8:30 主持人 Jake Conley、Julie Hyman 和 Pras Subramanian 对 Nvidia (NVDA) 首席执行官黄仁勋在 Nvidia GTC Berlin 上的最新评论做出了回应。该小组详细分析了大规模人工智能基础设施建设的时间表、数十亿美元投入该技术以及投资与实际应用之间日益扩大的差距。
需求量令人难以置信。 Core Weave 的方式与此类似。呃，Nebius 是一样的，scale 也是一样的。我认为挑战当然是，嗯，这就是你想要达到的目标，从计算机发货的那一刻到它们开始赚钱的那一刻，嗯，可能需要好几个月的时间。还有流通量，因为我们谈论的是一个公平的、相当重要的、呃投资，流通量是相当大的。所以，呃，我们需要帮助，我们需要帮助这些公司，呃，减少这种情况，我认为这就是减少供应链，让他们更容易承受这些，计算将会产生很大的影响。
这与我们昨天在亚马逊的《商业内幕》报道中所讨论的内容相符，即他们何时收到芯片与何时可以将芯片部署到数据中心并确认收入之间存在着这种混乱。但我进一步认为，他没有真正解决的是 Gartner，嗯，我认为贝恩以及其他人指出的其他问题。供应链中不仅存在缺口和混乱。此外，即使你看到，即使你说你看到的是大量的需求，所有这些方面的支出与终端市场的收入产生和认可之间仍然存在差距。
毫米。
正确的。就好像他说的是其中的一部分，而不是另一部分。
正确的。因为你必须假设，如果你要花掉所有这些钱，假设你购买了价值 1000 万美元的 Nvidia 芯片，但你需要六个月的时间才能将它们插入。你假设在这六个月里，你的资产负债表上花掉的钱会在未来收回，收入会出现。这又回到了这样一个事实：它不一定不会出现，因为它很可能会出现，但它发生得足够快吗？你能足够快地获得回报吗？
嗯，在其中一些报告中说，其规模永远不会是，也不是永远不会。这是需要在技术上发生的事情
把它拿到那里。
明智地创新以实现这一目标。