黃仁勛CES秀肌肉，為啥不提GPT了？

大家好，我是微笑哥。

這才剛剛開年，老黃在地球的另一邊，給我們國內的 AI 圈，拋出了一個相當有意思的信號。

稍微給大家介紹一下這個 CES，就相當于科技圈的春晚，是全球科技企業最重要的產品發布渠道。

在長達一個半小時的發布會里，老黃聊了 AI 的未來、聊了新架構 Rubin、聊了開源模型的爆發……唯獨一個名字，幾乎沒有談 Open AI 和 GPT。

其實過去幾年，老黃每次演講都把 Open AI 當“最佳配角”，拿 GPT 系列當標桿來襯托 NVIDIA 的芯片有多強。

但這一次，他直接把最核心的展示位，給了中國的開源模型：Kimi 和Deepseek。

這事兒背后的邏輯其實挺耐人尋味的。

我覺得倒不是老黃要捧中國，主要是在開源模型里面，現在做的稍微牛一點的全是中國的開源模型。

美國厲害的大模型幾乎都是閉源的，谷歌甚至都自己搞芯片了，某種意義上和英偉達都成了競爭關系。

而英偉達又把自己定義為世界的算力底座，從立場上來講以后，肯定會越來越站開源模型。

正如他在現場說的那樣：“當開源被激活時，AI將無處不在”，所以我們中國的這些開源模型自然就被推薦了。

至于為什么偏偏選擇Kimi和Deepseek ，而不是其他開源模型來展示他的芯片性能，答案也藏在這幾張PPT里的指標上。

第一，拿Kimi當極限測試的標尺。

大家可能還不知道，Kimi K2是全球第一個開源的萬億參數級別模型，在 AI 圈，萬億參數意味著它是對算力需求、訓練帶寬、顯存容量的極致考驗。而K2 Thinking又是推理模型中“Token消耗”的代表。

老黃把Kimi放在 PPT 上，就是為了證明新芯片不僅跑得動，推理吞吐量還飆升了10 倍，成本也降到了1/10。

可以說是用Kimi給自家芯片帶貨了，但也直接把 Kimi 送上了全球大模型的第一梯隊，算是互相成就吧。

第二，拿 DeepSeek 當低成本訓練的標尺。

DeepSeek這兩年在圈子里的標簽非常清晰：訓練效率、成本控制、工程化能力。老黃用它來做Benchmark，是講給那些猶豫要不要買卡的企業聽的。

他想證明的是：Rubin 架構配合 Deepseek 這種極致優化的算法，能把訓練成本打下來，幫各位老板們省錢。

總的來說，黃仁勛這一招可謂是借力打力，其實就是為了證明 Rubin 架構可以讓 AI 的訓練更省錢、推理更快、成本更低。

說實話，透過老黃的發布會，確實能看到一些風向的變化。

為什么？

過去幾年，我們聽得最多的是什么？“美國領先”“OpenAI 遙遙領先”“閉源巨頭才是王者”。

可現在風向真的在變。

至少在在英偉達的視角里，中國開源模型已經具備了全球范圍的“統戰價值”。

Kimi、Deepseek這些中國模型，已經不是“跟跑者”了。至少在某些關鍵工況上，已經能站到世界臺面，成為被選中的那一把尺子。

這也許才是這次 CES 最大的暗示：AI 的上半場是模型之爭，下半場則是生產力之爭。

上半場大家爭的是“模型誰更強”，但下半場爭的是什么？爭的是“誰能把 AI 變成真正的生產力”，爭的是“誰能把成本打下來、把推理做穩定、把生態鋪開”。

這個拼刺刀的階段，大概率是Kimi 和 DeepSeek 這種玩家的反超機遇。至于能不能借著這股東風，從“棋子”變成“棋手”，那就要看咱們國內這幾家廠商接下來的造化了。