Loading video...

Video Failed to Load

Go Home

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...

EZ99131's profile picture

伊泽🔶BTC |🧡 1000X GEM

2,830 subscribers

35,199 views • 3 months ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

SpaceX上市后的第一份财报，营收确实炸裂。 2026年第二季度： 总营收 78亿美元，同比增长92% Starlink用户达到 1200万，较去年同期翻倍 连接业务营收约 43亿美元，同比增长约66% 连接业务经营利润约 17亿美元，同比增长79% 企业与政府客户继续快速增长 第二季度新增约 60亿美元美国政府合同 Starship V3完成两次飞行测试 其中最关键的，仍然是Starlink。 它已经不再只是SpaceX的卫星互联网业务，而是整家公司目前最大的收入来源，也是唯一稳定赚钱的核心板块。 用户数量翻倍后，Starlink开始从家庭宽带向航空、航运、企业通信和政府国防市场扩张。 所以现在的SpaceX，本质上是三家公司叠在一起： Starlink负责赚钱，Falcon与Starshield负责订单，Starship和AI负责烧钱换未来。
0:20

SpaceX上市后的第一份财报，营收确实炸裂。 2026年第二季度： 总营收 78亿美元，同比增长92% Starlink用户达到 1200万，较去年同期翻倍 连接业务营收约 43亿美元，同比增长约66% 连接业务经营利润约 17亿美元，同比增长79% 企业与政府客户继续快速增长 第二季度新增约 60亿美元美国政府合同 Starship V3完成两次飞行测试 其中最关键的，仍然是Starlink。 它已经不再只是SpaceX的卫星互联网业务，而是整家公司目前最大的收入来源，也是唯一稳定赚钱的核心板块。 用户数量翻倍后，Starlink开始从家庭宽带向航空、航运、企业通信和政府国防市场扩张。 所以现在的SpaceX，本质上是三家公司叠在一起： Starlink负责赚钱，Falcon与Starshield负责订单，Starship和AI负责烧钱换未来。

比特币橙子Trader

35,226 views • 27 days ago

2011年，百度 $BIDU 的搜索业务需要大量算力，从西方公司采购AI芯片每颗要价约1万美元。李彦宏认为成本太高，于是决定自己研发芯片。结果发现，自研芯片每颗成本仅约2万元人民币。10年后，这项业务正式拆分，成立了昆仑芯。 随着过去几年AI热潮爆发，昆仑芯的需求早已不再局限于百度内部，来自外部客户的订单也大幅增长。如今，昆仑芯正计划赴香港上市，目标估值高达500亿美元，比百度目前约400亿美元的市值还高100亿美元。 不过，这次IPO有一个特殊之处。据报道，想参与IPO的投资者需要承诺采购价值约为其拟投资金额3至7倍的昆仑芯AI芯片。例如，如果一名投资者计划认购1000万美元的IPO股份，可能还需要承诺购买价值3000万至7000万美元的昆仑芯AI芯片。
2:56

2011年，百度 $BIDU 的搜索业务需要大量算力，从西方公司采购AI芯片每颗要价约1万美元。李彦宏认为成本太高，于是决定自己研发芯片。结果发现，自研芯片每颗成本仅约2万元人民币。10年后，这项业务正式拆分，成立了昆仑芯。 随着过去几年AI热潮爆发，昆仑芯的需求早已不再局限于百度内部，来自外部客户的订单也大幅增长。如今，昆仑芯正计划赴香港上市，目标估值高达500亿美元，比百度目前约400亿美元的市值还高100亿美元。 不过，这次IPO有一个特殊之处。据报道，想参与IPO的投资者需要承诺采购价值约为其拟投资金额3至7倍的昆仑芯AI芯片。例如，如果一名投资者计划认购1000万美元的IPO股份，可能还需要承诺购买价值3000万至7000万美元的昆仑芯AI芯片。

亚洲股市 AsiaStock

62,702 views • 1 month ago

通用计算的时代已经结束，未来是加速计算和 AI 计算的时代！黄老板在最近 BG2 的播客节目中，回击了华尔街分析师普遍认为 Nvidia 的增长将在 2027 年大幅放缓的预测，面对这种认知鸿沟，黄老板给出了一个三点式的宏大叙事框架，来解释为什么Nvidia 的增长不仅是可持续的，而且其潜在市场远未被市场充分理解👀 1. 物理定律层面的转变：通用计算的终结 摩尔定律已走到尽头，依靠 CPU 性能提升来推动计算发展的模式已经终结。这意味着，全球现有的、价值数万亿美元的、基于通用计算（CPU）的数据中心基础设施，在下一轮更新周期中，不得不转向加速计算架构。这是一个存量市场的巨大替换机遇 —— 仅仅将旧世界的基础设施"刷新"一遍，就构成了一个庞大的市场空间； 2. 现有应用的迁移：超大规模数据中心的 AI 化 在 AI 新应用爆发前，仅将现有互联网核心工作负载从 CPU 迁移到 GPU，就足以驱动数百亿美元的需求。搜索、推荐引擎、电商购物等支撑 Meta、Google、Amazon、字节跳动等科技巨头核心业务的系统，过去都运行在 CPU 上。如今，它们正全面转向使用 AI 和 GPU，因为 AI 能提供更好的个性化体验和更高效率。 这一过程并非创造新市场，而是用更优越的技术范式重塑一个已存在的、服务全球 40 亿人的庞大市场。"这就像从煤油灯转向电力，从螺旋桨飞机转向喷气式飞机。到目前为止，我谈论的仅是这些'平淡无奇'的存量替代。" 3. 未来的增量：AI 作为“智能工厂”对 GDP 的赋能 这是最激动人心的部分，即 AI 创造的全新价值。黄老板将 AI 工厂类比为工业革命中的“马达”，马达替代了体力劳动，而 AI 工厂则通过生成 “Token” 来增强人类的智力劳动。他做了一个估算：全球 GDP 中约有 50-65% 与“智力劳动”相关，大约价值 50 万亿美元； AI 将对这 50 万亿美元的经济活动进行增强。假设企业愿意为每位价值 10 万美元的员工，额外花费 1 万美元购买 AI 服务，以换取 2-3 倍的生产力提升，这笔投资是极其划算的。Nvidia 内部已经为每一位芯片设计师和软件工程师配备了 AI 助手，并取得了生产力的巨大飞跃； 如果全球 50 万亿的“智能 GDP”被每年价值 10 万亿的 “AI Token 生成服务”所增强，假设这些服务的毛利率为 50%，那么就需要价值 5 万亿美元的 AI 基础设施（资本支出 / Capex）来支撑这些服务的运行。 这个三层框架将 Nvidia 的增长逻辑从简单的"卖芯片"故事提升为与全球经济结构变迁共振的新叙事，不愧是最会讲故事的“黄老板”✨
0:54

