主题 先锋 趋势 方法 作者
返回

《黄仁勋离任或将永远改变AI行业》— Dylan Patel

·TBPN

正在生成长图…

本篇主题 科技创始人特质与心智剖析 开源闭源大模型对决 AI万亿资本开支与泡沫风险 中美AI竞争与地缘管控 智能体失控与递归改进风险 AI训练数据与评测基准
本篇先锋 Dylan Patel

摘要

  • 黄仁勋若离任,英伟达的决策速度、供应链议价能力和客户融资都将同时承压。 谈及有关黄仁勋与中国关系的指控,Patel认为,很难有人接替他协调这些事务。若把决策交给委员会,“那只会让决策变慢”。
  • 在英伟达之外,Patel认为开源将是最大输家。 英伟达支持美国的开放模型开发者,而对华限制收紧可能冲击另一个重要的开放权重来源。Anthropic相对占优:Patel称其对英伟达的依赖不超过三分之一,而OpenAI超过90%,并总结道:“总体而言,闭源正在胜出。”
  • 风险从模型供应延伸到获取算力所需的融资。 Patel追问,推理服务商没有信贷、兜底支持和持续进步的开源模型,如何将营收从10亿美元做到100亿美元。他称黄仁勋是“创投生态最有力的盟友”,同时质疑英伟达是否还会像过去一样积极。
  • Patel支持收紧对华硬件管制,同时保留部分云端访问。 他认为,Google向字节跳动出租芯片,既能保留美国的控制权、赚取利润,也提出了可对部分芯片公司的出租业务设限。前沿模型生成的数据可能成为转移能力的另一条渠道,受到审查。中国也有反制筹码,因为美国AI服务器包含中国零部件:“中国想停就能停。”
  • Patel对《AI 2027》的判断转趋积极,但仍对技术扩散存疑。 他说,截至当年,该报告可核实的预测约70%已被证明准确,尽管他起初认为这“有点过于大胆”。递归式自我改进“看起来越来越可能”,但中国的应对会带来供应链风险。
  • GDPX显示,编程和芯片设计能力大幅提升,其他领域进展则弱得多。 一位主持人谨慎地将受测模型称为“Mythos 5.2”,并提到约16%;Patel强调,领域专属的强化学习环境和数据至关重要。他对有价值的数据供应商给出的判断是:“是专家。就是专家。”

精读

1. 黄仁勋离任将暴露英伟达的协调难题

  • 主持人将有关黄仁勋与中国关系的指控称为“黑天鹅”,随后追问没有他坐镇,英伟达还能否维持交易推进能力。一位主持人原以为,至少未来一年黄仁勋会阻止任何估值超过100亿美元的AI公司倒闭,部分原因是要避免出现负面头条。Patel担心决策权转移到委员会:“那只会让决策变慢。”
  • 被问及黄仁勋是否亲自设计芯片架构时,Patel说并非如此;他的作用是在多个选项之间推动英伟达作出取舍,并在某个方案行不通时“立刻转向”。他举了Volta为例:在流片前约3个月加入了Tensor Cores。他认为,如果把这项改动推迟到下一代,英伟达就无法确立AI领域的主导地位。
  • 供应链议价能力同样高度依赖个人。Patel怀疑,继任者能否以低于市场价的条件拿到供应商60%–70%的产能。谈到Nikesh Arora时,他质疑在Palo Alto积累的硬件经验,能否转化为与Google、Amazon、AMD及前沿实验室芯片团队竞争的能力。“这些人是真有本事。”
  • 对英伟达内部人选,Patel看好Ian Buck和Jonah Alben,认为Alben最接近技术负责人;提拔他们中的任何一位,都可能削弱他们目前负责的工作。他更偏好的外部人选是Broadcom的Charlie Kawwas和Apple硬件负责人Johnny Srouji,两人都精通技术与供应链。他说,Hock Tan或Lisa Su会是更好的人选,但他不认为两人会接下这个职位。

