这场AI峰会请来了黄仁勋、奥特曼、李飞飞等16人，6小时炉边对话，我整理了所有干货

我觉得Cisco（思科）2月4日的这场第二届AI Summit有点被忽视了。这是一个总时长约6小时，没有产品发布，没有销售推介的大会。全天都是真刀真枪的一对一炉边对话。Cisco董事长兼CEO Chuck Robbins和总裁兼CPO Jeetu Patel做东，基本上围绕一个主体：组织如何吸收AI技术能力？

大会也可以说是众星云集。

AI平台巨头悉数到场，山姆·奥特曼（Sam Altman，OpenAI CEO）、Kevin Weil（OpenAI科学VP）、Mike Krieger（Anthropic CPO，Instagram联合创始人）。

云与基础设施一侧，Matt Garman（AWS CEO）、Kevin Scott（Microsoft CTO）、Amin Vahdat（Google AI基础设施CTO）分别代表三大云厂商。

芯片端，是陈立武（Lip-Bu Tan，Intel CEO）和黄仁勋（Jensen Huang，NVIDIA创始人兼CEO）。

企业软件由Aaron Levie（Box CEO）和Dylan Field（Figma CEO）出战。

李飞飞（Fei-Fei Li，World Labs CEO）带来空间智能的前沿视角，Marc Andreessen（a16z联合创始人）提供投资人和产业史观。

地缘话题由Brett McGurk（Cisco国际事务顾问，前美国白宫特别总统特使）和Anne Neuberger（Cisco战略顾问，前美国白宫副国家安全顾问）覆盖。

Tareq Amin（HUMAIN CEO）代表中东主权AI力量，Fran Katsoudas（Cisco EVP兼首席人才官）则代表跨国公司谈AI对人才和组织的真实冲击。

压轴的是黄仁勋，对话在晚间7:30进行，经历了亚洲四五个城市连续出差、凌晨一点起床赶场。

话不多说，这是按出场顺序整理每位嘉宾的核心干货。

一、Chuck Robbins（Cisco董事长兼CEO）：信任是AI时代的基础货币

Chuck Robbins的开场定了全天基调。他说2026将是agentic应用的转折年，这可能是"我们见过的最大一次技术变革，而且速度比以往任何一次都快"。

他反复强调的关键词是信任——对数据的信任、对模型的信任、对基础设施的信任、对Agent的信任、对合作伙伴的信任。这个话题在达沃斯是核心议题，在AI部署中更是前置条件。"如果你不信任这些系统，你永远不会用它们。"

他还指出，部署Agent之后，流量模式会变、延迟要求会变、安全架构必须重构。Cisco正在和Nvidia、AMD、OpenAI、Anthropic、HUMAIN、G42等合作伙伴一起摸索这些变化的实际影响。

二、Jeetu Patel（Cisco总裁兼CPO）：AI的三大约束与Cisco的全栈布局

Patel把AI的发展划分为三个阶段：智能聊天机器人（2022年启动）→ Agentic AI（2025年实验，2026年见ROI）→ 物理AI（机器人和大型世界模型正在加速）。然后他抛出了一个贯穿全天的框架：AI面临三大约束。

1、基础设施约束。电力、算力、网络带宽、内存、数据中心外壳——全都不够。行业正在投入万亿美元级别的资金。

2、信任赤字。安全第一次成为技术采纳的前提条件，而非生产力的对立面。不只是用AI做网络防御，还要保护AI本身。Cisco去年发布了AI Defense产品，CVS和NEC已经开始在生产环境使用。

3、数据缺口。公开互联网上的人类生成数据正在耗尽，合成数据和机器生成数据正在爆炸式增长——Agent 7×24运行会持续加速这个趋势。

几个重磅数据：Cisco 70%的AI产品已使用AI生成的代码。2026年内至少半打产品将100%由AI编写代码。人类的瓶颈从"写代码"变成了"读代码和审查代码"。

他提出的核心问题也很犀利："AI推进的速度远快于组织吸收它的能力，这本身就是一个必须解决的问题。"Token生成将成为每家公司和每个国家的核心货币——经济高效地生成token的能力，将直接关系到国家安全和经济繁荣。

三、山姆·奥特曼（Sam Altman，OpenAI CEO）：Codex是ChatGPT之后的又一个"魔法时刻"

主题：从编码工具到AI公司，能力过剩与吸收困境

1、Codex让他感受到了ChatGPT级别的冲击

奥特曼说Codex是他近期对AI最大的认知更新。"模型真正突破了某个阈值，界面和使用方式终于跟上了。"他认为这是第一次真正看到了知识工作未来的清晰面貌。Cisco是Codex的第一个设计合作伙伴，AI Defense产品将在2-3周内实现100%由Codex编写代码。