通用计算的时代已经结束，未来是加速计算和 AI 计算的时代！黄老板在最近 BG2 的播客节目中，回击了华尔街分析师普遍认为 Nvidia 的增长将在 2027 年大幅放缓的预测，面对这种认知鸿沟，黄老板给出了一个三点式的宏大叙事框架，来解释为什么Nvidia 的增长不仅是可持续的，而且其潜在市场远未被市场充分理解👀 1. 物理定律层面的转变：通用计算的终结 摩尔定律已走到尽头，依靠 CPU 性能提升来推动计算发展的模式已经终结。这意味着，全球现有的、价值数万亿美元的、基于通用计算（CPU）的数据中心基础设施，在下一轮更新周期中，不得不转向加速计算架构。这是一个存量市场的巨大替换机遇 —— 仅仅将旧世界的基础设施"刷新"一遍，就构成了一个庞大的市场空间； 2. 现有应用的迁移：超大规模数据中心的 AI 化 在 AI 新应用爆发前，仅将现有互联网核心工作负载从 CPU 迁移到 GPU，就足以驱动数百亿美元的需求。搜索、推荐引擎、电商购物等支撑 Meta、Google、Amazon、字节跳动等科技巨头核心业务的系统，过去都运行在 CPU 上。如今，它们正全面转向使用 AI 和 GPU，因为 AI 能提供更好的个性化体验和更高效率。 这一过程并非创造新市场，而是用更优越的技术范式重塑一个已存在的、服务全球 40 亿人的庞大市场。"这就像从煤油灯转向电力，从螺旋桨飞机转向喷气式飞机。到目前为止，我谈论的仅是这些'平淡无奇'的存量替代。" 3. 未来的增量：AI 作为“智能工厂”对 GDP 的赋能 这是最激动人心的部分，即 AI 创造的全新价值。黄老板将 AI 工厂类比为工业革命中的“马达”，马达替代了体力劳动，而 AI 工厂则通过生成 “Token” 来增强人类的智力劳动。他做了一个估算：全球 GDP 中约有 50-65% 与“智力劳动”相关，大约价值 50 万亿美元； AI 将对这 50 万亿美元的经济活动进行增强。假设企业愿意为每位价值 10 万美元的员工，额外花费 1 万美元购买 AI 服务，以换取 2-3 倍的生产力提升，这笔投资是极其划算的。Nvidia 内部已经为每一位芯片设计师和软件工程师配备了 AI 助手，并取得了生产力的巨大飞跃； 如果全球 50 万亿的“智能 GDP”被每年价值 10 万亿的 “AI Token 生成服务”所增强，假设这些服务的毛利率为 50%，那么就需要价值 5 万亿美元的 AI 基础设施（资本支出 / Capex）来支撑这些服务的运行。 这个三层框架将 Nvidia 的增长逻辑从简单的"卖芯片"故事提升为与全球经济结构变迁共振的新叙事，不愧是最会讲故事的“黄老板”✨

indigo

42,829 views • 11 months ago

AI争霸赛，为何马斯克认为美国会赢？马斯克的整体评估可概括为：1)短中期与高端突破：美国凭借顶尖算法、先进制程芯片和顶级人才储备，在技术前沿与高端AI模型上保持绝对领先；2)长期与规模化应用：中国凭借巨大的电力基础设施优势、强大的工业工程落地能力以及自主供应链突破，具备在全球大规模AI普及与地面竞争中赢下长跑的巨大潜力。特别是，美国在顶尖GPU(如英伟达芯片)及自研AI芯片(如谷歌TPU)的研发与生产设计上，占据垄断性领先地位。
1:04

AI争霸赛，为何马斯克认为美国会赢？马斯克的整体评估可概括为：1)短中期与高端突破：美国凭借顶尖算法、先进制程芯片和顶级人才储备，在技术前沿与高端AI模型上保持绝对领先；2)长期与规模化应用：中国凭借巨大的电力基础设施优势、强大的工业工程落地能力以及自主供应链突破，具备在全球大规模AI普及与地面竞争中赢下长跑的巨大潜力。特别是，美国在顶尖GPU(如英伟达芯片)及自研AI芯片(如谷歌TPU)的研发与生产设计上，占据垄断性领先地位。

全球货币 Global Money

13,567 views • 25 days ago

地球上最有钱的公司，眼睁睁看着对手烧掉6500亿美元。 然后什么都没做。 这可能是商业史上最聪明的一步棋。 今年，几家科技巨头在AI数据中心上砸了血本。 亚马逊，2000亿美元。 谷歌，1850亿美元。 微软，1140亿美元。 Meta，1350亿美元。 加起来，6500亿。 苹果的预算呢？ 140亿美元。 比去年还降了19%。 为什么？ 因为这是一场可能没有终点的军备竞赛。 那些巨头，把94%的运营现金流都投了进去。 分红和回购之后，几乎一分不剩。 亚马逊今年的自由现金流预计将变成负280亿美元。 谷歌的自由现金流预计暴跌90%。 这些曾经是地球上最强的印钞机。 现在却要借钱来维持运转。 仅2025年，五大巨头就发了1210亿美元的债券。 6500亿美元，换来了什么？ AI服务总收入，大约350亿美元。 连基础设施投入的5%都不到。 这笔账，怎么算？ 苹果的赌注，现在看才觉得高明。 AI模型正在以前所未有的速度“商品化”。 护城河还没挖好，水就已经干了。 花600万美元就能做出媲美1亿美元系统的模型。 所以苹果换了个玩法。 它不自己造AI工厂，它选择“租”。 每年花大概10亿美元，授权使用谷歌的Gemini。 如果明年有更好的模型出现呢？ 换个供应商就行了。 但苹果没有闲着。 它发布了M5芯片。 直接把AI能力塞进了每一台iPhone、每一台Mac里。 它不需要几千亿的数据中心。 因为它把全球20亿台设备，变成了世界上最大的分布式数据中心。 当对手们在疯狂烧钱时，苹果在干嘛？ 去年，它回购了907亿美元的股票。 而对手们呢？ 股票回购总额从高点暴跌了74%。 苹果没有错过AI革命。 它只是赌，赢家不是建基础设施的人。 而是拥有客户的人。 在这一点上，地球上没人比得过苹果。
3:47

