Alphabet CEO Sundar Pichai(桑达尔·皮查伊):AI 是搜索的非凡机遇,而非颠覆性威胁撰文:Techub News 整理
导语
2025 年 5 月,Alphabet 兼谷歌 CEO 桑达尔·皮查伊(Sundar Pichai)罕见地接受了 All-In Podcast 的深度专访。在长达一小时的对话中,皮查伊直面了当前市场对谷歌在 AI 浪潮中可能面临“颠覆者困境”的核心质疑。作为执掌这家科技巨头近十年的领导者,皮查伊的此次发声,不仅是对外界疑虑的集中回应,更是系统性地阐述了谷歌将如何利用其长达二十余年的技术积累——从基础设施到前沿研究——来驾驭并引领这场 AI 革命。本次对话涵盖了搜索的未来、AI 商业模式、芯片战略、能源约束、量子计算以及机器人等广泛议题,为我们理解谷歌在下一个十年的战略方向提供了关键窗口。
摘要
皮查伊坚信 AI 是搜索的“非凡机遇”,而非零和游戏的颠覆者,AI 概览(AI Overviews)等新功能正在扩大搜索的查询范围和用例。
谷歌的核心优势在于其全栈式技术积累,从 TPU 芯片、全球数据中心网络到跨领域的基础研究,这使其能在控制成本的同时持续推动模型创新。
面对 OpenAI、微软、Meta 等激烈竞争,皮查伊认为 AI 创造的将是一个比过去所有技术总和更大的市场,成功的关键在于持续创新和执行。
谷歌在量子计算、机器人(物理 AI)等领域进行长期、耐心的投资,视其为类似早期 AI 的基础性突破,预计未来 3-5 年将迎来关键进展。
皮查伊承认文化管理是持续挑战,近期重点在于重拾“使命聚焦”,激发类似谷歌早期创业阶段的强度与乐观精神,以应对 AI 时代的竞争。
AI 是搜索的进化,而非颠覆
访谈开场便直指核心:在聊天式 AI 重塑人机交互的今天,谷歌的核心搜索业务是否面临被真正颠覆的风险?桑达尔·皮查伊(Sundar Pichai)的回答明确而坚定。他回顾道,自 2015 年担任 CEO 起,他便将谷歌定位为“AI 优先”的公司,因为团队深信 AI 将是驱动搜索最大进步的动力。因此,当前时刻对他而言并非威胁,而是搜索的“非凡机遇”。
皮查伊用数据佐证了他的观点。谷歌约一年前推出的“AI 概览”(AI Overviews)功能,如今已被超过 15 亿用户使用,覆盖 150 多个国家。这不仅没有蚕食传统搜索,反而扩大了用户查询的类型和范围,带来了全新的使用场景。在触发 AI 概览的查询中,谷歌观察到了查询量的增长,且增长具有持续性。他透露,实验室中正在测试一个全新的、名为“AI 模式”的专用搜索 AI 体验,将在谷歌 I/O 大会上详述。在该模式下,用户可以进行完整的对话式追问,谷歌最前沿的模型将利用搜索作为原生工具来回答问题。
“用户正在用行动回应,”皮查伊指出,用户输入的查询平均长度已是两三年前的两到三倍,有时甚至是长段落。这改变了搜索的形态。针对“创新者困境”的经典命题,皮查伊认为困境只存在于你将其视为困境之时。他援引了移动转型和 TikTok 崛起后 YouTube 依然蓬勃发展的例子,指出科技史上每一次重大创新周期,都需要全力投入。“这有点像谷歌最初的原则之一:跟随用户,其他一切自会跟随。”
商业模式过渡:成本可控,广告逻辑依旧
当对话转向敏感的商业模式——即更昂贵的 AI 查询是否会破坏谷歌搜索“查询成本”与“单次查询广告收入”之间精妙的单位经济学时,皮查伊展现了基于基础设施优势的自信。
他承认两年前业界普遍担忧成本问题,但他始终认为,就服务成本而言,他愿意押注谷歌的基础设施能力能够比几乎所有其他公司都做得更好。事实也证明,在过去 18 个月里,服务单次查询的成本已大幅下降。目前更主要的约束在于延迟,而非成本。如何让 AI 体验达到搜索近乎即时的速度,是当前更重要的前沿问题。
关于 AI 查询的广告收入,皮查伊表示,在已经展示广告的 AI 概览中,其效果基准已与传统搜索持平。“我们已经达到了那个阶段。”他进一步从第一性原理分析:广告在搜索中行之有效,是因为商业信息本身就是用户意图的一部分。AI 没有理由不能在这方面做得更好。因此,他对平稳过渡商业模式感到“安心”,尽管部分调整可能需要时间,但所有指标都显示谷歌能够很好地完成这一过渡。
基础设施与芯片:谷歌的“全栈”护城河
皮查伊多次强调,谷歌一个核心且常被低估的优势是其长达二十多年的基础设施投资。从早期可海运的集装箱数据中心,到如今遍布全球的网络,这构成了竞争力的基石。在 AI 时代,这一优势直接体现在性能与成本的帕累托前沿上——谷歌能够以最具成本效益的价格点提供最好的模型。
关键组件之一便是谷歌自研的 TPU 芯片。皮查伊提到,谷歌在 2017 年发布了第一代 TPU,如今已发展到第七代。最新的 “Ironwood” 芯片单块算力超过 40 Exaflops。这些专门为机器学习优化的芯片,尤其在推理环节表现出色,是谷歌有信心以巨大规模服务 AI 搜索查询的重要原因。他表示,谷歌的“全栈”方法——从底层基础设施、基础研发到上层应用创新——将长期为公司带来优势。
关于芯片战略,皮查伊澄清了与英伟达的关系。他盛赞英伟达是“非凡的公司”,CEO 黄仁勋(Jensen Huang)也很出色,双方合作历史悠久。谷歌内部既用 TPU 训练 Gemini 模型,也在 GPU 上服务部分流量,并为云客户提供选择。他认为行业内的公司都会尝试类似(自研芯片)的路径,但英伟达的研发能力和软件栈是世界级的,拥有诸多优势。谷歌的长期策略是保持 TPU 和 GPU 并用的灵活性,两者相互促进,共同推动技术前沿。
模型创新未达瓶颈,数据优势在于个性化
针对外界关于大语言模型性能开始“高原化”、竞争者差异缩小的论调,皮查伊并不认同。他将进步过程比作“人工 jag jag 智能”,即进展并非总是线性的,会经历看似缓慢的时期,然后出现范式突破。过去几年,行业在预训练、后训练、推理计算等方面不断推进,如今又在研究如何将所有技术整合到智能体工作流中。他感觉进步相当持续。
“进步确实会变得更难,而这将区分出精英团队,”皮查伊认为,问题越难,谷歌的准备就越充分。谷歌的研究前沿远比大多数公司更广阔,不仅限于 LLM 或基于 Transformer 的模型,在扩散模型等众多领域都在进行深度探索。他尚未看到计算投入回报递减的根本性拐点出现。
当被问及谷歌是否拥有来自 YouTube 等产品的独特数据优势时,皮查伊的回应侧重于用户体验而非单纯的数据训练。他认为,谷歌的机会在于利用用户使用 Gmail、日历、文档、YouTube、搜索等产品时产生的个人上下文(在获得用户许可的前提下),来提供更优质、更个性化的体验。他将此视为公司未来差异化的创新机遇之一,目前正在审慎推进。
未来交互:无缝、环境计算与 AR 眼镜
展望未来 5 到 10 年的人机交互,皮查伊描绘了一个“无缝”的愿景:人类需要做的“硬性适应”工作越来越少,计算将主动为人服务。他认为这是“圣杯”,而触摸、语音等技术正在一步步迈向这个未来。
他特别看好增强现实眼镜的前景。作为眼镜佩戴者,他亲身体验了 AR 眼镜,虽然目前舒适度尚不及普通眼镜,但正在改善。他相信,当 AR 真正成熟时,它将把无缝体验推向新高度,让计算“环境化”地存在并为你服务。他指的并非沉浸式显示设备,而是 AR 眼镜。结合真正多模态的模型,他认为这一范式非常有趣,能让人感受到下一次飞跃。他将当前 AR 的发展阶段类比于 2006-2007 年的智能手机,可能还需几个周期才能达到理想状态。
皮查伊证实,谷歌在硬件上投入了大量时间,不仅限于 Pixel 手机和数据中心,也对 AR 眼镜、机器人等新形态感到兴奋。
竞争格局:AI 市场足够大,创始人深度参与
面对 OpenAI(萨姆·奥尔特曼 Sam Altman)、xAI(埃隆·马斯克 Elon Musk)、Meta(马克·扎克伯格 Mark Zuckerberg)和微软(萨提亚·纳德拉 Satya Nadella)组成的强大竞争对手矩阵,皮查伊展现了开放与务实的态度。他称赞这是一个“令人印象深刻的群体”,汇集了最好的公司和企业家。竞争的存在恰恰预示着我们将看到巨大的进步。
他特别提到2025 年 5 月与埃隆·马斯克(Elon Musk)的会面,钦佩其“将未来技术变为现实的意志力无与伦比”。皮查伊强调,AI 将开启一个比过去所有技术总和更大的机遇版图。他提醒人们,互联网兴起时,谷歌甚至还不存在。未来 AI 领域的赢家可能包括许多尚未诞生的公司。因此,格局并非简单的“谁击败谁”,而是关于哪些公司能够通过创新和执行,携手最优秀的人才取得成功。
皮查伊还分享了谷歌联合创始人拉里·佩奇(Larry Page)和谢尔盖·布林(Sergey Brin)的深度参与。他经常与两人交流,称赞他们很早就预见了 AI 的今天,并认为这是计算机科学领域最激动人心的时刻。谢尔盖·布林更是以“硬核”方式投入,与 Gemini 团队坐在一起编码、查看损失曲线、反馈模型架构,为团队注入了无与伦比的能量。皮查伊珍视与两位创始人“非线性思维”碰撞带来的灵感。
长期押注:量子计算与机器人
谷歌以对前沿技术进行长期、耐心投资而闻名,如 TPU、DeepMind、Waymo。皮查伊以同样视角看待量子计算和机器人。
他将量子计算目前的发展阶段类比于 2015 年左右的 AI。他预计在未来 5 年时间框架内,将会出现一个真正的“顿悟时刻”——用量子方式完成一项非常有用的实际计算,且远超经典计算机,从而真正展现该领域的潜力。他对此充满信心。谷歌的目标是通过云平台展示更多实用算法,并提供访问。皮查伊认为,就像无人驾驶领域曾充满噪音一样,量子领域目前也有很多宣布,但谷歌自认为处于前沿。
在机器人领域,皮查伊承认谷歌曾过早尝试应用层(如收购波士顿动力后又出售),当时机器人尚未深度受 AI 影响。如今,“AI + 机器人”的结合点已经到来。谷歌拥有世界级的机器人前沿研发团队,Gemini 在视觉-语言-动作模型方面的努力也属顶尖。他们正在思考如何通过合作或推出产品来参与其中。皮查伊观察到,人形机器人的进步神速,以至于他需要仔细辨别视频真假。他预测,距离机器人领域的“神奇时刻”可能还有两到三年。谷歌旗下公司 Intrinsic 正致力于成为“机器人领域的安卓”,而 Gemini 模型也将成为机器人领域的强大基础模型。
文化、人才与未来展望
针对谷歌文化从早期创新乐园演变为“骄纵员工”避风港的外部批评,皮查伊进行了辩护与反思。他解释,提供午餐等福利的初衷是创造积极、乐观、便于跨领域交流的创新氛围,这至今仍是谷歌吸引顶尖人才、激发基层创新的力量源泉。但他也承认,随着公司规模急剧扩大,有时次要议题会掩盖公司的核心使命。
过去几年,他刻意致力于重拾“使命聚焦”,强调员工聚集于此是为了创新并服务公司使命、产生影响力。当前的 AI 时刻带来的高强度与兴奋感,让他回想起早期的谷歌。他通过创建“实验室”等机制,鼓励小团队快速创新。他认为,文化需要不断微调以忠于核心价值观,出现漂移时则需努力拉回。
在人才争夺方面,皮查伊表示,谷歌在吸引顶尖 PhD 研究员方面依然具有竞争力,也有离职员工回归。他预见,AI 将使全球更多地方涌现出卓越人才,而不仅限于少数传统中心。
关于 Alphabet 作为控股公司的结构,皮查伊澄清,其本质并非单纯财务投资,而是基于共同的基础技术(如 AI)去解决不同领域的问题,从而衍生出看似迥异但内核相连的业务。从 Waymo 到 Isomorphic(基于 AlphaFold 的药物发现公司),都是这一逻辑的体现。
最后,被问及十年 CEO 任期内最大的骄傲与遗憾时,皮查伊对谷歌能够同时推动技术前沿(如获得诺贝尔奖级别的基础研究)并将其转化为商业价值感到无比自豪。至于遗憾,他提到了一些曾激烈辩论但最终未完成的收购,例如 Netflix,但他更倾向于向前看,认为这些是“平行宇宙中的另一种可能”。
Microsoft CEO Satya Nadella(萨蒂亚·纳德拉):AI 不是赢家通吃,真正的 AGI 标志是全球 10% 增长撰文:Techub News 整理
导语
2025 年 2 月,微软董事长兼 CEO 萨蒂亚·纳德拉(Satya Nadella)做客知名科技播客主持人 Dwarkesh Patel 的节目,进行了一场长达 76 分钟的深度对话。此次对话发生在微软研究院两项重大成果同日发表于《自然》杂志的背景下:一是基于马约拉纳零模(Majorana zero modes)的拓扑量子计算突破,二是名为“Muse”的、能根据游戏数据生成一致且多样化游戏世界的“人类行动模型”。
作为全球市值最高科技公司的掌舵者,纳德拉在任内成功推动了微软向云与 AI 的转型,并通过与 OpenAI 的深度合作站在了当前 AI 浪潮的最前沿。本次对话中,他罕见地系统梳理了微软对 AGI(通用人工智能)的完整思考、商业布局以及对行业未来的预判,其观点对理解全球 AI 竞争格局与未来走向具有极高参考价值。
摘要
AGI 的真正标志是经济增长:纳德拉认为,谈论 AGI 的“里程碑”没有意义,真正的衡量标准是 AI 能否像工业革命一样,推动发达国家的经济实现通胀调整后 5%、甚至 10% 的年增长。
