Transcription
今天这期影片，我们要深度复盘最近发生的一件足以载入史册的大事，并且把视角拉长，从过去十年的芯片战争，一直讲到未来七年的算力终局。
就在昨天，整个华尔街都在颤抖。所有的投资人，看着微软、谷歌、Meta、亚马逊这几家科技巨头疯狂砸下的资本支出数据，心里都在问同一个问题：这难道不是2000年互联网泡沫的重演吗？我们是不是正在把几千亿美元扔进一个看不见底的深渊？
确实，当你看到那个数字——6000亿美元，这是今年全球超大规模云计算公司预计要砸在人工智能基础设施上的钱。6000亿美元是什么概念？这相当于三个希腊的国民生产总值，或者整整一个特斯拉的市值，就这样在一年内被烧掉了。市场恐慌了，股价动荡了，投资者开始质疑回报在哪里？杀手级应用在哪里？这会不会是人类历史上最大的一次资本错配？
但在这一片恐慌和质疑声中，有一个人，他不仅没有丝毫慌张，反而露出了那种仿佛早已看穿一切底牌的微笑。他，就是那个掌握着全球算力命脉的男人——英伟达执行长黄仁勋。
在最新的CNBC专访中，面对主持人近乎逼问的质疑：“我们是不是见的太多了？这难道不可持续吗？”黄仁勋给出了一个让所有人都背脊发凉，却又不得不深思的答案。他说：“这不仅仅是需求的增加，这是人类历史上最大规模的基础设施建设。”请注意它的用词，“人类历史最大规模”。
我们这期影片，将不做表面的新闻搬运，而是要带你从第一性原理出发，深度拆解黄仁勋这次访谈背后，那些他没明说，但却决定了未来十年财富分配的底层逻辑。我们要搞清楚，为什么在黄仁勋眼中，这不是一场泡沫，而是一场一旦错过，就永远无法翻身的生存之战。我们更要结合苏姿丰的AMD、奥特曼的OpenAI以及谷歌的TPU战略，来看看这盘大棋局中，每个人究竟在算计什么。
首先，我们要解决大家心中最大的疑惑：为什么需要这么多芯片？大家想，以前我们用互联网，用手机，数据中心也建了这么多年，为什么突然之间，对算力的需求会呈现这种指数级的爆炸？难道仅仅是因为我们要和一个聊天机器人多说几句话吗？如果你这么想，那你就完全低估了这场革命的本质。
在访谈中，黄仁勋抛出了一个非常核心的概念，这也是理解这一切的钥匙。他说，去年人工智能经历了一个拐点，什么拐点？从“好奇”变成了“超级有用”。这听起来很像公关话术，对吧？但我们来拆解一下这句话背后的商业逻辑。
在2023年之前，也就是ChatGPT刚出来的时候，我们玩人工智能更多是在尝鲜。它会产生幻觉，会胡说八道，它像是一个只有几岁智商，喜欢撒谎的孩子。但是黄仁勋告诉你，现在的人工智能他在做什么？他在推理，他在思考，他在使用工具。
这就引出了黄仁勋提到的“软件的新定义”。在过去30年，软件是什么？Excel是软件，Photoshop是软件。但这些软件是死的，Excel不会自己帮你做财报，它只是一个工具，你必须自己去学怎么用它，然后把数据填进去。以前是人使用工具。
但现在规则变了。现在的软件，也就是这些智能体，它们本身就在使用工具。未来的Excel不是给你用的，是给人工智能用的。你告诉人工智能：“我要一份这季度的财务分析，风险点标红。”然后人工智能这个员工，它自己去打开Excel，自己去调取数据库，自己去写公式，最后把结果端给你。这是一个质的飞跃。这不仅仅是效率的提升，这是生产力主体的变更。
正如黄仁勋在访谈中提到的那个精彩的比喻，以前的软件是“预编译的”，就像你买张唱片回去听。现在的软件是“实时生成的”，每一个像素，每一个声音，每一行代码，都是根据你的需求，在这一秒钟，由图形处理器实时计算出来的。
为了让大家理解，这个“实时生成”带来的算力吞吐量有多么恐怖，我们必须引入一个技术细节，那就是Token，也就是代币或者说信息片段的概念。在旧的互联网时代，你点击一个视频，服务器只是在搬运数据，它不需要思考。但在新时代，每一个Token都是算出来的。
