向Implicit Programming。现在，你只需要告诉计算机你的意图，它就会自动去研究如何解决你的问题。所以，这是从显式到隐式的转变。从通用的General-Purpose Computing转向Artificial Intelligence。整个Computing Stack正在我们谈话间被重新发明。
第一步是我们需要将AI提升到对人类真正有用的水平。直到现在，那些你给一个Prompt然后它想办法告诉你答案的Chatbots固然有趣且引人好奇，但还称不上好用。
Chuck Robbins:有时它能帮我完成填字游戏。
黄仁勋:确实如此。但它只能处理那些它已经记忆并泛化的内容。如果你回到最初，就在短短三年前，当ChatGPT出现时，我们惊叹于它能生成文字、创作莎士比亚风格的作品。但这完全基于它已有的记忆和泛化能力。
然而，Intelligence的核心是解决问题。解决问题在某种程度上意味着了解你“不知道”什么。在某种程度上，它是关于推理出如何解决从未见过的问题。将问题拆解成你容易解决的要素，以便通过组合来解决从未见过的挑战。这就需要制定策略，或者我们称之为Plan。去寻求帮助、使用工具、进行调研，等等。
这些都是你们现在在Agentic AI术语中听到的核心概念：工具使用、调研、基于事实的RAG、记忆力。
但是，从传统的通用计算进化而来的关键在于……
Chuck Robbins:还有COBOL。
黄仁勋:没错，Chuck，那是好东西，真的是好东西。
Chuck Robbins:那是我的保底饭碗。
黄仁勋:真的，COBOL是那种至今仍极具价值的技能之一。
Chuck Robbins:我知道，我收到了很多录用邀约。
黄仁勋:“恐龙”永远是有价值的。
Chuck Robbins:我们刚刚确认了你比我老。
黄仁勋:我知道。我是史前生物……虽然看起来不像，但这是事实。
Chuck Robbins:好吧，这挺有趣的。
黄仁勋:我可能是这个房间里年纪最大的人。
超越ROI的“繁花盛开”
Chuck Robbins:那么Jensen，让我们聊聊，当你思考……
黄仁勋:所以我们就走到了这一步。我对Chuck说：“听着，我们需要重塑计算，而Cisco必须成为其中的重要组成部分。”我们即将推出全新的Computing Stack，即Vera Rubin架构。Cisco将与我们紧密合作开拓市场。除了计算层，还有网络层。Cisco将整合我们的AI网络技术并将其融入Cisco Nexus平面，这样从用户的视角看，你既能获得AI的全部性能，又能保留Cisco的可控性、安全性和可管理性。我们在安全领域也会做同样的事。
计算的每个支柱都必须被重塑，以便Enterprise Computing能够从中获益。至于为什么三年前Enterprise AI还没准备好？而为什么现在你别无选择，只能尽快参与进来？不要掉队。你不必成为第一家利用AI的公司，但绝不能成为最后一家。
Chuck Robbins:那么如果你是当今的一家企业，关于为了开始准备而应该采取的第一、二、三步建议是什么？
黄仁勋:我经常被问到ROI之类的问题。但我建议不要死磕这一点。原因在于，对于所有处于起步阶段的技术部署，很难用电子表格去计算一个新工具、新技术的ROI。
我建议的做法是去寻找：什么是公司的核心本质？我们公司所做的最有影响力的工作是什么？不要在边缘业务上浪费时间。在我们公司，我们实行“让千花齐放”。我们公司内部不同的AI项目数量多到“失控”，但这非常棒。请注意我刚才说的：失控，而且这很棒。
创新并不总是在受控状态下的。如果你凡事都想掌控，首先你应该去看心理医生。其次，那只是一种幻觉。你无法掌控。如果你想让公司成功，你只能去施加影响，而不是控制。
所以第一点，我听到太多公司想要明确、具体、可论证的ROI。在初期，证明一件事是否值得去做的价值是非常困难的。
但我想说的是：让百花齐放。让人们安全地进行实验。我们公司内部也在尝试各种东西：Anthropic,Codex,Gemini，我们无所不用。当我们的某个团队说“我对使用这个AI感兴趣”时，我的第一反应是“好”，然后才问“为什么”。
原因在于我希望我的公司能像我的孩子一样：去探索生活。当孩子想尝试新事物，答案是肯定的。如果你非要孩子证明做这件事能带来经济成功或未来的幸福才准许，我们从不会在家里这样对待孩子，对吧？但在公司里我们却这么做。这在我看来毫无道理。
对待AI的方式就是让百花齐放。到某个时间点，你需要用自己的判断来决定什么时候开始修剪花园。因为“百花齐放”会让花园变得很乱。你必须在某个时刻开始修剪，以找到最佳路径和最佳平台，从而把所有的力量都集中在一个目标上。但你不能太早做决定，否则可能会选错目标。
