老黄又又又亲自上门送 " 显卡 " 了！
首台 DGX Station（GB300）送给了卡帕西——这位 AI 时代的个人开发者代表。
△图源：英伟达官方博客
注意到没，就在这台 " 大玩具 " 上，老黄还附赠了一篇洋洋洒洒的 " 小作文 "：
致 Andrej ——第一台 DGX Station 的拥有者：
AI 智能体时代已经到来，这是一个令人难以置信的里程碑时刻，也让人想起我们一起走过的 GTC 早期岁月。
一路走来，你始终与我并肩同行。
而另一边，卡帕西也在上对老黄隔空发射爱心，并且透露自己准备用它搭一套个人 AI 集群，专门拿来折腾各种有意思的实验。
对了，针对老黄提到的 "GTC 早期岁月 "，卡帕西还顺带解惑了一波：
后来的事情大家也都知道了，深度学习革命让英伟达这个 " 卖铲人 " 赚得盆满钵满。
所以，老黄这次上门送温暖，原来是来 " 报恩 " 的？ ( doge）
当然调侃归调侃，只需看一眼老黄曾经的上门服务案例，你就知道这背后实则大有文章了。
大约 10 年前（天哪都 10 年了），老黄把首台 DGX-1 送给了彼时还很年轻的 OpenAI。而从那时起，深度学习开始真正走向工程化，AI 进入 " 大模型前夜 "。
再到近两年，他又分别给奥特曼和马斯克送上首台 DGX H200、DGX Spark 迷你超级计算机。这里头除了两人 " 闹掰 " 得分开送的原因外，背后的信号也很直接——大模型竞赛进入 " 深水区 "，算力正在成为最终胜负手。
然后就是现在，卡帕西这位超级开发者成为老黄新的 " 座上宾 "，这也意味着——
进入智能体时代，个人开发者正在登上舞台中央。
尤其在 " 龙虾 " 如此火爆的情况下，这股风潮无疑将更甚。
这次送给了个人开发者卡帕西
书归此次 " 老黄上门送温暖 " 事件。
之所以说这更多代表着个人开发者的胜利，主要还是因为卡帕西这个受赠对象，身上的标签实在过于鲜明了。
虽然这是位老朋友了，但咱还是简单回顾下他的履历。
卡帕西（英文名 Andrej Karpathy），早年在斯坦福做深度学习研究，后来加入 OpenAI 成为创始成员之一。
在 OpenAI 待了一年半左右，被 " 负气出走 " 的马斯克挖到特斯拉，负责领导特斯拉自动驾驶系统的计算机视觉团队。
不过在特斯拉干了 5 年多之后，他又回归 OpenAI 了。But，这次回去也没待多久，然后就选择出来单干了……
这中间的弯弯绕绕我们不再赘述，只说他最近在干啥、以及留给人的最深印象。
总结起来就是，他正在把 AI 从 " 论文 " 和 " 大公司 "，变成 " 一个人就能跑起来的系统 "。
关注卡帕西个人账号的朋友都知道，这位 AI 大神近一两年几乎是在反复做三件事：
把最新论文快速复现成可运行 Demo
手搓小而精的模型和工具链
搭建能长期运行的 Agent 系统（也就是大家口中的 " 龙虾 "）
这些事情也让他逐渐成为众人眼中的个人开发者代表——一个人，就能完成从想法到产品的完整闭环。
而这，恰恰就是当下智能体时代最稀缺、也最具代表性的能力。
再加上他和老黄之前的 " 私交 "（比如前面提到的 GTC），此时此刻，卡帕西就成了那个被老黄选中的人。
而要问选中之后干啥？老黄的用意当然是 " 带货 " 啊（提前滑跪了）。
由于搭载 GB300 的 DGX Station 亮相不多，所以咱也捎带手介绍下。
概括而言，这台机器毫无疑问就是为 " 龙虾 " 这样的智能体量身定制的。
别看这台机器长得像个 " 桌面工作站 "，本质上其实是把一整套数据中心级 AI 算力，压缩进了个人开发者的桌面上。
简单说，DGX Station （GB300）干的事就一件——把原本属于机房的能力，搬到你手边。
它用的是和数据中心同源的 GB300 架构，相当于你在本地写代码、跑模型，其实就是在 " 迷你版数据中心 " 里干活。
748GB 统一内存 +20 PFLOPS 算力，意味着不只是能跑模型，而是可以直接上手折腾千亿甚至万亿参数级别的系统。
更关键的一点是，这套环境不是 " 孤岛 " ——你在本地跑通的东西，可以无缝迁移到云端或更大规模的集群里，不需要推倒重来。
所以你会发现，它解决的不是 " 能不能跑 AI" 的问题，而是另一个更实际的需求：
能不能让 AI 一直跑下去。
话说到这里，相信最近已经被 " 龙虾 "360 ° 环绕的大家，已经明白这台设备的定位和作用了。
而当我们把视线再拉远，你就发现老黄在这股 " 龙虾热 " 里，还有后手。
除了找 " 代言人 "，英伟达还正在奋力补齐整套 Agent 基础设施——
从硬件到软件，一个都没落下。
英伟达博客里提到，为了配合硬件（指这次亮相的 DGX Station GB300），他们还向 OpenClaw 项目贡献了一个开源堆栈——NVIDIA NemoClaw。
