【国金电子】英伟达AI summit CEO特别演讲和炉边谈话纪要

（以下内容从国金证券《【国金电子】英伟达AI summit CEO特别演讲和炉边谈话纪要》研报附件原文摘录）
　　+ 投资逻辑 公开演讲 人工智能革命是一个新时代的开始，一个新的行业带来非凡的技术变化，是一个非常令人兴奋也非常关键的时刻。我们在这里与日本生态系统合作，这些了不起的公司将人工智能带到日本，这样我们就可以一起利用我们面前的这个非凡的机会。我们今天在这里有许多合作伙伴，GMO互联网集团、惠普企业、微软、Azure等。 英伟达发明了加速计算，加速计算不会取代CPU。事实上，我们几乎是计算领域唯一一家不想取代CPU的公司，而是想增强CPU，这样我们就可以将计算密集型的工作负载卸载到GPU上。我们可以利用这两种处理器的最佳性能。一种是非常擅长顺序处理的CPU，这种处理器非常擅长并行处理。GPU不仅仅是并行计算，而是加速计算。CPU和GPU协同工作。这种计算模式对世界来说是全新的。事实上仅使用CPU在1964年就已经存在，在我出生后的一年，60年来我们看到的运行在计算机上的绝大多数东西都运行在CPU上，但有一个新的变化，计算模式的根本变化正在发生。 为了做到这一点，我们不能只把按顺序运行的CPU软件放在GPU上并行运行。我们必须创建一大堆新算法，就像OpenGL使计算机图形成为可能一样，连接计算机图形应用程序，通过图形处理器连接到加速器。我们必须创建许多特定领域的库，我们公司拥有的350个不同库中。我们也有一些非常重要的图库。例如制作芯片的掩模可能需要很多周的时间，因为有很多层。我们花了几个星期的时间计算，然后把它减少到几个小时。这样我们可以加快制造芯片的周期。更重要的是，我们也有可能将光刻算法推进得更加复杂，这样我们就可以将半导体继续往前推进。 我们创建了一个最重要的库，叫cuDNN，用于深度神经网络，它处理不同的层，深度学习步骤的各个层。它使我们能够通过创建Cookie来做一些非凡的事情，然后加速和普及深度学习。在过去的十年里，我们将机器学习的规模扩大了一百万倍，实现了我们现在所知的令人难以置信的突破。随着人工智能的到来，cuDNN做了一些非常特别的事情，它使软件的工作方式发生了变化。这是以前做软件的方式。软件程序员，写代码来描述一个算法，这个功能就是软件，然后应用输入。而现在电脑现在快得令人难以置信，你可以给它大量的例子以及可以学习的观察数据，它可以自己预测功能是什么。所以现在机器学习取代了编码。现在是在GPU上运行的神经网络，而不是在CPU上运行的代码。这些运行在GPU上的神经网络形成了一种新的操作系统，一种新的使用计算机的方式，现代计算机上的大型语言模型。 这种机器学习方法已被证明具有令人难以置信的可扩展性，你可以用它来做各种各样的事情。数字化语言，数字化声音，以及语音、图像、视频等，它可以是多个模型。你可以教它理解任何东西，任何你有大量观测数据的东西。这是理解数据含义的第一步，仅仅通过研究互联网上的大量文本，我们就能够理解单词、词汇、句法、语法，甚至通过寻找模式和关系来理解单词的含义。我们使用相同的方法，不仅能够理解连接到不同模态的不同数据类型的含义，例如单词和图像。我们现在甚至可以翻译和生成，可以理解各种各样的数据，也可以生成各种各样的智能信息智能。从文本到文本将生成摘要，从视频到文本将生成字幕，除此之外还有图像到文本，图像识别，文本到图像，文本到视频，所有这些不同类型的数据组合都是真正的突破。你甚至可以给蛋白质发短信，解释蛋白质的作用。化学物质的文本描述了一种化学物质的性质，这种化学物质可能是一种成功的药物发现。你甚至可以把视频和文本转换成机器人。这些组合中的每一个都可能是一个新的行业、新的公司、新的应用程序。 机器学习的一个特性是，大脑越大，我们能教的数据越多，它就变得越聪明。我们称之为标度律。有充分的证据表明，随着我们规模的扩大，模型的规模以及训练数据数量的增加，模型的有效性、质量、智能表现每年都在提高。该行业正在将模型的规模扩大两倍左右，这相应地需要大量数据。