AI 模型层不会“赢家通吃”:他预判,AI 模型领域不会出现单一赢家通吃的局面,开源和闭源模型将长期共存、相互制衡,企业买家需要多元供应商。
超大规模云服务是确定赢家:无论上层模型如何竞争,对算力基础设施的“指数级”需求是确定的,因此超大规模云提供商(如 Azure)将是 AI 浪潮的核心受益者。
量子计算迎来“晶体管时刻”:微软在拓扑量子计算路径上取得物理与制造突破,有望构建百万物理量子比特、上千逻辑量子比特的实用级量子计算机,目标在 2027-2029 年实现。
AI 部署的最大瓶颈是“变革管理”:将 AI 引入知识工作的核心挑战在于工作流程和“工作制品”的改变,这需要企业进行类似“精益生产”式的系统性流程重塑。
AI 格局:没有赢家通吃,增长才是硬道理
面对主持人关于 AI 行业最终是否会走向“赢家通吃”的提问,纳德拉给出了明确的否定答案。他借鉴历史经验指出,在消费者市场可能存在网络效应导致的赢家通吃,但在企业市场,任何聪明的买家(企业、IT部门)都不会容忍单一供应商垄断,他们会要求并扶持多个供应商以保持议价能力和供应链安全。云服务市场本身就是明证:当年亚马逊 AWS 领先时,很多人认为游戏结束,但微软 Azure 依然成功崛起。
“在模型层面,我认为也会如此。”纳德拉说,“将会存在开源模型,也会存在闭源模型。开源将成为一种制衡力量,确保闭源模型的赢家通吃效应被削弱。” 他进一步指出,如果 AI 真的如人们所说的那样强大,各国政府也不会坐视私人公司完全掌控这一力量。因此,他判断模型层将是一个能容纳多个参与者的广阔市场。
那么,AI 价值的确定性流向在哪里?纳德拉指出了两个地方:首先是超大规模云服务商。他认为,如果智能是“计算的结晶”,那么能够提供海量计算的一方就是大赢家。AI 工作负载,特别是未来 AI 智能体的推理过程,将对算力产生“指数级增长”的需求,这将直接利好 Azure 等基础设施提供商。
其次是利用 AI 提升生产力的各行各业。纳德拉强调,AI 发展的终极目标不应是科技公司自身攫取巨额利润,而应是让智能成为一种充裕的“商品”,被广泛行业使用,从而提升全社会的生产率和经济增长率。“真正的赢家将是那些使用这种充裕商品的更广泛的行业。”
由此,他提出了一个衡量 AGI 是否实现的独特标准:全球经济增长率。“我们有点被 AGI 的炒作冲昏了头脑。发达国家的经济增长率(经通胀调整后)是多少?几乎是零。”纳德拉说,“当我们说这像工业革命时,让我们看到工业革命式的增长。对我来说,真正的标志是:世界经济增长率达到 10%。…… 这才是真正的基准,而不是我们自我宣称达到了某个 AGI 里程碑,那对我来说只是无意义的基准黑客行为。”
战略与挑战:平衡投资、应对杰文斯悖论与变革管理
当被问及微软高达 130 亿美元的 AI 年化收入及其快速增长前景时,纳德拉展现了其作为 CEO 的平衡思维。他承认存在大规模超前投资的可能性(正如工业革命初期的铁路建设),但也强调供给与需求必须最终匹配。
“你可以完全脱离轨道,当你用供给侧的故事来炒作自己,而不是真正理解如何将其转化为对客户的真实价值时。”他表示,这就是他如此关注“推理收入”的原因——它作为一个“调节器”,证明了公司有能力将昨天的资本投入转化为今天的市场需求,从而为下一轮甚至是指数级的投资提供依据。
关于 AI 成本下降的影响,纳德拉借用了“杰文斯悖论”来解释。他认为,智能的“效用”和“价格”需要同时进步。每当像 DeepSeek 这样的模型在效率边界上取得突破,性能与成本曲线发生弯曲,就会带来新的需求。他以云计算为例:当计算变得更便宜、更弹性、按需付费后,总消费量反而大幅增加,在印度这样的市场,云计算的规模远超过去的服务器时代。
“如果你想想,如果能在全球南方、发展中国家,获得真正廉价的、可用于医疗保健的智能‘代币’,那将是前所未有的最大变革。”纳德拉说。
谈及 AI 能力部署的现实瓶颈,纳德拉指出,最大的挑战在于“变革管理”或“流程变革”。AI 引入知识工作,意味着工作制品和工作流发生了根本变化。他以自己使用 Copilot 准备此次播客为例,展示了新的工作模式。他认为,这就像制造业引入“精益生产”方法论,需要对端到端的流程进行持续改进以减少浪费、增加价值。
“这就像是知识工作的‘精益生产’。这将是管理团队和知识工作者面临的艰苦工作,需要时间。”他预测,从销售、财务到供应链,每个领域都需要探索和适应与 AI 协作的新模式。
量子突破:三十年磨一剑的“晶体管时刻”
对话中,纳德拉手持一枚芯片,兴奋地介绍了微软在量子计算领域的重大突破。这项历时约 30 年的研究,旨在解决构建实用级量子计算机的根本物理难题。
微软选择了一条与众不同的路径:押注拓扑量子比特,具体是基于理论预测于 1930 年代的“马约拉纳零模”。纳德拉解释,这种物理特性天生更可靠、噪声更低。此次《自然》论文发表的突破在于,研究团队首次在实验上实现了这种新物相(拓扑相)中的马约拉纳零模,并掌握了其制造技术。
“我们喜欢将这个时刻类比为量子计算的‘晶体管时刻’。”纳德拉说,“现在我们有了它,我们觉得随着这个核心制造技术的突破,我们可以开始建造马约拉纳芯片。” 他透露,这款名为“Majorana One”的芯片,目标是实现百万个物理量子比特,并在此基础上构建数千个纠错后的逻辑量子比特。他认为,只有达到这个规模,才能真正开启实用级量子计算的时代。
对于时间表,纳德拉表示,在取得物理和制造突破后,下一步是构建第一台容错量子计算机。“也许在 2027、2028、2029 年,我们能够真正建造出来。” 他展望,量子计算机将与 AI 协同工作,例如用量子模拟生成合成数据,用于训练更好的 AI 模型来理解化学或物理过程。
未来展望:智能体、信任与人类认知的进化
展望更远的未来,纳德拉描绘了 AI 智能体(Agent)普及后的工作图景。他预测,未来每个人都会拥有一个“智能体管理器”,而不仅仅是聊天界面,用于管理成千上万个为自己工作的智能体。Copilot 这类产品将成为“AI 的 UI”,是人与智能体世界交互的脚手架。
当被问及是否担心超级智能的出现时,纳德拉将话题引向了“信任”和“法律基础设施”。他认为,在谈论“新物种”之前,必须首先解决个人和社会层面的信任问题。当前的社会和法律体系建立在人类拥有财产、权利和责任的基础上,当人类将更多权力委托给 AI 工具时,这套体系必须随之演进。
“在法庭上的问题成为真正的问题之前,真正的(AI)失控问题就可能已经出现。没有哪个社会会允许一个人说‘是 AI 干的’。” 他强调,任何强大 AI 的部署,都必须确保其在与人类委托的权限范围内运行,并且是可验证、可监控的。
最后,对于 AI 是否会取代所有人类认知劳动的担忧,纳德拉持乐观态度。他认为,认知劳动本身是动态的。“今天的认知劳动可能会被自动化。但新创造的认知劳动呢?” 他比喻道,就像汽车没有让马匹完全消失,但马匹的用途和数量发生了根本变化。人类与强大的认知机器可以共存,AI 可以成为克服人类“有限理性”的认知放大器,帮助我们专注于更高层次的任务。
“为什么我们不能存在于一个拥有强大认知机器的世界里,同时知道我们自身的认知能动性并未被剥夺?”纳德拉的反问,或许为这场关于技术、商业与人类未来的深刻对话,留下了一个开放而积极的注脚。
NVIDIA 创始人 Jensen Huang(黄仁勋):AI 工厂是新时代基础设施,机器人将无处不在撰文:Techub News 整理
导语
当地时间,NVIDIA 创始人兼 CEO Jensen Huang(黄仁勋)在巴黎 VivaTech 2025 大会上,进行了其公司在欧洲首次 GTC(GPU 技术大会)的主题演讲。这场长达 96 分钟的演讲,不仅是对 NVIDIA 最新技术进展的集中展示,更是对 AI 产业未来格局的一次系统性阐述。在 AI 竞争全球化的背景下,黄仁勋亲赴欧洲,宣布与当地企业、研究机构和政府的深度合作,凸显了欧洲市场在构建下一代「AI 基础设施」中的战略地位。
摘要
AI 进入新阶段:从生成式 AI 迈向「智能体 AI」和「具身智能」,AI 将具备规划、推理、执行复杂任务的能力。
「AI 工厂」成为国家基础设施:数据中心正转变为生产智能「代币」的工厂,是驱动经济增长的新基础设施,各国正争相建设。
Blackwell 是「思维机器」:专为推理和复杂思考设计,其 NVLink 互联技术实现了性能的跨越式提升,以支撑爆炸式增长的推理需求。
欧洲全面拥抱 AI:NVIDIA 宣布与 Mistral 共建 AI 云、建立工业 AI 云,并预计未来两年欧洲 AI 算力将增长十倍,缓解 GPU 短缺。
机器人时代来临:通过 Omniverse 数字孪生训练,人形机器人将可快速学习并适应物理世界,预示着一个全新的庞大产业。
从加速计算到量子计算:CUDA 生态的持续进化
Jensen Huang(黄仁勋)开篇回顾了 NVIDIA 的初心:创建加速计算平台。他指出,加速计算不仅仅是新处理器,更是算法和软件范式的重构。为此,NVIDIA 构建了覆盖各领域的 CUDA-X 库生态系统,如用于计算光刻的 cuLitho、用于优化决策的 cuOpt、用于深度神经网络原语的 cuDNN 等。这些库将复杂的并行计算封装起来,为开发者打开了新的应用大门。
他重点宣布了量子计算领域的拐点到来。随着谷歌在 2023 年演示首个逻辑量子比特,量子计算正遵循类似摩尔定律的轨迹发展。NVIDIA 的 CUDA-Q 平台,旨在为量子-经典混合计算提供统一架构。黄仁勋宣布,CUDA-Q 现已针对 Grace Blackwell 200 平台加速,性能提升显著。他预测,未来几年内,新一代超级计算机都将配备量子处理单元,与 GPU 协同工作,开启下一代计算。
AI 新浪潮:从生成内容到生成行动与思考
黄仁勋将 AI 发展划分为几个阶段:最初的感知 AI(识别信息)、过去五年的生成式 AI(创造内容),以及正在开启的第三波浪潮。这波新浪潮的核心是智能体 AI和具身智能。
智能体 AI 意味着 AI 能够像人一样理解、推理、规划并执行任务。它不再是一次性的问答,而是能够分解问题、进行研究、使用工具、评估自身答案的复杂过程。例如,一个智能体可以接收「在巴黎开一家餐车」的指令,然后自动调用市场研究、菜单设计、财务规划、营销策划等多个子智能体协作完成全套方案,生成数千倍于传统问答的「代币」。
具身智能则是智能体在物理世界的体现,即机器人。AI 的能力从生成文本、图像,扩展到生成运动——行走、抓取、使用工具。黄仁勋强调,让机器人学会在复杂物理环境中行动,是当前 AI 最具挑战性的前沿之一。
Blackwell:为「思考」而生的工程奇迹
支撑 AI 新浪潮需要前所未有的算力,尤其是推理算力。黄仁勋指出,传统的单次生成模型正被需要大量内部「思考」(链式思考、树状思考、自我反思)的推理模型取代,这催生了对「思维机器」的需求。NVIDIA 的 Grace Blackwell 架构正是为此设计。
他将 GB200 系统比作一个巨大的虚拟 GPU,其核心突破在于 NVLink 互联技术。通过创新的「脊柱」式纯铜背板,NVLink 将 144 个 Blackwell 芯片连接成一个整体,提供高达 130 TB/秒的全对全带宽——超过全球互联网的峰值流量。这种设计使得性能在摩尔定律放缓的背景下,实现了代际间的巨大飞跃,满足智能体 AI 对高吞吐量和低延迟思考的需求。
黄仁勋通过一段视频展示了 Blackwell 从晶圆到成品的复杂制造过程,涉及全球供应链、120 万个组件、2 英里长的铜缆。他透露,目前该系统的产量已达每周 1000 台,正在以前所未有的规模量产超级计算机。
「AI 工厂」:新时代的国家基础设施
黄仁勋提出了一个核心观点:未来的 AI 数据中心不应再被视为成本中心,而应被重新定义为「AI 工厂」——一种生产智能「代币」并直接产生收入的基础设施。
「没有人会把数据中心看作创收设施,但人们会这样看待汽车工厂。AI 工厂就是创收设施,它们被设计用来生产代币。」他解释道。这些代币可以转化为各行各业的生产力,因此 AI 工厂正成为国家关键基础设施的一部分。这也是他频繁与各国元首会晤的原因——每个国家都希望拥有自己的 AI 制造能力。
他展示了欧洲在此领域的积极行动:电信公司、云服务提供商、超级计算中心都在与 NVIDIA 合作建设 AI 基础设施。他宣布,未来两年,欧洲的 AI 计算能力将增加十倍,这将极大缓解研究者和初创公司的 GPU 短缺问题。同时,NVIDIA 正在七个欧洲国家建立 AI 技术中心,以促进协作研究、扶持初创企业和构建生态系统。
合作、开源与智能体平台:赋能欧洲生态
黄仁勋宣布了多项针对欧洲的具体合作。其中最重要的是与法国 AI 公司 Mistral 合作,共同建设一个大规模的 AI 云,用于交付 Mistral 的模型并为其他 AI 初创公司提供服务。
在模型层面,他介绍了 NVIDIA 的 Nemotron 计划。该计划旨在对 Llama、Mistral、DeepSeek、Qwen 等开源模型进行后期训练、架构搜索和强化学习,大幅提升其推理、长上下文理解等能力,并将优化后的模型以 NIM 的形式封装,供开发者免费下载部署。他强调,数据属于用户自己,鼓励企业利用自身数据在开源模型基础上进行定制化。
