Loading video...

Video Failed to Load

Go Home

Nvidia 2024年台北国际电脑展主题演讲 15 分钟浓缩版（双语字幕） 在台湾的台北国际电脑展上，Nvidia的CEO黄仁勋宣布了一系列新品和更新，其中包括一组名为鲁宾（Rubin）的新芯片。 0:00 在Google Colab上更快的Pandas 0:40 Pandas速度演示 0:56 Earth-2数字孪生，用于模拟地球变化 2:22 Nvidia推理微服务AI生成器 5:29 Nvidia NIM用于生成式AI接口 6:11 Nvidia Ace NIMs AI人类模型 7:08 新的RTX AI电脑和笔记本 7:38 Blackwell GPU 8:24 DGX Blackwell 8:56 液冷MGX Blackwell 12:05 Nvidia的Ruben Ultra平台 12:47 Nvidia的Isaac ROS 3.0机器人平台 13:35 类人和可卷曲的AI机器人

dotey's profile picture

宝玉

218,915 subscribers

95,133 views • 2 years ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

4 Comments

Justin's profile picture
Justin2 years ago

《卖铲铲的人》

Sam chan's profile picture
Sam chan2 years ago

感谢分享

代码旅行's profile picture
代码旅行2 years ago

typo: Nvidia的Ruben Ultra平台 -> Nvidia的Rubin Ultra平台

CODEC's profile picture
CODEC2 years ago

谢谢

Related Videos

【黄仁勋宣布在台北建设英伟达台湾总部】 【打造首个大型AI超级电脑 建设台湾AI基础设施】 英伟达CEO黄仁勋5月19日在台北电脑展的主题演讲中，宣布英伟达将在台北市设立台湾的总部。黄仁勋以视频展示了类似宇宙飞船的炫酷造型，称其为NVDIA Constellation。他还宣布，将与鸿海、台湾的国科会（NSTC）、台湾政府、和台积电合作，打造首个大型AI超级电脑，建设台湾AI基础设施和AI生态系统。 #黄仁勋 #英伟达 #NVDIA #AI
1:08

【黄仁勋宣布在台北建设英伟达台湾总部】 【打造首个大型AI超级电脑 建设台湾AI基础设施】 英伟达CEO黄仁勋5月19日在台北电脑展的主题演讲中，宣布英伟达将在台北市设立台湾的总部。黄仁勋以视频展示了类似宇宙飞船的炫酷造型，称其为NVDIA Constellation。他还宣布，将与鸿海、台湾的国科会（NSTC）、台湾政府、和台积电合作，打造首个大型AI超级电脑，建设台湾AI基础设施和AI生态系统。 #黄仁勋 #英伟达 #NVDIA #AI

自由亚洲电台

74,039 views • 1 year ago

AI教主 Nvidia 黃仁勳總是想得到有梗的方式給大家留下印象，在最新的2024 GTC 大會上，Jensen 召喚出了迪士尼和Nvidia合作研發的超可愛機器人，非常幽默 Nvidia 為最近湧現的人形機器人製造商提供一個AI平台。Jetson Thor是一款專為運行人形機器人模擬工作流程、生成式AI模型等而設計的新型電腦。 人形機器人大軍即將來襲。
3:47

AI教主 Nvidia 黃仁勳總是想得到有梗的方式給大家留下印象，在最新的2024 GTC 大會上，Jensen 召喚出了迪士尼和Nvidia合作研發的超可愛機器人，非常幽默 Nvidia 為最近湧現的人形機器人製造商提供一個AI平台。Jetson Thor是一款專為運行人形機器人模擬工作流程、生成式AI模型等而設計的新型電腦。 人形機器人大軍即將來襲。

Intl Econ Observe

32,249 views • 2 years ago

NVIDIA 黃仁勳 CES 2025 開場演講，AI 無所不在 - 完整中英字幕對照 NVIDIA 執行長黃仁勳在 CES 2025 的主題演講中，揭示人工智慧 (AI) 發展的嶄新紀元。他展示 NVIDIA 如何引領這波科技浪潮，將 AI 的力量帶入各個領域，包含遊戲、企業應用、機器人以及自動駕駛等。 黃仁勳首先回顧 NVIDIA 的發展歷程，從早期遊戲顯示卡的研發到近年在 AI 領域的突破，展現 NVIDIA 如何從一家圖形處理器公司轉型為 AI 技術的領導者。他強調 AI 的發展已從「知覺 AI」進化到「生成 AI」，現在更邁向「代理 AI」階段，AI 不僅能夠感知和生成，更能進行推理、規劃和行動，這將徹底改變人類與電腦互動的方式。 演講中，黃仁勳發表多項 NVIDIA 的最新技術。GeForce RTX 50 系列顯示卡以其強大的效能和創新的 AI 技術，如光線追蹤加速和 DLSS 畫格生成，將遊戲畫面提升到全新境界。Blackwell 伺服器則以其高效能和能源效率，滿足企業對 AI 規模化的需求，加速 AI 訓練和部署。 NVIDIA 也推出了 NIMS 和 NEMO 平台，協助企業應用 AI。企業可藉此建立和訓練 AI 代理，提升工作效率和自動化程度。黃仁勳更進一步展望 AI 的未來，發表 NVIDIA Cosmos 世界基礎模型。Cosmos 旨在理解物理世界，並應用於機器人和工業 AI 領域。Cosmos 的出現，使 AI 能夠更深入地理解和模擬真實世界，進一步推動機器人和自動駕駛的發展。 在自動駕駛領域，NVIDIA 推出了新一代車用電腦 Thor，其強大的效能和通過 ASIL D 認證的安全設計，預計將加速自動駕駛汽車的發展。此外，NVIDIA DriveOS 成為首款通過 ASIL D 認證的軟體定義 AI 電腦，為自動駕駛汽車提供更安全可靠的保障。 黃仁勳也強調 AI 人才培育的重要性，並宣布推出 Project Digits，將 AI 超級電腦的規模縮小到一般使用者也能輕鬆使用，讓更多人有機會接觸和學習 AI 技術。 台積電：作為 NVIDIA 的主要晶片代工夥伴，台積電可望持續受惠於 NVIDIA 的 AI 產品需求，並在先進製程技術上保持領先地位。 鴻海：鴻海積極佈局電動車和機器人領域，NVIDIA 的 Thor 車用電腦和 Isaac Groot 機器人平台，可望為鴻海的發展提供助力。 聯發科：與 NVIDIA 在晶片設計上的合作，有助於聯發科提升在 AI 領域的技術能力，並拓展在 AIoT 市場的應用。 豐田汽車：與 NVIDIA 合作開發自動駕駛技術，可望加速豐田在自動駕駛領域的發展，並提升其汽車產品的競爭力。 發那科：作為全球領先的工業機器人製造商，發那科可望利用 NVIDIA 的 AI 技術和平台，開發更智慧、更具效率的工業機器人。 Sony：Sony 在遊戲和影像領域擁有深厚的技術積累，NVIDIA 的顯示卡和 AI 技術，可望為 Sony 的產品創新提供更多可能性。
1:32:16

NVIDIA 黃仁勳 CES 2025 開場演講，AI 無所不在 - 完整中英字幕對照 NVIDIA 執行長黃仁勳在 CES 2025 的主題演講中，揭示人工智慧 (AI) 發展的嶄新紀元。他展示 NVIDIA 如何引領這波科技浪潮，將 AI 的力量帶入各個領域，包含遊戲、企業應用、機器人以及自動駕駛等。 黃仁勳首先回顧 NVIDIA 的發展歷程，從早期遊戲顯示卡的研發到近年在 AI 領域的突破，展現 NVIDIA 如何從一家圖形處理器公司轉型為 AI 技術的領導者。他強調 AI 的發展已從「知覺 AI」進化到「生成 AI」，現在更邁向「代理 AI」階段，AI 不僅能夠感知和生成，更能進行推理、規劃和行動，這將徹底改變人類與電腦互動的方式。 演講中，黃仁勳發表多項 NVIDIA 的最新技術。GeForce RTX 50 系列顯示卡以其強大的效能和創新的 AI 技術，如光線追蹤加速和 DLSS 畫格生成，將遊戲畫面提升到全新境界。Blackwell 伺服器則以其高效能和能源效率，滿足企業對 AI 規模化的需求，加速 AI 訓練和部署。 NVIDIA 也推出了 NIMS 和 NEMO 平台，協助企業應用 AI。企業可藉此建立和訓練 AI 代理，提升工作效率和自動化程度。黃仁勳更進一步展望 AI 的未來，發表 NVIDIA Cosmos 世界基礎模型。Cosmos 旨在理解物理世界，並應用於機器人和工業 AI 領域。Cosmos 的出現，使 AI 能夠更深入地理解和模擬真實世界，進一步推動機器人和自動駕駛的發展。 在自動駕駛領域，NVIDIA 推出了新一代車用電腦 Thor，其強大的效能和通過 ASIL D 認證的安全設計，預計將加速自動駕駛汽車的發展。此外，NVIDIA DriveOS 成為首款通過 ASIL D 認證的軟體定義 AI 電腦，為自動駕駛汽車提供更安全可靠的保障。 黃仁勳也強調 AI 人才培育的重要性，並宣布推出 Project Digits，將 AI 超級電腦的規模縮小到一般使用者也能輕鬆使用，讓更多人有機會接觸和學習 AI 技術。 台積電：作為 NVIDIA 的主要晶片代工夥伴，台積電可望持續受惠於 NVIDIA 的 AI 產品需求，並在先進製程技術上保持領先地位。 鴻海：鴻海積極佈局電動車和機器人領域，NVIDIA 的 Thor 車用電腦和 Isaac Groot 機器人平台，可望為鴻海的發展提供助力。 聯發科：與 NVIDIA 在晶片設計上的合作，有助於聯發科提升在 AI 領域的技術能力，並拓展在 AIoT 市場的應用。 豐田汽車：與 NVIDIA 合作開發自動駕駛技術，可望加速豐田在自動駕駛領域的發展，並提升其汽車產品的競爭力。 發那科：作為全球領先的工業機器人製造商，發那科可望利用 NVIDIA 的 AI 技術和平台，開發更智慧、更具效率的工業機器人。 Sony：Sony 在遊戲和影像領域擁有深厚的技術積累，NVIDIA 的顯示卡和 AI 技術，可望為 Sony 的產品創新提供更多可能性。

