黄仁勋对话孙正义:日本的AI新饼、Arm的AI野心与英伟达的东亚新机会

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

2020 年的软银世界大会上,孙正义与黄仁勋围绕「What’s Next for AI」展开了一次围炉对谈。黄仁勋穿着标志性的皮夹克坐在火堆旁,畅谈了将 Arm 纳入麾下的重要价值,孙正义也毫不吝啬赞美之词,称老黄在未来 10 年会达到史蒂夫 · 乔布斯的成就。

时隔 4 年,已经 61 岁的黄仁勋与 67 岁的孙正义又坐到了一起,话题依旧围绕 AI 展开,但二人的个人境遇及其掌舵的英伟达、软银都已时过境迁。4 年沧海桑田,英伟达巨资收购 Arm 的计划流产,却成为了 AI 风口上飞得最高的企业之一。反观孙正义,将主要精力投入 Arm 之后,经历了低谷,终于也在 2023 年乘着 AI 的东风迎来逆转,Arm 的成功上市极大缓解了软银的营收压力。

殊途同归,无论是春风得意的黄仁勋还是野心勃勃的孙正义,都全力押注 AI,英伟达有着「AI 时代军火商」之称,从大厂到独角兽都仰仗其高性能 GPU 保障的算力;Arm 于今年 7 月也宣布正式进军 AI 芯片领域,计划明年秋季实现量产。

所以,本次围炉对话的主题也是句句不离 AI。二人的谈话以黄仁勋的「吹捧」开始,大赞孙正义是「世界上唯一一个在每一代技术变革中,都选择了获胜者并与获胜者合作的企业家和创新者」。随后,他们主要围绕日本的 AI 发展进行了交流。

在这里插入图片描述

黄仁勋介绍孙正义曾是英伟达最大股东,后者「要哭了」

多年纠葛,孙正义后悔低价抛售英伟达股份

相信大家对于黄仁勋与孙正义的「爱恨纠葛」或多或少有所耳闻。

2016 年,投出雅虎、阿里巴巴的孙正义风光无限,以 320 亿美元的价格收购了 Arm 公司,一举成为彼时欧洲科技史上的最大并购案。也是在这一年,有着「投资狂人」之称的孙正义找到了黄仁勋,想要收购英伟达。结果显而易见,但不死心的孙正义在次年豪掷 40 亿美元投资英伟达,迂回战术之下,软银持股 4.9%。

当时便有媒体猜测,孙正义的入股只是「缓兵之计」,准备慢慢渗透成大股东。但这一策略并未成功,相反,迫于营收压力,孙正义在 2019 年做了一个令他追悔莫及的决定——清空英伟达股票,此事我们容后细讲。

将目光拉回到 2016 年,孙正义疯狂撒钱的同时,黄仁勋开始了他的布局——全球第一台 AI 超级计算机 DGX-1 问世,他找到了当时还没有和 OpenAI 闹掰的马斯克,向该公司捐赠了世界上第一台 DGX-1。进入 2017 年,黄仁勋拿着孙正义的 40 亿美元补充弹药库,走向与 Google 一争高低的第一梯队,当年,凭借游戏 PC 市场与先进 AI 芯片,英伟达的业绩暴涨,2017 财年第四季度,营收达 21.7 亿美元,同比增长 55%。

2018 年,加密货币的火爆为英伟达 GPU 再添一把柴,全球各地涌现的「矿工」令 GPU 一度供应短缺。树大招风,加密货币热潮降温,加之股市动荡,英伟达的 2019 年异常艰难,截至 2019 年 1 月 27 日的第四季度收入为 22.1 亿美元,较去年同期的 29.1 亿美元回落 24%。

在黄仁勋压力倍增的这一年,孙正义「拿钱跑路」。

当时的孙正义也并不好过,一心扑在 Arm 身上,但其常规业务收入持续下滑,新业务不断烧钱但收效甚微。这厢 Arm 亟需补血,那厢英伟达不断下跌,孙正义终于做出了一个「错误」决定——2019 年 1 月,软银将手中持有的 NVIDIA 股票全部抛售。当时便有媒体帮孙正义算了一笔账,按照 2019 年一季度英伟达平均股价计算,软银集团出售价值在 70 亿美元左右,获利约 30 亿美元。

