NVIDIA CEO 黄仁勋在 Cisco AI 大会上抛出一组鲜明判断：企业部署 AI 时，不该急着用传统投资回报率公式套算价值；在 AI 时代，最贵的知识产权不是答案，而是问题本身；而 Physical AI（实体 AI）带来的变化，指向的不只是新工具，而是“数字劳动力”的出现。
AI 投资早期，Excel 很难算出真实回报
黄仁勋在与 Cisco CEO Chuck Robbins 的对谈中直言，技术进入部署初期时，往往无法被准确装进电子表格。AI 也是如此。他反对企业在早期用传统 ROI 公式衡量 AI 项目，并拿 1995 年的互联网举例：当时没人能靠 Excel 预测互联网会怎样改写零售业。
他给出的判断很直接。AI 带来的是指数级变化，若仍按线性方式估值，很可能错过窗口。黄仁勋还透露，NVIDIA 内部的 AI 项目数量已经多到“失控”，但在他看来，这恰恰符合创新的常态。按照他的说法，企业更该借鉴风投思路：投 10 个项目，接受其中 7 个失败，只要 1 个跑出来，回报就可能达到千倍。
他也给企业划出一条底线：不一定要成为最先用好 AI 的公司，但不能成为最后一个。
企业最值钱的资产，可能是提问记录
谈到数据主权与企业护城河时，黄仁勋把焦点放在“提问”上。他认为，AI 生成答案的成本正在逼近零，不同模型的回答也越来越接近，所以答案未必构成长期壁垒。相���，企业向 AI 提出的具体问题，会直接暴露战略重点、技术瓶颈以及资源投向。
他举出的场景很有针对性：如果竞争对手掌握了一家公司近 3 个月的 AI 提问记录，就可能据此拼出这家公司的完整战略图谱。也正因为这样，黄仁勋对把核心对话全部放上云端保持警惕。他表示，NVIDIA 之所以选择本地部署，就是出于这种顾虑。
在架构选择上，他建议企业采用混合云。涉及战略、财务、核心技术的 AI 系统，应优先自建在本地；翻译、文案生成这类通用任务，则可以交给公有云服务。
Physical AI 瞄准的是实体世界的劳动环节
黄仁勋把下一阶段押注在 Physical AI。他指出，过去 40 年，科技产业主要围绕电子和数据运转，但全球经济的 99% 由“原子”构成的实体世界驱动。Physical AI 要打破的，就是数字系统与现实物理环境之间的边界。
他对这场变化的定义很激进：这将是人类历史上首次创造劳动力本身，而不是只创造工具。以 Tesla 自动驾驶为例，他认为估值核心不只是车辆，而是背后的“数字司机”——一个可全天候运行、持续产生经济价值的数字资产。照这个逻辑延伸，未来机器人会学习使用现成工具，比如菜刀、扫把；AI Agent 也会学习操作现有企业软件，如 SAP、Salesforce，而不是要求企业把整套 IT 系统推倒重来。
黄仁勋给企业管理层的三条操作建议
除了战略判断，黄仁勋还给出三项很具体的建议。第一，管理者要建立对技术的“体感”，最好亲手搭建小型 AI 系统，理解训练和推理的成本结构，避免在采购和谈判中被供应商带偏。第二，企业可以做一次“问题审计”，记录团队一周内向 AI 提出的全部问题，并按敏感度划分为 A、B、C 三级；如果 A 类问题占比超过 20%，就该认真评估私有 AI 的必要性。
第三，企业可以启动“AI in the Loop”试点，让 AI 进入核心岗位的决策流程，先观察并记录人的判断模式。黄仁勋提到，经过 3 个月 积累后，公司就可能形成一套属于自己的经验数据库。这类数据不一定立刻兑现成财务指标，但在他看来，真正的竞争壁垒往往就是这样慢慢沉淀出来的。