[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-jensen-huang-ai-roadmap-10-moves-zh":3,"article-related-jensen-huang-ai-roadmap-10-moves-zh":30,"series-industry-c8b3b3f8-b73e-4bc2-89a6-83d054c69c61":77},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"c8b3b3f8-b73e-4bc2-89a6-83d054c69c61","jensen-huang-ai-roadmap-10-moves-zh","黃仁勳 AI 路線圖拆成 10 招","\u003Cp data-speakable=\"summary\">我把\u003Ca href=\"\u002Fnews\u002Fjensen-huang-ai-comments-microsoft-bull-case-zh\">黃仁勳\u003C\u002Fa>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。\u003C\u002Fp>\u003Cp>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 \u003Ca href=\"\u002Ftag\u002Fjensen-huang\">Jensen Huang\u003C\u002Fa> 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。\u003C\u002Fp>\u003Cp>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 \u003Ca href=\"https:\u002F\u002Fwww.the-ai-corner.com\u002Fp\u002Fjensen-huang-ai-roadmap-10-moves-2026\">The AI Corner 的整理\u003C\u002Fa>出發，再加上我自己的實作筆記。\u003C\u002Fp>\u003Ch2>1. 先別裝傻，轉折點已經過了\u003C\u002Fh2>\u003Cblockquote>\u003Cp>“AI in the last several months became useful. That’s the big idea.”\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782009210300-vkq2.png\" alt=\"黃仁勳 AI 路線圖拆成 10 招\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003C\u002Fblockquote>\u003Cp>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」。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>這篇整理裡提到 \u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude-code\">Claude Code\u003C\u002Fa> 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。\u003C\u002Fp>\u003Cp>實操上我會這樣做：\u003C\u002Fp>\u003Cul>\u003Cli>把公司裡所有 AI 用例分成 chat、assist、agent 三類。\u003C\u002Fli>\u003Cli>如果流程最後還要人手動貼到別的系統，那它大多還是 chat。\u003C\u002Fli>\u003Cli>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。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>很多團隊以為自己在做 \u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa>，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。\u003C\u002Fp>\u003Ch2>2. 你盯著模型，我盯著兩層下面\u003C\u002Fh2>\u003Cblockquote>\u003Cp>“AI is not just an application. AI actually reinvented the computer industry.”\u003C\u002Fp>\u003C\u002Fblockquote>\u003Cp>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 \u003Ca href=\"\u002Ftag\u002Fnvidia\">NVIDIA\u003C\u002Fa> 正在投 \u003Ca href=\"https:\u002F\u002Fwww.coreweave.com\u002F\">CoreWeave\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.nebius.com\u002F\">Nebius\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.nscale.com\u002F\">Nscale\u003C\u002Fa> 這類基礎設施公司。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>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、\u003Ca href=\"\u002Fnews\u002Fjensen-huang-trades-data-center-boom-zh\">資料\u003C\u002Fa>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。\u003C\u002Fp>\u003Cp>實操上我會這樣做：\u003C\u002Fp>\u003Cul>\u003Cli>把你的 stack 畫成五層：能源、算力、基礎設施、模型、應用。\u003C\u002Fli>\u003Cli>圈出客戶最痛、最卡、最貴的那一層。\u003C\u002Fli>\u003Cli>問自己：我是在解顯性問題，還是在解隱性瓶頸。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你想找還沒被塞滿的空地，\u003Ca href=\"https:\u002F\u002Fwww.ycombinator.com\u002Frfs\">Y Combinator 的 Requests for Startups\u003C\u002Fa> 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。\u003C\u002Fp>\u003Ch2>3. 這不是投資，這是解鎖下一層\u003C\u002Fh2>\u003Cblockquote>\u003Cp>“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.”