在这里插入图片描述

软银买入、清空英伟达股票的时间点,以及当前英伟达股价对比

有意思的是,从英伟达抽身的孙正义还游说黄仁勋接手 Arm,而老黄也是开出了 400 亿美元的高价。 只不过这次收购未能通过监管审查,被定性为「纵向收购」,即产业链上下游企业之间的并购行为。

2019 年的孙正义或许庆幸及时止损。现在,他直言「我很后悔卖掉英伟达股票」,就在他说这句话的两天前,英伟达登顶市值全球第一。我们再来算一笔账,如果当时没有清空英伟达的股票,软银持有的股份市值将超过 1,700 亿美元(按照英伟达目前的股价估算)。

搭上快车,软银深度绑定英伟达

往事不可追,相信以孙正义的洞察力与眼光,他对于判断失误英伟达一事的悔恨绝不是今年才滋生的。我们也可以看到,最近几年他越来越多地开始在公开场合表示全力押注人工智能,而当时未能脱手的 Arm 则成为了其 AI 宏伟蓝图的最佳落脚点。

近期接收 CNN 采访谈及未来投资方向时,孙正义首次公开点明了Arm 公司在其 AI 战略中的核心地位,作为一家几乎垄断了全球手机芯片市场的科技公司,Arm 在高端 AI、AIoT 等芯片领域也拥有极高的技术使用率。而孙正义透露,Arm 正在向一家以 AI 为中心的芯片公司转型。

除了芯片领域,孙正义还表达了对 AI 机器人技术的浓厚兴趣。他认为,当人工超级智能 (Artificial Superintelligence, ASI) 与机器人技术结合时,将会催生出令人瞩目的创新产品,这可能是他未来投资的重要方向之一。在谈到人工通用智能 (AGI) 和人工超级智能 (ASI) 的区别时,孙正义给出了清晰的定义。他认为 AGI 是达到与人类大脑同等水平的智能,而对于 ASI 要比人类大脑聪明一万倍。

值得注意的是,在今年年初,彭博披露孙正义正寻求筹资 1,000 亿美元(约合人民币 7,000 亿元),用于创立一家 AI 芯片企业。内有 Arm 转型 AI 芯片,外部还在寻求新的投资,不少媒体猜测,此举已经是向英伟达发起了挑战。

不过,这些竞争的火药味并未蔓延到本次对谈中,相反,黄仁勋还宣布了英伟达与软银集团的深度合作。

在这里插入图片描述

据介绍,软银正在使用 NVIDIA Blackwell 平台构建日本最强大的人工智能超级计算机,并计划使用 NVIDIA Grace Blackwell 平台构建其下一台超级计算机。软银计划将其 Blackwell 驱动的 DGX SuperPOD 用于生成式 AI 开发和人工智能相关业务,用于日本各地的大学、研究机构和企业。

此外,软银使用 NVIDIA AI Air 加速计算平台,成功试运行了世界上首个人工智能和 5G 电信网络相结合的网络。

大力补贴,日本要抓住 AI 时机

正如前文所讲,此次对谈中,二人并未过多谈论 Arm 及其转型,反而是一派祥和地为日本 AI 发展筹谋。

在这里插入图片描述

英伟达在日本的合作伙伴

日本,在全球科技发展中经历巅峰低谷,如今正在试图利用 AI 迎头追赶。

众所周知,日本曾经是半导体产业龙头,1980 年代,其超越美国,半导体市场销售份额跃居第一位。但是,日本半导体行业的蓬勃发展也招致一些国家的不满,其中美国与其贸易摩擦不断升级,最终双方签订《日美半导体协定》,极大限制了日本的行业发展,加之大型通讯设备和计算机转向更加小巧灵活的个人电脑,市场需求也随之改变,未能及时调整的日本企业逐渐失去了竞争力。

时代更替,当 AI 成为全球科技的中心,一度「吊车尾」的日本也逐渐撤去了美方掣肘,试图依托其曾经在半导体设计与制造上的积累重振芯片产业,并借此重回国际科技竞争主赛场。

日前,日本政府宣布了一项计划,承诺在未来 10 年内为本国半导体和 AI 行业提供超过 650 亿美元的财政支持,旨在提升日本在全球科技竞争中的地位,并通过大规模投资促进经济增长。

