黄仁勋最新长谈：回应首条推文背后的“Linux时刻”，曝物理AI营收已破百亿美元，预言下个千亿赛道

在刚刚过去的周末，极少在社交媒体发声的黄仁勋，发布了人生的第一条 X 推文。

内容并非心血来潮，而是一封由英伟达与微软，联合 Meta、IBM 在内的 25 家企业与机构，共同签署公开信，作为硅谷针对美国政府拟限制开放权重 AI的一次集体反击。

此前，美国政府正以模型蒸馏和知识产权风险为由，计划对中国 AI 公司实施制裁或使用限制。

这封联署的公开信《开放权重与美国 AI 领导力》留出了大量篇幅为“模型蒸馏”争议进行强力辩护：

利用一个模型的输出训练或改进另一个模型，是行业长期采用的合法技术；真正的非法获取，应通过法律与商业规则处理，不能成为全面限制开放模型的理由。

并暗中回应了美方近期针对中国开源模型（如 Kimi）的监管争议，呼吁政府不要过早设限。

随后两天，联署名单快速扩张，立场分化与博弈也不断发酵，三大阵营一目了然：

• Anthropic 坚决拒签，并暗讽质疑这些巨头突然拥抱开源的初衷是否真诚；

• OpenAI、Google、Github、AMD、Cloudflare 和 Cisco 等手握开源业务或客户的企业相继选择站队（截止发稿前，签署名单已从首发的 25 家增至 77 家）；

• Amazon、Apple、xAI 则仍观望未签。

正是在这场博弈的风口浪尖，黄仁勋来到了 YC Startup School 2026 的演讲现场。面对 YC 总裁 Garry Tan 的提问，黄仁勋亲自解释了自己为何要打破沉默。

“这说明我有多内向，我直到 2026 年才发出第一条推文，可能是地球上最后一个这么做的人。”但他紧接着表示，那封信对自己、对 AI 行业乃至整个世界都太重要，因此不得不克服羞怯，站出来发声。

在老黄眼中，OpenClaw 已经成为承载大模型的新型操作系统，是一次类似 Linux 诞生的关键时刻。他断言 Agent 将成为“新软件”，并披露英伟达已经让 Claude Code 等工具在沙盒中自主运行。

他还首次披露了英伟达在物理 AI（Physical AI）领域的百亿营收底牌，并预判机器人、自动驾驶等相关业务将在十年内成长为公司的下一个千亿美元生意。

他详细解释了为什么 Agentic Systems（智能体系统）将迫使英伟达提前 5—10 年研究新型计算负载，并由此反推未来 5-10 年计算机的处理器、内存、网络和系统架构将如何变革。

此外，他还回顾了英伟达如何在 1995 年押错技术路线、濒临破产，最终靠世嘉留下的 500 万美元和三本 OpenGL 教材活下来，蜕变为今天的万亿帝国的故事。

看起来，这是一场横跨英伟达过去与未来的访谈。透过它，我们也得以看清：

当旧有技术路线和产业秩序开始失效，一家公司应该如何看清变化、重新学习，并在下一套技术与产业规则成形之前提前下注。

以下是黄仁勋与 YC 总裁 Garry Tan 的对谈实录，经作者整理编辑：

Garry Tan：我想借这个机会欢迎你加入 X。你刚刚发布了自己的第一条推文，感谢你在开放模型这件事上的公开发声。

黄仁勋：这恰恰说明我有多内向。我直到 2026 年才在 X 上发出第一条帖子，可能是地球上最后一个这么做的人。

但我发布的内容对我而言太重要了，对整个行业太重要了，对这个世界也太重要了。所以，我克服了自己的羞怯，把它发了出来。

如果没有开源，移动互联网和云计算产业就不可能发展到今天。如果没有 Linux、Kubernetes 以及这些开放平台，没有 TensorFlow，更重要的是没有 PyTorch，还有早期的 Caffe、Torch、Theano，我们又怎么可能拥有现代 AI？

Garry Tan：英伟达似乎总能很早看到一种新算法或新趋势，然后迅速进入开源生态。OpenClaw 刚刚出现时，很多人认为它不安全，但英伟达很快推出了沙盒工具，让各种 Agent Harness 能够相对安全地运行。你为什么如此看重它？

黄仁勋：我看到 OpenClaw 后的第一个反应，是先去了解它。随后你几乎不需要太多想象力，就会意识到：我们刚刚设计出了现代计算机的新形态，它是一个可以承载大语言模型的操作系统。

