1/ 伟大的战略家偏爱战略可选性（strategic optionality），一方面不想过早剪枝，另一方面也要优化资源。AI 正在做这件事，"保留可选性—展开—反思—剪枝"的探索本身就极耗算力
2/ 去年最大的解锁是大模型的外骨骼，记忆与工具使用，从工作记忆（working memory）到短期、再到长期记忆，进而形成知识图谱（knowledge graph），就像人类思考"我学到了什么、它如何嵌入我已有的全部知识"。"人类睡觉时会做压缩（compaction）：不重要的慢慢忘掉，重要的被重新连接起来。"于是有了工作记忆 + 离线的知识抽取与知识图谱构建
3/ 许多学科正处在临界点，只要把 AI 的穷尽式探索（exhaustive exploration）叠加到既有成果上，就会一个接一个地快速突破。但这需要大量算力，因为很多突破真正缺的，是对巨大搜索空间（search space）的海量探索。比如纳维-斯托克斯方程（Navier-Stokes equations）描述流体（水、空气、血液……）如何流动，是流体力学的基石
4/ 每个触及物理世界的行业，都会重新变成科技公司 / AI 公司，比如Elon 如何把汽车业变成了本质上的计算产业
5/ 电力越稀缺，世界越会转向每瓦产出最高的 NVIDIA。当全球可用电力 / 功率变少时，客户会把选择转向"最具生产力"的版本——最可出租（rentable）、最可互换（fungible）、最耐久（durable）
6/ 上游也在收紧：
1) 基板（substrate）：封装越做越大、单颗芯片用料更重，这些有机材料在所需精度下极难制造——封装变大后，热系数、堆叠方式让翘曲（warpage）等制造缺陷更难控制，必须极其精密、需要顶级伙伴；
2) 硅光子（silicon photonics）：同样供给受限
7/ 在 NVIDIA 的报表里，Elon 已从"企业（Enterprise）"归类挪到"CSP"。
Elon 相当独特：同时做三件事: 用 NVIDIA 技术训练并部署自己的 AI 模型（Grok bot 很酷、消耗量正在飙升）、并把算力对外出租（这点与 Google 类似）。Elon 还有一个优势，热爱"计算与物理基建的交叉点"，没有人比 Elon 更懂能源
8/ 只有 NVIDIA 的算力适合上太空：NVIDIA 单位能量的性能（performance per watt）世界第一，但更重要的是算力的生产力 / 投资回报极高，高到即便算上火箭发射成本，ROI 依然极好。发射成本并非微不足道，所以不会把低价值算力送上去，而要送高价值算力
9/ 太空算力还需满足可互换（fungible）：若一颗卫星没有租户就会闲置。NVIDIA 算力在工作负载、模型、客户之间完全可互换，且耐久（durable）——"八年前付的钱，我们今天还在给你更新软件、更新算法。只要卫星还在天上，我们就一直更新 CUDA 软件。"可互换 + 可出租 + 耐久，叠加技术本身，使其成为 SpaceX 的"完美载荷"
10/ NVIDIA 的计算大致分三块：
1) 基础计算（约 1/3）：数据处理、分子动力学、物理 / 聚变 / 裂变仿真、量子化学 / 物理、计算机图形，以及经典机器学习（Visa / Mastercard 的 XGBoost 反欺诈、推荐系统等）。假设完全没有 AI，NVIDIA 仍是一家很大的公司。这块仍以 30–40%/年增长。
2) 前沿实验室（约 1/4–1/3）：人们只看到两家，但 NVIDIA 与每一家都合作——他能数出五六家（Meta 的 Metamuse 做得很好、Grok 三年前还不存在、如今也在跑 Gemini、今年开始与 Anthropic 合作）。
3) 新一代创业公司 / Neocloud / 企业（约 1/3）：正值新计算平台切换的开端，大量初创涌现（消费、物理 AI、生物 AI、材料科学 AI，还有 Jeff Bezos 的新公司 Prometheus 等）——"它们做什么？租 NVIDIA 算力。"这约等于下一代的云计算 / 面向未来的 AWS
11/ "每 GW 产出约 400 亿美元"推演：若明年上线 40 GW、每 GW 产出 400 亿，就是 1.6 万亿美元收入——但现实不这么线性，要看需求曲线与扩散（diffusion）速度。
市场的担忧是：供给上得比需求快，可能在某个时点迎来"泡沫破裂"，因为 AI 的进展更像"阶梯函数"而非一路陡升的抛物线。黄仁勋的回答是"回到第一性原理拆解"：人们试图外推的"约 1,000–1,250 亿美元 ARR"只是整个基建的一部分。
他给出几条支柱： 基础计算那一块（约 1/3）稳稳的——"人们还会继续网上购物吧？这块拿去存银行都没问，根本不用争。" 摩尔定律已经结束：过去想要晶体管翻倍，等一年、同样价格就有了；现在不管等多久，想要翻倍就得付两倍的钱。
所以无论世界想要多少算力，每年要翻倍，就得多花一倍——这等于给原本就自然增长的那半万亿美元支出乘上一个放大系数（X factor）。"就算没有 AI，半导体业本来也在通往'全球最大产业'的路上。"
12/ 老黄认为很少见到共识错得像此时此刻这么离谱，把英伟达的收入和自由现金流预测几乎翻了一倍，股价却只涨了约 20%，现在只按 13–14 倍市盈率交易。英伟达的护城河是在变宽：
- 一是 份额在涨，六年前 NVIDIA 占全球 CapEx 还是个位数百分比；如今在全球 CSP 里约占 40%，在 CSP 之外（本地部署、Neocloud）约占 80%——两块业务都在每年翻倍，所以占全球 CapEx 的美元份额仍在增长
- 二是每 GW 能卖的东西也在涨：从GPU 公司到"最大、增长最快的网络公司"，再到"最大的 CPU 公司之一（且增长最快）"，还扩展到存储计算、知识基础设施计算、以及安全（Open Shell、Sentry）。每 GW 的产品价值从约 180 亿→200 多亿→如今 400 亿美元以上，且仍在上行。所以英伟达的份额上涨有两重原因：一是客户转向NV的平台，二是NV对每一 GW 提供的东西越来越多
13/ NVIDIA 坚持通用（general purpose）的核心理由是为了可互换性（fungibility）：可互换性的好处是低风险。当你在下大单、建 500 亿到1,000 亿美元基础设施时，你必须确信它无论如何都能长期好用。所以专用化是可互换性的敌人，专用化是耐久性的敌人。他给出那条著名的链条：通用性 = 低风险 = 可出租 = 可融资 = 最低 TCO
14/ 关于泡沫何时破（老黄此前在另一档节目回答过"约两到三年"的能见度），老黄的框架是：这本质上是对全球所有算力的一次永久性重构（re-architecture）。除非出现全球性大萧条，否则每年都要消耗巨量 NVIDIA 算力。过去 CSP 每年建设约半万亿、全行业约一万亿美元；每年都在新建，约每五年有一部分折旧 / 下线。旧世界是调取式（retrieval）'的计算，新世界是另一种计算方式，是永久性重构，问 AI 一个它没见过的问 → 它不是去哪儿'翻出'标准答案，而是用神经网络现算一个全新的回答，让模型做展开—反思—剪枝。
@aigc1024