從顯性編程到無限智慧：Jensen Huang 揭示企業在 AI 時代生存的 7 大逆向思維
在科技發展的長河中，有些時刻會被標記為轉折點，而有些時刻則是徹底的斷代。最近在 Cisco AI Summit 的舞台上，NVIDIA 執行長黃仁勳（Jensen Huang）與 Cisco 執行長 Chuck Robbins 的對談，便屬於後者。
這場對話發生在深夜，現場瀰漫著一種非典型商務會議的坦誠氣息。黃仁勳剛結束為期兩週、橫跨亞洲多個城市的旋風式行程，從台灣到休士頓，再馬不停蹄地趕往會場。儘管凌晨一點就起床、身處長途旅行的體力極限，但在幾杯紅酒與冷萃咖啡的化學作用下，他展現出一種近乎先知的狂熱與直白。這不是一場公關辭令的交換，而是一位站在算力巔峰的領航員，對全球企業領導者發出的緊急電訊。
黃仁勳傳達的核心訊息很明確：我們並非在經歷一次單純的軟體升級，而是正處於計算架構 60 年來首次的徹底翻轉。這是一場從底層存儲、網路、安全到處理層級的全面重新發明。對於企業決策者而言，這不僅僅是關於如何導入工具，而是關於如何重新定義企業的主權、資產與存在邏輯。
以下是這場深度對話中提煉出的七大逆向思維，這將是未來十年企業競爭力的戰略藍圖。
核心要點一：從「顯性」到「隱性」——計算架構的 60 年大轉型
黃仁勳指出，我們正處於一個「重新發明計算」的奇點。過去 60 年，電腦科學的根基建立在「顯性編程（Explicit Programming）」之上。
「我們正在 60 年來首次重新發明計算。過去是顯性編程，我們編寫程式，變量通過 API 傳遞；現在轉向了隱性編程，你現在告訴電腦你的『意圖（Intent）』，它會去弄清楚如何解決你的問題。」
在顯性編程的範式下，人類是邏輯的定義者。從 Fortran、C、C++ 到 Cobol，軟體工程師必須精確地寫下每一行指令。如果電腦要執行某項任務，人類必須先將其拆解為極其細微的邏輯步驟，透過 API 進行變量傳遞。在這種架構下，電腦只是一個忠實但缺乏主動性的計算器（Calculation）。
然而，當前的典範轉移將計算推向了「隱性編程（Implicit Programming）」。這意味著電腦從「執行指令」轉向了「理解意圖」。未來的軟體不再是被預先寫死的代碼，而是透過機器學習（Machine Learning）動態生成的邏輯。這是一種從檢索式（Retrieval-based）到生成式（Generative）的本質跨越。
黃仁勳強調，這種變革不僅發生在 CPU 或 GPU 這一層。當計算模式改變，支撐計算的整個基礎設施——存儲（Storage）、網路（Networking）與安全（Security）——都必須隨之重構。例如，NVIDIA 即將推出的 Vera Rubin 架構，以及與 Cisco Nexus 控制平面的深度整合，正是為了確保在 AI 工廠的架構下，網絡不再只是連接設備的線路，而是具備 AI 性能、可控性、安全性和管理能力的計算矩陣。
這對企業領導者的啟示是：不要再把 AI 視為掛載在現有系統上的插件。這是一次對底層技術堆棧（Compute Stack）的結構性重塑。如果你還在用 60 年前的「顯性」邏輯來規劃未來的數位轉型，你將會發現你的系統架構根本無法承載「意圖導向」的高速運算。
核心要點二：管理者的 AI 哲學——先說「Yes」，再問「Why」
在企業治理中，傳統的智慧告訴我們要嚴控成本、追求明確的投資報酬率（ROI）。但在 AI 這種爆炸性增長的領域，這種「控制感」往往是創新的殺手。黃仁勳對此提出了極具衝擊力的管理建議。
「如果你想保持控制，首先你應該去尋求心理諮商。在企業中，控制是一種幻覺。如果你想讓公司成功，你無法控制它，你只能影響它。我的建議是：讓百花齊放（Let a thousand flowers bloom）。」
在 NVIDIA 內部，黃仁勳容忍、甚至鼓勵某種程度的「失控」。當員工想要嘗試新的 AI 模型，無論是 Anthropic、Gemini 還是 Codex，他的標準回應不是要求一份詳細的財務預測，而是直接說「Yes」，然後再問「Why？（然後呢？）」。這與大多數企業習慣的「先問 Why，再決定是否給 Yes」的邏輯完全背道而馳。