在我看来，OpenClaw 是一次非常典型的“Linux 时刻”。

现在，每个人都可以构建自己的 AI，这让我非常兴奋。我们联系了 Peter Steinberger，我告诉他：“英伟达所有工程师都是你的工程师。你家门外现在停着一艘战舰，你可以按照自己的方式拆解问题，我们会按照你的需要参与贡献。”

我们对 Hermes 团队也是同样的态度。我非常期待他们正在推进的工作。

黄仁勋：我认为，世界需要让每个人都有能力构建自己的 AI。

当然，我鼓励大家尽可能使用云服务，大家都应该使用 ChatGPT 和 Claude。但如果你是一家公司，需要构建属于自己的、针对特定领域的 AI，那么现在已经有 Hermes Agent、OpenClaw、LangChain Deep Agents 等不同方式。

构建领域 AI 正在变得相对容易。原因也很简单：软件本身已经变得聪明，而足够聪明的 AI，理应能够被快速适配。

我们希望鼓励每个人、每家公司构建自己的 AI。至于开放生态最终会催生出怎样的创新，现在还没有人知道。

Garry Tan：通过 Hermes 和 OpenClaw，用户似乎可以拥有并控制自己的个人 AGI，而不是把所有能力外包给云端，由别人的 Agent 决定你能做什么。英伟达深度参与这些项目，是否也出于这一考虑？

黄仁勋：首先，我必须理解 Agent，因为 Agent 就是新的软件。这种新软件如何被处理，将直接影响计算机架构。

我们越深入理解 Agent 与聊天机器人、早期推理负载之间的差别，就越能设计出正确的计算系统。

英伟达必须在某种程度上生活在未来 5—10 年。因为设计一套系统大约需要三年，再花几年把它推向规模化，而客户还希望这台计算机能够继续使用十年。

因此，我们必须提前研究 Agentic Systems 究竟会产生什么样的负载：它采用什么算法、将如何演进、瓶颈在哪里，怎样解决阿姆达尔定律所揭示的系统瓶颈，怎样处理并发、沙盒和 MCP，怎样协调工作记忆与长期记忆，以及怎样让大量自主、异步运行的系统持续工作。

只有先理解未来的软件负载，才能反推出合理的处理器和系统架构。

Garry Tan：从材料、芯片、数据中心一直到应用层，你如何判断目前最值得关注的前沿问题？

黄仁勋：未来最重要的能力之一，将是系统理解、系统感知、系统设计和系统组织，归根结底就是系统思维。

大部分低层工作都会由 Agent 完成。以我这一代人为例，芯片设计曾经需要手工编译和组合晶体管、逻辑门与功能模块，现在大量工作已经能够自动综合，因此芯片设计师越来越接近系统设计师。软件也会发生同样的变化，大部分软件工作将由 Agent 完成。

人需要更抽象地理解系统：究竟要解决什么问题，有哪些约束，输入和输出在哪里，信息以什么速率流动，瓶颈究竟来自处理器、内存还是网络。

现在的 Agent 其实已经具备某种粗粒度的递归自我改进能力。每次使用时，它都会更新 Markdown 文件和长期记忆；长期记忆还会被压缩、处理，或者转化为知识图谱。Agent 在异步运行中不断积累信息，因此会变得越来越聪明。

但真正的问题是：我们如何对 Agent 进行极其具体、细粒度的控制？

过去，如果没有 RAG、条件输入和提示词，模型从输入直接生成输出，控制粒度太粗。我们最终应该做到：只修改计划文件中的一个词，就能让结果产生对应的局部变化，而不是整体失控。

这个变化可能只涉及一个像素、一块三角形、一个 CAD 部件、一层芯片结构、一个通孔或一条连接，其他部分则由 Agent 自动重新生成。

这种控制水平以及人与 Agent 之间的协作方式，将带来根本性变化。

我们不需要等到 Agent 达到 100%的准确率和质量才开始使用。它可以完成 80%，剩下 20%由人补齐；也可以完成 99%，最后 1%由人校正。

所以我认为，可控性可能是所有层级的 Agent 目前最需要取得的突破。

黄仁勋：第二个原因是，我们希望利用 Agent 让英伟达运行得更快。

现在，Claude Code 已经在英伟达各处的沙盒中自主运行。不同员工还在使用 Codex、Claude Code、Cursor 和 Cognition 等工具。

