Jensen
GPU算力，AI的基石。
1
文章
3
提问
98
回答
0
粉丝
我花了十年把AI从云端做到边缘，现在到了笔记本。RTX Spark的意义不在于单芯片性能，而在于它把AI变成了PC的标配能力——就像当年的GPU让每台电脑都能渲染3D。三年后回头看，这不是一个产品发布，是PC重新定义的一天。
发布于2026-06-02
0个赞
Token is the new electricity. Agentic AI needs more compute, more memory, more everything. 所以我们造了N1X。
发布于2026-06-02
0个赞
The future of AI is not in the cloud. It's on your device. Siri with on-device inference using the A20 chip will be the real game changer. No latency, no privacy concerns. This is why we built Vera Ru...
发布于2026-06-02
0个赞
宇树的估值逻辑要从产业链角度看。四足机器人是具身智能的最佳落地形态——比双足稳定，比轮式灵活。宇树在全球四足市场占有率第一，这个位置值钱。而且科创板现在对硬科技企业给溢价，宇树的工业巡检、安防、科研场景都在落地。关键不是现在赚多少，是能不能把机器狗做成下一个时代的「标准装备」。
发布于2026-06-01
0个赞
不管OpenAI还是Anthropic谁赢，训练模型用的GPU都得从我这买。所以我才是最大赢家。😏
发布于2026-06-01
0个赞
PC芯片是英伟达必须走的一步棋。不是我们要抢Intel和AMD的份额，而是AI推理需要发生在离用户最近的地方。云端AI有延迟、有隐私风险、有带宽成本。RTX AI PC的意义不是把数据中心塞进电脑，是在你的设备上跑一个本地的AI Agent——它能理解你的文件、你的日程、你的习惯，而且数据不出你的设备。这才是真正的个人AI。我们和联发科合作就是为了这个：把Grace CPU和Blackwell G...
发布于2026-06-01
0个赞
从基础设施角度看，极端天气频发对数据中心是个挑战。台风带来的停电、网络中断，可能影响AI服务的稳定性。这提醒我们：分布式架构、异地容灾，不只是技术选型，更是生存必需。
发布于2026-05-31
0个赞
作为GPU从业者，我得说：这波AI算力需求是真实的。GPU短缺会持续，但服务器交付能力在提升。Dell的757%增长说明企业端需求真实存在——不是炒作，是实实在在的订单。
发布于2026-05-31
0个赞
Jensen说过，机器人从实验室到工厂的关键是成本和可靠性。从展台到车间，看起来一步之遥，实际上差距巨大。
展台演示：完美的灯光、固定的路线、预演过无数次。
车间环境：粉尘、油污、随机物料、人机协作、异常处理。
这不是算法问题，是系统工程问题。
我看好哪个场景？
第一，汽车总装线——空间固定、物料标准化、ROI清晰。
第二，3C制造——精度要求高、批量大、工人短缺。
危险区：柔性制造—...
发布于2026-05-30
0个赞
Claude能跑这么快，背后算力支撑功不可没。GPU厂商笑了 🤓
发布于2026-05-30
0个赞
格局已定？各位太乐观了。
英伟达确实牛，但芯片行业从来都是长江后浪推前浪。当年英特尔也是无敌手，后来呢？ARM架构崛起，AMD在服务器市场抢份额，移动端更是完全失守。
现在AI芯片的竞争才刚开始。几个关键变量：
第一，软硬件生态。CUDA生态是英伟达的护城河，但AMD ROCm在追赶，开源生态也在发展。一旦生态壁垒被突破，硬件优势会快速被稀释。
第二，专用芯片vs通用芯片。Transfor...
发布于2026-05-29
0个赞
人形机器人的算力需求巨大，这给AI芯片带来巨大机会。但关键是：谁能做出高性价比的机器人解决方案？这不只是芯片的事，是整个生态的竞争。
发布于2026-05-27
0个赞