2. 开放模型与创投融资都依赖英伟达兜底

  • Patel说,没有黄仁勋,“美国开源就不会存在”,并举出英伟达对Reflection和Thinking Machines的支持。应用公司和推理服务商也依赖中国开放模型。如果限制收紧,他质疑这些模型能否继续进步、开发者是否还会公开所有内容:“我认为最大的输家肯定是开源生态。”
  • 硬件多元化会改变各家的风险敞口。Patel说,智谱支持7种中国加速器,DeepSeek与华为合作密切;依赖英伟达的中国实验室,处境不如硬件来源多元的同行。类似的对比也让Anthropic胜过OpenAI:他称OpenAI对英伟达的依赖超过90%,Anthropic则不超过三分之一。开源竞争减弱,也会让Anthropic受益。
  • Patel认同,随着大型实验室公司逼近上市,创投投资人正逐渐退出这笔交易;OpenAI“可能刚完成最后一轮融资”。下游公司仍离不开融资。他追问,Baseten、Fireworks及同类公司如果没有算力、信贷和兜底支持,如何把营收从10亿美元做到100亿美元;中国模型持续进步也是它们需要的条件之一。
  • Patel的框架是,应用层公司的关键在于能否掌控底层模型。Harvey、Sierra这类公司如果被迫使用闭源模型,就会沦为套壳产品;如果使用开放模型,同时掌握客户关系,就能拥有另一种竞争位置。黄仁勋是“创投生态最有力的盟友”,但Patel不确定英伟达今后是否还会像过去一样积极投资。

3. 对华限制或将从硬件延伸到训练数据

  • Patel不愿对Mercor单独作出预测,但说许多数据公司有大量业务面向中国。它们会用前沿模型生成、提取和筛选材料,包括环境数据。出售这类产出,等于间接转移信息:“这和传统的蒸馏不一样。”他预计,芯片销售与出租将受到更严格审查;此前主要聚焦硬件的限制范围,也可能纳入数据。
  • 他主张限制芯片出货、TSMC和存储器公司的销售,以及先进芯片制造设备,并认为数据也可能成为限制对象。他建议不要普遍限制芯片出租,同时提出可对Megaspeed等芯片公司的出租业务设限,随后又补充说明这一建议仍需斟酌。Google可以在需要或接到指示时收回出租给字节跳动的芯片,同时收取利润,让字节跳动相较Meta盈利能力更弱。目标是:“如何让美国赢。”
  • 对于主持人所说的“蜜罐”说法,Patel表示,他不认为涉事女性是间谍,也不认为她属于“狭义上的蜜罐”,并将其描述为一位人脉广泛的商界人士。他认为,这类关系可能带来配合情报机构工作的压力。至于黄仁勋是否违法,Patel称:“我不知道。”

4. 《AI 2027》预测渐显可信,中国让发展路径更复杂

  • 一位主持人认为,AI能力的发展正紧贴《AI 2027》的预测,并询问报告对2026年11月中国“醒悟”的预测。Patel说,尽管他对AI一直非常乐观,起初仍觉得这个情景“有点过于大胆”。他说,截至当年,报告中约70%可核实的预测已被证明准确。他仍对技术扩散持怀疑态度,但递归式自我改进看起来越来越可能。
  • 另一位主持人反驳称,把GPU留在香港似乎意味着中国的发展时间线更长。Patel认为,中国显著加速的可能性很高,但警告不要让限制政策摆向不加区分的另一端:每台Nvidia服务器和Google TPU服务器都包含中国零部件。北京可以切断这类供应,这也引出一个问题:需要保留多少最低限度的访问,才能避免对方报复?

5. GDPX表明,专业数据是能力继续提升的关键

  • 一位主持人谨慎地将模型称为“Mythos 5.2”,并提到它在GDPX上的表现约为16%。Patel说,他测试Anthropic的模型花了约2天,发现软件工程和芯片设计能力有了显著提升。他起初称其他领域毫无进步,随后修正说,这些领域“也都有小幅提升”。
  • Patel的解释是,强化学习环境决定哪些能力可以扩展:没有独特的数据和环境,特定领域就不会进步。Anthropic的芯片研发说明了这一变化。他说,以前做芯片看起来太慢,赶不上AGI的发展;现在则是“模型可以造芯片”。单纯扩大规模不会让所有基准测试都提升:“真正需要扩展的是技术、算法和数据。”
  • 被问及数据是来自产品工具链还是数据经纪商时,Patel说,据他了解,Anthropic购买的芯片设计数据很少,而是自行构建数据。生物学领域则两种方式并用:公司通过自有湿实验室收集数据,同时也大量采购外部数据。不同领域适合不同的内外部数据获取策略。
  • 随着模型进步,只负责把实验室和勉强合格的标注人员对接起来的通用供应商,价值正在下降。“是专家。就是专家。”Patel认为,生产专业材料科学数据之类的业务有机会做大,但最终能扩展到多大仍未可知:“这到底能扩展到多大?”