2
0编程正在变成商品。
最近的思科 AI 峰会上，他把这件事讲得更系统。他的观点不仅对投资AI、公司经营管理、企业AI 转型有帮助，也会直接影响我们每个人的工作方式和未来选择（比如下一代的教育培养）。
为了把这场对话里那些高密度的观点讲清楚，我沿着他的逻辑线，把它拆成几个能落到日常工作、投资判断、职业选择里的“内核洞察”，，分享给大家。
文章最后，我会结合黄仁勋和微软 CEO 纳德拉的观点，回答开头那个价值千亿的问题：软件公司会不会完蛋？
1）60 年来计算机领域最根本的变革
黄仁勋说，我们正在经历一场 60 年来计算机领域最根本的变革。之所以称得上“最根本”，不是因为算力更大、芯片更快，而是因为我们跟计算机打交道的方式整个变了。
过去 60 年，我们是怎么使用计算机的？本质上是这样一件事：人类要先去学它的语言。你得学 COBOL（他们显然是拿这种上古语言来开玩笑）、学 C++、学 Python，然后一行一行告诉它“第一步做什么、第二步做什么”，像在对一个没有常识、但执行力超强的机器人下命令，而且命令必须绝对精确，错一个符号都可能崩盘。
这套模式就是所谓的“显式编程”：把过程写成规则，把意图拆成步骤，计算机只负责机械执行。
问题在于，显式编程是一种对人类很不友好的交互方式，不是因为它不好，而是因为它要求人类迁就机器：你得按机器能理解的方式表达世界。也正因为如此，软件开发长期被视为高门槛技能——你不仅要理解业务，还要把业务翻译成可执行的形式化语言。
黄仁勋一针见血地指出：我们正在进入“隐式编程”的时代：你不再需要告诉计算机怎么做，你只需要告诉它你想要什么。换句话说，意图本身变成了新的编程语言。
他举了一个简单到近乎幼稚的例子：你说“我想要一张小狗在月球上开车的图片”，系统就能给你生成。你并没有教它什么是小狗、什么是月球，更没有教它怎么画、怎么构图、怎么上色，它却能理解并完成任务。这个变化看起来轻描淡写，但背后的含义非常大：当“意图”可以直接驱动产出时，很多传统意义上的“技术门槛”会被重新定义。
这也是我周末那次“盲人编程”体验最震撼的地方：我没有学会编程，但我完成了部署；我看不懂代码，但我把功能跑通了。你一旦意识到这件事，很多行业估值逻辑都会开始松动，因为软件行业过去几十年最坚固的护城河之一，就是“生产软件的人很稀缺”。
2）从聊天机器人到智能体代理
黄仁勋强调另一个关键点：AI 本身也在进化，我们现在熟悉的“聊天机器人”形态，很可能很快就不够用了。他用的词是 AI Agent（智能体）。这不是换个名字的营销包装，而是能力结构的升级。
如果用一个贴近工作场景的比喻，我们现在用的AI，多数时候像一个“知识很渊博的实习生”：人们问问题，它基于知识库给你答案，信息量很大，但它通常停留在“给信息”的阶段。最后可以得到了一堆资料、一堆建议、一堆链接，接下来真正要把事情办成，还是得自己动手。
而 AI Agent 更像一个能独当一面的项目经理。区别不在于它知道得更多，而在于它的工作方式变了：它会把目标拆成任务，会反问关键约束，会规划路径，会调用外部工具，并且把执行闭环做出来。
当我们对传统聊天机器人说“帮我规划一次东京旅行”，它大概率会给一堆攻略；但如果对 AI Agent 说同样的话，它会先问预算、偏好、出行结构，然后自己查实时机票和酒店价格，比较多个方案，甚至直接完成预订，最后把行程同步到你的日历里。到了这一步你会意识到：它不是在搜索，它是在执行，而且是在执行一个复杂任务。
黄仁勋把这种能力概括得很到位：智能体会推理、会规划、会使用外部工具，而且还知道自己不知道什么，并主动做研究补齐信息。对商业世界而言，这意味着未来你雇用的可能不只是人类员工，还有 AI 员工，而且这种员工会以极快速度学习和进化。
3）企业投AI不应该先算ROI
当 AI Agent 这种“超级强大的新员工”出现之后，管理者的第一反应往往是：我投多少钱？回报率是多少？ROI 能不能算清楚？