我们需要4倍的计算量，需要大量的计算资源来推动人工智能达到下一个水平。我们称之为缩放定律（scaling law），预训练是其中的一部分，后训练也是是其中的一部分。后训练与强化学习、人工智能反馈，现在在后期训练阶段使用合成数据生成的方式有很多种。因此，训练、预训练和后训练正在享受非常显著的扩展，我们继续看到出色的结果。但是chatgpt向世界展示了一种新的推理类型，即当您与人工智能互动时，聊天是一次性的。你问了一个问题，要求它为你做某事，无论你有什么问题，无论你通过一次机会提供什么提示，它都会给出答案。然而，我们知道思考往往不止一次。思考需要我们制定多个计划，从中选择最佳答案的多个潜在答案，就像我们在思考时，我们可能会在给出答案之前反思。我们可能会把一个问题分解成一步一步的思维链。我们发明了许多不同的技术，随着我们应用越来越多的计算，这些技术使得推理的性能越来越好。 现在我们有了第二个缩放定律，推理。不仅仅是下一个单词的生成，而是思考，反映这两个同时发生的缩放定律将需要我们以非凡的速度驱动计算。当我们推出新一代、新架构时，我们将性能提高了X倍，但同时也将功耗降低了X倍。我们以相同的X因子降低成本，推动提高性能与降低能耗完全相同。因此，随着世界不断吸收和拥抱人工智能，我们的职责是不断以最快的速度提高性能。在这个过程中，扩大人工智能的覆盖范围，提高其有效性，降低其成本，降低其功耗。这就是为什么我们采用1年周期迭代产品的原因。 人工智能系统是巨大的，这是blackwell系统。blackwell是GPU的名字，但它也是整个系统的名字。TSMC在最先进的4直径节点中制造了1040亿个晶体管。每一个GPU用户都通过1处的NVLink连接，每秒8太字节，这相当于每秒很多兆兆字节。这个系统不能单独工作，即使是世界上有史以来最先进的计算机，也不能单独用于人工智能。有时它必须与数千台像这样的其他计算机一起工作，就像一台计算机一样，有时他们必须分开工作，因为他们要响应不同的客户。我们连接到CX7的网络，它将这个GPU与数千个其他GPU连接起来，但我们仍然需要这个NVlink，它允许将几个GPU连接到我身后的一个机架中，通过每秒8 TB比世界上最高带宽网络高35倍的带宽，使我们能够将所有GPU一起连接到这个NVLink交换机。每个机架上有9个nvlink连接，连接上72个gpu，构建成一个非常的GPU。 机架重3000镑，功耗为120千瓦，它不是便携式的，但功能非常强大，这就是blackwell系统。我们设计它可以被配置成巨大的数据中心，有成千上万个，希望有几十万个机柜，通过开关连接的。如果您想拥有一个专用的人工智能工厂或Spectrum革命性的以太网系统，您可以将其集成到现有的以太网环境中。我们可以用这些建造人工智能超级计算机，也可以将它们集成到企业数据中心中，集成到超大规模数据中心中，或者针对边缘端配置它们。blackwell系统不仅功能强大。它还具有令人难以置信的适应性，因此它可以适应世界计算基础设施的每一个角落。 然后最重要的是，我们有人工智能软件，让人们很容易构建人工智能，那么什么是人工智能。我们以很多不同的方式谈论人工智能，但我认为有两种类型的人工智能将会非常受欢迎。第一类人工智能，基本上是一个数字人工智能工作者。这些工作者可以理解、提出计划、采取行动。有时，工作者被要求执行营销活动，支持客户，提出制造供应链计划，优化芯片，帮助我们编写软件，也许是药物研发行业的实验室助理，也许是首席执行官的导师。我们称之为AI Agent，本质上就像数字员工。你必须对他们进行培训，你必须创建数据来欢迎他们加入你的公司，向他们介绍你的公司，训练他们的特殊技能，这取决于你想让他们拥有什么功能。你在完成培训后对他们进行评估，以确保他们学到了他们应该学的东西。来自Blackwell的人工智能token，与其他系统交互，作为一个团队来解决问题。我们创建了一些东西，让生态系统能够更轻松地为公司构建人工智能代理。