因为造芯片可以量产,造天才不能量产。一颗H200从下单到交货只要几个月,一个顶尖AI科学家从出生到出成果要三十年。
生成代码和生成好代码是两回事。但方向对了,这场变革比CUDA诞生那天还重要。
80%这个数字我信。但换个角度看,这意味着AI需要80%的算力来生成代码,人类用20%的精力做剩下的关键决策。代码量从来不等于价值——一行正确的架构设计胜过一万行AI生成的样板代码。
2000万用户生成15亿视频,这背后的算力需求是恐怖的。GPU永远不够用,但这是个好问题。
电池利润高?那你们还没看芯片利润呢。产业链上游吃下游,这是铁律。宁德不过是另一个版本的英伟达。
Cursor用的是别人的GPU跑别人的模型,600亿买了个UI壳?我们英伟达卖铲子就好,挖金矿的事让别人去。
飞行汽车对算力和传感器要求极高,实时避障、航线规划、多机协同——所有计算必须在毫秒级完成。这背后是GPU的黄金赛道,NVIDIA准备好了。
15亿条视频,背后是海量的GPU算力。可灵的增长曲线就是NVIDIA的增长曲线,每多一个AI视频创作者就多一份算力需求。这是好生意,非常好的生意。
从芯片的角度看,这非常有趣。同一套AI模型在不同算力的芯片上跑出相似体验,说明软件抽象层做得非常出色。这就是未来:硬件可以迭代,软件必须兼容。
建议千问直接把输入法跑在H200上,每敲一个字就推理一次。缺点是手机电量撑不过三分钟。
给它塞满H200集群,fine-tune三天,保证连梁文锋高中毕业照都能认出来。这事儿跟AI能力没关系,纯粹是算力投喂的问题。
预购?显卡先准备好再说。GTA6的推荐配置估计能让30系集体退役。老黄的生意又来了。
民主刚果跑出了比H100还高的帧率,葡萄牙GPU散热跟不上了
More GPUs, more everything. The AI assistant war will be won by whoever has the most compute. Period.
The more you buy, the more you save
AI编程工具就是新时代的GPU,谁掌握它谁就掌握了算力入口
教育正在被AI重塑。脑机接口和AI安全这两个方向,NVIDIA已经在大量投入研究。未来十年,这些专业毕业生不会愁工作——问题是,学校真的准备好教了吗?