What If AI Doesn’t Need NVIDIA Anymore?

如果人工智能不再需要英伟达了呢？ 大家好，欢迎回到频道。再次感谢大家和我一起共度下午茶时光。今天我们将深入探讨人工智能。我们将讨论埃隆·马斯克、XAI、Grock、Claude、ChatGPT、Perplexity 以及当然还有 Deepseek。所以，Deepseek，如果你不知道的话，它是一款中国制造的，我们姑且称之为人工智能。它去年因为在预算有限的情况下能够做到的事情而备受新闻关注。而这正是关键所在——在预算有限的情况下。这里的想法是能够让人们在最低要求下使用人工智能。而 Deepseek 最终做到了。现在他们做得非常出色。这就是我们今天要深入探讨的内容。它绝对是一个颠覆者。我认为 Deepseek 对埃隆·马斯克和 SpaceX 来说，其颠覆性不亚于他们。就三大运营商而言，Starlink 是一个颠覆者。T-Mobile、AT&T、Verizon，完全一样。Deepseek 将会是 Claude、ChatGPT、Grock、Perplexity 以及其他所有竞争者的颠覆者。所以，这对我是个令人兴奋的消息，因为我真的不在乎这是来自中国。我知道很多人会说，我不会在我的电脑上安装中国软件，因为担心中国共产党或中国共产党会窃听我。所以，我们不想这样做。好吧，我只想告诉你，到本视频结束时，你就会明白没有人会窃听你。没有人会监视你。我将为你测试这一点。好吗？所以，你不用。这是我大约在一周半、两周前决定做的事情，因为 Deepseek 版本 4 将在中国新年期间发布，但他们最终推迟了。这是一个政治原因。其中有很多潜在因素，我将在本视频中深入探讨。但我们最重要要讨论的是，与所有其他人工智能相比，Deepseek 的先进程度有多高。它们如何使用内存，或者如何不使用内存，就能在预算有限的情况下达到完全相同的位置，或者相同的答案。所以，为了让你明白，当我测试这个中国实验室的 Deepseek 时，当时是版本三。我正在测试它，它表现得非常好，还有很多人也在测试它，他们注意到它在当时的表现与 ChatGPT 版本 4 以及 Claude 版本 3.5 一样好。但是，这是关键的“但是”，它的成本却降低了 90%。现在，我说成本降低是指训练成本和运行成本。90%。这太疯狂了。所以，如果某件事的成本是，比如说，十亿美元，这件事的成本将是 गुंतवण一亿美元。我的意思是，这是一个巨大的差距。并且能得到完全相同的答案。所以，这对我来说真的非常令人印象深刻，而我的看法是，所有人工智能公司都应该认真看待这一点，因为我今天和你谈论的，他们需要注意。他们需要倾听。就像我很久以前和埃隆·马斯克说的一样，还记得我说埃隆·马斯克正在做他用 SpaceX Starlink 所做的事情，三大运营商需要注意。Verizon、AT&T 和 T-Mobile。我还说 Husenet 和 Viaat 将会破产。我还说 Direct TV 和 Dish Network 最终也会破产，因为 SpaceX Starlink。而且事实正在发生。今天也是如此。当我说的这些公司，这些制造人工智能的公司，需要注意时，他们需要相信我。好吧？正如我所说，到本视频结束时，你就会明白为什么。也许你会希望我为你做一些测试。所以，如果你最终想在你的硬件上运行 Deepseek，你可以。并且要明白，这背后有一种方法论，这样中国共产党就无法窃听你在做什么，所以你实际上可以使用它。现在也要明白，Deepseek 是开源的，就像 OpenAI 最初应该做的那样，在 Sam 在那里的时候，在埃隆他们完全退出之前，因为他们决定关闭它。所以 OpenAI 现在实际上已经关闭了人工智能。ChatGPT。好吧，这家中国公司，这个 Deepseek 是 100% 开源的。所以，你可以阅读每一行代码。这很好。就透明度而言，这真的很好。现在，在使用它之前，有没有什么你需要知道的事情？是的。我将在本视频结束前再次详细介绍。所以，让我们先从它到底在做什么开始。它与 Claude 或 ChatGPT 有什么区别？好吧，你需要明白，这就像工蜂模型。而 OpenAI 构建的是通用助手。