\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782009212731-gmh8.png\" alt=\"黃仁勳 AI 路線圖拆成 10 招\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003C\u002Fblockquote>\u003Cp>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。\u003C\u002Fp>\u003Cp>這篇整理拿 \u003Ca href=\"https:\u002F\u002Fwww.coreweave.com\u002F\">CoreWeave\u003C\u002Fa> 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。\u003C\u002Fp>\u003Cp>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？\u003C\u002Fp>\u003Cp>實操上我會這樣做：\u003C\u002Fp>\u003Cul>\u003Cli>在你的市場裡，找出那個讓一切又慢又貴的單一約束。\u003C\u002Fli>\u003Cli>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。\u003C\u002Fli>\u003Cli>不要把 enablement layer 跟 end-user layer 搞混，前者常常更值錢。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>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。\u003C\u002Fp>\u003Ch2>4. 毛利翻正，老掉牙的成本論點開始站不住腳\u003C\u002Fh2>\u003Cblockquote>\u003Cp>“Both of these companies and most of the AI native companies have turned. Their gross margins have gone extremely positive.”\u003C\u002Fp>\u003C\u002Fblockquote>\u003Cp>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 \u003Ca href=\"https:\u002F\u002Fopenai.com\u002F\">OpenAI\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002F\">Anthropic\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fcursor.com\u002F\">Cursor\u003C\u002Fa> 這些 AI 原生公司，毛利都已經往正向走。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>實操上我會這樣做：\u003C\u002Fp>\u003Cul>\u003Cli>看真正的 AI 公司在買什麼 capacity，不要只看它們發了什麼 demo。\u003C\u002Fli>\u003Cli>把毛利變化當訊號，不要當註腳。\u003C\u002Fli>\u003Cli>把 2024 年定下來的 pricing 全部重看一次，很多早就過期了。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>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。\u003C\u002Fp>\u003Ch2>5. 醫療影像不是例外，是預告片\u003C\u002Fh2>\u003Cblockquote>\u003Cp>“100% of radiology is now infiltrated by AI. It is completely integrated. And yet, the radiologist job was not wiped out.”\u003C\u002Fp>\u003C\u002Fblockquote>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>實操上我會這樣做：\u003C\u002Fp>\u003Cul>\u003Cli>列出你所在領域，AI 已經能做的任務。\u003C\u002Fli>\u003Cli>再列出你這個職位真正拿薪水換的是什麼結果。\u003C\u002Fli>\u003Cli>把資源放在兩張清單的空隙，那就是新工作長出來的地方。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>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。\u003C\u002Fp>\u003Ch2>6. 任務清單不是你的工作定義\u003C\u002Fh2>\u003Cblockquote>\u003Cp>“The purpose of a job and the task of the job are related, not the same.”\u003C\u002Fp>\u003C\u002Fblockquote>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>實操上我會這樣做：\u003C\u002Fp>\u003Cul>\u003Cli>把 task list 和 purpose list 分開寫。\u003C\u002Fli>\u003Cli>task list 裡不要放身份語言，只放機械步驟。\u003C\u002Fli>\u003Cli>用 AI 縮短 task list，再刻意放大 purpose list。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>對工程師來說，工作不再只是寫 \u003Ca href=\"\u002Fnews\u002Fgenie-code-databricks-ml-command-center-zh\">code\u003C\u002Fa>，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。\u003C\u002Fp>\u003Ch2>7. 會用 AI，已經是招人門檻，不是加分題\u003C\u002Fh2>\u003Cblockquote>\u003Cp>“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.”\u003C\u002Fp>\u003C\u002Fblockquote>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>實操上我會這樣做：\u003C\u002Fp>\u003Cul>\u003Cli>面試流程加一段 live 的 AI-assisted workflow walkthrough。\u003C\u002Fli>\u003Cli>直接問候選人：你最近 30 天用 AI 做了什麼。\u003C\u002Fli>\u003Cli>看的是流程設計，不只是 prompt 技巧。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你想找一個實際參考，\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude\">Anthropic Claude\u003C\u002Fa> 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。