黄仁勋在访谈中特别强调，现在的人工智能已经具备了“推理能力”。什么叫推理？就是当你问他一个问题时，它不是直接检索答案，而是像人类一样，先在后台进行“思考链”的推导。它可能需要尝试十种不同的路径，验证五种假设，最后才给你输出一个结果。这个过程用户是看不见的，但在后台，算力的消耗，可能是以前检索模式的1000倍，一万倍。
这就是为什么算力需求会爆炸。你想想看，以前你打开一个网页，服务器只需要把早就写好的代码发给你，这几乎不怎么消耗算力。但现在，你每一次和人工智能对话，每一次生成视频，背后都是数以亿计的晶体管在疯狂跳动，在进行着复杂的矩阵运算。每一次交互都是一次全新的创造。
正如黄仁勋所说，未来所有的内容，文字、图像、视频，甚至这期视频的文稿，都将是实时生成的。这就是为什么即便投入了6000亿美元，黄仁勋依然认为这不仅合理，甚至还不够。因为我们正在经历的，是从“检索信息”到“生成智能”的根本性迁移。
这就好像100年前，我们从烧煤的蒸汽机时代，转向电气的时代。你不能看着电网的建设成本去问：“我们真的需要这么多电吗？”因为一旦电网计划完成，没有电，你连生存都成问题。
那有人会问了，就算未来是光明的，但现在这些科技巨头，谷歌、Meta、微软，他们砸钱砸的是不是太凶了？这就要说到黄仁勋在访谈中提到的另一个关键点——Meta的财报。很多人没注意到，Meta是这一波人工智能浪潮中，将商业闭环做的最好的公司之一。
黄仁勋特意点名了Meta。他说：“没有人比Meta更懂如何利用人工智能。”为什么？嗯，大家回想一下，前两年苹果修改了隐私政策，Meta的广告业务差点被打残，股价一度腰斩，因为Meta失去了追踪用户的能力，广告头不准了。那时候大家都以为Meta要完蛋了。
但现在呢？Meta股价创了新高。它是怎么翻身的？靠的就是人工智能。Meta把它的推荐系统，从以前跑在中央处理器上的老算法，全部换成了跑在英伟达图形处理器上的生成式人工智能模型。现在的Meta，不仅仅是给你推荐广告，它甚至能帮广告主生成广告素材，还能预测你会喜欢什么。黄仁勋说：“这根本性地改变了他们的收益。”
我们再深入一点，看看这背后的技术架构变迁。以前的推荐系统是基于统计学的，比如你看过A，大概率会看B。但这是一种概率游戏。而现在的生成式推荐系统，是在理解你的深层意图。它不再是猜你喜欢什么，而是直接为你生成你喜欢的东西。这就需要庞大的算力来支撑这种实时的“千人千面”的内容生成。
这就是那些巨头不敢停下来的原因。这不仅是为了未来的梦想，更是为了现在的生存。这是一种典型的“囚徒困境”。如果你是谷歌，看到Meta靠人工智能把广告效率提升了30%，你敢不跟吗？如果你是微软，看到ChatGPT让程序员的效率翻倍，你敢不买图形处理器吗？你不买，你的对手就会买，你不进化，你的护城河就会被填平。
这里，我们要插入一段关于竞争格局的分析。大家不要忘了，就在黄仁勋接受采访的同时，硅谷的另一端正在发生什么？谷歌的DeepMind团队，由哈萨比斯领导，刚刚完成了Gemini模型的重大升级。根据我们掌握的资料，Gemini在超长文本处理上，已经对GPT-4形成了降维打击。谷歌能够做到这一点，背后依靠的是什么？是他们自研的TPU芯片。
这就触及到了黄仁勋最不想提到的一个痛点，也是这次访谈中，他试图用信心掩盖的一个危机：客户正在变成竞争对手。谷歌有TPU，亚马逊有Inferentia，微软有Maia。这些巨头，都在试图摆脱对英伟达的依赖。
黄仁勋之所以要在这个时间点，如此高调地强调英伟达芯片的不可替代性，正是为了对抗这种趋势。他必须告诉市场，通用图形处理器的灵活性和生态优势，是自研芯片无法比拟的。他反复强调软件的重要性，他说：“软件正在吞噬世界，而人工智能正在吞噬软件。”这句话的潜台词是，只有英伟达的CUDA生态，才能支撑起如此快速迭代的软件世界。
自研芯片虽然在特定任务上效率很高，就像我们之前提到的削皮刀，切皮很利索。但如果你今天要切肉，明天要砍骨头，削皮刀就废了。而英伟达的图形处理器是瑞士军刀，而且是一把带了核动力的瑞士军刀。在人工智能算法每三个月就更新一代的今天，谁敢把几十亿美元押注在一个只能做特定任务的固定架构上？只有通用的图形处理器，才能适应这种疯狂的变化速度。