视频不属于服务业务，我们不创造，我们不提供最终产品，我们不提供解决方案，但我们确实提供支持技术，使生态系统能够创建人工智能，交付人工智能，不断改进人工智能代理、生命周期、库，生命周期平台称为nemo。而 nemo 则为我提到的每个阶段都提供了库，从数据创建、训练、微调、合成数据生成、评估到护栏。这些库集成到工作流程中，并在全球各地构建框架。与人工智能初创公司、服务提供商（如埃森哲和德勤等）合作，将这一技术带给所有大公司。我们还与service now 等bs 合作，以便他们可以创建您现在服务的代理。今天可以通过授权平台来使用service now。您的员工可以与service now 平台进行交互，以便将来获得帮助。Service now 还将提供大量可供您租用的人工智能代理，本质上是您可以租用来帮助您解决问题的数字员工，与service now 合作，与sap cadence answers、世界各地的公司、世界各地的snowflake 公司合作，以便我们都可以构建有助于您提高公司生产力的代理。现在这些agent能够理解原因、制定计划、采取行动，这些agent是我们的人工智能模型集合或系统。这不仅仅是一个人工智能模型，而是一个人工智能模型系统。Nemo帮助我们构建这些模型。我们还创建了预先训练的人工智能模型，并将其打包成所谓的Nemo。 今天人工智能被打包成一个微服务。软件内部是智能的，你可以和软件对话，因为它理解你的意思。你可以把软件和其他软件连接起来。你可以把这个人工智能和其他人工智能连接起来，一起创建AI Agent。让我给你举一些这些代理的例子，充满活力的人工智能正在改变每一个企业，它们以源代码的形式提供给你，这样你就可以随意使用它，并建立你的AI Agent队伍。这些代理中没有一个可以 100% 地完成任何人的任务。然而，所有的代理都能为你完成 50% 的工作。你不应该认为人工智能会取代 50% 人的工作，而应该认为人工智能将为 100% 的人完成 50% 的工作。通过这样思考，你会意识到人工智能将有助于提高你的回报，提高公司的生产力，提高你的生产力。人工智能不会抢走你的工作，被别人利用的人工智能会抢走你的工作，一定要尽快开始使用人工智能。 除了AI Agent之外，第二个应用是物理的，人工智能现在体现了相同的基本技术，位于机械系统内部。机器人将成为世界上最重要的行业之一。事实上，在日本，世界上50% 的制造业机器人都是在日本制造的。川崎、三菱等领导者制造了世界上一半的机器人系统，尽管机器人推动了制造业的生产力，但扩张非常困难，机器人行业长期以来基本处于停滞状态。原因在于机器人太过具体，不够灵活，无法应用于不同的场景、不同的条件和不同的工作。人工智能要灵活得多，它可以自我适应和学习。因此，我们现在可以将这种通用人工智能技术应用到具身人工智能或物理人工智能或机器人的世界中，以使机器人技术成为现实。我们需要建造三台计算机，第一台计算机，人工智能，就像我们对迄今为止我给你的所有例子所做的那样。第二是模拟你需要的人工智能，给AI一个练习的地方，一个学习的地方，一个静修的地方，接收可以从中学习的合成数据。然后经过验证、训练和评估后，您就可以将模型放入物理机器人中。我们有专为机器人设计的处理器，我们称之为Jetson，是专为人类机器人设计的机器人处理器。机器人可以看到周围的环境，你告诉它你想要什么，这个人工智能会产生关节运动，就像我们获取文本一样，我们可以获取文本并生成关节运动。这个概念与生成式人工智能非常相似，这就是为什么我们认为现在我们在所有不同的计算机上都拥有必要的技术，我们建造了这三台计算机，而最新的生成式人工智能技术已经到来，人类机器人的时代已经到来。 现在，为什么人类机器人技术发展如此困难？显然为人类机器人开发的软件极其困难。然而，好处是令人难以置信的。只有两种类型的计算机可以轻松部署到世界上，第一种是机器人系统。两种类型的机器人，第一种机器人是自动驾驶汽车。原因是因为我们创造了适应汽车的世界。第二种是人类或机器人。这两种机器人系统可以部署在世界任何地方中，因为我们创造了世界。对我们来说。