那就是“通用助手”之类的东西，对吧？我们将要做所有这些通用助手的事情。好吧，底线是，Deepseek 并没有这样做。它们专注于引擎。所以，它们专注于引擎，而不是通用助手。那么是什么样的引擎呢？好吧，重型引擎、编码引擎、数学引擎。很多人都在寻找这个，因为如果你在分析东西，你不需要一个非常好的聊天机器人，对吧？你需要一些具有原始性能的东西。而这正是它正在做的事情。而且它做得非常出色。它之所以能做到这一点，基本上就是颠覆了人工智能行业。那么，我为什么这么说呢？好吧，统一内存和 RAM 卸载。这是人们讨论了很长时间的事情，而他们实际上正在这样做。这意味着，如果你要打开一个模型，比如说使用 ChatGPT、Grock 或 Perplexity 或其他任何模型。好的，如果你打开那个模型，它会在 GPU 的内存中打开整个模型。它这样做是为了让一切都快速发生，因为内存与 CPU 在同一个位置。想象一下，CPU 在这里，对吧？它不是真正的 CPU，它是 GPU，但想象一下思考过程，思考处理器就在这里，内存就在这里。所以，它可以非常快速地来回通信，而无需通过总线或 PCIe 连接。而对于这个模型，你需要这样做。所以，版本 4 的变化是，它们引入了所谓的 Ingram 模块。它的作用是，它将静态知识分开。比如说事实、统计数据、语法和 API 库以及这类东西与动态推理分开。这是什么意思？好的，这意味着你有一个大脑，然后你有一个百科全书。好吧。通过将两者分开，你允许大脑功能，所有这些高级认知活动，实际的思考发生在 GPU 上，所以它会更快发生。而更静态信息的百科全书则驻留在虚拟内存中。所以，与 Nvidia H200 不同，例如它有大约 141 GB 的 RAM，它会将数据卸载到你的系统 RAM 中。所以，你可以运行相同的模型，相同的人工智能模型，比如说一万亿参数。你可以在拥有 16 GB GPU 的系统上做到这一点，而不是拥有一个拥有 141 GB 的 Nvidia GPU。你可以用一台 3000 美元的机器做到这一点，而不是用一台 H200，它可能要花费你 4 到 55000 美元。你明白了吗？这是一个巨大的。这是神级，好吧？能够使用虚拟 RAM 作为百科全书，并让所有统计信息、所有推理都发生在那快速内存中。这简直太有道理了。为什么其他人没有这样做？这是一个很好的问题，对吧？所以，让我展示这张图表，这样你就可以看到正在发生的事情。现在，如果我们看看总系统成本，好吧，如果我们看看企业标准的 Nvidia 设置，你会看到一个 Nvidia H200。你肯定需要一个 DGX 或 HGX，一个服务器，基本上是运行它的机箱。然后内存是 141 GB RAM。这是超快的 HBM3e RAM。这是非常非常快的 RAM。但看看成本。45000 到 55000 美元。这是基础价。而如果你看看，比如说，我们称之为 Deepseek Disruptor，你可以用一个 RTX 5090，甚至像 5070Ti，然后在机器上添加 128 GB RAM。所以，那个 RTX 只需，比如说，16 GB。如果你愿意，你可以运行 32 GB，但我们可以用一张 16 GB 的卡来运行。好吧？然后将这 128 GB RAM 放在那里，与在 Nvidia 中添加 RAM 相比，这非常便宜。现在我们得到了这个高端消费级台式机。总 RAM 量，比如说你有 16 GB，然后你还有另外 128 GB，那是什么？大约 144 GB RAM。所以你大约有？3 GB 更多。这并不重要，但你仍然，比如说，有 140 GB RAM，成本在 2500 到 3500 美元之间。我们称之为 3000 美元。所以，你有 3000 美元对 50000 美元。所以，这大约是便宜了近两个数量级，运行完全相同的模型便宜了 95%。现在让我们来谈谈我之前告诉你的 M OE。它到底是什么？基本上是专家混合。那么什么是专家混合？这是什么意思？我们已经知道 Ingram 内存系统是什么了。基本上就是内存的分块，将其切开。所以你这边有百科全书，这边有大脑。那就是 Ingram。这个 M OE 是什么？所以，这基本上是专家的分解。