黃仁勳最新訪談：你不會輸給 AI，但你會輸給會用 AI 的人 ...

我覺得我好似喺返工飲酒一樣 詹森 我哋將一杯酒拎到呢邊嗰陣，佢提醒咗我 佢話：「你知我哋呢度直播緊咩？」

佢話：「你知我哋呢度直播緊咩？」 欸，隨便啦 都咁遲喇 嗯⋯⋯ 第一條原則：唔造成傷害 唔造成傷害 對對對 都要知道自己有幾幸運 係 所以，首先多謝各位今日到場 呢一日真係超級漫長嘅一日 我哋一大早就開始咗，然後我哋 —— 一位講者接着一位講者、接着又一位，

中間大概休息咗兩個半鐘， 大家又返嚟聽你 所以呃，我由凌晨一點就起身喇⋯⋯ 所以呢傢伙，呢傢伙 —— 佢正好係喺一趟為期兩星期嘅行程尾聲 —— 喺 —— 四、五個唔同城市之間 —— 亞洲 前幾日佢仲喺台灣 尋晚我仲喺休士頓

但佢已經喺外頭跑咗兩個星期，而我哋而家 —— 正企喺佢同佢自己嘅 — — 屋企嘅床（而唔係酒店床）之間 所以我哋要先嗨一下，然後就畀佢快啲返去休息 所以呃，你其實唔太需要 —— 多介紹咗，但都係多謝你嚟，兄弟 我哋真係好感激 亦都好感謝呢段合作關係，真係為你哋感到驕傲 噉我哋就由呢度開始啦

我哋一直都有合作，而你提出咗「 AI 工廠」呢個整個概念 我哋都一齊將佢落地 喺企業市場入面，進展大概冇你我期待嘅咁快 特別係喺企業端 不過我哋先從你定義嘅「 AI 工廠」到底係咩開始傾，好嗎？

好，首先要記住，我哋正喺 —— 做60年來第一次嘅全面重造 過去係「顯式」嘅 —— 程式設計：對唔啱？我哋自己寫程式

程式設計：對唔啱？我哋自己寫程式 變數透過 — — API 傳遞時都係非常明確、非常顯式嘅；然後走向 —— 「隱式程式設計」 你而家係話畀電腦知你嘅「意圖」係咩， 佢就會自己去諗，自己去推導 —— 點樣解決你嘅問題 所以，從顯式到隱式；從 ——

通用運算（本質上就係做計算） — — 到人工智慧；整個 —— 運算堆疊都被重新發明咗 而家大家講「運算」，會先諗到 —— 處理層（ processing layer ），即係我哋所在嘅地方 但唔好忘記，「運算」到底包含啲咩 有運算、有處理冇錯，但仲有 —— 儲存、網絡、以及安全 呢啲此刻都正正被重新打造

所以第一件事，第一步係 —— 我哋要將 AI 發展到某個水準 —— 等下會講到 —— 一定要高到「對人有用」嘅程度 而到目前為止，所謂嘅聊天 —— 機器人：你丟個提示，佢自己去諗 —— 要答你啲咩，呢個好有趣、好新奇， 但講真，仲未夠實用

偶爾倒係可以幫我解解填字遊戲 係 但亦只限於佢 —— 「背過」並「泛化」過嘅嘢 所以你回頭睇，一開始 —— 我嘅意思係 —— 其實真係都只係三年前， ChatGPT —— 出現嘅時候，我哋都想： 天啊，佢居然可以生成咁多文字 佢甚至可以寫出莎士比亞嘅味道，但係 ——

佢基本上仲係建立喺「記憶」同「泛化」上 可我哋知道，智慧嘅核心在於「解決問題」 而解題嘅一部分，係知道自己「唔知咩」 另一部分，係能夠推理 —— 點樣解決一個你從來冇見過嘅問題 將佢拆成幾個元素 ——

而呢啲元素你好容易就會解， 然後喺組合嘅過程中 —— 你就可以解出從未見過嘅新問題 然後，呃，仲要 —— 制定策略，即係我哋所講嘅「計劃」 —— 去完成任務；會求助， 會用工具、做研究等等

呢啲都係基本功，而如今 —— 用而家流行嘅講法 —— 叫做「代理式 AI （ agent AI ）」：你哋都聽過啦？

工具使用、研究、檢索， 檢索增強生成（ RAG ），即係基於事實嘅生成， 記憶 呢啲都係你哋喺度 —— 談代理式 AI 時開始常聽到嘅概念 但重點、真正嘅重點係：要 —— 從通用運算 — —

（即係顯式程式設計）演化過嚟，我哋以前寫 —— 福特蘭， C ， C + + 冇錯，嗰啲係好嘢，好嘢啊， Chuck 真係好嘢 係我嘅錯 嗰個係我嘅備用工作技能 嗰個好硬核 真係好硬核 對 嗰個係一種 —— 會一直 —— 好有價值嘅技能 係啊，我知 佢一直都好值錢 我收過好多邀約

