英伟达的市值增长将带动更多新公司的出现，AI 时代的基础设施建设至关重要，芯片、服务器、网络和数据中心是 AI 运行的基石。AI 产业链分为上游设备、中游平台和下游应用，其中上游设备决定了 AI 是否能运行，中游平台决定了 AI 的成本，下游应用决定了 AI 的价值。
中美 AI 竞争：
- 模型参数和 token 排行榜并非决胜点，模型能力趋同，未来关键在于系统级能力。
- 中国 AI 企业的优势在于性价比，美国 AI 企业的优势在于技术。
- 价格战将促使企业提升技术效率，而非单纯烧钱换市场。
- 单位 token 成本是衡量 AI 公司长期价值的重要指标。
AI 估值：
- AI 公司的估值取决于 token 产生量、token 价值、毛利持续性和价值应用领域。
- 企业应关注 token 的价值创造，而非盲目追求 token 消耗规模。
- AI 时代的估值公式：估值 = f( token 产生量 × token 价值 × 毛利持续性 × 价值应用领域 )。
算力经济：
- token 是 AI 时代的最小商品颗粒，类似电力，但产生方式不同。
- AI 企业的估值应考虑 token 产生量、token 价值、毛利持续性和价值应用领域。
- 未来将出现类似国家电网的 token 分销商，实现算力资源的匹配和平台运维。
AI 产业发展：
- AI 将重构整个市场估值，股王将不再是卖商品的企业，而是卖 AI 时代生产力的企业。
- 资本将从上游设备向中游算力和下游应用迁移。
- 未来将出现 AI 成本官或 token 运维官等新岗位。
AI 人才：
- 未来最稀缺的 AI 人才是有系统观的工程师。
- AI 教育需要培养学生学习新鲜事物的能力、提问的能力和拥抱变化的心态。
首席科学家：
- 首席科学家是范式的翻译者，为企业提供战略定位，但不是技术负责人。
- 首席科学家与 CEO 的关系是深度与宽度的结合，共同决定企业的未来。
- 首席科学家的责任是坚守长期主义，保证技术可靠性和全链路安全性。
其他观点：
- 最被高估的词是“颠覆”，最被低估的词是“下半场”。
- 最害怕 AI 时代出现的伦理问题是责任归属。
- 最期待 AI 改变的领域是交易。
- AI 时代最稀缺的资源是刨根问底的能力。
- 首席科学家的第一责任是承担失败的能力。
- AI 时代人最需要学会的能力是拥抱 AI。