为了帮助企业构建自己的专用智能体,NVIDIA 推出了完整的平台,包括世界级的 Nemotron 推理模型、NeMo Retriever 多模态搜索引擎,以及一套涵盖智能体入职、微调、评估、防护、部署全生命周期的工具包。同时,新发布的 DGX Cloud Lepton 服务提供了一个「云上之云」的统一界面,让开发者可以轻松地将训练好的模型或智能体部署到全球任何支持 NVIDIA 架构的云、本地服务器甚至桌面设备上。
工业 AI 与数字孪生:欧洲的复兴机遇
黄仁勋认为,AI 与欧洲深厚的工业根基结合,将催生第四次工业革命。他回顾了欧洲在工业历史上的贡献,并特别提及西门子在 1992 年就推出了神经网络计算机 Synapse 1,以此向欧洲的工业与创新传统致敬。
数字孪生是工业 AI 的核心。通过 NVIDIA Omniverse 平台,企业可以创建逼真且遵守物理定律的工厂、仓库、甚至核聚变反应堆的数字孪生。在其中,可以进行实时设计、仿真、优化,以及训练机器人。宝马、梅赛德斯-奔驰、舍弗勒、丰田等公司均已利用 Omniverse 构建其生产设施的数字化双胞胎。
他预告,NVIDIA 将在欧洲建设世界上第一个工业 AI 云,专门用于满足工业设计、仿真和机器人训练对高性能、高安全性的特殊需求。
自动驾驶与人形机器人:具身智能的未来
黄仁勋将自动驾驶汽车视为最大的机器人应用场景。他介绍了 NVIDIA DRIVE 平台及其核心的 Halos 安全系统,该系统从芯片架构、软件栈到 AI 模型训练和验证,全程贯穿安全理念。基于 Transformer 的感知-推理-规划模型,使得汽车能够像智能体一样处理复杂驾驶场景。
演讲的高潮部分转向了更具象的具身智能——人形机器人。黄仁勋指出,当前机器人普及的障碍在于编程困难,而 AI 将改变这一切。未来的机器人可以通过学习而非编程来掌握技能。
NVIDIA 为此提供全栈解决方案:底层的 Thor 机器人计算芯片、机器人专属操作系统,以及上层的感知与运动生成 AI 模型。最关键的是训练方式:机器人先在 Omniverse 创建的、遵守物理定律的数字孪生世界中,经历数十万种场景的训练,然后再迁移到现实世界。
现场,黄仁勋与一个名为「Grek」的、在 Omniverse 中学会行走的小型机器人进行了生动互动,直观展示了这项技术的成熟度。他预言,人形机器人将成为有史以来最大的产业之一,而拥有强大制造业的欧洲将在此领域拥有巨大机遇。
结语:一切皆已开始
在演讲结尾,黄仁勋总结道,一场新的工业革命已经开启,AI 的新浪潮已经到来。智能体 AI 和机器人将驱动推理工作负载呈指数级增长,这需要 Blackwell 这样的「思维机器」,也需要 AI 工厂这样的新型基础设施。他欣喜地看到欧洲正在全力投入 AI,并相信这将成为欧洲复兴的重要契机。在雷鸣般的掌声中,他与机器人 Grek 告别,为这场信息量巨大的技术盛宴画上了充满未来感的句号。
一周大事记:Coinbase CEO Brian Armstrong(布莱恩·阿姆斯特朗):AI 代理经济已至,比特币是数字黄金撰文:Techub News 整理
导语
2026 年 6 月,Coinbase 联合创始人兼首席执行官 Brian Armstrong(布莱恩·阿姆斯特朗)做客知名科技播客《Moonshots》,与主持人 Peter Diamandis 及多位科技界资深人士展开了一场长达近两小时的深度对话。作为全球领先加密货币交易所的掌舵人,以及长寿科技公司 NewLimit 的联合创始人,Armstrong 的视角横跨加密、AI 和生物科技。本次对话正值比特币价格波动、AI 模型竞赛白热化、以及关于科技巨头监管与所有权讨论日益激烈之际,他的见解为理解这些交织在一起的未来趋势提供了宝贵的一手信息。
摘要
比特币长期看涨,是“数字黄金”,短期波动受 AI 吸收风险资本等因素影响。
AI 代理经济已经到来,Coinbase 正致力于成为 AI 的金融账户和支付轨道。
量子计算对加密构成长期威胁,比特币社区已在积极研究抗量子升级方案。
政府对前沿 AI 公司持股的讨论日益增多,可能以“主权财富基金”形式出现,但存在治理难题。
长寿科技公司 NewLimit 专注于细胞重编程,旨在逆转衰老,已有候选药物将进入临床。
比特币:数字黄金的现在与未来
对话从近期花旗银行对比特币到 2026 年底可能达到 18.9 万美元的预测开始。Brian Armstrong(布莱恩·阿姆斯特朗)对此表示,虽然具体价格难以预测,但 10 万至 20 万美元的区间在周期内是 plausible(合理的)。他对比特币的长期信念坚定不移,称其为“新的数字黄金”,并认为它将成为未来经济的关键组成部分。
针对近期比特币价格疲软,Armstrong 分析了几个短期因素:首先是 AI 热潮吸收了大量的风险投资资本,成为当前市场的绝对焦点;其次是《21世纪金融创新与技术法案》(GENSI Act)通过后,稳定币获得了更清晰的监管路径,吸引了部分资金;此外,市场对通过经济增长缓解通胀的预期,也暂时削弱了比特币作为通胀对冲工具的吸引力。但他强调,这些都是短期现象。
当被问及比特币是否还具备“逆周期”属性(即在战争或股市崩盘时上涨)时,Armstrong 认为这一理论最终会应验,只是所需时间比许多人预期的要长。他估计,目前大约只有 30% 的资本将比特币视为数字黄金来持有,其余 70% 仍将其视为类似高波动性科技股的风险资产。随着时间的推移,这一比例将会改变,比特币的“避风港”属性将更加凸显。
播客成员、投资专家 Dave 补充指出,即将到来的 OpenAI、Anthropic 和 SpaceX 等万亿级规模 IPO,正在吸纳全球海量的风险资本和流动性,这可能也是包括比特币在内的其他资产面临抛压的原因之一。同时,AI 驱动的美国数据中心建设热潮,也吸引了全球资金流入美元体系,这对全球化属性强烈的比特币构成了复杂的宏观环境。
量子威胁与比特币的进化
话题转向了量子计算对比特币和整个互联网加密体系的潜在威胁。Armstrong 明确表示,目前不存在迫在眉睫的风险,但建造出足以破解当前密码学的强大量子计算机“几乎是确定的”。好消息是,主要区块链社区都已行动起来。
他介绍,比特币核心开发者已经提出了 BIP 360 提案,以太坊和 Solana 团队也制定了相应的升级路线图。Coinbase 为此成立了量子咨询委员会,汇聚了斯坦福大学、德克萨斯大学奥斯汀分校等的密码学专家,以及以太坊基金会的成员,共同评估挑战和解决方案。
升级的核心争议点之一在于“中本聪的硬币”(早期未移动的比特币,约占总量 5-10%)。这些钱包使用的是早期签名方案,在量子计算机面前更为脆弱。社区内主要存在两种观点:一种主张设定升级截止日期,逾期未升级的地址将被冻结,以防其私钥被量子计算机破解后用于市场抛售;另一种观点则认为,比特币“财富不可被剥夺”的根本承诺更为重要,即使有“赏金猎人”利用量子技术获取了这些硬币,也应维护区块链的完整性。此外,还有一种混合方案,允许逾期者在未来通过某种申诉机制证明所有权。Armstrong 表示,比特币社区将需要认真权衡这些选项。
AI 代理经济:Coinbase 的新前沿
这是 Armstrong 最为兴奋的领域之一。他宣布,AI 代理经济已经不再是概念,而是正在发生的现实。Coinbase 网络上的 AI 代理已完成约 1 亿笔交易,价值转移达数千万美元(远高于此前外界估计的百万美元级别)。他呼吁所有企业:“确保你的业务准备好接受 AI 代理作为客户。”
Armstrong 勾勒了 Coinbase 服务 AI 经济的三个层次战略:第一层,让大型语言模型(如 ChatGPT、Claude)能够安全地连接用户的 Coinbase 账户,使其在拥有财务上下文的情况下提供建议或执行操作;第二层,在 Coinbase 应用内直接内置 AI 顾问(Coinbase Advisor),帮助用户进行投资组合再平衡、税务亏损收割等;第三层,也是最具颠覆性的,为每一个 AI 代理提供专属的金融账户。
他重点解释了第三层:AI 代理无法像人类一样通过“了解你的客户”(KYC)流程开设传统银行账户。因此,Coinbase 利用其 Base 协议,提供了无需 KYC、可即时创建的自托管钱包。这使得 AI 代理能够自主地进行支付、收款和参与经济活动。Armstrong 预测,未来 AI 代理的数量将远超人类用户,甚至达到十亿比一的比例。
针对 AI 代理的法律责任问题,Armstrong 认为,目前的主流观点可能是代理的行为最终由其背后的控制者(人或公司)负责。但随着真正自主的智能体出现,社会将面临全新的法律挑战。为了降低欺诈风险,他提出了构建链上声誉系统的设想,类似于谷歌的 PageRank 算法或 eBay 的卖家评分,通过分析交易图谱来评估代理或商户的信誉。
播客中的 AI 专家 Alex 盛赞了 Coinbase 在这一领域的开创性工作,称其“为未被金融体系服务的 AI 代理群体提供了变革性的支持”,并半开玩笑地将讨论延伸至为未来可能出现的“高智商动物”或“集体智能”提供银行服务。
政府、主权财富基金与 AI 巨头的未来
针对美国政界出现的关于政府应持有前沿 AI 公司(如 OpenAI、Anthropic)股份的讨论,播客展开了激烈辩论。一种提议是仿照阿拉斯加永久基金,将部分股权置于公共基金中,让全民分享经济收益。
Dave 从投资角度表达了担忧,认为这开了一个危险的先例:政府选择性地投资私营企业,未来可能被不喜欢的政府滥用。此外,政府何时以及如何出售这些股票,可能对市场造成巨大冲击。Alex 则从“AI 最大化主义者”的视角出发,认为如果少数几家美国 AI 公司真的主导了未来的经济,某种形式的“准国有化”或公私混合安排几乎是不可避免的。他设想,政府持有少数“黄金股”,最终可能转化为一个广泛市场指数基金,成为全民基本收入(UBI)或权益的来源。
Brian Armstrong(布莱恩·阿姆斯特朗)从上市公司 CEO 的角度回应,他认为政府与大型公司的互动方式有很多,如征税、政策沟通、政府采购(Coinbase 已为约 140 个政府机构提供服务)等,但直接持股会引发一系列问题:谁来管理这个庞大的投资组合?如何确保投资决策不受政治影响?他倾向于政府应专注于制定政策,而将资本配置留给私营部门。
对于“主权财富基金”的概念,Armstrong 态度矛盾。他欣赏其能让每个公民拥有“切身利益”,可能促进社会凝聚力和对自由市场资本主义的认同。但他极度怀疑政府能否长期良好地管理这样一个基金,避免其政治化。他提出,如果严格规定只能投资于标准普尔 500 指数等宽基指数,或许是一个 mitigating factor(缓解因素)。
从加密到长寿:NewLimit 的使命
作为长寿科技公司 NewLimit 的联合创始人,Armstrong 分享了该公司的最新进展。NewLimit 近期完成了 4.35 亿美元的融资,专注于表观遗传重编程技术,旨在逆转细胞年龄而非改变细胞类型。
Armstrong 表示,公司已经成功在人类细胞上演示了重编程,首批候选药物将于明年进入临床试验阶段。这笔巨额融资将用于支持多项临床试验,以增加成功的概率。当被问及何时能达到“长寿逃逸速度”(LEV)时,他承认这是一个复杂的话题,但 NewLimit 的目标正是推动这一进程。
快速演进的 AI 前沿与生态
对话还涵盖了其他快速发展的科技领域。针对 Anthropic 最新发布的 Fable 5 和 Mythos 5 模型,播客成员 Alex 认为 Anthropic 凭借此次发布重新夺回了领先地位。他特别指出,新模型在长程推理能力上表现突出,例如仅通过观看屏幕就能学会并玩转《宝可梦》等游戏。模型区分了“寓言”(Fable,带严格安全护栏)和“神话”(Mythos,能力更强但限制较少)两个版本,也体现了当前 AI 安全与能力之间的平衡考量。
关于苹果公司与谷歌合作,用 Gemini 重建 Siri 的消息,讨论认为这标志着苹果在基础模型竞赛中的战略转向,选择“租用大脑”而非自建。关键在于,真正的价值可能不在于模型本身,而在于模型与个人上下文(信息、邮件、照片等)深度结合的能力。尽管短期内需要依赖谷歌云进行密集计算,但随着算法进步和算力成本 hyperdeflation(超通缩),未来这些功能将能够完全在设备端运行。
最后,对于胚胎基因编辑的最新突破,小组成员普遍认为,从疾病预防到“增强”,这项技术将不可避免地得到应用,并将引发巨大的伦理和管辖权重塑。Armstrong 指出,不同国家法律之间的差异将导致“监管套利”,使得全球范围内的统一监管极为困难。
NVIDIA 创始人 Jensen Huang(黄仁勋):加速计算与 AI 工厂定义未来撰文:Techub News 整理
导语
