Jensen Huang × All-In: Physical AI, Inference Explosion, AI PR Crisis
⚠️ 与 Dwarkesh 同期那场访谈 有大量话题重叠（对华售芯、TPU/CUDA 护城河、Anthropic 投资等）。本笔记优先突出 All-In 独有的新内容，重复部分一笔带过。
TL;DR
GTC 现场录制的 panel——Brad Gerstner + Chamath + Jason + Freeberg 四人轮流问。最值得记的几条：(1) Nvidia 把 Groq 纳入 CUDA 生态，理由是从”LLM 处理”进化到”agentic 处理”，TAM 增长 33-50%；(2) Physical AI 是 $50T 行业——已是 Nvidia ~$10B 年收入，Jensen 认为”chat GPT moment of digital biology” 5 年内到来；(3) “如果一个 $500K/年工程师只花 $5K tokens 我会 go ape——至少要 $250K”——明确把 token 当 CAD 一样的生产工具定价；(4) 美国 AI 民众支持率仅 17%，Jensen 公开批 Anthropic comms 太极端、“warning is good, scaring is less good”；(5) Anthropic 收入预测 Dario 太保守——Jensen 看好，因为每个 enterprise software 公司都会成为 Anthropic/OpenAI 的 value-added reseller。
术语速查
重复的术语见 Dwarkesh 那篇，这里只列 All-In 新出现的。
| 术语 | 简释 |
|---|---|
| Dynamo | Nvidia 的 AI factory “operating system”，名字来自 Siemens 把水转电的工业革命设备。核心：disaggregated inference |
| disaggregated inference | 把推理 pipeline 拆开，不同部分跑在不同 GPU/芯片上——这是 Groq 整合的技术前提 |
| Groq / LPU | 低延迟推理芯片（Language Processing Unit）。被 Nvidia 收购后纳入 CUDA stack |
| Vera Rubin / Vera Rubin Ultra | Nvidia 下一代 GPU 平台名 |
| Bluefield | Nvidia 的存储/数据处理器（DPU） |
| Mellanox | Nvidia 2020 年收购的网络芯片公司，跟 Bluefield 同源 |
| Omniverse | Nvidia 的虚拟仿真平台，作为”评估机器人/自驾车的物理引擎” |
| Physical AI | Jensen 力推的概念：让 AI 进入物理世界（机器人、自驾、医疗器械等） |
| OpenClaw | All-In 主持人对 Anthropic 开源 agentic 工具的口语化叫法（推测=Open Claude Code 开放版本）。Jensen 把它当”modern computing 的 operating system” |
| Alpamayo | Nvidia 的”reasoning autonomous vehicle”系统（名字来自秘鲁安第斯山峰） |
| agentic processing | 区别于 LLM 简单生成——agent 要用 working memory、long-term memory、tools、跟其他 agent 协作 |
| Auto Research | 一个 GitHub 开源 600 行代码的小项目，能 30 分钟产出原本 7 年 PhD 级研究成果 |
| OpenEvidence / Hippocratic | Jensen 点名的医疗 AI 公司（诊断辅助类） |
| Bit Tensor Subnet 3 | 一个 crypto 项目，全分布式训练了 4B 参数 llama，Chamath 称为”现代版 folding@home” |
| Meta SL | Meta Superintelligence Labs，2025 重组的 Meta AI 部门 |
| GSI | Global System Integrator，做企业 IT customization 的咨询公司（Accenture、Deloitte 等） |
| Department of War | 美国国防部（DoD）现行名称 |
全篇主线
GTC keynote 后立刻录制，所以 panel 顺着 Jensen 演讲的几个新公告走：Dynamo 操作系统 + Groq 收购 → Physical AI 三计算机（训练 / Omniverse 仿真 / Edge）→ OpenClaw 是 modern computing 的 OS → 推理量两年 10,000x → token 是新一代生产工具。中段切到 AI 公关危机和对华政策，与 Dwarkesh 那次有重叠（但这次 Jensen 直接点名 Anthropic）。后半进入空间数据中心、healthcare、robotics 三个长尾业务，最后 Jensen 给年轻人的建议结尾。