这两者都是极其困难的技术，时机已经到来，但影响可能是巨大的。上周，在机器人学习会议上，我们宣布了一个非常重要的新框架，称为IsaacROS。IsaacROS是一种强化学习，虚拟模拟系统，可以教机器人如何成为人类机器人。最重要的是，我们创建了几个工作流程。第一个工作流程是群组模仿。群组模仿是一种向机器人演示如何执行任务的框架。你使用人类演示，然后使用域随机化模仿该环境，生成数百个类似演示的其他示例，以便机器人可以学习概括。否则，它只能执行非常具体的任务。使用模仿。我们可以概括它的学习。第二个是分组，使用生成式人工智能技术，我们可以创建大量随机域、随机环境示例和我们希望机器人执行的操作。因此，我们生成了一大堆测试、评估系统、评估场景，机器人可以尝试执行并改进自己，学习如何成为一个优秀的机器人。第三个是群组控制，这是一个模型提炼框架，它允许我们将所有任务和我们学到的所有技能提炼成一个统一的模型，让机器人能够执行运动技能。 我刚才谈到了另一件事，机器人不仅会自主，而且请记住，未来的工厂也将是机器人工厂。这些工厂将是机器人工厂，它们将协调机器人，构建机器人机械系统。您可以在办公室使用它们与员工协作。第二个是人工智能系统，即机器人公司将使用人工智能来提高员工的生产力，我们将使用人工智能来驱动和支持我们销售的产品。未来汽车公司将拥有两家工厂，一家工厂制造汽车，另一家工厂生产汽车中运行的人工智能。很多机器人公司开始了解人工智能现在提供的功能，以利用这一机会。丰田、川崎重工、佳能、富士、奥林巴斯都在利用人工智能，因为未来这些医疗仪器将更加自动化。这几乎就像一个护士，医疗仪器内部的人工智能代理，帮助护士指导诊断服务，药物研发行业有如此多不同的方式，人工智能的使用方式如此之多，我很高兴。 正如我之前所说，计算机行业已经从运行在CPU 上的编码转变为现在运行在 GPU 上的机器学习，我们从生产软件的行业转变为制造人工智能的行业。人工智能是在工厂中生产的，当获得软件许可时，会将其安装到计算机中，该软件的制造和分发就完成了。但是，智能永远不会完成。您正在与所有 AI进行交互，无论是AI Agent还是人工智能机器人以及tokens。智能以tokens表示，tokens是智能的单位。它是一个数字。这些数字构成了智能和文字、方向盘中的智能、自动驾驶汽车中的智能、用于表达人类机器人马达中的智能、蛋白质以及化学品和药物发现。 现在我们拥有一个前所未有的新行业。人工智能位于计算机行业之上，但它被利用了。每个行业都在创造它。你必须创造自己的人工智能，制药行业创造自己的人工智能，汽车行业创造自己的人工智能，机器人行业创造自己的人工智能，每个行业、每个公司、每个国家都必须创造自己的人工智能，人工智能是新的工业革命。 我要宣布一件非常重要的事情。我们宣布与软银合作，为日本带来并建立人工智能基础设施。我们将共同建设日本最大的人工智能工厂，使用英伟达DGX系统，明年年初建成时，将拥有25Eflops。最近世界上最大的超级计算机是 1Eflops，这将是 25倍 flops。我们可以统一和组合无线电、计算机、5G-Ran中的人工智能计算机基带，并将电信网络发展并重新改造为AI-RAN，它将能够承载语音、数据、视频。未来，我们还将携带新型人工智能，一种新型的信息和智能。这将分布在软银的20万个站点中。在日本，AI工厂和地区为 5500 万客户提供服务，AI分销网络负责分发人工智能，我们还将在其上放置一种新型商店，AI商店。因此，软银创建的AI和第三方创建的AI都可以提供给 5500 万客户。因此，我们将在视频的基础上构建这些应用程序，最终将形成一个遍布日本的人工智能网格。这个人工智能网格将成为基础设施的一部分，也是最重要的基础设施之一。记住，你需要工厂和道路，这是基础设施的一部分，这样你才能制造和分配商品，你需要能源和通信，这是基础设施的一部分。每当你为基础设施创造一些全新的东西时，新行业和新公司就会产生新的经济机会和新的繁荣。如果没有道路和工厂，我们怎么会有工业革命？如果没有能源和通信，我们怎么会有信息技术革命？