黄仁勋把马斯克的优势归结为算力基础设施，这背后是英伟达正在推的商业模式升维——从卖GPU芯片转向运营「AI工厂」。核心公式是：AI工厂产出的不是算力，而是Token（可被计价、货币化的智能代币）。Blackwell平台Token吞吐量比次优方案高30倍，英伟达系统或许采购价最贵，但能产出最低成本Token。这个逻辑一旦成立，英伟达就从周期性硬件商变成持续收「智能生产税」的水电公司。

黄仁勋夸特斯拉数据优势时，回避了自动驾驶路线之争的根本分歧。Waymo用激光雷达+高精地图，单辆成本18万美元，已实现L4级无人化运营；特斯拉纯视觉方案成本仅3.6万美元，但FSD至今仍是L2级，需驾驶员随时接管。2025年NHTSA因44起事故调查近290万辆特斯拉，Waymo在9600万英里中零致命事故。一条路赌大规模数据迭代，一条路赌硬件冗余安全——同一笔账两种算法，本质是安全与成本的优先级排序。

黄仁勋把Optimus列为AI三大战场之一，但马斯克2026年Q1财报会透露的具体时间表揭示了激进程度：首批量产2026年7-8月，年产能规划100万台；2027年夏季大规模量产，产线在得克萨斯州超级工厂，年产能目标1000万台，日均2.7万台。对比同行：小鹏IRON计划2026年底量产，初期产能远低于特斯拉；Figure AI 2026年底目标年产1.2万台。特斯拉的产能数字是第二梯队的近千倍，但全部新品产线爬坡是最大变量——马斯克自己也承认「初期会极其缓慢」。

黄仁勋说「采集真实世界数据成本极高」，但特斯拉中国已启用本地算力中心，每年产生超50亿帧行驶数据。问题来了：如果其他车企（如小鹏、蔚来）也建起百万级车队，特斯拉的数据飞轮还能保持差距吗？关键变量是数据质量——特斯拉的FSD累计行驶170亿公里，远超大模型训练所需规模，但真实世界数据对自动驾驶的价值为何不是越大越好？真正值得追问的不是「谁数据多」，而是「什么数据才真正构成护城河」。