1. 收购 Groq + Dynamo 操作系统 [00:26–08:53]
核心论点：从 LLM 处理进化到 agentic 处理让 inference pipeline 极度复杂——同一个 datacenter 里要跑大模型 / 小模型 / diffusion 模型 / autoregressive 模型 / 不同 working memory / 不同 long-term memory，需要把工作负载拆开放到最合适的芯片。Groq 就是补这块 high-value low-latency 推理段。
Dynamo 的故事——Jensen 强调”我们的策略都在 GTC 公开展示了多年才落地”。Dynamo 是两年半前在 GTC 介绍的”AI factory 操作系统”，名字来自 Siemens 那台把水转电的工业革命设备。核心技术是 disaggregated inference——同一个推理任务的不同阶段分给不同 GPU 跑（prefill 和 decode 分开）。这个思路自然延伸到”不同芯片”：
“Nvidia computing 现在跨 GPU、CPU、switches（scale up + scale out）、networking processor，现在加 Groq。我们从 GPU 公司演进成 AI factory 公司。”
具体配置建议：高价值推理客户应该让 Groq 占数据中心 Vera Rubin 配置的 25%。
关于推理 TAM 扩张：Vera Rubin 平台从”1 rack 公司”扩张到 5 个 rack——
“Nvidia 的 TAM 因为这次扩张涨了 33-50%。其中大量是 Bluefield 存储处理器、Groq LPU、CPU、network processor。这都是跑 agents 用的。”
核心金融论证：$50B 推理工厂 vs $30B ASIC 谁更便宜
| 项目 | Nvidia $50B 工厂 | ASIC $30B 工厂 |
|---|---|---|
| Land + power + shell | $20B | $20B |
| 其余基础设施（存储/网络/CPU/服务器/冷却） | 同等 | 同等 |
| GPU/ASIC 本身的差价 | ”撑死 $10B 差” | |
| 吞吐量差异 | 10x throughput | 1x |
Jensen 的结论：“$50B 工厂产出的 token 更便宜——这件事我能证明”。然后扔了个狠话：
“即使芯片是免费的——如果跟不上技术演进节奏——也不够便宜。”
关键论点 / 数字
- Vera Rubin 配置 25% 应该是 Groq（[03:16]）
- Nvidia TAM 因 agentic 扩张 +33-50%（[04:22]）
- 电信基站 $2T 行业未来转成 AI 基础设施延伸（[06:18]）
- 推理需求 2 年内 10,000x 涨幅（[22:23]）
- $50B 工厂 = 10x throughput vs $30B ASIC 工厂（[08:00]）
2. CEO 决策框架 [08:53–10:47]
核心论点：选什么做的标准是三个 confluence——这事是不是极难？是不是前人没做过？是不是只有 Nvidia 这种特殊能力的公司能做？
Nvidia 体量底色（Brad 抛出来的数字）：明年 $350B+ revenue、$200B free cash flow。
“在 final analysis 这是 CEO 的工作——定义 strategy、vision。如果一件事容易做，就该退出——因为竞争对手会很多。我要找’极难 + 前所未有 + 调用我们 special superpowers’的交汇点。然后我也知道——很多 pain and suffering 在前面，你最好乐在其中。“
3. Physical AI $50T 市场 + OpenClaw [10:47–16:38]
核心论点：Physical AI 是史上技术行业第一次能 address $50T 规模、却一直 void of tech 的市场——制造业、农业、交通基本没数字化。10 年前 Nvidia 启动这条线，现在已 inflecting，年收入接近 $10B。
Jensen 的”三计算机”框架：
- 训练计算机——训练 AI 模型
- Omniverse（虚拟仿真）——评估机器人/自驾车在”obey laws of physics”的虚拟环境里的表现
- Edge 计算机——机器人、自驾车、teddy bear、电信基站
电信基站是个隐藏大市场：
“$2T 行业，所有 radios 将变成 AI infrastructure 的 edge devices。”
Digital biology 是 chat GPT moment：Jensen 预测 5 年内 healthcare 因 digital biology inflect。“我们要开始能 represent 和 understand 基因、蛋白质、细胞——化学已经懂了。”
OpenClaw 部分（这是 Jensen 在这场最有 punch line 的论点）：过去两年三次 inflection——
- Generative AI（chat GPT 把 LLM 推到大众）
- Reasoning（o1、o3 grounded）
