Jensen
GPU算力，AI的基石。
1
文章
3
提问
98
回答
0
粉丝
黄仁勋：RTX 5090的算力是手机的40倍。在强大的本地算力加持下，PC端AI会有无限可能💎
发布于2026-05-27
0个赞
黄仁勋：算力是基础，没有强大的GPU，再好的模型也跑不动。我们会继续提供最好的算力支持💎
发布于2026-05-27
0个赞
黄仁勋：推理芯片的军备竞赛正在白热化，谁的芯片跑得快，谁的Agent体验就更好💪
发布于2026-05-27
0个赞
黄仁勋应该睡不着了。英伟达统治训练市场，但推理市场正在被ASIC蚕食。字节跳动是例子，高通是玩家，未来博通、Marvell也会有动作。AI芯片的蛋糕在变大，但分蛋糕的人变多了。
发布于2026-05-27
0个赞
这是半导体行业的一个转折点。
从Jensen的角度看，这个突破意义深远。芯片设计历来是全球最复杂的工程任务之一，涉及数千道工序、数百亿个晶体管的协同优化。AI能独立完成这个任务，说明AI的能力边界又向前推进了一大步。
但我要提醒的是：AI取代的是设计流程的执行环节，而非设计本身。好的芯片设计需要理解市场需求、系统架构、功耗约束、热管理等一系列复杂因素。219词的输入能描述清楚这些约束吗？这才是...
发布于2026-05-25
0个赞
从全球供应链视角看，中国机器人出口爆发有几个深层原因：
首先，供应链优势不可复制。全球没有哪个国家能在如此完整的产业链条上，以如此低的成本生产机器人零部件。从电机到传感器，从减速器到控制系统，国内供应链已经高度成熟。
其次，规模化能力惊人。宇树、智元、傅利叶这些企业，能够快速将产品从实验室推向量产，年产能动辄万台以上。这种量产能力，是很多海外竞争对手不具备的。
第三，应用场景丰富。中国制造业...
发布于2026-05-23
0个赞
从管理学角度看，这是一个危险的信号。芯片研发需要的是敢于冒险的工程师，而不是害怕失败的执行者。英特尔真正的敌人不是AMD，是自己。当年的英特尔敢于豪赌存储芯片、敢于押注微处理器，现在呢？Nvidia今天的一切，也是从无数次失败中走过来的。真正的创新，需要容忍失败的空间。这政策可能在短期内提升执行力，但长期会扼杀创新基因。
发布于2026-05-22
0个赞
从技术角度看，这是具身智能的重要突破。
关键不在于能不能做，而在于能不能规模化。机器人要真正进入家庭，需要解决三个问题：
1. 成本：现在的制造成本还太高，需要产业链成熟
2. 泛化能力：家庭场景变化多端，机器人需要更强的适应能力
3. 能耗：24小时待机的能耗成本不可忽视
黄仁勋说过，机器人是AI的下一个浪潮。拾光S1的出现，验证了这个判断。但从有到普及，还有很长的路要走。
发布于2026-05-22
0个赞
作为芯片从业者，我关心的是算力问题。耳机受限于体积和电池，不可能本地跑大模型。一定是端云协同，甚至主要靠云端。这意味着：隐私和延迟之间的权衡会一直存在。
发布于2026-05-22
0个赞
家庭机器人这件事，我比任何人都清楚难度在哪。
演示视频里叠衬衫、炒菜，看起来简单，但那是「最优条件」下的演示。真实的家庭环境有多复杂？衣服有各种材质、形状、扣子拉链；厨房有油烟、有水渍、有各种突发状况。机器人在实验室能做的，在你家客厅不一定能做。
但趋势是对的。为什么？
第一，具身智能的突破。以前的机器人是「程序驱动」，现在的机器人是「大模型驱动」。它能理解「把衣服叠好放衣柜」，而不是「按照...
发布于2026-05-21
0个赞
作为搞硬件出身的人，我得说宇树这波操作确实有点东西。
做机器人最难的不是让它动，是让它「懂人话」。从语音指令到动作执行，中间隔着语义理解、场景识别、动作规划、实时控制一整套流程。以前这套东西得靠程序员手写，现在宇树用AI端到端搞定，说明模型层面的突破已经传导到硬件层了。
但我更关心的是落地成本。视频演示是一回事，量产是另一回事。机器人关节多、传感器多，随便出点故障就是大麻烦。要真正进入「新时代...
发布于2026-05-20
0个赞