恐龍永遠值錢 我哋 - 啱啱先確認：你仲老過我 而我呢⋯⋯ 我係史前生物⋯⋯ 睇落唔似，但事實係噉 好啦，呢段吐槽唔錯 我大概係呢間房入面年紀最大嘅

所以 —— 所以 —— Jens ，我哋嚟傾下計：你點睇呢個領域 我哋而家就喺呢度 我去搵 Chuck ，我話 — — 「嘿，聽我講，我哋要重造成個運算，而 Cisco 一定係其中嘅大角色。」

所以我哋有 —— 我哋 —— 有一整套全新嘅運算堆疊要推出嚟 —— Vera —— Rubin ，而 Cisco 會同我哋一齊將佢推向市場 嗰個係「運算層」，但同時仲有 —— 「網路層」，而 Cisco —— 會整合我哋嘅 AI 網絡 —— 技術，但放入 Cisco Nexus 嘅 ——

控制平面（ control plane ）入面，畀你從 —— 你嘅角度，攞到 AI 嘅全部效能 同時保有 Cisco 嘅可控性、安全性同可管理性 接着喺安全領域，我哋都會做同樣嘅嘢 所以呢啲支柱中嘅每一根 —— 都要重造，企業運算先可以真正食到紅利 但最終 —— 而且 —— 我哋等下希望會再返到呢點 ——

點解企業 — — AI 三年前仲未準備好？以及點解 — —

AI 三年前仲未準備好？以及點解 — — 你而家別無選擇，只可以盡快投入？

唔好落後 好嗎？

我覺得你唔一定要當第一個採用 AI 嘅公司， 但千祈唔好當最後一個 對 嗯哼 所以如果你今日係一間企業 —— 你會建議 — — 第一步、第二步、第三步應該點做，開始準備？

我成日被問到好似 ROI 呢種問題 但呃，我唔會、我唔會先由嗰度出發 原因係 — — 呃，任何新科技一開始導入時， 你好難將佢 — — 塞入試算表入面，算出 —— 呃 —— ROI 尤其係新工具、新技術嘅 ROI

但我會做嘅係：先搞清楚 —— 公司最核心嘅係咩？公司嘅本質係咩？最 -

公司最核心嘅係咩？公司嘅本質係咩？最 -

有影響力、最關鍵嘅工作到底係邊一塊？

唔好喺嗰邊亂搞 唔好先去碰嗰啲邊邊角角嘅嘢 就拎我哋公司嚟講 —— 我哋 —— 我哋就係「百花齊放」 我哋公司入面各種 AI 專案嘅數量 —— 多到失控，但呢個好正 注意喇，我啱啱講咗一句說話 「失控」，而且「好好」 創新本來就唔可能永遠喺控制之中

如果你非得要「掌控一切」，第一 —— 你得先去睇諮商；第二，嗰個其實係幻覺 你根本唔可能完全掌控 你要公司成功，就唔可以諗住「控制」佢 你可以做嘅係「影響」佢，而唔係「控制」佢⋯⋯ 所以我覺得第一點：太多人 —— 太多公司喺度，佢哋想要 —— 想要非常「明確」

要好具體 要睇得到、證明得到嘅 ROI 而你知道，一開始要 —— 證明一件值得做嘅事有幾大價值，本來就好難 但我會做、我會講嘅係 —— 先畀百花齊放，畀大家去試，並且「安全地」去試 我哋公司內部正喺度試緊各種嘢 我哋用 Anthropic 、用 Codex 、用 —— 你知啦 ——

我哋用 Gemini ，我哋乜都用 而當某個團隊話：「我 —— 」 「我想用呢個 AI 。」我第一句先答：可以。然後先問：點解？

「我想用呢個 AI 。」我第一句先答：可以。然後先問：點解？

唔係先問點解、再講可以 而係先講：可以。再問：點解？

而係先講：可以。再問：點解？

原因係因為我希望 —— 我對公司要嘅，同我對小朋友要嘅一樣 去探索人生 佢哋話想試下某樣嘢 我先講：可以。然後佢哋先話：點解？

我先講：可以。然後佢哋先話：點解？

你唔會答佢哋：「證明畀我睇。」

「證明畀我睇，你做呢件事 —— 」 「將來一定會帶嚟財務成功或者某種幸福。」

「將來一定會帶嚟財務成功或者某種幸福。」 「證明畀我睇。」

「證明畀我睇。」 「喺你證明之前，我唔會畀你做。」

「喺你證明之前，我唔會畀你做。」 我哋喺屋企從來唔會噉 但我哋喺職場上卻成日噉樣搞 你明我講緊乜咩？

我真係覺得呢個超唔合理 所以我哋對待 AI 嘅方式 —— 無論係 AI 、或者以前嘅網際網路 —— 或者係更早嘅雲端 —— 都先讓百花齊放 然後到咗某個時間點，你得用你自己嘅 —— 判斷力，決定幾時開始「修剪花園」 因為百花齊放會令 —— 花園好亂，但總有一日你要開始整理 ——

搵出最好嘅方法、最好嘅平台， 然後將所有資源集中到一支箭上 但你亦唔想太早就將資源全部押喺同一支箭上面 因為你可能會揀錯箭 所以先百花齊放，到咗某個點再開始篩選、修剪 所以我而家仲未開始修剪 —— 只係 —— 畀大家有個概念：我呢邊到處都喺百花齊放， 但我鼓勵每個人都去試 不過我非常清楚 — —

