
企业该如何计算 AI 投入与商业回报?解读 AI 时代的 Token 经济学 | NVIDIA AI 前沿
10 月 16 日 · 40 分钟

上期节目中,两位嘉宾从 “AI 五层蛋糕” 的底层往上逐步剖析了其中的能源层和芯片层,本期播客将延续上期话题,围绕 “AI 五层蛋糕”的上面三层 —— 基础设施、模型与应用层,详细解读 NVIDIA 从芯片公司向 AI 工厂的转变、CPO 光电一体化封装与液冷技术的部署如何提升效率、OpenClaw 与 NemoClaw 对产业生态的影响,以及 Token 的应用现状。
AI 读完整集转写后给出的推荐理由
这期节目把 GTC26 的海量发布梳理成一张清晰的“AI 五层蛋糕”地图,从基础设施层的 CPO 光互联和液冷技术,到模型层的 OpenClaw 与 NemoClaw,再到应用层的 token 经济。两位嘉宾不仅解释了 NVIDIA 如何从卖芯片转向卖 AI 工厂设计图,还拆解了黄仁勋关于 2027 年万亿美元订单的预测——背后是 AI 从试点走向规模化部署的结构性确定性。如果你关心自动驾驶的“ChatGPT 时刻”或金融行业的 AI 原生转型,这期能给你一个产业级的视角。
由 AI 从整集转写生成,是创作者说明之外的补充
本期节目延续上期“AI 五层蛋糕”主线,聚焦基础设施层、模型层和应用层。嘉宾施晨秋与张慧娟解读了 NVIDIA 从芯片公司向 AI 工厂设计图提供者的转变,介绍了 CPO 光互联与液冷技术;分析了 OpenClaw 作为开源智能体的价值,以及 NVIDIA 的 NemoClaw 如何解决企业数据安全与工程化落地痛点;最后探讨了 token 经济在自动驾驶、金融等行业的应用,并解读了黄仁勋关于 2027 年万亿美元订单的预测,强调 AI 正从单点突破走向系统化基础设施。
点一章从那里开始播 · 与上面创作者标的时间点各自独立
开场与嘉宾介绍
主播介绍本期主题为 AI 五层蛋糕的上三层,并介绍嘉宾施晨秋与张慧娟。
基础设施层:从卖芯片到 AI 工厂设计图
施晨秋解释 NVIDIA 如何从单一芯片供应商转变为提供整套 AI 工厂设计图,包括网络、存储、冷却等基础设施,并强调数据中心是生产 token 的工厂。
基础设施层:CPO 光互联与液冷技术
张慧娟分享 GTC 上关注的两大技术:CPO 光互联提升带宽降低功耗,液冷系统将安装时间从两天缩短到两小时。
模型层:OpenClaw 的价值
施晨秋将 OpenClaw 视为完整的智能体,代表新 IT 基建势力,能根据自然语言自我迭代,降低开发门槛。
模型层:企业痛点与 NemoClaw 解决方案
张慧娟总结企业三大痛点:数据安全、成本可控、人才缺乏。施晨秋介绍 NemoClaw 如何解决这些问题,提供企业级工程化工具链。
应用层:token 经济与行业观察
张慧娟指出自动驾驶和金融是 token 消耗最大的行业,金融是 GTC 参会人数占比最高的行业之一。
万亿美元订单的解读
施晨秋解读黄仁勋关于 2027 年万亿美元订单的预测,认为背后是结构的确定性,AI 从试点走向规模化部署。
自动驾驶的 ChatGPT 时刻
施晨秋认为自动驾驶已从“看得见”进化为“有智能”,车成为智能体,将带来海量 token 消耗。
金融领域的 AI 应用
张慧娟分析金融是 AI 落地最快领域,从风控到投顾,金融机构开始规划 AI 原生业务流程。
工程师的 token 福利与未来
张慧娟分享工程师使用 token 福利提升生产力的故事,并展望企业既是 token 使用者又是生产者。
总结:五层蛋糕开启 AI 新周期
张慧娟总结五层蛋糕是系统化基础设施思维,施晨秋强调 AI 将走向推理、智能体和物理 AI 三位一体时代。

