伊泽🔶BTC |🧡 1000X GEM
@EZ99131 • 2,750 subscribers
专注链上Alphat投研优质项目分享建设 持有$BTC | $BNB | $SOL 美股持有 $AMD $NOK $DRAM ETF $MRVL $NASA 美股专注中，专注马斯克板块和AI板块以及能源板块 AI不是泡沫，AI即将让人类进入2.0的版本，AI时代才刚刚开始
Videos
黄仁勋真正想表达的不是“NVIDIA 股票一定涨”，而是 AI 基建正在从 GPU 短缺阶段，进入 AI 工厂标准化阶段。 谁掌握算力平台、软件生态和供应链，谁就掌握下一轮 AI 工业革命的入口。 一、核心观点： NVIDIA 的市值逻辑，不是“概念”，而是收入曲线在支撑 NVIDIA 的收入已经不是普通科技公司的增长速度。 NVIDIA 最新 FY2027 Q1 财报显示，公司季度收入达到 816 亿美元，同比增长 85%； 其中数据中心收入达到 752 亿美元，同比增长 92%。公司还给出下一季度 910 亿美元收入指引，并说明这个指引不包含中国数据中心计算收入。 最新市场数据也显示，NVIDIA 当前市值约 5.15 万亿美元。如果市场讨论未来 3–5 年能否继续翻倍到 10 万亿美元，本质上不是看短期情绪，而是看未来收入、利润和估值倍数能否继续配合。 一个重点是： NVIDIA 的市值不是“凭空炒上去”的，而是 AI 基建支出、数据中心收入、GPU / 网络 / 软件生态共同推动的结果。 二、黄仁勋真正的底气：AI 需求才刚开始 反复强调一个观点： AI 的需求不是接近尾声，而是刚刚开始爆发。 这和黄仁勋此前在 GTC 2026 的说法一致。 NVIDIA 官方博客提到，黄仁勋称 AI 计算需求已经“off the charts”，并表示过去几年计算需求增长了约 100 万倍；他还表示，从 2025 到 2027 年，仅 Blackwell 和 Vera Rubin 相关平台，就有望带来至少 1 万亿美元收入机会。 这句话非常关键 因为它意味着 NVIDIA 的增长逻辑已经从： 卖 GPU 给云厂商 升级为： 为全球 AI 工厂提供整套算力基础设施。 未来的 AI 需求来自多个方向： 大模型训练继续扩大； 推理需求快速增长； Agentic AI 带来更多多步骤任务； 企业 AI 应用从试点进入生产环境； 机器人、自动驾驶、工业数字孪生和物理 AI 开始吃算力； 数据中心从普通服务器升级为 AI 工厂。 这也是为什么黄仁勋一直强调 AI factories，AI 工厂。 在他的叙事里，未来数据中心不是存储网页和应用的地方，而是持续生产 token、智能和自动化能力的“工厂”。 三、第二个增长逻辑： Vera CPU 让 NVIDIA 不再只是 GPU 公司 NVIDIA 的下一个增量，不只是 GPU，而是 CPU。 过去数据中心 CPU 市场主要由 Intel 和 AMD 控制。但 Agentic AI 时代，CPU 的角色正在变化。 传统 CPU 主要处理通用计算任务；未来 AI 数据中心里，CPU 要负责更复杂的调度： 多智能体任务编排； 工具调用； 数据预处理； KV Cache 管理； 网络与存储调度； 大量小任务并发； GPU 集群之间的协调。 NVIDIA 在 Vera Rubin 平台中推出 Vera CPU，本质上就是在切入这个新市场。Tom’s Hardware 对 Vera Rubin NVL72 的报道提到，该系统采用 Vera CPU、Rubin GPU、NVLink 6、ConnectX-9、BlueField-4 和 Spectrum-6 Ethernet 等多类芯片，属于 rack-scale 架构；NVIDIA 声称 Rubin 相比 Blackwell 可带来更高推理性能和更低 token 成本。 这说明 NVIDIA 的打法已经不是“GPU 插进服务器”， 而是： CPU + GPU + DPU + NIC + Switch + 软件栈 + 液冷整机柜。 这就是视频里所谓“底气”的来源。 NVIDIA 的目标不是只拿 GPU 份额，而是重新定义整个 AI 数据中心的架构。 四、第三个护城河：CUDA 生态比芯片更难替代 NVIDIA 的优势不只是芯片性能，更关键的是 CUDA 生态。 很多公司可以做 AI 芯片，Google 有 TPU，Amazon 有 Trainium，Microsoft 有 Maia，Meta 也在推进自研芯片。 