英伟达黄仁勋:已实现AGI,2028财年营收或逼近6730亿美元!

黄仁勋宣称英伟达实现AGI,预测未来员工规模

最近财报电话会上,黄仁勋喊出英伟达已经实现了AGI,并给出惊人预测:未来的英伟达,可能只需要4万名人类员工,就能同时指挥40万甚至400万个24小时无休的AI Agent疯狂工作。如果英伟达率先实现AGI,意味着什么?

实现AGI后,英伟达将构建强大护城河

英伟达坐拥全球最庞大的算力底座,实现AGI后,一条惊人的「算力反哺研发」的护城河将彻底挖通。一旦AGI解锁递归自我进化(RSI),英伟达将在内部孵化数百万AI Agent的超级科学家大军。这支大军会反哺自身,自动化涉及下一代更逆天的GPU架构,甚至重写CUDA代码。这种「左脚踩右脚」的升维打击,将为英伟达带来前所未有的高额垄断利润,由于现实物理世界的供应链被卡住,绝大多数竞争对手将被挡在门外。最终,英伟达不仅将垄断全球绝大部分的有效「AI劳动力」,更将获得人类迈向硅基文明阶段最丰厚的垄断红利。

黄仁勋认为纠结AGI概念无意义

在科技圈,AGI意味着AI能够在绝大多数极具经济价值的工作中,表现得和人类一样好,甚至超越人类。过去几年,无数科技巨头为「谁先摸到AGI的门槛」争得头破血流。然而,在周三的财报电话会议上,当被问及如何看待OpenAI等公司对AGI的狂热追求时,黄仁勋平静地表示,对于许多任务来说,英伟达已经实现了AGI。这不是他第一次这么说,早在今年3月的Lex Fridman播客中,他就表达过类似观点。这次,他还指出,现在继续纠结于「AGI到底是什么」、「什么标准才算达到AGI」,已经完全没有意义。因为整个科技界对于「智能」本身就没有一个普遍共识,更别提如何衡量AGI了。

英伟达Avo架构测试满分,标志AI能力质变

真正让黄仁勋兴奋,也让全人类需要警惕的,是AI能力的底层质变。根据最新数据,英伟达的Avo架构在长周期自主智能体的基准测试ARC - AGI - 3上,以满分成绩100%完成率通过。ARC测试由Keras之父François Chollet提出,被公认为AI界的「最强智力测验」,它专门针对大模型的「背题」弱点,要求AI在面对从未见过、没有任何历史数据可参考的逻辑谜题时,仅凭极少量的例子,展现出类似人类的抽象推理能力。过去,哪怕是OpenAI和Google的最强模型,在这里也纷纷折戟,准确率突破50%都极其艰难。而英伟达的Avo架构,不仅拿下了100%满分,而且是在纯粹的零样本提示下,在全部25个公共环境中的183个关卡中,没有任何明确规则,全靠自主推理通关。这意味着英伟达成为全球首个取得该项测试满分的巨头,更标志着AI彻底跨越了「模式匹配」的死胡同,真正具备了解决未知复杂问题的通用认知能力。AI将告别「你问AI回答」的被动时代,成为拥有前沿通用架构的自主智能体,能够独立拆解步骤、自主执行,甚至在任务结束后进行反思、学习新技能,实现「递归自我改进」。

英伟达「AGI造芯」落地,验证周期大幅提速

在2026年的Computex与GTC Taipei上,黄仁勋携手Cadence,共同发布了ChipStack AI Super Agent,官方宣称其自主能力已达Level - 5级别。该系统以Codex和Nemotron为引擎编排工作流,调用Cadence Xcelium进行RTL仿真、Jasper执行形式化验证,所有任务均在NVIDIA OpenShell沙箱中运行。官方公布的数据显示,典型验证闭环从约五周压缩至不到一天,RTL验证周期提速超过40倍。英伟达内部「数千名工程师、每年数十亿计算小时、数百万次测试」的庞大验证体系,都将由这套智能体承载。