對我哋公司最重要嘅係咩 當然，當然清楚 我哋公司嘅本質係咩？

我哋公司最重要嘅工作係咩？

我就確保我投入大量專業 —— 大量能力，聚焦用 AI 去顛覆嗰塊核心工作 以我哋嚟講，就係晶片設計、軟件 —— 工程、系統工程；你可能都留意到 —— 我哋跟 —— 你知道 —— 我哋跟 —— Synopsys 、 Cadence 、西門子 —— 以及整個 EDA 生態 —— 合作，等我哋可以將自己嘅技術插入去 ——

佢哋要幾多、想點用，都可以注入我哋嘅技術 佢哋需要啲咩，我就提供啲咩 為咗令我可以徹底革新 —— 我哋用嚟設計產品嘅嗰啲工具本身 我哋到處都用 Synopsys 我哋到處都用 Cadence 我哋到處都用西門子 我哋到處都用緊嗰啲工具 我會確保佢哋攞到 — —

佢哋想要啲咩，我就畀到一千 % ，噉樣 —— 我先可以擁有打造下一代所必需嘅工具 所以呢個亦都可以令你睇到，我對於 —— 該將重心放喺邊度嘅態度， 咩對我最重要，以及我會點樣顛覆我自己嘅工作 諗下 AI 做緊咩

人工智能會將 — — 「智慧」嘅成本大幅降低，甚至令智慧變成「取之不盡嘅供應」， 而且係以好幾個數量級嘅幅度 換句話講，以前我哋做一件事需要 —— 你明嘅，一次只可以推進一點點 —— 以前要花一年，而家可能一日就搞掂 以前要花 — — 一年，而家可能一個鐘就完成

甚至可以做到即時完成 原因係：我哋已經進入咗 —— 一個「豐裕」嘅世界 摩爾定律？天啊 — —

摩爾定律？天啊 — — 嗰個真係太慢喇 慢到好似蝸牛噉 要記住，摩爾定律不過係每18個月翻倍一次 五年十倍，十年一百倍 —— 對唔啱？

噉而家呢？

十年一百萬倍 過去十年， AI 嘅進步快到 —— 工程師會話：嘿，你知唔知？

乾脆將 AI 模型拎去訓練 —— 用上 —— 全世界嘅資料？

佢哋唔係指：「我將我硬碟入面嘅 —— 」 資料收集一下啫 佢哋指嘅係：「將全世界嘅資料都拉落嚟，」 然後拎去訓練一個模型 呢個就叫做「豐裕」 「豐裕」嘅定義就係： 你睇住一個巨大到離譜嘅問題，然後話：「算啦，我全包咗。」

你睇住一個巨大到離譜嘅問題，然後話：「算啦，我全包咗。」 我要治好所有疾病 唔係淨係治癌症 呢個聽落好瘋狂 乾脆將人類所有嘅痛苦都解決晒 呢個就叫「豐裕」 所以當我而家諗緊工程問題嘅時候， 我會先假設 — — 我嘅技術、我嘅工具、

我嘅儀器、我嘅太空船 —— 速度係無限快嘅 去紐約要幾耐？

一秒就到 噉如果 — — 我真係一秒就可以去到紐約 —— 我會點樣做得唔同？

我會點樣做得唔同 —— 如果某件事以前要一年，而家就可以即時完成？

我會點樣做得唔同 —— 如果某個嘢以前好重，而 而家就好似反重力噉？

於是你用呢種心態去看待一切 當你用呢種心態睇世界，你就係套用緊 —— AI 嘅「思維直覺」 噉講你明唔明？

比方講，我哋合作嘅好多公司， 佢哋做緊圖譜分析（ graph analytics ）、依賴關係 —— 關係同依存，你知道嘅，嗰啲圖（ graph ） — — 邊（ edges ）同節點（ nodes ）多到爆，動輒就係數兆 以前你處理呢種圖， 只能切成小塊慢慢算 而家呢？直接將成張圖丟畀我

而家呢？直接將成張圖丟畀我 有幾大？

呢種 - 「全量處理」嘅直覺，正到處被套用 如果你冇用緊呢種直覺，你就做錯咗 速度重要嗎？根本唔重要

速度重要嗎？根本唔重要 因為你已經喺光速 如果係重量嘅問題？你係零重、零重力

如果係重量嘅問題？你係零重、零重力 如果你唔套用呢套邏輯，睇到某件事 —— 以前難到爆，你而家就話：「欸，無所謂啦。」

以前難到爆，你而家就話：「欸，無所謂啦。」 如果 - 你冇噉諗，你就冇做得啱 想像一下：你把呢套邏輯、呢種直覺 —— 套到你公司最難嘅問題上 噉先叫「真正推動指標」， 而且而家大家就係噉諗嘅 如果你唔係噉諗， 噉你只要想像一下：你嘅競爭對手正喺度噉諗

你唔好噉諗 —— 再想像一下，有一間新公司 —— 正要成立，佢哋一開始就用呢種方式思考 一切都會被改寫 所以我會建議你去搵： 你公司入面影響力最大嘅工作，將「無限」套上去 把「零」都套上去⋯⋯ 將「光速」套上去⋯⋯ 然後去問 Chuck ：點樣將佢變成真嘅

