PODCAST · 硅谷101

2026 年 3 月节目

4 期 · 4 期带分节

  • 03-26E230｜1万亿收入预期背后：英伟达的巅峰与软肋
    1. 03:21万亿目标背后，推理业务正成为英伟达关键收入来源
    2. 05:50供应链瓶颈：CoWoS产能成最大挑战，硬件周期非资金可突破
    3. 09:03七芯齐发的关键：英伟达全公司都在用 Coding Agent 做芯片
    4. 10:10Groq的优势：纯SRAM架构专攻低延迟
    5. 15:43推理芯片创业还有机会吗？关键：找英伟达短板
    6. 19:07未来数据中心是异构的，系统级优化比单芯片更重要
    7. 21:25OpenClaw引爆TOKEN消耗，英伟达NemoCloud能让人惊艳吗？
    8. 24:27SaaS面临挑战：未来软件公司卖的不是软件，是AI劳动力
    9. 28:36未来企业架构：CEO同时管员工和智能体，HR、财务都可外包
    10. 30:07英伟达芯片设计模型ChipNemo，硬件代码也能写，难点在于优化
    11. 31:47谷歌TPU系统能力强，但英伟达的护城河已从CUDA扩展到全栈基础设施
    12. 35:28英伟达的护城河：执行力与供应链
    13. 36:14未来挑战：垂直领域、边缘端与私有化部署的崛起、推理市场红利被分流、资本压力
    14. 40:16观众提问1： 英特尔是否有望成为代工第二源？
    15. 42:56观众提问2：CUDA护城河是否会被Coding Agent削弱？
    16. 46:30数据中心竞速：靠自发电与预制集装箱加速
    17. 50:22谁在引爆GPU云需求？模型训练、视频生成、AI Coding以及OpenClaw
    18. 53:39模块化、标准化、全套打包的AI工厂方案
    19. 56:57不止GPU缺货，数据中心核心配件供应趋紧
    20. 58:42运营GPU云的核心能力：先有卡，再稳得住，SLA是生死线
    21. 01:01:04GPU折旧比资本市场预估更耐久
    22. 01:02:08观众提问3：AI云服务商的差异化策略
  • 03-20E229｜从手工作坊到全球第一：中国动力电池逆袭史
    1. 02:48决定性优势：中国在产业链的很多环节，市占率达到80%以上
    2. 03:11关键拐点：“十城千辆”如何在早期用政策先创造需求
    3. 05:03白名单与补贴：“白名单”政策，怎样进一步扶起本土电池厂商
    4. 06:43全球格局对比：中国领跑，日韩稳定跟进，美国更像是一个“聪明但掉队”的学生
    5. 12:47“手搓电池”的往事：早期中国电池企业有多“狼狈”
    6. 14:59砸锅卖铁解决问题：曾毓群当年如何从贝尔实验室授权技术，并攻克核心的“鼓气”难题
    7. 17:37极致制造的差距：电池是“微米级制造”，难在一致性
    8. 21:56从磁带到电池：揭秘涂布技术秘籍
    9. 26:41电池厂最深的护城河：不只是配方，更是极致的工程能力
    10. 28:27工程师红利：中国工厂的“内卷”，与美国工厂“下午五点准时下班”的差异
    11. 35:48常州的“四小时产业圈”：四小时车程内，可以配齐绝大部分零部件
    12. 39:40地方政府的“产投”逻辑：从“铜头铁嘴”到“兔子腿”
    13. 40:25宜宾的转型奇迹：白酒与动力电池
    14. 50:06固态电池的瓶颈：全固态电池仍需等到2030年之后
    15. 55:32钠电池的战略意义：无需依赖关键金属，它是美国电网储能的更优解吗？
    16. 01:00:38弯道超车的尝试：美国公司正在寻找新赛道
    17. 01:03:12Northvolt破产启示录：曾毓群说“从头到脚都做错了”
  • 03-13E228｜谷歌TPU能撼动英伟达吗？前TPU工程师首次揭秘
    1. 03:06架构对决：GPU像多个大厨，TPU像流水线接力
    2. 06:41TPU vs GPU：谁在模型训练上更强？
    3. 10:20TPU产能之困：HBM、封装与良率
    4. 14:06Anthropic为何率先下单百万部署？
    5. 16:01黑盒优化如何“榨干”硬件性能
    6. 17:47XLA与CUDA，两种生态之争
    7. 19:53苹果为什么能成为TPU大客户？
    8. 20:45Gemini成功背后，TPU做了什么？
    9. 22:34TPU是如何做MoE优化的？
    10. 23:45设计难点：如何押中两三年后的算法？
    11. 26:05TPU的转身：V6开始押注大模型预训练
    12. 28:53Transformer先发优势带来的旗鼓相当能持续多久？
    13. 32:04Meta的TPU托管服务：生态逐渐走向兼容
    14. 36:08拓扑通信架构如何为TPU打赢数据中心成本战
    15. 38:27博通（Broadcom）是谁？为什么它如此关键
    16. 42:04挑战GPU的机会：用户规模越大推理越快
    17. 45:36V7（Ironwood）之后：Gemini实现100%TPU训练
    18. 48:15一句话总结TPU优劣势
    19. 49:49V1推理芯片试水，V2训练芯片旗舰，V4优化推荐算法
    20. 52:16V5/V6：进入大模型时代，推出推理专用版本
    21. 56:05团队演变：软件组话语权越来越重
    22. 57:14踩准每一次红利的编译器公司
    23. 59:27差异化定位：做小规模部署的低延迟优化
    24. 01:01:59AI算力芯片新战局
    25. 54:20口误，Groq创始人Jonathan Ross，现为英伟达首席软件架构师
  • 03-04E227｜美国医疗市场AI争夺战：巨头押注，创业公司能赢吗？
    1. 01:13JPM大会见闻：药企集体“转身”，AI从“可选项”变为“必答题”
    2. 04:052026年AI医疗战局初探：谁在入局，谁在领跑？
    3. 04:58医生“过劳”成常态，每周工作61.8小时，大部分时间竟不在看病
    4. 08:21医疗支付系统有多复杂？碎片化行政工作拉扯医生精力
    5. 10:30AI在医疗的最大机会：30%的人类数据在这里，但利用率不足5%
    6. 13:56被忽视的“医疗编码”，为什么适合交给AI？
    7. 17:26HIPAA合规模型：医疗AI的“入场券”
    8. 20:50为什么医疗AI多用小语言模型？
    9. 21:34OpenAI为何重注医疗ToB？不止是商业化，更是模型进化
    10. 23:57医生的知识更新难题：AI 能做什么？
    11. 25:26生态之争：OpenAI能否撼动微软的医疗地盘？
    12. 27:55便宜又好用，开源模型带来的冲击
    13. 28:5140%美国医生每天都在用，OpenEvidence是什么？
    14. 32:30核心竞争力：顶级期刊独家高质量医学内容数据
    15. 33:25商业模式隐忧：靠医疗广告赚钱，能保持客观吗？
    16. 35:12垂直模型的优势：优质语料训练+本地化部署能力
    17. 40:19AI如何促进医疗均衡？分层诊疗+提升效率是关键
    18. 44:16HealthBench：从考“知识点”到考“真实场景下的对话能力”
    19. 48:31巨头v.s初创：谁更适合做医疗AI？
    20. 52:27医疗3.0时代：预防>治疗，生命质量成为核心