這幾天他到台灣，不同場合反覆談起同樣幾個重要觀點。他一再強調，AI 不會泡沫化，因為它不是一個應用程式，而是一項基礎建設。未來幾乎所有要發展的項目，都會運用到 AI。真正能從這波變革中受益的，是那些願意與 AI 一起深入學習、並把 AI 納入自己專業體系的人。懂得和 AI 一起學習的人，就能利用它，不斷提升自己的價值。
然而，許多人一提到人工智慧，腦中浮現的仍然是 ChatGPT、Gemini，或某種可以對話的聊天機器人。黃仁勳在台灣與達沃斯反覆提醒，這樣的理解太小，也太表面。因為 AI 從來不是一個應用程式，也不是某個對話介面，而是一場網路平台等級的翻轉。
達沃斯論壇上，黃仁勳明確把 AI 產業架構分為五層，由底層向上發展，才能真正成功。最底層是能源，因為 AI 需要即時處理與生成，消耗大量電力，穩定的能源供應是首要條件。再來是晶片與系統，這也是輝達的核心領域，GPU 硬體，以及處理高度運算需求的處理器。中間層是基礎設施，包含資料中心、雲端服務、軟體、冷卻系統與網路，讓成千上萬顆晶片能夠大規模運作。再往上是 AI 模型，一般人最熟悉的層級，例如各種 GPT 類的智慧演算法與模型。而最上層，才是應用，也是經濟效益最終實現的地方，包含金融服務、醫療、製造等產業，在實際工作流程中使用 AI。
他特別強調，真正的 AI，不是存在雲端，而是能否被真正運用在現實之中。
黃仁勳也用非常簡單的方式，讓一般人理解 AI 的改變。過去許多必須透過程式語言、由工程師或專業人士才能完成的工作，現在一般人都做得到。AI 可以理解你的話、你的問題，然後透過龐大的資料量與極高速的運算，給你答案。而這樣的趨勢，會更廣泛、更深入、更快速，而且是不可逆的。
也因此，很多人對 AI 感到恐慌。事實上，現在已經有不少產業被 AI 改變，甚至被企業拿來當作縮編的理由。AI 的圖像生成能力，讓動畫製作變得簡單，文案與內容設計也正在被重新定義。
但黃仁勳在經濟論壇上，舉了一個非常關鍵的醫學例子。他談到放射科醫師的工作。過去，放射科醫師必須花大量時間判讀影像，並且詳細描述影像的內容、結果與意義。未來，這些基礎而繁重的工作，AI 都可以協助完成。那放射科醫師要做什麼？黃仁勳的答案是，當 AI 幫你完成專業中，最基本的工作時，你真正要思考的是，如何精進自己的專業，在判斷 AI 的結果、與病患溝通、提供更有價值與更人性的醫療服務上，變得更好。
這個例子，其實也點出了他對 AI 與工作的核心看法。AI 不會取代人，但會重新定義價值。
黃仁勳也破除了一個非常重要的 AI 迷思。很多人以為，使用 AI 最重要的是學會下關鍵字，但那其實只停留在搜尋資料、蒐集資訊的階段。真正重要的，不是指令，而是提問能力。AI 的關鍵，不在於你怎麼下指令，而在於你能不能問出對的問題。
他也提到，即使到了現在，他仍然與 AI 持續相互學習，因為他會不斷發問、不斷追問。我對這一點有非常深刻的體會。以我最常使用的 ChatGPT 與 Gemini 來說，如果只是請它們查資料、找資訊，那只是把原本在 Google 上做的事情加快而已。但當我對知識內容產生更多疑問、不斷追問為什麼，與還有沒有其他可能性，AI 就能陪我把問題問深、問完整，進而回到我自己的專業領域中使用。
衛生福利部台北醫院為協助中風患者改善身體狀態，在安全前提下爭取更多復健空間，復健科醫療團隊以「血管雷射治療（ILIB）」，成功協助多位原本臥床的病人重新站起、邁開步伐，創新研究還發表在國際知名醫學期刊《Lasers in Medical Science》上，替中風復健治療提供科學實證，也為中風病患帶來重生福音。