好 - 我哋嚟講下點樣實現佢 你常用一個比喻，好似係一個⋯⋯ 你就叫我⋯⋯ 我哋就對你嚟一套 我哋一齊嚟 你將佢比喻成「五層蛋糕」，因為大家都喺度講 —— 基礎設施 AI 應用到底係咩？

我嘅意思係，我到底應該點做？

同我哋傾下計 好，首先 —— 你知道 —— 成功嘅人有一個習慣： 佢哋會先推理清楚：「呢個到底係咩？」

佢哋會先推理清楚：「呢個到底係咩？」 你 - 知啦，呢度究竟發生咗咩事？

所以，大概15年前 —— 差唔多嗰陣時，有一個 —— 算法： 只靠兩位工程師 —— 就解決咗一個電腦視覺問題。電腦視覺其實就係 ——

就解決咗一個電腦視覺問題。電腦視覺其實就係 —— 智慧嘅第一步：感知（ perception ） 智慧包含三件事：感知、推理、規劃 感知 我喺邊度？發生咩事？

我喺邊度？發生咩事？

推理 我嘅脈絡係咩？

我點樣推理 — — 點樣將眼前嘅狀況 —— 同我嘅目標對照？

第三步：諗出一個計劃，將佢解決、將目標達成，對唔住？

例如：戰鬥機嘅問題 感知、定位（ localization ），然後行動 所以智慧就係呢三件事 冇感知，你唔可能有推理同規劃 你唔理解脈絡，就唔可能知道應該點做 而且「脈絡」高度多模態 有時係 PDF ，有時係試算表，有時係 ——

資料訊息；有時甚至只係 —— 你知道 —— 感官、氣味 我哋喺邊度？

我哋做緊咩？

觀眾係邊個？

讀懂現場氣氛，諸如此類，對唔住？

呢啲都屬於感知 所以大概13、14年前 —— 我哋喺電腦視覺上出現咗一次巨大飛躍， 而電腦視覺正正就係感知問題嘅第一層， 而且佢超級難 點樣解決電腦視覺？

然後 AlexNet 出現咗 —— 嗰個係我哋見到嘅第一個突破 —— 感覺就好似「第一次接觸」 你知啦，我好鍾意嗰套電影《第一次接觸》 噉就好似我哋第一次真正接觸 AI 我哋當時做嘅嘢係 —— 我哋問：好，噉呢個代表咩？

點解可能 — — 兩位工程師就可以超越 —— 我哋所有人都花咗 — — 大概30年研究緊嘅嗰啲演算法？

你知道，伊利亞斯 — — Sutskever —— 我尋日仲同佢傾過 —— 以及 Alex Krizhevsky ， 噉點可能？

只用幾張 GPU ？

就把問題解咗？

呢個代表咩？

於是我哋將佢徹底拆開嚟理解 十年前我就開始推理呢件事 最後我得出一個結論：其實，大多數 —— 世界上嗰啲真正困難，但又可能被解決嘅問題， 都可以用同樣嘅方法嚟解 原因係：世界上大多數困難問題 —— 亦係最有價值嘅問題 —— 並冇 —— 「有原理可依」嘅演算法 冇 F = ma 冇麥克斯韋方程組

冇薛丁格方程 冇歐姆定律 佢唔存在 亦都冇熱力學定律嗰種嘢 冇咁精準、冇咁公式化 多數有價值嘅嘢 — — 我哋稱為直覺、 —— 智慧 —— 仲有你知道 —— Chuck ，你我每日遇到嘅嗰啲問題，答案通常都係：「睇情況。」

Chuck ，你我每日遇到嘅嗰啲問題，答案通常都係：「睇情況。」 你明我講緊乜呀？

如果答案係3，噉就太棒喇 如果係3.14，噉就更完美喇 對唔啱？

嗰種問題最舒服 但人生入面大多數難題、亦最有價值嘅 —— 答案都係：睇情況 因為佢取決於脈絡 取決於情況、取決於狀況 脈絡 所以 - 大概12、13年前 —— 差唔多嗰個時候 —— 電腦視覺被解開咗 於是我哋推理：其實呢件事 —— 可以靠深度學習而擴展，

模型可以越做越大， 只剩下一個關鍵問題：我哋要點樣訓練佢？

而最大嘅突破，係自我監督學習（ self-supervised ） —— 或非監督學習（ unsupervised learning ）： AI —— 自己去學 注意，今日我哋早就唔受 —— 資料標註（ labeling ）嘅限制喇 差好遠喇 所以嗰個突破，直接將 —— 閘門打開，等我哋可以將模型從 ——

幾百個參數、到幾億個參數 —— 一路擴到幾十億、甚至幾兆 我哋可以「編碼」入去嘅知識量 —— 以及能夠用演算法學到嘅技能數量 —— 就咁大爆發咗 但基本方法其實一樣 我哋推理：事實上，我哋將會重新發明 —— 即係我哋今日對話嘅起點 —— 我哋會將成個運算（ computing ）重新發明一次