每一个新的基础设施都会带来新的机遇，因此，我非常高兴能够与软银合作，在日本实现这一目标。 圆桌交流 黄仁勋：让我先来介绍一下，我在科技行业已经很久了，从pc革命开始。计算机行业经历了从pc到互联网，再到云端，然后是移动云端，最后到人工智能。 孙正义：这是一段很长的旅程。 黄仁勋：Masa是世界上唯一一位在每一代技术革新中都选择了赢家并与其合作的创业者。记得吗，是他把比尔·盖茨带到了日本，是他发掘杨致远来到日本。是他投资了阿里巴巴让中国的云产业成为可能，是他把史蒂夫·乔布斯和iPhone带到了日本。可能很多人不知道，曾经有一段时间，Masa是英伟达最大的股东。 黄仁勋：怎么做到在计算机发展过程中每一次都精准选出技术革命创造者的？拥有100%的成功率。 孙正义：我觉得我只是运气好。我出生在正确的时间，遇到了一群志同道合的人。这是一种激情，一个梦想，以及能感知到的直觉，谁是真正的先驱，谁是真正的创新者？我真的觉得我很幸运，但这是我们都能感知到的相同愿景。 黄仁勋：当你回顾历史时，你感觉这个转变、平台的变迁、革命与之前的相比有什么不同？ 孙正义：我说这是最激动人心、最具活力的。这是一个巨大的市场。 黄仁勋：是的，我认为从数学或工业角度来看，重要的是要意识到，尽管人工智能是一种软件，但它有自己的独特性。你和我所创建并参与的是制造基础工具的行业，是供人类使用的工具。但是这种新型软件AI，神经网络、大语言模型、代理、机器人等，它们不是工具，而是技能、任务，它们能工作，能执行任务。而工作这个行业、这个市场，不是1万亿美元，而是100万亿美元。这就是为什么我们意识到这个行业事实上不是IT行业的转型，而是每个行业的转型，这就是它如此重要的原因。 孙正义：与其他物种相比，人类是唯一拥有超级大脑的动物，因为凭借脑力，人类变得无比强大。如果你只比较肌肉力量，那我承认大象更强。它们的肌肉更发达，但人类的大脑最聪明。今天国内生产总值的每一项活动都是人类的某种脑力活动。所以我认为每个行业都将受到这次改革的影响。 黄仁勋：令人惊奇的是，在由原子控制的行业中，行业的规模是有限的，因为你可以移动的原子只有这么多。但ai 是电子的行业。它由量子力学控制。它可以是无限大的。 孙正义：而且，与单纯的物质搬运相比，智能要宝贵得多。你想象一下一连串的思维推理，简直太神奇了。 黄仁勋：我们今天一起宣布的事情之一就是建立日本的AI网格。AI网格将拥有开发AI模型的AI工厂，将把AI模型分布到日本各地。我们共同研究的AI工厂架构是革命性的，日本将成为世界首个拥有此类架构的国家。 孙正义：其他所有技术都必须遵循这条新路径。 黄仁勋：所以我有些问题想咨询您，第一，软银将如何为自己及其子公司利用这一AI网格呢？ AI网格将如何改变日本的AI领域？ 孙正义：就像你刚才提到的，过去我们的基站只是用于传输电信和互联网冲浪等，然而随着紧密相连的智能网络发展，现在AI网络将成为日本基础设施的一个大型神经大脑，为日本带来智能，那真是太棒了。因此，也可以为了我的子公司、雅虎日本等去使用它。 黄仁勋：所以创造AI是为了让所有服务更加有趣，对消费者更有用。但我很期待的一点是我们将这一资源开放给研究人员、学生和初创公司，让他们在日本蓬勃发展。 孙正义：在你的支持下，我们正在创建最大的AI平台，为这些研究人员、学生和初创公司提供这个平台，以鼓励他们的发展。我们正在尝试补贴，以便他们能有更好的计算机资源。 黄仁勋：建设基础设施资本非常密集，你在日本下出了一个很大的赌注，这是你之前没有提及的。日本在电子时代都是技术领先的。在工业革命期间，当机械技术和电子技术相结合时。事实上，甚至在消费电子时代，日本也真正领先世界。当IT和软件行业到来时，过去三十年里，软件在西方和中国发展得更为迅速，我认为日本更积极一些。 孙正义：在过去，甚至到今天，大型企业、媒体，他们过去常说，制造实体产品才有真正的价值和意义。而软件是虚拟的东西，他们不信任软件的价值，这是多年来日本很多人的心态。这让年轻一代，尤其是网络泡沫破裂后，很多人都在批评软件及其开发，我也受到了很多批评。