（来源：上观新闻）
有人总🍽🇷🇸是说：“黄仁🔗勋，你的🗃大多数主题演讲就🎩是一个接一🇮🇴🆚个的发🇦🇽布✍🆒。当前GUI智能体🎈🙎研究普🕖🛳遍面临一个结🥒🍁构性挑战：训练▪🎊、评测、部署三个🧺👨👨👧环节彼此🛸割裂，难以形成🌤🖌闭环🌒☠。但只要台积电🚝被说服了🇫🇰，几年内你就会看📸到足够🗄的EUV🏘设备❄⏫。我可以想🧺🎳象每个人都能够以🌚😺100英🇷🇼里/小时🏂👳♀️的速度驾🔗驶这些GP🇬🇾U，但要真🇸🇳正跑出极限，🇱🇧🇲🇺就需要极高的专业🇸🇹知识🇵🇼▫。
成本在下沉🎽🛥，价值在⛺👩🚀上移🙋♂️。我的观👨🦲点是，没有哪🤗个瓶颈🧠🙅♂️会持续超过两❌三年🛶。其次，Opus 🏄♀️😒4.7在较高“🔼思考强度🌫”下会进行更多🈚⌨推理，尤其🌌是在智能体（ag🧝♂️entic）场🥼🇩🇲景的后😦💇续轮次中🙉🐬。例如以下行业: 🚹🧞♂️消费电子产品✉🔄 工业🎫自动化 电信 它🇨🇼们也依🔌赖于同类型⏩的半导体🤙😌。没有AI之前，公🇯🇴司如果想🧙♀️🎓做一款产品或🙋♂️者一个👵🦞网页，需要前🐬🔲端、后🚓端、设🐺🎼计、测试…🕯☘…每个岗位至少各🇩🇲招一个人，前前🇹🇿后后花费🉑几个月时间🇳🇺。
从2024年的2📱2%降至20🛌😞25年的19.💧6%，下🐻🇸🇴滑超过🎵⚽两个百分点🦡。各位派友的抽屉里🇪🇬应该都躺着🇰🇵🛫不少「淘👓汰设备3️⃣」：旧手机🇻🇦、落灰的平板、甚🇰🇷🇲🇷至那是那台跑🇦🇱不动 3A 🆗大作的🇨🇼🌄老笔记本🖖。Cer🚣🔖ebras官🔚🇭🇹方博客中相对🇦🇸审慎的表述是🐏🏆"最高快15倍"🇳🇿⚽（20🇩🇴🗽26年4月🦶⛱），或在特定推👺成人免费看理场景下引🧐用Semi🍝🇹🇻Analysis😿🏷发布的英伟👨🍳⛑达B2🌰🕎00数据🤾♀️进行对比，宣👩🦰🎲称端到端🌸延迟快21倍（🇱🇸😁需要说明的是📂🏨，这组对比中Se🇱🇸💤miAnaly🏔🤤sis只测了🤨☠英伟达一侧🇧🇹，Cer❔ebras一🅾侧的数🇦🇬据来自公司自身🎹🏷）🧗♀️。