從「顯式程式設計」，走向 —— 一種全新嘅計算方式：喺嗰度 —— 模型，即係軟件，係「學出嚟」嘅 噉會發生咩事？

呢個意味住啲咩？

如果你再往後退一步諗：好，咁對整個運算堆疊（ computing stack ）意味住咩？

呢個意味住啲咩？呢個意味住 — — 你點樣開發軟件？

你公司入面嘅工程組織會變成點？

產品行銷團隊會點樣 —— 佢哋負責定義產品規格 嗰個負責工程實作嘅團隊呢 —— 佢哋將產品「寫成程式」 QA 團隊會點樣？

佢哋負責驗證產品 未來呢啲「產品」究竟會變成點？

我哋要點樣部署（ deploy ）佢？

點樣令佢保持最新？

如果佢係用機器學習「學出嚟」嘅呢？

你點樣令佢永遠持續更新、持續「保鮮」？

你點樣打補丁（ patch ）？

諸如此類呢？

我對未來運算問出嘅「點算」 —— 恐怕有上千個問題 最後我得到嘅結論係 —— 我哋 —— 公司都得到同樣嘅結論：呢個會改變一切 所以我哋基於呢個核心信念，令整個公司轉向 簡單講 — — Chuck 嘅意思係：我哋 ——

過去處於一個「一切都係預錄（預先寫死）」嘅世界 Chuck 做嘅嗰套軟件⋯⋯ 佢做嘅嘢真係好厲害 係咪⋯⋯？

它⋯⋯ 順帶一提，佢跑咗非常非常耐 而且佢仲⋯⋯ 確實，佢甚至仲用希伯來文嚟描述 呢個係真嘅 嗰個又係另一項技能喇 我係話， COBOL⋯⋯ 就算喺滿屋識希伯來文嘅人面前 —— 都係 COBOL 總之啦⋯⋯總之⋯⋯ 總之總之 —— 嗰個係「預錄/預先寫死」嘅 我哋做工程：先把演算法寫出嚟，

將思路寫出嚟，再將配套資料塞入去 一切都係預先寫死嘅 點解會係預先寫死嘅⋯⋯ 因為以前軟件係用 CD-ROM 發行嘅嘛 —— 做好一次、刻入去 對唔啱？

所以佢就係預錄嘅 好 咁而家嘅軟件係咩？

因為佢係「依脈絡而生」嘅？

每一個脈絡⋯⋯ 都唔一樣；而且每一次用嘅人 —— 都唔一樣， 每一個提示詞（ prompt ）都唔一樣 仲有你餵畀佢嘅嗰啲前置資訊⋯⋯ 你畀佢嘅先驗（ priors ）、你畀佢嘅上下文（ context ）都唔一樣 所以每一個「實例」 —— 每一次跑起嚟嘅軟件，都唔一樣 呢個亦都係點解 —— 過去嗰種 ——

過去喺「預先寫死/預錄」時代所需嘅計算 —— 本質上叫做「檢索式」（ retrieval-based ） 你自己諗諗就知 你用手機嘅時候，手指一點 —— 佢就會⋯⋯ 跑去將某段程式、某啲檔案、某啲圖片「抓返嚟」， 再將佢送到你面前 但係喺未來 — — 所有嘢都會變成「生成式」 就好似我哋呢一刻發生緊嘅一樣 呢段對話以前從來冇發生過

概念本來就存在， 先驗（ priors ）亦早就存在，但 —— 每一個 —— 喺呢個順序入面出現嘅每一個字，都從來冇發生過 原因好明顯 —— 我哋已經飲到第四杯喇 好。好正

好。好正 老實講，「希伯來文嘅 COBOL 」呢句說話我以前真係冇講過 二氧化碳 — — 可以 —— COBOL 可以。希伯來文？唔得

謝⋯⋯ 天啊，好彩呢度唔喺校園入面 亦都冇喺直播 對對對 好啦 —— 你聽唔明我講緊乜呀？

所以 —— 順便問一句 —— 你自己都明你啱啱講緊乜咩？

個…… Chuck 今日到目前為止餵畀我嘅，只有四杯紅酒 然後…… 公平講，我只餵你⋯⋯ 其中一杯而已 另外三杯係你自己喺自助餐檯攞嘅 我嗰陣時⋯⋯ 我一直盯住食物睇⋯⋯ 我心入面諗：「我快餓死喇。」

我心入面諗：「我快餓死喇。」 我就一直盯住食物⋯⋯ 嗰種感覺⋯⋯好似過咗好耐 —— 食物離我大概40呎遠 因為你一直喺度影相啊 但我心裡面諗：明明咁近 —— 真係好近 我有一次真係成個人向食物嗰邊傾過去 結果又被推返嚟 你知唔知？

你知唔知發生咩事？

你哋團隊其實事先就同我哋講 —— 「佢飲三杯紅酒 —— 狀態最啱 如果飲到第四杯⋯⋯ 噉就會變得超精彩。 」

噉就會變得超精彩。 」 而家呢個就有啲「非最佳」⋯⋯ 總之總之總之 —— 聽我講、聽我講、聽我講 所以， AI 到底係咩？

我哋得留啲「智慧」畀大家 可唔可以再嚟一杯酒，拜託？

呢個可唔係⋯⋯ 呢個唔止係咩 Dave Chappelle 式段子啫 好嗎 好，你得留低啲咩 我哋再傾一件事 嚟傾下計 能源 對，就呢個 能源聽落唔錯 能源 — — 晶片 基礎設施 —— 硬體同軟體都算 再嚟係 AI 模型 —— 但最重要嘅部分⋯⋯ 其實係「應用」 每一個國家、