fox hsiao

25,044 views • 1 year ago

在十九世纪 90 年代末期 Nikola Tesla 发明了交流发电机 而 Nvidia 现在发明了 AI 发电机 交流发电机生成 - 电子 AI 发电机生成的是 - Token 这两样东西都有巨大的市场机会 Token 几乎可以应用于每个行业 这就是为什么这是一场新的工业革命 黄老板在台北 Computex 2024 上宣布了 Nvidia 的下一代加速计算平台 Rubin，以及被加速计算开启的新工业革命，这个类比很形象！完整视频
2:37

在十九世纪 90 年代末期 Nikola Tesla 发明了交流发电机 而 Nvidia 现在发明了 AI 发电机 交流发电机生成 - 电子 AI 发电机生成的是 - Token 这两样东西都有巨大的市场机会 Token 几乎可以应用于每个行业 这就是为什么这是一场新的工业革命 黄老板在台北 Computex 2024 上宣布了 Nvidia 的下一代加速计算平台 Rubin，以及被加速计算开启的新工业革命，这个类比很形象！完整视频

indigo

106,188 views • 2 years ago

每个人都能买得起 英伟达发布个人AI超级计算机 ，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。 将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。 设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心 也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿 参数的大语言模型。 通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿 参数模型。 而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。 简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！
1:30

每个人都能买得起 英伟达发布个人AI超级计算机 ，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。 将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。 设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心 也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿 参数的大语言模型。 通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿 参数模型。 而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。 简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！

小互

85,713 views • 1 year ago

辉达执行长黄仁勋此次台湾专题演讲有哪些重点？黄仁勋周一（5月19日）在台北国际电脑展（Computex）进行专题演讲，除了介绍一连串新产品与技术，更在压轴宣布了海外总部选址为北投士林。 他还在演讲中不断提及台湾的重要性，并将为台湾打造巨型AI超级电脑。
1:29

辉达执行长黄仁勋此次台湾专题演讲有哪些重点？黄仁勋周一（5月19日）在台北国际电脑展（Computex）进行专题演讲，除了介绍一连串新产品与技术，更在压轴宣布了海外总部选址为北投士林。 他还在演讲中不断提及台湾的重要性，并将为台湾打造巨型AI超级电脑。

BBC News 中文

85,345 views • 1 year ago

迪士尼雪宝 Olaf 机器人 Olaf 机器人的技术栈： 硬件：肚子里装了 Jetson 计算机（NVIDIA 的边缘 AI 芯片） 训练：在 Omniverse（NVIDIA的虚拟仿真平台）里学会走路，先在虚拟世界跑通，再迁移到真实机器人 物理引擎：Newton 求解器，运行在 NVIDIA Warp 上（一个 Python物理模拟框架），跟 Disney 和 DeepMind 联合开发。让 Olaf能适应真实物理世界（地面摩擦、重心平衡等） 整条链路：Omniverse 虚拟训练 → Newton/Warp 物理仿真 → Sim-to-Real 迁移 →Jetson 边缘推理 → 真实机器人行走 语言和大脑应该是Deepmind 的 Gemini 模型
3:27

迪士尼雪宝 Olaf 机器人 Olaf 机器人的技术栈： 硬件：肚子里装了 Jetson 计算机（NVIDIA 的边缘 AI 芯片） 训练：在 Omniverse（NVIDIA的虚拟仿真平台）里学会走路，先在虚拟世界跑通，再迁移到真实机器人 物理引擎：Newton 求解器，运行在 NVIDIA Warp 上（一个 Python物理模拟框架），跟 Disney 和 DeepMind 联合开发。让 Olaf能适应真实物理世界（地面摩擦、重心平衡等） 整条链路：Omniverse 虚拟训练 → Newton/Warp 物理仿真 → Sim-to-Real 迁移 →Jetson 边缘推理 → 真实机器人行走 语言和大脑应该是Deepmind 的 Gemini 模型

