www.youtube.com
Jensen Huang COMPUTEX 2025 Keynote
黄仁勋在 COMPUTEX 台湾发表主题演讲，发布 DGX Spark 与物理 AI 路线图（AP 直播存档，98分钟）
本周 AI 演讲精选：黄仁勋 COMPUTEX、Sundar 谷歌 I/O、斯坦福 LLM 推理课
过去几天，AI 领域五场重量级演讲集中落地：黄仁勋在 COMPUTEX 发布个人 AI 超算、Google I/O 宣布 Gemini 全面接管产品栈、斯坦福 Denny Zhou 讲透 LLM 推理机制、Eric Schmidt 在 TED 力证 AI 被低估、诺贝尔奖对话讨论科学边界。附横向对比表，按时间和场景按需取用。
过去几天，AI 领域几场重量级演讲集中落地，涵盖芯片战略、搜索重构、推理原理和科学边界。本期精选 5 场，直接附原视频，按场景分类便于按需取用。
黄仁勋 COMPUTEX 2025 主题演讲
核心判断：个人 AI 超算时代正式开幕。黄仁勋在台湾发布 DGX Spark 与 DGX Station 两款面向开发者的桌面级 AI 系统，并宣布"物理 AI"（Physical AI）将成为下一波增长主轴。1
演讲约 100 分钟，重点在三个方向：
- Blackwell 架构量产节奏：黄仁勋说 Blackwell GPU 目前生产速度"供不应求"，台积电合作良率已超预期
- 推理成本下降曲线：他展示了一张图——过去两年 AI 推理成本下降 1000 倍，并预测未来还会继续
- 机器人与物理 AI：Isaac 机器人平台更新，Cosmos 世界基础模型开放给合作伙伴，强调软件定义机器人将是"下一个软件产业"
对管理者的实际含义：Spark 定价约 3000 美元，意味着本地部署小型推理模型的门槛已经低到接近一台高端工作站。
リンクプレビューを読み込んでいます…
Google I/O '25 主题演讲
核心判断：Google 把整个产品栈重新定义为"AI 优先"，Gemini 成为跨平台中枢，不再是一个独立产品。2
115 分钟演讲，播放量超 748 万，是本周 AI 视频流量最高的演讲。几个信号值得关注：
- Project Astra：Google DeepMind 展示的实时多模态 AI 助手已进入实测阶段，能理解屏幕内容并持续对话
- Search 全面 AI 化：搜索结果页新增"AI Overview"，直接给出综合答案而不只是链接列表
- Android XR：AR 眼镜与 Project Moohan 头显联合上台，演示了 Gemini 驱动的空间计算场景
- Veo 2 与 Imagen 3：生成式媒体工具大幅提升质量，向 Adobe 和 OpenAI 的 Sora 正面竞争
Sundar Pichai 的开场定调很直接："我们正处于 AI 平台迁移的关键点，每一款产品都在被重新思考。"这不是愿景声明，而是指令。
リンクプレビューを読み込んでいます…
斯坦福 CS25：Denny Zhou 主讲「LLM 推理」
核心判断：链式思考（Chain-of-Thought）的发明者本人讲清楚了 CoT 为什么有效，以及推理模型的当前上限在哪。这场课对工程师和 AI 产品经理都有直接参考价值。3
Denny Zhou 是 Google DeepMind 推理团队创始人，CoT、Self-Consistency 等核心技术的第一作者，也是 Gemini 推理能力背后的主要贡献者。这次 66 分钟的课程讲了三件事：
- CoT 的工作机制：为什么让模型先"想"再回答能提升精度——本质上是把一个高维求解问题分解成多步低难度操作
- Self-Consistency 的局限：用多路推理取最高频答案，在数学和代码场景有效，但在开放问答上会放大错误
- 当前推理模型的边界：Denny 明确说，目前 LLM 推理在"需要符号操作"的任务（如复杂逻辑推导）上仍有结构性缺陷，不是提示词工程能解决的问题
这场演讲的价值：如果你在评估某个推理模型的测评结果，先理解这些机制，才不会被 benchmark 数字误导。
リンクプレビューを読み込んでいます…
Eric Schmidt @ TED 2025：AI 被严重低估了
核心判断：Eric Schmidt 的核心论点只有一句——你和大多数人对 AI 的预期仍然太保守，而且是系统性地保守。4
这场 26 分钟的 TED 演讲在发布一周内播放量突破 224 万，点赞率在同期 TED AI 内容中最高。Schmidt 的几个具体论据：
- 科学研究加速：他说 AI 已经在生物医药领域自主提出并验证假设，这是以前"只有人才能做的事"
- 经济影响被低估：GDP 贡献目前的预测多在 7%-15%，但他认为这低估了 AI 作为通用生产工具的复利效应
- 风险是真实的：他少见地在 TED 场合直接点名几个他担心的具体风险（自主武器、算法操纵），不是泛泛说"需要监管"
Schmidt 的身份给这些判断加了权重：他管理 Google 时错过了社交媒体的时机，这一次他的语气明显不同。
リンクプレビューを読み込んでいます…
诺贝尔奖对话东京 2025：AI 与生命的未来
核心判断：当诺奖得主与 AI 研究者同台，争论的焦点不是 AI 能不能做什么，而是我们想不想让它做什么。5
这场 38 分钟的对话于 2025 年 5 月 23 日发布，参与者包括诺贝尔化学奖得主 Ada Yonath、J-pop 歌手 EMA Arisa 以及日本 AI 研究者 MATSUO Yutaka。视角比其他几场演讲更广：
- Ada Yonath 的立场：AI 在蛋白质结构预测上已经超过人类，但她强调"理解机制"和"预测结果"是两件事，前者仍然需要人类科学家
- MATSUO Yutaka 的补充：日本 AI 研究者在强调"AI 的可解释性"，认为黑箱模型在医疗等高风险领域的部署需要更高门槛
- EMA Arisa 的问题：作为艺术家，她直接问 AI 是否会取代创作——几位学者的回答颇有分歧，值得听完
诺贝尔奖 Outreach 机构做的这类对话，通常比科技公司的演讲更愿意讨论"什么不应该做"。
リンクプレビューを読み込んでいます…
横向对比：五场演讲的视角分布
| 演讲 | 主讲人背景 | 时长 | 核心视角 | 适合谁看 |
|---|---|---|---|---|
| Jensen Huang COMPUTEX | 芯片 CEO | 98 分钟 | 硬件路线图与物理 AI | 技术决策者、芯片/算力关注者 |
| Google I/O '25 | 科技公司 CEO | 115 分钟 | 产品矩阵与平台战略 | 产品经理、开发者 |
| Stanford CS25 Denny Zhou | AI 研究者 | 66 分钟 | 推理机制与技术边界 | AI 工程师、技术 PM |
| Eric Schmidt TED | 前科技公司 CEO | 26 分钟 | 宏观影响与风险判断 | 管理者、战略规划 |
| Nobel Dialogue Tokyo | 科学家 + 研究者 | 38 分钟 | 科学边界与伦理问题 | 所有背景均适合 |
如果只有 30 分钟，Eric Schmidt 的 TED 和诺贝尔对话是最高密度的两场。如果需要技术深度，Denny Zhou 的斯坦福课是本周唯一真正讲机制的演讲。
このコンテンツについて、さらに観点や背景を補足しましょう。