黄仁勋自述当年联系台积电：打了好几次电话都没人回，最终写信给张忠谋才接通
黄仁勋在播客访谈中回忆，上世纪 90 年代末英伟达为图形芯片寻找代工厂时，他从黄页找到台积电美国办事处电话，留言并多次致电均无人回电，后给张忠谋写长信，才等到对方回电并受邀赴台参观台积电与联华电子，最终选择台积电。台积电 15 日公布第三季度净利润增长 69%，达 7,631 亿新台币。
#大佬观点
IT之家AI 评分2222
IT之家AI 评分3838 黄仁勋：英伟达在 AI 安全领域必须与中国企业合作
黄仁勋 10 月 15 日接受 CNBC 采访时表示，英伟达"绝对有必要"与中国 AI 企业合作，共同监测前沿技术带来的风险，并称这种合作应通过"对话"实现，他一直在与中国研究人员交流。美国财政部长贝森特曾向中方提议建立双边 AI 安全风险通报机制与沟通渠道，以应对 AI 智能体失控、网络安全及生物威胁等潜在危机。
IT之家AI 评分1212 三星电子首席设计官波尔奇尼：AI 时代，人的创造力才是产品设计核心竞争力
三星电子设备体验事业部总裁兼首席设计官毛罗·波尔奇尼在“2026 首尔设计周”上表示，AI 不是用来取代人的，而是帮助人们发挥情感智能和想象力的工具。他强调，若企业只依靠 AI 开发产品，最终产品会大同小异，人类独有的批判性思维、创造力、感受力和情感才是产品设计的核心竞争力。三星已将这一以人为本理念贯穿电视、智能手机、家电等产品设计。
IT之家AI 评分3838 比尔·盖茨：AI 比核武器更危险、比核能更有用，与 PC、互联网等创新都不同
比尔·盖茨称 AI 是比核武器更危险、可能比核能更有益的技术，认为它更像"进化事件"而非"下一台个人电脑"，把它当作 PC 看待会让人完全低估它。他承诺未来两年投入十亿美元，推动 AI 在健康、教育和农业领域惠及最需要的人，并预测 AI 技术快速发展将在 2027 年带来众多网络安全威胁。
IT之家AI 评分3838 前英特尔 CEO 基辛格称 HBM 是“糟糕的内存”
前英特尔 CEO 帕特·基辛格在 a16Z 专访中批评高带宽内存（HBM）位密度低、带宽受限且散热困难，称其为“糟糕的内存”，并认为它对 AI 这类内存计算密集型工作负载是灾难性的。他提到 HBM3/3E 总线宽度为 1,024 位、HBM4 提升至 2,048 位，韩国科学技术院分析显示 HBM 功耗超过约 30 瓦时，PHY 接口自身发热会成为内存热应力的主要来源。
IT之家AI 评分2727 印孚瑟斯董事长尼勒卡尼：AI 推动业务增长，失业担忧纯属无稽之谈
印孚瑟斯董事长尼勒卡尼在新德里彭博创新经济论坛上驳斥 AI 引发大规模失业的说法，称其"纯属无稽之谈"，认为 AI 反而会催生治理、变革管理、安全防护等新岗位。他承认编程工作正逐渐自动化，但强调技术在整个服务项目中只占很小一部分，企业转型需求比以往更大。过去两年印孚瑟斯股价累计下跌约 45%，投资者对其争取新业务的能力愈发担忧。
IT之家AI 评分2222 Cerebras CEO 预言家用 AI 时代将至：本地运行个人 AI 助手，可绑卡替你购物
Cerebras CEO 安德鲁·费尔德曼在 TechCrunch Disrupt 大会上预测，家家户户配备 AI 设备的时代并不遥远，未来将出现本地运行的个人 AI 助手，部分任务本机处理、部分上传云端，能深度了解用户并绑定信用卡代为采购。他以 Meta 的 Muse 和估值达 100 亿美元的初创企业 Instinct 为例，说明消费级智能体正在普通用户中站稳脚跟。
IT之家AI 评分2222 微软 XBOX CEO 夏尔马：必须拿出勇气创新，再吃老本就完了
微软 XBOX CEO 阿莎·夏尔马在全员大会上表示，XBOX 必须打造能长久发展的全新 IP，否则无法生存，并称将加大游戏投入。她点名《战争机器：事变日》《我的世界：地下城 2》《魔兽世界：无限》开局表现强劲，并提到过去一年 XBOX 品牌好感度提升约 30%。此前 XBOX 在时长、玩家数、收入上均下滑，如今第一方已恢复增长，幅度达低谷时的 2–3 倍。
IT之家AI 评分3030 马斯克谈中国制造扩产能力：长鑫存储成全球第四大 DRAM 制造商
马斯克 10 月 13 日在 X 平台表示，中国一旦掌握某种产品的制造方法，扩产能力往往能超过世界其他地区之总和，锂电池和太阳能产业即为先例。此番讨论源于分析师 Melvin 指出长鑫存储正成为美光、三星、SK 海力士的竞争对手，其全球 DRAM 市场营收份额约 9.5%，高于上一季度的 7.6%，已成为全球第四大 DRAM 制造商。
IT之家AI 评分2020 导演徐克谈 AI：幻觉与真实交织，边界日益模糊
导演徐克在法国里昂卢米埃尔电影节大师班活动上表示，AI 正日益模糊现实与幻觉的边界，广告、互联网与 AI 共同让公众更难判断所见内容的真实性。他还将 AI 与身份认同议题联系，认为其普及可能进一步影响人们对自我身份与外部世界的理解。
IT之家AI 评分4545 英特尔 CEO 陈立武：未来两到三年 AI 硬件将持续短缺