地球上最有钱的公司，眼睁睁看着对手烧掉6500亿美元。 然后什么都没做。 这可能是商业史上最聪明的一步棋。 今年，几家科技巨头在AI数据中心上砸了血本。 亚马逊，2000亿美元。 谷歌，1850亿美元。 微软，1140亿美元。 Meta，1350亿美元。 加起来，6500亿。 苹果的预算呢？ 140亿美元。 比去年还降了19%。 为什么？ 因为这是一场可能没有终点的军备竞赛。 那些巨头，把94%的运营现金流都投了进去。 分红和回购之后，几乎一分不剩。 亚马逊今年的自由现金流预计将变成负280亿美元。 谷歌的自由现金流预计暴跌90%。 这些曾经是地球上最强的印钞机。 现在却要借钱来维持运转。 仅2025年，五大巨头就发了1210亿美元的债券。 6500亿美元，换来了什么？ AI服务总收入，大约350亿美元。 连基础设施投入的5%都不到。 这笔账，怎么算？ 苹果的赌注，现在看才觉得高明。 AI模型正在以前所未有的速度“商品化”。 护城河还没挖好，水就已经干了。 花600万美元就能做出媲美1亿美元系统的模型。 所以苹果换了个玩法。 它不自己造AI工厂，它选择“租”。 每年花大概10亿美元，授权使用谷歌的Gemini。 如果明年有更好的模型出现呢？ 换个供应商就行了。 但苹果没有闲着。 它发布了M5芯片。 直接把AI能力塞进了每一台iPhone、每一台Mac里。 它不需要几千亿的数据中心。 因为它把全球20亿台设备，变成了世界上最大的分布式数据中心。 当对手们在疯狂烧钱时，苹果在干嘛？ 去年，它回购了907亿美元的股票。 而对手们呢？ 股票回购总额从高点暴跌了74%。 苹果没有错过AI革命。 它只是赌，赢家不是建基础设施的人。 而是拥有客户的人。 在这一点上，地球上没人比得过苹果。

墓碑科技

305,494 views • 5 months ago

AI 的哪个部分是泡沫？ IBM 的 CEO 表示基础设施建设已严重超前。 全球已承诺的 AI 数据中心规模总成本高达 6 万亿到 8 万亿美元，按照 5 到 7 年的回本周期计算，整个行业每年必须额外榨出 1 万亿到 2 万亿美元的营收。 但现实是，市场根本没有这么庞大的增量资金。 未来大多数顶级大模型都会沦为大宗商品，由于用户切换成本极低，企业无法建立真正的护城河。 最终能维持大模型研发的公司或许只有 2 到 3 家，绝不是市场预期的十几家。这意味着如今砸进数据中心的巨量资金，注定大部分要成为炮灰。 这场淘汰赛谁能活下来？ 在消费端，拥有庞大用户基数和分发优势的巨头赢面最大。至于企业端，目前依然是一场看不清结局的混战。
2:52

AI 的哪个部分是泡沫？ IBM 的 CEO 表示基础设施建设已严重超前。 全球已承诺的 AI 数据中心规模总成本高达 6 万亿到 8 万亿美元，按照 5 到 7 年的回本周期计算，整个行业每年必须额外榨出 1 万亿到 2 万亿美元的营收。 但现实是，市场根本没有这么庞大的增量资金。 未来大多数顶级大模型都会沦为大宗商品，由于用户切换成本极低，企业无法建立真正的护城河。 最终能维持大模型研发的公司或许只有 2 到 3 家，绝不是市场预期的十几家。这意味着如今砸进数据中心的巨量资金，注定大部分要成为炮灰。 这场淘汰赛谁能活下来？ 在消费端，拥有庞大用户基数和分发优势的巨头赢面最大。至于企业端，目前依然是一场看不清结局的混战。

柴郡🔔｜Crypto+AI Plus

55,451 views • 3 months ago

这位将 2.25 亿美元变成 55 亿美元的男子，在镜头前详细解释了他进行最大规模押注的原因。这就是 Leopold Aschenbrenner。在 Oracle 签署了 2.8 吉瓦燃料电池协议后，他持有的 Bloom Energy 仓位现已价值近 20 亿美元。他阐述了驱动其基金每一项投资决策背后的电力算力逻辑。2022 年，GPT-4 训练集群的功耗约为 10 兆瓦，成本约为 5 亿美元。AI 算力规模正以每年约半个数量级的速度增长，这意味着最大的训练集群的电力需求每 12 到 18 个月就会翻一番，且从未停歇。到 2024 年，最大的集群规模约为 100 兆瓦，相当于 10 万块高端 GPU，成本高达数十亿美元。 到 2026 年，即现在，领先的训练集群需要 1 吉瓦的持续电力，这相当于一座大型核反应堆的输出功率。到 2028 年，预测值将达到 10 吉瓦，这比美国大多数州的总发电量还要多。到 2030 年，万亿美元级别的集群将达到 100 吉瓦，这超过了美国目前总发电量的 20%，而这仅仅由单个 AI 训练设施消耗。而这还仅仅是训练集群。推理，即为数亿用户运行 AI 产品所需的持续算力，在此基础上还需要数倍的电力。与此同时，过去十年美国的总发电量几乎只增长了 5%，且电网的设计初衷并非应对此类需求。目前占据新闻头条的变压器短缺、开关设备积压以及数据中心项目取消，都是电力系统即将撞墙的初步可见症状，而 Aschenbrenner 在市场其他参与者察觉之前几年的就预见到了这一点。 这正是他为何在 Bloom Energy 上建立了 8.75 亿美元的仓位。该公司利用燃料电池直接在数据中心现场发电，完全绕过了电网瓶颈——而这一瓶颈已经导致美国一半计划中的数据中心无法按期开工。其核心逻辑从未复杂过。AI 的瓶颈不在于模型，不在于芯片，也不在于软件。瓶颈在于，文明能否产生足够的电力，以驱动机器运行到足以产生影响力的速度。
1:30