小互

73,193 views • 4 months ago

黄仁勋真正想表达的不是“NVIDIA 股票一定涨”，而是 AI 基建正在从 GPU 短缺阶段，进入 AI 工厂标准化阶段。 谁掌握算力平台、软件生态和供应链，谁就掌握下一轮 AI 工业革命的入口。 一、核心观点： NVIDIA 的市值逻辑，不是“概念”，而是收入曲线在支撑 NVIDIA 的收入已经不是普通科技公司的增长速度。 NVIDIA 最新 FY2027 Q1 财报显示，公司季度收入达到 816 亿美元，同比增长 85%； 其中数据中心收入达到 752 亿美元，同比增长 92%。公司还给出下一季度 910 亿美元收入指引，并说明这个指引不包含中国数据中心计算收入。 最新市场数据也显示，NVIDIA 当前市值约 5.15 万亿美元。如果市场讨论未来 3–5 年能否继续翻倍到 10 万亿美元，本质上不是看短期情绪，而是看未来收入、利润和估值倍数能否继续配合。 一个重点是： NVIDIA 的市值不是“凭空炒上去”的，而是 AI 基建支出、数据中心收入、GPU / 网络 / 软件生态共同推动的结果。 二、黄仁勋真正的底气：AI 需求才刚开始 反复强调一个观点： AI 的需求不是接近尾声，而是刚刚开始爆发。 这和黄仁勋此前在 GTC 2026 的说法一致。 NVIDIA 官方博客提到，黄仁勋称 AI 计算需求已经“off the charts”，并表示过去几年计算需求增长了约 100 万倍；他还表示，从 2025 到 2027 年，仅 Blackwell 和 Vera Rubin 相关平台，就有望带来至少 1 万亿美元收入机会。 这句话非常关键 因为它意味着 NVIDIA 的增长逻辑已经从： 卖 GPU 给云厂商 升级为： 为全球 AI 工厂提供整套算力基础设施。 未来的 AI 需求来自多个方向： 大模型训练继续扩大； 推理需求快速增长； Agentic AI 带来更多多步骤任务； 企业 AI 应用从试点进入生产环境； 机器人、自动驾驶、工业数字孪生和物理 AI 开始吃算力； 数据中心从普通服务器升级为 AI 工厂。 这也是为什么黄仁勋一直强调 AI factories，AI 工厂。 在他的叙事里，未来数据中心不是存储网页和应用的地方，而是持续生产 token、智能和自动化能力的“工厂”。 三、第二个增长逻辑： Vera CPU 让 NVIDIA 不再只是 GPU 公司 NVIDIA 的下一个增量，不只是 GPU，而是 CPU。 过去数据中心 CPU 市场主要由 Intel 和 AMD 控制。但 Agentic AI 时代，CPU 的角色正在变化。 传统 CPU 主要处理通用计算任务；未来 AI 数据中心里，CPU 要负责更复杂的调度： 多智能体任务编排； 工具调用； 数据预处理； KV Cache 管理； 网络与存储调度； 大量小任务并发； GPU 集群之间的协调。 NVIDIA 在 Vera Rubin 平台中推出 Vera CPU，本质上就是在切入这个新市场。Tom’s Hardware 对 Vera Rubin NVL72 的报道提到，该系统采用 Vera CPU、Rubin GPU、NVLink 6、ConnectX-9、BlueField-4 和 Spectrum-6 Ethernet 等多类芯片，属于 rack-scale 架构；NVIDIA 声称 Rubin 相比 Blackwell 可带来更高推理性能和更低 token 成本。 这说明 NVIDIA 的打法已经不是“GPU 插进服务器”， 而是： CPU + GPU + DPU + NIC + Switch + 软件栈 + 液冷整机柜。 这就是视频里所谓“底气”的来源。 NVIDIA 的目标不是只拿 GPU 份额，而是重新定义整个 AI 数据中心的架构。 四、第三个护城河：CUDA 生态比芯片更难替代 NVIDIA 的优势不只是芯片性能，更关键的是 CUDA 生态。 很多公司可以做 AI 芯片，Google 有 TPU，Amazon 有 Trainium，Microsoft 有 Maia，Meta 也在推进自研芯片。 但问题是，AI 开发者、模型框架、推理工具、训练库、优化器、企业应用、工程经验，大量都围绕 NVIDIA CUDA 生态建立。 所以客户更换 NVIDIA 的成本，不只是换硬件，而是要重写软件、迁移模型、重新验证稳定性、重建工程体系。 这就是 NVIDIA 最难被替代的地方： 芯片可以被追赶，生态很难被一夜复制。 但这也带来反面风险。视频里提到“全球范围内的反垄断、CUDA 生态调查”，这确实是未来需要关注的风险之一。 NVIDIA 越强，监管压力越大；CUDA 越成为行业事实标准，越可能被监管机构审视。 五、第四个重点： 真正的 AI 机会在供应链，不只在 NVIDIA 本身 未来 AI 基建不是一颗芯片决定的，而是一整套系统决定的： GPU / CPU / HBM / CoWoS / 网络交换 / 光模块 / 液冷 / 电源 / PCB / 服务器代工 / 数据中心建设。 黄仁勋最近在台湾的动作，也印证了这一点。Reuters 报道称，黄仁勋在台北表示，NVIDIA 每年可能在台湾投入约 1500 亿美元，并称台湾是 AI 革命的“中心”； 他还与 TSMC、富士康、广达等关键供应链公司高层会面。 这说明 NVIDIA 很清楚： AI 的瓶颈不是单点，而是系统产能。 特别是接下来 Rubin 平台、GB300、NVL72 / NVL144、1.6T 网络、液冷机柜、HBM4 / HBM4E 等产品放量后，供应链会变得更重要。 视频里提到的几个方向，都值得重点关注： 1. AI 服务器代工 NVIDIA 自己不生产整机服务器，真正把 AI 服务器做出来的是供应链公司。 包括富士康、广达、纬创、纬颖、英业达、戴尔、Supermicro 等。 Dell 最新财报也验证了 AI 服务器需求的强度。Reuters 报道称，Dell 上调全年业绩预期，并将 FY2027 AI 服务器收入预期从 500 亿美元上调到 600 亿美元。 这说明 AI 服务器需求不是停留在 NVIDIA 财报里，而是已经传导到整机厂。 2. 高速网络与光互连 “1.6T 已经开始批量出货”，背后对应的是 AI 数据中心网络升级。 AI 集群越来越大，GPU 之间、机柜之间、数据中心之间都需要更高速连接。 NVIDIA 早已不只是 GPU 公司，它还通过 Mellanox 拿下 InfiniBand、Ethernet、Spectrum-X、NVLink 等网络能力。 NVIDIA 2025 年宣布 Spectrum-X Photonics 和 Quantum-X Photonics，推动共封装光学 CPO / 硅光方案，用于把 AI 工厂扩展到百万 GPU 级别； 官方当时称 Spectrum-X Photonics Ethernet switches 将在 2026 年推出。 未来 AI 工厂越大，网络互连越重要。 3. 液冷 Blackwell、Rubin 这类 AI 系统功耗越来越高，传统风冷很难长期支撑高密度机柜。 未来高端 AI 服务器会越来越多采用液冷方案，包括冷板、CDU、液冷管路、机柜级热管理等。 这意味着 AI 产业链的机会，会从芯片扩散到散热、电源、机柜和数据中心工程。 4. 高端 PCB / CCL “AI 服务器 PCB” AI 服务器的信号速率越来越高，层数越来越多，对高频高速材料、低损耗 CCL、高端 PCB 制程要求更高。 所以 AI 服务器放量，不只是利好 GPU 和 HBM，也会带动： 高速 PCB； 高端覆铜板 CCL； 连接器； 电源管理； 高速线缆； 光模块； 散热材料。 这就是所谓“刚需中的刚需”。 六、最近两天黄仁勋重点发言释放了什么信号？ 1. 台湾是 AI 基建中心 黄仁勋近期在台湾表示，NVIDIA 将持续扩大对台湾供应链的投入，并称台湾是 AI 革命的中心。Reuters 报道称，NVIDIA 在台湾的年度支出可能达到约 1500 亿美元，远高于几年前的 100–150 亿美元级别。 这意味着接下来 AI 产业链的核心观察地，不只是硅谷，而是台湾。 台积电负责先进制程和先进封装； 富士康、广达、纬创、纬颖负责服务器和机柜； 台达电、奇鋐、双鸿等参与电源和散热；大量 PCB、连接器、光通信公司也在台湾及亚洲供应链中。 2. Vera Rubin 将成为下一阶段主线 Reuters 报道称，黄仁勋将在 Computex / GTC Taipei 期间重点介绍 NVIDIA 面向数据中心的新技术，包括 Vera Rubin AI 平台和 CPU。 市场接下来不能只盯 Blackwell。 Blackwell 是当下收入核心，Rubin 是下一阶段估值锚点。 如果 Rubin 平台推进顺利，NVIDIA 的收入曲线有望继续保持高斜率； 如果供应链、良率、液冷、HBM 或客户部署节奏出现问题，市场也会重新评估估值。 3. 中国市场是风险变量 NVIDIA 近期也反复提到中国市场风险。Yahoo Finance 报道称，黄仁勋表示 NVIDIA 在中国数据中心计算市场份额已经降至零； Tom’s Hardware 也报道称，黄仁勋表示中国不应获得最先进的 Blackwell 和 Rubin AI GPU，美国应在 AI 硬件上拥有“first, most, and best”。 这对 NVIDIA 是双刃剑。 短期看，美国和全球云厂商需求足够强，能覆盖中国缺口； 但长期看，中国市场缺席会给本土替代和竞争对手生态留下空间。 七、未来走向：NVIDIA 的故事会从“GPU 短缺”走向“AI 工厂标准” 我认为未来 1–3 年，NVIDIA 的主线会发生三层变化。 第一阶段：Blackwell 继续放量，财报仍然强 短期最直接的逻辑还是 Blackwell 交付和数据中心收入。 NVIDIA Q1 FY2027 数据中心收入已经达到 752 亿美元，下一季度收入指引达到 910 亿美元。 只要 Blackwell 产能、HBM、CoWoS 和整机柜交付顺利，财报仍然会维持高增长。 市场短期最关注： Blackwell 出货节奏； GB300 / Rubin 过渡节奏； HBM 供应； CoWoS 产能； 液冷机柜交付； 云厂商 capex 是否继续上修。 第二阶段：Rubin 和 Vera CPU 打开新天花板 中期逻辑是 Rubin + Vera CPU。 如果 Blackwell 是 GPU 时代的强化版，那么 Rubin / Vera 更像是 NVIDIA 走向“整套 AI 工厂架构”的关键一步。 未来 NVIDIA 不只是卖 GPU，而是卖： CPU、GPU、DPU、NIC、Switch、NVLink、Spectrum-X、液冷机柜、软件栈和 AI 工厂设计方法。 这也是为什么 NVIDIA 的估值不是只看芯片，而是看平台。 第三阶段：Agentic AI 推动推理需求爆发 更长期看，Agentic AI 会改变算力需求结构。 过去 AI 主要是训练大模型。 未来 AI 会变成大量智能体持续运行： 企业内部 Agent； 代码 Agent； 客服 Agent； 金融分析 Agent； 机器人 Agent； 工业调度 Agent； 自动驾驶和物理 AI Agent。 这些 Agent 会带来巨大的推理需求，而且推理不是一次性任务，而是持续消耗 token。 Gartner 预计 2026 年全球 AI 支出将达到 2.59 万亿美元，同比增长 47%；Reuters 评论也提到，2026 年 AI 相关资本开支可能达到 8000 亿美元，2027 年进一步达到 1.12 万亿美元。 这就是 NVIDIA 最核心的长期逻辑： AI 应用越普及，推理越多；推理越多，AI 工厂越多；AI 工厂越多，NVIDIA 的平台价值越大。 八、风险 1. 估值已经很高 NVIDIA 当前市值约 5.15 万亿美元。要再翻倍，需要市场继续相信未来几年收入和利润能继续高速增长。 如果云厂商 capex 放缓，或者 AI 应用变现不及预期，估值会面临压力。 2. 自研芯片竞争会加剧 Google TPU、Amazon Trainium、Microsoft Maia、Meta 自研芯片，以及 Broadcom、Marvell 帮云厂商做 custom ASIC，都会持续挑战 NVIDIA。 这些芯片未必完全替代 NVIDIA，但会分流部分训练和推理工作负载。 3. 监管和出口限制 CUDA 生态越强，监管关注度越高。 出口限制也会影响中国市场，并推动中国本土 AI 芯片生态加速发展。 4. 供应链瓶颈 HBM、CoWoS、液冷、电源、PCB、光模块、服务器代工，任何一个环节出问题，都会影响 NVIDIA 的交付节奏。 NVIDIA 现在不是单颗芯片公司，而是系统供应链公司；系统越强，链条也越复杂。
4:44