这是年轻创业者的惩罚，让他们感到沮丧。我认为我们应该用机器人和AI来重燃这种激情，将AI融入机器人中。你不能只有肌肉，还要有智慧，这样机器人才能说话，才能像朋友一样有激情。我认为这种挑战在日本是非常非常需要的。 黄仁勋：我认为软件错误现在反而成了好消息，因为这是一个新时代的开始。整个技术栈都在被重置，因为上一代的公司在这个新时代里表现不佳。一个全新的机会正在涌现。日本必须抓住这个机会。人工智能与软件非常不同，但人工智能需要你拥有数据和领域专业知识。如果你是个拥有领域专业知识的艺术家，你可以开发电子游戏，如果你研发药物，同样需要拥有领域专业知识。如果你拥有领域专业知识，你可以将这些知识转化为数据，用来训练AI模型，那个AI模型就成了你的人工智能。 孙正义：关于日本幸运的是，至少日本政府没有试图压制这场AI革命，而其他国家的一些政府则试图过度保护AI，导致监管有些过度。在日本，至少我们是幸运的，这次日本政府似乎并没有试图压制技术发展，至少没有设置障碍。但他们政府给予更多鼓励。这是赶上这场新革命的时刻，我们不能错过这次机会。 黄仁勋：为了成为AI革命的一部分，你需要这个时间窗口和软件基础设施，因为这是机器学习。没有基础设施，就不可能创造出AI。这就是为什么软银正在日本建设AI网格，你们将催化、激活、加速已有的研发。在全球22,000家初创企业中，与我们合作的日本初创企业有350家。这个数量还是太小，我们必须鼓励年轻的创业者，让他们踊跃参与到AI的基础设施中来。 孙正义：就像我们讨论的，我们要在日本这里建立最大的AI数据中心。我们将提供很多鼓励性项目，补贴计算机算力，这样他们几乎可以免费尝试新的模型。无论是AI的哪种应用，你也应该提供一些帮助。 黄仁勋：对此我很高兴。另外，您对于日本AI的未来最期待什么？你希望看到什么？你的梦想是什么？ 孙正义：就像你说的，我对空中机器人很热衷。同时我也认为AI医疗解决方案，医疗代理肯定会发展。我认为会有很多新的代理。我们有雅虎和其他的服务。也许我们可以制造很多专门为帮助日本人生活设计的AI代理，这不能仅仅来自我们对日本人的行为、大学、标识以及日本众多的AP站点的了解。不同的企业AI代理也让我觉得很有趣。我认为个人代理真的会来到我们每个人身边，就像PC在每张桌面上，史蒂夫说智能手机在每个人的手上。我认为未来每个人都应该有一个自己的个人代理，帮助我们规划旅行假期、教育，贯穿你的一生。 孙正义：在未来，我们的后代看到一张照片就可以和它说话，也能得到回应。他们将从一岁起就拥有自己的个人AI助手，这个助手与你一起成长，了解你的一切。你的健康状况，教育情况，成为你的“双胞胎AI助手”。 黄仁勋：大多数国家都在意识到的一个问题是，他们国家的数据，他们公民的数据编码了国家的知识、文化、智慧，这些数据属于国家，关乎国家安全。每个国家都应该处理这些数据，并将其转化为AI，为本国人民服务。把这些数据外包给别人是没有意义的。 孙正义：每个主权国家、每个政府都必须拥有一个主权数据中心，将国家安全数据迁移到自己的AI数据中心。每个国家都必须拥有国家安全数据，我认为这将成为每个国家保护自己的规定。 黄仁勋：每个国家都将产生自己的AI。每个公司都将产生自己的AI。大家都在觉醒这种思想。最重要的就是第一部分，即必须存在一个国家级的AI网络。如果没有道路，你就不可能有汽车行业。所以现在你已经为日本建立了AI的道路。在这个基础上，各种新的服务、新的公司都可以蓬勃发展。这只是开始。我们将一起做很多事情，这个行业如此庞大。而且我有很多移动端、物联网和自动化等领域的资源。你们有伟大的数据中心和游戏等等，很多我们可以合作的事情。我们现在正在发展的合作关系将把AI网络带到整个日本。 国金电子研究团队 樊志远（电子首席）/刘道明（前瞻科技负责人）/刘妍雪/邵广雨/邓小路/丁彦文/应明哲/周焕博/戴宗廷/赵汉青 点击下方阅读原文，获取更多最新资讯

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）