我们选择让各种工具自由生长，让员工根据自己的需要做选择，再从实际使用中学习。这样既能让公司提高速度，也能帮助我们理解这些工具未来应该如何工作。

使用得越多，我们就越能发现 Agent 的真实负载、能力边界和系统瓶颈，并据此判断未来应该怎样设计计算平台。

黄仁勋：当我们在大约八到十年前看到斯坦福早期的思维链研究时，就开始思考：这种方法对推理究竟有多大帮助，能扩展到什么程度，又会对计算机视觉产生怎样的影响？

如果汽车能够利用先验知识进行推理，那么训练自动驾驶系统或许不再需要过去设想的海量里程数据。这最终促使我们开发了 Alpamayo，也就是我们所说的第一款“会思考的自动驾驶汽车”。

它只使用了大约一两百万英里的数据，就能取得很好的驾驶效果。人类也不需要驾驶特别多的里程才能掌握驾驶，因为我们可以利用语言和常识形成的先验知识，把从未见过的情况拆解成自己已经理解的要素。

Agent 也是一样。大语言模型需要记忆、先验知识、工具，以及与其他 Agent 建立连接的方式。当你看到一个早期信号，并能够推演它对未来系统的影响，就有机会提前进入下一个阶段。

Garry Tan：除了软件和 Agent，英伟达也在大力投入实体机器人。我们什么时候才能真正看到实用机器人？

黄仁勋：当我第一次看到神经网络生成视频时，那对我来说是一个重要时刻。

英伟达很早就在做 Progressive GAN 和 Conditional GAN。早在公众看到生成视频的几年前，我们的实验室已经在运行完全由神经网络生成视频和环境的模拟器。

当我看到模型能够生成手指运动，能够生成一只手拿起杯子的视频时，我自然会问：既然 AI 能生成这种动作，为什么不能让机器人完成同样的动作？

从那时起，我就意识到，机器人的关节运动能力已经近在眼前。

接下来的问题是，机器人如何生成符合物理规律的动作，如何理解因果、摩擦力、张力以及其他物理定律。这促使我们开始构建今天所说的 Physical AI，研究能够理解物理规律和世界运行方式的世界基础模型。

我认为，机器人的“ChatGPT 时刻”其实在几年前就已经发生了。

ChatGPT 刚刚发布时并没有完成多少真正有生产价值的工作，但它打开了人们对未来可能性的想象。几年前，当机器人开始能够行走，并可以通过强化学习微调、与物理世界对齐时，机器人领域已经出现了类似的能力转折。

现在需要完成的工作，与 Agentic Systems 非常相似。

我们要为机器人建立学习和评估环境，先通过 Real-to-Sim 把真实世界转化为训练环境，再结合基于物理规律和生成模型的模拟器完成训练，最后通过 Sim-to-Real 把能力迁移到真实机器。

Isaac Sim、Cosmos 以及我们在仿真领域所做的工作，都服务于这个过程。最后还需要通过强化学习，让模型与真实物理环境以及机器人的机电系统完成对齐。

Garry Tan：Physical AI 最先会在哪个领域体现出真正的经济价值？这种情况是否已经发生？

黄仁勋：我们很早就判断机器人会到来，因此需要找到一个市场足够大、技术相对标准化、可以规模化，并且能够产生真实经济价值的应用。我们的结论是：自动驾驶汽车。

英伟达芯片用于 Waymo；对于 Tesla，我们过去进入汽车，现在也进入它的数据中心；对于 Mercedes-Benz，我们既参与数据中心和车端计算，也提供软件栈。

我们还开发并开放了 Alpamayo 自动驾驶栈。原因是自主导航不仅可以用于乘用车，还可以用于农业、邮件与包裹配送，以及仓库中的自主移动机器人。

这些单独市场都没有乘用车市场那么大，但应用非常多样。因此，我们决定构建一套完整技术栈，用于不同场景的自主交通工具。

英伟达机器人、自动驾驶，或者总体上可以归入 Physical AI 的业务，目前已经接近 100 亿美元。

这个规模已经非常大。Physical AI 很可能成为世界上最大的产业之一。它的发展时间会超过两三年，但应该少于十年。

这将成为英伟达下一个千亿美元业务。

Garry Tan：现在很多学生只知道英伟达是 AI 产业中心的公司。关于英伟达早期历史，他们最应该了解什么？

黄仁勋：多数人难以相信的是，英伟达创业时选择的技术路线完全错了。

我们最初想重新发明 3D 图形技术。公司的基本判断是，通用 CPU 非常有用，但如果增加加速器，就可以解决 CPU 难以完成的问题。我们选择的第一个问题是 3D 图形。