黄仁勋真正想表达的不是“NVIDIA 股票一定涨”，而是 AI 基建正在从 GPU 短缺阶段，进入 AI 工厂标准化阶段。 谁掌握算力平台、软件生态和供应链，谁就掌握下一轮 AI 工业革命的入口。 一、核心观点： NVIDIA 的市值逻辑，不是“概念”，而是收入曲线在支撑 NVIDIA 的收入已经不是普通科技公司的增长速度。 NVIDIA 最新 FY2027 Q1 财报显示，公司季度收入达到 816 亿美元，同比增长 85%； 其中数据中心收入达到 752 亿美元，同比增长 92%。公司还给出下一季度 910 亿美元收入指引，并说明这个指引不包含中国数据中心计算收入。 最新市场数据也显示，NVIDIA 当前市值约 5.15 万亿美元。如果市场讨论未来 3–5 年能否继续翻倍到 10 万亿美元，本质上不是看短期情绪，而是看未来收入、利润和估值倍数能否继续配合。 一个重点是： NVIDIA 的市值不是“凭空炒上去”的，而是 AI 基建支出、数据中心收入、GPU / 网络 / 软件生态共同推动的结果。 二、黄仁勋真正的底气：AI 需求才刚开始 反复强调一个观点： AI 的需求不是接近尾声，而是刚刚开始爆发。 这和黄仁勋此前在 GTC 2026 的说法一致。 NVIDIA 官方博客提到，黄仁勋称 AI 计算需求已经“off the charts”，并表示过去几年计算需求增长了约 100 万倍；他还表示，从 2025 到 2027 年，仅 Blackwell 和 Vera Rubin 相关平台，就有望带来至少 1 万亿美元收入机会。 这句话非常关键 因为它意味着 NVIDIA 的增长逻辑已经从： 卖 GPU 给云厂商 升级为： 为全球 AI 工厂提供整套算力基础设施。 未来的 AI 需求来自多个方向： 大模型训练继续扩大； 推理需求快速增长； Agentic AI 带来更多多步骤任务； 企业 AI 应用从试点进入生产环境； 机器人、自动驾驶、工业数字孪生和物理 AI 开始吃算力； 数据中心从普通服务器升级为 AI 工厂。 这也是为什么黄仁勋一直强调 AI factories，AI 工厂。 在他的叙事里，未来数据中心不是存储网页和应用的地方，而是持续生产 token、智能和自动化能力的“工厂”。 三、第二个增长逻辑： Vera CPU 让 NVIDIA 不再只是 GPU 公司 NVIDIA 的下一个增量，不只是 GPU，而是 CPU。 过去数据中心 CPU 市场主要由 Intel 和 AMD 控制。但 Agentic AI 时代，CPU 的角色正在变化。 传统 CPU 主要处理通用计算任务；未来 AI 数据中心里，CPU 要负责更复杂的调度： 多智能体任务编排； 工具调用； 数据预处理； KV Cache 管理； 网络与存储调度； 大量小任务并发； GPU 集群之间的协调。 NVIDIA 在 Vera Rubin 平台中推出 Vera CPU，本质上就是在切入这个新市场。Tom’s Hardware 对 Vera Rubin NVL72 的报道提到，该系统采用 Vera CPU、Rubin GPU、NVLink 6、ConnectX-9、BlueField-4 和 Spectrum-6 Ethernet 等多类芯片，属于 rack-scale 架构；NVIDIA 声称 Rubin 相比 Blackwell 可带来更高推理性能和更低 token 成本。 这说明 NVIDIA 的打法已经不是“GPU 插进服务器”， 而是： CPU + GPU + DPU + NIC + Switch + 软件栈 + 液冷整机柜。 这就是视频里所谓“底气”的来源。 NVIDIA 的目标不是只拿 GPU 份额，而是重新定义整个 AI 数据中心的架构。 四、第三个护城河：CUDA 生态比芯片更难替代 NVIDIA 的优势不只是芯片性能，更关键的是 CUDA 生态。 很多公司可以做 AI 芯片，Google 有 TPU，Amazon 有 Trainium，Microsoft 有 Maia，Meta 也在推进自研芯片。 但问题是，AI 开发者、模型框架、推理工具、训练库、优化器、企业应用、工程经验，大量都围绕 NVIDIA CUDA 生态建立。 所以客户更换 NVIDIA 的成本，不只是换硬件，而是要重写软件、迁移模型、重新验证稳定性、重建工程体系。 这就是 NVIDIA 最难被替代的地方： 芯片可以被追赶，生态很难被一夜复制。 但这也带来反面风险。视频里提到“全球范围内的反垄断、CUDA 生态调查”，这确实是未来需要关注的风险之一。 NVIDIA 越强，监管压力越大；CUDA 越成为行业事实标准，越可能被监管机构审视。 五、第四个重点： 真正的 AI 机会在供应链，不只在 NVIDIA 本身 未来 AI 基建不是一颗芯片决定的，而是一整套系统决定的： GPU / CPU / HBM / CoWoS / 网络交换 / 光模块 / 液冷 / 电源 / PCB / 服务器代工 / 数据中心建设。 黄仁勋最近在台湾的动作，也印证了这一点。Reuters 报道称，黄仁勋在台北表示，NVIDIA 每年可能在台湾投入约 1500 亿美元，并称台湾是 AI 革命的“中心”； 他还与 TSMC、富士康、广达等关键供应链公司高层会面。 这说明 NVIDIA 很清楚： AI 的瓶颈不是单点，而是系统产能。 特别是接下来 Rubin 平台、GB300、NVL72 / NVL144、1.6T 网络、液冷机柜、HBM4 / HBM4E 等产品放量后，供应链会变得更重要。 视频里提到的几个方向，都值得重点关注： 1. AI 服务器代工 NVIDIA 自己不生产整机服务器，真正把 AI 服务器做出来的是供应链公司。 包括富士康、广达、纬创、纬颖、英业达、戴尔、Supermicro 等。 Dell 最新财报也验证了 AI 服务器需求的强度。Reuters 报道称，Dell 上调全年业绩预期，并将 FY2027 AI 服务器收入预期从 500 亿美元上调到 600 亿美元。 这说明 AI 服务器需求不是停留在 NVIDIA 财报里，而是已经传导到整机厂。 2. 高速网络与光互连 “1.6T 已经开始批量出货”，背后对应的是 AI 数据中心网络升级。 AI 集群越来越大，GPU 之间、机柜之间、数据中心之间都需要更高速连接。 NVIDIA 早已不只是 GPU 公司，它还通过 Mellanox 拿下 InfiniBand、Ethernet、Spectrum-X、NVLink 等网络能力。 NVIDIA 2025 年宣布 Spectrum-X Photonics 和 Quantum-X Photonics，推动共封装光学 CPO / 硅光方案，用于把 AI 工厂扩展到百万 GPU 级别； 官方当时称 Spectrum-X Photonics Ethernet switches 将在 2026 年推出。 未来 AI 工厂越大，网络互连越重要。 3. 液冷 Blackwell、Rubin 这类 AI 系统功耗越来越高，传统风冷很难长期支撑高密度机柜。 未来高端 AI 服务器会越来越多采用液冷方案，包括冷板、CDU、液冷管路、机柜级热管理等。 这意味着 AI 产业链的机会，会从芯片扩散到散热、电源、机柜和数据中心工程。 4. 高端 PCB / CCL “AI 服务器 PCB” AI 服务器的信号速率越来越高，层数越来越多，对高频高速材料、低损耗 CCL、高端 PCB 制程要求更高。 所以 AI 服务器放量，不只是利好 GPU 和 HBM，也会带动： 高速 PCB； 高端覆铜板 CCL； 连接器； 电源管理； 高速线缆； 光模块； 散热材料。 这就是所谓“刚需中的刚需”。 六、最近两天黄仁勋重点发言释放了什么信号？ 1. 台湾是 AI 基建中心 黄仁勋近期在台湾表示，NVIDIA 将持续扩大对台湾供应链的投入，并称台湾是 AI 革命的中心。Reuters 报道称，NVIDIA 在台湾的年度支出可能达到约 1500 亿美元，远高于几年前的 100–150 亿美元级别。 这意味着接下来 AI 产业链的核心观察地，不只是硅谷，而是台湾。 台积电负责先进制程和先进封装； 富士康、广达、纬创、纬颖负责服务器和机柜； 台达电、奇鋐、双鸿等参与电源和散热；大量 PCB、连接器、光通信公司也在台湾及亚洲供应链中。 2. Vera Rubin 将成为下一阶段主线 Reuters 报道称，黄仁勋将在 Computex / GTC Taipei 期间重点介绍 NVIDIA 面向数据中心的新技术，包括 Vera Rubin AI 平台和 CPU。 市场接下来不能只盯 Blackwell。 Blackwell 是当下收入核心，Rubin 是下一阶段估值锚点。 如果 Rubin 平台推进顺利，NVIDIA 的收入曲线有望继续保持高斜率； 如果供应链、良率、液冷、HBM 或客户部署节奏出现问题，市场也会重新评估估值。 3. 中国市场是风险变量 NVIDIA 近期也反复提到中国市场风险。Yahoo Finance 报道称，黄仁勋表示 NVIDIA 在中国数据中心计算市场份额已经降至零； Tom’s Hardware 也报道称，黄仁勋表示中国不应获得最先进的 Blackwell 和 Rubin AI GPU，美国应在 AI 硬件上拥有“first, most, and best”。 这对 NVIDIA 是双刃剑。 短期看，美国和全球云厂商需求足够强，能覆盖中国缺口； 但长期看，中国市场缺席会给本土替代和竞争对手生态留下空间。 七、未来走向：NVIDIA 的故事会从“GPU 短缺”走向“AI 工厂标准” 我认为未来 1–3 年，NVIDIA 的主线会发生三层变化。 第一阶段：Blackwell 继续放量，财报仍然强 短期最直接的逻辑还是 Blackwell 交付和数据中心收入。 NVIDIA Q1 FY2027 数据中心收入已经达到 752 亿美元，下一季度收入指引达到 910 亿美元。 只要 Blackwell 产能、HBM、CoWoS 和整机柜交付顺利，财报仍然会维持高增长。 市场短期最关注： Blackwell 出货节奏； GB300 / Rubin 过渡节奏； HBM 供应； CoWoS 产能； 液冷机柜交付； 云厂商 capex 是否继续上修。 第二阶段：Rubin 和 Vera CPU 打开新天花板 中期逻辑是 Rubin + Vera CPU。 如果 Blackwell 是 GPU 时代的强化版，那么 Rubin / Vera 更像是 NVIDIA 走向“整套 AI 工厂架构”的关键一步。 未来 NVIDIA 不只是卖 GPU，而是卖： CPU、GPU、DPU、NIC、Switch、NVLink、Spectrum-X、液冷机柜、软件栈和 AI 工厂设计方法。 这也是为什么 NVIDIA 的估值不是只看芯片，而是看平台。 第三阶段：Agentic AI 推动推理需求爆发 更长期看，Agentic AI 会改变算力需求结构。 过去 AI 主要是训练大模型。 未来 AI 会变成大量智能体持续运行： 企业内部 Agent； 代码 Agent； 客服 Agent； 金融分析 Agent； 机器人 Agent； 工业调度 Agent； 自动驾驶和物理 AI Agent。 这些 Agent 会带来巨大的推理需求，而且推理不是一次性任务，而是持续消耗 token。 Gartner 预计 2026 年全球 AI 支出将达到 2.59 万亿美元，同比增长 47%；Reuters 评论也提到，2026 年 AI 相关资本开支可能达到 8000 亿美元，2027 年进一步达到 1.12 万亿美元。 这就是 NVIDIA 最核心的长期逻辑： AI 应用越普及，推理越多；推理越多，AI 工厂越多；AI 工厂越多，NVIDIA 的平台价值越大。 八、风险 1. 估值已经很高 NVIDIA 当前市值约 5.15 万亿美元。要再翻倍，需要市场继续相信未来几年收入和利润能继续高速增长。 如果云厂商 capex 放缓，或者 AI 应用变现不及预期，估值会面临压力。 2. 自研芯片竞争会加剧 Google TPU、Amazon Trainium、Microsoft Maia、Meta 自研芯片，以及 Broadcom、Marvell 帮云厂商做 custom ASIC，都会持续挑战 NVIDIA。 这些芯片未必完全替代 NVIDIA，但会分流部分训练和推理工作负载。 3. 监管和出口限制 CUDA 生态越强，监管关注度越高。 出口限制也会影响中国市场，并推动中国本土 AI 芯片生态加速发展。 4. 供应链瓶颈 HBM、CoWoS、液冷、电源、PCB、光模块、服务器代工，任何一个环节出问题，都会影响 NVIDIA 的交付节奏。 NVIDIA 现在不是单颗芯片公司，而是系统供应链公司；系统越强，链条也越复杂。