这位将 2.25 亿美元变成 55 亿美元的男子，在镜头前详细解释了他进行最大规模押注的原因。这就是 Leopold Aschenbrenner。在 Oracle 签署了 2.8 吉瓦燃料电池协议后，他持有的 Bloom Energy 仓位现已价值近 20 亿美元。他阐述了驱动其基金每一项投资决策背后的电力算力逻辑。2022 年，GPT-4 训练集群的功耗约为 10 兆瓦，成本约为 5 亿美元。AI 算力规模正以每年约半个数量级的速度增长，这意味着最大的训练集群的电力需求每 12 到 18 个月就会翻一番，且从未停歇。到 2024 年，最大的集群规模约为 100 兆瓦，相当于 10 万块高端 GPU，成本高达数十亿美元。 到 2026 年，即现在，领先的训练集群需要 1 吉瓦的持续电力，这相当于一座大型核反应堆的输出功率。到 2028 年，预测值将达到 10 吉瓦，这比美国大多数州的总发电量还要多。到 2030 年，万亿美元级别的集群将达到 100 吉瓦，这超过了美国目前总发电量的 20%，而这仅仅由单个 AI 训练设施消耗。而这还仅仅是训练集群。推理，即为数亿用户运行 AI 产品所需的持续算力，在此基础上还需要数倍的电力。与此同时，过去十年美国的总发电量几乎只增长了 5%，且电网的设计初衷并非应对此类需求。目前占据新闻头条的变压器短缺、开关设备积压以及数据中心项目取消，都是电力系统即将撞墙的初步可见症状，而 Aschenbrenner 在市场其他参与者察觉之前几年的就预见到了这一点。 这正是他为何在 Bloom Energy 上建立了 8.75 亿美元的仓位。该公司利用燃料电池直接在数据中心现场发电，完全绕过了电网瓶颈——而这一瓶颈已经导致美国一半计划中的数据中心无法按期开工。其核心逻辑从未复杂过。AI 的瓶颈不在于模型，不在于芯片，也不在于软件。瓶颈在于，文明能否产生足够的电力，以驱动机器运行到足以产生影响力的速度。

Bill The Investor

42,586 views • 4 months ago

为什么美国越来越担心中国开源大模型？因为现在AI行业最大的风险，已经不是技术，而是金融。OpenAI、Anthropic等公司，向市场描绘了一个价值超过1.5万亿美元的AI基建蓝图，大量芯片厂商、数据中心和投资机构也因此提前投入资金。但些融资能否成立，取决于市场是否相信这些AI公司有能力兑现承诺。一旦中国开源模型抢走大量市场，美国AI公司的增长、估值和融资能力受到怀疑，那1.5万亿美元的采购承诺也会变得不再可信，整条产业链上的资产都会被重新定价。资本预期一旦落空，将会演变成一场覆盖整个科技行业的资产暴跌？
1:22

为什么美国越来越担心中国开源大模型？因为现在AI行业最大的风险，已经不是技术，而是金融。OpenAI、Anthropic等公司，向市场描绘了一个价值超过1.5万亿美元的AI基建蓝图，大量芯片厂商、数据中心和投资机构也因此提前投入资金。但些融资能否成立，取决于市场是否相信这些AI公司有能力兑现承诺。一旦中国开源模型抢走大量市场，美国AI公司的增长、估值和融资能力受到怀疑，那1.5万亿美元的采购承诺也会变得不再可信，整条产业链上的资产都会被重新定价。资本预期一旦落空，将会演变成一场覆盖整个科技行业的资产暴跌？

超级财经 SuperFinance

23,811 views • 1 month ago

AI 的增长空间真的有那么大吗？赵长鹏给了我们一些线索。他表示，Binance 每个月在 AI Token 上花费约 1000 万美元，也就是每年 1.2 亿美元。而 Binance 每年的收入约为 175 亿美元。 高盛号称 SpaceX 的 AI 业务收入将在 2030 年达到 3200 亿美元。假设它完全没有竞争对手，仅靠企业客户贡献收入，那么它仍然需要 2667 家像 Binance 一样规模的客户，并且每家都要像 Binance 一样每年花 1.2 亿美元购买 AI Token。 即使 Fortune 500 企业全部按照 Binance 的投入强度使用 AI，一年也只能贡献约 600 亿美元收入（而且其中有一半公司的营收还低于 Binance）。 这意味着，SpaceX 仍然需要额外 2.6 万家年营收 10 亿美元的公司，每年在其 AI Token 上花费 1000 万美元。这简直荒谬。
2:13

AI 的增长空间真的有那么大吗？赵长鹏给了我们一些线索。他表示，Binance 每个月在 AI Token 上花费约 1000 万美元，也就是每年 1.2 亿美元。而 Binance 每年的收入约为 175 亿美元。 高盛号称 SpaceX 的 AI 业务收入将在 2030 年达到 3200 亿美元。假设它完全没有竞争对手，仅靠企业客户贡献收入，那么它仍然需要 2667 家像 Binance 一样规模的客户，并且每家都要像 Binance 一样每年花 1.2 亿美元购买 AI Token。 即使 Fortune 500 企业全部按照 Binance 的投入强度使用 AI，一年也只能贡献约 600 亿美元收入（而且其中有一半公司的营收还低于 Binance）。 这意味着，SpaceX 仍然需要额外 2.6 万家年营收 10 亿美元的公司，每年在其 AI Token 上花费 1000 万美元。这简直荒谬。