\u003C\u002Fp>\u003Ch2>8. 怕到不敢用，才是真的輸法\u003C\u002Fh2>\u003Cblockquote>\u003Cp>“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.”\u003C\u002Fp>\u003C\u002Fblockquote>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>實操上我會這樣做：\u003C\u002Fp>\u003Cul>\u003Cli>檢查團隊講 AI 時用的是不是恐懼語言。\u003C\u002Fli>\u003Cli>把「不能碰」改成「怎麼安全用」。\u003C\u002Fli>\u003Cli>讓安全實驗變成日常，不是特例。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>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。\u003C\u002Fp>\u003Ch2>9. 防守不是靠一個超級武器，是靠大量便宜力量\u003C\u002Fh2>\u003Cblockquote>\u003Cp>“The way you defend against a super force is not with another super force. It’s with an abundance of cheap force.”\u003C\u002Fp>\u003C\u002Fblockquote>\u003Cp>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、\u003Ca href=\"\u002Ftag\u002Fapi\">API\u003C\u002Fa>、依賴鏈、憑證、端點暴露，各管各的。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>實操上我會這樣做：\u003C\u002Fp>\u003Cul>\u003Cli>把威脅面拆成分類，不要只看嚴重度。\u003C\u002Fli>\u003Cli>每一類配一個小模型或 agent。\u003C\u002Fli>\u003Cli>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。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果你想看實務上的安全工具，可以去看 \u003Ca href=\"https:\u002F\u002Fwww.wiz.io\u002F\">Wiz\u003C\u002Fa> 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。\u003C\u002Fp>\u003Ch2>10. 現在卡住你的，常常不是技術，是野心\u003C\u002Fh2>\u003Cblockquote>\u003Cp>“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.”\u003C\u002Fp>\u003C\u002Fblockquote>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>實操上我會這樣做：\u003C\u002Fp>\u003Cul>\u003Cli>把 roadmap 改寫成 10x 或 100x 吞吐量前提。\u003C\u002Fli>\u003Cli>任何只在舊速度下成立的計畫，直接砍掉。\u003C\u002Fli>\u003Cli>挑一個看起來有點誇張的目標，然後倒推。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>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。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># Jensen-style AI roadmap template（中文可直接套用版）\n\n## 1. 先講清楚，什麼真的變了\nAI 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。\n\n## 2. 先畫 stack，不要先畫 demo\n把你的產業拆成五層：\n- 能源\n- 晶片 \u002F 算力\n- 基礎設施\n- 模型\n- 應用\n\n圈出那一層：\n- 客戶最痛\n- 最卡\n- 最貴\n- 競爭還沒擠爆\n\n## 3. 找出那個單一約束\n問自己一題：\n「哪個東西只要拿掉，後面就能放大 100 倍？」\n\n常見約束：\n- 算力不足\n- 電力不足\n- 資料拿不到\n- 流程太碎\n- 安全風險太高\n- 人才不會用 AI\n\n## 4. 先做解鎖器，不要先做花俏前台\n如果瓶頸在底層，就先做底層。\n不要先做最漂亮的 app，結果底下的問題根本沒解。\n\n## 5. 把工作拆成兩張表\n### Task list\nAI 現在已經能做的機械工作。\n\n### Purpose list\n你真正被雇用來達成的結果。\n\n原則：\n- 用 AI 縮短 task list\n- 用 AI 放大 purpose list\n\n## 6. 招人時直接問這四題\n- 你最近 30 天做過哪個 AI-assisted workflow？\n- 它取代了什麼？\n- 它改善了什麼？\n- 你怎麼知道它真的有效？\n\n## 7. 防守不要靠單點英雄\n如果你要防 AI 加速的攻擊，不要只靠一個大系統。\n\n改成很多便宜、專注的小 agent，分散守住：\n- Auth\n- API\n- Dependencies\n- Credentials\n- Endpoints\n\n## 8. 重寫 roadmap 時，直接改前提\n把前提改成：\n- 研究快 30 倍\n- 工程快 10 倍\n- 決策週期縮短\n\n然後再問：\n「如果這些前提已經成立，我現在會做什麼？」\n\n## 9. 每週檢查四件事\n- 我們拿掉了哪個約束？\n- 哪個 workflow 變短了？\n- AI 幫人少做了哪件手動事？\n- 因為任務變便宜，哪件事反而變大了？\n\n## 10. 操作守則\n- 不要把任務當工作定義\n- 不要把 demo 當產品\n- 不要把支票當解鎖\n- 不要把恐懼當策略\n\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>來源致謝：原始整理來自 \u003Ca href=\"https:\u002F\u002Fwww.the-ai-corner.com\u002Fp\u002Fjensen-huang-ai-roadmap-10-moves-2026\">The AI Corner\u003C\u002Fa>，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。