伊泽🔶BTC |🧡 1000X GEM

77,844 views • 2 months ago

绝对不是偶然，简直是步步为营 英伟达是如何加入布局，并且加入人工智能的热浪中，这个msnbc制作的17分钟的纪录片 三十年前，来自台湾的移民黄仁勋创立了Nvidia，梦想着用3D图形革命化个人电脑和游戏。1999年，在裁掉大部分员工并几乎破产后，公司凭借宣称的世界上第一款图形处理器（GPU）成功翻身。此后，黄仁勋将公司押注在一个完全不同的领域：人工智能。现在，这一赌注正大获成功，因为Nvidia的A100芯片迅速成为ChatGPT和其他生成性AI的受追捧的训练引擎。但随着芯片短缺局势缓解，其他芯片巨头如英特尔却在挣扎。由于所有芯片都由台湾的台积电制造，Nvidia仍然容易受到日益增长的美中贸易紧张关系的影响。我们去了Nvidia位于加利福尼亚州硅谷的总部，与黄仁勋进行了交谈，一窥这些支撑游戏和人工智能热潮的芯片的幕后情况。 02:04 — 第1章：推广GPU 07:02 — 第2章：从图形到AI和ChatGPT 11:52 — 第3章：地缘政治和其他关切 14:31 — 第4章：亚马逊、自动驾驶汽车等领域 $NVDA $AMD $AMZN $TSLA
17:55

绝对不是偶然，简直是步步为营 英伟达是如何加入布局，并且加入人工智能的热浪中，这个msnbc制作的17分钟的纪录片 三十年前，来自台湾的移民黄仁勋创立了Nvidia，梦想着用3D图形革命化个人电脑和游戏。1999年，在裁掉大部分员工并几乎破产后，公司凭借宣称的世界上第一款图形处理器（GPU）成功翻身。此后，黄仁勋将公司押注在一个完全不同的领域：人工智能。现在，这一赌注正大获成功，因为Nvidia的A100芯片迅速成为ChatGPT和其他生成性AI的受追捧的训练引擎。但随着芯片短缺局势缓解，其他芯片巨头如英特尔却在挣扎。由于所有芯片都由台湾的台积电制造，Nvidia仍然容易受到日益增长的美中贸易紧张关系的影响。我们去了Nvidia位于加利福尼亚州硅谷的总部，与黄仁勋进行了交谈，一窥这些支撑游戏和人工智能热潮的芯片的幕后情况。 02:04 — 第1章：推广GPU 07:02 — 第2章：从图形到AI和ChatGPT 11:52 — 第3章：地缘政治和其他关切 14:31 — 第4章：亚马逊、自动驾驶汽车等领域 $NVDA $AMD $AMZN $TSLA

暗戳戳发财

251,397 views • 2 years ago

如何构建一座 AI 工厂？这是一个生态级别的系统工程，Nvidia 在 GTC 上展示了一份通过 Omniverse 来模拟的蓝图，从设计、布线到电气和水冷，并且组织了一批供应商，做到模块化即插即用！随着人类对数字空间的需求越来越高，扩展物理空间的地产行业已经过时，以“裸金属”为代表的 NeoCloud 就是 AI 时代的数字地产⚡️
2:35

