黃仁勳 AI 路線圖拆成 10 招

我把黃仁勳的 10 個 AI 動作拆成可抄的工作法，重點放在約束、招人、流程和防守。

我最近一直在看 AI 建議，越看越火大。大家都在講 prompt、模型榜單、還有那種一剪成短影片就很像很懂的 demo。但我坐下來把 Jensen Huang 的長訪談看完後，真正卡住我的不是聊天機器人，而是底下那層 stack、上面那層招人訊號，還有那個藏在眼前的約束。這才是大多數人漏掉的地方，因為它沒那麼像發表會，也比寫一張「AI-first」投影片難多了。

我後來才想通，Jensen 其實不是在講產品路線圖。他是在丟一個心智模型：當 AI 不再只是玩具，而是基礎設施時，價值會往哪裡移。我以前也看過這種事，只是縮小版。工具一旦夠好，任務成本就掉，工作範圍反而會變大，不會直接消失。一直盯著舊任務的人會被打到；先重畫約束的人會先動。這篇的拆解，主要是從 The AI Corner 的整理出發，再加上我自己的實作筆記。

1. 先別裝傻，轉折點已經過了

“AI in the last several months became useful. That’s the big idea.”

白話就是：AI 已經不是只能拿來秀 demo 的東西了。Jensen 的意思很直白，agentic 系統現在真的能理解、推理、規劃，還能用工具把事情做完。這很重要，因為一旦 AI 變得有用，問題就不再是「它會不會答」，而是「它能不能收尾」。

我在產品工作裡看過很多次這種落差。模型會寫一段漂亮回覆，這很可愛；但如果它能看 repo、讀 ticket、呼叫工具、把任務做完，那就是另一種東西了。這時候你再用聊天框包一層模型，就會開始顯得很薄，很像拿紙箱裝發電機。

這篇整理裡提到 Claude Code 是 Jensen 點名覺得最先能幹活的系統之一。你不一定要同意這個選擇，但重點不是品牌，而是基準線已經變了：能不能真的完成工作，開始比能不能回答問題更重要。

實操上我會這樣做：

• 把公司裡所有 AI 用例分成 chat、assist、agent 三類。
• 如果流程最後還要人手動貼到別的系統，那它大多還是 chat。
• 先挑一個重複的內部流程，改成工具驅動的迴圈，不要只做 prompt。

很多團隊以為自己在做 agent，其實只是多一顆按鈕。不是。沒有真正動作能力的系統，還停在舊世界。

2. 你盯著模型，我盯著兩層下面

“AI is not just an application. AI actually reinvented the computer industry.”

Jensen 這個 stack 觀點，我會直接貼牆上：能源、晶片、基礎設施、模型、應用。大眾討論通常卡在模型層，因為那裡最像新聞；但錢和護城河，常常往下移。這篇整理提到 NVIDIA 正在投 CoreWeave、Nebius、Nscale 這類基礎設施公司。

翻譯一下就是：如果大家都擠在最顯眼那層，真正有機會的公司常常在一層或兩層下面。那裡有瓶頸，也有稀缺。稀缺一出現，定價權就會先冒頭，只是市場還沒從 demo 的興奮裡醒來。

我看過不少創業者花一年做「最好的 model wrapper」，結果真正該做的是部署、編排、資料搬運，或是電力供應。這種人就像在滿是釣鉤的水裡釣魚，還怪自己不夠會釣。

實操上我會這樣做：

• 把你的 stack 畫成五層：能源、算力、基礎設施、模型、應用。
• 圈出客戶最痛、最卡、最貴的那一層。
• 問自己：我是在解顯性問題，還是在解隱性瓶頸。

如果你想找還沒被塞滿的空地，Y Combinator 的 Requests for Startups 倒是可以掃一下。不是因為 YC 神，而是它通常能看出市場還在找什麼。

3. 這不是投資，這是解鎖下一層

“We invest at $1, it activates AI maybe by $100. If we can make that kind of amplification for the entire ecosystem, it would be tremendous.”