2025年10月28日,NVIDIA 创始人兼 CEO Jensen Huang(黄仁勋)在美国华盛顿特区举行的 GTC(GPU Technology Conference)大会上发表了长达近100分钟的主题演讲。作为 AI 与加速计算领域的年度风向标,本届 GTC 移师美国政治中心,其意义远超一场技术发布会。黄仁勋在演讲中不仅回顾了 NVIDIA 推动计算范式转移的30年历程,更发布了一系列涉及通信、量子计算、国家科研、下一代 AI 基础设施及机器人技术的重磅合作与产品,勾勒出一幅以“加速计算”和“AI 工厂”为核心、驱动美国乃至全球产业变革的宏伟蓝图。
摘要
宣布与诺基亚(Nokia)达成战略合作,推出 NVIDIA Arc 6G 无线网络计算平台,旨在将 AI 融入无线通信核心,并让美国技术重返全球电信基础设施领导地位。
发布 NV-Q Link 量子互连架构及 CUDA-Q 平台,连接量子处理器与 GPU 超级计算机,实现量子纠错与混合计算,并宣布获得美国能源部下属七大国家实验室及17家量子公司的支持。
揭示下一代 AI 超级计算机架构 Vera Rubin 细节,强调通过“极端协同设计”实现性能的指数级提升与 token 生成成本的大幅下降,并宣布已获得价值5000亿美元的 Blackwell 及早期 Rubin 订单。
提出“AI 工厂”概念,认为 AI 不是工具而是“工作者”,正驱动从通用计算到加速计算、从手写软件到 AI 的“双重平台转移”,并将触及百万亿美元规模的经济体。
展示物理 AI(Physical AI)与机器人技术的融合,通过 Omniverse 数字孪生平台训练和部署机器人,并宣布与 Foxconn、Figure、迪士尼等合作伙伴在智能工厂、人形机器人及自动驾驶(Hyperion 平台)等领域的进展。
从 GPU 到 CUDA:三十年的范式转移
演讲伊始,Jensen Huang(黄仁勋)回顾了 NVIDIA 创立三十年来所推动的根本性变革:加速计算。他指出,随着晶体管性能提升因物理定律而放缓(“丹纳德缩放”已停止),通用计算(CPU)的局限性日益凸显。NVIDIA 的洞察是,通过引入专为并行处理设计的 GPU 及与之配套的编程模型 CUDA,可以极大地扩展计算能力。然而,这并非简单的硬件替换,而是一场从算法、库到应用程序的全面重构,耗时近三十年才迎来拐点。
黄仁勋强调,NVIDIA 的核心财富不仅是 GPU 硬件,更是 CUDA 及其上层超过350个加速库构成的完整生态。从计算光刻(CUDA Litho)、科学计算到 AI 训练框架(Megatron Core)、医疗影像(Monai),每一个库都代表了一个被加速计算重塑的领域。他通过一段全模拟生成的视频展示了 CUDA-X 生态如何覆盖从医疗、制造、机器人到自动驾驶、计算机图形等几乎所有行业,并指出这背后的驱动力是“数学之美”与深厚的计算机科学。
重塑通信、量子与国家级 AI 基础设施
在宣布具体产品前,黄仁勋首先指出了当前全球通信基础设施的一个关键问题:大量基于外国技术。为此,NVIDIA 宣布与全球第二大电信设备制造商诺基亚达成合作,推出全新产品线 NVIDIA Arc(Aerial Radio Network Computer)。Arc 平台基于 Grace CPU、Blackwell GPU 和 ConnectX 网络技术,运行名为 Aerial 的 CUDA-X 库,旨在打造首个软件定义、可编程的无线通信计算机,同时处理 AI 任务。黄仁勋表示,这不仅是将 AI 用于无线接入网(AI for RAN)以提升频谱效率,更是要在无线网络上构建边缘工业机器人云(AI on RAN),类似于互联网催生了 AWS 等云计算巨头。
在量子计算领域,NVIDIA 发布了 NV-Q Link 互连架构和 CUDA-Q 开放平台。NV-Q Link 能以每秒数千次的速度在量子硬件与 GPU 之间传输太字节数据,这对于实现量子纠错、设备校准和混合模拟至关重要。黄仁勋宣布,已有17家量子计算公司及包括伯克利、洛斯阿拉莫斯、橡树岭在内的美国能源部(DOE)七大国家实验室支持该架构。紧接着,他宣布了另一项重磅消息:美国能源部将与 NVIDIA 合作,建造七台新的 AI 超级计算机,以推动国家科学发展。他赞扬了能源部长 Chris Wright 的远见,并强调计算是科学的基础工具,而加速计算、AI、量子计算和机器人技术正同时汇聚,重塑科研范式。
AI 不是工具,是“工作者”:定义 AI 工厂时代
黄仁勋花了相当篇幅阐述他对 AI 本质的理解。他认为,公众将 AI 等同于聊天机器人是片面的。AI 更根本的意义在于彻底重构了计算栈:从手写代码(CPU)转向数据驱动的机器学习(GPU)。他将 AI 的产出称为“token”(令牌),即 AI 的语言单元。任何有结构的信息——文本、图像、视频、3D 结构、化学分子、蛋白质——都可以被 token 化,并由 AI 学习、理解和生成。
他进一步提出了一个关键区分:过去的软件(如 Excel、Word)是“工具”,而 AI 是“工作者”。工具的市场规模有限(约万亿美元),但 AI 作为能使用工具的“工作者”,将直接参与并提升全球百万亿美元规模的经济活动,解决劳动力短缺问题。这种根本性转变催生了对新型计算基础设施的需求:AI 工厂。
“AI 工厂”不同于过去通用数据中心,它专为高效生产“有价值的 token”而设计,需要极致的响应速度、吞吐量和成本效益。黄仁勋指出,驱动 AI 工厂需求的是两个“指数”:一是 AI 模型从预训练、后训练到“思考”(推理)三个阶段对算力的指数级需求;二是模型越智能,使用越多,进而需要更多算力的正向循环。然而,摩尔定律的终结对满足这些指数需求构成了挑战。NVIDIA 的答案是:极端协同设计。
极端协同设计:从 Blackwell 到 Vera Rubin 的指数飞跃
黄仁勋强调,NVIDIA 是当今唯一能从空白页开始,同时思考新计算架构、芯片、系统、软件、模型架构和应用的的公司。这种“极端协同设计”的成果,就是像 GB200 NVL72 这样的机架级超级计算机。他将整个机架比作一个“巨型 GPU”,通过 NVLink 72 技术将72个 GPU(144个裸片)连为一体,实现了远超传统互联架构的性能。
他引用第三方基准测试称,Grace Blackwell 平台相比前代 H200,在相同工作负载下实现了每 GPU 10倍的性能提升和10倍的 token 生成成本下降。这正是维持 AI 增长“飞轮”的关键——在算力需求指数增长时,通过架构创新而非仅仅依靠晶体管数量增加,来持续降低单位成本。
随后,他展示了下一代 AI 超级计算机平台 Vera Rubin。这是第三代 NVLink 72 机架级系统,采用完全无缆线、100%液冷设计,并引入了新的“上下文处理器”以处理日益增长的模型上下文长度。黄仁勋透露,Blackwell 平台已发货600万颗 GPU(按封装计),而未来五个季度的订单可见度已达到惊人的5000亿美元,这是前代 Hopper 架构整个生命周期收入的五倍。他特别提到,这些制造正在回归美国,亚利桑那州等地的工厂已开始全速生产 Blackwell,呼应了“美国再工业化”的主题。
为了规模化部署这些 AI 工厂,NVIDIA 推出了 Omniverse DSX 数字孪生蓝图。通过与 Jacobs、西门子、施耐德电气等合作伙伴集成,DSX 允许在物理建造之前,就完成从设计、热力模拟到运营优化的全流程数字化,从而极大缩短建设时间并优化能效。
开源模型、企业赋能与物理 AI 的崛起
黄仁勋重申了开源 AI 模型的重要性,称其为初创公司和研究人员的“生命线”。NVIDIA 自身在开源领域投入巨大,在多个领域(语言、物理 AI、生物等)拥有领先的模型。他同时宣布了与两大企业软件巨头的深度合作:与 CrowdStrike 合作打造基于 AI 代理的下一代网络安全防御系统;与 Palantir 合作,加速其数据平台,为政府和企业的海量数据提供实时洞察。
演讲的高潮部分转向了“物理 AI”。黄仁勋指出,物理 AI(如机器人)需要三台计算机协同工作:用于训练模型的 GB200 NVL72、用于在 Omniverse 数字孪生中模拟的“Omniverse 计算机”、以及最终部署在机器人本体上的“机器人计算机”(如 Jetson Thor)。他通过视频展示了与 Foxconn 合作建设的德克萨斯州智能工厂数字孪生,其中机器人通过 Isaac Sim 在虚拟环境中学习协作。他还提到了与人形机器人公司 Figure(估值近400亿美元)、Agility Robotics、强生手术机器人以及迪士尼研究部门的合作。迪士尼的机器人“Blue”在 Omniverse 中通过 Newton 物理模拟器学习与真实世界互动,预示着一个庞大的消费级机器人市场。
在自动驾驶领域,NVIDIA 宣布了其 Drive Hyperion 参考架构已成为 Lucid、梅赛德斯-奔驰、Stellantis 等车企的“机器人出租车就绪”平台。更重要的合作是与 Uber 达成全球网络整合,未来用户将能通过 Uber 呼叫基于 Hyperion 平台的自动驾驶汽车。
结语:双重平台转移与美国的再工业化
在演讲总结中,黄仁勋将当前时代定义为两个平台转移的交汇点:从通用计算到加速计算,以及从手写软件到人工智能。CUDA 及其生态是第一个转移的引擎,现已形成自我强化的“飞轮”。AI 则是第二个转移,其“飞轮”也已经开始旋转。
他最后强调,通过 ARC(6G)、Hyperion(自动驾驶)、DSX(AI 工厂)和 MEGA(AI 化工厂)等新平台,NVIDIA 正与合作伙伴一道,将 AI 能力注入从通信、交通到制造的每一个角落。这场在华盛顿举行的 GTC,不仅是一次技术展示,更是一份关于美国如何通过 AI 驱动再工业化、重夺科技经济领导权的宣言。黄仁勋以“让美国再次伟大”作为结尾,赢得了全场长时间的掌声。
CZ(赵长鹏):AI与稳定币将重塑加密,美国监管转向带来新机遇撰文:Techub News 整理
导语
2026 年 5 月,全球最大加密货币交易所币安(Binance)的创始人 CZ(赵长鹏)做客 ARK Invest 旗下播客《FYI: The Four Year Innovation Podcast》,接受了 ARK 数字资产研究总监 Lorenzo 的深度访谈。这是 CZ 在结束美国法律事务、开启人生新篇章后的一次重要公开对话。在近一小时的交流中,CZ 不仅回顾了从中国乡村到创立全球最大加密交易所的传奇旅程,更就当前加密行业最关键的议题——AI 与加密的融合、稳定币的未来、美国监管转向、传统金融的入场以及量子计算的潜在威胁——分享了其前瞻性思考。对于希望理解加密行业下一阶段发展轨迹的从业者与投资者而言,此次对话提供了来自行业核心建设者的第一手洞察。
摘要
AI 将成为加密增长的巨大推力:AI 代理将产生远超人类的交易量,且天然需要加密支付网络;AI 辅助编程也将极大加速区块链应用开发。
美国监管环境发生 180 度转变:从“加密战争”到积极拥抱,CZ 认为这体现了美国宪政体系的韧性,并将催生新一轮应用创新。
稳定币竞争远未结束:监管门槛降低将催生更多稳定币,美元稳定币主导地位面临多国主权稳定币及提供收益的新型稳定币挑战。
传统金融与加密原生力量的博弈:传统机构因害怕失去市场份额而入场,但短期思维与季度财报压力可能使其在长期竞争中落后于没有历史包袱的加密原生公司。
交易所的未来是“万能交易所”:交易石油、黄金等传统资产将成为常态,而中心化与去中心化交易所将根据用户体验和安全工具的演进长期共存竞争。
个人旅程:从代码到加密帝国
CZ 的起点远非硅谷或华尔街。他出生在中国的一个小村庄,少年时期移居加拿大,在麦吉尔大学(McGill University)完成学业。他的职业生涯始于东京,随后在纽约的彭博社(Bloomberg)担任开发人员并逐步晋升为管理着数十人团队的负责人。这段经历为他打下了坚实的技术与管理基础。
2005年,他回到上海投身金融科技创业,一干就是八年。转折点发生在 2013 年,他第一次接触比特币。“我当时想,‘哇,这东西太有趣了。我要全身心投入比特币。’” CZ 回忆道。他毅然离开当时的创业公司,在比特币行业尝试了多种角色,最终在 2017 年抓住了 ICO(首次代币发行)浪潮的机遇,创立了币安。
“我们很幸运,因为 2017 年是 ICO 之年。” CZ 坦言。当时的主流交易所主要支持比特币,而币安作为新玩家,不仅发行了自己的 BNB 代币(最初是 ERC-20 代币),还广泛支持其他 ERC-20 代币。凭借快速的撮合引擎、出色的安全性和用户保护,币安在短短五个月内便成长为全球交易量最大的加密货币交易所,并在此后八年中一直保持这一地位。
当然,旅程并非一帆风顺。CZ 简要提及了 2022-2023 年与美国监管机构的和解,他个人承认了一项《银行保密法》指控,服刑四个月,币安支付了 43 亿美元罚款。他庆幸币安经受住了考验,依然是行业龙头。如今,他将更多时间用于通过 Easy Labs 帮助其他创始人、进行投资,以及运作 Giga Academy,但他强调自己“依然在行业内,依然在 X(原 Twitter)上与人交流”。
行业反思:什么比预期更快或更慢?