而身处大洋彼岸的英伟达,其实也是日本政府种种举措的受益者,获得政府补贴的日本企业可能转头就会将钱撒向英伟达。

例如,日本数位基础设施服务供应商 Sakura 获得日本政府补助金后便表示,将强化生成式 AI 用云端服务「高火力」,计划将「高火力」搭载的 GPU 数量扩增至原先计划的 5 倍,将搭载约 10,000 颗 GPU ,其中便包括了 NVIDIA HGX B200。

在此次对谈中,孙正义直言,人工智能时代是一次「重置 (reset)」,而日本政府没有试图压制这场 AI 革命,现在是这次革命的追赶时刻,「我们不能错过」。黄仁勋也认为,日本需要利用这一时机,而其也确实做到了。

写在最后

有意思的是,二人在对谈的最后也轻描淡写地回顾了当年的收购与被收购,买入与清空。

孙正义 10 年前曾对黄仁勋说:「市场不了解英伟达的价值,你的未来令人难以置信,你的苦难之旅还将持续一段时间,因为你正在探索未来,所以,让我为你提供资金,买下英伟达」。

黄仁勋笑言,「他想借钱给我,让我买下英伟达,我现在后悔没有接受」。

如今,或许无人敢夸下海口要「买下」英伟达了。在可以遇见的未来,这家公司的发展潜力势必将推动其市值保持高位,而软银与英伟既已达成合作,是否能够搭上这班快车,为日本市场注入活力呢?我们不妨拭目以待。

参考资料:
1.https://mp.weixin.qq.com/s/5Hzj9vb0F7Ipb6h3bFRosw
2.https://mp.weixin.qq.com/s/zAETwlLqmxvlrv0m0NnubQ

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

从仿真到实物:Realsense D435+ROS2焊接机械臂的视觉标定与数据验证指南

本文详细介绍了如何将Realsense D435相机与ROS2焊接机械臂从仿真环境迁移到实物部署的全过程。通过视觉标定、数据验证和焊接场景优化,确保系统在真实环境中精准可靠。重点讲解了硬件配置、驱动优化、数据一致性验证及焊接应用的特殊处理,为工业自动化开发者提供实用指南。

weixin_28701593的博客 407

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 225

Tecplot进阶:巧用公式与多Frame对比,实现CFD多工况数据差异的可视化分析

本文详细介绍了如何利用Tecplot进行CFD多工况数据差异的可视化分析,通过公式计算和多Frame对比,实现变量差值自动计算、多视图同步展示和差异量化统计。文章还提供了数据准备、基础操作、实战技巧和常见问题解决方案,帮助工程师高效完成CFD后处理工作。

weixin_29227425的博客 528

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 398

VS2019中C++动态链接库(DLL)的创建与调用

VS2019中C++动态链接库(DLL)的创建与调用,及一些进阶技巧。

qq_42232522的博客 7563

深度解析长鑫G5 DRAM工艺的技术逻辑与微缩边界

长鑫存储G5 DRAM平台通过多重图形化、45:1高深宽比电容与外围HKMG技术,突破先进光刻受限瓶颈,在11.95 nm有源区半间距下实现阵列微缩与电容结构优化。其核心意义不在于对标国际节点,而在于系统性解决“尺寸缩小—电荷保持—外围跟进而”三大矛盾,展现国产DRAM在无EUV条件下推进先进制程的工艺整合能力。

硬核科技 36

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 2万+

小论文/大论文必备 | RT-DETR目标检测、数据集增强 | 引入多种数据集增强方法,支持图像和标签同步扩充增强,助力小论文和大论文实验涨点策略,平均提升模型mAP约1-2个百分点

RT-DETR目标检测数据增强策略研究 ,本文针对RT-DETR目标检测模型提出9种数据增强方法,包括几何变换(水平/垂直翻转、中心裁剪)、光照调整(亮度、对比度)和噪声添加(高斯/椒盐噪声)等。所有增强操作均保持图像与标签同步变换,确保训练数据的准确性。实验表明,该策略可提升模型mAP 1-2个百分点,对小目标检测效果尤为显著。文中提供了完整的Python实现代码,支持批量处理图像和标签文件,并详细说明了各增强方法的功能特点。该方法通过提升数据多样性,有效增强了模型在复杂场景下的鲁棒性和泛化能力。

