對於所有閱讀這些推文的風險投資人，您需要在未來 10 年內投資 1,000,000,000 倍的資本。 1. 光子學 - 不是用於計算（還沒有，而是網路和IP中的任何事物。智慧財產權在這裏至關重要，在光子學領域獲勝的公司不會出售晶元，他們將出售智慧財產權和許可證。光子學將在 2 年內出現在世界上的每個數據中心，甚至可能用於更遠距離的通信，讓我們看看結果如何。 2. 小型模組化核反應爐 （SMR） - 數據中心消耗大量能源，此時它們需要靠近發電廠。Fusion 很酷，但你想等 40 年嗎？用於數據中心的 SMR 可能會在 2 年左右發生，老實說，甚至可能更快。電力預算是合理的，而且數據中心實際上無論如何都有核電站的安全性。同樣提供電力會產生 LOSS，只需將核反應堆放在 2u 機架人中即可。 3. 計算生物/化學 - 不，不是因為 Parm，而是她做得很好。但是，由於生物學的計算技術如此困難，以至於我們別無選擇，只能進行實驗室實驗。這裡的定製硬體和模型是有道理的，精確建模化學反應的價值是巨大的TAM（藥品、油、塑膠、化妝品）如果你破解了這個並且你能做到，這並不是說我們沒有數學運算，你要省去那麼多中間人和痛苦的實驗。 4. 數據 - 新石油不是計算，計算將非常便宜，我們只關心數據。 如果 GPT Wrappers 有數據護城河，他們將是價值數十億美元的公司。您想為輪胎公司構建一些 AI 工具嗎？您需要輪胎數據。您想為航空公司構建一個 AI 工具嗎？您需要航空公司數據。想為餐廳做這件事嗎？您需要數據。計算將成為一種商品：我們將能夠啟動 b800 實例並處理 TB 級數據，但找到好的數據，對其進行整理並提高其品質。那是一條護城河。 5. 任何使半導體設計更快、更便宜的東西 - 不是LLM Verilog，我說的是難的東西。我說的是矽仲介層、小晶元的IP，但也只是將計算問題拋給了問題。許多人正在使用人工智慧進行 P&R，但不，您誤解了這個問題。這是一個經典的優化問題，我們需要使用塵土飛揚的舊演算法並將它們敲碎。僅為此的協處理器價值數十億美元，夥計，需要幾天有時幾周才能清除 ASIC 上的計時，不要成為白癡，讓它更快。