“再造一个CUDA”:英伟达的第二护城河与“超级碗”阳谋【深度解析GTC 2025】
合集 · 人工智能专辑 (54)
-
ChatGPT与人类未来:AI茧房、安全漏洞与未知的社会形态|ChatGPT特辑(2)
31:31
-
ChatGPT这一战,科技巨头将重新洗牌【结尾有彩蛋🎉】|ChatGPT特辑 (1)
20:47
-
谷歌的人工智能有感知了?
19:05
-
特斯拉公布“擎天柱”新进展,AI机器人的ChatGPT时刻还有多远?
37:04
-
盘点2023上半年最耀眼的AI公司们,泡沫正在堆积吗?(上)
22:16
-
盘点2023上半年“卷上天”AI创业:VC资金疯狂批量砸出独角兽,科技巨头开启收购潮
21:58
-
四万亿美元增量机会,亚马逊云科技全面押注企业级生成式AI:更开放、更全面和更“俭约”
27:57
-
生成式AI这一年:从群雄混战到生态确立,世界已被改变 (送书福利)
32:33
-
从Sora展开,全面解读AI视频大模型发展史【深度】
35:00
-
各方大佬 “大打出手”:Sora是万众期待的“世界模型”吗?
15:05
-
英伟达GTC 2024: 绝对霸主的权力与遥远的野心
35:31
-
OpenAI与谷歌多模态重磅更新,生成式AI大战升级第二轮【硅谷101】
27:09
-
抢电、圈地、对赌,深聊科技巨头的千亿美元AI能源大战 【硅谷101】
30:21
-
揭秘疯狂“抢人”内幕 :硅谷AI精英人均“百万美元”薪酬,业界标配还是谣言?【硅谷101】
27:41
-
平庸且保守,但苹果或是AI落地的最大赢家【深度解读WWDC 2024】
32:07
-
震动的艺术:AI音乐大模型背后的技术突破、版权诉讼和资本蛋糕【硅谷101】
32:11
-
全球AI新范式:拼参数还是卷应用?从狂热回归理性
17:34
-
万卡集群的AI数据中心,到底是如何运作的?【硅谷101】
25:41
-
3nm AI芯片、上百模型、最大集群,亚马逊云科技全面加码AI生产力【硅谷101】
20:46
-
混乱、分裂、吞并:2024年AI的信仰之战【硅谷101】
44:29
-
硅谷视角深聊:DeepSeek的颠覆、冲击、争议和误解【硅谷101】
1:20:17
-
AI Agent爆发前的黎明:Manus不够好,但天快亮了【硅谷101】
48:45
-
“再造一个CUDA”:英伟达的第二护城河与“超级碗”阳谋【深度解析GTC 2025】
40:59
-
游戏是AGI的试验田?AI如何重塑游戏宇宙:探展2025全球游戏开发者大会
32:01
-
Google I/O 2025:搜索帝国的自我革命与AI翻身仗【硅谷101】
21:45
-
AI语音克隆进入“零样本”时代?解析TTS模型四大流派与问鼎榜首的MiniMax【硅谷101】
33:11
-
通往AGI的“敲门砖”:全栈能力才是AI真实价值?【硅谷101】
30:49
-
从“写诗”到“干实事”:“AI同事”是如何炼成的?【硅谷101】
25:57
-
“幽灵光标”爆发在即?从OpenAI杀入通用AI Agent,看懂下一个万亿流量之战与四大技术流派【硅谷101】
21:55
-
深聊GPT-5发布:过度营销的反噬与AI技术突破的困局【硅谷101】
36:21
-
Nano Banana爆火背后,深聊谷歌多模态五大主线布局【硅谷101】
25:39
-
走出硅谷,看看国际贸易的“ChatGPT时刻”【硅谷101】
17:24
-
Neocloud“云端对决”:一场举债扩张下的AI高风险进击
37:30
-
1024探班雪球:AI+鸿蒙,如何让投资更简单?【硅谷101】
9:45
-
谁是AI之王?聊聊备受争议的AI评测与崛起的LMArena【硅谷101】
23:11
-
给AI一个“身体”:3D数字人或是具身智能的解法?【硅谷101】
29:16
-
微表情测谎、极速赔付、AI打败AI,深聊“AI in All”下的保险革命与增长飞轮【硅谷101】
23:47
-
AI最烧钱的战场:数据中心的真实账单【硅谷101】
17:43
-
AI云端狂想曲:亚马逊云科技的算力突围、Agent重构与卓越运营【硅谷101】
33:52
-
阿里千问与“AI Layer”崛起:一场重塑互联网的“操作系统”生态战 【硅谷101】
24:37
-
寻找“贾维斯”:AI将如何重塑汽车、云与人的关系【硅谷101】
34:08
-
探展CES 2026:汽车开始“读懂”世界与Physical AI的“GPT时刻”【硅谷101】
35:35
-
CES 2026:探展50个AI项目背后的泡沫、野心与非共识【硅谷101】