所以，让百花齐放，在某个点进行修剪。为了说明现状，我甚至还没有开始修剪。我到处都有繁花盛开。但我鼓励每个人去尝试。
从工具制造到劳动力重塑
黄仁勋:但是，我非常清楚对我们公司而言最重要的是什么。我确保我们拥有最深厚的专业知识和能力，专注于利用AI彻底改变这些核心工作：在我们的案例中，就是芯片设计、软件工程、系统工程。
你们可能注意到我们与Synopsys,Cadence,Siemens以及今天的Dassault合作。我们将技术注入其中，他们需要多少我就提供多少，以便彻底改变我们自己用来设计产品的工具。我会确保合作伙伴拥有他们想要的一切，这样我就能拥有创造下一代产品所需的工具。
这告诉了你我的态度，关于什么对我最重要，以及我会做些什么来重塑我的工作。想想AI在做什么。AI降低了获得智能的成本，或者说创造了成倍增加的智能丰饶。换句话说：过去需要一年的工作，现在一天就能完成。
原因在于我们处于一个“丰饶”的世界。过去的摩尔定律太慢了。每18个月翻一倍，5年10倍，10年100倍。而现在呢？每10年提升一百万倍。在过去的10年里，AI的进步让工程师们敢于思考：“为什么不直接用全世界的数据来训练一个AI模型呢？”这种思维就是“丰饶”的定义。
丰饶的定义是，当你面对一个巨大的问题时，你会说：“你知道吗？我要全做。我要治愈每一个领域的疾病。”你不会只想攻克癌症，我们要解决全人类的痛苦。这就是丰饶。
当我思考一个工程问题时，我会假设我的技术、工具、飞船的速度是无限快的。如果一秒钟就能到纽约，我会做哪些不同的决策？如果过去需要一年的事情现在可以实时完成，我会做哪些不同的决策？
当你带着这种心态处理一切时，你就是在应用AI感性。如果你还在纠结速度、纠结成本，那你还没做对。想象一下，如果你将这种逻辑、这种感性应用于公司最难的问题上。这才是你改变现状的方式。你的竞争对手已经在这么想了，新成立的公司也是。
所以我会去寻找：公司里最有影响力的工作在哪里？给它应用无穷大。应用零。应用光速。然后问Chuck如何实现它。
核心价值：感知、推理与应用层
Chuck Robbins:现在让我们谈谈如何实现它。你有一个关于五层蛋糕的类比。因为每个人都在谈论基础设施、模型、应用……我该如何着手？聊聊这个。
黄仁勋:直接给我打电话。我们一起做。成功人士所做的事情之一就是去推论：一个事物的本质究竟是什么？
大约15年前，两个工程师利用一个算法解决了一个计算机视觉问题。Computer Vision基本上是Intelligence的第一部分：感知。
Intelligence由感知、推理和计划组成。
感知：发生了什么？我的Context是什么？推理：我如何推理并将这与我的目标进行对比？计划：制定计划来实现目标。
智能就是关于这三件事。你不能在没有感知的情况下拥有推理和计划部分。而Context是高度多模态的。有时它是PDF，有时是电子表格，有时是信息，有时只是感觉和气味。察言观色，这就是感知。
大约13-14年前，我们在计算机视觉领域实现了巨大的跨越……AlexNet。这就像我们与AI的“第一次接触”。我们当时思考：“两个孩子带着几个GPU是如何解决这个问题的？这意味着什么？”
十年前我们就把它拆解并推论过了。我得出的结论是，事实上，世界上大多数可以被解决的难题，都可以通过这种方式解决。原因在于：世界上大多数困难的问题、有价值的问题，并没有原则性的算法，没有F=ma，没有麦克斯韦方程组。
直觉和智慧的大多数有价值的东西，答案往往是“It depends”。如果答案是3.14，那就太棒了。但生活中的大多数难题、大多数有价值的问题都是“这取决于”。因为它取决于Context。
12、13年前，计算机视觉问题被解决了。于是我们推论，由于Deep Learning，这实际上是可以扩展的。而我们当时只需要解决一个问题：我们该如何训练这个模型？
重大的突破是Self-Supervised Learning。AI开始学会自我学习。请注意，今天我们不再受限于人工标注。这打开了闸门，让我们能将模型规模从几亿参数扩展到几万亿。我们能编纂的知识总量呈爆炸式增长。
我们推论，我们要彻底重塑计算。从Explicit Programming转向一种全新的计算方式，即软件将是通过学习产生的。
如果你再往后退一步，这对Computing Stack、软件开发方式、工程组织意味着什么？评估产品的QA团队会发生什么？我们如何部署产品？你如何让它永远保持刷新？你如何给软件打补丁？关于计算的未来，我问了无数个“如何”。我们公司得出的结论是，这将改变一切。因此，我们基于这个核心信念对整个公司进行了转型。
生成式未来