1993 年，个人电脑市场正在形成。我们的想法是，把每一台 PC 都变成游戏机。我们希望把过去需要大型超级计算机处理的图形算法放进个人电脑，因此设计了一些新算法，并且非常相信自己的判断。

但到了 1995 年，我们发现算法和技术路线都错了。那时，市场上已经有大约 35—40 家公司在开发 PC 3D 图形产品。

我回到公司告诉大家，如果我们不面对技术不起作用这个事实，公司就会消失。结果有人提醒我：我们不只选错了路线，而且根本不知道正确方法是什么。

于是，我带着口袋里的几百美元去了 Fry’s（当时美国的连锁店，已在 2021 年永久关闭），买回三本关于OpenGL 和 OpenGL 流水线设计的教材，交给工程师。从那里开始，我们重新学习，后来重新定义了计算机图形，并成为现代图形技术的领导者。

英伟达不是因为一开始就掌握了正确技术才成功。我们成立公司、融到资金之后，才通过三本教材重新学习。

这件事给我的教训是，技术一直在变化。只要你愿意面对现实，并且具备学习能力，起初掌握的具体技术并没有那么重要。

Garry Tan：任何人都可以买到那三本教材，但英伟达最终创造了用户愿意付费的产品。真正的差别是什么？

黄仁勋：英伟达最初真正押对的核心判断，是可以通过加速器增强 CPU，解决过去难以解决的问题。

分子动力学、图像处理、逆向物理以及深度学习，都属于这样的算法领域。

我们很早就意识到，关键不是制造一颗优秀芯片，而是加速一个完整的算法领域。

我一直认为，伟大的公司通常拥有一种独特的世界观，并且对它深信不疑。技术和市场当然重要，在正确时间，用正确技术进入正确市场，事情会容易很多。

但更关键的是，你对某个重要未来拥有一种独特判断，并且实现这种判断足够困难。

英伟达相信加速计算会变得重要。后来事实证明，加速计算确实非常重要。更关键的是，我们认识到一切都围绕算法展开，而不只围绕芯片展开。

Garry Tan：创业过程中有哪些决定英伟达生死的时刻？你刚刚去过日本，世嘉的故事似乎非常关键。

黄仁勋：让我们意识到技术路线错误的项目，正是与世嘉（日本游戏公司 SEGA）的合作。世嘉原本委托英伟达为 Saturn 之后的下一代游戏机开发图形系统，后来那款机器成为 Dreamcast。

但由于我们的算法和技术存在根本缺陷，项目无法完成。我去了日本，向当时的世嘉高管入交昭一郎解释：这个价值约 1200 万美元的合同，我们没有能力继续履行，因为技术不起作用。我把原因全部告诉了他，并建议世嘉选择其他公司。

但我随后又告诉他，虽然我们无法完成合同，英伟达仍然需要那笔钱。

你可以想象那段对话。他问：“你的意思是，我委托你做的项目，你做不出来，但你仍然希望拿到合同里的钱？”

我说：“是的，就是这个意思。”

当然，我的态度非常礼貌、谦逊。他最终相信我说的是事实，也知道如果没有这笔钱，英伟达就会倒闭。

很多时候，人们投资的不是一家公司，而是公司背后的人。

入交昭一郎最初愿意把合同交给我们，说明他信任这家公司和团队。他也愿意看到我们活到第二天。最终，那 500 万美元让英伟达活了下来，也给了我寻找正确方向的时间。

世嘉后来在英伟达上市时出售了股份，获得大约 1500 万美元。英伟达 1999 年上市时的估值只有约 3 亿美元，在当时已经是一笔很大的数字。

Garry Tan：在 AI 革命发生之前，很少有人能够预料 GPU 会变得如此重要。英伟达当时究竟看到了什么？

黄仁勋：我和其他人一样看到了 AlexNet。但英伟达观察世界的方式，一直是在寻找值得加速的算法。

这个算法可以是 NAMD、VASP、OpenGL 或 SQL，可以是某种领域专用语言，也可以是某个新的算法体系。我的关注点始终是：这里是否存在一个我们能够帮助解决的问题？