黄仁勋的建议反直觉：别在一开始就算计 ROI。他的理由很现实：面对这种颠覆性技术，你根本不可能用一张 Excel 表格预测它未来能带来什么。你今天能算出来的东西，通常只覆盖你已经理解的那部分可能性，而真正改变行业的机会，往往来自你尚未想到的用法。
因此他主张“百花齐放”，鼓励公司内部进行各种小规模但大胆的实验。他用的比喻很妙：对待员工提出的新想法，要像对待自己的孩子一样。
孩子说“我想学画画”，大多数父母会先说“好啊”，然后再问“为什么想学”。而在公司里流程常常反过来：先问“为什么要做、有什么用、能带来什么结果”，问完再决定给不给资源。
黄仁勋认为该把心态反过来：先说 yes，再问 why。不是鸡汤，而是一种适应不确定性的管理策略：技术范式剧烈变化的时候，你最怕的不是浪费一点试错成本，而是因为过早的审查机制，把通向未来的新路径扼杀在起点。
4）思维方式的转变：富足心态
黄仁勋把前面的建议归到一个更深层的思维模式上，叫 Abundance Mindset（富足心态）。很多人第一次听会误解成“不差钱、随便花”，但它不是财务意义上的富足，而是对计算资源趋势的判断。
他提出一个非常夸张但极具解释力的对比：在过去十年里，AI 的算力进步速度比摩尔定律快了“百万倍级”。
摩尔定律已经非常了不起了，大约每 18 个月性能翻倍；而“百万倍级”的进步意味着我们对“计算稀缺”的直觉会在很短时间内彻底失效。
一旦我们接受这个前提，就会发现很多组织的优秀习惯，正在变成包袱。过去因为算力昂贵、稀缺，我们养成了节约型思维：少跑实验、少做模拟、压缩搜索空间；但在富足时代，这些思维反而会变成最大的障碍。你需要假设速度几乎无限、边际成本趋近于零，用这种心态重新思考问题，才能发现全新的商业模式。
他举医药研发的例子非常直观：过去只能从上亿种分子结构里挑几种最可能成功的去模拟，像在草堆里凭经验找针；但在富足心态下，你的指令会变成“把整个草堆都给我分析一遍”，甚至让 AI 去创造人类以前没想过的全新分子结构。此时你追求的不再是效率提升，而是从“捞针”变成“造针”。
更关键的是，当你还在为节省一点算力成本而沾沾自喜时，竞争对手可能已经在用富足心态重构产品、重构流程、重构增长曲线，你输掉的不是成本，而是战略。
5）原子公司 vs 电子公司
当“计算方式变了”“组织要大胆实验”“算力进入富足时代”这三条线汇合在一起，黄仁勋给出一个极具冲击力的判断：所有公司都面临一场生存之战，一场原子公司与电子公司之间的战争。
原子公司把价值建立在物理世界里：实体乐园、发动机、门店网络，这些扩张受物理定律限制，成本高、速度慢；电子公司以数据、软件和网络为内核，复制与分发成本几乎为零，可以瞬间扩展到全球。这些案例生活中比比皆是：Disney 对 Netflix，梅赛德斯对特斯拉，沃尔玛对亚马逊。
这也就把一个问题摆到所有传统企业面前：企业要怎么变成一家电子公司？如果一家制造企业，比如家具厂，难道不生产桌子椅子了吗？当然不可能。
黄仁勋的答案是：关键在于将你的内核业务数字化，让电子成为推动原子的大脑。家具厂仍然做实体，但客户可以用自然语言描述需求，AI 立刻生成 3D 设计图与报价；它还可以通过数据预测流行款式，优化库存与生产。
实体业务没变，但驱动业务的智能内核从人的经验变成了可无限扩展的电子大脑。
6）AI时代最值钱的资产
如果说前面讲的是组织与商业模式，黄仁勋最后抛出的观点更直接刺向每个人：未来你所在领域的专业知识，也就是 Domain Expertise（领域专长），才是最宝贵的资产，而不是编程能力。
他甚至直言，编程正在变成一种商品，就像今天的打字一样。这句话听起来像在“贬低程序员”，但他的逻辑其实是：当 AI 能理解意图，“怎么写代码”这一环节会越来越多被自动化。
然而，AI 替代不了的，是你对行业的深刻理解、对场景的判断、对审美与标准的把握、对客户心理的洞察。
换句话说，未来更值钱的不是“会不会写代码”，而是能不能提出对的需求、对的约束、对的目标，并且能不能判断结果好不好（其实这些在当下不也是）。