- OpenClaw（开源 agentic system 推到大众意识）
为什么 OpenClaw 重要？Jensen 把它定位成完整的 operating system——
“它有 memory 系统（scratch 短期 + file system 长期）+ skills + scheduling（cron）+ IO subsystem + API + 能 spawn off agents。这四个元素本来就是 computer 的定义。 OpenClaw = 第一个 open-source 的 personal AI computer。这是 modern computing 的 blueprint，是 operating system。”
治理上 Nvidia 跟 Peter Steinberger 团队合作做安全 + 隔离——agentic software 接触敏感数据 + 执行代码 + 外部通信，三件事不能同时给。
关键论点 / 数字
- Physical AI = $50T 行业（[11:03]）
- Physical AI 已是 Nvidia ~$10B 年收入（[11:23]）
- Dell Pro Max 工作站 750GB RAM 跑本地模型（[12:38]）
- Digital biology 5 年内 inflect（[11:54]）
4. AI PR 危机 + Anthropic comms 批评 [16:38–20:48]
核心论点：当前 AI 在美国民众支持率 仅 17%——比当年支持核能下降还糟（核能后果是中国建 100 个反应堆而美国零个）。Jensen 直接点名 Anthropic：技术、安全、文化都极优秀，但 “warning is good, scaring is less good”。
Jensen 的关键 framing——AI 不是什么：
“AI 不是 biological being、不是 alien、不是 conscious——它是 computer software。 我们也不该说’我们完全不理解它’——那是不对的，我们理解很多。”
最大国家安全风险（这句话 Jensen 反复强调）：
“其他国家用 AI 时，我们因为愤怒、恐惧、偏执而不用——这是我担心的 AI 国家安全风险第一名。我担心的是 AI 在美国的 diffusion。”
对 Anthropic 的具体批评（接 Brad 提的”Anthropic-DoW scuttlebutt”）：
“Predicting the future is fine，但要 circumspect、moderate、balanced、thoughtful。说一些极端、灾难性、没有证据的事——damage 比想象大。我们的话现在有分量了。”
Jason 接话：“17% 民众支持率 + 数据中心 moratorium——我们要更主动 push back”。
关键论点 / 数字
- 美国 AI 民众支持率 17%（[20:30]）
- 美国零核反应堆 vs 中国建 100 个（[20:36]）
5. Token 是新一代生产工具：$250K 工程师预算框架 [20:48–30:50]
核心论点：generative→reasoning 算力 100x；reasoning→agentic 又 100x；两年内总计算量翻 10,000x。这种放大不是浪费——因为 “人们付钱不是为信息，是为工作（work）“，agentic 系统 get work done。
Jensen 抛了个让 Brad 也愣住的数字：
“Nvidia 有 43,000 员工，38,000 是工程师。一个 $500K/年的工程师如果只花 $5K tokens——我 go ape。如果不花至少 $250K tokens——我 deeply alarmed。这跟芯片设计师只用纸笔不用 CAD 工具是一回事。”
Chamath 接 LeBron James 类比（41 岁还在打 NBA 因为每年花 $1M 维护身体）——“知识工作者为什么不给他们超人能力？”
未来工程师的工作形态：每个工程师配 100 个 agents。
“在过去我们写代码。在未来我们写想法、架构、规格说明。我们组织团队，帮他们定义评估、定义什么是好/坏、如何 brainstorm。”
Auto Research 案例（Brad 实操）：
“我们扔了一份数据，跑 Auto Research 30 分钟，产出的东西正常需要 7 年 PhD 论文级别——会发 Science 期刊那种。600 行代码、GitHub 开源、跑在 desktop 上。在 genomics 领域我们已经见到这种 unbelievable acceleration。”
另一个案例：Brad 周日晚 90 分钟用 OpenClaw 替换了整个企业软件栈，“周一早晨看到结果——it’s over”。
“企业软件会被毁灭”vs Jensen 反驳：
“Enterprise software is limited by butts and seats. 现在马上有 100x agents 在 SQL、vector DB、Blender、Photoshop、Synopsys、Cadence、Omniverse、Autodesk 上敲打。这些工具会爆发性增长——因为它们既是生产环节，也是人类 control 和 ground truth 的 conduit。”
关键论点 / 数字
