no company can exist indefinitely, NVIDIA's current trajectory suggests it has the potential for a very long and impactful existence—perhaps well beyond the next 20–30 years, provided it continues to innovate and adapt.
3: 很多人说Hock无非是在画大饼。说这话的人100%没有仔细听财报会议的问答。要知到Hock是一个有 high reputation and track record 的CEO。他不但给出了60B-90B 的数字，而且特别指出这是和他们3大客户共同制定的business plan。如果你们在SP500公司里主管过业务，你就会知道这个数据的可靠性决不是画大饼那么简单。
DeepSeek、ChatGPT和JePA的比较与影响
人工智能技术的快速发展催生了许多重要的创新，其中DeepSeek、ChatGPT和JePA分别代表了语义搜索、生成式AI和自监督学习领域的前沿技术。它们在技术核心、应用场景和潜在影响方面各具特色，同时也对底层硬件特别是NVIDIA和Broadcom（AVGO）芯片的发展产生了深远影响。
---
1. DeepSeek
DeepSeek是一家专注于语义搜索和信息检索的AI平台，核心技术集中在精准语义理解和多模态搜索。
技术特点：
基于深度学习模型（如Transformer）优化语义搜索。
支持多模态数据（文本、图片、视频）融合。
专注于特定行业的定制化解决方案，能够提供垂直领域的精准结果。
应用场景：
企业知识管理，通过语义搜索提升内部信息检索效率。
电商平台，优化用户购物体验，例如通过图文结合搜索商品。
医疗和法律等领域，为专业人士提供高精度信息。
优势与不足：
优势：高精度、低延迟的搜索能力；支持多模态数据。
不足：对硬件性能依赖高，泛化能力不如通用模型。
---
2. ChatGPT
ChatGPT是OpenAI开发的生成式AI，专注于自然语言生成和多轮对话，具有强大的语言表达能力和泛化能力。
技术特点：
基于大型语言模型（LLM），以Transformer架构为核心。
能够生成自然流畅的文本，支持复杂的多轮对话。
依赖大规模训练数据，覆盖广泛领域。
应用场景：
内容创作，如生成文章、代码或广告文案。
教育和辅导，为学生提供个性化学习支持。
客户服务，通过对话式AI提高用户互动体验。
优势与不足：
优势：通用性强，适应多种任务；语言生成自然流畅。
不足：对计算资源需求极高，有时生成内容缺乏事实性。
---
3. JePA，(META)
JePA（Joint Embedding Predictive Architecture）是一种以自监督学习为核心的AI技术，强调跨模态表征和泛化能力。
技术特点：
基于元学习和自监督学习，减少对标签数据的依赖。
专注于多模态理解和表征，例如语言与视觉的联合分析。
通过预测任务（如图文跨模态映射）提升模型泛化能力。
应用场景：
跨模态搜索，如从图像生成描述或从描述检索相关图像。
自动驾驶，通过视觉与语言的联合优化感知系统。
虚拟现实（VR/AR），实现自然的视觉与语言交互。
优势与不足：
优势：数据高效，适用于跨模态任务；泛化能力强。
不足：技术复杂，对硬件资源需求较高，应用生态尚未成熟。
---
Broadcom（AVGO）芯片的使用分析
在DeepSeek、ChatGPT和JePA中，Broadcom芯片的使用主要体现在以下几个方面：
1. 数据中心与网络基础设施：
Broadcom的ASIC和网络交换芯片被广泛应用于支持高性能计算的数据中心。
DeepSeek和ChatGPT依赖的云服务（如AWS、Azure）通常使用Broadcom的高带宽网络芯片和存储控制器，以保证训练和推理过程中的高速数据传输。
2. 支持底层架构：
DeepSeek：间接使用Broadcom芯片，用于优化数据中心的网络通信和存储效率。
ChatGPT：在大型模型训练和推理过程中，数据中心中可能部署了Broadcom的交换芯片以提升整体性能。
JePA：在跨模态任务的执行中，如果部署在边缘设备（如IoT），可能更直接使用Broadcom的无线通信芯片。
3. 边缘设备中的潜力：