上限在哪里？"完全由AI运营的公司。"编码模型不仅能写复杂软件，还能与现实世界交互来围绕软件建立一家公司。

2、"把它当队友，别当工具"

Cisco的一位工程师点醒了他们：你们一直把Codex当工具用，效果有限，应该当成协作者。奥特曼说这种思维惯性("skeuomorphic design")是普遍存在的——人们还在用事务性心态对待一个已经具备协作能力的系统。"Codex应用是我第一次真正感觉在和一个协作者工作，而非使用一个工具。"

3、能力过剩达到了历史峰值

当前AI的能力过剩感"比ChatGPT发布前夕还要大"。模型已能做小型科学发现、写完整软件、做通用知识工作，但扩散速度"出乎意料地慢"。他承认自己之前太天真，但提出了一个严肃警告：无法快速采纳"AI同事"的公司将处于巨大劣势，"这需要大量工作和一些冒险"。

4、非显性约束比显性约束更棘手

电力和硬件是显性约束。非显性约束包括：安全与数据访问如何与模型效用平衡（需要发明全新的范式）；所有软件需要重写以同时适配人类和AI使用（他举了Slack的例子——Agent读完消息后把所有未读标记为已读，打乱了他的工作流）；现有计算机硬件和权限系统不适合"AI全程监听你的会议和屏幕"的always-on模式；法律体系也没准备好。

5、开源和本地模型是刚需

"未来你会有一个看到你整个人生的AI设备，24小时开机。至少我个人，非常希望那个东西跑在我自己控制的推理上。"被问到美国在开源方面是否落后，他直接说"是的，我担心"。为什么OpenAI不做更多开源？"Focus和时间，但我们需要解决。"

6、2026年底模型能力主观感受会提升10倍

被追问具体量化，他说"主观感受大概10倍"，虽然难以精确衡量，但这是合理预期。模型进步是最大的顺风，全球性动荡和供应链中断是最大的逆风。

四、陈立武（Lip-Bu Tan，Intel CEO）：内存才是最紧迫的AI瓶颈

主题：Intel的全栈复兴与被忽视的硬约束

这位75岁的传奇CEO10个月前接手Intel。他说最终决定接任是因为"这是一家标志性公司，对产业和美国都很重要"，说服太太让他"再来一次"。

1、18A制程正在走上正轨

他接手时良率很差，花了大量精力拉来PDF Solutions、KLA等设备伙伴帮忙，现在实现了每月7-8%的良率改善（业界最佳实践水平）。已有客户开始主动敲门要用18A。14A（1.4nm，最先进制程）计划2028年风险量产、2029年大规模量产。下半年将看到代工客户的量产承诺——"当你看到我开始采购关键材料和资本设备时，就意味着真正有客户签了约。"

2、内存是最被低估的约束

他和全球仅有的三家HBM厂商中的两家频繁沟通，得到的答案是"2028年之前没有缓解"。Nvidia的下一代产品需要大量内存，整个AI行业在疯狂吸收内存产能。

其他关键约束排序：散热（风冷已经不够用，液冷、微流体冷却、浸没式冷却是方向）；光互连（从铜缆到光学已成刚需）；集群管理软件（Kubernetes找不到真正问题，新创业公司正在涌入）；摩尔定律周期从3-4年压缩到3-4个月。

3、Intel的全栈野心

CPU继续做，GPU也要做（已挖来顶级GPU架构师），同时拥抱RISC-V和ARM，不再只押x86。代工业务要做成通用代工——不只造自己的芯片，也服务外部客户。还在押注新材料：玻璃基板（优秀绝缘体）、人造钻石、氮化镓（射频和开关领域）。

4、开源

"几个很懂行的人告诉我，美国在开源上已经落后于中国了。"DeepSeek只是一个wake-up call。

6、给企业的建议

"想清楚你要解决什么问题、要什么结果。别在老旧遗留系统上直接叠AI，那行不通。要从基础开始重新审视。"他自己刚招了"能找到的最好的CIO"来彻底改造Intel的IT基础设施。

五、李飞飞（Dr. Fei-Fei Li，World Labs CEO）：空间智能是AI的下一个前沿

主题：从语言到三维世界，世界模型的科学与商业前景

1、为什么空间智能比语言智能更基础

李飞飞从进化视角切入：感知比语言早了5亿多年。动物先学会看光、触碰环境，才发展出神经系统，才有了进化军备竞赛。语言智能撑死50万年历史。"理解、推理、交互和导航真实三维四维物理世界的能力，和语言智能一样是基础性的。空间智能是连接两者的关键技术。"

