Podcast
主播 未知 出品 育麟Mike 8,098 订阅 46 集 2天前更新
硅基星期一 Silicon Monday
几天前,黄仁勋突然辞去英伟达CEO职务,超过17万人联名呼吁他回归,马斯克也公开表达支持。但真正值得关注的,不只是他能否重返英伟达,而是他的离开,会如何改变整个AI产业链。 英伟达的竞争力,从来不只是芯片性能。黄仁勋多年来建立的供应链关系、产业号召力和协调能力,让全球供应商愿意为尚未上市的产品提前投入数百亿美元。 如今,这套合作机制面临重新考验。 本期《硅基星期一》,我们从SK海力士的HBM扩产谈起,分析黄仁勋离开后,英伟达为何可能面临更高的合作成本、更慢的扩产决策,以及亚洲供应链可能出现的利润重新分配。 我们也会讨论,竞争对手能否借此争夺AI算力市场的份额,以及马斯克的Terafab是否可能成为黄仁勋的下一站。 最后,结合最新的回归行动、美国政府的态度和董事会的继任安排,谈谈我对黄仁勋最终能否回归,以及可能以何种形式回归的判断。 黄仁勋离开,英伟达失去的究竟是一个CEO,还是让整个产业链愿意提前为未来下注的能力?
15 分钟 1k+ 次播放 2天前
科技公司愿意投入巨资建设AI,为什么一座机房还是可能迟迟无法通电? 电网扩建谁付钱?冷却用水从哪里来?政府给了税收优惠,当地居民又能得到多少好处?美国中期选举之后,这些围绕数据中心的争议,正在进入正式的政治决策,也可能改变美国算力扩张的节奏。 民主党究竟有多大能力推动这些变化?如果一座原计划2027年上线的机房晚交付半年,谁最难承受?而美国建设放慢,对中国AI产业又意味着什么? 本期《硅基星期一》,我们从美国政府不同层级的权力边界讲起,沿着各州政策、算力交付和企业经营,讨论这场变化如何影响中美AI竞争。 本期你会听到: * 赢下国会,能让数据中心停下来吗? 总统、国会、州政府和地方机构各自掌握什么权力,哪些决定会真正影响项目落地。 * 换个州建,能把失去的时间补回来吗? 从得州、佐治亚到弗吉尼亚和俄亥俄,审批、供电合同和成本分摊,正在怎样改变建设门槛。 * 同样延期半年,为什么不同公司的处境差别很大? 大型云平台、模型公司、GPU云服务商和设备供应商,分别承受什么压力,谁又可能巩固竞争优势。 * 美国慢下来,中国为什么会同时遇到机会和压力? 中国模型企业可能获得争取客户的时间,面向海外供货的光通信企业却可能面对采购延后和新产品放量放缓。 我们对2027年的判断是:美国仍会继续扩大算力建设,但一批新增项目可能更贵、更慢,优势也可能进一步向拥有现成机房、电力和现金流的大公司集中。 比起投资发布会上又宣布了多少金额,接下来更值得关注的是:那些已经宣布的巨额投资,有多少能真正按时通电?
17 分钟 1k+ 次播放 1周前
AI泡沫开始破裂了吗? 一边是万亿IPO,一边是全球科技股暴跌 企业正在为AI花更多的钱,为什么资本市场反而开始卖出AI资产? 一边是Anthropic冲击万亿美元估值的IPO预期,一边是全球科技股的剧烈调整。企业客户的支出还在增加,模型公司的收入高速增长,但不断扩大的算力投入和长期付款承诺,也让投资者开始重新算账。 这场看似矛盾的局面,究竟意味着AI商业化出了问题,还是资本市场提前透支了太多未来? 本期《硅基星期一》,我们从Anthropic的企业客户和财务数据出发,沿着“一美元”的流向,从企业购买AI服务,追到模型公司的算力采购,再到云厂商的数据中心投资,看看AI创造的价值,究竟怎样才能变成真实的现金回报。 本期你会听到 * 谁在真金白银地为AI买单? 从Anthropic的高消费企业客户和净收入留存率,看AI如何从员工手里的工具,进入企业的日常工作流程。 * 一美元投入,如何对应更大的经济价值? 拆解All-In播客里的价值链推算,分清产业链收入、客户获得的价值、公司利润与投资者回报之间的区别。 * 数千亿美元的算力承诺,锁定了什么? 模型公司提前争取未来供给,也承担了多年的付款责任。当收入兑现慢于预期,压力会从哪里出现? * 谁在出钱,谁在收钱,谁又在承担风险? 当云厂商同时成为投资者、算力供应商、销售渠道和竞争对手,融资环境的变化会怎样沿产业链传递? * 科技公司一起下跌,背后是同一种问题吗? 从OpenAI的融资变化、谷歌的资本开支到英特尔的业绩压力,区分估值调整、盈利预期变化与经营困难。 * 这些变化,对中国光通信企业意味着什么? 从云厂商宣布投入,到供应商拿到订单,再到交付、利润和回款,中间还有哪些环节需要验证? 技术按月迭代,企业按季度采用,基础设施建设跨越多年,资本市场却可能在一天之内重新定价。当这四条时间线发生错位,技术仍在进步与投资者正在亏钱,完全可以同时发生。 AI拥有怎样的未来,以及我们今天为这个未来付出了什么价格,是这一期想一起算清的两笔账。
17 分钟 1k+ 次播放 2周前
公司用上AI,效率提高了,业务做大了,新人的机会却未必跟着增加。 过去,企业让新人从整理资料、准备初稿开始,一边干活,一边积累经验。当AI逐渐接手这些任务,招聘和培养新人的那笔账,也在发生变化。公司可能继续招人,却更希望来的人已经有经验,能够直接上手。 本期《硅基星期一》,我们从近期关于AI与就业的政策谈起,结合美国招聘市场数据、斯坦福的就业研究,以及宝洁的一项AI实验,一起聊聊: * 同样是用AI提高效率,为什么有的企业继续招人,有的却减少招聘? * AI能帮助我们提出更好的方案,为什么选择和判断仍然需要练习? * 对正在求职、入行或转型的人来说,怎样把AI能力变成看得见的竞争力? * 如果企业都想要有经验的人,下一批能够独当一面的人,又从哪里培养出来? 当越来越多企业都能用上相近的AI工具,培养人的能力,或许也会成为一项长期竞争优势。 技术降低了完成工作的成本,能不能也帮助新人更快积累经验、更早独当一面?这是本期想和你一起追问的问题。
15 分钟 1k+ 次播放 3周前
还没有人评价。听过的话,留个分数和一句短评吧。
您确定要删除评价吗?
外观
播放列表还是空的
去找些喜欢的单集添加进来吧