11:31Gary Marcus@GaryMarcusAI 评论家 Gary Marcus 转发并点赞了用户 scaling01 的一系列具体预测,包括 OpenAI 将继续保持前沿地位且市值逐年增长、谷歌和中国公司无法在编程和研究速度上超越 Anthropic 或 OpenAI、SpaceX 的 AI 年底前将追平谷歌、Nvidia 将在 5 年内成为首家 10 万亿美元公司。预测还指出,最高等级的智能将成为奢侈品,月费 999 美元以上或每百万 token 超过 150 美元。Marcus 表示即使部分预测可能错误,也欣赏其具体性。行业OpenAINvidiaAnthropic10 个信源在谈事件专题推荐理由:这些预测直接点出了未来 5 年 AI 行业的赢家和输家,做投资、战略或技术选型的团队值得参考——尤其是 Nvidia 和 OpenAI 的长期前景判断。原文稍后读已读值得跟进有用关注 OpenAI
01:54rohanpaul_ai@rohanpaul_aiNvidia CEO黄仁勋展示了公司在台湾的新园区,并宣布计划每年在台湾投资约1500亿美元。这一消息发布仅一周前,竞争对手AMD也表示将在台湾AI领域投资超过100亿美元。此举凸显了台湾在全球AI芯片供应链中的关键地位,以及两大巨头对台湾产能的争夺。行业NvidiaAMD台湾3 个信源在谈事件专题推荐理由:AI芯片巨头在台湾的百亿级投资竞赛,直接关系到未来AI算力供应格局,关注半导体和AI基础设施的从业者值得了解。原文稍后读已读值得跟进有用关注 Nvidia
17:57rohanpaul_ai@rohanpaul_ai精选英伟达CEO黄仁勋在Fox Business采访中表示,美国对华芯片出口管制并不能阻止中国在AI领域的发展。他指出,华为的崛起证明制裁反而成为产业刺激,市场缺口促使本土供应商成熟、规模化并走向出口。黄仁勋认为,真正的竞争不再是单纯拥有最快加速器,而是谁定义智能的操作层:芯片、能源、基础设施、模型、应用及标准。他警告,长期风险可能是美国技术被排除在它希望影响的系统之外。行业芯片封锁华为Nvidia1 个信源在谈事件专题推荐理由:黄仁勋的这番表态打破了芯片封锁的简单叙事,做AI基础设施或关注地缘科技博弈的人值得细读,看完会对中美AI竞争格局有更深理解。原文稍后读已读值得跟进有用关注 芯片封锁
08:04rohanpaul_ai@rohanpaul_ai精选Chamath 在 X 上解释了 AI 推理中的两个关键阶段:Prefill 和 Decode。Prefill 阶段是计算密集型,需要大规模并行 GPU,因此随着上下文增长,Nvidia 占据主导。Decode 阶段则受内存带宽限制,因为每个新 token 的生成都依赖于扫描已生成的内容。这一区分揭示了 AI 计算瓶颈的本质,对理解 GPU 架构和推理优化至关重要。行业AI 计算GPUPrefill2 个信源在谈事件专题推荐理由:搞懂 Prefill 和 Decode 的区别,就能理解为什么 Nvidia 在 AI 推理中不可替代,做 GPU 选型或推理优化的开发者值得细读。原文稍后读已读值得跟进有用关注 AI 计算
02:11rohanpaul_ai@rohanpaul_aiNvidia的Shruti Koparkar提出,并非所有token都等价,其价值由嵌入的智能密度和生成速度共同决定。慢速token即使计算成本低,也可能因延迟破坏产品体验;快速token若推理浅薄或输出冗余,同样浪费。不同场景(如医疗分诊、编程助手、购物聊天)对token的需求截然不同,token经济应从用户对不确定性、延迟和成本的容忍度出发,而非仅看模型菜单。行业token经济AI产品设计延迟优化3 个信源在谈事件专题推荐理由:做AI产品定价和优化的团队,这篇能帮你重新理解token的「价值」——不是算力便宜就划算,用户等不起的token再便宜也是浪费。建议结合自己的场景算算账。原文稍后读已读值得跟进有用关注 token经济
00:10小互@imxiaohu精选Midjourney创始人公开表示,团队因采用Google TPU进行训练,研究进度相比使用Nvidia GPU技术栈落后约一年。他称如果回到过去,会从一开始就全部使用Nvidia的方案。这一言论反映了大模型训练中硬件生态适配的隐蔽成本。行业MidjourneyGoogleTPU2 个信源在谈事件专题推荐理由:创始人亲述选错硬件的代价原文稍后读已读值得跟进有用关注 Midjourney
14:59rohanpaul_ai@rohanpaul_ai72°Nvidia 利用其在 AI 芯片领域的领先地位,构建了一个价值 900 亿美元的融资循环系统。该公司已承诺向 145 多家公司投资 470 亿美元,并计划在未来四个月内再投入 430 亿美元,覆盖模型实验室、云服务商、芯片设计商和供应商。这一策略形成了一个闭环:初创公司获得资金、供应商扩大产能、云厂商购买更多 Nvidia GPU,从而让 Nvidia 在 AI 基础设施层更难被替代。行业NvidiaAI 芯片投资2 个信源在谈事件专题推荐理由:Nvidia 用资本锁死 AI 生态链,做 AI 基础设施或投资的团队值得关注——这解释了为什么它越来越难被挑战。原文稍后读已读值得跟进有用关注 Nvidia
23:48AK@_akhaliq精选Nvidia 推出 LongLive-2.0,基于 NVFP4 并行架构,专门用于长视频生成。该基础设施旨在解决长时序视频生成的计算瓶颈,提升生成效率。与以往方案相比,LongLive-2.0 能够处理更长时间的视频序列。AI产品NvidiaLongLive-2.0NVFP44 个信源在谈事件专题推荐理由:Nvidia 开源长视频生成框架原文稍后读已读值得跟进有用关注 Nvidia
16:16Paul Couvert@itsPaulAiNvidia 发布了名为 Cosmos 的 2.6B 参数开源世界模型,能够将单张图片、文本提示和轨迹转化为可控的虚拟世界。该模型可在单张 GPU(如 RTX 5090 或 H100)上运行,大幅降低了世界模型的使用门槛。代码和论文已分别发布在 GitHub 和 arXiv 上。该模型适用于具身 AI、机器人研究和仿真等场景,让更多研究者和开发者能够探索世界模型的应用。AI模型世界模型开源/仓库Nvidia推荐理由:Nvidia 把世界模型的门槛打下来了——2.6B 参数、单 GPU 可跑、开源,做具身 AI 和机器人仿真的团队可以直接拿来用,省去从头训练的麻烦。原文稍后读已读值得跟进有用关注 世界模型