這句如果只翻成「策略性投資」，就太空了。Jensen 真正在講的是：資本應該拿來移除約束，讓更大的價值能往外長。重點不是那張支票自己回報多少，而是它能不能把後面那 100 美元的活動解鎖出來。

這篇整理拿 CoreWeave 當例子，說 NVIDIA 的錢像是先把信心打進去，再帶動後續資本。也就是說，支票本身是訊號，但真正的產品是降低不確定性。

我喜歡這個框架，因為它很務實。很多投資人只看 upside，Jensen 看的是 leverage，但不是那種喊口號的 synergy。他問的是：哪個東西只要拿掉，整個系統就會開始呼吸？

實操上我會這樣做：

• 在你的市場裡，找出那個讓一切又慢又貴的單一約束。
• 先做會移除那個約束的公司，而不是先做最花俏的前台產品。
• 不要把 enablement layer 跟 end-user layer 搞混，前者常常更值錢。

我在 developer tooling 也看過這件事。讓部署不再痛苦的公司，常常比上面那個 app 更有價值。大家愛 app，但錢常常流向讓 app 成真的那層。

4. 毛利翻正，老掉牙的成本論點開始站不住腳

“Both of these companies and most of the AI native companies have turned. Their gross margins have gone extremely positive.”

這句很重要，因為它直接打臉那種懶惰說法：AI business 沒辦法賺錢。Jensen 的意思是，經濟性改善得比很多人想得快。這篇整理提到 OpenAI、Anthropic、Cursor 這些 AI 原生公司，毛利都已經往正向走。

白話就是：市場還停留在舊認知，覺得 AI 產品永遠是成本黑洞；但實際上，使用量在上升、算力需求在上升、系統也越來越會把工作變現。你如果還用 2024 年那套悲觀模型看 2026 年，基本上就是慢半拍還很自豪。

我自己就跟團隊吵過這種事。有人先假設「AI 就是貴」，然後整個 roadmap 都往保守設計。結果不是節省，是錯過需求。這種錯誤很常見，因為它包裝成紀律，實際上只是把機會鎖死。

實操上我會這樣做：

• 看真正的 AI 公司在買什麼 capacity，不要只看它們發了什麼 demo。
• 把毛利變化當訊號，不要當註腳。
• 把 2024 年定下來的 pricing 全部重看一次，很多早就過期了。

這篇還提到軟體工程職缺沒有消失，反而在增加。這很合理，因為創作成本下降時，通常不是人變少，而是野心變大。

5. 醫療影像不是例外，是預告片

“100% of radiology is now infiltrated by AI. It is completely integrated. And yet, the radiologist job was not wiped out.”

這個例子很乾淨。任務被壓縮了，但工作沒有消失，反而變大。AI 先吃掉重複部分，人則往判斷、協調、吞吐量管理那邊移動。

翻譯一下就是：AI 通常先打任務，不是直接打目的。這差很多。你如果把兩個東西混在一起，就很容易預測出一堆裁員神話，結果真實世界只是職務形狀改了，產出要求也跟著提高。

我在內部流程也看過這種誤判。團隊自動化一小段工作，就以為整個角色要沒了。通常不是。角色只是換形狀，瓶頸也跟著移位。

實操上我會這樣做：

• 列出你所在領域，AI 已經能做的任務。
• 再列出你這個職位真正拿薪水換的是什麼結果。
• 把資源放在兩張清單的空隙，那就是新工作長出來的地方。

如果你是主管，這一段尤其該看。任務變便宜，不代表直接砍人就叫策略；先問吞吐量能不能放大，再決定怎麼配人。

6. 任務清單不是你的工作定義

“The purpose of a job and the task of the job are related, not the same.”

我覺得這句是整場裡最實用的。很多人一直把自己做什麼，跟自己為什麼被雇用，混成同一件事。Jensen 拿自己當例子很準：他的任務是打字和說話，這兩件事 AI 現在都能做得超快，但他的工作目的反而擴大了，因為公司對他的期待更多，不是更少。

白話一點說，自動化不只是在消滅工作，它是在重新分配注意力。當系統接手低價值部分，人類就會被推往判斷、策略、以及更高頻的決策。這不是哲學，是營運。

我一直跟團隊講，別再把 task list 當 identity。很多人說自己快被取代了，其實真正意思是：現在這套 workflow 的低價值被照出來了。那不是末日，那是你該重構的地方。

實操上我會這樣做：

• 把 task list 和 purpose list 分開寫。
• task list 裡不要放身份語言，只放機械步驟。
• 用 AI 縮短 task list，再刻意放大 purpose list。

對工程師來說，工作不再只是寫 code，而是解問題、做出原本不存在的東西。對創業者來說，工作也不只是 ship feature，而是拆掉卡住公司複利的那個瓶頸。名字不同，套路一樣。

7. 會用 AI，已經是招人門檻，不是加分題

“If you graduate and you’re not an expert AI user, you’re not going to take a job from another kid who is. That’s a dislocation.”