但问题是，AI 开发者、模型框架、推理工具、训练库、优化器、企业应用、工程经验，大量都围绕 NVIDIA CUDA 生态建立。 所以客户更换 NVIDIA 的成本，不只是换硬件，而是要重写软件、迁移模型、重新验证稳定性、重建工程体系。 这就是 NVIDIA 最难被替代的地方： 芯片可以被追赶，生态很难被一夜复制。 但这也带来反面风险。视频里提到“全球范围内的反垄断、CUDA 生态调查”，这确实是未来需要关注的风险之一。 NVIDIA 越强，监管压力越大；CUDA 越成为行业事实标准，越可能被监管机构审视。 五、第四个重点： 真正的 AI 机会在供应链，不只在 NVIDIA 本身 未来 AI 基建不是一颗芯片决定的，而是一整套系统决定的： GPU / CPU / HBM / CoWoS / 网络交换 / 光模块 / 液冷 / 电源 / PCB / 服务器代工 / 数据中心建设。 黄仁勋最近在台湾的动作，也印证了这一点。Reuters 报道称，黄仁勋在台北表示，NVIDIA 每年可能在台湾投入约 1500 亿美元，并称台湾是 AI 革命的“中心”； 他还与 TSMC、富士康、广达等关键供应链公司高层会面。 这说明 NVIDIA 很清楚： AI 的瓶颈不是单点，而是系统产能。 特别是接下来 Rubin 平台、GB300、NVL72 / NVL144、1.6T 网络、液冷机柜、HBM4 / HBM4E 等产品放量后，供应链会变得更重要。 视频里提到的几个方向，都值得重点关注： 1. AI 服务器代工 NVIDIA 自己不生产整机服务器，真正把 AI 服务器做出来的是供应链公司。 包括富士康、广达、纬创、纬颖、英业达、戴尔、Supermicro 等。 Dell 最新财报也验证了 AI 服务器需求的强度。Reuters 报道称，Dell 上调全年业绩预期，并将 FY2027 AI 服务器收入预期从 500 亿美元上调到 600 亿美元。 这说明 AI 服务器需求不是停留在 NVIDIA 财报里，而是已经传导到整机厂。 2. 高速网络与光互连 “1.6T 已经开始批量出货”，背后对应的是 AI 数据中心网络升级。 AI 集群越来越大，GPU 之间、机柜之间、数据中心之间都需要更高速连接。 NVIDIA 早已不只是 GPU 公司，它还通过 Mellanox 拿下 InfiniBand、Ethernet、Spectrum-X、NVLink 等网络能力。 NVIDIA 2025 年宣布 Spectrum-X Photonics 和 Quantum-X Photonics，推动共封装光学 CPO / 硅光方案，用于把 AI 工厂扩展到百万 GPU 级别； 官方当时称 Spectrum-X Photonics Ethernet switches 将在 2026 年推出。 未来 AI 工厂越大，网络互连越重要。 3. 液冷 Blackwell、Rubin 这类 AI 系统功耗越来越高，传统风冷很难长期支撑高密度机柜。 未来高端 AI 服务器会越来越多采用液冷方案，包括冷板、CDU、液冷管路、机柜级热管理等。 这意味着 AI 产业链的机会，会从芯片扩散到散热、电源、机柜和数据中心工程。 4. 高端 PCB / CCL “AI 服务器 PCB” AI 服务器的信号速率越来越高，层数越来越多，对高频高速材料、低损耗 CCL、高端 PCB 制程要求更高。 所以 AI 服务器放量，不只是利好 GPU 和 HBM，也会带动： 高速 PCB； 高端覆铜板 CCL； 连接器； 电源管理； 高速线缆； 光模块； 散热材料。 这就是所谓“刚需中的刚需”。 六、最近两天黄仁勋重点发言释放了什么信号？ 1. 台湾是 AI 基建中心 黄仁勋近期在台湾表示，NVIDIA 将持续扩大对台湾供应链的投入，并称台湾是 AI 革命的中心。Reuters 报道称，NVIDIA 在台湾的年度支出可能达到约 1500 亿美元，远高于几年前的 100–150 亿美元级别。 这意味着接下来 AI 产业链的核心观察地，不只是硅谷，而是台湾。 台积电负责先进制程和先进封装； 富士康、广达、纬创、纬颖负责服务器和机柜； 台达电、奇鋐、双鸿等参与电源和散热；大量 PCB、连接器、光通信公司也在台湾及亚洲供应链中。 