AlexNet 出现后，我们关注的并不只是图像识别，而是深度学习这种算法为什么有效，它还能完成什么，以及把它继续规模化之后，可以解决哪些过去无法解决的问题。

我们真正的突破，是意识到 AlexNet 并不只是 AlexNet ，而是一种可以学习任意函数的方法。

我在大约 15 年前就不断告诉大家，我们发现了一个通用函数逼近器。你可以把几乎任何函数的答案交给它，它能够从中学习函数本身。很多重要问题本来就无法被精确描述，而深度学习恰好能够处理这种不精确性。

随后真正的问题变成了：如果我们拥有通用函数逼近器，它会怎样改变计算栈、软件和各个产业？

我们几乎立刻开始研究计算机视觉、机器人和自动驾驶。因为这不是一项只属于图像识别的技术，而是一种全新的软件构建方式。

它将同时影响处理器、中间件、算法和应用，也就是我现在所说的“五层蛋糕”。大约 15 年前，我已经开始想象整个产业栈会因此被重新发明。

Garry Tan：你会亲自阅读论文，也会直接与核心科学家沟通。大型组织通常强调管理边界，你如何建立一个允许 CEO 深入细节、坚持第一性原理的组织？

黄仁勋：我的状态总是从好奇心开始。我有很多问题，也会像所有人一样寻找通往答案的最短路径。

但身边的人给出的答案有时无法让我满意，或者我还有更多问题，而他们正在忙于自己的工作。因此，我的第一反应通常是自己寻找答案。

如果我发现某个知识领域可能对公司非常重要，下一步就是尽可能多地学习。目的不是干涉别人，而是更好地服务公司，把这些认知分享给其他人。

CEO 是为公司和员工服务的。你需要为他们提供洞察，让他们能够更好地工作。

这与其说是一种管理技巧，不如说是一种性格和工作方式。当技术非常复杂、变化非常快时，如果你没有亲身接触正在发生的事情，就会感觉世界快到无法理解。

但如果长期理解它的第一性原理，很多变化就会逐渐变得合理。

这有点像冲浪。虽然我不会冲浪，但在我看来，海浪是一片混乱；对冲浪者而言，他们能够读懂浪和风，并掌握时机。成为 CEO 也很相似，你必须理解浪潮，才能留在浪尖上。

黄仁勋：成为 CEO 之后，没有必要改变自己的个性和行为方式，你仍然可以做自己。

我曾经看到过一个很有启发的说法：创始人是在制造一辆自己要亲自驾驶的 F1 赛车。因此，必须按照自己的驾驶方式设计这辆车，让组织适应你，而不是让你去模仿某种标准化的 CEO。

有人问我，如果英伟达不采用传统管理和组织方法，那么我离开之后怎么办？

我告诉他，等到有一天我死在工作岗位上，下一任 CEO 再按照自己的需要重新塑造公司。

我们就是赛车手，面对极其激烈的竞争，需要赢得比赛、完成使命。因此，必须让组织适合驾驶者。下一任 CEO 拥有不同的性格，到时候自然可以按照自己的方式调整。

我一直在调整英伟达，重塑业务流程和工作方式，让自己能够更有效地为公司服务。

创始人模式完全可以延续 34 年。

Garry Tan：当智能变得随取随用，经济和就业会发生什么变化？

黄仁勋：实际影响一定是不均衡的。一些认知任务会被自动化。

例如，一个人的工作只是接听电话，根据手边数据库里的信息给出标准答案，那么这项任务很可能被自动化。

很多任务会消失，每一种工作都会改变，同时也会出现大量新工作。AI 和自动化正在创造就业，“AI 摧毁就业”的叙事恰好说反了。

AI 会消灭任务、自动化任务，但不一定消灭整个职业。因为一份工作具有某种目的，而实现这个目的需要完成很多不同任务。其中一些可以被自动化，另外一些不能。

以软件行业为例，编程任务已经在被自动化，但软件工程师岗位似乎仍在增长。软件工程师岗位同比增长约 10%。AI 也已经自动化了部分放射影像阅读工作，但过去几年，放射科相关岗位仍增长约 20%。

原因是患者积压量很大。医院能够处理更多患者之后，就需要更多护士和放射科医生。

软件行业也是如此。人类积压的想法、抱负和需求非常多。如果编程任务可以被自动化，企业反而可以雇用更多软件工程师，完成更多过去没有能力实施的项目。

法律行业同样如此。人们曾经认为 Harvey 会消灭律师助理，减少律师数量，但律师助理岗位仍在快速增长，因为待处理案件太多。生产率提高带来增长，增长又会创造更多就业。