每一家公司 —— 底下嗰一層全部都係⋯⋯ 嗰啲基礎建設啫；你真正要做嘅係 —— 將技術用起嚟 拜託，真係 —— 將技術用起嚟 一間公司只要識用 AI —— 就唔會陷入危險 重點係 —— 你唔會畀 AI 搶走 —— 你唔會因為 AI 而失業 你會輸畀「會用 AI 嘅嗰個人」 所以快啲動手

呢個先係最重要嘅事 而且盡快打畀 Chuck 你打畀我，我去打畀佢 明喇 所以 —— 我哋時間唔多，我都唔肯定⋯⋯ 我哋真係有「全世界嘅時間」咩？

仲有幾耐？

唔係，聽我講、聽我講 Chuck 、 Chuck —— 佢係嗰種⋯⋯ 按住時鐘節奏做緊嘢嘅人 我連手錶都唔戴 你睇下啦 你睇吓， Chuck 我就喺呢度盯住你 對對對 我哋可以「按表操課」將人打造出嚟 喔對啊 我唔會走 — — 除非交付出真正嘅價值 你睇 —— 就算整一晚，我都唔⋯⋯ 而且聽住，我要「折磨」你哋所有人直到⋯⋯ Jensen ，呢個就係好似我呢種人需要手錶嘅原因

好啦，你可唔可以 —— 你可唔可以⋯⋯ 除非你可以話你學到啲咩，如果唔係你就會被困喺呢度 冇錯 我哋要折磨大家，直到交付出價值為止 我確認咗喇 仲有酒 呃⋯⋯ 你可唔可以直接畀我哋 — — 你對「物理 AI 」最直覺嘅想法？

先記住 — — 咩叫「軟件」？

軟件就係一種工具 而家有一種講法 —— 講軟件產業入面嘅「工具」 —— 正喺下坡，而且會被 AI 取代 你睇得出嚟，因為有一大堆 —— 軟件公司嘅股價正承受好大壓力 好似大家覺得 AI 會將佢哋都替代晒 但呢個係世界上最唔合邏輯嘅事，

時間會證明一切 我哋嚟做一個終極思想實驗 假設我哋就係終極 AI 即係「人工通用機器人」 終極 AI —— 我哋嘅「物理版」 噉你當然可以 — — 解決任何問題，因為你係類人形態， 你可以動手做嘢

如果你係人或者機器人，你會 —— 用螺絲起子，定係自己再發明一把螺絲起子？

我當然直接用現成嘅 你會用鐵錘，定係再發明一把鐵錘？

你會用電鋸，定係再發明一把電鋸？

總之唔好 — — 首先，理想情況下根本唔好用嗰樣嘢 但你明唔明我嘅意思？

如果你係人或者機器人 —— 人工通用機器人 —— 你會選擇 —— 使用工具，定係重新發明工具？

答案顯然係：直接用工具 好，噉將佢搬到「數碼世界」嚟諗 如果你係人工 — — 通用智慧，你會唔會用好似 ServiceNow 呢種工具， 仲有 SAP 、 Cadence 、 Synopsys —— 定係 —— 你要自己再重造一部電腦？

當然係直接用電腦 呢個亦都係點解 — — AI 最近最大嘅突破係咩？

「工具使用」（ tool use ） 因為工具 — — 本來就係被設計成「明確可用」嘅 我哋世界入面好多問題都係有明確公式嘅： F = ma 拜託 —— 唔好再畀我整個「新版本」出嚟 唔好咩「 F = a 」仲「差唔多係 ma 」 佢就係 ma 你哋明唔明⋯⋯ 歐姆定律： V = IR 唔係咩「差唔多係 IR 」

亦唔係「大概係 IR 」 更唔係咩「統計上⋯⋯RR ？」（亂講一通）

更唔係咩「統計上⋯⋯RR ？」（亂講一通） 佢就係 IR 好 —— 你明我講緊乜咩？

所以我認為，我哋希望 —— 人工通用機器人、人工通用智慧 —— 去「使用工具」 好，呢個就係核心概念 我認為喺 — — 下一代嘅物理 AI ，我哋會有能夠理解 —— 物理世界、理解因果關係嘅 AI ：我將呢個推倒 —— 就會連鎖將嗰一排都推倒；佢哋要識「骨牌」呢個概念

光係「骨牌」呢個概念 —— 你注意 —— 小朋友就明：你推倒第一張 —— 然後連鎖反應 —— 「骨牌」呢個概念其實極其 —— 深刻、好有內涵 因果關係 — — 接觸、重力、質量 —— 全部都被「濃縮」喺骨牌倒下呢件事入面

「一張小骨牌」可以推倒 —— 更大嘅骨牌、再推倒更大嘅、再推倒更大嘅 —— 一路大到最後，另一邊可能重達一噸 —— 小朋友對呢個概念毫無障礙 但大型語言模型可能完全冇概念 所以我哋要教佢 我哋得打造一種全新嘅物理 AI 嗰個機會喺邊度？