2、Marble模型：第一代空间智能前沿模型

Marble接受多模态输入（文本、图片、视频、3D数据），生成可导航、可交互、永久一致的3D世界——这和当前的视频生成模型有本质区别。它具备几何结构，可以支持模拟机器人动作或编写游戏。两个月前发布，目前是3D生成式世界模型的最先进水平。

已有的应用让她自己都意外。游戏开发、影视虚拟制作、机器人训练环境、建筑设计都在预期之内。但精神科研究是意外收获——OCD患者的触发场景高度个性化（"我个人被脏衣服触发"），研究者很难手动创建这些环境，Marble几分钟就能生成多种版本。还有人用它做个性化瑜伽训练环境。

3、世界模型远小于语言模型，但追赶速度会很快

GPT-5的训练大约是10^26 FLOP，Marble还小几个数量级。原因有两个：3D/4D数据远不如文本丰富且干净（"我太羡慕做语言的朋友了，输入输出都是全可观测的单一模态，而且文本语义非常干净"）；这个领域比语言模型年轻得多，Transformer论文2016年发表至今近10年，世界模型还在相对早期。

但有几个加速因素：更多人加入、算力更强大、生态更成熟、数据供应商三年前都不存在。而且World Labs自身产出的内容也会成为模拟数据的飞轮。

4、对通用机器人的诚实判断

"北极星很清楚，不代表旅途很短。"自动驾驶从2006年Stanford团队在沙漠跑138英里，到Waymo去年上路，用了近20年。汽车是"在二维平面上移动的方形机器人，唯一目标是不碰东西"。通用机器人是三维物体在三维世界工作，目标是"以不弄坏东西的方式触碰东西"，维度高得多。手部灵活性尤其困难。"我作为科学家不喜欢过度承诺。"

5、AI极化叙事的危害

她说最让她担忧的是AI讨论的极端两极化——要么技术乌托邦（仿佛技术从来不是双刃剑），要么末日预言（仿佛人类每分钟都在面临存亡危机）。"这不是一种负责任的方式来讨论一项对文明如此重要的技术。"她呼吁更多nuance（细微差别），既有用技术向善的乐观，也有负责任使用的自觉。

6、AI成功的定义

"如果150年前我们在台上讨论电力的成功是什么样，我希望答案是：学校亮了，家庭暖了，机器赋能了工业化，寿命延长了，更多孩子能上学了。AI的成功也是一样——文明变得更好，每个人都能追求幸福、繁荣和尊严。"

六、Dylan Field（Figma CEO）：我们还在AI的MS-DOS时代

主题：设计的未来、角色演变与品味的不可替代性

1、当前Agent交互范式是有限的

现在的Agent模式是"启动→执行→回来交差"。未来会有长期运行的Agent（可能跑一整年），也会出现超越文本输入框的新交互方式。Field认为我们处在"AI的MS-DOS时代"——文本提示只是导航潜在空间的一种方式，不是唯一方式。

2、角色不会模糊，职责会模糊

他之前说了10年"设计师、工程师、PM的角色会融合"。模型变强之后他修正了看法：角色还在，但职责在模糊。AI让每个人都没借口说"我被其他角色卡住了"——"你应该直接去解决问题"。更多人会做原型，更多人会做设计，也会有更多人和客户交谈。

3、可审计性比自主性更重要

"如果你现在完全信任Agent在沙盒里独立工作，你是一个非常勇敢的人。"他认为未来的方向是人和Agent在同一画布上协同工作（类似Google Docs的多人编辑模式），而不是Agent在黑箱里独立运行。

4、品味可以学习，但它是终极稀缺资源

他区分了"品味"和"设计"：设计有客观的类别错误可以避免，品味更偏个人修炼。在AI能批量生成选项的时代，有观点的输出比generic slop更有价值——"如果AI给你一坨平庸的东西，你没什么反应。如果它给你一个很有态度的东西，你一定会有真实反应，然后去调整它。"

当前最稀缺的资源是注意力。你必须在视觉上脱颖而出。他预测我们即将看到一场"创意爆发"，各种大胆表达涌现，有些会失败，但这是产生伟大结果的必经之路。

5、给企业的建议

"你可以用AI大幅加速，但也可能交付更差的产品。"在你的组织文化中，谁决定产品何时发布？质量把关机制（尤其是设计师的参与）比以往任何时候都关键。没有这个gate的文化会吃亏。