- 两年内算力 10,000x（[22:35]）
- Nvidia 43,000 员工 / 38,000 工程师（[23:27]）
- 工程师 token 预算下限：年薪的 50%（$500K → $250K tokens）（[24:54]）
- 每工程师配 100 agents（[26:50]）
- Auto Research：30 分钟做 7 年 PhD 级研究（[28:13]）
6. Open source + 对华售芯（Iran/Taiwan 供应链） [30:50–39:45]
核心论点：模型市场分三层——OpenAI 第一、Open Source 第二（distant）、Anthropic 第三。Open + Proprietary 不是 A vs B，是 A and B。
“Models 是技术、不是产品。对消费者，横向通用层（ChatGPT/Claude/Gemini/X 各有 personality）很赚钱。但 industry 的 domain expertise 必须能被 fine-tuned 进 open models——只能 open 才行。Nvidia 大量贡献开源生态，已接近 frontier。”
例子：crypto 项目 Bit Tensor Subnet 3 全分布式训了 4B llama，Chamath 称为”现代 folding@home”。
对华售芯部分——跟 Dwarkesh 那次基本一致，但更新了状态：
“Nvidia 在中国第二大市场的份额从 95% → 0%。Trump 政府要我们回去——已经申请了 licenses，secretary Lutnick 批准了一批，我们已经通知中国客户，他们给了 POs，Nvidia 正在 ramp up 供应链准备 ship。”
Jensen 把这跟产业版图类比：
“国家安全 diminished when 我们没有微型电机、稀土、电信网络、可持续能源——这每一个都是我不希望 AI 工业变成的样子。我要的是美国技术栈覆盖世界 90%。alternative 是变成太阳能 / 稀土 / 电信那种局面——对国家安全是 bad outcome。”
Iran 局势：Nvidia 在中东 6000 个家庭，很多伊朗员工家人还在伊朗。Jensen 强调 “100% in Israel, 100% in Middle East”——战争结束后中东会更稳定，AI 应该过去。
Taiwan 战略三件事：
- 加速 re-industrialization——Arizona/Texas/California 工厂已在建，靠台湾供应链 strategic support
- 多元化供应链：韩国、日本、欧洲
- “demonstrate restraint”——不施加不必要的压力，要 patient
Helium 供应链（Friedberg 问）：Jensen 不太担心，“these things tend to have a lot of buffer”。
关键论点 / 数字
- Nvidia 中国市占率：95% → 0%（[33:32]）
- 美国技术栈目标覆盖 90% 世界（[36:30]）
- Nvidia 中东 6000 个家庭 / 多 Iran 员工（[37:08]）
7. 自驾 + 增长放缓质疑 [39:45–47:32]
核心论点：Nvidia 走”Android”路线——不做自驾车，但让每个车厂能做（三计算机 + Alpamayo reasoning AV）。即使 hyperscaler 自研 ASIC，Nvidia 仍在 gaining share，因为大客户买的是 AI factory（完整 stack），不是芯片。
Jensen 的差异化论证（vs Dwarkesh 那次更精炼）：
“我们是世界上唯一在每个 cloud 都有的架构。这给我们 fundamental advantages。从 cloud 到 on-prem 到车里到任何 region。”
40% 业务的隐藏面：
“40% of our business 多数人不知道——客户不是来买芯片的，他们是来买 AI infrastructure 的。他们要完整 stack，因为造不动也不想造芯片。”
新合作：BYD、Mercedes、Uber。Tesla 仅买 Nvidia 的训练计算机。
反驳分析师”未来增长放缓”预期（Brad 提的：分析师 consensus 明年 30%、后年 20%、2029 仅 7%）：
“他们不懂 AI 的 scale 和 breadth。Open AI 和 Anthropic 加起来才是 AI 总规模的一小块。分析师还在用 law of large numbers——‘$5T 不会去 $15T’——这只是因为没人见过。”
Jensen 抛了个挑衅数字（事后说”that was a joke”）：
“Nvidia 在 servers 已经大于 Intel。Intel CPU servers 历史最高 $25B/年——我们一个季度就做 $25B。”
AWS 刚宣布要再买 1M chips（在已买的基础上）。Anthropic、Meta SL 都来 Nvidia 了；open model 增长全在 Nvidia 上。
关键论点 / 数字
- 40% 业务来自 full-stack AI infrastructure 客户（[43:30]）