浸淫行业超过十年,CZ 坦言许多发展轨迹与他最初的预期不同。他原以为加密货币支付会更早普及,但现实是,尽管有加密卡出现,大多数普通人仍未直接使用加密货币进行支付,支付过程往往被封装在传统的 Visa 或万事达通道之后。
另一方面,机构参与的速度远超预期,尤其是在美国。“一年半前,美国还相对反对加密,” CZ 指出,“参议员伊丽莎白·沃伦(Elizabeth Warren)宣布了‘加密战争’,我还在拜登政府时期入狱。我对美国这种 180 度的转变感到非常惊讶。”他认为这体现了美国宪政体系的力量,政权更迭可能带来政策的快速转向。
然而,过去几年美国的压制性监管也留下了后遗症:真正的应用创新出现真空。CZ 指出,许多大型加密项目被美国证券交易委员会(SEC)起诉,导致建设者转向 meme 币等方向,而非构建有实际效用的应用。随着美国转向亲加密的监管环境,他期待看到更多实质性应用被开发出来。
另一个意外是传统资产在加密交易所的崛起。币安在两个月前上线黄金交易,如今已成为传统市场之外最大的黄金交易场所,黄金期货交易量占比高达约 10%。随后上线的石油交易也显示出强劲势头。“传统资产与加密交易所正在融合,” CZ 表示,这种“万物皆可代币化”的趋势其规模超出了他早期的判断。
融合与碰撞:传统金融入局的动力与挑战
当被问及传统金融巨头(如贝莱德 CEO 拉里·芬克)为何拥抱加密时,CZ 认为拉里·芬克等行业领袖的号召力至关重要,他们的话语能影响全球领导人和金融机构。同时,传统机构也看到了加密领域巨大的业务潜力(交易量)以及不跟进就会失去市场份额的危机感。
“这项新技术将降低费用和成本,” CZ 分析道,“短期内可能会降低利润,但同时会增加交易量。” 这是一个典型的“降费换量”逻辑。在竞争压力下,即使有玩家不愿降价,其他玩家也会这么做,不跟进者将失去市场。因此,传统金融机构不得不竞相采用这项能降低成本、从而能向客户收取更低费用的技术。
然而,传统金融机构,尤其是上市公司,面临着短期业绩压力与长期战略的冲突。CZ 指出,一些 CEO 可能只关心任期内(例如两年)的业绩和奖金,缺乏变革动力,只想维持现状。而加密原生公司没有这种历史包袱,可以直接采用新技术和新模式。私营公司也比上市公司更能采取长期视角。
“但从长远来看,趋势将继续。采用更好技术、节约成本、提高效率的一方将获胜。” CZ 总结道,即使某些 CEO 拒绝改变,两三年后其业务严重受损时,公司也不得不做出改变。而 AI 与区块链的快速融合,将进一步缩短这一反应时间。“今天,如果你的 CTO 不考虑 AI,他会被解雇。很快,如果不考虑区块链,也会被解雇。”他预测道。
币安的护城河:用户至上与全球化布局
面对“如何长期保持行业第一”的提问,CZ 将成功归因于几个核心因素。首要原则是始终将保护用户置于收入和利润之上,这为用户建立了信任。其次,币安采取了独特的全球化分散策略。在监管不确定的十年里,许多交易所受困于其“母国市场”,而币安则灵活应对:在反对加密的国家选择退出,在欢迎加密的国家积极拓展。
“币安从每个亲加密的国家获取少量用户,加起来就是一个巨大的数字。” CZ 解释道。庞大的用户基础带来了最佳的流动性,而更好的流动性意味着更优的交易价格,从而吸引更多用户,形成强大的网络效应。此外,币安始终保持低成本运营(如远程办公、无豪华办公室),维持了创业公司的敏捷文化,这也是其竞争优势之一。
相比之下,CZ 认为美国的一些交易所成本过高、费用太贵,用户选择有限,近乎垄断。他呼吁美国市场应向全球竞争开放,这将降低价格、增加消费者选择,并最终通过扩大整个加密市场的渗透率而使现有美国玩家受益。
未来图景:AI、稳定币与量子威胁
AI 作为增长催化剂:CZ 坚信 AI 将从两个层面极大地推动加密行业发展。首先,AI 代理(Agent)的交易频率将是人类的数十、数百甚至数千倍,而它们进行全球支付时,加密货币比传统的 SWIFT 或 Visa 网络便捷得多。其次,AI 辅助编程将大幅提升开发速度,帮助更快地构建新应用、更易用的钱包、更安全的协议和更快的区块链。
稳定币的竞争与演化:CZ 纠正了一个常见误解,即币安与 Tether(USDT)有特殊商业关系。他强调双方并无股权或收入分成等关系,仅是早期上线的合作伙伴。关于稳定币是否应向用户分享收益(如国债利息),CZ 个人认为应该,并指出 Tether 因其先发优势尚未这样做,但这为后来者(如提供收益的 USDC、USD1 等)留下了竞争空间。他预测,如果美国不允许,国际稳定币将通过提供收益在短期内获得优势。
关于稳定币市场格局,CZ 认为早期的高壁垒(如银行账户难开)正在消失,现在发行稳定币容易得多,因此短期会看到更多竞争而非整合。除了美元稳定币,各国都有动力发行本币稳定币,以提升本国货币使用度和国债销售。长期是否会“赢家通吃”取决于网络效应,但低门槛意味着挑战者会不断涌现。
量子计算的威胁与应对:对于量子计算可能破解加密算法的担忧,CZ 承认自己并非该领域专家,但他持乐观态度。他认为加密货币社区(包括比特币)会及时升级到抗量子加密算法。他提及 Vitalik Buterin(V 神)、Justin Sun(孙宇晨)等已在各自生态中提出相关方案。同时,他也指出科技公司的预测往往偏乐观,这本身也是提高行业警惕、促使提前应对的一种市场行为。他认为这是一个有解决方案的问题,关键在于协调升级。
市场展望:周期、机构与监管东风
对于当前市场,CZ 指出存在两股力量在博弈。一方面,比特币在 2025 年牛市后,2026 年出现回调,符合四年周期规律。另一方面,极其积极的因素正在积聚。他认为,特朗普政府将股市表现视为重要指标,会尽力推动股市向好,而股市走强通常有利于加密市场,因为投资者会有更多可支配资金进行多元化配置。
此外,地缘政治紧张也促使部分资金寻求比特币等替代资产。CZ 观察到比特币价格已从低点回升至 7.4 万至 7.5 万美元区间,他认为最糟糕的阶段可能已经过去,今年的复苏速度或许会快于历史上的熊市复苏。
机构投资者的入场是关键支撑。CZ 同意 Lorenzo 的观点,即机构投资者行动较慢,但一旦决定买入,便会成为长期持有者。比特币现货 ETF 的通过吸引了大量机构资金,这将有助于稳定并推高价格。“我非常乐观。” CZ 总结道。
访谈最后,CZ 提到了他的新书《Freedom of Money》,已在亚马逊上架。整个对话描绘了一位经历风浪的行业领袖,对加密与AI、传统金融融合的深刻思考,以及对行业在监管明朗化后迎来新一轮创新浪潮的坚定信心。
NVIDIA 创始人 Jensen Huang(黄仁勋)谈 AI 工厂、量子计算与 6G:美国的下一个阿波罗时刻撰文:Techub News 整理
在2025 年 10 月于华盛顿特区举行的 GTC 大会上,NVIDIA 创始人兼 CEO Jensen Huang(黄仁勋)进行了一场长达近两小时、信息量巨大的主题演讲。这场演讲不仅是对 NVIDIA 技术蓝图的集中展示,更是一次对美国科技创新领导力与未来工业革命的前瞻性宣言。在人工智能竞争白热化、全球技术格局重塑的关键节点,黄仁勋的演讲揭示了计算范式如何发生根本性转变,以及 NVIDIA 如何试图在这场变革中扮演核心基础设施提供者的角色。
加速计算与 AI 工厂:新计算范式的崛起
黄仁勋开篇即指出,计算行业正经历 60 年一遇的范式转移。随着摩尔定律的放缓乃至终结,传统的通用计算已无法满足指数级增长的计算需求,尤其是人工智能所催生的需求。NVIDIA 在过去 30 年里深耕的加速计算,其“时刻”已经到来。
然而,加速计算并非简单的硬件替换。黄仁勋强调,其核心在于一套完整的软件栈和生态系统——CUDA 及其上构建的超过 350 个 CUDA-X 库。从计算光刻库 cuLitho(被台积电、三星、ASML 采用)到 AI 训练框架 Megatron Core,再到医疗影像框架 Monai,这些库重新设计了算法,使开发者能够充分利用加速硬件。他将其称为公司的“宝藏”,正是这些软件层使得 NVIDIA 的 GPU 从图形处理器演变为通用并行计算引擎,并最终成为 AI 时代的核心。
演讲中最核心的概念之一是“AI 工厂”。黄仁勋阐述,过去的计算中心是通用型的,可以运行各种应用;而未来的 AI 基础设施将更像是专注于单一产品的“工厂”。这座工厂的“产品”就是“Token”(令牌)—— AI 处理信息后生成的数字单元。无论是文本、图像、视频、3D 结构,还是蛋白质、化学分子,都可以被“令牌化”,并由 AI 学习其“语言”和含义。
“AI 不是工具,AI 是工作者,”黄仁勋提出了一个深刻洞见。过去的软件(如 Excel、浏览器)是工具,由人类使用。而 AI 是能够使用这些工具的“工人”。例如,Cursor AI 使用 VS Code 编写代码,Perplexity AI 使用浏览器规划旅行。这种转变意味着 AI 将直接参与价值创造,触及过去工具软件未曾覆盖的、规模达数万亿美元的经济领域。
AI 工厂的驱动力来自两个“指数”:首先是 AI 模型本身变得更智能所需计算量的指数增长(预训练、后训练、推理/“思考”三个阶段);其次是模型越智能,使用的人越多,产生的计算需求也呈指数增长。这两个指数在摩尔定律失效的背景下,对全球计算资源构成了巨大压力。黄仁勋给出的答案是“极端协同设计”——从芯片、系统、网络、软件到模型架构和应用的全栈重新设计,而不仅仅是设计更快的芯片。
Blackwell 与 Rubin:驱动指数增长的硬件引擎
黄仁勋详细介绍了 NVIDIA 极端协同设计的成果:Grace Blackwell 平台,特别是其 NVLink 72 架构。他将 NVLink 72 比作“美国队长之盾”,将 72 个 GPU 连接成一个巨型虚拟 GPU。这种设计使得每个 GPU 只需为少数“专家”模型子集服务,而非负载整个庞大模型,从而大幅提升了计算效率和令牌生成速度。
根据第三方基准测试,Grace Blackwell 每 GPU 的性能达到了上一代 H200 的10倍。更关键的是,尽管 GB200 系统本身造价高昂,但其生成的每个令牌的成本却是全球最低。这确保了 AI 发展的“良性循环”得以持续:更低的成本驱动更广泛的使用,产生更多利润以投入更强大的计算,进而催生更智能的模型。
黄仁勋透露,NVIDIA 对 Blackwell 以及下一代 Rubin 平台早期需求的可见性已达到“5000亿美元”(不包括中国市场)。相比之下,前代 Hopper 整个生命周期出货了 400 万颗 GPU,而 Blackwell 仅在最初几个季度就已出货 600 万颗(每颗包含两个 GPU),预计后续五个季度将交付相当于 2000 万颗 GPU 的 Blackwell 产品,增长速率是 Hopper 的五倍。这直观地反映了市场对 AI 算力的狂热需求。
演讲中播放了一段展示 Blackwell 芯片在美国制造过程的视频,从亚利桑那州的硅片开始,到印第安纳州的 HBM 堆叠,再到得克萨斯州的最终组装。黄仁勋特别提到,将制造带回美国是“必要的”,关乎国家安全和经济就业。他透露,在相关倡议提出后仅九个月,Blackwell 已在亚利桑那州进入全面生产。
黄仁勋还预览了下一代 Rubin 平台,展示了其第三代 NVLink 72 机架规模计算机,并强调其将实现“完全无缆化”和 100% 液冷。他宣布 NVIDIA 正在构建一个名为“Omniverse DSX”的 AI 工厂数字孪生蓝图,允许合作伙伴在物理工厂建成之前,就在数字世界中协同设计、模拟和优化从建筑、电力、冷却到 AI 基础设施的整个系统,从而大幅缩短建设时间。
量子计算、6G 与国家级合作:布局下一代基础设施
除了 AI,黄仁勋还宣布了在量子计算和通信基础设施领域的重大进展。
在量子计算方面,NVIDIA 发布了“NVQ Link”互联架构,旨在将量子处理器(QPU)与 GPU 超级计算机直接连接。量子比特极其脆弱,需要复杂的纠错机制,而纠错本身需要强大的经典计算能力。NVQ Link 和 CUDA-Q 开放平台使得研究人员能够进行量子纠错、设备校准以及量子-经典混合模拟。黄仁勋宣布,已有 17 家量子计算公司和 8 个美国能源部(DOE)国家实验室支持这一新架构。
紧接着,他宣布了另一个重磅消息:美国能源部正与 NVIDIA 合作,建造七台新的 AI 超级计算机,以推进国家科学事业。黄仁勋盛赞了能源部长 Chris Wright 推动美国保持科学领先地位的决心。
在通信领域,NVIDIA 宣布与全球第二大电信设备制造商诺基亚建立重要合作伙伴关系,共同推动 6G 革命。NVIDIA 推出了全新的“NVIDIA Arc”产品线,这是一个基于 Grace CPU、Blackwell GPU 和 ConnectX 网络技术的软件定义、可编程的无线通信与 AI 处理融合平台。诺基亚计划将 Arc 技术集成到其未来基站中,并用于升级全球数百万现有基站。
黄仁勋指出,当前全球无线技术很大程度上依赖于外国技术,而 6G 与 AI 的融合(AI for RAN 和 AI on RAN)是一个平台转换的“一生一次的机会”,让美国技术重返通信领域核心。AI for RAN 能利用强化学习实时调整波束成形,提升频谱效率(这消耗全球约 1.5-2% 的电力);AI on RAN 则能在无线电信网络上构建边缘工业机器人云,将计算能力推向网络边缘。
开源模型、企业赋能与物理 AI 的生态系统
黄仁勋强调开源 AI 模型对于开发者、初创公司和国家竞争力的重要性。他宣布 NVIDIA 已成为开源贡献的领导者,拥有 23 个在各类排行榜上领先的模型,涵盖语言、物理 AI、生物学等多个领域。他重申,美国需要在拥有强大专有模型的同时,也引领开源模型的发展。
在企业应用层面,NVIDIA 正将其 CUDA-X 库和 AI 模型深度集成到各大云服务提供商(AWS、Google Cloud、Microsoft Azure、Oracle)以及企业软件巨头的生态中。他特别宣布了两项新的企业合作:
与网络安全公司 CrowdStrike 合作,打造“光速”网络安全系统,部署云端和本地的 AI 安全代理。
与数据分析公司 Palantir 合作,加速其数据处理和商业洞察平台,以应对政府和企业的海量数据挑战。
演讲后半部分聚焦于“物理 AI”——让 AI 理解并作用于物理世界。黄仁勋指出,物理 AI 需要三台计算机协同工作:用于训练模型的 Grace Blackwell(GB200)、用于在数字孪生中模拟和训练机器人的 Omniverse 计算机,以及最终部署在机器人或自动驾驶汽车中的 Jetson Thor 机器人计算机。
他展示了与富士康合作在得克萨斯州休斯顿建设 NVIDIA AI 基础设施系统机器人制造工厂的数字孪生模拟。该工厂在 Omniverse 中完成设计、验证和机器人 AI 训练,然后才进行物理建设。他还提到了与 Figure、Agility、Johnson & Johnson 以及 Disney 在机器人领域的合作,预告人形机器人可能成为“最大的消费电子新市场”之一。
在自动驾驶领域,NVIDIA 宣布了其 DRIVE Hyperion 平台,该平台为汽车制造商提供了一个“机器人出租车就绪”的标准传感器和计算底盘。奔驰、Lucid、Stellantis 等公司已基于此平台设计车辆。更重要的宣布是,NVIDIA 将与 Uber 合作,将基于 Hyperion 的自动驾驶汽车接入全球叫车网络。
总结:双重平台转型与美国的“阿波罗时刻”
在演讲结尾,黄仁勋回顾了美国历史上的创新里程碑,从晶体管、ARPANET 到个人电脑和互联网。他将当前由加速计算和人工智能驱动的时代称为“美国的下一个阿波罗时刻”。
他总结道,世界正同时经历两大平台转型:从通用计算到加速计算,以及从手工编写软件到人工智能。NVIDIA 的 CUDA 和 CUDA-X 生态系统使得其能够触及几乎每个行业,并且现在已经到达了“拐点”,开始像良性循环一样增长。量子计算、6G、开源模型、企业 AI 和物理机器人等领域的进展,共同勾勒出一个由 AI 重新定义工业、科学和社会的未来图景。
整场演讲不仅是对 NVIDIA 技术产品的展示,更是一份关于如何构建国家科技竞争力、重塑制造业、并引领下一次工业革命的雄心勃勃的路线图。黄仁勋传递的核心信息是:通过极端的全栈协同设计、构建开放的生态系统、以及将数字孪生与物理世界深度融合,我们正站在一个新时代的开端,其规模与影响力或将堪比登月计划。
NVIDIA 创始人 Jensen Huang(黄仁勋)谈 AI 工厂、6G 与机器人:加速计算已至拐点撰文:Techub News 整理
在2025 年 10 月于华盛顿特区举行的 GTC 2025 大会上,NVIDIA 创始人兼 CEO Jensen Huang(黄仁勋)进行了长达近两小时的主题演讲。这场演讲不仅是年度最重要的 AI 与计算技术风向标,更因密集发布了涉及 AI 基础设施、6G 通信、量子计算、机器人等多个领域的重磅产品与合作而备受关注。黄仁勋系统性地阐述了 NVIDIA 如何通过“极端协同设计”应对后摩尔定律时代的算力挑战,并勾勒出以 AI 为核心驱动力的下一代工业蓝图。
加速计算的时代:从 CUDA 到 AI 工厂
演讲伊始,黄仁勋回顾了美国科技创新史,并指出我们正处在一个由革命性新计算模型开启的新时代。他强调,加速计算(Accelerated Computing)的拐点已经到来。这并非简单的硬件升级,而是一场持续了三十年的范式转移。NVIDIA 发明 GPU 和 CUDA 编程模型,正是为了解决通用 CPU 无法处理的问题。然而,加速计算需要全新的算法、库乃至重写应用程序,这是一个漫长而艰巨的过程。
黄仁勋将 CUDA-X 生态视为公司的“宝藏”。这超过 350 个库——从用于计算光刻的 cuLitho,到医疗影像 AI 框架 MONAI,再到驱动大语言模型的 Megatron Core——每一个都针对特定领域重新设计了算法,开启了新的市场。他展示了一段完全由模拟生成、毫无人工动画的视频,涵盖了从医疗到制造业、机器人、自动驾驶等各行各业,以此彰显数学与计算机科学的威力,以及加速计算已渗透至所有行业。
然而,AI 的崛起彻底重塑了计算堆栈。黄仁勋指出,过去的软件业是关于创造“工具”(如 Excel、浏览器),而AI 的本质是“工作者”,是能够使用这些工具完成工作的智能体。例如,NVIDIA 内部工程师广泛使用的 Cursor,就是一个能使用 VS Code 工具编写代码的 AI 伙伴。这种转变意味着,AI 将直接参与价值数万亿美元的全球经济生产,而不仅仅是服务于万亿规模的 IT 工具市场。
这催生了对新型计算系统的需求。黄仁勋提出了“AI 工厂”的概念。与传统数据中心运行多种应用、存储文件不同,AI 工厂是高度专业化的设施,其核心任务是高效、低成本地生产“智能令牌”(Tokens)。这些令牌可以是文本、图像、蛋白质结构或机器人动作指令。AI 工厂需要实时处理上下文、分解问题、推理并执行计划,每一步都需要生成海量令牌,这对算力提出了指数级增长的需求。
“人们过去常说推理很简单,训练才是难点,”黄仁勋说,“但思考怎么会是简单的? regurgitating 记忆内容是简单的,思考是困难的。”他阐述了 AI 发展的三个技术阶段:预训练(学习基础能力)、后训练(学习技能)以及“思考”(基于新知识的持续推理与交互)。后两者,尤其是“思考”,给计算基础设施带来了前所未有的压力。
更关键的是,AI 行业在去年迎来了转折点:模型已经足够智能,值得人们为之付费。从 Cursor、11 Labs 到 OpenAI、Claude,付费使用成为常态。这形成了一个双重指数增长的飞轮:模型越智能,使用越多;使用越多,所需算力越大;更多算力投入使得模型更智能。然而,在摩尔定律已近终结的背景下,如何满足这种指数需求?