如何构建一座 AI 工厂？这是一个生态级别的系统工程，Nvidia 在 GTC 上展示了一份通过 Omniverse 来模拟的蓝图，从设计、布线到电气和水冷，并且组织了一批供应商，做到模块化即插即用！随着人类对数字空间的需求越来越高，扩展物理空间的地产行业已经过时，以“裸金属”为代表的 NeoCloud 就是 AI 时代的数字地产⚡️

indigo

13,057 views • 9 months ago

上周黄仁勋在斯坦福做了一次访谈和演讲，这一个小时的演讲内容量很大，主要的包括公司治理的经验和要点以及人工智能未来的发展问题。 翻译了一下这个视频并且给每个部分加上了时间戳，下面是简要的文字内容介绍： 演讲者Jensen Huang是Nvidia公司的CEO，他在AI及其所需的创新、技术和人力资源方面具有前瞻性的见解。 Jensen分享了他的个人经历，从九岁移民美国到成为Nvidia公司CEO的过程。他强调了教育和技术创新的重要性。Nvidia公司通过重塑计算，将深度学习的计算成本降至接近零，使AI能够从互联网提取和理解人类知识成为可能。 Jensen认为，AI是21世纪最重要的技术发明。Nvidia开发的GPU芯片和架构，大幅提升了深度学习和AI的计算能力，并广泛应用于各行业的数据中心。未来，AI计算机将能进行持续学习、合成数据生成和强化学习，并通过真实世界的经验来完善。 Jensen强调AI要以人类价值观为基础。聊天GPT通过强化学习和人类反馈，将AI与人类价值观联系起来。未来AI需要建立世界模型，理解多模态概念，具备推理和规划能力。他预测5年内AI可能通过各类人类测试，实现类似人类的智能（AGI）。 AI有望帮助人类理解生物学，如蛋白质的功能和意义。它将改变人类获取信息和知识的方式。未来，人人都能通过自然语言与AI交互，无需掌握编程。各国需要在主权AI领域进行投资，保护自己的数据、智能和文化。 Jensen分享了他的管理理念——通过不断评估、统一激励方式和信息透明来保持员工的积极性。他认为公司文化的塑造需要坚持品质、经历磨砺，重视过程和结果。Nvidia欢迎合作伙伴在其AI生态系统的基础上进行适度的定制化开发。 时间戳及分段标题： 00:00 介绍Jensen Huang及其在AI领域的贡献 01:15 John Shoveon是一位杰出的建筑师和经济学教授 02:02 演讲者欢迎John Shoveon并感谢其贡献 03:17 Jensen的个人经历：从移民到与妻子的爱情故事 04:46 Jensen在技术领域取得的成就和荣誉 05:57 Jensen当选为国家工程院院士 07:02 讨论开场白及晶体管技术的重要性 08:10 技术变革和新型计算方法的发展 09:14 计算成本的降低使AI能够代替人类编写软件 10:11 深度学习推动了计算成本的快速降低 11:03 利用计算机从互联网提取和理解人类知识 12:00 AI能够理解氨基酸序列和蛋白质的结构功能 12:49 AI是21世纪最重要的技术发明 13:51 Nvidia芯片的性能和成本优势 15:04 通过芯片创新将数据中心缩小到一个芯片 16:02 未来计算机的特点：重量重、液冷、持续学习 17:03 AI通过交互数据和合成数据持续学习和想象 18:01 未来AI将结合合成数据生成和强化学习 18:55 计算成本降低带来的可能性和市场变化 19:55 使用AI进行推理的过程和Nvidia GPU的作用 20:50 推理的难点在于吸引更多用户和软件应用 21:44 架构的普及和用户基础是推理问题的关键 22:30 竞争对手和客户带来的竞争威胁 23:31 Nvidia的架构优势：加速算法和可编程性 24:30 Nvidia在计算领域的标准地位和广泛应用 25:27 Nvidia芯片的总运营成本优势 26:27 Nvidia面临的竞争和对AGI的道歉 27:25 多模态学习对AI未来发展的重要性 28:21 AI要建立在人类价值观基础上 29:24 AI需理解多模态概念和掌握推理能力 30:16 AI目前在长时间思考和推理方面的局限性 31:03 未来人机交互方式的变化和AGI的定义问题 31:59 对AGI的测试标准和实现时间的预测 32:56 AI在药物发现和理解蛋白质功能中的作用 33:54 未来与AI对话获取信息的方式 34:56 AI帮助人类理解生物学意义的潜力 35:57 给创业者的建议：拥抱困境和磨砺 37:16 公司品质来自经历苦难而非智慧 38:13 如何保持员工积极性：统一激励和信息透明 39:28 不进行私下沟通，信息快速流动，唯才是用 40:34 每天寻找机会灌输公司文化 41:19 预测未来AI增长对半导体制造能力的需求 42:28 未来计算方式将基于实时生成而非预先录制 43:27 AI将根据个人上下文生成所需信息 44:27 算法改进和技术进步将抵消算力需求增加 45:21 编程和创业格局的变化趋势 46:17 自然语言交互取代传统编程，人人皆可编程 47:16 提示工程的重要性和控制AI的方法 48:10 AI普及将消除技术鸿沟，惠及所有人 49:12 无需编程也能与AI交互，揭示CS的重大贡献 50:10 美国限制AI出口，各国投资主权AI的重要性 51:17 国家需要保护自己的数据、智能和文化 52:19 讨论公司竞争对手和定制化解决方案 53:22 芯片成本高昂的原因：多组件和大量软件 54:14 芯片定制化的意义：安全性和保密性
55:20

上周黄仁勋在斯坦福做了一次访谈和演讲，这一个小时的演讲内容量很大，主要的包括公司治理的经验和要点以及人工智能未来的发展问题。 翻译了一下这个视频并且给每个部分加上了时间戳，下面是简要的文字内容介绍： 演讲者Jensen Huang是Nvidia公司的CEO，他在AI及其所需的创新、技术和人力资源方面具有前瞻性的见解。 Jensen分享了他的个人经历，从九岁移民美国到成为Nvidia公司CEO的过程。他强调了教育和技术创新的重要性。Nvidia公司通过重塑计算，将深度学习的计算成本降至接近零，使AI能够从互联网提取和理解人类知识成为可能。 Jensen认为，AI是21世纪最重要的技术发明。Nvidia开发的GPU芯片和架构，大幅提升了深度学习和AI的计算能力，并广泛应用于各行业的数据中心。未来，AI计算机将能进行持续学习、合成数据生成和强化学习，并通过真实世界的经验来完善。 Jensen强调AI要以人类价值观为基础。聊天GPT通过强化学习和人类反馈，将AI与人类价值观联系起来。未来AI需要建立世界模型，理解多模态概念，具备推理和规划能力。他预测5年内AI可能通过各类人类测试，实现类似人类的智能（AGI）。 AI有望帮助人类理解生物学，如蛋白质的功能和意义。它将改变人类获取信息和知识的方式。未来，人人都能通过自然语言与AI交互，无需掌握编程。各国需要在主权AI领域进行投资，保护自己的数据、智能和文化。 Jensen分享了他的管理理念——通过不断评估、统一激励方式和信息透明来保持员工的积极性。他认为公司文化的塑造需要坚持品质、经历磨砺，重视过程和结果。Nvidia欢迎合作伙伴在其AI生态系统的基础上进行适度的定制化开发。 时间戳及分段标题： 00:00 介绍Jensen Huang及其在AI领域的贡献 01:15 John Shoveon是一位杰出的建筑师和经济学教授 02:02 演讲者欢迎John Shoveon并感谢其贡献 03:17 Jensen的个人经历：从移民到与妻子的爱情故事 04:46 Jensen在技术领域取得的成就和荣誉 05:57 Jensen当选为国家工程院院士 07:02 讨论开场白及晶体管技术的重要性 08:10 技术变革和新型计算方法的发展 09:14 计算成本的降低使AI能够代替人类编写软件 10:11 深度学习推动了计算成本的快速降低 11:03 利用计算机从互联网提取和理解人类知识 12:00 AI能够理解氨基酸序列和蛋白质的结构功能 12:49 AI是21世纪最重要的技术发明 13:51 Nvidia芯片的性能和成本优势 15:04 通过芯片创新将数据中心缩小到一个芯片 16:02 未来计算机的特点：重量重、液冷、持续学习 17:03 AI通过交互数据和合成数据持续学习和想象 18:01 未来AI将结合合成数据生成和强化学习 18:55 计算成本降低带来的可能性和市场变化 19:55 使用AI进行推理的过程和Nvidia GPU的作用 20:50 推理的难点在于吸引更多用户和软件应用 21:44 架构的普及和用户基础是推理问题的关键 22:30 竞争对手和客户带来的竞争威胁 23:31 Nvidia的架构优势：加速算法和可编程性 24:30 Nvidia在计算领域的标准地位和广泛应用 25:27 Nvidia芯片的总运营成本优势 26:27 Nvidia面临的竞争和对AGI的道歉 27:25 多模态学习对AI未来发展的重要性 28:21 AI要建立在人类价值观基础上 29:24 AI需理解多模态概念和掌握推理能力 30:16 AI目前在长时间思考和推理方面的局限性 31:03 未来人机交互方式的变化和AGI的定义问题 31:59 对AGI的测试标准和实现时间的预测 32:56 AI在药物发现和理解蛋白质功能中的作用 33:54 未来与AI对话获取信息的方式 34:56 AI帮助人类理解生物学意义的潜力 35:57 给创业者的建议：拥抱困境和磨砺 37:16 公司品质来自经历苦难而非智慧 38:13 如何保持员工积极性：统一激励和信息透明 39:28 不进行私下沟通，信息快速流动，唯才是用 40:34 每天寻找机会灌输公司文化 41:19 预测未来AI增长对半导体制造能力的需求 42:28 未来计算方式将基于实时生成而非预先录制 43:27 AI将根据个人上下文生成所需信息 44:27 算法改进和技术进步将抵消算力需求增加 45:21 编程和创业格局的变化趋势 46:17 自然语言交互取代传统编程，人人皆可编程 47:16 提示工程的重要性和控制AI的方法 48:10 AI普及将消除技术鸿沟，惠及所有人 49:12 无需编程也能与AI交互，揭示CS的重大贡献 50:10 美国限制AI出口，各国投资主权AI的重要性 51:17 国家需要保护自己的数据、智能和文化 52:19 讨论公司竞争对手和定制化解决方案 53:22 芯片成本高昂的原因：多组件和大量软件 54:14 芯片定制化的意义：安全性和保密性