Garry Tan：面对正在进入社会的这些算法，年轻人现在应该学习什么，未来仍然具有价值？

黄仁勋：简单的事情会被自动化。我所说的“简单事情”也包括软件和编码。

坐在电脑前，依靠亲手编写代码解决问题，这种工作方式显然会被自动化。

我成长的年代，每个人还需要学习长除法。现在谁还需要亲手完成长除法？它早已被程序和计算器自动化。

但困难问题不会消失。物理、化学、生物、计算机科学、计算机工程和系统思维，尤其是这些领域之间的交叉问题，仍然极其重要。

AI 只是一个强大的工具，让我们能够对解决超大规模难题产生更大的野心，也变得更加迫不及待。

我刚毕业时，一名芯片设计师能设计包含大约 1000 个晶体管的芯片，已经非常了不起。现在，即使有人告诉我下一代芯片包含一万亿个晶体管，我也不会觉得不可思议。

因为工具能力提高之后，问题和任务的规模不再是首要限制。你不必首先计算需要写多少代码、雇用多少工程师，而应该直接思考：我们究竟需要解决什么问题？

深科技、基础科学，技术与社会问题的交叉，以及发现市场空白和机会的能力，仍然不会消失。

一个人越擅长系统思维，越能组织数百万个 Agent 自主解决问题，他的价值就越大。

所以，系统思维会变得非常重要。当然，传统教育仍然有价值。继续上学，别退学。

Garry Tan：现场有很多 18—22 岁的年轻人。如果你能给那个年龄的自己发一条消息，会说什么？

黄仁勋：英伟达刚刚创立时，我们一共只有三名创始人。我非常清楚地记得，当时有太多事情需要学习，而我几乎什么都不知道。

那时没有 YouTube，也没有 YC，没有人教你怎样创办公司。我去书店买了一本《如何创办公司》，结果那本书大约有 500 页。我想，等我读完，自己可能已经破产，家里的钱也花光了，所以读它没有太大意义。

我非常害怕出去融资，因为我知道投资人会问很多问题，而我根本不知道怎样回答。事实上，即使到了今天，我仍然不一定知道怎样回答所有问题。

但后来我发现，这些并没有那么重要。你永远都会遇到自己不知道的事情，而世界和技术每天都在改变。

现在是过去 60 年来最适合创业的时代。整个技术产业已经被重新洗牌，计算机这项人类历史上最重要的技术也正在被彻底重置。

一方面，这是创业的完美时间；另一方面，技术变化又快得惊人。面对新的技术、市场和变化，我一直会对自己说：“这件事很重要，我必须学习它，必须尽快采取行动。它能有多难？”

事实证明，它总是比你想象的难得多。

但不要提前想象所有困难，让它们变成焦虑，阻止你采取行动。你应该先告诉自己：“能有多难？我现在还有一大群 AI Agent 帮助我。”

然后开始行动。

创业者需要一边前进，一边学习。学习是一个人最强大的超能力。你要相信自己可以通过学习抵达目标，同时承认这条路确实会非常困难。

你不需要在一天之内克服整个人生。你只需要熬过今天早晨，熬过今天，再开始为明天工作。

如果你相信一件事，就立刻开始。不要让恐惧、焦虑或缺乏自信阻止自己。告诉自己：我可以一路学习，直到抵达那里。

如果说我能留下什么经验，那么最重要的就是韧性。只要坚持足够长的时间，英伟达这样的事情才有可能发生。

声明：本文为 InfoQ 整理，不代表平台观点，也不构成投资建议，未经许可禁止转载。

会议推荐

做 AI 的谁还没点技术焦虑，来 AICon 深圳站，吃颗技术定心丸! 大会限时 9 折专属优惠，现在报名立减 580，更多详情可扫码或联系票务经理13269078023 进行咨询。

今日荐文

卡帕西入职Anthropic仅两月疑离职；日媒拆解宇树G1后认输：短期内赶不上中国；腾讯317万年终奖员工被辞退：永不录用｜AI周报

全球首款2nm GPU 炸场，OpenAI、Meta、微软站台！AMD 要拆掉英伟达护城河？

腾讯开源三大具身基座模型，首席科学家张正友详解“三层脑”如何破解机器人反应慢

最强模型“跳票”，市值一夜蒸发2000亿美元！谷歌连上三款“省油”模型，死磕每一个token的钱

智谱的算力野望浮出水面！自建1GW机房、数亿收购中科系Infra企业、布局自研芯片，加速去“英伟达化”

你也「在看」吗？👇