英伟达财报超预估,2028财年营收指引惊人

英伟达的财报全面超出市场预估。在最新的2027财年Q2财报中,上一季度总营收达到创纪录的962亿美元,较前一季度增长超过100亿美元。仅数据中心业务营收就同比增长逾一倍,达到创纪录的890亿美元,利润也增长逾一倍至597亿美元。本季度关键数据如下:营收962亿美元(预期922亿美元,同比增长106%);数据中心890亿美元(预期858亿美元,同比增长117%),由超大规模客户(487亿美元)和企业AI业务(403亿美元)驱动;净利润597亿美元(惊人的62%净利率,同比提升6%);毛利率75%(预期75%,同比提升250个基点即2.5%),毛利润达721亿美元;调整后每股收益2.22美元(预期2.10美元,同比增长120%)。按91天计算,营收相当于每天约10.6亿美元。第三季度预计营收1080亿美元,这将是英伟达历史上首次在单季度突破1000亿美元大关,日均收入将飙升至近12亿美元。首席财务官Colette Kress提前一年给出了整个2028财年的指引,预计营收增长约70%,而华尔街之前的预期只有44%。按当前财年近4000亿美元的共识计算,2028财年的总营收将逼近惊人的6730亿美元,这将使英伟达直接超越苹果和微软,成为仅次于亚马逊的美国营收第二大科技公司。黄仁勋还表示,70%只是受限于供应链的供给数字,如果不受产能约束,客户的真实需求增速接近100%。按照65%的净利润率粗略计算,2028财年英伟达的净利润可能接近4500亿美元。

Token成为AI盈利关键,英伟达成「印钞机引擎」

黄仁勋认为,现在科技界最核心的变革是AI正在做极其高效和有用的工作,并且正在生成能直接带来利润的Token。在AI大模型的世界里,Token是文本处理的基本单位。过去,这些Token只是实验室里的数据,而现在,随着AI Agent与实际业务深度绑定,这些Token变成了实打实的商业价值。当AI帮你自动生成一段无bug的后台代码,这段代码带来的效率提升,就是盈利的Token;当AI自动抓取全球市场数据,秒级生成投资策略并执行交易,赚到的真金白银,更是绝对盈利的Token。衡量下一阶段AI战争胜负的关键指标,变成了「每美元产出的Token数」和「每瓦特产出的Token数」 。谁掌握了算力,谁就掌握了新时代的「印钞机」。英伟达已经全面投产并按时出货的Vera Rubin架构,将每GW数据中心对应的收入机会从Hopper的180亿美元飙升至400亿美元,通过快速迭代正在将自身变成全球数字经济最高效的「印钞机引擎」。去年,还只有少数几个顶级实验室在抢基础设施,而今天,生成式AI已经迎来了百花齐放的黄金时代,新AI实验室、AI国家队、物理机器人AI、万物互联,全都在疯狂争夺算力。基于当前AI Agent展现出的强大自主性和自我进化能力,黄仁勋预测,在不久的将来,英伟达可能只需要维持4万名左右的人类员工规模,但他们将拥有40万,甚至400万名数字员工(AI Agent)。正如Dylan Patel对账本推演出的终极结论:十万亿级别的算力扩张,将引发整个生态系统超5万亿美元的信贷需求。未来两三年内,整个真实世界的经济运行都将直接沦为这种AI算力垄断与扩张的结果。

财报会掀开AI底牌,未来生存法则待抉择

2026年8月的这场财报会,必将被载入史册。黄仁勋不仅给AI续了命,更是直接掀开了AI商业化最真实的底牌——算力即权力,Token即财富。在这个「4万人指挥400万AI」的疯狂时代,恐慌是徒劳的。未来的生存法则,只有一条:要么成为控制AI的人,要么成为被AI替代的人。那么,在这场AI变革中,你会做出怎样的选择呢?