而像 ChatGPT 或 Grock 或其他任何公司，它们将所有专家加载到 RAM 中，加载到那 141 GB RAM 中。Deepseek 不这样做。它们加载特定问题所需的专家。所以，如果你有一个医学问题，它将加载与医学相关的专家或专家。数学问题也是如此，或者任何其他问题。所以，而不是让这万亿参数持续运行，对吧？你不需要那样。它们只需要大约 400 亿个活跃参数，这真的很酷。非常酷。所以看看这张图表。如果我们这样看，如果我们看看 40000 或 50000 美元的 Nvidia H200 设置，你当然有通往那 141 GB 超快内存的完整路径。而对于那 3000 美元的 Deepseek 黑客，嗯，你只需要 16 GB 的 GPU 上的快速 VRAM。那就是你的活跃专家。好吧，就是这样。现在，当我们谈论专家加载时，嗯，对于那 40000 或 50000 美元的 Nvidia，所有专家都在运行。就像我说的，零等待时间。所以，一切都非常快，因为它不必卸载一组专家来加载另一组。这是 Deepseek 黑客会发生的事情。现在，百科全书，就像我说的，仍然在 VRAM 中，GPU 然后根据需要调用专家。再说一遍，那些专家就坐在那里，在后台等待，它们会被吸入高速或快速内存，GPU 内存，根据需要。每秒令牌数，正如你所看到的，有很大的不同。你看到的是每秒 120 个令牌。基本上，对于 H200 来说，它是瞬时的。而对于 Deepseek 黑客，你看到的是每秒大约 12 到 18 个令牌。现在，这如何转换？好吧，如果你使用 H200 回答一个段落，比如说一个问题，嗯，它会瞬时弹出。这是每秒 120 个令牌。而对于你的 Deepseek 黑客，每秒 12 到 18 个令牌，它会在屏幕上打印的速度比你实际阅读的速度还要快，但你实际上会看到它在屏幕上打印。好吧，所以它稍微慢一些。我不知道你需要多快，但对我来说，如果它在屏幕上打印的速度比我阅读的速度还快，我就很满意了。现在，就效率而言，H200 就像是蛮力。它消耗大量的电力，大量的冷却，巨大的成本。而对于 Deepseek 黑客来说，它不是蛮力，而是更具手术性。在任何给定时间，它只使用模型的大约 4%。好吧？那就是他们称之为专家混合。所以，在任何给定时间，它只使用 4%。所以，它将使用更少的电力，更少的冷却，更少的成本，更少的，更少的，在各个方面都更少。现在，我们还需要弄清楚的另一件事是这场速度之战。那么，这个东西会跑多快？让我再展示一张图表。如果我们看看 Nvidia H200，企业版，我们看到的是 HBM 3e 的堆叠芯片。而在消费级方面，当然，我们使用的是 DDR5。比如说 6400。而企业版 H200 的原始带宽，它将输出大约每秒 4.8 TB。而你的 Deepseek 黑客将输出大约每秒 100 GB。所以，这大约是 48 倍慢。这慢了很多。这是一个巨大的差异。为什么会这样？这都与总线有关。而对于 Nvidia H200，你有内置的 NVL 链接，对吧？它是内存和 GPU 之间的直接通信。它实际上就坐在同一个主板上。没有时间。没有毫秒。在移动数据在两者之间时没有时间。而当你从 GPU 到计算机上的虚拟内存时，这必须通过 PCIe 总线。所以现在我们必须处理总线速度。所以，第五代，甚至即将到来的第六代，无论是什么 x16，它都明显慢得多。再说一遍，你通过总线传输内存，而不是在同一个主板上。它会慢的。这只是事实。现在，就总线速度而言，只是为了让你了解差异，当它连接时，GPU 到内存，你看到的是大约每秒 900 GB。900 GB。现在，这是理论上的，但足够接近了。而对于 Deepseek，你得到的是每秒大约 64 GB。现在，900 对比 64，这大约是实际数据移动速度的 14 倍慢。当你进行分析速度时，每秒 120 个令牌，与每秒 12 到 18 个令牌相比，这相当快了。所以，大约是？八倍慢。这很多。好吧。不是一点点。很多。但再说一遍，就像我说的，与一个段落瞬时弹出和一个段落以比你阅读速度还快的方式在屏幕上书写相比，这相当快了。我对此很满意，因为请记住价格。你看到的是 50000 美元。就像我们说的 40 到 55000 美元用于 H200，而 2500 到 3500 美元。