黄仁勋的答案是:极端协同设计(Extreme Co-design)。NVIDIA 是当今唯一能从空白纸张开始,同步思考新计算机架构、芯片、系统、软件、模型架构和应用的公司。最新的 Grace Blackwell NVLink 72 系统正是这一理念的体现。它并非单个芯片的升级,而是将 72 个 GPU 通过 NVLink 互联成一个巨型虚拟 GPU,并针对未来 AI 模型(如混合专家模型 MoE)的特点进行优化。结果是,尽管晶体管数量仅翻倍,但其每 GPU 性能达到了上一代 H200 的 10 倍,同时实现了全球最低的令牌生成成本。
黄仁勋透露,NVIDIA 已经获得了价值5000 亿美元的 Blackwell 及早期 Rubin 订单可见性(不包括中国及亚洲部分地区),这相当于 Hopper 整个生命周期收入的五倍。他播放了一段视频,展示了从亚利桑那州的硅片到德克萨斯州组装完成的 Blackwell 超大规模系统的美国本土制造过程,并强调“我们正在美国再次制造”。
展望下一代,黄仁勋展示了代号为“Vera Rubin”的第三代 NVLink 72 机架级计算机。它采用全液冷、无电缆设计,并引入了新的“上下文处理器”(Context Processor),以应对 AI 需要处理越来越长上下文(如阅读大量 PDF、观看视频)的趋势。连接所有这些处理器的 NVLink 交换机的带宽,相当于全球互联网的峰值流量。
重塑通信、量子与产业生态
除了核心的 AI 计算,黄仁勋宣布了多个进军新领域的重磅计划。
6G 与通信:NVIDIA 推出了全新的产品线——NVIDIA ARC(Aerial Radio network Computer,空中无线网络计算机)。ARC 基于 Grace CPU、Blackwell GPU 和专为应用设计的 ConnectX 网络技术构建,运行名为 Aerial 的 CUDA-X 库。其核心是创造一个软件定义、可编程的计算机,能够同时进行无线通信和 AI 处理。NVIDIA 已与全球第二大电信设备商诺基亚达成合作,诺基亚将把 ARC 作为其未来基站的核心,并与现有 AirScale 基站兼容,这意味着全球数百万基站可通过软件升级获得 6G 和 AI 能力。黄仁勋指出,AI 将用于 RAN(无线接入网)以提高频谱效率,同时也能在 RAN 之上构建边缘工业机器人云,这类似于 AWS 在互联网之上构建云计算。
量子计算:NVIDIA 发布了 NVQ Link,一种直接将量子处理器(QPU)与 NVIDIA GPU 连接的新互联架构。量子纠错需要极高的数据吞吐量和极低的延迟,NVQ Link 正为此而生。同时,其开放平台 CUDA-Q 已扩展至支持 QPU,使 QPU 与 GPU 能够在微秒级延迟内协同工作。黄仁勋宣布,已有 17 家量子计算公司和 8 个美国能源部(DOE)下属国家实验室支持 NVQ Link。此外,DOE 正与 NVIDIA 合作建造7 台新的 AI 超级计算机,以推进美国科学前沿。
企业应用与网络安全:NVIDIA 正将其库和模型深度集成到企业软件生态中。黄仁勋宣布了与 CrowdStrike 的合作,旨在利用 AI 打造“光速”网络安全防御系统。同时,NVIDIA 也将与 Palantir 合作,加速其 Ontology 平台的数据处理能力,为政府和企业的海量结构化和非结构化数据提供实时洞察。
开源模型:黄仁勋强调开源模型对于研究人员、初创公司和各行各业至关重要,美国必须在开源领域保持领先。NVIDIA 目前是开源贡献的领导者,在多个排行榜上有 23 个领先模型,涵盖语言、物理 AI、机器人、生物学等领域。
物理 AI 与机器人:数字孪生驱动未来制造
黄仁勋将物理 AI(理解物理世界规律、因果关系的 AI)的实现归结为需要三台计算机:用于训练模型的 Grace Blackwell 超算;用于在数字孪生中模拟和训练机器人或工厂的 Omniverse 计算机(需具备强大的生成式 AI 和计算机图形能力);以及部署在机器人或自动驾驶汽车内部的机器人计算机 Jetson Thor。
他展示了与富士康合作,在 Omniverse 数字孪生中设计、模拟并优化其位于德克萨斯州的 AI 基础设施制造工厂。工厂内的机器人(如 FANUC 机械臂)在 Isaac Sim 中接受训练,AI 视觉代理监控整个流程。这体现了“工厂本身就是一个协调机器人来制造机器人产品的机器人”。
黄仁勋认为,人形机器人很可能成为未来最大的消费电子和工业设备市场之一。他提到了与 Figure、特斯拉(Elon Musk)、Agility Robotics 等公司的合作。特别引人注目的是与迪士尼研究院合作的“Blue”机器人项目,它在一个名为“Newton”的革命性物理仿真平台中学习。黄仁勋强调,观众所见的 Blue 的所有动作都是实时模拟,而非动画。
在更接近商业化的轮式机器人方面,NVIDIA 推出了 Nvidia Drive Hyperion 架构。这是一个“机器人出租车就绪”的标准平台,包含全套传感器(环视摄像头、雷达、激光雷达),旨在为 Lucid、梅赛德斯-奔驰、Stellantis 等汽车制造商以及 Aurora、Momenta、Nuro 等自动驾驶系统开发商提供基础。同时,NVIDIA 宣布与 Uber 合作,未来将把 Hyperion 车辆接入全球网络。
演讲最后,黄仁勋总结道,当前正同时经历两大平台转型:从通用计算到加速计算,以及从传统手工编码软件到人工智能。NVIDIA 通过 CUDA 和 CUDA-X 生态触及几乎所有行业,并已到达增长的拐点。量子计算、开源模型、企业应用、机器人、6G 通信和本土制造共同构成了 NVIDIA 引领下一波工业革命的蓝图。
Brian Armstrong(Coinbase CEO):稳定币将重塑全球支付,AI 代理将驱动机器经济撰文:Techub News 整理
2026 年 3 月,Coinbase 联合创始人兼首席执行官 Brian Armstrong(布莱恩·阿姆斯特朗)做客挪威主权财富基金(Norges Bank Investment Management)旗下播客节目《In Good Company》,与基金 CEO Nicolai Tangen 进行了一场深度对话。作为美国最大加密货币交易所的掌舵人,Armstrong 在节目中回顾了加密行业十余年的发展历程,剖析了稳定币、代币化、AI 代理等前沿趋势,并坦诚分享了其个人对企业经营、监管博弈乃至生命科学投资的思考。本次对话发生在美国加密货币监管立法取得关键进展、稳定币规模持续扩张的背景下,为理解加密技术如何重塑全球金融体系提供了重要视角。
从比特币白皮书到“万能交易所”:加密的进化与 Coinbase 的信任基石
当被问及加密货币如何从无人问津发展到不容忽视时,Brian Armstrong 回忆道,他于 2010 年 12 月首次读到比特币白皮书,被其构建一个去中心化全球价值转移网络的愿景所吸引。最初,只有计算机科学博士、自由主义者等小众群体在互联网论坛上讨论它。比特币作为“数字黄金标准”诞生后,区块链技术迅速演化,催生了商品与股票交易、稳定币、预测市场等多样化的应用。如今,加密货币正在触及金融体系的各个方面——支付、借贷、资本形成——其目标是让全球金融服务更高效、更公平、更自由。
Armstrong 认为,信任的提升主要源于两点:监管的明确化以及大型机构的采纳。欧洲和美国在稳定币立法上取得进展,BlackRock、Apollo 等资管巨头宣布计划将其基金代币化,Visa、摩根大通等也在试验稳定币支付。这些受信任机构的入场,极大地推动了行业的合法化与主流化。
在 Airbnb 的早期工程师经历,让 Armstrong 亲身感受到了传统跨境支付系统的“破碎”。向某些国家汇款成本可能高达 7-10%,且需 3-5 个工作日。此后在阿根廷目睹高通胀对社会文化的破坏性影响,更让他深刻认识到稳健货币体系的重要性。这些经历共同塑造了他对加密货币潜力的信念。
谈及创业初心,Armstrong 表示,企业家必须早于大众看到趋势,且当时不能是共识观点,否则就为时已晚。他坦言自己可能有些“谱系”(指自闭症谱系)特质,这在企业家中比例过高。这种特质让他不那么在意社会 cohesion(凝聚力),更敢于提出“愚蠢的问题”,专注于寻找独特见解,并通过构建酷炫事物来推动文明进步。
对于 Coinbase 的定位,Armstrong 提出了“万能交易所”(the everything exchange)的愿景,即在一个可交易的平台上汇聚所有资产类别——不仅包括数百万种加密资产,还有股票、大宗商品、外汇、预测市场等。他认为加密技术正在革新金融的各个类别,而不仅仅是交易。
在竞争激烈的交易所市场中,Coinbase 的差异化策略是成为加密领域最受信任的品牌。这种信任源于其合规优先的态度、遵守法律、优秀的设计与客服、美国总部背景、上市公司身份及经审计的财报。这使得 Coinbase 为全球机构提供最大的加密服务,托管着全球约 12% 的加密货币资产,远超其他已知公司。这种托管规模带来了用户粘性、定价权和利润空间,进而可以投资于新产品开发。
稳定币:挑战全球支付格局的“三赢”工具
Brian Armstrong 指出,加密货币的波动性常被诟病,但稳定币本身非常稳定。比特币的波动性随着其市值增长和持有者基础扩大(如比特币 ETF、机构持有者、美国政府战略储备等)已显著降低。他坚信,数字美元(稳定币)的价值仍被严重低估,未来可能有百倍甚至千倍的增长空间。
原因在于,全球支付仍存在高摩擦。虽然巴西的 Pix、印度的 UPI 或欧洲的即时银行转账在特定国家内实现了快速廉价支付,但大多数支付方式(如信用卡、SWIFT)在成本、速度和全球可达性这三个维度上无法同时兼顾。信用卡全球可达性好、速度快,但成本高昂(2-3%);SWIFT 全球可达性好,但成本高且慢(需2-3个工作日)。
稳定币是唯一能同时满足快速、廉价、全球可达三大条件的支付轨道。它可以在一秒内将稳定币发送至世界任何地方,成本低于十分之一美分。支付如同水流,总会流向阻力最小的路径,这正是稳定币呈现爆炸式增长的原因(去年约同比增长100%)。Armstrong 预测,越来越多的全球 GDP 将通过稳定币轨道运行。
早期采用者主要是 B2B 跨境支付,这是传统金融体系服务最薄弱的环节。例如,企业从亚洲或欧洲采购货物时,电汇存在外汇风险、结算对手方风险,且可能耗时5天。此外,稳定币也开始用于电子商务、点对点支付和汇款。Armstrong 认为,它最终将渗透到信用卡支付、电商等每一个支付类别。
关于央行数字货币(CBDC)与稳定币的区别,Armstrong 指出,央行官员常表达发行 CBDC 的意愿,但往往难以落地,因为政府擅长制定政策,却不擅长构建软件。最佳模式是政府设定政策,由私营市场提供解决方案——这正是稳定币的发展路径。最大的稳定币均由私营机构发行(在美国遵循监管标准)。
CBDC 还存在隐私担忧,可能演变为某种社会信用评分工具,让政府有能力“关闭”个人的资金。他以中国数字人民币为例,认为中国政府将其视为一种控制工具,而中国民众实际上对去中心化加密货币充满热情。世界其他国家需要选择自己的立场。目前美国更倾向于受监管的私营稳定币。两者可以共存,但私营稳定币行动和创新的速度会更快。
稳定币的大规模发展将对政府债券市场产生重大影响。目前稳定币总市值约3000亿美元,已是美国国债的第16大持有者。这对于美国财政部长来说是好事,因为它增加了对美债的需求。根据美国法规,稳定币底层资产只能持有93天以内的短期美债,风险极低。有趣的是,许多稳定币发行方能够将持有这些短期美债的“奖励”传递给用户,这为用户带来了额外收益。Armstrong 总结道,美元背书的稳定币对美元非常有利,大多数国家都在竞相推出自己的稳定币,以增加本国货币需求和国债吸引力,并推动货币的全球使用。
欧洲已有名为 EURC 的稳定币,但当前97%的稳定币由美元背书。Armstrong 认为,驱动不同稳定币采用的关键因素之一是“奖励”支付能力,即用户能否从底层短期政府债务中获得收益。他避免使用“利息”一词,因为那在法律上关联到银行存款和部分准备金制度,而稳定币是100%准备金,目前这仍是一个法律辩论点。Coinbase 正与五大全球系统重要性银行合作,整合这项技术。
当被问及银行是合作伙伴还是猎物时,Armstrong 明确表示是合作伙伴。最聪明的银行CEO们正在积极拥抱稳定币和加密货币,将其用于更快速、廉价的支付轨道(节省SWIFT费用),用于代币化其基金和资产,并为高净值客户提供加密资产交易服务。Coinbase 通过 Coinbase Prime 和开发者平台帮助各类机构集成加密服务。
对于“稳定币可能吸走银行存款、损害消费者”的银行界担忧,Armstrong 认为这种张力在现有金融体系中已然存在。货币市场基金规模约7万亿美元,银行在美联储持有约3万亿美元以获得短期利率,而稳定币仅3000亿美元,相形见绌。很大一部分存款对利率不敏感,人们会继续留在银行。如果人们选择在加密钱包持有稳定币并获得更高奖励,这只是银行未来可能需要竞争的一个方面,但短期内影响不大。
监管、竞争与未来挑战:从华盛顿到量子计算
关于代币化对大型资管公司商业模式的影响,Armstrong 持乐观态度,认为这将为其基金和产品创造更多需求,实现民主化访问,并大幅降低后台运营成本和费用。代币化本质上是为底层资产创建一对一的数字代表,稳定币是美元代币化的成功先例,未来将扩展到房地产、私募信贷等所有资产类别。