2. Vera Rubin 将成为下一阶段主线 Reuters 报道称，黄仁勋将在 Computex / GTC Taipei 期间重点介绍 NVIDIA 面向数据中心的新技术，包括 Vera Rubin AI 平台和 CPU。 市场接下来不能只盯 Blackwell。 Blackwell 是当下收入核心，Rubin 是下一阶段估值锚点。 如果 Rubin 平台推进顺利，NVIDIA 的收入曲线有望继续保持高斜率； 如果供应链、良率、液冷、HBM 或客户部署节奏出现问题，市场也会重新评估估值。 3. 中国市场是风险变量 NVIDIA 近期也反复提到中国市场风险。Yahoo Finance 报道称，黄仁勋表示 NVIDIA 在中国数据中心计算市场份额已经降至零； Tom’s Hardware 也报道称，黄仁勋表示中国不应获得最先进的 Blackwell 和 Rubin AI GPU，美国应在 AI 硬件上拥有“first, most, and best”。 这对 NVIDIA 是双刃剑。 短期看，美国和全球云厂商需求足够强，能覆盖中国缺口； 但长期看，中国市场缺席会给本土替代和竞争对手生态留下空间。 七、未来走向：NVIDIA 的故事会从“GPU 短缺”走向“AI 工厂标准” 我认为未来 1–3 年，NVIDIA 的主线会发生三层变化。 第一阶段：Blackwell 继续放量，财报仍然强 短期最直接的逻辑还是 Blackwell 交付和数据中心收入。 NVIDIA Q1 FY2027 数据中心收入已经达到 752 亿美元，下一季度收入指引达到 910 亿美元。 只要 Blackwell 产能、HBM、CoWoS 和整机柜交付顺利，财报仍然会维持高增长。 市场短期最关注： Blackwell 出货节奏； GB300 / Rubin 过渡节奏； HBM 供应； CoWoS 产能； 液冷机柜交付； 云厂商 capex 是否继续上修。 第二阶段：Rubin 和 Vera CPU 打开新天花板 中期逻辑是 Rubin + Vera CPU。 如果 Blackwell 是 GPU 时代的强化版，那么 Rubin / Vera 更像是 NVIDIA 走向“整套 AI 工厂架构”的关键一步。 未来 NVIDIA 不只是卖 GPU，而是卖： CPU、GPU、DPU、NIC、Switch、NVLink、Spectrum-X、液冷机柜、软件栈和 AI 工厂设计方法。 这也是为什么 NVIDIA 的估值不是只看芯片，而是看平台。 第三阶段：Agentic AI 推动推理需求爆发 更长期看，Agentic AI 会改变算力需求结构。 过去 AI 主要是训练大模型。 未来 AI 会变成大量智能体持续运行： 企业内部 Agent； 代码 Agent； 客服 Agent； 金融分析 Agent； 机器人 Agent； 工业调度 Agent； 自动驾驶和物理 AI Agent。 这些 Agent 会带来巨大的推理需求，而且推理不是一次性任务，而是持续消耗 token。 Gartner 预计 2026 年全球 AI 支出将达到 2.59 万亿美元，同比增长 47%；Reuters 评论也提到，2026 年 AI 相关资本开支可能达到 8000 亿美元，2027 年进一步达到 1.12 万亿美元。 这就是 NVIDIA 最核心的长期逻辑： AI 应用越普及，推理越多；推理越多，AI 工厂越多；AI 工厂越多，NVIDIA 的平台价值越大。 八、风险 1. 估值已经很高 NVIDIA 当前市值约 5.15 万亿美元。要再翻倍，需要市场继续相信未来几年收入和利润能继续高速增长。 如果云厂商 capex 放缓，或者 AI 应用变现不及预期，估值会面临压力。 2. 自研芯片竞争会加剧 Google TPU、Amazon Trainium、Microsoft Maia、Meta 自研芯片，以及 Broadcom、Marvell 帮云厂商做 custom ASIC，都会持续挑战 NVIDIA。 这些芯片未必完全替代 NVIDIA，但会分流部分训练和推理工作负载。 3. 监管和出口限制 CUDA 生态越强，监管关注度越高。 出口限制也会影响中国市场，并推动中国本土 AI 芯片生态加速发展。 4. 供应链瓶颈 HBM、CoWoS、液冷、电源、PCB、光模块、服务器代工，任何一个环节出问题，都会影响 NVIDIA 的交付节奏。 NVIDIA 现在不是单颗芯片公司，而是系统供应链公司；系统越强，链条也越复杂。
