搜索结果
「通用机器人端侧与数据中心推理分析」共 3 条 · 第 1 页
罗塞塔简报
通用机器人端侧与数据中心推理分析
SemiAnalysis 探讨了通用机器人在端侧推理与数据中心推理之间的权衡。 端侧计算（如 NVIDIA Jetson Thor）可确保实时控制环路的低延迟与安全性，但由于单位成本高、芯片/内存效率有限，面临扩展性约束。 相反，数据中心卸载（如 B300 GPU）具有更优的 TCO，并能运行更大、能力更强的“System 2”推理模型，但受制于“网络墙”——延迟、抖动和上行瓶颈。 报告强调了不同
09/15
华尔街见闻
AI利润格局：模型公司每100美元收入，35-40美元流向云厂，为其带来10-20美元营业利润
AI模型公司每赚100美元，约35-40美元以推理计算费用的形式流向AWS、Azure、GCP三大云厂商。云厂商从这笔收入中赚取10-20美元营业利润，对应营业利润率约35%-45%。 这是巴克莱在8月28日发布的AI行业单位经济学研报中的核心发现。 与此同时，AI实验室的付费推理利润率已从2025年的十几个百分点飙升至2026年的50%-65%以上，调整后毛利率同比提升30-50个百分点。驱动力
08/29
华尔街见闻
人形机器人的“三大争议”：何时大规模部署？算力需求暴增？“人形”是必要的吗？
巴克莱认为，通用人形机器人的大规模部署可能要等到2035年前后，而非2030年。 在9月18日发布的最新研报中，瓶颈在智能而非硬件，算力拉动集中在边缘而非数据中心，Physical AI颠覆的第一波浪潮很可能根本不是人形的。 报告中，巴克莱还围绕着规模、算力、形态等投资者最关切的问题进行了详细分析。 大规模部署，2035而非2030巴克莱在报告中写道，当前行业中被展示的许多人形机器人能力，仍依赖预
09/19