GeLun Ding

72,223 views • 2 months ago

2000年互联网泡沫的时候， 思科是当时整个互联网基础设施最大的卖铲人之一。 那个年代大家疯狂建设互联网，要买路由器、交换机、网络设备。 你不需要知道最后哪家互联网公司能活下来，你只需要买这些搞底层基础设施的公司 而Cisco就是搞路由器的，所以他是当时最赚钱的公司，当时全球市值第一的公司 包括今天的SanDisk也一样，你不用知道最后OpenAI、Meta、Google谁能把AI真正变现， 只要他们还在疯狂建设数据中心，服务器就永远需要SSD，需要NAND， 那么闪迪就能先把钱赚走。 而当年的Cisco有一个特别值得研究的地方： 它的股价见顶，远远早于它的财报见顶。 98年Cisco收入84.9亿美元，99年达到121.7亿美元，同比增长43%。 而到了00年，思科的收入直接做到189.3亿美元，同比增长55%。那年3月27日，Cisco股价冲到当时历史最高，80.06美元。 但这个时候Cisco的业绩甚至还没有开始恶化。 同年8月到12月，Cisco的收入同比增速依然超过60%。 等到FY2001全年结束，Cisco收入进一步做到222.9亿美元，同比又增长18%， 继续刷新历史最高纪录。 2001年8月7日，Cisco正式公布这份FY2001财报的时候，你猜Cisco股价还有多少？19.26美元。 相比80.06美元的最高点，已经跌掉75.9%。 FY2001 Q3，Cisco收入同比开始下降4%，pro forma净利润暴跌77%。 到了Q4，收入同比下降25%，pro forma净利润直接暴跌86%。 Cisco自己后来总结得非常直接，客户开始削减资本开支了。 这才是我觉得今天SanDisk最值得参考Cisco的地方。 现在SanDisk的财报漂亮得吓人。 FY2026收入202.5亿美元，同比增长175%。 Q4单季度收入89.7亿美元，同比增长372%。 Datacenter全年增长437%。 甚至公司现在告诉你，FY2028—2030，收入还准备保持中高双位数增长，毛利率维持在80%左右。 这些数字当然都是真的。 但2000年的Cisco告诉你的也是一件真的不能再真的事情： 卖铲子的公司，股价见顶的时候，业绩完全可以还在爆炸增长。 因为财报体现的是过去已经下掉的订单， 股价交易的是下一轮客户还愿不愿意继续下单。 甚至SanDisk今天还有NBM长协。 这意味着哪怕未来Hyperscaler开始削减资本开支， SanDisk已经签下来的合同仍然可能让它的收入、毛利率和现金流漂亮相当长一段时间。 长协越硬，财报反而越可能成为一个滞后指标。 所以如果未来SanDisk重新大跌， 我最不建议大家干的一件事情就是，拿着当期利润安慰自己不要割肉 “业绩还在增长。”“毛利率还是80%。”“长协还有几百亿美元。” 这些都没有一个数据重要，这个数据就是： 给SanDisk贡献这些利润的人，下一轮还准备烧多少钱
5:24

2000年互联网泡沫的时候， 思科是当时整个互联网基础设施最大的卖铲人之一。 那个年代大家疯狂建设互联网，要买路由器、交换机、网络设备。 你不需要知道最后哪家互联网公司能活下来，你只需要买这些搞底层基础设施的公司 而Cisco就是搞路由器的，所以他是当时最赚钱的公司，当时全球市值第一的公司 包括今天的SanDisk也一样，你不用知道最后OpenAI、Meta、Google谁能把AI真正变现， 只要他们还在疯狂建设数据中心，服务器就永远需要SSD，需要NAND， 那么闪迪就能先把钱赚走。 而当年的Cisco有一个特别值得研究的地方： 它的股价见顶，远远早于它的财报见顶。 98年Cisco收入84.9亿美元，99年达到121.7亿美元，同比增长43%。 而到了00年，思科的收入直接做到189.3亿美元，同比增长55%。那年3月27日，Cisco股价冲到当时历史最高，80.06美元。 但这个时候Cisco的业绩甚至还没有开始恶化。 同年8月到12月，Cisco的收入同比增速依然超过60%。 等到FY2001全年结束，Cisco收入进一步做到222.9亿美元，同比又增长18%， 继续刷新历史最高纪录。 2001年8月7日，Cisco正式公布这份FY2001财报的时候，你猜Cisco股价还有多少？19.26美元。 相比80.06美元的最高点，已经跌掉75.9%。 FY2001 Q3，Cisco收入同比开始下降4%，pro forma净利润暴跌77%。 到了Q4，收入同比下降25%，pro forma净利润直接暴跌86%。 Cisco自己后来总结得非常直接，客户开始削减资本开支了。 这才是我觉得今天SanDisk最值得参考Cisco的地方。 现在SanDisk的财报漂亮得吓人。 FY2026收入202.5亿美元，同比增长175%。 Q4单季度收入89.7亿美元，同比增长372%。 Datacenter全年增长437%。 甚至公司现在告诉你，FY2028—2030，收入还准备保持中高双位数增长，毛利率维持在80%左右。 这些数字当然都是真的。 但2000年的Cisco告诉你的也是一件真的不能再真的事情： 卖铲子的公司，股价见顶的时候，业绩完全可以还在爆炸增长。 因为财报体现的是过去已经下掉的订单， 股价交易的是下一轮客户还愿不愿意继续下单。 甚至SanDisk今天还有NBM长协。 这意味着哪怕未来Hyperscaler开始削减资本开支， SanDisk已经签下来的合同仍然可能让它的收入、毛利率和现金流漂亮相当长一段时间。 长协越硬，财报反而越可能成为一个滞后指标。 所以如果未来SanDisk重新大跌， 我最不建议大家干的一件事情就是，拿着当期利润安慰自己不要割肉 “业绩还在增长。”“毛利率还是80%。”“长协还有几百亿美元。” 这些都没有一个数据重要，这个数据就是： 给SanDisk贡献这些利润的人，下一轮还准备烧多少钱