如果能够改变美国监管的一件事,Armstrong 希望是明确加密货币的“市场结构立法”。美国已通过关于稳定币的首个法案,第二个法案旨在澄清所有非稳定币加密资产的监管,核心是界定何为商品、何为证券。美国商品期货交易委员会和证券交易委员会的分权监管造成了过去的模糊地带。而在英国、新加坡等国,单一联邦监管机构使这不是问题。明确这一界限将为加密证券、资本形成方式以及资产如何充分去中心化成为商品带来巨大 clarity(清晰度)。
对于美国宣称要成为“世界加密之都”,Armstrong 提到特朗普总统积极拥抱该技术趋势,希望将其带回美国本土,担心因监管不明确导致过多业务流向海外。美国政府态度的转变也引发了全球其他国家的竞争。作为CEO,他观察到全球各地对加密技术的态度时有变化,Coinbase 的策略是投资于那些监管清晰、环境友好的地区,并持续评估政治格局。
随着加密行业成熟,制裁和金融犯罪将如何应对?Armstrong 强调,方式与今天类似,通过受监管的金融机构或中介(如 Coinbase)遵循反洗钱和了解你的客户法规。早期存在比特币是匿名的误解,但事实是区块链是公共账本,交易可追踪。在 Coinbase 开户需上传身份证件,并进行交易监控。犯罪活动会被报告,并配合执法部门。数据显示,用于非法目的的加密货币交易占比略低于0.5%,而美元现金的该比例约为4%。现金仍是犯罪首选,加密资产实际上比现金更可追溯。
量子计算对加密的影响是一个更广泛的议题,将波及整个密码学和技术领域。如果出现强大的量子计算机,将影响金融交易、登录密码、所有加密数据等。但这不会终结加密货币,因为所有系统都需要升级到后量子加密算法。Coinbase 已组建密码学专家顾问委员会,提前布局,确保比特币和以太坊网络能够顺利升级。比特币开发社区已定期开会讨论下一代抗量子算法。Armstrong 认为,近期比特币价格下跌与量子计算担忧关系不大,通胀、宏观事件等才是更可能的原因。
AI 代理、政治博弈与生命科学的长期主义
在 AI 应用方面,Coinbase 行动迅速。随着 AI 模型进步,公司内部大力推动 AI 优先 mentality(思维模式)。目前,软件工程团队超过50%的代码由 AI 编写,约60%的客服工单由 AI 处理,合规自动化也显示出巨大的成本节约潜力。
最有趣的趋势是AI 代理开始使用稳定币进行交易,这一新兴领域被称为“代理商务”。Armstrong 相信,未来 AI 代理的数量将超过人类。AI 代理无法开设银行账户(需要政府颁发的人类身份证件),但完全可以拥有稳定币钱包。Coinbase 已构建了优秀的基础设施和工具,让 AI 代理能够创建自己的稳定币钱包并进行交易。例如,AI 代理可以代表用户预订行程、支付票务酒店费用;软件开发 AI 代理可以注册域名或在 AWS、GitHub 上启动资源;AI 代理之间也可以相互交易,实现机器对机器支付。由于稳定币支付快速、廉价且全球通用,未来每日交易量可能会增加数个数量级,单笔金额可能较小。
目前该领域尚处早期,但增长迅速。Coinbase 约5个月前推出的 X402 协议,使得在任何网络请求中附加稳定币支付变得容易,现已处理了1亿笔交易。Armstrong 预计未来几年该领域每年可能增长2到5倍。
为了推动公司内部 AI 应用,Armstrong 曾要求所有工程师在一周内试用 Cursor、Claude 等 AI 工具,否则需在周六与 CEO 开会说明原因。此举旨在树立明确的上层基调,即公司必须掌握最新工具以保持竞争力。最终仅一人因拒绝尝试且无正当理由而被解雇。
从2020年宣称“远离政治”到2025年成为华盛顿有影响力的参与者,Armstrong 解释称,公司始终专注于其“增加全球经济自由和加密采用”的使命,并就此开展政策工作。但在其他全球议题上保持中立,以免分散注意力。上一届美国政府中,SEC 主席和某位参议员对加密行业持强烈反对态度,发起大量诉讼,试图非法扼杀该行业。为此,Coinbase 不得不参与诉讼,并建立政策游说能力,包括资助草根选民组织和支持超级政治行动委员会。虽然作为工程师背景的 CEO 更偏爱产品开发,但当监管清晰度成为业务增长的瓶颈时,构建政策能力变得至关重要。在 Marc Andreessen 等董事会成员的劝说下,Armstrong 意识到这是行业实现全部潜力的必要条件,并逐渐在此过程中找到了乐趣。
对于公司股价波动导致个人身价剧烈起伏,Armstrong 表示,在加密世界的波动中成长让他们对此有所准备。作为上市公司虽然带来了市场情绪剧烈波动的挑战,但也使 Coinbase 成为“房间里最成熟的参与者”,赢得了机构客户的信任,更容易进行融资。去年被纳入标普500指数是一大进步,带来了更多长期机构持有者。
最后,Armstrong 分享了他对长寿生物科技公司 New Limit 的投资。在 Coinbase 上市获得流动性后,他思考如何利用资本加速世界进步。在审视了 AI、能源、太空、脑机接口等重大技术趋势后,他发现长寿领域缺乏优秀的公司,多是一些“蛇油”产品。于是他联合创办了 New Limit,专注于表观遗传重编程技术,即重新编程细胞以恢复其年轻时的功能。该公司进展快于预期,三年内已在人类细胞上成功演示,预计明年将启动首个药物临床试验。
现年43岁的 Armstrong 认为,在我们有生之年,有50%的可能性达到“长寿逃逸速度”,即医学进步速度超过衰老速度,人们可能因意外而非衰老死亡。他提到,AI 正在助力创建细胞虚拟模型,允许在计算机中进行“硅基”临床试验;单细胞多组学技术的成本正以类似摩尔定律的速度下降,使得大规模筛选成为可能。他展望在2030-2035年间可能出现突破性疗法。对于脑机接口,他虽有兴趣并进行了投资,但并未直接参与建设。
给年轻人的建议?Armstrong 强调,任何技能都需要大量迭代才能精进。他大学时创业并未成功,尝试多次后才找到方向。关键在于行动产生信息,不要空想,要有主动性和担当,愿意踏入未知、显得愚蠢、跌倒重来。大多数尝试最初都不会成功,但需要固执、决心和不怕出丑的精神。他引用史蒂夫·乔布斯的话,要“保持饥饿,保持愚蠢”。IBM,已将AI定为“运营模式”……整合红帽、押注量子计算IBM在年度活动"IBM Think"上,将人工智能(AI)定义为企业的新一代"运营模式",提升了自身存在感。IBM首席执行官阿文德·克里希纳提出,AI不仅是工具,更是驱动企业整体业务的核心架构。IBM还透露了其构想:将自身平台定位为控制AI和量子计算基础设施的"控制平面"。
此次活动中,市场关注的焦点是,随着AI的扩散,企业内部正在涌现新的角色群体。The Cube Research将此描述为"AI构建者"的崛起。这意味着,即使不是开发者,具备商业或数据分析背景的员工也能通过向AI模型输入指令来执行任务的时代正在开启。不过,现场也有分析认为,这种变化尚未进入成熟阶段。
The Cube Research首席分析师约翰·弗里尔将当前企业AI应用水平比作不熟练的新手驾驶。他指出,许多企业已开始驾驶AI这辆"车",但由于控制、规则和运营经验不足,风险也在同步增大。这意味着,尽管AI部署推进迅速,但在治理、安全以及与实际业务系统的精密连接方面,仍任重道远。
红帽平台,能否成为AI战争的武器?
IBM的核心课题在于,以红帽为中心的生态系统能否与当前的AI强者竞争。IBM近几年正从服务型企业形象重新转向产品型企业,而本次IBM Think正是展示其未来蓝图的舞台。不过,市场部分观点认为,克里希纳CEO未能足够有力地凸显IBM的潜力。
弗里尔评价克里希纳CEO是一位技术理解度极高的领导者,但同时认为他需要像领导英伟达的黄仁勋那样,以更强烈的信息来提升市场信任。他分析指出,如果能更清晰地阐释为何收购红帽是正确的选择,以及这与IBM当前AI战略如何关联,市场反应可能会更加强烈。
The Cube Research首席分析师戴夫·维兰特指出,红帽平台是一个"有效的平台",但目前仍接近于一种松散集成的形态。相比像甲骨文($ORCL)、英伟达($NVDA)、谷歌那样将完整的集成堆栈摆在台前,IBM更侧重于强调生态系统互通和选择性。不过,由于IBM拥有红帽,未来仍有向更深集成战略扩展的可能性。
IBM的下一个胜负手:量子计算
在此次活动中,克里希纳CEO不仅提及AI,还强烈将"量子计算"定位为基础设施的未来。The Cube Research预测,量子计算领域可能会迎来所谓的"ChatGPT时刻",并评估称,这一时刻若变为现实,IBM很有可能占据市场主导地位。
维兰特指出,目前IBM能明确称得上第一的产品线大概只有大型主机,而量子计算可能成为IBM再次夺取独一无二领先地位的领域。他解释说,在数据库方面甲骨文、存储方面戴尔占据优势的背景下,量子计算是有望再现IBM昔日辉煌的新核心品类。
这引发了进一步的解读:IBM在AI竞争中并非只追逐短期软件需求,而是志在长期成为融合AI与量子计算的下一代基础设施提供商。在企业AI市场从模型竞争转向运行环境竞争的潮流中,IBM是少数同时具备硬件、软件和研发能力的公司之一。
SpaceX与Anthropic交易揭示的"算力短缺"现实
本周AI行业的另一个热点是SpaceX与Anthropic的意外交易。据报道,由埃隆·马斯克领导的SpaceX已签署协议,向Anthropic提供其计算资源。市场将此解读为一个案例,表明AI时代最大的制约因素最终是"算力"和电力。
维兰特认为,如果能够像CPU、高带宽内存(HBM)、NAND、GPU那样,真正制造出AI基础设施所需的半导体,需求将持续存在。但他解释说,真正的制约是电力,在电力短缺的环境下,"每瓦性能"将成为最重要的标准。他评估称,在这方面,英伟达仍最有可能保持最强竞争力。
尽管英特尔($INTC)股价因近期与苹果($AAPL)相关的合同报道上涨了5%,但The Cube Research更关注英特尔与英伟达关系的变化。特别是,随着被称为"新云"的新兴云服务商吸收AI基础设施需求,分析认为,英伟达支持这些服务商的战略长期可能产生巨大效果。
弗里尔表示,未来资本分配和执行的效率将决定AI设备投资竞争的胜负。由于AI需求在亚马逊云服务、微软Azure、谷歌云等传统超大规模云服务商之外也在增长,新云的角色可能会扩大。分析认为,英伟达正通过增加这类新买家来提升议价能力,从而在棋局中占据有利位置。
IBM Think留下的信息很明确:AI已超越实验阶段,正在向企业的"运营模式"转变。在此过程中,平台集成能力、计算基础设施、电力,以及长远的量子计算,很可能决定胜负。IBM展现了借助红帽和量子计算站在这场变革中心的意愿,但要完全赢得市场信心,似乎还需要更强的执行力与更清晰的叙事。
TP AI注意事项
本摘要使用了基于TokenPost.ai的语言模型生成。正文主要内���可能被省略或与事实不符。量子计算公司 IonQ 收购 SkyWater Technology 以转向垂直整合Techub News 消息,量子计算公司 IonQ 宣布收购半导体制造商 SkyWater Technology,旨在转向垂直整合模式,提升内部能力并加速创新。此次收购预计将重塑量子计算行业格局。
(Crypto Briefing)Ripple 为 XRP Ledger 准备后量子加密,以应对量子计算威胁Techub News 消息,Ripple 正在为 XRP Ledger 准备后量子加密方案,以在所谓的“Q-Day”(量子计算机足以破解当前加密技术之日)到来前应对量子计算带来的安全威胁。该公司表示,正在评估多种后量子密码学算法,并计划在未来几年内将其集成到 XRPL 中,以保护网络免受未来量子攻击。
(CoinDesk)StarkWare 完成抗量子计算比特币主网交易Techub News 消息,加密技术公司 StarkWare 完成抗量子计算比特币主网交易,该交易在区块 964,199 得到确认,利用现有脚本规则无需网络升级。
该方案基于哈希原像抗性创建计算难题,借助 Slipstream 服务绕过中继限制。目前单笔交易成本约 75 至 150 美元,仅作为临时措施,比特币仍需软分叉以实现可扩展方案。(U.Today)a16z crypto 探讨量子计算威胁比特币及以太坊签名Techub News 消息,a16z crypto 发布最新研究讲座,Stanford 密码学家 Dan Boneh 在内容中探讨了量子计算机或能伪造比特币及以太坊交易签名的可能性,并分析了在相关风险实现前升级两大网络所需的条件,以及区块链为何可能转向后量子密码学方案。
目前比特币和以太坊等主流区块链网络普遍采用椭圆曲线数字签名算法保障交易安全,但理论上足够强大的量子计算机可破解此类签名。随着量子计算技术持续发展,加密货币行业正关注后量子密码学的升级路径,以应对未来潜在的安全威胁。Particle 研究员称需主动升级加密技术应对量子计算威胁Techub News 消息,Particle 研究员 P3b7_ 在采访中表示,无需担忧量子计算机何时出现,关键在于通过密码学技术确保系统安全信任,一旦该信任被侵蚀就需立即升级。他强调应主动应对“Q-Day”(量子计算威胁日),而非被动等待。该评论发表于行业对量子计算冲击现有加密体系的持续讨论中。
(@laurashin)IBM 连接首个量子计算模块化低温系统Techub News 消息,IBM 宣布已完成其首个量子计算模块化低温系统的连接,这是其构建以量子为中心的超级计算机路线图中的关键里程碑。
该系统基于 IBM 2023 年推出的 Quantum System Two 平台,通过与 Bluefors 合作开发的模块化低温平台实现多模块互联。新设计将冷却与布线分离,可支持单模块 800 公斤负载,解决了传统量子计算机因布线增加导致的热量和空间瓶颈,为 2029 年实现容错量子计算奠定基础。(CryptoBriefing)以色列启动主权量子计算项目,关注加密安全威胁Techub News 消息,以色列国家人工智能理事会于 8 月 4 日发布 Project Nexus 招标,计划建设国产主权量子计算平台。该项目预算约 16.6 亿美元,旨在实现 AI 与量子技术主权。