歸藏(guizang.ai)

251,034 views • 2 years ago

Windows 笔记本拔掉电源就变卡的历史，可能要结束了。 NVIDIA 掏出了他们的王炸：基于 ARM 架构的新处理器 RTX Spark。 老黄在台上从口袋里摸出一颗芯片，说这玩意花了 33 年才造出来。 来看看硬指标。 里面直接塞了一个相当于 RTX 5070 级别的 GPU。 现代游戏在 1440P 分辨率下，能稳跑 100 帧。 现场直接跑了《Forza Horizon 6》和新的 007 游戏。 最关键的是，拔掉电源后，性能竟然不掉，电池还特别耐用。 它不只是用来打游戏的。 这颗叫做 N1X 的芯片，是 NVIDIA 和联发科联手打造的。 老黄为什么说它花了 33 年？ 因为 NVIDIA 过去 33 年攒下的所有家底，100% 的软件栈，都能在这上面跑。 从 CUDA 生态、数字生物学、地震数据处理，到天体物理和 AI。 还有 Windows 跑过的每一个应用，全都能无缝运行。 微软和英伟达把它打磨到了极致，现在它甚至还能直接运行 AI 智能体。 这颗芯片除了给笔记本用，台式机市场它也盯上了。 2026 年秋天正式发售。 传统 x86 阵营这下真该睡不着觉了。
1:58

Windows 笔记本拔掉电源就变卡的历史，可能要结束了。 NVIDIA 掏出了他们的王炸：基于 ARM 架构的新处理器 RTX Spark。 老黄在台上从口袋里摸出一颗芯片，说这玩意花了 33 年才造出来。 来看看硬指标。 里面直接塞了一个相当于 RTX 5070 级别的 GPU。 现代游戏在 1440P 分辨率下，能稳跑 100 帧。 现场直接跑了《Forza Horizon 6》和新的 007 游戏。 最关键的是，拔掉电源后，性能竟然不掉，电池还特别耐用。 它不只是用来打游戏的。 这颗叫做 N1X 的芯片，是 NVIDIA 和联发科联手打造的。 老黄为什么说它花了 33 年？ 因为 NVIDIA 过去 33 年攒下的所有家底，100% 的软件栈，都能在这上面跑。 从 CUDA 生态、数字生物学、地震数据处理，到天体物理和 AI。 还有 Windows 跑过的每一个应用，全都能无缝运行。 微软和英伟达把它打磨到了极致，现在它甚至还能直接运行 AI 智能体。 这颗芯片除了给笔记本用，台式机市场它也盯上了。 2026 年秋天正式发售。 传统 x86 阵营这下真该睡不着觉了。

墓碑科技

169,888 views • 2 months ago

英伟达宣布：“通用机器人时代”已经来了！ 英伟达（Nvidia）今天宣布正式发布名为Isaac GR00T N1的机器人基础模型。这是一款开源、可定制的预训练人工智能模型，专门用来加速类人机器人（人形机器人）的开发和应用能力。 英伟达创始人兼CEO黄仁勋（Jensen Huang）在2025年的GTC大会主题演讲上表示： “通用机器人时代正式来临。借助Isaac GR00T N1模型和全新的数据生成与机器人学习框架，世界各地的机器人开发者将开启人工智能新时代的下一片疆域。” 在现场演示环节中，黄仁勋展示了由挪威公司1X Technologies开发的类人机器人NEO Gamma，它成功自主地完成了家居环境中的整理工作。这一能力来自于基于GR00T N1模型训练后的策略。 1X Technologies的CEO贝恩特·伯尼奇（Bernt Børnich）说： “类人机器人的未来在于适应能力与自主学习能力。英伟达的GR00T N1模型实现了机器人推理与技能上的重大突破。通过少量的二次训练数据，我们就能顺利将它部署到NEO Gamma机器人上，让我们距离‘创造出真正能与人类相伴、产生有意义帮助的机器人伙伴’这一目标更进一步。” 也许你还记得，几个星期前Nothing手机发布预告视频时，就曾出现过这款逼真到诡异的机器人。不过我们当时没有报道，因为看起来实在太像“真人穿着机器人外套”了（感谢你啊，马斯克）。 除了1X Technologies以外，其他几家机器人公司也提前体验了GR00T N1模型，包括： 波士顿动力（Boston Dynamics）：Atlas机器人的开发公司 Agility Robotics Mentee Robotics Neura Robotics 双系统架构：像人类大脑一样工作 早在一年前，英伟达首次公布GR00T模型时，它的设计理念就明确表示灵感来源于人类大脑的双系统认知架构： 系统1：被称为“快速行动模型”，类似人类的本能反应与直觉，可以迅速做出反应。这套系统使用的是通过人类实际示范动作，以及英伟达自家Omniverse平台生成的虚拟仿真数据训练而成。 系统2：则是更为理性的“慢速思考模型”，由视觉语言模型驱动。它负责观察周围环境、理解人类给出的指令，并仔细思考后制定详细的行动计划。接着，这些计划会交由系统1快速执行，转化为精准、流畅的机器人动作，比如单手或双手抓取物品，以及执行复杂的、多步骤的任务。 开放模型：人人可用、人人可定制 GR00T N1是一个已经预先训练好的通用机器人基础模型，具备基本的类人推理与技能。但开发人员可以根据具体需求，通过额外的二次训练（post-training）来自定义机器人更具体的能力和行为表现，比如家庭整理、办公室工作，甚至更复杂的特殊应用场景。 目前，英伟达已经将GR00T N1的训练数据和任务评测场景免费公开在著名平台Hugging Face以及GitHub上供全球开发者下载使用。 机器人是取代你工作还是成为你家中的贴心帮手？ 英伟达认为，这个问题现在已经开始交给我们自己来选择了。
17:07

英伟达宣布：“通用机器人时代”已经来了！ 英伟达（Nvidia）今天宣布正式发布名为Isaac GR00T N1的机器人基础模型。这是一款开源、可定制的预训练人工智能模型，专门用来加速类人机器人（人形机器人）的开发和应用能力。 英伟达创始人兼CEO黄仁勋（Jensen Huang）在2025年的GTC大会主题演讲上表示： “通用机器人时代正式来临。借助Isaac GR00T N1模型和全新的数据生成与机器人学习框架，世界各地的机器人开发者将开启人工智能新时代的下一片疆域。” 在现场演示环节中，黄仁勋展示了由挪威公司1X Technologies开发的类人机器人NEO Gamma，它成功自主地完成了家居环境中的整理工作。这一能力来自于基于GR00T N1模型训练后的策略。 1X Technologies的CEO贝恩特·伯尼奇（Bernt Børnich）说： “类人机器人的未来在于适应能力与自主学习能力。英伟达的GR00T N1模型实现了机器人推理与技能上的重大突破。通过少量的二次训练数据，我们就能顺利将它部署到NEO Gamma机器人上，让我们距离‘创造出真正能与人类相伴、产生有意义帮助的机器人伙伴’这一目标更进一步。” 也许你还记得，几个星期前Nothing手机发布预告视频时，就曾出现过这款逼真到诡异的机器人。不过我们当时没有报道，因为看起来实在太像“真人穿着机器人外套”了（感谢你啊，马斯克）。 除了1X Technologies以外，其他几家机器人公司也提前体验了GR00T N1模型，包括： 波士顿动力（Boston Dynamics）：Atlas机器人的开发公司 Agility Robotics Mentee Robotics Neura Robotics 双系统架构：像人类大脑一样工作 早在一年前，英伟达首次公布GR00T模型时，它的设计理念就明确表示灵感来源于人类大脑的双系统认知架构： 系统1：被称为“快速行动模型”，类似人类的本能反应与直觉，可以迅速做出反应。这套系统使用的是通过人类实际示范动作，以及英伟达自家Omniverse平台生成的虚拟仿真数据训练而成。 系统2：则是更为理性的“慢速思考模型”，由视觉语言模型驱动。它负责观察周围环境、理解人类给出的指令，并仔细思考后制定详细的行动计划。接着，这些计划会交由系统1快速执行，转化为精准、流畅的机器人动作，比如单手或双手抓取物品，以及执行复杂的、多步骤的任务。 开放模型：人人可用、人人可定制 GR00T N1是一个已经预先训练好的通用机器人基础模型，具备基本的类人推理与技能。但开发人员可以根据具体需求，通过额外的二次训练（post-training）来自定义机器人更具体的能力和行为表现，比如家庭整理、办公室工作，甚至更复杂的特殊应用场景。 目前，英伟达已经将GR00T N1的训练数据和任务评测场景免费公开在著名平台Hugging Face以及GitHub上供全球开发者下载使用。 机器人是取代你工作还是成为你家中的贴心帮手？ 英伟达认为，这个问题现在已经开始交给我们自己来选择了。