這段就很直接了。Jensen 不是在說每個人都要去當 ML researcher。他是在說，會把 AI 導向結果的人，會打敗還把 AI 當玩具的人。這是 hiring shift，不是 vibe shift。

翻譯一下就是：履歷越來越不夠看。候選人可以說自己很 adaptable，但我更想看的是，他最近 30 天有沒有做出一個 AI-assisted workflow。那才看得出他怎麼思考、怎麼做事、怎麼用桌上已經有的工具。

我現在也會用這個標準看人，因為差異很快就出來了。有些人只會拿 AI 寫一句話；有些人會拿它壓縮研究、生成選項、測假設，還能讓工作在自己睡覺時繼續跑。這兩種不是同一種候選人。

實操上我會這樣做：

• 面試流程加一段 live 的 AI-assisted workflow walkthrough。
• 直接問候選人：你最近 30 天用 AI 做了什麼。
• 看的是流程設計，不只是 prompt 技巧。

如果你想找一個實際參考，Anthropic Claude 的文件和工作流範例就夠用了。重點不是品牌，而是人能不能把系統導向有用的工作。

8. 怕到不敢用，才是真的輸法

“My greatest concern is that we scare United States people to the point where AI is so unpopular they don’t actually engage it. That we lose our lead as a nation.”

Jensen 這裡擔心的不是單一產品，而是大家乾脆不碰。你如果怕到不敢用，整個社會就會失去把 AI 用熟的習慣；而這種習慣一旦斷掉，之後要補回來很麻煩。

白話就是：文化很重要。如果你的組織把 AI 講得像輻射，大家就只會小心翼翼地碰一下，甚至根本不碰。相反地，如果你把它當成需要判斷和護欄的正常工具，人就會開始試、開始學、開始修正。

我看過兩種環境。怕的那種，任何 AI 用法都要開委員會；不怕的那種，大家會自己試工具、分享 workflow、從錯誤裡學，而不是每個實驗都變成 policy 事故。

實操上我會這樣做：

• 檢查團隊講 AI 時用的是不是恐懼語言。
• 把「不能碰」改成「怎麼安全用」。
• 讓安全實驗變成日常，不是特例。

Jensen 的意思不是忽略風險，而是不要讓恐懼變成你的作業系統。這兩件事差很多。

9. 防守不是靠一個超級武器，是靠大量便宜力量

“The way you defend against a super force is not with another super force. It’s with an abundance of cheap force.”

這句聽起來簡單，實際上很有用。Jensen 描述的是一種防守方式：不要指望一個超大 AI 幫你守住所有東西，而是把很多小而便宜的系統分散到不同風險面。驗證、API、依賴鏈、憑證、端點暴露，各管各的。

翻譯一下就是：防守要分散。攻擊者如果用 AI 加速，掃描速度會比人腦快很多，所以你不能只靠一個很帥的中央防禦系統。你要的是更多覆蓋面、更多小守門員。

我喜歡這個講法，因為它跟真實 security 工作很接近。安全團隊本來就知道，沒有任何一個控制能抓住全部問題。Jensen 只是把這個數學更新到 AI 時代。

實操上我會這樣做：

• 把威脅面拆成分類，不要只看嚴重度。
• 每一類配一個小模型或 agent。
• 優先做廣覆蓋，不要做一個看起來很厲害但只適合 demo 的防守系統。

如果你想看實務上的安全工具，可以去看 Wiz 或更廣的 application security 生態。重點不是哪一家，而是這個模式：分散覆蓋，比單點英雄主義更像真的防守。

10. 現在卡住你的，常常不是技術，是野心

“Whatever level of ambition you have, it’s just not high enough. Whatever expectations I have for the company, you’ve got to increase it by about 100x.”