七、Aaron Levie（Box CEO）：编码之外的知识工作为什么这么难AI化

主题：Context for agents是未来十年的核心企业挑战

1、编码天然适合AI的五个属性

Levie给出了最清晰的分析框架：编码之所以率先突破，是因为代码可验证（跑得通或跑不通）、权限简单（工程师通常访问所有相关代码）、纯文本介质、有文档化习惯、工程师习惯为他人记录工作。

把这些条件逐条对照营销、法务、销售、财务——每一条都不成立。知识工作充斥着隐性上下文、复杂权限矩阵、非结构化信息、不成文的流程。"这就是为什么你会在多年里持续看到认知失调：编码AI在爆炸，其他领域还在挣扎。"

2、"我们必须适应Agent的工作方式"

这是他最核心的判断。现在用AI编码的工程师每天写的是spec和markdown文件，为Agent服务。"去告诉你的营销或法务人员这就是未来的工作方式。他们没准备好，但这就是必须走的路。"

3、Context for agents涉及至少10个变量

给Agent的上下文太少它做不了事，太多会出现"context rot"（上下文腐烂，Agent表现反而变差）；要确保Agent不访问不该访问的信息；要确保用户的权限设置是最新且权威的。这些变量必须同时做对。

4、SaaS没有死

两个理由。第一，Jeffrey Moore的core vs context框架没变——没有公司会把稀缺资源用来自建ERP，客户不关心你的ERP怎么来的。第二，当Agent数量比员工多100-1000倍，每个都是非确定性的，那个做"交通管制"的确定性系统（SaaS）反而价值更高。

5、用Agent做更有野心的事

"不要只用Agent做小事。以前太有野心的想法被搁置是因为验证周期太长——三年才知道能不能产生价值。现在两周就能搞出来验证。用Agent做更大的事，而非更小的事。"

八、Kevin Scott（Microsoft CTO）：感谢AI在人口危机到来时出现

主题：人口结构、零和困境与平台公司的耐心

1、日本今年高中毕业生达到历史峰值，此后只会下降

他的一位日本教育机构负责人朋友随口提到这个数据，让他震惊。中国、韩国、西欧都在人口下降通道，美国去除移民因素也是。老龄化人口增长快，劳动力减少，需要技术介入来维持社会运转水平。"感谢AI在这个时候出现"——这是一个至少部分的解答。没有AI，很多问题将变成残酷的零和博弈。

2、编码Agent已经让最优秀的工程师也感到吃力

Microsoft内部最激进的团队，全面使用编码Agent的工程师年推理成本约15万美元。软件工程的未来是"少关心键盘上敲了什么字符，多关心你是否真正理解在建什么以及为什么"——这其实一直是最好的工程师在做的事。

他的担忧是"把活动量当进展"——"你能用Agent喷出大量代码，但没人说那就是好代码。"

3、乐观场景和悲观场景

乐观：AI解决人口和劳动力带来的零和困境。悲观：我们用AI来进一步分散注意力和制造肤浅内容。他说自己的孩子"一半时间用AI做生物医学工程项目，另一半时间生成绿色大屁股羊驼然后贴上别人的脸"。

4、关于Microsoft最被误解的事

Microsoft是一家平台公司，DNA就是"造东西让别人在上面再造东西"。50年平台经验让他们对技术变革的混乱有"无限耐心"——不会等理想条件出现才动手，会跳进去，犯错，纠正，继续。芯片方面，Microsoft有自己的芯片（很棒），同时有巨大的Nvidia和AMD机队——"什么最有成本效益，就规模化部署什么。"

5、他最希望改变的事

"记住技术还是工具。它没有变成别的东西。没有不可阻挡的趋势线在决定一条唯一的路。一切取决于我们选择用这个工具做什么。如果我们每天上班前都想一想'我今天做的事是不是在服务我的同胞'，我们就会处在一个很好的位置。"

九、Tareq Amin（HUMAIN CEO）：沙特的全栈AI野心

主题：6周找到211块地和14GW电力的政府效率

1、HUMAIN的全栈定位

2024年8月成立，五个法律实体覆盖数据中心（壳体、机械、电力）、多样化芯片、阿拉伯语模型、应用、AI咨询。沙特的核心优势是电力——超过15GW的可用容量，20%可再生能源，TCO比其他地方便宜20-30%。

2、政府效率的震撼案例

Amin向能源部长提出需求：找到有电力的变电站加上临近的政府用地。6周内，16个政府部门集中办公，找到了211块土地、超过14GW变电站容量，不需要新建变电站。"这是我见过的最不可思议的公私合作。"