到目前為止，我同 Chuck 所在嘅產業 —— 一直都喺度「做工具」 我哋就好似做緊螺絲起子咁 —— 跟鐵錘嘅生意 我哋一世 — — 都喺度打造螺絲起子同鐵錘 人類史上第一次，我哋 —— 要創造人哋所謂嘅「勞動力」 —— 但係佢係「增強嘅勞動力」 我舉個例子

自動駕駛車係咩？

佢就係一個數碼司機 一個數碼司機值幾多？

好值錢 比車本身值錢多咗 原因係：喺數碼司機嘅 —— 整個生命週期入面，佢帶嚟嘅經濟價值 —— 會遠遠超過嗰架車本身 因此，人類史上第一次，我哋 —— 會面對一個 —— 一個大100倍嘅 TAM （總可服務市場）， 字面上、數學上都成立

IT 產業大概係一兆美元，對唔住？

大概啦，上下差啲 但全世界嘅經濟規模大概係 —— 一百兆美元 人類史上第一次，我哋會接觸到佢哋全部 所以事實上 —— 你哋各位 —— 今日喺呢個房間入面嘅每一個人 你哋都有機會把 —— 呢項技術用起嚟，令自己成為一間科技公司 我畀幾個例子你哋

我真係相信 — — 你睇，我好鍾意迪士尼，亦好鍾意同迪士尼合作 —— 但我好確定，佢哋其實更想當 Netflix 我 - 我愛 Mercedes （賓士） 我今日就係坐賓士嚟嘅 但我敢肯定，佢哋更想當 Tesla （特斯拉） 我都好鍾意沃爾瑪

但我好肯定，佢哋更想當 Amazon 你哋同意嗎？

我係唔係三個例子都講中咗？

你哋每一家其實都一樣 我 - 相信我哋有機會幫手將每一 —— 將每一家公司都轉型成科技公司 科技優先，科技優先 科技係你嘅超能力 —— 而你嘅領域（ domain ）只係你嘅應用場景；相對於 ——

反過來嗰種：將領域當成「你係邊個」 然後再回頭去搵技術嚟補 而之所以噉樣 —— 原因 —— 係因為科技優先嘅公司 —— 你處理嘅係電子，唔係原子 電子可以無限複製、到處都係 但原子呢，你 —— 會被物質、被重量限制

所以先會 — — 一旦從 CD-ROM 變成「電子化交付」 —— 公司價值就可以暴增一千倍 你哋要好似我哋一樣 做一間「電子公司」 —— 即係一種講法：一家科技公司 所以我認為 — —

你哋嘅機會就喺眼前 換個角度諗： AI —— 我哋啱啱都講過，連 —— Chuck 呢種只會 —— 用希伯來文寫程式嘅人 —— 呢個都係一種天賦 佢嘅「首選工具」

而且仲係由右寫到左 因為你知道，如果唔係睇落就會糊成一團 其實仲幾聰明嘅 聰明人做聰明事 所以、所以 — — 最靚嘅地方係：你都知 —— 呢個世界、你哋所有公司，如今嘅「程式語言」 ——

你哋可能會覺得：天啊，軟件唔係我哋嘅強項 可是知識 — — 直覺、領域專業，先係你哋嘅強項 而你哋而家第一次可以做嘅，係把 —— 你真正想要啲咩，用你自己嘅語言，清清楚楚話畀電腦知 仲記唔記得我哋一開始講嘅？從「顯式編程」 — —

仲記唔記得我哋一開始講嘅？從「顯式編程」 — — 走向「隱式編程」？

人類史上第一次 — — 你可以用「隱式方式」去編程 你只要話畀佢知你要啲咩 話畀佢知你嘅真正意圖 電腦就會幫你將程式碼寫出嚟 因為講穿咗，寫程式其實就係打字 而打字呢件事，本身就係「可被商品化」嘅⋯⋯ 呢個就係你哋最大嘅機會

你哋所有人都可以 — — 「浮」到原子世界嘅限制之上 —— 以前將你哋卡住嘅嗰啲限制，你哋都可以 —— 逃離嗰個限制：即係「我哋冇足夠嘅軟件 —— 」 工程師。因為打字既然係商品化嘅 —— 而且 ——

工程師。因為打字既然係商品化嘅 —— 而且 —— 你哋每個人都握有一個好有價值嘅嘢 —— 嗰個就係領域專業：懂客戶、懂問題 噉先係終極價值 終極價值就係 — — 理解「意圖」 你都知，當 — — 你從大學畢業 — —

你可能係超級程式高手，但你根本唔知客戶要啲咩 都唔知應該解決咩問題 但呢個正正就係你哋最明白嘅 你哋知唔知客戶想要啲咩 你哋知唔知應該解決啲咩問題 寫程式嗰部分反而容易 叫 AI 去做就好 所以嗰個就係你哋嘅超能力 所以我同 Chuck 今日喺呢度 —— 就係要畀你哋做得到