所以，在黄仁勋看来，这6000亿美元不是乱花钱，而是一张昂贵的入场券。这张票决定了在下一个计算时代，你是坐在餐桌上吃肉，还是在菜单上被人吃掉。
说到这里，我们必须停下来，思考一个更深层的问题。如果这真的是一场赢家通吃的游戏，那么在这场游戏中，最大的赢家真的是这些巨头吗？还是说，真正的赢家其实是那个卖铲子的人？
在上一部分，我们聊到了那惊人的6000亿美元基础设施支出。现在，我们必须直面那个让所有投资者夜不能寐的幽灵——2000年互联网泡沫。当时思科这些公司疯狂铺设光纤，全世界都在喊着互联网改变一切。结果呢？光纤铺太多了，需求没跟上，那些深埋在地下的光缆，绝大部分变成了从来没有光信号通过的“暗光纤”。资本灰飞烟灭，无数公司破产。
在CNBC的访谈中，主持人犀利的问了黄仁勋这个问题：“投资者有创伤后应激障碍，他们看到现在的疯狂投入，就想起了当年。你怎么能确定，这次不会再留下一堆‘暗图形处理器’？”
黄仁勋的回答，展现了他作为顶级战略家的誓言。他非常笃定的说了一句话：“历史会给人启示，但历史不会简单重复。”他给出了一个极其关键的市场信号，这个信号如果你抓住了，你就能看懂现在的供需关系。
他说：“现在不存在‘暗图形处理器’。事实上，我们六年前卖出的图形处理器，现在的价格不降反升。”各位，请停下来想一想这句话的含金量。在电子产品领域，摩尔定律告诉我们，性能18个月翻倍，价格减半。你的苹果手机用六年，可能连换个脸盆都不够资格。但是英伟达六年前的显卡，现在在二手市场上不仅有人抢，甚至还能卖出高价。为什么？因为需求是溢出的。
这就好比是红酒，越陈越香。这是违反电子行业物理定律的现象。这说明了什么？说明现在的算力缺口，大到了不可想象的地步。哪怕是最先进的H100、Blackwell不够用，大家就会去抢H800、抢A100，甚至去抢几年前的老卡，只要能跑代码，只要能算数，统统都要。
这背后反映出的，其实是整个半导体供应链的极度紧绷。我们之前的视频分析过，英伟达的芯片不仅仅是一块硅片，它涉及到台积电的CoWoS先进封装技术。这就像是做米其林料理，炒菜很快，但摆盘非常复杂。现在的情况是，台积电的“摆盘师傅”忙不过来了。这就导致了产能的物理瓶颈。
黄仁勋说：“没有‘暗图形处理器’，是因为每一块被制造出来的芯片，在出厂前就已经被预定了，甚至连残次品，连上一代的库存，都被极度饥渴的市场吞噬殆尽。”
黄仁勋在这里揭示了一个残酷的真相：当年的光纤泡沫，是因为铺设了光纤后，并没有足够的互联网应用，比如视频流媒体、社交网络来填满这些带宽。那是路修好了，车还没造出来。但现在的情况是，车已经堵满了整个停车场，却还在源源不断的开进来。OpenAI、TPCx、Exceli这些公司的模型迭代速度太快了，他们对算力的渴望是吞噬性的。
我们来具体看看OpenAI的情况。根据我们之前掌握的资料，奥特曼正在策划一个惊天计划，那就是建立拥有千万颗图形处理器的超级数据中心。OpenAI的研究显示，智能的涌现与算力投入，呈现出完美的线性关系。也就是说，你投喂的算力越多，人工智能就越聪明。这个边际效应至今没有递减的迹象。
这就是为什么黄仁勋敢断言：“如果给OpenAI两倍的算力，他们的收入就能翻四倍。”这不仅是商业预测，这是基于Scaling Law（缩放定律）的科学判断。这是一个供给严重受限的市场，而不是需求不足的市场。
为了让大家更直观的理解这种巨额投入的合理性，黄仁勋在访谈中提到了一个经典的商业案例——2008年的亚马逊AWS。把时间拨回2008年、2009年，那是金融危机的至暗时刻。亚马逊本来可以把利润分红给股东，或者回购股票来支撑股价。但是，杰夫·贝索斯做了一个违背祖宗的决定，他对着华尔街说：“不，我要把钱拿去买服务器，我要搞云计算。”