\u003C\u002Fp>","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。","www.the-ai-corner.com","https:\u002F\u002Fwww.the-ai-corner.com\u002Fp\u002Fjensen-huang-ai-roadmap-10-moves-2026",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782009210300-vkq2.png","industry","zh","e0c9c6c0-860c-4d17-bc39-e6fd5333e615",[17,18,19,20,21],"Jensen Huang","AI roadmap","agentic AI","workflow design","hiring signal",[23,24,25],"AI 的重點已經從會回答，變成能不能把事情做完。","真正的機會常在模型下面一層，不在最熱鬧的表面。","會用 AI、會重畫約束、會改流程的人，會先贏。",0,"2026-06-21T02:33:02.362417+00:00","2026-06-21T02:33:02.347+00:00","caa87b65-9bbc-46fe-bba8-4f4158dd2d8b",{"tags":31,"relatedLang":36,"relatedPosts":40},[32,34],{"name":17,"slug":33},"jensen-huang",{"name":19,"slug":35},"agentic-ai",{"id":15,"slug":37,"title":38,"language":39},"jensen-huang-ai-roadmap-10-moves-en","Jensen Huang's AI Roadmap in 10 Moves","en",[41,47,53,59,65,71],{"id":42,"slug":43,"title":44,"cover_image":45,"image_url":45,"created_at":46,"category":13},"151abcfe-cbb1-4d5f-af47-7405375bdffd","linux-7-1-arm-risc-v-mips-support-zh","Linux 7.1 的 Arm、RISC-V、MIPS 變更清單","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782032564666-ogr0.png","2026-06-21T09:02:20.852284+00:00",{"id":48,"slug":49,"title":50,"cover_image":51,"image_url":51,"created_at":52,"category":13},"23411649-f012-400f-ad46-f94f91b5874d","genpact-growth-story-built-on-bpo-scale-zh","5 個里程碑看懂 Genpact 的 BPO 擴張","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782031664715-mrfo.png","2026-06-21T08:47:18.198465+00:00",{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":13},"3ac89aa3-4036-4a31-91a5-c9a52e1182f5","amazon-content-partners-ai-traffic-control-zh","Amazon替創作者管AI流量","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782030776243-it34.png","2026-06-21T08:32:26.566889+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":13},"cd4dd810-c90a-4831-bf1b-18e22f0842e6","myseum-scanon-privacy-first-ai-deal-zh","Myseum 與 Scanon 的隱私 AI 合作","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782028964640-0t8j.png","2026-06-21T08:02:20.569216+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":13},"b26dcbd9-57b0-4d8e-8bfa-8f745cf86c07","ricoh-weaviate-ai-ready-enterprise-data-zh","Ricoh 下注 Weaviate 的 5 個訊號","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782026265629-mjin.png","2026-06-21T07:17:21.855052+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":13},"46ceed43-7142-4e94-945d-0356f5409065","mica-deadline-europe-crypto-firms-july-1-zh","MiCA 7月1日逼退歐洲未持牌幣商","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782024470855-6xxp.png","2026-06-21T06:47:25.696513+00:00",[78,83,88,93,98,103,108,113,118,123],{"id":79,"slug":80,"title":81,"created_at":82},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":84,"slug":85,"title":86,"created_at":87},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":89,"slug":90,"title":91,"created_at":92},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":94,"slug":95,"title":96,"created_at":97},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":99,"slug":100,"title":101,"created_at":102},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":104,"slug":105,"title":106,"created_at":107},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":109,"slug":110,"title":111,"created_at":112},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":114,"slug":115,"title":116,"created_at":117},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":119,"slug":120,"title":121,"created_at":122},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":124,"slug":125,"title":126,"created_at":127},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]