他用育兒做了一個精妙的類比：父母鼓勵孩子探索人生，不會要求孩子在嘗試新事物前先證明這件事能帶來未來的經濟回報。我們追求的是成長與可能性，而非即時的變現。
黃仁勳直言，要求在實驗初期就證明 ROI 是不切實際的。在 AI 的「花園」裡，管理者最初的角色不是園藝大師，而是肥料提供者。你必須讓各種可能性生長，直到花園足夠繁茂，你再運用判斷力進行「修剪（Curate）」，將資源集中在最有潛力的方向上。這種從「管控（Control）」到「影響（Influence）」的轉變，是 AI 時代管理者的必修課。
核心要點三：應用「無限感性」——將難題設定為零成本與光速
這或許是黃仁勳最具洞察力的思維實驗。他要求領導者具備一種「無限感性（Infinity Sensibility）」。
過去，我們習慣於摩爾定律（Moore’s Law）的速度：每 18 個月進步兩倍。這在當時看起來很快，但在 AI 時代，這簡直是「蝸牛的速度」。黃仁勳指出，過去 10 年，AI 的效能進步了一百萬倍。這不再是線性的增長，而是維度的跨越。
「當我思考工程問題時，我假設我的技術、工具、儀表板或太空船是無限快的。如果我能在一秒鐘內到達紐約，我會做什麼不同的選擇？如果你不以這種『無限速度、零重力、零成本』的邏輯來思考，你就是在用錯誤的方式處理問題。」
這種思維方式能徹底翻轉企業的業務邏輯。以圖形分析（Graph Analytics）為例，過去受限於算力與頻寬，企業只能處理數兆個節點中的碎片數據；但在「無限感性」下，你應該直接處理整個「全局圖形」。
當智力、運算與數據獲取的成本趨近於零，當處理速度趨近於光速，原本那些「因為太貴、太慢、太難而不值得解決」的問題，現在都變成了企業的新前線。如果你不以這種「極致豐饒」的邏輯來重新思考公司最核心的業務難題，你的競爭對手——或是那些剛成立、完全沒有歷史包袱的初創公司——絕對會這麼做。這是一場關於想像力的競賽。
核心要點四：物理 AI 的未來——AI 不會取代工具，而是「使用」工具
目前市場上存在一種憂慮，認為 AI 將取代現有的軟體產業，例如 SAP、ServiceNow 或 CAD 軟體。黃仁勳斥之為「極其不合邏輯」。
他提出了「Agentic AI（代理型 AI）」的概念。AI 未來的突破點在於「工具使用（Tool Use）」。
「假設你是人工一般智慧（AGI）或物理機器人，你需要釘釘子時，是會去發明一個新的錘子，還是直接拿起現有的錘子？答案顯然是後者。AI 最新、最大的突破正是學會使用工具。」
對於 AI 而言，現有的軟體系統（如 SAP 的流程、Cadence 的電子設計自動化工具）就像是錘子與螺絲起子。AI 不會取代它們，因為這些工具本身代表了高度精確的「顯性邏輯」與物理規則（如 F=MA）。AI 將成為這些工具的高級使用者。
更深層的變革在於從「製造工具」向「提供勞動力（Labor）」的轉移。黃仁勳以「數位司機（Digital Chauffeur）」為例，數位司機的經濟價值遠高於汽車本身。過去我們賣的是「車」（工具），未來賣的是「自動駕駛」（勞動力）。
這意味著，企業正從一個一兆美元的 IT 產業，邁向一個服務於一百兆美元全球經濟的「勞動力自動化」時代。未來的物理 AI 必須理解因果律（Causality）。就像小孩理解推倒一個小骨牌能引發連鎖反應最後推倒巨大物體一樣，AI 需要具備這種對物理世界聯繫、重力與質量的直覺，而不僅僅是處理文字。
核心要點五：領域專業知識（Domain Expertise）是最後的護城河
這是一個對非技術背景管理者的巨大福音。黃仁勳提出：「打字是商品（Typing is a commodity）」，而「意圖」才是無價之寶。
他幽默地提到了 Chuck Robbins 過去寫 Cobol 程式碼的經歷，甚至開玩笑說程式碼是用「希伯來文（Hebrew）」寫的。這背後的隱喻是：過去編程是一種極少數人才掌握的神祕符號學，但現在編程語言變成了人類最自然的語言。