Chuck Robbins:简单来说，Chuck所说的是，我们来自一个一切都是“预录制”的世界。Chuck以前开发的软件……
黄仁勋:郑重声明，它运行了很长一段时间。确实如此。它是用希伯来语描述的。
Chuck Robbins:这是真的。Chuck是这个房间里唯一懂希伯来语COBOL的人。
黄仁勋:总之，那是预录制的。我们描述算法和想法，然后放入相配套的数据。一切都是预录制的。你知道过去软件是预录制的原因，是因为它是通过CD-ROM发行的，对吧？
现在的软件是什么？因为它是Contextual，每个语境都不同，每个用户都不同，每个Prompt都不同，你给它的Priors也不同。每一秒的软件都是不同的。
这就是为什么过去所需的计算量——也就是预录制时代——被称为Retrieval-Based。当你点击手机，它去检索一些软件和图像。在未来，一切都将是Generative。就像现在正在发生的一样。这段对话从未发生过。概念以前存在，但这段序列中的每一个词在此刻之前从未发生过。而原因显然是我们已经喝了四杯酒了。
Chuck Robbins:冷萃咖啡，有的；希伯来语COBOL，没有。
黄仁勋:幸好这不是在大学校园里，或者是正在直播。是啊。
Chuck Robbins:好了，你明白我在说什么吗？
黄仁勋:所以，其结果是……
Chuck Robbins:你明白你自己正在说什么吗？
黄仁勋:到目前为止，Chuck今天唯一喂给我的就是四杯葡萄酒。
Chuck Robbins:说句公道话，我只喂了你一杯。另外三杯是你从自助餐台上自己拿的。
黄仁勋:我一直盯着那些食物，我太饿了。它一直离我大约40英尺远。有一次我真的倾向那些食物，但又被推回来了。
Chuck Robbins:你知道发生了什么吗？你的团队其实提前告诉我们，“如果他喝了三杯酒，他处于最佳状态；如果喝了第四杯……那简直会不可思议。”
黄仁勋:五杯就不是最佳状态了。总之……听着。那么什么是AI？
Chuck Robbins:我们得留下一些智慧。能再来一杯酒吗？
黄仁勋:这可不只是Dave Chappelle的段子。好了，让我们谈谈另一件事。能源、芯片、基础设施——无论是硬件还是软件。然后是AI模型。但AI最重要的部分是Applications。每一个国家，每一家公司……底层的所有这些层级都只是基础设施。你真正需要做的是应用这项技术。看在上帝的份上，应用这项技术吧。
一家使用AI的公司是不会陷入危机的。你不会因为AI而失业，你会因为一个使用AI的人而失业。所以，赶紧行动起来。尽快给Chuck打电话。你给我打，我给他打。明白了。
我们的时间不多了……我们有的是时间。瞧，Chuck经营公司按小时计费，我甚至不戴手表。你看。我就在这守着你呢。你是按表收钱的人，我不是。在价值交付之前我是不会离开的。
瞧，如果需要耗上一整晚，我可不……嘿，听着，我要折磨你们所有人，直到你能说出你学到了一些东西，否则你会被困在这里。
工具使用与Physical AI的深远影响
Chuck Robbins:我们要折磨每个人直到价值交付。我确认过了，还有更多的酒。你能谈谈你对Physical AI的第一想法吗？
黄仁勋:记住软件是什么。软件是一种工具。有一种观点认为软件行业正在衰落，将被AI取代。你可以看到有一大批软件公司的股价承受着巨大的压力。这是世界上最不合逻辑的事情。时间会证明一切。
让我们进行一个思想实验。假设我们是究极AI：Artificial General Robotics。物理版的我们。如果你是一个人形机器人，你会使用螺丝刀，还是发明一个新的螺丝刀？我直接用一个就行了。你会去重新发明一个计算器吗？你当然会直接使用计算器。
这就是为什么AI最新的突破是什么？是工具使用。因为工具被设计成是显式的。我们不需要AI去重新发明物理定律。我们希望通用人工智能去学会使用工具。
我认为在下一代Physical AI中，我们将拥有理解物理世界、理解因果关系的AI。多米诺骨牌的概念是极其深奥的。因果关系、接触、重力、质量。一个小小的骨牌推倒一个大骨牌，直到另一端产生巨大的力量。一个孩子理解这个概念毫不费力。而大型语言模型对此一无所知。所以我们必须创造一种新型的Physical AI。
那么，机会在哪里？到目前为止，Chuck和我所处的行业是关于创造工具。有史以来第一次，我们将创造人们所谓的“劳动力”，但这是增强劳动力。
什么是自动驾驶汽车？它是一个Digital Chauffeur。数字司机的价值比车本身贵得多。因为在数字司机的生命周期内，其经济效益远高于汽车本身。有史以来第一次，我们触及了一个大出一百倍的TAM。IT行业大约只有一万亿美元规模。而全球经济总量约为一百万亿美元。我们正首次触及这一切。