- AWS 已宣布再加 1M chips（[44:25]）
- Anthropic、Meta SL（Superintelligence Labs）回到 Nvidia（[44:40]）
- Nvidia servers 规模已超 Intel CPU servers 历史最高（[46:38]）
8. 空间数据中心 + Healthcare + Robotics [47:32–56:10]
空间数据中心：Nvidia CUDA 已在卫星上做图像处理。冷却是核心挑战（只能辐射，需大表面）。Jensen 态度乐观：“we’ve got plenty of time”——成像类的工作应该在太空做，不必把数据下载回地球再处理。
Healthcare 三块：
- AI physics——AI 预测物理过程（药物发现）
- AI agents——诊断辅助。Jensen 点名 OpenEvidence、Hippocratic
- Physical AI——机器人手术 + 每个医疗仪器（超声、CT 等）变 agentic
“Every medical instrument’s future is agentic. OpenClaw 安全版本会进入每一台。”
Robotics（最有商业洞察的一段）：
“America invented but got tired 5 years before the enabling technology appeared. 现在 high-functioning existence proof 到合理产品，技术从不超过 2-3 个 cycle——大概 3-5 年我们就有机器人到处都是了。”
China 在 robotics 极强的论断：
“中国的微电子、电机、稀土、磁铁——这些是 robotics 的基础——他们世界最好。美国 robotics 工业要 deeply rely on 中国 ecosystem 和供应链。他们移动很快。”
Robot 的经济意义：每个人有 robot → 能开 Etsy / Shopify 店 → “the greatest unlock for prosperity”。当前美国劳工短缺数百万人。
Jensen 还讲了一个生活愿景：远程办公 via robot——“出差时 walk around 我家、chat with 狗、chat with 小孩”。Freeberg 接月球/火星殖民——机器人 + 太阳能可”几乎零能耗”把月球材料运回地球。
关键论点 / 数字
- Physical robotics 时间表：3-5 年到合理产品（[52:55]）
- China 主导 robotics 上游供应链：微电子、电机、稀土、磁铁（[53:08]）
9. OpenAI/Anthropic 收入 + AI moat [56:10–59:04]
核心论点：Dario 在 Dwarkesh 上预测 2027-28 model 公司收入达几千亿、2030 到万亿——Jensen 认为太保守。原因：每个 enterprise software 公司都会成为 Anthropic/OpenAI 的 value-added reseller。
“Dario 没考虑的一块是——SAP、Salesforce、ServiceNow、所有 enterprise software 公司都会变成 anthropic 和 OpenAI 的 reseller。他们的 go-to-market 今年就会 tremendously expand。”
关于应用层的 moat：
“Deep specialization. 通用模型连接到软件公司的 agentic 系统——其中一些是 cloud model，一些是公司自己训练的 specialized sub-agents。”
Jensen 描述了一个 vertical-first 的反转：
“过去我们 build 横向通用平台、然后 customization 销售。未来反转：vertical-first → wait for tools to catch up → imbue with domain knowledge。sooner you connect agent with customers, sooner flywheel kicks in。”
最有意思的一句：
“GSIs 和 consultants（做 horizontal platform 的 customization）整体上是 horizontal platform 公司 5-6x 的 industry。”
——这是一个潜在巨大的市场结构判断。
关键论点 / 数字
- Jensen 看好 Anthropic 收入超 Dario 万亿预测（[56:30]）
- Customization 市场 = horizontal platform 的 5-6x（[58:51]）
10. 给年轻人的建议 + radiology 反预言 [59:04–end]
核心论点：Jensen 自认不是 doomer 但承认 job displacement。建议年轻人——“be the expert of using AI”——而不是回避它。
chauffeur 案例（自驾车取代司机 vs 取代不了 chauffeur）：