JePA扩展到IoT和移动设备时，可能更多依赖Broadcom的无线通信芯片以满足边缘计算需求。
Broadcom的芯片虽然不直接执行AI计算，但其在数据传输、网络优化和存储支持中的作用不可忽视，尤其是在高效运行AI应用的基础设施层面。
---
对NVIDIA芯片的影响
这三种技术对NVIDIA芯片的需求和影响主要体现在以下几个方面：
1. 大规模训练需求：
DeepSeek和ChatGPT依赖大规模数据和模型训练，NVIDIA的A100和H100 GPU成为此类任务的首选。
JePA尽管依赖自监督学习，但其多模态预测任务同样需要强大的计算能力。
2. 实时性和推理需求：
DeepSeek的低延迟搜索需求对GPU性能提出了极高要求，尤其是并行计算能力。
ChatGPT的多轮对话需要处理复杂的语言逻辑，同样依赖NVIDIA的高性能硬件。
JePA在跨模态推理中需要更高的硬件灵活性，例如结合NVIDIA的DPU（数据处理单元）和边缘计算产品。
3. 市场需求扩张：
数据中心市场的持续增长为NVIDIA芯片提供了广阔的发展空间，尤其是支持DeepSeek和ChatGPT的大型云服务平台。
边缘计算的兴起可能推动NVIDIA Jetson系列在轻量化任务中的应用，例如JePA的移动端部署。
---
总结与展望
DeepSeek、ChatGPT和JePA分别在语义搜索、生成式AI和自监督学习领域引领技术潮流，它们不仅推动了AI应用场景的多样化，也为底层硬件市场注入了新的需求动力。NVIDIA作为AI芯片的核心供应商，受益于这些技术的发展，而Broadcom则在底层网络和存储支持方面扮演了重要角色。
未来，随着AI模型规模和多模态能力的提升，DeepSeek、ChatGPT和JePA的技术差异将进一步深化，共同推动AI生态系统的进化，同时也为NVIDIA和Broadcom这样的芯片供应商提供持续的市场增长动力。
根据Broadcom（AVGO）最新的季度财报，
截至2024年11月3日的第四财季，
公司实现了140.5亿美元的收入，
同比增长51%。
净收入为43.2亿美元，
同比增长23%。
此外，Broadcom的AI相关收入在整个2024财年增长了220%，
达到122亿美元。
展望未来，
公司预计2025财年第一季度的收入约为146亿美元，
同比增长22%。
这也是aI或者芯片行业的最大的风险，也就是投资了没回报
no company can exist indefinitely, NVIDIA's current trajectory suggests it has the potential for a very long and impactful existence—perhaps well beyond the next 20–30 years, provided it continues to innovate and adapt.
而且趋势是模型越来越大，越来越复杂，性能越来越好，但训练和运行费用直线上升，只会更贵。小公司是不可能的，只能靠边站，成为附属品。
To put it simply， Hock Tan基本上委婉的给出了60-90B 的XPU市场营业额。这中间有3个非常关健的信息
1: Hock 特别说明这是一个年化（具体的是最早2027年，最晚2028年）的市场营业额， 而不是一般PPT里几年营业额的增长总和。
2: 考虑到AVGO占有2/3的市场，我看到的花街估值已经开始把2027年AVGO的XPU营业额计价为40B 到55B。 这是个什么概念？AVGO今年全部的营业额也就是50B出头。不用做太细的计算，你就可以想象AVGO在2027年营业额会高速增涨， 从2026年开始股票会有大幅提高（因为股价都是提前12个月计价）
3: 很多人说Hock无非是在画大饼。说这话的人100%没有仔细听财报会议的问答。要知到Hock是一个有 high reputation and track record 的CEO。他不但给出了60B-90B 的数字，而且特别指出这是和他们3大客户共同制定的business plan。如果你们在SP500公司里主管过业务，你就会知道这个数据的可靠性决不是画大饼那么简单。
一句话，AVGO将是2025年AI里的领涨股之一，策略应该是buy on dip.
谢谢
做AI为什么要做存储上有优势？
请教NVDA 、MRVL, AMD 哪一家在存储上有什么优势？