CatNarratives老三

33,905 views • 15 days ago

Elon Musk 在财报会上反复提到：“Tesla 未来真正的瓶颈不再是电池，不再是工厂，而是算力和芯片。” 最近一期 Indigo Talk 与 CyberCat 聊 Tesla AI 芯片👀 为什么要自研芯片？就像乔布斯晚年痛恨受制于英特尔，最终苹果自研 A & M 系列芯片一样，Elon 也深知不能让芯片成为 Tesla 的“限速因子”。未来的世界，如果 Robotaxi 成为大家日常的主要交通工具，每个家庭都需要一个 Optimus，这意味着数十亿级别的 AI 终端需求，所以 AI 芯片不能受制于人。 特斯拉的 AI5 芯片设计非常有意思，它砍掉了大量不必要的浮点运算功能，专注于整数运算。这是因为在推理现实世界的视觉数据时，可以降低精度。这种针对特定场景的极致优化，能以更低的能耗和成本实现大规模推理。 Tesla 正在成为物理世界的 Apple —— 从锂矿开采、电池制造、芯片设计到软件算法，实现了前所未有的垂直整合能力。
2:33

Elon Musk 在财报会上反复提到：“Tesla 未来真正的瓶颈不再是电池，不再是工厂，而是算力和芯片。” 最近一期 Indigo Talk 与 CyberCat 聊 Tesla AI 芯片👀 为什么要自研芯片？就像乔布斯晚年痛恨受制于英特尔，最终苹果自研 A & M 系列芯片一样，Elon 也深知不能让芯片成为 Tesla 的“限速因子”。未来的世界，如果 Robotaxi 成为大家日常的主要交通工具，每个家庭都需要一个 Optimus，这意味着数十亿级别的 AI 终端需求，所以 AI 芯片不能受制于人。 特斯拉的 AI5 芯片设计非常有意思，它砍掉了大量不必要的浮点运算功能，专注于整数运算。这是因为在推理现实世界的视觉数据时，可以降低精度。这种针对特定场景的极致优化，能以更低的能耗和成本实现大规模推理。 Tesla 正在成为物理世界的 Apple —— 从锂矿开采、电池制造、芯片设计到软件算法，实现了前所未有的垂直整合能力。

indigo

92,159 views • 9 months ago

黄仁勋进一步解释，为什么 Marvell $MRVL 能到1万亿美金市值？！ 老黄的底层逻辑其实就4点： 1. AI 已经开始赚钱了！ 过去AI是在烧钱训练模型，现在AI开始生产Token，Token又能卖钱。只要能赚钱，企业就会更加疯狂扩建AI，增加CapEx，而Marvell正站在这条产业链最核心的位置！ 2. 未来AI是无数Agent协同工作！ 当计算被拆散以后，最重要的就不再只是GPU，而是把所有GPU、CPU、内存和存储连接起来的高速网络。 而Marvell正是全球最重要的数据中心互联芯片厂商之一。 3. AI工厂规模正在加速扩张。 以后，每新增1美元AI算力投资，背后都需要更多交换机、光模块、DSP、定制ASIC和高速互联芯片。 Marvell 你就躺着数钱吧！ 4. 未来Agent不仅要推理，还要： • 访问互联网 • 调用工具 • 管理长期记忆 • 管理短期记忆 • 调度多个模型协同工作 这一切都要大量连接，不论是铜缆和光模块，铜不够用了，就光互联。 Agent时代全面到来，未来AI最大的瓶颈之一，不是算力，而是连接！
1:31

黄仁勋进一步解释，为什么 Marvell $MRVL 能到1万亿美金市值？！ 老黄的底层逻辑其实就4点： 1. AI 已经开始赚钱了！ 过去AI是在烧钱训练模型，现在AI开始生产Token，Token又能卖钱。只要能赚钱，企业就会更加疯狂扩建AI，增加CapEx，而Marvell正站在这条产业链最核心的位置！ 2. 未来AI是无数Agent协同工作！ 当计算被拆散以后，最重要的就不再只是GPU，而是把所有GPU、CPU、内存和存储连接起来的高速网络。 而Marvell正是全球最重要的数据中心互联芯片厂商之一。 3. AI工厂规模正在加速扩张。 以后，每新增1美元AI算力投资，背后都需要更多交换机、光模块、DSP、定制ASIC和高速互联芯片。 Marvell 你就躺着数钱吧！ 4. 未来Agent不仅要推理，还要： • 访问互联网 • 调用工具 • 管理长期记忆 • 管理短期记忆 • 调度多个模型协同工作 这一切都要大量连接，不论是铜缆和光模块，铜不够用了，就光互联。 Agent时代全面到来，未来AI最大的瓶颈之一，不是算力，而是连接！

Annie 所长

70,146 views • 3 months ago

快手（1024HK）自2021年上市以来，股价已经下跌了近90%。有意思的是，上市当年，公司虽然实现了约885亿港元的营收，但仍处于亏损状态，2021财年的经营亏损高达约302亿港元。而到了2025财年，快手营收增长至约1,558亿港元，并成功实现约225亿港元的经营利润。 如果再看资产负债表，情况就更加有意思了。截至2026年第一季度，快手持有约980亿港元的净现金。此外，公司还分拆了AI视频生成平台可灵Kling AI，目前持有其68%的股权，按当前估值计算价值约970亿港元。可灵预计将在2027年赴港IPO，届时这部分股权也将变为可流通资产。 这意味着，仅快手的净现金和持有的可灵股权价值，就已经与公司目前约1,900亿港元的总市值相当。换句话说，市场几乎将快手核心的广告和直播电商业务——这项每年能够贡献约164亿港元经营利润的业务——估值为零。 对此，可能有三种解释。第一，投资者并不相信可灵AI最终能够以如此高的估值成功上市，因此对这部分资产进行了大幅折价。第二，投资者对快手的短视频平台前景极度悲观，认为其难以在抖音的竞争下长期生存，因此几乎不给核心业务任何估值。第三，快手确实被市场严重低估，是一个典型的“烟蒂股”价值投资机会。你认为，哪一种解释最有可能？
0:30

