黄仁勋：物理AI是英伟达下一阶段增长核心
周鸿祎提醒企业不要无节制消耗Token，黄仁勋则把重点放在具身智能和工业机器人轻量化。一个谈软件，一个谈硬件，看似方向不同，其实都在回答同一个问题：AI如何真正落地。前几年，行业关注的是模型够不够强。现在，企业更关心的是项目能不能长期运行。对于软件项目来说，这种变化已经很明显。过去做系统，更多考虑功能是否实现、性能是否稳定、项目是否按时交付。现在做AI项目，还要增加一个指标——成本是否可控。模型调用需要费用，Agent运行需要算力，用户规模扩大后，运营成本会持续增长。如果项目上线后成本不断攀升，再好的功能也很难持续。工业机器人也是同样的逻辑。企业采购机器人，并不仅仅关注动作是否精准，更关心部署是否简单、改造是否方便、维护是否便宜。只有降低硬件成本、降低算力需求、缩短部署周期，机器人才能真正进入更多工厂。软件也是如此。很多AI项目不是能力不够，而是系统设计过重。简单任务调用复杂模型，所有流程依赖云端推理，每个环节都追求最高性能，最终带来的往往是更高的成本和更复杂的维护。真正成熟的AI系统，应该根据业务场景合理分配资源。简单任务快速处理，复杂任务再调用高性能模型；能够复用的数据不重复计算，能够自动优化的流程不增加人工干预。这样才能让系统长期稳定运行。站在项目管理的角度来看，这两场大会释放出的其实是同一个信号。AI的发展重点，正在从"技术突破"逐渐转向"工程落地"。未来企业比拼的，不只是模型能力，还有架构设计、成本控制、部署效率和持续运营能力。真正有竞争力的AI项目，不一定拥有最强的模型，但一定能够以合理的成本，持续解决真实业务问题。未来几年，AI项目成功的标准，或许不再是"模型有多聪明"，而是"能否真正落地，并创造持续价值"。
发布于 安徽
1
评论
赞
未登录
友善发言
评论
加载中