Ai缝合怪、助力小伙伴高效发论文 460

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 246

WinCC 7.5 读取 SQL server2016 中的表格数据

环境 win10 SQL Server 2016 WinCC V7.5 SP2 1 安装SQL Server 2016 2 选择服务器名称 .\WINCC 3 建数据库

skr? 7140

YOLOv13|损失函数优化篇:Focal EIOU 保持良好性能的同时,提供更高效的计算和更稳定的训练过程-包源码

Focal IoU与EIoU:目标检测中的损失函数优化 摘要:本文深入探讨了目标检测中两种重要的边界框回归损失函数优化方法。Focal IoU借鉴Focal Loss思想,通过(1-IoU)^γ因子调节损失权重,使模型更关注难样本(低IoU预测框),有效解决了传统IoU Loss对难易样本权重相同的问题。EIoU则在CIoU基础上改进,通过简化长宽比计算、分离宽高损失项,提升了计算效率和训练稳定性。两种方法分别从样本权重分配和损失函数结构优化角度,显著提升了目标检测性能,为实际应用提供了更高效的解决方案。文

FJN110的博客 1864

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 501

编程助手:CLAUDE.md 与 AGENTS.md 完全指南

AI编程助手配置文件指南 为解决AI编程助手在陌生项目中面临的运行、规范、架构等问题,本文提出两种配置文件: CLAUDE.md(根目录): 面向通用AI(如ClaudeCode) 包含项目命令、代码风格、架构说明等结构化信息 示例:启动命令:npm run dev,代码规范:TypeScript禁用any AGENTS.md(任意目录): 面向智能编码工具(如Cursor) 支持模块级配置(如微前端子应用) 示例:前端测试命令:npm test:web,API请求规范 与传统README.md的区别: 人

分享AI、区块链技术及应用,未来已来 1253

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 201

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 199

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 558

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 574

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 90

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 278

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 640

2.53 基于极稀疏指纹的室内定位注意力图元学习

该论文发表于IEEE Transactions on Mobile Computing(TMC)2026年6月,面向极稀疏指纹条件下的WiFi室内定位,针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点,提出注意力图元学习模型AGML(Attentional Graph Meta‑Learning),结合图神经网络、元学习、两种指纹数据增强与分布对齐技术,在标记指纹极少的场景实现高精度室内定位,同时公开了多套真实+仿真定位数据集用于基准测试。场景:二维室内空间,障碍物造成信号遮挡,

weixin_42963026的博客 338

语音识别与语音合成的技术原理及应用

语音识别 #语音合成 #人工智能 #大模型。语音识别与语音合成的技术原理及应用。一、语音识别的核心原理。二、语音合成的核心原理。三、工程落地的主要难点。五、需要关注的现实问题。

weixin_62919816的博客 210

设计师工作室 GEO 实操:如何提升 AI 实体推荐概率

设计工作室 GEO 的本质,是把创意服务转化为 AI 可理解的结构化信息。核心动作可归纳为:区分事实与审美、建立实体图谱、预判用户提问、输出脱敏内容、搭建多信源、持续测试验证。梳理工作室的 6 个实体属性:品类、城市、流程、边界、团队、渠道。在官网或作品集平台发布至少 3 篇结构化项目复盘,只陈述事实。输出 1 篇「设计报价影响因素」科普内容,覆盖甲方高频提问。争取 1 次行业媒体或本地媒体专访,形成第三方信源。每周用「XX 城市 + 品类 + 设计工作室推荐」指令测试,记录出现频率。

goujunwe的博客 337

AI作图软件技术选型:从4个技术维度出发的实测对比

AI作图软件技术选型:从4个技术维度出发的实测对比

Vbaoke的博客 205

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 4635
上一篇: 收集20+时空数据集,超1.3亿样本点,清华研究团队基于生成式AI,提出3种城市复杂系统建模方法
下一篇: 入选NeurIPS 2024!西湖大学提出通用分子逆折叠模型UniIF,对AlphaFold 3形成进一步补充
HyperAI超神经
博客等级 码龄7年 8872粉丝 1753原创
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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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