快手（1024HK）自2021年上市以来，股价已经下跌了近90%。有意思的是，上市当年，公司虽然实现了约885亿港元的营收，但仍处于亏损状态，2021财年的经营亏损高达约302亿港元。而到了2025财年，快手营收增长至约1,558亿港元，并成功实现约225亿港元的经营利润。 如果再看资产负债表，情况就更加有意思了。截至2026年第一季度，快手持有约980亿港元的净现金。此外，公司还分拆了AI视频生成平台可灵Kling AI，目前持有其68%的股权，按当前估值计算价值约970亿港元。可灵预计将在2027年赴港IPO，届时这部分股权也将变为可流通资产。 这意味着，仅快手的净现金和持有的可灵股权价值，就已经与公司目前约1,900亿港元的总市值相当。换句话说，市场几乎将快手核心的广告和直播电商业务——这项每年能够贡献约164亿港元经营利润的业务——估值为零。 对此，可能有三种解释。第一，投资者并不相信可灵AI最终能够以如此高的估值成功上市，因此对这部分资产进行了大幅折价。第二，投资者对快手的短视频平台前景极度悲观，认为其难以在抖音的竞争下长期生存，因此几乎不给核心业务任何估值。第三，快手确实被市场严重低估，是一个典型的“烟蒂股”价值投资机会。你认为，哪一种解释最有可能？

亚洲股市 AsiaStock

141,436 views • 1 month ago

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。
4:44

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 GEM

77,844 views • 3 months ago

你以为“存储”已经涨得够多了？ 不，多路顶级专家都认为， 存储有3-5年的涨价周期，主要还是高端需求， 因为算力的需求端是无止境的， 从产业的角度至少还有5年的需求。 而接下来，下一个暴涨的板块，大概率是PCB， 高端印制电路板领域，大家要重点关注， 美股中有以下几个标： 1、第一核心标的：TTM Technologies（TTMI） 这是华尔街最认可的PCB概念股。 TTM是全球先进PCB制造商，业务覆盖： AI服务器PCB、数据中心PCB、网络交换机PCB， 军工PCB，高频高速PCB， IC Substrate（先进封装载板） 公司客户覆盖：数据中心、网络设备、航空航天、 国防军工。 最近几年AI服务器需求增长后，数据中心已经成为其重要增长引擎。 如果你只选一个美股PCB标的：TTMI 基本就是首选。 第二核心标的：Sanmina（SANM）。 很多人把它当EMS公司，其实忽略了它的PCB能力。 Sanmina拥有：高速PCB、背板（Backplane）、光通信PCB、AI服务器PCB、高可靠军工PCB。 尤其在：AI服务器、网络交换机、光模块设备， 领域布局很深。 如果AI服务器继续爆发： SANM受益程度其实不比很多PCB公司差。 第三梯队：Celestica（CLS） 很多机构现在把CLS当成，AI服务器链的北美核心制造商。 主要服务：超大规模数据中心，AI服务器，网络设备。 虽然不是纯PCB公司， 但AI算力资本开支增加时， CLS往往比PCB厂弹性更大。
8:18

你以为“存储”已经涨得够多了？ 不，多路顶级专家都认为， 存储有3-5年的涨价周期，主要还是高端需求， 因为算力的需求端是无止境的， 从产业的角度至少还有5年的需求。 而接下来，下一个暴涨的板块，大概率是PCB， 高端印制电路板领域，大家要重点关注， 美股中有以下几个标： 1、第一核心标的：TTM Technologies（TTMI） 这是华尔街最认可的PCB概念股。 TTM是全球先进PCB制造商，业务覆盖： AI服务器PCB、数据中心PCB、网络交换机PCB， 军工PCB，高频高速PCB， IC Substrate（先进封装载板） 公司客户覆盖：数据中心、网络设备、航空航天、 国防军工。 最近几年AI服务器需求增长后，数据中心已经成为其重要增长引擎。 如果你只选一个美股PCB标的：TTMI 基本就是首选。 第二核心标的：Sanmina（SANM）。 很多人把它当EMS公司，其实忽略了它的PCB能力。 Sanmina拥有：高速PCB、背板（Backplane）、光通信PCB、AI服务器PCB、高可靠军工PCB。 尤其在：AI服务器、网络交换机、光模块设备， 领域布局很深。 如果AI服务器继续爆发： SANM受益程度其实不比很多PCB公司差。 第三梯队：Celestica（CLS） 很多机构现在把CLS当成，AI服务器链的北美核心制造商。 主要服务：超大规模数据中心，AI服务器，网络设备。 虽然不是纯PCB公司， 但AI算力资本开支增加时， CLS往往比PCB厂弹性更大。

老白 | Trader🐮

15,038 views • 2 months ago

难怪川沐盯上 $GLW 康宁，眼光太超前了！ 原来是海力士一样的方法论，AI 离不开存储，更离不开光模块 光模块和存储一样，康宁与海力士的逻辑相同，都属于 AI 基建最核心的卖铲人之一 康宁是整个AI基础链中讨论最少，但可以说最基础的一层。。无论GPU有多强大或自定义ASIC有多聪明，AI集群中的每颗芯片都需要以大带宽与数千颗其他芯片通信，而这些通信都通过光纤传输。随着AI集群从数千颗芯片扩展到数十万颗，光纤需求也随之同步增长 而全球最强的光纤和光连接供应商之一就是康宁 英伟达计划通过多年合作向康宁投资最高32亿美元，专注于扩大美国先进光学连接的制造规模，包括初始5亿美元股权和认股权证
6:12

难怪川沐盯上 $GLW 康宁，眼光太超前了！ 原来是海力士一样的方法论，AI 离不开存储，更离不开光模块 光模块和存储一样，康宁与海力士的逻辑相同，都属于 AI 基建最核心的卖铲人之一 康宁是整个AI基础链中讨论最少，但可以说最基础的一层。。无论GPU有多强大或自定义ASIC有多聪明，AI集群中的每颗芯片都需要以大带宽与数千颗其他芯片通信，而这些通信都通过光纤传输。随着AI集群从数千颗芯片扩展到数十万颗，光纤需求也随之同步增长 而全球最强的光纤和光连接供应商之一就是康宁 英伟达计划通过多年合作向康宁投资最高32亿美元，专注于扩大美国先进光学连接的制造规模，包括初始5亿美元股权和认股权证

0xkevin (🖤 , 💙)

