欧意交易所,欧意,欧意交易平台,欧意注册,欧意靠谱吗,欧意APP下载,欧易交易所官网,欧易下载,欧易下载链接,欧易apk下载,欧易网页版,欧易交易所,欧易下载,欧易官网,okx官网,欧易客户端下载从电子到 token 的转化，是一段非常不可思议的旅程。创造一个 token，就像是让一个分子比另一个分子更有价值，让一个 token 比另一个更有价值。为了让这个 token 具备价值，整个行业在其背后投入了大量的艺术、工程、科学和发明。我们现在正实时见证这一切的发生。这个转化过程、制造过程，以及其中涉及的所有科学原理，都远没有被完全理解，这条路也远远没有走完。所以我不认为它会变成一种简单的商品。

　　当然，我们现在也更有能力去影响更大范围的供应链了。在 AI 革命刚开始的时候，我现在说的这些判断，其实五年前就已经在讲了。有些人相信并提前投入了，比如 Sanjay 和美光（Micron）团队。我还清楚记得当时那次会议，我非常明确地讲了这个行业会发生什么、为什么会发生，以及今天这些结果是怎么一步步走来的。他们选择了加大投入。我们在 LPDDR 和 HBM 内存上深度合作，他们也做了大规模投资，这对公司来说显然是非常成功的。有些人来得晚一点，但现在大家都已经进入这个体系了。

　　但这些超算服务商有足够的资源自行编写内核。事实上，为了在自身特定架构上榨取最后 5% 的性能，他们也必须这么做。Anthropic 和谷歌主要使用自研加速芯片，或是 TPU、Trainium 芯片。就连采用 GPU 的 OpenAI，也自研了 Triton，因为他们需要专属内核。他们摒弃了 cuBLAS 和 NCCL 库，转而使用 CUDA C++ 底层开发，搭建了一套可兼容其他加速芯片的自有技术栈。如果你的大部分客户都有能力、也确实在替代 CUDA，那么 CUDA 究竟在多大程度上，才是推动前沿 AI 依托英伟达平台发展的核心关键？

　　所有超大规模云服务商都能为自己编写这类定制内核吗？英伟达依然拥有出色的性价比，所以他们或许仍会选择英伟达。但问题在于，这会不会最终变成单纯比拼谁能在同等成本下提供更好的参数、更高的算力与内存带宽。而过去，英伟达凭借 CUDA 的护城河，在整个 AI 软硬件领域一直保持着业内最高的利润率，超过 70%。关键问题是，如果你的大部分客户都有能力自建技术栈，不再依赖 CUDA 护城河，你还能维持这样的利润率吗？

　　所以我认为我们如此成功的原因很简单，就是我们的总拥有成本极具优势。其次，你提到我们 60% 的收入来自前五家云厂商，但其中大部分业务都是面向外部客户的。比如 AWS 上的英伟达产品，绝大多数都服务于外部客户，而非内部使用。Azure 的客户显然也全部是外部客户，OCI 同样如此。他们青睐我们的原因，是我们的覆盖范围足够广，能为他们带来全球所有优质客户，而这些客户都基于英伟达平台构建。所有这些公司选择英伟达，正是因为我们的覆盖范围与通用性无人能及。

　　这就是飞轮效应。原因在于几点结合：第一，我们的单位成本算力极强，能实现最低的 token 成本；第二，我们的单位功耗算力全球领先。如果我们的合作伙伴搭建一座 1 吉瓦的数据中心，这座数据中心必须实现最大的营收与 token 产出，而 token 直接对应营收。企业都希望尽可能多地产出 token，最大化数据中心的营收。我们的架构是全球单位功耗产出 token 最多的。最后，如果你的目标是出租算力基础设施，我们拥有全球最多的客户。这就是这一循环能够成立的原因。

　　回到你刚才的问题，原因其实很简单。在很早之前，我们并没有能力做到这一点。那时候，我并没有真正意识到，打造像 OpenAI、Anthropic 这样的顶级 AI 实验室有多困难，也没有意识到，这些实验室需要来自供应商的巨额投资。我们当时没有能力向 Anthropic 投入数十亿美元，以换取他们使用我们的算力。但谷歌和 AWS 做到了，他们在初期投入巨额资金，作为交换，Anthropic 使用了他们的算力。我们在当时确实不具备这样的条件。

　　Dwarkesh Patel：既然走到今天这一步，你们又持续获得巨额现金流，英伟达应该拿这些钱做什么？有一种思路是，现在已经出现了一整套中间生态，帮助这些 AI 实验室把资本支出转化为运营支出，让它们可以租用算力。因为芯片本身非常昂贵，而随着 AI 模型不断优化，芯片在整个生命周期里能创造极高的价值。它们生成的 token 价值在不断提升，但前期搭建成本极高。英伟达完全有资金承担这类资本支出。事实上，有报道称，你们为 CoreWeave 提供了最高 63 亿美元的资金支持，并直接投资了 20 亿美元。

　　如果我们没有开发出所有 CUDA-X 库，没有让它们覆盖各个专业领域……十五年前，我们就开始推进领域专用库，因为我们意识到，如果我们不开发这些库，无论是光线追踪、图像生成，还是早期的 AI 模型、数据处理、结构化数据处理、向量数据处理，都不会有人去做。对此我十分确定。我们还开发了一个用于计算光刻的库 cuLitho，如果我们不做，也不会有其他人做。所以说，如果没有我们的努力，加速计算就不会取得今天这样的进展。