7）企业最宝贵的IP
如果说“领域知识是核心资产”，那么下一步就会遇到一个很具体的问题：企业该怎么让 AI 学到这些知识？是不是把商业机密、客户数据全都上传到云服务商，让他们帮忙训练模型就好了？
黄仁勋说，不行，等一等。他给了一个听起来很笨、但极其关键的建议：一定要亲自动手，打开引擎盖，换换机油（Lift the hood, change the oil）。哪怕规模再小，也要自己建一个计算系统。因为这关系到如何保护你公司最核心的知识产权。
然后他抛出一个很狠的判断：一家公司最宝贵的 IP，不是已经找到的答案，而是正在思考的问题，问题才是 IP。
在战略会上讨论的“如何进入东南亚”“对手突破点在哪里”“定价怎么打击对手”，这些问题本身就暴露了公司的战略意图，管理层的焦虑和野心。就像一个人和心理医生的对话，哪怕没有结论，对话内容本身就是秘密，当然不希望泄露出去。
这其实也解决了长期以来企业究竟该选择公有云还是私有云的问题。黄仁勋推崇混合云模式：标准化应用可以在公有云上，但涉及核心战略思考、需要用最珍贵领域知识训练 AI 的部分，必须放在企业自己可控的系统里。
到这里，云还是自建就不只是成本问题，而是安全与生死存亡的问题。
8）企业AI 的终极价值是“机构记忆”
顺着这条逻辑线走到最后，黄仁勋把“人在回路中”这个概念彻底翻转了。过去我们说 Human in the loop，是AI做事，人站在旁边纠错；他认为未来应该是 AI in the loop，像水和电一样融入每一个流程。
当AI进入流程，它会持续向每位员工学习，学习顶尖销售怎么沟通，学习资深工程师如何判断故障，学习 CEO 如何做决策，然后捕捉每一次洞察、每一次经验、每一次成功的判断与失败的教训，最终变成公司活的、持续增长的知识库。
一个员工离职，带走的只是个人记忆，但他的经验有一部分已经被公司的 AI 吸收并传承下去，于是组织智能不会因人员流动而流失，反而会像滚雪球一样累积与增强。
这就是他眼中 AI 对组织的终极价值：不是某个部门效率提升，而是企业的“机构记忆”被重构了。
10）那么，软件公司会不会完蛋？
软件会不会被AI吞噬，黄仁勋提出一个非常重要的方向：工具使用。
一个强大的通用人工智能，也就是我们想象中的 AGI，不会去重新发明那些成熟的优秀工具，而是直接使用它们。超级机器人要拧螺丝，不会重新造一把螺丝刀，而是从工具箱里拿出来用；这也解释了为什么机器人往往要做人形，因为人形更能适配人类为自己设计的工具体系。
同理，一个数字世界的 AGI 需要做客户管理，它可以直接调 Salesforce 的 API，不需要重新发明 CRM；它需要做企业资源规划，可以直接调用 SAP，而不是从零造一个 ERP。AI 的作用更像是整合和调度，而不是重新发明轮子，这也解释了为什么“工具使用”会成为当前 AI 领域的热门突破方向。
也正因为如此，开头那个问题的答案可能没有那么简单粗暴：很多软件公司未必会消失，它们更可能会被 AI 整合、被 AI 调用，甚至在某种新分工里获得新的增长曲线；但与此同时，也一定会有一部分软件的生存空间被挤压，甚至被彻底取代，因为它们本质上只是“重复劳动的界面层”，而不是不可替代的能力资产。
11）IT的黄金时代
黄仁勋还有一个惊人的观察：我们所处的 IT 行业大概是一万亿规模，历史上 IT 行业更多是在为其他行业“卖水、卖铁锹”；而 AI 让 IT 第一次有机会直接进入全球经济的主体，到一百万亿的巨大市场里挖金矿。
他举了一个“数字司机”的例子：一辆车的硬件价值可能就几万美元，但一个能提供终身服务、不断学习进化的数字司机，它的终身价值可能远远超过车本身。
如果把这个例子放大到企业，就会明白他为什么强调“AI in the loop”，因为一旦 AI 变成组织的机构记忆，很多价值就不再来自单次售卖，而来自持续服务、持续学习、持续进化带来的长期现金流。
