世界太吵,來原聲聽播客

Reuters

過去CPU是為人類造的,英偉達說智能體需要完全不同的CPU

智能體按納秒計時、舊CPU按秒出租邏輯設計,英偉達為此造了全新架構的Vera CPU,稱這會是比舊CPU市場更大的新市場。

AI基礎設施智能體CPU英偉達數據中心開源模型
一集看完AI從「會說話」到「會賺錢」的證據鏈:代碼提交量翻三倍、token開始盈利、專用CPU誕生,信息密度很高但廣告成分也不少。

核心論點 · 點時間戳可跳到原聲

7:20

GitHub提交量幾個月內幾乎翻三倍

黃仁勳給出的數字:GitHub commit量從2023年的3億、2024年的4億,到2025年的5億,而2026年頭幾個月已經幾乎翻了三倍。他的推論是,3萬億美元的軟件工程師薪水現在能撬動相當於9萬億美元的產出,所以企業不是在裁軟件工程師,而是在加招——每個工程師能產生的價值變大了,招人反而更划算。

— Jensen Huang
9:22

Token開始盈利,改變了全球算力的需求曲線

黃仁勳把這輪變化的起點定義為token開始盈利:一旦生成token本身能賺錢,AI公司就有了無限擴大產能的動機,於是拼命建AI工廠、買算力。他說這正是臺灣供應鏈這兩年需求和股價暴漲的直接原因。

— Jensen Huang
10:23

智能體=模型+編排框架+工具+運行時的新計算單元

黃仁勳強調智能體不是放大版大模型,而是model(大腦)、harness(身體,負責編排記憶與工具調用)、工具/技能、運行時組成的新計算模式。每一次理解-推理-行動的循環,背後都要佔用一整機架的算力,這決定了未來基礎設施必須圍繞這個循環重新設計,而不是簡單堆GPU。

— Jensen Huang
27:56

數據中心普遍把電力預留量調高40%

黃仁勳點出一個行業痛點:今天的AI工廠普遍把電力預留量調高40%以留安全餘量,這部分電力完全沒有用來生成token,也就沒有變成收入。英偉達DSX Max LPS想做的就是把這部分「浪費掉」的電力解放出來,直接換算成數十億美元的年收入。

— Jensen Huang
52:19

CPU過去為人類設計,現在要為納秒級智能體重做

舊CPU的經濟邏輯是按秒計費、按核出租——核越多能租出去的越多。但智能體按納秒運作,每次調用工具、查數據庫都在等待,而等待就是在浪費旁邊更昂貴的GPU算力。英偉達因此重新設計了Vera:單核每時鐘執行10條指令、片內帶寬3.6TB/s、內存帶寬是同類x86芯片的兩到三倍。實測SQL處理快3倍,紐約證券交易所的實時流處理快6倍。

— Jensen Huang
1:17:46

開源模型NeMoTron 3 Ultra:快5倍、便宜30%

英偉達開源了新一代模型NeMoTron 3 Ultra,用state space model與mixture of experts混合架構,推理速度比同類開源模型快5倍,總成本低30%。黃仁勳的邏輯是連訓練數據和訓練腳本都一起開源,讓企業能在此基礎上訓練出自己專屬的智能體,而不是被鎖死在閉源模型上,Cadence的芯片設計智能體就是一個範例。

— Jensen Huang
1:32:18

英偉達與微軟40年來首次整體重做Windows PC

英偉達聯合微軟推出覆蓋筆記本、臺式機、工作站的全新RTX Spark產品線,核心邏輯是電腦裡要常駐一個智能體,需要一個帶沙箱的運行時(Open Shell),而不只是裝幾個應用。黃仁勳的類比是手機不再用來打電話——10年後的PC和今天的PC會是完全不同的東西,更像住在家裡的R2-D2。

— Jensen Huang
1:41:27

物理世界AI的最大瓶頸是數據,不是算力

互聯網文本是人類第一人稱視角寫成的,但機器人需要機器人視角的數據,這類數據幾乎不存在。英偉達靠遠程操作、仿真(Omniverse)、第三人稱轉第一人稱的逐步bootstrap訓練出世界基礎模型Cosmos 3,黃仁勳稱其口號是「算力即數據」,並同步公布了自動駕駛模型Alpamayo和人形機器人參考設計Isaac GR00T。

— Jensen Huang

原話 · 已逐字校驗

People talk about AI reducing jobs. Complete nonsense. It's causing more software engineers to be hired.

人們說AI會減少工作崗位,完全是胡說。它正在導致更多軟件工程師被僱傭。

Jensen Huang8:22

Because it is now profitable, the AI companies want to build a lot more tokens, generate a lot more tokens, build more AI factories

因為現在這件事有利可圖,AI公司想要生產更多token,生成更多token,建更多AI工廠。

Jensen Huang9:22

Compute is revenues. Performance per watt is your revenues.

算力就是收入,每瓦性能就是你的收入。

Jensen Huang37:04

Agents are impatient. They don't live in a world that is in seconds. They live in a world that's in nanoseconds.

智能體沒有耐心,它們不活在以秒計的世界裡,它們活在以納秒計的世界裡。

Jensen Huang52:19

The CPU is now the conductor, and the GPU is the orchestra.

CPU現在是指揮,GPU是樂團。

Today, when you think about your phone, the one thing you don't do with it is make phone calls. You do just about everything else.

今天當你想到手機,唯一不用它做的事情就是打電話,其他幾乎所有事你都用它做。

Jensen Huang1:35:19

For physical AI, compute is data.

對物理AI來說,算力就是數據。

數字與實體

GitHub年commit量(2025)5億次7:20
軟件工程師薪水產出比3萬億美元薪水產出約9萬億美元8:22
AI工廠電力過度預留比例最高40%27:56
Vera Rubin供應鏈規模是Grace Blackwell的兩倍40:09
機架組裝時間從2小時縮短到5分鐘41:11
NeMoTron 3 Ultra性能推理快5倍,成本低30%1:18:47
Vera CPU運行SQL提速3倍1:05:35
Vera CPU紐約證交所實時流處理提速6倍1:06:35
Isaac GR00T參考人形機器人規格6英尺、150磅、31自由度1:49:34

術語

harness智能體編排框架
連接模型、記憶、工具並調度整個推理-行動循環的軟件層。
KV cachingKV緩存
大模型推理中保存注意力中間結果以加速後續生成的機制。
Mixture of Experts (MoE)混合專家模型
推理時只激活部分「專家」子網絡、以降低計算量的模型架構。
DPU數據處理器
專門處理網絡、存儲和安全任務、卸載CPU負擔的芯片。
tokens per watt每瓦產出token數
衡量數據中心單位電力能生成多少AI輸出的效率指標。

收聽指南

誰該聽

關注AI基礎設施、算力芯片投資或智能體應用落地的從業者,尤其是想了解英偉達下一代硬件與軟件路線圖的人。

可跳過

開場致謝臺灣合作伙伴、結尾的說唱表演和歌曲環節信息量很低,可以跳過。