「編程部分很簡單，只要告訴 AI 去做就好。你們所有人都擁有極具價值的資產：領域專業知識（Domain Expertise）。你們理解客戶，理解問題。這是 AI 無法憑空產生的。」
這裡涉及一個深刻的對比：原子（Atoms）與電子（Electrons）。
- 原子公司受限於物理實體、重力與地理位置。例如傳統零售商、傳統車廠或電影製片廠（Disney）。
- 電子公司則具備無限的擴展性與即時的全球覆蓋。例如 Amazon、Tesla 或 Netflix。
黃仁勳直言，雖然他熱愛迪士尼、賓士與沃爾瑪，但他確信這些公司都渴望轉型為 Netflix、Tesla 與 Amazon。這種轉型的核心在於將企業的價值鏈從「原子驅動」轉向「電子（技術）驅動」。
在 AI 時代，每一家公司都有機會成為「技術領先（Technology-first）」的公司。軟體工程師的短缺不再是瓶頸，因為「打字」可以交給 AI。企業領袖真正的任務是運用累積數十年的產業洞察（Domain Expertise），去定義 AI 應該解決什麼問題。如果你知道該問什麼，你就是贏家。
核心要點六：問題比答案更值錢——主權 AI 與私有部署的必要性
企業是否應該將所有的靈魂都託付給公有雲？黃仁勳給出了高度戰略性的警示。他認為，在 AI 時代，企業最珍貴的 IP 不是 AI 給出的「答案」，而是你在過程中所提出的「問題（Questions）」。
他用了一個深刻的「心理醫生」類比：
「你去看心理醫生時，絕不希望對話內容被公開在網路上。對我來說，我的問題代表了我在思考什麼、我認為什麼是重要的。這是我最核心的戰略，我不想讓競爭對手知道我在問什麼。」
這就是為什麼 NVIDIA 堅持建立自己的私有 AI 系統（On-prem）。這不僅僅是數據安全問題，更是「主權 AI」的問題。如果一個企業的所有策略思考與對話都在公有雲上運行，那麼「提示詞洩漏（Prompt Leakage）」就等於是「戰略洩漏」。如果對手知道你在問什麼，他們就預知了你未來三年的戰略方向。
因此，擁有 tactile（觸覺式）的底層技術理解，並在必要時建立私有算力中心，是保護企業「思維主權」的唯一方式。
核心要點七：顛覆傳統觀念——不是「人在迴路」，而是「AI 在迴路」
最後，黃仁勳挑戰了目前科技界的主流語彙「人在迴路（Human in the loop）」，他認為這在邏輯上是倒置的。未來的標配應該是「AI 在迴路（AI in the loop）」。
傳統觀念認為 AI 是輔助人類的插件，但黃仁勳認為 AI 應該被整合進企業運作的每一個閉環中。
「我們不希望公司每天都在重複相同的邏輯。我們希望公司能捕捉每一天的經驗。如果 AI 在迴路中，它能持續積累每一位員工的決策邏輯與經驗，這將成為公司長期的智財權。」
在傳統架構下，員工離職往往意味著經驗與智慧的流失；但在「AI 在迴路」的架構中，AI 就像是一個智慧捕捉器。它學習並 codify（代碼化）公司的智慧與直覺。這能讓企業不再是平面的成長，而是呈指數級積累，確保公司的競爭力隨著時間推移而持續進化，而不是隨人員流動而停滯。
結語：抬起引擎蓋，換一次機油
黃仁勳在對話結束前，給了所有企業領導者一個極其樸實卻深刻的建議：不要只做 AI 的「租戶」，要做 AI 的「建造者」。
他鼓勵大家像熱愛汽車的人一樣：「抬起引擎蓋，親自換一次機油。」即便現在雲端算力與 PC 極其發達，他依然建議他的孩子要親手組裝電腦，理解每一個組件為何存在。
對於企業而言，這意味著你必須具備對 AI 的「觸覺理解」。你不必建立全世界最大的系統，但你必須動手「建造」一些東西。AI 是未來企業生存的血液，你不能對血液的成分一無所知。
我們正處於一個智力趨於無限豐饒的時代。在這個時代，技術本身的差異會逐漸抹平，最終勝出的將是那些敢於放手實驗、深耕專業領域、並誓死捍衛自身「提問權」的企業。
在這個智力趨於無限豐饒的時代，你的公司最具價值的「問題」會是什麼？
不要等到最後一個才開始。正如黃仁勳所言，你不需要做第一個，但絕對不能做最後一個。現在就撥通電話，開始構建屬於你的 AI 工廠。