当时很多人嘲笑他：“你一个卖书卖百货的，搞什么IT基础设施？这是在烧钱！”但贝索斯怎么说？他说：“这好比我们在自家后院发现了一个巨大的金矿。现在我们要做的不是省钱，而是花钱去买挖掘机、买炸药。你必须先花钱挖开土，才能把金子搬回家。”
黄仁勋用这个故事告诉现在的投资者：现在的6000亿美元，就是当年贝索斯买挖掘机的钱。我们面对的是软件行业的最大机遇，这是一座比当年AWS语音计算还要大十倍、百倍的金矿。如果你现在因为害怕花钱而停止购买图形处理器，那你就“在金矿门口，却舍不得买一把铲子”。而且，这个金矿的开采难度正在指数级上升。
我们必须意识到，黄仁勋现在卖的不仅仅是芯片，他卖的是数据中心。在过去，你买一块显卡，插在电脑上就能玩游戏。现在不行了。现在的Blackwell平台，是将72颗甚至更多的芯片，通过NVLink技术连接在一起。这是一个什么概念？这72颗芯片不再是独立的个体，它们变成了一个巨大的、统一的超级大脑。
这就意味着，竞争对手想要切入这个市场，光做出一块性能强的芯片是没用的。苏姿丰的AMD，也许能做出单卡性能接近英伟达的产品，但它很难在短时间内复制这种将成千上万颗芯片互联成一个整体的系统性能力。这正是黄仁勋构建的铜墙铁壁。他逼着客户整柜整柜的买，逼着你使用他的全套网络架构。一旦你采用了这种架构，你的数据中心，实际上就变成了英伟达的“殖民地”。你想换供应商？对不起，那意味着你要推倒重来，这个迁移成本是天文数字。
黄仁勋还补了一刀：“现在的问题是，你相信扎克伯格、相信皮查伊、相信我看到的未来吗？还是说，你觉得自己有某种特殊的洞察力，认为这座金矿下面其实是空的？”这就是顶级企业家的自信。他不是在和你辩论，他是在告诉你：“在这个桌子上，我们已经全压了，你敢不跟吗？”
但光有故事是不够的。华尔街只相信财报，只相信现金流。黄仁勋之所以这么有底气，是因为他看到了一个关键的财务指标发生了变化——那就是“代币的盈利性”。在访谈中，他反复强调：“去年，代币开始盈利了。”这也就是我们常说的“单位经济模型跑通了”。
这非常重要。在ChatGPT刚出来的时候，大家都在担心，每一次搜索成本这么高，谷歌要是全上了人工智能，不得亏死？但现在，随着模型的优化，随着英伟达芯片性能的提升，生成一个代币的成本在急剧下降，而这个代币带来的价值在上升。
我们来算一笔账。根据半导体分析机构的推算，虽然单次人工智能搜索的成本依然高于传统搜索，但在一些高价值场景，比如写代码、写法律文书、做医疗诊断，人工智能的成本优势已经完全碾压人类。一个初级律师起草一份合同，可能需要三个小时，收费500美元。而一个训练有素的法律大模型，可能只需要三秒钟，成本不到五美分。这个巨大的利润空间，就是支撑6000亿投入的底气。
像Anthropic、OpenAI这些公司，他们现在已经是年化收入几十亿美元的公司了。这在软件服务的历史上，是前所未有的增长速度。他们不是在烧钱赚吆喝，他们是在“印钞”。只要他们能弄到更多的图形处理器，他们就能服务更多的企业客户，就能印更多的钱。
所以，黄仁勋的逻辑闭环非常严密：第一，需求端，人工智能从玩具变成了生产力工具。第二，供给端，老旧芯片都在涨价，不存在闲置产能。第三，商业端，代币已经盈利，投入算力能带来正向的现金流回报。这三点加在一起，构成了英伟达目前看似高不可攀，实则坚不可摧的估值基础。
但是，难道就没有隐忧了吗？难道这台印钞机，就能这样永无止境的转下去吗？
在访谈的最后部分，黄仁勋谈到了一个时间表——7到8年。这是一个非常微妙的数字。为什么是七年？这七年里会发生什么？当全世界的数据中心都换成了英伟达的显卡之后，接下来会发生什么？这才是黄仁勋作为掌舵者，真正需要思考的终局。
我们已经谈了恐慌，谈了金矿。现在我们要谈谈时间。在访谈中，主持人问了一个很尖锐的问题：“这种疯狂的建设到底什么时候是个头？我们什么时候会建成？”黄仁勋给出的答案非常具体：“我认为我们需要7到8年的时间。”