这是一个巨大的差距。巨大的。然后是实际使用它的成本，冷却量和其他所有东西都达到了新的水平。记住，就像我之前说的，这个东西的工作方式是它让你的内存来做，比如说，不那么繁重的工作。它让百科全书驻留在你的虚拟 RAM 中，然后在需要时通过你的 PCIe 总线拉入。就像我之前说的，在任何给定时间只有 4% 的模型在运行，这取决于你提出的问题。现在，人们会说，哇，如果它必须一直更换专家，你知道，这会影响它的准确性吗？我马上就会讲到，因为它实际上不会。现在，你已经了解了不同人工智能之间的区别，以及为什么在我看来，这个人工智能如此之好，而且我认为其他人工智能应该看看这一点，甚至可能使用它的代码。好吧，让我们来看看地缘政治，因为当我们谈论人工智能时，我们几乎总是要谈论地缘政治，因为人工智能竞赛现在非常类似于太空竞赛，对吧？谁在赢？是中国吗？是美国吗？还是其他人？现在谁在赢？好吧，在地缘政治方面，华为，中国的一家主要公司，是中国共产党决定将首先获得 Deepseek 版本 4 的公司。现在，就像我说的，这本应在中国新年期间发布，而我们都坐在这里等着。我本来打算做一个关于这个的视频，进行比较和对比，我本来要安装它，向你展示它看起来是什么样的，以及所有这些东西，结果却什么都没有。我们就像，到底是怎么回事？好吧，最终发生的是，中国人说，听着，我们将把这个版本 4 提供给华为，这样他们就可以在 Ascend 910C 上，在他们的硬件上进行完善。所以，当它第一次出来，第一次发布时，比如说，我们都能获得代码并在本地机器上使用它，它将使中国与美国相比显得非常出色，而美国获得的将是代码，但还没有优化。所以，中国人将能够比我们提前一到两周做更多的事情。你明白我的意思吗？所以，即使它是开源的，中国政府也说，“我们将首先把它提供给我们的民众，让他们在给我们之前使用一到两周。”你知道吗？老实说，我理解。好吧，我理解。但还有其他几个问题，嗯，是令人担忧的。我把这个写下来了，因为我认为这非常重要，这样你就能对这是一场多么激烈的竞争或竞赛有一个概念，一场人工智能竞赛，就像太空竞赛一样。所以，我发现的是，一位美国高级官员在 2 月 23 日（也就是上周）公开表示，Deepseek 在内蒙古运行着一个庞大的未经授权的 Nvidia Blackwell 芯片集群。现在，他们基本上是这么说的，他们声称他们正在使用 Nvidia 芯片进行所有这些学习，这是非法的，对吧？他们本不应该能够做到这一点。好吧，他们做到了。而底线是，是的，这些芯片正在被走私进来，它们被用来不仅运行人工智能，还用来在后台进行所有学习。我的看法是这样的。Deepseek 是一个中国间谍工具吗？只有当你允许它成为间谍工具时。如果你使用他们的网站，如果你使用他们的应用程序，基本上你就是在向中国共产党提供你所有的提示，你所有的信息。但如果你在你的硬件上运行 Deepseek 版本 4，那么你就是在你的金库中使用他们的大脑。所以，数据保留在你的 VRAM 中。它在你的防火墙后面。它不会泄露出去。你明白了吗？所以，如果你想做我将要做的事情，在你的硬件上运行 Deepseek 版本 4，你可以相当安全地这样做。而如果你要登录他们的网站或使用他们的应用程序，请明白你询问、做、说的一切，中国共产党都可以监控。这只是事实。这不好吗？这好吗？这只是事实。所以，请理解它，并注意它。再说一遍，这就是为什么我将把它安装在我的裸机上，我将通过 Linux 为你测试它。我将使用 O Lama，我将安装模型，我将直接比较 Minstrol 和 Qin，以及可能还有 Lama 和其他几个 AI，看看 Deepseek 如何比较，以及我能在相同的硬件上运行多大的模型。再说一遍，就像我说的，他们设置的方式，很可能我将能够运行一个更大的模型。所以，我猜它会更好，但谁知道呢？也许不会。我们很快就会知道。我想谈谈我认为重要的事情。我告诉过你我一开始就要谈论这个。有一个叫做稀疏 FP8 解码的东西。这是 Deepseek 发明的东西。Deepseek 发明这个几乎就像是对 Nvidia 专有软件壁垒的蔑视，也就是说，你必须使用他们的 Transformer 引擎和 CUDA 库才能使用人工智能。