00:00 / 01:38
连播
清屏
智能
倍速
点赞675
00:00 / 00:31
连播
清屏
智能
倍速
点赞2228
00:00 / 03:00
连播
清屏
智能
倍速
点赞314
00:00 / 04:17
连播
清屏
智能
倍速
点赞41
00:00 / 00:28
连播
清屏
智能
倍速
点赞182
00:00 / 01:03
连播
清屏
智能
倍速
点赞NaN
00:00 / 04:32
连播
清屏
智能
倍速
点赞771
看完黄仁勋CES 2026演讲,我突然意识到老黄已经不在GPU这个赛道上和大家竞争了。他在构建的是从底层硬件到顶层应用都打通的完整方案。 英伟达新发布的Rubin平台,用六种芯片精密配合:GPU负责计算,专门设计的CPU(Vera)处理调度管理,NVLink 6交换机承载全球互联网两倍的数据传输量,BlueField-4 DPU解决大模型推理的"记忆"问题。为什么需要这么复杂?因为摩尔定律的物理极限已经无法满足AI模型指数级增长的需求,只能通过重构整个系统来强行突破瓶颈。 但硬件只是开始。老黄还布局了Omniverse物理仿真平台训练机器人,开源Cosmos模型让全行业都用上英伟达的基础设施,深度绑定Palantir、ServiceNow这些企业级平台,甚至渗透到Synopsys、Cadence这种"芯片设计界的操作系统"里。 这么做有两个目的:抢时间和建壁垒。AI这波浪潮的窗口期只有2-3年,一旦行业标准形成就很难再介入。更重要的是,Rubin平台生成Token的成本是上一代的1/10,意味着在当前硬件限制下,中国AI应用的运营成本可能是美国的10倍。 所以中美AI的差距,可能不只是GPU性能和大模型排行榜那么简单。我们面对的是一个打通了底层硬件到顶层应用的完整技术栈,以及绑定了全球主要工业软件的生态系统。 #ai #黄仁勋谈ai #ai中美竞争 #真实生活分享计划 #贺新年喝国缘
00:00 / 08:43
连播
清屏
智能
倍速
点赞16