NVIDIA 对芯片的需求几乎是无限的，而特斯拉对机器人的需求几乎也是无限的，这可能是正确的，老实说。 如果特斯拉真的能制造出一种可以在几乎所有用例中完全通用的人形机器人，那么我们在训练和推理中所需的芯片数量仅仅为了机器人用例来说是完全荒谬的。 这根本没有意义。你可以随意制造劳动力，而这些劳动力是由芯片驱动的。 我认为 NVIDIA 已经抓住了 AI 工业革命的第一波浪潮，这场革命可能至少会持续 10 年，依我看。 不构成投资建议，但我看不出它会有什么不同。AI 实在是太有用，太强大了。这周我在自己的业务中与 AI 有了一个完全革命性的时刻。 这件事真的是不容小觑。它是变革性的。

举一个非常具体的例子，说明它是如何改变我的工作流程的： 当我录制视频或创建内容时，构思过程无疑是最艰难的部分。 构思源于在任何给定时刻摄取大量关于世界的数据/信息，然后在我的脑海中将这些信息综合成有用/有价值的东西、有趣的东西，以及我的观众会欣赏的东西。 我每天都在做这件事，接近10个小时，毫无例外。我尽量在周末关闭大脑，但有时这也是徒劳的。 为了生成一个想法，我消耗了大量的精力。 现在，我在Claude的Sonnet 4.5中有一个项目，里面包含了我过去90天所有视频的转录文本，大量我最自然视频（Cybertruck视频）的转录文本样本，以及我最近从信息/数据角度摄取的所有内容的大型参考知识库。 这个项目可以即时生成我最可能感兴趣的想法，这些想法会自动与我的观众对齐，但我不需要花费整整一天的时间来拼凑所有的部分，Claude可以在一天内给我数百个想法。 当我不可避免地在5分钟内找到一个本来需要我3小时才能想到的想法时，我可以利用同一个项目为我生成一个视频脚本，几乎是我本来会说的90%的内容。 经过大约10分钟的修整，我就有了一个有趣的视频概念，涵盖了我在创建视频时所寻找的每一个重要变量，从构思到录制视频只需30分钟。 这简直是绝对疯狂。 这意味着理论上，我应该能够每天录制16个高质量的视频——而不是一个。 我打算试试看，看看会发生什么。可能永远达不到16个，但也许5个？我们拭目以待。