这是什么意思？这意味着当人工智能公司编写代码时，它们是直接为 CUDA 编写的。它们是直接为那个 Transformer 引擎编写的。所以代码只适用于那个平台。它不能用于其他软件或其他硬件。它是专门为此设计的。所以，Deepseek 所做的是，而不是编写直接为 CUDA 或 Nvidia 的 Transformer 引擎优化的代码。不，它们基本上编写了自己的内核，我们姑且称之为，好吧？它们用 PTX 汇编编写。那么，为什么它们要这样做呢？好吧，如果你考虑软件的层次结构，你有基础软件，比如机器码。机器码只能在特定的芯片组上运行，对吧？下一层是 PTX 汇编。汇编代码现在可以为许多不同的硬件编写，但它仍然是低级别的，与下一层 C、C++、Python 以及所有这些相比，好吧？它们要慢得多。所以，让我们说大脑是用 Python 或 C++ 编写的，而实际的内核，比如说，是用这种 PTX 汇编编写的。这太重要了，这绝对太重要了。原因在于，由于它是无关的，好吧，代码是无关的，它可以运行在任何硬件上，就像我说的，好吧，由于它们有自己的内核，它们自己的代码在后端运行。它允许它们在任何东西上运行。那么，这意味着什么？这意味着它们可以走私任何芯片组并运行它。走私。记住，就像我之前告诉你的那样，它们现在不再依赖 Nvidia 了。它们不在乎 Nvidia。只要给我们一些能胜任工作的芯片。我们将尽力榨干它们。就是这样。它们最终比目前 Nvidia 的速度快了 1.8 倍。1.8 倍，几乎是两倍快，使用完全相同的硬件。低级别地用汇编编写代码。绝对是天才。所以，它们不仅实现了这种汇编代码，这种 PTX 汇编作为内核，好吧，低级别地将速度提高近 2 倍。而且它们还使用了 Ingram 内存系统。所以，它卸载了内存。再说一遍，就像我之前告诉你的那样，所有认知活动，神经元的放电都发生在 GPU 中的大脑里。然后知识百科全书，所有那些专家和所有那些数据都驻留在 VRAM 中。好吧，那些较慢的东西，它只是在需要时将其吸入 GPU。百分比是多少？我将做一个小测验。4%。一小部分。然后，你还有我之前告诉你们的专家混合。它只在需要时才引入专家。所以，即使它在运行一个万亿参数的人工智能，它可能在任何给定时间只有 400 亿个参数处于活动状态。天才。所以，它确实慢了一点。是的，可能慢了很多。但对你的使用或我的使用来说，它到底有多慢？我认为这就是我们将在它上线后，我能够测试它时发现的。所以，我将要做的是，我将把 Deepseek 版本 4 与 Minstal、Qen、Lama 以及我系统上所有其他人工智能进行比较，并使用我作为专家的那些问题，这样我就知道它是否在撒谎，我就会知道它是否在幻觉。这是很多人在谈论人工智能时使用的术语。人工智能在幻觉。基本上，它的意思是它告诉你某事是 100% 事实，但你没有意识到它在撒谎。这是一个问题。很多人相信人工智能告诉他们的一切，因为它听起来非常准确。它听起来非常有说服力。但底线是，人工智能经常出错。如果你是任何学科的专家，你就会知道。我是摄影、摄像、网络方面的专家。我是 SpaceX、Starlink 的专家，对吧？卫星。我明白。我知道。我明白了。好吧。所以，当我问这些问题时，我将问我作为专家的那些问题。所以，当它撒谎或幻觉时，我会知道。好吧？这就是我测试它的方式。现在，你可以根据自己的情况进行测试。也许你擅长什么，就问它关于什么的问题，你就会知道。这真的很令人兴奋，因为我的看法是，像埃隆·马斯克的 XAI 和 Grock 这样的公司可以看看这些东西，然后说，“嗯，也许，只是也许，而不是拥有我们目前正在运行的 300,000 张 Nvidia 卡，也许我们可以使用更少。也许我们可以使用 Nvidia 卡来思考，然后卸载它，对吧？所有那些百科全书，就像 Deepseek 所做的那样，将那些数据卸载到便宜的 VRAM、DDR5、DDR6，以及以后，无论什么。这会稍微减慢速度，但对于数据量、规模、事物的规模来说，这将是一个巨大的改进。想想看。所以，不仅是未来，在我看来，所有这些大型人工智能公司，比如 Sam 那里，他的闭源人工智能，他的 ChatGPT 和 Grock 和 Claude 以及所有其他公司，Perplexity 等等。