AI 自動化的是任務，不是目的——這個框架改變你看待工作的方式
前言
「AI 會不會是泡沫？」
這是 BlackRock 執行長 Larry Fink 在達沃斯世界經濟論壇上問黃仁勳的問題。
黃仁勳的回答很直接：
「現在要租一顆 NVIDIA GPU 非常困難，連兩代前的舊 GPU 租金都在漲。這不是泡沫的跡象，這是需求爆炸的跡象。」
NVIDIA 自 1999 年上市以來，年化報酬率達到 37%。同年上市的 BlackRock 是 21%——這已經是金融服務業的頂尖水準了。
這場演講，黃仁勳用最清晰的框架解釋了 AI 產業的全貌——從能源到晶片到應用，以及為什麼他認為 AI 會創造工作，而非消滅工作。
本文重點
AI 產業是五層蛋糕：能源 → 晶片 → 雲端 → 模型 → 應用
2024 年 AI 三大突破：Agentic AI、開源模型、實體 AI
AI 創造工作：放射科醫師和護士的人數都增加了
區分「目的」和「任務」是判斷 AI 影響的關鍵框架
每個國家都該建 AI 基礎設施
AI 產業的五層架構
黃仁勳用「五層蛋糕」來解釋 AI 產業。這個框架非常清楚：
第一層：能源
AI 是即時運算、即時生成智慧，需要大量能源。這是一切的基礎。
第二層：晶片與運算基礎設施
這是 NVIDIA 所在的層級。台積電剛宣布要蓋 20 座新晶圓廠，鴻海要蓋 30 座新電腦工廠，美光投資 2000 億美元在美國。
第三層：雲端基礎設施
AWS、Azure、GCP 這些雲端服務商都在這一層。
第四層：AI 模型
ChatGPT、Claude、Gemini、DeepSeek 都在這一層。大多數人以為「AI」就是這層，但別忘了下面還有三層支撐。
第五層：應用
這是最重要的一層——金融服務、醫療、製造業的 AI 應用。經濟效益最終在這一層產生。
「我們現在投入了幾千億美元，但這只是開始。還有數兆美元的基礎建設要建。」
這是人類史上最大的基礎建設。
2024 年 AI 的三大突破
黃仁勳指出，過去一年 AI 有三個重大進展：
突破一：從語言模型到 Agentic AI
AI 模型一開始很有趣，但會幻覺。去年的突破是：這些模型現在能做研究、能推理、能規劃。
它們不再只是回答問題，而是能夠把複雜問題拆解成步驟，一步步完成任務。這就是 Agentic AI。
突破二：開源模型崛起
DeepSeek 是全球第一個開源推理模型。黃仁勳說，很多人對 DeepSeek 感到擔憂，但對產業來說這是好事。
開源讓企業、研究者、大學、新創都能用這些模型來建立自己的專屬應用。你不需要從頭訓練，可以站在巨人的肩膀上。
突破三：實體 AI（Physical AI）
AI 不只理解語言，還開始理解物理世界——蛋白質結構、化學分子、流體力學、量子物理。
黃仁勳舉了禮來藥廠（Eli Lilly）的例子：
「他們現在可以『跟蛋白質對話』，就像我們跟 ChatGPT 對話一樣。」
這代表藥物研發會被徹底改變。
AI 會消滅工作嗎？黃仁勳：正好相反
這是演講中最精彩的部分。Larry Fink 問了大家都在問的問題：AI 會不會取代工作？
黃仁勳沒有迴避，用兩個真實案例回答：
案例一：放射科醫師
十年前，大家都說放射科醫師會被 AI 取代，因為 AI 看片比人快。這是最早被認為會「消失」的職業之一。
十年後的結果？
AI 確實 100% 滲透進放射科
但放射科醫師的人數增加了
為什麼？
「放射科醫師的工作目的是幫病患診斷疾病，不是『看片』。看片只是任務。AI 讓他們能更快看完片，就有更多時間跟病患互動、跟其他醫師討論。醫院能看更多病患，收入增加，就雇用更多放射科醫師。」
案例二：護士
美國缺 500 萬名護士。護士花一半時間在做病歷記錄——這是任務，不是目的。
用 AI 做病歷轉寫後，護士能花更多時間在病患身上。醫院能服務更多病患，就需要更多護士。
黃仁勳的框架：區分「目的」和「任務」
這是整場演講最實用的框架。
黃仁勳說：