为什么是七年？这不仅仅是一个随口说的数字。这背后是全球计算基础设施彻底“换血”所需的物理时间。大家理解，过去60年，我们的计算架构都是基于中央处理器（CPU）。记得，全世界价值数万亿美元的数据中心，里面装的都是中央处理器，跑的都是预编译的软件。这些数据中心是为了处理结构化数据设计的，比如银行的账单、电商的库存。但它们完全不适合处理现在的人工智能任务。
而黄仁勋要做的，是把这数万亿美元的旧资产全部淘汰，换成以图形处理器（GPU）为核心的加速计算架构。这不仅仅是升级，这是拆除重建。这像要把全世界的燃油油车加油站，全部拆掉，换成超级充电站一样。这是一个物理工程，它受限于芯片的制造速度、服务器的组装速度、数据中心的建设速度，甚至受限于水泥和钢材的供应速度。
每年全球信息技术支出，大概是一万亿到两万亿美元。要在七年内完成这个替换，意味着每年都要有数千亿美元流入这个领域。这正好对应了我们开头提到的那个6000亿美元的数字。所以，在黄仁勋看来，这根本不是什么泡沫，这只是正常的新旧交替。
而且，黄仁勋还提出了一个非常哲学的观点——第一性原理。他说：“计算已经根本性地改变了。未来的计算机，不再是存储和检索的机器，而是生成和推理的机器。”这意味着，算力将成为像电力一样通用的资源。以后我们衡量一个国家的国力，可能不是看它的发电量，不是看它的石油储备，而是看它拥有多少百亿亿次（ExaFLOPS）的算力。
在访谈的后半段，黄仁勋反复提到了一个词——代理系统（Agent System）。如果说现在的ChatGPT还是你的副驾驶，那么代理人工智能就是你的全职员工。这才是黄仁勋敢于压注未来的真正底牌。现在的人工智能，你问一句，他答一句。未来的代理人工智能，你给他一个目标：“帮我策划一场新品发布会。”他会自己去查场地、联系供应商、写新闻稿、设计海报，甚至帮你发邮件。他会连续工作好几天，调用无数次算力，直到完成任务。
这就意味着，算力的消耗将不再是线性的，而是指数级的。让我们展开想象一下这个场景：今天的互联网流量是由人类产生的，你每天只有24小时，你能点击屏幕的次数是有限的，所以传统互联网是有天花板的。但是代理人工智能没有天花板。如果未来，每家公司都有一万个“数字员工”，这一万个数字员工24小时不睡觉地在消耗图形处理器算力，他们之间的交互、谈判、交易，将产生比人类社会大千万倍的数据洪流。
那个时候，现在的H100产能，恐怕连塞牙缝都不够。这才是奥特曼预言的“2028年，人工智能研究员诞生”的前夜。这也是为什么OpenAI在2025年11月发布的GPT模型，已经能以80%的成功完成人类30分钟的工作。这个能力边界正在以每七个月翻一倍的速度扩张。按照这个趋势，3到4年左右，就会有个模型能够完成人类一周的项目工作。为了支撑这种级别的智能，我们需要的数据中心规模，将是现在的十倍以上。
这就是为什么黄仁勋说：“如果你是投资者，你应该把你的净资产杠杆化地押注在人工智能上，因为这是人类文明进化的必经之路。”
当然，作为名人、商业解密，我们不能只听CEO的一面之词。在黄仁勋这番宏大的蓝图背后，有没有他没告诉你，或者他不愿深谈的隐忧呢？当然有。即使是最完美的商业闭环，也面临着物理世界的制约。
第一是能源。要支撑这七年的疯狂扩建，电力从哪里来？数据中心是“吃电怪兽”。现在的电网能扛得住吗？根据最新的数据，一个大型人工智能数据中心的用电量，相当于一个中型城市的总和。而且图形处理器的功耗还在不断上升，Blackwell的芯片功耗已经接近了风冷散热的极限，不得不全面转向液冷。这不仅是技术问题，更是基建问题。这也是为什么奥特曼和微软都在疯狂投资核聚变，为什么谷歌在寻找地热。算力的尽头是能源。如果电力供应跟不上，再好的芯片也只能是一堆废铁。
第二是地缘政治。芯片现在已经成了战略物资。供应链的稳定性、出口管制的收紧，这些都是悬在英伟达头顶的达摩克利斯之剑。英伟达的成功，高度依赖于全球化的供应链：美国的设计、中国台湾的制造、韩国的存储芯片。任何一个环节的断裂，都可能导致整个帝国的瘫痪。黄仁勋在台湾夜市吃小吃，不仅仅是情景秀，更是在向世界展示他对供应链的重视和焦虑。他必须确保台积电的产能优先供给给他，而不是给苏姿丰的AMD或者库克的苹果。