所有这些人真的应该看看 Deepseek，然后说，“我们可以在他们的堆栈中，在我们的软件中使用什么样的开源代码来卸载一些东西？”因为我可以告诉你，如果，比如说，Grock 可以从，比如说 300,000 个 GPU 减少到 150,000 个 GPU，并且仍然能够表现得同样好，但现在那另外 150,000 个 GPU 的成本可以全部用于 VRAM。这是一个巨大的节省。这是巨大的。你将拥有 PB 级、PB 级、PB 级的 VRAM，只是为了再次卸载这些专家和百科全书，仅此而已。所有认知活动，所有那些思考，突触仍然驻留在 GPU 的 RAM 中。这没关系，我明白了，因为就像我之前说的，坐在 GPU 旁边的主板上的 RAM 将以每秒 4.8 TB 的速度通信，而每秒 100 GB 的速度，这是一个巨大的区别，但仍然，在某些情况下它重要吗？答案是肯定的，但在很多情况下不是。所以，我想知道你的看法。我认为这不仅对其他人工智能公司来说很重要，而且我认为对于我们这些想在家里或办公室的封闭环境中，不想把我们的信息交给 Sam 的 ChatGPT，或者 Grock，或者 Gemini，或者 Claude，或者任何其他人，因为你知道他们正在使用这些信息。如果你能得到足够好的人工智能来满足你的需求，并且实际上可以在你办公室或家里的两三千美元的电脑上完成，那么他们的模型会怎么样？他们的租赁模式会怎么样？他们的租赁模式会怎么样？我无法忍受的所有人工智能公司现在都在使用的那种永久付费模式会怎么样？他们说，“哦，是的，你可以问 20 个问题，但第 21 个问题就结束了。”就像，“是的，你可以在 11 小时 59 分钟后再次提问。”谢谢。或者问另一个问题。对我来说这是一个问题。但你看，这就是他们的方向。他们正在试探水温。他们正在看看他们能把我们推到多远。他们能从我们身上榨取多少钱？我们愿意付出多少？就像我一直说的，任何公司可以为你提供的产品或服务，他们能向你索要的最高金额是你愿意为它支付的最高金额，不多一分钱。问题是，有很多人愿意为此付费，因为它实际上在帮助他们。好吧，现在一切都随着 Deepseek 4.0 颠倒过来了。所以，我们将拭目以待。我很兴奋。我希望你也是。在下面，告诉我你是否想让我做这个比较。好吧，告诉我你对此的看法。我可能会照做，但我想在下面知道，这是你想让我做的事情吗？有什么你想让我问的吗？有什么你想让我测试的吗？记住，我不能直接将 Deepseek 版本 4 与 ChatGPT 或 Claude 或所有其他公司进行比较，对吧？我不能，因为我无法在我的硬件上运行它们。正确。所以，我必须将 Deepseek 与我当前可以在我的特定系统上使用的所有模型进行比较。就像我之前说的，Minstal、Lama、Qen 以及所有其他模型。我将与它们进行比较，看看它的表现如何。好吧。所以，伙计们，你们在下面怎么看？我很想听听你们的想法。希望你们喜欢这个。希望你们从中获得了一些东西。也许对人工智能是怎么回事以及事情如何朝着更好的方向发展有一些了解。我告诉你，GPU 的价格会下降，我们将看到虚拟内存飙升。或者这已经发生了。现在你知道为什么了。在下面，我想听听你们的看法。如果你喜欢这个视频，请给它一个赞。如果你还没有订阅，请考虑订阅。如果你已经订阅了，非常感谢。我真的很感激。如果你想回馈频道，那里有一个小小的感谢按钮。点击它。如果你喜欢，给一两美元。如果不喜欢，完全没关系。考虑成为频道会员。那会更好。如果你想要更多关于埃隆·马斯克的话题，比如太空、SpaceX、Starlink，我将在这里放一个链接，链接到我为你制作的大约 640 个视频。去看看吧。如果你还没有去我的网站，看看我的商店。看看我的商品。去 jcchristina.com/shop。再说一遍，jcchristina.com/shop。如果你在那里看到喜欢的东西，就买下来。帮助我支持我和我的家人。祝你和你的家人万事如意。保持安全，保持健康，希望通过 SpaceX Starlink 和也许 Deepseek 版本 4 保持联系。下次见。爱你们。热。热。