而且 — — 啱啱嗰段收尾 — — 係喺我飲咗五杯酒嘅狀態下講完嘅 所以…… 欸，聽我講，呢個真係算奇蹟 有人拎住平板就可以做嘢？

呢個先係真正嘅人工智慧示範 可能 — — 嗰個係增強⋯⋯增強智慧（ enhanced intelligence ） 我只想講，能夠同各位一齊合作非常愉快 思科，你哋都知 — — 擁有非常 — — 非常深厚嘅專業，而且 —— 係計算發明史上兩個非常重要支柱嘅 —— 關鍵力量

冇 Cisco ，就冇現代運算 其中一個係核心網絡（ core networking ），另一個係資安（ security ） 而呢兩根支柱，喺 AI 嘅世界入面都正正被重新發明 而我哋最熟嘅嗰一塊 —— 即係 —— 運算本身，喺好多層面已經成為咗商品化能力 但 Cisco 所明白嘅嗰啲 —— 價值非常深 所以我哋兩邊加埋，會 —— 你知啦 —— 我哋會 ——

好樂意幫各位進入 AI 嘅世界 而且啱啱有人問我 —— 我就話 —— 我覺得呢個值得再講一次 有人問：你哋應該 — — 只租雲端就好，仲係 —— 你哋應該花力氣自己 —— 呃 —— 建自己嘅電腦/算力？

我會噉樣答你哋： 我會建議你哋做同我建議我個仔一模一樣嘅嘢 自己做一部電腦 就算 - PC 到處都係，就算佢已經好成熟 —— 就算技術好發達 —— 拜託，都係自己做一台 點解？因為所有零件都現成

點解？因為所有零件都現成 如果你喺 — — 汽車產業、交通產業 —— 唔好淨係叫 Uber 拜託你至少將引擎蓋掀起嚟，換 —— 機油，搞懂每個零件 拜託，理解佢點運作 呢個太重要喇

呢項技術對未來至關重要 你一定要有一點「動手摸得到」嘅 —— 實作理解（觸覺理解） 掀引擎蓋、換機油、自己做 —— 做啲嘢，唔使好大 做一個出嚟 你可能會發現：你其實超級擅長 你都可能會發現 — — 你需要呢個技能

你仲可能會發現 — — 世界唔係「全租」或「全買」二選一， 你應該一部分租、一部分自建，因為你公司嘅某啲部分 —— 就應該建喺本地（ on-prem ） 例如：主權（ sovereignty ）同專有 —— 資訊，你會唔安心 你唔會將你嘅問題分享畀所有人 你知唔知點解

我從來都冇 —— 我 —— 呢個只係個概念性嘅例子 你 - 你知唔知你去睇心理諮商師嘅時候 —— 你唔會希望嗰啲問題被放到網上 對唔啱？

你明我意思嗎，好嗎？

我只係攞呢個嚟想像一下 好嗎？

所以假設而言，我 —— 認為你有好多問題、好多對話 —— 好多交流、好多 — — 唔確定性，都必須保密 公司都係一樣 我唔放心 我唔安心將所有呢啲個別 —— 對話放到雲端，所以我哋先要喺本地建立

我哋喺本地建咗一套超級 AI —— 系統，因為我就係唔 —— 放心將嗰啲對話分享出去，因為 —— 對話講到底 —— 最 —— 有價值嘅 IP 唔係我嘅答案，而係我嘅問題 你哋跟得上嗎？

我嘅問題，對我嚟講係最有價值嘅 IP 我真正思考嘅係：我要問啲咩 答案反而係商品化嘅 只要我知道應該問啲咩 我就喺度辨識咩最重要 而我唔想畀人知我認為咩重要 所以 -

我希望嗰個只係發生喺一個細房入面 我希望嗰個係喺本地（ on-prem ） 我希望只有我自己知道 我想打造我自己嘅 AI ；最後再講一點 既然 — — 已經11點喇 最後一點 有個諗法係： AI —— 永遠都應該「人類喺迴圈入面」（ human in the loop ） 但呢個完全顛倒咗，正好相反

應該係：每間公司都要「 AI 喺迴圈入面」（ AI in the loop ） 原因係：我哋希望我哋嘅 —— 公司每日都變得更好、更 —— 有價值、更有知識 我哋唔想退步，亦唔想原地踏步 我哋唔想每次都由零開始；所以如果 —— AI 喺迴圈入面，佢就可以捕捉我哋嘅經驗累積

未來每一位員工 — — 都會有 AI ，而且係好多個 AI —— 喺迴圈入面；而嗰啲 AI 會變成 —— 公司嘅智慧財產 嗰個就係未來嘅公司 因此 —— 我 —— 覺得各位最理性嘅做法係 —— 即刻打畀 Chuck

呢個就叫做「 Jensen 」 總之，以上就係我嘅收尾 各位聽我講 —— Jensen 喺外面奔波兩個星期喇，仲特登飛嚟呢度 喺佢好唔容易 — — 能隔好耐第一次瞓到自己床之前，將最後一晚留畀咗我哋 我哋真係感激不盡 多謝你嚟到呢度 非常感謝你，我⋯⋯

唔該，兄弟 然後、然後⋯⋯ 我用餘光見到旁邊有一堆串燒 希望仲喺度 我哋答應嘅嗰包 Fritos 呢？

好啦，走啦 多謝大家。