這段就把整個 roadmap 拉回到最難的地方：不是技術，是需求震盪。Jensen 的意思是，AI 讓研究週期短得很誇張，舊的規劃時間表已經不夠看了。他甚至提到某些情境裡，研究從幾個月縮到一天。這會直接改變你該想像的事情。

白話就是：現在的瓶頸不只算力、模型、人才，還有野心。如果你還用「研究很慢、工程很慢」的前提在排 roadmap，你的計畫大概率會小看世界。

我自己也做過這個練習：把一個正常的三年計畫，改成研究快 30 倍、工程快 10 倍，再重算一次。算完通常都會不舒服。很好，因為那表示你原本想得太小。

實操上我會這樣做：

• 把 roadmap 改寫成 10x 或 100x 吞吐量前提。
• 任何只在舊速度下成立的計畫，直接砍掉。
• 挑一個看起來有點誇張的目標，然後倒推。

這不代表亂衝，而是不要拿過時的約束去證明過時的目標。Jensen 整場話的核心，其實就是在罵這件事。

可抄的模板

# Jensen-style AI roadmap template（中文可直接套用版）

## 1. 先講清楚，什麼真的變了
AI 已經不是聊天框而已。它現在可以理解、推理、規劃，還能用工具把工作做完。

## 2. 先畫 stack，不要先畫 demo
把你的產業拆成五層：
- 能源
- 晶片 / 算力
- 基礎設施
- 模型
- 應用

圈出那一層：
- 客戶最痛
- 最卡
- 最貴
- 競爭還沒擠爆

## 3. 找出那個單一約束
問自己一題：
「哪個東西只要拿掉，後面就能放大 100 倍？」

常見約束：
- 算力不足
- 電力不足
- 資料拿不到
- 流程太碎
- 安全風險太高
- 人才不會用 AI

## 4. 先做解鎖器，不要先做花俏前台
如果瓶頸在底層，就先做底層。
不要先做最漂亮的 app，結果底下的問題根本沒解。

## 5. 把工作拆成兩張表
### Task list
AI 現在已經能做的機械工作。

### Purpose list
你真正被雇用來達成的結果。

原則：
- 用 AI 縮短 task list
- 用 AI 放大 purpose list

## 6. 招人時直接問這四題
- 你最近 30 天做過哪個 AI-assisted workflow？
- 它取代了什麼？
- 它改善了什麼？
- 你怎麼知道它真的有效？

## 7. 防守不要靠單點英雄
如果你要防 AI 加速的攻擊，不要只靠一個大系統。

改成很多便宜、專注的小 agent，分散守住：
- Auth
- API
- Dependencies
- Credentials
- Endpoints

## 8. 重寫 roadmap 時，直接改前提
把前提改成：
- 研究快 30 倍
- 工程快 10 倍
- 決策週期縮短

然後再問：
「如果這些前提已經成立，我現在會做什麼？」

## 9. 每週檢查四件事
- 我們拿掉了哪個約束？
- 哪個 workflow 變短了？
- AI 幫人少做了哪件手動事？
- 因為任務變便宜，哪件事反而變大了？

## 10. 操作守則
- 不要把任務當工作定義
- 不要把 demo 當產品
- 不要把支票當解鎖
- 不要把恐懼當策略

這份模板我不是拿來欣賞的，我是拿來直接用的。你如果是創業者，就拿它找底層瓶頸；你如果是主管，就拿它重畫職務，別再只看 task；你如果是投資人，就拿它找解鎖約束的公司，不要只看包裝最漂亮的 wrapper；你如果在招人，就拿它分辨 AI fluency 跟 AI 表演。

Jensen 這套東西很不神秘。它其實就是一串很硬的判斷：AI 已經有用、stack 比 headline 深、資本應該解約束、毛利正在改善、工作會換形狀、會用 AI 會變成門檻、恐懼會拖慢組織、防守要分散、野心要跟著工具一起長大。這不是 slogan，這是可操作的 playbook。

來源致謝：原始整理來自 The AI Corner，作者是 Ruben Dominguez；我這篇是基於該文與我自己的實作經驗做的衍生拆解。文中提到的公司、產品與工具，我盡量連到官方或權威頁面。