黄仁勋：物理AI是英伟达下一阶段增长核心
过去两年纳德拉走访了全球上百家做AI转型的企业，发现一个极其普遍的现象：企业花大价钱采购了最先进的AI工具，上线了各种Copilot，半年后效果开始衰减，一年后AI变成了一个还行的辅助工具。问题出在学习外包。企业把所有业务数据、员工经验、行业判断全部交给外部模型，自身没有沉淀任何专属AI资产。员工用AI生成了好方案，用完就丢了，下一次AI还是从零开始。企业花了钱，钱流向了外部厂商，自己什么都没留下。纳德拉提出内部学习循环，核心逻辑是两个复利飞轮：人力资本复利和Token资本复利。企业独有的业务流程、客户经验、历史踩坑案例，持续喂给内部模型；模型输出交由员工校验修正，修正后的数据回流训练集；下一次输出更精准，员工修正量更少，效率更高。每轮循环沉淀一层专属数据资产，越跑壁垒越高。完整循环由四个环节构成：全域私有数据统一归集、AI基于私有知识生成方案、员工校验修正反馈偏差、反馈数据回流本地模型迭代。缺一不可，少一个循环就断了。对中小企业来说，不需要大额算力投入也能搭极简版：统一私有文档知识库、员工AI反馈批注模板、月度低成本开源模型微调。同等预算下，有学习循环和没有学习循环的AI落地效果差距超过60%。AI工具可以外购，标准化任务可以外包，但企业自身持续学习、沉淀专属资产的能力永远不能外包。搭不搭学习循环，决定了你是AI时代的主人还是佃农。
发布于 江苏
1
评论
1
未登录
友善发言
评论
加载中