伊泽🔶BTC |🧡 1000X GEM77,844 görüntüleme • 3 ay önce
美股今晚重头戏 $MRVL 要亮财报了！ 这次还是要坚定的相信光！ 最新财报显示，公司2026财年业绩表现强劲，数据中心和AI相关业务成为核心增长引擎。以下是关键财务数据和业务亮点整理： 核心财务数据 2026财年第四季度：营收22.19亿美元，同比增长22%，创历史新高；Non-GAAP每股收益0.80美元，高于预期的0.79美元。 2026财年全年：总营收81.95亿美元，同比增长42%；全年Non-GAAP每股收益2.84美元，同比增长81%。 毛利率表现：Non-GAAP毛利率保持在59.0%的高位，显示在高端网络通信芯片领域的定价权。 业务亮点 数据中心业务爆发：Q4数据中心收入16.51亿美元，同比增长21%，占整体营收约75%；其中AI相关光互连技术与定制芯片已占据半壁江山。 定制芯片业务：2026财年定制芯片业务兑现15亿美元营收，主要为亚马逊Trainium 2等云大厂自研AI芯片提供设计服务。 技术卡位优势：全球PAM4 DSP领头羊，芯片卡位800G并正向1.6T时代过渡；在800G及1.6T光模块PAM4 DSP领域拥有近乎垄断市占率。 战略收购：以32.5亿美元收购Celestial AI，押注硅光子和光学互连技术，旨在突破AI计算中的"内存墙"瓶颈。 未来展望 2027财年Q1指引：营收预计24亿美元，远超分析师预期的22.8亿美元；Non-GAAP EPS预计0.79美元，高于预期的0.74美元。 长期增长预期：公司预计2027财年全年营收将超过110亿美元，2028财年有望达到约150亿美元。 管理层信心：CEO表示2027财年每个季度营收增速都会加速，数据中心订单储备创纪录增长。 $MRVL过去 给人的印象是一家做网络芯片、存储控制器的传统半导体公司。 但到今年，数据中心业务已占到公司总营收的 75% 以上，其中 AI 相关的光互连技术与定制芯片已经占据半壁江山。 半导体行业有一条铁律：离硬件和底层架构越近，客户越不敢轻易更换供应商。 他的护城河就是“连接力（光电转换）+ 顶层 IP 积木（SerDes & 封装）”。只要 AI 规模扩大，数据传输的物理极限还在被挑战，他在底层“卖铲子和管道”的地位就很难被动摇。 1. 他是全球 PAM4 DSP 的领头羊，芯片卡位 800G 并正在向 1.6T 时代强力过渡。 2.定制化芯片，大厂为了降低对英伟达的依赖并降低成本，纷纷自研 AI 加速器。他凭借其先进的 SerDes（串行/解串器）技术和封装 IP，为客户提供“委托代工设计”。但是客户集中度极高。一旦某大厂云巨头因为 AI 回报率低而削减资本开支，他会立刻受伤。 3.交换机芯片与存储业务：稳健的现金流底座 通过收购 XConn，拓展了 PCIe 和 CXL 交换机能力。 4.光通信芯片：确定性与自主掌控力最高。在 800G 以及正在铺开的 1.6T光模块 PAM4 DSP 领域，拥有近乎垄断的市占率。 交付能力如何？ 1.他不生产芯片，它的最大交付瓶颈不在自己，而是在台积电。由于客户都是巨头，会协助共同向台积电“要产能”。其基础产能供应虽然紧张，但极少出现大面积断供风险。 2.量产落地验证：目前最大的交付项目是为亚马逊定制的 Trainium 2 芯片。在 2026 财年，其定制芯片业务已经成功兑现了 15 亿美元 的营收，这证明其从“设计、流片到大规模量产交付”的整条供应链已经完全走通。 3.巨头订单多，他正在多线作战。其设计团队的工程带宽能否同时支撑多个巨头大厂的催货压力，是后续交付的隐形隐患。 4.英伟达宣布对齐投资20亿美元，产能上台积电有优先配置权。 潜在风险： 1.虽然交付能力很强，但由于定制 ASIC 需要承担巨额的前期流片和测试成本，如果客户在交付中途更改设计规格，会导致毛利率在短期内受到阶段性伤害。 2.盘后财报如果符合预期就是利空，因为市场处于一个极度苛刻的状态。前面持续涨预期兑现。 涨跌判断 1.如果管理层画的大饼够。 2.毛利率维持在 62% - 63% 以上，营业利润率能向 36% 扩张。 3.传统业务确认为周期性见底并持续回升。 这里面有个重头戏，就是是否会宣布和谷歌达成订单合作。如果有这个答案加持，那么股价预期将会再次提高
伊泽🔶BTC |🧡 1000X GEM35,199 görüntüleme • 3 ay önce
Daha fazla içerik yok.