企业该如何计算 AI 投入与商业回报?解读 AI 时代的 Token 经济学 | NVIDIA AI 前沿
10 月 16 日 · 40 分钟

机器人领域的“通用大脑”:解读 NVIDIA Isaac GR00T | NVIDIA AI 前沿
8 月 25 日 · 28 分钟

打造从云端到终端的智能体 AI 全栈(下集)|NVIDIA AI 前沿
7 月 13 日 · 22 分钟

打造从云端到终端的智能体 AI 全栈(上集)|NVIDIA AI 前沿
7 月 10 日 · 24 分钟

NVIDIA AI 前沿 · 4 月 23 日 · 21 分钟
上期节目中,两位嘉宾从 “AI 五层蛋糕” 的底层往上逐步剖析了其中的能源层和芯片层,本期播客将延续上期话题,围绕 “AI 五层蛋糕”的上面三层 —— 基础设施、模型与应用层,详细解读 NVIDIA 从芯片公司向 AI 工厂的转变、CPO 光电一体化封装与液冷技术的部署如何提升效率、OpenClaw 与 NemoClaw 对产业生态的影响,以及 Token 的应用现状。
AI 读完整集转写后给出的推荐理由
这期节目把 GTC26 的海量发布梳理成一张清晰的“AI 五层蛋糕”地图,从基础设施层的 CPO 光互联和液冷技术,到模型层的 OpenClaw 与 NemoClaw,再到应用层的 token 经济。两位嘉宾不仅解释了 NVIDIA 如何从卖芯片转向卖 AI 工厂设计图,还拆解了黄仁勋关于 2027 年万亿美元订单的预测——背后是 AI 从试点走向规模化部署的结构性确定性。如果你关心自动驾驶的“ChatGPT 时刻”或金融行业的 AI 原生转型,这期能给你一个产业级的视角。
由 AI 从整集转写生成,是创作者说明之外的补充
本期节目延续上期“AI 五层蛋糕”主线,聚焦基础设施层、模型层和应用层。嘉宾施晨秋与张慧娟解读了 NVIDIA 从芯片公司向 AI 工厂设计图提供者的转变,介绍了 CPO 光互联与液冷技术;分析了 OpenClaw 作为开源智能体的价值,以及 NVIDIA 的 NemoClaw 如何解决企业数据安全与工程化落地痛点;最后探讨了 token 经济在自动驾驶、金融等行业的应用,并解读了黄仁勋关于 2027 年万亿美元订单的预测,强调 AI 正从单点突破走向系统化基础设施。
点一章从那里开始播 · 与创作者标的时间点各自独立
开场与嘉宾介绍
基础设施层:从卖芯片到 AI 工厂设计图
基础设施层:CPO 光互联与液冷技术
模型层:OpenClaw 的价值
模型层:企业痛点与 NemoClaw 解决方案
应用层:token 经济与行业观察
万亿美元订单的解读
自动驾驶的 ChatGPT 时刻
金融领域的 AI 应用
工程师的 token 福利与未来
总结:五层蛋糕开启 AI 新周期
节目里自然聊到的,不是广告

AI 对内容的推测
☕🧄 这个比喻出自 2009 年周立波的一句「喝咖啡的怎么能和吃大蒜的呆在一起呢」;郭德纲后来在《你要高雅》里回了一句「雅和俗分不开,喝着咖啡就着大蒜,秋水共长天一色」。我们借它标注风格取向 —— 两端没有高下,编辑部式与熟人局式都能做出极好的节目。
https://www.ximalaya.com/album/15270742.xml复制概要、章节、提及与推广标注由 AI 生成,可能有误;内容版权归创作者,声湃按创作者开放的 RSS 收录。了解收录与 RSS →

企业该如何计算 AI 投入与商业回报?解读 AI 时代的 Token 经济学 | NVIDIA AI 前沿
10 月 16 日 · 40 分钟

机器人领域的“通用大脑”:解读 NVIDIA Isaac GR00T | NVIDIA AI 前沿
8 月 25 日 · 28 分钟

打造从云端到终端的智能体 AI 全栈(下集)|NVIDIA AI 前沿
7 月 13 日 · 22 分钟