黄仁勋：AI收入能否支撑资本开支？算力瓶颈、物理AI与开放模型
在Bayt播客上收听任何播客的中文翻译音频，并查看双语字幕：
安卓：https://baytfm.com
iOS：https://apps.apple.com/app/apple-store/id6748532039?pt=121796720&ct=xiaoyuzhou&mt=8
本期我们翻译了《BG2Pod with Brad Gerstner and Bill Gurley》中黄仁勋与 Brad Gerstner、Clark Tang 的对谈。他们从 AI 收入能否支撑资本开支谈起，讨论推理、记忆与工具使用如何改变算力需求，物理 AI 如何进入制造、医疗和交通，以及土地、电力、供应链对下一阶段建设的约束。黄仁勋也解释了他对开放模型、太空数据中心、软件许可和收入分成的看法，并把最小权限与外部监控放进“负责任地加速”的工程框架。这场对话让我们看到，他为何认为 AI 需求远不止少数头部实验室，以及他对未来保持乐观的理由。
🧠 从回答问题到完成工作
聊天机器人主要生成答案，智能体还要规划、调用工具、记住上下文、比较不同路径。黄仁勋认为，这些能力让推理的计算量继续增加。一个系统能做的工作越复杂，对记忆、工具和计算基础设施的要求也越高，不能只用模型参数大小判断需求。
🏭 物理AI走进现实世界…
The skinny
The skinny isn't ready yet — notes appear once the transcript is processed.