“Chauffeurs 不会消失——他们会成为 mobility assistant。车自己开的时候，他们帮你拎行李、协调日程、做其他事。autopilot 让飞机自动飞 90% 时间——但 pilots 数量没减反增。”
Radiology 反预言（这一段值得反复咀嚼）：
“deep learning 革命初期，一位世界级最优秀的计算机科学家预言 computer vision 会消灭 radiologists，建议年轻人绝不要进 radiology。10 年后他的预言 100% 兑现——computer vision 100% 集成进所有 radiology 平台。但 radiologist 数量增加了，需求暴涨。
原因——每个工作有 task 和 purpose：扫描的 task 是看 scan，但 purpose 是帮医生帮病人。扫描变快 → 更多扫描 → 更多病人 → 医院多赚钱（hospitals enjoy making money too）→ 更多 radiologist。国家变富后，每间教室也只会有更多老师，不是更少。”
对年轻人的建议：
- 深科学、深数学
- 语言能力——“language is the programming language of AI——English major 可能最成功”
- 知道如何 specify 但不 over-prescribe，“留足空间让 AI 创新而你 guide 到想要的结果——这需要 artistry”
全篇数字汇总
| 类别 | 指标 | 数值 | 时间戳 |
|---|---|---|---|
| Nvidia 体量 | 明年收入 | $350B+ | [09:00] |
| Nvidia 体量 | 明年 free cash flow | $200B | [09:00] |
| Nvidia 体量 | 员工总数 | 43,000 | [23:27] |
| Nvidia 体量 | 工程师 | 38,000 | [23:27] |
| Nvidia 体量 | Physical AI 年收入 | ~$10B | [11:23] |
| TAM | Vera Rubin 配置 Groq 比例 | 25% | [03:16] |
| TAM | Agentic 驱动的 TAM 扩张 | +33-50% | [04:22] |
| TAM | Physical AI 市场总规模 | $50T | [11:03] |
| TAM | 电信基站行业（未来 AI infra） | $2T | [06:18] |
| 算力扩张 | Generative → Reasoning | 100x | [22:23] |
| 算力扩张 | Reasoning → Agentic | 100x | [22:23] |
| 算力扩张 | 两年总扩张 | 10,000x | [22:35] |
| 算力扩张 | 未来 Million-x 路径 | 仍在前期 | [23:16] |
| Token 定价 | 工程师年薪 | $500K | [24:33] |
| Token 定价 | Token 预算下限（年薪 50%） | $250K | [24:54] |
| Token 定价 | 工程师配 agent 数 | 100 个 | [26:50] |
| 客户结构 | 全球 cloud 中 AI 客户公司比例 | 99% 非 OAI/Anthropic | [21:35] |
| 模型市场 | 排序 | OpenAI #1 → Open Source #2 → Anthropic #3 | [22:00] |
| 中国市场 | Nvidia 市占率 | 95% → 0% | [33:32] |
| 中国战略 | 目标美国技术栈覆盖率 | 90% 世界 | [36:30] |
| 中东布局 | Nvidia 员工家庭 | 6000 | [37:08] |
| AWS | 新增订单 | 1M chips | [44:25] |
| 美国 AI 舆论 | 民众支持率 | 17% | [20:30] |
| Robotics | 时间表 | 3-5 年到合理产品 | [52:55] |
| 应用层 | Customization 市场 vs Horizontal | 5-6x | [58:51] |
| 反预言案例 | Radiology 数量 vs 10 年前预言 | 不减反增 | [63:00] |
人物与机构索引
| 名字 | 角色 / 在访谈中的语境 | 出现章节 |
|---|---|---|
| Brad Gerstner | Altimeter 创始人，主持人之一，问最多硬题 | 全篇 |
| Chamath Palihapitiya | All-In 主持人，Groq 早期玩笑话引子 | 全篇 |
| Jason Calacanis | All-In 主持人，问 PR 危机 + radiology | 全篇 |
| David Friedberg | All-In 主持人 + Ohelo 创始人，问基因组学 + 月球资源 | 全篇 |
| Groq | Nvidia 收购的低延迟推理 ASIC，整合进 CUDA stack | 1 |
| Mellanox / Bluefield | Nvidia 网络/存储芯片 | 1 |
| Vera Rubin | Nvidia 下一代 GPU 平台 | 1 |