「如果你只看我們兩個人在做什麼，你會以為我們是打字員——因為我們整天都在打字。但那不是我們的工作目的。」
判斷 AI 對某個工作的影響，要問兩個問題：
這份工作的目的是什麼？
這份工作的任務是什麼？
如果 AI 自動化的是「任務」，而「目的」是服務人類，那 AI 反而會讓這份工作更有價值。
這個框架可以套用在任何職業：
律師的目的是幫客戶解決法律問題，不是「讀文件」
會計師的目的是幫企業做好財務規劃，不是「對帳」
業務的目的是幫客戶找到解決方案，不是「打電話」
當任務被自動化，人可以花更多時間在目的上。
每個國家都該建 AI 基礎建設
黃仁勳對開發中國家的建議很明確：
「每個國家都有電力、都有道路，你也應該有 AI 作為基礎設施。」
他的論點：
AI 很容易用
這是史上最容易使用的軟體。兩三年內就有近十億用戶。以前你要學會程式才能用電腦，現在你只要對電腦說「我不會用 AI，你教我」，它就會教你。
開源模型讓門檻降低
你可以用開源模型，加上本地專業知識，建立自己國家的 AI。
語言和文化是天然資源
用自己的語言訓練，建立屬於自己國家的 AI。這是你的競爭優勢。
AI 會縮小科技落差
因為太容易使用了，不需要電腦科學學位。每個人都可以成為程式設計師。
歐洲的機會：工業製造 + AI
Larry Fink 問黃仁勳對歐洲的看法。黃仁勳的回答很有洞見：
「美國主導了軟體時代。但 AI 不用寫程式，AI 是用教的。歐洲的工業製造基礎非常強，這是你們跳過軟體時代、直接進入實體 AI 時代的機會。」
他給歐洲的建議：
增加能源供應——這是前提
投資 AI 基礎建設
結合工業優勢：製造業 + AI = 機器人
用 AI 加速科學發現——歐洲的深度科學很強
黃仁勳特別提到，歐洲有很強的技術工人基礎，這是美國過去 20-30 年流失的。這是歐洲的優勢。
AI 是泡沫嗎？
黃仁勳的回答很實際：
「NVIDIA 現在有數百萬顆 GPU 在雲端，但你現在要租一顆還是非常困難。連兩代前的舊 GPU，租金都在漲。」
原因是：
AI 公司數量爆增
傳統企業的研發預算正在轉向 AI（禮來藥廠就是例子）
2025 年 VC 投資超過 1000 億美元，是史上最大的一年
大部分資金投向 AI 原生公司：醫療、機器人、製造、金融服務
「這是人類史上最大的基礎建設。參與進來吧。」
阿峰觀點
黃仁勳這場演講，最讓我印象深刻的是他對「AI 取代工作」的回應。
他沒有迴避問題，而是用真實案例說明：AI 自動化的是任務，不是目的。
放射科醫師的目的是診斷疾病，不是「看片」
護士的目的是照顧病患，不是「寫病歷」
你的目的是創造價值，不是「打字」
當任務被自動化，人可以花更多時間在目的上，反而創造更多價值、更多工作機會。
這個框架非常實用。下次有人問你「AI 會不會取代你的工作」，先問自己：
我工作的目的是什麼？
我工作的任務是什麼？
如果 AI 取代的是任務，而你的目的是服務人、創造價值，那 AI 是讓你更強大的工具，不是威脅。
我常說：「你是機長，AI 是機組人員。」
機長的目的是把乘客安全送達目的地，不是「操作儀表板」。AI 讓你能更好地完成目的，這才是重點。
建議行動
用黃仁勳的框架分析自己的工作：目的是什麼？任務是什麼？
如果你還沒用過 Claude 或 ChatGPT，今天就開始。黃仁勳特別提到 Claude 的推理能力很強，值得試試。
思考你的產業如何應用 AI——不是取代人，而是讓人能服務更多客戶
關注 AI 基礎建設的投資機會，這是長期趨勢
結語
黃仁勳說：「這是人類史上最大的基礎建設。」
從能源到晶片到雲端到模型到應用，每一層都在爆發成長。這不是泡沫，是剛開始。
AI 不會取代工作，而是重新定義工作的價值。那些能用 AI 放大自己目的的人，會在這個時代脫穎而出。
問題不是「AI 會不會取代我」，而是「我要怎麼用 AI 讓自己更有價值」。
📌 素材來源：達沃斯世界經濟論壇 2025 - Jensen Huang 與 Larry Fink 對談