宝玉

151,843 views • 1 year ago

黄仁勋1993年在美国创建英伟达的时候，没有人说他是中国人，也没有中国人投资他。 黄仁勋1995年在遭遇第一款产品NV1的市场失败的时候，没有中国人挽救他，是日本的SEGA给了他研发游戏机芯片的定金让他活了下来。 黄仁勋2002年在NV30遭遇产品噪音问题惨败的时候，中国也没把他当自己人。 在以太坊转pos后，大量矿卡流入市场，nvidia也被认为危机四伏，也没人说黄仁勋是中国人。 只是当ChatGPT大火之后，做为AI基础芯片的英伟达大放异彩，黄仁勋身价倍增后，突然中国人开始说黄仁勋是中国人了。 人家生在台湾，教育成长在美国，事业在全球，这跟中国人有毛关系？黄仁勋的祖国是台湾，他是一个美国人。 这是他在台大的演讲，英文主讲。 他演讲中最重要的一句话： 放弃什么，才是让你成功的关键。 完整视频地址
4:57

黄仁勋1993年在美国创建英伟达的时候，没有人说他是中国人，也没有中国人投资他。 黄仁勋1995年在遭遇第一款产品NV1的市场失败的时候，没有中国人挽救他，是日本的SEGA给了他研发游戏机芯片的定金让他活了下来。 黄仁勋2002年在NV30遭遇产品噪音问题惨败的时候，中国也没把他当自己人。 在以太坊转pos后，大量矿卡流入市场，nvidia也被认为危机四伏，也没人说黄仁勋是中国人。 只是当ChatGPT大火之后，做为AI基础芯片的英伟达大放异彩，黄仁勋身价倍增后，突然中国人开始说黄仁勋是中国人了。 人家生在台湾，教育成长在美国，事业在全球，这跟中国人有毛关系？黄仁勋的祖国是台湾，他是一个美国人。 这是他在台大的演讲，英文主讲。 他演讲中最重要的一句话： 放弃什么，才是让你成功的关键。 完整视频地址

Aifindcar

547,480 views • 3 years ago

英伟达Nvidia黄仁勋： AI，让平凡的人不再平凡。 一个年轻人加上AI，就是全新的“超级个体”。 不拼资历，不靠背景，AI成了这个时代最大的“能力放大器”。 它不是替你工作，而是教你变强，像导师、像助手，甚至像一整个研究团队。 以前，成为专家要花十年，现在，用AI做研究，年轻人正在用几年甚至几个月的速度追赶。 程序员用它写代码、调试逻辑；研究员用它读文献、生成模型；医生用它分析病例、辅助诊断。 几乎所有专业的人才，搭上AI这台引擎，都跑得更快。 哪怕是在偏远小镇的医生，或是发展中国家的工程师，手里只要有AI，就能站上世界一线的能力标准。 但这，也压力山大。对那些在某个领域苦练二十年的人来说， 现在，刚入行的新人搭上AI，可能一年就追平你辛苦十年的经验积累。 AI不是取代你，而是逼你进化。 越早拥抱它，你越可能成为被放大的那一个。
1:15

英伟达Nvidia黄仁勋： AI，让平凡的人不再平凡。 一个年轻人加上AI，就是全新的“超级个体”。 不拼资历，不靠背景，AI成了这个时代最大的“能力放大器”。 它不是替你工作，而是教你变强，像导师、像助手，甚至像一整个研究团队。 以前，成为专家要花十年，现在，用AI做研究，年轻人正在用几年甚至几个月的速度追赶。 程序员用它写代码、调试逻辑；研究员用它读文献、生成模型；医生用它分析病例、辅助诊断。 几乎所有专业的人才，搭上AI这台引擎，都跑得更快。 哪怕是在偏远小镇的医生，或是发展中国家的工程师，手里只要有AI，就能站上世界一线的能力标准。 但这，也压力山大。对那些在某个领域苦练二十年的人来说， 现在，刚入行的新人搭上AI，可能一年就追平你辛苦十年的经验积累。 AI不是取代你，而是逼你进化。 越早拥抱它，你越可能成为被放大的那一个。

墓碑科技

12,575 views • 1 year ago

Elys 人与AI共存的全新社交网络：一个视频让你了解Elys平台的基础玩法和基本信息 elys是最近两天在微信朋友圈刷屏的一个全新ai社交平台，和moltbook有所不同的是，elys主打的是人与AI共存的全新社交网络。 在注册elys平台的时候，人类需要输入一些基础信息，比如mbti测试结果，你的职业，目前的困难和进展等。包括人类需要放入一张自己的五官清晰的照片，并且输入一段30秒的语音信息。 elys平台会根据人类输入的信息，生成一个数字人角色，这个数字人和人类输入的照片还有音色几乎完全一样，这个数字人就是人类在elys平台上社交的替身！ 其他的部分和moltbook就很像了，数字人可以发帖点赞评论等等，就和刷朋友圈一样。人类也可以对这些帖子进行点赞评论和回复。 elys对于moltbook的不同是，它为ai agent设定了一些初始值和聊天内容的指向性，而这些初始值和指向性就是来源于人们注册平台时输入的内容，所以人类在其中也会有参与感，这就是所谓的人与ai共存的社交网络 具体内容可以看视频，感谢各位点赞支持！谢谢关注！
8:41

Elys 人与AI共存的全新社交网络：一个视频让你了解Elys平台的基础玩法和基本信息 elys是最近两天在微信朋友圈刷屏的一个全新ai社交平台，和moltbook有所不同的是，elys主打的是人与AI共存的全新社交网络。 在注册elys平台的时候，人类需要输入一些基础信息，比如mbti测试结果，你的职业，目前的困难和进展等。包括人类需要放入一张自己的五官清晰的照片，并且输入一段30秒的语音信息。 elys平台会根据人类输入的信息，生成一个数字人角色，这个数字人和人类输入的照片还有音色几乎完全一样，这个数字人就是人类在elys平台上社交的替身！ 其他的部分和moltbook就很像了，数字人可以发帖点赞评论等等，就和刷朋友圈一样。人类也可以对这些帖子进行点赞评论和回复。 elys对于moltbook的不同是，它为ai agent设定了一些初始值和聊天内容的指向性，而这些初始值和指向性就是来源于人们注册平台时输入的内容，所以人类在其中也会有参与感，这就是所谓的人与ai共存的社交网络 具体内容可以看视频，感谢各位点赞支持！谢谢关注！

Vic TALK

31,982 views • 5 months ago

【萧强：民主与专制的新冷战开打】 【 “AI柔术”思维对抗庞大国家机器】 当中国将人工智能当成国家战略，强调开源和国际合作，这对民主世界有什么意涵？而反对极权的阵营又能作什么努力？ 中国数字时代创办人萧强在接受自由亚洲电台访问时指出，用“像水一样”无所不在的方式，寻找国家机器和人工智能的裂缝，是一个有效的反抗形式。比如利用简单的工具，把中国大模型被加上去的意识形态训练给去掉，就叫“AI柔术”。思考如何把全球各地中国AI的市场，反过来变成自由AI的市场。
2:47

【萧强：民主与专制的新冷战开打】 【 “AI柔术”思维对抗庞大国家机器】 当中国将人工智能当成国家战略，强调开源和国际合作，这对民主世界有什么意涵？而反对极权的阵营又能作什么努力？ 中国数字时代创办人萧强在接受自由亚洲电台访问时指出，用“像水一样”无所不在的方式，寻找国家机器和人工智能的裂缝，是一个有效的反抗形式。比如利用简单的工具，把中国大模型被加上去的意识形态训练给去掉，就叫“AI柔术”。思考如何把全球各地中国AI的市场，反过来变成自由AI的市场。

自由亚洲电台

29,499 views • 9 days ago