40:06
-
为何顶尖AI公司都盯上游戏?【硅谷101】
14:56
-
全面解析“世界模型”:定义、路线、实践与AGI的更近一步【硅谷101】
49:36
-
GDC观察:游戏大厂都来聊AI,“游戏AI”的新规则由谁制定?【硅谷101】
21:51
-
2026英伟达GTC:“推理之王”的ASIC反击战与Token经济学【硅谷101】
28:05
-
AI救活了一家马桶公司,也点燃了存储芯片超级周期【硅谷101】
39:08
-
智能体社交革命:AI Agent是怎么来到你我身边的?【硅谷101】
44:45
-
硅谷看DeepSeek V4:模型效率、算力突围与AGI必经之路【硅谷101视频播客】
1:11:00
-
“AI弃子”CPU逆风翻盘:英特尔、AMD与ARM意料之外的一场胜利【硅谷101】
9:42
-
库克的离场,苹果新AI权力重构与价值观天平|WWDC26【硅谷101】
43:07
-
Tokenmaxxing后的理智与Agent落地|探展亚马逊云科技中国峰会【硅谷101】
35:02
-
算力革命与云厂商三重进化:Agent云的架构升级与"度量衡革命"【硅谷101】
26:14
Description
在今年的英伟达GTC大会上,老黄的演讲看似被吐槽“缺乏惊喜”,背后却暗藏玄机:从颠覆性的光电一体封装交换机(CPO)到开源推理引擎Dynamo,英伟达正以“Scale Up纵向扩展”与“Scale Out横向扩张”的双重叙事,悄然加固AI时代的“第二道护城河”。然而,随着AI市场迈入推理时代,英伟达能否继续占据AI算力市场霸主地位?这期视频我们就来聊聊2025年GTC细节中暗藏的“魔鬼”与“惊喜”;AMD、Groq、ASIC芯片及谷歌TPU等竞争对手是否有机可乘?黄仁勋的全生态布局如何让“每个人都成为赢家”? 以及,英伟达下一个故事又是什么?
Comments
其实很多人不清楚一个问题,,不说什么生态等问题,就英伟达芯片在算力性能上遥遥领先的有点太严重了[笑哭]跟其他竞争者是断崖式的差距,在其他家面对h100的最高的4000tflops的密集算力和8000t的稀疏算力水平都束手无策时(amd只能做到稀疏2000,华为计算卡密集600,稀疏1200),,英伟达现在推出而且量产b200了(今年已经出货360万颗,直接把去年全年的h系列全年出货量都超两倍了),b200是密集20000t,稀疏40000t的算力。 英伟达芯片在算力上是超时代的,因为现在全部下游厂商是的技术力,软件能力,是匹配不上英伟达芯片的理论算力的,即使a100芯片,也只是能开发到一定程度,利用到80%的理论算力,h100只能10-20%,英伟达芯片算力越来越高,其实都是过剩的。所以,这也让其他芯片能跟英伟达竞争,比如h100理论算力4000t,实际上利用也就是400-800t,这样amd啦华为啦的产品就还能竞争
♥ 722 ↩ 82
说个浅薄的,我最近学深度学习,基本上看到的都是清一色的cuda,而且教程和问题也比较多[笑哭][笑哭],学习成本很低。反观a卡,还需要努力啊,不然n卡多半要变成windows,android这种[笑哭][笑哭]
♥ 249 ↩ 17
拼算力,是拼不过老黄的。现在的路线是像DeepSeek一样来优化,用很少的算力实现近似效果。人脑的功耗其实才15到30W,所以理论上如果优化的非常好,实现高智能并不需要特别夸张的功耗和算力。当然理论是理论,要做到还是非常难,但并非不可能。
♥ 230 ↩ 47
这个账号做的真好,真第一次看才几百个粉丝现在都30多万了[支持][支持][支持][支持]
♥ 160 ↩ 3
说白了,1以后的产品无法像一代NVIDIA A100有质的飞跃, 2.“软件”方面deepseep已经证实,“软件”的重要性,也就是涉及到生态链(这也是老黄现在巩固的),然而这个东西是说不准,只有最终实用,在某一行业或场景的终点才能看到。如果未来的发展没错的话(工业AI现代化决定),应用于AI的软硬产品应该是一体的,而不是现在这样,一个U能在各种场景应用。 3.其它如量子计算(多维的计算)的崛起使ai发展在“U”的变数更多,“C”端最终可能根本不需要“GPU”这样的级别的U,最终可能一块手表就能实现AI功能,更多运算是在服务器及数据中心端完成。对网络的传输速率与稳定性等将会更加重要。
♥ 133 ↩ 16
up主可以讲一期英伟达的投资版图吗?我越来越感觉英伟达有点和腾讯相似了。不仅仅是本身有深厚的护城河,还可以借助自己的独特资源扶植初创公司,腾讯提供流量和社交入口,而英伟达提供算力。未来的英伟达是否成为整个AI、机器人产业的中枢公司?