275,702 views • 2 months ago

黄仁勋对Marvell $MRVL 会是下一个万亿市值评论，让公司股价直接起飞，但其实昨天公司CEO Matt Murphy 在 Computex 演讲中的核心观点才更有意思，值得反复观看 核心观点是：AI基础设施的下一个瓶颈已从“算力”和“内存”转向了“连接”，光互连技术将成为未来10年AI竞争的关键 1⃣. AI瓶颈转向连接：AI基础设施的瓶颈正从算力、内存转向“连接”。单颗处理器再强也无法满足需求，未来决定AI系统性能的关键是数百万颗芯片间的数据传输效率。Marvell已彻底转型，数据中心业务营收占比超75% 2⃣. 光通信必然趋势：铜缆面临物理极限，400Gbps速率下将无法连接整个机架。黄仁勋定调“能用铜用铜，必须用光用光”，未来AI数据中心将大规模引入光互连，而共封装光学（CPO）是解决密度与功耗的终极方案 3⃣. 中立但深度绑定：英伟达已向Marvell投资20亿美元，双方联合开发NVLink Fusion技术。同时Marvell定位为行业“瑞士”，既与英伟达深度合作，也为所有大型云厂商提供定制化芯片，扮演中立且关键的互连角色
54:51

黄仁勋对Marvell $MRVL 会是下一个万亿市值评论，让公司股价直接起飞，但其实昨天公司CEO Matt Murphy 在 Computex 演讲中的核心观点才更有意思，值得反复观看 核心观点是：AI基础设施的下一个瓶颈已从“算力”和“内存”转向了“连接”，光互连技术将成为未来10年AI竞争的关键 1⃣. AI瓶颈转向连接：AI基础设施的瓶颈正从算力、内存转向“连接”。单颗处理器再强也无法满足需求，未来决定AI系统性能的关键是数百万颗芯片间的数据传输效率。Marvell已彻底转型，数据中心业务营收占比超75% 2⃣. 光通信必然趋势：铜缆面临物理极限，400Gbps速率下将无法连接整个机架。黄仁勋定调“能用铜用铜，必须用光用光”，未来AI数据中心将大规模引入光互连，而共封装光学（CPO）是解决密度与功耗的终极方案 3⃣. 中立但深度绑定：英伟达已向Marvell投资20亿美元，双方联合开发NVLink Fusion技术。同时Marvell定位为行业“瑞士”，既与英伟达深度合作，也为所有大型云厂商提供定制化芯片，扮演中立且关键的互连角色

美股金虫哥

34,116 views • 3 months ago

黄仁勋的问题不是蠢，是坏。但他却找到了完美的平衡，成为华盛顿和北京的新宠。当被问到：“英伟达芯片成为中国强化其经济和军工实力的有力工具，而为什么中国却限制保障我们美国自己的经济和安全所需的电池技术？”黄仁勋：“基于对风险的考虑和对自己独立体系技术的高度自信，中国军工根本不屑于也不会依赖我的芯片和基于所谓的“美国的完整前后台配套技术体系”来打造中国自己的的核心军工科技体系，而且中国的超级计算能力已经傲视全球了。但是，我说服川普总统，为了和中国竞争，我们需要让美国的整套技术体系成为全球标准，为了实现这一目标，必须解禁芯片出口，我们必须让全世界的人工智能开发人员（中国占了一半）都为美国工作，贡献他们的智慧。要让美国再次强大，就必须先让中国强大！” 第一季度特斯拉上海超级工厂交付超过17万2000辆新车，占该公司全球交付量逾半；中国单一市场销量更达总量的40%。相比之下，中国仅占英伟达2023会计年度营收的13%，即便在出口限制前，中国市场占比也仅约25%。中国在英伟达上一个财年中只贡献了170亿美元的营收。 对川普而言，英伟达的成功与股市飙涨皆为政治胜利，即便英伟达仍是中美科技竞争的爆发点，自美方放宽H20芯片出口限制以来，纳斯达克综合指数创下新高。黄仁勋也快马加鞭的强化对华关系。何立峰早就“欢迎英伟达深耕中国市场，在中国尽展产业优势和能力，进而在全球竞争中赢得先机”。今年以来已三度访华，包括7月17日与商务部长王文涛会晤。王文涛：“希望英伟达向中国客户提供高品质且可靠的产品及服务”。
0:57

黄仁勋的问题不是蠢，是坏。但他却找到了完美的平衡，成为华盛顿和北京的新宠。当被问到：“英伟达芯片成为中国强化其经济和军工实力的有力工具，而为什么中国却限制保障我们美国自己的经济和安全所需的电池技术？”黄仁勋：“基于对风险的考虑和对自己独立体系技术的高度自信，中国军工根本不屑于也不会依赖我的芯片和基于所谓的“美国的完整前后台配套技术体系”来打造中国自己的的核心军工科技体系，而且中国的超级计算能力已经傲视全球了。但是，我说服川普总统，为了和中国竞争，我们需要让美国的整套技术体系成为全球标准，为了实现这一目标，必须解禁芯片出口，我们必须让全世界的人工智能开发人员（中国占了一半）都为美国工作，贡献他们的智慧。要让美国再次强大，就必须先让中国强大！” 第一季度特斯拉上海超级工厂交付超过17万2000辆新车，占该公司全球交付量逾半；中国单一市场销量更达总量的40%。相比之下，中国仅占英伟达2023会计年度营收的13%，即便在出口限制前，中国市场占比也仅约25%。中国在英伟达上一个财年中只贡献了170亿美元的营收。 对川普而言，英伟达的成功与股市飙涨皆为政治胜利，即便英伟达仍是中美科技竞争的爆发点，自美方放宽H20芯片出口限制以来，纳斯达克综合指数创下新高。黄仁勋也快马加鞭的强化对华关系。何立峰早就“欢迎英伟达深耕中国市场，在中国尽展产业优势和能力，进而在全球竞争中赢得先机”。今年以来已三度访华，包括7月17日与商务部长王文涛会晤。王文涛：“希望英伟达向中国客户提供高品质且可靠的产品及服务”。

Xiang Yang 向阳

102,576 views • 1 year ago