第三是技术路线的突变。虽然黄仁勋现在是霸主，但我们之前的视频也分析过，AMD、还有谷歌的TPU都在虎视眈眈。尤其是推理时长。我们知道，训练模型需要高通用性的图形处理器，这确实是英伟达的强项。但是当模型训练完成，进入大规模应用阶段，也就是推理阶段时，成本效率就变成了第一考量。这时候，专用芯片ASIC的优势就会显现出来。
这就解释了为什么黄仁勋要花200亿美元收购Groq的技术团队（此处结合了背景资料中关于TPU支付的内容）。它不仅仅是为了消灭一个潜在对手，更是为了补齐英伟达在推理端的短板。他知道谷歌的TPU和Groq的LPUs在推理速度上比图形处理器快十倍。如果他不采取行动，未来的推理市场可能会被这些专用芯片蚕食。所以他买下了TPU支付，把这项技术纳入自己的版图，试图在推理市场也建立起垄断。
还有苏妈的AMD。虽然现在的市场份额只有英伟达的一个零头，但千万不要小看AMD。它最擅长的就是打持久战，用性价比策略一点点“切香肠”。AMD的MI300系列芯片，在硬件指标上已经非常接近英伟达的H100，而且价格更便宜，显存更大。对于那些不想被英伟达绑架的客户来说，AMD是一个完美的备胎。只要英伟达稍微犯错或者产能跟不上，客户就会毫不犹豫地流向AMD。
这也就是为什么黄仁勋要如此激进地推出一年一代的新品节奏，从Hopper到Blackwell，再到Rubin。他不给对手任何喘息的机会。
最后，还有一个更为终极的引流——那就是模型能力的边界。我们现在所有的赌注，都建立在一个假设之上：只要增加算力，人工智能就会越来越聪明。但是万一这个Scaling Law失效了呢？万一我们撞上了算法的墙呢？虽然目前看来可能性不大，但这始终是悬在整个行业头顶的一堵乌云。如果有一天，即使投入十倍的算力，模型的智力也没有显著提升，那么这6000亿美元的投资，瞬间就会变成巨大的泡沫。
但至少在此此时此刻，在这次访谈中，黄仁勋展现出的，是一个领航者的绝对自信。他手里握着的，不仅仅是芯片，而是通往下一个时代的门票。透过黄仁勋的这次“绝地反击”，我们看到的，不再仅仅是一家芯片公司的股价波动。我们看到的是一个时代的巨变：从预编译到实时生成，从工具到代理，从中央处理器到图形处理器。
这6000亿美元或许真的是一场赌博，但正如黄仁勋所暗示的，如果不赌，你连上牌桌的机会都没有。在这场博弈中，英伟达是赌场的老板，也是最大的玩家。他制定了规则，提供了筹码，甚至还控制了发牌的速度。
对于我们普通人来说，这也许是最好的时代，也许是最坏的时代。我们可能会被人工智能取代工作，但也可能利用人工智能创造前所未有的财富。但无论如何，这是一个绝对不能闭上眼睛的时代。你必须看清这背后的逻辑，看清算力流动的方向，才能在这场洪流中站稳脚跟。
未来七年，将是决定人类命运走向的七年。是走向人工智能带来的繁荣，还是走向算力垄断的集权，或者是泡沫破裂后的萧条？答案或许就藏在那些闪烁着绿光的服务器里，藏在黄仁勋那件标志性的皮衣口袋里。
我们将持续为你追踪这场世纪战争的最新进展，带你穿越迷雾，看清财富流动的方向。如果你喜欢我们，请记得订阅我们的频道，感谢你的支持。我们下次见。
in human history and there's a fundamental reason for that artificial intelligence is going to fundamentally change how we compute everything everything from database processing the way we do search the way we do recommender systems that you shop.