3、世界第一个Agentic操作系统

HUMAIN内部正在运行一个基于定制Linux发行版的操作系统——应用降为二等公民，员工不再看到任何app，只需声明意图，Agent执行工作。无论是跑薪资、绩效管理还是采购财务，都没有传统应用界面。"员工是策略执行者和Agent的治理者。"计划2026年4月发布HUMAIN OS。

他的核心观点：为什么只有13%的企业觉得从AI获得了价值？"你不能把模型粘在遗留平台上就指望看到生产力提升。"

十、Matt Garman（AWS CEO）：峡谷上的木板与A100服务器从未退役

主题：AI-first云、成功指标与太空数据中心的现实

1、最大的差距在于成功标准不清晰

他讲了一个精彩对比。两位医院管理者都部署了AI环境监听，自动生成医生笔记和保险文件。第一位说"医生有更多时间和家人吃饭了，但我一分钱没省"。第二位说"我最担心的30%医护流失率现在降下来了"。同样的技术，一个觉得失败，一个觉得成功——区别在于有没有提前定义正确的成功标准。

客服和编码场景通常有好指标。通用生产力提升的指标大家还没想清楚。

2、"峡谷上的木板"比喻

巨大峡谷上架一块木板，你会趴着爬。加上扶手和护栏，你就能跑。木板没变，安全感让你加速了。企业需要Agent的guardrails才敢快速推进——有个Agent差点删除AWS生产环境基础设施。

3、从头就用AI编码的团队效果最好

AWS内部有团队强制要求"不写一行代码"，全用提示词驱动。AI积累完整上下文，自动文档化和测试，形成飞轮。但对复杂遗留系统（如S3），加速效果还不够大。"越往底层走越难。"预计6-9个月突破。

4、A100服务器从未退役过一台

因为需求大于供给，且有结构性原因——某些HPC客户需要更高浮点精度，新一代芯片的降精度策略反而不适用。去年AWS新增近4GW数据中心容量。

5、主权AI的真实焦虑

达沃斯上几乎每个欧洲公司的开场白都是"我们信任你，但不确定能不能信任你们国家"。他们担心对方政府会"关掉他们的开关"。AWS两周前发布了EU Sovereign Cloud——完全独立子公司，在欧盟注册，受欧盟法律管辖，独立治理委员会，所有数据（含元数据和登录信息）留在欧盟区域内，甚至测试过断开与AWS骨干网的连接。

6、太空数据中心还很远

"人类还从未在太空建过永久结构。"火箭运输成本太高，即使SpaceX说要发百万颗卫星，目前也没有足够运力。有趣但不经济。

十一、Brett McGurk与Anne Neuberger：地缘政治与AI安全

主题：200枚导弹、网络战与AI监管的困境

嘉宾：Brett McGurk（Cisco国际事务特别顾问/Lux Capital风险合伙人）& Anne Neuberger（Cisco战略顾问/前白宫副国家安全顾问）

1、AI已跃升为国家安全议程的头号议题

Brett直言：从未见过一个议题如此迅速地冲上国安议程顶端。2022年前，AI还是技术圈的事；如今无论哪位总统会见外国元首，AI都是前三个话题之一。

2、AI竞赛：三种"赢法"，三个国家

Anne拆解了中美印三种不同的AI竞争路径：美国靠最先进推理模型和闭源为主的基础设施大规模建设，保持前沿能力领先；中国落后7-8个月但应用层快速扩展，"AI+计划"聚焦工业制造，走规模化应用路线；印度则用小语言模型覆盖20种语言100种方言，适配本国需求。

具身AI（Embodied AI）：中国拥有海量制造数据和工程能力，正在将这些转化为机器人能力。

3、AI在网络防御中的独特价值

Anne详细阐述了AI如何改变网络安全格局。她引述了一位电信运营商COO的话——"我们现在是软件定义网络，配置随时在变，我们很难定义什么是'正常'。如果不能定义正常，就无法识别异常。而异常是发现恶意行为的第一步。"AI的解法正是从这里切入：定义网络的"正常态"，实时标记异常行为，而全球平台的优势在于某地发现的攻击手法可以即时预警其他地方。Cisco开源的安全基础模型正是基于这个逻辑——用全球数据定义"正常"和"异常"。Anne认为更深层的机会在于用AI发现代码漏洞并修复，这可能从根本上改变软件安全的范式。

4、以希望结尾：AI正在改变个体生命