再有一点是一个非常有趣、但目前还只停留在趋势判断的预测：
未来的算力计费，很可能不会再主要按 Token 算，而是更接近按思考时长算——从算力供应商的角度看，这几乎可以被视为对英伟达的重大利好
过去的 LLM，本质上更像一个概率预测机。用户问 2+2 等于几，它预测出4这个符号出现的概率最高，因此回答 4。
这种回答方式非常像《思考，快与慢》里的系统1:快，但容易出现幻觉，因为它没有内建的逻辑校验机制。
黄仁勋这两年在不同场合反复提到一个方向：在推理阶段通过增加Test-time Compute——简单说，就是允许模型在给出最终答案之前，先在后台进行一段用户看不见的内心独白：拆解问题、检索资料、反思答案、必要时推翻重来。在这次 Rogan 的节目里，他同样强调：未来更多算力会被用在“多做一点 research、多反思一下答案是否可靠”上。
用卡尼曼的语言来比喻，就是：在原本几乎只有 System 1 的地方，人工插入了一层 System 2 式的慢思考。
这意味着，AI 即使在训练结束后，在回答问题的当下，依然可以通过消耗更多算力来临时提高智商。如果这种自省式推理成为主流，那么 AI 公司的收费模式和成本结构都会被重写：以前你问一个问题，AI 回答 100 个token，你付 100 个token的钱，算力消耗基本跟输出长度成正比；
在自省模式下，更接近这样一种情况——你问一个极其复杂的物理题，AI 最终可能只回答你一个数字“42”，但在输出这个“42”之前，它在后台进行了长达几十秒的逻辑推演，生成了上万个中间步骤的思维链，然后把过程丢弃，只留下一个结果。
推理成本将不再线性依赖于输出长度，而是更依赖于问题本身的复杂度。更像你聘请一位律师：你不是按他写在纸上的字数付费，而是按他为解决案件所投入的思考与研究时间付费。
这背后对英伟达的利好就很直白了：市场原本担心，一旦模型训练结束，对 GPU 的需求会明显下降，因为传统意义上的推理并不消耗那么多算力；
而通过 Test-time Compute，他向资本市场传递的是另一种路径：不仅训练需要巨大算力，推理本身也可以变成一个深不见底的算力池——只要每个 AI agent 在回答问题前都多想几秒、多查一点资料，全球推理端对 GPU 的需求就会被不断放大。
换句话说，AI 正在从一种“廉价的生成工具”，向一种“昂贵的解决问题服务”迁移。
我愿称之为英伟达阳谋！
