📄 第二階段學習單：智能的推理——Blackwell 與代幣經濟
適用範圍：影片 35:00 - 01:10:00
🎯 學習目標
區分 AI 「訓練（Training）」與「推理（Inference）」的差別。
理解為什麼「每瓦效能」是未來企業競爭的關鍵。
🧩 核心詞彙
Inference (推理): AI 模型在完成學習後，實際回答問題、生成內容的過程。
Token (代幣): AI 產出的基本單位（如一個字或一塊像素），也是未來的「數位貨幣」。
Blackwell: NVIDIA 的強大運算平台，專為大規模推理設計。
✍️ 重點摘要
推理轉折點（Inference Inflection）： AI 需求已從「學習（訓練）」轉向「執行（推理）」，計算需求激增百萬倍。
Blackwell 架構：
專為大規模推理設計，每瓦電力產出的 Token 數量比前代提高 35-50 倍。
引入 FP4 精度，在不損害智慧的前提下大幅提升速度。
Token 經濟學： 智能的基本單位是 Token，數據中心轉型為「Token 工廠」，並根據生成速度與智慧等級分級定價。
推理型 AI（o1）： 展示 AI 如何透過自我思考、規畫與查證，解決更複雜的邏輯問題。
💡 思辨練習
Q1: 根據黃仁勳的說法，未來工程師會擁有「Token 預算」而非僅僅是工資。想像你是一名設計師，擁有大量的 Token 可以讓 AI 幫你產出設計草圖，這會如何改變你的工作流程？
Q2: 為什麼 NVIDIA 要強調「每瓦產出的 Token 數量」？這對全球環境永續發展有什麼關聯？