英特尔 CEO 陈立武在新加坡星展银行会议上表示，受技术供应链持续受限影响，未来两到三年 AI 硬件将维持供应紧张，内存芯片等核心组件供不应求、价格数月来不断走高。他提到智能体 AI 普及推升 CPU 需求，AI 训练中 GPU 与 CPU 配比已从 8 比 1 降至 4 比 1，并称中国前沿 AI 模型词元成本显著更低。
IT之家AI 评分2222 Nothing CEO 裴宇评苹果首款折叠屏 iPhone Duo：起售价 15,999 元却不值得买
Nothing 首席执行官裴宇称苹果首款折叠屏手机 iPhone Duo 起售价 15,999 元却“不值得买”，因其缺失 Face ID、长焦镜头、LiDAR 扫描仪及专业相机控制。该机展开后厚度仅 5.2 毫米，难以容纳 TrueDepth 摄像头系统；前置摄像头为 1200 万像素，低于 iPhone 18 Pro 的 1800 万像素。
IT之家AI 评分2222 索尼 PlayStation 之父久多良木健：PS 主机正失去技术创新，已快变得和 PC 一样
久多良木健在 4Gamer 采访中称，他退休后 PS 主机正失去创新，已变得和 PC 没什么不同。他表示 PC 游戏行业的人涌入后，PS 平台与 PC 趋同，这种融合虽能为开发商创造更大市场，但技术进步不一定在此发生，英伟达、AMD 都致力于开发 AI，游戏行业尚未接受它。
IT之家AI 评分2222 英特尔 CEO 陈立武：DeepSeek、Kimi、GLM 等中国前沿 AI 模型普及速度非常快
英特尔 CEO 陈立武表示，中国前沿 AI 模型的 Token 成本较低且普及速度非常快，DeepSeek、Kimi 和 GLM 等模型性能已经足够好。他坚定支持开源，认为这是提高效率的最优路径，并称市场将决定不同模型的应用场景。他还预计量子计算可能在未来三到五年内走向主流。
IT之家AI 评分4040 微软总裁布拉德 · 史密斯：AI 受到的监管甚至不如牛奶和洗衣机
微软总裁布拉德 · 史密斯称，目前洗衣机受到的安全监管都比 AI 严格，每一盒牛奶都要受安全规则约束并接受检查。他呼吁业界制定更多安全规格约束 AI，要求企业设置"终止开关"，并主张失控智能体入侵其他企业造成损害时，持有该 AI 智能体的公司需承担责任。Anthropic、Google DeepMind 和 OpenAI 等企业也警告 AI 发展速度需要放缓。
IT之家AI 评分2222 杨立昆：下一代 AI 须理解现实世界，世界模型将推动 AI 进入下一阶段
杨立昆在首尔表示，AI 的下一次突破不会来自大语言模型，而是来自能理解、预测物理世界的系统，即“世界模型”。他指出，大语言模型在编程、数学等可预测序列任务上表现出色，但现实世界信息远比语言难以预测，AI 在理解语言与理解现实世界之间存在巨大差距。他主张开发世界模型，让 AI 学习物理规律和因果关系，预测行动结果并与环境交互。
IT之家AI 评分2222 TikTok CEO 周受资：市场可能高估 AI 短期能力，却低估其长期影响
TikTok CEO 周受资在新加坡星展集团首届亚洲未来前瞻论坛上表示，市场对 AI 短期发展的能力可能有所高估，却低估其长期影响，未来两至三年 AI 有望推动物理学、生物科技等领域出现重大突破。他主张采取“人类参与其中（Human-in-the-loop）”模式，在高风险工作中不应完全仰赖自动化，并鼓励各界亲自使用最先进的 AI 模型。
IT之家AI 评分3030 宇树科技王兴兴：过去十几年犯的最大错误是对 AI 还不够相信，GPT-6 发布对具身智能影响很大
宇树科技创始人王兴兴在第二十六届中国国际工业博览会上表示，GPT-6 的发布对具身智能行业认知影响很大，团队已将其部署至机器人做任务测试，效果表现还不错。他认为具身智能行业临界点可能在一两年内到来，并称过去十几年犯的最大错误就是对 AI 还不够相信。
IT之家AI 评分6262 微软 CEO 纳德拉：开发者应默认假设 AI 模型失控，并设计强制中断机制
微软 CEO 萨蒂亚·纳德拉在长文中提出，AI 模型是黑盒子，开发者应默认假设模型已被破坏，从一开始就加以控制，并确保授权人员能随时暂停或关闭模型。他给出可观测性设计的七条原则，包括模型多样性、观察一切、可验证性、独立控制、独立审计性、遏制和事件披露，并强调模型提供商无法将责任外包出去。
Microsoft ResearchAI 评分2222 Microsoft 研究：AI 评测如何暴露传统 benchmark 之外的“意外失败”
Microsoft 的 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统性能边界，以及模型在超出传统 benchmark 测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历，分享与当前 AI 系统协作的实用建议，并强调当结果偏离预期时应仔细检查数据。