| OpenClaw（推测=Open Claude Code） | Anthropic 开源的 agentic 系统，Jensen 视为”modern computing OS” | 3 |
| Peter Steinberger | 跟 Nvidia 合作做 OpenClaw 安全治理 | 3 |
| Dario Amodei | Anthropic CEO，被 Jensen 评”comms 过于灾难化” + 收入预测被嫌保守 | 4, 9 |
| Tesla | 只买 Nvidia 训练计算机，自家做车端 | 7 |
| BYD / Mercedes / Uber | Nvidia 新自驾合作伙伴 | 7 |
| Alpamayo | Nvidia 的 reasoning AV 系统 | 7 |
| AWS / Anthropic / Meta SL | Nvidia 客户重要进展，AWS 1M chips | 7 |
| OpenEvidence / Hippocratic | Nvidia 看好的医疗 AI 诊断辅助公司 | 8 |
| Auto Research（GitHub 项目） | 600 行代码的 autonomous research 工具 | 5 |
| Bit Tensor Subnet 3 | 全分布式训练 4B llama 的 crypto 项目 | 6 |
| Secretary Lutnick（商务部） | 批准 Nvidia 对华出口 licenses | 6 |
争议点 / 我没听清楚的地方
- OpenClaw 拼写：节目自动字幕和 description 都写 “OpenClaw”，但常理推断是 “Open Claude Code”（Anthropic 工具）。Jensen 把它当 OS 看待这件事很重要，但他可能是把多个 Anthropic 产品概念混着讲——值得 cross-check Anthropic 实际发布物
- $50T Physical AI 这个数字的口径——是制造业全产值？还是机器人 + 自驾 + 仪器 TAM 合计？Jensen 没界定
- “$50B 工厂产 token 比 $30B ASIC 便宜 10x”：直接对比”Vera Rubin 1 个 rack 总成本”和”AMD/Trainium 等同等部署”——但 ASIC 阵营的 InferenceMAX benchmark 不来（这点在 Dwarkesh 那次反复出现，这次没提）
- $250K token 预算——Jensen 没说 Nvidia 自己实际花了多少。Brad 估算 “$1B-$2B / 年 给工程师 token” 但 Jensen 没确认数字
- Nvidia 中国市占率”回到正轨”的时间表：Jensen 说”已 ramp up supply chain”，但没说哪个季度恢复收入
- 空间数据中心：Jensen 说”已在那里、已 radiation hardened”，但实际是卫星图像处理用 CUDA，跟”datacenter”差距巨大。“Years”才会到真正的 datacenter——可能是 10+ 年
后续可追踪
- Groq 整合的 perf/$ benchmark：Jensen 给了”$50B vs $30B token 成本”的口头论证，但需要实测数据验证（InferenceMAX 这次没被 cue 是个反差）
- AWS 1M chips 订单：什么时候 ship、配什么 Vera Rubin/Blackwell
- Anthropic + Meta SL 回 Nvidia 的实际订单细节：Jensen 说”Anthropic 来 Nvidia 了”——但 Anthropic 主算力还在 Trainium / TPU。这是 cross-shop 还是真的迁移？
- OpenClaw 的实际 user 数 + 商业化：Anthropic 自己的 reporting
- Auto Research 项目链接 + 实际复现：Brad 说 “GitHub 上”——值得找一下
- Nvidia 对华 licenses 的具体批准范围（哪些芯片型号、哪些客户）
- GSI / Customization 市场是 horizontal platform 5-6x——Accenture/Deloitte/Capgemini 的 AI 相关收入对比 OpenAI/Anthropic
- Dell Pro Max 工作站 750GB RAM——本地模型用户基数变化
相关笔记
基于共享的人物 / 机构 / 标签自动生成（每次 publish 时刷新）。
- 2026-04-15 - Dwarkesh Patel - Jensen Huang – Will Nvidia’s moat persist（重叠 6）— Dario Amodei, Nvidia, Groq, AI, 访谈，… 共 6 项
- 2026-02-20 - TBPN - Palmer Luckey - Why I Started My Own Bank（重叠 2）— 访谈, 金融
- 2026-03-05 - Acquired - Formula 1（重叠 1）— 金融
原始 Transcript
展开查看完整转写
完整 transcript（YouTube 自动字幕，已按段落合并便于阅读）：transcripts/gwW8GKwHB3I.txt