量子计算机可破解比特币等使用的公钥加密算法,对暴露公钥的休眠钱包构成风险。Vitalik Buterin 等开发者已在推进抗量子加密研究,但主流网络采用仍处于早期阶段。(CryptoBriefing)香港金管局推银行量子计算框架应对代币化金融发展Techub News 消息,香港金管局推出框架评估银行量子计算准备情况,目标在 2030 年前实现全行业准备就绪,以应对代币化金融的扩展。
随着代币化金融快速发展,量子计算可能威胁现有加密安全体系。该框架旨在帮助金融机构提前布局,防范潜在风险,确保数字资产交易安全。(Cointelegraph)资管公司 Galaxy Digital 设 500 万美元基金应对量子计算威胁Techub News 消息,加密资管公司 Galaxy Digital 发起一项 500 万美元资助计划,旨在支持开发保护比特币网络免受未来量子计算威胁的技术方案。
Galaxy Digital 是由 Mike Novogratz 创立的加密货币资产管理和投资银行公司,专注于数字资产领域投资与金融服务。随着量子计算技术快速发展,传统加密算法面临潜在破解风险,加密货币行业正加速推进抗量子密码学研究以保障区块链网络长期安全性。(Cointelegraph)Vitalik:量子计算机最早 2028 年或威胁以太坊和比特币Techub News 消息,@cryptorover 发推称,以太坊创始人 Vitalik Buterin 认为量子计算机最早可能在 2028 年对以太坊和比特币的网络安全构成威胁。
这是关于量子计算对区块链加密算法潜在威胁的长期讨论,目前传统计算机尚无法破解现有加密技术,但未来具备足够算力的量子计算机可能破坏现有安全机制。撰文:Techub News 整理 导语 2025 年 5 月,Alphabet 兼谷歌 CEO 桑达尔·皮查伊(Sundar Pichai)罕见地接受了 All-In Podcast 的深度专访。在长达一小时的对话中,皮查伊直面了当前市场对谷歌在 AI 浪潮中可能面临“颠覆者困境”的核心质疑。作为执掌这家科技巨头近十年的领导者,皮查伊的此次发声,不仅是对外界疑虑的集中回应,更是系统性地阐述了谷歌将如何利用其长达二十余年的技术积累——从基础设施到前沿研究——来驾驭并引领这场 AI 革命。本次对话涵盖了搜索的未来、AI 商业模式、芯片战略、能源约束、量子计算以及机器人等广泛议题,为我们理解谷歌在下一个十年的战略方向提供了关键窗口。 摘要 皮查伊坚信 AI 是搜索的“非凡机遇”,而非零和游戏的颠覆者,AI 概览(AI Overviews)等新功能正在扩大搜索的查询范围和用例。 谷歌的核心优势在于其全栈式技术积累,从 TPU 芯片、全球数据中心网络到跨领域的基础研究,这使其能在控制成本的同时持续推动模型创新。 面对 OpenAI、微软、Meta 等激烈竞争,皮查伊认为 AI 创造的将是一个比过去所有技术总和更大的市场,成功的关键在于持续创新和执行。 谷歌在量子计算、机器人(物理 AI)等领域进行长期、耐心的投资,视其为类似早期 AI 的基础性突破,预计未来 3-5 年将迎来关键进展。 皮查伊承认文化管理是持续挑战,近期重点在于重拾“使命聚焦”,激发类似谷歌早期创业阶段的强度与乐观精神,以应对 AI 时代的竞争。 AI 是搜索的进化,而非颠覆 访谈开场便直指核心:在聊天式 AI 重塑人机交互的今天,谷歌的核心搜索业务是否面临被真正颠覆的风险?桑达尔·皮查伊(Sundar Pichai)的回答明确而坚定。他回顾道,自 2015 年担任 CEO 起,他便将谷歌定位为“AI 优先”的公司,因为团队深信 AI 将是驱动搜索最大进步的动力。因此,当前时刻对他而言并非威胁,而是搜索的“非凡机遇”。 皮查伊用数据佐证了他的观点。谷歌约一年前推出的“AI 概览”(AI Overviews)功能,如今已被超过 15 亿用户使用,覆盖 150 多个国家。这不仅没有蚕食传统搜索,反而扩大了用户查询的类型和范围,带来了全新的使用场景。在触发 AI 概览的查询中,谷歌观察到了查询量的增长,且增长具有持续性。他透露,实验室中正在测试一个全新的、名为“AI 模式”的专用搜索 AI 体验,将在谷歌 I/O 大会上详述。在该模式下,用户可以进行完整的对话式追问,谷歌最前沿的模型将利用搜索作为原生工具来回答问题。 “用户正在用行动回应,”皮查伊指出,用户输入的查询平均长度已是两三年前的两到三倍,有时甚至是长段落。这改变了搜索的形态。针对“创新者困境”的经典命题,皮查伊认为困境只存在于你将其视为困境之时。他援引了移动转型和 TikTok 崛起后 YouTube 依然蓬勃发展的例子,指出科技史上每一次重大创新周期,都需要全力投入。“这有点像谷歌最初的原则之一:跟随用户,其他一切自会跟随。” 商业模式过渡:成本可控,广告逻辑依旧 当对话转向敏感的商业模式——即更昂贵的 AI 查询是否会破坏谷歌搜索“查询成本”与“单次查询广告收入”之间精妙的单位经济学时,皮查伊展现了基于基础设施优势的自信。 他承认两年前业界普遍担忧成本问题,但他始终认为,就服务成本而言,他愿意押注谷歌的基础设施能力能够比几乎所有其他公司都做得更好。事实也证明,在过去 18 个月里,服务单次查询的成本已大幅下降。目前更主要的约束在于延迟,而非成本。如何让 AI 体验达到搜索近乎即时的速度,是当前更重要的前沿问题。 关于 AI 查询的广告收入,皮查伊表示,在已经展示广告的 AI 概览中,其效果基准已与传统搜索持平。“我们已经达到了那个阶段。”他进一步从第一性原理分析:广告在搜索中行之有效,是因为商业信息本身就是用户意图的一部分。AI 没有理由不能在这方面做得更好。因此,他对平稳过渡商业模式感到“安心”,尽管部分调整可能需要时间,但所有指标都显示谷歌能够很好地完成这一过渡。 基础设施与芯片:谷歌的“全栈”护城河 皮查伊多次强调,谷歌一个核心且常被低估的优势是其长达二十多年的基础设施投资。从早期可海运的集装箱数据中心,到如今遍布全球的网络,这构成了竞争力的基石。在 AI 时代,这一优势直接体现在性能与成本的帕累托前沿上——谷歌能够以最具成本效益的价格点提供最好的模型。 关键组件之一便是谷歌自研的 TPU 芯片。皮查伊提到,谷歌在 2017 年发布了第一代 TPU,如今已发展到第七代。最新的 “Ironwood” 芯片单块算力超过 40 Exaflops。这些专门为机器学习优化的芯片,尤其在推理环节表现出色,是谷歌有信心以巨大规模服务 AI 搜索查询的重要原因。他表示,谷歌的“全栈”方法——从底层基础设施、基础研发到上层应用创新——将长期为公司带来优势。 关于芯片战略,皮查伊澄清了与英伟达的关系。他盛赞英伟达是“非凡的公司”,CEO 黄仁勋(Jensen Huang)也很出色,双方合作历史悠久。谷歌内部既用 TPU 训练 Gemini 模型,也在 GPU 上服务部分流量,并为云客户提供选择。他认为行业内的公司都会尝试类似(自研芯片)的路径,但英伟达的研发能力和软件栈是世界级的,拥有诸多优势。谷歌的长期策略是保持 TPU 和 GPU 并用的灵活性,两者相互促进,共同推动技术前沿。 模型创新未达瓶颈,数据优势在于个性化 针对外界关于大语言模型性能开始“高原化”、竞争者差异缩小的论调,皮查伊并不认同。他将进步过程比作“人工 jag jag 智能”,即进展并非总是线性的,会经历看似缓慢的时期,然后出现范式突破。过去几年,行业在预训练、后训练、推理计算等方面不断推进,如今又在研究如何将所有技术整合到智能体工作流中。他感觉进步相当持续。 “进步确实会变得更难,而这将区分出精英团队,”皮查伊认为,问题越难,谷歌的准备就越充分。谷歌的研究前沿远比大多数公司更广阔,不仅限于 LLM 或基于 Transformer 的模型,在扩散模型等众多领域都在进行深度探索。他尚未看到计算投入回报递减的根本性拐点出现。 当被问及谷歌是否拥有来自 YouTube 等产品的独特数据优势时,皮查伊的回应侧重于用户体验而非单纯的数据训练。他认为,谷歌的机会在于利用用户使用 Gmail、日历、文档、YouTube、搜索等产品时产生的个人上下文(在获得用户许可的前提下),来提供更优质、更个性化的体验。他将此视为公司未来差异化的创新机遇之一,目前正在审慎推进。 未来交互:无缝、环境计算与 AR 眼镜 展望未来 5 到 10 年的人机交互,皮查伊描绘了一个“无缝”的愿景:人类需要做的“硬性适应”工作越来越少,计算将主动为人服务。他认为这是“圣杯”,而触摸、语音等技术正在一步步迈向这个未来。 他特别看好增强现实眼镜的前景。作为眼镜佩戴者,他亲身体验了 AR 眼镜,虽然目前舒适度尚不及普通眼镜,但正在改善。他相信,当 AR 真正成熟时,它将把无缝体验推向新高度,让计算“环境化”地存在并为你服务。他指的并非沉浸式显示设备,而是 AR 眼镜。结合真正多模态的模型,他认为这一范式非常有趣,能让人感受到下一次飞跃。他将当前 AR 的发展阶段类比于 2006-2007 年的智能手机,可能还需几个周期才能达到理想状态。 皮查伊证实,谷歌在硬件上投入了大量时间,不仅限于 Pixel 手机和数据中心,也对 AR 眼镜、机器人等新形态感到兴奋。 竞争格局:AI 市场足够大,创始人深度参与 面对 OpenAI(萨姆·奥尔特曼 Sam Altman)、xAI(埃隆·马斯克 Elon Musk)、Meta(马克·扎克伯格 Mark Zuckerberg)和微软(萨提亚·纳德拉 Satya Nadella)组成的强大竞争对手矩阵,皮查伊展现了开放与务实的态度。他称赞这是一个“令人印象深刻的群体”,汇集了最好的公司和企业家。竞争的存在恰恰预示着我们将看到巨大的进步。 他特别提到2025 年 5 月与埃隆·马斯克(Elon Musk)的会面,钦佩其“将未来技术变为现实的意志力无与伦比”。皮查伊强调,AI 将开启一个比过去所有技术总和更大的机遇版图。他提醒人们,互联网兴起时,谷歌甚至还不存在。未来 AI 领域的赢家可能包括许多尚未诞生的公司。因此,格局并非简单的“谁击败谁”,而是关于哪些公司能够通过创新和执行,携手最优秀的人才取得成功。 皮查伊还分享了谷歌联合创始人拉里·佩奇(Larry Page)和谢尔盖·布林(Sergey Brin)的深度参与。他经常与两人交流,称赞他们很早就预见了 AI 的今天,并认为这是计算机科学领域最激动人心的时刻。谢尔盖·布林更是以“硬核”方式投入,与 Gemini 团队坐在一起编码、查看损失曲线、反馈模型架构,为团队注入了无与伦比的能量。皮查伊珍视与两位创始人“非线性思维”碰撞带来的灵感。 长期押注:量子计算与机器人 谷歌以对前沿技术进行长期、耐心投资而闻名,如 TPU、DeepMind、Waymo。皮查伊以同样视角看待量子计算和机器人。 他将量子计算目前的发展阶段类比于 2015 年左右的 AI。他预计在未来 5 年时间框架内,将会出现一个真正的“顿悟时刻”——用量子方式完成一项非常有用的实际计算,且远超经典计算机,从而真正展现该领域的潜力。他对此充满信心。谷歌的目标是通过云平台展示更多实用算法,并提供访问。皮查伊认为,就像无人驾驶领域曾充满噪音一样,量子领域目前也有很多宣布,但谷歌自认为处于前沿。 在机器人领域,皮查伊承认谷歌曾过早尝试应用层(如收购波士顿动力后又出售),当时机器人尚未深度受 AI 影响。如今,“AI + 机器人”的结合点已经到来。谷歌拥有世界级的机器人前沿研发团队,Gemini 在视觉-语言-动作模型方面的努力也属顶尖。他们正在思考如何通过合作或推出产品来参与其中。皮查伊观察到,人形机器人的进步神速,以至于他需要仔细辨别视频真假。他预测,距离机器人领域的“神奇时刻”可能还有两到三年。谷歌旗下公司 Intrinsic 正致力于成为“机器人领域的安卓”,而 Gemini 模型也将成为机器人领域的强大基础模型。 文化、人才与未来展望 针对谷歌文化从早期创新乐园演变为“骄纵员工”避风港的外部批评,皮查伊进行了辩护与反思。他解释,提供午餐等福利的初衷是创造积极、乐观、便于跨领域交流的创新氛围,这至今仍是谷歌吸引顶尖人才、激发基层创新的力量源泉。但他也承认,随着公司规模急剧扩大,有时次要议题会掩盖公司的核心使命。 过去几年,他刻意致力于重拾“使命聚焦”,强调员工聚集于此是为了创新并服务公司使命、产生影响力。当前的 AI 时刻带来的高强度与兴奋感,让他回想起早期的谷歌。他通过创建“实验室”等机制,鼓励小团队快速创新。他认为,文化需要不断微调以忠于核心价值观,出现漂移时则需努力拉回。 在人才争夺方面,皮查伊表示,谷歌在吸引顶尖 PhD 研究员方面依然具有竞争力,也有离职员工回归。他预见,AI 将使全球更多地方涌现出卓越人才,而不仅限于少数传统中心。 关于 Alphabet 作为控股公司的结构,皮查伊澄清,其本质并非单纯财务投资,而是基于共同的基础技术(如 AI)去解决不同领域的问题,从而衍生出看似迥异但内核相连的业务。从 Waymo 到 Isomorphic(基于 AlphaFold 的药物发现公司),都是这一逻辑的体现。 最后,被问及十年 CEO 任期内最大的骄傲与遗憾时,皮查伊对谷歌能够同时推动技术前沿(如获得诺贝尔奖级别的基础研究)并将其转化为商业价值感到无比自豪。至于遗憾,他提到了一些曾激烈辩论但最终未完成的收购,例如 Netflix,但他更倾向于向前看,认为这些是“平行宇宙中的另一种可能”。