NemoClaw 能让开发者用一条命令，就把一个 " 随时在线 " 的 AI 助手安全部署起来。
它内置了一套面向 AI 智能体的运行时环境—— NVIDIA OpenShell，既负责调度模型与工具调用，也通过沙箱机制保证整个执行过程安全可控。
如此一来，从算力到安装部署，老黄就又把这门 " 龙虾生意 " 做成了产业链。
老黄亲自上门送显卡，已成风向标！
实际上，细数老黄为数不多的 " 上门服务 "，你就知道这位算力掌门人的眼光有多毒辣了。
几乎每一次上门背后，都对应着一个清晰的时代信号。
比较早期、也是比较著名的一次，就是 10 年前送给 OpenAI 的首台 DGX-1（当时马斯克还是 OpenAI 联合创始人）。
当时 OpenAI 刚成立不久，办公室里除了挤满一群理想主义者，几乎啥也没有（更别说服务器了）。
而另一边，深度学习革命的暗流已经涌动——只差一股算力把它推到台前。
于是，老黄亲自带着首台 DGX-1 直接上门了，而且还写下一句话：
为了计算和人类的未来，我送上世界上第一台 DGX-1。
虽然这话如今听起来有点 " 豪赌 " 的意味，但事实证明，老黄赢了。
尽管很难说清这台 DGX-1 在 OpenAI 的发展历程中起了多大作用，但也正是这一滴一毫，最后浇灌出了 ChatGPT 这颗参天大树。
更何况 DGX-1 在当时本身就是一款比较领先的产品——它第一次把硬件、互联、软件栈全部打包成一个 " 开箱即用 " 的深度学习系统，对提升训练效率至关重要。
所以回过头看，老黄这哪是送机器，分明是在押注一个时代——
一个属于深度革命的时代，一个将深度革命从实验室推向公司工程化的时代。
也难怪后来很多人说，AI 大模型前夜，就是从这张照片开始的。
再到 2024 年，还是在这家公司，老黄二次登门给奥特曼送去了世界首台 DGX H200。
这件事发生的背景是——
ChatGPT 带来的大模型风暴已经席卷全世界，Saling Law 定律正当红，所有人都在卷参数、卷规模。
当然，所有人也缺算力。
而就在这样的时刻，老黄把 DGX H200 这款当时最新、最强的 AI 芯片送给了彼时已经被全球公认为最顶尖的 AI 初创公司 OpenAI。并且这一次他写下的话是：
旨在推进人工智能、计算技术与人类的发展。
就怎么说呢？表面上看老黄是 " 初心不改 "，但背后释放的信号却很明确：
在大模型已经进入算力竞赛的时刻，英伟达正在成为底层供给者——强如 OpenAI 也得靠老黄送补给。
至于 2025 年他给马斯克送去的DGX Spark 迷你超级计算机，这一步其实更有意思。
如果说 DGX H200 代表的是 " 把算力推到极致 "，那么 DGX Spark 做的，则是另一件事——
把顶级算力，压缩进更小、更灵活的形态。
老黄上门时就调侃了，" 想象一下，把最小的超级计算机放到最大的火箭旁会是什么情景 "。
实际上，这句看似玩笑的话已经暴露了老黄的 " 野心 " ——
算力不只是用来训练模型，还要支撑持续运行的 AI 系统。
而马斯克的火箭，其实就是这一设想背后最极端的场景。只要这个都能搞定，其他自动驾驶、机器人、工业系统这些，自然更不在话下。
此时，算力的形态已经开始发生改变，最终的目标就是走进无数个微小的应用场景。
而这一计划放在今天，就是无数个个人开发者的 " 桌面 "（这里可以包含虚实两层含义）。
所以我们终于明白，为什么老黄这次会选中卡帕西了，为什么他会把首台 DGX Station（GB300）送到一个 " 个人开发者 " 手中。
因为，当算力开始走向分布式、走向本地、走向每一个具体场景时——
最先承接这一变化的，不再是庞大的组织，而恰恰是这些能独立完成闭环的个体。
而说到这里，OpenAI 研究科学家 Noam Brown 发起的讨论也似乎有了初步答案。
他曾发帖提问：
为什么在人类历史上——至少自工业革命以来最关键的时期，他（卡帕西）没有出现在一个前沿的人工智能实验室？
答案不言自明——
因为是卡帕西，也因为他是这个时代的 " 个人开发者 " 代表。
而且据英伟达透露，除了卡帕西，首批 DGX Station（GB300）还即将交付给Matt Berman。
划重点，此人既是一位拥有近 60 万粉的油管博主，也是一位喜欢自己搞开发的 " 个体户 "。
不过和卡帕西这种有知名代表作的开发者不同，Matt Berman 能被 " 选中 " 或许主要还是因为他的传播讲解能力。
其真正有影响力的，是一整套教 " 普通人如何搭 AI Agent 系统 " 的方法论。（包括演示如何玩 " 龙虾 "）
而在这个意义上，他更是承担着 " 个体开发 " 放大者的角色。
