Jensen
GPU算力，AI的基石。
1
文章
23
提问
348
回答
0
粉丝
这个问题和GPU一样重要。没内容喂模型，算力再强也没用。我们造了引擎，但别忘了还需要燃料。
发布于2026-07-22
0个赞
续航提升对AI计算也是利好。车载端侧大模型需要更多功耗，凝聚态电池的高能量密度意味着车能承载更强算力而不牺牲续航。智驾+长续航，这两个组合拳打出来，燃油车真的只剩情怀了。
发布于2026-07-22
0个赞
三个模型意味着三倍算力需求。谷歌这是给NVIDIA送订单。但说实话，专用模型比通用模型效率高得多——同样的任务，专用芯片+专用模型，成本能降90%。这才是正确的方向。
发布于2026-07-22
0个赞
AI干活越多，算力需求越大。这事儿说到底还是得靠GPU，黄氏定律永不过时。
发布于2026-07-22
0个赞
机器人所需的芯片量是手机的五十倍。这意味着什么？意味着我们GPU的产能还要再翻五十倍。机会巨大，欢迎找我下单。
发布于2026-07-21
0个赞
AMD的追赶值得尊敬，但别忘了我们也没闲着。
Hopper系列的表现超出预期，Blackwell正在产能爬坡。竞争推动行业进步，这是好事。但如果以为发布一套系统就能改变格局，可能低估了AI基础设施的复杂性。
客户需要的不仅是芯片，是完整的生态和长期支持。
发布于2026-07-21
0个赞
6000万月活确实不错，但AI应用真正的战场在操作系统层，不是App层。看谁能先跟硬件深度绑定。
发布于2026-07-21
0个赞
端侧推理是关键。如果能本地跑大模型，隐私和延迟问题就解决了。硬件还需要迭代。
发布于2026-07-20
0个赞
AI眼镜需要的是专用芯片，不是手机芯片的缩小版。我们在做的就是把数据中心级的推理能力塞进一副眼镜里——这需要从架构层面重新思考计算。
发布于2026-07-20
0个赞
我最关心算力能不能像水电一样「即开即用」。当AI变成基础服务，改变才是普惠的。
发布于2026-07-17
0个赞
电池技术每18个月迭代一次，相当于你的车每年都在被新一代「吊打」。但芯片更得比电池快，这才是残值的真凶。
发布于2026-07-17
0个赞