[讀者回函] Nvidea CEO 黃仁勳訪談揭示的 AI 素養鴻溝:你的職業競爭力，未來值多少算力？
The Exponential Age Is Here. Is Your Career Measured in Dollars or Watts?
我最近反覆琢磨黃仁勳的這場訪談，越想越覺得，他和華爾街那群分析師，根本活在兩個不同的宇宙。
華爾街看到的是一家營收驚人的公司，然後用他們熟悉的線性模型，算出一個「必然會趨緩」的未來。這很合理，也很...無趣。
但黃仁勳看到的，是一個由「加速計算」引爆的物理定律突變，一個「智慧」本身可以被工業化量產的時代。在他眼裡，未來不是線性的，而是呈指數級、近乎暴力的向上噴發。
你可能會想，這不就是樂觀與保守的區別嗎？
我認為不是。這根本不是觀點的差異，而是「AI 素養」的鴻溝。
這場訪談，與其說是對 Nvidia 的分析，不如說是一份殘酷的篩選器，它在問我們每一個人：你的思維，還停留在那個可預測的線性世界嗎？還是你已經準備好，迎接這個由 AI 驅動的、充滿不確定性卻又蘊含無限機遇的指數世界？
這不是一個選擇題，這是一個生存問題。
規則一：世界變了，物理定律也變了
要理解這個指數世界，首先得學會它的「物理定律」。這就是 AI 素養的第一課：忘掉你對「電腦」的舊有認知。
黃仁勳指出，AI 的發展正遵循三種擴展定律：
預訓練 (Pre-training)：一次性地、大規模地學習人類的通用知識，像是讀完一整個圖書館。
後訓練 (Post-training)：這就像 AI 永無止境的「刻意練習」。它透過強化學習，針對特定技能不斷嘗試、犯錯、修正，直到把它做對。這個過程模糊了訓練和推理的界線，是 AI 智慧質量提升的關鍵，也是一個巨大的算力熔爐。
推理 (Inference)：這就是 AI 的「思考」。它在回答前會進行研究、查證，形成一個由多個語言模型協同工作的複雜系統。
“通用計算的時代已經結束，未來屬於加速計算和 AI 計算。”
”General purpose computing is over and the future is accelerated computing and AI computing.““推理的計算需求不是成長 100 倍、1000 倍，而是十億倍（1 billionx）“。
”Inference isn’t going to 100x, a thousandx, it’s going to 1 billionx.“
這就是華爾街模型失靈的地方：他們可能估算了用戶數的線性增長，卻完全忽略了每個用戶產生的計算需求也在爆炸。這是雙重指數的威力。
結論：為何分歧如此之大？
分歧的核心在於，你相信 AI 是一個更好的工具，還是一個全新的物種。
保守派（線性世界）：將 AI 視為一個更有效率的軟體，其增長會遵循傳統的 S 曲線，最終飽和。
指數派（指數世界）：將 AI 視為一場堪比電力的工業革命，它重塑所有行業，並創造全新產業。在革命早期，用線性的尺去丈量指數的潛力，必然嚴重低估。
當我搞懂了這套近乎蠻橫的物理新規則後，我的下一個問題自然而然地浮現：在這樣的世界裡，企業該如何活下去？黃仁勳給出的答案，同樣是顛覆性的。
規則二：免費的最貴，成本的單位是瓦特
身處這個指數世界，該如何競爭？Nvidia 的策略，可以說是企業級「AI 素養」的完美體現。他們之所以能建立起如此巨大的護城河，正是因為他們比所有人都更早理解了這場遊戲的兩個核心真相。
從「造零件」到「建工廠」的思維
為了應對 AI Token 生成率的雙重指數級增長，Nvidia 採取了年度晶片發布週期，並透過「極致協同設計」（Extreme Co-design）來實現性能的巨大飛躍。這意味著在系統層面同時創新 CPU、GPU、網路晶片以及所有相關的軟體堆疊。
許多競爭者還停留在「造一顆更好的晶片」的思維裡。但 Nvidia 在做的，是設計和建造一整座「AI工廠」。
“這不是關於建造一顆ASIC，而是關於建造一個AI工廠系統。這個系統裡有很多晶片，它們全都是協同設計的。” (it’s not about building an ASIC, it’s about building an AI factory system and this system that has a lot of chips in and they’re all co-designed.)
總擁有成本（TCO）的陷阱
黃仁勳的核心論點是：數據中心最大的瓶頸，不是採購資金，而是電力和土地。
遊戲規則不再是「省下多少採購費」，而是「在有限的資源下，能產生多少收入」。
“他們就算把晶片定價為零，你仍然會購買Nvidia的系統… 如果我的性能（每瓦產生的Token）是別人的兩倍，我的客戶就能從他們的數據中心獲得兩倍的收入。誰不想要兩倍的收入呢？」 (they could literally price them at zero and you would still buy an Nvidia system... your performance or tokens per watt was twice as high as somebody else’s... then my customer can produce twice as much revenues from their data center. And who doesn’t want twice as much revenues?)
在電力和土地成為最稀缺資源的時代，選擇性能功耗比（Tokens per Watt）更高的方案，就意味著獲得更高利潤。這就是 Nvidia 的核心競爭優勢，一個需要它不斷透過「極致協同設計」來捍衛的價值壁壘。
這也意味著，企業管理者的 AI 素養，正受到巨大推擠。過去，投資 AI 常被視為可有可無的「創新實驗」，失敗了也無傷大雅。但現在，它演變成一個攸關存亡的 TCO 計算題。AI 生產力不再是加分項，而是決定企業能否在電力與算力有限的未來中，獲得最高「每瓦產值」的關鍵。管理者的態度，正從「要不要用 AI」，被迫轉變為「如何才能最大化 AI 的投資回報率」。
成本不再是美金，而是瓦特。
但真正讓我感到不安的，還不是商業世界的廝殺。而是當我意識到，這套衡量企業的「總擁有成本」邏輯，正以同樣冷酷的方式，被用來衡量我們每一個人的價值時。