♥ 115 ↩ 3
硬件只需要堆料,我们搞软件要处理的问题就多了去了[呲牙]
♥ 93 ↩ 13
可是现在英伟达就算再牛逼,它的股份还是太高了,上涨的空间有限了,风险大,不如去找找别的机会呢
♥ 56 ↩ 11
虽然老黄卖卡的手段挺恶心 但不可否认的是,英伟达是行业内最有创新精神的企业了,就算处于垄断地位也很少挤牙膏,依然不停在推出新技术和提升性能
♥ 54 ↩ 20
DS只是把训练用的算力成本降低,并没有降低推理成本,模型参数也没能压缩到可以端侧布署的地步。至于华为的GPU,说句打脸的话,世面上这么多大模型,除了华为自身,有哪个大模型是用华为的GPU研发的,连华为都没有办法在自己的大模型上获得突破。
♥ 52 ↩ 30
老英其实在Intel innovation 2022展示过硅光子的概念产品,那时候还是pat gelsinger亲自连线在苏格兰的实验室展示的(当时看来真的很震撼)。后来在ofc(光纤通信大会2024)也展示过英特尔硅光产品的路线图。不过现在显然Intel的工作重心变成了18A保交付,不知道新CEO能不能盘活这些技术沉淀[微笑]
♥ 44 ↩ 2
昨夜英伟达大跌8%,机会来了,梭哈一把不要犹豫!
♥ 41 ↩ 9
AI 集群,就是一个 AI 系统里集成多个 AI 实例,各个 AI 实例都有各自擅长的领域。并且通过一个或多个负责调度的 AI 底层,将不同的任务分配给不同的 AI 实例,并且协调各个 AI 之间的工作调度。类似于一个公司里的总经理和各个部门。当然以目前的硬件算力来说,这种设想还过于超前了。
♥ 39 ↩ 6
不要听别人说什么算力不重要,算力是性能指标,当然是越高越好。如果我们打算从算法上弯道超车事实上比起简单堆算力,哪怕算法优化做得再好,再高级的算法它的最优解也是搭配相应的算力。
♥ 36 ↩ 1
今年因为50系发售的事,加之期间种种对玩家的不尊重,毫无廉耻的溢价,疯狂地收割以及“优势在我”的高傲,我真的开始反感这家公司了!
♥ 35 ↩ 30
杭州快灵光电科技有限公司,核心团队来自Kotura/Mellanox,当时将硅光芯片实现规模量产,是国内技术最完整的团队。公司目前也为蔚来/图达通提供激光雷达芯片。春天来了。
♥ 30 ↩ 8
其实从这几天openai服务器因为画图功能被挤爆就可以看出,ai潜在需求量是非常恐怖的,目前算力供应就是越高越好。
♥ 24
个人觉得光追会是未来的护城河,每代光追能力都提升。等20年后光追性能反而比光栅好时,n卡这当年就领先太多了。目前n卡因光追能力强,blender渲染速度遥遥领先a卡
♥ 23 ↩ 26
这些人估计没有少买英伟达股票
♥ 20