你们所有人都有机会应用这项技术，成为一家技术公司。技术是你的超级能力，而原本的领域只是你的应用场景。而不是相反。原因是那些“技术优先”的公司处理的是电子，而不是原子。原子受限于质量，而电子的数量多得多。
这就是为什么，当他们从CD-ROM转向电子的那一刻，公司的价值爆炸式增长了一千倍。你需要像我们一样：成为一家“电子公司”。
黄仁勋:美妙的事情在于，世界的编程语言对于你们所有的公司而言，你可能觉得自己“软件不是我们的强项”。但知识、直觉、领域专业知识才是你们的强项。现在，你第一次可以用意自己的语言向计算机准确解释你想要什么。
从Explicit Programming转向Implicit Programming。有史以来第一次，你可以隐式地对计算机进行编程。写代码到头来只是打字。而打字到头来只是一种Commodity。
这就是你们的重大机会。你们所有人都可以从以前受限的原子限制中升华。你们所有人都可以摆脱这种局限。你们所有人都有极具价值的东西，那就是领域专业知识。去理解客户，理解问题。这才是终极价值：理解意图。
当你大学毕业时，你可能是一个超级程序员，但你根本不知道客户想要什么。但这正是你们所知道的。写代码那部分很容易。直接让AI去做就行了。这也就是你们的超级能力。Chuck和我在这就是为了赋能你们去实现它。刚才那段结语是我在喝了五杯酒的情况下完成的。
Chuck Robbins:这确实是Artificial Intelligence的真实体现。或者这叫Enhanced Intelligence。
数据主权与“AI in the loop”
黄仁勋:对于一个在平板电脑上工作的人来说……Chuck，我只想告诉你，能和你们所有人一起工作是巨大的荣幸。Cisco在计算发明的两个非常重要的支柱领域拥有极深的造诣。一个是Networking，另一个是Security。而这两个支柱在AI世界中都被重新发明了。
我们熟悉的Computing部分在很多方面已经成为一种商品。而Cisco所知道的东西是极具价值的。有人问我：“你应该租用云端，还是应该努力构建自己的计算机？”
我给你们的建议和我给我的孩子的建议完全一样：组装一台计算机。即便技术已经发达，也要自己组装一台，去了解为什么所有这些组件会存在。
如果你身处汽车行业，不要只是使用优步。看在上帝的份上，掀起引擎盖。换换机油。去了解所有的组件。这项技术对未来如此重要，你必须对它有一些Tactile理解。你可能会发现世界并不是非此即彼的“全租”或“全买”。你会想要租一些，也拥有一部分。因为公司的某些部分确实应该建立在On-prem之上。例如：主权和专有信息。
你不自在把你的问题分享给每个人。你知道当你去看心理医生时，你并不想让那些问题被传到网上。我认为你有很多问题、很多对话，都应该保持私密。公司也是一样。
我不放心把NVIDIA所有的对话都放在云端。这就是为什么我们在本地构建它的原因。对我而言，最宝贵的IP并不是我的答案。而是我的“问题”。
我的问题才是对我而言最宝贵的知识产权。我在思考什么，都体现在我的问题里。答案只是一种Commodity。如果我简单知道该问什么，我就在识别什么是重要的。我不希望别人知道我认为什么是重要的。我希望那是在On-prem环境下。我希望创造属于我自己的AI。
还有最后一个想法。曾有一个观点认为AI应该始终有“Human in the loop”。这完全是错误的观点。应该是“AI in the loop”。
原因在于，我们希望我们的公司每天都变得更好、更有价值。我们绝不想倒退或停滞。如果我们将AI融入流程，它就会捕捉我们的生命经验。未来的每一位员工都会有AI在回路中。而这些AI将沉淀为公司的知识产权。这就是未来的公司。你们所有人立即给Chuck打电话是明智的。我会给Jensen打。总之，这就是我的结语。
Chuck Robbins:听着，两周的出差旅程。Jensen飞到这里，在很长一段时间以来第一次能睡到自己的床之前，把最后一个晚上留给了我们。我们永远感激不尽。非常感谢。
黄仁勋:谢谢大家。
原文：Cisco AI Summit | Special live event with Jensen Huang
https://www.youtube.com/watch?v=6fbyiPRhMSs
编译：Arlen Lin
请注意，本文编译自文末载明的原始链接，不代表Z Potentials立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。
Z Potentials将继续提供更多关于人工智能、机器人、全球化等领域的优质内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。