内容概要:本文围绕分布式电源接入对配电网的影响展开研究,利用Matlab进行建模仿真与代码实现,系统分析了分布式电源(如光伏、风电等)接入后对配电网在电能质量、潮流分布、电压稳定性、保护配置等方面的影响。研究涵盖了多种分布式电源类型与不同渗透率场景,通过构建典型的配电网模型,仿真其在正常运行及故障条件下的动态响应特性,重点探讨了分布式电源引起的电压越限、反向潮流、短路电流水平变化等问题,并提出了相应的优化调控策略与解决方案。同时,结合主动配电网的有功无功协调优化、鲁棒调度等高级应用,展示了如何借助现代优化算法提升系统接纳能力与运行经济性。; 适合人群:具备电力系统基础知识,熟悉Matlab/Simulink仿真环境,从事新能源接入、配电网规划与运行等相关领域的科研人员、工程师及高校研究生。; 使用场景及目标:①掌握分布式电源接入对配电网关键指标的影响机制;②学习基于Matlab的配电网建模与仿真方法;③理解并实现主动配电网的协调优化调度算法;④为实际工程中分布式电源并网方案设计与问题诊断提供理论支持和技术参考。; 阅读建议:建议读者结合文中提供的Matlab代码,逐步复现仿真案例,深入理解模型构建与算法实现细节,并尝试在不同参数设置网络结构下进行拓展实验,以增强对系统动态行为的认知与分析能力。
源码直接下载地址: https://pan.quark.cn/s/2c7f36758013 ### 双向全桥DCDC变换器研究 #### 一、引言 随着现代电力电子技术的持续进步,双向DCDC变换器作为一种能够实现能量双向传输的直流到直流转换装置,在多个领域内获得了普遍的应用。这类变换器不仅可以用于不间断电源系统(UPS)、航天电源系统、直流电机驱动系统以及混合动力汽车等领域,而且还可以明显提升系统的整体性能和可靠性。本文将详细探讨双向全桥DCDC变换器的基础原理、控制方法以及实际应用情况。 #### 二、双向DCDC变换器概述 双向DCDC变换器是一种能够在两个方向上传输能量的直流变换器,其主要优势包括高效率、小体积以及灵活性等特性。相较于传统的单向DCDC变换器,双向变换器能够更加适合现代复杂多变的电源管理系统需求。 ##### 1. 基本概念 双向DCDC变换器的核心在于其能够依据需求调节能量的双向流动,这使得它在各种应用环境中都表现出色。例如,在混合动力汽车中,双向变换器可以在车辆加速时提供额外的能量,并在制动时回收能量,从而增强能源利用效率。 ##### 2. 拓扑结构 双向变换器的拓扑结构多种多样,但其中最常见的是全桥拓扑结构。全桥拓扑结构由四个开关管组成两个桥臂,这种结构不仅提供了更多的控制自由度,还能够方便地实现开关管的软开通和软关断,进而提高变换器的开关频率并减小体积。 #### 三、双向全桥DCDC变换器控制策略 对于双向全桥DCDC变换器而言,有效的控制策略是确保其实现高效能量转换的关键。本文提出了一种基于全桥拓扑结构的新型软开关双向DCDC变换器控制策略,具体涵盖以下几个方面: 1. **软开关技术**:通过周密的规划,使得开关管在开通和关断...
代码转载自:https://pan.quark.cn/s/a3013c73f9ed 本文将系统阐述华为eNSP单臂路由配置的实践案例,涵盖实验目标、实验架构、实验环节、实验流程及实验规范等多个方面。 一、实验目标 本实验旨在加深对网络结构的认识,熟练运用单臂路由技术达成不同vlan间的通信。通过此次实验,参与者将学会单臂路由的设定与应用,并理解vlan间通信的机制和实施途径。 二、实验架构 实验架构图示如下: PC1(vlan10)------------R1------------PC2(vlan20) 其中,PC1与PC2分别归属于vlan10和vlan20,R1作为单臂路由设备。 三、实验环节 1.绘制相应的架构图。 2.对交换机进行命名,按照编号形式命名为R1-姓名缩写。 3.详细的地址信息如下所示: PC1:IP地址为192.168.10.1/24,网关地址为192.168.10.254;归属vlan10 PC2:IP地址为192.168.20.1/24,网关地址为192.168.20.254;归属vlan20 4.依据提供的信息设定交换机和PC机,将拓扑图中的PC分配到对应的vlan中。 5.借助单臂路由促成不同vlan间的通信。要求,所有主机PC1与PC2能够互相发送ping请求。 四、实验流程 1.依照内容绘制网络架构图。 2.为PC1和PC2设定IP地址和网关。 3.配置交换机的vlan信息,明确哪些端口设置为access端口,哪些端口设置为trunk端口,依照配置方法实施即可。 4.交换机配置完成后,进行路由器设定。在单臂路由架构的路由器配置过程中,借助子接口,启用子接口配置ip地址时需注意,不可遗漏使用dotlq termination...
内容概要:本文详细介绍了基于主动形状模型(ASM)进行人脸检测的技术原理与Matlab实现方法。ASM通过构建面部关键点的统计形状模型,结合主成分分析(PCA)提取形状变化的主要模式,并利用迭代优化策略在新图像中搜索最佳匹配的人脸轮廓,从而实现对人脸特征点的精确定位。该方法能够有效应对光照、姿态和表情变化带来的挑战,具有较强的鲁棒性和较高的检测精度。文中系统阐述了ASM的训练过程、匹配机制及参数调整策略,并通过实验验证了其在实际人脸图像上的检测效果。; 适合人群:具备一定图像处理、模式识别与计算机视觉基础知识,熟悉Matlab编程语言,从事人脸识别、生物特征识别、医学图像分析等相关领域的科研人员、研究生及工程技术人员。; 使用场景及目标:①应用于人脸识别、人脸对齐、表情识别等任务的前期特征定位环节;②为三维人脸重建、人脸动画合成、医学面部诊断等高级视觉应用提供可靠的几何基础;③帮助学习者深入理解基于统计形变模型的图像分析方法,掌握从理论建模到算法实现的全过程。; 阅读建议:建议读者结合提供的Matlab代码逐模块实现并调试算法,重点关注形状模型的构建流程、特征点标注的一致性处理以及搜索过程中局部外观模型的构建与匹配机制,同时可通过调整PCA保留主成分数量、搜索窗口大小等参数,观察其对检测精度与效率的影响,以深化对算法内在机理的理解。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值